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
341	2026-07-07	Pancreatic tumor detection in computed tomography images through a rotary positional siamese vision transformer 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51814-2 PMID:42086843	研究论文	提出了一种名为旋转位置孪生视觉变换器（RPSViT）的智能胰腺肿瘤检测框架，用于在CT扫描图像中准确检测和分类胰腺肿瘤	采用旋转位置嵌入增强空间关系捕捉能力，并结合孪生变换器编码器提取高维特征，有效降低假阴性率	现有方法计算复杂度高，在减少恶性肿瘤假阴性方面存在局限	开发用于CT图像中胰腺肿瘤自动检测和分类的深度学习框架	胰腺肿瘤在CT扫描图像中的异常定位和分类	计算机视觉	胰腺癌	CT扫描成像	视觉变换器（Vision Transformer）	医学图像（CT扫描）	使用TCIA和MSD数据集中的胰腺CT扫描图像，采用5折交叉验证	NA	旋转位置孪生视觉变换器（RPSViT）	准确率、灵敏度、特异性、AUC、F1分数、马修斯相关系数、科恩卡帕系数、平均精确率、杰卡德指数	NA
342	2026-07-07	SAT-inspired feature engineering with stacking ensemble learning for fault detection in digital logic circuits 2026-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50142-9 PMID:42082575	研究论文	提出一种结合布尔可满足性启发特征与堆叠集成学习的数字逻辑电路故障检测框架	基于SAT求解器机制设计6类新特征（回溯估计、miter电路复杂度等），构建两级堆叠集成模型实现高精度分类	未提及	提升数字逻辑电路故障检测的准确性和鲁棒性	数字逻辑电路中的故障检测分类问题	机器学习	NA	NA	堆叠集成学习	基准电路测试数据	NA	NA	随机森林、XGBoost、LightGBM、CatBoost、Extra Trees、直方图梯度提升	测试准确率、精确率、召回率、F1分数、过拟合差距、交叉验证标准差、各类别准确率	NA
343	2026-07-06	Accurate prediction of oligonucleotide probe hybridization efficiency via a transformer-based model 2026-May-11, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12833-5 PMID:42108445	研究论文	通过基于Transformer的深度学习模型TransHybrid，利用整合的公共微阵列数据（超过380万探针）准确预测寡核苷酸探针杂交效率，性能显著优于传统热力学模型	首次将互补链特征嵌入Transformer架构实现序列级杂交效率预测，构建了覆盖8个子集、超过380万探针的综合数据集，并引入独立实验数据集进行微调验证	对GC富集区等生物学特征的解释仍依赖注意力机制可视化，缺乏直接生物学验证	开发一种基于序列的深度学习框架，通过整合公共微阵列数据解决传统热力学模型在探针杂交效率预测中的不准确性	寡核苷酸探针的杂交效率	自然语言处理	NA	微阵列技术	Transformer	序列数据	超过380万探针（来自8个公共微阵列数据子集），以及独立实验数据集	PyTorch	Transformer	皮尔逊相关系数	NA
344	2026-07-06	Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70237 PMID:41607039	研究论文	使用主动学习nnU-Net对自由呼吸动态四维MRI中的上气道进行自动分割，并量化两种口位下的动态形态变化	首次将主动学习nnU-Net应用于自由呼吸动态四维MRI的上气道自动分割，减少人工标注量同时保持高分割精度，并系统量化口位、性别和症状对气道形态的影响	研究对象为无阻塞性睡眠呼吸暂停（OSA）的成人，可能不适用于OSA患者；样本量有限（84例），内部测试集仅18例；未评估不同MRI序列或扫描协议的泛化性	实现自由呼吸动态四维MRI上气道自动分割，并量化闭口和开口两种口位下的动态形态差异	84名无OSA成人（28男/56女，18-80岁），其中33人有睡眠相关呼吸症状	计算机视觉, 数字病理	阻塞性睡眠呼吸暂停, 呼吸系统疾病	四维动态MRI, TWIST序列	nnU-Net	图像	84例（68例训练，4例固定验证，18例内部测试）	PyTorch	nnU-Net	Dice系数	NA
345	2026-07-05	Cross-subject generalization for EEG decoding: a survey of deep learning methods 2026-05-12, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae65f0 PMID:42049051	综述	全面综述了针对跨被试脑电解码领域深度学习方法的研究，重点解决被试间高变异性导致的领域偏移问题	首次将跨被试设置形式化为多源域问题，并建立系统性分类法，将现有方法归纳为特征对齐、对抗学习、特征解耦和对比学习四大类别	现有方法存在理论基础局限性，且对脑电基础模型的出现评估不足	系统分析深度学习在跨被试脑电解码中的泛化挑战，并为未来鲁棒实时解码提供关键方向	跨被试脑电解码中的深度学习方法	机器学习	NA	脑电图	深度学习	脑电图信号	NA	NA	NA	NA	NA
