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
321	2026-08-16	Deep learning-based cross-modal MR-CT registration for brain metastases radiotherapy with multi-scale feature refinement and brainstem guidance 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55496-8 PMID:42236931	研究论文	提出基于深度学习的MSFRTransMorph框架，用于脑转移瘤放疗中MR-CT图像的跨模态可变形配准	引入多尺度特征细化模块增强Transformer架构的层级特征交互和细粒度形变建模，并利用脑干分割作为解剖引导且不依赖肿瘤标注	配准精度提升伴随局部形变折叠比例增加，拓扑规律性降低，需在精度与形变稳定性间权衡	提高脑转移瘤放疗中MR-CT跨模态配准的准确性	脑转移瘤患者的MR和CT图像对	医学图像配准	脑转移瘤	MR成像、CT成像	Transformer	图像	141对MR-CT图像	NA	TransMorph、MSFR模块	Dice相似系数、95% Hausdorff距离、雅可比行列式指标	NA
322	2026-08-16	Design of an AI-based security anomaly detection system for IoT terminals based on the ViT-transformer fusion model 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55476-y PMID:42230914	研究论文	提出一种基于ViT-Transformer融合模型的物联网终端AI安全异常检测系统，采用端边云协同架构和多模态数据融合，实现高效且安全的异常检测	首次将ViT-Transformer融合模型与端边云协同架构结合，通过tokenization实现跨模态特征融合，集成剪枝、蒸馏和量化优化策略将模型压缩率提升至70%，并引入CL-PKE加密和BLS批量认证保障数据安全，同时采用联邦学习聚合边缘模型更新	实验主要在公开数据集和自建测试台上进行，未在真实大规模物联网环境中验证；模型在低算力设备上仍有延迟和内存占用，可能影响更复杂场景的适用性	解决物联网终端在资源受限和隐私保护条件下的安全异常检测问题，提供高效可靠的AI安全检测技术方案	物联网终端（包括水系统、医疗、交通等应用场景），涉及低算力设备如RPi4B和Arduino	机器学习	NA	网络流量分析、传感器时序分析、侧信道分析	Transformer	多模态数据（网络流量、传感器时序、侧信道信号）	使用了公开数据集IoT-23和UCI（含多种样本），以及自制测试台数据，具体样本量未在摘要中说明	NA	ViT-Transformer融合模型	准确率、F1分数、推理延迟、内存占用、防御成功率、批量认证时间	适用于低算力设备如RPi4B和Arduino，未提供具体GPU信息
323	2026-08-16	Clinical determinants of retinal age gap estimated from fundus photographs in glaucoma patients 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55984-x PMID:42230934	研究论文	本研究探讨了青光眼患者眼底照片中视网膜年龄差距的临床决定因素，发现晶状体状态等因素显著影响视网膜年龄估计。	首次评估眼部因素，特别是晶状体状态，对视网膜年龄差距的影响，并提出在解释视网膜年龄时应考虑眼部状况。	研究为单中心回顾性观察，样本量有限，可能影响结果的普适性。	确定青光眼患者中视网膜年龄差距的临床决定因素，并评估其作为生物学年龄生物标志物的可靠性。	283只眼，来自山梨大学医院2010年2月至2025年4月接受45度彩色眼底摄影的成人患者。	计算机视觉	青光眼	眼底摄影	深度学习算法	眼底图像	283只眼	NA	NA	NA	NA
324	2026-08-16	Artificial Intelligence in Periodontology: A Systematic Review 2026-Jun, Journal of periodontal research IF:3.4Q1 DOI:10.1111/jre.70107 PMID:41907011	系统综述	对人工智能在牙周病学中的应用进行系统综述，涵盖基于深度学习的影像诊断和非影像类AI应用	首次全面综述AI在牙周病学中影像和非影像应用，采用PRISMA指南和PICO框架进行结构化分析	非影像部分因异质性高未进行正式偏倚风险评估，且多数研究为单中心数据，泛化性受限	提供AI在牙周病学中应用的全面综述，分两部分评估深度学习影像诊断和基于非影像数据的AI应用	牙周病诊断、分类、风险分层、进展和治疗结果建模及相关AI应用	机器学习	牙周病	NA	深度学习模型	影像数据（如全景X光片、CBCT、口内X光片、照片）和非影像数据（如文本、临床数据）	PICO 1包含29项研究，PICO 2包含65项研究	NA	NA	准确率、AUROC	NA
