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
1341	2026-05-26	Generative AI-Driven CNN Framework for Enhanced Lung Cancer Detection, Prediction, and Treatment: A Novel Approach to Overcoming AI Limitations 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/8726222 PMID:42179834	研究论文	提出一种生成式AI驱动CNN框架，用于肺癌检测、风险预测及治疗规划，通过GAN数据增强和深度学习特征提取提升诊断性能	将合成数据生成、CNN特征提取、注意力机制分类和概率风险预测统一集成到单一框架中，尚未有研究全面探索此整合方式	未提及具体局限，但依赖单中心数据和实验室环境可能限制通用性	克服传统AI诊断局限，提高肺癌检测准确率并优化治疗建议	肺癌患者信息、CT扫描特征及癌症风险评分数据集	计算机视觉、机器学习	肺癌	深度学习、生成对抗网络（GAN）、CNN特征提取	卷积神经网络（CNN）、生成对抗网络（GAN）	医学图像（CT扫描）和结构化临床数据	NA	TensorFlow, Keras	CNN, GAN, 注意力机制	准确率、精确率、召回率、F1分数、AUC、ROC-AUC	NA（未明确说明GPU型号或云平台）
1342	2026-05-26	Computational predictive processing models of consciousness: a systematic review of non-invasive brain signal analysis in disorders of consciousness 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1797090 PMID:42179888	综述	系统综述了近15年计算预测处理模型在意识障碍患者无创脑信号分析中的应用	从简单波形平均转向层次预测误差的高维解码，并验证了全局信息共享标记物在区分意识状态中的有效性	未详细说明具体计算模型的可解释性及临床转化中的实际部署障碍	评估计算PP模型对意识障碍患者的诊断和预后价值，并识别临床转化的方法学挑战	意识障碍患者（植物状态/无反应觉醒综合征和最小意识状态）	机器学习	意识障碍	无创脑信号分析（如脑电图、脑磁图等，但未明确指定具体技术）	深度学习和多变量模式分析	脑信号（非图像/文本，属于生理信号）	约2045名参与者	NA	NA	特异性和敏感度（用于预测苏醒）	NA
1343	2026-05-26	Feasibility of multi-class dental caries detection using deep learning-based smartphone images: a pilot prospective study 2026, Frontiers in oral health IF:3.0Q1 DOI:10.3389/froh.2026.1805448 PMID:42179881	研究论文	本研究评估了基于深度学习的智能手机图像在多类龋齿检测中的可行性	首次将YOLOv6-L6模型应用于智能手机拍摄的多类龋齿检测，并对比了不同分类方案（二类、四类、五类）的性能	样本量较小（70名成人），为初步试点研究，且有类不平衡问题导致平均精度（mAP）较低	评估深度学习辅助智能手机图像进行多类龋齿检测的可行性及其在患者驱动筛查中的潜力	70名成人自拍的6张口内智能手机图像	计算机视觉	龋齿	智能手机成像	YOLOv6	图像	70名成人，共420张图像	PyTorch	YOLOv6-L6	灵敏度、特异性、精确率、准确率、F1分数、平均精度	NA
1344	2026-05-26	High-throughput Screening of Sequence Elements Associated with RNA Localization 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0107 PMID:42179915	研究论文	介绍SRLE-seq方法高通量筛选与RNA定位相关的序列元件	设计了SRLE-seq技术，通过测序高通量筛选RNA定位功能元件，并结合深度学习模型实现72%的亚细胞定位预测准确率	未在论文标题和摘要中明确提及局限性信息	开发高效方法识别RNA定位相关功能序列元件	RNA分子及其亚细胞定位相关的序列元件	机器学习, 自然语言处理	肺癌	高通量测序, SRLE-seq	深度学习模型	序列数据	6-mer序列文库，包含110个核滞留相关和49个核输出相关的6-mer	NA	深度学习模型（具体架构未明确）	准确率	NA
1345	2026-05-26	A deep learning and radiomics fusion model enhances endoscopic ultrasonography diagnosis of gastric tumors 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1718061 PMID:42180041	研究论文	提出一种融合深度学习与影像组学特征的模型，用于增强超声内镜对胃肿瘤的诊断	创新性地将深度学习特征与影像组学特征相结合，通过t检验和LASSO方法进行特征选择，并整合临床特征构建多参数模型，提升胃肿瘤分类性能	基于回顾性研究，样本量有限，可能影响模型泛化性	开发更准确高效的胃肿瘤分类模型，辅助临床诊断	219名患者的4806张超声内镜图像	计算机视觉, 数字病理学	胃肿瘤	超声内镜	深度学习模型, 影像组学模型	图像	219名患者的4806张超声内镜图像	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
