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
221	2026-09-07	Adversarial vulnerability and robustness of deep learning models for panoramic dental X-ray segmentation 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57108-x PMID:42310372	研究论文	本文首次系统研究深度学习模型在全景牙科X射线分割中的对抗性漏洞和鲁棒性，并提出多攻击防御策略以提高临床可靠性。	首次对全景牙科X射线分割的深度学习模型进行系统的对抗性漏洞和鲁棒性研究，并实现了定制的多攻击对抗防御策略。	未明确提及局限性，但可能包括防御策略导致的少量精度损失。	评估深度学习模型在牙科X射线分割中的对抗性脆弱性，并开发防御策略以增强鲁棒性。	全景牙科X射线图像的分割模型及其对抗性攻击下的表现。	数字病理学	牙科疾病	X射线成像	深度学习分割模型	图像	995张全景图像（361张专家标注X光片和634张来自DENTEX 2023挑战的细化掩膜）	NA	Attention UNet, SegNet, Trans UNet, Vanilla UNet, UNet++	IoU, Dice	NA
222	2026-09-07	A 1D-CNN with advanced data augmentation for robust speech emotion recognition 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56241-x PMID:42310400	研究论文	提出一种基于一维卷积神经网络（Conv1D）和先进数据增强技术的语音情感识别框架，利用互补声学特征实现稳健的情感识别	创新性地结合MFCC、ZCR和RMSE三种互补声学特征，采用序列拼接表示输入Conv1D架构，并应用多种数据增强技术（噪声注入、时间偏移、音高调整和时间拉伸）仅对训练样本进行处理以提高鲁棒性和类别平衡	摘要中未提及明确的局限性	解决传统语音情感识别中因数据集不平衡、说话人变异性及环境噪声导致的泛化能力不足问题，提出计算高效的深度学习框架	语音信号中的七种情感类别，包括来自RAVDESS、SAVEE、CREMA-D和TESS数据集的样本	机器学习, 数字信号处理	NA	声学特征提取（MFCC、ZCR、RMSE）	一维卷积神经网络（Conv1D）	音频信号	多数据集合并包含RAVDESS、SAVEE、CREMA-D和TESS数据集，具体样本数量未提及	NA	Conv1D	测试准确率, Macro F1分数	NA
223	2026-09-07	A multimodal deep learning model predicting hyperprogressive disease for PD-1 blockade in advanced hepatocellular carcinoma 2026-Jun-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02834-9 PMID:42236582	研究论文	开发了一种基于Transformer的多模态深度学习模型HOPE，用于预测晚期肝细胞癌患者接受PD-1抑制剂治疗后发生超进展性疾病的风险	首次将动脉期和门静脉期CT影像与结构化临床因素整合到多模态模型中，专门用于预测HPD，并通过消融分析验证了多模态整合的价值	外部验证队列中AUC较低，且为回顾性研究，需要前瞻性验证	建立临床可解释的预处理决策支持工具，用于对接受PD-1抑制剂联合治疗的高风险HPD患者进行风险分层	晚期肝细胞癌患者，接受PD-1抑制剂为基础的三联治疗	医学影像分析	肝细胞癌	计算机断层扫描（CT）	Transformer	影像数据（CT图像）和结构化临床数据	665例患者	PyTorch	Transformer, Gradient-weighted Class Activation Mapping (Grad-CAM)	曲线下面积（AUC）	NA
