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
221	2026-08-07	IoT-powered wearable assist device for visually impaired 2026-05, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2582033 PMID:41182323	研究论文	本研究开发并评估了一种基于物联网的可穿戴辅助设备，该设备结合实时物体检测、人脸识别和障碍物感知，旨在改善视力障碍者的行动能力和环境交互。	将物联网、深度学习（SVM、ResNet-50、YOLOv4）和低成本硬件集成到一个统一的可穿戴系统中，实现了高精度、低延迟的实时辅助导航。	缺乏大规模用户验证，未提及设备舒适性、电池寿命等实际应用中的潜在问题。	开发并评估一种物联网驱动的可穿戴辅助设备，以提高视力障碍者的障碍物感知、移动能力和环境交互。	视力障碍者以及开发的可穿戴辅助设备原型。	计算机视觉	视觉障碍	物联网、深度学习、机器学习	SVM、CNN（ResNet-50）、YOLOv4	图像、传感器数据	未明确提及样本量，但系统在多种环境条件下进行了评估。	未明确提及，但可能涉及TensorFlow或PyTorch（基于深度学习模型）	ResNet-50, YOLOv4, SVM	准确率、精确率、召回率、F1分数	未明确提及，但涉及ESP32-CAM模块和Arduino微控制器，可能使用边缘计算设备。
222	2026-08-05	Deep learning-based CT radiomics for ALK rearrangement status prediction in lung adenocarcinoma 2026-May-14, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16124-w PMID:42135669	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
223	2026-08-03	A survey of deep learning techniques in detecting neurological disorders using MRI 2026-May-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01587-6 PMID:42216001	综述	本文对基于MRI的深度学习技术在神经系统疾病检测中的应用进行了全面综述，系统分析了2019年至2025年间发表的47篇研究论文，涵盖超过40种深度学习架构和34个公开及临床数据集，并比较了不同方法在性能、数据集特征、评估协议和计算需求上的表现。	系统性地对CNN、ViT、混合CNN-Transformer及其他专门深度学习框架在神经系统疾病检测中的应用进行分类和批判性分析，并识别了新兴架构趋势，强调了当前方法在泛化性、可解释性和临床适用性方面的相对优势和局限性。	综述指出现有研究存在跨机构验证不足、数据集异质性、可解释性欠缺以及临床部署挑战等关键研究空白。	对基于MRI的深度学习技术在神经系统疾病检测中的应用进行全面综述，总结现有方法、识别研究空白，并提出未来研究方向以增强系统的可靠性及临床转化。	神经系统疾病，包括阿尔茨海默病、脑肿瘤、帕金森病、多发性硬化和精神分裂症。	计算机视觉、机器学习、医学影像分析	神经系统疾病	MRI	CNN、Vision Transformer、混合CNN-Transformer、其他深度学习框架	MRI图像	47篇研究论文，34个数据集	NA	CNN、ViT、混合CNN-Transformer	NA	NA
224	2026-08-03	Optimizing preoperative planning for total hip arthroplasty using random forest models to predict stem size and compatibility 2026-May-29, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-10022-9 PMID:42216166	研究论文	本研究利用随机森林模型优化全髋关节置换术的术前规划，预测柄尺寸和适配性	提出基于监督机器学习模型（随机森林）预测柄尺寸和适配性，并引入特征工程中的比率信息提升模型性能	模型仅针对Accolade II柄进行验证，需进一步验证以适用于其他植入系统	开发辅助医生进行术前规划的模型，以估计柄尺寸和与股骨几何的兼容性	接受全髋关节置换术的患者（320髋用于训练，109髋用于测试）	机器学习	骨科疾病（全髋关节置换术）	CT影像	随机森林	图像（CT影像）及数值测量数据	训练数据320髋，测试数据109髋	NA	随机森林	准确率、F1分数、精确率、召回率	NA
