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
2901	2026-07-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种结合生物力学约束和深度时间模型的轻量级骨架运动识别框架BATL，用于识别健身、康复与运动分析中的动作序列	首次将关节角度一致性、速度平滑性和骨骼长度稳定性三种生物力学约束隐式嵌入深度学习模型，并引入无监督阶段发现模块自动划分动作时间阶段	NA	提升基于骨架序列的运动识别精度，利用生物力学知识增强轻量级模型性能	健身及运动场景中的骨架姿态序列（深蹲、俯卧撑、二头肌弯举、肩部推举）	计算机视觉	NA	NA	时间卷积网络（基于生物力学约束）	视频（骨架姿态序列）	共157个视频样本（146个深蹲，126个俯卧撑，146个二头肌弯举，146个肩部推举）	PyTorch	BATL（含阶段发现模块与生物力学约束模块）	准确率（93.33% ± 0.94%）	单GPU，推理速度5.2ms/30帧序列（端到端依赖OpenPose约1.574秒）
2902	2026-07-03	Oil spill segmentation of noisy SAR images using domain adaptation based UNet 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49934-w PMID:42062390	研究论文	提出一种基于领域自适应UNet的噪声SAR图像溢油分割方法	在UNet架构中引入梯度反转层的领域自适应模块，以处理SAR图像中的散斑噪声，获得高精度的分割结果	NA	实现SAR图像中溢油区域的准确分割，克服散斑噪声的影响	Sentinel-1 SAR图像中的溢油区域	计算机视觉	NA	SAR成像	UNet	图像	NA	PyTorch	UNet	准确率, F1分数, Dice相似系数, IoU	NA
2903	2026-07-03	A dynamic light image enhancement algorithm using generative adversarial network for group activity recognition 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49326-0 PMID:42062402	研究论文	提出一种基于生成对抗网络的动态光照图像增强算法，用于提升群体活动识别模型的性能	提出多输入图像增强生成对抗网络（MIIEGAN）生成高质量训练图像，并引入引导非对称深度可分离卷积（GA-DSC）降低模型复杂度并提升性能	未提及具体适用场景或潜在泛化限制	通过处理动态光照、图像质量不稳定和计算复杂度等问题，提升群体活动识别模型的性能	群体活动识别中的图像增强与深度学习模型	计算机视觉	NA	生成对抗网络（GAN）、深度可分离卷积	生成对抗网络（GAN）	图像	两个基准数据集（Volleyball数据集和Collective数据集）	NA	AlexNet, VGG-16, Inception-v3, ResNet-50, EfficientNetV2	准确率（0.931-9.29%和1.05-9.83%）	NA
2904	2026-07-03	A multi-level dynamic sample augmentation and heterogeneous feature fusion framework for intelligent intrusion detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50301-y PMID:42062412	研究论文	提出一个融合动态样本增强与异构特征融合的混合入侵检测框架，以应对网络流量中的类别不平衡和时间复杂性	结合ADASYN-FLS-SMOTEBoost自适应过采样和Focal Loss-Softmax加权策略生成代表性少数样本，并采用多分支CNN进行FLS引导的动态融合，以及层次化LSTM捕获短期突发和长期时间依赖，同时引入改进灰狼优化器进行高效超参数调优	研究仅在NSL-KDD数据集上验证，未在更现代或真实网络环境中评估，且方法在极不平衡和复杂场景下的泛化能力需进一步验证	提出一种在类不平衡和复杂网络入侵场景下具有鲁棒性、可解释性和泛化能力的智能入侵检测方法	网络流量数据中的各类攻击样本，特别是少数类攻击（如R2L和U2R）	机器学习	NA	NA	CNN, LSTM	网络流量数据	NSL-KDD数据集（未明确具体样本数量）	NA	多分支CNN, 层次化LSTM (HLSTM)	Macro-F1, 召回率, 准确率	NA
2905	2026-07-03	An Arabic language benchmark and hybrid BERT-BiGRU-CapsNet model for optimism and pessimism detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50842-2 PMID:42062438	研究论文	提出首个阿拉伯语乐观与悲观检测数据集SOPD及混合BERT-BiGRU-CapsNet模型	首次构建专门的阿拉伯语乐观悲观检测数据集SOPD，并提出结合BERT、双向门控循环单元和胶囊网络的混合深度学习架构	未明确提及局限性	开发阿拉伯语乐观与悲观情绪检测方法	阿拉伯语社交媒体帖子与回复中的乐观、悲观和中性情绪	自然语言处理	NA	NA	BERT-BiGRU-CapsNet混合模型	文本	16,152条样本，来自Hawamer和Kooora论坛的阿拉伯语财经与体育内容	PyTorch	BERT, BiGRU, CapsNet	F1分数	NA
