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	2026-08-31	Deep learning based apple leaf disease detection using spatially modulated continuouslayer 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57763-0 PMID:42288613	研究论文	本文介绍了一种基于自定义连续层（ContinuousLayer）的深度学习框架，用于苹果叶片病害检测，实现了高精度的分类	提出了空间自适应卷积层ContinuousLayer，利用可训练的高斯基函数进行空间特征调制，并通过混合复合损失函数惩罚核不规则性，克服了标准CNN的局限	研究在受控环境中进行，可能未考虑田间复杂背景和光照变化等实际条件	实现苹果叶片病害的早期准确检测，以支持可持续农业中的精准农业应用	苹果叶片图像，包括黑腐病、锈病、疮痂病和健康叶片	计算机视觉	植物病害（苹果叶片病害）	图像分类	卷积神经网络 (CNN)	图像	3,164张图像，其中10%作为测试集	未明确提及，推测使用深度学习框架如TensorFlow或PyTorch	ContinuousLayer（自定义卷积层）	准确率, F1-score	未明确提及，可能使用单个GPU（如NVIDIA RTX系列）
182	2026-08-31	Integrating AI for sustainable architectural space optimization and heritage-conscious street design 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56501-w PMID:42288626	研究论文	提出一个AI驱动的框架，用于优化历史文化街区空间布局，同时保护遗产价值，结合深度学习、图技术和强化学习应对城市挑战。	结合CNN、GNN和RL，提供动态数据驱动方法，适应实时变化，平衡现代化与历史真实性。	未明确说明	优化历史文化街区空间布局，提升可持续性，同时保护遗产价值。	具有历史意义的城市街道空间	计算机视觉、机器学习	不适用	不适用	CNN、GNN、RL	图像、网络数据、环境数据	未明确说明	未明确说明	CNN、GNN、强化学习模型	拥堵减少率、绿色空间增加率、行人可达性提升率	未明确说明
183	2026-08-31	Deep learning-based artificial intelligence can improve the diagnosis of small bowel obstruction: stratified comparison study and hierarchical Bayesian model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57999-w PMID:42288632	研究论文	本研究开发了一种基于深度学习的AI技术，用于从增强CT图像中自动提取扩张肠段，并评估其在提高小肠梗阻诊断准确性方面的潜力	开发了一种自动提取扩张肠段的AI技术，并通过分层比较研究和分层贝叶斯模型评估其对不同经验水平医生（住院医师和外科医生）诊断小肠梗阻的改善效果	研究未提及明确的局限性	提高小肠梗阻的诊断准确性，特别是在急诊科环境中，并减少诊断所需时间	小肠梗阻患者，包括158次增强CT检查和5200张标注图像，以及30名疑似SBO患者的CT图像作为测试集	医学影像分析	小肠梗阻	增强CT成像	深度学习模型（未具体说明，可能为卷积神经网络）	图像（CT图像）	158次增强CT检查（5200张标注图像）和30名疑似小肠梗阻患者的CT图像	未提及	未明确指定，但可能包括U-Net或类似分割网络	精确率、召回率、Dice得分、正确诊断率、比值比、95%可信区间	未提及
184	2026-08-31	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT，一种结合迁移学习和Kolmogorov-Arnold网络的深度学习框架，用于基于分子SMILES表示预测天然产物的疗效和不良反应	首个将迁移学习与KAN架构统一用于天然产物双标签预测的框架，并在少样本和零样本场景中表现出色	未提及具体限制，但可能受限于数据规模和模型的可解释性	开发一个能够同时预测天然产物疗效和不良反应的深度学习模型，解决现有模型泛化能力有限的问题	天然产物，包括来自MEC和NPASS数据库的化合物，以及以淫羊藿中的淫羊藿素为代表案例	深度学习	NA	SMILES表示，迁移学习	KAN	分子结构数据（SMILES）	约3800种药物用于预训练，400种天然产物用于微调	NA	KAN	准确性，鲁棒性	NA
185	2026-08-31	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种可解释的神经网络驱动学习模型（XNNLM-NDD），用于进行性神经退行性疾病（如亨廷顿病）的诊断	采用最小冗余最大相关性与ReliefF混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并结合SHAP可解释性方法，提高诊断准确性和模型透明度	未提及	开发一个可解释的深度学习模型，以高效分析临床特征并进行精确的神经退行性疾病诊断	亨廷顿病患者的临床数据	机器学习	亨廷顿病	NA	特征分词器-变换器模型	结构化临床数据	NA	NA	Transformer	准确率	NA
