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
2181	2026-06-25	Improved Detection of Lentigo Maligna with AI-Assisted Dermoscopy: A Reader Study in Facial Pigmented Lesions 2026-Jun-23, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2026.06.089 PMID:42336217	研究论文	开发并评估基于深度学习的面部色素性皮损模型，并研究AI辅助皮肤镜对皮肤科住院医师诊断性能的影响	针对光老化皮肤这一AI研究中代表性不足的场景，开发了面部色素性皮损的深度学习模型，并通过读者研究验证AI辅助能显著提升住院医师的诊断准确率，尤其是对恶性雀斑样痣的检出提升明显	回顾性设计、缺乏多模态临床数据、读者研究仅包含住院医师	开发深度学习模型辅助皮肤镜诊断面部色素性皮损中的恶性雀斑样痣，并评估其对皮肤科住院医师诊断性能的改善效果	面部色素性皮损（含恶性雀斑样痣、色素性光化性角化病、脂溢性角化病）	计算机视觉	皮肤癌	皮肤镜成像	卷积神经网络	图像	722个皮损（894张皮肤镜图像），其中恶性雀斑样痣190个，色素性光化性角化病230个，脂溢性角化病302个	NA	Xception	准确率、敏感性、特异度	NA
2182	2026-06-25	Digital dimension of plant science research: A bird's eye view of AI integration 2026-Jun-23, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.113297 PMID:42336290	综述	综述人工智能在植物科学中的整合应用，涵盖从分子到生态系统的数字化变革	提出AI-植物科学一体化平台概念，系统总结了AI在表型组学、基因型-表型关联、精确农业、组织培养优化、基因组编辑和生物合成途径重建中的综合应用，并强调与物联网、机器人、微流控和数字孪生技术的融合	数据分析标准化不足、基础设施需求高、模型可解释性差以及数字素养差距限制了技术广泛采用	提供AI与植物科学整合的综合概述，并总结关键见解以弥合技术障碍，推动可持续、数据驱动的植物研究	植物科学中的AI应用（包括表型组学、基因型-表型关联、精确农业、组织培养、基因组编辑和生物合成途径重建）以及物联网、机器人、微流控和数字孪生等数字化技术	机器学习	NA	AI、高通量表型分析、植物生物技术、多组学、物联网、机器人、微流控、数字孪生	机器学习、深度学习	多组学数据、表型数据、植物生长数据、生态系统观测数据	NA	NA	NA	NA	NA
2183	2026-06-25	Drusen volume and reticular pseudodrusen volume from optical coherence tomography with deep learning as risk factors for progression to late age-related macular degeneration in eyes with reticular pseudodrusen and contralateral macular neovascularisation 2026-Jun-23, The British journal of ophthalmology DOI:10.1136/bjo-2025-329021 PMID:42336620	研究论文	利用基于深度学习的光学相干断层扫描分割算法量化网状假性玻璃膜疣和玻璃膜疣体积，并评估其与晚期年龄相关性黄斑变性进展的关联	首次利用深度学习从OCT图像中自动量化不同种类玻璃膜疣（包括网状假性玻璃膜疣、大玻璃膜疣和玻璃膜疣样色素上皮脱离）的体积，并分析其作为晚期AMD进展的风险因素	样本量较小（51只眼），且为回顾性研究，可能存在选择偏倚	研究OCT定量测量的RPD和玻璃膜疣体积与晚期AMD进展风险的关系	伴有网状假性玻璃膜疣和对侧新生血管AMD的患眼	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	深度学习分割模型	OCT图像	51只眼（平均年龄74.9±7.65岁）	NA	深度学习分割网络	风险比, p值	NA
