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
361	2026-04-11	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	本研究评估了在分布偏移下ICU中深度学习脓毒症预测模型的泛化性能，通过多中心回顾性队列研究比较了五种部署策略	首次系统量化了三个ICU数据集间的分布偏移，并比较了五种部署策略（包括泛化、微调/重新训练、目标训练、监督域适应和融合训练）在不同目标数据规模下的表现，挑战了微调作为标准方法的传统观念	研究基于回顾性数据，可能受数据质量和标注偏差影响；未考虑实时临床部署的复杂性；策略比较限于特定数据集和模型架构	评估深度学习脓毒症预测模型在ICU数据分布偏移下的泛化能力，并比较不同部署策略的有效性	三个成人ICU队列（HiRID, MIMIC-IV, eICU）中的216,536次住院记录	机器学习	脓毒症	深度学习	深度学习模型	ICU电子健康记录数据	216,536次住院记录	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
362	2026-03-05	Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42847-8 PMID:41775953	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
363	2026-04-11	ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37590-z PMID:41776220	研究论文	本研究提出了一种名为ETNeXt的轻量级、自组织的故障检测框架，用于基于声学信号分析检测无刷直流电机的故障	提出了一种集成特征工程和分类的轻量级框架ETNeXt，结合了多级离散小波变换、三元直方图特征生成以及基于NCA和卡方检验的混合特征选择方法，在保持高精度的同时显著降低了计算复杂度	未明确说明框架在更广泛或更复杂故障类型下的性能，也未详细讨论在极端噪声环境下的鲁棒性	开发一种高效、轻量级的故障检测方法，用于无刷直流电机的实时故障监测	无刷直流电机	机器学习	NA	声学信号分析	Fine k-NN, Cubic SVM	声学信号	基准数据集和独立测试数据集（具体数量未提供）	NA	ETNeXt	准确率	NA
364	2026-04-11	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	本研究开发了一种基于特征级注意力机制的多模态深度学习框架，用于预测大学篮球运动员的睡眠质量	提出了一种结合注意力机制的多层感知机模型，用于建模多模态特征间的复杂交互，以提升睡眠质量预测性能	模型对中度睡眠质量类别的区分能力较差，更适合用于筛查导向的风险分层而非确定性分类	开发一个应用于大学篮球运动员睡眠质量筛查的预测模型	大学篮球运动员	机器学习	NA	NA	Logistic Regression, Random Forest, XGBoost, Attention-based Multilayer Perceptron	表格数据	来自一所大学的学生运动员	NA	Attention-MLP	准确率, F1值, AUC	NA
365	2026-04-11	Intrusion detection with HACDT-Net and TRBM-Net using a hybrid deep learning framework with enhanced sampling techniques 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41422-5 PMID:41772042	研究论文	本文提出了一种结合混合深度学习模型与增强采样技术的入侵检测系统，旨在解决类别不平衡问题并提升检测准确性	提出了两种混合模型HACTD-Net和TRBM-Net，并集成了ADASYN-SMOTE、ENN和Borderline SMOTE-OSS等先进重采样技术，以优化少数类攻击的检测	未提及模型在实时部署中的计算效率或资源消耗限制，也未讨论在其他数据集上的泛化能力	提升网络入侵检测的准确性，特别是针对罕见攻击类型的检测	网络入侵检测系统（IDS）	机器学习	NA	深度学习	Autoencoder, CNN, Transformer, DNN, 1D-TCN, ResNet, BiGRU, Multi-Head Attention	网络流量数据	使用CICIDS2017和NF-BoT-IoT-v2数据集，具体样本数量未提及	未明确指定，可能为TensorFlow或PyTorch	HACTD-Net, TRBM-Net	准确率, 精确率, 召回率, F1分数	未提及
