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
361	2026-07-10	LeafLiteX mobile application for leaf disease detection using U-Net segmentation and lightweight deep learning 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60625-4 PMID:42420345	研究论文	介绍LeafLiteX移动应用，利用U-Net分割和轻量级深度学习实现叶片疾病实时检测与分类	结合U-Net分割与MobileNetV3-Light轻量分类，在移动设备上实现端到端处理，并集成可解释性，支持离线运行与低延迟推理	NA	开发一种低成本、易用且支持离线诊断的移动应用，用于早期叶片疾病检测，助力智慧农业	公开农作物病害数据集中的多种叶片图像	计算机视觉	作物叶片病害	NA	U-Net 与 MobileNetV3-Light	图像	公开农作物病害数据集，包含多种病害类型的叶片图像	TensorFlow	U-Net, MobileNetV3-Light	准确率	移动设备端推理
362	2026-07-10	Leveraging a vendor-neutral deep learning reconstruction algorithm to reduce scan time and enhance image quality in T2-weighted liver MRI 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60802-5 PMID:42420358	研究论文	评估了一种供应商中立的深度学习重建算法在加速单次屏气T2加权肝脏MRI中减少扫描时间并提升图像质量的效果	首次评估供应商中立的深度学习重建算法在加速肝脏T2WI中的表现，实现了单次屏气扫描并维持或提升图像质量	运动伪影在加速协议中更明显，且某些病灶显著性改善未达到统计学显著性	评估供应商中立的深度学习重建算法能否在加速T2WI中提升图像质量并缩短扫描时间	86名在2024年8月接受非增强3T肝脏MRI的患者	医学影像	肝脏疾病	深度学习重建	深度学习模型	图像（MRI）	86名患者，其中49例有局灶性肝脏病变	供应商中立的深度学习框架	SwiftMR	信号噪声比，锐利度，运动伪影，空间匹配，病灶显著性	NA
363	2026-07-10	A robust biometric system using wrist and dorsal vein images for person authentication 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60896-x PMID:42420369	研究论文	提出了一种利用手腕和手背静脉图像进行身份认证的鲁棒生物特征系统	引入了混合生物特征模板保护方法，结合混沌加密和创新扰动算法，通过特征融合和基于扰动的加密技术增强安全性	未提及计算资源和模型类型的能耗或实时性表现	解决生物特征数据在数据库中存储的潜在安全风险，提升身份认证系统的鲁棒性	手腕和手背静脉图像	计算机视觉	不适用	图像预处理，线跟踪方法，曲率分析	深度学习模型（ResNet）	图像（静脉图像）	未在标题和摘要中明确提及样本量	NA	ResNet	准确率（99.85%），等错误率（EER，0.017），相关系数分析，像素变化率（NPCR），直方图检验，熵评估	未在标题和摘要中明确提及
364	2026-07-10	3Br-MGD: few-shot toxicity prediction with a three-branch deep encoder and meta-learning framework 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60814-1 PMID:42420390	研究论文	提出一个三分支深度编码器和元学习框架3Br-MGD，用于小样本分子毒性预测	通过结合三种互补分子表示（指纹编码、图卷积网络和深度卷积神经网络），并在原型网络框架下实现小样本学习，提高低数据条件下的预测性能和泛化能力	未在标题和摘要中明确提及限制	开发一种能有效利用小样本数据预测药物化合物毒性的方法	药物化合物的分子毒性	机器学习	NA	分子指纹、图卷积网络、深度卷积神经网络、小样本学习	三分支架构（FingerprintMLP、GCN、1D-CNN）结合原型网络	分子结构数据（MoleculeNet基准数据集）	NA	NA	FingerprintMLP, 图卷积网络(GCN), 一维深度卷积神经网络(1D-CNN), 原型网络	预测准确性、鲁棒性、泛化能力（具体指标未列出）	NA
365	2026-07-10	Retraction Note: Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61322-y PMID:42420399	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
366	2026-07-10	Hybrid deep learning with attention mechanism for monitoring and classifying physical exercise postures using sensor data 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59240-0 PMID:42420401	研究论文	探讨利用混合深度学习模型和注意力机制，基于传感器数据监测和分类体育锻炼姿势	首次将胶囊网络与混合MLP-CNN-Transformer架构用于运动姿势分类，并实现了0.99的高准确率	未在实时应用场景中验证模型性能，且仅涵盖有限范围的体育活动	开发基于深度学习的高精度运动姿势识别系统，用于健身监测和个性化训练	智能设备采集的人体运动传感器数据，包括动作动态和姿势变化	机器学习	NA	传感器数据采集	卷积神经网络, 循环神经网络, 胶囊网络, 门控循环单元, 多层感知机, Transformer	传感器数据	未明确说明样本数量，使用了智能设备采集的运动数据	NA	CNN, RNN, CapsNet, GRU, MLP, Transformer, 混合MLP-CNN, 混合CNN-Transformer	准确率, 精确率, 召回率	NA
