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	2026-06-28	A Multi-Criterion Selection of Hybrid Features in Mammographic Imaging for Early Computer-Assisted Sensing and Detection of Breast Cancer 2026-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s26123874 PMID:42356847	研究论文	本文提出一种多准则混合特征选择框架，用于乳腺X线影像中早期乳腺癌的计算机辅助检测	创新性地结合t检验、ANOVA、互信息与等分组方法，构建混合特征选择框架，并系统证明非线性描述符（如局部相位一致性、小波熵）在检测乳腺癌方面优于线性特征	线性特征在表征复杂组织特征方面总体有效性有限，且研究仅基于特定特征集和数据集，未深入探讨深度学习等更先进方法的融合	识别最具判别力和重要性的特征子集，提高早期乳腺癌检测的准确性和系统鲁棒性	从乳腺X线影像中提取的19个线性和非线性特征	计算机视觉	乳腺癌	乳腺X线成像	NA	图像	NA	NA	NA	准确率, 灵敏度, 精确率, F1分数	NA
182	2026-06-28	Proactive Early Warning of Vortex Ring State in Coaxial UAVs: A Physics-Informed Multimodal ViT-LSTM Approach 2026-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s26123888 PMID:42356861	研究论文	提出一种物理信息引导的多模态深度学习框架，用于同轴无人机涡环状态的提前预警	首次将涡环状态从事后检测转变为主动预警，提出MTSF-Net架构融合ViT与LSTM，并引入校准基准归一化策略和混合序数损失函数以解决数据泄露和极端类别不平衡问题	仅基于同轴双旋翼无人机特定数据集验证，未在无人机实时飞行或复杂天气条件下测试	实现同轴无人机涡环状态的早期预警，提供飞行控制系统关键干预时间	同轴双旋翼无人机的涡环状态	机器学习	NA	NA	ViT-LSTM	七通道机载数据（三轴加速度、三轴角速度、气压垂直速度）经连续小波变换生成的频谱图	NA	PyTorch	MTSF-Net（ViT-LSTM架构）	测试准确率98.26%，前驱状态召回率100%，致命漏检率和误报率均为0%	NA
183	2026-06-28	LTM-UNet: Linear Transformer-Mamba with Attention-Based U-Net for Context-Aware Breast Ultrasound Image Segmentation 2026-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121888 PMID:42351547	研究论文	提出一种名为LTM-UNet的新型分割模型，结合线性变换器与状态空间驱动的解码器，用于乳腺超声图像上下文感知分割	首次将高效视觉变换器编码器与基于状态空间模型的指向性解码器集成于U-Net框架中，并通过注意力引导的跳跃融合机制增强特征细节保留	未提及模型在复杂场景或低质量超声图像中的泛化能力及计算效率方面的限制	提升乳腺超声图像分割模型对全局上下文和局部细节的综合理解能力	乳腺超声图像中的病灶区域分割	计算机视觉	乳腺癌	超声成像	变换器、状态空间模型	图像	BUSI数据集和UDIAT数据集（具体样本量未提及）	NA	LTM-UNet（基于U-Net、变换器编码器、状态空间模型解码器）	Dice系数、IoU	NA
184	2026-06-28	Application of Artificial Intelligence for Predicting Sports Injuries and Customizing Personalized Prevention Strategies: A Scoping Review 2026-Jun-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060692 PMID:42351936	综述	系统梳理人工智能在运动损伤预测和个性化预防策略中的应用现状与趋势	首次通过系统综述方法全面评估人工智能在运动损伤预测与个性化预防中的应用趋势，并量化了模型性能（AUC 0.82-0.95）及预防效果（损伤减少23%-42%）	异质性损伤定义、小样本量、缺乏外部验证以及数据隐私问题限制了临床转化	描绘人工智能在运动损伤预测和个性化预防策略中的应用趋势，批判性评估现有方法学并指出未来研究方向	39篇同行评审的运动员损伤预测与预防研究	机器学习	运动损伤	NA	树型机器学习、深度学习	多模态数据	39项研究	NA	树型算法（随机森林等）、深度学习混合模型	曲线下面积（AUC）、准确率	NA
