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
401	2026-05-15	Prediction of premature rupture of fetal membranes using deep learning in East China 2026-04-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48769-9 PMID:41974933	研究论文	利用深度学习预测华东地区胎膜早破的发生风险	首次将深度学习与大语言模型DeepSeek结合用于预测胎膜早破，并整合了空气污染及气象条件等环境因素	预测准确率提升的同时伴随假阳性病例增加，需要解决准确性与误报率之间的矛盾	通过临床及环境数据预测胎膜早破，辅助制定个性化治疗方案并优化医疗资源配置	20,392对母婴（母亲与足月新生儿）	机器学习	胎膜早破（产科疾病）	空气污染与气象条件估计	深度学习模型	临床病历数据、环境暴露数据	20,392对母婴	NA	NA	预测准确率、假阳性率	NA
402	2026-05-15	Deep learning enable precision authentication of seasonal and processing signatures in tieguanyin tea 2026-Apr-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-026-00837-0 PMID:41963366	research paper	提出一种深度学习框架，将液相色谱-质谱代谢组学数据转换为图像表示，实现对铁观音茶叶产品的精准认证	首次将深度学习与代谢组学图像转换结合，用于茶叶真伪认证，并在色谱漂移条件下保持较高准确性	样本量较小（274个样本），仅涵盖两种季节和两种加工方法，可能限制模型的泛化能力	解决高端食品市场中茶叶产品认证的挑战，提供一种鲁棒且可推广的解决方案	铁观音茶叶样本，包括不同季节（春季和秋季）和加工方法（轻火和重火）的产品	machine learning	NA	LC-MS	CNN	image	274个铁观音茶叶样本	PyTorch	NA	accuracy, 95% confidence interval	NA
403	2026-05-15	The effect of glenoid rotational malalignment on best-fit circles based on AI-generated mathematically true glenoid en face views 2026-Apr-09, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2026.03.024 PMID:41966471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
404	2026-05-15	Automatic lateral ventricle and choroid plexus segmentation method in infant brain MR images 2026-Apr-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02335-x PMID:41933296	研究论文	提出一种在婴儿脑MR图像中自动分割侧脑室和脉络丛的全自动深度学习方法	引入解剖学感知损失函数，显式施加脉络丛包含在侧脑室内的拓扑约束	未提及计算资源需求及方法在更大规模数据集上的泛化能力	实现婴儿脑MRI中侧脑室和脉络丛的准确分割以支持早期神经发育研究	婴儿脑MR图像中的侧脑室和脉络丛	计算机视觉	NA	T1加权MRI	深度学习	图像	Baby Connectome Project数据集154例，内部回顾性数据集52例	PyTorch	U-Net	Dice系数, 95% Hausdorff距离, 平均对称表面距离	NA
405	2026-05-15	How to analyze visual data using zero-shot learning: An overview and tutorial 2026-Apr, Psychological methods IF:7.6Q1 DOI:10.1037/met0000801 PMID:41182696	教程	该文章提供了一个关于如何使用零样本学习分析图像数据的概述和分步指南	本文为非技术背景的心理学研究者提供了零样本学习的实用教程，展示如何使用预训练模型（CLIP和LLaVA）分析图像数据，并提供了开放代码和数据	讨论了该方法的未来挑战和局限性，但未深入探讨模型在不同数据集上的泛化能力和伦理问题	为心理学研究者提供一个无需额外训练即可分析图像数据的零样本学习方法和教程	图像中的饮料识别，包括饮料类型、场景设置和饮料在图像中的位置（前景、中景、背景）	计算机视觉	NA	零样本学习	CLIP, LLaVA	图像	NA	PyTorch	CLIP, LLaVA	准确率	Google Colab
