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
501	2026-05-15	3d elastic-modulus imaging using ultrasound linear arrays and efficient data-driven training strategies 2026-Mar-30, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02056-8 PMID:41910792	研究论文	提出一种利用超声线阵探头和自动渐进法进行三维弹性模量成像的方法，并设计了高效的数据驱动训练策略	创新性地运用数据驱动的自动渐进（AutoP）机器学习技术，结合浅层神经网络和特定测量数据，替代传统的深度学习技术，并通过序列压缩平面测量实现三维体变形的快速建模	实验限制会减慢学习过程，并最终限制模量图像的对比度和空间分辨率	开发基于超声的软组织弹性模量三维成像技术	超声线性阵列换能器与仿体组织	机器学习	NA	超声弹性成像	浅层神经网络	力-位移测量数据	仿体研究	NA	浅层神经网络	图像对比度，空间分辨率	NA
502	2026-05-15	SODNet: a scale-oriented detection network for efficient UAV-based sewage outfall detection 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45595-x PMID:41888208	研究论文	提出一种面向无人机的高效污水排放口检测网络SODNet，解决多尺度目标检测与轻量模型部署的挑战	通过ECFPN增强多尺度特征表示，共享解耦头结合MSGF模块提升特征提取并降低计算成本，采用通道剪枝压缩模型提升推理速度	未提及具体局限，但可能依赖特定无人机平台和训练数据分布	实现高精度且轻量化的无人机视频污水排口检测方法	河流污水排放口	计算机视觉	NA	NA	深度学习	图像	未明确样本数量，涉及无人机采集的河水排放口图像	PyTorch	SODNet（含ECFPN、共享解耦头、MSGF模块）	AP@50，精确率，参数量，GFLOPs，FPS	边缘计算设备（型号未具体说明），40.3 FPS
503	2026-05-15	MAGNet: enhancing action recognition with multimodal fusion and adaptive graph convolution 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45601-2 PMID:41888423	研究论文	提出一种基于多模态自适应图卷积网络（MAGNet）的人体动作识别模型，通过融合自适应图卷积和跨模态自注意力机制增强多模态数据处理能力	融合自适应图卷积与跨模态自注意力机制，动态调整每个模态的贡献以应对数据缺失；引入VQ-VAE生成模型生成解剖学一致的人体姿态特征	NA	提高人体动作识别在多模态数据融合、复杂环境鲁棒性及数据缺失条件下的准确性	人体动作识别任务	计算机视觉	NA	NA	图卷积网络（GCN）、跨模态自注意力机制、VQ-VAE生成模型	多模态数据	NTU RGB+D数据集和UTD-MHAD数据集	PyTorch	自适应图卷积网络（MAGNet）、VQ-VAE	准确率（Accuracy）	NA
504	2026-05-15	ResSeMo: deep convolutional neural network integration for high-accuracy waste classification and efficient processing 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45814-5 PMID:41888559	研究论文	提出一种基于多模块协同优化的轻量级垃圾分类模型ResSeMo，实现高精度分类与高效处理	融合ResNeXt多尺度特征提取、SENet通道注意力机制与MobileNetV3轻量化设计，提升分类精度、降低计算开销并增强复杂背景鲁棒性	未提及在更大规模或更多样化实际场景中的泛化能力及与其他先进模型的横向对比	解决传统垃圾分类方法效率与精度不足的问题，实现智能垃圾分类系统优化	城市生活垃圾图像分类与处理	计算机视觉	NA	NA	CNN	图像	TrashNet和TACO两个公开数据集，具体样本量未提及	PyTorch	ResNeXt, SENet, MobileNetV3	准确率, 抗干扰稳定性（高斯噪声、随机模糊下的精度下降）	NA
