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
2101	2026-05-02	Deep learning detection of retinitis pigmentosa inheritance forms through synthetic data expansion of a rare disease dataset 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47341-9 PMID:41965358	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2102	2026-06-04	A two-stage deep learning model for risk identification in green supply chain finance 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46830-1 PMID:41965401	研究论文	构建了一个两阶段深度学习模型，用于绿色供应链金融中的风险识别	创新性地将生成对抗网络与残差自编码器结合用于数据增强，并将深度神经网络与多核支持向量机融合以提升复杂非线性风险模式的分类能力	NA	实现绿色供应链金融中风险的智能化和精确识别	2015-2024年间168家企业的绿色供应链金融风险样本	机器学习	NA	NA	生成对抗网络、残差自编码器、深度神经网络、多核支持向量机	表格数据	168家企业样本，时间跨度2015-2024年	NA	GAN-SAE, DNN-SVM	准确率、召回率、AUC	NA
2103	2026-06-04	Comparative analysis of deep learning algorithms for rolling element bearing fault classification under variable loads and speeds 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42592-y PMID:41965751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2104	2026-06-04	Hybrid CNN-decision tree framework for efficient transmission line fault detection and classification: an XAI-based approach 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45514-0 PMID:41963451	研究论文	提出一种混合1D卷积神经网络-决策树框架，用于输电线路故障检测与分类，并集成可解释人工智能方法	将一维CNN作为特征提取器，决策树执行可解释分类，区别于传统端到端深度学习模型，并集成SHAP提供全局和实例级可解释性	仅在仿真环境中测试，未在真实输电线路数据上验证	实现输电线路故障的高效、准确且可解释的检测与分类，提升电力系统稳定性	输电线路故障，包括短线路、长分布式线路、源端故障和负载端故障	机器学习	NA	NA	1D卷积神经网络-决策树	三相电压和电流测量值	模拟生成的大规模平衡数据集，涵盖正常操作和十种故障类型	MATLAB/Simulink	1D-CNN,决策树	准确率	NA
2105	2026-06-04	Assessing trends and forecasting meteorological drought in South Africa using Savitzky-Golay enhanced hybrid deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46664-x PMID:41963462	研究论文	本研究使用Savitzky-Golay增强混合深度学习模型评估和预测南非气象干旱趋势	开发了集成Savitzky-Golay滤波器与时间卷积网络和长短期记忆网络的新型混合模型SG-TCN-LSTM，用于气象干旱预测	未来需扩展模型纳入更多气候驱动因素，评估其在不同气候区域的迁移性，并探索在业务干旱预警系统中的应用	评估南非夸祖鲁-纳塔尔省uMkhanyakude地区的长期干旱趋势，并增强干旱预测能力	南非夸祖鲁-纳塔尔省uMkhanyakude地区的六个气象站	机器学习	NA	NA	混合模型（SG-TCN-LSTM）	时间序列数据（日降雨量记录）	1980年至2023年共43年每日降雨量记录，来自六个气象站	NA	Savitzky-Golay滤波器、时间卷积网络、长短期记忆网络	均方根误差、决定系数	NA
