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
81	2026-07-08	Deep learning-based epileptic seizure detection from EEG signals and PPG signals using LSTM and CNN models 2026-May, The International journal of neuroscience DOI:10.1080/00207454.2026.2621855 PMID:41671683	研究论文	提出一种结合CNN和LSTM的混合深度学习框架，利用多模态脑电图（EEG）和光电容积脉搏波（PPG）信号自动检测癫痫发作	引入PPG信号提供互补的生理信息（如自主神经波动、心率变异性和外周血管反应），增强模型在EEG信号表现微弱或模糊时的判别能力，解决了纯EEG方法在实时监测中的局限性	NA	实现基于多模态生理信号的癫痫发作自动检测，为可穿戴设备和临床平台提供可靠高效的实时检测方案	癫痫患者的脑电图和光电容积脉搏波信号	机器学习	癫痫	多模态生理信号采集（EEG和PPG）	CNN, LSTM	信号（生理信号）	NA	NA	CNN-LSTM混合架构	准确率, 精确率, 召回率, F1分数, Cohen's Kappa, Matthews相关系数（MCC）, 关键成功指数（CSI）	NA
82	2026-07-07	Topology-preserving, diameter-specific framework for conjunctival vessel segmentation and tortuosity analysis in diabetes 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48680-3 PMID:42086622	研究论文	提出一种保持拓扑结构的、直径特异性的结膜血管分割与迂曲度分析框架，用于糖尿病微血管评估	首次在结膜血管分割中引入拓扑保持技术，开发直径特异性分割方法，集成多尺度上下文建模和注意力引导特征融合以减少碎片化，无需后处理即可获得鲁棒的迂曲度估计	NA	建立可靠的结膜血管量化方法，探索其作为糖尿病非侵入性微血管生物标志物的潜力	糖尿病患者和健康对照者的结膜血管图像	计算机视觉，数字病理学	糖尿病	NA	深度学习	图像	包含直径特异性血管标注的结膜成像数据集	NA	多尺度上下文建模结合注意力引导特征融合	迂曲度误差，中心线偏差，像素级准确率	NA
83	2026-07-07	Detection of internet of things network attacks by hybrid deep learning (CNN-LSTM) algorithm to enhance security 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51043-7 PMID:42086659	研究论文	提出一种结合CNN和LSTM的混合深度学习模型，用于检测物联网网络攻击，以增强安全性	将CNN与LSTM结合用于物联网僵尸网络攻击检测，并通过特征工程和SMOTE处理数据不平衡问题，实现高准确率和通用性	未提及在真实大规模物联网环境中的部署挑战或计算资源需求	增强物联网网络安全，高效检测僵尸网络攻击	物联网网络流量中的僵尸网络攻击	机器学习	NA	NA	CNN-LSTM混合模型	网络流量数据	使用BoT-IoT公开数据集，包含多种攻击类型和真实流量模式	NA	CNN, LSTM	准确率, PR-AUC, ROC-AUC	NA
84	2026-07-07	KDTViT knowledge distillation, transfer learning and transformer based deep learning framework for efficient histopathology image classification 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49792-6 PMID:42086747	研究论文	提出一种结合知识蒸馏、迁移学习和Transformer的深度学习框架，用于高效分类组织病理学图像中的乳腺癌	利用迁移学习和知识蒸馏结合Transformer，开发能够处理多个放大倍数组织病理学图像的统一模型，避免传统方法对每个放大倍数需单独模型的问题	未在摘要中明确说明局限性	开发一个统一模型来处理多个放大倍数的组织病理学图像分类	乳腺癌组织病理学图像	数字病理学	乳腺癌	NA	Transformer	图像	BreakHis数据集	NA	Transformer	准确率、精确率、召回率、F1分数、AUC	NA
85	2026-07-07	Lump and breather interaction with different soliton solutions for the generalized doubly dispersive equation by embedded the neural networks 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51557-0 PMID:42086887	研究论文	首次提出神经网络广义Kudryashov方法，用于求解广义双色散方程的精确解	结合神经网络模型与广义Kudryashov方法，从Kudryashov方法解中构造新型激活函数，建立了微分方程理论与深度学习之间的数学联系	NA	发展一种新的分析方法来解决非线性偏微分方程，并生成多种孤子解	广义双色散方程的精确解	机器学习	NA	NA	神经网络	NA	NA	NA	NA	NA	NA
86	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
87	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
88	2026-07-07	Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70221 PMID:41489091	研究论文	评估多中心磁共振神经影像的影像级配准方法，主要比较统计方法ComBat和深度学习方法HACA3在T1w和T2-FLAIR图像上的性能	系统比较了统计和深度学习的影像级配准方法在多供应商磁共振数据上的效果，并引入多种相似性指标（FID、LPIPS）进行评估	T2-FLAIR图像的配准难度仍然存在，突显了当前多对比度磁共振配准工具的局限性	评估多中心磁共振成像中供应商相关差异以及公开可用的影像级配准工具的性能	T1w和T2-FLAIR磁共振图像，来自阿尔茨海默病神经影像计划（ADNI）数据集	计算机视觉	阿尔茨海默病	MRI	深度学习	图像	1143名ADNI3受试者（233 GE, 173 Philips, 250 Siemens，另有487名Siemens受试者作为独立参考组）以及8名受试者的配对多供应商扫描会话	NA	HACA3	FID, LPIPS, G/W比值, WMH体积	NA
89	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
90	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
91	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
92	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
93	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
94	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
95	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
96	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
97	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
98	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
99	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
100	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