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
1861	2026-06-29	AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records 2026-Mar-10, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-025-01468-6 PMID:41807959	研究论文	比较机器学习、深度学习和大型语言模型在急诊电子健康记录自由文本中分类细支气管炎诊断的性能	首次直接比较大型语言模型、深度学习与多种经典机器学习模型在Nirsevimab时代对细支气管炎流行病学监测中的表现	未提及具体限制，但可能包括数据来自单一机构、回顾性设计、样本时间跨度2007-2018年且未覆盖Nirsevimab使用后时期等	评估AI工具（机器学习、深度学习、大型语言模型）在细支气管炎诊断分类中的准确性，并比较官方ICD-9编码的诊断准确性	小于1岁的婴儿急诊记录，共28,557条自由文本诊断记录	自然语言处理	细支气管炎	电子健康记录分析	机器学习、深度学习、大型语言模型	文本	28,557条婴儿急诊记录（其中1,903条为细支气管炎阳性病例）	NA	随机森林、决策树、梯度提升机、线性判别分析、支持向量机、深度学习工具、GPT-5	平衡准确率、敏感性、F1分数	NA
1862	2026-06-29	Advances in computational prediction of RNA-small molecule binding affinity 2026-Mar-10, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00781-x PMID:41803448	综述	综述了基于深度学习和机器学习的RNA-小分子结合亲和力预测方法的最新进展	系统总结了对比学习、多尺度特征提取和交叉融合机制等关键创新，并评估了模型的计算需求与可解释性	RNA结构固有的灵活性和实验测定难度导致数据缺乏，限制了模型性能	梳理计算预测RNA-小分子结合亲和力的研究现状、方法及未来方向	RNA-小分子结合亲和力预测方法及其在药物发现中的应用	机器学习	NA	NA	深度学习、机器学习	序列特征、三维结构（体素网格、分子表面）、图网络	NA	NA	图神经网络、对比学习、多尺度特征提取	模型鲁棒性、泛化能力、可解释性	NA
1863	2026-06-29	AI-powered radiogenomics: imaging-driven diagnosis and discovery of cancer's molecular and cellular landscape 2026-Mar-10, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02389-0 PMID:41806059	综述	综述了AI赋能放射基因组学在癌症分子和细胞景观成像驱动诊断与发现中的进展	系统总结了AI方法（如CNN、GAN、Transformer）在放射基因组学中自动提取高维影像特征并与多组学数据整合的应用，以及其在主要癌症类型中的使用案例	数据协调、标准化、伦理考虑和跨人群验证等挑战是当前限制因素	探讨AI赋能放射基因组学在临床相关性、分子和细胞洞察以及实验室诊断中的应用，推动精准肿瘤学发展	乳腺、肺、脑和前列腺癌等主要癌症类型	自然语言处理, 机器翻译, 图像识别, 数字病理学, 基因组学	乳腺癌, 肺癌, 前列腺癌	放射基因组学, 多组学整合	卷积神经网络, 生成对抗网络, Transformer	影像数据, 分子和细胞数据	NA	NA	卷积神经网络, 生成对抗网络, Transformer	NA	NA
1864	2026-06-29	Reliability of contactless vital sign measurement algorithms for use in drone-based mass casualty triage 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40691-4 PMID:41807583	研究论文	开发并验证用于无人机大规模伤亡分类的非接触式生命体征测量算法	首次将非接触式生命体征测量算法集成到无人机分类系统中，实现从无人机视频中测量心率、呼吸率、体温和血氧饱和度	仅包含37名参与者，且主要在室内条件下测试，户外样本较少	支持基于无人机的大规模伤亡分类，通过非接触式生命体征测量提高应急响应效率	37名健康参与者（平均年龄29.7岁，64.9%为男性）	计算机视觉	大规模伤亡事件	RGB视频信号处理、热成像分析、深度学习	深度学习模型	视频	37名参与者（7次室外记录，30次室内记录）	NA	NA	准确率、平均差异	NA