225	2026-08-03	Multi-scale temporal convolution attention network for state-of-charge estimation in Li-ion batteries 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53615-z PMID:42177236	研究论文	提出了一种用于锂离子电池荷电状态估计的多尺度时间卷积注意力网络（MSTCAN），该网络融合多尺度时间卷积和注意力机制，在特斯拉Model-3 2170电池数据集上实现了高精度估计。	提出多尺度时间卷积注意力网络（MSTCAN），结合多尺度时间卷积进行层次特征提取和注意力机制突出关键信号，能同时捕捉短期瞬态和长期SOC演化。	未在摘要中明确提及局限性。	实现锂离子电池荷电状态（SOC）的精准估计，提升电池管理系统（BMS）的性能和效率。	特斯拉Model-3 2170锂离子电池的电压、电流和温度测量数据。	机器学习	NA	数据清洗、最小-最大归一化、基于周期的分割	多尺度时间卷积网络和注意力机制（MSTCAN）	时间序列数据（电压、电流、温度）	特斯拉Model-3 2170电池数据集	NA	多尺度时间卷积网络，注意力机制	均方根误差（RMSE）、平均绝对误差（MAE）、最大误差、决定系数（R²）	NA
226	2026-08-03	Performance comparison between a deep learning model and spine surgeons in detecting cervical spinal cord compression on radiographs 2026-May-22, Journal of neurosurgery. Spine DOI:10.3171/2026.1.SPINE251409 PMID:42172670	研究论文	开发了一种深度学习模型用于在颈椎X光片上检测颈椎脊髓压迫，并与脊柱外科医生的诊断性能进行比较。	首次开发了基于分割的定位算法和二元分类的深度学习模型，用于颈椎X光片上的脊髓压迫检测，并使用Grad-CAM进行可视化。	样本量较小，且仅使用了影像学资料，未纳入临床数据。	开发一种深度学习模型以检测颈椎放射照片上的脊髓压迫，并评估其与脊柱外科医生相比的诊断性能。	颈椎X光片和MRI影像数据	计算机视觉	颈椎脊髓压迫	MRI作为金标准	深度学习模型（基于分割和分类）	图像	600例内部样本（训练480，验证60，内部测试60），外部测试60例	NA	分割网络和分类网络	准确率、敏感性、特异性、F1分数、AUC	未提及
227	2026-08-02	Deep learning and radiomics models in patients with advanced non-small cell lung cancer treated with immunotherapy combined with stereotactic radiotherapy 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53520-5 PMID:42174085	研究论文	本研究探讨了深度学习和放射组学模型在晚期非小细胞肺癌患者接受免疫治疗联合立体定向放疗中的预后预测能力	首次利用随机试验数据比较深度学习与放射组学模型在预测免疫治疗联合立体定向放疗的晚期非小细胞肺癌患者病灶进展和生存结局方面的性能	外部验证中模型性能下降，泛化能力有待提高	评估放射组学和深度学习模型能否预测晚期非小细胞肺癌患者接受免疫治疗联合立体定向放疗的肿瘤学结局	晚期非小细胞肺癌患者的影像数据及临床特征	医学影像分析	非小细胞肺癌	影像组学、深度学习	随机森林、卷积神经网络（深度学习模型）	医学影像（CT等）和临床数据	来自三个随机试验（PEMBRO-RT, NIVORAD, MDACC）的患者样本	未明确提及	随机森林、卷积神经网络（深度学习架构，具体未明确）	AUC、一致性指数（concordance index）	未明确提及