1346	2026-05-26	Hybrid Ant-Baby Optimizer and BiLSTM framework for high-performance IoT intrusion detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1795030 PMID:42180302	研究论文	提出一种结合蚁宝宝优化器与双向长短时记忆网络的混合框架，用于物联网入侵检测	首次将蚁宝宝优化器用于特征选择，通过互信息替换低相关特征，再结合双向LSTM捕捉双向时序依赖	计算复杂度与数据集限制的相互影响未充分量化	解决物联网入侵检测中高维流量数据、类别不平衡和攻击模式多变的问题	物联网网络中的入侵检测数据流	机器学习	NA	NA	BiLSTM	网络流量数据	CICIoT2023数据集	NA	BiLSTM	准确率, 精确率, 召回率, F1值, 推理延迟, 吞吐量	NA
1347	2026-05-26	Learning instance-specific counterfactual models for continuous treatments using hypernetworks 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1819009 PMID:42180309	研究论文	提出一种利用超网络学习连续治疗实例特异性反事实模型的新方法	将超网络应用于连续治疗效应估计，解决治疗相关性问题，保持深度学习模型灵活性	未提及具体局限性	估计连续治疗的治疗效应	观测数据中的个体治疗效应	机器学习	NA	NA	神经网络	合成和半合成数据集	NA	NA	超网络	精度	NA
1348	2026-05-26	DeepForgeryNet: a hybrid CNN-LSTM and transfer learning framework for robust image forgery and deepfake detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1810912 PMID:42180308	研究论文	提出DeepForgeryNet，一种结合CNN-LSTM和迁移学习的框架，用于稳健的图像伪造和深度伪造检测	将基于误差水平分析的预处理与混合CNN-LSTM网络相结合，同时捕捉空间和上下文信息，实现更可靠的伪造检测	对极小篡改或重度压缩图像的检测仍存在挑战	开发一种强大的检测工具，利用人工痕迹和上下文不一致性进行图像伪造和深度伪造检测	数字图像和AI生成图像中的伪造痕迹	计算机视觉	不适用	误差水平分析、CNN、LSTM	CNN-LSTM	图像	公开基准数据集（具体数量未说明）	PyTorch	CNN-LSTM	准确率、精确率、召回率、F1分数、AUC	未说明
1349	2026-05-26	Deep learning approaches for head pose estimation in sports impacts 2026, Sports engineering IF:1.5Q3 DOI:10.1007/s12283-026-00552-9 PMID:42180423	研究论文	本研究通过基准测试三种深度学习模型在受控足球头球过程中的单目头部姿态估计性能，验证了现代全身人体网格恢复模型在运动碰撞剧烈遮挡和动态条件下的优势	首次系统比较仅头部姿态回归器、端到端面部重建模型和全身人体网格恢复模型在运动碰撞场景中的表现，发现全身网格恢复模型在遮挡和动态条件下优于专用头部姿态估计器	侧视镜头、旋转试验和低面部可见性条件下误差增大，且实验仅在受控足球头球场景中验证，泛化至其他运动碰撞可能受限	评估深度学习模型在运动碰撞中头部姿态估计的准确性，并比较不同模型在强遮挡和高速运动条件下的表现	10名参与者的受控线性头球和旋转头球动作	计算机视觉	NA	视频测距，红外运动捕捉	CNN，人体网格恢复模型	视频，运动捕捉数据	10名参与者，每位执行多种头球动作	PyTorch，TensorFlow	SAM 3D，LSTM，ResNet	测地误差，增量测地误差	NA
1350	2026-05-26	Research on real-time detection and staging technology for pressure injuries in critically ill patients based on the YOLOv8 deep learning model 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1781481 PMID:42180450	研究论文	基于YOLOv8深度学习模型开发危重症患者压力性损伤实时检测与分期技术	首次将YOLOv8深度学习模型应用于压力性损伤的实时检测与分期，实现了客观、高效的自动化分期诊断	研究样本来自单中心ICU患者，可能存在数据偏差；模型在部分压力性损伤分期（如1期、3期和深部组织损伤）的识别准确率有待提升	开发并验证基于YOLOv8深度学习模型的压力性损伤实时检测与分期系统	重症监护室患者的压力性损伤图像，共507张	计算机视觉	压力性损伤	图像采集	YOLOv8深度学习模型	图像	507张压力性损伤图像，按8:2比例分为训练集（414张）和测试集（93张）	PyTorch	YOLOv8（包括YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x等版本）	准确率（accuracy）、平均平均精度（mAP）、推理速度（FPS）	NA
