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
81	2026-09-07	An intrusion detection model for electric vehicle supply equipment based on multi-task learning and probability transfer mechanism 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42331-3 PMID:41807500	研究论文	提出一种基于多任务学习和概率转移机制的电动汽车供电设备入侵检测模型	引入多任务学习架构以缩短检测时间，并提出概率转移机制来提升多任务间的预测性能	未在摘要中明确提及局限性，可能包括泛化性验证不足、真实场景测试缺失等，但摘要未详述	构建更有效的电动汽车供电设备入侵检测方法，以降低误报率、缩短检测时间并提高检测精度	电动汽车供电设备（EVSE）的恶意入侵行为	机器学习	NA	NA	深度学习模型（具体架构未指定，可能为多任务学习网络）	NA	NA	NA	多任务学习网络	检测精度、检测时间	NA
82	2026-09-07	Reliability of contactless vital sign measurement algorithms for use in drone-based mass casualty triage 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40691-4 PMID:41807583	研究论文	本研究开发并验证了基于无人机视频的非接触式生命体征测量算法，用于大规模伤亡事件的分诊。	首次针对无人机拍摄视频开发并验证了用于大规模伤亡分诊的非接触式生命体征测量算法，包括心率、呼吸率、体温和血氧饱和度。	研究样本量较小（37名参与者），且以室内记录为主，可能无法完全反映实际大规模伤亡事件的复杂场景。	支持基于无人机的分诊，通过开发可靠的算法来非接触式测量心率、呼吸率、体温和血氧饱和度。	37名参与者（平均年龄29.7岁，64.9%为男性）	计算机视觉	大规模伤亡事件	RGB视频和热成像	深度学习模型	视频、热图像	37名参与者，共37次记录（7次室外，30次室内）	NA	深度学习（具体架构未在摘要中指定）	准确率、平均差异	NA
83	2026-09-07	Machine learning identifies distinct movement control impairment clusters in patients with chronic neck pain 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43903-z PMID:41807740	研究论文	本研究利用机器学习方法识别慢性颈痛患者中基于运动控制测试和疼痛强度的不同亚组，并分析各亚组的特定损伤特征	首次结合蝴蝶测试的多级难度参数和多种聚类算法（Louvain、层次和k-means）及深度学习分类框架，识别出四个有临床意义的颈痛亚组，并利用SHAP解释各亚组特异的运动控制损伤	样本量较小（135例），且仅基于单一运动控制测试和疼痛强度，可能未涵盖所有相关因素	识别慢性颈痛患者中的潜在亚组，并描述各亚组特异的运动控制损伤，以指导个体化康复策略	135名特发性颈痛患者	机器学习	慢性颈痛	运动控制测试（蝴蝶测试）	聚类算法（Louvain、层次、k-means）和深度学习神经网络（分类）	数值数据（运动控制参数及疼痛强度）	135名慢性颈痛患者	NA	k-means、Louvain、层次聚类、深度学习神经网络（具体架构未指定）	AUC、分类准确率、敏感性、特异性、轮廓分数	NA
84	2026-09-07	Integrated spatio-temporal modeling with hybrid graph convolutions and the graph fourier neural operator for traffic prediction 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38563-y PMID:41807454	研究论文	提出了一种名为HG-GFNO的集成时空建模框架，结合混合图卷积和图傅里叶神经算子，用于交通流量预测	首次将谱算子扩展到图域以实现线性复杂度的长程时间建模，并创新性地结合了静态和自适应图卷积以捕捉局部和动态空间依赖	方法在基准数据集上验证，但未在真实大规模城市交通网络中进行测试，且依赖于预定义的图结构	开发一种参数高效且可扩展的深度学习方法，用于提高长期交通预测的准确性和稳定性	非欧几里得道路网络中的交通流量数据	机器学习, 计算机视觉	NA	NA	图神经网络, 傅里叶神经算子	图结构时间序列数据	四个基准数据集：PEMS03, PEMS04, PEMS07, PEMS08	PyTorch	图卷积网络, 图傅里叶神经算子	均方根误差（RMSE）, 平均绝对误差（MAE）	未提及
