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
3621	2026-06-28	Deep Learning Based on B-Mode and Color Doppler Ultrasound for Differentiation of Primary Thyroid Lymphoma and Hashimoto's Thyroiditis: A Retrospective Single-Center Study 2026-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121909 PMID:42351568	研究论文	基于B超和彩色多普勒超声的深度学习模型用于鉴别原发性甲状腺淋巴瘤和桥本甲状腺炎	提出了结合小波变换卷积和频率自适应门控机制的Frequency-Adaptive WT-ResNet模型，实现了B超和彩色多普勒超声图像中三种病变（弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎）的自动分类	探索性外部验证结果需谨慎解读，仍需更大规模的多中心队列验证模型泛化能力	开发和验证基于B超和彩色多普勒超声的深度学习模型，用于图像水平鉴别弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎	290名患者的1294张超声图像（313个病灶），来自华西医院和中山大学孙逸仙纪念医院	计算机视觉	甲状腺癌, 淋巴瘤, 桥本甲状腺炎	超声成像（B模式超声和彩色多普勒超声）	CNN (ResNet)	图像	290名患者的1294张超声图像（313个病灶），训练集与测试集按8:2划分	PyTorch	Frequency-Adaptive WT-ResNet（集成小波变换卷积和频率自适应门控机制）	AUC, 平衡准确率	NA
3622	2026-06-28	Functional Profiling in Paralympic Water Polo Using Deep Learning, Stereo Vision, and Phase-Based Kinematic Analysis: A Pilot Study 2026-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060707 PMID:42351951	研究论文	提出一种基于深度学习、立体视觉和相位运动分析的残奥会水球功能画像框架，用于客观评估运动员的残余运动功能	将姿态估计作为定量测量工具，并将可见性中断视为功能相关事件而非噪声，为运动功能评估提供可解释的候选描述指标	样本量较小（仅5名男性运动员），且研究为试点性质，不旨在取代官方分类程序	为残奥会水球运动建立基于任务的功能画像框架，以支持基于证据的分类研究	5名国家级男子水球运动员（3名有运动障碍、2名健全参考者）	计算机视觉	运动功能障碍	立体视觉、OpenPose姿态估计	NA	视频	5名男性运动员（3名有运动障碍，2名健全参考者），共128次掷球试验	OpenPose	NA	核心值范围（0.05-0.15、0.29-0.68、0.040-0.148）	NA
3623	2026-06-28	Waist Circumference Modifies the Association Between a Deep Learning-Derived Retinal Biomarker and Coronary Artery Calcium Score in Asymptomatic Adults 2026-Jun-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124779 PMID:42355946	研究论文	探讨深度学习衍生的视网膜生物标志物Reti-CVD与无症状成年人冠状动脉钙化评分之间的关系，并评估腰围是否改变这一关联	首次验证中心性肥胖（以腰围衡量）对深度学习视网膜生物标志物与冠状动脉钙化评分之间关系的修饰作用，而一般肥胖（BMI）无此作用	回顾性设计、样本量较小（237人）、单一韩国人群、未考虑种族差异及长期随访数据	评估肥胖表型（特别是中心性肥胖）是否改变Reti-CVD与冠状动脉钙化评分的关联	237名接受常规健康筛查的无症状韩国成年人	机器学习, 数字病理学	心血管疾病	眼底摄影, 心脏计算机断层扫描	深度学习模型	眼底照片, 图像	237名无症状韩国成年人（其中78人患有腹部肥胖，102人患有一般肥胖）	NA	NA	受试者工作特征曲线下面积	NA
3624	2026-06-28	Cross-Sensor and Cross-Population Generalization of Deep Learning Models for Digital Mammography: A Controlled Four-Country Benchmark of Five Backbone Architectures with Statistical Significance Testing 2026-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s26123911 PMID:42356884	研究论文	通过控制协议对五种深度学习骨干网络进行跨传感器和跨人群的数字乳腺X线摄影泛化能力基准测试	首次在统一控制协议下系统评估最新一代乳腺X线摄影专用基础模型（如Mammo-CLIP