346	2026-07-05	Explainable retinal deep learning for cardiovascular risk stratification: a multiple modality analysis framework with vascular-centric interpretability and robustness 2026-05-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03516-y PMID:42115996	研究论文	提出了一种可解释的视网膜深度学习框架，用于基于视网膜图像的心血管风险分层，该框架整合多模态分析、以血管为中心的可解释性和鲁棒性	提出了五个创新模块（MARGE-Net、SCCIM、HVAAT、PaVSCM、ReCVD-LDM），首次将临床生物标志物与血管拓扑结构整合，并利用对比学习分离成像伪影，同时支持在SDN赋能的5G医疗基础设施中的实时部署	未提及模型在跨种族、跨疾病人群中的泛化性验证，且未讨论边缘-云架构的能耗和安全性问题	开发一种可解释且鲁棒的深度学习架构，用于从视网膜图像中无创预测心血管风险，以促进预防医学在资源有限环境中的应用	视网膜图像及其衍生的血管特征、临床生物标志物、多模态心血管指标	计算机视觉, 深度学习, 数字病理学	心血管疾病	视网膜成像, 对比学习, 深度学习	CNN, Transformer	图像, 临床数据	公开数据集（MESSIDOR、AV-WIDE、STARE VAS子集），未明确样本总数	PyTorch, TensorFlow	MARGE-Net, SCCIM, HVAAT（层次化Transformer）, PaVSCM, ReCVD-LDM	AUC, 可解释性提升率, 预测误差降低率	NA
347	2026-07-05	A human-AI collaborative workflow for improved gross tumor volume delineation in esophageal cancer radiotherapy 2026-05-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02400-5 PMID:42106675	研究论文	提出一种人机协同工作流，用于提升食管癌放疗中大体肿瘤体积勾画的准确性	结合AI自动勾画与初级肿瘤医生的人工修正，并通过双重细化模型进一步优化GTV勾画精度	回顾性数据收集，未在前瞻性临床试验中验证	提高初级肿瘤医生在食管癌放疗中GTV勾画的准确性和稳定性	食管癌患者的规划CT图像及GTV勾画	机器学习的临床应用	食管癌	规划CT成像	深度学习模型	CT图像	730例食管癌放疗病例（训练集和测试集4:1划分）	NA	自动勾画模型和自动细化模型	Dice相似性系数	NA
348	2026-07-05	Detection of benign prostatic hyperplasia using RGB prostate images and deep learning 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50580-5 PMID:42069861	研究论文	利用RGB前列腺组织病理图像和深度学习检测良性前列腺增生	将CNN与BiLSTM结合，并引入空间和时间注意力机制，同时采用自适应对比度受限直方图均衡化增强组织可见性	检测良性前列腺增生的召回率较低，灵敏度不足	评估深度学习模型在RGB前列腺组织病理图像中识别良性前列腺增生的能力	前列腺组织RGB图像	数字病理学	良性前列腺增生	组织病理图像染色	CNN-BiLSTM-注意力	图像	176张前列腺图像	PyTorch	CNN, BiLSTM	AUC, 精确率, 召回率	NA
349	2026-07-05	Segmentation of spinal rootlets across MRI contrasts with RootletSeg 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49164-0 PMID:42069899	研究论文	开发了一种名为RootletSeg的深度学习方法，用于在不同MRI对比度图像上自动分割C2-T1脊髓神经根	首次实现跨MRI对比度（T2加权和T1加权）的脊髓神经根自动分割，模型开源并支持多种下游分析	NA	开发深度学习方法实现对MRI扫描图像中脊髓神经根的自动分割，用于脊髓水平估计、病变分类和神经调控治疗	C2-T1脊髓背根和腹根神经根	数字病理	神经系统疾病	NA	深度学习模型	图像	93次MRI扫描，来自50名健康成年人（平均年龄28.70岁，标准差6.53；男性28名占56%，女性22名占44%）	NA	NA	Dice系数	NA
350	2026-07-05	AdaptMol: domain adaptation for molecular image recognition with limited supervision 2026-May-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01209-2 PMID:42070053	research paper	本文提出了一种名为AdaptMol的图像到图模型，用于光学化学结构识别，实现了从合成数据到手绘分子图像的有效迁移，无需目标域的手动图注释	提出了AdaptMol图像到图模型，结合类条件最大均值差异对齐跨域的键特征，并引入全面的数据增强策略，共同提高基线模型准确性以支持自训练，同时提出双位置表示减少原子定位的假阳性	NA	实现从合成数据到真实手绘分子图像的有效域迁移，提高光学化学结构识别的泛化能力	分子图像中的化学结构识别	computer vision	NA	NA	CNN	image	未明确说明样本数量	NA	ResNet	accuracy	NA