185	2026-06-28	Oral Cancer Numerical Index (OCNI): Development and Validation of a Cytology-Based Risk Assessment for Oral Lesions 2026-Jun-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124692 PMID:42355860	研究论文	开发并内部验证了口腔癌数值指数（OCNI），一种基于临床特征和深度学习刷拭细胞学测量的量化风险评估工具	首次将深度学习刷拭细胞学测量与临床特征结合，创建口腔癌数值指数（OCNI），实现口腔潜在恶性疾病的风险量化分层	研究为回顾性内部验证，样本量有限，需进一步外部验证	为口腔潜在恶性疾病提供准确的风险分层工具，识别高风险严重口腔上皮异型增生或口腔鳞状细胞癌患者	口腔潜在恶性疾病患者	数字病理学	口腔癌	深度学习基于刷拭细胞学测量	Logistic回归或类似风险评分模型（提及为指数但未明确指定深度学习架构）	临床特征数据和细胞学图像数据	548例受试者（训练集384例，保留测试集164例）	NA	NA	敏感性、特异性、阴性预测值、阳性预测值、校准截距、斜率、Hosmer-Lemeshow p值	NA
186	2026-06-28	CNN-BiLSTM-Based Hybrid Deep Learning for Multi-Metric Anomaly Detection and Mitigation in Secure IoMT Healthcare WBANs 2026-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s26123849 PMID:42356825	研究论文	提出一种基于CNN-BiLSTM的混合深度学习方法，用于安全IoMT医疗WBAN中的多指标异常检测与缓解	首次将CNN与BiLSTM结合应用于IoMT医疗WBAN的多指标异常检测，并部署在NodeMCU-32S平台，实现低延迟（15毫秒）和高准确率（94.6%）的实时攻击分类	主要针对特定攻击类型（如时序操纵、重放攻击），对未知或复杂攻击的检测能力未充分评估；实验环境可能无法完全模拟真实医疗场景的多样性	保护资源受限的IoMT医疗系统免受网络威胁，确保连续血糖监测数据传输的安全性	无线体域网中的生理信号、系统级参数和网络级通信指标	机器学习	糖尿病（通过连续血糖监测间接关联）	BLE 5.0无线通信	CNN, BiLSTM	生理信号（如血糖数据）、系统参数和网络指标	NA（未在标题和摘要中明确说明样本数量）	PyTorch（推测，因CNN-BiLSTM常用框架）	CNN, BiLSTM	准确率, 推理延迟, 计算开销（浮点操作和内存利用率）	NodeMCU-32S平台（微控制器）
187	2026-06-28	Interpreting the Black Box: Interpretable Machine Learning and Systems Pharmacology in Small-Molecule Therapeutics 2026-Jun-16, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18060743 PMID:42357359	综述	本文综述了可解释机器学习与系统药理学在小分子药物开发中的协同应用，旨在提高机制透明度并加速临床转化	首次系统阐述可解释机器学习如何通过因果生物标志物发现、患者分层优化及合规的模型卡片，桥接计算模拟与实验验证的干湿循环，并前瞻性提出向因果人工智能演进的挑战	当前可解释性分析仅能识别统计关联，尚需实验验证以建立真正因果关系；数据异质性和分布外泛化能力仍是主要瓶颈	探讨可解释机器学习联合系统药理学提升小分子药物开发透明度与效率的路径	小分子药物的ADME优化、毒性基团预警、多药理作用设计及临床试验转化	机器学习	NA	NA	可解释机器学习	多组学数据	NA	NA	NA	NA	NA
188	2026-06-28	Deep Learning-Based Automated Segmentation and Quantification of the Ellipsoid Zone and the RPE-Bruch's Membrane Complex in Healthy Subjects and in Geographic Atrophy 2026-Jun-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121872 PMID:42351531	研究论文	验证深度学习算法在健康眼和地理萎缩眼中自动分割和定量评估椭圆体带及RPE-Bruch膜复合体的准确性	开发了NMI-外视网膜分析仪，实现自动分割外视网膜层，并与专家手动分割高度一致	在地理萎缩眼中，自动与手动测量之间变异性较大，尤其在萎缩区域周围交界区	验证深度学习算法对椭圆体带和RPE-Bruch膜复合体的自动分割和定量评估的准确性	健康眼和地理萎缩眼的外视网膜层（椭圆体带、RPE、Bruch膜）	计算机视觉	地理萎缩	SD-OCT	深度学习	图像	30只健康眼和30只地理萎缩眼	NA	NMI-外视网膜分析仪	Dice系数, 皮尔逊相关系数, 绝对厚度差异	NA