1865	2026-06-29	Machine learning identifies distinct movement control impairment clusters in patients with chronic neck pain 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43903-z PMID:41807740	研究论文	基于机器学习和运动控制测试识别慢性颈痛患者的运动控制损伤亚群	首次结合蝴蝶测试的多难度水平参数与多种聚类和机器学习算法，识别慢性颈痛患者的独特运动控制损伤亚群，并利用Shapley Additive Explanations提供亚群特征解释	NA	基于运动控制测试和疼痛强度识别颈痛患者的不同亚群，并提供亚群特异性损伤信息	慢性颈痛患者	机器学习	慢性颈痛	NA	k-means聚类, 深度神经网络, Louvain聚类, 层次聚类	数值数据（运动控制测试参数和疼痛强度）	135名特发性颈痛患者	NA	Louvain, 层次聚类, k-means	AUC, 分类准确率, 灵敏度, 特异性, 轮廓分数	NA
1866	2026-06-29	HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12738-3 PMID:41803713	研究论文	提出一种基于多向染色质互作数据和深度学习的拓扑关联结构域检测方法HyperDeepTAD	首次利用超图从多向染色质互作数据中保留高阶互作信息，并融合动态卷积网络和BiGRU进行局部特征提取与层次结构预测	未提及具体应用范围或计算开销等局限性	准确识别拓扑关联结构域，提高边界检测精度	拓扑关联结构域	计算机视觉, 自然语言处理, 机器学习	不适用	多向染色质互作数据, Hi-C	动态卷积网络, BiGRU	染色质互作数据	未提及	PyTorch	动态卷积网络, BiGRU, 残差连接, 超图聚类系数	边界富集度	未提及
1867	2026-06-29	A hybrid convolution and attention-based framework with visual explanation for fruit disease identification 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42135-5 PMID:41803253	研究论文	提出一种结合卷积和注意力机制的混合轻量级深度学习模型，用于水果病害的多分类识别，并利用Grad-CAM实现模型决策的可解释性	设计轻量级混合架构CoAT-AgriLite，融合卷积与注意力机制，同时提取局部病变特征和全局上下文，并整合Grad-CAM进行可视化解释	未提及模型在真实复杂农业环境（如光照变化、遮挡、多病害共存）下的泛化能力和鲁棒性评估	构建高精度且可解释的深度学习模型，用于水果病害多分类识别	香蕉、葡萄、柠檬、芒果、草莓五种水果的病害图像分类	计算机视觉	水果病害	深度学习	混合卷积-注意力模型	图像	Kaggle数据集，包含五种水果病害图像，按70:15:15分为训练、验证和测试集	未明确指定，但可能涉及PyTorch或TensorFlow	RegNetY-B3-GE, DarkNet53-SCSE, BEiT, PVTv2, CoAT-AgriLite	准确率, 精确率, 召回率, F1值	NA
1868	2026-06-29	Transformer-enhanced deep ensemble for multi-class liver disease classification using computed tomography images 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43256-7 PMID:41803329	研究论文	提出一种基于Transformer增强的深度集成模型，利用CT图像进行多类肝脏疾病分类	在预训练CNN（ResNet50V2、DenseNet121、MobileNetV2）骨干网络后添加Transformer模块形成混合模型，并通过集成学习进一步提升性能	未提及	提高肝脏疾病的诊断准确性，特别是复杂病例如肝硬化和脂肪肝	肝脏CT图像	计算机视觉	肝脏疾病（肝硬化、脂肪肝、肝细胞癌）	CT成像	CNN-Transformer混合模型（ResNet50V2、DenseNet121、MobileNetV2 + Transformer）	图像	基于CT肝脏数据集，未提供具体样本数量	NA	ResNet50V2, DenseNet121, MobileNetV2, Transformer	精确率, 召回率, F1分数, 马修斯相关系数	NA