224	2026-09-07	Community medical centers struggle to produce well-calibrated clinical prediction models: Data augmentation can help 2026-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105012 PMID:41825516	研究论文	本研究探讨社区医疗中心在本地化机器学习模型时面临的数据量不足问题，并评估合成数据生成（SDG）作为一种数据增强方法对模型校准的改善效果	首次针对小型社区医疗中心本地化机器学习模型的数据量不足问题，提出并评估使用合成数据生成（SDG）进行数据增强，以改善模型校准性能	未明确提及研究的局限性，但可能包括合成数据的质量和模拟实验的局限性	评估社区医疗中心本地化机器学习模型的可行性，并探究合成数据生成（SDG）作为数据增强手段以弥补数据量不足的效果	社区医疗中心（包括农村医院和城市学术医疗中心）以及多中心ICU数据集中的医院网络	机器学习	未指定（关注30天非计划再入院预测）	合成数据生成（SDG）	深度学习模型（用于SDG）	电子健康记录数据（包含患者特征）	实际医院网络：两个农村医院和一个城市学术医疗中心；模拟研究使用多中心ICU数据集，样本量未明确给出	NA	NA	校准性能（通过α和β参数评估）	NA
225	2026-09-07	Application of machine learning and deep learning in metabolic dysfunction-associated steatotic liver disease: a systematic review and meta-analysis 2026-05, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.08.042 PMID:40850679	系统综述与荟萃分析	系统回顾和荟萃分析机器学习与深度学习在代谢功能障碍相关脂肪性肝病诊断中的性能比较	首次系统比较ML和DL模型在MASLD诊断中的性能，并识别出最优模型（LightGBM和ResNet50）	未提供明确的局限性信息	比较不同机器学习和深度学习模型在诊断代谢功能障碍相关脂肪性肝炎及其相关肝纤维化中的性能	代谢功能障碍相关脂肪性肝病（MASLD）及其相关肝纤维化	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习与深度学习模型	医学文献数据	106项研究符合纳入标准，其中35项研究（机器学习28项，深度学习7项）提供数据用于分析	NA	LightGBM, ResNet50, CatBoost	AUROC, 准确率, 特异性, 灵敏度, 阳性预测值, 阴性预测值	NA
226	2026-09-07	Spatial Multiomics Reveal Insights Into ADC Efficacy 2026-05, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.70190 PMID:42083302	综述	本文探讨了空间多组学技术在解码抗体药物偶联物疗效与耐药机制中的应用，并提出了结合机器学习的综合框架	提出了将空间转录组学与蛋白质组学数据结合机器学习/深度学习分析的综合框架，以预测ADC疗效和毒性	综述未涉及具体实验数据验证，缺乏定量结果	评估空间多组学在ADC治疗中的应用潜力，并提出整合框架用于患者分层和药物设计	空间多组学技术及其在转移性尿路上皮癌中对ADC的疗效研究	空间转录组学、蛋白质组学、机器学习	转移性尿路上皮癌	空间转录组测序、多重蛋白质成像	机器学习或深度学习模型	空间转录组和蛋白质组数据	不适用	不适用	不适用	不适用	不适用
227	2026-09-07	Predicting the Effort Required to Manually Mend Auto-Segmentations 2026-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623042 PMID:41129432	研究论文	本文探讨了一种评估自动分割质量的新方法，该方法以临床修复工作量作为衡量标准，并开发了深度隐式模型来预测修复工作量，无需依赖真实分割标签。	提出了一种基于深度学习的隐式度量，能够直接从自动分割掩膜和原始图像预测修复工作量，避免了传统显式指标需要真实分割的问题。	未明确说明深度学习模型的潜在局限性，如对图像质量或分割算法变化的敏感性，以及多中心验证的广泛性或长期可行性。	旨在评估自动分割的临床可用性，通过预测修复工作量，以超越传统的基于显式指标的技术评估。	7种不同解剖器官的自动分割结果，在放射治疗计划勾画的场景下，来自3个医疗机构的影像数据。	医学图像分析	癌症（放射治疗相关）	医学影像分割	深度学习网络	自动分割掩膜和原始图像	未指定具体样本数量，涉及3个机构、7种器官的影像数据。	未指定	未指定具体架构	误差率（百分比形式）	未指定
