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	2026-06-29	Multimodal clinical-imaging deep learning model for predicting refractory hypersplenism after liver transplantation 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48940-2 PMID:42020717	研究论文	开发一种结合临床和CT影像特征的多模态深度学习模型，用于预测肝移植后难治性脾功能亢进	首次提出多模态深度学习模型整合临床数据和CT影像组学特征，用于术前预测肝移植后难治性脾功能亢进	需要更大规模的多中心队列验证后才能在临床广泛应用	识别术前风险因素并开发预测肝移植后难治性脾功能亢进的多模态深度学习模型	2013年至2023年间接受肝移植的患者	机器学习	肝移植后难治性脾功能亢进	CT影像	深度学习	临床数据和CT影像	164名患者（缓解组120名，难治组44名）	NA	NA	AUC, F1分数, 准确率	NA
1742	2026-06-29	A multimodal approach integrating NK cell-associated gene signatures and pathomics to predict colon adenocarcinoma prognosis 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49584-y PMID:42020555	研究论文	结合单细胞RNA测序、转录组、病理组和临床数据构建多模态预后模型，用于预测结肠腺癌患者预后	首次整合NK细胞相关基因特征与病理组学特征，构建多模态预后框架，显著优于单一模态方法	NA	开发基于NK细胞相关基因特征和病理组学的多模态预后框架，提高结肠腺癌预后预测准确性	结肠腺癌患者的肿瘤微环境细胞异质性、NK细胞相关基因表达、全切片病理图像特征及临床变量	数字病理学, 机器学习	结肠腺癌	单细胞RNA测序, LASSO回归, 深度学习的弱监督病理图像分析	聚类约束注意力多实例学习模型	单细胞转录组数据, 转录组数据, 全切片病理图像, 临床数据	GSE161277单细胞数据集, 458张TCGA-COAD全切片病理图像	NA	聚类约束注意力多实例学习	concordance index (C-index)	NA
1743	2026-06-29	Artificial intelligence-assisted quality assessment of mid-trimester ultrasound examinations using large vision-language models 2026-Apr-22, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-026-09073-6 PMID:42021182	研究论文	开发并评估一种结合卷积神经网络和视觉-语言模型的系统，用于自动评估中期妊娠胎儿超声检查的质量	首次将视觉-语言模型应用于超声检查质量评估，结合CNN识别标准平面和关键结构，VLM综合评估检查完整性，并提供可解释反馈	研究基于回顾性数据，未提及前瞻性验证；视觉-语言模型在外部测试集上的性能略低于内部测试集，可能存在泛化限制；超声医师研究仅涉及6名操作者，样本量较小	开发一种自动化、可解释的超声检查质量评估系统，提升诊断一致性和效率	中期妊娠胎儿的超声检查，包括标准平面和关键解剖结构的识别与检查完整性评估	计算机视觉, 自然语言处理	NA	超声成像	卷积神经网络, 视觉-语言模型	图像	22,544个超声平面，来自273次内部检查和29次外部检查，以及公开数据	PyTorch, SonoNet	SonoNet, 视觉-语言模型（微调）	F1分数, 准确性, 召回率	NA
1744	2026-06-29	On the prediction models for brain signal-based emotion recognition 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47622-3 PMID:42020535	研究论文	分析了基于脑电信号的情绪识别系统中被试依赖与被试独立模型性能差距的原因，并使用可解释人工智能技术进行了特征分析	使用SHAP值可解释人工智能技术揭示特征层面的不一致性，从而解释被试独立场景下性能下降的原因	研究主要基于两个公开数据集，可能限制泛化性；未考虑实时情绪识别中的计算效率问题	探讨脑电信号情绪识别中被试依赖与被试独立模型性能差距的影响因素	DEAP和SEED两个基准数据集的脑电信号	机器学习	NA	脑电图（EEG）	K近邻、随机森林、线性判别分析、卷积神经网络（CNN）、EEGNet	脑电信号数据	DEAP数据集和SEED数据集（具体样本量未在摘要中给出）	NA	CNN、EEGNet	准确率	NA