367	2026-07-10	Prediction of incident atrial fibrillation from retinal fundus images using a multimodal foundation model 2026-Jul-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02969-9 PMID:42420432	研究论文	提出基于视网膜眼底图像的多模态基础模型生物标志物RetiAF评分，用于早期检测心房颤动	首次利用多模态基础模型从视网膜眼底图像中提取生物标志物用于房颤预测，并验证其跨种族、多中心数据集的鲁棒性表现	未提及具体局限性	开发基于视网膜眼底图像的非侵入性房颤筛查工具，评估其在多中心数据集中的预测性能	视网膜眼底图像及其衍生的生物标志物RetiAF评分	计算机视觉	心血管疾病	视网膜眼底成像	多模态基础模型	图像	UK Biobank开发和内部测试数据集、上海外部数据集	NA	多模态混合模型	AUROC	NA
368	2026-07-10	Automated body composition quantification from non-contrast CT for urolithiasis classification and exploratory incident risk assessment 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61876-x PMID:42420441	研究论文	开发一种基于深度学习的非对比CT身体成分量化框架，用于尿石症分类（钙性、非钙性、无结石者）及基线无结石者新发尿路结石的风险分层	首次利用非对比CT自动量化身体成分并结合临床特征，实现尿石症分类与新发结石风险的初步评估	纵向队列中新发尿路结石事件仅8例，样本量小，需前瞻性验证	开发自动化身体成分量化方法，提升尿石症分类准确性并探索新发结石的风险预测	尿石症患者（钙性、非钙性）与无结石对照组，以及基线无结石的纵向随访个体	计算机视觉	尿石症	非对比CT	深度学习模型	影像	共781名参与者，分类队列481人（钙性246人、非钙性104人、无结石者131人），纵向队列300名基线无结石者	NA	NA	AUC、灵敏度、特异度	NA
369	2026-07-10	A robust hybrid deep learning framework for IoT intrusion detection with adaptive feature embedding and imbalance-aware optimization 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59121-6 PMID:42420463	研究论文	提出一种混合深度学习框架，结合Transformer编码、时序融合Transformer和轻量级CNN，用于物联网入侵检测	创新在于将Transformer特征编码、时序融合Transformer和轻量级CNN通过置信度驱动的自适应融合机制集成，并采用自适应合成采样处理类别不平衡和对比自监督嵌入增强表示质量	未来需关注实时部署和自适应安全机制，当前方法未在真实生产环境中验证	解决现有入侵检测系统特征表示弱、类别不平衡处理差和评估不一致的问题	物联网环境中的网络流量数据	机器学习	NA	NA	CNN, Transformer, 时序融合Transformer	网络流量数据	使用CIC-IDS2017和BoT-IoT数据集，具体样本数量未明确	NA	Transformer, Temporal Fusion Transformer, 轻量级CNN	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
370	2026-07-10	Predicting CO2 injection profiles in heterogeneous reservoirs using a physics-aware deep learning framework 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60614-7 PMID:42420518	研究论文	提出一个物理感知的深度学习框架，用于预测非均质储层中CO2注入剖面	集成了双向长短期记忆网络（Bi-LSTM）、自注意力机制和特征线性调制（FiLM）模块，兼顾时间依赖性和静态地质异质性	未讨论模型在极其复杂或极端地质条件下的泛化能力	快速准确预测非均质储层中CO2层状注入剖面，支持多场景优化	非均质油藏中的CO2注入过程	机器学习	NA	组成模拟器（ECLIPSE）生成数据	Bi-LSTM, 自注意力机制, FiLM	数值模拟时间序列数据	利用ECLIPSE模拟器生成的大规模数据集，具体样本数量未提及	PyTorch	Bi-LSTM, 自注意力机制, FiLM	MAE, R²	NA
371	2026-07-10	An Intelligent IoT-Compatible Arrhythmia Detection System Using a Hybrid Vision Transformer-LSTM Framework 2026-Jul-08, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00849-7 PMID:42420590	研究论文	提出一种结合长短期记忆网络与视觉Transformer的混合深度学习框架，用于从心电图信号中自动分类心律失常	混合优化ViT与LSTM的结构设计，以及使用K-Mean质心自适应合成采样技术解决数据不平衡问题	未提及具体的局限性	开发一种适用于物联网兼容的心律失常检测系统，通过自动分类心电图信号提高诊断效率	心电图信号中的心律失常分类	计算机视觉，自然语言处理	心血管疾病	Stockwell变换	CNN，LSTM，Transformer	图像，序列数据（心电图信号）	NA	NA	ViT，LSTM，Hybrid Optimized ViT with LSTM (HOVLSTM)	准确率	模拟的物联网环境
