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
601	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）
602	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
603	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
604	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
605	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
606	2026-06-28	DSHformer: Locality-Sensitive Hash Attention and Prototype Alignment for Sensor-Based Human Activity Recognition 2026-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s26123803 PMID:42356776	研究论文	针对传感器人体活动识别中的分布偏移和注意力计算复杂性问题，提出了结合局部敏感哈希注意力与原型对齐的DSHformer框架	首次将基于局部敏感哈希的注意力机制与原型对齐相结合，实现O(LlogL)线性复杂度，并通过可训练原型池和多层分解网络增强类内紧凑性和类间可分性	特征分解可能引入语义相关令牌的分组衰减，需通过分解稳定哈希来缓解；实验仅涉及公开基准数据集，实际部署场景中可能受用户差异和传感器噪声影响	提升传感器人体活动识别在资源受限设备上的准确性和泛化能力	基于可穿戴传感器采集的连续时间序列数据中的日常人体活动（如行走、站立、上楼等）	机器学习	不适用	传感器数据采集（加速度计、陀螺仪等）	Transformer变体（结合局部敏感哈希注意力、图注意力编码器和原型对齐网络）	时间序列	5个公开基准数据集：WISDM、UCI-HAR、PAMAP2、Opportunity和UniMiB-SHAR（具体样本量未在摘要中提及）	NA	DSHformer（包含分层图注意力编码器、原型池分解网络、分解稳定型LSH注意力模块）	准确率（98.6%、93.7%、98.4%、88.5%、96.6%）	资源受限的可穿戴设备（未指定具体GPU或云端资源）
607	2026-06-28	Artificial Intelligence-Driven Fractional Flow Reserve Assessment: Technical Foundations, Clinical Insights, and Future Directions 2026-Jun-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62061157 PMID:42356169	综述	本文总结了从有创血流储备分数到人工智能驱动的冠状动脉病变功能评估的演变过程，包括基于计算流体力学的CT-FFR以及机器学习与深度学习方法的原理、验证和临床进展	系统梳理了AI（包括机器学习和深度学习）在无创冠状动脉功能评估中的应用，从基于工程特征的传统模型到端到端的直接学习系统，并探讨了虚拟PCI规划、多模态风险分层等未来方向	存在对输入数据质量的高度依赖、模型可解释性有限、监管障碍以及临床工作流程整合困难等广泛采用的主要障碍	总结AI驱动的血流储备分数评估的技术基础、临床见解及未来发展方向	冠状动脉病变的功能评估方法，包括有创FFR、基于CFD的FFRct以及AI驱动的评估模型	机器学习、计算机视觉	冠状动脉疾病	NA	机器学习、深度学习	影像（CCTA扫描图像）	NA	NA	NA	诊断准确性、预后价值	NA
608	2026-06-28	An Artificial Intelligence-Based Detection of Comorbid Depression, Anxiety, and Substance Use Disorder in Korean Counseling Dialogues Using an Explainable Hierarchical Attention Network with Shapley Additive Explanations 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121817 PMID:42351476	研究论文	提出基于可解释分层注意力网络的深度学习模型，同时检测韩语咨询对话中的抑郁、焦虑和物质使用障碍共病情况，并通过SHAP方法增强可解释性	将多标签分类与可解释AI结合应用于心理健康领域，能够在实际咨询对话中同时识别三种常见共病障碍，并通过SHAP提供临床可解释的判断依据	数据来源单一（韩语咨询对话），模型在物质使用障碍标签上表现相对较低（F1=0.78），且未提及模型的泛化能力测试	开发可同时检测抑郁、焦虑和物质使用障碍共病的多标签分类模型，并增强临床可解释性	韩语咨询对话文本中的抑郁、焦虑和物质使用障碍共病状态	自然语言处理	心理健康障碍	NA	分层注意力网络（HAN-BiLSTM）	文本	1661份韩语咨询对话转录文本，平均每份约5000韩文字符	PyTorch	HAN-BiLSTM	F1-score, 宏平均F1, 95%置信区间	NA