2106	2026-06-04	Leveraging convolutional sparse autoencoders for robust movement classification from low-density sEMG 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47492-9 PMID:41963500	研究论文	提出一种仅使用两个表面肌电图通道、基于卷积稀疏自编码器的深度学习框架，实现高精度手势识别，并支持少样本迁移学习和增量学习	利用卷积稀疏自编码器直接从原始信号提取时序特征，无需启发式特征工程；结合少样本迁移学习显著提升跨个体泛化能力；支持基于增量学习的类别扩展而不需完整模型重训练	仅在健全个体上进行概念验证，未在截肢患者中验证；传感器密度低可能限制复杂手势识别精度	开发一种低计算开销、低传感器密度的可扩展肌电假肢控制方案	表面肌电图信号中的手势分类任务	机器学习	截肢	sEMG	卷积稀疏自编码器	时序信号	6类手势数据集，包含多受试者数据	NA	卷积稀疏自编码器	F1分数	NA
2107	2026-04-12	QuantumNeuroXAI: a quantum-inspired deep learning framework with explainability for brain signal analysis and neurological disorder detection 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47627-y PMID:41963527	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2108	2026-06-04	Non-invasive endometriosis staging prediction using integrated radiomics and spatiotemporal transformer model based on dynamic contrast-enhanced MRI 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41499-y PMID:41957071	研究论文	提出一种结合放射组学和时空Transformer的非侵入性子宫内膜异位症分期预测模型，基于动态对比增强MRI	提出双路径架构，通过跨模态注意力机制实现工程化放射组学特征与学习到的时空表示之间的双向优化，并结合自适应加权机制根据个体病例特征调整特征贡献	对治疗决策的最终影响需进一步回顾性评估	开发非侵入性子宫内膜异位症分期预测方法，克服传统诊断依赖于有创腹腔镜的局限性	子宫内膜异位症病变的动态对比增强MRI图像序列	计算机视觉	子宫内膜异位症	动态对比增强磁共振成像	Transformer	图像	486例手术确认病例（内部训练/测试集），127例回顾性患者（外部验证集）	NA	Spatiotemporal Transformer	准确率, F1分数	NA
2109	2026-06-04	FedLiverNet: a federated learning framework for privacy-preserving and efficient liver cancer detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46244-z PMID:41957078	研究论文	提出 FedLiverNet，一种用于隐私保护且高效的肝肿瘤检测联邦学习框架	结合改进的 U-Net 骨干网络、差分隐私聚合和带局部自适应的聚类联邦学习，以应对非独立同分布数据并降低通信成本	基于仿真实验，未在真实多中心数据上验证；隐私保护可能仍存在优化挑战	实现隐私保护下的多中心肝脏和肿瘤分割，同时提升通信效率和模型性能	CT 图像中的肝脏和肿瘤分割	计算机视觉	肝癌（肝肿瘤）	CT 成像	U-Net 变体	影像数据	未明确提及	NA	改进的 U-Net	Dice 系数，通信成本降低	NA
2110	2026-06-04	Explainable deep learning-based lung cancer diagnosis using clinically-guided local interpretable model-agnostic explanations 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44127-x PMID:41957146	研究论文	提出了一种基于自适应超像素扰动的局部可解释模型无关解释方法，用于深度学习的肺癌诊断	引入自适应超像素分割、分层扰动策略、肺部区域掩膜和后处理增强，改进了传统局部可解释模型无关解释方法，提高了医学影像解释的忠实度和定位能力	未提及在多样化临床数据集上的验证或计算效率分析	开发可解释的深度学习诊断工具，增强模型在肺癌分类中的临床接受度	肺部医学影像中的肺癌分类任务	计算机视觉、数字病理学	肺癌	医学影像分析	卷积神经网络	图像	基于公开肺部图像数据集	NA	MedDeepNet	准确率、召回率、精确率、特异性、F1分数、删除分数、插入分数、扰动曲线间面积	NA