366	2026-04-11	Cortical alpha changes during visuospatial attention: a deep learning-enriched EEG analysis 2026-Mar-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhag026 PMID:41883020	研究论文	本研究通过结合传统alpha功率分析与基于可解释CNN的深度学习技术，探索了视觉空间注意任务中alpha频段脑活动的皮层变化	提出了一种整合传统alpha功率分析与可解释CNN深度学习的新方法，以更精确地识别视觉空间注意相关的皮层区域	未明确提及样本量或实验设计的潜在限制，如被试者多样性或任务范式的通用性	旨在阐明视觉空间注意过程中alpha频段脑活动的具体皮层区域参与	人类被试者在视觉空间注意任务中的脑电图信号	机器学习	NA	脑电图（EEG）	CNN	脑电图信号	NA	NA	可解释卷积神经网络	NA	NA
367	2026-04-11	Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708333 PMID:41867838	研究论文	本文介绍了一个名为Crop-OCT的自动化端到端图像组学流水线，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变	开发了一个完全集成的自动化流水线，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析	流水线仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证	加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测	小鼠视网膜疾病模型，包括13种遗传性视网膜病变模型	数字病理学	视网膜病变	光学相干断层扫描	深度学习	图像	超过20,000张OCT图像，涉及13种遗传模型	NA	NA	NA	NA
368	2026-04-11	Automated Segmentation and Characterization of Retinal Hyperreflective Foci in Age-Related Macular Degeneration 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.20 PMID:41860312	研究论文	本研究开发了一种名为Foci-Net的卷积神经网络，用于在光学相干断层扫描（OCT）体积中自动分割视网膜高反射灶（HRF），以预测年龄相关性黄斑变性（AMD）的进展	Foci-Net通过将U-Net的瓶颈层替换为细到粗特征提取块，改进了对小和大病灶的分割能力	研究样本量较小，仅包括61个OCT扫描，且主要基于横断面设计，缺乏纵向验证	开发自动化工具以分割和表征AMD中的视网膜高反射灶，支持其作为生物标志物的应用	年龄相关性黄斑变性（AMD）患者和健康对照者的视网膜OCT图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	61个OCT体积扫描（50个AMD眼和11个健康对照眼），来自50名参与者	NA	U-Net	F1分数, AUC, 精确度, 灵敏度, 特异性	NA
369	2026-04-11	M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40636-x PMID:41771960	研究论文	本研究提出了一种基于全血RNA测序数据的多视图多尺度动态图注意力网络（M[公式: see text]DGAT）方法，用于预测帕金森病的进展轨迹	提出了一种结合时间视图和空间视图的多视图多尺度动态图注意力网络，通过计数草图双线性融合策略整合视图，以更精细地分析神经退行性疾病	未明确提及方法在其他疾病或更大规模数据集上的泛化能力，以及计算复杂度可能较高	预测帕金森病等神经退行性疾病的进展轨迹	帕金森病患者	机器学习	帕金森病	全血RNA测序	GAT, 动态图注意力网络	RNA测序数据	PPMI和PDBP队列数据（具体样本数未提供）	NA	动态图注意力网络（DGAT）, M[公式: see text]DGAT	预测准确性	NA
370	2026-04-11	Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39196-x PMID:41771952	研究论文	本研究开发并评估了一种基于弱监督深度学习框架的大规模基准测试，用于前列腺癌的自动诊断和ISUP分级，旨在减少标注需求并确保可解释性	首次对前列腺癌诊断和分级中的弱监督多实例学习（MIL）方法进行了大规模、全面的比较，并引入了重叠小尺寸图像块以在空间分辨率和上下文信息间取得最佳平衡	研究依赖于单一数据集（PANDA），且虽然减少了标注需求，但仍需一定程度的弱监督信息	开发并评估一个用于前列腺癌自动诊断和国际泌尿病理学会（ISUP）分级的弱监督深度学习框架，以减少对标注的依赖并提高临床实用性	前列腺癌的病理学诊断和分级	数字病理学	前列腺癌	全切片图像（WSI）分析	多实例学习（MIL）	图像	PANDA数据集中的10,616张全切片图像，处理了超过3100万个组织图像块	PyTorch	CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2	准确率, 二次加权Kappa（QWK）	分布式云计算