1745	2026-06-29	The mediating role of deep learning approach between the proactive personality and innovative behavior of undergraduate nursing students 2026-Apr-21, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04609-9 PMID:42015115	研究论文	探讨主动型人格对本科护生创新行为的影响及深度学习方式的中介作用	首次验证深度学习方式在主动型人格与创新行为之间的中介作用，为护理教育提供新视角	横截面设计无法推断因果关系，便利抽样可能限制样本代表性	探索本科护生主动型人格与创新行为的关系，并检验深度学习方式的中介效应	本科护理专业学生	机器学习	NA	NA	PROCESS中介模型	问卷数据	1885名本科护生	SPSS	NA	相关系数、中介效应占比	NA
1746	2026-06-29	A comparative analysis of single- and dual-backbone deep learning architectures with explainable AI for cherry leaf disease classification 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50104-1 PMID:42014904	研究论文	系统比较单骨干与双骨干深度学习架构在樱桃叶病害分类中的性能，并利用可解释人工智能进行分析	推翻了增加架构复杂度必然提升性能的普遍假设，实证表明单骨干模型（如ResNet50）在性能和可解释性上均优于双骨干模型，并揭示了双骨干架构的注意力碎片化缺陷	未说明数据集规模较小（4995张）是否影响泛化性，未探讨其他作物病害或复杂环境下的适用性	为农业病害诊断开发可靠且可扩展的深度学习框架，并评估架构复杂度与性能及可解释性之间的关系	樱桃叶部五种病害（褐斑病、叶焦病、健康叶、紫斑病、穿孔病）的图像	计算机视觉	植物病害（樱桃叶病害）	深度学习、卷积神经网络	CNN	图像	4995张樱桃叶图像，分属5个类别	NA	ResNet50, EfficientNetB2, DenseNet121, 以及多种双骨干架构	准确率, 宏平均召回率, Wilcoxon符号秩检验	NA
1747	2026-06-29	Knowledge, attitude, and perception of artificial intelligence among medical residents in Oman: readiness for clinical practice 2026-Apr-21, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09246-z PMID:42015184	研究论文	评估阿曼医学住院医师对人工智能的知识、态度和感知，探讨其临床实践准备度	首次针对阿曼医学专业委员会的住院医师进行人工智能相关知识、态度和感知的评估，并分析其整合AI到临床实践的准备情况	样本量较小（256人），且为横断面调查，可能无法反映长期变化趋势；主要依赖自我报告数据，存在主观偏差	评估阿曼医学专业委员会的住院医师对人工智能的知识、态度和感知，并为临床实践中的AI整合做准备	阿曼医学专业委员会的医学住院医师	机器学习	NA	NA	NA	问卷调查数据	256名医学住院医师（平均年龄29.7岁，81.3%为女性）	NA	NA	知识得分（均值14.04±3.77）、比例（差62.1%，可接受34.8%，好3.1%）	NA
1748	2026-06-29	Accurate classification and prediction of knee osteoarthritis based on Al-Biruni Earth Radius metaheuristic optimizer and LSTM classifier 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46131-7 PMID:42014817	研究论文	提出基于Al-Biruni地球半径元启发式优化器和LSTM分类器的混合模型，用于准确分类和预测膝骨关节炎	首次将Al-Biruni地球半径优化算法与Google-BER-LSTM混合模型结合，通过二进制优化提升膝骨关节炎分类性能	仅使用单一公开数据集，未提及模型在外部数据集上的泛化验证	开发并优化深度学习算法用于膝骨关节炎的早期检测和分类预测	膝关节骨关节炎患者数据	机器学习	膝骨关节炎	NA	LSTM, MLP	数值数据	未明确说明样本数量	未明确说明	Google-BER-LSTM混合模型	精确度（PPV）、阴性预测值、F分数、准确率、敏感性、特异性、时间	NA
