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
801	2026-07-03	Automatic choroid plexus assessment in SLE: a deep learning-enabled study 2026-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04028-2 PMID:42138734	研究论文	开发深度学习模型自动分割脉络丛，并探讨其与系统性红斑狼疮患者全身性炎症及处理速度和注意力缺陷的关系	首次应用Swin-UNETR模型在3D T1加权MR图像上自动分割脉络丛，并发现脉络丛体积是SLE-PSAD的独立风险因素和中介因子	样本量相对较小123人，且为回顾性研究，可能限制泛化能力	开发自动化脉络丛分割的深度学习模型，并分析其与SLE患者处理速度和注意力缺陷的关系	137例无严重神经精神综合征的SLE患者和159名健康对照者	计算机视觉	系统性红斑狼疮	MRI	CNN	图像	137例SLE患者和159名健康对照者	PyTorch	Swin-UNETR	DSC系数	NA
802	2026-07-03	YOLO-LS: a novel deep learning framework for brain tumor segmentation in Magnetic Resonance Imaging 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48825-4 PMID:42129232	研究论文	提出一种名为YOLO-LS的轻量级分割框架，用于脑肿瘤MRI图像的高效检测与高精度分割	集成ShuffleNet V1轻量骨干网络、DySample动态上采样机制和C3k2-PoolingFormer颈部模块，在保持高分割精度的同时显著降低计算复杂度	未提及	解决现有脑肿瘤分割框架在精度与计算效率间的权衡问题，适用于资源受限的临床环境	脑肿瘤MRI图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN	图像	内部测试集3064张图像（Figshare数据集），外部验证集300张图像（Kaggle数据集）	PyTorch	YOLO11n-seg, ShuffleNet V1, DySample, C3k2-PoolingFormer, Grad-CAM	mAP50, Dice系数, Hausdorff距离	GFLOPs 8.1
803	2026-07-03	Deep learning for automated diagnosis and differentiation of otitis media on temporal bone CT 2026-05-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02386-0 PMID:42098614	研究论文	开发深度学习框架，利用颞骨CT影像自动诊断中耳炎并区分慢性中耳炎与分泌性中耳炎	首次利用颞骨CT影像同时诊断中耳炎并区分慢性中耳炎和分泌性中耳炎，包含或不包含胆脂瘤	未提及具体局限性，但依赖专家标注的感兴趣区域，可能影响泛化能力	开发和评估基于颞骨CT影像的深度学习框架，实现中耳炎自动诊断及亚型区分	中耳炎患者的中耳区域，包括正常中耳、慢性中耳炎和分泌性中耳炎	计算机视觉	中耳炎	颞骨计算机断层扫描	深度学习	图像	1200名患者的2011张颞骨CT图像	NA	NA	检测率、准确率	NA
804	2026-07-03	Supervised contrastive learning for cell stage classification of animal embryos 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39214-y PMID:42069751	研究论文	提出一种基于监督对比学习的深度学习方法，用于自动分类动物胚胎的细胞阶段	结合监督对比学习与focal loss训练，并使用轻量级3D神经网络CSN-50作为编码器，有效处理低质量图像、类别模糊和类别不平衡问题	未明确说明局限性	从2D延时显微视频中自动分类胚胎细胞阶段	牛胚胎和鼠胚胎的延时显微视频	计算机视觉	NA	显微镜延时成像	3D神经网络	图像	牛胚胎细胞阶段数据集和纽约大学小鼠胚胎数据集	PyTorch	CSN-50	准确率、F1分数	NA
805	2026-07-03	LDDHybridNet: an ROI-aware CNN-LSTM hybrid framework for accurate and early leaf disease detection in precision agriculture 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50398-1 PMID:42069934	研究论文	提出一个基于ROI感知的CNN-LSTM混合框架LDDHybridNet，用于精确农业中早期叶片病害的准确检测	结合U-Net叶片分割、CNN空间特征提取、Bi-LSTM注意力机制和Grad-CAM可解释性，实现无时间序列的病变进展感知特征学习	PlantVillage数据集接近天花板性能揭示了其人工性质，实际田间条件下弱病变早期样本准确率稍低	精准农业中早期叶片病害的准确检测和可解释性分析	植物叶片叶片病害图像，包括实际田间条件和早期弱病变样本	计算机视觉	植物叶片病害	深度学习图像分析	CNN-LSTM混合模型	图像	PlantVillage基准数据集和FieldPlant数据集	PyTorch	U-Net, CNN, Bi-LSTM, Grad-CAM	准确率	NA