85	2026-09-07	Deep learning-based HTTP TRACE flood detection in wireless sensor network using deep spectral multi-layer convolutional neural network 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42474-3 PMID:41803397	研究论文	提出一种基于深度谱多层卷积神经网络的HTTP TRACE洪水攻击检测方法，以提升无线传感器网络的安全性和性能	引入增强深度谱多层卷积神经网络（EDSMCNN），结合蜘蛛算法进行特征选择，并采用SoftMax与逻辑激活函数处理HTTP请求，以提高检测效率和CPU性能	信息不足	检测无线传感器网络中的HTTP TRACE洪水攻击，提升CPU性能并减少计算时间	无线传感器网络中的HTTP TRACE洪水攻击流量	网络安全, 深度学习	NA	NA	卷积神经网络（CNN）	网络流量数据	NA	NA	多层卷积神经网络	效率、CPU性能、计算时间	NA
86	2026-09-07	A hybrid convolution and attention-based framework with visual explanation for fruit disease identification 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42135-5 PMID:41803253	研究论文	提出一种结合卷积与注意力机制的混合深度学习框架CoAT-AgriLite，用于水果病害的准确和可解释性分类	提出轻量级混合模型，结合局部病灶特征提取与全局上下文捕捉，并利用Grad-CAM实现模型决策的可视化解释	未提及	创建高精度且可解释的深度学习模型用于水果病害多分类	香蕉、葡萄、柠檬、芒果和草莓五种水果的图像	计算机视觉	病害	迁移学习、数据增强	混合卷积注意力模型	图像	未明确给出样本总数，划分为70:15:15训练、验证和测试	NA	RegNetY-B3-GE, DarkNet53-SCSE, BEiT, PVTv2, CoAT-AgriLite	准确率、精确率、召回率、F1分数	NA
87	2026-09-07	Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme 2026-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02507-7 PMID:41795013	研究论文	本研究在英国的筛查项目中评估了四种乳腺癌风险预测算法在不同乳腺X线摄影系统上的性能表现。	首次在完整的国家筛查数据上对多种深度学习算法进行对比验证，并评估了不同乳腺X线摄影系统间算法性能的一致性。	研究局限于英国的两个筛查中心和两种特定的乳腺X线摄影系统，可能影响结果的推广性。	评估不同乳腺癌风险预测算法在不同影像系统下的判别能力，并探讨其对未来癌症的预测潜力，以支持个体化筛查策略。	112,621张阴性乳腺X线影像，来自两个英国国家医疗服务体系乳腺癌筛查中心，涵盖不同设备，包含1,225例未来癌症。	计算机视觉	乳腺癌	乳腺X线摄影	深度学习模型	医学图像	112,621张阴性乳腺X线影像（来自两个筛查中心，含1,225例未来癌症）	NA	Mirai, iCAD, Transpara, Google	AUC	NA
88	2026-09-07	Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency 2026-Mar-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02475-y PMID:41794927	研究论文	提出一种集成数据级和网络级一致性的互集成框架，用于半监督学习，利用有限标注和大量未标注数据进行心脏MRI多结构分割。	提出一个结合数据级和网络级一致性的互集成半监督学习框架，有效利用未标注数据提升分割性能。	信息不足，无法从标题和摘要中提取具体的局限性。	开发一种高效的心脏MRI多结构分割方法，以应对标注数据稀缺的挑战。	心脏MRI中的多个解剖结构。	深度学习、医学影像分析、计算机视觉	心血管疾病	核磁共振成像	半监督学习模型	图像数据（心脏MRI）	信息不足，未在标题和摘要中说明具体样本数量。	信息不足，未在标题和摘要中说明具体框架。	信息不足，未在标题和摘要中说明具体架构。	信息不足，未在标题和摘要中说明评估指标。	信息不足，未在标题和摘要中说明计算资源。
89	2026-09-07	Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer 2026-Mar-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01331-2 PMID:41792227	研究论文	本研究开发了一种深度学习放射组学模型，结合转录组学和代谢组学分析，用于结直肠癌的预后风险分层并揭示潜在生物学机制	通过系统评估117种机器学习算法组合优化深度学习放射组学模型，并首次将影像组学与多组学数据整合，揭示风险分层背后的代谢和免疫相关生物学机制	未具体说明局限性	建立结直肠癌的预后风险分层模型，并探索高风险和低风险肿瘤的潜在生物学机制	来自四个中心的1183例结直肠癌患者的静脉期CT图像及转录组和代谢组数据	医学影像分析	结直肠癌	CT成像、转录组测序、代谢组学分析	深度学习模型	图像、基因表达数据、代谢物数据	1183例患者（训练和验证）及独立公开队列417例	未指定	未具体指定	生存结局、风险分层效果	未指定
