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
301	2026-04-22	Small data, big challenges: Machine- and deep-learning strategies for data-limited drug discovery 2026-Feb, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115762 PMID:41421504	综述	本文综述了在数据有限的药物发现中，机器学习和深度学习面临的挑战及应对策略	聚焦于药物发现流程中的小数据问题，系统整合了传统ML方法和针对小数据优化的先进DL策略，填补了现有综述的空白	作为一篇综述文章，主要基于现有文献进行综合，未提出新的原创算法或实验验证	探讨在数据稀缺的药物发现与开发（DDD）流程中，如何应用和调整ML与DL方法以提高其实用性和可信度	药物发现与开发（DDD）流程中的关键任务及相关数据	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
302	2026-04-20	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中量化荧光信号间的空间距离	FISH-Dist专门针对标准共聚焦成像在短基因组距离下的技术挑战，结合了基于深度学习的点分割、亚像素定位的3D高斯拟合以及两种互补的色差校正方法，显著减少了通道间距离测量误差	该流程主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发一个自动化计算流程，以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的多通道3D显微镜图像，特别是DNA折纸纳米尺和FISH探针设计参数	计算机视觉	NA	荧光原位杂交，共聚焦显微镜成像，DNA折纸纳米尺	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA
303	2026-04-19	AI Models to Reduce Surgical Complications Through Intraoperative Video Analysis: Protocol for a Prospective Cohort Study 2026-Feb-26, JMIR research protocols IF:1.4Q3 DOI:10.2196/62734 PMID:41769985	研究论文	本研究旨在开发和验证深度学习模型，通过术中视频分析预测腹部手术后的并发症	首次提出利用术中视频和术后结果构建开源数据集，并采用基于视觉Transformer架构的微调手术视频基础模型与外科医生定义的预测因子并行方法进行深度学习算法开发	研究仅针对特定腹部手术（阑尾切除术、胆囊切除术和结直肠切除术），且数据收集时间有限（2024-2025年）	开发并验证深度学习模型以准确预测术后并发症，并构建共享开源数据集	接受微创腹部手术的1200名患者，包括阑尾切除术、胆囊切除术和结直肠切除术	计算机视觉	NA	术中视频分析	深度学习模型	视频	1200名患者	NA	Vision Transformer	灵敏度, 特异性, 阳性预测值, 阴性预测值, AUC	NA
304	2026-04-19	Digital watermarking for virtual physically unclonable function data concealment and authentication 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35159-4 PMID:41741498	研究论文	本文提出了一种新颖的数字水印方法，用于增强基于分割学习的虚拟物理不可克隆功能的安全性	提出了一种结合深度学习与Jake's Model模拟瑞利衰落的数字水印框架，为VPUF响应提供双重认证机制，在资源受限的物联网网络中实现安全性与计算效率的平衡	未明确说明水印嵌入对VPUF响应延迟的具体影响，以及在不同物联网设备异构环境中的普适性验证	提升物联网网络中基于分割学习的虚拟物理不可克隆功能的安全性，防止窃听和重放攻击	物联网网络中的虚拟物理不可克隆功能响应数据	机器学习	NA	数字水印技术	自编码器	隐表示数据	NA	NA	自编码器	保真度, 可靠性, 不可伪造性	NA
305	2026-02-28	Global solar energy potential forecasting through machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41357-x PMID:41741590	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
306	2026-04-19	Deep residual and hybrid CNN models for confidence-aware real-world waste classification for sustainable waste management 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41001-8 PMID:41741626	研究论文	本文提出了一种基于深度学习的多类别废物分类系统，用于处理真实世界中的混合、变形和污染废物，以促进可持续废物管理	引入了混合模型（如ResNet101与InceptionV3结合）以提高复杂类别（如纺织品和杂项垃圾）的分类精度，并提出了置信度评分评估策略来评估模型可靠性	NA	开发一个稳健且可扩展的智能废物分类系统，用于真实世界、可持续性驱动的环境	真实世界废物流中的混合、变形和污染物品	计算机视觉	NA	深度学习	CNN	图像	使用RealWaste数据集	NA	InceptionV3, ResNet101, DenseNet, VGG, EfficientNet, MobileNet	验证准确率, 损失, F1分数	NA
307	2026-04-19	A novel approach to mural enhancement using MSR CAB and lacuna extraction from ancient mural paintings using random forest 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36973-6 PMID:41735343	研究论文	本文提出了一种用于古代壁画中颜料层缺失区域（lacunae）自动提取的新方法	提出了一种结合MSR-CAB、自适应混合和双边滤波的新型预处理方法，用于增强低光照、灰尘遮挡和光照不均条件下的壁画图像质量，并采用成本敏感的随机森林分类器处理类别不平衡问题	方法在典型文化遗产领域的小型数据集上进行验证，可能面临数据量有限的挑战	开发一种低资源消耗且可解释的自动化方法，用于古代壁画损伤区域的检测与提取，以支持文化遗产机构的文档记录、监测和保护规划	阿尔及利亚Bey's Palace等地的古代壁画图像	计算机视觉	NA	图像处理，机器学习分类	随机森林	RGB图像	NA	Scikit-learn	随机森林	准确率，精确率，召回率	NA