228	2026-09-07	Feasibility of deep learning-based cancer detection in ultrasound microvascular images 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107892 PMID:41270708	研究论文	该可行性研究旨在探讨基于深度学习的癌症检测在超声微血管图像中的应用，并验证其与定量形态学方法的一致性	首次将端到端三维卷积神经网络应用于声学血管造影数据进行体内肿瘤检测，并对比定量形态学方法，实现了高效准确的自动化检测	样本量有限且来自啮齿动物模型，结果需要进一步的临床验证以评估其转化潜力	评估深度学习在声学血管造影图像中自动检测肿瘤相关血管的可行性和准确性	啮齿动物体内肿瘤及其微血管结构	计算机视觉	癌症	声学血管造影	卷积神经网络（CNN）	三维超声微血管图像	195个声学血管造影体积样本，包括98个对照和97个肿瘤	NA	EfficientNet, ResNet, DenseNet	准确性, 敏感性, 特异性	NA
229	2026-09-07	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-04, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	开发了一种名为SIGHT的3D计算流水线，通过生成免疫标记将3D病理数据集中的前列腺癌区域与良性腺体进行精细区分，并用于风险分层	首次利用深度学习3D图像翻译模型，将苏木精-伊红类似3D病理数据转换为多重3D免疫荧光数据，生成可解释的癌症富集区域热图，无需手动精细标注	文中未明确提及局限性	自动化和改进3D病理数据集中良性与前列腺癌富集区域的划分，并用于改善风险分层流水线	前列腺癌3D病理数据集，包括75名患者的样本	数字病理学	前列腺癌	3D病理成像、深度学习图像翻译	深度学习模型（具体类型未明确，可能为生成模型）	3D病理图像（苏木精-伊红类似数据）	75名患者的前列腺癌3D病理数据集	NA	3D图像翻译模型（具体架构未明确）	F1分数	NA
230	2026-09-07	A Deep Learning Prognostic Model for Diabetes Patients Using Bilateral Fundus Imaging 2026-Mar-29, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968261434035 PMID:41905764	研究论文	开发了一种利用双侧眼底图像预测糖尿病患者死亡风险的深度学习预后模型	将深度学习架构与Cox比例风险模型相结合，而非简单分类，直接预测死亡率风险	未明确指出	利用常规眼底摄影识别高死亡风险患者，以便及时干预并提高生存率	糖尿病患者	深度学习	糖尿病	眼底摄影	深度学习模型	图像	19029名糖尿病患者	NA	NA	风险比、五年生存率	NA
231	2026-09-07	Data Diversity vs. Model Complexity in the Prediction of Pediatric Bipolar Disorder: Evidence from Academic and Community Clinical Samples 2026-Mar-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.26.26349447 PMID:41929287	研究论文	本研究比较了多种统计和机器学习模型在两个临床数据集上预测儿童双相障碍的性能，并探讨了数据多样性与模型复杂度对泛化能力的影响。	首次系统比较跨数据集验证、交互增强和混合数据集三种训练策略下的模型性能，揭示数据多样性比模型复杂度更重要。	标题和摘要未提及研究的限制。	评估不同建模策略和模型复杂度对儿童双相障碍预测模型的泛化能力和校准性能的影响。	儿童双相障碍患者，来自学术和社区临床样本。	机器学习	儿童双相障碍	NA	逻辑回归、LASSO、支持向量机、随机森林、k近邻、极端梯度提升、多层感知器	表格数据（临床评估数据）	两个数据集，学术样本550例，社区样本511例	NA	逻辑回归、LASSO、支持向量机、随机森林、k近邻、极端梯度提升、多层感知器	判别能力、校准、预测因子重要性排序	NA
232	2026-09-07	Subway door fault prediction employing stacking ensemble learning 2026-Mar-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43371-5 PMID:41872356	研究论文	本研究提出一种基于堆叠集成学习的地铁车门故障预测方法，针对低频、类别不平衡和特征冗余问题，提高预测性能。	结合物理约束数据增强、特征筛选、堆叠集成和动态阈值优化，并在预测性能上优于传统机器学习与深度学习方法。	文中未提及明显的局限性。	开发高精度的地铁车门故障预测工具，支持智能运维和预测性维护，提升列车运行可靠性和效率。	地铁车门系统的故障预测问题。	机器学习	NA	NA	堆叠集成学习模型，包括改进的随机森林、XGBoost和逻辑回归。	数值型数据	未明确说明样本数量。	NA	堆叠集成结构，一级分类器采用随机森林和XGBoost，二级分类器采用逻辑回归。	AUC、PR AUC、准确率、精确率、召回率、F1分数	未提及具体计算资源。
