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
181	2026-08-12	MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54489-x PMID:42225724	研究论文	本文介绍了MedNet-FS，一个基于三维MRI的膝关节损伤分类的小样本学习框架，通过领域特定预训练和GE2E损失提高了数据稀缺环境下的分类性能。	创新地将领域特定的MRI预训练与Generalized End-to-End (GE2E)损失相结合，形成针对三维医学影像的小样本学习框架，显著优于通用预训练或标准交叉熵损失的方法。	对于模糊的部分撕裂病例，性能下降（AUC为0.58），且当前性能未达到自主临床部署的阈值。	开发一个数据高效的三维MRI膝关节损伤分类框架，减少对大规模标注数据的依赖。	膝关节MRI图像，包括ACL撕裂检测和区分完整与完全撕裂的病例。	计算机视觉, 数字病理学	膝关节损伤	MRI	小样本学习框架	图像（三维MRI）	内部MRNet数据集每类40个样本；外部KneeMRI数据集用于验证	PyTorch	GE2E, 3D CNN	AUC	NA
182	2026-08-12	LLM-guided expert feature extraction with fusion-based complementary learning network for fish freshness classification using eye images 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55139-y PMID:42225756	research paper	本文提出了一种基于融合的互补学习网络（FCLN），结合专家建议的光度特征与深度视觉表示，用于鱼类新鲜度分类，并利用大语言模型自动提取可解释的数值特征	利用大语言模型处理鱼类专家知识以自动识别视觉线索并生成数值特征，免除了人工特征工程；提出融合式互补学习网络（FCLN）和互补学习分析（CLA）验证数值特征与图像嵌入的互补性	该方法在密集和遮挡环境下的准确性仍有待提高，且依赖鱼类专家知识和大语言模型的整合，可能受限于特定数据集	开发一种准确、非侵入性的鱼类新鲜度分级方法，解决密集和遮挡环境下现有深度学习模型学习不一致的问题	鱼类眼部图像，包含多种鱼类物种和新鲜度类别	computer vision	NA	NA	CNN	image	Fish Freshness Eye (FFE) 数据集，包含多种鱼类物种和新鲜度类别（具体数量未提及）	NA	ResNet50	accuracy, correlation	NA
183	2026-08-12	Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55530-9 PMID:42225843	研究论文	评估基于深度学习的算法在非对比脑CT上检测急性缺血性卒中（包括小梗死）的诊断性能，并验证AI辅助判读对医生诊断准确性的提升效果。	采用多读者、关键性、交叉随机研究设计，评估AI算法在不同专业水平医生中的辅助效果，特别关注非放射科医生的改善程度。	研究为回顾性设计，可能引入选择偏倚；样本来自单一机构，外部验证缺乏。	评估深度学习算法在非对比CT上检测急性缺血性卒中的诊断性能及其对医生判读的辅助价值。	917例非对比脑CT图像，覆盖不同梗死体积的急性缺血性卒中病例。	医学影像分析	急性缺血性卒中	非对比CT成像	深度学习模型（具体架构未提及）	医学图像（CT）	917例脑CT图像	未提及	未提及	AUC、准确性、敏感性、特异性	NA
184	2026-08-12	Comparative evaluation of CNN models for nasopharyngeal carcinoma classification on pathology data 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53395-6 PMID:42225742	研究论文	本研究系统性评估了多种卷积神经网络模型在鼻咽癌病理全切片图像分类中的性能，并探索了混合架构以提升分类准确性	首次对多种CNN架构及混合特征融合策略进行系统比较，用于鼻咽癌多类分类，并有效结合数据增强和类权重缓解类别不平衡	未提及具体的计算资源或更广泛的临床验证，可能限制泛化性	评估并优化CNN模型用于鼻咽癌的自动分类，辅助病理诊断	鼻咽癌病理全切片图像，来自两家医院，分为正常、淋巴增生、鼻咽炎症和鼻咽癌四类	数字病理学	鼻咽癌	全切片成像	卷积神经网络（CNN）	图像	88,002张专家标注的病理图像	NA	DenseNet201, MobileNet, EfficientNetB0, InceptionNet, XceptionNet, VGG16, NASNetMobile, 及混合结构	准确率、精确率、F1分数、训练时间	NA
