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
441	2026-08-12	Ultrasound Video-Based Deep Learning Model for Predicting Axillary Lymph Node Status and Nodal Burden in Breast Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.014 PMID:41794631	研究论文	本研究开发并验证了一个基于乳腺超声视频的两阶段深度学习框架，用于预测乳腺癌患者的腋窝淋巴结状态和淋巴结负担。	首次提出基于时间移位模块的视频模型两阶段框架，利用术前超声视频预测腋窝淋巴结状态和负担，并结合多中心数据进行验证。	研究为回顾性设计，且外部测试集性能略低于内部测试集，可能存在选择偏倚。	开发并验证一种基于超声视频的深度学习模型，用于术前准确评估乳腺癌患者的腋窝淋巴结状态和淋巴结负担，以支持个体化管理。	864例经病理确诊的乳腺癌患者，分为训练集（495例）、内部测试集（213例）和两个外部测试集（120例和36例）。	计算机视觉	乳腺癌	超声成像	TSM-ResNet50和TSM-ResNet18	超声视频	864例乳腺癌患者	NA	TSM-ResNet50, TSM-ResNet18	AUC, 灵敏度, 特异度	NA
442	2026-08-12	Factors predicting MRI glioma segmentation accuracy in deep learning models: a systematic review and meta-analysis 2026-Jun, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101562 PMID:42102794	系统综述与Meta分析	系统评价和Meta分析探究预测深度学习模型在MRI胶质瘤分割中的准确性因素	通过多变量元回归分析，首次综合识别影响深度学习MRI胶质瘤分割性能的因素，发现3D模型架构和multiparametric MRI输入是性能的最佳预测因子	研究中没有单一因素能完全解释跨研究性能变异，样本量有限且异质性高	识别影响深度学习模型在MRI胶质瘤分割中准确性的因素，以支持模型临床应用	深度学习模型在术前分割胶质瘤MRI图像的性能数据	医学影像分析、深度学习	胶质瘤	MRI	深度学习模型（含3D和2D架构）	MRI图像	88个模型，其中36个纳入定量分析	NA	3D卷积神经网络（CNN），可能包括其他变体	Dice相似系数（DSC）	NA
443	2026-08-12	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的自动分割下牙槽神经的方法，用于锥形束CT图像。	引入阶段限制的置换自适应实例归一化和解码器上下文细化模块，增强外观不变性并保持薄管状神经结构的连续性。	相对于nnU-Net的改进幅度有限，需谨慎解读。	提高下牙槽神经在CBCT图像中的自动分割准确性和一致性。	下牙槽神经	深度学习	NA	锥形束CT成像	CNN-Transformer混合架构	图像	130个CBCT影像，来自两个机构	nnU-Net框架	nnU-Net	Dice系数，HD95，ASSD	未指定
444	2026-08-12	Attention-enhanced GNN model for fungal disease classification in spinach leaves using monospectral imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54574-1 PMID:42225821	研究论文	本文提出了一种基于注意力增强图神经网络（AE-GNN）的方法，利用单光谱成像对菠菜叶片的真菌病害进行分类，并采用Grad-CAM进行可解释性分析	创新性地将叶片图像建模为图结构，通过注意力加权机制聚焦于疾病相关区域，并结合可解释性AI方法提升模型透明度	信息不足，未在标题和摘要中明确提及具体限制	旨在早期检测和分类植物叶片病害，以提高作物产量并减少农业损失，同时增强模型的可解释性和适用性	菠菜和咖喱叶片的图像，涵盖15种病害及其健康分类	计算机视觉	植物病害	单光谱成像	图神经网络（GNN）	图像	半菠菜和咖喱叶片的精选数据集，具体数量未说明	未明确指定，但可能涉及PyTorch或TensorFlow	AE-GNN，包含多层感知器分类器	分类准确率（具体指标未完全说明）	未明确指定