186	2026-08-31	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究基于视觉深度学习方法从图像数据解释手语字母，系统评估多种迁移学习卷积神经网络的性能，以提升助残技术的可及性	提出统一评估框架比较多种先进架构，并发现ConvNeXtXLarge在字母级手语识别中达到最高准确率，为模型选择提供实用洞见	研究仅使用基准美国手语数据集，未涉及真实场景中的复杂背景或动态手势变化	探索视觉深度学习方法在字母级手语识别中的有效性，并构建评估框架以指导模型选择	美国手语字母数据集中的手语手势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	基准美国手语字母数据集（具体样本数未在标题和摘要中提及）	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
187	2026-08-31	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	本研究开发了一种结合影像组学与深度学习特征的混合元启发式特征选择框架，并在小规模乳腺X线摄影试点及合成数据集上进行了可行性评估	提出了一种混合蝗虫优化算法与乌鸦搜索算法（GOA-CSA），并引入了多约束适应度函数，能够有效结合影像组学与深度学习特征进行特征选择	真实数据样本量较小（n=22），限制了性能评估的可靠性；防坍塌惩罚项未在真实数据上触发验证，缺乏外部验证	评估混合元启发式特征选择框架在乳腺癌检测中的方法学可行性，并测试其在易坍塌条件下的性能	乳腺X线摄影中的病灶感兴趣区域（ROI）	数字病理学	乳腺癌	影像组学、深度学习特征提取（基于EfficientNet-B5模型）	多层感知机（MLP）分类器、混合优化算法（GOA-CSA）	图像（乳腺X线摄影）	CBIS-DDSM数据集中的22个样本（试点子集）及合成数据集（N=16，D=1114）	NA	EfficientNet-B5	AUC, 灵敏度	NA
188	2026-08-31	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	本研究通过混合方法分析在线戒烟健康社区中的信息传播模式，结合大型语言模型和社会网络分析，探究交流内容与情境对戒烟行为的影响	创新地将理论丰富的大型语言模型与社会网络分析相结合，用于识别在线健康社区中潜在的同伴互动模式及戒烟行为动态	摘要未提及局限性	考察在线健康社区中与烟草使用相关的沟通内容及情境特定信息扩散模式	在线戒烟论坛QuitNet的成员及其交流信息	自然语言处理, 社会网络分析	烟草依赖	大型语言模型、社会网络分析、随机行为者导向模型	大型语言模型、随机行为者导向模型	文本数据（论坛消息）	64,632名成员，2.39百万条论坛消息（2000-2015），三个波次分别有3,055、2,475和2,289名成员	NA	大型语言模型（具体架构未提及）	F1-score	NA
189	2026-08-31	Clinical implementation of 3D deep learning techniques in predicting touch-up lesions for atrial fibrillation patients undergoing cryoablation 2026-Jun, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2026.101912 PMID:42005401	研究论文	本研究开发并验证了一种3D深度学习模型（CryoAI），用于预测心房颤动患者在接受冷冻球囊消融时是否需要追加射频消融，以改善术前规划并减少干预	提出先进的CryoAI（VoxNet++）模型，并整合Grad-CAM和高斯曲率模块进行3D激活可视化，精确定位冷冻球囊定位及可能追加消融的关键区域	未明确提及，但样本量相对有限（内部190例，外部99例），且为单中心研究	利用3D深度学习技术预测冷冻球囊消融的复杂性，特别是预测是否需要追加射频消融，以减少手术时间、成本、风险和患者不适	心房颤动患者，接受冷冻球囊消融的病例	深度学习，医学影像	心房颤动	CT成像，3D体素重建	PointNet, VoxNet, CryoAI (VoxNet++)	CT图像（3D体素重建）	内部数据集190例（训练测试8:2）、外部验证数据集99例	NA	PointNet, VoxNet, VoxNet++（CryoAI）	AUC, 阳性预测值	NA
190	2026-08-31	Lower limb and feet wound image dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112730 PMID:42007077	研究论文	构建了一个包含健康与病理下肢和脚部伤口的综合图像数据集，用于支持机器学习模型的开发	提供了一个平衡的数据集，同时包含真实临床伤口图像和健康脚部图像，解决了现有资源中类别不平衡的问题	未知，摘要中未提及	开发一个平衡的下肢和脚部伤口图像数据集，以支持伤口分割、分类和临床决策支持等机器学习任务	下肢和脚部的伤口图像及健康脚部图像	计算机视觉	糖尿病足、压力性损伤、创伤、静脉性溃疡、手术伤口、动脉性溃疡、蜂窝织炎等	图像采集和标注，包括伤口分割掩膜生成和数据增强	NA	图像	共5443张图像，其中伤口图像2686张，健康脚部图像2757张	NA	NA	NA	NA