B5和Mammo-FM）在跨传感器平台和跨人群（中美印英四国数据）条件下的泛化性能，并采用带Benjamini-Hochberg FDR校正的配对DeLong z检验进行统计显著性分析	单一训练来源（CBIS-DDSM）和仅三次随机种子重复；MIAS数据集的组间比较未能达到统计显著性；极密乳腺亚组的样本量较小（n=140），导致95%置信区间重叠较大，无法支持统计优势结论	评估深度学习模型在数字乳腺X线摄影数据中跨传感器和跨人群迁移时的泛化能力，并探讨基础模型是否优于传统架构	来自美国（CBIS-DDSM）、中国（CMMD）、印度（DMID）和英国（MIAS）四个国家的乳腺X线摄影数据集	计算机视觉, 数字病理学	乳腺癌	数字乳腺X线摄影	深度学习模型（卷积神经网络、视觉Transformer）	图像（乳腺X线摄影图像）	训练集CBIS-DDSM（n=714验证），外部测试集：CMMD（n=1032，全视野数字乳腺X线摄影）、DMID（n=509，混合数字）、MIAS（n=322，胶片数字化）	PyTorch	ResNet-50, DINOv2-B14, Rad-DINO, Mammo-CLIP B5, Mammo-FM	AUC, 灵敏度, 特异性, 校准误差（温度缩放校正）	未提及
3625	2026-06-28	Artificial Intelligence, Deep Learning, and Computer Vision in Hysteroscopy: A Systematic Review 2026-Jun-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121899 PMID:42351557	综述	系统回顾人工智能、深度学习及计算机视觉在宫腔镜中的应用	首次系统综述AI/ML/DL在宫腔镜五个领域的应用现状，包括诊断分类、实时检测、分割、手术引导及预后决策	多数研究为单中心回顾性设计，缺乏外部验证；仅一项随机研究评估了AI对可测量手术结局的影响	系统评估人工智能、机器学习、深度学习或计算机辅助诊断在宫腔镜中的应用效果并分析现有证据的局限性	宫腔镜图像分析及手术辅助系统	计算机视觉, 机器学习	妇科疾病	宫腔镜成像	CNN, 深度学习模型	图像	19项原始研究	NA	NA	AUC	NA
3626	2026-06-28	Deep Learning for Brain MRI Artifact Correction: Current Challenges and Future Directions 2026-Jun-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060699 PMID:42351943	综述	系统性回顾了深度学习在脑MRI伪影校正中的应用，并量化分析了当前方法的表现和挑战	首次定量分析深度学习在脑MRI伪影校正中的表现，并识别了产生幻觉和过度平滑的潜在因素，同时指出频率感知神经网络的优势，并展望了物理信息神经网络这一新兴范式	仅分析了30篇研究，且未涉及儿童MRI及低于1.5T的场强情况，可能存在样本量有限和适用范围的局限性	系统性回顾深度学习在脑MRI伪影校正中的现状，评估其临床鲁棒性、幻觉和过度平滑问题，并指出未来研究方向	基于深度学习进行伪影校正的脑结构MRI研究	计算机视觉, 机器学习, 数字病理学	脑部疾病	结构磁共振成像	神经网络	图像	30篇相关研究	NA	频率感知神经网络, 物理信息神经网络	结构相似性指数, 峰值信噪比	NA
3627	2026-06-28	Ensemble Machine Learning- and Deep Learning-Driven Identification and Validation of Sennidin B as a Novel Dipeptidyl Peptidase-4 Inhibitor 2026-Jun-18, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27125536 PMID:42353251	研究论文	结合机器学习和深度学习，筛选并验证Sennidin B作为一种新型二肽基肽酶-4抑制剂	首次通过集成结构虚拟筛选和机器学习模型，从天然化合物库中发现Sennidin B作为DPP-4抑制剂，并通过分子动力学模拟和细胞实验验证	Sennidin B的体内药效和安全性仍需进一步研究	识别天然DPP-4抑制剂用于治疗2型糖尿病	Sennidin B和盐酸多柔比星作为候选DPP-4抑制剂	机器学习，药物发现	2型糖尿病	分子对接，分子动力学模拟， MM-PBSA计算， RT-PCR，蛋白质免疫印迹	随机森林，逻辑回归，支持向量机，多层感知器	分子结构数据，活性数据	天然化合物数据库包含多个化合物，筛选出107个化合物进一步分析，最终验证Sennidin B和盐酸多柔比星	Scikit-learn	随机森林，逻辑回归， SVM， MLP	AUC（曲线下面积）	NA