445	2026-08-12	A deep learning approach for keratoconus detection using spatio-temporal features from corneal imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56383-y PMID:42225912	研究论文	本研究提出一种基于深度学习的圆锥角膜检测模型，利用CORVIS系统的动态角膜成像数据，结合CNN-RNN架构区分健康和圆锥角膜眼。	创新性地结合了预训练的InceptionV3网络和LSTM模块，以捕捉角膜成像序列中的时空特征，并在患者层面进行分层交叉验证以避免数据泄露。	未在外部数据集上进行验证，建议在临床部署前进行进一步验证。	旨在通过动态角膜成像数据实现圆锥角膜的早期和准确检测，以预防严重视力损害。	健康眼和圆锥角膜眼。	计算机视觉	圆锥角膜（眼科疾病）	动态角膜成像（CORVIS系统）	混合CNN-RNN（CNN用于空间特征，LSTM用于时间模式）	图像（角膜成像序列）	未在标题和摘要中明确说明样本数量，但使用了CORVIS系统的动态角膜成像数据。	未明确提及，但可能在PyTorch或TensorFlow中实现（NA）	InceptionV3（微调）与LSTM相结合	准确率、精确率、召回率、F1分数	未在标题和摘要中提及。
446	2026-08-12	HAMNet: Hierarchical Multi-scale Attention Network for precise disease detection in pearl millet using spatial fusion 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53453-z PMID:42219448	研究论文	提出一种结合层次化多尺度注意力网络与光谱-空间融合模块的HAMNet-Mask R-CNN模型，用于精确检测珍珠粟病害	引入层次化多尺度特征学习，融合低、中、高层特征提高分类精度，利用注意力机制减少误检，结合Mask R-CNN实现像素级分割，提升病害边界识别	未提及明显局限性，可能依赖高质量图像数据且需验证在不同环境下的泛化能力	提高珍珠粟病害检测的准确性和精确度，支持智能农业实时病害监测	珍珠粟叶片图像中的真菌和细菌病害区域	计算机视觉	植物病害（珍珠粟真菌和细菌性病害）	高分辨率图像采集	CNN（Mask R-CNN）	图像	NA	TensorFlow	Mask R-CNN, 层次化多尺度注意力网络	Dice系数, IoU, 精确率, 召回率, 准确率	NA
447	2026-08-12	MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54489-x PMID:42225724	研究论文	本文介绍了MedNet-FS，一个基于三维MRI的膝关节损伤分类的小样本学习框架，通过领域特定预训练和GE2E损失提高了数据稀缺环境下的分类性能。	创新地将领域特定的MRI预训练与Generalized End-to-End (GE2E)损失相结合，形成针对三维医学影像的小样本学习框架，显著优于通用预训练或标准交叉熵损失的方法。	对于模糊的部分撕裂病例，性能下降（AUC为0.58），且当前性能未达到自主临床部署的阈值。	开发一个数据高效的三维MRI膝关节损伤分类框架，减少对大规模标注数据的依赖。	膝关节MRI图像，包括ACL撕裂检测和区分完整与完全撕裂的病例。	计算机视觉, 数字病理学	膝关节损伤	MRI	小样本学习框架	图像（三维MRI）	内部MRNet数据集每类40个样本；外部KneeMRI数据集用于验证	PyTorch	GE2E, 3D CNN	AUC	NA
448	2026-08-12	LLM-guided expert feature extraction with fusion-based complementary learning network for fish freshness classification using eye images 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55139-y PMID:42225756	research paper	本文提出了一种基于融合的互补学习网络（FCLN），结合专家建议的光度特征与深度视觉表示，用于鱼类新鲜度分类，并利用大语言模型自动提取可解释的数值特征	利用大语言模型处理鱼类专家知识以自动识别视觉线索并生成数值特征，免除了人工特征工程；提出融合式互补学习网络（FCLN）和互补学习分析（CLA）验证数值特征与图像嵌入的互补性	该方法在密集和遮挡环境下的准确性仍有待提高，且依赖鱼类专家知识和大语言模型的整合，可能受限于特定数据集	开发一种准确、非侵入性的鱼类新鲜度分级方法，解决密集和遮挡环境下现有深度学习模型学习不一致的问题	鱼类眼部图像，包含多种鱼类物种和新鲜度类别	computer vision	NA	NA	CNN	image	Fish Freshness Eye (FFE) 数据集，包含多种鱼类物种和新鲜度类别（具体数量未提及）	NA	ResNet50	accuracy, correlation	NA