191	2026-08-30	Research progress and challenges of multimodal deep learning models for prognosis of gastric cancer 2026-Jun-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05431-0 PMID:42313224	综述	本文综述了多模态深度学习模型在胃癌预后预测中的研究进展，并探讨了可解释性深度学习模型的创新应用及其面临的挑战。	深入探讨了可解释性深度学习模型在胃癌预后预测中的创新应用，强调了多模态数据融合技术如何提高预后准确性。	挑战包括多模态数据整合的复杂性、可解释性模型的不足以及数据质量和标准化的难题。	研究多模态数据整合技术在胃癌预后预测中的应用，并讨论可解释性深度学习模型的挑战。	胃癌患者的多模态数据，包括年龄、生存状态、放射学影像、组织病理学特征和基因组信息。	机器学习	胃癌	多模态数据融合技术	深度学习模型	多模态数据（图像、文本、基因组数据）	NA	NA	NA	NA	NA
192	2026-08-30	Evolution of artificial intelligence in breast cancer pathology: a bibliometric analysis 2026-Jun-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05388-0 PMID:42313316	研究论文	本文通过文献计量学分析，对2011至2025年间人工智能在乳腺癌病理学领域的研究进行系统综述，识别研究趋势和新兴方向	首次使用BERTopic模型从摘要中提取语义主题，并结合VOSviewer和CiteSpace进行全面的文献计量分析，揭示了从单模态图像分析向多模态“病理组学”及跨学科领域的转变	仅依赖Web of Science单一数据库，可能遗漏其他重要文献；分析截至2025年，未来研究趋势需进一步更新	绘制人工智能在乳腺癌病理学领域的研究布局，识别关键趋势和新兴方向，为研究人员和临床医生提供基础资源	2011至2025年间发表的1089篇相关文献	文献计量学	乳腺癌	文献计量分析	BERTopic	文献数据（文本）	1089篇文献	VOSviewer, CiteSpace, BERTopic	BERTopic	NA	NA
193	2026-08-30	A causal reinforcement learning framework for reliable gene regulatory network inference 2026-Jun-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06511-2 PMID:42316003	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
194	2026-08-30	Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning 2026-06-17, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.1186 PMID:42303257	研究论文	本研究提出一种基于深度学习的组织学引导3D虚拟染色平台，用于将同步辐射相位衬度显微CT（PCµCT）成像的肺组织转换为类似标准组织学染色的彩色图像。	首次将PCµCT提供的3D体积信息与组织学染色的丰富视觉特征通过多阶段配准和虚拟染色深度神经网络相结合，实现了对人和小鼠肺组织的虚拟组织学染色。	未明确提及局限性，但可能依赖于高质量的配准和特定染色类型的训练数据。	开发一种组织学引导的3D虚拟染色平台，以促进PCµCT作为临床工具用于生物组织的3D分析和非破坏性病理学。	人和小鼠的肺组织样本	数字病理学	肺动脉高压	同步辐射相位衬度显微CT（PCµCT）	深度神经网络	3D显微CT图像和组织学染色图像	涉及多个肺组织样本（具体数量未明确）	未明确提及	未明确提及具体架构	未明确提及	未明确提及
195	2026-08-30	A transformer-based multimodal deep learning model for preoperative prediction of Ki-67 expression level in glioma 2026-Jun-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02492-z PMID:42310560	研究论文	开发一种基于Transformer的多模态深度学习模型，利用术前多模态磁共振数据预测胶质瘤Ki-67表达水平，并进行了外部验证	首次将视觉Transformer模型应用于胶质瘤Ki-67表达水平的多模态磁共振预测，并与传统CNN模型进行了比较	未提及具体局限性	开发并验证一个基于ViT的深度学习模型，以非侵入性预测胶质瘤Ki-67表达水平	421例2-4级胶质瘤患者的临床和影像数据及肿瘤三维感兴趣区域	医学影像	胶质瘤	磁共振成像	视觉Transformer	医学图像	421例（训练集217例，内部验证集94例，外部验证集110例）	NA	ViT, ShuffleNet, ResNet50, DenseNet121	AUC	NA
