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
121	2026-06-04	Multimodal deep feature fusion with transformer for brain tumor classification from magnetic resonance imaging 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44957-9 PMID:41965397	研究论文	提出一种多模态深度特征融合框架，结合 transformer 实现脑肿瘤 MRI 图像的自动检测与分割	利用 CapsNet、ResNet-50 和 AlexNet 进行特征融合，并结合双向卷积长短期记忆网络与 transformer 模型 (TBConvL-Net) 进行肿瘤分类，最后使用 nnUNet 进行精确分割	仅在 BT MRI 数据集上进行评估，泛化性需进一步验证	开发一种多模态深度学习框架，用于脑肿瘤 MRI 图像的精确检测与分割	脑肿瘤 MRI 图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN, LSTM, Transformer, 胶囊网络, UNet	图像	NA	NA	CapsNet, ResNet-50, AlexNet, TBConvL-Net, nnUNet	准确率	NA
122	2026-06-04	Lightweight attention enhanced YOLOv11 for accurate multi class detection of brinjal diseases 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47734-w PMID:41965414	研究论文	提出一种轻量级深度学习模型IEMA-YOLOv11，用于茄子病害的多类别实时检测	结合EMA注意力机制、IRMB模块和LDFM模块提取细粒度病变特征，并采用改进的MPDIoU损失函数提升目标定位精度	未提及，原文无相关信息	实现茄子病害的自动化实时检测，解决相似病害类别间的误诊问题	茄子病害（6种真菌、2种细菌、3种病毒和1种线虫感染）	计算机视觉	茄子病害	深度学习图像识别	YOLOv11	图像	包含6种真菌、2种细菌、3种病毒和1种线虫感染的多类茄子病害数据集	PyTorch	IEMA-YOLOv11（基于YOLOv11，集成EMA注意力、IRMB模块和LDFM模块）	精确率96.5%，召回率95.7%，mAP@50 95.6%，mAP@50:95 94.9%	NA
123	2026-06-04	Comparative analysis of deep learning algorithms for rolling element bearing fault classification under variable loads and speeds 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42592-y PMID:41965751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
124	2026-06-04	Hybrid CNN-decision tree framework for efficient transmission line fault detection and classification: an XAI-based approach 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45514-0 PMID:41963451	研究论文	提出一种混合1D卷积神经网络-决策树框架，用于输电线路故障检测与分类，并集成可解释人工智能方法	将一维CNN作为特征提取器，决策树执行可解释分类，区别于传统端到端深度学习模型，并集成SHAP提供全局和实例级可解释性	仅在仿真环境中测试，未在真实输电线路数据上验证	实现输电线路故障的高效、准确且可解释的检测与分类，提升电力系统稳定性	输电线路故障，包括短线路、长分布式线路、源端故障和负载端故障	机器学习	NA	NA	1D卷积神经网络-决策树	三相电压和电流测量值	模拟生成的大规模平衡数据集，涵盖正常操作和十种故障类型	MATLAB/Simulink	1D-CNN,决策树	准确率	NA
125	2026-06-04	Assessing trends and forecasting meteorological drought in South Africa using Savitzky-Golay enhanced hybrid deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46664-x PMID:41963462	研究论文	本研究使用Savitzky-Golay增强混合深度学习模型评估和预测南非气象干旱趋势	开发了集成Savitzky-Golay滤波器与时间卷积网络和长短期记忆网络的新型混合模型SG-TCN-LSTM，用于气象干旱预测	未来需扩展模型纳入更多气候驱动因素，评估其在不同气候区域的迁移性，并探索在业务干旱预警系统中的应用	评估南非夸祖鲁-纳塔尔省uMkhanyakude地区的长期干旱趋势，并增强干旱预测能力	南非夸祖鲁-纳塔尔省uMkhanyakude地区的六个气象站	机器学习	NA	NA	混合模型（SG-TCN-LSTM）	时间序列数据（日降雨量记录）	1980年至2023年共43年每日降雨量记录，来自六个气象站	NA	Savitzky-Golay滤波器、时间卷积网络、长短期记忆网络	均方根误差、决定系数	NA