308	2026-04-19	A switching-based deep learning framework for personalized and adaptive E-commerce recommendations 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40024-5 PMID:41735446	研究论文	本文提出了一种基于切换的深度学习框架，用于个性化且自适应的电子商务推荐系统	提出了一种创新的基于切换的混合推荐系统，通过将用户分为新手、轻度用户和重度用户三类，并优化包括产品浏览在内的多目标，以应对数据稀疏性、冷启动、跨域推荐和实时适应性等挑战	NA	开发一个能够适应不同用户档案（基于交互历史和参与度）的推荐系统，以解决推荐系统中的数据稀疏性、冷启动、跨域推荐、个性化与多样性权衡以及实时适应性等挑战	电子商务推荐系统中的用户，特别是根据交互历史和参与度分类的新手、轻度用户和重度用户	机器学习	NA	NA	深度学习	隐式反馈数据（如产品浏览）	NA	NA	基于切换的混合推荐系统	验证损失, HR@10, NDCG@10, 准确率, 精确率, 召回率, F1分数	NA
309	2026-04-19	Contextual anatomy-guided deep learning for accurate fovea segmentation in diabetic retinopathy fundus images 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40287-y PMID:41735453	研究论文	本文提出了一种利用解剖学上下文信息的深度学习框架，用于在糖尿病视网膜病变眼底图像中实现精确的中央凹分割	提出了一种以数据为中心的方法，通过在训练过程中逐步融入关键解剖标志（视盘、视网膜和血管）的上下文信息，并设计了一个多类别约束机制框架来显式利用这些解剖结构间的相互依赖关系，而非单纯增加模型架构复杂度	训练数据集规模相对较小（81张图像），且未提及模型在更广泛或更具挑战性的临床场景（如严重病变图像）中的泛化能力	开发一种准确分割糖尿病视网膜病变眼底图像中中央凹区域的方法，以辅助糖尿病性黄斑水肿的临床管理决策	糖尿病视网膜病变患者的眼底图像	数字病理学	糖尿病视网膜病变	深度学习，图像分割	深度学习模型	图像	81张精心标注的眼底图像（54张训练，27张测试）	NA	MNv4Fovea	IoU, F1分数, 平均欧几里得距离	NA
310	2026-04-19	Real-time identification and quantification of apple scab on fruit in preharvest and postharvest conditions using YOLO11: a deep learning approach 2026-Feb-22, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01508-7 PMID:41725009	研究论文	本研究提出了一种基于深度学习的框架，利用YOLO11模型实时识别和量化苹果黑星病在果实上的症状，以克服传统视觉评估方法的局限性	采用两阶段微调过程，结合高分辨率图像，显著提升了细尺度病变分割的准确性，相比先前YOLO架构，mAP50-95提高了50%以上，并支持实时图像和视频处理	面临光照变化和症状异质性等挑战，病变分割模型的精度（0.64）相对较低	开发一种准确、可扩展的苹果黑星病表型分析方法，以自动化疾病评估	苹果果实上的黑星病症状	计算机视觉	苹果黑星病	深度学习	YOLO	图像	在果园和实验室条件下收集的彩色图像	NA	YOLO11	精度, 召回率, mAP50, mAP50-95	NA
311	2026-03-29	Electrocardiogram-based deep learning score for coronary artery calcification reclassifies cardiovascular risk and identifies screening candidates 2026-Feb-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03400-9 PMID:41723484	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
312	2026-04-19	Robust and interpretable unit level causal inference in neural networks for pediatric myopia 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02442-7 PMID:41714699	研究论文	本文提出了一种集成到神经网络中的因果推断框架，用于评估个体特征对预测的影响，并应用于儿童近视进展研究	将单位级因果推理融入深度学习，通过干预估计直接和间接因果效应，提高了AI系统的可解释性和可靠性	未明确说明具体模型架构或计算资源细节，可能限制方法的可复现性	开发透明可靠的AI系统，以支持精准医疗和公平医疗保健	超过3000名儿童的前瞻性儿科眼科队列，具有纵向随访数据	机器学习	近视	因果推断框架	神经网络	纵向临床数据	超过3000名儿童	NA	NA	NA	NA
313	2026-04-19	Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02455-2 PMID:41714822	研究论文	开发并外部验证了一个用于自动化测量颈椎矢状面参数的分层深度学习流程，专门处理侧位X光片中C7椎体被遮挡的问题	提出了一种结合全局关键点检测器和基于多层感知机定位的C2/C7专家模型的粗到细分层流程，能有效校正C7遮挡导致的全局模型大误差	未明确说明模型在更广泛人群或不同成像设备中的泛化能力，以及计算效率的详细评估	开发一个在真实世界条件下可靠、可推广的颈椎对齐评估自动化工具	颈椎侧位X光片	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	5604张图像用于训练，并在内部和外部队列（C7遮挡率82%）进行测试	未明确指定	多层感知机，结合了全局关键点检测器和局部专家模型	组内相关系数，平均绝对误差，一致性界限	NA