449	2026-08-12	Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55530-9 PMID:42225843	研究论文	评估基于深度学习的算法在非对比脑CT上检测急性缺血性卒中（包括小梗死）的诊断性能，并验证AI辅助判读对医生诊断准确性的提升效果。	采用多读者、关键性、交叉随机研究设计，评估AI算法在不同专业水平医生中的辅助效果，特别关注非放射科医生的改善程度。	研究为回顾性设计，可能引入选择偏倚；样本来自单一机构，外部验证缺乏。	评估深度学习算法在非对比CT上检测急性缺血性卒中的诊断性能及其对医生判读的辅助价值。	917例非对比脑CT图像，覆盖不同梗死体积的急性缺血性卒中病例。	医学影像分析	急性缺血性卒中	非对比CT成像	深度学习模型（具体架构未提及）	医学图像（CT）	917例脑CT图像	未提及	未提及	AUC、准确性、敏感性、特异性	NA
450	2026-08-12	Comparative evaluation of CNN models for nasopharyngeal carcinoma classification on pathology data 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53395-6 PMID:42225742	研究论文	本研究系统性评估了多种卷积神经网络模型在鼻咽癌病理全切片图像分类中的性能，并探索了混合架构以提升分类准确性	首次对多种CNN架构及混合特征融合策略进行系统比较，用于鼻咽癌多类分类，并有效结合数据增强和类权重缓解类别不平衡	未提及具体的计算资源或更广泛的临床验证，可能限制泛化性	评估并优化CNN模型用于鼻咽癌的自动分类，辅助病理诊断	鼻咽癌病理全切片图像，来自两家医院，分为正常、淋巴增生、鼻咽炎症和鼻咽癌四类	数字病理学	鼻咽癌	全切片成像	卷积神经网络（CNN）	图像	88,002张专家标注的病理图像	NA	DenseNet201, MobileNet, EfficientNetB0, InceptionNet, XceptionNet, VGG16, NASNetMobile, 及混合结构	准确率、精确率、F1分数、训练时间	NA
451	2026-08-12	Privacy-aware continuous federated biometric authentication (PACFBA) using federated deep learning: a novel usable security framework 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55046-2 PMID:42225851	研究论文	提出了一种名为PACFBA的隐私感知连续联邦生物特征认证框架，利用联邦深度学习实现移动、物联网和边缘环境中的持续用户验证	将联邦学习与混合CNN-LSTM架构相结合，并集成差分隐私和同态加密，实现连续、去中心化的生物特征认证，同时保护用户数据隐私并降低通信开销	需要进一步使用大规模、异构的真实世界数据集进行实证验证，才能完全具备部署条件	设计一种安全、无缝且保护隐私的连续认证机制，以解决传统认证方法仅在初始登录时验证用户而无法确保整个活动会话期间持续验证的问题	移动、物联网和边缘环境中的生物特征认证机制	机器学习	NA	NA	CNN-LSTM	生物特征数据	NA	NA	CNN, LSTM	准确率, 精确率, 召回率, F1分数	NA
452	2026-08-12	Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm 2026-05-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02476-z PMID:42226141	研究论文	本研究评估了双能CT中结合深度学习图像重建算法的薄层低能量虚拟单色图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的改善效果	首次探讨将0.625毫米薄层40 keV虚拟单色图像与深度学习图像重建算法相结合，用于改善儿童肝母细胞瘤PRETEXT分期的图像质量和诊断信心	单中心回顾性研究，样本量较小（53例）	评估薄层40 keV双能CT图像结合深度学习图像重建算法能否提高儿童肝母细胞瘤PRETEXT分期的图像质量和诊断信心	53例经病理确诊的肝母细胞瘤患儿（平均年龄3.54±2.26岁）	医学影像	肝母细胞瘤	双能CT	深度学习图像重建算法	CT图像	53例患儿	NA	NA	对比噪声比、边缘上升斜率、5点李克特量表评分	NA