3628	2026-06-28	Stable and High-Throughput Single-Cell Sorting of Food Bacteria Using Spatiotemporal Video-Enhanced Raman Tweezers 2026-Jun-18, Foods (Basel, Switzerland) DOI:10.3390/foods15122208 PMID:42354176	研究论文	提出一种结合时空视频增强拉曼镊子（SVERT）系统与深度学习去噪网络，实现食品细菌的高通量稳定单细胞分选	创新性地设计减速优化微流控芯片与基于深度学习的视觉反馈回路，提出局部全局统一去噪网络（LGU-Net）恢复低信噪比视频流中的细菌结构	未提及在复杂食品基质中长时间运行时的系统稳定性及对不同细菌种类的泛化能力验证	实现液态食品中致病菌和腐败微生物的高速、无标记单细胞分选与检测	食品细菌（四种与食品安全和质量相关的细菌种类）	机器学习, 计算机视觉	NA	拉曼镊子光谱（RTS）	深度学习网络	视频	四种细菌物种，实验中使用未纯化商业饮料验证	PyTorch	LGU-Net	光学捕获成功率、光谱采集效率、分类准确率	NA
3629	2026-06-28	LTM-UNet: Linear Transformer-Mamba with Attention-Based U-Net for Context-Aware Breast Ultrasound Image Segmentation 2026-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121888 PMID:42351547	研究论文	提出一种名为LTM-UNet的新型分割模型，结合线性变换器与状态空间驱动的解码器，用于乳腺超声图像上下文感知分割	首次将高效视觉变换器编码器与基于状态空间模型的指向性解码器集成于U-Net框架中，并通过注意力引导的跳跃融合机制增强特征细节保留	未提及模型在复杂场景或低质量超声图像中的泛化能力及计算效率方面的限制	提升乳腺超声图像分割模型对全局上下文和局部细节的综合理解能力	乳腺超声图像中的病灶区域分割	计算机视觉	乳腺癌	超声成像	变换器、状态空间模型	图像	BUSI数据集和UDIAT数据集（具体样本量未提及）	NA	LTM-UNet（基于U-Net、变换器编码器、状态空间模型解码器）	Dice系数、IoU	NA
3630	2026-06-28	Application of Artificial Intelligence for Predicting Sports Injuries and Customizing Personalized Prevention Strategies: A Scoping Review 2026-Jun-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060692 PMID:42351936	综述	系统梳理人工智能在运动损伤预测和个性化预防策略中的应用现状与趋势	首次通过系统综述方法全面评估人工智能在运动损伤预测与个性化预防中的应用趋势，并量化了模型性能（AUC 0.82-0.95）及预防效果（损伤减少23%-42%）	异质性损伤定义、小样本量、缺乏外部验证以及数据隐私问题限制了临床转化	描绘人工智能在运动损伤预测和个性化预防策略中的应用趋势，批判性评估现有方法学并指出未来研究方向	39篇同行评审的运动员损伤预测与预防研究	机器学习	运动损伤	NA	树型机器学习、深度学习	多模态数据	39项研究	NA	树型算法（随机森林等）、深度学习混合模型	曲线下面积（AUC）、准确率	NA
3631	2026-06-28	CNN-BiLSTM-Based Hybrid Deep Learning for Multi-Metric Anomaly Detection and Mitigation in Secure IoMT Healthcare WBANs 2026-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s26123849 PMID:42356825	研究论文	提出一种基于CNN-BiLSTM的混合深度学习方法，用于安全IoMT医疗WBAN中的多指标异常检测与缓解	首次将CNN与BiLSTM结合应用于IoMT医疗WBAN的多指标异常检测，并部署在NodeMCU-32S平台，实现低延迟（15毫秒）和高准确率（94.6%）的实时攻击分类	主要针对特定攻击类型（如时序操纵、重放攻击），对未知或复杂攻击的检测能力未充分评估；实验环境可能无法完全模拟真实医疗场景的多样性	保护资源受限的IoMT医疗系统免受网络威胁，确保连续血糖监测数据传输的安全性	无线体域网中的生理信号、系统级参数和网络级通信指标	机器学习	糖尿病（通过连续血糖监测间接关联）	BLE 5.0无线通信	CNN, BiLSTM	生理信号（如血糖数据）、系统参数和网络指标	NA（未在标题和摘要中明确说明样本数量）	PyTorch（推测，因CNN-BiLSTM常用框架）	CNN, BiLSTM	准确率, 推理延迟, 计算开销（浮点操作和内存利用率）	NodeMCU-32S平台（微控制器）
3632	2026-06-28	Artificial Intelligence in Embryo Selection: Current Approaches and Clinical Implications 2026-Jun-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060688 PMID:42351932	综述	总结人工智能在胚胎选择中的应用现状，包括基于静态图像和延时成像数据的模型，并讨论其临床意义	系统回顾了人工智能在胚胎选择中的最新方法，涵盖卷积神经网络和时空模型，并强调终点指标如活产时间的临床相关性	人工智能在常规临床应用前仍需进一步验证和标准化实施，且存在透明度、责任、人类监督和监管等方面的伦理和临床问题	综述人工智能在胚胎选择中的当前方法及其临床意义	胚胎选择中的AI模型，包括基于静态图像和延时成像数据的方法	机器学习	不孕症	NA	卷积神经网络	图像	NA	NA	CNN, 时空模型	活产时间	NA