406	2026-05-15	Quantitative CT Measurements of Interstitial Lung Disease: Same-Day Variability Between Two Vendors-A Prospective Study 2026-04, AJR. American journal of roentgenology DOI:10.2214/AJR.25.34057 PMID:41474222	研究论文	评估不同厂商CT设备在同一天内间质性肺疾病定量CT测量的变异性	前瞻性地评估了两家不同厂商CT扫描仪在同一天内对间质性肺疾病纤维化程度的QCT测量变异性，并通过多种重建核组合比较了差异	样本量较小（48人），且仅包括两厂商设备，未能覆盖所有制造商	评估不同厂商CT设备在同一天内对ILD患者纤维化程度的QCT测量变异性	间质性肺疾病患者	计算机视觉	间质性肺疾病	CT成像	深度学习	图像	48名参与者（43男5女，平均年龄67.8±5.2岁）	NA	NA	一致性相关系数	NA
407	2026-05-15	Multi-class classification of autoimmune skin disease by efficient localization of overlapped lesion boundaries using SAM 2026-Apr, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2026.2663042 PMID:42013205	研究论文	提出一种利用SAM分割病灶边界并结合ResNet50与可变形注意力转换器的混合深度学习模型，用于多类别自身免疫性皮肤病的分类	使用Segment Anything Model智能分离病变区域，结合可变形注意力转换器与对比学习和焦点损失函数，提升对视觉相似条件的特征区分能力，并融入可解释性与不确定性估计	数据集规模有限，且仅依赖图像数据，未来需纳入多模态临床信息	实现自身免疫性皮肤病的高效多类别分类并提供可靠的可解释预测	自身免疫性皮肤病灶区域的图像	数字病理学	自身免疫性皮肤病	深度学习，图像分割	混合深度学习模型	图像	人类皮肤病数据集，具体数量未提及	PyTorch	ResNet50, 可变形注意力转换器, SAM	准确率	NA
408	2026-05-15	TCMNet: an AI-driven strategy for optimizing traditional Chinese medicine 2026-Mar-31, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-026-01360-w PMID:41918015	研究论文	提出了一种名为TCMNet的AI驱动策略，用于优化传统中药配方评估和活性化合物识别	创新性地将大语言模型（LLM）辅助的疾病知识挖掘、加权蛋白质互作网络与深度学习结合，首次引入节点权重整合到PPI网络中优化中药配方评估	未明确说明研究局限性，但从方法看可能依赖PD单一案例、文献质量和LLM提取偏差	开发一个AI驱动的自动化策略，克服传统中药配方设计中主观性和目标权重不足的局限	帕金森病（PD）及相关经典中药方剂（天麻钩藤饮、六味地黄丸、牵正散、大补阴丸）、优化方平颤颗粒及与左旋多巴的联合方案	自然语言处理, 机器学习	帕金森病	大语言模型, 蛋白质互作网络, 深度学习	大语言模型, 深度学习模型	文本, 蛋白质互作网络数据, 化合物结合概率数据	4种经典中药方剂、1种优化颗粒、1种单味药（银杏叶）及联合方案	NA	TCMChat（LLM）, Boltz-2（深度学习模型）	目标覆盖率, Jaccard相似度, 加权邻近度, Z分数	NA
409	2026-05-15	Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening 2026-Mar-31, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13041-y PMID:41917867	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
410	2026-05-15	3d elastic-modulus imaging using ultrasound linear arrays and efficient data-driven training strategies 2026-Mar-30, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02056-8 PMID:41910792	研究论文	提出一种利用超声线阵探头和自动渐进法进行三维弹性模量成像的方法，并设计了高效的数据驱动训练策略	创新性地运用数据驱动的自动渐进（AutoP）机器学习技术，结合浅层神经网络和特定测量数据，替代传统的深度学习技术，并通过序列压缩平面测量实现三维体变形的快速建模	实验限制会减慢学习过程，并最终限制模量图像的对比度和空间分辨率	开发基于超声的软组织弹性模量三维成像技术	超声线性阵列换能器与仿体组织	机器学习	NA	超声弹性成像	浅层神经网络	力-位移测量数据	仿体研究	NA	浅层神经网络	图像对比度，空间分辨率	NA
