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
4141	2026-06-19	A lightweight CNN-transformer hybrid architecture with channel attention for real-time hazardous acoustic event detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1824067 PMID:42311228	研究论文	提出一种轻量级CNN-Transformer混合架构，用于实时危险声学事件检测	融合通道注意力机制的轻量级CNN架构，实现资源受限环境下的高效危险声音分类	未提及其他噪声环境下的泛化性能或模型局限性	设计适用于边缘部署的实时危险声音检测轻量级深度学习模型	基于音频的危险声学信号（哭泣、狗叫、警报、爆炸、火灾、玻璃破碎、尖叫、武器相关声音等8类）	机器学习和计算机视觉（音频分类）	不适用	音频频谱图处理	CNN-Transformer混合架构	音频（对数梅尔频谱图）	8类危险声学数据，每类1000个音频样本，总计8000样本	NA	TinyCNN（增强通道注意力的轻量级CNN主干网络）	准确率、精确率、召回率、F1分数	适用于边缘端部署，具体资源未提及
4142	2026-06-19	An integrated evolution-aware meta-learning framework with adversarial morphological augmentation for zero-day threat detections 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1814012 PMID:42311231	研究论文	提出一种集成了进化感知元学习与对抗形态增强的零日威胁检测框架M3-GAZE	将威胁检测形式化为进化推理问题，通过潜在形态谱提取、对抗进化生成对抗网络、元适应框架、不确定性校准层和因果进化图合成器五个创新组件实现零日攻击的高效检测	未明确说明局限性，可能包括对复杂实时环境的适应性、计算资源需求或模型可解释性验证的不足	克服传统威胁检测框架对静态模式匹配的依赖，提升对零日攻击的检测能力	零日威胁和进化攻击行为	机器学习	NA	生成对抗网络（GAN）	生成对抗网络、元学习模型	威胁检测数据（包括网络流量、系统日志等形态数据）	不详（基于进化任务生成合成样本，可能涉及小样本场景）	PyTorch	对抗进化生成对抗网络（AE-GAN）、元适应框架（MAFTI）	零日召回率、少样本适应性、不确定性校准、假阴性率	NA
4143	2026-06-19	Leveraging deep learning and explainable AI for effective liver tumor classification from CT scan images 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1836325 PMID:42311265	研究论文	提出一种基于深度学习和可解释人工智能的肝肿瘤CT影像分类框架	将可解释AI与多种深度学习模型（ResNet50-v2、EfficientNetV2、Inception-v3、Vision Transformer ViT-16）结合，提升临床可信度	未提及	实现非侵入性肝肿瘤自动分类并增强模型可解释性	CT扫描图像中的肝肿瘤	计算机视觉	肝癌	深度学习、可解释AI	CNN、Transformer	图像	未提及	NA	ResNet50-v2， EfficientNetV2， Inception-v3， Vision Transformer ViT-16	准确率	NA
4144	2026-06-19	Automated HER2 Scoring with Uncertainty Quantification Using Lensfree Holography and Deep Learning 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0278 PMID:42311971	研究论文	利用无透镜全息术与深度学习开发自动化HER2评分系统	集成无透镜全息术与贝叶斯蒙特卡洛dropout不确定性量化，实现低成本、高通量的自动化HER2评分	未提及具体局限性	开发用于乳腺癌HER2评分的自动化系统	免疫组化染色的乳腺癌组织切片	数字病理学	乳腺癌	无透镜全息术	卷积神经网络	图像	412个独特组织样本	NA	贝叶斯蒙特卡洛dropout	准确率（4类84.9%，二分类94.8%）、不确定性量化	NA
