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
341	2026-06-21	Validation of MRI-based nnU-Net model for automated segmentation of neck lymph nodes in head and neck squamous cell carcinoma: a multicenter study 2026-Jun-20, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04070-0 PMID:42321574	研究论文	开发和验证基于MRI的nnU-Net模型用于头颈部鳞状细胞癌颈部淋巴结自动分割的多中心研究	首次基于MRI的多中心研究开发并验证用于3D颈部淋巴结自动分割的深度学习框架，并评估两种不同标注策略（边缘排除法和边界贴合法）对分割准确性的影响	未明确说明局限性	开发和外部验证基于MRI的深度学习框架用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，并评估分割准确性、体积一致性和时间效率	头颈部鳞状细胞癌患者的颈部淋巴结	计算机视觉, 数字病理学	头颈部鳞状细胞癌	MRI	nnU-Net	MRI图像（对比增强T1加权、T1加权、T2加权）	内部验证队列99例，外部测试队列150例，时间效率评估队列851例	nnU-Net	nnU-Net	Dice相似系数, 一致性相关系数, 分割时间	NA
342	2026-06-21	Differentiating Ischemic From Nonischemic T-Wave Inversion Using a Multimodal Vision-Language Model With Reinforcement Learning (ECG-R1): Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87227 PMID:42319812	研究论文	开发并验证了一种基于强化学习的多模态视觉语言模型ECG-R1，用于区分缺血性与非缺血性T波倒置	采用强化学习范式训练多模态视觉语言模型（Qwen2-VL-2B），结合组相对策略优化算法和结构化推理输出，显著提升了诊断准确性和跨域鲁棒性，避免了传统监督微调的过拟合问题	未提及模型在更广泛临床场景或不同种族、年龄群体中的验证结果，也未讨论计算资源消耗或实时部署可行性	开发一种能够准确区分缺血性与非缺血性T波倒置的多模态诊断框架，并提供可解释的推理过程	心电图波形图像及其关联的临床文本数据	计算机视觉、自然语言处理	心血管疾病	心电图分析	视觉语言模型	图像、文本	12,917例T波倒置病例的多模态数据集	PyTorch, Hugging Face Transformers	Qwen2-VL-2B	准确率、敏感度、AUC	未提及
343	2026-06-21	Public antibody clonotypes and deep learning identify SARS-CoV-2 and HIV broadly neutralizing antibodies in immune repertoires 2026-Jun-19, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117582 PMID:42319828	研究论文	提出整合公共抗体克隆型与深度学习模型的ClonoDeep平台，从大规模免疫库中直接识别针对SARS-CoV-2和HIV的广谱中和抗体	首次将公共抗体克隆型与基于序列的深度学习模型结合，无需抗原特异性免疫即可高效发现广谱中和抗体	NA	开发一种高通量计算方法，从非病原体特异性免疫形成的抗体库中挖掘中和抗体，为疫苗设计提供指导	SARS-CoV-2和HIV的广谱中和抗体	机器学习	SARS-CoV-2感染, HIV感染	抗体库测序, 深度学习	深度学习模型（序列型）	抗体序列数据	大规模免疫库（含SARS-CoV-2和HIV队列数据）	NA	NA	中和抗体比例, 广谱中和能力	NA
344	2026-06-21	Comparing Deep Learning Models for Identifying Maxillary Transverse Deficiency from Intraoral Photographs 2026-Jun-19, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109689 PMID:42320262	研究论文	本研究开发并比较了多种深度学习模型，旨在通过口腔内正面照片识别上颌骨横向发育不足	首次将深度学习应用于从口腔内正面照片自动识别上颌骨横向发育不足，避免了传统CBCT的高辐射、高成本和临床负担	NA	评估深度学习模型从口腔内正面照片识别上颌骨横向发育不足的可行性	上颌骨横向发育不足患者的口腔内正面照片和CBCT图像	计算机视觉	上颌骨横向发育不足	CBCT	CNN	图像	826名内部患者和192名外部患者	PyTorch	DenseNet 121, ResNet 18, EfficientNet B0/B3, MobileNetV3 Small/Large	准确率, 精确率, 召回率, F1分数, AUC	NA