2906	2026-07-03	Deep learning-based breast cancer detection with customized ensemble attention 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50563-6 PMID:42056343	研究论文	提出了一种结合三种定制注意力机制（多尺度通道注意力MSCA、空间形态学注意力SMA、层级双注意力HDA）的集成深度学习框架，用于乳腺癌检测	针对乳腺病理领域设计了三种专门注意力模块，不同于通用SENet和CBAM机制，MSCA捕获多池化尺度的核级通道统计信息，SMA对组织边界区域应用可学习的形态学梯度算子，HDA采用深度相关门控动态平衡不同网络阶段的空间和语义注意力	未提及具体局限性	提出一种新的集成深度学习框架，通过定制注意力机制提升乳腺癌检测准确性	乳腺癌图像包括组织病理图像（BreakHis、BACH）和乳腺X光图像（CBIS-DDSM）	计算机视觉, 数字病理学	乳腺癌	NA	CNN	图像	BreakHis数据集1995张40倍放大图像，BACH数据集400张全切片图像产生9600个图像块，CBIS-DDSM数据集2620个病例	PyTorch	ResNet-50, DenseNet-121, EfficientNet-B3	准确率, p值, 平均交并比	NA
2907	2026-07-03	DDA-BERT: end-to-end training for data-dependent acquisition mass spectrometry-based proteomics 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72246-6 PMID:42045233	研究论文	提出基于Transformer的端到端深度学习模型DDA-BERT，用于数据依赖性采集质谱蛋白质组学中的肽段-谱图匹配重打分，显著提升肽段鉴定数量	首次将Transformer架构用于DDA蛋白质组学的全流程端到端训练，替代传统分层浅层分类器，利用约2.71亿条PSM数据跨11个物种训练	需要GPU计算资源，且依赖大规模多样化数据集以获得最佳模型性能	开发一种可扩展的、基于人工智能的DDA蛋白质组学肽段鉴定方法，提升肽段鉴定的准确性和灵敏度	11个物种的质谱数据及HLA免疫肽组学数据	机器学习	NA	DDA质谱	Transformer	肽段-谱图匹配（PSM）数据	约2.71亿条PSM，来自11个物种的DDA蛋白质组学数据集及HLA免疫肽组学数据集	NA	Transformer	肽段鉴定数量增加百分比	GPU
2908	2026-07-03	A self-supervised electrocardiogram foundation model for empowering cardiovascular disease prediction and genetic factor discovery 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72436-2 PMID:42045241	研究论文	开发了一种自监督心电图基础模型，用于心血管疾病预测和遗传因子发现	结合对比学习与掩码语言建模的自监督预训练方法，同时捕捉心电图信号的全局上下文信息和细粒度模式，并利用模型衍生特征进行全基因组关联分析发现新的遗传位点	未明确提及具体局限性，但可能包括模型对多数据集泛化能力的验证范围有限或因果推断需要进一步验证	提升心血管疾病预测的准确性和可解释性，并探索心电图相关遗传因子	心血管疾病预测及心电图信号的遗传关联分析	机器学习	心血管疾病	心电图	自监督基础模型	12导联心电图信号	超过一千万份12导联心电图记录	NA	ECG-LFM（结合对比学习与掩码语言建模的Transformer架构）	AUROC	NA
2909	2026-07-03	Frequency-based deep learning to identify subtle postural instability in early, untreated Parkinson's disease 2026-Apr-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01365-0 PMID:42045279	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2910	2026-07-03	Augmented prediction of multi-species protein-RNA interactions using evolutionary conservation of RNA-binding proteins 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72351-6 PMID:42045261	研究论文	提出一种基于深度学习的框架MuSIC，利用标签平滑和RNA结合蛋白的进化保守性预测跨物种的蛋白质-RNA相互作用	利用跨11个系统发育多样物种的RBP进化保守性进行预测，并引入标签平滑技术提升预测精度	预测置信度在后生动物中较高，部分反映了RBP保守模式的差异，可能对非后生动物物种预测效果有限	开发一种计算框架，实现跨物种RBP-RNA相互作用的预测并量化遗传变异的影响	RNA结合蛋白和RNA的相互作用	机器学习	人类疾病	深度学习	深度学习	序列数据	11个物种（从人类到酵母）中的数百个RBP	PyTorch（根据上下文推断，但未明确说明，故输出NA）	MuSIC（自定义深度学习框架，未详述具体架构）	AUC（根据性能优于最新方法推测，但未明确列出所有指标，故输出NA）	NA