228	2026-08-02	Bearing capacity of inclined-loaded footings above dual tunnels in rock masses 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54298-2 PMID:42185449	研究论文	该研究通过有限元极限分析，探讨了Hoek-Brown岩体中双隧道上方刚性条形基础在倾斜荷载下的承载力，并提出了基于深度学习的预测公式	精确识别了荷载“临界角”阈值，该阈值随隧道深度变化，并区分了深层隧道耦合破坏和浅层表面控制滑动破坏两种机制；同时利用深度学习算法将数值模拟数据转化为显式、可解释的预测公式	未明确提及局限性，可能包括对特定岩体条件、荷载路径和几何形状的简化假设	研究双隧道上方岩体在倾斜荷载下刚性条形基础的承载力，并量化隧道深度、间距、岩体强度等关键参数的影响，提供工程设计指导	Hoek-Brown岩体中的双方形隧道、刚性条形基础	岩土工程	不适用	有限元极限分析（FELA）和深度学习算法	深度学习模型	模拟数据（有限元分析结果）	未明确样本数量，但涉及广泛的参数范围（隧道深度比1.5-3.0，间距比1-6，GSI 50-100，完整岩石常数m值7-25）	未明确	未明确	误差范围（上下界误差小于3%）	未明确提及
229	2026-08-02	A well-perceived, blind image quality assessment algorithm using an enhanced noise feature criterion 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54147-2 PMID:42177264	研究论文	提出一种基于增强噪声特征准则的盲图像质量评估算法，以提升无参考图像质量评估的实用性和准确性	引入改进的噪声加权和决策准则，解决传统噪声特征分析在强水平结构图像（如栅栏状图案）中不稳定的问题，实现更高或相当的预测性能	未明确提及，但可能依赖特定数据集，且算法在复杂场景下的泛化能力有待进一步验证	开发一种即时实用、基于感知的盲图像质量评估方法，提高质量估计的准确性和适用性	无参考图像质量评估算法，以及四类公开图像数据库（LIVE、CSIQ、TID2013和KADID-10k）中的图像	计算机视觉	不适用	噪声特征分析	不适用	图像	四个公开数据库（LIVE、CSIQ、TID2013和KADID-10k），其中TID2013包含24张完美无失真图像	不适用	不适用	Spearman秩相关系数（SROCC）和皮尔逊线性相关系数（PLCC）	不适用
230	2026-08-02	SSAS-GO: structure-sequence adaptive synergy network for protein function prediction 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag408 PMID:42537002	研究论文	提出结构-序列自适应协同网络（SSAS-GO），用于蛋白质功能预测，集成序列和结构特征。	提出SSAS-GO网络，采用多尺度模体块提取局部序列语义锚点，并行双流图编码器捕获空间拓扑，并通过任务自适应跨模态门控机制动态重新校准序列和结构特征的权重。	未在摘要中提及明确局限性。	解决蛋白质功能预测中模态整合不足和模态干扰问题。	蛋白质功能预测。	机器学习，数字病理学	NA	深度学习中的蛋白质序列和结构特征提取	卷积神经网络，图卷积网络	蛋白质序列和结构数据	PDBch测试集和AFch测试集，具体样本数量未提供	NA	多尺度模体块，双流图编码器，任务自适应跨模态门控机制	精确率-召回率曲线下面积（AUPR）	NA
231	2026-08-02	The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review 2026-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121869 PMID:41881175	综述	本文对用于脑损伤患者T1加权MRI病灶填充工具进行了范围综述，分类并比较了传统和深度学习方法	首次系统梳理脑损伤T1加权MRI病灶填充工具，并对其分类与传统和深度学习方法进行比较	范围综述可能未覆盖所有相关工具，且未进行定量比较	提供可用于脑损伤患者神经影像分析的病灶填充工具的详细概述，并给出使用与开发建议	脑损伤（ABI）患者的T1加权MRI病灶填充工具	医学影像	脑损伤	MRI	卷积神经网络、生成对抗网络、去噪扩散模型	图像	24篇研究论文	NA	卷积神经网络、生成对抗网络、去噪扩散模型	NA	NA
232	2026-07-30	In silico generation of gene expression profiles using diffusion models 2026-May-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06470-8 PMID:42226153	研究论文	提出一种基于扩散模型的基因表达谱生成方法，用于解决转录组学数据稀缺问题	首次将扩散模型（DDPM和DDIM）应用于转录组学数据生成，并比较了线性和非线性重构方法提升完整转录组恢复性能	未提及具体限制	开发一种利用扩散模型生成合成转录组学数据的方法，以提高下游分析性能	L1000标志基因表达数据、TCGA和GTEx数据集	机器学习	NA	RNA-seq	扩散模型	基因表达数据（转录组学）	未明确说明样本数量	NA	DDPM, DDIM	数据质量指标	NA