2184	2026-06-25	Self-supervised cross frame-rate event-frame depth learning without ground truth 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55770-9 PMID:42336889	研究论文	提出一种自监督跨帧率事件-帧深度学习方法，无需真实深度标注，利用Vision Transformer编码器和交叉帧率自注意力机制实现鲁棒深度估计	首次将Vision Transformer应用于事件相机和帧数据的联合建模，提出交叉帧率自注意力机制捕捉异构数据率的时空依赖，并引入自采样、时间尺度一致强度解码和自运动优化等创新模块	仅基于DAVIS-240 C事件帧数据集验证，未在更广泛场景或大规模数据集测试；自监督方法依赖光度重建和一致性约束，在极端动态场景下可能失效	实现无需真实深度标注的跨帧率事件-帧深度估计，提升动态场景中深度估计的鲁棒性和稳定性	事件相机产生的异步事件流和同步强度帧	计算机视觉	NA	事件相机	Vision Transformer	事件流和强度帧	DAVIS-240 C事件帧数据集	PyTorch	EF-SAT (Event-Frame Self-Attention Transformer)	绝对相对误差 (Absolute Relative Error), 均方根误差 (RMSE), 绝对轨迹误差 (ATE), 相对姿态误差 (RPE)	NA
2185	2026-06-25	A deep learning-based multi-modal fusion framework for football foul recognition and referee decision assistance 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58030-y PMID:42336911	研究论文	提出了FoulMFNet，一个基于深度学习的多模态融合框架，用于足球犯规识别和裁判决策辅助	采用多模态融合架构结合外观特征、运动动态和骨架表示，引入注意力机制聚焦关键接触时刻和置信度校准模块以提升预测可靠性	未在摘要中明确说明局限性	自动化识别足球犯规，辅助裁判判罚决策，提升准确性和实时性	足球比赛中的犯规行为	机器学习	NA	深度学习	多模态融合模型	视频	12,463个来自职业比赛的事件片段	PyTorch	多模态融合架构（结合外观特征CNN、运动动态CNN和骨架表示网络）	识别准确率, Cohen's kappa, 中位延迟	NA
2186	2026-06-25	Privacy-aware diabetic retinopathy grading and visual lesion-focused interpretability through mixture-of-experts federated deep learning with explainable AI 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58292-6 PMID:42336935	研究论文	提出了一种基于联邦混合专家系统的隐私保护糖尿病视网膜病变分级方法，结合可解释人工智能进行视觉病灶解释	首次将混合专家系统与联邦学习结合用于糖尿病视网膜病变分级，通过专家专业化应对非独立同分布数据问题，并整合可解释性分析	CNN-LSTM骨干在EyePACS上准确率仅76.2%，所有病变类型的平均交并比值均低于0.03，说明可视化属于粗略探索性质，定位质量有限	开发一种可扩展、隐私保护的糖尿病视网膜病变自动筛查系统，解决联邦学习中非独立同分布数据分布等问题	糖尿病视网膜病变的眼底图像	计算机视觉	糖尿病视网膜病变	眼底照相	CNN, CNN-LSTM, Vision Transformer	图像	科威特眼科网络和亚太远程眼科协会2019年眼底数据集（具体样本数未说明）	NA	CNN, CNN-LSTM, Vision Transformer	准确率, AUC, Intersection-over-Union	NA
2187	2026-06-25	GCMR-IMA: graph-based cross-modal retrieval with incomplete modality awareness 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58071-3 PMID:42336925	研究论文	提出了一种基于图的跨模态检索方法GCMR-IMA，能够处理图像-文本对中的模态缺失问题	提出四重创新：双层次语义架构实现图像-文本全局语义图学习与长程语义捕捉，稀疏化模态邻接图建模潜在跨模态关系，图引导的缺失模态感知方法提供语义一致性指导，自适应损失函数优化模态投影以进行上下文感知的缺失模态检测	文中未提及具体局限性	解决跨模态检索中模态异质性、数据缺失和噪声限制有效性的问题	图像-文本对的跨模态检索系统	计算机视觉, 自然语言处理	NA	NA	图神经网络	图像, 文本	NA	NA	NA	NA	NA
