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
241	2026-07-03	Deep learning-based breast cancer detection with customized ensemble attention 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50563-6 PMID:42056343	研究论文	提出了一种结合三种定制注意力机制（多尺度通道注意力MSCA、空间形态学注意力SMA、层级双注意力HDA）的集成深度学习框架，用于乳腺癌检测	针对乳腺病理领域设计了三种专门注意力模块，不同于通用SENet和CBAM机制，MSCA捕获多池化尺度的核级通道统计信息，SMA对组织边界区域应用可学习的形态学梯度算子，HDA采用深度相关门控动态平衡不同网络阶段的空间和语义注意力	未提及具体局限性	提出一种新的集成深度学习框架，通过定制注意力机制提升乳腺癌检测准确性	乳腺癌图像包括组织病理图像（BreakHis、BACH）和乳腺X光图像（CBIS-DDSM）	计算机视觉, 数字病理学	乳腺癌	NA	CNN	图像	BreakHis数据集1995张40倍放大图像，BACH数据集400张全切片图像产生9600个图像块，CBIS-DDSM数据集2620个病例	PyTorch	ResNet-50, DenseNet-121, EfficientNet-B3	准确率, p值, 平均交并比	NA
242	2026-07-03	DDA-BERT: end-to-end training for data-dependent acquisition mass spectrometry-based proteomics 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72246-6 PMID:42045233	研究论文	提出基于Transformer的端到端深度学习模型DDA-BERT，用于数据依赖性采集质谱蛋白质组学中的肽段-谱图匹配重打分，显著提升肽段鉴定数量	首次将Transformer架构用于DDA蛋白质组学的全流程端到端训练，替代传统分层浅层分类器，利用约2.71亿条PSM数据跨11个物种训练	需要GPU计算资源，且依赖大规模多样化数据集以获得最佳模型性能	开发一种可扩展的、基于人工智能的DDA蛋白质组学肽段鉴定方法，提升肽段鉴定的准确性和灵敏度	11个物种的质谱数据及HLA免疫肽组学数据	机器学习	NA	DDA质谱	Transformer	肽段-谱图匹配（PSM）数据	约2.71亿条PSM，来自11个物种的DDA蛋白质组学数据集及HLA免疫肽组学数据集	NA	Transformer	肽段鉴定数量增加百分比	GPU
243	2026-07-03	A self-supervised electrocardiogram foundation model for empowering cardiovascular disease prediction and genetic factor discovery 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72436-2 PMID:42045241	研究论文	开发了一种自监督心电图基础模型，用于心血管疾病预测和遗传因子发现	结合对比学习与掩码语言建模的自监督预训练方法，同时捕捉心电图信号的全局上下文信息和细粒度模式，并利用模型衍生特征进行全基因组关联分析发现新的遗传位点	未明确提及具体局限性，但可能包括模型对多数据集泛化能力的验证范围有限或因果推断需要进一步验证	提升心血管疾病预测的准确性和可解释性，并探索心电图相关遗传因子	心血管疾病预测及心电图信号的遗传关联分析	机器学习	心血管疾病	心电图	自监督基础模型	12导联心电图信号	超过一千万份12导联心电图记录	NA	ECG-LFM（结合对比学习与掩码语言建模的Transformer架构）	AUROC	NA
244	2026-07-03	Frequency-based deep learning to identify subtle postural instability in early, untreated Parkinson's disease 2026-Apr-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01365-0 PMID:42045279	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
245	2026-07-03	Augmented prediction of multi-species protein-RNA interactions using evolutionary conservation of RNA-binding proteins 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72351-6 PMID:42045261	研究论文	提出一种基于深度学习的框架MuSIC，利用标签平滑和RNA结合蛋白的进化保守性预测跨物种的蛋白质-RNA相互作用	利用跨11个系统发育多样物种的RBP进化保守性进行预测，并引入标签平滑技术提升预测精度	预测置信度在后生动物中较高，部分反映了RBP保守模式的差异，可能对非后生动物物种预测效果有限	开发一种计算框架，实现跨物种RBP-RNA相互作用的预测并量化遗传变异的影响	RNA结合蛋白和RNA的相互作用	机器学习	人类疾病	深度学习	深度学习	序列数据	11个物种（从人类到酵母）中的数百个RBP	PyTorch（根据上下文推断，但未明确说明，故输出NA）	MuSIC（自定义深度学习框架，未详述具体架构）	AUC（根据性能优于最新方法推测，但未明确列出所有指标，故输出NA）	NA
