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
461	2026-06-18	Deep learning enabled intelligent robotic system for aeroengine blade surface inspection 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57817-3 PMID:42303718	研究论文	提出了一种基于深度学习的智能机器人系统，用于航空发动机叶片的自主表面检测，以替代传统人工或内窥镜检测方法	将视觉深度学习与机器人自动化无缝结合，实现叶片定位、拾取、图像采集、缺陷检测和归位的全自主流程，显著提升检测效率和准确性	受限于受控工业检测环境，未涉及极端工况或复杂场景下的适用性验证，且仅针对特定叶片类型的表面缺陷检测	实现航空发动机叶片表面缺陷的自动化、高效且高精度检测，以满足维护、修理和大修流程的操作安全需求	航空发动机叶片的表面缺陷，包括定位与检测两个方面	计算机视觉	NA	NA	深度学习模型	图像	两个独立数据集：一个用于叶片定位，另一个用于表面缺陷检测，具体样本量未说明	NA	NA	平均精度均值mAP	NA
462	2026-06-18	Retraction Note: Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57775-w PMID:42303714	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
463	2026-06-18	AgriTrack framework for AI-based tracking of pest migration through farmers' helpline data 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57248-0 PMID:42303731	研究论文	提出了AgriTrack框架，利用农民求助热线数据，通过人工智能技术追踪害虫迁移并进行时空分析	首次利用大规模农民求助热线数据（超过3600万条）开发AI框架，实现害虫迁移的时空追踪、关键日期提取和农民信息需求预测	未明确说明局限性，但框架依赖求助热线数据质量，可能受区域覆盖和农民报告偏差影响	辅助精准农业中害虫与病害的时空移动追踪、时间分析及农民信息需求预测	印度全国范围内的小麦作物中“白蚁”害虫的时空动态	机器学习	农业害虫相关疾病	NA	深度学习	文本（农民求助热线查询记录）	超过3600万条来自印度农民求助热线的查询记录，时间跨度14年	NA	NA	NA	NA
464	2026-06-18	Acoustic deep learning for defect detection in aluminium wheel rims 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58225-3 PMID:42303807	研究论文	提出一种基于声学深度学习的铝合金轮毂缺陷检测框架RimNet，利用单次脉冲激励的声学响应实现自动化状态评估	首次将短时傅里叶变换与卷积神经网络结合用于轮毂声学缺陷检测，引入域过滤和难负样本挖掘技术提升缺陷相关状态的区分度	误分类案例与几何变异性相关的样本分类边界减小及不确定性增加有关，且基于声学信号的方法可能受环境噪声影响	开发一种可集成于车间环境的自动化铝合金轮毂缺陷诊断方法，取代传统依赖操作员经验的视觉和感官评估	铝合金轮毂的结构缺陷检测，包括几何偏差、材料缺陷和可服役状态	数字病理学	NA	NA	卷积神经网络	声学信号	930个标注样本，代表广泛的实际轮毂状态	NA	RimNet	准确率，不确定性指标（预测边界、熵、Brier分数、能量指标）	NA
465	2026-06-18	Overview of State-of-the-Art Learning-Based Classification Methods in Medical Imaging 2026-Jun-16, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-026-04241-3 PMID:42303852	综述	综述当前医学影像中基于学习的最先进分类方法，重点介绍临床相关的先进技术	聚焦于基础模型、视觉-语言模型和标签高效预训练等最新进展，而非重复已成熟的模型	未详细讨论所有模型的实现细节，可能忽略部分特定领域的进展	为生物医学工程师和临床医生提供选择与验证基于人工智能的分类器的临床参考	医学影像中的分类方法，涉及X射线、CT、MRI、PET/SPECT、超声、OCT、内窥镜、显微镜及光学/分子/红外成像等多种模态	计算机视觉	NA	NA	CNN, Transformer, 混合架构	图像	NA	NA	CNN-Transformer混合架构	NA	NA
466	2026-06-18	Robust quantification of ICG fluorescence perfusion in neonatal bowel surgery via deep point tracking 2026-Jun-16, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03733-w PMID:42303896	研究论文	提出一种基于深度学习点跟踪的ICG荧光灌注定量框架，用于新生儿肠道手术中的稳健灌注分析	采用最先进的Transformer点跟踪模型CoTracker3，实现用户指定ROI和全可见组织区域的密集采样跟踪，并生成动态灌注热图	仅通过初步验证，需要进一步的临床验证研究	开发一种稳健的ICG荧光灌注定量方法，克服现有商业方案在组织运动和遮挡方面的局限性	新生儿肠道手术中的ICG荧光灌注视频	计算机视觉	新生儿肠道疾病	ICG荧光成像	Transformer	视频	新生儿肠道灌注视频（未具体说明数量）	NA	CoTracker3	NA	NA
