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
321	2026-08-13	Deep Learning-Based OCT Segmentation for Stiffness Quantification in Evaluating Low-Level Laser Therapy for Wound Healing 2026-06, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70291 PMID:42252133	研究论文	本研究评估了低水平激光疗法对伤口组织短期生物力学反应的影响，通过U-Net模型自动分割OCT图像来量化皮肤刚度变化	结合OCT成像与空气喷射压痕系统实现非接触式皮肤刚度测量，并采用U-Net深度学习模型自动分割OCT图像，以精确评估LLLT对伤口组织生物力学特性的影响	摘要未提供明确的局限性信息	评估低水平激光疗法对伤口组织短期生物力学反应的影响，特别是通过皮肤刚度变化来量化	伤口组织在不同肢体区域的皮肤刚度	数字病理学、深度学习	伤口愈合	光学相干断层扫描（OCT）、低水平激光疗法（LLLT）	U-Net	图像	未明确说明	未明确说明	U-Net	分割准确率	未明确说明
322	2026-08-13	Intelligent financial forecasting using transformers, neuro-symbolic AI, and agent-based systems 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49558-0 PMID:42218199	研究论文	本文提出一个结合序列到预测变压器模型、神经符号AI和基于代理的系统的AI驱动框架，用于准确且可解释的股票价格预测，重点预测NIFTY消费耐用品指数。	首次将变压器深度学习与LLM驱动的决策机制（神经符号AI和高级AI代理）相结合，以增强预测的准确性和可解释性。	摘要未提及明确限制，可能包括依赖历史数据和外部信息源的可靠性问题。	开发一个灵活且可解释的股票市场预测方法，以提高金融预测的准确性和可用性。	NIFTY消费耐用品指数的股票价格预测。	机器学习, 自然语言处理	NA	变压器深度学习、LLM决策、神经符号推理、代理系统	变压器、LLM、代理系统	时间序列数据、文本数据	NA	NA	序列到预测变压器	准确性、可解释性	NA
323	2026-08-13	MRI-based deep learning radiomics model for automated classification of disc degeneration in the lumbar spine 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56056-w PMID:42218311	研究论文	本研究开发并评估了结合深度学习和影像组学特征的机器学习模型，利用多参数腰椎MRI自动预测椎间盘退变的Pfirrmann分级	首次在椎间盘退变分类中系统比较TabPFN、LightGBM和随机森林三种模型，并进行了12项补充分析，包括特征族消融、序数回归、留一扫描仪泛化测试等	中间等级（PG 2-4）的区分仍具挑战性，需要序数建模和外部验证；冻结的ImageNet预训练ResNet50特征未增加可测量的判别价值	开发和评估结合深度学习和影像组学特征的机器学习模型，用于腰椎MRI上椎间盘退变的自动分类（Pfirrmann分级预测）	218例腰痛患者的腰椎间盘，包含矢状T1、T2和T2 SPACE MRI图像	医学影像分析，机器学习	腰椎间盘退变	多参数腰椎MRI	TabPFN，LightGBM，随机森林	MRI图像	218例腰痛患者的腰椎间盘（按60%/20%/20%分割为训练/验证/测试集）	PyRadiomics	ResNet50	AUROC，AUPRC，F1分数，准确率，MCC，Brier分数	NA
324	2026-08-13	Automated leukemia detection from microscopic images using deep transfer learning with explainable AI-based analysis 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55415-x PMID:42218261	研究论文	本研究使用深度迁移学习和可解释人工智能技术，对十四种预训练的卷积神经网络架构进行综合比较，用于从显微镜血液涂片图像中自动检测白血病。	提供了十四种CNN架构的综合比较，并集成了Grad-CAM和LIME可解释性分析，以提高模型透明度和临床可信度，且通过重复实验和统计检验确保鲁棒性。	仅使用一个公开的二元分类数据集，限制了跨成像设备、染色方案和临床地点的泛化能力，需多中心外部验证。	开发并评估一种基于深度迁移学习和可解释AI的自动化白血病检测方法，以提高诊断准确性和临床可解释性。	显微镜血液涂片图像，来自Kaggle数据集的10,700张带标签图像。	计算机视觉	白血病	深度学习（迁移学习）	CNN	图像	10,700张显微镜图像，分为训练（7,500）、验证（1,600）和测试（1,600）子集	未指定（可能为TensorFlow或PyTorch）	EfficientNetB1, EfficientNetB3, EfficientNetB5, Xception, InceptionV3, InceptionResNetV2, DenseNet201, ResNet50, ResNet101, ResNet152, VGG16, VGG19, MobileNet	准确率, 召回率, F1分数, AUC	未指定