351	2026-07-03	YOLO-LS: a novel deep learning framework for brain tumor segmentation in Magnetic Resonance Imaging 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48825-4 PMID:42129232	研究论文	提出一种名为YOLO-LS的轻量级分割框架，用于脑肿瘤MRI图像的高效检测与高精度分割	集成ShuffleNet V1轻量骨干网络、DySample动态上采样机制和C3k2-PoolingFormer颈部模块，在保持高分割精度的同时显著降低计算复杂度	未提及	解决现有脑肿瘤分割框架在精度与计算效率间的权衡问题，适用于资源受限的临床环境	脑肿瘤MRI图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN	图像	内部测试集3064张图像（Figshare数据集），外部验证集300张图像（Kaggle数据集）	PyTorch	YOLO11n-seg, ShuffleNet V1, DySample, C3k2-PoolingFormer, Grad-CAM	mAP50, Dice系数, Hausdorff距离	GFLOPs 8.1
352	2026-07-03	Deep learning for automated diagnosis and differentiation of otitis media on temporal bone CT 2026-05-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02386-0 PMID:42098614	研究论文	开发深度学习框架，利用颞骨CT影像自动诊断中耳炎并区分慢性中耳炎与分泌性中耳炎	首次利用颞骨CT影像同时诊断中耳炎并区分慢性中耳炎和分泌性中耳炎，包含或不包含胆脂瘤	未提及具体局限性，但依赖专家标注的感兴趣区域，可能影响泛化能力	开发和评估基于颞骨CT影像的深度学习框架，实现中耳炎自动诊断及亚型区分	中耳炎患者的中耳区域，包括正常中耳、慢性中耳炎和分泌性中耳炎	计算机视觉	中耳炎	颞骨计算机断层扫描	深度学习	图像	1200名患者的2011张颞骨CT图像	NA	NA	检测率、准确率	NA
353	2026-07-03	Supervised contrastive learning for cell stage classification of animal embryos 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39214-y PMID:42069751	研究论文	提出一种基于监督对比学习的深度学习方法，用于自动分类动物胚胎的细胞阶段	结合监督对比学习与focal loss训练，并使用轻量级3D神经网络CSN-50作为编码器，有效处理低质量图像、类别模糊和类别不平衡问题	未明确说明局限性	从2D延时显微视频中自动分类胚胎细胞阶段	牛胚胎和鼠胚胎的延时显微视频	计算机视觉	NA	显微镜延时成像	3D神经网络	图像	牛胚胎细胞阶段数据集和纽约大学小鼠胚胎数据集	PyTorch	CSN-50	准确率、F1分数	NA
354	2026-07-03	LDDHybridNet: an ROI-aware CNN-LSTM hybrid framework for accurate and early leaf disease detection in precision agriculture 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50398-1 PMID:42069934	研究论文	提出一个基于ROI感知的CNN-LSTM混合框架LDDHybridNet，用于精确农业中早期叶片病害的准确检测	结合U-Net叶片分割、CNN空间特征提取、Bi-LSTM注意力机制和Grad-CAM可解释性，实现无时间序列的病变进展感知特征学习	PlantVillage数据集接近天花板性能揭示了其人工性质，实际田间条件下弱病变早期样本准确率稍低	精准农业中早期叶片病害的准确检测和可解释性分析	植物叶片叶片病害图像，包括实际田间条件和早期弱病变样本	计算机视觉	植物叶片病害	深度学习图像分析	CNN-LSTM混合模型	图像	PlantVillage基准数据集和FieldPlant数据集	PyTorch	U-Net, CNN, Bi-LSTM, Grad-CAM	准确率	NA
355	2026-07-03	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-05-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病性黄斑水肿治疗及患者选择中的演进角色	系统阐述了AI从传统的筛查工具向个性化治疗决策支持系统的转变，特别是利用多模态数据（眼底图像、OCT、临床和生化数据）预测治疗反应和注射负担	泛化性不足、算法透明度欠缺、临床工作流程整合困难及伦理部署问题有待系统解决	综述AI在糖尿病性黄斑水肿个性化治疗和患者选择中的潜在应用与挑战	糖尿病性黄斑水肿患者及相关多模态临床数据	机器学习	糖尿病性视网膜病变	深度学习	卷积神经网络、生成对抗网络、集成方法	图像（眼底图像、OCT图像）、临床数据、生化数据	未指定	未指定	卷积神经网络、生成对抗网络	NA	NA