1869	2026-06-29	Comparative evaluation of deep learning models for cardiovascular disease diagnosis and classification 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43543-3 PMID:41794983	研究论文	系统比较了多种深度学习模型在心电图诊断心血管疾病中的性能与计算效率	提出并对比了低复杂度的深度学习模型，在保持高诊断精度的同时实现低计算开销，支持资源受限环境下的临床部署	未提及	评估并比较不同深度学习模型对心血管疾病的多分类诊断性能与计算复杂度	PTB诊断心电图数据集中的多类心血管疾病	机器学习	心血管疾病	心电图	CNN、LSTM、MLP、CNN-MLP、ConvLSTM	心电图信号	PTB诊断心电图数据集中多类心血管疾病样本	未提及	CNN、LSTM、MLP、CNN-MLP、ConvLSTM	准确率、F1分数、精确率、每次符号实乘法数	未提及
1870	2026-06-29	A web-based deep learning cascade for automated detection and quantification of marginal bone loss 2026-Mar-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07962-y PMID:41792690	研究论文	开发并验证了一个由六个深度学习模型组成的级联系统，用于自动化检测和量化种植体周围边缘骨吸收	首次提出基于深度学习的级联系统，能够利用连续根尖片进行边缘骨吸收的自动化检测和量化，并部署为网络工具	样本量计算不适用于多模型架构，且部分模型性能较低（如近远中检测模型准确率为78%）	开发和验证用于自动化检测和量化边缘骨吸收的深度学习级联系统，并评估其与牙科专家的一致性	种植体周围的连续根尖片	计算机视觉	种植体周围炎	放射线影像	CNN	图像	2960张根尖片	PyTorch	ResNet, YOLO	准确率, F1分数, 平均绝对误差, 平均精度均值, 精确率, 召回率	NA
1871	2026-06-29	The feasibility of using deep learning technologies to preliminarily identify patients with advanced knee osteoarthritis via smartphone videos 2026-Mar-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01904-z PMID:41792743	研究论文	利用智能手机视频和深度学习技术初步识别晚期膝关节炎患者的可行性研究	首次提出利用低成本、易用的智能手机视频和深度学习技术（AlphaPose和VideoPose）提取三维时空信息，结合离散小波变换分析，构建时间序列模型以区分晚期膝关节炎患者与身体功能下降的个体	未明确说明，可能包括样本量有限、视频质量依赖患者自录、模型泛化性需进一步验证	开发和验证一种简单的家庭人工智能方法，用于初步识别晚期膝关节炎患者	357名参与者的坐-站测试和步态视频	计算机视觉	膝关节炎	AlphaPose、VideoPose、离散小波变换	时间序列模型	视频	357名参与者	AlphaPose、VideoPose	AlphaPose, VideoPose, 时间序列模型	AUC	NA
1872	2026-06-29	Respiratory sound analysis for ICU clinical decision support: deep learning-based classification of normal and abnormal sounds using real ICU data 2026-03-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03409-0 PMID:41792763	研究论文	利用深度学习模型对ICU环境中的呼吸音进行分类，评估噪声预处理技术对性能的影响	在真实ICU嘈杂环境下收集临床数据，系统比较三种降噪预处理技术对呼吸音分类性能的影响，并基于VGG-16迁移学习构建分类模型	模型性能有限（AUC最高0.80），仅进行正常/异常二分类，需进一步开展多类分类、高级降噪策略和多中心验证	评估深度学习模型在ICU环境中分类呼吸音的性能，并测试降噪预处理技术的效果	ICU患者的呼吸音录音（正常音和异常音如湿啰音、哮鸣音、鼾音）	医疗人工智能	呼吸系统疾病	呼吸音分析	卷积神经网络（CNN）	音频	701个呼吸音录音（325个正常音、376个异常音）	NA	VGG-16	AUC	NA