90	2026-09-07	Genotype and Age at Onset Drive Vermis Atrophy in CACNA1A- and GAA-FGF14-related Ataxias 2026-Mar-04, Cerebellum (London, England) DOI:10.1007/s12311-026-01966-8 PMID:41775907	研究论文	本研究利用深度学习方法CerebNet对CACNA1A和GAA-FGF14相关共济失调患者的MRI进行小脑小叶分割和体积测量，以评估小脑蚓部萎缩模式及其与基因型和发病年龄的关系	首次采用深度学习分割方法对小脑蚓部萎缩进行定量分析，区分CACNA1A和GAA-FGF14相关共济失调，并揭示基因型和发病年龄对萎缩模式的驱动作用	样本量较小，可能限制统计功效和泛化性	评估小脑体积测量作为区分CACNA1A和GAA-FGF14相关共济失调的生物标志物，并理解其神经解剖学相关性	基因确诊的CACNA1A（n=16）和GAA-FGF14相关（n=12）共济失调患者	数字病理学	小脑共济失调	磁共振成像（MRI）	深度学习分割网络	MRI图像	28例患者（CACNA1A 16例，GAA-FGF14 12例）	NA	CerebNet	聚类分析，主成分分析，相关系数	NA
91	2026-09-07	Collision-free morgan fingerprints: a principled approach to enhance machine learning performance and interpretability in chemistry 2026-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01170-0 PMID:41772717	研究论文	介绍了一种无碰撞摩根指纹（CF-MF）方法，通过自适应数据驱动大小机制确保子结构信息完整性，提升机器学习性能与可解释性	首次系统量化摩根指纹位碰撞对机器学习性能的影响，提出基于信息论的框架将碰撞导致的熵损失与预测退化关联，并提供可复现的解决方案	未在摘要中明确指出局限性	解决摩根指纹中位碰撞问题，提升机器学习性能并恢复化学可解释性	超过50,000个分子，覆盖25个多样化的数据集	机器学习	NA	NA	多种机器学习范式	分子数据	超过50,000个分子，25个数据集	NA	NA	RMSE, 准确率, R²	NA
92	2026-09-07	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2026-03, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	该研究构建了一种多模态模型，用于预测肝细胞癌术后早期复发，并探讨了相关生物学机制。	创新性地整合了影像组学和深度学习模型，形成多模态模型（MM-RDLM），并利用基因集富集分析和多重免疫组化探讨了生物学机制，提高了预测的准确性和可解释性。	作为回顾性研究，可能存在选择偏倚，且模型需要外部验证；生物学机制的探索仅为初步结果，需进一步实验验证。	构建多模态模型预测肝细胞癌术后早期复发，并探索相关的生物学机制。	肝细胞癌患者	医学图像分析	肝细胞癌	对比增强计算机断层扫描	多模态模型（影像组学与深度学习模型整合）	医学影像数据	519名肝细胞癌患者（来自三家医疗中心）	NA	深度学习模型（具体架构未明确）	曲线下面积、风险比、置信区间、P值、复发无病生存率和总生存率	NA
93	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
94	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
95	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
96	2026-09-04	Mobile Imaging-Based Machine Learning for Dental Caries, Sealants, and Fluorosis: Protocol for a Cross-Sectional Model Development and Validation Study 2026-03-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/91239 PMID:41911013	研究论文	本研究提出了一项横断面模型开发与验证研究的方案，旨在利用移动成像技术和机器学习方法检测青少年龋齿、密封剂和氟斑牙	首次探索利用移动健康技术结合计算机视觉和深度学习，通过智能手机和低成本口腔内摄像头图像，同时检测龋齿、密封剂并量化氟斑牙严重程度	研究方案中未明确提及具体局限性	开发和验证用于检测龋齿、识别密封剂及量化氟斑牙严重程度的机器学习模型，以标准化的视觉临床检查作为参考标准	美国科罗拉多州约1000名青少年，生活在公共供水系统中天然氟化物水平较高的社区	计算机视觉	口腔疾病	口腔内摄像头和智能手机成像	监督学习模型、神经网络分类器	牙齿图像	约1000名青少年，截至2026年1月已收集约300名参与者的数据	NA	NA	多分类性能指标	NA