505	2026-05-15	Optimized Lightweight U-Net and YOLACT framework for multi-disease severity detection in pome fruit leaves 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45947-7 PMID:41888567	研究论文	提出了一种优化的轻量级U-Net和YOLACT框架，用于仁果叶片多病害严重程度检测	首次提出一种双模型深度学习框架，结合轻量级Lite-U-Net和增强Lite-YOLACT，并引入新的多病害严重程度量表，以处理同一叶片上的多种共存感染	依赖专门标注的仁果叶片数据集，泛化能力可能受限于其他作物或真实场景；未提及计算资源的详细需求或模型在移动设备上的部署可行性	实现仁果叶片多病害严重程度的自动检测与分类，提升作物健康监测的效率和准确性	仁果叶片（如苹果和梨叶片），包含多种病害类型和严重程度标注	计算机视觉	植物病害	深度学习	CNN	图像	未在标题和摘要中明确说明样本数量	PyTorch	MobileNetV2, Lite-U-Net, Lite-YOLACT	准确率	NA
506	2026-05-15	Psychological-physical synergy of athletes based on artificial intelligence and deep learning 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45920-4 PMID:41882073	研究论文	本研究提出了图注意力-贝叶斯时序网络（GABT-Net），用于从多模态生理信号准确监控运动员心理状态	创新性地将图注意力网络用于构建多源生理信号的瞬时协同关系，并引入贝叶斯Transformer通过蒙特卡洛Dropout技术实现不确定性量化，解决了现有深度学习方法缺乏协同建模和预测结果不可靠的问题	未在摘要中明确提及限制	解决从多模态生理信号准确可靠监控个体心理状态的挑战	运动员的心理和生理协同状态	机器学习	NA	NA	图注意力网络，贝叶斯Transformer	多模态生理信号	使用WESAD公开数据集，具体样本量未说明	PyTorch	GABT-Net（图注意力-贝叶斯时序网络）	准确率，宏平均F1得分，期望校准误差	NA
507	2026-05-15	Spatial-temporal graph neural network with autoencoder pretraining for intrusion detection in healthcare IoT ecosystems 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45041-y PMID:41882266	研究论文	提出一种结合自编码器预训练和时空图神经网络的方法，用于医疗物联网环境中的入侵检测	创新性地将自编码器无监督预训练与时空图神经网络结合，以同时捕获设备间空间依赖和时间动态，有效应对类别不平衡和罕见入侵类别问题	未明确讨论局限性	开发一种针对医疗物联网生态系统的高效入侵检测方法，提升检测准确性和泛化能力	医疗物联网设备间的网络流量数据	机器学习	不适用	不适用	空间-时间图神经网络（ST-GNN）、自编码器	网络流量数据	使用了IoT Healthcare数据集和TON-IoT数据集	NA	自编码器预训练、空间-时间图神经网络	准确率、F1分数、ROC-AUC、宏平均F1	NA
508	2026-05-15	Deep learning image generation technology for enhancing the presentation effect of image art based on artificial intelligence 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45739-z PMID:41882268	研究论文	提出StyleDiffusion-HD框架，结合基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块，提升图像艺术呈现效果	创新性融合风格注入注意力的潜在扩散模型实现文本与视觉风格的双模态精确控制，并引入基于流匹配的超分辨率模块在提升分辨率的同时保持风格一致性	未明确说明，但从研究内容推断可能包括多源艺术数据集的质量和多样性有限，以及主观评价存在个体差异	解决AI图像生成技术在艺术创作中风格控制不准、分辨率有限及超分辨率处理中艺术纹理丢失的问题	多源高质量艺术数据集中的图像	计算机视觉	NA	深度学习，潜在扩散模型，风格注入注意力，流匹配	潜在扩散模型，超分辨率模型	图像	使用多源高质量艺术数据集，具体数量未说明	NA	StyleDiffusion-HD（包含基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块）	Fréchet Inception Distance (FID)， CLIP Score (CS)， Style Loss (SL) 及主观美学评分	NA
