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
1761	2026-09-06	Integrating Eye Tracking and Inertial Sensing for Enhanced Freezing of Gait Detection in Parkinson's Disease 2026-04, The European journal of neuroscience DOI:10.1111/ejn.70472 PMID:41891752	研究论文	本研究评估了结合眼动追踪与惯性传感数据对帕金森病患者冻结步态检测的改进效果。	首次将眼动追踪与踝部惯性测量单元结合，以提高冻结步态与自主停止的区分准确性。	样本量较小（10名参与者），且未提及计算资源等其他限制。	评估加入眼动追踪数据是否比单独使用踝部IMU更能提高冻结步态检测的准确性。	10名帕金森病患者的冻结步态数据，包括眼动追踪和踝部IMU数据。	机器学习	帕金森病	NA	深度学习分类器	时间序列数据（眼动追踪和IMU传感器数据）	10名参与者	NA	NA	F1分数（宏平均）	NA
1762	2026-09-06	AI-Assisted Pneumonia Detection, Localisation and Report Generation from Chest X-rays 2026-Mar-23, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.20.26348879 PMID:41929300	研究论文	提出了一种基于深度学习的计算机辅助诊断流程，用于从胸部X光片中检测、定位肺炎并生成结构化报告	利用本地大型语言模型对MIMIC-CXR报告重新标注肺炎标签，显著提高与人类标注的一致性，并结合DenseNet-121和Grad-CAM实现检测、定位和报告生成	Grad-CAM定位的F1分数仅为中等水平，表明定位精度有待改进；模型在肺炎亚型区分上的性能可能受标签质量限制	开发一个全面的深度学习CAD流程，以提升肺炎检测的泛化性和可解释性，从而促进临床采用	胸部X光片图像及其对应的放射学报告	医学影像分析	肺炎	胸部X光摄影	CNN（DenseNet-121）	图像和文本	共922,634张胸部X光片，其中部分用于训练	NA	DenseNet-121, Grad-CAM	敏感性、精确度、F1分数、与人类标注的一致性	NA
1763	2026-09-06	MR ProGradeNet A Multi-Resolution Deep Learning Framework for Automated Prostate Cancer Grading from MRI 2026-Mar-18, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2026.03.003 PMID:41862143	研究论文	本研究提出了一种名为MR-ProGradeNet的多分辨率深度学习框架，用于自动进行前列腺癌MRI分级	通过三个协同模块（A-HASH预处理、FRDF融合和ProMMGrader分类）创新性地解决了跨扫描仪差异、肿瘤微结构建模不足和临床可靠性问题，并采用学习直方图归一化和门控注意力等先进技术	未在摘要中明确指出，但隐含限制包括依赖单一公开数据集（PROSTATEx）进行验证，以及在真实多中心环境中的泛化性有待进一步研究	提升前列腺癌MRI自动分级的准确性、临床可靠性和可解释性，以优化治疗决策	前列腺癌的磁共振成像（MRI）数据，具体为多参数MRI（mpMRI）	医学影像分析，深度学习	前列腺癌	磁共振成像（MRI），包括T2加权成像、DCE MRI和ADC图	深度学习（包含卷积神经网络、集成学习等），具体如EfficientNet、UNet	图像（MRI扫描）	使用公开的PROSTATEx数据集，但未明确样本数量	NA	UNet（用于分割）、EfficientNet（用于特征提取）、注意力机制（门控注意力）、集成模型	准确率、F1分数、AUC	NA
1764	2026-09-06	MuloAD: A Multiomics Integration Model Utilizing Graph Convolutional Networks for Alzheimer's Disease Diagnosis and Biomarker Identification 2026-03, The European journal of neuroscience DOI:10.1111/ejn.70452 PMID:41782334	研究论文	提出了一种基于图卷积神经网络的MuloAD框架，整合多组学数据进行阿尔茨海默病诊断和生物标志物识别	创新利用GraphSAGE独立提取多组学特征，并引入视图相关性发现网络捕获跨组学关系以提升诊断性能	摘要未提及明确的局限性	开发并验证一种整合多组学数据的深度学习框架，用于提升阿尔茨海默病的诊断准确性并识别关键生物标志物	阿尔茨海默病患者和健康对照样本	机器学习	阿尔茨海默病	NA	图卷积神经网络（GCN），GraphSAGE	多组学数据（DNA甲基化、mRNA表达、microRNA表达）	350个来自ROSMAP队列的样本	NA	GraphSAGE	准确率	NA
