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	2026-06-16	MicroCT analysis of the magma-to-mush transition in the 1959 Kīlauea Iki lava lake 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49906-0 PMID:42031910	研究论文	利用显微CT扫描和深度学习分割模型，量化了1959年基拉韦厄伊基熔岩湖中橄榄石的含量和连通性，揭示了岩浆向糊状过渡的过程	首次将深度学习模型应用于熔岩岩心的显微CT图像分析，以高分辨率量化橄榄石的连通性，并提出了早期间歇性晶体网络压缩主要由冷却和结晶驱动，而非上覆晶体糊状的重量	基于单一熔岩湖的岩心样本，可能无法完全代表其他地质环境中的岩浆过程；深度学习模型的训练依赖于特定岩心的CT图像，泛化性有限	研究熔岩湖中橄榄石晶体的累积和连通性，以理解岩浆系统的固结和糊状过渡机制	1959年基拉韦厄伊基熔岩湖的淬火钻探岩心	计算机视觉	NA	显微CT扫描（μCT）	深度学习分割模型	图像	多个钻探岩心样本，具体数量未在摘要中说明	NA	NA	NA	NA
182	2026-06-16	Frequency-adaptive deep learning for multi-horizon weather forecasting in environmental monitoring applications 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49641-6 PMID:42031997	研究论文	提出了一种面向天气的频率自适应网络（WFAN），通过频域归一化框架增强多时间尺度天气预报的准确性	首次将频域归一化应用于多时间尺度天气预报，通过实例级傅里叶变换自适应选择主导频率成分作为非平稳模式，并利用频率残差学习增强数据平稳性	方法对频域分解的计算效率有依赖，且模式演化模块可能无法完全捕捉极端天气的动态变化	解决气候时序数据非平稳性对天气预报精度的影响，提升多时间尺度环境监测预报能力	气象时间序列数据（如天气、气温、电力负荷等）	机器学习	NA	傅里叶变换、频域归一化	深度学习模型（DLinear, FEDformer, Informer, SCINet）	时间序列数据（数值型）	多个基准数据集，包含Weather, ETTh1, ECL等	PyTorch	DLinear, FEDformer, Informer, SCINet	均方误差（MSE）、增强迪基-富勒（ADF）检验、统计显著性检验	NA
183	2026-06-16	A novel behavioral paradigm for odor-induced voluntary urination in mice 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49754-y PMID:42031989	研究论文	该论文提出了一种基于气味的雄性小鼠自愿排尿行为范式，并使用深度学习模型进行自动化分析	创新性地利用F1杂交雄性小鼠（C57BL/6J × BALB/c）结合两种品系的互补优势，建立了快速（10分钟）气味诱导的自愿排尿行为范式，并引入YOLOv8深度学习模型实现高效准确的尿点自动量化	未明确提及局限性，但可能包括F1杂交系的可重复性、行为范式的普适性验证，以及c-Fos映射仅提供关联性而非因果性证据	建立一种遗传可操作的小鼠模型系统，用于解析自愿排尿的神经环路机制	F1杂交雄性小鼠（C57BL/6J × BALB/c）的行为反应和全脑c-Fos表达	计算机视觉, 机器学习	神经源性下尿路功能障碍	深度学习（YOLOv8）, c-Fos全脑映射	CNN	图像	群养和社交隔离的F1杂交雄性小鼠（具体数量未在摘要中明确，但涉及行为测试和全脑成像）	PyTorch	YOLOv8	准确率	NA
184	2026-06-16	IST: an ontology-guided attention-based autoencoder for interpretable analysis of single-cell transcriptomic data 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50009-z PMID:42032017	研究论文	提出一种基于本体引导的注意力自动编码器IST，用于单细胞转录组数据的可解释分析	将基因本体结构直接融入模型架构，利用注意力机制捕捉上下文依赖的基因活动，并通过基于相关性的损失函数确保生物先验在隐表示中忠实反映	未提及具体限制	开发一种能够可靠整合生物先验知识到单细胞转录组数据分析中的可解释深度学习方法	单细胞RNA测序数据	机器学习	NA	scRNA-seq	自动编码器	基因表达数据	三个scRNA-seq数据集	NA	注意力自动编码器，基因本体结构	NA	NA