1749	2026-06-29	DposFinder: an interpretable transformer model for predicting phage-derived polysaccharide depolymerases and their host capsular serotypes 2026-Apr-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01657-3 PMID:42002763	研究论文	提出DposFinder，一种基于Transformer的可解释深度学习框架，用于预测噬菌体来源的多糖解聚酶及其宿主荚膜血清型	首次将Transformer架构与预训练蛋白质语言模型ESM-2结合，实现多糖解聚酶和宿主荚膜血清型的联合预测，并通过注意力机制提供模型可解释性	未明确提及模型对其他细菌种类多糖解聚酶的泛化能力，且依赖已知数据库进行预测	开发一种可解释的深度学习模型，以加速噬菌体来源多糖解聚酶的发现及其在抗菌治疗中的应用	噬菌体来源的多糖解聚酶及其宿主荚膜血清型	机器学习	细菌感染相关疾病	蛋白质语言模型、Transformer深度学习	Transformer	序列数据（蛋白质序列和基因组序列）	超过440,000个噬菌体基因组序列，超过100,000个推定的解聚酶	PyTorch	Transformer、ESM-2	ROC曲线下面积（AUC）	NA
1750	2026-06-29	AI-driven lateral flow immunoassay for point-of-care detection of cardiac biomarkers in acute myocardial infarction 2026-Apr-20, Mikrochimica acta DOI:10.1007/s00604-026-08054-y PMID:42008011	研究论文	开发了基于深度学习机器视觉模型的侧向层析免疫测定平台，用于急性心肌梗死心脏生物标志物的快速定量检测	将深度学习机器视觉模型集成到传统侧向层析免疫测定平台，实现了心肌肌红蛋白和心肌肌钙蛋白I的快速定量检测，检测灵敏度高达0.224 ng/mL和0.071 ng/mL，检测效率相比传统方法提升46.7%	文中未明确讨论局限性	实现急性心肌梗死心脏生物标志物的快速、定量即时检测，特别适用于资源有限环境	心脏生物标志物心肌肌红蛋白和心肌肌钙蛋白I	计算机视觉	心血管疾病	柠檬酸盐还原法合成金纳米颗粒、HS-PEG-COOH功能化、EDC/NHS偶联抗体、侧向层析免疫测定	深度学习机器视觉模型	图像	加标血清样本分析	NA	NA	检测限、相关系数R²	NA
1751	2026-06-29	Artificial intelligence for surgical management of benign esophageal disease: scoping review and evidence mapping 2026-Apr-20, Langenbeck's archives of surgery DOI:10.1007/s00423-026-04050-1 PMID:42008135	综述	本文通过范围综述和证据映射，描述了人工智能在良性食管疾病手术管理中的应用现状和未来前景	系统总结了AI在良性食管疾病（如贲门失弛缓症、巴雷特食管、胃食管反流病、食管裂孔疝和Zenker憩室）诊断与手术管理中的证据，并强调了负责任AI开发和伦理标准的重要性	机器学习、深度学习和混合模型仍未被充分探索，且现有研究数量有限（仅37篇），缺乏大规模验证	评估AI在良性食管疾病手术管理中的应用证据，并展望未来发展方向	良性食管疾病，包括贲门失弛缓症、巴雷特食管、胃食管反流病、食管裂孔疝和Zenker憩室	自然语言处理, 机器学习	食管良性病	NA	机器学习, 深度学习, 混合模型	文本	37项研究	NA	NA	NA	NA
1752	2026-06-29	PathoTiroid dataset: Indonesian collection (PTIC)-a histopathology image dataset for papillary thyroid carcinoma 2026-Apr-20, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07774-x PMID:42010644	研究论文	介绍一个名为PathoTiroid数据集（印度尼西亚收集版，简称PTIC）的组织病理学图像数据集，用于甲状腺乳头状癌的人工智能模型开发与基准测试	填补了东南亚人群甲状腺癌组织病理学高质量、图像级标注数据集的空白，且经过专家验证和多阶段验证流程以减少注释噪声	NA	支持甲状腺乳头状癌组织病理学研究中可重复性AI模型的开发与基准测试，以及分类、域适应、染色标准化和模型可解释性等下游任务	甲状腺乳头状癌组织病理学图像	数字病理学	甲状腺乳头状癌	组织病理学成像	NA	图像	1,006张高分辨率图像，来源于46张全切片图像	NA	NA	NA	NA