233	2026-09-07	The evolution of real-world evidence in lung cancer: a bibliometric analysis from 2009 to 2024 2026-Mar-11, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04794-8 PMID:41811536	研究论文	通过文献计量分析，绘制2009至2024年肺癌真实世界研究的知识结构、识别研究趋势并突出未来方向	首次对肺癌真实世界研究进行全面的文献计量分析，覆盖2009至2024年，识别出组合疗法、KRAS突变和深度学习为当前研究前沿	仅基于Web of Science Core Collection数据库，可能遗漏其他重要来源；未提供具体局限性说明	绘制肺癌真实世界研究的知识结构，识别研究趋势，并指出未来方向	2009至2024年间发表的肺癌真实世界研究文献	文献计量学	肺癌	文献计量分析	NA	文献数据	2,137篇文献	CiteSpace, VOSviewer, R包Bibliometrix	NA	NA	NA
234	2026-09-07	An intrusion detection model for electric vehicle supply equipment based on multi-task learning and probability transfer mechanism 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42331-3 PMID:41807500	研究论文	提出一种基于多任务学习和概率转移机制的电动汽车供电设备入侵检测模型	引入多任务学习架构以缩短检测时间，并提出概率转移机制来提升多任务间的预测性能	未在摘要中明确提及局限性，可能包括泛化性验证不足、真实场景测试缺失等，但摘要未详述	构建更有效的电动汽车供电设备入侵检测方法，以降低误报率、缩短检测时间并提高检测精度	电动汽车供电设备（EVSE）的恶意入侵行为	机器学习	NA	NA	深度学习模型（具体架构未指定，可能为多任务学习网络）	NA	NA	NA	多任务学习网络	检测精度、检测时间	NA
235	2026-09-07	Reliability of contactless vital sign measurement algorithms for use in drone-based mass casualty triage 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40691-4 PMID:41807583	研究论文	本研究开发并验证了基于无人机视频的非接触式生命体征测量算法，用于大规模伤亡事件的分诊。	首次针对无人机拍摄视频开发并验证了用于大规模伤亡分诊的非接触式生命体征测量算法，包括心率、呼吸率、体温和血氧饱和度。	研究样本量较小（37名参与者），且以室内记录为主，可能无法完全反映实际大规模伤亡事件的复杂场景。	支持基于无人机的分诊，通过开发可靠的算法来非接触式测量心率、呼吸率、体温和血氧饱和度。	37名参与者（平均年龄29.7岁，64.9%为男性）	计算机视觉	大规模伤亡事件	RGB视频和热成像	深度学习模型	视频、热图像	37名参与者，共37次记录（7次室外，30次室内）	NA	深度学习（具体架构未在摘要中指定）	准确率、平均差异	NA
236	2026-09-07	Machine learning identifies distinct movement control impairment clusters in patients with chronic neck pain 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43903-z PMID:41807740	研究论文	本研究利用机器学习方法识别慢性颈痛患者中基于运动控制测试和疼痛强度的不同亚组，并分析各亚组的特定损伤特征	首次结合蝴蝶测试的多级难度参数和多种聚类算法（Louvain、层次和k-means）及深度学习分类框架，识别出四个有临床意义的颈痛亚组，并利用SHAP解释各亚组特异的运动控制损伤	样本量较小（135例），且仅基于单一运动控制测试和疼痛强度，可能未涵盖所有相关因素	识别慢性颈痛患者中的潜在亚组，并描述各亚组特异的运动控制损伤，以指导个体化康复策略	135名特发性颈痛患者	机器学习	慢性颈痛	运动控制测试（蝴蝶测试）	聚类算法（Louvain、层次、k-means）和深度学习神经网络（分类）	数值数据（运动控制参数及疼痛强度）	135名慢性颈痛患者	NA	k-means、Louvain、层次聚类、深度学习神经网络（具体架构未指定）	AUC、分类准确率、敏感性、特异性、轮廓分数	NA