3633	2026-06-28	Beyond the Visual Spectrum: From RGB-Based Learning to Hyperspectral Intelligence for Plant Disease Detection-Challenges and Opportunities 2026-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s26123834 PMID:42356807	综述	系统综述高光谱成像与深度学习在植物病害检测中的交叉应用，探讨从实验室到田间的性能差距和挑战	首次系统整合视觉光谱分析与高光谱智能技术，提出从RGB学习到高光谱智能的范式转变，并量化分析实验室与田间性能差距	主要基于文献综述，缺乏实验验证；对实际部署中的计算资源需求和环境适应性讨论有限	总结高光谱成像与深度学习结合用于植物病害预症状检测的现状、挑战与未来发展方向	植物病害检测技术，特别是高光谱成像系统和深度学习模型	计算机视觉, 机器学习	植物病害	高光谱成像 (HSI)	1D CNN, 3D CNN, 混合注意力模型, Vision Transformer	高光谱图像	NA	NA	卷积神经网络, 注意力机制, Vision Transformer	准确率 (95-99%实验室, 70-85%田间)	NA
3634	2026-06-28	Quantifying Canopy Closure Dynamics Using UAV Imagery and Semantic Segmentation in Rice Breeding Trials 2026-Jun-16, Plants (Basel, Switzerland) DOI:10.3390/plants15121860 PMID:42357179	研究论文	利用无人机影像和深度学习语义分割技术，建立高效框架量化水稻冠层闭合动态	首次将无人机遥感与深度学习语义分割结合，系统量化水稻冠层闭合动态，并利用Gompertz模型和K-means聚类分析揭示不同品种间的发育差异	数据集仅来自单季节和单地点，存在局限性	建立可扩展的客观框架，用于量化水稻冠层闭合动态，支持品种筛选和栽培优化	198个杂交水稻品种	计算机视觉	NA	无人机遥感	深度学习语义分割模型	RGB图像	198个杂交水稻品种	NA	DeepLabv3+, U-Net, PSPNet	平均交并比 (mIoU), R²	NA
3635	2026-06-28	EEG-ChTABNet: A Dual-Branch Channel-Wise Transformer with Gated Attention-Branch Network for EEG-Based Classification of Dementia 2026-Jun-15, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061345 PMID:42351773	研究论文	提出一种新的双分支通道Transformer与注意力分支网络EEG-ChTABNet，用于基于EEG的痴呆、中风和健康对照三种神经状态分类	提出四个新设计：通道重要性注意力块、双分支编码器（全局多头自注意力和局部深度可分离卷积）、门控Sigmoid融合机制、瓶颈残差分类头，有效解决小样本和高维熵特征挑战	样本量较小（N=45，每类15例），可能限制泛化能力；研究未评估EEG-ChTABNet在其他神经疾病或更大数据集上的表现	解决小样本条件下基于EEG熵特征的神经疾病多分类难题，提升痴呆、中风和健康对照的早期准确区分能力	19通道32名受试者（痴呆、中风、健康对照各15例）的EEG熵特征数据	机器学习	痴呆, 中风	EEG	Transformer, 注意力机制, 深度可分离卷积	EEG熵特征	45例（每类15例）	PyTorch	EEG-ChTABNet: 通道重要性注意力块, 双分支编码器（全局多头自注意力+局部深度可分离卷积）, 门控Sigmoid融合, 瓶颈残差分类头	分类准确率, AUC, 检测灵敏度	NA
3636	2026-06-28	DSHformer: Locality-Sensitive Hash Attention and Prototype Alignment for Sensor-Based Human Activity Recognition 2026-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s26123803 PMID:42356776	研究论文	针对传感器人体活动识别中的分布偏移和注意力计算复杂性问题，提出了结合局部敏感哈希注意力与原型对齐的DSHformer框架	首次将基于局部敏感哈希的注意力机制与原型对齐相结合，实现O(LlogL)线性复杂度，并通过可训练原型池和多层分解网络增强类内紧凑性和类间可分性	特征分解可能引入语义相关令牌的分组衰减，需通过分解稳定哈希来缓解；实验仅涉及公开基准数据集，实际部署场景中可能受用户差异和传感器噪声影响	提升传感器人体活动识别在资源受限设备上的准确性和泛化能力	基于可穿戴传感器采集的连续时间序列数据中的日常人体活动（如行走、站立、上楼等）	机器学习	不适用	传感器数据采集（加速度计、陀螺仪等）	Transformer变体（结合局部敏感哈希注意力、图注意力编码器和原型对齐网络）	时间序列	5个公开基准数据集：WISDM、UCI-HAR、PAMAP2、Opportunity和UniMiB-SHAR（具体样本量未在摘要中提及）	NA	DSHformer（包含分层图注意力编码器、原型池分解网络、分解稳定型LSH注意力模块）	准确率（98.6%、93.7%、98.4%、88.5%、96.6%）	资源受限的可穿戴设备（未指定具体GPU或云端资源）