246	2026-07-03	YOLOv10-based deep learning model for dental plaque object detection in intraoral photographs of orthodontic patients 2026-04-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08295-6 PMID:42032559	研究论文	系统评估YOLOv10模型在正畸患者口内照片中识别牙菌斑的性能与可行性	首次将YOLOv10深度学习模型应用于正畸患者口内照片的牙菌斑目标检测，无需染色剂即可实现高精度实时检测，检测成功率显著优于患者和正畸医生的肉眼判断	未明确说明，但可推断样本量相对较小（23名患者），且模型性能评估依赖于智能手机拍摄的口内照片，可能受拍摄角度、光照条件等外部因素影响	评估YOLOv10模型在固定正畸患者使用智能手机拍摄的口内照片中识别牙菌斑的效能与可行性	23名固定正畸治疗患者的牙菌斑染色口内照片	计算机视觉	口腔疾病（牙菌斑相关）	目标检测	YOLOv10	图像（口内照片）	23名固定正畸患者的口内染色照片，分为训练集、验证集和测试集	PyTorch	YOLOv10	精确率、召回率、F1分数、mAP50、mAP50-95	配备GPU的计算机
247	2026-07-03	Optimized fetal head circumference estimation in 2D ultrasound using EfficientNet-B7 and Adam optimizer 2026-04-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-06924-1 PMID:42032513	研究论文	提出一种基于EfficientNet-B7和Adam优化器的回归深度学习模型，用于提升2D超声图像中胎儿头围测量的准确性和鲁棒性	利用EfficientNet-B7的复合缩放和特征提取能力，结合回归方法实现快速全自动头围测量，避免了传统分割方法的复杂流程，并提供了精度与计算效率之间的权衡分析	误差率高于基于分割的现有方法（1-2 mm），且仅在有限数据集上验证，未涉及多样本和场景	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
248	2026-07-03	Development and External Validation of a Deep Learning Model to Predict Mortality in Aneurysmal Subarachnoid Hemorrhage Using Admission Computed Tomography 2026-Apr-23, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004038 PMID:42023861	研究论文	开发并外部验证一种仅使用入院非增强CT预测动脉瘤性蛛网膜下腔出血后90天死亡率的深度学习模型	完全自动化，无需手动输入，仅依赖入院CT图像提供客观可重复的风险分层，并通过外部验证证实其与需要多变量的传统临床模型性能相当	未明确指出，但可能包括回顾性设计、样本量相对较小及外部验证中心数量有限	开发和外部验证一种完全自动化的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血后90天死亡率	动脉瘤性蛛网膜下腔出血患者的入院非增强CT扫描图像	计算机视觉	动脉瘤性蛛网膜下腔出血	CT成像	深度学习（3D密集连接卷积网络）	CT图像	863名患者（586训练，147内部测试，130外部验证）	NA	3D DenseNet-121	AUC、判别力、分类准确性、校准度、决策曲线分析	NA
249	2026-07-03	A customised 3D U-Net model for bifid mandibular canal segmentation and detection on CBCT: a diagnostic accuracy study 2026-04-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08336-0 PMID:42026568	研究论文	评估定制化3D U-Net模型在CBCT上自动分割和检测双下颌管（BMC）的诊断性能	首次将定制化3D U-Net架构应用于CBCT影像中双下颌管的自动分割与检测，并采用MONAI框架和五折交叉验证	单中心研究，需多中心验证以确认更广泛的临床适用性	评估深度学习3D U-Net模型在CBCT上精准分割与检测双下颌管的诊断准确性	双下颌管（BMC）的CBCT影像	数字病理学	口腔颌面解剖变异	CBCT	3D U-Net	CBCT体数据	208例CBCT体数据	MONAI	定制化3D U-Net	Dice相似系数（DSC）、交并比（IoU）、敏感性、特异性、诊断准确率	NA
250	2026-07-03	Super-Resolution Microscopy for Precision Microsphere Defect Inspection Using Sparrow-Optimized Autocorrelation Deconvolution 2026-04, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70263 PMID:41996601	研究论文	提出一种基于麻雀搜索算法的自相关两步反卷积超分辨率图像重建方法，用于精密微球表面缺陷检测	自适应调整加速参数并使用混合能量函数优化的麻雀搜索算法，提升分辨率并抑制重建伪影	未明确说明局限性	提高精密微球表面缺陷检测的成像分辨率和准确性	精密微球表面缺陷	计算机视觉	NA	光学显微成像	麻雀搜索算法	图像	不同帧数的微球图像	NA	自相关两步反卷积	滚动傅里叶环相关（Rolling Fourier ring correlation）、半峰全宽（FWHM）	NA