345	2026-06-21	From diagnostic labels to radiology reports: a unified multi-modal framework for lesion detection and segmentation 2026-Jun-19, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae7f8e PMID:42320491	研究论文	本文提出了一种统一的多模态框架TextDSNet，用于结合放射学报告进行病变检测和分割	引入了一种新的范式“病灶感知分割”，能够识别特定病灶目标，促进粗粒度定位和细粒度分割的联合优化；此外，首次将全文本放射学报告作为跨模态指导融入医疗图像分析	公开数据集中配对的全文本报告稀缺，当前仅在ISLES 2022数据集上进行了验证	利用放射学报告中的全面细粒度语义信息，实现病灶检测和分割的联合优化	ISLES 2022数据集中的医疗影像及其对应的放射学报告	计算机视觉	NA	NA	多模态深度学习模型	图像和文本	ISLES 2022数据集	PyTorch	TextDSNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NA
346	2026-06-21	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Jun-19, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了一个名为AutoRV的自动化监测流程，利用深度学习从二维经食管超声心动图中评估机械通气患者的右心室结构和功能	首次提出全自动端到端解决方案AutoRV，利用深度学习地标检测实现右心室功能的自动化定量评估，显著提高时间效率	样本量较小（仅51例患者），且仅针对机械通气患者，可能无法推广至其他人群	开发并验证一个自动化的右心室功能评估管道，用于重症监护室机械通气患者的床旁监测	机械通气患者的二维经食管超声心动图图像	计算机视觉、数字病理学	心血管疾病	二维经食管超声心动图	深度卷积神经网络（CNN）	图像	51例患者的超声心动图图像	PyTorch	U-Net	准确性、时间效率、误差（如距离误差TAPSE、RVFAC、RVSglobal误差）	NA
347	2026-06-21	An interpretable attention-based TabTransformer framework with feature fusion for green architecture classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50347-y PMID:42321232	研究论文	提出一种基于可解释注意力机制的TabTransformer框架，用于绿色建筑自动分类，以分析环境影响	首次将TabTransformer架构与特征融合、可解释AI（注意力热图、LIME、SHAP）相结合，应用于绿色建筑分类任务	未提及模型在不同地理区域或建筑标准下的泛化能力，以及计算资源消耗	实现绿色与非绿色建筑的自动分类，推动可持续建筑评估的规模化、数据驱动化	建筑项目数据	机器学习	NA	PCA降维	TabTransformer	表格数据（建筑、能源、上下文属性）	NA	PyTorch	TabTransformer	准确率	NA
348	2026-06-21	HybridViT for robust wheat leaf disease detection using CLAHE and attention-based feature fusion 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55548-z PMID:42321270	研究论文	提出一种名为HybridViT的混合深度学习模型，结合ConvNeXt、Vision Transformer和CBAM模块，并应用CLAHE增强对比度，用于稳健的小麦叶部病害检测	提出自适应门控融合机制，动态平衡局部和全局特征表示，而非传统的静态特征拼接；使用轻量级CBAM模块进一步细化和增强鉴别特征	未提及模型在极端环境或罕见病害类型上的泛化能力；未讨论计算开销或部署可行性	利用深度学习实现小麦叶部病害的自动、准确分类，以支持可持续农业和减少农药使用	小麦叶片图像中的叶部病害（如控制条件和田间条件下拍摄的图像）	计算机视觉, 机器学习	小麦叶部病害	CLAHE（对比度受限自适应直方图均衡化）	混合CNN-Transformer模型（ConvNeXt + Vision Transformer + CBAM）	图像	三个不同数据集（包含控制条件和田间条件图像）	NA	ConvNeXt, Vision Transformer, CBAM, 自适应门控融合	准确率	NA