372	2026-07-10	Anatomically Localized Detection of Six Acute Abdominal Emergencies on CT Using Multi-window Deep Learning: Development and Validation 2026-Jul-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02084-x PMID:42420647	研究论文	开发并验证一种基于多窗深度学习系统，用于CT图像上六种急性腹部急症的解剖定位检测	采用多窗亨氏单位编码策略和YOLOv11- large模型，结合九区腹部分区网格实现解剖可解释的定位评估	类别F1值存在差异、外部操作点性能下降、回顾性设计，需多中心前瞻性验证和站点特异性阈值校准	开发并验证一种能够对六种急性腹部急症进行CT图像上分类和可解释解剖定位的深度学习系统	1274例患者的公共远程放射学数据集和280例斯坦福Merlin外部验证队列	计算机视觉	急性腹部急症	CT成像	YOLO	CT图像	训练/内部验证共1274例患者（42,922个边界框标注），外部验证280例患者	NA	YOLOv11- Large	AUROC, F1值, 九区定位准确率, 特异性	NA
373	2026-07-10	Development and validation of a deep learning model for radiographic classification of pediatric femoral neck fractures 2026-Jul-08, Journal of orthopaedics and traumatology : official journal of the Italian Society of Orthopaedics and Traumatology IF:3.0Q1 DOI:10.1186/s10195-026-00953-3 PMID:42420692	研究论文	开发并验证基于YOLO-WTAM的深度学习模型，用于儿科股骨颈骨折的放射学分类	首次开发和验证了深度学习模型用于区分儿科股骨颈骨折与股骨近端生长板，并根据Delbet-Colonna分类对骨折进行分类	未提及明显局限性	提高儿科股骨颈骨折放射学分类的准确性和可靠性，减少对临床经验的依赖	5555个股骨近端生长板、1306个不同DC类型的儿科股骨颈骨折以及257个儿科股骨转子下骨折的X光数据	计算机视觉	儿科股骨颈骨折	X光成像	YOLO	图像	5555个股骨近端生长板、1306个股骨颈骨折、257个股骨转子下骨折	NA	YOLO结合小波变换和注意力机制	曲线下面积、准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
374	2026-07-10	AI-Assisted Detection of Supraspinatus Tendon Pathologies Using a Hierarchical Deep Learning Model to Improve Clinical Applicability: Development and Evaluation Study 2026-Jul-08, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84804 PMID:42420768	研究论文	开发并评估一种层次化深度学习模型，用于分类肩袖肌腱状态，以提高临床适用性	提出一种模仿临床诊断推理的层次化深度学习系统，包括左右方向分类器、全层撕裂检测器和区分完整肌腱与肌腱病/部分撕裂分类器，在识别肌腱病和部分撕裂方面优于扁平基线模型	数据主要来自单一机构，限制泛化能力，且结果应视为趋势而非确定性改进，需要未来前瞻性评估	开发和评估层次化深度学习模型，用于自动分类肩袖肌腱状态，支持肌肉骨骼影像诊断工作流程	肩袖肌腱病理（完整肌腱、肌腱病/部分撕裂、全层撕裂）	计算机视觉	肩袖肌腱疾病	MRI	深度学习模型（层次化模型）	图像（MRI）	1192例肩部MRI扫描	NA	层次化深度学习模型（包括左右方向分类器、全层撕裂检测器模型F、完整肌腱与肌腱病/部分撕裂分类器模型ITP）	灵敏度、平衡准确率、宏F1分数、宏AUC	NA
375	2026-07-10	A method for early ultrasound classification of developmental dysplasia of the hip in infants: combining YOLOv8-based keypoint detection with radiomics 2026-Jul-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-07150-5 PMID:42420919	研究论文	提出一种结合YOLOv8关键点检测与放射组学的婴儿发育性髋关节发育不良早期超声分类方法	首次将YOLOv8关键点检测与放射组学特征融合用于DDH超声分类，通过关键点构建角度信息作为临床特征，提升了分类准确性和可靠性	未明确提及	提高婴儿发育性髋关节发育不良早期超声分类的准确性和可靠性	婴儿髋关节超声图像	计算机视觉, 数字病理	发育性髋关节发育不良	超声成像	YOLOv8, 深度学习模型	图像	多中心测试集	PyTorch	YOLOv8	准确率, 召回率, 精确率, F1分数, α角差值, β角差值	NA