325	2026-08-13	A unified deep learning application framework for forensic shoeprint analysis under data-limited conditions 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52505-8 PMID:42215506	研究论文	本研究提出一种数据高效的深度学习框架，用于在数据有限条件下进行法医鞋印匹配，并提供了模型选择、增强和适配的实用指导。	不提出新架构，而是系统性地研究如何调整现有深度学习组件以提高数据有限和域偏移条件下的可靠性。	结合生成式与标准增强策略的互补性探索仍为开放问题，系统化的组合探索尚未完成。	为数据有限和域偏移条件下的法医鞋印分析提供实践指导，并扩展到其他相似约束的领域。	法医鞋印图像，包括两个互补的鞋印数据集。	计算机视觉	NA	卷积自编码器	卷积神经网络、卷积自编码器	图像	两个鞋印数据集，具体样本数未在摘要中说明	NA	卷积自编码器、预训练骨干网络	性能一致性、性能稳定性（未明确具体指标，如准确率、精确率等）	NA
326	2026-08-13	MSML-DenseXmer: harnessing vision transformers through integration with novel dense networks for medical image fusion 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52181-8 PMID:42215519	研究论文	提出一种结合改进DenseNet与Swin Transformer的医学图像融合框架MSML-DenseXmer，以提升多模态医学图像融合质量	融合改进DenseNet捕获局部细粒度特征和Swin Transformer提取全局结构及长距离依赖，并设计混合L1、L2和无穷范数生成注意力权重，以及整合像素损失、结构相似性和纹理保留的新型损失函数	摘要中未明确提及局限性	改进多模态医学图像融合方法，以更全面地表示结构性和功能性细节，提高诊断和治疗效果	多模态医学图像，包括MRI-SPECT、MRI-PET、MRI-CT以及肺部PET-CT图像	计算机视觉	不适用	深度学习图像融合	DenseNet与Swin Transformer结合的混合模型	医学图像	使用Whole Brain Atlas数据集和Lung-PET-CT-Dx数据集（具体样本量未在摘要中提及）	NA	改进DenseNet，Swin Transformer	图像清晰度、结构完整性、特征保留、对比度改善和整体视觉准确性相关指标	NA
327	2026-08-13	Leveraging large language models for gastrointestinal injury detection in athletes: a medical image analysis approach 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42779-3 PMID:42215522	研究论文	本研究提出一个融合多模态运动医学数据的AI框架，用于运动员胃肠道损伤检测与康复管理	创新性地整合生物力学信号、医学影像、生理指标和运动表现数据，并开发了BANNet和ARPOS两个核心组件	未提及具体局限性，可能包括数据获取困难、模型泛化性验证不足等	提升运动员胃肠道损伤的早期检测准确性和康复效率，优化临床决策支持	运动员，特别是遭受胃肠道损伤的运动员	医学图像分析，深度学习	胃肠道损伤	医学影像分析，深度学习	神经网络（BANNet），强化学习（ARPOS）	多模态数据（生物力学信号、医学影像、生理指标、运动表现指标）	未在标题和摘要中提及	未提及具体框架	层次化深度学习架构（BANNet）	损伤分类准确率、康复效率、临床决策支持能力	未提及具体计算资源
328	2026-08-13	An explainable spatio-temporal deep learning framework for crop yield prediction and recommendation 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54439-7 PMID:42215534	研究论文	提出了一种用于作物产量预测与推荐的可解释时空深度学习框架，并取得良好性能。	融合了混合特征选择、注意力增强的核极限学习机用于产量预测，以及基于PantheraCobra元启发式优化的时空可解释组增强Transformer网络用于作物推荐，并采用Grad-CAM和Integrated Gradients保障模型可解释性。	未在摘要中明确提及局限性。	实现精准的作物产量预测和数据驱动的作物选择，以促进可持续高效的农业管理。	农业数据集，包括土壤性质、地形、气候变量和历史产量记录。	机器学习	NA	NA	注意力增强的混合核极限学习机、时空可解释组增强Transformer网络。	表格数据，包括土壤、地形、气候和历史产量数据。	未在摘要中明确样本量。	NA	ELM, Transformer	RMSE, R², 准确率, ROC-AUC	未在摘要中明确计算资源。