467	2026-06-18	Memristive nano-neuromorphic spiking neural network with self-adaptive continual and predictive learning for edge gesture recognition 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52643-z PMID:42304003	研究论文	提出一种基于忆阻纳米神经形态的脉冲神经网络SCaP-SNN，用于边缘手势识别，融合自适应性、持续学习和预测学习能力	设计统一的忆阻脉冲神经网络，结合自适应性学习、持续学习（防灾难性遗忘）和短时预测智能，首次将三者在单网络中融合用于边缘手势识别，且功耗仅28微焦/推理	未说明对更复杂手势或长时间序列的泛化能力，以及忆阻硬件实现的芯片级验证结果	解决边缘设备上手势识别的框架式处理、离线学习、高能耗和无法适应动态手势模式的问题	基于表面肌电信号的手势识别任务	机器学习	NA	忆阻纳米神经形态计算	脉冲神经网络 (Spiking Neural Network, SNN)	表面肌电信号 (sEMG)	NA（未在摘要中明确样本量或数据集规模）	NA	SCaP-SNN（自适应性持续脉冲神经网络）	分类准确率 (96.8%), F1值 (0.965), 遗忘率 (2.1%), 预测准确率 (91.4%), 平均功耗 (28微焦/推理)	忆阻纳米神经形态硬件（低功耗模拟，未指定具体GPU或云平台）
468	2026-06-18	An uncertainty-aware vision transformer-BiLSTM Bayesian framework for reliable clinical decision support using chest X-rays 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56665-5 PMID:42304009	研究论文	提出一种基于不确定性感知的视觉Transformer-BiLSTM贝叶斯框架，用于胸部X射线片的可靠临床决策支持	将视觉Transformer、BiLSTM和贝叶斯融合层结合，实现高可靠性的疾病检测，同时量化偶然不确定性和认知不确定性	未明确说明，但可能在数据集规模、计算资源或泛化性方面存在限制	解决深度学习在临床应用中可靠性、可解释性和不确定性估计的问题	胸部X射线图像中的肺炎、肺纤维化和胸腔积液检测	计算机视觉, 数字病理学	肺炎, 肺纤维化, 胸腔积液	胸部X射线成像	视觉Transformer, BiLSTM, 贝叶斯融合层	图像	MIMIC-CXR-JPG和PadChest-GR两个大规模数据集	PyTorch	Vision Transformer, BiLSTM, U-Net	准确率, AUC-ROC, F1分数, Brier分数, ECE	NA
469	2026-06-18	Correcting motion-related B0 inhomogeneities in magnetic resonance imaging via combined spherical harmonics and AC/DC matrix coils using DL-based prediction-simulation study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56900-z PMID:42304045	研究论文	通过深度学习预测结合球谐函数和AC/DC矩阵线圈，纠正磁共振成像中运动引起的B0不均匀性	提出使用深度学习预测B0变化，实现无需额外扫描时间的实时匀场更新，有效维持运动下的磁场均匀性	研究基于仿真数据，未在真实MRI扫描中验证；仅评估了第一阶SPH和31通道AC/DC线圈组合，实际多通道系统的性能可能不同	实现运动鲁棒的实时磁共振匀场，减少运动对磁场均匀性的影响	运动过程中的B0场不均匀性及其实时校正方法	机器学习	NA	MRI, 球谐函数匀场, AC/DC矩阵线圈	深度学习预测模型	模拟B0场数据	NA	NA	NA	B0均匀性, 梯度回波和回波平面成像性能	NA
470	2026-06-18	Incorporating dataset-level semantic priors into large language models for environmental time-series forecasting: a soil moisture and temperature case study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57634-8 PMID:42304061	研究论文	提出一种结合数据集级语义先验的大型语言模型框架，用于土壤湿度和温度时间序列预测	将数据集级语义先验（描述重复模式、时间分辨率和系统行为）融入大型语言模型，补充局部数值观测信息，提升环境时间序列预测性能	在更长预测区间（24-48小时）不同模型性能差异缩小，表明系统存在内在可预测性限制	探索大型语言模型在环境时间序列预测中融入全局环境特征（语义先验）的潜力	温室高频土壤湿度和土壤温度时间序列数据	机器学习	NA	NA	大型语言模型（LLM）	时间序列数据	NA	PyTorch	NA	平均绝对误差（MAE）	NA