185	2026-06-16	FiloAnalyzer: a deep learning approach for cell filopodia segmentation 2026-Apr-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06437-9 PMID:42032470	研究论文	介绍FiloAnalyzer，一个用于自动分析细胞丝状伪足的深度学习工具箱	对比了ImageNet有监督预训练与自监督预训练方法，采用对比学习、自蒸馏和基于扩散模型的生成方法，在低数据 regime 下最大化分割性能	未提及具体局限性	开发一种自动化的丝状伪足分割方法，以处理大规模数据集	细胞丝状伪足结构	计算机视觉	NA	显微镜成像	深度学习模型，具体架构未指定	荧光显微镜图像	包含神经嵴细胞的标注荧光图像数据集，最少仅10张标注图像	PyTorch（推测基于代码链接）	NA	通过对比流行丝状伪足分割工具箱进行基准测试，具体指标未提及	NA
186	2026-06-16	DCI-SiteDTA: drug-target affinity prediction based on binding sites detection and site-aware dual cross-interaction block 2026-Apr-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06446-8 PMID:42032471	研究论文	提出一种基于结合位点检测和位点感知双重交叉交互模块的药物-靶标亲和力预测方法	将结合位点检测和亲和力预测整合到统一深度学习框架中，并通过位点引导的双重交叉交互融合模块实现多维药物-靶标融合	未在更多样化数据集上验证，且未讨论计算资源的可扩展性	提高药物-靶标结合位点检测和亲和力预测的准确性	药物-靶标对及其结合位点	机器学习	NA	NA	深度神经网络	分子结构数据和蛋白质序列数据	在Davis和KIBA基准数据集上评估	NA	多尺度特征融合网络和双重交叉交互模块	结合位点检测准确率和亲和力预测精度	NA
187	2026-06-16	Comparison of multistage and single-stage framework for automated landmark localization and radiologic measurement: a case of the C1-2 complex on cervical spine lateral radiographs 2026-Apr-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02323-1 PMID:42032488	研究论文	比较多阶段与单阶段框架在颈椎侧位X光片上自动定位标志点和放射测量的性能	系统比较多阶段与单阶段深度学习框架在C1-2复合体分析中的优势，引入解剖感知多术语损失函数	NA	评估多阶段框架相对于单阶段框架在X光片自动定位与测量中的性能差异	C1-2复合体的8个标志点和14个放射学指标	计算机视觉	颈椎疾病	X光片	深度学习模型	图像	1200对动态颈椎X光与MRI，外部验证300例	NA	粗到细定位模型、全区域单阶段模型	Dice系数、交并比、角度误差、距离误差	NA
188	2026-06-16	YOLOv10-based deep learning model for dental plaque object detection in intraoral photographs of orthodontic patients 2026-Apr-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08295-6 PMID:42032559	研究论文	系统评估YOLOv10深度学习模型在固定正畸患者手机拍摄的口内照片中识别牙菌斑的性能和可行性	首次将YOLOv10模型应用于固定正畸患者的牙菌斑检测，无需染色剂即可实现高精度实时检测，并显著优于患者和正畸医生的视觉识别	研究仅收集了23名患者的数据，样本量较小；依赖患者自行拍摄的口内照片，图像质量可能影响模型性能	评估YOLOv10模型在固定正畸患者口内照片中识别牙菌斑的准确性和实用性，并探索其临床转化前景	固定正畸患者在治疗过程中形成的牙菌斑	计算机视觉	口腔疾病	深度学习	YOLOv10	图像	23名固定正畸患者的牙菌斑染色图像	PyTorch, Torchvision	YOLOv10	准确率, 召回率, F1分数, mAP50, mAP50-95	配有GPU的计算机
