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	2026-06-07	A hybrid feature selection framework for dimensionality-optimized customer churn prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52160-z PMID:42248897	研究论文	提出一种混合特征选择框架，用于维度优化的客户流失预测	提出多阶段混合特征选择（MHFS）技术，结合互信息、递归特征消除、Boruta和并行模拟退火，实现特征维度显著降低并保持预测性能	仅使用两个电信数据集评估，可能缺乏对其他行业或场景的泛化能力验证	优化特征集以提升客户流失预测的效率和性能，降低特征维度	电信行业客户流失预测问题	机器学习	NA	混合特征选择	随机森林、XGBoost、LightGBM、SVM、Extra Trees、逻辑回归、表格神经网络	表格数据	两个电信数据集（Cell2Cell和IBM Telco），具体样本量未明确	Scikit-learn, XGBoost, LightGBM	随机森林、XGBoost、LightGBM、SVM、Extra Trees、逻辑回归、表格神经网络	准确率	NA
362	2026-06-07	Automated fruit maturity grading using deep learning with feature fusion 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54872-8 PMID:42248909	research paper	提出一种多模态深度学习框架，融合RGB图像特征与内部生化属性，实现水果成熟度自动分级	首次结合外部RGB图像特征与内部生化指标（总可溶性固形物、可滴定酸度、BrimA）进行多模态融合，并采用萤火虫群优化算法进行超参数调优	仅针对Nam Dok Mai Si Tong芒果品种进行验证，未评估其他水果或品种的泛化能力	开发一种实用、非破坏性、成本效益高的水果成熟度自动分级方法	Nam Dok Mai Si Tong (NDMST) 芒果	计算机视觉	NA	RGB成像、生化测量	深度学习	图像、数值	未明确说明样本数量，但采用80:20训练测试分割和早停验证	Keras, TensorFlow	DenseNet201, Inception-ResNetV2, EfficientNetV2	准确率	NA
363	2026-06-07	Federated autoencoder-based clinical decision framework with hybrid class balancing 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55715-2 PMID:42248934	研究论文	提出一种基于联邦自动编码器的临床决策框架，结合混合类平衡机制，在保护隐私的同时提升疾病分类性能	结合自动编码器驱动的层次特征提取与混合类平衡机制（生成式增强技术和SMOTE），在联邦学习框架中实现高精度医疗数据分类，同时抵抗对抗攻击	论文未明确说明具体实验数据集规模、疾病类型多样性和联邦客户端的通信成本细节	在保护患者数据隐私、符合GDPR和HIPAA等法规的前提下，实现高准确率的分布式医疗数据疾病分类	分布式医疗数据集中的疾病分类任务，特别关注不平衡数据集的少数类样本	机器学习	NA	联邦学习、自动编码器、SMOTE数据增强	自动编码器	医疗数据（未明确具体类型）	未明确	NA	自动编码器	准确率	未明确
364	2026-06-07	A novel-based Kolmogorov-Arnold Networks for high accuracy mapping of water and vegetation: a study of the global main rivers 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53332-7 PMID:42248949	研究论文	本研究提出基于Kolmogorov-Arnold网络的新型深度学习架构，用于全球主要河流水体与植被的高精度像素级分类	首次将具有可学习激活函数的KANs应用于遥感领域，在混合像素和边界像素分类上优于传统方法，且架构更紧凑，能有效利用有限光谱信息	在所有区域并未一致优于MLP模型	评估KANs在遥感水体与植被分类中的性能及其替代传统模型的潜力	全球九条主要河流（亚马逊河、卡伦河、恒河、密西西比河、尼罗河、莱茵河、塞纳河、阿拉伯河、长江）的水体与植被分布	机器学习	NA	Sentinel-2遥感影像	KAN (Kolmogorov-Arnold网络)和MLP（多层感知机）	图像（Sentinel-2影像）	2023年九条全球主要河流的观测数据集	NA	KAN、MLP	Kappa系数、准确率	NA