196	2026-08-30	Automated classification of clinical T staging pulmonary oncology from chest CT reports: a natural language processing framework for real-world data utilization 2026-Jun-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03596-w PMID:42310616	研究论文	开发了一种基于自然语言处理的系统，用于从胸部CT报告中自动分类临床T分期，以促进真实世界数据的利用。	结合深度学习和规则算法，遵循第9版肺癌TNM分类标准，自动从胸部CT报告中提取临床T分期信息。	文中未明确提及局限性，可能包括对报告内容完整性的依赖和外部验证的需求。	降低标注成本，提高真实世界数据中临床T分期信息的可用性。	胸部CT报告中的临床T分期信息。	自然语言处理	肺癌	自然语言处理	深度学习与规则算法结合	文本	训练集284份报告，测试集165份报告	NA	NA	加权F1分数	NA
197	2026-08-30	Navigating the uncharted: AI-driven advances in protein structure, dynamics, interactions and ligand interactions for understudied families 2026-Jun-17, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00577-7 PMID:42310771	综述	本文综述了人工智能和机器学习在蛋白质结构预测、动力学、相互作用和配体相互作用方面的进展，特别关注未充分研究蛋白质家族。	系统比较了传统建模方法与先进深度学习框架，并通过孤儿G蛋白偶联受体和固有无序区域的案例研究展示了AI技术的变革潜力。	仍需实验验证、需要有效建模蛋白质柔韧性，以及需要处理AI生成数据的伦理问题。	为研究人员提供利用AI创新解决蛋白组学最具挑战性问题的路线图，推动未充分研究蛋白质的结构和功能表征。	未充分研究的蛋白质家族、孤儿G蛋白偶联受体、固有无序区域。	机器学习, 计算生物学	NA	NA	AlphaFold2, RoseTTAFold, 基于Transformer的架构, 图神经网络, 扩散模型	蛋白质序列和结构数据	NA	NA	Transformer, 图神经网络, 扩散模型	准确性（接近实验）	NA
198	2026-08-30	EDRNet-based adolescent idiopathic scoliosis screening method using bare-back images 2026-Jun-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03639-2 PMID:42304329	研究论文	本研究提出了一种基于裸背图像和高效扩张残差网络（EDRNet）的青少年特发性脊柱侧弯无辐射筛查方法，并验证了其性能。	首次提出使用裸背图像和EDRNet进行脊柱侧弯筛查，避免了X射线辐射，实现了高效、无创的筛查。	未提及具体限制，但可能包括样本量有限、图像采集条件差异等。	开发一种基于裸背图像的无辐射、高效的青少年特发性脊柱侧弯筛查方法。	600名青少年（300名脊柱侧弯患者和300名无脊柱疾病者）的裸背图像。	计算机视觉	青少年特发性脊柱侧弯	数字图像处理	卷积神经网络（CNN）	图像	600名青少年的裸背图像	NA	EDRNet, VGG16, GoogLeNet, ResNet34, MobileNetV2	准确率、精确率、召回率、F1分数、AUC	NA
199	2026-08-30	Enzyme-aware soil fertility prediction using dual optimization with improved SCSO 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56124-1 PMID:42286015	研究论文	提出了一种基于改进的沙猫群优化（Improved SCSO）的统一框架，用于酶感知的土壤肥力预测，实现了特征选择与超参数调优的序列化整合	改进了传统沙猫群优化方法，通过余弦调制搜索、随机逃逸最差更新机制和时间自适应最优解继承策略，增强了探索与开发能力的平衡，并在优化过程中显式纳入酶相关属性以选择生物学有意义的特征	摘要中未提及明显的局限性	提高土壤肥力预测的准确性和解释性，并实现基于预测结果的作物适宜性动态映射	土壤酶活性相关属性及作物适宜性	机器学习	NA	NA	机器学习模型（如梯度提升、决策树、随机森林等）和深度学习模型	表格数据（土壤属性）	未在摘要中明确给出样本数量	未明确指定，可能使用Scikit-learn	梯度提升（GB）、决策树（DT）、随机森林（RF）及其混合模型	准确率、精确率、召回率、F1分数	未在摘要中提及
200	2026-08-30	A multi-task learning framework for diagnosing partial discharge types and assessing severity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57520-3 PMID:42286070	研究论文	提出了一种名为PD-IntelliFusionNet的多任务学习框架，用于同时诊断局部放电类型并评估其严重程度。	将声学和电磁传感、物理建模、多尺度特征提取及多任务深度学习集成到一个统一框架中，首次实现同时进行局部放电类型诊断和严重性评估。	摘要中未提及具体局限性。	提高电力变压器绝缘系统的可靠性和降低维护成本，通过统一框架实现局部放电类型诊断和严重性评估。	电力变压器中的局部放电现象，包括声发射和超高频信号。	机器学习	NA	声学传感、电磁传感、多尺度特征提取、多任务深度学习	多任务学习，注意力机制	信号数据（时域、频域和小波特征）	NA	PyTorch	PD-IntelliFusionNet	诊断准确性和鲁棒性	NA