329	2026-08-13	A deep learning-based model for automatic syntactic complexity assessment in L2 English writing: development and pedagogical application 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53282-0 PMID:42215569	研究论文	提出一种基于深度学习模型的自动句法复杂度评估方法，用于第二语言英语写作，并验证其教学应用效果。	首次将预训练BERT表示与图注意力网络集成，采用多任务学习框架同时预测多个句法复杂度维度。	自动模型的贡献与其他教学因素难以区分，需要进一步研究。	开发自动句法复杂度评估模型，并评估其在第二语言写作教学中的应用效果。	第二语言英语写作中的句法复杂度。	自然语言处理	NA	NA	深度学习模型，包括BERT与图注意力网络	学习者语料库文本	186名中国大学生，进行一学期的准实验研究	NA	BERT与图注意力网络集成	Pearson相关系数、效应量	NA
330	2026-08-13	VeNet: a lightweight neural network for efficient brain vessel segmentation in endovascular robotic surgery 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54176-x PMID:42215575	研究论文	提出一种轻量级神经网络VeNet，用于内血管机器人手术中脑部血管的3D分割，并在IXI队列上生成了半自动标注的磁共振血管造影数据集，该模型已集成到带有触觉反馈的机器人平台以支持患者特定血管重建和交互式模拟	VeNet使用基于矩阵的算子，仅包含约6000个可训练参数，使得在标准CPU硬件上能够高效训练和推理，且在小数据条件下表现出稳健的分割性能	标题和摘要中未明确提及限制	轻量级、数据高效地分割脑部血管，以支持机器人内血管手术中的血管重建和模拟	脑部血管分割，源自IXI队列的磁共振血管造影数据	医学影像, 数字病理学, 计算机视觉	脑血管相关疾病	磁共振血管造影	轻量级神经网络（矩阵运算）	3D医学影像（磁共振血管造影）	来源于IXI队列的大规模数据集，半自动标注后经专家审查	NA	VeNet（基于矩阵运算的轻量级架构）	分割性能（具体指标如Dice系数等未明确说明，但提及稳健的分割性能）	标准CPU硬件，用于训练和推理
331	2026-08-13	Autism spectrum disorder identification using machine learning models on MRI data 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55163-y PMID:42215668	研究论文	本研究利用多模态MRI数据中的质量向量，结合机器学习和深度学习技术进行自闭症谱系障碍的客观诊断	提出使用通常被视为噪声的技术质量指标作为诊断生物标志物，并构建了质量向量框架	未明确提及	开发一种基于成像质量指标的客观、高效的自闭症谱系障碍诊断方法	自闭症谱系障碍患者和健康对照者	机器学习	自闭症谱系障碍	MRI	1D-ResNet, CNN, SVM, kNN, 集成学习	MRI影像数据	未明确提及	未明确提及	1D-ResNet, CNN, SVM, kNN, XGBoost	准确率	未明确提及
332	2026-08-13	O²RDL-net for joint risk classification and delay forecasting in logistics systems using interaction amplified deep 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55703-6 PMID:42215691	研究论文	本研究提出O²RDL-Net，一种负载感知和交互增强的深度学习框架，用于物流系统中的联合风险分类和延误预测	集成高阶运营指标和时空注意力编码器，并采用风险状态调制，同时处理风险分类和延误预测任务	未提及具体局限性	提高物流系统中风险分类和延误预测的准确性和可解释性	物流系统中的运营数据，包括风险积累指数、延误敏感性指标、人机交互评分和系统表示	机器学习	NA	NA	深度学习模型	物流运营数据	NA	NA	时空注意力编码器	平均绝对误差，均方根误差，决定系数，准确率，精确率，召回率，F1分数	NA
