深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1741	2026-05-15	ReaderAdaptNet: modeling reader variability in breast imaging with reader-specific embeddings 2026-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae6227 PMID:42009042	研究论文	提出ReaderAdaptNet，一种通过读者特定嵌入建模乳腺影像中读者变异性的自适应网络	首次提出通过读者特定嵌入显式建模读者变异性，并采用两阶段深度学习框架实现个性化分类和快速校准，无需重新训练完整模型	未明确说明局限性，但依赖于多读者数据集，可能在小样本场景下泛化能力受限	解释并建模乳腺影像判读中的读者变异性，而非消除它，以提高AI模型在真实世界变异性下的可靠性	乳腺密度分类和背景实质增强分类任务中的多读者数据集	计算机视觉	乳腺疾病	深度学习	自适应网络	医学图像	NA（未明确说明样本数量）	PyTorch	ReaderAdaptNet（包含读者嵌入的两阶段框架）	平均分类准确率	NA（未明确说明计算资源）
1742	2026-05-15	DEEP Phaser: A Deep Learning Tandem Vision Transformer for Fully Automated NMR Phase Correction 2026-May-14, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00770 PMID:42081261	研究论文	提出一种基于深度学习的串联视觉变换器自动相位校正方法	首次将串联视觉变换器神经网络用于NMR相位校正，无需人工调整即可实现高精度自动校正	未提及具体局限性	开发全自动NMR相位校正方法，消除人工干预需求	溶液1D 1H NMR谱，涵盖小分子、复杂混合物及生物大分子	机器学习	NA	NMR	视觉变换器	光谱数据	大量合成谱及多种真实实验谱	PyTorch	串联视觉变换器	相位校正精度	NA
1743	2026-05-15	MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data 2026-May-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101141 PMID:41650976	研究论文	提出MultiSP深度学习方法，从空间多组学数据解析组织结构和多细胞通讯	通过高效的空间和特征相似性融合、模态特定概率生成建模及跨模态对抗学习增强数据表示，优于现有方法在捕捉生物学可解释空间域方面的性能	NA	开发能够从空间多组学数据中揭示组织结构和细胞通讯的深度学习框架	空间多组学数据集，包括肿瘤微环境中的细胞分布和基因调控机制	机器学习	肿瘤	空间多组学	深度学习	空间多组学数据	NA	NA	NA	NA	NA
1744	2026-05-15	The influence of global artificial intelligence on accessibility design for people with disabilities: trends, hotspots and emerging technologies 2026-May-13, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2026.2662425 PMID:42126947	综述	通过文献计量分析，梳理全球人工智能对无障碍设计影响的研究现状、热点与新兴技术	构建了全球理论知识图谱，揭示了从“单感官补偿”到“多模态认知增强”的范式转变，并提出了针对多重残疾和社会伦理参与不足的未来方向	研究依赖单一数据库（Web of Science），可能遗漏部分重要文献；对多重残疾关注不足，社会伦理参与有限	系统分析人工智能在无障碍设计领域的研究趋势、热点和新兴技术，促进技术与残疾人群多样化需求的对接	2001年1月1日至2025年12月31日期间Web of Science核心合集数据库中关于无障碍设计的文献	自然语言处理	NA	NA	深度学习	文本, 自然语言	NA	NA	NA	NA	NA
1745	2026-05-15	Importance of integrating biological sex and age analyses in health research 2026-May-12, Biology of sex differences IF:4.9Q1 DOI:10.1186/s13293-026-00900-1 PMID:42116218	评论	强调在健康研究中整合生物学性别和年龄分析的重要性	提出应将性别和年龄作为主要分析变量，而非传统上视为混杂因素，并主张在数据开放和人工智能应用的背景下优先进行按性别和年龄的分析	未提供具体数据或实验验证，仅通过示例说明观点，缺乏量化分析支持	呼吁健康研究改变对性别和年龄变量的统计处理方式，以发现更准确的研究洞察	人类、动物及细胞群体的研究数据	机器学习	NA	NA	深度学习模型、人工智能	公开可用的研究数据	未明确说明	NA	未指定具体架构	NA	NA
1746	2026-05-15	Critical evaluation of drug response prediction models with DrEval 2026-05-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72903-w PMID:42120410	研究论文	提出DrEval流程用于公正、有生物学意义的癌症药物反应模型评估，揭示深度学习模型表现不佳	开发了DrEval开源基准框架，整合标准化超参数调优、统计严谨评估、跨研究基准和消融研究，揭示现有模型性能过于乐观的问题	未提及具体局限性，但可能包括基准覆盖范围有限或评价指标单一	批判性评估药物反应预测模型，建立无偏评估标准以推动领域进展	基于癌症细胞系组学数据的药物反应预测模型	机器学习	癌症	NA	深度学习、树集成模型	组学数据（癌症细胞系特征谱）	NA	NA	深度学习架构（未具体指定）、树集成模型（未具体指定）	NA	NA
