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
321	2026-09-07	Research on surface crack segmentation and quantitative degradation assessment in alpine meadows based on UAV imagery and the YOLO-AMSC model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1895244 PMID:42698667	研究论文	提出YOLO-AMSC模型用于基于无人机影像的高寒草甸草毡层裂缝分割与定量退化评估	提出SDAF-Block模块保留细微裂缝空间细节、MLCA机制增强裂缝纹理并抑制背景噪声、HFP-IoU损失函数对细长裂缝边界施加几何约束	未明确提及本文局限性	实现对复杂自然环境下高寒草甸草毡层裂缝的高精度分割与形态量化，并用于退化评估与早期预警	高寒草甸草毡层表面的微细且不规则的裂缝	计算机视觉, 数字病理学	不适用	无人机影像	深度学习网络	图像	未明确提及样本量	不明确	YOLO-AMSC, YOLOv5n-seg, YOLOv10n-seg, YOLO-hyper-seg, YOLOv12n-seg, SOLOv2, SparseInst, DeepCrack, CrackFormer-II, CrackSegDiff	mAP50, 相对误差	未明确提及
322	2026-09-07	TAE-IDS: a trust-aware explainable intrusion detection framework using attention-based meta-ensemble learning with blockchain validation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1903112 PMID:42698774	研究论文	提出了一种结合注意力元集成学习、SHAP可解释性和区块链验证的信任感知可解释入侵检测框架（TAE-IDS），并在UNSW-NB15和CICIDS2017数据集上进行评估	创新性地融合了基于注意力机制的BiLSTM元分类器、SHAP驱动的可解释性以及基于SHA-256哈希的区块链防篡改验证机制，以增强入侵检测的透明度、可解释性和记录完整性	仅在基准数据集上评估，尚未在实际网络环境中进行验证，未来需要在实际操作网络环境中进行验证	解决现有入侵检测系统在可解释性、黑盒决策和缺乏安全信任验证机制方面的挑战，提高检测性能和记录安全性	网络入侵检测系统及其检测记录，包括UNSW-NB15和CICIDS2017数据集中的网络流量数据	机器学习	NA	NA	集成学习、BiLSTM	数值数据（网络流量特征）	使用UNSW-NB15和CICIDS2017基准数据集，具体样本数量未在摘要中提供	NA	基分类器：LR、ET、XGBoost；元分类器：BiLSTM注意力网络	入侵检测性能指标（如准确率、精确率、召回率、F1-score等，具体未明确）	NA
323	2026-09-07	Artificial Intelligence for Anal Cancer Screening: Multicenter Multicontinental Validation of a Trinary Model in High-Resolution Anoscopy 2026, Gastro hep advances DOI:10.1016/j.gastha.2026.101074 PMID:42699290	研究论文	开发并验证了一种基于深度学习的三分类模型，用于在高分辨率肛门镜检查中检测和分类肛门上皮内瘤变	首个能够同时检测并对肛门管病变进行三分类（HSIL、LSIL和非发育不良）的互操作人工智能模型	NA	解决HRA的主观性和观察者间变异性，提高肛门癌筛查的临床应用性	肛门镜图像帧中的肛门病变，包括HSIL、LSIL和非发育不良病变	计算机视觉	肛门癌	NA	CNN	图像	191,951帧来自107例HRA手术，覆盖5个独立中心的5种不同成像设备	PyTorch	YOLO-v11	召回率, 精确率, 准确率, F1分数	NA
324	2026-09-07	Deep Learning-based Detection of Hip Anatomical Landmarks in X-ray Images 2026, The archives of bone and joint surgery DOI:10.22038/ABJS.2025.82151.3740 PMID:42699340	研究论文	本研究提出了两阶段深度学习模型，用于在髋部X光图像中自动检测解剖标志点，以提高畸形量化的准确性。	采用两阶段深度学习策略，先检测边界框再精确定位标志点，并使用VGG16和ResNet50作为基础网络，实现了对16个髋部解剖标志点的自动检测和12个特定尺寸的测量。	未明确提及限制，但可能受限于数据集的规模和多样性。	提高髋部X光图像中解剖标志点检测的准确性，从而改善畸形量化的精度。	髋部X光图像中的16个解剖标志点和每侧的12个特定尺寸。	医学影像分析	髋部畸形	X光成像	CNN	图像	854张3关节下肢X光图像	NA	VGG16, ResNet50	平均误差	NA