365	2026-06-07	An end-to-end deep learning framework with nonstationary weighting strategy for enhancing reservoir landslide displacement prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55915-w PMID:42248995	研究论文	提出一种带有非平稳加权策略的端到端深度学习框架，用于增强水库滑坡位移预测	提出动态权重生成器(DWG)，能学习历史窗口中每个变量和每个时间步的权重，克服传统深度学习模型采用固定滑动窗口且对所有变量和时间步赋予相同权重的局限性	NA	提高水库滑坡位移预测的准确性	水库滑坡位移	机器学习	NA	NA	CNN、LSTM、Transformer、Mamba	时间序列数据	NA	NA	CNN、LSTM、Transformer、Mamba	NA	NA
366	2026-06-07	Deep learning based on multiparametric MRI for differentiating benign from malignant PI-RADS 3 prostate lesions: a dual-center study 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56643-x PMID:42249012	研究论文	开发基于多参数MRI的深度学习模型，用于区分PI-RADS 3前列腺病变的良恶性	针对PI-RADS 3前列腺病变这一诊断难题，首次提出结合深度学习和影像组学的非侵入性模型，并在双中心数据中验证其高效性	研究为回顾性设计，样本量有限，且仅来自两个中心，可能存在选择偏倚	开发一种非侵入性工具，准确区分良恶性PI-RADS 3前列腺病变，减少不必要的活检	PI-RADS 3前列腺病变患者	医学影像,深度学习	前列腺癌	多参数磁共振成像（mpMRI）	ResNet101, 影像组学	医学影像（T2WI, DWI, ADC）	382名患者	PyTorch	ResNet101	AUC	NA
367	2026-06-07	VerbaFake, EchoFake, and PixelFake: lightweight architectures with advanced augmentation for unimodal deepfake detection 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56292-0 PMID:42249019	研究论文	本文提出一种基于多种深度学习模型的单模态深度伪造检测框架，覆盖图像、文本和音频三种模态	提出了三种轻量级自建模型（VerbaFake、EchoFake、PixelFake），并集成先进数据增强策略，实现高精度单模态深度伪造检测	未充分讨论跨模态泛化能力以及模型在真实复杂场景下的鲁棒性	开发一种轻量级、实时可用的深度伪造检测系统，提升对伪造图像、文本、音频的识别能力	深度伪造内容，包括图像、文本和音频三种模态	计算机视觉,自然语言处理,机器学习	NA	NA	CNN, 注意力机制, GRU, BiLSTM, 胶囊网络	图像, 文本, 音频	超过26,000张图像样本、20,000个音频片段和31,429条文本条目	NA	MobileNetV2, EfficientNetV2-S, PixelFake, VerbaFake, Efficient-CapsNet, Attention-based BiLSTM, Xception, DenseNet201, EchoFake	准确率	NA
368	2026-06-07	Enhanced vertebrae localization in CT volumes: a two-stage deep learning framework 2026-Jun-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02455-4 PMID:42249287	研究论文	提出一种两阶段深度学习框架，用于增强CT体积中椎骨定位的精确性	首次结合改进的挤压激励V-Net（ISE-VNet）进行粗分割与3D空间广义微分空间到数值变换（DSNT）模块实现精确定位	未提及具体计算资源或大规模临床验证	解决CT体积中椎骨定位面临的空间跨度大和形态高度相似等挑战	CT扫描中的椎骨	计算机视觉	脊柱疾病	CT	CNN	三维医学图像	未在摘要中明确说明	NA	改进的挤压激励V-Net（ISE-VNet）、三维空间广义微分空间到数值变换（DSNT）模块	识别率、定位误差	未在摘要中提供