1747	2026-05-15	Comparative classification of spectrally overlapping Allium seed genotypes using Vis-NIR spectroscopy and hyperspectral imaging with chemometric, machine, and deep learning models 2026-05-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46764-8 PMID:42120602	研究论文	比较可见-近红外光谱与高光谱成像结合化学计量学、机器学习和深度学习模型对光谱重叠的葱属种子基因型进行分类	首次系统比较了可见-近红外光谱仪和高光谱相机在区分七种光谱重叠葱属种子基因型时的性能，并评估了集成学习与深度学习方法在高通量、非破坏性种子分选中的应用潜力	样本量相对较小（700个光谱和70张图像），且未提及对不同环境条件下模型泛化能力的验证	评估可见-近红外光谱仪和高光谱相机对七种近缘葱属种子基因型进行非破坏性分类的潜力	七种葱属种子基因型，包括葱头、红洋葱、白洋葱、黄洋葱、Bon-Sorkh和两种韭葱品种	机器视觉, 机器学习	NA	可见-近红外光谱, 高光谱成像	SIMCA, 人工神经网络, 直方图梯度提升, 一维和二维卷积神经网络	光谱数据, 图像数据	700个光谱和70张图像	NA	SIMCA, ANN, HisGB, 1D CNN, 2D CNN	F1分数, 准确率, 误差率	NA
1748	2026-05-15	Comparing machine learning and deep learning approaches to predicting the seismic response of slab-column connections 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50962-9 PMID:42115248	研究论文	比较机器学习和深度学习方法在预测板柱连接抗震响应中的准确性	系统比较了多种机器学习和深度学习模型在预测板柱连接抗震性能（冲切弯矩和漂移率）中的表现，并发现梯度提升在弯矩预测中最佳，随机森林在漂移率预测中最佳，卷积神经网络在深度学习中表现最优	未提及数据来源、样本数量和外部验证，模型泛化能力有限	评估机器学习和深度学习模型预测板柱连接抗震性能的准确性	板柱连接节点的冲切弯矩和漂移率	机器学习	NA	NA	Ridge回归、线性回归、Lasso回归、弹性网络、支持向量回归、梯度提升、随机森林、极端梯度提升、长短期记忆网络、卷积神经网络、循环神经网络、CNN-LSTM混合模型	数值数据	NA	NA	Ridge回归、线性回归、Lasso回归、弹性网络、支持向量回归、梯度提升、随机森林、极端梯度提升、长短期记忆网络、卷积神经网络、循环神经网络、CNN-LSTM	决定系数、均方根误差、平均绝对误差	NA
1749	2026-05-15	RNN-based detection of IoT malware using diverse feature engineering methods 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51074-0 PMID:42115291	研究论文	提出一种基于循环神经网络的框架，结合多种特征工程技术以提升物联网恶意软件检测性能	将标签编码、MinMax缩放、TF-IDF、词袋、word2vec和主成分分析等多层级特征工程方法集成到循环神经网络中，实现物联网恶意软件的高效检测	仅在UNSW-NB15单一数据集上验证，未考虑其他物联网环境或真实部署场景的泛化性	开发可扩展且实验验证有效的物联网恶意软件检测框架	物联网环境中的恶意软件流量检测	机器学习	NA	NA	循环神经网络（RNN）	网络流量数据	UNSW-NB15数据集（训练集含175,341条样本，测试集含82,332条样本）	NA	三种不同RNN架构	准确率、精确率、召回率、F1分数、特异性、AUC	NA
1750	2026-05-15	Deep learning-based automatic field of view planning for prostate MRI in oblique coronal and oblique axial planes 2026-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52248-6 PMID:42115680	研究论文	开发并评估了一种基于ResNet的深度学习框架，用于自动规划前列腺MRI的视野，在斜冠状面和斜轴面上实现准确的视野规划	首次使用深度学习实现前列腺MRI中斜冠状面和斜轴面的自动视野规划，并在多中心数据上进行验证，展示出非劣效于人工标注的性能	研究的描述中未明确提到具体的局限性	开发自动化的视野规划方法，以提高前列腺MRI中视野处方的准确性和一致性，减少操作者依赖	前列腺MRI的视野规划	计算机视觉	前列腺癌	MRI	ResNet	图像	训练集使用PI-CAI数据集中的1,474例检查，外部测试集共530例检查（2021-2024）	PyTorch	ResNet	切片定位差异，视野重叠率，角度差异，可接受率	NA