185	2026-08-12	Privacy-aware continuous federated biometric authentication (PACFBA) using federated deep learning: a novel usable security framework 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55046-2 PMID:42225851	研究论文	提出了一种名为PACFBA的隐私感知连续联邦生物特征认证框架，利用联邦深度学习实现移动、物联网和边缘环境中的持续用户验证	将联邦学习与混合CNN-LSTM架构相结合，并集成差分隐私和同态加密，实现连续、去中心化的生物特征认证，同时保护用户数据隐私并降低通信开销	需要进一步使用大规模、异构的真实世界数据集进行实证验证，才能完全具备部署条件	设计一种安全、无缝且保护隐私的连续认证机制，以解决传统认证方法仅在初始登录时验证用户而无法确保整个活动会话期间持续验证的问题	移动、物联网和边缘环境中的生物特征认证机制	机器学习	NA	NA	CNN-LSTM	生物特征数据	NA	NA	CNN, LSTM	准确率, 精确率, 召回率, F1分数	NA
186	2026-08-12	Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm 2026-05-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02476-z PMID:42226141	研究论文	本研究评估了双能CT中结合深度学习图像重建算法的薄层低能量虚拟单色图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的改善效果	首次探讨将0.625毫米薄层40 keV虚拟单色图像与深度学习图像重建算法相结合，用于改善儿童肝母细胞瘤PRETEXT分期的图像质量和诊断信心	单中心回顾性研究，样本量较小（53例）	评估薄层40 keV双能CT图像结合深度学习图像重建算法能否提高儿童肝母细胞瘤PRETEXT分期的图像质量和诊断信心	53例经病理确诊的肝母细胞瘤患儿（平均年龄3.54±2.26岁）	医学影像	肝母细胞瘤	双能CT	深度学习图像重建算法	CT图像	53例患儿	NA	NA	对比噪声比、边缘上升斜率、5点李克特量表评分	NA
187	2026-08-12	Long-term continuous monitoring of wearable ECG signals for atrial fibrillation detection 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54532-x PMID:42218208	研究论文	本研究评估了一种轻量级卷积神经网络在长期可穿戴心电图监测中自动检测心房颤动的性能，并进行了领域自适应微调	使用真实世界可穿戴心电图数据对预训练模型进行领域自适应微调，显著提升了在长期监测场景中的心房颤动检测性能	未在摘要中提及具体局限性	验证轻量级深度学习模型在长期可穿戴心电图监测中可靠筛查心房颤动的可行性	心房颤动患者和健康受试者的可穿戴心电图信号	数字病理学	心血管疾病（心房颤动）	心电图监测	卷积神经网络（CNN）	心电图信号	173名受试者（87名心房颤动患者和86名健康受试者），包含165175个注释心电图片段，其中24252次心房颤动发作	未提及	轻量级卷积神经网络	特异性、F1分数、曲线下面积（AUC）、准确性	未提及
188	2026-08-12	A lightweight deep learning model with channel attention for kidney cell classification from microscopy images 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55088-6 PMID:42218235	研究论文	介绍了一种轻量级深度学习模型CytoECA-Net，用于从显微镜图像中分类肾脏细胞类型，平衡了准确性、效率和可解释性。	提出任务特定的CNN架构，采用深度可分离卷积减少空间滤波冗余，并结合高效通道注意力和残差连接，以捕获核内判别模式，在资源受限环境下具有高效性。	未提及具体限制，但可能受到荧光显微镜图像数据集的多样性限制。	开发一种轻量级、高效的深度学习模型，用于肾脏细胞类型分类，并适用于资源有限的生物医学诊断环境。	肾脏细胞类型，涉及正常肾脏生理和早期病理变化检测。	计算机视觉、数字病理学	肾脏疾病	荧光显微镜成像	卷积神经网络（CNN）	图像（荧光显微镜图像）	约236,000张图像（TissueMNIST基准）和KMC-RENAL组织病理学数据集	NA	深度可分离卷积网络，包含五阶段层次设计、通道注意力和残差连接	准确率、AUC、推理时间	未明确提及GPU类型或云平台，但强调低内存需求和高效计算