325	2026-08-15	4D reconstruction of airway dynamics using endoscopic optical coherence tomography 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.596962 PMID:42596246	研究论文	提出一种基于内窥镜光学相干断层扫描的呼吸分辨四维气道重建方法，以捕捉呼吸周期中的动态解剖变化	结合深度学习管腔分割、呼吸校正和旋转校正算法，实现从内窥镜OCT数据中自动重建呼吸分辨的四维气道结构	摘要中未提及具体局限性	开发一种利用内窥镜OCT进行四维气道动态成像的方法，以克服传统三维重建忽略呼吸运动的问题	兔气道	医学影像	气道疾病	光学相干断层扫描（OCT）	深度学习模型（用于管腔分割）	内窥镜OCT图像	兔气道（体内成像）	NA	深度学习分割网络（具体架构未提及）	NA	NA
326	2026-08-15	Deep learning-enabled atmospheric turbulence compensation for concentric perfect optical vortex beams 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.591432 PMID:42596264	研究论文	本研究提出了一种基于深度学习的湍流补偿网络（ATDFPNet），用于修复同心完美涡旋光束因大气湍流引起的畸变，提升其在自由空间光通信中的性能	提出了一种新型的湍流分解频率预测网络（ATDFPNet），能够快速精准预测湍流相位屏，并表现出对不同湍流强度和轨道角动量模式的鲁棒泛化能力	摘要未提及研究的局限性	解决同心完美涡旋光束在大气湍流影响下的畸变问题，提高其在自由空间光通信系统中的性能	同心完美涡旋光束及其在自由空间光通信中的应用	计算机视觉	NA	NA	深度学习网络	图像	NA	NA	ResNet18	模式纯度、准确率、结构相似性指数	NA
327	2026-08-15	Double-subdivision vortex beam interferometer enhanced by DenseNet for precision displacement measurement 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.589575 PMID:42596300	研究论文	提出一种结合DenseNet深度学习框架的双细分共轭涡旋光束干涉仪，用于高精度微位移测量	通过双细分光路实现干涉条纹旋转角加倍，并引入DenseNet-169作为解调后端，替代传统几何算法和浅层卷积方法，提高位移解码精度	未提及	实现高精度微位移测量，提供非接触式精密计量和光学传感解决方案	微位移测量系统	计算机视觉	不适用	干涉测量	DenseNet	图像	未提及	未提及	DenseNet-169	平均绝对误差	未提及
328	2026-08-15	Deep learning-enabled optical scatterometry technique for high-precision and non-destructive measurement of grating microstructure parameters 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.596288 PMID:42596349	研究论文	提出一种集成双光束散射仪和自适应自校准物理约束CNN（ASPCNN）的光学散射测量系统，用于光栅微结构参数的非破坏性高精度测量	提出ASPCNN架构，集成自适应感受野融合模块和多尺度特征提取以及自校准残差注意力模块，提高噪声鲁棒性，并通过物理约束损失函数确保预测符合物理可行性，实现亚纳米精度和实时推理能力	摘要未明确提及局限，可能包括对特定光栅类型的适用性或实验条件的依赖	实现光栅微结构参数的非破坏性、高精度测量，以满足先进光学制造中的工业计量需求	光栅微结构参数	机器学习, 光学计量	NA	光学散射测量（双光束散射仪）	卷积神经网络（CNN）	衍射光谱	未提及具体样本数量，可能使用模拟或实验衍射光谱数据	NA	ASPCNN（包含自适应感受野融合模块和自校准残差注意力模块）	决定系数（R²）、推理时间	未提及
329	2026-08-15	Deep reinforcement learning-based lens design 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.599246 PMID:42596353	研究论文	本文提出了一种基于深度强化学习的透镜设计框架，使代理能够仅依靠斯涅尔定律生成折射透镜设计，并展示了其在多样性和适应性方面的表现。	创新点在于使用混合动作空间的深度强化学习框架，无需预先定义光学元件序列或依赖现有设计，可灵活插入玻璃元件或空气间隙，实现数据自由的目标驱动透镜设计。	限制可能包括训练过程受奖励设计影响大，以及在未训练设计要求下的表现仍有待提高，具体细节未在摘要中详细说明。	研究目的是探索仅基于斯涅尔定律的AI模型能否生成合理的透镜设计，并提供数据自由、目标驱动的自动化设计基础。	研究对象是折射透镜设计，包括光学布局中的玻璃元件和空气间隙。	机器学习	NA	NA	深度强化学习（DRL）	NA	NA	NA	NA	光学性能指标（具体未指定）、设计多样性、推理速度、奖励设计	NA
