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
241	2026-06-18	Memristive nano-neuromorphic spiking neural network with self-adaptive continual and predictive learning for edge gesture recognition 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52643-z PMID:42304003	研究论文	提出一种基于忆阻纳米神经形态的脉冲神经网络SCaP-SNN，用于边缘手势识别，融合自适应性、持续学习和预测学习能力	设计统一的忆阻脉冲神经网络，结合自适应性学习、持续学习（防灾难性遗忘）和短时预测智能，首次将三者在单网络中融合用于边缘手势识别，且功耗仅28微焦/推理	未说明对更复杂手势或长时间序列的泛化能力，以及忆阻硬件实现的芯片级验证结果	解决边缘设备上手势识别的框架式处理、离线学习、高能耗和无法适应动态手势模式的问题	基于表面肌电信号的手势识别任务	机器学习	NA	忆阻纳米神经形态计算	脉冲神经网络 (Spiking Neural Network, SNN)	表面肌电信号 (sEMG)	NA（未在摘要中明确样本量或数据集规模）	NA	SCaP-SNN（自适应性持续脉冲神经网络）	分类准确率 (96.8%), F1值 (0.965), 遗忘率 (2.1%), 预测准确率 (91.4%), 平均功耗 (28微焦/推理)	忆阻纳米神经形态硬件（低功耗模拟，未指定具体GPU或云平台）
242	2026-06-18	An uncertainty-aware vision transformer-BiLSTM Bayesian framework for reliable clinical decision support using chest X-rays 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56665-5 PMID:42304009	研究论文	提出一种基于不确定性感知的视觉Transformer-BiLSTM贝叶斯框架，用于胸部X射线片的可靠临床决策支持	将视觉Transformer、BiLSTM和贝叶斯融合层结合，实现高可靠性的疾病检测，同时量化偶然不确定性和认知不确定性	未明确说明，但可能在数据集规模、计算资源或泛化性方面存在限制	解决深度学习在临床应用中可靠性、可解释性和不确定性估计的问题	胸部X射线图像中的肺炎、肺纤维化和胸腔积液检测	计算机视觉, 数字病理学	肺炎, 肺纤维化, 胸腔积液	胸部X射线成像	视觉Transformer, BiLSTM, 贝叶斯融合层	图像	MIMIC-CXR-JPG和PadChest-GR两个大规模数据集	PyTorch	Vision Transformer, BiLSTM, U-Net	准确率, AUC-ROC, F1分数, Brier分数, ECE	NA
243	2026-06-18	Correcting motion-related B0 inhomogeneities in magnetic resonance imaging via combined spherical harmonics and AC/DC matrix coils using DL-based prediction-simulation study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56900-z PMID:42304045	研究论文	通过深度学习预测结合球谐函数和AC/DC矩阵线圈，纠正磁共振成像中运动引起的B0不均匀性	提出使用深度学习预测B0变化，实现无需额外扫描时间的实时匀场更新，有效维持运动下的磁场均匀性	研究基于仿真数据，未在真实MRI扫描中验证；仅评估了第一阶SPH和31通道AC/DC线圈组合，实际多通道系统的性能可能不同	实现运动鲁棒的实时磁共振匀场，减少运动对磁场均匀性的影响	运动过程中的B0场不均匀性及其实时校正方法	机器学习	NA	MRI, 球谐函数匀场, AC/DC矩阵线圈	深度学习预测模型	模拟B0场数据	NA	NA	NA	B0均匀性, 梯度回波和回波平面成像性能	NA