806	2026-07-03	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-05-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病性黄斑水肿治疗及患者选择中的演进角色	系统阐述了AI从传统的筛查工具向个性化治疗决策支持系统的转变，特别是利用多模态数据（眼底图像、OCT、临床和生化数据）预测治疗反应和注射负担	泛化性不足、算法透明度欠缺、临床工作流程整合困难及伦理部署问题有待系统解决	综述AI在糖尿病性黄斑水肿个性化治疗和患者选择中的潜在应用与挑战	糖尿病性黄斑水肿患者及相关多模态临床数据	机器学习	糖尿病性视网膜病变	深度学习	卷积神经网络、生成对抗网络、集成方法	图像（眼底图像、OCT图像）、临床数据、生化数据	未指定	未指定	卷积神经网络、生成对抗网络	NA	NA
807	2026-07-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	该研究基于深度学习模型，构建动态资源优化模型，以解决职业院校思想政治教育教学中资源适应性差和学生参与度低的问题	创新性地结合图神经网络、多模态元学习框架和Transformer-XL的扩展序列建模能力，并通过多头注意力机制实现跨特征交互，构建课程知识图谱以映射资源与能力	未明确说明模型的泛化局限性和实际部署中的潜在挑战，如模型的可解释性和计算成本	利用AI技术优化职业教育中的思想政治教育资源分配和提升学生参与度	职业院校思想政治教育中的学习者、教育资源与环境因素	机器学习	NA	NA	图神经网络（GNN）、多模态元学习框架（MMLF）、Transformer-XL	文本数据（资源分配数据和学习者表现数据）	模型包含42个特征，涵盖学习者特征、资源属性和环境因素三个维度，具体样本量未说明	NA	GNN、Transformer-XL、多头注意力机制、课程知识图谱	资源有效性预测准确率、知识获取提升率、正向行为转化率、课程完成率、跨文化迁移测试准确率、资源冗余降低率、教师管理效率提升率	NA
808	2026-07-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出了一种结合实验与机器学习的混合框架，用于预测含再生细骨料混凝土的抗压强度	开发了混合花朵授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析和图形用户界面工具，提高了预测准确性、鲁棒性和解释性	仅研究了固定的50%洗涤再生细骨料替代率，且模型仅针对抗压强度预测，未涉及其他性能指标	评估和预测含洗涤再生细骨料的可持续路面混凝土的抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土试件	机器学习	不适用	不适用	深度神经网络（DNN）	数值数据	264个样本，包括103个实验室生成和161个文献收集	Python（基于Scikit-learn和TensorFlow/Keras框架的算法实现）	花授粉算法优化的深度神经网络（FPA-DNN），对比模型包括kNN、随机森林（RF）、人工神经网络（ANN）、标准深度神经网络（DNN）	R²、均方根误差（RMSE）、平均绝对百分比误差（MAPE）	未明确提及
809	2026-07-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种结合生物力学约束和深度时间模型的轻量级骨架运动识别框架BATL，用于识别健身、康复与运动分析中的动作序列	首次将关节角度一致性、速度平滑性和骨骼长度稳定性三种生物力学约束隐式嵌入深度学习模型，并引入无监督阶段发现模块自动划分动作时间阶段	NA	提升基于骨架序列的运动识别精度，利用生物力学知识增强轻量级模型性能	健身及运动场景中的骨架姿态序列（深蹲、俯卧撑、二头肌弯举、肩部推举）	计算机视觉	NA	NA	时间卷积网络（基于生物力学约束）	视频（骨架姿态序列）	共157个视频样本（146个深蹲，126个俯卧撑，146个二头肌弯举，146个肩部推举）	PyTorch	BATL（含阶段发现模块与生物力学约束模块）	准确率（93.33% ± 0.94%）	单GPU，推理速度5.2ms/30帧序列（端到端依赖OpenPose约1.574秒）
810	2026-07-03	Oil spill segmentation of noisy SAR images using domain adaptation based UNet 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49934-w PMID:42062390	研究论文	提出一种基于领域自适应UNet的噪声SAR图像溢油分割方法	在UNet架构中引入梯度反转层的领域自适应模块，以处理SAR图像中的散斑噪声，获得高精度的分割结果	NA	实现SAR图像中溢油区域的准确分割，克服散斑噪声的影响	Sentinel-1 SAR图像中的溢油区域	计算机视觉	NA	SAR成像	UNet	图像	NA	PyTorch	UNet	准确率, F1分数, Dice相似系数, IoU	NA