189	2026-08-12	Innovation research on college students' mental health management system based on internet of things technology 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54082-2 PMID:42218274	研究论文	本文介绍一种基于物联网技术的大学生心理健康管理系统，旨在减少心理健康数据处理中的不一致性	引入了由物联网驱动的深思熟虑管理系统，通过基于动作和非动作区间的非相同观察减少不一致性，并利用深度学习识别非相同到相同的数据流同化，防止误报率	信息未提供	提高大学生心理健康管理的精度和稳定性，减少数据处理中的不一致性	大学生心理健康数据	物联网、深度学习	心理健康疾病	物联网技术、深度学习	深度学习模型	心理健康观测数据	信息未提供	NA	NA	准确率、误报率、开销、时间需求	NA
190	2026-08-12	Integrating handcrafted and deep learning MRI signatures: an interpretable framework for predicting chemotherapy benefit in glioma 2026-May-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01538-3 PMID:42218260	研究论文	本研究基于术前多模态MRI数据，整合手工影像组学特征与深度学习特征，构建并评估了一个可解释的融合模型，用于预测胶质瘤术后辅助化疗获益情况	创新性地融合了手工影像组学特征和深度学习嵌入特征，并采用SHAP、方差分析和Grad-CAM进行模型解释，揭示了两种特征的信息互补性	样本量有限且来自单一队列（TCGA-LGG），且使用总生存期作为替代终点，可能限制泛化性	开发一个可解释的多模态AI框架，整合手工和深度学习MRI特征，以提升胶质瘤术后化疗获益预测的准确性	胶质瘤患者的多模态MRI影像数据及相应的临床和生存信息	医学影像分析、机器学习	胶质瘤	MRI影像组学、3D CNN、迁移学习	3D卷积神经网络（3D CNN）、ResNet-18	多模态MRI图像、临床数据	来自TCGA-LGG队列的胶质瘤患者，具体数量未提供	PyTorch	轻量级3D CNN、3D ResNet-18（MedicalNet）	AUC	未提供
191	2026-08-12	PromptSE: drug side effect prediction with LLM-derived pharmacological representations 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55667-7 PMID:42218286	研究论文	提出PromptSE框架，利用大型语言模型生成药理学相关的副作用表示，并结合深度学习提高药物-副作用关联预测性能	采用定制的逐步提示方法针对副作用文本特点生成药理学表示，超越了简单编码或常规提示；并集成多模态药物信息和图神经网络处理稀有实体	未明确说明局限性，但可能依赖于提示设计质量和大型语言模型的计算成本	提高药物-副作用关联预测的准确性，支持更安全的药物开发和可靠的药理学研究	药物与副作用之间的关联	自然语言处理、机器学习	不适用	基于大型语言模型的提示工程	图神经网络、深度学习	文本数据（副作用描述）、药物多模态信息（如结构化数据）	未明确提及具体样本数量	未明确提及	图神经网络、自定义深度学习模块	AUPR（精确率-召回率曲线下面积）	未明确提及
192	2026-08-12	Deep hybrid architecture for multi-class detection of network layer attacks in WSN 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55532-7 PMID:42218320	研究论文	提出一种结合门控循环单元和长短期记忆网络的混合深度学习模型，用于无线传感器网络中多类别网络层攻击的检测	首次将GRU和LSTM的混合架构应用于WSN网络层攻击的多分类检测，融合GRU的时间学习能力和LSTM的长期依赖学习能力，并采用SMOTE技术处理数据不平衡问题	未提及模型的实时性能、部署成本以及在不同规模WSN场景下的泛化能力	开发一种能够准确检测无线传感器网络网络层多类别攻击的混合深度学习模型	无线传感器网络中的网络层攻击，包括黑洞攻击、洪泛攻击和选择性转发攻击	机器学习	NA	NA	GRU+LSTM混合模型	WSNBFSF数据集（网络流量数据）	WSNBFSF数据集，具体样本数量未在摘要中说明	NA	GRU, LSTM	准确率, 精确率, 召回率, F1分数, 宏平均F1, 加权平均F1	NA
