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
1961	2026-03-15	Liver Tumor Segmentation with Deep Learning: A Comparative Analysis of CNN-, Transformer-, and YOLO-Based Models on the ATLAS MRI 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050649 PMID:41827926	研究论文	本研究系统比较了基于卷积神经网络、Transformer和YOLO的深度学习模型在ATLAS MRI数据集上进行肝脏和肝细胞癌分割的性能	首次在肝脏肿瘤MRI分割任务上系统比较了卷积、Transformer和检测（YOLO）三类主流深度学习方法的性能，并分析了各自在精度、上下文建模和计算成本方面的优劣势	研究仅在单一ATLAS MRI数据集上进行验证，未在其他多中心或更异构的数据集上测试模型的泛化能力	比较不同深度学习架构在肝脏和肝细胞癌MRI图像分割任务上的性能，为临床选择合适模型提供依据	肝脏和肝细胞癌（HCC）	数字病理	肝癌	对比增强磁共振成像（MRI）	CNN, Transformer, YOLO	医学图像（MRI）	ATLAS MRI数据集（具体数量未在摘要中说明）	NA	nnU-Net, Transformer-based architectures, YOLO-based frameworks	Dice系数, IoU, 精确率, 召回率, F1分数	NA
1962	2026-03-15	A Comprehensive Eye-Tracking System Toward Large FOV HMD 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051402 PMID:41829365	研究论文	本文提出了一种面向大视场头戴式显示器的综合眼动追踪系统，结合定制硬件和实时软件流程	针对大视场VR头显的眼动追踪工程挑战，提出集成近眼照明、图像采集与深度学习模型的实时系统，并引入注意力增强机制显著提升性能	系统在固定标定条件下运行，未讨论动态标定或用户间泛化能力	解决大视场VR头显中眼动追踪的工程实现问题	虚拟现实头戴式显示器中的眼动追踪系统	计算机视觉	NA	眼动追踪	深度学习	图像	NA	NA	ResNet-152, 注意力增强模型	平均角度偏差	NA
1963	2026-03-15	SFCF-Net: Spatial-Frequency Synergistic Learning for Casting Defect Segmentation of Pre-Service Aircraft Engine Blades in Industrial Radiographic Inspection 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051416 PMID:41829382	研究论文	本文提出了一种新颖的空间-频率互补融合网络（SFCF-Net），用于工业射线检测中飞机发动机叶片铸造缺陷的精确分割	通过选择性跨模态校准模块、跨模态细化和互补模块以及非对称窗口注意力模块，协同整合空间和频域特征，以解决图像质量差、类内方差、类间相似性和不规则缺陷几何形状等挑战	NA	实现飞机发动机叶片铸造缺陷的精确分割，以支持叶片制造中的自动化质量控制	飞机发动机涡轮叶片	计算机视觉	NA	工业射线检测	深度学习网络	图像	NA	NA	SFCF-Net	NA	NA
1964	2026-03-15	AFTA-Net: Axial Fusion and Triaxial Factorised Attention Network for Nowcasting of Severe Convective Weather 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051409 PMID:41829372	研究论文	本文提出了一种名为AFTA-Net的新型编码器-解码器架构，用于解决雷达回波外推中非线性大气运动和强度衰减的挑战	引入了轴向融合块（AFB）通过并行分解策略显式分离时间演变与空间形态，并设计了三轴因子化注意力（TAFA）机制跨时间、通道和空间维度顺序重校准特征表示	NA	改进0-2小时临近预报中的雷达回波外推技术	强对流天气	计算机视觉	NA	雷达回波外推	编码器-解码器	雷达数据	NA	NA	AFTA-Net	CSI, HSS	NA
1965	2026-03-15	SD-IDD: Selective Distillation for Incremental Defect Detection 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051413 PMID:41829375	研究论文	本文提出了一种基于选择性蒸馏的增量缺陷检测模型SD-IDD，旨在解决深度学习模型在学习新缺陷类别时的灾难性遗忘问题	提出了三种选择性蒸馏策略：高置信度分类蒸馏、双阶段级联回归蒸馏和IoU驱动的难度感知特征蒸馏，以在无需旧训练样本的情况下有效保留旧类别知识并提升新类别检测精度	未提及模型在更广泛或更复杂工业场景下的泛化能力，以及计算资源消耗的具体分析	解决工业缺陷检测中模型增量学习新缺陷类别时的灾难性遗忘问题	工业表面缺陷	计算机视觉	NA	深度学习	基于GFLv1的检测模型	图像	NEU-DET和DeepPCB数据集	未明确提及，可能基于PyTorch或TensorFlow	GFLv1	mAP_old, mAP_new, mAP_all	NA