325	2026-09-07	Artificial intelligence for perioperative precision in surgical oncology 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1865406 PMID:42699500	综述	本文综述了人工智能在外科肿瘤学围手术期精准医疗中的应用进展，涵盖术前、术中和术后各阶段的多模态深度学习技术及其对手术质量的贡献。	强调多模态深度学习整合影像、病理和组学数据，提出贯穿围手术期连续体的AI决策支持框架。	包括可解释性有限、分布偏移下性能不稳定以及前瞻性证据不足。	探讨AI在精准外科肿瘤学中的进展，评估其在围手术期各阶段的应用价值及临床转化障碍。	外科肿瘤学中的多模态数据，如影像、病理、组学及手术过程数据。	机器学习	外科肿瘤学	放射基因组学、病理组学、多组学分析	多模态深度学习	影像、病理、组学及临床数据	NA	NA	NA	NA	NA
326	2026-09-07	From spatial maps to treatment decisions: a roadmap for integrating explainable AI with multi-omics to guide precision immunotherapy 2026, Biotechnology notes (Amsterdam, Netherlands) DOI:10.1016/j.biotno.2026.08.001 PMID:42701433	观点文章	本文提出将空间多组学、可解释人工智能和机制指导的临床试验设计相结合，以弥合肿瘤微环境空间图谱与免疫治疗决策之间的转化差距。	引入空间免疫参与指数（SIEI），一种距离加权度量，用于量化CD8 T细胞与肿瘤细胞的空间相互作用，并基于概念可解释人工智能和反事实推理提出可解释的空间生物标志物。	摘要中未明确提及局限性。	为整合空间多组学和可解释人工智能提供路线图，以指导精准免疫治疗决策。	肿瘤微环境中的空间多组学数据、组织病理图像以及免疫治疗相关标志物。	数字病理学, 计算机视觉, 机器学习	肿瘤	多重免疫荧光, 苏木精-伊红染色成像, 空间多组学	概念可解释人工智能模型	组织病理图像, 多重免疫荧光数据	NA	NA	NA	NA	NA
327	2026-09-07	Deep Learning Image Reconstruction Algorithm for Quantitative Assessment of Low-Dose Biphasic Chest CT in Chronic Obstructive Pulmonary Disease 2026, International journal of chronic obstructive pulmonary disease IF:2.7Q2 DOI:10.2147/COPD.S614978 PMID:42701782	研究论文	评估深度学习图像重建算法在低剂量双相胸部CT中对慢性阻塞性肺疾病定量评估的影响	首次评估DLIR在低剂量吸气-呼气CT中对COPD的肺气肿、空气潴留和小气道功能障碍定量参数的影响及其与肺功能测试的相关性	未明确说明，但可能包括样本量较小或仅涉及单一中心	评估深度学习图像重建对COPD低剂量胸部CT定量评估的影响	69名接受低剂量吸气-呼气胸部CT扫描和肺功能测试的COPD患者	医学影像分析	慢性阻塞性肺疾病	低剂量胸部CT	深度学习图像重建	CT图像	69名COPD患者	NA	深度学习重建模型（具体架构未提及）	AUC、相关系数	NA
328	2026-09-06	An Integrated Deep Learning and Large Language Model for Burn Wound Depth Recognition 2026-01-06, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf170 PMID:41014195	研究论文	本研究开发了一种结合深度学习和大型语言模型的低成本人工智能系统，用于烧伤创面深度分类，并在性能上超越了医学生和通用大型语言模型。	首次将深度学习分类模型与基于临床指南的烧伤专用大型语言模型集成，提供深度识别和治疗建议，为烧伤急救和医学教育提供支持。	基于有限的公开图像数据库，需进一步验证在真实临床环境中的泛化能力。	开发一种低成本人工智能系统，用于准确烧伤深度分类及提供基于指南的治疗建议，以缓解烧伤专科医生短缺问题。	烧伤创面图像和基于临床指南的文本问题。	计算机视觉, 自然语言处理	烧伤	图像数据增强	深度学习分类模型, 大型语言模型	图像, 文本	397张公共烧伤图像（增强至7156张），以及80张外部验证图像和10个基于指南的真假问题。	PaddlePaddle	未明确指定（使用PaddlePaddle训练的分类模型）	准确率, 召回率, F1分数	未具体说明。