193	2026-08-12	Deep learning-based cervical cancer T-staging using MRI: multi-structure segmentation and classification 2026-05-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02449-2 PMID:42218381	研究论文	开发基于深度学习的宫颈癌MRI自动分割和T分期技术，以提高临床诊断准确性和效率	设计了一种新的分割网络CPANet，融合全局金字塔引导和空洞空间金字塔池化模块，并在T分期中使用Swin Transformer达到最佳性能	未提及具体局限性	提高宫颈癌MRI自动分割和T分期的临床诊断准确性和效率	宫颈癌MRI图像中的肿瘤、子宫、膀胱和直肠结构	医学影像分析	宫颈癌	MRI	CNN, Transformer	MRI图像	144名患者的17,479张fT1WI MRI扫描	NA	CPANet, UNet, UNet++, DeepLabv3+, UperNet-Swin, ResNet50, DenseNet121, Swin Transformer	Dice相似系数(DSC), AUC, 处理时间	NA
194	2026-08-12	Intelligent Manufacturing: A Fully Annotated Synthetic Dataset for Fiber Orientation Estimation 2026-May-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07439-1 PMID:42162009	研究论文	本文介绍了一个完全标注的合成数据集，用于短纤维增强聚合物中纤维取向的机器学习估计	通过物理信息模拟管道生成包含55,092张高分辨率显微镜样图像的合成数据集，并提供无噪声的二维取向张量注释，支持监督学习和基准测试	未提供具体局限性信息	支持基于机器学习的纤维取向估计，并促进复合材料表征和智能制造自动化工作流的发展	短纤维增强聚合物中的纤维取向	计算机视觉	NA	X射线显微镜	深度学习模型	图像	55,092张高分辨率显微镜样图像	NA	NA	NA	NA
195	2026-08-12	Deep learning for predicting patient drug response by transferring gene-level and cell-level knowledge to tumors 2026-May-20, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01491-1 PMID:42162195	研究论文	提出THERAPI深度学习框架，通过将基因和细胞层面的知识迁移到肿瘤中，预测患者药物反应，以提高精准肿瘤学的预测准确性和可解释性	通过注意力聚合机制将患者肿瘤与细胞系对齐，建模肿瘤为细胞系的线性组合，并利用预训练的扰动和排名嵌入迁移基因和细胞层面的知识	摘要未提及具体局限性	解决患者级药物反应预测中临床数据稀缺和域转移问题，实现可泛化且可解释的药物反应预测	患者肿瘤样本和细胞系数据	深度学习、药物反应预测	癌症	深度学习、注意力机制	深度学习框架（THERAPI）	基因表达数据和细胞系数据	TCGA数据集及外部乳腺癌和结直肠癌队列	NA	注意力聚合网络	NA	NA
196	2026-08-12	A deep learning framework for scientific chart data extraction and reconstruction 2026-May-20, Communications engineering DOI:10.1038/s44172-026-00691-8 PMID:42162368	研究论文	提出了ChartRecover，一个基于深度学习的框架，用于从科学图表中端到端提取和重构数据	引入坐标变换策略，通过坐标轴刻度对齐和自适应转换，将视觉像素坐标与真实数值对齐，实现跨多样图表类型的鲁棒性图形元素识别和数据重构	未明确提及具体限制，但可能面对图形异质性和噪声的挑战	推进科学图表的数据提取和重构，以提高研究透明度和可重复性	科学图表中的图形元素和数据	计算机视觉	不适用	深度学习	对象检测模型	科学图表图像	未明确	未明确	对象检测架构（如YOLO、Faster R-CNN等，未具体指定）	通用性和高保真恢复性能，包括准确率等（未具体列出）	未明确