244	2026-06-18	Incorporating dataset-level semantic priors into large language models for environmental time-series forecasting: a soil moisture and temperature case study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57634-8 PMID:42304061	研究论文	提出一种结合数据集级语义先验的大型语言模型框架，用于土壤湿度和温度时间序列预测	将数据集级语义先验（描述重复模式、时间分辨率和系统行为）融入大型语言模型，补充局部数值观测信息，提升环境时间序列预测性能	在更长预测区间（24-48小时）不同模型性能差异缩小，表明系统存在内在可预测性限制	探索大型语言模型在环境时间序列预测中融入全局环境特征（语义先验）的潜力	温室高频土壤湿度和土壤温度时间序列数据	机器学习	NA	NA	大型语言模型（LLM）	时间序列数据	NA	PyTorch	NA	平均绝对误差（MAE）	NA
245	2026-06-18	A hybrid CNN-LSTM approach for large-scale Twitter sentiment analysis with explainable artificial intelligence 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58345-w PMID:42304117	研究论文	提出一种混合CNN-LSTM架构进行大规模推特情感分析，并利用可解释人工智能增强模型透明度	将CNN的局部特征提取能力与LSTM的序列建模优势相结合，首次在超69万条平衡推特数据集上实现97.73%准确率，并引入SHAP解释情感预测的语义驱动因素	未验证模型对非英语推文或跨领域数据集的泛化能力，且计算资源消耗未予说明	构建高精度且可解释的大规模推特情感分析框架，解决短文本、非正式语言和上下文依赖带来的分类挑战	推特用户发布的带有正面、负面和中性情感标签的推文内容	自然语言处理	NA	NA	CNN-LSTM混合模型	文本	超过69万条平衡标注的推特数据	NA	CNN, LSTM, Bi-LSTM, CNN-LSTM	准确率, 精确率, 召回率, F1分数	NA
246	2026-06-18	drGT: Interpretable Drug Response Prediction with Attention-Guided Gene Attribution on a Drug-Cell-Gene Heterogeneous Graph 2026-Jun-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06417-z PMID:42304175	研究论文	提出drGT，一种基于药物-细胞-基因异构图注意力机制的深度学习模型，用于药物反应预测和机制解释	首次将异构图注意力系数与药物反应预测耦合，在预测泛化能力和生物学可解释性两方面取得突破，同时实现回归性能最优和文献验证的基因-药物关联发现	NA	开发兼具准确预测和生物学可解释性的药物反应预测模型	药物、基因和细胞系之间的相互作用关系	机器学习	癌症	异构图深度学习	异构图注意力网络	异构图数据	GDSC、NCI60和CTRP三个数据集涉及976种药物和多种细胞系	PyTorch	异构图注意力网络	AUROC、R²	NA
247	2026-06-18	Radiomics-based unsupervised clustering and deep learning nomogram for response prediction after neoadjuvant chemotherapy in locally advanced laryngeal cancer 2026-Jun-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02505-x PMID:42304259	研究论文	开发基于影像组学和深度学习的诺模图模型，用于预测局部晚期喉癌患者对新辅助化疗的应答	结合无监督聚类与深度学习特征构建联合诺模图，并验证其能提高不同年资医生对新辅助化疗应答的预测性能	样本量有限且为回顾性研究，可能需多中心前瞻性验证	开发个体化预测局部晚期喉癌新辅助化疗应答的诺模图模型	局部晚期喉癌患者	机器学习	喉癌	CT影像组学	深度学习	图像（CT影像）	175例患者（训练集112例，测试集63例）	NA	NA	AUC	NA
248	2026-06-18	EDRNet-based adolescent idiopathic scoliosis screening method using bare-back images 2026-Jun-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03639-2 PMID:42304329	研究论文	提出基于裸背图像和高效扩张残差网络的无辐射青少年特发性脊柱侧弯筛查方法	首次提出使用裸背图像与高效扩张残差网络结合进行无辐射脊柱侧弯筛查，并对比临床医师分类能力	EDRNet的AUC值（0.91）低于副主任医师（0.93），在高级别医生面前仍有提升空间	开发无辐射、高效的青少年特发性脊柱侧弯筛查方法	600名青少年（300名脊柱侧弯患者和300名无脊柱疾病患者）的裸背图像	计算机视觉	青少年特发性脊柱侧弯	图像增强	CNN	图像	600名青少年（300名患者与300名对照）的裸背图像	PyTorch	VGG16, GoogLeNet, ResNet34, MobileNetV2, EDRNet	准确率, 精确率, 召回率, F1分数, AUC	NA