1765	2026-09-06	Beyond the Leaderboard: Evaluating the Robustness of Deep Learning Models for Detecting Freezing of Gait 2026-02, The European journal of neuroscience DOI:10.1111/ejn.70424 PMID:41657009	研究论文	评估深度学习模型在检测帕金森病冻结步态中的鲁棒性，通过全球竞赛获胜模型对新的数据集进行测试，发现部分模型性能下降，但第三名模型表现出良好的可迁移性。	首次对全球机器学习竞赛的获胜模型进行跨数据集鲁棒性测试，基于专家标注的家庭测试视频和背部传感器数据，评估模型的实际应用能力。	仅使用单个下背传感器，无法准确计数冻结发作次数或检测冻结亚型。	评估深度学习模型在检测冻结步态方面的鲁棒性和迁移性，以确定自动检测算法的实际可用性。	帕金森病患者及冻结步态检测模型。	机器学习	帕金森病	NA	深度学习模型（具体未指明，如CNN等）	加速度数据（来自下背传感器的加速度计信号）	12名患者家中进行的测试协议	NA	NA	F1分数、准确率、召回率、特异度、精确率、组内相关系数	NA
1766	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。
1767	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
1768	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
1769	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
1770	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
1771	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
1772	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
1773	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
1774	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
1775	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
1776	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
1777	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
1778	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
1779	2026-09-06	Visualization-driven digital technologies in oncology: current applications, technological advances, and future directions 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1824142 PMID:42694739	综述	本文综述了可视化驱动的数字技术在肿瘤学中的应用，涵盖AI驱动的3D重建、增强现实、多模态融合、影像组学和数字孪生等技术，贯穿癌症诊疗全程	提出可视化技术作为认知接口整合癌症诊疗全程，并展望物理信息深度学习、云边计算和隐私保护协作学习的未来发展	临床整合面临术中精度稳定性、资源有限环境下的经济可行性和生物识别数据隐私风险等挑战，且需进一步前瞻性验证	综合评估可视化驱动数字技术在肿瘤学中的应用现状、技术进步和未来方向	癌症诊疗流程中的可视化技术，包括3D重建、AR、影像组学及数字孪生	数字病理学	肿瘤	影像组学	NA	图像	NA	NA	NA	NA	NA
1780	2026-09-05	Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation 2026-Jan, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04991-6 PMID:40782188	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在全肩关节置换术患者的纵向CT扫描中自动进行肩袖肌肉和脂肪的三维分割，以量化肌肉体积和脂肪分数。	提出使用DeepLabV3+结合ResNet50作为骨干网络，针对肩袖肌肉在CT影像中的自动三维分割，并应用于纵向随访数据以评估手术结果。	摘要中未提及明确的局限性。	开发和验证用于自动三维分割肩袖肌肉的深度学习模型，以量化肌肉体积和脂肪分数，并应用于全肩关节置换术患者的术前和术后随访评估。	53名接受全肩关节置换术的患者的术前或至少2年随访CT扫描，以及172名患者的队列用于应用模型。	计算机视觉	肩袖疾病（肩关节疾病）	CT成像	深度学习分割模型	CT图像	53名患者用于模型开发和测试，172名患者用于进一步应用	NA	DeepLabV3+，ResNet50	Dice相似系数、平均对称表面距离、95百分位Hausdorff距离、相对绝对体积差	NA