189	2026-06-16	Deep learning for stenotic nares classification in brachycephalic dogs 2026-Apr-23, Veterinary research communications IF:1.8Q2 DOI:10.1007/s11259-026-11220-5 PMID:42024293	研究论文	提出基于深度学习的方法对短头犬的狭窄鼻孔进行客观分类	首次将卷积神经网络用于短头犬鼻孔构型的自动分类，实现了客观、一致的分类，减少主观判断差异	临床分级系统中常包含的中度类别因数据集中代表性不足而被排除；数据集有限，且仅涉及法国斗牛犬和巴哥犬两个品种	开发用于短头犬鼻孔构型客观分类的深度学习方法，作为关键解剖风险因素评估工具	法国斗牛犬和巴哥犬的高分辨率鼻孔图像	计算机视觉	短头犬阻塞性气道综合征（BOAS）	NA	卷积神经网络（CNN）	图像	未明确说明样本数量	NA	VGG16, InceptionV3, EfficientNetB0, DenseNet121, NASNetMobile, MobileNet	准确率、精确率、F1分数、灵敏度、特异度	NA
190	2026-06-16	Segmentation for pelvic malignancies in radiation oncology practice: a systematic review and meta-analysis protocol 2026-Apr-23, Systematic reviews IF:6.3Q1 DOI:10.1186/s13643-026-03173-2 PMID:42026695	系统综述方案	本文提出一项系统综述方案，旨在评估基于深度学习的自动分割模型在盆腔恶性肿瘤放射治疗中的性能	通过系统性检索和元分析，综合评估深度学习自动分割模型在盆腔靶区和器官的准确性，促进临床实施	未具体说明，方案阶段暂无局限性描述	评估深度学习自动分割模型在盆腔恶性肿瘤放射治疗中的准确性	基于深度学习的自动分割模型应用于盆腔恶性肿瘤放射治疗的研究	计算机视觉	盆腔恶性肿瘤	深度学习	深度学习模型	NA	NA	NA	NA	定量指标、定性工具、节省时间、剂量学	NA
191	2026-06-16	Image analysis for cervical cancer classification using deep learning techniques 2026-Apr-23, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16076-1 PMID:42026537	研究论文	使用深度学习模型对卢旺达宫颈癌组织病理学图像进行自动二分类	首次在卢旺达资源受限的三级医院环境中评估紧凑型深度学习架构（EfficientNetB0）对宫颈组织病理学图像的分类性能，并展现接近完美的诊断表现	单中心回顾性研究，样本量有限，且需外部多中心前瞻性验证后才能用于临床	评估深度学习模型在卢旺达宫颈癌组织病理学图像自动二分类中的可行性，以作为可扩展的诊断辅助工具	卢旺达基加利大学教学医院2018-2024年间采集的885张H&E染色宫颈活检图像块	计算机视觉	宫颈癌	H&E染色组织病理学成像	卷积神经网络（CNN）	图像	885张宫颈活检图像块（来自患者级分层划分）	PyTorch	ResNet50, EfficientNetB0, DenseNet121	准确率, 灵敏度, 特异度, F1分数, ROC-AUC, Brier评分, 校准曲线	NA
192	2026-06-16	Decision-support system for live detection of Leishmania parasites from microscopic images with deep learning 2026-Apr-23, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13278-7 PMID:42026509	研究论文	开发基于深度学习的决策支持系统，用于从显微镜图像中实时检测利什曼原虫	结合YOLOv8目标检测框架与实时图形用户界面，实现低成本设备下的利什曼原虫自动检测，提升非专业人员的诊断能力	数据来自特定区域（利比亚和巴勒斯坦）的皮肤利什曼病样本，可能影响模型的泛化性；未提及对免疫缺陷病例的验证	开发深度学习辅助诊断工具，简化利什曼病显微镜检查流程，提高资源有限环境中的检测可及性	利什曼原虫寄生虫	计算机视觉, 数字病理学	利什曼病	显微镜成像	YOLOv8	显微镜图像	来自利比亚和巴勒斯坦皮肤利什曼病患者的组织样本	PyTorch	YOLOv8	平均精度均值（mAP）0.78, 准确率91%, 灵敏度91%, 特异性90%, 精确率94%	NA