237	2026-09-07	Integrated spatio-temporal modeling with hybrid graph convolutions and the graph fourier neural operator for traffic prediction 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38563-y PMID:41807454	研究论文	提出了一种名为HG-GFNO的集成时空建模框架，结合混合图卷积和图傅里叶神经算子，用于交通流量预测	首次将谱算子扩展到图域以实现线性复杂度的长程时间建模，并创新性地结合了静态和自适应图卷积以捕捉局部和动态空间依赖	方法在基准数据集上验证，但未在真实大规模城市交通网络中进行测试，且依赖于预定义的图结构	开发一种参数高效且可扩展的深度学习方法，用于提高长期交通预测的准确性和稳定性	非欧几里得道路网络中的交通流量数据	机器学习, 计算机视觉	NA	NA	图神经网络, 傅里叶神经算子	图结构时间序列数据	四个基准数据集：PEMS03, PEMS04, PEMS07, PEMS08	PyTorch	图卷积网络, 图傅里叶神经算子	均方根误差（RMSE）, 平均绝对误差（MAE）	未提及
238	2026-09-07	Deep learning-based HTTP TRACE flood detection in wireless sensor network using deep spectral multi-layer convolutional neural network 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42474-3 PMID:41803397	研究论文	提出一种基于深度谱多层卷积神经网络的HTTP TRACE洪水攻击检测方法，以提升无线传感器网络的安全性和性能	引入增强深度谱多层卷积神经网络（EDSMCNN），结合蜘蛛算法进行特征选择，并采用SoftMax与逻辑激活函数处理HTTP请求，以提高检测效率和CPU性能	信息不足	检测无线传感器网络中的HTTP TRACE洪水攻击，提升CPU性能并减少计算时间	无线传感器网络中的HTTP TRACE洪水攻击流量	网络安全, 深度学习	NA	NA	卷积神经网络（CNN）	网络流量数据	NA	NA	多层卷积神经网络	效率、CPU性能、计算时间	NA
239	2026-09-07	A hybrid convolution and attention-based framework with visual explanation for fruit disease identification 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42135-5 PMID:41803253	研究论文	提出一种结合卷积与注意力机制的混合深度学习框架CoAT-AgriLite，用于水果病害的准确和可解释性分类	提出轻量级混合模型，结合局部病灶特征提取与全局上下文捕捉，并利用Grad-CAM实现模型决策的可视化解释	未提及	创建高精度且可解释的深度学习模型用于水果病害多分类	香蕉、葡萄、柠檬、芒果和草莓五种水果的图像	计算机视觉	病害	迁移学习、数据增强	混合卷积注意力模型	图像	未明确给出样本总数，划分为70:15:15训练、验证和测试	NA	RegNetY-B3-GE, DarkNet53-SCSE, BEiT, PVTv2, CoAT-AgriLite	准确率、精确率、召回率、F1分数	NA
240	2026-09-07	Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme 2026-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02507-7 PMID:41795013	研究论文	本研究在英国的筛查项目中评估了四种乳腺癌风险预测算法在不同乳腺X线摄影系统上的性能表现。	首次在完整的国家筛查数据上对多种深度学习算法进行对比验证，并评估了不同乳腺X线摄影系统间算法性能的一致性。	研究局限于英国的两个筛查中心和两种特定的乳腺X线摄影系统，可能影响结果的推广性。	评估不同乳腺癌风险预测算法在不同影像系统下的判别能力，并探讨其对未来癌症的预测潜力，以支持个体化筛查策略。	112,621张阴性乳腺X线影像，来自两个英国国家医疗服务体系乳腺癌筛查中心，涵盖不同设备，包含1,225例未来癌症。	计算机视觉	乳腺癌	乳腺X线摄影	深度学习模型	医学图像	112,621张阴性乳腺X线影像（来自两个筛查中心，含1,225例未来癌症）	NA	Mirai, iCAD, Transpara, Google	AUC	NA