609	2026-06-28	Real-World Insights in Designing SteatoStat: An End-to-End Deep Learning Pipeline for Hepatic Steatosis Quantification 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121825 PMID:42351483	研究论文	开发了一个名为 SteatoStat 的端到端深度学习管道，用于量化肝脂肪变性	提出整合文件格式标准化、基于规则细胞过滤和多分割模型的深度学习管道，输出连续定量脂肪变性百分比并转换为分级	未来需通过独立多机构数据集验证以增强泛化能力和临床整合	标准化并提升代谢功能障碍相关脂肪性肝病（MASLD）患者肝脂肪变性的量化精度	MASLD患者的肝组织病理切片图像	数字病理学	代谢功能障碍相关脂肪性肝病	深度学习	分割模型	病理图像	NA	NA	多分割模型	DICE分数, AUROC, F1分数, 加权Kappa系数	NA
610	2026-06-28	Emerging Pathways to Non-Invasive Diagnosis in Endometriosis: Integrating Machine Learning, Deep Learning and Multi-Omics Biomarkers 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121823 PMID:42351484	综述	综述人工智能在子宫内膜异位症非侵入性诊断中的应用，整合机器学习、深度学习和多组学生物标志物	系统总结了人工智能驱动的成像分析到多组学生物标志物在子宫内膜异位症诊断工作流中的整合	数据集小、过拟合、缺乏外部验证和变异性	探讨人工智能在提高子宫内膜异位症诊断准确性、减少诊断延迟及支持个性化治疗中的潜力	子宫内膜异位症的诊断流程	机器学习	子宫内膜异位症	NA	机器学习、深度学习、自然语言处理	成像数据、多组学生物标志物数据	NA	NA	NA	NA	NA
611	2026-06-28	OPTIFARM: Benchmarking YOLO Architectures for Location-Robust Potato Quality Detection 2026-Jun-12, Foods (Basel, Switzerland) DOI:10.3390/foods15122121 PMID:42354089	研究论文	通过低成本RGB成像与YOLO架构的系统基准测试，实现跨地点鲁棒的马铃薯质量检测	首次系统对比YOLOv8至YOLO26五种架构家族在跨地点马铃薯质量检测中的鲁棒性，严格采用跨地点评估协议	饲料级马铃薯的检测是泛化性能的主要瓶颈	评估低成本RGB光学检测系统在自动马铃薯质量检测中的可行性	马铃薯质量检测（可食用、饲料、腐烂三类）	计算机视觉	NA	RGB成像	YOLO	图像	1361张图像，19805个手动标注实例	PyTorch	YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLO26	F1分数, mAP@0.5:0.95, ΔF1	NA
612	2026-06-28	Deep Learning-Enhanced Raman Microspectroscopy Enables Rapid Microbial Classification and Captures Phylogenetic Relationships 2026-Jun-11, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14061311 PMID:42354936	研究论文	结合深度学习增强的拉曼显微光谱技术用于快速微生物分类并捕获系统发育关系	提出基于一维卷积神经网络（1D-CNN）提取拉曼光谱特征，并结合层次聚类框架构建拉曼系统发育树，能够对未表征微生物进行准确分类，且分类结果与基于rRNA基因序列的系统发育分析高度一致	研究工作仍需扩大物种多样性和光谱数据量来验证方法的泛化能力，且拉曼光谱与系统发育关系的深层机制尚未完全阐明	开发一种快速、非破坏性的微生物分类方法，用于处理拉曼参考数据库中未表征的微生物	11种微生物物种（包括细菌和真菌）的单细胞拉曼光谱	机器学习	NA	拉曼显微光谱	一维卷积神经网络（1D-CNN）	拉曼光谱（单细胞拉曼光谱数据）	6600个单细胞拉曼光谱，来自11种微生物物种	NA	1D-CNN	准确率（99.7%）	NA