811	2026-07-03	A dynamic light image enhancement algorithm using generative adversarial network for group activity recognition 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49326-0 PMID:42062402	研究论文	提出一种基于生成对抗网络的动态光照图像增强算法，用于提升群体活动识别模型的性能	提出多输入图像增强生成对抗网络（MIIEGAN）生成高质量训练图像，并引入引导非对称深度可分离卷积（GA-DSC）降低模型复杂度并提升性能	未提及具体适用场景或潜在泛化限制	通过处理动态光照、图像质量不稳定和计算复杂度等问题，提升群体活动识别模型的性能	群体活动识别中的图像增强与深度学习模型	计算机视觉	NA	生成对抗网络（GAN）、深度可分离卷积	生成对抗网络（GAN）	图像	两个基准数据集（Volleyball数据集和Collective数据集）	NA	AlexNet, VGG-16, Inception-v3, ResNet-50, EfficientNetV2	准确率（0.931-9.29%和1.05-9.83%）	NA
812	2026-07-03	A multi-level dynamic sample augmentation and heterogeneous feature fusion framework for intelligent intrusion detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50301-y PMID:42062412	研究论文	提出一个融合动态样本增强与异构特征融合的混合入侵检测框架，以应对网络流量中的类别不平衡和时间复杂性	结合ADASYN-FLS-SMOTEBoost自适应过采样和Focal Loss-Softmax加权策略生成代表性少数样本，并采用多分支CNN进行FLS引导的动态融合，以及层次化LSTM捕获短期突发和长期时间依赖，同时引入改进灰狼优化器进行高效超参数调优	研究仅在NSL-KDD数据集上验证，未在更现代或真实网络环境中评估，且方法在极不平衡和复杂场景下的泛化能力需进一步验证	提出一种在类不平衡和复杂网络入侵场景下具有鲁棒性、可解释性和泛化能力的智能入侵检测方法	网络流量数据中的各类攻击样本，特别是少数类攻击（如R2L和U2R）	机器学习	NA	NA	CNN, LSTM	网络流量数据	NSL-KDD数据集（未明确具体样本数量）	NA	多分支CNN, 层次化LSTM (HLSTM)	Macro-F1, 召回率, 准确率	NA
813	2026-07-03	An Arabic language benchmark and hybrid BERT-BiGRU-CapsNet model for optimism and pessimism detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50842-2 PMID:42062438	研究论文	提出首个阿拉伯语乐观与悲观检测数据集SOPD及混合BERT-BiGRU-CapsNet模型	首次构建专门的阿拉伯语乐观悲观检测数据集SOPD，并提出结合BERT、双向门控循环单元和胶囊网络的混合深度学习架构	未明确提及局限性	开发阿拉伯语乐观与悲观情绪检测方法	阿拉伯语社交媒体帖子与回复中的乐观、悲观和中性情绪	自然语言处理	NA	NA	BERT-BiGRU-CapsNet混合模型	文本	16,152条样本，来自Hawamer和Kooora论坛的阿拉伯语财经与体育内容	PyTorch	BERT, BiGRU, CapsNet	F1分数	NA
814	2026-07-03	Deep learning-based breast cancer detection with customized ensemble attention 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50563-6 PMID:42056343	研究论文	提出了一种结合三种定制注意力机制（多尺度通道注意力MSCA、空间形态学注意力SMA、层级双注意力HDA）的集成深度学习框架，用于乳腺癌检测	针对乳腺病理领域设计了三种专门注意力模块，不同于通用SENet和CBAM机制，MSCA捕获多池化尺度的核级通道统计信息，SMA对组织边界区域应用可学习的形态学梯度算子，HDA采用深度相关门控动态平衡不同网络阶段的空间和语义注意力	未提及具体局限性	提出一种新的集成深度学习框架，通过定制注意力机制提升乳腺癌检测准确性	乳腺癌图像包括组织病理图像（BreakHis、BACH）和乳腺X光图像（CBIS-DDSM）	计算机视觉, 数字病理学	乳腺癌	NA	CNN	图像	BreakHis数据集1995张40倍放大图像，BACH数据集400张全切片图像产生9600个图像块，CBIS-DDSM数据集2620个病例	PyTorch	ResNet-50, DenseNet-121, EfficientNet-B3	准确率, p值, 平均交并比	NA
815	2026-07-03	DDA-BERT: end-to-end training for data-dependent acquisition mass spectrometry-based proteomics 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72246-6 PMID:42045233	研究论文	提出基于Transformer的端到端深度学习模型DDA-BERT，用于数据依赖性采集质谱蛋白质组学中的肽段-谱图匹配重打分，显著提升肽段鉴定数量	首次将Transformer架构用于DDA蛋白质组学的全流程端到端训练，替代传统分层浅层分类器，利用约2.71亿条PSM数据跨11个物种训练	需要GPU计算资源，且依赖大规模多样化数据集以获得最佳模型性能	开发一种可扩展的、基于人工智能的DDA蛋白质组学肽段鉴定方法，提升肽段鉴定的准确性和灵敏度	11个物种的质谱数据及HLA免疫肽组学数据	机器学习	NA	DDA质谱	Transformer	肽段-谱图匹配（PSM）数据	约2.71亿条PSM，来自11个物种的DDA蛋白质组学数据集及HLA免疫肽组学数据集	NA	Transformer	肽段鉴定数量增加百分比	GPU