356	2026-07-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	该研究基于深度学习模型，构建动态资源优化模型，以解决职业院校思想政治教育教学中资源适应性差和学生参与度低的问题	创新性地结合图神经网络、多模态元学习框架和Transformer-XL的扩展序列建模能力，并通过多头注意力机制实现跨特征交互，构建课程知识图谱以映射资源与能力	未明确说明模型的泛化局限性和实际部署中的潜在挑战，如模型的可解释性和计算成本	利用AI技术优化职业教育中的思想政治教育资源分配和提升学生参与度	职业院校思想政治教育中的学习者、教育资源与环境因素	机器学习	NA	NA	图神经网络（GNN）、多模态元学习框架（MMLF）、Transformer-XL	文本数据（资源分配数据和学习者表现数据）	模型包含42个特征，涵盖学习者特征、资源属性和环境因素三个维度，具体样本量未说明	NA	GNN、Transformer-XL、多头注意力机制、课程知识图谱	资源有效性预测准确率、知识获取提升率、正向行为转化率、课程完成率、跨文化迁移测试准确率、资源冗余降低率、教师管理效率提升率	NA
357	2026-07-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出了一种结合实验与机器学习的混合框架，用于预测含再生细骨料混凝土的抗压强度	开发了混合花朵授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析和图形用户界面工具，提高了预测准确性、鲁棒性和解释性	仅研究了固定的50%洗涤再生细骨料替代率，且模型仅针对抗压强度预测，未涉及其他性能指标	评估和预测含洗涤再生细骨料的可持续路面混凝土的抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土试件	机器学习	不适用	不适用	深度神经网络（DNN）	数值数据	264个样本，包括103个实验室生成和161个文献收集	Python（基于Scikit-learn和TensorFlow/Keras框架的算法实现）	花授粉算法优化的深度神经网络（FPA-DNN），对比模型包括kNN、随机森林（RF）、人工神经网络（ANN）、标准深度神经网络（DNN）	R²、均方根误差（RMSE）、平均绝对百分比误差（MAPE）	未明确提及
358	2026-07-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种结合生物力学约束和深度时间模型的轻量级骨架运动识别框架BATL，用于识别健身、康复与运动分析中的动作序列	首次将关节角度一致性、速度平滑性和骨骼长度稳定性三种生物力学约束隐式嵌入深度学习模型，并引入无监督阶段发现模块自动划分动作时间阶段	NA	提升基于骨架序列的运动识别精度，利用生物力学知识增强轻量级模型性能	健身及运动场景中的骨架姿态序列（深蹲、俯卧撑、二头肌弯举、肩部推举）	计算机视觉	NA	NA	时间卷积网络（基于生物力学约束）	视频（骨架姿态序列）	共157个视频样本（146个深蹲，126个俯卧撑，146个二头肌弯举，146个肩部推举）	PyTorch	BATL（含阶段发现模块与生物力学约束模块）	准确率（93.33% ± 0.94%）	单GPU，推理速度5.2ms/30帧序列（端到端依赖OpenPose约1.574秒）
359	2026-07-01	Comparison of Deep Learning Tools for Optic Nerve Axon Quantification Finds Limited Generalizability Upon Independent Validation 2026-May-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060647 PMID:42351892	研究论文	比较深度学习工具对视神经轴突量化的性能，发现独立验证时泛化能力有限	通过系统综述和独立验证，揭示了公开深度学习模型在不同图像数据集上泛化能力下降的问题	验证数据集规模有限，未评估模型在不同实验条件下的表现	评估公开深度学习模型在独立数据集上量化视神经轴突的泛化能力	大鼠和老鼠视神经组织图像数据集	深度学习	青光眼	NA	深度学习模型	图像	大鼠数据集44张图像，6941个轴突；老鼠数据集74个全横截面	NA	AxoNet, AxonDeepSeg, AxoNet 2.0	相关系数, 精度, 召回率, Dice系数	NA
360	2026-07-01	An explainable multi-stage framework for brain tumor classification using hybrid feature fusion and EfficientNetB5 model 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53862-0 PMID:42168316	研究论文	提出一种融合手工特征与深度特征的混合特征融合高效网络模型，用于脑肿瘤分类，并集成可解释性机制	首次将手工特征（SIFT、LBP、HoG、Canny）与DenseNet201深度特征融合，使用EfficientNetB5分类器，并结合遮挡图可解释性方法提升临床可信度	未提及在多种MRI采集设备或噪声条件下的泛化性验证，特征融合策略未与更先进的特征选择方法对比	实现脑肿瘤严重等级的高精度自动分类，并提供可解释的诊断依据	脑肿瘤MRI图像中的肿瘤区域及其严重程度划分	计算机视觉，数字病理学	脑肿瘤	MRI成像	EfficientNetB5， DenseNet201	图像	7023张MRI图像	NA	EfficientNetB5， DenseNet201	AUC，精确率， F1分数，准确率	NA