376	2026-07-10	Deep learning-based treatment decision support framework for multi-vessel coronary artery disease using integrated coronary angiography and clinical data 2026-Jul-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03692-x PMID:42420992	研究论文	开发了一种基于深度学习的框架，自动分析冠状动脉造影视频并结合临床数据，为多支冠状动脉疾病的血运重建治疗决策提供支持	首次将课程学习应用于代表性帧选择，并通过多模态融合策略（影像与临床数据）显著提升治疗分类性能	单中心数据验证，可能受限于样本代表性；未提及外部验证或临床实用性评估	为多支冠状动脉疾病的经皮冠状动脉介入治疗（PCI）与冠状动脉旁路移植术（CABG）选择提供客观、数据驱动的决策支持	多支冠状动脉疾病患者	计算机视觉、机器学习	冠心病	NA	深度学习模型（CNN、课程学习、分类器）	影像（冠状动脉造影视频）、临床数据	5,647名患者的数据	NA	课程学习、特征提取网络	AUC	NA
377	2026-07-10	Cardio-respiratory deep learning model to predict hospital admission from emergency department electrocardiogram images and respiration videos: a prospective study 2026-Jul-08, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00583-9 PMID:42421084	研究论文	开发一种融合心电图图像和呼吸视频的多模态深度学习模型，用于在急诊科分诊时预测住院需求	首次提出融合心电图图像和呼吸视频的多模态深度学习模型，通过空间注意力机制和类别平衡损失函数提升预测性能，并利用Score-CAM进行可解释性分析	样本量较小（118名患者），单中心研究，可能限制模型泛化能力	开发一种在急诊科分诊时预测住院需求的深度学习融合模型，以提高患者分流和资源配置效率	成人急诊患者的电图图像和呼吸视频	机器学习	NA	深度学习、迁移学习、空间注意力机制、类别平衡损失函数	多模态融合模型	图像、视频	118名成人急诊患者	PyTorch	迁移学习分支（ECG）、呼吸信号估计管道、空间注意力模块	准确率、召回率、精确率、F1分数、AUROC、AUPRC	NA
378	2026-07-10	Artificial intelligence in shoulder arthroplasty: latest concepts and clinical integration 2026-Jul-08, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-026-07104-8 PMID:42421132	综述	本文综述了人工智能在肩关节置换术中的最新应用，涵盖术前成像、术中辅助和术后监测，并讨论了其临床整合的挑战与策略	系统总结了AI在肩关节置换术全流程中的应用，并提出整合技术与外科专业知识的策略，强调了可解释AI、联邦学习和半自主手术平台等新兴方法的潜力	目前AI系统无法捕捉外科医生的直觉和情境依赖性专业知识，且在临床证据上尚未显示出改善常规手术或患者预后的效果，不当使用可能增加成本、工作流程复杂性或延误诊疗	总结AI在肩关节置换术中的最新应用，突出其优势和局限性，并概述整合策略以推动技术创新与外科专业知识的结合	肩关节置换术相关的AI应用，包括术前成像（如深度学习检测肩袖撕裂和盂肱关节炎）、术中辅助（如AI相位识别和机器人辅助）及术后监测（如机器学习预后模型和可穿戴设备）	机器学习	肩关节疾病	NA	深度学习	图像	NA	NA	多层神经网络	NA	NA
379	2026-07-10	Enhancing the Effectiveness of Attention-Deficit/Hyperactivity Disorder Screening Using the SNAP-IV: A Deep Learning Approach 2026-Jul-08, Assessment IF:3.5Q1 DOI:10.1177/10731911261458744 PMID:42421187	研究论文	本文应用深度学习（机器学习）方法优化SNAP-IV量表，用于注意缺陷/多动障碍（ADHD）的有效筛查	通过跨模型共识排序和保留平衡症状结构的方式，从18个核心ADHD项目中识别出最具预测性的项目，衍生出高效且心理测量学可靠的SNAP-IV短量表	NA	提高ADHD筛查的有效性和效率	儿童和青少年的ADHD症状评估	机器学习	注意缺陷/多动障碍（ADHD）	NA	机器学习分类器（十种算法）	量表评分数据	台湾全国儿童精神障碍流行病学研究（410名ADHD患者，3607名对照）和国立台湾大学医院独立队列（676名ADHD患者，374名对照）	NA	NA	敏感性	NA
380	2026-07-10	DFCE-KanT: Predicting Spatial Gene Expression from Histology Images via Contrastive Learning 2026-Jul-08, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag502 PMID:42421216	研究论文	提出了一种名为DFCE-KanT的对比学习框架，用于从组织学图像预测空间基因表达	结合了KAN和Transformer多头注意力机制的KanT结构，可自动学习最优融合策略，增强了特征间的非线性交互能力	NA	从常规H&E染色组织学图像预测空间基因表达，降低空间转录组学成本	空间转录组数据及其对应的H&E染色全切片图像	数字病理学	NA	空间转录组学、H&E染色	对比学习、KAN、Transformer	组织学图像、基因表达数据	5个公开数据集（HER2+、cSCC、Alex、HBC、Liver）	PyTorch	DenseNet、KAN、Transformer	NA	NA