2111	2026-06-04	Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47518-2 PMID:41957239	研究论文	开发并评估基于术中视频的深度学习模型，用于预测肝细胞癌患者严重纤维化（F3-F4），模型表现超越外科医生的视觉评估和传统非侵入性评分	首次利用术中视频数据进行深度学习分析以预测严重肝纤维化，并与外科医生视觉评估及传统指标（APRI、FIB-4）进行系统比较，模型表现出更优的诊断性能	单中心回顾性研究，样本量有限（103例），需前瞻性多中心验证以确认泛化性和临床影响	开发基于术中视频的深度学习模型，实现严重肝纤维化的即时准确诊断，为微创肝切除手术规划提供客观参考	接受微创肝切除手术的肝细胞癌患者的术中视频画面	计算机视觉	肝癌	深度学习	DenseNet	视频	103名患者（2019年12月至2022年3月）	PyTorch	DenseNet-121	AUROC, 敏感性, 特异性, F1分数	NA
2112	2026-06-04	High-precision automated grading of flue-cured tobacco leaves based on hierarchical feature fusion 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45252-3 PMID:41957429	研究论文	提出一种基于层级特征融合的深度学习框架，用于高精度自动化烤烟烟叶分级	创新性地集成多个预训练骨干网络与层级特征融合模块，并引入可学习注意力权重自适应组合低、中、高层特征，提升多尺度互补特征捕获能力	未提及模型训练数据集的规模和多样性，也未讨论在真实生产环境中的部署可行性	解决传统人工分级主观性强、效率低以及现有深度学习方法难以捕获多尺度特征的问题，实现高精度自动化烟叶分级	烤烟烟叶	计算机视觉	不适用	深度学习	卷积神经网络	图像	未提及	PyTorch	多个预训练骨干网络、卷积块注意力模块、层级特征融合模块	准确率	未提及
2113	2026-06-04	Study on mmage defect recognition and classification of power transmission equipment based on lightweight model residual Mamba 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45856-9 PMID:41957442	研究论文	提出一种轻量级分割网络ResMamba，用于电力传输设备图像缺陷识别与分类，解决小样本条件下的检测难题	在视觉状态空间模块中移除冗余线性层缩减38%参数，并引入深度卷积块和可学习缩放参数动态调整残差连接，同时通过多级多尺度信息融合机制增强缺陷检测能力	未在更多样化的真实工业场景或不同成像条件下验证模型泛化性	提升电力传输设备小样本缺陷检测性能，增强电网自愈能力	电力传输设备图像中的缺陷样本	计算机视觉	不适用	轻量级分割网络	ResMamba（基于Mamba架构）	图像	公共数据集（含特定小样本设置）	PyTorch	六层U形编解码器, ResVSS模块	分割准确率	NA
2114	2026-06-04	Climate-aware hybrid Kolmogorov-Arnold networks for interpretable solar radiation forecasting 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45578-y PMID:41946784	研究论文	提出一种气候感知的混合Kolmogorov-Arnold网络框架，用于可解释的太阳辐射预测	首次将极值理论驱动的开关机制与可解释的样条基Kolmogorov-Arnold网络结合，实现气候特异性太阳辐射预测，并保持物理一致性与透明度	NA	提高短期太阳辐射预测的准确性、可解释性和鲁棒性，以适应不同气候区域的光伏系统集成需求	沙特阿拉伯五个气候不同区域（沙漠、沿海、山地、过渡环境）的小时尺度气象和辐射数据	机器学习	NA	NA	Kolmogorov-Arnold网络、前馈神经网络	气象时间序列数据、辐射量数据	五个气候区域的每小时数据	NA	KAN, CNN-BiLSTM	预测精度、物理一致性（非负性、辐射边界）	NA
2115	2026-06-04	Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification 2026-Apr, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70271 PMID:41588600	研究论文	开发基于深度学习的一维卷积神经网络模型，用于实时室性心动过速警报分类	首次使用包括两个心电图导联、光电容积描记法和动脉血压信号在内的多种原始波形输入，通过一维卷积神经网络对室性心动过速警报进行实时分类	暂未提及	提高重症监护室室性心动过速警报的准确率，减少假阳性警报，缓解警报疲劳问题	室性心动过速警报的原始波形数据	机器学习	心血管疾病	NA	CNN	波形数据	使用VTaC心律失常基准数据集，含多个10秒波形片段，具体样本数量未说明	NA	一维卷积神经网络 (1D-CNN)	AUC, 准确率 (accuracy), F1-score, 灵敏度 (sensitivity), 特异度 (specificity), 阳性预测值 (positive predictive value)	NA