1351	2026-05-26	HPRNet: a hierarchical pyramidal residual network for ECG arrhythmia classification 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800941 PMID:42180836	研究论文	提出一种层级金字塔残差网络（HPRNet）用于心电图心律失常分类	通过层级金字塔REB骨干网络（HRB）捕捉心电图多尺度形态特征，并引入多级剪枝优化策略（MLPO）减少冗余参数、提升计算效率	未提及具体限制，但可视化分析显示对困难搏动类别的区分仍存在内在挑战	解决心电图信号非平稳且易受噪声干扰的问题，实现鲁棒的心律失常自动分类	心电图心搏分类任务	机器学习	心律失常	心电信号处理	层级金字塔残差网络（HPRNet）	时间序列信号	MIT-BIH和INCART两个公共基准数据集	PyTorch	层级金字塔残差网络（HPRNet）	F1分数, 推理解析延迟	NA
1352	2026-05-26	HVIface: sequence-based deep learning for decoding human-virus protein-protein interfaces 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1813796 PMID:42181034	研究论文	该论文开发了一个基于序列的深度学习框架HVIface，用于预测人类-病毒蛋白质-蛋白质相互作用界面	首次整合18种序列衍生特征（残基接触势、理化兼容性和共进化信号）并结合深度学习进行残基级人类-病毒PPI界面预测，揭示了静电互补性和局部残基聚类在病毒-宿主界面形成中的核心作用	训练数据集仅包含73个结构解析的人类-病毒复合物，样本量较小可能影响模型泛化性	解码人类-病毒蛋白质-蛋白质相互作用的界面识别机制，为抗病毒治疗靶点开发提供基础	人类-病毒蛋白质相互作用界面残基	机器学习	NA	序列衍生特征（残基接触势、理化兼容性、共进化信号）	深度学习框架	蛋白质序列	73个结构解析的人类-病毒复合物	PyTorch	NA	准确率	NA
1353	2026-05-26	Artificial intelligence in refractive surgery: progress, challenges, and future directions 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1824307 PMID:42181685	综述	本文系统总结了人工智能在屈光手术中的应用进展，包括角膜屈光手术和ICL手术的术前筛查、个性化手术规划及术后并发症预测	系统梳理了AI在屈光手术全流程中的应用，强调从标准化方案向数据驱动的个体化管理转变	面临数据标准化不足、算法可解释性差、跨设备兼容性及伦理问题等挑战	探讨AI优化屈光手术临床效果的潜力与挑战，推动智能化、自动化手术发展	屈光手术（角膜屈光手术和ICL手术）的术前筛查、手术规划及术后并发症预测	机器学习	眼科疾病（屈光不正相关）	机器学习与深度学习模型	NA	NA	NA	NA	NA	NA	NA
1354	2026-05-25	Tackling small sample survival analysis via transfer learning: A study of colorectal cancer prognosis 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103426 PMID:42019107	研究论文	通过迁移学习解决小样本生存分析问题，并以结直肠癌预后为研究案例	针对Cox-CC、DeepSurv、DeepHit等参数模型应用标准迁移学习技术，并为非参数随机生存森林模型提出新型迁移生存森林模型	未提及具体局限性	利用迁移学习提高小样本生存分析在癌症预后中的性能	结直肠癌患者的生存预后	机器学习	结直肠癌	转移学习	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	临床数据	源数据：27,379例SEER结直肠癌I期患者；目标数据：728例华西医院结直肠癌I期患者；小样本实验使用50例	NA	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	C指数	NA
1355	2026-05-25	Systematic review of machine learning and deep learning models for EEG-based detection of depression 2026-Aug, Journal of psychiatric research IF:3.7Q1 DOI:10.1016/j.jpsychires.2026.04.030 PMID:42056808	研究论文	系统综述机器学习和深度学习模型在基于脑电图的抑郁症检测中的应用	对2020至2024年间发表的42项研究进行系统性比较，重点分析机器学习与深度学习方法的性能差异及影响因素	多数研究样本量小且验证策略局限，存在过拟合风险；纳入研究质量参差不齐，偏倚风险较高	评估并比较机器学习与深度学习模型在脑电图数据中检测抑郁症的效果与可靠性	抑郁症患者及健康对照者的脑电图信号数据	机器学习	抑郁症	定量脑电图	机器学习模型，深度学习模型	脑电图信号	42项研究，样本量从数十到数百不等	NA	NA	分类准确率，均值准确率	NA