411	2026-05-15	SODNet: a scale-oriented detection network for efficient UAV-based sewage outfall detection 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45595-x PMID:41888208	研究论文	提出一种面向无人机的高效污水排放口检测网络SODNet，解决多尺度目标检测与轻量模型部署的挑战	通过ECFPN增强多尺度特征表示，共享解耦头结合MSGF模块提升特征提取并降低计算成本，采用通道剪枝压缩模型提升推理速度	未提及具体局限，但可能依赖特定无人机平台和训练数据分布	实现高精度且轻量化的无人机视频污水排口检测方法	河流污水排放口	计算机视觉	NA	NA	深度学习	图像	未明确样本数量，涉及无人机采集的河水排放口图像	PyTorch	SODNet（含ECFPN、共享解耦头、MSGF模块）	AP@50，精确率，参数量，GFLOPs，FPS	边缘计算设备（型号未具体说明），40.3 FPS
412	2026-03-28	DermaScanAI an explainable hybrid deep learning framework for automated skin lesion classification using dual attention and metadata fusion 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46011-0 PMID:41888268	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
413	2026-05-15	MAGNet: enhancing action recognition with multimodal fusion and adaptive graph convolution 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45601-2 PMID:41888423	研究论文	提出一种基于多模态自适应图卷积网络（MAGNet）的人体动作识别模型，通过融合自适应图卷积和跨模态自注意力机制增强多模态数据处理能力	融合自适应图卷积与跨模态自注意力机制，动态调整每个模态的贡献以应对数据缺失；引入VQ-VAE生成模型生成解剖学一致的人体姿态特征	NA	提高人体动作识别在多模态数据融合、复杂环境鲁棒性及数据缺失条件下的准确性	人体动作识别任务	计算机视觉	NA	NA	图卷积网络（GCN）、跨模态自注意力机制、VQ-VAE生成模型	多模态数据	NTU RGB+D数据集和UTD-MHAD数据集	PyTorch	自适应图卷积网络（MAGNet）、VQ-VAE	准确率（Accuracy）	NA
414	2026-05-15	ResSeMo: deep convolutional neural network integration for high-accuracy waste classification and efficient processing 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45814-5 PMID:41888559	研究论文	提出一种基于多模块协同优化的轻量级垃圾分类模型ResSeMo，实现高精度分类与高效处理	融合ResNeXt多尺度特征提取、SENet通道注意力机制与MobileNetV3轻量化设计，提升分类精度、降低计算开销并增强复杂背景鲁棒性	未提及在更大规模或更多样化实际场景中的泛化能力及与其他先进模型的横向对比	解决传统垃圾分类方法效率与精度不足的问题，实现智能垃圾分类系统优化	城市生活垃圾图像分类与处理	计算机视觉	NA	NA	CNN	图像	TrashNet和TACO两个公开数据集，具体样本量未提及	PyTorch	ResNeXt, SENet, MobileNetV3	准确率, 抗干扰稳定性（高斯噪声、随机模糊下的精度下降）	NA
415	2026-05-15	Optimized Lightweight U-Net and YOLACT framework for multi-disease severity detection in pome fruit leaves 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45947-7 PMID:41888567	研究论文	提出了一种优化的轻量级U-Net和YOLACT框架，用于仁果叶片多病害严重程度检测	首次提出一种双模型深度学习框架，结合轻量级Lite-U-Net和增强Lite-YOLACT，并引入新的多病害严重程度量表，以处理同一叶片上的多种共存感染	依赖专门标注的仁果叶片数据集，泛化能力可能受限于其他作物或真实场景；未提及计算资源的详细需求或模型在移动设备上的部署可行性	实现仁果叶片多病害严重程度的自动检测与分类，提升作物健康监测的效率和准确性	仁果叶片（如苹果和梨叶片），包含多种病害类型和严重程度标注	计算机视觉	植物病害	深度学习	CNN	图像	未在标题和摘要中明确说明样本数量	PyTorch	MobileNetV2, Lite-U-Net, Lite-YOLACT	准确率	NA