249	2026-06-18	Multimodal Deep Learning for Predicting Deep Vein Thrombosis Risk After Total Knee Arthroplasty: A Clinical Study 2026-Jun-16, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.70335 PMID:42304630	研究论文	开发了一种多模态深度学习框架，整合术后早期X光片和临床数据，用于预测全膝关节置换术后深静脉血栓风险	首次采用动态注意力融合模块结合影像与电子病历数据，实现样本特异性模态权重分配，并生成可解释的解剖热图定位高危区域	未建立因果关系，仅观察到特定影像或临床发现与模态依赖模式的相关性	提高全膝关节置换术后深静脉血栓风险分层准确性	1200名全膝关节置换术后患者（深静脉血栓发生率18.0%）	计算机视觉, 自然语言处理	深静脉血栓	NA	ViT-B/16, ResNet50, Clinical-BERT	影像（X光片）, 文本（电子病历）	1200名患者（训练集）+ 180名测试集	PyTorch	ViT-B/16, ResNet50, Clinical-BERT	AUC, 敏感性, 特异性, F1分数	NA
250	2026-06-18	Automated measurement of left ventricular ejection time via contactless suprasternal notch laser vibrometry 2026-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51677-7 PMID:42289419	研究论文	提出一种利用激光多普勒测振仪在胸骨上切迹进行非接触式左心室射血时间自动测量的方法，并验证其与超声心动图的一致性	首次将激光多普勒测振技术应用于胸骨上切迹处的非接触式左心室射血时间测量，并开发了深度学习模型实现自动提取，消除了专家解读的瓶颈	研究仅涉及238名个体的队列，样本量相对有限，且未对不同人群和临床场景的测量性能进行广泛验证	实现一种可扩展、非接触式、无需设置的心脏功能评估方法，以促进大规模人群筛查和心血管健康管理	238名个体的左心室射血时间及其在主动脉瓣反流和狭窄患者中的临床意义	数字病理学	心血管疾病	激光多普勒测振术	卷积神经网络, 循环神经网络, 深度神经网络	激光测振信号	238名个体	PyTorch	NA	平均绝对误差	NA
251	2026-06-18	An advanced ensemble deep learning framework for accurate multi-class lung cancer classification using IUNet++ and MResNext 2026-Jun-14, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109189 PMID:42302349	研究论文	提出了一种集成深度学习的框架，利用IUNet++和MResNext进行CT图像的多类别肺癌分类	结合了改进的UNet++与CBAM注意力机制进行肿瘤分割、增强大象群优化算法进行特征选择，以及改进的ResNeXt架构进行多类别分类，降低了模型复杂度并提高了训练效率	论文未明确说明在更大规模数据集或不同临床环境下的泛化能力，也未讨论计算资源需求和实际部署中的潜在挑战	开发一种自动化的、计算高效的集成深度学习框架，用于从CT扫描图像中准确诊断多类别肺癌	CT扫描图像中的肺部肿瘤区域	计算机视觉，机器learn，数字病理学	肺癌	CT成像，Gabor滤波，CLAHE对比度增强，数据增强	卷积神经网络，集成模型	图像	IQ-OTH/NCCD肺癌CT数据集（公开数据集，具体样本数未提及）	NA	IUNet++, Convolutional Block Attention Module (CBAM), MResNeXt, 增强象群优化算法 (EEHOA)	准确率，精确率，召回率，F1分数	NA