126	2026-06-04	Leveraging convolutional sparse autoencoders for robust movement classification from low-density sEMG 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47492-9 PMID:41963500	研究论文	提出一种仅使用两个表面肌电图通道、基于卷积稀疏自编码器的深度学习框架，实现高精度手势识别，并支持少样本迁移学习和增量学习	利用卷积稀疏自编码器直接从原始信号提取时序特征，无需启发式特征工程；结合少样本迁移学习显著提升跨个体泛化能力；支持基于增量学习的类别扩展而不需完整模型重训练	仅在健全个体上进行概念验证，未在截肢患者中验证；传感器密度低可能限制复杂手势识别精度	开发一种低计算开销、低传感器密度的可扩展肌电假肢控制方案	表面肌电图信号中的手势分类任务	机器学习	截肢	sEMG	卷积稀疏自编码器	时序信号	6类手势数据集，包含多受试者数据	NA	卷积稀疏自编码器	F1分数	NA
127	2026-04-12	QuantumNeuroXAI: a quantum-inspired deep learning framework with explainability for brain signal analysis and neurological disorder detection 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47627-y PMID:41963527	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
128	2026-06-04	Non-invasive endometriosis staging prediction using integrated radiomics and spatiotemporal transformer model based on dynamic contrast-enhanced MRI 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41499-y PMID:41957071	研究论文	提出一种结合放射组学和时空Transformer的非侵入性子宫内膜异位症分期预测模型，基于动态对比增强MRI	提出双路径架构，通过跨模态注意力机制实现工程化放射组学特征与学习到的时空表示之间的双向优化，并结合自适应加权机制根据个体病例特征调整特征贡献	对治疗决策的最终影响需进一步回顾性评估	开发非侵入性子宫内膜异位症分期预测方法，克服传统诊断依赖于有创腹腔镜的局限性	子宫内膜异位症病变的动态对比增强MRI图像序列	计算机视觉	子宫内膜异位症	动态对比增强磁共振成像	Transformer	图像	486例手术确认病例（内部训练/测试集），127例回顾性患者（外部验证集）	NA	Spatiotemporal Transformer	准确率, F1分数	NA
129	2026-06-04	FedLiverNet: a federated learning framework for privacy-preserving and efficient liver cancer detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46244-z PMID:41957078	研究论文	提出 FedLiverNet，一种用于隐私保护且高效的肝肿瘤检测联邦学习框架	结合改进的 U-Net 骨干网络、差分隐私聚合和带局部自适应的聚类联邦学习，以应对非独立同分布数据并降低通信成本	基于仿真实验，未在真实多中心数据上验证；隐私保护可能仍存在优化挑战	实现隐私保护下的多中心肝脏和肿瘤分割，同时提升通信效率和模型性能	CT 图像中的肝脏和肿瘤分割	计算机视觉	肝癌（肝肿瘤）	CT 成像	U-Net 变体	影像数据	未明确提及	NA	改进的 U-Net	Dice 系数，通信成本降低	NA
130	2026-06-04	Explainable deep learning-based lung cancer diagnosis using clinically-guided local interpretable model-agnostic explanations 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44127-x PMID:41957146	研究论文	提出了一种基于自适应超像素扰动的局部可解释模型无关解释方法，用于深度学习的肺癌诊断	引入自适应超像素分割、分层扰动策略、肺部区域掩膜和后处理增强，改进了传统局部可解释模型无关解释方法，提高了医学影像解释的忠实度和定位能力	未提及在多样化临床数据集上的验证或计算效率分析	开发可解释的深度学习诊断工具，增强模型在肺癌分类中的临床接受度	肺部医学影像中的肺癌分类任务	计算机视觉、数字病理学	肺癌	医学影像分析	卷积神经网络	图像	基于公开肺部图像数据集	NA	MedDeepNet	准确率、召回率、精确率、特异性、F1分数、删除分数、插入分数、扰动曲线间面积	NA