349	2026-06-21	Secure adaptive federated learning for scalable anomaly detection in industrial IoT networks 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37819-x PMID:42321280	研究论文	提出了一种结合区块链认证与自适应自编码器-LSTM的联邦学习框架，用于工业物联网中的可扩展异常检测	将区块链身份认证与自适应超参数调整的自编码器-LSTM模型集成到联邦学习框架中，同时实现隐私保护、通信效率提升和防恶意篡改能力	智能合约执行成本较高，且尚未扩展到多模态数据融合和大规模实时检测场景	设计一种安全、可扩展且保护隐私的异常检测机制，解决工业物联网中集中式检测系统的隐私风险和通信瓶颈问题	工业物联网网络中的入侵和异常检测任务	机器学习	NA	NA	自编码器-LSTM（AAEL）	工业物联网流量数据	NA	PyTorch	Self-Attention, LSTM, Autoencoder	准确率, 通信开销, 带宽压缩比, 平均训练时间, 端到端延迟, 认证成功率, 恶意更新检测率	资源受限的IIoT节点
350	2026-06-21	Real-time yoga posture correction using deep learning for individuals with physical disabilities 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54280-y PMID:42321269	研究论文	针对身体残疾人士，利用深度学习实现实时瑜伽姿势纠正	采用MoveNet模型的Thunder变体实现实时姿势估计，并专门为下肢残疾人士创建了首个椅子瑜伽姿势数据集	NA	为无法接触瑜伽教练的身体残疾人士提供基于深度学习的实时瑜伽姿势纠正解决方案	身体残疾人士，特别是下肢残疾人士	计算机视觉	NA	NA	卷积神经网络（CNN）	视频	NA	NA	MoveNet（Thunder变体）	NA	NA
351	2026-06-21	Deep homography-based image stitching with enhanced small object detection 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58267-7 PMID:42321286	研究论文	提出了一种基于YOLOv8主干网络和深度单应性估计的新型图像拼接方法，重点提升小目标检测和复杂背景下的拼接精度	引入YOLOv8作为特征提取器结合自适应SE机制增强小目标检测、多尺度特征融合与深度单应性估计模块、以及针对小目标区域对齐的加权损失函数	尚未探索实时动态环境中的应用扩展	克服传统图像拼接技术在小目标检测和复杂背景下的局限性	图像拼接中的小目标区域和复杂纹理特征	computer vision	NA	图像拼接、深度学习单应性估计	YOLOv8、回归网络	图像	UDIS和MVS-Synth数据集	PyTorch	YOLOv8、Squeeze-and-Excitation (SE)、空间金字塔池化 (SPP)、深度单应性回归网络	PSNR, SSIM, GFLOPs	NA
352	2026-06-21	Swin-SHARP: a novel approach to wheat disease classification using boosted MAML and weighted ensembling with deep learning classifiers 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57901-8 PMID:42321310	研究论文	提出了一种基于增强型模型无关元学习（MAML）和加权集成深度学习的轻量级Swin Transformer模型Swin-SHARP，用于小麦病害图像分类	通过剪枝和优化设计了一种轻量级Swin-SHARP Transformer，参数量减少82.5%；结合增强型MAML和加权集成策略提升泛化能力；在资源受限环境下实现98.1%的高准确率	未提及模型对极低分辨率或复杂背景图像的鲁棒性；未评估在实际移动设备上的推理速度	开发高效、轻量的小麦病害分类系统，实现早期干预以保障粮食安全	小麦叶片图像中的褐锈病、黄锈病、白粉病、散黑穗病及健康植株	计算机视觉, 机器学习	小麦病害	图像采集	Transformer (Swin), CNN	图像	10,000张小麦病害和健康植株图像	PyTorch	Swin-SHARP, Inception-v3, ResNet-18, VGG-16, 其他对比模型	准确率	NA