193	2026-06-16	A customised 3D U-Net model for bifid mandibular canal segmentation and detection on CBCT: a diagnostic accuracy study 2026-Apr-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08336-0 PMID:42026568	研究论文	本研究评估了一种定制的3D U-Net模型在CBCT图像上自动分割和检测双叉下颌管的诊断准确性	首次使用定制化3D U-Net模型结合MONAI框架，在CBCT图像上实现双叉下颌管的自动分割和检测，并在复杂形态亚型上达到高灵敏度	单中心研究，需要多中心验证以确认更广泛的临床适用性	评估深度学习模型在CBCT图像上自动分割和检测双叉下颌管的诊断性能	双叉下颌管，标准下颌管，及CBCT图像中的复杂形态亚型	计算机视觉	口腔疾病	CBCT成像	3D U-Net	图像	208个CBCT容积	MONAI	3D U-Net	Dice相似系数，交并比，敏感性，特异性	NA
194	2026-06-16	Multimodal deep learning for anomaly detection in urban infrastructure networks: improving the resilience of public management systems 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50189-8 PMID:42020538	研究论文	提出一种基于多模态深度学习的城市基础设施网络异常检测框架MM-ADF，整合传感器时序数据、设备外观图像、运行音频和网络日志等多模态信息，实现设备故障、数据泄露和性能异常的准确识别与实时预警	通过跨模态特征融合和时空关联建模，将传感器时序数据、设备外观图像、运行音频和网络日志四类异构模态数据整合到统一框架中，克服了传统单模态方法对复杂场景适应性差的局限	未详细说明模型在不同城市规模或极端环境下的泛化能力，以及对多模态数据同步和缺失值的处理策略	提升城市基础设施网络异常检测的准确性、实时性和鲁棒性，增强公共管理系统对干扰的应急响应韧性	城市基础设施网络中的交通、能源、给排水和通信等关键子系统	多模态深度学习	不适用	跨模态特征融合、时空关联建模	多模态深度学习框架	传感器时序数据、设备外观图像、运行音频、网络日志	真实城市基础设施数据集（具体规模未说明）	NA	NA	检测准确率、误检率、平均响应时间	NA
195	2026-06-16	Multimodal clinical-imaging deep learning model for predicting refractory hypersplenism after liver transplantation 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48940-2 PMID:42020717	研究论文	开发一种整合临床和CT影像特征的多模态深度学习模型，用于预测肝移植后难治性脾功能亢进	首次提出将临床数据和CT影像组学特征融合的多模态深度学习模型，专门用于肝移植后难治性脾功能亢进的术前风险分层	需要在更大规模的多中心队列中进行进一步验证，才能推广临床应用	识别术前危险因素并开发多模态深度学习模型，用于预测肝移植后难治性脾功能亢进	2013至2023年间接受肝移植的患者，分为缓解组（120例）和难治组（44例）脾功能亢进	数字病理学	肝移植后脾功能亢进	CT影像组学	深度学习	临床数据、CT影像	164名接受肝移植的患者（120例缓解组、44例难治组）	NA	NA	AUC、F1分数、准确率	NA
196	2026-06-16	Deep learning prediction of contrast extravasation versus intracranial hemorrhage after thrombectomy in patients with acute stroke 2026-Apr-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02298-z PMID:42021187	research paper	基于深度学习预测急性卒中患者取栓术后对比剂外渗与颅内出血的研究	首次采用卷积神经网络（CNN）在脑CT扫描上区分对比剂外渗和颅内出血，并验证了其可行性	样本量较小（106例患者），且未提及模型在外部数据集上的验证	探索和验证基于机器学习算法区分对比剂外渗与颅内出血的可行性	急性卒中患者取栓术后CT扫描显示高密度病灶的患者	计算机视觉	急性卒中	CT扫描	CNN	图像	106例患者（63例对比剂外渗，43例颅内出血）	NA	CNN, SVM, RPART	AUC	NA