131	2026-06-04	Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47518-2 PMID:41957239	研究论文	开发并评估基于术中视频的深度学习模型，用于预测肝细胞癌患者严重纤维化（F3-F4），模型表现超越外科医生的视觉评估和传统非侵入性评分	首次利用术中视频数据进行深度学习分析以预测严重肝纤维化，并与外科医生视觉评估及传统指标（APRI、FIB-4）进行系统比较，模型表现出更优的诊断性能	单中心回顾性研究，样本量有限（103例），需前瞻性多中心验证以确认泛化性和临床影响	开发基于术中视频的深度学习模型，实现严重肝纤维化的即时准确诊断，为微创肝切除手术规划提供客观参考	接受微创肝切除手术的肝细胞癌患者的术中视频画面	计算机视觉	肝癌	深度学习	DenseNet	视频	103名患者（2019年12月至2022年3月）	PyTorch	DenseNet-121	AUROC, 敏感性, 特异性, F1分数	NA
132	2026-06-04	High-precision automated grading of flue-cured tobacco leaves based on hierarchical feature fusion 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45252-3 PMID:41957429	研究论文	提出一种基于层级特征融合的深度学习框架，用于高精度自动化烤烟烟叶分级	创新性地集成多个预训练骨干网络与层级特征融合模块，并引入可学习注意力权重自适应组合低、中、高层特征，提升多尺度互补特征捕获能力	未提及模型训练数据集的规模和多样性，也未讨论在真实生产环境中的部署可行性	解决传统人工分级主观性强、效率低以及现有深度学习方法难以捕获多尺度特征的问题，实现高精度自动化烟叶分级	烤烟烟叶	计算机视觉	不适用	深度学习	卷积神经网络	图像	未提及	PyTorch	多个预训练骨干网络、卷积块注意力模块、层级特征融合模块	准确率	未提及
133	2026-06-04	Study on mmage defect recognition and classification of power transmission equipment based on lightweight model residual Mamba 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45856-9 PMID:41957442	研究论文	提出一种轻量级分割网络ResMamba，用于电力传输设备图像缺陷识别与分类，解决小样本条件下的检测难题	在视觉状态空间模块中移除冗余线性层缩减38%参数，并引入深度卷积块和可学习缩放参数动态调整残差连接，同时通过多级多尺度信息融合机制增强缺陷检测能力	未在更多样化的真实工业场景或不同成像条件下验证模型泛化性	提升电力传输设备小样本缺陷检测性能，增强电网自愈能力	电力传输设备图像中的缺陷样本	计算机视觉	不适用	轻量级分割网络	ResMamba（基于Mamba架构）	图像	公共数据集（含特定小样本设置）	PyTorch	六层U形编解码器, ResVSS模块	分割准确率	NA
134	2026-06-04	Climate-aware hybrid Kolmogorov-Arnold networks for interpretable solar radiation forecasting 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45578-y PMID:41946784	研究论文	提出一种气候感知的混合Kolmogorov-Arnold网络框架，用于可解释的太阳辐射预测	首次将极值理论驱动的开关机制与可解释的样条基Kolmogorov-Arnold网络结合，实现气候特异性太阳辐射预测，并保持物理一致性与透明度	NA	提高短期太阳辐射预测的准确性、可解释性和鲁棒性，以适应不同气候区域的光伏系统集成需求	沙特阿拉伯五个气候不同区域（沙漠、沿海、山地、过渡环境）的小时尺度气象和辐射数据	机器学习	NA	NA	Kolmogorov-Arnold网络、前馈神经网络	气象时间序列数据、辐射量数据	五个气候区域的每小时数据	NA	KAN, CNN-BiLSTM	预测精度、物理一致性（非负性、辐射边界）	NA