251	2026-07-02	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Apr, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究基于学龄儿童筛查眼底照片开发深度学习模型预测眼轴长度	首次利用近乎正常的彩色眼底照片预测儿童眼轴长度，并系统评估年龄、等效球镜和性别等临床变量对模型性能的影响	未明确提及局限性，但可能包括样本仅来自6-10岁儿童、未考虑其他眼部参数以及性别加入导致性能下降的机制不明确	开发基于筛查眼底照片的深度学习模型预测学龄儿童眼轴长度	6-10岁学龄儿童的彩色眼底照片及相关临床数据（年龄、等效球镜、性别）	计算机视觉	近视相关眼病	眼底照相	卷积神经网络	图像	2779名儿童的3840张彩色眼底照片	NA	ResNet101	相关系数R	NA
252	2026-07-01	A lightweight GhostYOLO framework with GhostDynamic Module and multi-scale attention for thyroid nodule diagnosis 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51141-6 PMID:42049826	研究论文	提出一种基于YOLOv11的轻量级GhostYOLO框架，用于甲状腺结节超声图像检测	引入GhostDynamic模块降低模型复杂度，并设计多尺度注意力机制增强不同大小结节的特征提取能力	NA	开发高性能、计算高效的深度学习模型用于甲状腺结节检测	甲状腺结节超声图像	计算机视觉	甲状腺结节	NA	YOLOv11	图像	内部数据集12385张图像来自3140名患者，外部公开数据集8500张图像来自842例	NA	GhostDynamic Module, Multi-Scale Attention	mAP, F1-Score, mAP50	NA
253	2026-07-01	Attention-enhanced spatiotemporal deep learning for predictive maintenance in oil and gas assets: towards Maintenance 5.0 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47109-1 PMID:42049862	研究论文	本研究提出了一种结合注意力机制的时空卷积神经网络与门控循环单元（CNN-GRU）的深度学习专家系统，用于油气资产预测性维护，并符合维护5.0原则	首次将注意力机制与时空CNN-GRU结合，用于多模态传感器数据的预测性维护，提升了模型可解释性和特征相关性，并在仿真、基准和现场数据集上验证	文中未明确提及局限性	开发一种可解释、可泛化且可扩展的AI驱动的预测性维护系统，支持油气资产的生命周期管理，减少非计划停机和运营成本	油气资产中的关键设备（如轴承、压缩机）的故障检测与预测性维护	机器学习	NA	多模态传感器数据采集（振动、声学、热信号、操作信号）	CNN, GRU, 注意力机制	传感器信号数据（振动、声学、热、操作信号）	三个数据集：Tennessee Eastman Process模拟数据、Vishwakarma Institute of Technology滚动轴承振动数据集、油田气体压缩机操作模拟数据集	NA	注意力增强的时空CNN-GRU	F1分数, 准确率, 灵敏度	NA
254	2026-07-01	Modified graph neural network-oriented optimization model for the classification of PD 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48605-0 PMID:42056164	研究论文	提出一种基于改进图神经网络与深部优化算法的帕金森病分类模型	首次将Fossa优化算法与改进图神经网络结合用于帕金森病分期分类，通过Swin UNETR分割和短时傅里叶变换特征提取实现多模态数据融合	仅使用单一标准数据集，未验证跨人群泛化能力；多模态数据对齐方法未详细解释其对复杂临床场景的适应性	开发可靠的帕金森病分类方法以支持早期诊断和个性化治疗	帕金森病多阶段分类（健康对照、早期、中期、晚期）	机器学习	帕金森病	多模态数据对齐与归一化、Swin UNETR分割、短时傅里叶变换特征提取	改进图神经网络	多模态数据（临床评估、可穿戴传感器信号、MRI、DaTscan影像）	使用帕金森病分类基准数据集，样本量未明确说明	PyTorch, TensorFlow	Swin UNETR, 改进图神经网络	准确率、召回率	未明确说明
255	2026-07-01	Intelligent prediction and optimization of nanofluid-assisted turning using hybrid generative deep learning 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50277-9 PMID:42056191	研究论文	提出一种混合生成式深度学习模型，用于智能预测和优化纳米流体辅助车削工艺	创新性地整合响应面法、人工神经网络和生成对抗网络，解决纳米流体辅助加工中非线性预测和优化难题	未提及模型在其他材料或加工条件下的泛化能力，以及GAN训练的计算开销	实现纳米流体辅助车削的多目标智能预测与优化	EN31钢材的纳米流体辅助车削过程	机器学习	NA	纳米流体辅助加工、MWCNT基重力供液	混合深度学习模型（RSM、ANN、GAN）	数值数据（表面粗糙度、切削力、材料去除率）	未明确样本数量，但提及有限数据条件	NA	RSM、ANN、GAN	相关系数R（0.82-0.99）、均方误差MSE（1.49和7.89）、预测误差（<5%）	NA