330	2026-08-15	Bibliometric Analysis of Pulmonary Fibrosis Imaging Research: Knowledge Graph Construction Based on the Web of Science Core Database 2026-Jun, Malawi medical journal : the journal of Medical Association of Malawi IF:1.2Q4 DOI:10.4314/mmj.v38i2.9 PMID:42597140	研究论文	本研究通过文献计量学方法，分析2015至2024年间肺纤维化影像学研究的出版趋势、国际合作网络及研究主题演变，并基于Web of Science核心数据库构建知识图谱	首次针对肺纤维化影像学领域进行系统性的文献计量分析，综合运用CiteSpace、VOSviewer和Scimago Graphica多种工具，识别出“深度学习”为该领域最强且持续时间最长的研究爆发点，并划分出三个重叠的研究阶段	地理碎片化及有限的多中心验证仍是人工智能泛化能力的主要障碍，未来需标准化影像协议并建立前瞻性多中心验证队列	量化肺纤维化影像学研究的出版趋势，绘制国际合作网络，并识别该领域主导及新兴的研究主题	2015至2024年间Web of Science核心数据库中1,159篇英文原创研究论文，涉及肺纤维化及影像学相关主题	文档分析	肺纤维化	NA	NA	文本	1,159篇英文原始研究文章，来自64个国家的研究者	NA	NA	R²	NA
331	2026-08-14	Beyond consent: Reconstructing ethical justification in medical adaptive machine learning systems 2026-Jun-30, Global health & medicine IF:1.9Q3 DOI:10.35772/ghm.2026.01047 PMID:42368310	研究论文	本文探讨医疗自适应机器学习系统（MAMLS）中知情同意伦理的局限性，并提出需转向公共卫生伦理框架以应对相关挑战	指出MAMLS中知情同意面临两个结构性局限：深度学习模型的不可逆性削弱撤回权，以及数据代表性和偏差问题引发自主性困境，主张伦理辩护需转向机构信任和公共卫生伦理	未提供实证数据或案例研究，仅基于理论分析	分析MAMLS中基于同意的伦理的局限性，并提出补充或重新定位伦理辩护的框架	医疗自适应机器学习系统（MAMLS）及其伦理问题	机器学习	NA	NA	深度学习模型（作为MAMLS的一部分）	临床数据	NA	NA	NA	NA	NA
332	2026-08-14	Comparative analysis of CNN-LSTM and CNN-BiLSTM hybrid deep learning models for solar radiation prediction 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59621-5 PMID:42366204	研究论文	本文对CNN-LSTM和CNN-BiLSTM混合深度学习模型在太阳能辐射预测中的性能进行了比较分析	在相同预处理、窗口、时间分割和训练条件下，对CNN-LSTM和CNN-BiLSTM模型进行可复现的对比，并重构全天空辐照度以增强与观测的一致性	模型对直接清晰度指数预测的Skill Scores为负，表明不是最先进的预测；需要更多地点、更强大的基线和概率预测技术进行进一步测试	比较CNN-LSTM和CNN-BiLSTM在一步前太阳能清晰度指数预测中的性能，并评估重构辐照度与观测的一致性	基于NASA POWER数据集的印度德里多变量气候变量	机器学习	NA	NA	CNN-LSTM, CNN-BiLSTM	时间序列数据（气候变量）	未明确样本数量，但使用NASA POWER数据集的德里地区数据	NA	CNN-LSTM, CNN-BiLSTM	MAE, RMSE, R2, EVS, WI, APB	NA