453	2026-08-12	Long-term continuous monitoring of wearable ECG signals for atrial fibrillation detection 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54532-x PMID:42218208	研究论文	本研究评估了一种轻量级卷积神经网络在长期可穿戴心电图监测中自动检测心房颤动的性能，并进行了领域自适应微调	使用真实世界可穿戴心电图数据对预训练模型进行领域自适应微调，显著提升了在长期监测场景中的心房颤动检测性能	未在摘要中提及具体局限性	验证轻量级深度学习模型在长期可穿戴心电图监测中可靠筛查心房颤动的可行性	心房颤动患者和健康受试者的可穿戴心电图信号	数字病理学	心血管疾病（心房颤动）	心电图监测	卷积神经网络（CNN）	心电图信号	173名受试者（87名心房颤动患者和86名健康受试者），包含165175个注释心电图片段，其中24252次心房颤动发作	未提及	轻量级卷积神经网络	特异性、F1分数、曲线下面积（AUC）、准确性	未提及
454	2026-08-12	A lightweight deep learning model with channel attention for kidney cell classification from microscopy images 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55088-6 PMID:42218235	研究论文	介绍了一种轻量级深度学习模型CytoECA-Net，用于从显微镜图像中分类肾脏细胞类型，平衡了准确性、效率和可解释性。	提出任务特定的CNN架构，采用深度可分离卷积减少空间滤波冗余，并结合高效通道注意力和残差连接，以捕获核内判别模式，在资源受限环境下具有高效性。	未提及具体限制，但可能受到荧光显微镜图像数据集的多样性限制。	开发一种轻量级、高效的深度学习模型，用于肾脏细胞类型分类，并适用于资源有限的生物医学诊断环境。	肾脏细胞类型，涉及正常肾脏生理和早期病理变化检测。	计算机视觉、数字病理学	肾脏疾病	荧光显微镜成像	卷积神经网络（CNN）	图像（荧光显微镜图像）	约236,000张图像（TissueMNIST基准）和KMC-RENAL组织病理学数据集	NA	深度可分离卷积网络，包含五阶段层次设计、通道注意力和残差连接	准确率、AUC、推理时间	未明确提及GPU类型或云平台，但强调低内存需求和高效计算
455	2026-08-12	Innovation research on college students' mental health management system based on internet of things technology 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54082-2 PMID:42218274	研究论文	本文介绍一种基于物联网技术的大学生心理健康管理系统，旨在减少心理健康数据处理中的不一致性	引入了由物联网驱动的深思熟虑管理系统，通过基于动作和非动作区间的非相同观察减少不一致性，并利用深度学习识别非相同到相同的数据流同化，防止误报率	信息未提供	提高大学生心理健康管理的精度和稳定性，减少数据处理中的不一致性	大学生心理健康数据	物联网、深度学习	心理健康疾病	物联网技术、深度学习	深度学习模型	心理健康观测数据	信息未提供	NA	NA	准确率、误报率、开销、时间需求	NA
456	2026-08-12	Integrating handcrafted and deep learning MRI signatures: an interpretable framework for predicting chemotherapy benefit in glioma 2026-May-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01538-3 PMID:42218260	研究论文	本研究基于术前多模态MRI数据，整合手工影像组学特征与深度学习特征，构建并评估了一个可解释的融合模型，用于预测胶质瘤术后辅助化疗获益情况	创新性地融合了手工影像组学特征和深度学习嵌入特征，并采用SHAP、方差分析和Grad-CAM进行模型解释，揭示了两种特征的信息互补性	样本量有限且来自单一队列（TCGA-LGG），且使用总生存期作为替代终点，可能限制泛化性	开发一个可解释的多模态AI框架，整合手工和深度学习MRI特征，以提升胶质瘤术后化疗获益预测的准确性	胶质瘤患者的多模态MRI影像数据及相应的临床和生存信息	医学影像分析、机器学习	胶质瘤	MRI影像组学、3D CNN、迁移学习	3D卷积神经网络（3D CNN）、ResNet-18	多模态MRI图像、临床数据	来自TCGA-LGG队列的胶质瘤患者，具体数量未提供	PyTorch	轻量级3D CNN、3D ResNet-18（MedicalNet）	AUC	未提供