369	2026-06-07	A MOOC-based and high-fidelity surgical simulation-integrated clinical internship mode in optometry teaching for ophthalmology graduate students 2026-Jun-05, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09610-z PMID:42249367	研究论文	针对眼科研究生在视光学理论与临床实践结合上的困难，开发并评估了结合大规模开放在线课程（MOOC）与数字孪生支持的高保真手术模拟（HFS）的混合临床实习模式	首次提出并验证了“理论→模拟→实践”三段式混合教学模式，将MOOC的灵活性与HFS的逼真性有效协同，重新定义了教师角色并构建了能力导向的框架	需进一步开展多中心、长期研究以确认泛化性	优化视光学临床教育，提升研究生理论联系实践的能力及教学满意度	54名眼科研究生和16名受过培训的教师	数字化病理	NA	数字孪生、高保真手术模拟（HFS）	NA	问卷数据（包括课程体验问卷、学习过程问卷、教师满意度问卷）、考试成绩	54名研究生（实验组27人，对照组27人），16名教师	NA	NA	t检验、非参数检验	NA
370	2026-06-07	Deep Learning Inverse Design of Phase-Change Reconfigurable Terahertz Metadevices for Multidimensional Secure Communication 2026-Jun-05, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73630 PMID:42249641	研究论文	提出了一种基于深度学习的逆向设计框架，用于创建动态可重构的太赫兹超构器件，实现多维安全通信	利用残差神经网络将目标电磁响应直接映射到器件几何结构，消除传统迭代设计瓶颈，实现快速高精度生成多样化超构架构，并实现八通道加密全息和双密钥安全协议下的通用逻辑操作	NA	设计用于6G网络物理层安全通信的可重构太赫兹超构器件	太赫兹超构器件中的相变材料（GeSbTe，GST）及其电磁响应	机器学习	NA	太赫兹波技术	残差神经网络（ResNet）	电磁响应数据	NA	NA	残差神经网络	串扰水平、近衍射极限保真度	NA
371	2026-06-07	Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis 2026-Jun-04, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110339 PMID:42248000	研究论文	通过街景图像评估绿色空间暴露与死亡率的关联，研究对象为多种族动脉粥样硬化研究参与者	首次量化不同类型绿色空间（如树木、草地、其他绿色植被）对死亡率的差异影响，并探讨种族和社会经济因素的调节作用	未分析树木覆盖率的关联；仅使用街景图像可能无法全面捕捉绿色空间暴露；研究人群为特定队列，结果外推性受限	评估不同类型绿色空间暴露与全因死亡率风险的关联	多种族动脉粥样硬化研究（MESA）中的6795名参与者	机器学习	心血管疾病	NA	Cox比例风险模型	图像（街景图像）和表格数据	6748名参与者，总计973,608人年	NA	深度学习算法（用于图像分割，未具体说明架构类型）	风险比（HR），95%置信区间	NA
372	2026-06-07	PMB-NN: Physiology-centered hybrid AI for personalized hemodynamic monitoring from photoplethysmography 2026-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109479 PMID:42248129	研究论文	提出一种基于生理模型与深度学习混合的PMB-NN方法，用于从光电容积描记信号个性化监测血流动力学参数	将深度学习和基于Windkessel的2元件生理模型统一为混合AI框架，以R和C参数作为物理约束，实现血压和血流动力学参数的可解释估计	在自主神经挑战下数值误差增加，且舒张压性能低于纯深度学习模型	开发一种生理可解释的混合AI方法，用于个性化无创血压和血流动力学监测	光电容积描记信号和人口统计信息	机器学习	心血管疾病	光电容积描记法	神经网络	时序数据	10名健康年轻成人（初级队列）和37名年龄18-88岁的多样化队列	NA	生理模型基神经网络	中位数平均绝对误差，生理合理性相关性，参数估计保真度	NA