1751	2026-05-15	A comparative analysis of YOLOv8 and nnU-Net v2 based pipelines for sex and age estimation from maxillary sinus morphometry on panoramic radiographs 2026-May-09, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03825-x PMID:42104112	研究论文	比较基于YOLOv8和nnU-Net v2的管道在曲面断层片上从上颌窦形态测量学进行性别和年龄估计	首次系统比较YOLOv8和nnU-Net v2在法医上颌窦分析中的应用	未提及	开发和比较两种基于深度学习的分割-影像组学管道（YOLOv8-Hybrid和nnU-Net v2），用于从曲面断层片的上颌窦形态测量学中自动进行性别分类和年龄估计	来自北塞浦路斯近东大学的1024张曲面断层片（512名男性，512名女性，年龄18-81岁）	计算机视觉	NA	深度学习分割（YOLOv8和U-Net）、影像组学特征提取、迁移学习、贝叶斯超参数优化、SHAP可解释性分析	YOLOv8n-seg、U-Net、CatBoost、XGBoost	医学图像（曲面断层片）	1024张曲面断层片（512名男性，512名女性，年龄18-81岁）和50张独立外部验证图像	PyTorch, Scikit-learn	YOLOv8n-seg、U-Net、CatBoost、XGBoost	AUC, MAE, mAP@50, Cohen's d	NA
1752	2026-05-15	Uncovering advanced transfer learning strategies for deep neural networks in natural language processing 2026-05-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39819-3 PMID:42106353	研究论文	深入研究自然语言处理中深度神经网络的迁移学习策略，通过实验分析其效果	系统性地探索了迁移学习在复杂深度学习架构中的最优策略，包括架构设计、微调方法和替代训练范式	未具体说明数据集的规模、领域局限性或实验的计算资源需求	揭示自然语言处理任务中深度神经网络迁移学习的最佳策略	预训练模型在文本分类和语言生成等关键NLP任务中的应用	自然语言处理	NA	迁移学习	深度神经网络	文本	NA	NA	NA	准确性、训练速度	NA
1753	2026-05-15	Development and validation of a blinding eye disease screening system based on lightweight convolutional neural networks: A diagnostic accuracy study 2026-May-08, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048491 PMID:42116340	研究论文	基于轻量级卷积神经网络构建致盲性眼病筛查模型，并通过内部和外部数据集验证其性能	开发了性能与中级眼科医生相当的轻量级致盲性眼病筛查系统，为基层医疗机构提供高效、经济的筛查方案	NA	开发成本效益高的致盲性眼病筛查模型，提高基层筛查效率，减少因延迟诊断导致的不可逆视力损伤	89,158张眼底照片及不同临床经验级别的眼科医生	计算机视觉	致盲性眼病	眼底照相	轻量级卷积神经网络	图像	89,158张眼底照片	NA	轻量级卷积神经网络	准确率、F1分数、召回率、AUC、精确率、特异度	NA
1754	2026-05-15	Deep Learning-Assisted Room-Temperature Phosphorescence Sensor Array Based on Host-Guest Doping for Visual Discrimination of Triazole Fungicides 2026-May-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00501 PMID:42076943	研究论文	基于主体-客体掺杂的深度学习辅助室温磷光传感器阵列用于三唑类杀菌剂的可视化鉴别	首次将室温磷光传感器阵列与深度学习结合，利用主体-客体掺杂诱导的磷光信号放大实现三唑类杀菌剂的可视化鉴别，并开发了基于DenseNet算法的智能人工视觉平台实现自动识别	未提及传感器阵列对复杂基质中痕量水平的检测限，以及长期稳定性评估	开发一种用于三唑类杀菌剂快速、可视化鉴别的传感方法	五种结构相似的三唑类杀菌剂亚型及其二元、三元混合物	机器学习	NA	室温磷光传感	DenseNet	图像	五种三唑类杀菌剂亚型及其二元、三元混合物	PyTorch	DenseNet	准确率	NA
1755	2026-05-15	Deep Learning-Driven Analysis and Quantification of Histopathologic Features in a Dextran Sulfate Sodium-Induced Colitis Mouse Model 2026-May-04, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.005 PMID:42092460	研究论文	利用深度学习分类器对葡聚糖硫酸钠诱导的结肠炎小鼠模型的结肠组织切片进行组织病理学特征的识别与量化分析	首次在DSS结肠炎小鼠模型中应用基于HALO平台的人工智能分类器，实现组织区域（粘膜、粘膜下层、淋巴组织）的自动识别与量化评估，且AI评估与病理学家评估相比具有更好的相关性和更高的敏感性	概念验证研究，可能未涉及大规模样本验证或跨物种泛化能力	评估深度学习分类器在药物发现初期对结肠炎病理特征量化分析的效率和准确性	DSS诱导的结肠炎小鼠模型的结肠组织切片	数字病理学	炎症性肠病（溃疡性结肠炎和克罗恩病）	组织病理学染色	深度学习分类器	图像	NA	HALO	NA	相关性, 敏感性	NA