329	2026-09-06	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2026-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	开发并验证一种基于级联掩码区域卷积神经网络的深度学习模型，用于无创且准确识别人类圆形精子细胞	首次应用级联掩码R-CNN深度学习模型，基于光学显微镜图像无创识别人类圆形精子细胞，避免荧光染色的毒性损伤	未明确提及局限性，可能包括样本来源单一及模型在更广泛临床场景中的泛化性需进一步验证	评估基于级联掩码R-CNN的深度学习模型在无创、准确识别人类圆形精子细胞方面的能力，以促进ROSI技术的临床应用	人类圆形精子细胞，来自流式细胞术分选的3457张光学显微镜图像	计算机视觉	男性不育（与精子发生阻滞相关疾病）	光学显微镜成像	级联掩码区域卷积神经网络（Cascade Mask R-CNN）	光学显微镜图像	3457张光学显微镜图像，包含人类圆形精子细胞	PyTorch	级联掩码区域卷积神经网络（Cascade Mask R-CNN）	平均精确率均值（mAP）	未提及具体计算资源，如GPU型号或云平台
330	2026-09-06	Foundation Models for Neural Signal Decoding: EEG-Centered Perspectives Toward Unified Representations 2026-01, The European journal of neuroscience DOI:10.1111/ejn.70376 PMID:41459740	综述	本文综述了用于神经信号解码的基础模型，聚焦于以脑电图为中心的视角，探讨构建统一神经表征的方法与设计原则	提出了三个关键设计原则：生理感知表征学习、结构感知架构和可解释性机制，并批判性地审视了代表性脑电图基础模型，指出其常继承非神经领域目标且未充分利用空间先验	综述聚焦于脑电图作为数据最丰富和可扩展的测试平台，对脑皮层电图和皮层内记录的应用仅作延伸讨论，缺乏对这些模态模型的详细分析	综述神经信号解码领域的基础模型进展，强调以脑电图为核心的统一神经表征构建，并探索向其他神经记录类型推广的可能性	脑电图、脑皮层电图和皮层内记录等神经信号，以及对应的基础模型架构	机器学习	不适用	不适用	基础模型	神经信号数据（如脑电图）	不适用	不适用	Patched Brain Transformer, CBraMod, BrainGPT	不适用	不适用
331	2026-09-06	Mutational signatures in blood-brain barrier: mechanisms, computational insights, and clinical applications in precision oncology 2026, Tissue barriers IF:3.6Q2 DOI:10.1080/21688370.2026.2664236 PMID:42063272	综述	本文综述了血脑屏障功能障碍与突变特征之间的生物学机制、计算分析工具及其在神经肿瘤精准医学中的临床应用潜力	整合了血脑屏障破坏与突变特征的机制联系，并系统介绍了包括深度学习在内的先进计算工具用于突变特征提取和多组学数据整合方法	面临组织可及性有限、脑脊液样本产量低、机制模型不完整以及缺乏中枢神经系统特异性分析框架等挑战	深入理解血脑屏障驱动的突变过程，以推进神经肿瘤学中的精准医学应用	血脑屏障功能障碍及其相关的突变特征，涉及胶质母细胞瘤等中枢神经系统恶性肿瘤	计算生物学, 精准医学	胶质母细胞瘤, 中枢神经系统恶性肿瘤	下一代测序（NGS）	非负矩阵分解, 贝叶斯模型, 深度学习模型	多组学数据, 突变特征数据, 脑脊液来源的循环肿瘤DNA数据	NA	NA	NA	NA	NA