471	2026-06-18	A hybrid CNN-LSTM approach for large-scale Twitter sentiment analysis with explainable artificial intelligence 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58345-w PMID:42304117	研究论文	提出一种混合CNN-LSTM架构进行大规模推特情感分析，并利用可解释人工智能增强模型透明度	将CNN的局部特征提取能力与LSTM的序列建模优势相结合，首次在超69万条平衡推特数据集上实现97.73%准确率，并引入SHAP解释情感预测的语义驱动因素	未验证模型对非英语推文或跨领域数据集的泛化能力，且计算资源消耗未予说明	构建高精度且可解释的大规模推特情感分析框架，解决短文本、非正式语言和上下文依赖带来的分类挑战	推特用户发布的带有正面、负面和中性情感标签的推文内容	自然语言处理	NA	NA	CNN-LSTM混合模型	文本	超过69万条平衡标注的推特数据	NA	CNN, LSTM, Bi-LSTM, CNN-LSTM	准确率, 精确率, 召回率, F1分数	NA
472	2026-06-18	drGT: Interpretable Drug Response Prediction with Attention-Guided Gene Attribution on a Drug-Cell-Gene Heterogeneous Graph 2026-Jun-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06417-z PMID:42304175	研究论文	提出drGT，一种基于药物-细胞-基因异构图注意力机制的深度学习模型，用于药物反应预测和机制解释	首次将异构图注意力系数与药物反应预测耦合，在预测泛化能力和生物学可解释性两方面取得突破，同时实现回归性能最优和文献验证的基因-药物关联发现	NA	开发兼具准确预测和生物学可解释性的药物反应预测模型	药物、基因和细胞系之间的相互作用关系	机器学习	癌症	异构图深度学习	异构图注意力网络	异构图数据	GDSC、NCI60和CTRP三个数据集涉及976种药物和多种细胞系	PyTorch	异构图注意力网络	AUROC、R²	NA
473	2026-06-18	Radiomics-based unsupervised clustering and deep learning nomogram for response prediction after neoadjuvant chemotherapy in locally advanced laryngeal cancer 2026-Jun-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02505-x PMID:42304259	研究论文	开发基于影像组学和深度学习的诺模图模型，用于预测局部晚期喉癌患者对新辅助化疗的应答	结合无监督聚类与深度学习特征构建联合诺模图，并验证其能提高不同年资医生对新辅助化疗应答的预测性能	样本量有限且为回顾性研究，可能需多中心前瞻性验证	开发个体化预测局部晚期喉癌新辅助化疗应答的诺模图模型	局部晚期喉癌患者	机器学习	喉癌	CT影像组学	深度学习	图像（CT影像）	175例患者（训练集112例，测试集63例）	NA	NA	AUC	NA
474	2026-06-18	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	提出基于裸背图像和高效扩张残差网络的无辐射青少年特发性脊柱侧弯筛查方法	首次提出使用裸背图像与高效扩张残差网络结合进行无辐射脊柱侧弯筛查，并对比临床医师分类能力	EDRNet的AUC值（0.91）低于副主任医师（0.93），在高级别医生面前仍有提升空间	开发无辐射、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名无脊柱疾病患者）的裸背图像	计算机视觉	青少年特发性脊柱侧弯	图像增强	CNN	图像	600名青少年（300名患者与300名对照）的裸背图像	PyTorch	VGG16, GoogLeNet, ResNet34, MobileNetV2, EDRNet	准确率, 精确率, 召回率, F1分数, AUC	NA
475	2026-06-18	Multimodal Deep Learning for Predicting Deep Vein Thrombosis Risk After Total Knee Arthroplasty: A Clinical Study 2026-Jun-16, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.70335 PMID:42304630	研究论文	开发了一种多模态深度学习框架，整合术后早期X光片和临床数据，用于预测全膝关节置换术后深静脉血栓风险	首次采用动态注意力融合模块结合影像与电子病历数据，实现样本特异性模态权重分配，并生成可解释的解剖热图定位高危区域	未建立因果关系，仅观察到特定影像或临床发现与模态依赖模式的相关性	提高全膝关节置换术后深静脉血栓风险分层准确性	1200名全膝关节置换术后患者（深静脉血栓发生率18.0%）	计算机视觉, 自然语言处理	深静脉血栓	NA	ViT-B/16, ResNet50, Clinical-BERT	影像（X光片）, 文本（电子病历）	1200名患者（训练集）+ 180名测试集	PyTorch	ViT-B/16, ResNet50, Clinical-BERT	AUC, 敏感性, 特异性, F1分数	NA