816	2026-07-03	A self-supervised electrocardiogram foundation model for empowering cardiovascular disease prediction and genetic factor discovery 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72436-2 PMID:42045241	研究论文	开发了一种自监督心电图基础模型，用于心血管疾病预测和遗传因子发现	结合对比学习与掩码语言建模的自监督预训练方法，同时捕捉心电图信号的全局上下文信息和细粒度模式，并利用模型衍生特征进行全基因组关联分析发现新的遗传位点	未明确提及具体局限性，但可能包括模型对多数据集泛化能力的验证范围有限或因果推断需要进一步验证	提升心血管疾病预测的准确性和可解释性，并探索心电图相关遗传因子	心血管疾病预测及心电图信号的遗传关联分析	机器学习	心血管疾病	心电图	自监督基础模型	12导联心电图信号	超过一千万份12导联心电图记录	NA	ECG-LFM（结合对比学习与掩码语言建模的Transformer架构）	AUROC	NA
817	2026-07-03	Frequency-based deep learning to identify subtle postural instability in early, untreated Parkinson's disease 2026-Apr-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01365-0 PMID:42045279	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
818	2026-07-03	Augmented prediction of multi-species protein-RNA interactions using evolutionary conservation of RNA-binding proteins 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72351-6 PMID:42045261	研究论文	提出一种基于深度学习的框架MuSIC，利用标签平滑和RNA结合蛋白的进化保守性预测跨物种的蛋白质-RNA相互作用	利用跨11个系统发育多样物种的RBP进化保守性进行预测，并引入标签平滑技术提升预测精度	预测置信度在后生动物中较高，部分反映了RBP保守模式的差异，可能对非后生动物物种预测效果有限	开发一种计算框架，实现跨物种RBP-RNA相互作用的预测并量化遗传变异的影响	RNA结合蛋白和RNA的相互作用	机器学习	人类疾病	深度学习	深度学习	序列数据	11个物种（从人类到酵母）中的数百个RBP	PyTorch（根据上下文推断，但未明确说明，故输出NA）	MuSIC（自定义深度学习框架，未详述具体架构）	AUC（根据性能优于最新方法推测，但未明确列出所有指标，故输出NA）	NA
819	2026-07-03	YOLOv10-based deep learning model for dental plaque object detection in intraoral photographs of orthodontic patients 2026-04-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08295-6 PMID:42032559	研究论文	系统评估YOLOv10模型在正畸患者口内照片中识别牙菌斑的性能与可行性	首次将YOLOv10深度学习模型应用于正畸患者口内照片的牙菌斑目标检测，无需染色剂即可实现高精度实时检测，检测成功率显著优于患者和正畸医生的肉眼判断	未明确说明，但可推断样本量相对较小（23名患者），且模型性能评估依赖于智能手机拍摄的口内照片，可能受拍摄角度、光照条件等外部因素影响	评估YOLOv10模型在固定正畸患者使用智能手机拍摄的口内照片中识别牙菌斑的效能与可行性	23名固定正畸治疗患者的牙菌斑染色口内照片	计算机视觉	口腔疾病（牙菌斑相关）	目标检测	YOLOv10	图像（口内照片）	23名固定正畸患者的口内染色照片，分为训练集、验证集和测试集	PyTorch	YOLOv10	精确率、召回率、F1分数、mAP50、mAP50-95	配备GPU的计算机
820	2026-07-03	Optimized fetal head circumference estimation in 2D ultrasound using EfficientNet-B7 and Adam optimizer 2026-04-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-06924-1 PMID:42032513	研究论文	提出一种基于EfficientNet-B7和Adam优化器的回归深度学习模型，用于提升2D超声图像中胎儿头围测量的准确性和鲁棒性	利用EfficientNet-B7的复合缩放和特征提取能力，结合回归方法实现快速全自动头围测量，避免了传统分割方法的复杂流程，并提供了精度与计算效率之间的权衡分析	误差率高于基于分割的现有方法（1-2 mm），且仅在有限数据集上验证，未涉及多样本和场景	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA