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
561	2026-06-05	Artificial intelligence based techniques for brain tumor analysis: A systematic review 2026-May-30, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103460 PMID:42235350	综述	对基于人工智能的脑肿瘤分析技术进行系统性综述	明确了现有文献中弱监督脑肿瘤分割的研究空白，并强调了可解释人工智能在脑肿瘤分析中的重要性	仅纳入IEEE Xplore和ACM两个数据库的论文，可能遗漏其他来源的重要研究；未涉及AI方法在临床实践中的全面应用	系统回顾基于人工智能的脑肿瘤分析技术，包括常用方法、数据集、特征、评估指标和可解释人工智能方法	脑肿瘤分析技术相关的学术论文	机器学习	脑肿瘤	NA	深度学习	NA	3950篇初始论文，最终筛选101篇	NA	NA	NA	NA
562	2026-06-05	Letter to the Editor: Traditional medical image interpretation and deep learning-based image analysis in predicting risk in patients with spontaneous intracerebral hemorrhage 2026-May-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i5.118969 PMID:42238230	评论	讨论传统医学影像解读与基于深度学习的影像分析在预测自发性脑出血患者风险中的优缺点	提出将传统影像解读与深度学习模型相结合的混合评估系统，以实现更精准的早期干预策略	深度学习模型对数据要求高且复杂，阻碍其广泛应用；传统影像解读存在主观性和局限性	探讨传统影像解读与深度学习模型在预测自发性脑出血后血肿扩大和死亡风险中的比较与结合潜力	自发性脑出血患者	计算机视觉	脑血管疾病	计算机断层扫描（CT），磁共振成像（MRI），深度学习	深度学习模型	医学影像	NA	NA	NA	预测准确性	NA
563	2026-06-05	Artificial intelligence in allergen immunotherapy: toward a proactive and personalized management of allergic diseases 2026-May-26, Current opinion in allergy and clinical immunology IF:3.0Q3 DOI:10.1097/ACI.0000000000001172 PMID:42235032	综述	探讨人工智能在过敏原免疫治疗中的应用，旨在实现过敏性疾病的前瞻性和个性化管理	总结了机器学习在患者分层、治疗依从性预测、实时监测及联邦学习在保护数据隐私方面的创新应用，同时指出了生成式AI在临床记录合成中的可靠性局限	生成式AI在直接用于患者时可靠性不足，且AI作为决策辅助工具仍需专家监督以确保患者安全	研究将人工智能整合到过敏原免疫治疗管理中，以提高精准医学效率和诊断准确性，并预测治疗结果	免疫球蛋白E介导的过敏性疾病患者及其过敏原免疫治疗管理	机器学习	过敏性疾病	NA	长短期记忆递归神经网络、随机潜变量actor-critic模型、深度学习、联邦学习、生成式AI	组学数据、分子致敏谱数据、可穿戴传感器数据、环境参数数据	NA	NA	长短期记忆递归神经网络、随机潜变量actor-critic	NA	NA
564	2026-06-05	Generating Labeled Low-Heterogeneity Transcriptomes Using CRISPRa and CRISPRi Can Improve Phenotype Prediction by Deep Learning 2026-May-25, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00873 PMID:42183825	研究论文	提出利用CRISPRa和CRISPRi技术生成低异质性标记转录组数据集，以改善深度学习的表型预测能力	首次提出通过CRISPRa和CRISPRi技术创建具有小增量转录组差异的标记细胞系，用于补充现有高异质性数据集，从而提升深度学习模型的表型预测性能	未提供实际生成的实验数据集验证方法有效性，仅停留在理论框架和实验设计阶段	解决现有组学数据因体积不足和高异质性而难以直接用于深度学习表型预测的问题	使用CRISPRa和CRISPRi技术生成的标记细胞系及其对应的转录组数据集	机器学习	癌症	CRISPRa, CRISPRi, 转录组测序	NA	转录组数据	NA	NA	NA	NA	NA
565	2026-06-05	PySERA: Open-source standardized python library for automated, scalable, and reproducible handcrafted and deep radiomics 2026-May-24, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109463 PMID:42235274	研究论文	开发了一个名为PySERA的开源标准化Python库，用于自动化、可扩展和可重复的手工与深度学习影像组学分析	首次在统一的Python框架中整合了标准化手工影像组学特征和深度学习影像组学嵌入，支持自动化和可重复分析，并具有高效的并行计算引擎	NA	解决现有影像组学工具在可重复性和可扩展性方面的局限，提供一个标准化且集成深度学习的Python原生框架	医学图像中的定量生物标志物提取与建模	计算机视觉, 数字病理学	NA	影像组学, 深度学习	CNN	医学图像（DICOM, NIfTI, NRRD格式）	NA	TensorFlow, PyTorch, Scikit-learn, MONAI	ResNet50, DenseNet121, VGG16	准确率, 可重复性（>94% IBSI）	NA
566	2026-06-05	A Robust Deep Learning Framework for Skill Level Discrimination in Tennis Strokes Using Bilateral IMU Measurements 2026-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s26103273 PMID:42198080	研究论文	提出一种基于同步双侧惯性测量单元数据的层次化深度学习框架，用于网球击球技能水平分类，准确率达95.54%	首次利用双侧惯性测量单元数据结合CNN-BiLSTM混合架构自动提取时空特征，实现精英与业余球员的客观区分，并揭示精英运动员的双侧协调稳定性优势	样本量有限（39名参与者），且仅涵盖特定类型击球（正手、反手、发球、截击），可能影响泛化性	开发客观、可现场应用的技能分类系统，用于网球教练和人才识别，克服主观视觉观察的局限	39名网球运动员（11名精英、28名业余）的4594次击球数据（含增强样本）	机器学习	NA	IMU	CNN-BiLSTM	时间序列信号	39名参与者（11精英、28业余），4594次击球数据	NA	CNN, BiLSTM	准确率	NA
567	2026-06-05	YOLO-AFL: A Novel Lightweight Algorithm for Real-Time Safety Helmet Detection in Factory Workshops 2026-May-20, Sensors (Basel, Switzerland) DOI:10.3390/s26103237 PMID:42198046	研究论文	提出一种基于YOLO-AFL的轻量级实时安全帽检测算法，解决工厂车间中深度学习模型参数大、计算量高的问题	引入K-Means++算法与1-AIoU距离度量优化锚框预处理，采用轻量级PConv操作改进C3模块，设计双注意力网络LDA-GC补偿精度损失	在自定义数据集上验证，泛化能力未充分测试；未提及实时性指标（如FPS）	开发高效轻量级安全帽检测算法，适用于资源受限的工厂车间部署	工厂车间工人安全帽佩戴情况	计算机视觉	不适用	深度学习	CNN	图像	自定义数据集，具体数量未说明	不适用	YOLO-AFL	mAP50	NA
568	2026-06-05	Evaluating OCT Device-Reported Image Quality Score: Towards a Task-Specific Quality Gate for Deep Learning-based Outer-Retina and Choroid Boundary Segmentation 2026-May-20, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.17.26353399 PMID:42238405	研究论文	评估OCT设备报告图像质量评分对深度学习视网膜外层和脉络膜边界分割任务的有效性	首次系统验证制造商定义的信号强度指数与深度学习分割精度的关系，并引入最优传输理论中的推土机距离作为边界评估指标	Q-score对深度学习边界分割精度预测能力极差，解释方差不超过1.4%，且存在解剖深度相关误差层级和悖论相关性	探究OCT设备信号强度指数（Q-score）能否作为深度学习分割模型性能的可靠质量门控	103只眼睛的5,047张B扫描图像，包含椭圆体带、Bruch膜和脉络膜外边界三个解剖边界	计算机视觉	眼部疾病	OCT成像	U-Net	图像	103只眼睛的5,047张B扫描图像	NA	U-Net	平均绝对误差、均方误差、Dice相似系数、推土机距离	NA
569	2026-06-05	"There's not one part of the programme that hasn't been useful in my clinical practice": undergraduate nursing students' views and experiences of a Dementia Education Programme 2026-May-19, Gerontology & geriatrics education IF:0.8Q3 DOI:10.1080/02701960.2026.2674047 PMID:42154616	研究论文	探讨嵌入本科护理课程的三年期痴呆教育项目如何影响学生的知识、态度和临床实践	超越传统结果测量，聚焦教育过程和机制，揭示痴呆教育转化为临床实践的深层机理	未在摘要中明确提及	理解痴呆教育项目如何塑造护理学生的知识、态度和临床实践	英国某大学本科护理专业学生	医学教育	痴呆症	NA	NA	定性访谈数据	13名学生	NA	NA	NA	NA
570	2026-06-05	Bidirectional Perceptual Multimodal Interaction Network Based on Contrastive Learning for Breast Cancer pCR Prediction 2026-May-19, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050074 PMID:42188715	研究论文	提出一种基于对比学习的双向感知多模态交互网络（BPMINet），用于乳腺癌新辅助化疗后病理完全缓解（pCR）的早期准确预测	通过双向交叉模态注意力融合机制解决高维DCE-MRI与低维临床数据之间的语义不对齐问题；设计多模态对比感知特征增强模块，提升难分类样本的判别能力和泛化性能	NA	提高乳腺癌pCR预测性能和泛化能力，克服肿瘤异质性和多模态语义不对齐的挑战	乳腺癌患者新辅助化疗前的DCE-MRI影像数据和临床信息	计算机视觉	乳腺癌	DCE-MRI	CNN	影像，文本	两个公开多中心数据集（MAMA-MIA和ISPY1）	PyTorch	双向交叉模态注意力网络（BiCMA），多模态对比感知特征增强模块（MCFE）	AUC，准确率	NA
571	2026-06-05	A Supervised Contrastive Variational Autoencoder with Probabilistic Latent Alignment for Cross-Domain EEG Emotion Recognition 2026-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s26103217 PMID:42198025	研究论文	提出一种监督对比变分自编码器网络用于跨领域脑电图情绪识别	利用变分自编码器的重建机制和潜在空间概率化，结合最大均值差异损失减少分布差异，并通过多视图监督对比学习增强类别内一致性和类别间可分性	未在更多样化的数据集或实际应用场景中验证，计算资源消耗信息未提及	提升跨领域脑电图情绪识别的性能，解决源域和目标域分布差异问题	脑电图信号	机器学习	NA	脑电图（EEG）	变分自编码器（VAE）	脑电图信号	SEED数据集和SEED-IV数据集，具体样本数量未明确	NA	SCVAE-Net	准确率	NA
572	2026-06-05	CRISPR-initiated exponential amplification on fluorescently-barcoded microspheres for deep learning-assisted multiplexed HPV detection 2026-May-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118488 PMID:41653672	研究论文	提出结合CRISPR引发指数扩增、量子点编码微珠和深度学习图像分析的多重人乳头瘤病毒检测平台	首次将CRISPR/Cas9特异性引发指数扩增与量子点编码荧光微珠及定制深度学习算法结合，实现自动化多重核酸检测	未提及	开发快速、低成本、多重核酸检测方法，用于人乳头瘤病毒DNA的现场即时检测	人乳头瘤病毒DNA（HPV16、HPV18、HPV33）	机器学习	宫颈癌相关病毒	CRISPR/Cas9引发指数扩增、荧光编码微珠	定制深度学习算法	荧光图像	NA	NA	NA	检测限（0.2 pM）	NA
573	2026-06-05	Multi-mechanism-driven dual-mode array based on a single PFC-1/QD probe enables AI-assisted on-site identification of biogenic amines and real-time food freshness monitoring 2026-May-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118501 PMID:41666536	研究论文	开发了一种基于PFC-1/QD探针的荧光/比色双模式传感器阵列，结合深度学习和智能手机成像，用于生物胺分类和食品新鲜度实时监测	首次将单一PFC-1/QD探针与YOLOv12算法集成，实现多机制驱动（AIE、PET、IFE）的双模式检测及现场智能分析	NA	实现生物胺的现场快速分类和食品新鲜度实时监测	五种生物胺（腐胺、尸胺等）及虾类腐败样品	计算机视觉, 机器学习	NA	荧光光谱法, 比色法	YOLOv12（深度学习目标检测模型）	图像	虾类样品在4°C和25°C储存条件下进行腐败监测	YOLOv12	YOLOv12	分类精度, 灵敏度, 定量检测范围, 响应时间	智能手机（集成YOLOv12算法）
574	2026-06-05	Spectrally optimised YOLOv10s-SeqOpt framework for real-time UAV-based early detection of avocado foliar diseases in indian orchards 2026-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50025-z PMID:42135362	研究论文	提出基于YOLOv10s-SeqOpt的无人机多光谱成像框架，用于印度果园牛油果叶部病害的早期实时检测	设计Sequential SGD-AdamW（SeqOpt）优化器，结合SGD全局探索与AdamW自适应精调，实现多光谱噪声下梯度稳定；首次将YOLOv10s与多光谱OCN输入结合用于牛油果叶部病害检测，并在嵌入式AI平台（Jetson Orin Nano和Raspberry Pi 5）上实现实时推理	未提及在多种环境条件（如不同光照、天气、地形）下的泛化能力评估；数据仅来自印度南部果园，可能限制对其他区域的适用性	解决传统田间巡检和RGB成像无法检测密集树冠下早期病害感染的问题，实现大规模果园病害的实时无人机监测	牛油果叶部病害（炭疽病、根腐病、藻斑病、疮痂病）的早期检测	计算机视觉	牛油果叶部病害	多光谱成像、RGB成像、深度学习	YOLO（YOLOv5s-YOLOv10s）	图像	5,953张标注图像，包含35,422个边界框实例，覆盖4种病害类别	PyTorch, ONNX	YOLOv10s	准确率、F1分数、mAP@0.5	NVIDIA Jetson Orin Nano（PyTorch运行时，69.5毫秒/帧）、Raspberry Pi 5（ONNX运行时，1.545秒/帧）
575	2026-06-05	BC-SwinNet: Swin transformer and CNN with multi-objective optimization for multi-class breast cancer detection using Histopathological images 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51698-2 PMID:42115270	研究论文	提出一种混合深度学习框架BC-SwinNet，用于组织病理图像的多类乳腺癌检测	整合条件Swin Transformer（ConSwinTras）、多目标麋鹿群优化算法（MEHO）和分层注意力卷积神经网络（CA-CNN），实现高效特征提取与分类	未提及模型在真实临床环境下的泛化能力验证及计算资源消耗细节	开发自动化、高精度且计算高效的乳腺癌亚型分类系统	乳腺癌组织病理图像	计算机视觉	乳腺癌	组织病理成像	混合深度学习模型（Transformer+CNN）	图像	BreakHis和BACH两个基准数据集	NA	ConSwinTras, MEHO, CA-CNN	分类准确率	NA
576	2026-06-05	Real-Time Pain Assessment from Electrodermal Activity Using Deep Learning 2026-May-11, Sensors (Basel, Switzerland) DOI:10.3390/s26103020 PMID:42197829	研究论文	提出一种基于皮肤电导信号的完全卷积网络用于实时疼痛评估	首次在疼痛识别中采用完全卷积网络以保持低计算复杂度的同时实现实时推理	基于AI4Pain数据集的三类分类准确率在实时操作中为73.14%，性能仍有提升空间	开发一种计算高效、适用于可穿戴设备的实时生理疼痛监测系统	皮肤电导信号中的疼痛相关自主神经响应模式	机器学习	疼痛相关疾病	皮肤电导测量	完全卷积网络	生理信号	AI4Pain数据集（具体样本量未明确）	NA	FCN	准确率，延迟	支持实时推理的嵌入式系统