509	2026-05-15	Boosting foundation models for rare eye disease diagnosis via a multimodal text-to-image generative framework 2026-Mar-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02560-2 PMID:41872533	研究论文	提出EyeDiff生成式基础模型，从文本描述合成保留病灶的眼科图像，用于提升罕见眼病诊断准确性	首次将文本到图像生成基础模型用于罕见眼病数据增强，通过多模态生成方式提升不同基础模型诊断性能	未讨论生成图像在真实临床环境中的验证结果，可能存在的模式坍塌风险需进一步评估	解决罕见眼病诊断中数据稀缺和类别不平衡问题	多种视网膜疾病（常见与罕见）的跨模态眼科影像	计算机视觉, 自然语言处理	视网膜疾病	文本到图像生成	扩散模型	图像, 文本	11个全球来源数据集	PyTorch	基础模型（包含模态特定、多模态、视觉语言基础模型）	客观指标, 专家人工评估	NA
510	2026-05-15	Interpreting Deep Learning-Based Prediction of the BRAF V600E Mutation Using Diagnostic Whole Slide Images in Skin Cutaneous Melanoma 2026-03, The American journal of pathology DOI:10.1016/j.ajpath.2025.11.004 PMID:41391751	研究论文	解释深度学习模型在皮肤黑色素瘤全切片图像中预测BRAF V600E突变的结果	通过弱监督深度学习模型XpressO-melanoma的输出来解释其预测BRAF V600E突变状态的形态学合理性，并与病理学家标注进行比较，提出了四种解释类别	模型性能指标（AUC为0.8，精确率和召回率为0.7）显示仍有改进空间，某些感兴趣区域需要标注优化	提高深度学习模型在临床病理学中的可解释性，促进人机协作	皮肤黑色素瘤的诊断全切片图像	数字病理学	皮肤黑色素瘤	H&E染色全切片图像分析	弱监督深度学习模型	图像	未明确说明样本数量	未明确说明	XpressO-melanoma	AUC，精确率，召回率	未明确说明
511	2026-05-15	Advancements and Applications of Artificial Intelligence in Hypertrophic Cardiomyopathy: A Comprehensive Review 2026-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM44449 PMID:41923713	综述	系统回顾人工智能在肥厚型心肌病数据分析中的应用，重点关注方法学进展和临床实施	全面整合人工智能、机器学习和深度学习技术在心超、心电图和心脏磁共振成像中的应用，推动HCM诊断从经验驱动向数据驱动的范式转变	多源数据标准化不足、模型可解释性有限以及数据隐私问题	系统梳理AI在HCM领域的应用现状并提出向精准医学和个体化管理过渡的路径	肥厚型心肌病相关的临床和影像数据	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
512	2026-05-15	Weakly Supervised Teacher-Student Framework with Progressive Pseudo-mask Refinement for Gland Segmentation 2026-Mar, Journal of clinical and translational pathology DOI:10.14218/jctp.2025.00055 PMID:42125533	研究论文	提出了一种弱监督师生框架，通过渐进式伪掩膜细化实现腺体分割	创新性地结合了指数移动平均稳定的教师网络、基于置信度的过滤、自适应融合和课程引导细化，实现了从稀疏标注中生成高质量伪掩膜并分割未标注腺体区域	在SPIDER数据集上因显著域偏移导致性能下降	开发一种标注高效且泛化能力强的腺体分割方法，减少对大规模像素级标注的依赖	结直肠癌组织病理学图像中的腺体结构	数字病理学	结直肠癌	H&E染色全切片成像	CNN	图像	60张来自俄亥俄州立大学韦克斯纳医学中心的H&E染色全切片图像，以及Gland Segmentation数据集、TCGA-COAD、TCGA-READ和SPIDER公开数据集	PyTorch	教师-学生网络	平均交并比（mIoU）、Dice系数	NA