333	2026-08-13	Transcriptome graph transformer: a graph transformer-based unsupervised model for transcriptome data analysis 2026-May-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06458-4 PMID:42168843	研究论文	介绍了一种基于图Transformer的无监督模型TGT，用于转录组数据分析，通过构建异质基因-通路图并进行预训练和微调，在疾病分类、生物标志物发现和单细胞/空间转录组聚类中表现出优越性能。	首次将图Transformer架构应用于转录组数据分析，构建异质基因-通路图以整合生物网络信息，支持无监督学习和零样本聚类，克服了传统方法对固定长度输入和生物网络信息的限制。	摘要中未明确提及局限性，但可能包括对大规模数据计算资源的需求、对通路注释质量的依赖以及预训练任务可能忽略某些生物学上下文。	开发一种有效的、可泛化的转录组表示学习方法，以处理高维、异质和非线性基因关系，并应用于疾病分类和生物标志物发现。	转录组数据，包括基因表达数据、单细胞和空间转录组数据，涉及阿尔茨海默病、癌症、急性肾损伤和COVID-19等疾病。	机器学习	阿尔茨海默病、癌症、急性肾损伤、COVID-19	RNA-seq、单细胞和空间转录组测序	图Transformer	基因表达数据、单细胞转录组数据、空间转录组数据	未明确提及具体样本数量，涉及多个疾病数据集，包括阿尔茨海默病、癌症、急性肾损伤和COVID-19。	未明确提及	图Transformer	分类准确性、基因和通路重要性分数	未明确提及
334	2026-08-13	Interpretable multitask model for clinical pathology image prediction and interpretation 2026-May-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00744-w PMID:42156411	研究论文	提出了一个可解释的多任务数字病理模型iMDPath，用于病理图像的预测和解释，整合了数据增强、诊断预测和特征可视化	结合VQ-VAE数据增强、Swin Transformer预测和FullGrad与遮挡敏感性分析的可视化模块，实现端到端且高度可解释的多任务深度学习框架	未明确提及局限性，但可能受限于样本量和数据集多样性	解决深度学习方法在病理图像分析中样本量有限和缺乏可解释性的问题，提高癌症诊断的准确性和临床可解释性	六种不同的癌症病理数据集，包括胃癌、乳腺癌、肺癌和结直肠癌	数字病理学	胃癌、乳腺癌、肺癌、结直肠癌	深度学习（数据增强、预测和可视化）	VQ-VAE, Swin Transformer, FullGrad, 遮挡敏感性分析	病理图像	六种癌症病理数据集（具体数量未提供）	NA	Swin Transformer（Swin-B）, VQ-VAE, InceptionV3, Phikon	诊断准确性、敏感性、泛化能力	NA
335	2026-08-13	An Electrical Capacitance Tomography Dataset for Image Reconstruction Benchmarking 2026-May-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07433-7 PMID:42156788	研究论文	介绍首个大规模实验获取的平面电容层析成像数据集ECT-Bench，用于评估成像和动态跟踪算法	首次提供大规模实验获取的平面电容层析成像数据集，包含真实软场特性、介电变异性、位置不确定性和硬件噪声，而非基于仿真的数据	未在摘要中明确说明局限性	为平面电容层析成像的图像重建和动态跟踪算法提供标准化基准，弥合数值模拟与真实世界非接触传感之间的差距	平面电容层析成像传感器及其成像算法	计算机视觉, 机器学习	不适用	电容层析成像	卷积神经网络	电容矩阵数据，位置元数据，对象标签	54,739个高分辨率互电容矩阵，由定制3×3电极阵列获取	不适用	卷积神经网络	不适用	不适用
336	2026-08-13	Explainable artificial intelligence with pyramid vision transformer model for multi-class malignant cell classification on cytology slides 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47157-7 PMID:42106425	研究论文	本研究提出一种混合时间深度学习网络模型（HTDL-MCCCS），用于细胞学涂片中的恶性细胞自动分类，以提升诊断一致性、减轻病理医师负担并支持资源有限环境下的规模化筛查	将金字塔视觉变换器（PVT）与双向时间递归单元（BiTRU）相结合，并集成染色标准化、伪影去除、核分割等多阶段预处理，以及Grad-CAM可解释性分析，实现多类恶性细胞的自动化分类	摘要中未明确说明局限性，可能包括对特定数据集（如SIPaKMeD和Herlev）的依赖，以及需要进一步验证模型在不同临床环境中的泛化能力	开发一种自动化的恶性细胞分类模型，以提高诊断一致性、减少病理医师工作量，并在资源有限的环境中实现可扩展的癌症筛查	细胞学涂片中的恶性细胞与良性细胞	数字病理学	癌症（具体类型未指定）	数字病理学、全切片成像（WSI）、深度学习	混合深度学习模型（金字塔视觉变换器PVT + 双向时间递归单元BiTRU）	细胞学涂片图像	SIPaKMeD和Herlev两个公开数据集，具体样本数量未在摘要中给出	未明确指定（可能使用TensorFlow或PyTorch，但摘要未提及）	金字塔视觉变换器（PVT）与双向时间递归单元（BiTRU）	准确率（SIPaKMeD上98.16%，Herlev上96.42%）	摘要中未提及具体计算资源