577	2026-06-05	Deep Learning for Disease Detection: Building a Leaf Image Classifier for Roses 2026-May-11, Sensors (Basel, Switzerland) DOI:10.3390/s26103023 PMID:42197832	研究论文	利用卷积神经网络对玫瑰叶图像进行分类，实现病害检测	比较了轻量级CNN和残差网络在玫瑰叶病害检测中的表现，并评估了两种预处理策略（色调分离与灰度转换）对鲁棒性的影响	仅在小型测试集上验证，需更多样化的数据集确认在多变光照、背景复杂性和生长阶段下的泛化能力	探索深度学习在玫瑰叶病害检测中的可行性，并评估不同模型和预处理方法的效果	玫瑰叶片图像，用于二分类（健康vs病害）	计算机视觉	植物病害（玫瑰叶病害）	图像分类	卷积神经网络（CNN）	图像	小型测试集（具体数量未提及）	NA	轻量级CNN、残差网络（ResNet）	分类性能（具体指标未提及）	NA
578	2026-06-05	Fluoroscopy-Guided Motion Management in Particle Therapy: Evolution, Challenges, and AI-Enabled Opportunities 2026-May-09, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050066 PMID:42188707	综述	综述了粒子治疗中荧光透视引导运动管理技术的发展、挑战及人工智能驱动的机遇	总结了从图像增强器到平板探测器的技术演变、历史及近期供应商支持的荧光引导粒子治疗策略，并系统调查了基于人工智能的图像配准算法在无标记肿瘤追踪中的最新进展	基于机器学习的图像配准在泛化能力和可解释性方面仍存在挑战，且需要植入基准标记物的方法限制了适用部位	综述荧光透视引导粒子治疗在运动管理中的应用，并探讨人工智能驱动的无标记追踪潜力	粒子治疗中的肿瘤运动管理技术，特别是荧光透视引导下的实时追踪方法	机器学习	NA	荧光透视，粒子治疗	深度学习	医学影像	NA	NA	NA	NA	NA
579	2026-06-05	RT-AFNet: A Hybrid ResNet-Transformer Architecture with Multi-Scale Fusion for Atrial Fibrillation Detection 2026-May-09, Biosensors DOI:10.3390/bios16050275 PMID:42187471	研究论文	提出一种名为RT-AFNet的混合ResNet-Transformer架构，用于房颤检测，通过多尺度融合策略提升心房颤动检测的准确性和鲁棒性	创新性地将ResNet的局部特征提取能力与轻量级自注意力机制的全局时序建模能力相结合，并引入多尺度特征融合策略以优化特征表示	未提及在真实临床环境中的部署复杂性或对极端噪声数据的鲁棒性评估	开发高准确率和鲁棒性的自动化房颤检测方法，解决现有模型在同时捕捉局部形态异常和长程时间依赖方面的局限性	房颤患者的心电图信号	机器学习	心血管疾病	NA	混合ResNet-Transformer	心电图信号	使用三个公共数据库：CPSC2018、CinC2017和MIT-BIH AF数据库	NA	ResNet, Transformer, 多尺度融合模块	F1分数, AUC	NA
580	2026-06-05	Sensor-Driven Deep Learning for Smart Home Intelligence: Signal Analysis, Multimodal Perception, and System-Level Applications 2026-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s26102993 PMID:42197801	综述	综述了基于传感器驱动的深度学习在智能家居应用中的最新进展，涵盖信号分析、多模态感知及系统级应用	从传感器驱动角度系统组织研究，将代表性方法范式（如卷积神经网络、Transformer、图学习、多模态融合和深度强化学习）与信号表示、多模态集成及决策模型相结合	高质量标注数据稀缺、连续感知带来的隐私安全问题、跨环境与跨用户泛化能力有限、边缘设备约束以及模型输出可解释性不足	支持下一代智能家居系统稳健可部署深度学习解决方案的研发	智能家居中的异构传感器数据及深度学习模型	机器学习	NA	NA	卷积神经网络, 循环神经网络, Transformer, 图学习, 多模态融合, 深度强化学习	传感器信号（异质数据）	NA	NA	卷积神经网络, 循环神经网络, Transformer	NA	NA