4145	2026-06-19	Large language model assisted decision support framework for uncertainty aware detection and management of tomato lateral shoots 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1853269 PMID:42312082	研究论文	提出一种集成深度学习感知与大语言模型的番茄侧枝检测与修剪决策支持框架	首次将YOLOv8n实例分割模型与CBAM注意力机制、蒙特卡洛Dropout不确定性估计及大语言模型推理结合，构建端到端的番茄侧枝不确定性感知修剪决策管道	未提及在真实温室环境中与人工修剪的对比实验，且大语言模型仅提供决策辅助而非直接控制执行	开发一种可靠的番茄侧枝检测与修剪决策支持系统，解决温室复杂光照、叶片遮挡和形态变异导致的检测可靠性问题	温室环境下的番茄侧枝	计算机视觉，自然语言处理	NA	RGB成像，深度学习，大语言模型	深度学习模型，大语言模型	图像	番茄侧枝RGB图像数据集	PyTorch	YOLOv8n-seg, CBAM, Monte Carlo Dropout, LLM	mAP, 参数量, 平均推理时间	NA
4146	2026-06-19	Deep Learning for Brain Tumour Analysis: A Systematic Review of CNN-Transformer Hybrids in Multimodal Imaging 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/4763936 PMID:42312286	论文综述	系统综述和荟萃分析评估CNN-Transformer混合架构在脑肿瘤检测中的应用，重点关注局部与全局特征学习的整合、诊断准确性和计算效率	提出了CNN-Transformer混合架构的三种集成范式（顺序、并行、分层），并通过标准化GigaFLOPs计算效率，系统比较了不同架构的诊断准确率和计算开销	存在发表偏倚（Egger检验p=0.043），亚组分析因样本量不足（每组少于10篇）而无法进行正式荟萃分析，混合模型在低级别胶质瘤中准确率从94.6%降至88.3%，对高斯噪声的敏感性是CNN模型的2.3倍	评估CNN-Transformer混合架构在脑肿瘤检测中的诊断准确性和计算效率，并分析GANs和多模态影像融合的作用	脑肿瘤检测方法（包括CNN-only、Transformer-only和CNN-Transformer混合模型）	计算机视觉	脑肿瘤	医学影像（MRI、PET等）	CNN-Transformer混合模型	医学影像	94篇符合纳入标准的研究	未明确提及	CNN, Transformer, CNN-Transformer混合架构	诊断准确率, 计算效率（GigaFLOPs）, 推理时间	基于BraTS基准（240×240×155体素）标准化的GigaFLOPs计算
4147	2026-06-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-12-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	提出一种基于深度学习与计算机视觉的自主视网膜静脉穿刺工作流程，并在离体猪眼上验证其效果	利用深度学习预测针头运动方向及识别接触与穿刺事件，结合两台稳手眼机器人实现自主手术操作，在动态眼动条件下仍保持高成功率	仅在离体猪眼上测试，且模拟的眼动可能无法完全代表真实临床中呼吸等复合因素对眼球运动的影响	实现视网膜静脉穿刺关键步骤的自主化，提升手术精准性与可靠性	离体猪眼及其模拟呼吸运动的动态模型	计算机视觉, 机器人控制	视网膜静脉阻塞	术中光学相干断层扫描	卷积神经网络	图像	20只离体猪眼用于静态实验，6只用于动态模拟眼动实验	PyTorch	CNN	成功率	NA
4148	2026-06-19	NeuroFusionNet: a hybrid EEG feature fusion framework for accurate and explainable Alzheimer's Disease detection 2025-12-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28070-x PMID:41398345	研究论文	提出NeuroFusionNet混合深度学习框架，融合手工特征与1D-CNN时序特征，用于基于脑电图（EEG）的阿尔茨海默病准确且可解释检测	首次将手工特征与1D-CNN潜在时间嵌入特征融合，并结合Pearson相关系数、粒子群优化（PSO）进行特征选择，主成分分析（PCA）降维及SMOTE类别平衡，同时使用SHAP和Grad-CAM实现模型解释性	