1966	2026-03-15	EchoNet++: A multilingual soccer match audio commentary dataset 2026-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39884-8 PMID:41703173	研究论文	本文介绍了一个用于自动处理职业足球比赛转播的多语言、多阶段音频分析流程，并发布了相应的数据集	提出了一个可复现的端到端系统，并进行了组件级分析，揭示了预处理、分割、转录和翻译在真实转播条件下如何共同影响性能	NA	开发一个可扩展、语言无关的音频理解系统，用于处理足球比赛转播音频	职业足球比赛转播的音频数据	自然语言处理	NA	音频提取、去噪、语音分割、转录和翻译	ASR模型（如Whisper变体）、VAD模型	音频	来自欧洲顶级联赛的全场比赛视频	FFmpeg, Demucs, Silero VAD, Whisper	Demucs, Silero VAD, Whisper（Medium, Large, Turbo）, Insanely Fast Whisper	词错误率, 语言检测准确率, 分割一致性	NA
1967	2026-03-15	YOLOv8 powered deep learning framework for detection and classification of oral potentially malignant disorders and oral cancer using intraoral images 2026-Feb-16, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.02.006 PMID:41826178	研究论文	本研究开发了一个基于YOLOv8实例分割架构的深度学习框架，用于检测和分类口腔潜在恶性病变及口腔癌	首次将YOLOv8实例分割模型应用于口腔内图像，实现高精度的口腔病变检测与分类	数据集规模相对有限，且主要依赖专家标注，可能影响模型泛化能力	开发AI辅助工具以支持口腔病变的早期检测与分类	口腔内图像中的口腔潜在恶性病变和口腔癌病变	计算机视觉	口腔癌	深度学习	YOLOv8	图像	583张临床口腔内图像（扩展至3,285张）	NA	YOLOv8实例分割架构	mAP@50, mAP@50-95, Precision, Recall	NA
1968	2026-03-15	Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06715-4 PMID:41651886	研究论文	本文介绍了一个通过人工智能工作流程建立的开放获取皮肤病理学图像数据集DermpathNet，用于教育、交叉参考和机器学习目的	提出了一种结合深度学习图像模态分类和图像标题分析的混合工作流程，用于半自动地整理和分类皮肤病理学图像	未明确说明数据集的长期维护计划或更新频率	建立一个全面、开放获取的皮肤病理学图像数据集，以解决临床医生和学员在获取高质量图像资源方面的挑战	从PubMed Central (PMC) 存储库中提取的皮肤病理学图像	数字病理学	皮肤疾病	深度学习图像模态分类，图像标题分析	深度学习	图像	7,772张图像，涵盖166种诊断	未明确指定	未明确指定	F-score	未明确指定
1969	2026-03-15	Deep learning drives autonomous molecular reactions with single-bond selectivity in tetra-brominated porphyrins on Au(111) 2026-Feb-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69080-1 PMID:41639093	研究论文	本文介绍了一种基于深度学习的策略，用于在Au(111)表面上的四溴化卟啉中自主执行多步、键选择性的分子反应	结合计算机视觉、神经网络和深度强化学习，实现了从孤立的人为操作到完全自主、数据驱动的反应控制的转变，提供了可编程的多步反应序列	作为概念验证，仅针对特定分子（四溴化卟啉）在Au(111)表面上进行了演示，可能尚未广泛验证于其他分子或表面	追求在分子纳米科学中实现具有单键精度的自主化学转化	Au(111)表面上的四溴化卟啉分子	计算机视觉, 机器学习	NA	扫描隧道显微镜（STM）	神经网络, 深度强化学习	图像	NA	NA	NA	高保真度	NA
1970	2026-03-15	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2026-02, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究评估了深度学习模型与平均动脉压阈值方法在预测术中低血压方面的可靠性，并通过跨中心验证揭示了数据集选择偏差对模型性能的影响	引入包含血压边界案例的“灰色区域”框架，进行跨中心、跨人群的验证，并标准化样本间的平均动脉压差异以减少偏差	研究依赖于特定医院的数据集，可能未涵盖所有手术类型或临床场景，且模型在年龄差异上的泛化能力仍需进一步验证	评估和提升人工智能工具在预测术中低血压方面的真实世界可靠性	术中低血压的预测模型，包括深度学习方法和平均动脉压阈值方法	机器学习	心血管疾病	深度学习	深度学习模型	血压数据	来自瑞典卡罗林斯卡大学医院和韩国VitalDB的数据集	NA	NA	NA	NA