613	2026-06-28	Fusion of Clinical and Deep Learning Features for Predicting Pembrolizumab Monotherapy Response in Advanced Non-Small Cell Lung Cancer 2026-Jun-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124536 PMID:42355704	研究论文	本研究融合临床特征和深度学习特征，预测晚期非小细胞肺癌患者对帕博利珠单抗单药疗法的反应	将CT影像深度学习特征与临床描述符结合，利用迁移学习技术和非参数统计检验筛选特征，并采用SVM分类器在切片、病灶和患者三个层面评估预测性能	样本量较小（发现训练集97例，初步测试集17例），且为回顾性研究，未说明外部验证	开发融合临床和深度学习特征的预测模型，早期识别对帕博利珠单抗单药治疗无反应的高危患者	接受一线PD-L1单药治疗的晚期非小细胞肺癌患者	计算机视觉, 机器学习	非小细胞肺癌	CT影像, 深度学习特征提取, 迁移学习	支持向量机	CT扫描图像, 临床描述符	发现训练集97例（27例无反应者），初步测试集17例（9例无反应者）	NA	SVM-RBF, SVM-多项式	AUC, 灵敏度, 特异度, F1分数	NA
614	2026-06-28	Decoding the Myocardium: Tracer-Aware Deep Learning for Patient-Level Classification in Stress-Rest SPECT Myocardial Perfusion Imaging 2026-Jun-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121796 PMID:42351455	研究论文	开发并评估一种具有示踪剂特异性预测头的多任务深度学习框架，用于患者级别的SPECT心肌灌注成像分类	首次引入示踪剂感知深度学习框架，通过共享特征编码器和示踪剂特异性预测头，显式处理锝-99m和铊-201双示踪剂间的可变性	单中心队列研究，缺乏外部验证，临床推广前需外部验证	开发适用于双示踪剂SPECT MPI的自动化深度学习分类方法，评估应力期、静息期及双输入配置的性能	锝-99m和铊-201示踪剂的SPECT心肌灌注成像数据	计算机视觉	冠状动脉疾病	SPECT心肌灌注成像	卷积神经网络	极坐标图图像	单中心队列，具体样本量未明确说明	NA	具有共享特征编码器和示踪剂特异性预测头的卷积神经网络	ROC-AUC, 平衡准确率	NA
615	2026-06-28	An Explainable Multi-Scale Deep Learning Framework for Multi-Class Brain MRI Classification 2026-Jun-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121791 PMID:42351452	研究论文	提出了一个名为MCND-ComputeNet++的可解释多尺度深度学习框架，用于脑部MRI多类别图像分类	采用单预训练EfficientNetV2-S骨干提取多层级特征，通过可学习的门控多尺度融合和空间注意力池化实现自适应特征集成	仅在图像/切片级别评估，缺乏患者级标识符，不能作为患者级临床诊断验证	开发一个全面且校准良好的深度学习框架，实现多类别脑部MRI图像分类	来自MCND数据集的16,400张二维脑部MRI图像，涵盖8个诊断类别	计算机视觉，数字病理学	阿尔茨海默病，脑肿瘤，多发性硬化症	MRI成像	深度学习分类模型	图像（二维脑部MRI切片）	16,400张图像，来自8个类别（AD-MildDemented, AD-ModerateDemented, AD-VeryMildDemented, BT-glioma, BT-meningioma, BT-pituitary, MS, Normal）	PyTorch	EfficientNetV2-S，门控多尺度融合模块，空间注意力池化	准确率，精确率，召回率，宏F1，宏AUC，宏平均精确率，期望校准误差，Brier分数，bootstrap置信区间	NA
616	2026-06-28	Predicting Recurrence Risk of Glioblastoma Based on Preoperative-Postoperative Longitudinal MRI: A Multicenter Study 2026-Jun-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060668 PMID:42351913	研究论文	提出一种基于术前术后纵向MRI的深度学习模型MambaDiff-Net，预测胶质母细胞瘤术后复发风险	通过双流编码器提取术前和术后T2WI的多尺度特征，并设计特征差异计算模块建模纵向影像变化，优于单一时间点模型	样本量较小（139例），且仅使用T2WI序列，未来需验证多序列和更大规模数据	利用术前术后纵向MRI的影像动态变化预测胶质母细胞瘤术后复发风险，支持个体化治疗决策	胶质母细胞瘤患者术前术后的纵向T2WI影像	计算机辅助诊断	胶质母细胞瘤	MRI	深度学习模型	影像	139例胶质母细胞瘤患者（59例训练、40例内部验证、40例外部测试）	PyTorch	MambaDiff-Net	AUC, 准确率, F1值	NA