1873	2026-06-29	GoLoCo-Net: global-local guided contextual attention network for medical images segmentation 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42415-0 PMID:41786873	研究论文	提出一种名为GoLoCo-Net的深度学习网络，结合双解码器结构，用于医学图像分割，能够在捕捉局部和全局上下文关系方面取得先进性能	设计双解码器结构，分别包含上下文注意力特征增强模块和全局引导局部特征模块，有效结合局部与全局上下文信息	未提及限制	提升医学图像分割的准确性，通过捕捉像素间的短程和长程关系来应对复杂结构和多样模式	医学图像分割任务	计算机视觉	NA	NA	CNN	图像	两个动态MRI数据集和一个多器官CT数据集	NA	GoLoCo-Net	NA	NA
1874	2026-06-29	Machine-learning with multiomics for radiotherapy-induced acute rectal toxicities and survival outcome in patients with cervical cancer 2026-Mar-05, Radiation oncology (London, England) DOI:10.1186/s13014-026-02814-z PMID:41787421	研究论文	利用机器学习和多组学模型预测宫颈癌放疗引起的急性直肠毒性及其与生存结果的关系	首次将剂量组学、影像组学和临床特征结合构建多组学XGBoost模型，并探索放疗急性直肠毒性对患者生存结局的影响	单中心回顾性研究，样本量有限，需前瞻性验证	构建并评估机器学习多组学模型，预测宫颈癌放疗引起的急性直肠毒性关键特征、治疗反应和生存结局	2016-2023年接受放疗的370例宫颈癌患者，其中231例出现放疗急性直肠毒性，129例未出现	机器学习	宫颈癌	CT成像、放疗剂量分析	XGBoost	影像数据、剂量数据、临床数据	370例宫颈癌患者（训练集80%，测试集20%）	Scikit-learn, LASSO	XGBoost	AUC、生存分析风险比	NA
1875	2026-06-29	Optimizing high-resolution knee MRI at 3 tesla: conventional acceleration versus deep learning reconstruction 2026-Mar-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02251-0 PMID:41776433	研究论文	比较3特斯拉下时间优化的标准膝关节MRI与深度学习重建的高分辨率膝关节MRI的图像质量和分辨率	首次在膝关节MRI中系统比较时间优化标准方案与深度学习重建方案，证明DL-MRI可在轻微缩短扫描时间的同时实现两倍平面分辨率和更薄层厚	单中心回顾性研究，样本量有限（150例），未包含多种病理类型的深度学习模型验证	优化3特斯拉膝关节MRI，在时间效率与图像质量之间取得平衡	150例膝关节MRI检查（75例sMRI，75例DL-MRI）	数字病理学	膝关节疾病	MRI	深度学习重建模型	MRI图像	150例膝关节MRI检查（75例标准方案，75例深度学习增强方案）	NA	深度学习重建网络	整体图像质量、解剖结构清晰度、脂肪抑制程度、运动伪影、异物伪影（5点Likert量表）、信噪比（SNR）、对比噪声比（CNR）、广义SNR和CNR	NA
1876	2026-06-29	Interpretable Feature Selection and Hybrid Deep Learning Models for Depressive Symptoms Prediction from Wearable Device Data 2026-Mar-03, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02354-9 PMID:41774238	研究论文	提出一种混合深度学习和机器学习框架，利用可穿戴设备收集的表格数据预测抑郁症状	结合可解释人工智能技术（SHAP和LIME）进行特征选择，并开发1D卷积神经网络与多层感知机结合LightGBM的混合模型，在提升预测性能的同时增强模型可解释性	未提及相关限制	利用可穿戴设备数据早期检测和预测抑郁症状，提升心理健康结局	可穿戴设备用户	机器学习	抑郁症	NA	1D卷积神经网络、多层感知机、LightGBM	表格数据（睡眠模式、身体活动、健康相关指标）	NA	NA	1D卷积神经网络、多层感知机、LightGBM	准确率	NA