476	2026-06-18	Automated measurement of left ventricular ejection time via contactless suprasternal notch laser vibrometry 2026-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51677-7 PMID:42289419	研究论文	提出一种利用激光多普勒测振仪在胸骨上切迹进行非接触式左心室射血时间自动测量的方法，并验证其与超声心动图的一致性	首次将激光多普勒测振技术应用于胸骨上切迹处的非接触式左心室射血时间测量，并开发了深度学习模型实现自动提取，消除了专家解读的瓶颈	研究仅涉及238名个体的队列，样本量相对有限，且未对不同人群和临床场景的测量性能进行广泛验证	实现一种可扩展、非接触式、无需设置的心脏功能评估方法，以促进大规模人群筛查和心血管健康管理	238名个体的左心室射血时间及其在主动脉瓣反流和狭窄患者中的临床意义	数字病理学	心血管疾病	激光多普勒测振术	卷积神经网络, 循环神经网络, 深度神经网络	激光测振信号	238名个体	PyTorch	NA	平均绝对误差	NA
477	2026-06-18	An advanced ensemble deep learning framework for accurate multi-class lung cancer classification using IUNet++ and MResNext 2026-Jun-14, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109189 PMID:42302349	研究论文	提出了一种集成深度学习的框架，利用IUNet++和MResNext进行CT图像的多类别肺癌分类	结合了改进的UNet++与CBAM注意力机制进行肿瘤分割、增强大象群优化算法进行特征选择，以及改进的ResNeXt架构进行多类别分类，降低了模型复杂度并提高了训练效率	论文未明确说明在更大规模数据集或不同临床环境下的泛化能力，也未讨论计算资源需求和实际部署中的潜在挑战	开发一种自动化的、计算高效的集成深度学习框架，用于从CT扫描图像中准确诊断多类别肺癌	CT扫描图像中的肺部肿瘤区域	计算机视觉，机器learn，数字病理学	肺癌	CT成像，Gabor滤波，CLAHE对比度增强，数据增强	卷积神经网络，集成模型	图像	IQ-OTH/NCCD肺癌CT数据集（公开数据集，具体样本数未提及）	NA	IUNet++, Convolutional Block Attention Module (CBAM), MResNeXt, 增强象群优化算法 (EEHOA)	准确率，精确率，召回率，F1分数	NA
478	2026-06-18	Photoacoustic device fingerprints induce bias in deep learning models 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53468-6 PMID:42288533	研究论文	首次提供多中心分析，揭示光声成像设备指纹导致深度学习模型产生偏差	首次对光声成像中由硬件引起的偏差进行多中心分析，发现同一设备类型的不同实例在图像中嵌入可识别的指纹，并且深度学习模型会利用这些指纹进行疾病诊断时产生有偏预测	数据稀疏性限制模型泛化能力，且硬件相关混杂因素的影响尚未探索	探讨光声成像设备硬件特征对深度学习模型偏差的影响，并强调多中心部署中的风险	来自四个设备实例和两项外周动脉疾病研究的光声图像	计算机视觉	外周动脉疾病	光声成像	深度学习模型	图像	四个设备实例和两项外周动脉疾病研究的图像	NA	NA	准确率	NA
479	2026-06-18	An intelligent SCADA-integrated deep learning framework for bird-safe offshore wind farm operation 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55549-y PMID:42288555	研究论文	提出一种整合SCADA与深度卷积神经网络的智能框架，用于实现海上风电场中鸟类的自动检测与涡轮机避让控制	将深度学习鸟类检测模型与SCADA系统直接集成，通过多区域接近评估策略自动触发涡轮机控制动作，实现从图像分类到操作控制的端到端自动化	在受控数据集条件下评估，未充分代表真实海上环境中的远距离检测、运动模糊、遮挡和复杂背景，性能上限需通过真实海上数据验证	实现海上风电场中鸟类碰撞风险的智能自动化缓解，推动环境可持续运营	525种鸟类的9万余张图像，以及SCADA系统控制的涡轮机响应机制	计算机视觉	NA	SCADA数据采集与深度学习图像分类	深度卷积神经网络	图像	包含525种鸟类的9万余张图像	NA	深度卷积神经网络 (DCNN), VGG16	准确率, 精确率, 召回率, F1分数	NA
480	2026-06-18	A cancelable ear recognition system via optimized deep feature fusion 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57027-x PMID:42288558	研究论文	提出一种基于优化深度特征融合的可取消耳部识别系统	创新性地采用MobileNetV3和DenseNet-121双流CNN特征提取与融合，并运用多学习策略金鹰优化算法（MLSGEO）进行特征优化，同时结合梳状滤波器实现非可逆的可取消生物模板保护	未明确讨论在极端变化条件下的鲁棒性以及计算复杂度	开发一个高精度、高安全性的可取消耳部识别系统，克服图像变化（姿态、尺度、旋转、光照和对比度）带来的挑战	人耳生物特征	计算机视觉	不适用	生物特征识别	卷积神经网络（CNN）	图像	5个基准耳部数据集（AMI、AWE、IITD-I、IITD-II、UERC）	不适用	MobileNetV3, DenseNet-121	识别准确率	不适用