256	2026-07-01	An advanced hybrid deep learning framework for high-precision brain tumor detection and classification in MRI scans 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50194-x PMID:42056374	研究论文	提出一种名为MultiAttenNet的混合深度学习框架，用于对MRI扫描中的脑肿瘤进行高精度检测与分类	首次将多尺度CNN与Transformer注意力机制整合在半监督学习框架中，通过多尺度特征提取增强对不同大小和不规则结构肿瘤的鲁棒性，并利用自适应注意力模块动态突出诊断相关区域以减少假阳性	未明确说明局限性，但可推测依赖公共数据集（如BraTS 2023和Figshare）的标注质量，且真实临床环境的泛化性有待进一步验证	实现脑肿瘤的早期、高精度自动检测与分类，以支持神经肿瘤学中的实时临床决策	脑肿瘤的MRI图像（包括胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤（胶质瘤、脑膜瘤、垂体瘤）	MRI成像	CNN-Transformer混合模型	图像	BraTS 2023数据集（胶质瘤分割）和Figshare脑肿瘤数据集（多类分类），具体样本数量未说明	NA	多尺度CNN、Transformer、自适应注意力模块	准确率、敏感性、特异性、假阳性率	NA
257	2026-06-16	Agrimind intelligent deep learning framework for accurate soil fertility prediction 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50366-9 PMID:42049804	研究论文	提出AgriMind智能深度学习框架用于准确预测土壤肥力	提出了结合SMOTEImputeScaler预处理、Attentive LSTM Aware Dense Network模型和遗传概率搜索超参数优化的全新预测框架	未提及具体局限性，但可推断可能受限于数据集规模和特定土壤类型的泛化能力	提高土壤肥力预测的准确性和可靠性，优化农业生产效率	土壤肥力预测数据集	机器学习	NA	NA	深度学习模型（LSTM、密集网络）	结构化土壤成分数据	未明确样本数量，数据划分为70%训练、10%验证、20%测试	未明确指定，可能是TensorFlow或PyTorch	Attentive LSTM Aware Dense Network (ALADN)	准确率、精确率、召回率、F1分数、Cohen's Kappa系数	未提及
258	2026-06-16	Stacked CT radiomics, deep learning and clinical feature models for differentiating benign and malignant solitary pulmonary nodules 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49720-8 PMID:42049816	研究论文	通过堆叠临床特征、CT影像组学和深度学习模型，区分良恶性孤立性肺结节	首次将临床、影像组学、深度学习和血清学信息通过堆叠集成方法进行多模态融合，显著提升了孤立性肺结节的风险分层能力	NA	开发一种非侵入性工具，准确区分良恶性孤立性肺结节，以减少不必要的有创活检	201名孤立性肺结节患者（110例恶性，91例良性）	数字病理学，计算机视觉	肺癌	高分辨率CT	Swin-Transformer，LASSO，堆叠集成	图像，临床数据	201名患者	NA	NA	NA	NA
259	2026-07-01	Federated learning-driven intelligent framework for multi-center radiotherapy dose distribution prediction oriented toward linear accelerators 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49826-z PMID:42049930	研究论文	提出一种联邦学习驱动的智能框架，用于多中心放疗剂量分布预测，旨在解决数据孤岛和隐私保护问题	首次将多尺度注意力U-Net与自适应加权联邦聚合策略结合，并集成梯度裁剪差分隐私和安全聚合的分层隐私保护机制，以应对非独立同分布数据挑战	未明确提及	实现多中心协作训练下的高质量放疗剂量分布预测，同时保障患者数据隐私	来自四个临床中心的头颈部和腹部调强放疗病例	机器学习, 数字病理	头颈部肿瘤, 腹部肿瘤	NA	注意力U-Net	三维剂量分布图像	来自四个临床中心的头颈部和腹部IMRT病例，具体数量未提供	PyTorch	多尺度注意力U-Net	Gamma通过率	NA
260	2026-07-01	A unified privacy-preserving data mining framework with multi-noise injection and hybrid deep learning for robust privacy-utility trade-offs 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49949-3 PMID:42050040	研究论文	提出一种统一的隐私保护数据挖掘框架，通过多噪声注入和混合深度学习实现隐私与效用的稳健权衡	首次将多噪声注入层与混合1D CNN-LSTM模型结合，在隐私保护数据挖掘中实现深度防御机制，优于传统流水线	未提及实际部署中的计算开销或大规模数据集性能表现	解决隐私保护数据挖掘中隐私与数据效用之间的权衡问题	乳腺癌、成人收入及客户流失数据集	机器学习	乳腺癌	NA	混合1D CNN-LSTM	表格数据	三个公开数据集（未明确具体样本数）	NA	1D CNN-LSTM	预测准确率, Kappa分数	NA