371	2026-04-11	CSWin-MDKDNet: cross-shaped window network with multi-dimensional fusion and knowledge distillation for medical image segmentation 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40690-5 PMID:41771973	研究论文	本文提出了一种基于Transformer的医学图像分割新架构CSWin-MDKDNet，通过多维选择性融合和知识蒸馏损失提升性能	提出结合十字形窗口网络、多维选择性融合模块和知识蒸馏损失的新架构，以平衡局部细节保留和全局上下文建模	未明确说明模型在计算资源消耗或泛化到其他模态医学图像方面的局限性	提升医学图像分割的精度，解决局部细节与全局上下文平衡的挑战	医学图像分割任务	数字病理	心血管疾病	深度学习	Transformer	图像	基于Synapse（多器官CT）、ACDC（心脏MRI）和ISIC2018数据集	未明确指定	CSWin-MDKDNet	DSC	未明确指定
372	2026-04-11	Image-based detection of bolts and bolt-missing defects in multi-angle and complex background scenarios 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41036-x PMID:41771999	研究论文	本研究提出了一种基于改进YOLOv8模型的方法，用于在多角度和复杂背景场景下检测螺栓及螺栓缺失缺陷	构建了多源螺栓图像数据集，并提出了集成Swin-Transformer主干网络和新型多尺度细节增强模块（MEDM）的增强架构，专门用于提升在挑战性视觉环境下的螺栓缺失检测性能	未明确说明模型在极端遮挡或恶劣天气条件下的性能，且数据集中实验室环境图像可能无法完全代表所有真实工程场景	开发一种自动化、高精度的螺栓及螺栓缺失缺陷检测方法，以替代传统人工检测，用于工程基础设施的结构健康监测	工程基础设施（如悬索桥、钢输电塔）中的螺栓连接	计算机视觉	NA	图像增强技术、生成对抗网络（GANs）	CNN, Transformer	图像	来自三个来源的数据集：悬索桥现场采集、钢输电塔现场摄影、定制螺栓组装模型的受控实验室成像，最终在工程部署中测试了12,772组螺栓	PyTorch	YOLOv5, YOLOv8, YOLOv10, Swin-Transformer	召回率, 精确率, 平均精度均值（mAP）	NA
373	2026-04-11	Cognitive salience features enhance multitask deep learning for pragmatic reasoning across cultures 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40809-8 PMID:41772006	研究论文	本研究提出了一种基于认知显著性特征的多任务深度学习模型，用于增强跨文化语用推理能力	整合了模拟人类感知优先级的注意力机制与文化条件门控，通过动态任务加权和梯度冲突解决策略联合优化四项语用推理任务	NA	提升计算系统在跨文化语境下对隐含意义和文化特定沟通模式的理解能力	涵盖八个文化群体的多语言语料库	自然语言处理	NA	深度学习	多任务深度学习模型	文本	NA	NA	注意力机制	整体准确率, 跨文化迁移准确率	NA
374	2026-04-11	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	本文提出了一种结合3D视觉Transformer和图神经网络的统一框架，用于基于结构MRI数据自动检测重度抑郁症	开发了一个统一的流程，首次将3D视觉Transformer用于从sMRI数据中提取3D区域嵌入，并结合图神经网络进行分类，同时探索了基于图谱和基于立方体补丁的两种区域定义策略	研究依赖于特定的REST-meta-MDD数据集，方法在更广泛或不同人群中的泛化能力尚未验证，且计算复杂度可能较高	利用深度学习方法提高重度抑郁症的自动检测准确率，以辅助诊断和早期干预	重度抑郁症患者	医学影像分析	重度抑郁症	结构磁共振成像	Vision Transformer, 图神经网络	3D结构MRI图像	REST-meta-MDD数据集（具体数量未在摘要中说明）	NA	3DViT-GAT（自定义的统一框架，包含Vision Transformer和GNN）	准确率, 灵敏度, 特异性, 精确率, F1分数	NA
375	2026-04-11	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	本文提出了一种基于深度学习的劳资关系预测系统，通过融合多源数据和注意力机制实现冲突早期预警	采用基于注意力的多模态融合方法整合异构组织数据，结合MLP和LSTM模型自适应加权模态贡献，而非固定融合方案	存在12.7%的误报率，在高压力运营期间会出现系统性错误	预测工作场所冲突，防止其升级为正式纠纷或集体行动	企业劳资关系	自然语言处理	NA	多模态数据融合	MLP, LSTM	HR记录、通信日志、绩效轨迹、满意度调查、外部经济指标	跨越四个行业的十二个企业部署	NA	注意力机制多模态融合架构	预测准确率, 早期预警成功率, 误报率	NA