252	2026-06-18	Photoacoustic device fingerprints induce bias in deep learning models 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53468-6 PMID:42288533	研究论文	首次提供多中心分析，揭示光声成像设备指纹导致深度学习模型产生偏差	首次对光声成像中由硬件引起的偏差进行多中心分析，发现同一设备类型的不同实例在图像中嵌入可识别的指纹，并且深度学习模型会利用这些指纹进行疾病诊断时产生有偏预测	数据稀疏性限制模型泛化能力，且硬件相关混杂因素的影响尚未探索	探讨光声成像设备硬件特征对深度学习模型偏差的影响，并强调多中心部署中的风险	来自四个设备实例和两项外周动脉疾病研究的光声图像	计算机视觉	外周动脉疾病	光声成像	深度学习模型	图像	四个设备实例和两项外周动脉疾病研究的图像	NA	NA	准确率	NA
253	2026-06-18	An intelligent SCADA-integrated deep learning framework for bird-safe offshore wind farm operation 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55549-y PMID:42288555	研究论文	提出一种整合SCADA与深度卷积神经网络的智能框架，用于实现海上风电场中鸟类的自动检测与涡轮机避让控制	将深度学习鸟类检测模型与SCADA系统直接集成，通过多区域接近评估策略自动触发涡轮机控制动作，实现从图像分类到操作控制的端到端自动化	在受控数据集条件下评估，未充分代表真实海上环境中的远距离检测、运动模糊、遮挡和复杂背景，性能上限需通过真实海上数据验证	实现海上风电场中鸟类碰撞风险的智能自动化缓解，推动环境可持续运营	525种鸟类的9万余张图像，以及SCADA系统控制的涡轮机响应机制	计算机视觉	NA	SCADA数据采集与深度学习图像分类	深度卷积神经网络	图像	包含525种鸟类的9万余张图像	NA	深度卷积神经网络 (DCNN), VGG16	准确率, 精确率, 召回率, F1分数	NA
254	2026-06-18	A cancelable ear recognition system via optimized deep feature fusion 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57027-x PMID:42288558	研究论文	提出一种基于优化深度特征融合的可取消耳部识别系统	创新性地采用MobileNetV3和DenseNet-121双流CNN特征提取与融合，并运用多学习策略金鹰优化算法（MLSGEO）进行特征优化，同时结合梳状滤波器实现非可逆的可取消生物模板保护	未明确讨论在极端变化条件下的鲁棒性以及计算复杂度	开发一个高精度、高安全性的可取消耳部识别系统，克服图像变化（姿态、尺度、旋转、光照和对比度）带来的挑战	人耳生物特征	计算机视觉	不适用	生物特征识别	卷积神经网络（CNN）	图像	5个基准耳部数据集（AMI、AWE、IITD-I、IITD-II、UERC）	不适用	MobileNetV3, DenseNet-121	识别准确率	不适用
255	2026-06-18	Decision processes in 3D structural MRI schizophrenia classification evaluated with saliency maps 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57667-z PMID:42288602	研究论文	利用显著性图评估三维结构MRI精神分裂症分类中的决策过程并评价深度学习模型的可解释性	首次通过定性和定量评估七种常用深度学习架构的Grad-CAM显著性图，发现仅有两种模型在精神分裂症分类中基于合理的脑结构信息做出决策，并开发了将显著性图转化为通用可解释解剖标记的方法	仅评估了七种模型架构，且仅针对精神分裂症分类任务，未探讨其他精神疾病或更复杂模型的可解释性	评估深度学习模型在精神分裂症分类中的决策可解释性，并探索从显著性图中提取生物标记物的可行性	精神分裂症患者与健康对照的三维结构MRI数据	机器学习	精神分裂症	MRI	CNN	图像	NA	NA	Grad-CAM	NA	NA
256	2026-06-18	Response to Letter Regarding Article, "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke" 2026-Jun-13, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2026.126054 PMID:42302443	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