2188	2026-06-25	CaReS-BiNet: A multi-scale deep learning framework for ECG arrhythmia classification 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58810-6 PMID:42336980	研究论文	提出一种名为CaReS-BiNet的多尺度深度学习框架，用于心电图心律失常分类	集成并行多尺度一维卷积分支、残差连接、轻量级挤压激励通道注意力和双向LSTM时序建模于统一端到端框架中，并采用高斯噪声注入增强对类别不平衡和信号变异性的鲁棒性	NA	解决心电图心律失常分类中形态复杂性、严重类别不平衡和跨异构数据集泛化能力差的问题	心电图心律失常信号	机器学习, 数字病理学	心血管疾病	ECG	CNN, 双向LSTM	信号	MIT-BIH心律失常数据库、PTB诊断心电图数据库及额外异构心电图数据集	PyTorch	多尺度1D-CNN, 残差连接, SE注意力, 双向LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
2189	2026-06-25	An adaptive LASSO-GARCH framework for robust EV parking occupancy forecasting and uncertainty management 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59402-0 PMID:42337009	研究论文	提出一种基于自适应回归和动态波动建模的混合框架，用于预测电动汽车公共停车场的占用容量	设计两阶段机制，在冷启动阶段利用相似日信息，随后平滑连接GARCH算法跟踪日间波动，并加入物理处理步骤确保输出正确、离散且非负	未明确讨论模型在极端情况下的表现或对超参数选择的敏感性	实现电动汽车停车位占用预测及其不确定性管理	公共电动汽车停车场的占用容量	机器学习	NA	NA	LASSO回归与GARCH算法结合	时间序列数据	基于Caltech ACN-Data的真实数据集	NA	LASSO, GARCH	RMSE, 绝对误差, MPIW, PICP	NA
2190	2026-06-25	An F1-score-weighted ensemble of deep learning models for enhanced cloud detection in remote sensing imagery 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58959-0 PMID:42337007	研究论文	提出一种基于F1分数加权的深度学习模型集成方法，用于增强遥感影像中的云检测性能	创新性地采用F1分数加权融合策略，系统整合多个深度学习模型的互补优势，同时减轻各自弱点	NA	提高遥感影像中云检测的准确性和鲁棒性，解决异构景观下的误分类和遗漏问题	遥感影像中的云检测算法	计算机视觉	NA	遥感影像处理	深度学习	图像	NA	NA	CD-SLCNN, SRMF-CD, CNN-TransNet	F1分数	NA
2191	2026-06-25	Multimodal integration of pathomics and clinical features improves recurrence risk prediction in pediatric medulloblastoma 2026-Jun-23, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-026-05203-0 PMID:42337025	研究论文	通过整合深度学习提取的病理组学特征与临床变量，显著改善儿童髓母细胞瘤复发风险预测	首次将深度学习提取的H&E染色切片病理组学特征与临床变量整合，构建多模态模型用于儿童髓母细胞瘤复发风险分层，优于仅用临床或放射组学模型	单中心研究，样本量较小（109例），需要外部验证	评估整合深度学习病理组学特征是否能改善儿童髓母细胞瘤复发风险分层	儿童髓母细胞瘤患者	数字病理学, 机器学习	儿童髓母细胞瘤	H&E染色	XGBoost, ResNet-18	图像, 临床数据	109例儿童髓母细胞瘤患者（33例复发）	NA	ResNet-18, XGBoost	AUC, 平均精度, 三年无复发生存率	NA
2192	2026-06-25	Energy-efficient wireless network control via spatio-temporal deep learning and multi-agent reinforcement learning 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58368-3 PMID:42337023	研究论文	提出一种基于时空深度学习与多智能体强化学习的能效优化框架，用于无线网络中的动态功率与资源分配	将时空图卷积网络（ST-GCN）与门控循环单元（GRU）结合，嵌入多智能体深度确定性策略梯度（MADDPG）控制器，实现自适应和能源感知的网络控制	仅在仿真环境中验证，未在真实无线网络部署中测试	提高干扰密集型无线网络（如非正交多址接入场景）的能效和系统性能	无线网络中的功率控制与资源分配决策	机器学习	NA	NA	时空图卷积网络、门控循环单元、多智能体深度确定性策略梯度	仿真生成的无线网络流量与信道状态数据	NA	NA	ST-GCN, GRU, MADDPG	能耗节约比例、能效提升比例、系统吞吐量提升、边缘用户数据速率提升、公平性提升、中断概率降低	NA