337	2026-08-13	Advancements of artificial intelligence in Chinese herbal medicine recommendation: A comprehensive review of data-driven approaches and clinical applications form 2016 to 2025 2026-May-01, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048468 PMID:42065178	综述	这篇综述系统回顾了2016年至2025年间基于知识图谱、深度学习和混合模型的中草药推荐方法，并分析了其技术演进和临床应用	提出了理论-数据-临床三元评价框架，为开发符合循证医学标准的智能中草药推荐系统提供了方法学创新	该综述未明确提及局限性	填补中草药推荐方法系统综述的空白，为开发理论上稳健且临床可解释的人工智能模型提供参考	2016年至2025年间发表的中草药推荐方法研究	机器学习, 自然语言处理	不适用	不适用	深度学习模型, 知识图谱, 混合模型	文本, 知识图谱	不适用	不适用	不适用	草药有效性评分, 草药配伍评分	不适用
338	2026-08-13	Radiopathomic Graph Deep Learning for Multiscale Spatial-Contextual Modeling of Intratumoral Heterogeneity to Predict Breast Cancer Response to Neoadjuvant Therapy 2026-May, Radiology. Artificial intelligence DOI:10.1148/ryai.250760 PMID:41949455	研究论文	开发了一种可解释的放射病理组图深度学习系统，用于多尺度空间上下文建模瘤内异质性，并在乳腺癌患者中预测新辅助治疗的病理完全缓解。	提出了新颖的放射病理组图深度学习框架，结合了放射组学和病理组学数据，利用图神经网络建模瘤内异质性的多尺度空间上下文，并通过多方面分析增强模型的可解释性。	文章摘要中未明确提及研究局限性。	开发并评估一种放射病理组图深度学习系统，以提高对乳腺癌新辅助治疗病理完全缓解的预测性能。	乳腺癌患者，包括活检证实的浸润性乳腺癌患者，其治疗前的MRI图像和HE染色活检切片图像。	数字病理学	乳腺癌	MRI成像，组织学切片染色（HE）	图神经网络	图像	训练集582名患者，外部测试集468名患者。	NA	图神经网络（具体架构未指定）	AUC，净重分类改善指数（NRI），综合判别改善指数（IDI）	NA
339	2026-08-13	Comparative Analysis of Machine Learning Models in Groundwater Quality Assessment: A Systematic Review 2026-May, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70401 PMID:42124483	综述	本文对机器学习在地下水质量评估中的应用进行了系统综述和荟萃分析，评估了多种模型的准确性、适用性和可用性。	系统性地比较了多种机器学习模型在地下水质量评估中的表现，并探讨了新兴技术如物理信息机器学习、图神经网络和大型语言模型的应用潜力。	主要关注已发表的研究，可能忽略未发表的研究，且对新兴技术的讨论缺乏具体实证数据。	评估机器学习模型在地下水质量评估中的准确性、适用性和可用性，并识别研究空白和未来方向。	地下水质量相关的研究，涵盖多种机器学习模型及其应用场景。	机器学习	不适用	机器学习模型，包括人工神经网络、支持向量机、k近邻、决策树、随机森林和深度学习	人工神经网络、支持向量机、k近邻、决策树、随机森林、深度学习	地下水质量数据	文献样本，具体数量未在摘要中提供	不适用	人工神经网络、支持向量机、k近邻、决策树、随机森林、深度神经网络	准确性	不适用
340	2026-08-13	3D Swin Transformer With Multi-Scale Dilated Convolution for White Blood Cell Hyperspectral Image Classification 2026-05, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70280 PMID:42152783	研究论文	本研究提出了一种基于多尺度膨胀卷积的3D Swin Transformer网络（SwinMDC），用于白细胞高光谱图像分类，以提高分类准确性。	采用3D多尺度膨胀卷积作为初始嵌入层，增强低级特征表示并缓解感受野限制，同时集成3D窗口注意力机制构建层次Transformer编码器。	仅在三类白细胞数据集上进行了验证，未涉及多中心或更大规模的数据集，泛化性有待进一步评估。	提高白细胞高光谱图像分类的准确性，充分利用光谱信息。	白细胞高光谱图像。	数字病理学	血液相关疾病（如白血病等）	高光谱成像	Transformer	图像	三类白细胞显微高光谱数据集，具体样本量未说明。	NA	Swin Transformer	准确率	NA