233	2026-07-30	AutoCumulus: an automated mammographic density measure created using artificial intelligence 2026-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16264-z PMID:42210110	研究论文	提出一种基于深度学习的自动乳腺密度测量方法AutoCumulus，并验证其高精度与临床应用潜力	首次将深度学习应用于半自动CUMULUS测量方法学习，实现全自动乳腺密度评估，在重复性和间歇性癌症预测上优于现有方法LIBRA	需在临床实施前进行进一步验证	开发一种可扩展的高精度自动乳腺密度测量方法，作为乳腺癌风险指标	9,057名BRAIx项目参与者的乳腺X线图像	计算机视觉	乳腺癌	乳腺X线摄影	深度学习回归模型	图像	9,057名女性乳腺X线图像	PyTorch	ConvNeXtSmall	相关系数, 特异性, AUC	NA
234	2026-07-30	Deep learning for early detection of guava fruit anthracnose and fruit fly infestation 2026-May-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-09125-1 PMID:42210111	研究论文	利用深度学习系统早期检测番石榴炭疽病和果蝇侵染	首个针对南亚地区番石榴炭疽病和果蝇侵染早期症状的深度学习分类系统，采用CLAHE和去模糊掩膜增强预处理，并在边缘设备Raspberry Pi 4B上实现了高效部署	数据集规模较小（仅473张图像），且仅依赖单一专家验证，可能影响模型的泛化能力	开发基于深度学习的分类系统，用于早期检测番石榴炭疽病和果蝇侵染	番石榴果实图像中的炭疽病和果蝇侵染症状	计算机视觉	番石榴病害	图像预处理（CLAHE和去模糊掩膜）、迁移学习	卷积神经网络（CNN）和视觉变换器	图像	473张标注后的番石榴果实图像	PyTorch	ResNet50, EfficientNetB3, DenseNet121, Vision Transformer	准确率, 精确率, 召回率, F1分数, ROC-AUC	Raspberry Pi 4B边缘设备
235	2026-07-30	Cardiac arrhythmia detection via PQRST analyzed data using an optimized hierarchical fused fuzzy deep reinforcement learning 2026-May-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03564-4 PMID:42210277	研究论文	提出一种优化分层融合模糊深度强化学习方法，用于心律失常检测	结合数据预处理、强化学习和模糊深度学习的三个步骤，提出OHFFDRL方法，并分析了模型可解释性	未明确提及局限性	通过非窦性心律预测实现心脏病的早期预防	12导联心电图数据集，包含10,646名患者	机器学习	心律失常	心电图信号分析	深度强化学习、模糊深度学习	心电图信号	10,646名患者	NA	OHFFDRL	准确率、ROC曲线下面积、经验ROC面积	NA
236	2026-07-30	Dual inhibition of KDM4B and KDM5A disassembles the PAX3-FOXO1 transcriptional program in fusion-positive rhabdomyosarcoma 2026-May-27, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00837-w PMID:42204622	研究论文	利用深度学习药物发现策略鉴定出双靶向KDM4B和KDM5A的小分子化合物Compound 01，并揭示其通过破坏PAX3-FOXO1转录程序抑制融合阳性横纹肌肉瘤的机制	首次发现KDM5A是PAX3-FOXO1网络的关键表观遗传伙伴，并提出双靶向KDM4B/KDM5A的策略以破坏FP-RMS中的转录回路	未说明	阐明表观遗传调控机制并开发靶向PAX3-FOXO1转录程序的新型治疗策略	融合阳性横纹肌肉瘤（FP-RMS）细胞模型	机器学习	横纹肌肉瘤	NA	深度学习	NA	NA	NA	NA	NA	NA