617	2026-06-28	Multi-Omics and Artificial Intelligence in Cardiovascular Medicine: From Mechanistic Insights to Clinical Translation 2026-Jun-08, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061301 PMID:42351729	综述	本文评估了多组学与人工智能的协同整合，旨在将心血管医学从描述性标志物转向预测性精准心脏病学	首次提出整合分子-计算框架，强调可解释人工智能和标准化多组学协议以弥合转化差距	未涉及具体临床验证数据，主要聚焦于工作流程框架的理论性构建	评估多组学与人工智能的协同作用，促进心血管疾病的精准预防与临床转化	非编码RNA网络（miRNA、lncRNA）、外泌体转运、代谢物（TMAO、酰基肉碱）及心脏特异性miRNA	机器学习	心血管疾病	多组学测序、非编码RNA分析、代谢组学	监督学习、无监督学习、深度学习	组学数据（转录组、代谢组）	不适用	NA	NA	NA	NA
618	2026-06-28	Early Sepsis Detection Using Heterogeneous Structured ICU Data with Explainable Deep Learning 2026-Jun-08, Sensors (Basel, Switzerland) DOI:10.3390/s26123648 PMID:42356621	研究论文	利用异构结构化ICU数据与可解释深度学习进行早期脓毒症检测的回顾性对比研究	系统比较多种深度学习架构（包括CNN-ViT混合模型）在早期脓毒症预测中的性能，并采用SHAP和注意力分析增强可解释性	仅基于公共数据集进行回顾性计算基准测试，未进行前瞻性临床验证或实际部署评估	提高重症监护病房（ICU）早期脓毒症检测的准确性	每小时结构化电子健康记录（EHR）变量，包括生命体征、实验室测量值和人口统计数据	机器学习	脓毒症	NA	CNN, LSTM, GRU, Bi-LSTM, TCN, Transformer, CNN-ViT	结构化表格数据	未明确提及样本数量，但来自PhysioNet/CinC 2019挑战赛的公开数据集	PyTorch	CNN, LSTM, GRU, Bi-LSTM, TCN, Transformer, CNN-ViT	准确率、召回率、F1分数、AUPRC	NA
619	2026-06-28	Deep Learning Reconstruction Specialized for Inner Ear: Improving Image Quality and Anatomical Structure Visualization as Compared with Conventional Hybrid-Type Iterative Reconstruction on High-Definition CT 2026-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121756 PMID:42351416	研究论文	对比深度学习重建与混合型迭代重建在内耳高清CT中改善图像质量和解剖结构可视化的能力	首次开发并应用专用于内耳的深度学习重建方法，与传统混合型迭代重建进行直接比较	诊断性能在临床实践中未受影响，但样本量相对较小且未提及计算资源消耗	评估深度学习重建在提高内耳高清CT图像质量和解剖结构可视化方面的优势	140名患者（32名耳病患者和108名非耳病患者）的280只中、内耳及颞骨	计算机视觉	耳科疾病	高清CT	深度学习重建	图像	140名患者，280只耳朵样本	NA	深度学习重建网络	信噪比、整体图像质量、解剖结构细节可视化、ROC曲线下面积	NA
620	2026-06-28	Learning the Structural Diversity of Olfactory Receptors: A Genomic Case Study in Two Longhorn Beetles (Cerambycidae: Lamiinae) 2026-Jun-04, Insects IF:2.7Q1 DOI:10.3390/insects17060587 PMID:42355320	研究论文	利用机器学习预测两种长角天牛（Cerambycidae: Lamiinae）的气味受体蛋白结构，分析其多样性及进化模式	首次将深度学习预测蛋白结构的方法应用于非模式生物长角天牛的气味受体基因家族，揭示结构差异与序列保守性之间的矛盾，发现潜在受异常进化过程影响的蛋白	NA	探索昆虫气味受体蛋白的结构多样性及其与进化分类的关系	两种长角天牛：红乳草天牛和亚洲长角天牛的odorant receptor（OR）基因编码蛋白	机器学习	NA	深度学习蛋白结构预测	深度学习模型	基因组序列数据	两种天牛物种的基因组	NA	NA	预测置信度分数	NA