97	2026-09-04	Evaluation of KU-F40 automated microscope for parasitology: when artificial intelligence meets old school microscopy 2026-03-11, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00743-25 PMID:41665376	研究论文	评估KU-F40自动粪便分析仪结合深度学习和自动显微镜在肠道寄生虫感染诊断中的性能	首次在来自六个比利时医院（包括两个国家参考中心）的广泛寄生虫范围内评估KU-F40的性能，结合自动显微镜和深度学习AI提供创新方法	性能不足以作为筛查工具进行阴性结果的自动验证，缺少10倍放大物镜和部分寄生虫数据库条目	评估KU-F40自动粪便分析仪用于肠道寄生虫感染诊断的性能	KU-F40自动粪便分析仪及肠道寄生虫感染诊断	数字病理学	肠道寄生虫感染	自动显微镜检查	深度学习	粪便样本图像	267份临床粪便样本	NA	深度学习AI（未指定具体架构）	敏感性，特异性	NA
98	2026-09-04	Advancing modified barium swallow pre-sorting with deep learning: a new paradigm for the first step analysis in X-ray swallowing study 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03505-y PMID:41046271	研究论文	本研究提出一种基于深度学习的自动化方法，用于区分改良钡餐吞咽检查中的诊断视频类型和非诊断性侦察视频，以简化其审查工作流程	首次将深度学习应用于MBS视频的自动分类，特别是实现了解剖平面区分、侦察与吞咽视频识别，并采用多任务学习提升了模型性能	信息不足，无法确定	自动分类MBS检查中的吞咽视频，区分不同类型的诊断视频并识别非诊断性侦察视频，以提高审查效率	改良钡餐吞咽检查视频片段	计算机视觉、数字病理学	吞咽功能障碍	深度学习	神经网络	X射线吞咽检查视频	来自216名患者的285次MBS检查中的3740个视频片段，共986,808帧，平均年龄60±9岁	NA	NA	准确率	NA
99	2026-08-30	Size-Dependent Performance of Abnormal-Focused U-Net Segmentation for Mammographic Lesion Detection: A Two-Stage Hybrid Training Approach 2026-Mar, Cureus DOI:10.7759/cureus.105360 PMID:42005261	研究论文	本研究提出一种两阶段混合训练方法，用于异常聚焦的U-Net分割模型，以提升乳腺X线摄影中病变检测的性能，并分析病变大小对分割效果的影响	采用两阶段混合训练策略，包括基于斑块的预训练和全图像微调，并结合复合损失函数（焦点损失与Tversky损失）来处理类别不平衡和边界精度问题	小病变的漏检率较高（27%），图像下采样导致分辨率降低，且未在正常乳腺X线摄影图像上评估假阳性率，缺乏外部验证和前瞻性临床评估	评估异常聚焦的U-Net分割模型在乳腺X线摄影病变检测中的性能，特别是不同大小病变的分割效果	乳腺X线摄影图像中的病变，涵盖小（<500像素）、中（500-1500像素）和大（>1500像素）三种大小类别	计算机视觉	乳腺癌	对比度受限自适应直方图均衡化（CLAHE）	U-Net	图像	55张测试图像，包含异常乳腺X线摄影图像	NA	U-Net	Dice系数，交并比（IoU），像素准确率，豪斯多夫距离，病变检出率	NA
100	2026-08-28	EVALUATION OF NEUROCOMBAT AND DEEP LEARNING HARMONIZATION FOR MULTI-SITE MAGNETIC RESONANCE NEUROIMAGING IN YOUTH WITH PRENATAL ALCOHOL EXPOSURE 2026-Mar-31, ArXiv PMID:41958471	研究论文	本文评估了深度学习方法HACA3与统计方法neuroCombat在产前酒精暴露青少年多中心磁共振神经影像数据协调中的效果。	首次在儿科队列中验证HACA3深度学习方法在图像信号层面的协调能力，并探索将其与neuroCombat结合使用的效果。	仅在单一儿科队列和三个扫描仪上测试，未涉及其他年龄组或更多中心的数据，且需要进一步的研究来优化HACA3与统计方法的结合方式。	评估HACA3和neuroCombat在多中心磁共振神经影像中去除位点相关变异、保留生物学信号的能力，并测试二者结合的效果。	7至21岁青少年，包括产前酒精暴露病例和对照组，数据来自三个不同扫描仪。	计算机视觉	产前酒精暴露	磁共振成像（MRI）	深度学习模型（HACA3）	磁共振影像	未提供具体样本数量，涉及儿科队列（年龄7-21岁）	NA	HACA3	ANCOVA测试	NA