457	2026-08-12	PromptSE: drug side effect prediction with LLM-derived pharmacological representations 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55667-7 PMID:42218286	研究论文	提出PromptSE框架，利用大型语言模型生成药理学相关的副作用表示，并结合深度学习提高药物-副作用关联预测性能	采用定制的逐步提示方法针对副作用文本特点生成药理学表示，超越了简单编码或常规提示；并集成多模态药物信息和图神经网络处理稀有实体	未明确说明局限性，但可能依赖于提示设计质量和大型语言模型的计算成本	提高药物-副作用关联预测的准确性，支持更安全的药物开发和可靠的药理学研究	药物与副作用之间的关联	自然语言处理、机器学习	不适用	基于大型语言模型的提示工程	图神经网络、深度学习	文本数据（副作用描述）、药物多模态信息（如结构化数据）	未明确提及具体样本数量	未明确提及	图神经网络、自定义深度学习模块	AUPR（精确率-召回率曲线下面积）	未明确提及
458	2026-08-12	Deep hybrid architecture for multi-class detection of network layer attacks in WSN 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55532-7 PMID:42218320	研究论文	提出一种结合门控循环单元和长短期记忆网络的混合深度学习模型，用于无线传感器网络中多类别网络层攻击的检测	首次将GRU和LSTM的混合架构应用于WSN网络层攻击的多分类检测，融合GRU的时间学习能力和LSTM的长期依赖学习能力，并采用SMOTE技术处理数据不平衡问题	未提及模型的实时性能、部署成本以及在不同规模WSN场景下的泛化能力	开发一种能够准确检测无线传感器网络网络层多类别攻击的混合深度学习模型	无线传感器网络中的网络层攻击，包括黑洞攻击、洪泛攻击和选择性转发攻击	机器学习	NA	NA	GRU+LSTM混合模型	WSNBFSF数据集（网络流量数据）	WSNBFSF数据集，具体样本数量未在摘要中说明	NA	GRU, LSTM	准确率, 精确率, 召回率, F1分数, 宏平均F1, 加权平均F1	NA
459	2026-08-12	Deep learning-based cervical cancer T-staging using MRI: multi-structure segmentation and classification 2026-05-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02449-2 PMID:42218381	研究论文	开发基于深度学习的宫颈癌MRI自动分割和T分期技术，以提高临床诊断准确性和效率	设计了一种新的分割网络CPANet，融合全局金字塔引导和空洞空间金字塔池化模块，并在T分期中使用Swin Transformer达到最佳性能	未提及具体局限性	提高宫颈癌MRI自动分割和T分期的临床诊断准确性和效率	宫颈癌MRI图像中的肿瘤、子宫、膀胱和直肠结构	医学影像分析	宫颈癌	MRI	CNN, Transformer	MRI图像	144名患者的17,479张fT1WI MRI扫描	NA	CPANet, UNet, UNet++, DeepLabv3+, UperNet-Swin, ResNet50, DenseNet121, Swin Transformer	Dice相似系数(DSC), AUC, 处理时间	NA
460	2026-08-12	Intelligent Manufacturing: A Fully Annotated Synthetic Dataset for Fiber Orientation Estimation 2026-May-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07439-1 PMID:42162009	研究论文	本文介绍了一个完全标注的合成数据集，用于短纤维增强聚合物中纤维取向的机器学习估计	通过物理信息模拟管道生成包含55,092张高分辨率显微镜样图像的合成数据集，并提供无噪声的二维取向张量注释，支持监督学习和基准测试	未提供具体局限性信息	支持基于机器学习的纤维取向估计，并促进复合材料表征和智能制造自动化工作流的发展	短纤维增强聚合物中的纤维取向	计算机视觉	NA	X射线显微镜	深度学习模型	图像	55,092张高分辨率显微镜样图像	NA	NA	NA	NA