513	2026-05-08	The Rise of Intelligent Plastic Surgery: A 10-Year Bibliometric Journey Through AI Applications, Challenges, and Transformative Potential 2026-Mar, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05068-4 PMID:40660032	综述	通过文献计量分析，梳理2016至2024年间人工智能在整形外科领域的研究趋势、挑战与变革潜力	首次利用CiteSpace和VOSviewer对235篇文献进行共被引、关键词共现和突发检测分析，揭示AI在乳房重建、面部分析和自动分级系统中的创新应用，并指出西方中心审美偏见等伦理问题	仅分析Web of Science核心合集文献，可能遗漏其他数据库或非英文研究；跨机构合作有限且数据集多样性不足，影响结果普适性	系统评估AI与整形外科整合的研究趋势，识别技术难点、伦理挑战及未来方向	Web of Science核心合集2016-2024年发表的235篇AI整形外科相关文献	文献计量学	NA	NA	深度学习	文献数据	235篇文献	CiteSpace, VOSviewer	NA	中心性指标	NA
514	2026-05-08	What are you looking at? Modality contribution in multimodal medical deep learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03523-w PMID:41037211	研究论文	提出了一种基于遮挡的模态贡献度方法，定量评估多模态医学深度学习模型中各模态的重要性	提出一种与模型和性能无关的模态贡献度测量方法，可揭示模型对单一模态的偏好及数据集的内在偏差	论文中未明确提及外部验证或多中心数据验证，可能限制了方法的泛化性能评估	探究多模态医学深度学习模型如何从不同数据源中处理信息并量化各模态的贡献	多模态医学问题中的深度学习模型（如使用图像、文本等多模态数据的诊断模型）	机器学习	NA	NA	深度神经网络	多模态数据（如医学图像、临床文本等）	NA	PyTorch（依据代码仓库推测）	NA	NA	NA
515	2026-05-08	Detailed Delineation of the Fetal Brain in Diffusion MRI via Multi-Task Learning 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3619809 PMID:41066289	研究论文	提出一个统一的计算框架，通过多任务深度学习在扩散MRI中详细描绘胎儿大脑结构	首次实现胎儿大脑在扩散MRI中的组织分割、白质纤维束分割和脑区分区的统一多任务深度学习框架	NA	开发并验证自动化方法以快速、准确、可重复地分析胎儿大脑扩散MRI数据	胎儿大脑	机器学习, 数字病理学	NA	扩散加权MRI	多任务深度学习	扩散MRI图像	97个胎儿大脑	NA	NA	Dice相似系数	NA
516	2026-05-08	A robust sampling technique for realistic distribution simulation in federated learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03504-z PMID:40892192	研究论文	提出一种鲁棒的采样技术，用于在联邦学习中模拟现实分布，以分析临床环境中标签分布偏差对全局模型的影响	结合卡方和基尼不纯度指标，高效优化多组标签分布，实现符合指定均值和标准差的数据子集采样，且对网络架构和目标任务具有无关性	仅通过一个实际应用场景（3D相机体重身高估计）验证，未在多种任务或更复杂非独立同分布条件下测试	研究联邦学习中客户端标签分布偏差对全局模型性能的危害，并提供一个高效的采样算法用于事前分析	联邦学习中的标签分布模拟及临床环境下的体重身高估计数据	机器学习	NA	NA	CNN（3D相机体重身高估计基础模型）	图像（3D相机数据）	临床环境下的体重和身高估计数据集（未具体说明数量）	NA	NA（声明技术对网络架构无关）	体重估计误差（25.3%恶化）、身高估计误差（28.7%恶化）	NA