仅基于三个公开EEG数据集验证，未涉及真实临床多中心数据；模型在低资源场景下的泛化能力需要进一步评估	开发一种准确、可解释且高效的基于EEG的阿尔茨海默病检测方法，实现早期诊断并支持临床部署	阿尔茨海默病及相关痴呆症患者，通过EEG信号进行二分类检测	机器学习	阿尔茨海默病	脑电图（EEG）	混合深度学习框架（1D-CNN + 深度神经网络）	EEG时间序列信号	三个公开数据集：OpenNeuro ds004504（闭眼）、OpenNeuro ds006036（睁眼）及独立OSF数据集，具体样本数未在摘要中明确	NA	1D-CNN、五层深度神经网络	准确率（94.27%）、宏F1分数（0.94）、标准差（SD<0.3%）、推理时间（6.5ms每样本）、模型参数（0.94M）、内存占用（4.1MB）	无需GPU支持，可在标准临床CPU上实时部署
4149	2026-06-19	Automatic specific absorption rate (SAR) prediction for hyperthermia treatment planning using deep learning method 2025-12, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2025.2554860 PMID:40922671	research paper	提出一种基于深度学习的快速准确比吸收率预测方法，用于支撑脑癌患者热疗计划制定	采用编码器-解码器神经网络结合交叉注意力块，首次实现从脑电特性、肿瘤坐标和天线相位快速预测比吸收率分布，将计算时间从10分钟缩短至4秒	NA	实现实时热疗计划中比吸收率分布的快速准确预测，支持自适应治疗策略	人体头部模型中的比吸收率分布	machine learning	brain cancer	NA	encoder-decoder neural network	simulation data	201个仿真样本，其中20个用于测试	NA	encoder-decoder with cross-attention blocks	root-mean-squared error, mean absolute error, structural similarity index	NA
4150	2026-06-19	Deep domain adaptation eliminates costly data required for task-agnostic wearable robotic control 2025-11-19, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.ads8652 PMID:41259448	研究论文	提出一种深度域自适应框架，通过生物力学模型的模拟传感器克服可穿戴机器人控制中的数据稀缺问题	利用模拟传感器作为过渡域，将易获取数据转化为数据稀缺域的有效数据，实现无标签或无设备特定数据下的任务无关可穿戴机器人控制	无法从摘要中提取明确限制，可能包括对模拟传感器精度的依赖及泛化能力的潜在限制	解决可穿戴机器人控制中数据驱动的个性化需求与高质量设备特定数据获取困难之间的矛盾	髋/膝外骨骼及其控制力矩估计器	机器学习	NA	深度域自适应	深度域自适应网络	模拟传感器数据、开放数据集、未标记外骨骼数据	8名参与者（外骨骼实时控制部署）	PyTorch	深度域自适应网络	误差（Nm/kg）、代谢成本降低百分比	NA
4151	2026-06-19	How Can Clinicians Leverage Vibe Coding for Machine Learning and Deep Learning Research? 2025-10, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2025.2675 PMID:41208262	综述	探讨临床医生如何利用‘氛围编码’工具和方法进行机器学习和深度学习研究	提出‘氛围编码’概念，定义其工作流程，分类现有工具，并通过实例展示其降低编程门槛的潜力	未提供定量比较不同工具的性能或验证其在复杂医学任务中的有效性	帮助缺乏编程技能的临床医生开展机器学习和深度学习研究	机器学习和深度学习研究中的‘氛围编码’工具及应用	人工智能与医学	NA	NA	NA	文本、代码	NA	TensorFlow, PyTorch, Keras, Scikit-learn	NA	NA	NA