2193	2026-06-25	Gastrointestinal endoscopic image classification using a hybrid modified inception network and a customized vision transformer with tree growth feature selection 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55235-z PMID:42337277	研究论文	提出一种混合改进Inception网络与自定义视觉Transformer的方法，用于胃肠道内镜图像分类，并采用树生长特征选择优化性能	融合改进的Inception架构（四块结构）与自定义ViT-3（三个变压器编码器块），通过加权融合策略整合深度特征，并利用树生长算法（TGA）去除冗余特征，提升分类准确率	现有内镜AI系统在跨数据集泛化能力不足，且难以同时捕捉局部病变特征和长程上下文信息	探索基于深度学习的方法，实现胃肠道内镜图像的自动疾病分类，提高早期诊断准确性	胃肠道内镜图像中的八类疾病（如出血性病变、溃疡性结肠炎、炎症性肠病等）	计算机视觉	胃肠道疾病	NA	CNN, Transformer	图像	Kvasir v1数据集4000张图像，Kvasir v2数据集8000张图像，共涵盖八类胃肠道疾病	NA	改进Inception（四块结构）, 自定义Vision Transformer（ViT-3，三个编码器块）	准确率, 灵敏度, 精确率, F1分数	NA
2194	2026-06-25	RoseVisuals: A Multi-Class Dutch Rose Petal Images Dataset for Automated Health and Pigmentation Classification via Deep Learning 2026-Jun-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07630-4 PMID:42337298	研究论文	提出了一个包含1995张荷兰玫瑰花瓣高分辨率图像的数据集，用于通过深度学习进行健康和色素分类	首次构建专门针对荷兰玫瑰花瓣的多类别数据集，涵盖多种颜色和健康状态，弥补了玫瑰在机器学习领域研究不足的空白	NA	支持农业中的机器学习活动，特别是自动花瓣健康评估和玫瑰品种分类	荷兰玫瑰（杂交玫瑰）的花瓣	计算机视觉	NA	NA	深度学习	图像	1995张高分辨率花瓣图像	NA	NA	NA	NA
2195	2026-06-25	Deep learning-based intelligent prediction of strata pressure in a steeply inclined fully mechanized longwall face 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58950-9 PMID:42337304	研究论文	提出基于深度学习的方法对急倾斜综采工作面矿压进行智能预测	针对急倾斜工作面矿压空间异质性挑战，开发了基于CNN-LSTM-Attention的局部单支架预测工作流，并在多步验证中实现有效预测	需要多支架时空建模和闭环支护控制决策的现场验证	实现急倾斜综采工作面矿压可靠预测以支持智能开采和短期预警	淮北矿区II1013工作面两个月液压支架压力数据	机器学习	NA	液压支架压力传感器	CNN, LSTM, CNN-LSTM, Transformer, CNN-LSTM-Attention	时间序列	两个月液压支架压力数据	NA	CNN-LSTM-Attention	RMSE, MAE, MAPE, R	NA
2196	2026-06-25	Adaptive attention and severity estimation framework for robust pearl millet leaf disease identification 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58262-y PMID:42337346	研究论文	提出一种自适应严重度感知的Swin注意力网络（ASA-SAN），用于珍珠粟叶片病害的鲁棒检测与严重度估计	结合Swin Transformer编码器与ResUNet++解码器，引入自适应通道注意力和双流分类网络，并设计自适应病害严重度指数（ADSI）用于综合量化病害进展	未明确说明局限性	实现复杂田间条件下珍珠粟叶片病害的精确分割、分类与严重度估计，提升稳健性与可解释性	珍珠粟叶片，重点关注霜霉病和锈病等叶部病害	计算机视觉	植物病害	图像分割与分类	Swin Transformer + ResUNet++	图像	珍珠粟叶片数据集	PyTorch	Swin Transformer, ResUNet++, 自适应通道注意机制, 双流分类网络	Dice系数, IoU, 分类准确率, F1分数	NA