1971	2026-03-15	ParkEnNET: a majority voting-based ensemble transfer learning framework for early Parkinson's disease detection 2026-Feb, Acta neurologica Belgica IF:2.0Q3 DOI:10.1007/s13760-025-02902-z PMID:41047458	研究论文	提出了一种基于多数投票的集成迁移学习框架ParkEnNET，用于早期帕金森病的检测	通过集成多个预训练深度学习模型并采用多数投票策略，有效处理了医学数据中的小样本、噪声和类别不平衡问题	未明确说明模型在更广泛、多中心数据集上的泛化能力，以及计算资源消耗的具体评估	开发一个准确、高效的早期帕金森病诊断框架	帕金森病患者（特别是早期阶段）的MRI数据	数字病理学	帕金森病	MRI	CNN	图像	未明确说明具体样本数量，但提及使用了来自Superspeciality Hospital Jammu的独立临床数据集	未明确指定，但提及使用了预训练深度学习模型	VGGNet, ResNet-50, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
1972	2026-03-15	Thermal imaging-guided detection of transparent plastic contaminants on chicken breast: A combined vision and simulation approach 2026-Jan-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117993 PMID:41412667	研究论文	本研究开发了一种结合热成像与机器学习的系统，用于检测鸡肉上的透明塑料污染物	首次将热成像与YOLOv8深度学习模型结合用于检测低密度透明塑料污染物，并辅以热阻容模型和COMSOL仿真分析热行为	实验仅使用特定尺寸范围（0.2-8 cm）的塑料片，未涵盖所有可能的污染物形态	开发可靠的透明塑料污染物检测系统以提升禽肉加工食品安全	鸡肉胸肉上的透明塑料污染物	计算机视觉	NA	热成像技术	CNN	热成像图像	386张标注的热成像图像	PyTorch	YOLOv8s	检测精度, 分割精度	NA
1973	2026-03-15	scPlantAnnotate: an accurate and robust transformer-based model for plant cell type annotation 2026-Jan-17, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.01.035 PMID:41554477	研究论文	本文开发了scPlantAnnotate，一种基于Transformer的植物单细胞RNA测序细胞类型注释模型，并在多个植物物种上进行了评估	开发了首个针对植物scRNA-seq数据的Transformer参考注释框架，在标准评估和严格的留一数据集测试中均表现出优越性能和增强的鲁棒性	模型在留一数据集测试中性能仍会下降，且仅针对四种植物物种进行了训练和验证	开发并评估一个专门用于植物单细胞RNA测序数据细胞类型注释的准确且鲁棒的模型	拟南芥、玉米、水稻和大豆的scRNA-seq数据	自然语言处理	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	来自四种植物物种的精选数据集	NA	Transformer	准确率, 宏F1分数, 平衡准确率, 宏AUROC	NA
1974	2026-03-14	Editorial Note: Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344760 PMID:41818179	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1975	2026-03-15	Deep-Fed: A comprehensive solution for precise bone fracture identification in athletes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343980 PMID:41818245	研究论文	本研究提出了一种名为Deep-Fed的联邦深度学习框架，用于运动员骨折诊断，通过整合卷积神经网络和专用分类模块FractureNet，在分布式运动诊所中利用联邦平均进行训练，保护患者隐私的同时利用多样数据源	提出了一个结合卷积神经网络与专用分类模块FractureNet的联邦深度学习框架，能够在保护患者隐私的前提下，利用分布式数据源实现高精度骨折识别	NA	开发一个用于运动员骨折精确识别的联邦深度学习解决方案	运动员的骨折诊断	计算机视觉	骨折	深度学习	CNN	图像	三个基准数据集（Deep-I、Deep-II、Deep-III），代表不同成像条件和患者群体	联邦学习框架	卷积神经网络, FractureNet	准确率	NA