4152	2026-06-19	Street view images help to reveal the impact of noisy environments on the survival duration of stroke patients 2025-09-26, International journal of health geographics IF:3.0Q2 DOI:10.1186/s12942-025-00416-8 PMID:41013534	研究论文	利用街景图像和深度学习模型揭示噪声环境对脑卒中患者生存期的影响	首次使用街景图像结合多模态深度学习模型评估住宅噪声水平，并探讨噪声对脑卒中死亡率的年龄组和社会经济差异	未提及研究局限	研究道路交通噪声对脑卒中患者死亡率的年龄组和社会经济差异影响	辽宁省阜新市2011-2019年间住院的36240名脑卒中患者	机器学习	脑卒中	NA	多模态深度学习模型	街景图像	36240名脑卒中住院患者	NA	多模态深度学习模型	风险比（HR）、95%置信区间（CI）、p值、人口归因分数	NA
4153	2026-06-19	3D Deep Learning for Virtual Orbital Defect Reconstruction: A Precise and Automated Approach 2025-09-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011143 PMID:39960444	研究论文	提出一种改进的3D U-Net+++架构用于虚拟眼眶缺损重建，实现高精度和自动化	首次采用改进的3D U-Net+++架构处理涉及中线两侧的眼眶缺损，克服传统镜像技术的局限性，并实现完全自动化	仅基于CT扫描数据，未涉及其他影像模态；临床验证样本量较小（仅15例）	开发精确自动化的虚拟眼眶缺损重建方法以辅助术前规划	眼眶缺损（包括合成缺损和临床骨折病例）的虚拟重建	计算机视觉	眼眶骨折	CT扫描	3D U-Net+++	图像（CT扫描）	300个合成缺损（来自颅骨螺旋CT扫描）和15例临床眼眶骨折病例	NA	3D U-Net+++	Hausdorff距离（HD95）、平均对称表面距离（ASSD）、表面Dice相似系数（Surface DSC）、峰值信噪比（PSNR）、结构相似性指数（SSIM）、5点Likert量表评分	NA
4154	2026-06-19	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.31.668042 PMID:40766544	研究论文	探讨发现RNA经典碱基配对规则所需的最小条件，发现使用仅含21个参数的随机上下文无关文法模型，结合自动微分和随机梯度下降，仅需少量RNA序列即可学习配对规则	证明发现RNA碱基配对规则无需大规模语言模型或大量参数，仅需极简的概率模型和少量无结构、无比对的序列数据即可实现	未指定	探究识别RNA经典碱基配对规则所需的最小计算和参数条件，质疑高参数深度学习模型的必要性	RNA序列中的范德沃森–克里克–富兰克林碱基配对规则（A:U, G:C）和摆动配对（G:U）	自然语言处理，机器学习	NA	随机上下文无关文法（SCFG），自动微分，随机梯度下降	随机上下文无关文法（SCFG）	RNA序列	最少50条RNA序列（训练集）	自动微分框架（未指定具体框架，如TensorFlow或PyTorch），随机梯度下降	随机上下文无关文法（SCFG）	损失函数（未指定具体指标）	未指定
4155	2026-06-19	Artificial Intelligence in Pediatric Endocrinology 2025-08, Advances in pediatrics DOI:10.1016/j.yapd.2024.12.003 PMID:40582750	综述	本文探讨人工智能在儿科内分泌学中的应用，包括机器学习、深度学习、自然语言处理等技术，并强调人机协作模式以提升医疗安全和质量	系统性地综述了人工智能在儿科内分泌领域的多种技术应用，并突出‘人在回路中’的人机协作理念	未具体讨论不同AI技术的实施障碍或临床验证结果	分析人工智能在儿科内分泌学中的潜在应用及其对人机协作的依赖	儿科内分泌学领域的AI技术（机器学习、深度学习等）	机器学习	儿科内分泌疾病	NA	NA	NA	NA	NA	NA	NA	NA
4156	2026-06-19	Leveraging FastViT based knowledge distillation with EfficientNet-B0 for diabetic retinopathy severity classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100325 PMID:40588035	研究论文	提出一种基于FastViT知识蒸馏与EfficientNet-B0的糖尿病视网膜病变严重程度分类方法	创新性地利用FastViT-MA26作为教师模型、EfficientNet-B0作为学生模型的Transformer知识蒸馏框架，在保持轻量级架构的同时实现了高分类准确率	未提及	开发高效且准确的深度学习模型，用于糖尿病视网膜病变严重程度的自动化诊断	APTOS失明检测数据集中的3662张DR眼底图像	计算机视觉	糖尿病视网膜病变	知识蒸馏	CNN, Transformer	图像	3662张眼底图像	PyTorch	FastViT-MA26, EfficientNet-B0, HGNet, ResNet50, MobileNetV3, DeiT	准确率, 精确率, 召回率, F1分数, Cohen's Kappa系数, 加权Kappa系数, Matthews相关系数, AUC	NA