314	2026-04-19	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	本文提出了一种基于深度学习的术中甲状旁腺自动检测与分割方法，旨在辅助甲状腺切除术中甲状旁腺的识别	结合YOLOX定位子网络和新型语义分割模型Trans-U-HRNet，构建了PG-AI系统，实现了术中实时甲状旁腺的准确分割	数据集仅包含976张图像，来自121名患者，样本规模相对有限，且主要基于开放甲状腺切除术图像	开发一种自动化方法，以在甲状腺切除术中辅助识别和分割甲状旁腺，减少术中损伤风险	甲状腺切除术患者的术中图像，重点关注甲状旁腺的检测与分割	计算机视觉	甲状腺疾病	深度学习，近红外自发荧光成像	CNN, Transformer	图像	976张图像，来自121名患者（101名用于训练和内部验证，20名用于外部验证）	PyTorch	YOLOX, Trans-U-HRNet	准确率，召回率，识别率	NA
315	2026-02-14	Multi-view deep learning for automated lymphoma staging from 18F-FDG PET/CT: physician-level accuracy with high-throughput workflow 2026-Feb-13, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01357-w PMID:41686381	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
316	2026-04-18	A novel lightweight hybrid CNN-ViT for maize leaf disease classification 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41190-2 PMID:41741594	研究论文	本文提出了一种新型轻量级混合CNN-ViT模型，用于玉米叶部病害分类	提出了一种受混合专家架构启发的轻量级混合模型，该模型集成了CNN和ViT组件，能够根据输入特征自适应地强调局部或全局特征	未明确说明模型在跨环境或不同光照条件下的泛化能力，也未讨论模型在移动设备上的实际部署性能	开发一种适用于实际农业部署的高性能、轻量级玉米病害自动诊断方法	玉米植株图像，特别是玉米叶部病害	计算机视觉	植物病害（玉米叶部病害）	深度学习，计算机视觉	CNN, ViT, 混合模型	图像	未明确说明具体样本数量，但提到使用了新颖的真实世界全玉米植株图像数据集	未明确说明	混合CNN-ViT架构（具体架构未命名），对比了MobileViT, PiT, EdgeNeXt, DeiT	分类准确率	未明确说明
317	2026-02-24	Enhancing deep learning based multi-parameter fire detection by training on simulated and combustion experimental dataset 2026-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39191-2 PMID:41724743	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
318	2026-04-14	Multi-resolution adaptive channel fusion transformer encoder LSTM for accurate streamflow prediction 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40713-1 PMID:41723217	研究论文	提出一种多分辨率自适应通道融合Transformer编码器LSTM混合架构，用于提高单变量时间序列的径流预测准确性和可解释性	通过构建伪多变量输入（包括滞后观测、统计摘要和季节指标），并利用自适应注意力机制动态融合多尺度时间模式，结合Transformer编码器和LSTM进行预测，显著提升了预测性能	未明确提及模型在极端天气事件或高度非线性水文系统中的泛化能力限制	提高径流预测的准确性，以支持水资源管理和洪水缓解	单变量时间序列径流数据	机器学习	NA	NA	Transformer, LSTM	时间序列数据	三个基准径流数据集	NA	Transformer编码器, LSTM	RMSE, R²	NA
319	2026-04-14	Comparative study of wavelet transform and Fourier domain filtering for medical image denoising 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40594-4 PMID:41723236	研究论文	本文对医学图像去噪中的小波变换和傅里叶域滤波方法进行了比较研究	首次系统比较了八种小波族与十二种阈值函数、四种阈值选择规则在不同医学噪声类型下的性能，并对比了最佳小波配置与基于块的离散傅里叶余弦变换方法	研究仅针对CT图像，未涵盖其他医学影像模态；未考虑深度学习方法的对比	比较传统变换域方法在医学图像去噪中的性能，特别是小波变换与局部傅里叶方法的相对效果	受高斯、均匀、泊松和椒盐噪声污染的CT图像	计算机视觉	NA	图像去噪	NA	图像	未明确指定样本数量，但使用了CT图像数据集	NA	NA	PSNR	NA
320	2026-04-14	Integrating multi-scale convolution and attention mechanisms in HybridHAR for high-performance human activity recognition 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40904-w PMID:41723255	研究论文	提出了一种名为HybridHAR的新型深度学习模型，用于解决人类活动识别中多尺度时序模式捕获和深度网络特征传播的挑战	整合了并行多尺度CNN结构、残差注意力机制与通道特征融合、以及带有辅助分类的深度监督模块	NA	提高传感器数据的人类活动识别准确率	人类活动识别	机器学习	NA	NA	CNN, 注意力机制	传感器数据	UCI HAR数据集	NA	HybridHAR	准确率	NA