1753	2026-06-29	Skin cancer detection using late fusion of pretrained models 2026-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48687-w PMID:42002581	研究论文	提出一种基于预训练模型后期融合的皮肤癌检测方法，利用多样卷积网络集成多个预训练CNN架构，从皮肤镜图像中准确区分良恶性病变	采用后期融合策略集成多样卷积网络与多个预训练CNN模型，构建互补且具判别力的皮肤癌检测框架，有效缓解过拟合并提升泛化能力	未来需关注模型可解释性、与临床决策支持系统集成，以及使用更大规模多源数据集验证以增强现实可用性	开发一种可靠、鲁棒且泛化能力强的皮肤癌早期诊断系统，克服现有深度学习模型在皮肤病变分类中的局限性	皮肤镜图像中的恶性与良性皮肤病变	计算机视觉	皮肤癌	NA	卷积神经网络（CNN），多样卷积网络（DCN）	图像（皮肤镜图像）	10600张皮肤镜图像（9600张训练，1000张测试），来自ISIC档案库，涵盖恶性和良性病变类别	NA	多个预训练CNN架构（具体未列出），多样卷积网络（DCN）	准确率，F1分数，精确率，召回率	NA
1754	2026-06-29	Multi-class classification of plant leaf diseases using a hybrid deep neural transformer system and explainable AI techniques 2026-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48103-3 PMID:42002567	研究论文	开发了一种基于深度学习的混合深度神经变压器系统，用于玉米、番茄和马铃薯植物叶片疾病的多类分类，并结合可解释人工智能技术提高模型透明度和可靠性	提出了一种混合模型ResViT-152，结合了卷积特征提取与基于Transformer的全局注意力机制，在多类植物叶片疾病分类中实现了高准确率和强泛化能力，并引入XAI方法增强模型可解释性	模型在真实野外数据集上的表现尚未评估，需要进一步验证以用于精准农业部署	提高植物叶片疾病的早期检测性能，实现高分类准确率、跨数据集强泛化能力和模型可解释性，以支持现实农业应用	玉米、番茄和马铃薯的植物叶片疾病图像	计算机视觉	植物叶片疾病	深度学习	CNN, Transformer, 混合模型	图像	两个公开数据集，第一个包含39,203张图像（18类疾病），第二个包含65,565张图像（18类疾病）	NA	InceptionNetV3, ResNet152V2, ViT, BERT, ResViT-152	准确率	NA
1755	2026-06-29	Artificial Intelligence For 6P Medicine: Consolidating AI Needs of Predictive, Preventive, Personalized, Participatory, Precision, and Public Health Trajectories 2026-Apr-18, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02391-4 PMID:41999547	综述	综述人工智能如何支持6P医学模型（预测、预防、个性化、参与、精准和公共卫生）及其应用现状与实施蓝图	提出了一个实用的6P-AI实施蓝图，将常见用例与数据需求、工作流整合步骤、评估设计和部署后监控联系起来	参与式和公共卫生应用评估不够一致，并引入了公平、信任和治理方面的额外挑战	综合人工智能在6P医学模型中应用的最新证据，并突出证据成熟与仍处于探索阶段的领域	6P医学模型（预测、预防、个性化、参与、精准和公共卫生）中的人工智能应用	机器学习	NA	NA	机器学习、深度学习、大语言模型、数字孪生	NA	NA	NA	NA	NA	NA
1756	2026-06-29	Deep learning driven personalized paths for TCM graduate education 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48811-w PMID:41998246	研究论文	开发并验证了基于深度学习的中医研究生个性化学习路径系统，并通过准实验设计评估其效果	首次将深度学习应用于中医研究生教育中的个性化学习路径推荐，并采用分层交替分配的准随机化方法进行严格评估	无法实施真正的随机对照试验，采用准实验设计可能引入选择偏倚；样本仅来自一所医科大学，泛化性受限	探索深度学习驱动的个性化学习路径对中医研究生教育效果的提升作用	安徽医科大学120名中医研究生（2019–2025）	机器学习	NA	NA	深度学习模型	文本	120名中医研究生（AI个性化组60名，传统学习组60名）	NA	NA	准确率, Cohen's d, p值	NA