4157	2026-06-19	From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction 2025-07, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2025.03.004 PMID:40147701	综述	探讨从经典方法到人工智能用于胰腺导管腺癌风险分层和预测的演变	系统比较了经典流行病学方法与人工智能驱动方法在PDAC风险分层中的应用，并整合了遗传学、影像组学及深度学习模型	数据稀缺、模型可解释性不足及外部验证困难等临床转化挑战	评估并展望结合经典方法和AI技术开发可扩展、个性化的PDAC预测工具，以改善早期检测和患者预后	胰腺导管腺癌的风险分层与预测方法	机器学习	胰腺癌	基因组关联研究、多基因风险评分、影像组学	机器学习、深度学习	遗传数据、临床数据、生活方式数据、影像数据	不适用	不适用	不适用	不适用	不适用
4158	2026-06-19	Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Tea Identification 2025-Jun-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06651 PMID:40207593	研究论文	开发了一种结合多重电化学指纹图谱技术与一维卷积神经网络的方法，用于快速精确检测三种茶多酚并区分24种不同种类的中国茶	受大兴机场启发的激光雕刻传感器阵列结合一维卷积神经网络算法，实现复杂基质中结构相似天然物质的选择性鉴别，显著提升预测准确性	未提及	提高农产品（特别是茶叶）中天然成分的鉴定和认证效率与准确性	三种茶多酚、六种中国茶系列及24种茶叶品种	机器学习	NA	电化学指纹图谱技术、一维卷积神经网络	1D-CNN	电化学指纹数据	24种中国茶样本	NA	1D-CNN	准确率	NA
4159	2026-06-19	The role of artificial intelligence in occupational health in radiation exposure: a scoping review of the literature 2025-05-16, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-025-01186-3 PMID:40380224	综述	系统回顾了人工智能在职业辐射暴露评估、监测、控制和防护中的应用现状	首次按照PRISMA指南系统梳理AI在职业辐射暴露管理中的三大应用类别（监督评估、检测监测、防护控制）	缺乏高质量训练数据、复杂AI算法可解释性不足、与安全标准契合度待验证、现有系统集成困难、跨学科专业知识匮乏	评估人工智能在职业辐射暴露管理中的应用潜力与现有挑战	职业辐射暴露场景下的AI工具（专家系统、机器学习、深度学习等）	机器学习	NA	NA	专家系统、机器学习、深度学习	文献文本	59篇合格文献	NA	NA	NA	NA
4160	2026-06-19	Injury degree appraisal of large language model based on retrieval-augmented generation and deep learning 2025 May-Jun, International journal of law and psychiatry IF:1.4Q3 DOI:10.1016/j.ijlp.2025.102070 PMID:39970564	研究论文	提出一种结合检索增强生成、图知识库和深度学习的创新方法，提升大语言模型在法医损伤程度鉴定任务中的表现	首次将检索增强生成与图知识库和深度学习相结合，针对中国《人体损伤程度鉴定标准》实现法医损伤鉴定，并展现出良好的跨领域迁移能力	未提及	提升大语言模型在法医损伤鉴定等专业领域的应用性能	法医损伤鉴定案例数据集和九种主流大语言模型	自然语言处理	法医损伤	NA	RoBERTa-CNN	文本	26,199个真实损伤鉴定案例	PyTorch	RoBERTa, CNN	准确率	NA