2197	2026-06-25	Prediction of college student psychological state based on deep learning framework combining the improved Whale Optimization Algorithm and LSTM 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58725-2 PMID:42337345	研究论文	提出一种结合改进鲸鱼优化算法和LSTM的深度学习框架，用于预测大学生心理状态	引入混沌初始化增强种群多样性和全局搜索能力，并添加小生境算子缓解早熟收敛，通过改进WOA优化LSTM的关键超参数	仅使用公开Kaggle数据集，未涉及多中心或真实场景验证；未讨论模型在极端心理状态或小样本情况下的表现	提高大学生心理状态预测的准确性，克服传统机器学习和LSTM超参数敏感性及早熟收敛问题	大学生的行为特征、学习交互数据和心理评估指标	机器学习	心理健康	NA	LSTM	结构化数据（行为特征、学习交互数据、心理评估指标）	公开Kaggle数据集中的大学生样本，具体数量未提及	PyTorch	LSTM	准确率	NA
2198	2026-06-25	Semi-automatic mask guidance enhances 3D tumor segmentation in medical imaging 2026-Jun-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01735-y PMID:42337366	研究论文	提出一种半自动掩膜引导的3D肿瘤分割方法，通过少量用户交互提升分割精度	结合用户点击生成任务特定引导掩膜，增强CNN对非典型病灶的关注，降低假阴性率	仍需要用户进行交互点击，依赖软件界面操作；未评估在更大规模或更多样化人群中的泛化性	改善复杂腹部肿瘤的分割准确性，减少完全自动化方法的遗漏和误分类	肝、肾、胰腺肿瘤的CT扫描	计算机视觉	肿瘤	CT扫描	卷积神经网络 (CNN)	影像数据	726名患者的1,217次CT扫描	NA	CNN	Dice系数, 假阴性率 (FNR)	NA
2199	2026-06-25	Single-model deep learning approach for simultaneous cervical vertebral maturation staging and skeletal jaw relationship on lateral cephalograms using YOLOv8 and CNN 2026-06-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08578-y PMID:42337484	研究论文	开发一种基于YOLOv8和CNN的集成人工智能管道，用于在头颅侧位片上同时进行颈椎骨成熟分期和骨骼颌关系分类，并与人类观察者的结果进行验证	首次采用单一深度学习模型同时完成颈椎骨成熟分期和骨骼颌关系分类两项任务，并验证了与人类专家的一致性	研究样本可能局限于特定年龄范围（8-18岁）和特定人群，未对模型在不同设备或条件下的泛化性进行测试	验证集成AI模型在头颅侧位片上自动化评估颈椎骨成熟分期和骨骼颌关系的准确性和临床可行性	720张正畸科头颅侧位片，患者年龄8-18岁，根据McNamara标准分为6个颈椎阶段，根据ANB角分为骨骼I、II、III类	计算机视觉	NA	头颅侧位片	CNN, YOLOv8	图像	720张头颅侧位片（训练集540张，测试集180张）	NA	YOLOv8, CNN	加权kappa系数, Cohen's kappa系数	NA
2200	2026-06-25	CT-based automatic segmentation of key CSF regions for detecting disproportionately enlarged subarachnoid space hydrocephalus 2026-Jun-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00814-5 PMID:42337617	研究论文	开发并验证一种基于AI的CT图像分割模型，用于自动提取脑脊液关键区域以检测不成比例扩大的蛛网膜下腔脑积水	首次利用Cycle-GAN从MRI生成合成CT训练数据，并基于真实CT手动标注训练高精度分割模型，实现平扫CT上DESH相关脑脊液区域的自动化量化评估	基于合成CT的分割精度不足，最终依赖手动标注的真实CT数据；高凸面蛛网膜下腔和外侧裂池的分割Dice评分较低	开发并验证基于人工智能的CT图像分割模型，用于自动提取脑积水的脑脊液关键区域	平扫CT图像中的四个脑脊液区域：总脑室、总蛛网膜下腔、高凸面蛛网膜下腔、外侧裂及基底池	计算机视觉	特发性正常压力脑积水	CT成像	深度学习分割模型	图像	外部验证集60例（30例DESH和30例非DESH）；第二独立验证集115例连续患者	PyTorch	UNet	Dice系数, AUC, 灵敏度, 特异度	NA