1756	2026-05-15	KG-bench: benchmarking graph neural network algorithms for drug repurposing 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag159 PMID:42103971	研究论文	提出了KG-Bench基准框架，用于系统比较不同图神经网络架构在药物重定位中的性能	首个针对药物重定位的GNN标准化基准测试框架，支持公平比较多种架构，并集成可解释性分析	未提及计算资源等实施细节；数据来源仅限定于Open Targets数据集	构建标准化基准框架以系统评估图神经网络在药物-疾病关联预测中的表现	药物、疾病、靶点的知识图谱以及六种图神经网络架构（如关系图卷积网络）	机器学习	NA	知识图谱、图神经网络	图神经网络	结构化数据（知识图谱中的三元组）	Open Targets数据集中药物、疾病、靶点实体及关联	PyTorch	Relational Graph Convolutional Networks, TransformerConv	AUC, F1分数	NA
1757	2026-05-15	Integrated multi-task learning framework for hepatocellular carcinoma segmentation and histological grading using fused multi-phase MRI 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05266-3 PMID:41160193	研究论文	开发并验证一个融合多相MRI的深度学习分割与影像组学分级联合多任务框架用于肝细胞癌分析	首次将多任务学习框架结合多相MRI融合技术，同时实现肝癌分割和组织学分级，并集成可解释性分析	未提及具体局限性	开发和验证一个集成多任务框架，用于肝细胞癌的分割与组织学分级	1673例经组织病理学确诊的肝细胞癌患者（875例高级别，798例低级别）	计算机视觉, 机器学习	肝癌	MRI, 影像组学	Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost	多相MRI图像	1673例肝细胞癌患者	PyTorch	Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost	DSC, 准确率, AUC	NA
1758	2026-05-15	Advancing osteoporosis opportunistic screening: multicenter validation of a deep learning algorithm using abdominal CT scans 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05213-2 PMID:41171405	研究论文	开发并多中心验证了一种利用腹部CT扫描进行骨质疏松机会性筛查的深度学习算法	首次在多中心外部数据集上验证了基于腹部CT的骨质疏松筛查深度学习算法的有效性，并确定了全局优化的阈值	研究对象主要为女性，可能影响结果的普适性；研究数据为回顾性收集，存在选择偏倚	开发并验证一种从腹部CT中筛查骨质疏松的算法	来自多中心的504名参与者（中位年龄66岁，女性388人）的腹部非增强CT和近期DEXA扫描数据	计算机视觉	骨质疏松症	CT成像	卷积神经网络（CNN）	图像	504名参与者（388名女性，中位年龄66岁）	PyTorch	2D U-Net（基于ResNet34骨干网络）	Pearson相关系数、AUC、敏感度、特异度、Brier评分	NA
1759	2026-05-15	Artificial intelligence-based segmentation of small renal masses: a multi-center, multi-scanner, multi-sequence study 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05259-2 PMID:41171407	研究论文	基于人工智能的多中心、多扫描仪、多序列MRI肾小肿块自动分割方法的开发与验证	首次基于多中心多扫描仪多序列MRI数据开发针对肾小肿块的人工智能分割方法，并验证其在GE与非GE扫描仪上的泛化能力	未描述计算资源、算法框架、模型架构等具体技术细节	开发一种基于人工智能的肾小肿块自动分割方法	肾小肿块患者	计算机视觉	肾癌	NA	深度学习	MRI图像	988例病理确诊肾小肿块患者，来自3个中心	NA	NA	检测率，Dice相似系数	NA
1760	2026-05-15	Deep learning-based combined noise reduction and contrast enhancement for post-neoadjuvant pancreatic cancer CT: does improved image quality translate to better resectability assessment? 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05271-6 PMID:41186714	研究论文	评估深度学习联合降噪与对比增强重建（DLR）在术后新辅助胰腺癌CT中能否将图像质量改善转化为更好的可切除性评估	首次系统评估供应商中立的深度学习重建技术在胰腺癌新辅助治疗后的CT图像质量和可切除性预测中的临床价值	尽管图像质量显著改善，但诊断准确性未提升，且DLR图像出现明显的人工痕迹	比较DLR与传统迭代重建在胰腺癌新辅助治疗后CT评估中的图像质量和可切除性预测性能	114例接受新辅助治疗的胰腺癌患者的增强CT图像	计算机视觉	胰腺癌	CT	深度学习重建模型	CT图像	114例胰腺癌患者	NA	ClariACE（供应商中立的深度学习重建架构）	准确率、AUC、敏感性、特异性、读者置信度	NA