189	2026-06-28	SAVE: Spectrum-Aided Visual Enhancement for AI-Based Skin Cancer Detection 2026-Jun-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121864 PMID:42351523	研究论文	提出一种名为SAVE的光谱辅助视觉增强器，通过高光谱成像原理和波段选择技术，从常规RGB皮肤镜图像中重建诊断相关光谱信息，提升基于AI的皮肤癌检测性能	首次将高光谱成像和波段选择原理应用于常规RGB皮肤镜图像的光谱重建，提出SAVE预处理方法，显著提升深度学习目标检测模型在皮肤病变识别中的性能	未明确讨论方法的计算复杂度和实时性潜力，且仅基于ISIC2019单数据集验证，泛化性需进一步评估	开发一种RGB兼容的光谱增强技术，提升AI辅助皮肤癌检测的准确性和可靠性	皮肤镜图像中的基底细胞癌（BCC）、脂溢性角化病（SK）和光化性角化病（AK）病变	计算机视觉, 数字病理学	皮肤癌	RGB成像, 高光谱成像（HSI）, 波段选择（BS）	深度学习目标检测模型	图像	ISIC2019数据集中865张皮肤镜图像（含BCC、SK、AK病变），按70%、20%、10%分为训练、验证和测试集	NA	YOLOv8, YOLOv10, YOLOv11, SSDLite, SSD	准确率, 精确率, 召回率, F1分数	NA
190	2026-06-28	Artificial Intelligence in Embryo Selection: Current Approaches and Clinical Implications 2026-Jun-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060688 PMID:42351932	综述	总结人工智能在胚胎选择中的应用现状，包括基于静态图像和延时成像数据的模型，并讨论其临床意义	系统回顾了人工智能在胚胎选择中的最新方法，涵盖卷积神经网络和时空模型，并强调终点指标如活产时间的临床相关性	人工智能在常规临床应用前仍需进一步验证和标准化实施，且存在透明度、责任、人类监督和监管等方面的伦理和临床问题	综述人工智能在胚胎选择中的当前方法及其临床意义	胚胎选择中的AI模型，包括基于静态图像和延时成像数据的方法	机器学习	不孕症	NA	卷积神经网络	图像	NA	NA	CNN, 时空模型	活产时间	NA
191	2026-06-28	Personalized Treatment of Head and Neck Cancers: Role of Functional Imaging and AI 2026-Jun-16, Cancers IF:4.5Q1 DOI:10.3390/cancers18121954 PMID:42352486	综述	探讨功能影像与人工智能在头颈部鳞状细胞癌个性化治疗中的作用	提出了一个生物学驱动的人工智能分析功能影像框架，强调临床导向的验证策略以促进分层模型的临床转化	在临床实施前仍存在大量挑战	探索功能影像结合人工智能（如影像组学与深度学习）在头颈部鳞状细胞癌治疗分层中的潜力	局部晚期头颈部鳞状细胞癌患者	机器学习	头颈部鳞状细胞癌	功能影像	深度学习和影像组学	图像	不适用	NA	NA	NA	NA
192	2026-06-28	Deep-Learning-Enabled SEM Image Segmentation Coupled with Laser Confocal Raman Microscopy: Elucidating Microstructure and Drug Spatial Distribution in Leuprorelin Acetate Microspheres 2026-Jun-16, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19060948 PMID:42356565	研究论文	开发深度学习SEM图像分割与激光共聚焦拉曼显微镜联用方法，用于解析亮丙瑞林醋酸微球的微观结构和药物空间分布	首次将深度学习图像分割算法与SEM结合，实现微球孔隙结构的定量分析，并联合激光共聚焦拉曼光谱实现了API空间分布的原位、无损三维可视化与定量	未明确提及研究的局限性，可能包括方法的通用性需进一步验证、样本数量有限等	建立微球微观结构和理化属性的精确表征方法，阐明“工艺-结构-性能”关系，为仿制药逆向工程和质量等效性评估提供技术框架	不同厂家和不同粒径的亮丙瑞林醋酸缓释微球	数字病理学, 计算机视觉	NA	SEM, 激光共聚焦拉曼光谱	深度学习	图像	不同厂家和不同粒径的微球样本，具体数量未明确	PyTorch, TensorFlow	U-Net, ResNet	准确率, 召回率, F1分数, Dice系数	NVIDIA GPU（如RTX 3090）