373	2026-06-07	Multimodal neuroimaging-based deep learning framework for pattern analysis and early prediction of neurodegenerative diseases 2026-Jun-04, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.06.005 PMID:42248234	研究论文	提出一种结合CNN与优化时空双向门控LSTM的混合深度学习框架，用于神经退行性疾病的多模态神经影像模式分析与早期预测	首次将优化时空双向门控LSTM（O‑SBGC‑LSTM）与CNN结合，有效捕获多模态临床数据中的复杂时空模式	未来需扩展到更大规模的多中心数据集并探索实时临床部署	实现神经退行性疾病的早期准确检测	轻度认知障碍、阿尔茨海默病及认知正常受试者	计算机视觉, 机器学习	阿尔茨海默病, 神经退行性疾病	多模态神经影像	CNN, LSTM	影像	1000个多模态样本	NA	优化时空双向门控LSTM (O‑SBGC‑LSTM)	准确率, 精确率, 召回率, F1分数	NA
374	2026-06-07	Image-based high-throughput phenotyping enables genetic analyses of pod morphological traits in mungbean (Vigna radiata (L.) R. Wilczek) 2026-Jun-03, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag106 PMID:42048549	研究论文	利用基于图像的深度学习表型分析对绿豆荚果形态性状进行遗传剖析	首次将图像分析高通量表型与全基因组关联研究(GWAS)和基因组预测相结合，揭示绿豆荚果性状的遗传基础，并证明基于图像的表型在复杂形状性状上比手动测量有高达22%的精度提升	研究中未提及光照条件、图像分辨率等环境因素对表型提取稳定性的影响，且仅基于两年数据，可能未完全覆盖环境变异	开发并验证基于图像的深度学习表型方法，用于绿豆荚果形态性状的遗传分析和基因组预测	爱荷华绿豆多样性(IMD)群体的372个基因型，共2,418张荚果图像	数字病理学、机器学习	不适用	深度学习图像分析、全基因组关联研究(GWAS)、基因组预测	深度学习模型（具体架构未明确说明）	图像（荚果图像）和基因组数据	372个基因型，2,418张图像	NA	NA（论文未指定具体架构名称）	皮尔逊相关系数(r)、基因组预测准确度	NA
375	2026-06-07	Multi-omics and artificial intelligence for precision drug discovery and potential clinical applications 2026-Jun-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02631-6 PMID:42230553	综述	综述了多组学技术与人工智能在精准药物发现及潜在临床应用中的整合应用	系统阐述了多组学与AI融合在药物研发全流程中的变革性作用，包括靶点识别、药物重定位和从头化合物发现，并强调其在肿瘤、神经退行性疾病和心血管疾病中的应用前景	多组学数据整合、结果可重复性保证及算法偏倚缓解等挑战仍待解决	探讨多组学与AI结合在药物发现和临床转化中的潜力与应用框架	多组学数据（基因组、转录组、蛋白质组、代谢组）与AI方法在药物研发中的应用	机器学习, 数字病理学	肿瘤, 神经退行性疾病, 心血管疾病	全基因组关联分析, 转录组测序, 蛋白质组互作图谱, 代谢组测序	深度学习架构	组学数据	NA	NA	NA	NA	NA
376	2026-06-07	A Hybrid Deep Learning Framework with Supervised Contrastive Learning for Robust Seizure Detection in Long-Term EEG 2026-Jun-03, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02395-0 PMID:42234066	研究论文	提出一种名为CNN-SwT的混合深度学习框架，结合CNN和Swin Transformer，并采用监督对比学习，用于长程脑电图中的鲁棒性癫痫发作检测	结合CNN和Swin Transformer捕获脑电图时空局部特征与全局依赖关系，用监督对比学习替代传统交叉熵损失以处理极端数据不平衡问题	NA	实现长程脑电图中癫痫发作的自动、准确和鲁棒检测	癫痫发作检测中的脑电图信号	机器学习	癫痫	EEG	CNN, Swin Transformer	脑电图信号	CHB-MIT公开数据库和SH-SDU数据库，具体样本数未提及	PyTorch	CNN, Swin Transformer	事件级灵敏度，假阳性率	NA