197	2026-06-16	A multimodal approach integrating NK cell-associated gene signatures and pathomics to predict colon adenocarcinoma prognosis 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49584-y PMID:42020555	研究论文	结合NK细胞相关基因特征和病理组学构建多模态预后模型预测结肠腺癌预后	首次整合单细胞RNA测序、转录组、病理组学和临床数据构建多模态预后框架，融合NK细胞相关分子特征与病理图像特征	NA	开发多模态预后框架以预测结肠腺癌患者总体生存率	结肠腺癌患者样本及病理切片图像	数字病理学、机器学习	结肠腺癌	单细胞RNA测序	深度学习模型	基因表达数据、病理图像、临床数据	458张TCGA-COAD全切片图像	TensorFlow, PyTorch	Clustering-constrained Attention Multiple Instance Learning	一致性指数	NA
198	2026-06-16	Artificial intelligence-assisted quality assessment of mid-trimester ultrasound examinations using large vision-language models 2026-Apr-22, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-026-09073-6 PMID:42021182	研究论文	研究利用深度学习和视觉语言模型系统自动评估中期妊娠超声检查质量	首次结合卷积神经网络与大型视觉语言模型，实现超声检查质量的自动评估和可解释性反馈，并在多中心研究中验证了AI辅助对读者表现的影响	未提及具体局限性	开发和评估用于中期妊娠胎儿超声检查自动质量评估的深度学习及视觉语言模型系统	中期妊娠胎儿超声检查的影像平面	计算机视觉, 自然语言处理	NA	超声检查	CNN, 视觉语言模型 (VLM)	图像	273次内部检查和29次外部检查共22,544个超声平面，结合公开数据	NA	SonoNet, CNN	F1分数	NA
199	2026-06-16	Computational pathology-based artificial intelligence platform for the identification of common oral potentially malignant disorders 2026-Apr-22, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08398-0 PMID:42021214	研究论文	基于计算病理学的人工智能平台用于常见口腔潜在恶性疾病的鉴别诊断	融合深度学习提取的预测特征与多种机器学习算法构建AI平台，并探究AI特征与病理发现的相关性，增强模型在病理学上的可解释性	未提及局限性	构建基于数字病理学的人工智能平台，实现对口腔白斑、口腔扁平苔藓和口腔黏膜下纤维化的准确高效鉴别诊断	口腔潜在恶性疾病（口腔白斑、口腔扁平苔藓、口腔黏膜下纤维化）	数字病理学	口腔癌（口腔鳞状细胞癌前病变）	NA	深度学习模型	全切片图像	1080例样本	PyTorch	Twins-SVT, ResNet18, ResNet50, Inception_v3	受试者工作特征曲线下面积（AUC）	NA
200	2026-06-16	Accelerating sow nursing behavior monitoring with modified YOLO11n architecture and TensorRT integration 2026-Apr-22, Porcine health management IF:3.0Q1 DOI:10.1186/s40813-026-00507-3 PMID:42021390	研究论文	本研究开发了一种改进的YOLO11n模型，结合TensorRT加速，用于实时监测母猪的哺乳行为，实现了高精度和低延迟推理	通过去除小目标检测头降低了模型复杂度（207层，5.0 GFLOPs），结合TensorRT优化实现推理加速，在A100 GPU上仅需4.6毫秒，在T4 GPU上需6.1毫秒	在视觉相似的类别（如坐姿哺乳与坐姿非哺乳）间存在分类错误，源于俯视角下部分姿势中仔猪与乳头接触的可见性有限	为集约化养猪系统提供自动化的母猪哺乳行为监测解决方案，以支持动物福利管理和降低断奶前死亡率风险	母猪在分娩栏中的姿势-哺乳状态类别，包括坐、站和三种躺卧姿势，每种标记为哺乳或非哺乳	计算机视觉	无	TensorRT优化	YOLO11n（改进型）	图像	代表性测试图像，包含部分遮挡和可变光照条件	TensorFlow, TensorRT	改进的YOLO11n	mAP@50	NVIDIA A100 GPU, T4 GPU