333	2026-08-14	Machine learning-enhanced nano-QSAR and multiscale modeling for predictive nanomedicine: applications in herbal therapeutics and neglected tropical diseases 2026-Jun-26, Discover nano DOI:10.1186/s11671-026-04679-3 PMID:42360577	综述	本文综述了机器学习增强的纳米定量构效关系（nano-QSAR）和多尺度建模在预测性纳米医学中的应用，重点探讨其在草药治疗和忽视的热带疾病中的转化潜力。	首次系统整合了纳米特异性描述符、经典和深度学习框架、物理信息混合模型以及量子到组织水平的多尺度模拟；提出将计算模型应用于草药纳米医学和忽视的热带疾病这两个具有明确转化前景的领域；展望了标准化开放数据集、基础AI模型、自主纳米粒子设计和患者特异性数字孪生平台等未来方向。	存在数据稀缺、异质性、可重复性有限和监管不确定性等持续挑战。	为加速安全、有效且适应特定环境的纳米医学开发提供路线图，通过整合机器学习、nano-QSAR和多尺度建模实现预测性理性设计。	纳米粒子、纳米医学、草药纳米粒子、忽视的热带疾病相关病理。	机器学习、数字病理学、计算药理	忽视的热带疾病	NA	机器学习模型、深度学习模型	纳米粒子特性数据、多尺度模拟数据	NA	NA	物理信息混合模型、基础AI模型	NA	NA
334	2026-08-14	Remote Assessment of Parkinson Disease Using Deep Learning on Structured Mouse-Trace Data From Suspected Cases: Machine-Learning Pilot Feasibility Study 2026-Jun-26, JMIR formative research IF:2.0Q4 DOI:10.2196/81368 PMID:42361348	研究论文	本研究开发了一个基于鼠标轨迹数据的深度学习模型，用于帕金森病的远程评估，并通过社区招募的疑似病例样本验证了其可行性。	首次利用社区招募的疑似但未确诊帕金森病患者的弱标签数据来训练人工智能模型，并验证了这种低特异性标签数据在预测实际帕金森病中的有效性。	研究为试点可行性研究，样本量相对较小（261人），且仅基于自我报告的诊断标签，缺乏神经科专家的确认。	评估利用社区招募的疑似帕金森病患者的弱诊断标签数据训练模型，以预测确诊帕金森病的可行性。	帕金森病患者、非帕金森病患者及疑似帕金森病患者（共261名社区招募参与者）	机器学习、计算机视觉	帕金森病	模式追踪测试（含鼠标轨迹数据采集）	前馈神经网络、视觉Transformer、ResNet-50、DenseNet-201	结构化鼠标轨迹数据（包括特征和图像）	261名参与者（73自报帕金森病、155非帕金森病、33疑似帕金森病）	PyTorch	前馈神经网络、Vision Transformer、ResNet-50、DenseNet-201	F1分数	NA
335	2026-08-14	TriAttnNet based deep learning model for automated cotton pest detection and disease classification 2026-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58795-2 PMID:42362609	研究论文	本文提出一种基于TriAttnNet的深度学习模型，用于自动检测棉花害虫并分类病害，通过图像预处理、数据增强和特征提取等方法提高分类性能	提出了三种主要创新：基于注意力机制的特征提取器TriAttnNet（结合空间、通道和上下文注意力）、基于混沌策略的优化算法HMRCO（混合猫鼬射线混沌优化），以及带焦点损失的分类层	文中未明确提及局限性	开发一种高效且可解释的深度学习模型，用于棉花害虫检测和病害分类，以支持精准农业和可持续棉花作物健康监测	棉花植物害虫和病害图像	计算机视觉	植物病害	图像预处理（高斯模糊、CLAHE）、数据增强（Spa-GAN）、图像分割（AGMS-U-Net）、特征提取（TriAttnNet）	深度学习模型（包括CNN、U-Net、GAN等组件）	图像	未明确说明	未明确说明	TriAttnNet、AGMS-U-Net、Spa-GAN、EfficientNetB1-CBAM、BERT-ResNet-PSO	准确率、召回率、F1分数	未明确说明
336	2026-08-14	Oral cancer in the era of precision medicine: molecular targets and technological innovations 2026-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51993-y PMID:42350464	社论	本文介绍了一个关于口腔癌的专题合集，涵盖分子机制、诊断方法和治疗策略的研究。	强调分子肿瘤学、数字诊断和转化临床研究的融合，包括深度学习阻抗谱和挥发性有机化合物分析等新兴技术。	未提供具体研究细节，可能缺乏深入分析。	整合当前关于口腔癌的知识，指导未来研究。	口腔癌，特别是口腔鳞状细胞癌。	数字病理学	口腔癌	深度学习阻抗谱、挥发性有机化合物分析	深度学习模型	图像、信号	NA	NA	NA	NA	NA