517	2026-05-06	ProMol_Func: A Structure-Free Deep Learning Model for Virtual Screening 2026-Mar-23, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.6c00173 PMID:41889774	研究论文	提出一种免蛋白质结构的深度学习模型ProMol_Func，用于虚拟筛选，通过集成小分子图编码和基于氨基酸序列的蛋白质功能嵌入，提升筛选效率和泛化能力	无需蛋白质结构，仅依赖氨基酸序列生成功能嵌入，并结合实验验证的非活性和随机诱饵增强训练数据，在LIT-PCBA基准上取得领先性能，并在零样本前向应用中成功识别新型靶点DnaK的抑制剂	未明确说明局限性，但可能依赖高质量的负结合数据增强，且零样本性能需进一步跨靶点验证	开发一种高效、可扩展的免蛋白质结构虚拟筛选方法，克服传统结构依赖方法的计算瓶颈和高假阳性率	小分子化合物与蛋白质靶标（包括LIT-PCBA基准和新型靶点DnaK）	机器学习	NA	NA	深度学习框架（图神经网络与蛋白质功能嵌入）	序列数据（氨基酸序列）和小分子图数据	LIT-PCBA基准数据集及DnaK零样本应用中的活性与诱饵化合物	PyTorch	图神经网络与蛋白质功能嵌入网络	富集因子（EF1%）	NA
518	2026-05-06	A CNN-transformer dual-branch network with structure-aware loss for high-resolution edge detection 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44362-2 PMID:41857141	研究论文	提出一种基于CNN-Transformer双分支网络和结构感知损失函数的高分辨率边缘检测方法	创新性地提出边缘结构感知损失函数，通过梯度约束、连续性约束和方向一致性约束监督边缘的几何属性，并引入三阶段动态损失调度策略实现从像素级到结构级的渐进式优化	未明确说明局限性，但现有方法常面临计算复杂度高和真实边缘标注困难的问题	解决现有深度学习方法依赖像素级损失函数导致的边缘预测碎片化、模糊和结构不连贯问题	高分辨率图像中的边缘检测任务	计算机视觉	NA	NA	CNN-Transformer双分支网络	图像	BSDS500（500张图像）、Multicue（100张图像）、NYUDv2（1449张图像）	PyTorch	CNN-Transformer双分支网络	ODS、OIS	NA
519	2026-05-06	Comparison of Patient Reviews for Submental Liposuction and Kybella Using Deep Learning and Natural Language Processing: Is There a Superior Intervention for Submental Adiposity? 2026-03-17, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf129 PMID:40577594	研究论文	利用深度学习和自然语言处理比较患者对颏下吸脂术和Kybella的评论，探讨两种干预措施对颏下脂肪堆积的优劣	首次应用优化的BERT深度学习自然语言处理模型分析患者报告的情感体验，比较Kybella与颏下吸脂术在RealSelf平台上的评价	数据来源仅限于RealSelf平台，样本量相对较小（1338篇），可能无法代表所有患者群体，且未排除潜在的混杂因素如医生差异或术后护理	通过自然语言处理模型分析患者情感和情绪，比较Kybella和颏下吸脂术在真实世界中的患者报告结果	RealSelf平台上2014至2024年间关于Kybella和颏下吸脂术的英文患者评论	自然语言处理	颏下脂肪堆积	NA	BERT（双向编码器表示转换器）	文本	1338条患者评论（753条颏下吸脂术，585条Kybella）	PyTorch	BERT（优化的双向编码器表示转换器）	情感评分（0-1）、情感分类（积极/消极）、情感类别（恐惧、悲伤、愤怒、厌恶、中性、惊讶、喜悦）频率	NA
520	2026-05-06	A multi-focus oral panoramic x-ray image dataset based on pixel-level annotations 2026-Mar-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07021-9 PMID:41844654	研究论文	构建了一个大规模口腔全景X射线图像数据集，包含8655张图像和30186个像素级注释，用于牙科人工智能研究	提供了首个大规模、像素级标注的口腔全景X射线数据集，支持牙齿分割、病变检测和计算机辅助诊断等多种任务	未提及具体局限性	开发用于牙科人工智能研究的大规模全景X射线图像数据集	口腔全景X射线图像中的牙齿和病变区域	数字病理学	口腔疾病	全景X射线成像	深度学习模型	图像	8655张图像，30186个像素级注释	NA	NA	泛化能力	NA