197	2026-08-12	Physics-Informed Machine Learning in Biomedical Science and Engineering 2026-May, Annual review of biomedical engineering IF:12.8Q1 DOI:10.1146/annurev-bioeng-110824-124907 PMID:42067517	综述	本文综述了物理信息机器学习在生物医学科学与工程中的应用，重点介绍了物理信息神经网络、神经常微分方程和神经算子三类框架	系统性地回顾了PIML三类主要框架在生物医学领域的应用，并探讨了其与大型语言模型整合的未来方向	未提及具体局限性，但指出了包括不确定性量化、泛化性以及PIML与大型语言模型整合等开放挑战	旨在介绍物理信息机器学习作为生物医学系统建模的新范式，并概述其应用、挑战和未来方向	生物医学系统中的物理信息机器学习框架，包括PINNs、NODEs和NOs	机器学习	不适用	不适用	物理信息神经网络, 神经常微分方程, 神经算子	不适用	不适用	不适用	不适用	不适用	不适用
198	2026-08-12	Beyond Diagnosis: A Systematic Review of Artificial Intelligence and Deep Learning in Monitoring Iron Overload and Organ Toxicity in Beta-Thalassemia 2026-May, Hemoglobin IF:1.2Q4 DOI:10.1080/03630269.2026.2653733 PMID:42091230	系统综述	本系统综述评估了人工智能（AI）和深度学习（DL）在β-地中海贫血患者铁过载和器官毒性监测中的应用，重点关注基于MRI数据的分析和预测建模。	首次系统性地审查了AI和DL在β-地中海贫血中铁过载监测中的最新进展，强调其在严重铁过载情况下相比传统方法的优势。	纳入的研究多为回顾性、单中心研究，缺乏外部验证，导致高偏倚风险；存在标准报告和可解释性不足的问题。	评估AI和DL技术在监测β-地中海贫血患者铁过载和相关器官毒性中的当前证据，以确定其潜力和局限性。	β-地中海贫血患者，重点研究肝脏和心脏的铁浓度及铁相关并发症。	机器学习	β-地中海贫血	MRI T2* 松弛测量法和R2*映射	深度学习模型	MRI图像和临床数据	8项纳入研究	未指定	未指定（但涉及分割和预测的DL架构）	分割准确性、观察者间变异性、严重铁过载时的性能表现	未说明
199	2026-08-12	Body Composition in the General Population: Whole-body MRI-derived Reference Curves from Over 66 000 Individuals 2026-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.251939 PMID:42084507	研究论文	本研究利用超过66,000名普通人群的全身MRI扫描数据，计算年龄、性别和身高标准化的身体成分Z分数，并评估其对心脏代谢结局的预后价值。	提供了基于全身MRI的大规模年龄、性别和身高特异性身体成分参考曲线，并开源了全自动深度学习框架和Z分数计算器，用于预测心脏代谢结局。	未明确列出具体局限性，但可能包括回顾性设计、数据来源的局限性或Z分数在临床应用中的验证不足。	计算普通人群的全身MRI衍生身体成分Z分数，并评估其对心脏代谢结局和死亡率的预后价值，超越传统风险因素。	超过66,000名普通人群个体，包括皮下脂肪组织、内脏脂肪组织、骨骼肌、骨骼肌脂肪分数和肌间脂肪组织。	医学影像、机器学习、数字病理	心血管疾病、糖尿病、老年疾病	全身MRI（磁共振成像）	深度学习模型（具体类型未指定，但为全自动框架）	医学影像数据（MRI）和临床数据	66,608名个体（平均年龄57.7岁，34,443名男性）	NA	NA	风险比（hazard ratios）	NA
200	2026-08-11	A Few-shot Multimodal Deep Learning Framework For Precision Diagnosis Of Parotid Gland 2026-05-08, Journal of visualized experiments : JoVE DOI:10.3791/70231 PMID:42184237	研究论文	提出了一种基于小样本学习的多模态深度学习框架，整合多序列MRI和空间注意力机制，用于腮腺肿瘤的精准诊断，并在198名患者的回顾性队列中验证了其高效性。	采用多模态融合和多数尺度空间注意力机制，在样本有限条件下提升特征提取和分类性能，并展示了与有经验放射科医生相比的诊断优势。	未明确提及局限性，可能受限于回顾性单中心数据以及样本量较小。	开发一种多模态深度学习框架，以改善腮腺肿瘤术前良恶性鉴别的准确性，减少诊断挑战。	腮腺肿瘤患者的术前MRI数据（包括T1加权、T2加权和扩散加权成像）。	深度学习	腮腺肿瘤	MRI	多模态深度学习模型	图像	198名患者的腮腺肿瘤MRI数据（107名良性，91名恶性）	PyTorch	多模态融合架构（含注意力机制）	AUC	NA