416	2026-05-15	Psychological-physical synergy of athletes based on artificial intelligence and deep learning 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45920-4 PMID:41882073	研究论文	本研究提出了图注意力-贝叶斯时序网络（GABT-Net），用于从多模态生理信号准确监控运动员心理状态	创新性地将图注意力网络用于构建多源生理信号的瞬时协同关系，并引入贝叶斯Transformer通过蒙特卡洛Dropout技术实现不确定性量化，解决了现有深度学习方法缺乏协同建模和预测结果不可靠的问题	未在摘要中明确提及限制	解决从多模态生理信号准确可靠监控个体心理状态的挑战	运动员的心理和生理协同状态	机器学习	NA	NA	图注意力网络，贝叶斯Transformer	多模态生理信号	使用WESAD公开数据集，具体样本量未说明	PyTorch	GABT-Net（图注意力-贝叶斯时序网络）	准确率，宏平均F1得分，期望校准误差	NA
417	2026-05-15	Spatial-temporal graph neural network with autoencoder pretraining for intrusion detection in healthcare IoT ecosystems 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45041-y PMID:41882266	研究论文	提出一种结合自编码器预训练和时空图神经网络的方法，用于医疗物联网环境中的入侵检测	创新性地将自编码器无监督预训练与时空图神经网络结合，以同时捕获设备间空间依赖和时间动态，有效应对类别不平衡和罕见入侵类别问题	未明确讨论局限性	开发一种针对医疗物联网生态系统的高效入侵检测方法，提升检测准确性和泛化能力	医疗物联网设备间的网络流量数据	机器学习	不适用	不适用	空间-时间图神经网络（ST-GNN）、自编码器	网络流量数据	使用了IoT Healthcare数据集和TON-IoT数据集	NA	自编码器预训练、空间-时间图神经网络	准确率、F1分数、ROC-AUC、宏平均F1	NA
418	2026-05-15	Deep learning image generation technology for enhancing the presentation effect of image art based on artificial intelligence 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45739-z PMID:41882268	研究论文	提出StyleDiffusion-HD框架，结合基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块，提升图像艺术呈现效果	创新性融合风格注入注意力的潜在扩散模型实现文本与视觉风格的双模态精确控制，并引入基于流匹配的超分辨率模块在提升分辨率的同时保持风格一致性	未明确说明，但从研究内容推断可能包括多源艺术数据集的质量和多样性有限，以及主观评价存在个体差异	解决AI图像生成技术在艺术创作中风格控制不准、分辨率有限及超分辨率处理中艺术纹理丢失的问题	多源高质量艺术数据集中的图像	计算机视觉	NA	深度学习，潜在扩散模型，风格注入注意力，流匹配	潜在扩散模型，超分辨率模型	图像	使用多源高质量艺术数据集，具体数量未说明	NA	StyleDiffusion-HD（包含基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块）	Fréchet Inception Distance (FID)， CLIP Score (CS)， Style Loss (SL) 及主观美学评分	NA
419	2026-05-15	Boosting foundation models for rare eye disease diagnosis via a multimodal text-to-image generative framework 2026-Mar-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02560-2 PMID:41872533	研究论文	提出EyeDiff生成式基础模型，从文本描述合成保留病灶的眼科图像，用于提升罕见眼病诊断准确性	首次将文本到图像生成基础模型用于罕见眼病数据增强，通过多模态生成方式提升不同基础模型诊断性能	未讨论生成图像在真实临床环境中的验证结果，可能存在的模式坍塌风险需进一步评估	解决罕见眼病诊断中数据稀缺和类别不平衡问题	多种视网膜疾病（常见与罕见）的跨模态眼科影像	计算机视觉, 自然语言处理	视网膜疾病	文本到图像生成	扩散模型	图像, 文本	11个全球来源数据集	PyTorch	基础模型（包含模态特定、多模态、视觉语言基础模型）	客观指标, 专家人工评估	NA
420	2026-05-15	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	利用深度学习辅助的压力-面积分析框架，在体内量化动脉主动力学特性	提出了结合超声成像、血压测量、神经网络分割和生物力学模型反演的方法，用于推断动脉主动力学参数，并能区分平滑肌张力的贡献	样本量相对较小（仅10名志愿者进行运动测试），且未涉及疾病人群的验证	开发一种在体定量表征动脉主动力学的方法，以区分平滑肌张力的影响	健康志愿者的右侧颈总动脉的主动力学特性	机器学习	心血管疾病	超声成像	神经网络	图像（超声视频）	233名志愿者（18-65岁）用于训练神经网络，10名志愿者（平均年龄25±3岁）用于运动测试	NA	神经网络（未指定具体架构）	空间和时间性能（未指定具体指标）	NA