135	2026-06-04	MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study 2026-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111390 PMID:41587618	研究论文	基于MRI的多级影像组学和Transformer特征预测鼻咽癌放疗后放射性颈动脉损伤	创新性地将传统影像组学、亚区域影像组学和Swin Transformer深度学习特征融合，构建多级融合模型预测放疗后损伤	主要依赖于回顾性数据，且仅使用MRI单一模态，可能限制了模型的泛化能力	开发并验证基于MRI的融合模型预测鼻咽癌放疗后放射性颈动脉损伤	鼻咽癌患者的颈动脉MRI影像	医学影像分析	鼻咽癌, 放射性颈动脉损伤	MRI	Swin Transformer	MRI图像	500名患者（训练集274例，内部测试集118例，外部测试集108例）	PyTorch	Swin Transformer	AUC, ACC, SEN, SPE, Brier score, NRI, IDI	NA
136	2026-06-04	Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification 2026-Apr, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70271 PMID:41588600	研究论文	开发基于深度学习的一维卷积神经网络模型，用于实时室性心动过速警报分类	首次使用包括两个心电图导联、光电容积描记法和动脉血压信号在内的多种原始波形输入，通过一维卷积神经网络对室性心动过速警报进行实时分类	暂未提及	提高重症监护室室性心动过速警报的准确率，减少假阳性警报，缓解警报疲劳问题	室性心动过速警报的原始波形数据	机器学习	心血管疾病	NA	CNN	波形数据	使用VTaC心律失常基准数据集，含多个10秒波形片段，具体样本数量未说明	NA	一维卷积神经网络 (1D-CNN)	AUC, 准确率 (accuracy), F1-score, 灵敏度 (sensitivity), 特异度 (specificity), 阳性预测值 (positive predictive value)	NA
137	2026-06-04	Integrating artificial intelligence (AI) into colorectal cancer reporting 2026-Apr, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70029 PMID:41588707	综述	综述人工智能在结直肠癌报告标准化和新型预后标志物识别中的应用	提出结合已建立的病理特征与AI衍生预后指标的统一方法以改善风险分层	未明确讨论AI工具在实际临床部署中的验证和泛化挑战	探讨AI和深度学习在结直肠癌病理报告标准化及新型预后标志物发现中的进展和整合	结直肠癌患者病理报告中的关键特征（如TNM分期、肿瘤沉积）以及新型生物标志物（如肿瘤-脂肪细胞相互作用、肿瘤-基质比、免疫细胞模式）	数字病理学	结直肠癌	深度学习、多模态与视觉-语言模型	NA	全切片图像	NA	NA	NA	NA	NA
138	2026-06-04	Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays 2026-Apr, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70028 PMID:41588712	研究论文	开发并验证了一种基于层级图像金字塔变换器的深度学习框架，用于从H&E染色的组织微阵列图像中进行乳腺癌分子亚型自动分类	提出了一种基于变换器的层级架构，能够在细胞到组织尺度上分层聚合组织病理学特征，从而实现对高分辨率图像中多尺度形态特征和长程依赖关系的捕获	在全切片图像跨模态验证中性能下降，且在组织微阵列上表现稳健，但在全切片图像上的泛化能力有限	实现乳腺癌分子亚型自动分类，以指导个性化治疗	乳腺癌患者组织样本	数字病理学	乳腺癌	H&E染色	变换器	组织微阵列图像和全切片图像	252例组织微阵列病例和46例独立全切片图像	PyTorch	层级图像金字塔变换器	准确率, AUC	NA
139	2026-06-04	Accurate enzyme specificity constant prediction with iESC 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134067 PMID:41592658	研究论文	提出iESC深度学习模型，基于酶序列和底物结构准确预测酶特异性常数	首次仅利用酶序列和底物结构信息，通过集成多种先进特征提取和深度学习技术，实现酶特异性常数的高精度预测	NA	开发准确预测酶特异性常数的深度学习模型	酶-底物对的Michaelis常数(K)和转换数(k)	机器学习	NA	深度学习	深度学习	序列和结构数据	41,907个酶-底物动力学参数	NA	NA	决定系数(R)、均方根误差(RMSE)、平均绝对误差(MAE)	NA
140	2026-06-04	A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202516617 PMID:41603116	研究论文	一种结合深度学习的无线无电池人工喉贴片用于情感语音识别	首次实现无线无电池人工喉贴片与深度学习混合架构结合，同时进行语音和情感识别	研究未提及实际临床部署中的长期稳定性和大规模验证问题	开发一种可同时识别语音和情感的无线无电池人工喉贴片系统	无声患者的喉部信号	机器学习	语音障碍	近场通信、碳纳米管薄膜应变传感器	混合深度学习架构	传感器读出的喉部信号	未具体说明	NA	混合深度学习架构	情感识别准确率	NA