1356	2026-05-25	DARE: A Deformable Adaptive Regularization Estimator for learning-based medical image registration 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103440 PMID:42085854	研究论文	提出了一种自适应正则化框架DARE，用于学习驱动的医学图像配准，以提高配准精度和解剖合理性	创新性地根据形变场梯度范数动态调整弹性正则化，整合应变和剪切能量项，并引入折叠预防机制以惩罚负雅可比区域	未明确提及潜在局限性	提高医学图像配准的鲁棒性和解剖合理性	大脑MRI图像配准	医学图像分析, 深度学习	NA	图像配准, 自适应正则化	深度学习配准网络	图像 (MRI)	IXI, OASIS, MUI-P三个数据集	NA	NA	Dice分数, 形变折叠伪影, 应变能, 体积变化	NA
1357	2026-05-25	Evidential reasoning-enabled deep learning for reliable treatment outcome prediction in cancer therapy 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103445 PMID:42114397	研究论文	提出一种基于证据推理的深度学习方法，用于癌症治疗中可靠的治疗结果预测	结合卷积神经网络图像特征提取、数据增强、蒙特卡洛丢弃、测试时增强和证据推理规则融合，生成具有不确定性感知的预测	未提及	实现个性化癌症治疗中的可靠治疗结果预测	三阴性乳腺癌患者和头颈癌患者	数字病理学	三阴性乳腺癌，头颈癌	NA	深度神经网络（证据推理规则驱动的深度神经网络）	图像	NA	NA	卷积神经网络（CNN），ER-DNN	预测性能，置信估计校准	NA
1358	2026-05-25	Explainable 3D VGG-style convolutional neural network for pediatric hydrocephalus detection on computed tomography: A segmentation-free and fully volumetric deep learning framework 2026-Jul-03, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.04.027 PMID:42049087	研究论文	开发并评估了一种无需分割的全三维卷积神经网络用于儿童CT图像中的脑积水检测	首次提出一种轻量级VGG风格的三维卷积神经网络，无需分割即可对儿童CT进行全容积的自动脑积水检测，并采用三维Grad-CAM提供可解释性分析	样本量较小（98例内部、118例外部），且外部验证为初步结果，仍需较大规模多中心验证才能用于临床	开发一种可解释的、无需分割的自动化方法，用于儿童CT上脑积水的检测	儿童头部CT扫描（共98例内部数据集，48例脑积水、50例正常；以及118例外部验证集，56例脑积水、62例正常）	计算机视觉	儿科疾病	CT成像	三维卷积神经网络（3D CNN）	CT图像	内部数据集98例（48例脑积水，50例正常），外部验证集118例（56例脑积水，62例正常）	NA	VGG风格的三维卷积神经网络	AUC-ROC, 准确率, 敏感度, 特异性, F1分数, 马修斯相关系数（MCC）, 科恩kappa系数, Brier分数	NA
1359	2026-05-25	Best fast MRI protocols for the knee: advantages and limitations 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05197-0 PMID:41874638	综述	综述现代膝关节快速MRI加速技术的原理、临床应用、优势及挑战，包括并行成像、多层同时采集、压缩感知和深度学习重建	系统总结了深度学习重建在膝关节MRI中的突破性应用，尤其是加速因子达六倍的PIxSMS协议可在五分钟内完成高质量扫描，并展望了各向同性三维成像的未来前景	未在论文中提供定量比较或原始数据，基于现有证据的总结可能受限于已发表研究的异质性，且对硬件成本和临床工作流优化缺乏深入分析	综述膝关节快速MRI加速策略的技术原理、验证研究证据及临床实施注意事项	膝关节快速MRI的加速技术及其临床应用	机器学习	NA	MRI	深度学习重建	图像	NA	NA	NA	诊断性能、图像质量	NA
1360	2026-05-25	Predicting mortality risk in pediatric severe pneumonia using a CNN-BiLSTM model with dynamic clinical indicators 2026-Jul, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108891 PMID:42134457	研究论文	利用CNN-BiLSTM模型结合动态临床指标预测儿童重症肺炎的死亡风险	首次将CNN-BiLSTM深度学习模型应用于儿童重症肺炎的住院死亡率预测，并从纵向实验室数据中动态筛选出11个关键预测指标	需要未来多中心研究验证模型有效性	探索儿童重症肺炎的有效预后生物标志物，并构建深度学习模型预测住院死亡率，支持临床决策	5岁以下儿童重症肺炎患者	机器学习	儿童重症肺炎	NA	CNN-BiLSTM	临床数据（包括纵向实验室指标）	来自儿科重症监护数据库（PIC）的5岁以下重症肺炎儿童	PyTorch	CNN-BiLSTM	AUC，灵敏度，特异度	NA