376	2026-04-11	A multi-task deep learning and radiomics framework for fetal anatomical structure detection and classification in ultrasound imaging 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41635-8 PMID:41772028	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
377	2026-04-11	Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42568-y PMID:41772099	研究论文	本文提出了一种轻量级卷积神经网络，用于在新西兰的边缘设备上实时检测地震P波	开发了一种专门针对边缘计算硬件优化的轻量级CNN模型，能够在资源受限的设备上实现低延迟（亚7毫秒）的实时P波检测，并展示了其对高震级事件的泛化能力	模型仅在来自新西兰强震传感器记录的数据上进行训练和测试，其在不同地质区域或噪声环境下的泛化性能有待进一步验证	为分布式地震预警网络中的低成本边缘设备开发快速、准确的地震P波检测方法	地震P波和S波	机器学习	NA	地震波形分析	CNN	波形数据（地震信号）	约89,000个由新西兰强震传感器记录的地震波形片段	NA	轻量级卷积神经网络	准确率, P波识别正确率	Raspberry Pi 5（边缘设备硬件）
378	2026-04-11	Application of LSTM-CNN in skiing action recognition under artificial intelligence technology 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42324-2 PMID:41772118	研究论文	本研究提出了一种结合视觉感知的深度学习模型，旨在提高复杂场景下自动滑雪动作识别的准确性	采用C3D-BiLSTM架构，引入显著性感知流和可学习的加权融合方法，以有效整合RGB和光流特征，并通过BiLSTM进行双向时序建模，全面捕捉动作的起始和结束状态	未明确提及模型在极端天气或更复杂背景下的泛化能力，以及计算资源需求的具体分析	提高复杂场景下自动滑雪动作识别的准确性	滑雪动作	计算机视觉	NA	深度学习，光流场	CNN, LSTM	视频	SkiTB数据集	NA	C3D, BiLSTM	精确度, 召回率, F1分数, 平均精确度	NA
379	2026-04-11	Temporal trends in myocardial ischemia risk estimated from 12-lead electrocardiograms using deep learning in individuals with suspected cancer during health checkups 2026-Mar-02, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00466-2 PMID:41772669	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
380	2026-04-11	Multi-reader evaluation of deep learning-based auto-segmentation of eloquent brain arteriovenous malformation on MRA and white matter tractography in stereotactic radiosurgery 2026-Mar-02, Radiation oncology (London, England) DOI:10.1186/s13014-026-02811-2 PMID:41772699	研究论文	本研究开发并评估了一种用于分割脑动静脉畸形（bAVM）的深度学习系统，以辅助立体定向放射外科治疗中的白质通路保护	提出了一种两阶段深度学习分割集成（TBASE）方法，结合了2D检测和3D分割模型，用于自动分割bAVM，并通过多读者评估验证了其在临床工作流中的有效性	研究样本量相对较小（191例患者），且未提及外部验证或跨中心数据测试	开发并评估一种深度学习系统，用于自动分割脑动静脉畸形，以提高立体定向放射外科治疗中白质通路的保护效果	191例接受白质纤维束成像和3D时间飞跃磁共振血管成像的脑动静脉畸形患者	数字病理学	脑血管疾病	白质纤维束成像，3D时间飞跃磁共振血管成像（TOF-MRA）	深度学习	医学影像（磁共振成像）	191例患者（153例用于训练，38例用于测试）	NA	ResNet, U-Net, 两阶段深度学习分割集成（TBASE）	Dice相似系数（DSC），豪斯多夫距离（HD），分割时间	NA