3637	2026-06-28	Artificial Intelligence-Driven Fractional Flow Reserve Assessment: Technical Foundations, Clinical Insights, and Future Directions 2026-Jun-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62061157 PMID:42356169	综述	本文总结了从有创血流储备分数到人工智能驱动的冠状动脉病变功能评估的演变过程，包括基于计算流体力学的CT-FFR以及机器学习与深度学习方法的原理、验证和临床进展	系统梳理了AI（包括机器学习和深度学习）在无创冠状动脉功能评估中的应用，从基于工程特征的传统模型到端到端的直接学习系统，并探讨了虚拟PCI规划、多模态风险分层等未来方向	存在对输入数据质量的高度依赖、模型可解释性有限、监管障碍以及临床工作流程整合困难等广泛采用的主要障碍	总结AI驱动的血流储备分数评估的技术基础、临床见解及未来发展方向	冠状动脉病变的功能评估方法，包括有创FFR、基于CFD的FFRct以及AI驱动的评估模型	机器学习、计算机视觉	冠状动脉疾病	NA	机器学习、深度学习	影像（CCTA扫描图像）	NA	NA	NA	诊断准确性、预后价值	NA
3638	2026-06-28	An Artificial Intelligence-Based Detection of Comorbid Depression, Anxiety, and Substance Use Disorder in Korean Counseling Dialogues Using an Explainable Hierarchical Attention Network with Shapley Additive Explanations 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121817 PMID:42351476	研究论文	提出基于可解释分层注意力网络的深度学习模型，同时检测韩语咨询对话中的抑郁、焦虑和物质使用障碍共病情况，并通过SHAP方法增强可解释性	将多标签分类与可解释AI结合应用于心理健康领域，能够在实际咨询对话中同时识别三种常见共病障碍，并通过SHAP提供临床可解释的判断依据	数据来源单一（韩语咨询对话），模型在物质使用障碍标签上表现相对较低（F1=0.78），且未提及模型的泛化能力测试	开发可同时检测抑郁、焦虑和物质使用障碍共病的多标签分类模型，并增强临床可解释性	韩语咨询对话文本中的抑郁、焦虑和物质使用障碍共病状态	自然语言处理	心理健康障碍	NA	分层注意力网络（HAN-BiLSTM）	文本	1661份韩语咨询对话转录文本，平均每份约5000韩文字符	PyTorch	HAN-BiLSTM	F1-score, 宏平均F1, 95%置信区间	NA
3639	2026-06-28	Real-World Insights in Designing SteatoStat: An End-to-End Deep Learning Pipeline for Hepatic Steatosis Quantification 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121825 PMID:42351483	研究论文	开发了一个名为 SteatoStat 的端到端深度学习管道，用于量化肝脂肪变性	提出整合文件格式标准化、基于规则细胞过滤和多分割模型的深度学习管道，输出连续定量脂肪变性百分比并转换为分级	未来需通过独立多机构数据集验证以增强泛化能力和临床整合	标准化并提升代谢功能障碍相关脂肪性肝病（MASLD）患者肝脂肪变性的量化精度	MASLD患者的肝组织病理切片图像	数字病理学	代谢功能障碍相关脂肪性肝病	深度学习	分割模型	病理图像	NA	NA	多分割模型	DICE分数, AUROC, F1分数, 加权Kappa系数	NA
3640	2026-06-28	Emerging Pathways to Non-Invasive Diagnosis in Endometriosis: Integrating Machine Learning, Deep Learning and Multi-Omics Biomarkers 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121823 PMID:42351484	综述	综述人工智能在子宫内膜异位症非侵入性诊断中的应用，整合机器学习、深度学习和多组学生物标志物	系统总结了人工智能驱动的成像分析到多组学生物标志物在子宫内膜异位症诊断工作流中的整合	数据集小、过拟合、缺乏外部验证和变异性	探讨人工智能在提高子宫内膜异位症诊断准确性、减少诊断延迟及支持个性化治疗中的潜力	子宫内膜异位症的诊断流程	机器学习	子宫内膜异位症	NA	机器学习、深度学习、自然语言处理	成像数据、多组学生物标志物数据	NA	NA	NA	NA	NA