257	2026-06-18	Hybrid deep learning model for brain age prediction using time-distributed convolutional and bidirectional LSTM networks 2026-06-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54198-5 PMID:42286062	研究论文	提出一种混合深度学习模型，利用时间分布卷积和双向LSTM网络进行脑龄预测	结合时间分布卷积和双向LSTM层的新型深度学习架构，并通过使用VBM的MRI数据和预处理步骤（异常值检测、数据增强、切片选择）提升了预测准确性	未明确提及局限性，但可能包括数据集单一、年龄预测误差仍有提升空间等	提高脑龄预测的准确性和可靠性，减少脑龄差距的误差	OpenBHB数据集的MRI脑图像数据	计算机视觉	神经系统疾病（如精神分裂症、阿尔茨海默病）	MRI成像	深度学习模型（时间分布卷积和双向LSTM）	图像	NA（未提及具体样本数量）	NA（未提及）	时间分布卷积层、双向LSTM层	平均绝对误差 (MAE), R²分数	NA（未提及）
258	2026-06-18	A PSC-tailored deep learning model for liver segmentation on fat-saturated T2-weighted MR: Robustness to hepatic dysmorphia and multicentre generalisability 2026-Jun-12, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113010 PMID:42302441	研究论文	本研究旨在找到一种有效且准确的肝脏分割策略，用于原发性硬化性胆管炎（PSC）患者的脂肪饱和T2加权MRI，并验证GLRM-RunEntropy这一放射组学特征的预后价值	针对PSC患者脂肪饱和T2加权MRI训练的nnU-Net模型在肝脏分割上表现卓越，对肝脏形态变异和队列差异具有鲁棒性，优于通用分割工具	未提及具体局限性，但可能包括样本量有限或外部验证队列的多样性不足	识别PSC患者脂肪饱和T2加权MRI的有效肝脏分割策略，实现GLRM-RunEntropy的多中心验证	183名PSC患者的脂肪饱和T2加权MRI图像（来自内部和外部队列）	计算机视觉	原发性硬化性胆管炎（PSC）	MRI（脂肪饱和T2加权成像）	nnU-Net	图像（MRI）	183名PSC患者	PyTorch	nnU-Net	Dice相似系数（DSC），Hausdorff距离（HD）	未提及
259	2026-06-18	Tailored Deep Learning-Assisted In Situ SERS: Overcoming Surface Irregularities-Induced Large Signal Variation on Biological Tissues 2026-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01156 PMID:42275583	研究论文	提出一种深度学习辅助的表面增强拉曼光谱策略，用于在不平整生物表面实现高重复性定量分析	结合最小样品准备、低成本SERS基底和定制的一维卷积神经网络（1D-CNN）以减轻表面不规则性和咖啡环效应引起的信号变异	未在论文标题和摘要中明确说明局限性	克服拉曼光谱在生物组织不平整表面上信号变异大的挑战，实现准确定量	苹果皮上的噻菌灵残留	机器学习	NA	SERS	一维卷积神经网络（1D-CNN）	光谱数据	未在论文标题和摘要中明确说明样本量	NA	1D-CNN，卷积核大小递减（57-37-11-3）	决定系数（R²），训练时间	未在论文标题和摘要中明确说明计算资源
260	2026-06-18	Deep learning four decades of human migration 2026-Jun-10, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10611-7 PMID:42271065	研究论文	利用深度集成递归神经网络整合多源数据，构建1990年至今全球230个国家与地区的年度迁移流数据集	首次实现人口迁移流的年度动态估计，通过集成深度递归神经网络融合地理、经济、文化与政治协变量，较现有五年期估计提供更精细的时间分辨率	不确定性较高的区域仍需改善数据收集；部分区域数据稀疏可能影响估计可靠性	构建全球一致、高时间分辨率的人口迁移流数据集，揭示迁移动态与短期响应	全球230个国家与地区的人口迁移流（1990年至今）	机器学习	NA	NA	深度集成递归神经网络	统计资料、人口普查存量数据、净迁移估计、历史迁移流重建数据	覆盖230个国家与地区，时间跨度34年（1990-2024）	NA	深度递归神经网络	准确性（相对于五年期估计的留出数据验证）	NA