353	2026-06-21	Adaptive competitive balance regulation in professional sports leagues via graph attention networks and proximal policy optimization 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57715-8 PMID:42321325	research paper	提出一种结合图注意力网络和近端策略优化的自适应框架，用于职业体育联赛的竞争平衡调控	首次将图注意力网络与近端策略优化相结合，实现数据驱动的自适应监管政策设计，显著提升了竞争平衡改善率，并通过三阶段真实世界验证路径进行验证	结果基于校准仿真环境，采用有限理性智能体假设，未完全完成真实世界验证	开发自适应、数据驱动的职业体育联赛竞争平衡调控框架	英格兰足球超级联赛和NBA的二十个赛季数据，以及美国职业棒球大联盟的零样本迁移	machine learning	NA	仿真模拟	图注意力网络、近端策略优化	图表数据	20个赛季数据（EPL及NBA各20个赛季），并由单一验证集（MLB）进行零样本测试	PyTorch	多层图注意力网络编码器	竞争平衡改善率（95%置信区间）、配对t检验（p<0.01，Bonferroni校正）、柯尔莫戈洛夫-斯米诺夫检验（针对RSD、HHI和基尼指数）	未明确说明，仅提及采用5个随机种子
354	2026-06-21	Benchmarking deep learning models for laryngeal cancer staging using the LaryngealCT dataset 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58171-0 PMID:42321364	研究论文	提出LaryngealCT标准化CT数据集，并基准测试6种3D深度学习模型在喉癌分期中的表现	首次构建包含1029例CT扫描的喉癌标准化公共基准数据集，采用弱监督参数搜索框架提取感兴趣区域，并集成GradCAM++可解释性工具实现甲状腺软骨重叠分析	T4分类任务中模型敏感性仍有限（≤0.412），空间重叠度较低	建立可重复的深度学习喉癌分期基准，推动人工智能在喉肿瘤学中的临床决策支持	1029例喉部CT扫描影像（来自TCIA六个集合）	计算机视觉, 数字病理学	喉癌	CT扫描	3D CNN	医学影像（CT）	1029例CT扫描	PyTorch	自定义3D CNN, ResNet18, ResNet50, ResNet101, DenseNet121, MedicalNet预训练ResNet50	准确率, F1宏平均, AU-ROC, 敏感性	NA
355	2026-06-21	MSCA-TNet based deep learning method for ECG arrhythmia classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58850-y PMID:42321363	研究论文	提出一种基于MSCA-TNet的深度学习模型用于心电图心律失常分类	结合离散小波变换降噪、SMOTE-Tomek混合重采样策略处理类别不平衡，并设计MSCA-TNet混合架构，嵌入自适应通道注意力模块和Transformer，同时提取局部细粒度特征和全局长程上下文信息	未提及在更多真实临床场景或不同噪声水平下的泛化性验证	开发鲁棒的自动心律失常检测算法，减轻临床医生诊断负担	MIT-BIH和INCART两个公开心电图数据集中的心律失常类别	机器学习	心血管疾病	ECG信号采集	混合架构（CNN、Transformer）	离散心电图信号	MIT-BIH和INCART数据集	NA	MSCA-TNet（包含自适应通道注意力模块ACA和Transformer）	宏平均准确率、总体准确率	NA
356	2026-06-21	Modeling day-long ECG signals to predict heart failure risk with explainable AI 2026-Jun-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02835-8 PMID:42321372	research paper	利用可解释人工智能建模全天心电图信号预测心力衰竭风险	首次利用深度学习模型处理24小时单导联动态心电图数据，并引入可解释性分析揭示模型关注的异常心律和心脏异常特征，实现了优于传统短时程心电图和临床评分的心衰风险预测	未明确提及模型的外部验证或在不同人群中的泛化性能，且仅基于单中心回顾性数据	开发可解释的深度学习模型，利用24小时单导联动态心电图数据预测五年内心力衰竭风险	Technion-Leumit Holter ECG (TLHE) 数据集中的24小时动态心电图记录	machine learning	cardiovascular disease	单导联动态心电图	DeepHHF（深度学习模型）	时间序列心电图信号	69,663条记录，来自47,729名患者，覆盖20年	NA	DeepHHF	AUC（ROC曲线下面积）	NA