193	2026-06-28	Deep-Learning-Based Baseline Evaluation of Public WiFi CSI Datasets for Contactless RF-Based Human Activity Recognition 2026-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s26123821 PMID:42356794	研究论文	利用深度学习对公共WiFi CSI数据集进行接触式人体活动识别的基线评估	统一了多个公开CSI数据集并标准化预处理与训练流程，实现可控的跨模型比较；评估了多种任务（单人体活动识别、跌倒风险估计、多人体占用分类及定位感知活动识别）并揭示数据集依赖的模型性能趋势	混淆矩阵分析表明动态行为与低运动状态区分仍具挑战性；未涉及跨数据集泛化、混合模型设计及轻量化部署策略	建立可复现的基准参考框架，未来研究方向包括跨数据集泛化、混合模型设计及轻量化部署	公开WiFi CSI数据集及接触式人体活动识别任务	自然语言处理	NA	WiFi信道状态信息 (CSI)	多层感知机 (MLP)、卷积神经网络 (CNN)、门控循环单元 (GRU)、CNN-GRU混合模型	CSI信号数据	多个公开数据集，涉及单人体、多人体及跌倒风险等任务样本	NA	MLP、CNN、GRU、CNN-GRU	准确率、混淆矩阵	NA
194	2026-06-28	Beyond the Visual Spectrum: From RGB-Based Learning to Hyperspectral Intelligence for Plant Disease Detection-Challenges and Opportunities 2026-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s26123834 PMID:42356807	综述	系统综述高光谱成像与深度学习在植物病害检测中的交叉应用，探讨从实验室到田间的性能差距和挑战	首次系统整合视觉光谱分析与高光谱智能技术，提出从RGB学习到高光谱智能的范式转变，并量化分析实验室与田间性能差距	主要基于文献综述，缺乏实验验证；对实际部署中的计算资源需求和环境适应性讨论有限	总结高光谱成像与深度学习结合用于植物病害预症状检测的现状、挑战与未来发展方向	植物病害检测技术，特别是高光谱成像系统和深度学习模型	计算机视觉, 机器学习	植物病害	高光谱成像 (HSI)	1D CNN, 3D CNN, 混合注意力模型, Vision Transformer	高光谱图像	NA	NA	卷积神经网络, 注意力机制, Vision Transformer	准确率 (95-99%实验室, 70-85%田间)	NA
195	2026-06-28	Applications, Challenges, and Prospects of Artificial Intelligence in Crop Production 2026-Jun-16, Plants (Basel, Switzerland) DOI:10.3390/plants15121863 PMID:42357182	综述	系统综述人工智能在作物生产链五大核心领域的应用、技术路径、挑战与未来方向	首次系统分类和分析人工智能在作物生产中的四大关键技术路径（深度学习、传感器融合、数据驱动方法、混合建模），并全面审视数据、技术、实施及伦理政策维度的挑战	区域数据偏差、模型泛化能力不足和数字鸿沟仍阻碍大规模部署	综述人工智能在作物生产中的最新应用进展、面临的挑战及未来展望	作物生产链中的人工智能应用	机器学习	NA	深度学习、传感器融合、数据驱动方法、混合建模	NA	文本、图像、传感器数据	NA	NA	NA	准确率	NA
196	2026-06-28	Quantifying Canopy Closure Dynamics Using UAV Imagery and Semantic Segmentation in Rice Breeding Trials 2026-Jun-16, Plants (Basel, Switzerland) DOI:10.3390/plants15121860 PMID:42357179	研究论文	利用无人机影像和深度学习语义分割技术，建立高效框架量化水稻冠层闭合动态	首次将无人机遥感与深度学习语义分割结合，系统量化水稻冠层闭合动态，并利用Gompertz模型和K-means聚类分析揭示不同品种间的发育差异	数据集仅来自单季节和单地点，存在局限性	建立可扩展的客观框架，用于量化水稻冠层闭合动态，支持品种筛选和栽培优化	198个杂交水稻品种	计算机视觉	NA	无人机遥感	深度学习语义分割模型	RGB图像	198个杂交水稻品种	NA	DeepLabv3+, U-Net, PSPNet	平均交并比 (mIoU), R²	NA