1976	2026-03-15	Interpretable crop pest and disease identification based on comparative concept tree 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343715 PMID:41818247	研究论文	本研究提出了一种基于对比原型树（CPTR）的可解释作物病虫害识别模型，旨在提高深度学习模型的透明度和可解释性	结合概念原型与决策树的核心结构，为每个识别结果构建清晰的原型匹配路径，并引入SimCLR对比学习框架以增强深度图像特征表达能力	NA	提高作物病虫害识别模型的透明度和可解释性，以增强用户信任并促进其在农业生产中的大规模应用	作物病虫害图像	计算机视觉	NA	深度学习	对比学习, 决策树	图像	三个数据集：AppleLeaf9, Cassava, Cashew	SimCLR	对比原型树（CPTR）	准确率	NA
1977	2026-03-14	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	本研究开发并验证了一个名为MedFusion-gP-AKI的多模态深度学习融合模型，用于早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的风险	首次将多模态深度学习与因果推断方法结合，针对危重创伤性颈胸段脊髓损伤患者开发了早期预测严重急性肾损伤的融合模型，并进行了多中心外部验证	研究基于回顾性数据，未来需要前瞻性研究进一步验证；模型在更广泛人群中的泛化能力仍需评估	开发一个能够早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的机器学习模型	危重创伤性颈胸段脊髓损伤患者	机器学习	急性肾损伤	多模态深度学习、因果推断	GAN, 集成学习	临床数据	MIMIC-IV/eICU队列用于训练，来自中国四个三级医疗中心的188名患者用于外部验证	NA	集成模型（由15个基线模型中表现最佳的架构融合而成）	AUC, AP	NA
1978	2026-03-14	An optimized hierarchical attention assisted deep learning model for brain tissue classification 2026-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110724 PMID:41740680	研究论文	本文提出了一种优化的分层注意力辅助深度学习模型，用于脑组织分类和异常检测	提出了一种新颖的混合分割方法ResFAU-net，结合了残差块、注意力门和融合累积桥模块，并引入了分层注意力改进的卷积级联胶囊网络（HAMC3）进行分类，同时使用Coati优化算法调整参数以降低模型复杂性	NA	开发一种有效的、优化的分层深度学习方法，用于检测脑组织异常	脑组织，特别是异常脑组织区域	数字病理学	脑部疾病	磁共振成像	CNN, Capsule Network	图像	使用BRATS2020数据集进行评估	NA	ResFAU-net, HAMC3	Dice分数, IoU, 准确率, 精确率, 灵敏度, 特异性, F1分数	NA
1979	2026-03-14	Exploration of the mental attention mechanisms in motor imagery-based EEG decoding 2026-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110721 PMID:41748031	研究论文	本研究定量探讨了心理注意力如何调节基于运动想象的脑电信号解码性能	从以用户为中心的视角出发，将心理注意力作为数据选择标准整合到解码框架中，而非仅关注算法创新	未明确说明实验参与者的具体数量与特征，且注意力监测方法的实时性可能面临实际应用挑战	探索心理注意力机制对基于运动想象的脑机接口解码性能的影响	基于运动想象的脑电信号	机器学习	NA	脑电图	NA	脑电信号	NA	NA	NA	准确率	NA
1980	2026-03-14	Comprehensive study on the performance optimization of hyperspectral unmixing algorithms: A focus on airborne hyperspectral data 2026-May-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125560 PMID:41759318	研究论文	本研究应用高光谱解混技术与多种一维深度学习架构，对韩国锦江高马鲁地区的入侵植物物种进行制图与分类	结合了多种一维深度学习架构（CNN、CBAM、MLPMixer-1D、SpectralFormer、ViT-1D、Swin-1D）进行高光谱解混，并提出了结合SAD、SID和MSE的加权光谱损失函数进行超参数优化	入侵物种的分类精度中等，主要原因是光谱重叠	优化高光谱解混算法的性能，以支持大规模生态监测，特别是入侵植物物种的检测	韩国锦江高马鲁地区的入侵外来植物物种（三裂豚草、葎草、刺果瓜）	计算机视觉	NA	高光谱成像技术	CNN, CBAM, MLPMixer-1D, SpectralFormer, ViT-1D, Swin-1D	高光谱图像	NA	NA	CNN, CBAM, MLPMixer-1D, SpectralFormer, ViT-1D, Swin-1D	SAD, SAM, SID, RMSE, PSNR	NA