337	2026-08-14	[Self-supervised classification method for breast pathology images fusing geometric priors and multi-scale attention] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202511059 PMID:42366429	研究论文	本研究提出了一种融合几何先验和多尺度注意力的自监督分类方法（IAM-BYOL），用于乳腺癌病理图像分析，显著提升了分类准确率和跨中心泛化能力。	首次将几何先验（离散旋转群卷积）和等变表示引入自监督学习框架，结合多尺度注意力机制，使模型对病理图像的旋转和尺度变化具有鲁棒性。	未提及具体局限性，可能包括对旋转群卷积计算复杂度的依赖和跨中心数据集规模有限。	提高乳腺癌病理图像分类的准确性和跨中心泛化能力，减少对大量标注数据的依赖。	乳腺癌全切片图像（WSI）及其亚型分类。	数字病理学	乳腺癌	数字病理成像（WSI）	自监督学习模型（BYOL变体）	病理图像	BreakHis数据集（包含不同放大倍数图像）和私有临床数据集BCD	未指定，推测使用PyTorch或类似框架	BYOL架构，结合离散旋转群卷积（IAM）和多尺度注意力	准确率	未提及，可能使用GPU（如NVIDIA系列）
338	2026-08-14	[A generalizable epilepsy detection network based on dual-attention mechanism] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202508053 PMID:42366436	研究论文	提出了一种基于双注意力机制的泛化性癫痫检测网络（EDDANet），用于分类发作间期和发作期的脑电信号	首次实现了跨不同导联配置、采样率和电极布局的稳健泛化；设计了多频带多尺度双注意力模块和动态核采样自适应卷积模块	未明确提及	提高癫痫脑电信号检测的跨数据集泛化能力，增强深度学习模型在真实世界环境中的临床实用性	癫痫患者的脑电图（EEG）信号，包括发作间期和发作期信号	机器学习、数字病理	癫痫	脑电图（EEG）信号分析	双注意力网络（EDDANet），包含多频带多尺度双注意力模块和动态核采样自适应卷积模块	脑电信号（EEG）	四个异质公共数据集的具体样本量未提及	NA	多频带多尺度双注意力模块、动态核采样自适应卷积模块	准确率（accuracy）、召回率（recall）	NA
339	2026-08-14	Artificial Intelligence in Nanopharmaceutical Development: From Predictive Design to Clinical Translation 2026-Jun-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18060764 PMID:42357379	综述	本文综述了人工智能在纳米药物开发中的应用，涵盖从预测性配方设计到临床转化的全过程，并讨论了机器学习、深度学习、物理信息建模和混合机制-AI方法等关键技术的应用及其局限性。	将AI视为连接制剂科学、生物预测、制造控制和临床实施的转化框架，而不仅仅是优化工具，强调了混合机制-AI框架和数据标准化在纳米药物开发中的重要性。	翻译实现受限于数据集碎片化、报告标准不一致、可解释性有限、缺乏外部验证、预测不确定性、适用域定义不明确以及监管期望的演变。	探讨AI如何促进纳米药物开发从预测性配方设计到临床转化，并识别当前挑战和未来方向。	纳米载体为基础的 therapeutics，包括材料组成、理化属性、制造参数、生物学特性、药代动力学、毒性及治疗性能。	机器学习	NA	NA	机器学习、深度学习、物理信息建模、混合机制-AI方法	异质性实验、生物和制造数据集	NA	NA	NA	NA	NA
340	2026-08-14	Automated Segmentation of Diffuse and Multifocal Nerve Enlargement in Immune-Mediated Neuropathy Using Temporal Deep Learning on Continuous Ultrasound Scans 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121934 PMID:42351592	研究论文	本研究评估了基于时间深度学习的分割方法在免疫介导神经病变中评估弥漫性或局灶性神经增大的性能，采用连续超声扫描	首次将时间深度学习（ConvLSTM和Temporal Mamba）应用于连续超声扫描中的神经分割，以处理免疫介导神经病变中弥漫性和多灶性神经增大	样本量小（25名健康参与者和5名患者），研究为初步验证，需要在更大队列中进一步验证	评估时间深度学习分割在免疫介导神经病变中评估神经增大的性能，并与静态模型进行比较	健康参与者（25名）和免疫介导神经病变患者（5名）的连续超声扫描图像中的周围神经	医学影像分析	免疫介导神经病变	连续超声扫描	深度学习分割模型（静态DeepLabV3+、ConvLSTM、Temporal Mamba）	超声图像（连续扫描序列）	25名健康参与者和5名免疫介导神经病变患者	未在标题和摘要中明确提及，输出NA	DeepLabV3+, ConvLSTM, Temporal Mamba	Dice系数、帧间变异性	未在标题和摘要中明确提及，输出NA