2911	2026-07-03	YOLOv10-based deep learning model for dental plaque object detection in intraoral photographs of orthodontic patients 2026-04-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08295-6 PMID:42032559	研究论文	系统评估YOLOv10模型在正畸患者口内照片中识别牙菌斑的性能与可行性	首次将YOLOv10深度学习模型应用于正畸患者口内照片的牙菌斑目标检测，无需染色剂即可实现高精度实时检测，检测成功率显著优于患者和正畸医生的肉眼判断	未明确说明，但可推断样本量相对较小（23名患者），且模型性能评估依赖于智能手机拍摄的口内照片，可能受拍摄角度、光照条件等外部因素影响	评估YOLOv10模型在固定正畸患者使用智能手机拍摄的口内照片中识别牙菌斑的效能与可行性	23名固定正畸治疗患者的牙菌斑染色口内照片	计算机视觉	口腔疾病（牙菌斑相关）	目标检测	YOLOv10	图像（口内照片）	23名固定正畸患者的口内染色照片，分为训练集、验证集和测试集	PyTorch	YOLOv10	精确率、召回率、F1分数、mAP50、mAP50-95	配备GPU的计算机
2912	2026-07-03	Optimized fetal head circumference estimation in 2D ultrasound using EfficientNet-B7 and Adam optimizer 2026-04-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-06924-1 PMID:42032513	研究论文	提出一种基于EfficientNet-B7和Adam优化器的回归深度学习模型，用于提升2D超声图像中胎儿头围测量的准确性和鲁棒性	利用EfficientNet-B7的复合缩放和特征提取能力，结合回归方法实现快速全自动头围测量，避免了传统分割方法的复杂流程，并提供了精度与计算效率之间的权衡分析	误差率高于基于分割的现有方法（1-2 mm），且仅在有限数据集上验证，未涉及多样本和场景	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2913	2026-07-03	Development and External Validation of a Deep Learning Model to Predict Mortality in Aneurysmal Subarachnoid Hemorrhage Using Admission Computed Tomography 2026-Apr-23, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004038 PMID:42023861	研究论文	开发并外部验证一种仅使用入院非增强CT预测动脉瘤性蛛网膜下腔出血后90天死亡率的深度学习模型	完全自动化，无需手动输入，仅依赖入院CT图像提供客观可重复的风险分层，并通过外部验证证实其与需要多变量的传统临床模型性能相当	未明确指出，但可能包括回顾性设计、样本量相对较小及外部验证中心数量有限	开发和外部验证一种完全自动化的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血后90天死亡率	动脉瘤性蛛网膜下腔出血患者的入院非增强CT扫描图像	计算机视觉	动脉瘤性蛛网膜下腔出血	CT成像	深度学习（3D密集连接卷积网络）	CT图像	863名患者（586训练，147内部测试，130外部验证）	NA	3D DenseNet-121	AUC、判别力、分类准确性、校准度、决策曲线分析	NA
2914	2026-07-03	A customised 3D U-Net model for bifid mandibular canal segmentation and detection on CBCT: a diagnostic accuracy study 2026-04-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08336-0 PMID:42026568	研究论文	评估定制化3D U-Net模型在CBCT上自动分割和检测双下颌管（BMC）的诊断性能	首次将定制化3D U-Net架构应用于CBCT影像中双下颌管的自动分割与检测，并采用MONAI框架和五折交叉验证	单中心研究，需多中心验证以确认更广泛的临床适用性	评估深度学习3D U-Net模型在CBCT上精准分割与检测双下颌管的诊断准确性	双下颌管（BMC）的CBCT影像	数字病理学	口腔颌面解剖变异	CBCT	3D U-Net	CBCT体数据	208例CBCT体数据	MONAI	定制化3D U-Net	Dice相似系数（DSC）、交并比（IoU）、敏感性、特异性、诊断准确率	NA
2915	2026-07-03	Super-Resolution Microscopy for Precision Microsphere Defect Inspection Using Sparrow-Optimized Autocorrelation Deconvolution 2026-04, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70263 PMID:41996601	研究论文	提出一种基于麻雀搜索算法的自相关两步反卷积超分辨率图像重建方法，用于精密微球表面缺陷检测	自适应调整加速参数并使用混合能量函数优化的麻雀搜索算法，提升分辨率并抑制重建伪影	未明确说明局限性	提高精密微球表面缺陷检测的成像分辨率和准确性	精密微球表面缺陷	计算机视觉	NA	光学显微成像	麻雀搜索算法	图像	不同帧数的微球图像	NA	自相关两步反卷积	滚动傅里叶环相关（Rolling Fourier ring correlation）、半峰全宽（FWHM）	NA