1877	2026-06-29	Automated opportunistic cardiovascular risk assessment in non-small cell lung cancer patients on routine chest CT using an optimised nnU-net framework 2026-Mar-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02252-z PMID:41772492	研究论文	提出一种基于优化nnU-Net框架的自动化机会性心血管风险评估方法，用于非小细胞肺癌患者的常规胸部CT	利用深度学习模型从常规CT中自动评估非小细胞肺癌患者的心血管疾病风险，无需额外扫描或增加工作量	未明确说明局限性	为非小细胞肺癌患者提供无创性心血管疾病筛查机会	非小细胞肺癌患者	计算机视觉, 数字病理学	肺癌, 心血管疾病	CT扫描	nnU-Net	图像（CT）	训练集97例，测试集232例（AIMI 95例、ICHNT 87例、TCIA 50例）	PyTorch	nnU-Net	准确率、灵敏度、特异度、阳性预测值、阴性预测值、F1分数、Kappa系数、AUC	未明确说明
1878	2026-06-29	Graph convolutional network-derived pathomics and clinical integration for predicting chemoimmunotherapy response in advanced lung squamous cell carcinoma: a multicenter study 2026-Mar-03, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07962-0 PMID:41772672	研究论文	提出一种基于图卷积网络(GCN)的病理组学与临床特征整合模型，用于预测晚期肺鳞状细胞癌免疫化疗疗效	首次将GCN衍生的病理组学特征与临床变量结合，构建预测免疫化疗客观缓解率和风险分层的深度学习模型，并在多中心外部验证中展现优于传统方法的表现	回顾性研究设计，化疗单药队列和非肺癌来源队列中模型效果有限，仅关注晚期肺鳞癌	开发并验证整合GCN病理组学与临床特征的深度学习模型，预测免疫化疗客观缓解率，实现临床意义的风险分层	436例经病理确诊的晚期肺鳞状细胞癌患者，来自三个中心，包括AK105-302 III期试验及两个外部免疫化疗队列	数字病理学	肺癌（肺鳞状细胞癌）	全切片成像(WSI)	图卷积网络(GCN)，卷积神经网络(CNN)	图像	436例患者（训练队列343例，外部验证队列63例和30例）	NA	Inception_v3, 图卷积网络	AUC, 校准曲线, 决策曲线分析, Kaplan-Meier生存分析, Cox回归, 风险比(HR), 交互p值	NA
1879	2026-06-29	Interpretable hybrid ensemble with attention-based fusion and EAOO-GA optimization for lung cancer detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37187-6 PMID:41776195	研究论文	提出一种基于注意力融合和EAOO-GA优化的可解释混合集成框架用于肺癌检测	采用EAOO-GA元启发式算法优化集成权重，结合SE块进行自适应特征重校准，并利用SMOTE处理类别不平衡	未在更多样化数据集上验证泛化能力，计算资源需求可能较高	提高肺癌CT图像分类的准确性、可解释性和泛化能力	IQ-OTH/NCCD和LIDC-IDRI肺癌CT数据集	计算机视觉	肺癌	CT扫描	混合集成模型	图像	IQ-OTH/NCCD和LIDC-IDRI数据集（具体数量未说明）	NA	DenseNet201, EfficientNetB6, Inception v3, MobileNetV2, DenseNet121, ResNet50	准确率, 精确率, 召回率, F1分数	NA
1880	2026-06-29	Predicting pyrazinamide resistance in Mycobacterium tuberculosis using a graph convolutional network 2026-Mar-03, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-04876-1 PMID:41776391	研究论文	使用图卷积网络预测结核分枝杆菌对吡嗪酰胺的耐药性	首次将图神经网络与AlphaFold2预测的蛋白质三维结构结合，利用氨基酸级别的图表示和化学特征来预测耐药性，超越了传统机器学习方法	训练数据集较小且变异较少，可能影响模型在更广泛遗传多样性病原体上的泛化能力	利用图神经网络整合蛋白质结构信息，提高对抗菌药物耐药性预测的准确性	结核分枝杆菌的PncA蛋白变体（包含错义突变）	机器学习	结核病	NGS（下一代测序）	图卷积网络（GCN）	蛋白质序列和结构数据	未明确说明，但标注为小数据集	PyTorch	图卷积网络（GCN）	F1分数, 灵敏度, 特异度	NA