1757	2026-06-29	Classification of pulmonary disorders using pulmonary network with explainable AI framework from chest multi-modal images 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47815-w PMID:41998198	研究论文	提出一种基于可解释AI框架的30层新型肺炎分类网络PULMONET，利用胸部多模态图像对肺部疾病进行二分类和多分类	提出30层新型PULMONET网络结构，结合可解释AI框架（热力图、t-SNE和激活图）分析网络决策行为，提高分类准确性和可解释性	NA	利用深度学习模型提高肺部疾病分类的准确性和可解释性	肺部疾病患者	机器视觉	肺部疾病	NA	CNN	胸部多模态图像（胸部X光和CT图像）	9917张胸部多模态图像	NA	PULMONET	准确率	NA
1758	2026-06-29	Comparative analysis of transformer, CNN, and YOLO architectures for mandibular condyle segmentation on panoramic radiographs: a deep learning benchmark 2026-Apr-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08228-3 PMID:41992227	研究论文	首次在全景X光片上对下颌髁突分割任务进行多架构深度学习方法比较，涵盖Transformer、CNN和YOLO三类模型	首次针对下颌髁突分割任务进行系统性的多架构对比基准测试，包括Transformer、CNN和YOLO三类最先进模型	未提及具体局限性	比较不同深度学习架构在下颌髁突像素级分割中的性能，建立针对颞下颌关节分析的模型选择基准	1300张全景X光片（2600个髁突）	计算机视觉	颞下颌关节疾病	NA	Transformer, CNN, YOLO	全景X光片图像	1300张全景X光片（2600个髁突）	NA	RT-DETR, EfficientNet, Mask R-CNN, ConvNeXt, YOLOv9-Seg, YOLOv11-Seg	交并比(IoU), Dice相似系数(DSC), 精确率, 召回率, F1分数	NA
1759	2026-06-29	Coronary Computed Tomography and Artificial Intelligence-based Plaque Analysis 2026-Apr-16, Current atherosclerosis reports IF:5.7Q1 DOI:10.1007/s11883-026-01407-1 PMID:41989632	综述	总结冠状动脉CTA基于人工智能的斑块量化方法及其临床应用	综述了深度学习增强的人工智能CTA平台在斑块量化中的新应用，提高了CTA的实用性	纵向斑块分析受限于扫描仪复制、成像协议、造影剂浓度和经验证的斑块分析软件	总结冠状动脉CTA斑块量化的当前方法和应用，以指导临床实践	冠状动脉斑块的形态和体积变化	计算机视觉	心血管疾病	CTA	深度学习	图像	NA	NA	NA	NA	NA
1760	2026-06-29	Early retinal disease detection from fundus images using deep neural networks 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42059-0 PMID:41991556	研究论文	利用深度神经网络从眼底图像中早期检测视网膜疾病	在来自贡达尔大学转诊医院的新颖地区特定数据集上，比较五种预训练CNN架构，并验证DenseNet201在早期多疾病视网膜筛查中的高准确率	未提及模型在真实临床环境中的部署验证及泛化能力评估	开发高准确率、自动化的深度学习框架，用于早期检测多种视网膜疾病，强调方法透明性、模型比较评估及临床应用潜力	从贡达尔大学转诊医院收集的3848张标注眼底图像，包含正常、青光眼、糖尿病视网膜病变和年龄相关性黄斑变性四种类别	计算机视觉	视网膜疾病（青光眼、糖尿病视网膜病变、年龄相关性黄斑变性）	眼底成像	卷积神经网络	图像	3848张标注眼底图像	NA	VGG19, ResNet50, InceptionV3, MobileNetV2, DenseNet201	准确率、精确率、召回率、F1分数、AUC-ROC	NA