237	2026-07-30	Enhancing crop yield prediction accuracy with a novel interpretable deep learning model: MHCNN-LSTM-MHA 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53616-y PMID:42174018	研究论文	提出MHCNN-LSTM-MHA模型融合多架构提升作物产量预测精度与可解释性	首次融合多头卷积神经网络、长短期记忆网络与多头注意力机制，通过动态特征优先处理和SHAP可解释性分析缓解梯度不稳定问题，实现预测性能与农业物理解释性的统一	仅基于美国大豆单一作物数据集验证，未考虑不同气候区域或作物类型的泛化能力	开发兼具高精度与可解释性的深度学习模型，解决作物产量预测中梯度不稳定、模型泛化性差及缺乏可解释性等挑战	美国大豆产量预测数据集（包含天气、土壤、管理实践和历史产量特征）	机器学习	NA	深度学习集成建模	MHCNN-LSTM-MHA（多头CNN-LSTM-多头注意力机制）	数值型表格数据	美国大豆产区多维度数据集（具体样本量未提及）	TensorFlow, PyTorch	Multihead CNN, LSTM, Multihead Attention	RMSE, R²，RMSE=3.75蒲式耳/英亩，R²=0.905	NA
238	2026-07-30	Hybrid multi-scale CNN-Residual-LSTM approach for robust state-of-charge estimation in lithium-ion batteries 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53543-y PMID:42173969	研究论文	提出一种结合多尺度卷积神经网络、残差块和长短期记忆单元的混合深度学习架构，用于锂离子电池荷电状态估算	首次将多尺度CNN、残差块和LSTM三种结构融合，同时捕捉电池数据中的局部空间模式和时间依赖关系	未在不同电池化学体系或极端工况下验证模型泛化能力，可能缺乏实际应用中的鲁棒性测试	实现锂离子电池荷电状态的高精度估算，支持电池管理系统开发	锂离子电池荷电状态和健康状态数据	机器学习	不适用	不适用	混合深度学习模型（多尺度CNN-残差块-LSTM）	时序数据	未明确说明，使用真实电池数据集	未明确说明，可能是PyTorch或TensorFlow	多尺度CNN、残差块、LSTM	平均绝对误差、均方误差、决定系数	NA
239	2026-07-30	Research on optimization of power grid load forecasting models based on deep learning 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47517-3 PMID:42168249	研究论文	提出一种自适应深度负荷预测器（ADLP），整合混合时序编码、动态注意力机制与在线自适应更新策略，实现电网负荷的高精度预测与优化	创新性地将双向长短时记忆网络与卷积神经网络结合，并集成动态注意力机制和在线自适应更新模块，实现短期波动与长期依赖的同步捕捉，同时提出动态电网感知负荷优化策略提升电网运行效率	计算效率有待提升，未引入强化学习，需扩展至不同电网环境的泛化能力	基于深度学习优化电网负荷预测模型，提升智能电网预测精度、适应性和鲁棒性	电网负荷数据	机器学习	NA	NA	双向LSTM, CNN	时间序列数据	真实电网负荷数据集（具体数量未说明）	深度学习框架（未明确指定）	双向LSTM-CNN混合架构	精度、适应性、鲁棒性（具体指标未列出）	NA
240	2026-07-30	A deterministic method for quantifying spindle-shaped cells in noisy bright-field microscopy 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51592-x PMID:42168261	研究论文	提出一种确定性图像分析方法，用于从低对比度、高噪声的明场显微图像中直接量化纺锤形细胞，无需荧光标记或监督训练	无需荧光染色或深度学习模型训练，采用对比度增强、自适应阈值分割、轮廓滤波和形状引导精化相结合的确定性流程，在保持高可解释性和低计算复杂度的前提下实现鲁棒细胞计数	未提及具体局限性	开发一种无监督、可解释的明场显微图像纺锤形细胞自动量化方法	纺锤形细胞	计算机视觉	NA	明场显微镜	NA	图像	NA	NA	NA	计数精度, 性能一致性	低计算资源需求