197	2026-06-28	Development and Validation of Artificial Intelligence Prediction of Epicardial Coronary Artery Spasm in Patients Without Obstructive Coronary Artery Disease 2026-Jun-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121847 PMID:42351506	研究论文	开发并验证基于人工智能的心外膜冠状动脉痉挛预测模型，适用于无阻塞性冠状动脉疾病患者	首次利用常规临床数据和心电图原始数据，通过随机森林和CNN-LSTM深度学习模型非侵入性预测心外膜冠状动脉痉挛	心电图CNN-LSTM模型灵敏度高但特异性低（11.9%），仅为概念验证，尚未达到临床筛查工具标准	开发并验证基于人工智能的非侵入性风险评分，预测无阻塞性冠状动脉疾病患者的心外膜冠状动脉痉挛	无阻塞性冠状动脉疾病且接受冠状动脉内甲基麦角新碱激发试验的患者	机器学习	心血管疾病	NA	随机森林, CNN-LSTM	临床数据, 心电图	推导队列1050名患者和外部验证队列600名患者，共2611份心电图记录	NA	随机森林, CNN-LSTM	AUC, 灵敏度, 特异性	NA
198	2026-06-28	EEG-ChTABNet: A Dual-Branch Channel-Wise Transformer with Gated Attention-Branch Network for EEG-Based Classification of Dementia 2026-Jun-15, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061345 PMID:42351773	研究论文	提出一种新的双分支通道Transformer与注意力分支网络EEG-ChTABNet，用于基于EEG的痴呆、中风和健康对照三种神经状态分类	提出四个新设计：通道重要性注意力块、双分支编码器（全局多头自注意力和局部深度可分离卷积）、门控Sigmoid融合机制、瓶颈残差分类头，有效解决小样本和高维熵特征挑战	样本量较小（N=45，每类15例），可能限制泛化能力；研究未评估EEG-ChTABNet在其他神经疾病或更大数据集上的表现	解决小样本条件下基于EEG熵特征的神经疾病多分类难题，提升痴呆、中风和健康对照的早期准确区分能力	19通道32名受试者（痴呆、中风、健康对照各15例）的EEG熵特征数据	机器学习	痴呆, 中风	EEG	Transformer, 注意力机制, 深度可分离卷积	EEG熵特征	45例（每类15例）	PyTorch	EEG-ChTABNet: 通道重要性注意力块, 双分支编码器（全局多头自注意力+局部深度可分离卷积）, 门控Sigmoid融合, 瓶颈残差分类头	分类准确率, AUC, 检测灵敏度	NA
199	2026-06-28	Deep Learning-Based Evaluation of Maxillary Dental Midline Deviation on Orthodontic Frontal Photographs 2026-Jun-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060687 PMID:42351931	研究论文	使用基于YOLOv8的深度学习方法在正畸正面照片上检测上颌牙中线区域，并评估检测输出对多种机器学习算法分类性能的影响	首次将YOLOv8目标检测与多种机器学习分类器结合，用于评估正畸正面照片中的上颌牙中线偏斜	分类结果仅作为探索性结果，未进行完整的检测加分类流程的无泄漏外层k折验证，分类结果应视为初步结果，未纳入面部参照系归一化和观察者间信度评估	检测上颌牙中线偏斜，并评估不同机器学习算法对对称与非对称中线状态的分类性能	146张标准化正面照片（72张中线偏斜≥2mm，74张对称）	计算机视觉	口腔正畸相关疾病	YOLOv8目标检测	CNN（YOLOv8）及多种机器学习分类器	图像（正面照片）	146张照片（训练集126张，测试集20张）	PyTorch	YOLOv8，以及其他11种分类器（如朴素贝叶斯、逻辑回归、支持向量机、AdaBoost等）	准确率（含95% Wilson置信区间）、精确率、召回率、F1分数、ROC-AUC	NA
200	2026-06-28	Hybrid Computational Modeling with Multi-Level Validation Identifies TK1-VIM as a Robust Therapeutic Pair in Triple-Negative Breast Cancer 2026-Jun-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27125385 PMID:42353103	研究论文	提出一种结合布尔网络建模与半定规划（SDP）的混合计算方法，识别出TK1-VIM作为三阴性乳腺癌的稳健治疗靶点对	首次将布尔网络建模与半定规划相结合用于治疗靶点识别，并引入多层级验证框架，包括AlphaGenome深度学习模型提供的正交计算支持	缺少实验验证，临床转化前仍需进一步的实验数据支持	识别三阴性乳腺癌中具有可成药性和稳健性的治疗靶点对	三阴性乳腺癌细胞系网络	机器学习, 计算生物学	三阴性乳腺癌	布尔网络建模, 半定规划, RNA测序	布尔网络模型, AlphaGenome（深度学习模型）	网络模型数据, RNA-seq数据	一个三阴性乳腺癌细胞系网络	NA	布尔网络, AlphaGenome	相似度（99.03%）, 置信区间（[98.79%, 99.26%]）, p值（<0.001）	NA