332	2026-09-06	Addressing visual impairments: Essential software requirements for image caption solutions 2026, Assistive technology : the official journal of RESNA IF:2.5Q1 DOI:10.1080/10400435.2024.2413650 PMID:39475401	研究论文	本研究通过定性调查确定视障用户对图像字幕工具的关键软件需求，并评估现有深度学习模型在这些需求上的表现	首次结合用户调查与模型评估，明确图像字幕工具需满足视障用户的三项核心需求：人物特征、物体颜色细节和图像整体语境	未涉及具体模型架构或性能指标，仅基于定性调查和初步评估，可能缺乏量化验证	为视障用户开发有效的图像字幕工具提供软件需求定义和未来研究方向	视障用户及现有图像字幕深度学习模型	计算机视觉	不适用	在线调查和定性研究	深度学习图像字幕模型	文本（调查反馈）和图像字幕输出	未明确说明	不适用	不适用	不适用	不适用
333	2026-09-06	Colorectal Lesion diagnosis using transformer and deep learning with multiscale feature interface 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357664 PMID:42691064	研究论文	本文提出了CDCTNet，一种结合卷积神经网络和视觉Transformer的多尺度特征交互模型，用于结直肠病变的诊断	提出了一种层次化模型CDCTNet，通过卷积块提取局部高维空间特征，并利用ViT编码器并行获取全局特征相关性，设计了IEM块以增强特征交互和注意力	摘要中未提及具体局限性	利用深度学习改进结直肠病变的自动诊断，减少对专业知识和人工筛查的依赖，并解决传统CNN缺乏全局注意力的问题	结直肠病变	计算机视觉	结直肠癌	NA	CNN-ViT混合模型	图像	使用Kather和Kvasir数据集，具体数量未在摘要中提及	NA	CDCTNet（包含卷积块、ViT编码器和IEM交互块）	精确率、Kappa分数、召回率、F1分数	NA
334	2026-09-06	A novel hybrid deep learning pipeline for precise segmentation of skin cancer lesions 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1915861 PMID:42694087	研究论文	提出了一种结合轻量级CNN和ViT的新型混合深度学习流水线，用于皮肤癌病变的精确分割	使用轻量级CNN与Transformer相结合，以平衡局部特征提取和全局上下文理解，提高分割精度	未明确提及	开发一种新颖、稳健且高效的混合模型，以增强自动皮肤病变分割在临床中的准确性	皮肤癌病变图像	计算机视觉	皮肤癌	深度学习	混合模型（CNN和Transformer）	图像	使用三个公开数据集：ISIC 2020, PH2, HAM10000	未明确	轻量级CNN和视觉Transformer（ViT）	准确率, Dice系数, Jaccard指数	NA
335	2026-09-06	Artificial intelligence in football talent identification: a systematic review 2026, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2026.1770231 PMID:42694114	系统综述	系统回顾人工智能在足球人才识别中的应用，比较样本特征、模型类型及效果。	首次系统综合AI在足球人才识别中的应用方法及识别全过程的有效性。	存在数据质量、模型可解释性、方法学严谨性和外部有效性的局限。	系统评估AI在足球人才识别中的应用并总结其优势、局限与未来方向。	青年和职业男性足球运动员。	机器学习	NA	NA	传统机器学习、深度学习和混合模型	多维度数据	20项研究，涵盖青年和职业男性球员	NA	NA	模型性能指标	NA
336	2026-09-06	Quantum-enhanced deep learning models for automated defect detection in materials 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1872978 PMID:42694181	研究论文	提出一种混合量子经典神经网络，用于钢材和织物等原材料的自动缺陷检测	采用具有数据自适应动态深度的六量子比特变分量子电路，结合资源感知损失函数，并与经典特征融合进行分类	摘要中未明确提及局限性	利用量子机器学习增强传统缺陷检测方法，提高复杂缺陷识别的准确性，尤其针对少数类	金属表面缺陷和织物缺陷	计算机视觉，量子机器学习	不适用	量子计算	混合量子经典神经网络（HQCNN）	图像	文中提到两个数据集，但未给出具体样本量	不适用	ResNet-18，变分量子电路	准确率， F1分数	不适用