2916	2026-07-03	An adaptive weight self-distillation deep learning framework for phenotype prediction from longitudinal gut microbiome data 2026-03-09, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-04922-y PMID:41796297	研究论文	提出一种自适应权重自蒸馏深度学习框架，用于从纵向肠道微生物组数据进行表型预测	自适应逐点自蒸馏机制与CNN-LSTM结合，有效捕捉纵向微生物组时序依赖和宿主特异性模式	未提及模型在更大规模或不同疾病数据集上的泛化能力，以及计算资源需求	利用纵向宏基因组数据分类宿主表型，提高疾病表型预测精度	肠道微生物组纵向测序数据	机器学习	多种疾病（如PROTECT、DIABIMMUNE、Infants数据集相关疾病）	宏基因组测序	CNN-LSTM	文本（微生物组序列数据）	三个数据集：PROTECT、DIABIMMUNE、Infants	NA	CNN, LSTM	AUC	NA
2917	2026-07-03	Shifting the paradigm in intracranial aneurysm detection with deep learning: A diagnostic accuracy meta-analysis and meta-regression 2026-Mar-05, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-026-04196-y PMID:41781568	meta分析	通过系统综述和meta分析评估深度学习在颅内动脉瘤检测中的诊断准确性	首次通过大规模meta分析和meta回归系统评估深度学习在不同成像模式及与放射科医师联合下的颅内动脉瘤检测性能	未具体说明研究限制	阐明深度学习在颅内动脉瘤检测中的诊断价值	颅内动脉瘤（包括破裂和未破裂）	计算机视觉	颅内动脉瘤	CTA, MRA, DSA成像	深度学习系统	影像数据	34项研究，49,748名患者，6,751个动脉瘤	NA	NA	敏感度, 特异度, AUC, 诊断优势比, 阳性似然比, 阴性似然比	NA
2918	2026-07-03	Use of artificial intelligence for outcome assessment in pediatric rehabilitation: a scoping review 2026-Mar-05, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01927-6 PMID:41787455	综述	探讨人工智能在儿童康复结果评估中的应用范围、方法学严谨性和临床实用性	首次系统梳理AI在儿童康复结果评估中的应用，涵盖人群、方法、结果领域和局限性	方法学异质性大、外部验证有限、样本量小，限制了可比性和临床转化	评估人工智能在儿童康复结果评估中的应用现状	儿童康复患者，特别是脑瘫儿童	机器学习	儿童脑瘫	NA	监督学习、神经网络、深度学习	步态分析、运动功能数据	51篇研究	NA	NA	准确率、F1分数、灵敏度、特异度	NA
2919	2026-07-03	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-03, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合机制性n-子流行病模型与蒙特卡洛丢弃长短期记忆神经网络的集成方法，用于改善韩国年龄特异性流感样疾病预测	创新性地将机制性流行病模型与深度学习模型集成，并引入蒙特卡洛丢弃技术进行不确定性量化，同时考虑年龄分层预测以捕捉不同人群的传播异质性	未明确说明局限性	提高流感样疾病的短期预测准确性并适应COVID-19大流行导致的传播模式变化	韩国年龄分层的流感样疾病发病率数据	机器学习	流感样疾病	NA	集成模型，长短期记忆网络	时间序列数据	覆盖四个疫情波次的数据	NA	n-子流行病模型，蒙特卡洛丢弃长短期记忆网络	加权区间评分，平均绝对误差	NA
2920	2026-07-03	Cross-Institutional Five-Class Kellgren-Lawrence Grading of Knee Osteoarthritis via Multitask Deep Learning 2026-03, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70254 PMID:41830909	研究论文	提出一种多任务深度学习架构KL-FuseNet，用于膝关节骨关节炎的五类Kellgren-Lawrence分级，并通过跨机构验证评估其泛化能力	引入融合全局与局部特征的多任务架构，同时预测有序等级、标签分布和二元严重程度；在严格患者级分层划分和独立中国队列上进行零样本迁移与选择性微调的比较	外部零样本部署显示领域差距，准确率下降至66.1%；需要域感知自适应才能实现临床实用性	解决深度学习KL分级模型因数据泄露和领域偏移导致的重复性危机，建立跨机构部署自动化分级模型的可重复路径	膝关节骨关节炎X光图像	计算机视觉, 数字病理学	骨关节炎	X光成像	卷积神经网络	图像	内部骨关节炎倡议数据集8260例，独立中国队列2295例	PyTorch	ConvNeXt-Base, ResNet-50	二次Cohen's kappa, 准确率, AUC	NA