2116	2026-03-10	Automated Classification of Store-Operated Calcium Entry Activity and Disease Conditions in Murine Skeletal Muscle Images Using Machine Learning 2026-Apr, Muscle & nerve IF:2.8Q2 DOI:10.1002/mus.70157 PMID:41603483	研究论文	本研究比较了三种机器学习模型在基于小鼠骨骼肌图像中钙库操纵性钙内流（SOCE）活性进行分类的能力，以评估肌肉活动或疾病状态	首次将机器学习模型应用于小鼠骨骼肌图像的SOCE活性自动分类，为肌肉病理的临床分类提供了可扩展的自动化解决方案	研究样本量有限，未来需要更大数据集和更复杂模型（如基于Transformer的模型）来提升在复杂肌肉条件下的性能	开发并比较机器学习模型，以实现从小鼠骨骼肌图像中自动分类SOCE活性和疾病状态，以辅助肌肉营养不良症的诊断和治疗	小鼠骨骼肌纤维的免疫荧光图像，来自钙蛋白酶-3缺失小鼠和野生型小鼠，包括静息和运动后状态	计算机视觉	肌肉营养不良症	免疫荧光成像	CNN, SVM	图像	来自钙蛋白酶-3缺失小鼠和野生型小鼠的骨骼肌纤维图像，具体数量未在摘要中明确说明	NA	CNN, EfficientNet, SVM	准确率, F1分数, 精确率, 受试者工作特征曲线下面积	NA
2117	2026-06-04	IKDP: Implicit Knowledge Enhanced Disease Prediction via heterogeneous admission sequence graphs 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103365 PMID:41604873	研究论文	提出一种通过异构入院序列图增强隐式知识的疾病预测模型	利用患者入院数据中的隐式知识（如患者间相似性和潜在疾病关联）构建异构序列图，并结合辅助预训练与端到端优化	受外部知识图谱覆盖不完全限制，且忽略单次入院患者信息	提升电子健康记录中疾病关系和入院轨迹的表示准确性与预测能力	电子健康记录中的患者入院数据和疾病关联	机器学习	通用疾病	NA	序列图模型	文本（电子健康记录）	NA	PyTorch	图神经网络	AUC、F1分数	NA
2118	2026-06-04	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	提出并评估基于多任务深度学习的ForensicNet框架，利用巴西5-15岁人群的全景放射影像同时估计年龄和性别	构建基于EfficientNet-B3的多任务学习架构，集成卷积块注意力模块(CBAM)和任务特定分支，首次针对巴西青少年人群实现年龄与性别的同步高精度估计	NA	开发用于法医和临床场景的年龄与性别自动估计方法	巴西5-15岁年轻人群的全景放射影像	计算机视觉	NA	全景放射摄影	多任务深度学习模型	图像	2200张高分辨率全景放射影像，按年龄和性别平衡划分	PyTorch	EfficientNet-B3, CBAM	平均绝对误差, 决定系数, 准确率, AUC	NA
2119	2026-06-04	Early diagnosis of Alzheimer's disease from functional rs-fMRI images based on deep learning networks and transfer learning approach 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112151 PMID:41604985	研究论文	基于深度学习网络和迁移学习方法，利用功能rs-fMRI图像早期诊断阿尔茨海默病	提出了两种新型深度网络OVGG-16和OVGG-19，融合迁移学习和密集层概念，优化了传统VGG网络以提升诊断性能	传统深度网络如VGG存在处理时间长和数据分布导致的性能问题	通过改进深度学习分类器，提高阿尔茨海默病早期诊断的准确性和效率	阿尔茨海默病	计算机视觉	阿尔茨海默病	rs-fMRI	CNN	图像	未提及	NA	OVGG-16, OVGG-19	准确率	NA
2120	2026-06-04	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Apr, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究利用学龄儿童的彩色眼底照片开发深度学习模型来预测眼轴长度，并评估整合年龄、球镜度和性别的影响	首次基于近乎正常的彩色眼底照片通过深度学习预测6-10岁儿童的眼轴长度，并发现性别变量会降低模型效能	样本仅限于中国学龄儿童，眼底照片异常程度轻微，可能限制模型推广性	开发并评估深度学习模型用于预测儿童眼轴长度的准确性	6-10岁学龄儿童的彩色眼底照片及相关临床参数	计算机视觉	近视	彩色眼底摄影	卷积神经网络 (CNN)	图像	3840名儿童的5460张初始图像，最终使用2779名儿童的3840张图像	PyTorch	ResNet101	皮尔逊相关系数 (R)	NA