357	2026-06-21	Segmenting with confidence through uncertainty quantification for brain tumor imaging 2026-Jun-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02902-0 PMID:42321390	研究论文	开发一种通过不确定性量化进行脑肿瘤影像分割的深度学习框架，提高分割结果的置信度	通过证据深度学习集成方法同时捕获任意性和认知性不确定性，并量化分割体积的校准可信区间	研究仅聚焦于脑膜瘤分割，且外部验证仅使用单一机构数据，未评估其他肿瘤类型	提高脑肿瘤MRI自动分割中不确定性校准的准确性，增强临床信任度	脑膜瘤MRI图像（T1增强扫描）	数字病理学	脑膜瘤	MRI成像	证据深度学习集成模型	医学图像	训练集1655幅MRI（788例患者），测试集68幅MRI（43例患者），外部验证353例患者	PyTorch	U-Net集成架构（同质和异质集成）	Dice相似系数、空间一致性、校准可信区间	NA
358	2026-06-21	NeuroSymbolicPhishDefend for adaptive multimodal phishing detection against evolving artificial intelligence driven threats 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59008-6 PMID:42321399	研究论文	提出一种神经符号多模态钓鱼检测系统，结合文本、视觉和元数据特征，通过交叉注意力融合模块和符号推理提升检测性能与可解释性	融合神经符号推理与多模态特征，采用基于扩散的对抗增强方法和在线自适应学习机制，引入SHAP可解释性模块	文章未明确讨论模型的计算开销或实时部署的限制	开发一种适应性强、可解释且鲁棒的多模态钓鱼检测系统，应对AI驱动的演化威胁	钓鱼攻击检测，包括域名欺骗、视觉伪装和元数据异常	自然语言处理, 计算机视觉	NA	交叉注意力融合, 符号推理, 扩散增强, SHAP解释性	神经符号模型, 交叉注意力	图像, 文本, 元数据	使用多个公开钓鱼数据集，但未说明具体样本数量	NA	交叉注意力融合模块, 符号推理模块, 扩散增强模块, SHAP解释性模块	ROC-AUC, AUC增益, 统计显著性(p<0.05)	NA
359	2026-06-21	Automated quantification of lens epithelial cell density using deep learning: validation and large-scale clinical application 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58748-9 PMID:42321468	研究论文	开发基于深度学习的AI模型，自动量化晶状体上皮细胞密度，并验证其在大规模临床中的应用	首次利用深度学习算法自动量化晶状体上皮细胞密度，实现了高精度（准确率98.1%）和大规模临床验证（超过43,000个细胞目标）	未提及模型的泛化能力及在不同成像条件下的表现	开发AI模型自动量化晶状体上皮细胞密度，研究其与白内障形成及严重程度的相关性	晶状体上皮细胞密度、分布及影响因素	计算机视觉	老年性白内障	光学显微成像	卷积神经网络	图像	20张验证图像中包含超过43,000个细胞目标	NA	NA	准确率, 平均绝对百分比误差, 皮尔逊相关系数, 组内相关系数	NA
360	2026-06-21	DeepDisSNP: Predicting disease-associated SNPs by representation learning on disease and SNP linkage disequilibrium networks 2026-Jun-19, Mammalian genome : official journal of the International Mammalian Genome Society IF:2.7Q2 DOI:10.1007/s00335-026-10250-3 PMID:42321529	研究论文	提出DeepDisSNP深度学习框架，整合疾病相似网络与SNP连锁不平衡网络，通过图注意力网络表征学习预测疾病相关SNP	首次将疾病相似网络与染色体特异性SNP连锁不平衡网络通过加权图注意力网络联合表征学习，实现疾病-SNP关联预测	NA	开发一种网络驱动的深度学习方法以优先排序候选疾病相关SNP，补充GWAS资源	疾病相关SNP与疾病的关联关系	机器学习	NA	全基因组关联分析数据、MeSH疾病关系、1000 Genomes Project Phase 1/3数据	图注意力网络、多层感知机	网络数据（疾病相似网络、SNP连锁不平衡网络）	22条常染色体上的SNP，具体数量未说明	PyTorch	加权图注意力网络编码器、多层感知机分类器	AUROC、AUPRC	NA