377	2026-06-07	Contrastive adapter training and consensus knowledge distillation for multi-source-free domain adaptation in skin cancer diagnosis 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103465 PMID:42247734	研究论文	提出对比适配器训练与共识知识蒸馏方法，用于多源无源域自适应的皮肤癌诊断	在冻结的ViT骨干中引入轻量级ConvPass适配器，通过监督对比学习建立共享域不变特征空间，并使用共识知识蒸馏聚合多源模型logits作为监督信号，避免灾难性遗忘和过拟合	未提及在数据集大小极度不平衡或罕见病变类型上的性能，且仅基于公开皮肤病变数据集验证	解决多源无监督域适应中源数据不可访问时的域偏移问题，提升皮肤癌诊断的隐私保护性	皮肤病变图像，包括黑色素瘤和良性痣	数字病理学	皮肤癌	无明确技术（基于图像处理）	ViT	图像	五个公开皮肤病变数据集	PyTorch	ViT, ConvPass适配器	AUROC	NA
378	2026-06-07	Whitening black boxes: Interpretable and explainable DL-based systems for trustworthy healthcare 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103458 PMID:42247733	综述	本文对用于医学图像分类的可解释人工智能方法进行了分类综述，分析了不同解释技术的优缺点及其在医疗环境中的影响	提出了基于反向传播、扰动、注意力和概念四种类别的XAI方法分类法，并系统评估了分类器类型对解释技术选择的影响	仅涵盖2020年1月至2025年7月间Scopus和Google Scholar收录的论文，且专注于图像分类领域，未涉及其他医学数据类型或任务	综述可解释人工智能方法在医疗图像分类中的应用，推动透明且临床可靠的深度学习系统发展	2019-2024年间发表的69篇关于可解释人工智能与医学图像分类的论文	数字病理学	NA	NA	深度学习模型	医学图像	69篇相关论文	NA	NA	NA	NA
379	2026-06-07	Artificial intelligence in predicting anesthetic complications: current techniques, clinical applications, and limitations 2026-Jun-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106527 PMID:42248065	综述	本文系统综述了人工智能在预测麻醉并发症中的应用，涵盖技术方法、临床挑战及未来方向	首次系统梳理AI在麻醉各阶段（术前、术中、术后）的应用进展，并提出P4医学框架下的决策支持工具定位	未涉及实际临床部署效果评估，缺乏跨机构验证数据，未解决算法偏见与数据可靠性等关键问题	评估AI在预测麻醉并发症中的技术应用与临床价值，探讨实施障碍及伦理考量	82项相关研究，涵盖机器学习、深度学习、自然语言处理、计算机视觉等AI技术	计算机视觉, 自然语言处理, 机器学习	麻醉并发症（术中低血压、呼吸衰竭、术后恶心呕吐、疼痛控制）	机器学习（随机森林、支持向量机）、深度学习、自然语言处理、计算机视觉、贝叶斯模型、模糊逻辑	随机森林, 支持向量机, 深度学习模型	文本（医学记录）、图像（术中监测影像）、时间序列（生理信号）	82项系统检索的研究	NA	NA	AUC（0.85-0.94 vs 传统方法0.76-0.88），阿片类药物使用减少率（15-35%）	NA
380	2026-06-07	Heritability of the olfactory bulb and its associated brain network 2026-Jun-02, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122021 PMID:42235655	研究论文	通过深度学习分割和机器学习方法，研究了嗅觉球体积及其相关脑网络结构的遗传度	首次在大型双胞胎样本中结合深度学习分割和机器学习分类，系统评估嗅觉球及其相关脑网络的遗传贡献，发现网络水平遗传效应强于单一结构	样本仅限于健康年轻成人，无法推广到其他年龄段或疾病人群；未直接测量基因型，基于双胞胎设计推断遗传度	探究嗅觉球体积及其在全脑网络中的整合程度受遗传因素影响的程度	健康年轻成人双胞胎（单卵和双卵）的嗅觉球和嗅觉相关脑区	机器学习，数字病理学	神经退行性疾病，精神疾病	NA	支持向量机	脑部MRI图像	941名健康成人（年龄22-35岁），包括单卵和双卵双胞胎	PyTorch, Scikit-learn	深度学习分割模型（未指定具体架构）	准确率	NA