337	2026-09-06	A lightweight deep learning framework for tea cultivar identification based on leaf images 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1863075 PMID:42694290	研究论文	本研究基于茶叶叶片图像构建了一个轻量级深度学习框架，用于茶树品种的准确识别。	提出了一种结合通道剪枝和PTDQ优化的轻量级茶叶品种识别模型，在保持高精度的同时显著减少模型大小和推理时间。	未来工作需关注将模型集成到Android现场应用中，但当前研究未涵盖实际部署条件下的评估。	开发一种基于叶片形态和视觉特征的深度学习模型，以实现高效、准确的茶树品种识别，并支持移动端部署。	10个克隆茶树品种的叶片图像。	机器学习, 计算机视觉	不适用	不适用	CNN, Vision Transformer	图像	11,404张叶片图像（来自10个茶树品种）	PyTorch	ResNet50, EfficientNet-B3, MobileNetV3-large, ViT-B16, ConvNeXt-Tiny	准确率, 模型大小, 推理时间	未具体说明，但涉及模型压缩和优化，可能使用标准GPU资源
338	2026-09-06	Enhanced deep learning networks integrated by fractals for air quality index analysis 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1892338 PMID:42694364	研究论文	本研究开发了一个融合分形插值技术的集成深度学习框架，用于分析和预测空气质量指数（AQI）。	将分形插值技术集成到深度学习模型中，以处理AQI数据中的不一致性，提高预测性能。	未在摘要中明确提及限制。	开发一种集成深度学习框架，结合分形方法，用于空气质量的分析和预测。	印度五个主要城市的空气质量指数（AQI）数据。	机器学习	NA	分形插值	LSTM, BiLSTM, CNN-LSTM	时间序列数据	印度五个主要城市的AQI数据	NA	长短期记忆网络（LSTM）、双向长短期记忆网络（BiLSTM）、卷积神经网络与长短期记忆网络（CNN-LSTM）	统计性能指标（具体未在摘要中列出）	NA
339	2026-09-06	DeepVIC: modular prediction and classification of bacterial virulence factors using protein language model embeddings 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag237 PMID:42694419	研究论文	介绍了一种名为DeepVIC的模块化框架，利用蛋白质语言模型嵌入进行细菌毒力因子的预测和分类	采用模块化设计，将识别和分类阶段分离，并使用蛋白质语言模型嵌入作为特征，提高了灵活性和鲁棒性	未在论文中明确提及限制，但可能受限于对特定病原体的验证和特定数据集的依赖	开发一种灵活且鲁棒的深度学习框架，用于细菌毒力因子的识别和分类，以改进感染治疗策略	细菌毒力因子蛋白质，包括肺炎链球菌和乳球菌属的蛋白质	机器学习和生物信息学	细菌感染相关疾病	蛋白质语言模型嵌入和位置特异性评分矩阵	二元分类器和多类分类器	蛋白质序列数据	独立测试集和两个文献数据集，具体数量未在摘要中说明	未指定，可能涉及深度学习框架，具体未知	模块化架构，结合嵌入和进化特征，具体神经网络结构未明确	鲁棒性和平衡性能、召回率	未在摘要中提及
340	2026-09-06	Computed Tomography-Verified Deep Learning Model for Rib Fracture Prediction and Complication Association from Chest Radiographs 2026, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.131105 PMID:42694577	研究论文	本研究开发并验证了一个基于CT验证标签的深度学习模型，用于在胸部X光片上预测急性肋骨骨折，并评估其与胸部并发症的关联	采用CT验证的标签训练深度学习模型以提高肋骨骨折预测准确性，并首次探讨该模型与胸部并发症风险的关联分层能力	未在摘要中明确提及局限性	开发和验证基于CT验证标签的深度学习模型，以在胸部X光片上预测急性肋骨骨折，并评估其与胸部并发症的关联	14,758名疑似肋骨骨折并在7天内接受胸部CT和X光检查的患者	计算机视觉	肋骨骨折	CT	视觉Transformer	图像	14,758名患者的胸部X光片，其中10,818用于开发，4,377用于调优，3,020用于验证	未提及	ViT-B/32	AUC、敏感性、阴性预测值、约登指数、F分数	未提及