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
4641	2026-08-09	A novel multi-task deep learning framework for classification and detection of intracranial structures in first-trimester fetal ultrasound images 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105806 PMID:42308601	研究论文	开发一种新的多任务深度学习框架，用于自动分类和检测早期妊娠胎儿超声图像中的颅内结构。	首次整合深度学习特征选择、统计建模和基于Transformer的检测方法，用于早期胎儿大脑评估，提高了分类准确性和检测性能，并增强了临床可解释性。	未提及	开发一种深度学习框架以自动化分类和检测早期妊娠胎儿超声图像中的颅内结构，提高产前筛查的准确性和临床实用性。	胎儿的九个关键脑结构，在孕11-14周的超声图像中。	计算机视觉	胎儿脑部异常（产前筛查）	超声成像	卷积神经网络（CNN）、Transformer	图像	2569张矢状超声图像，来自2560名孕妇（孕11-14周），收集自四个临床中心。	PyTorch（基于common usage），但未明确指定	EfficientNet、VGG16、YOLOv11、Swin Transformer	准确率、AUC、IoU、平均精确度（mAP）、校准曲线、决策曲线分析	未提及
4642	2026-08-09	Inflammatory bowel disease burden in China and the United States from 1990-2023 and prediction to 2050 2026-Aug, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-026-04352-8 PMID:41986557	研究论文	本研究比较了1990年至2023年间中国和美国炎症性肠病（IBD）的疾病负担，并使用多种算法预测至2050年的趋势。	采用多算法预测框架，针对不同国家和指标选择最优模型，以处理两国间异质的流行病学模式。	未在摘要中明确提及局限性，可能包括数据源限制、模型假设或预测不确定性。	比较中国和美国IBD疾病负担，并预测未来趋势至2050年，以指导国家特定策略。	中国和美国人群中IBD的发病率、患病率、死亡率和伤残调整生命年。	流行病学	炎症性肠病	NDA	多种算法，包括传统时间序列模型、机器学习和深度学习	流行病学数据（发病率、患病率、死亡率和DALYs）	NA	NA	ElasticNet、Prophet、Holt's阻尼趋势模型、连接点回归和内在估计器	平均绝对百分比误差（MAPE），平均年度百分比变化（AAPC）	NA
4643	2026-08-09	Personalized Deep Networks for Enhanced ECG Segmentation 2026-Aug, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00835-z PMID:42010029	研究论文	提出一种个性化深度神经网络方法，用于增强心电图分割，通过结合CNN、BiLSTM和注意力机制，并引入新颖的损失函数，提高波形分割精度。	引入了个性化微调策略和针对心电图分割的新损失函数，以增强模型对患者特异性变化的适应性和分割精度。	研究未指明具体局限性，可能需要进一步验证模型在不同数据库或更大样本上的泛化能力。	提升心电图语义分割的准确性和可解释性，通过个性化模型适应患者特异性形态，改善临床诊断基础。	心电图（ECG）波形数据，特别是QT数据库中的P波、QRS波群和T波。	机器学习、数字病理学	心血管疾病	NA	CNN、BiLSTM、注意力机制	时间序列数据（心电图波形）	QT数据库（具体样本量未在摘要中提供）	NA	CNN、BiLSTM、注意力机制	分割精度（如P波、QRS波群和T波偏移的定位精度）	NA
4644	2026-08-09	An innovative deep learning paradigm for automated detection and accurate classification of lung nodules in magnetic resonance imaging 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105866 PMID:42330579	研究论文	本研究提出了一种用于磁共振成像中肺部结节自动检测和准确分类的深度学习新范式	创新性地将深度学习应用于MRI图像中的肺结节检测，采用11层深度卷积神经网络进行自动特征提取和分类，并结合强度归一化和数据增强策略提高性能	未明确提及局限，但可能受限于单一数据来源（仅来自一家医院）以及数据集规模较小（243幅图像）	开发一种深度学习方法来识别磁共振成像中的肺部结节，并区分良性和恶性结节，以提高诊断准确性	肺部结节（良性和恶性）	机器学习, 医学影像分析	肺癌	磁共振成像（MRI）	卷积神经网络（CNN）	图像	来自深圳大学第一附属医院的243幅T2加权MR图像	NA	11层卷积神经网络	准确率、Dice相似系数（DSC）	NA
4645	2026-08-09	AI-augmented thyroid scintigraphy for robust classification of disease 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105854 PMID:42391725	研究论文	本研究评估了三种数据增强策略（包括Stable Diffusion、Flow Matching和传统增强）对甲状腺闪烁扫描图像分类性能的提升效果	首次将Flow Matching和Stable Diffusion等先进生成模型用于甲状腺闪烁扫描图像增强，并证明其优于传统增强方法	未提及明确局限性，但基于单中心数据验证，可能需多中心外部验证	提升深度学习模型在甲状腺闪烁扫描图像分类中的性能，尤其在数据有限且不平衡的情况下	甲状腺闪烁扫描图像，分为弥漫性甲状腺肿、结节性甲状腺肿、正常和甲状腺炎四类	医学图像分析	甲状腺疾病	甲状腺闪烁扫描	卷积神经网络（ResNet18）	医学图像（闪烁扫描图像）	来自九个医疗中心的2954例患者	PyTorch	ResNet18	精确率、召回率、F1分数、ROC AUC、FID、KID	未提及
4646	2026-08-09	Integration of site-specific deep learning models for automated OAR segmentation in craniospinal proton therapy: a geometric and dosimetric analysis 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105872 PMID:42442126	研究论文	本研究评估了整合RayStation深度学习自动分割模型用于颅脊髓质子治疗中危及器官自动勾画的可行性，并进行了几何和剂量学分析	首次将针对成人头颈、胸腹和男性盆腔区域训练的深度学习分割模型整合应用于儿童和青少年颅脊髓照射的危及器官自动勾画，并评估其几何准确性、剂量学影响和临床效率	自动分割的几何准确性在儿童患者（<12岁）中有所下降，特别是甲状腺、肠道和盆腔结构；剂量偏差在部分器官（如下颌骨、食管和肛门直肠）上较大	评估整合不同部位深度学习分割模型在颅脊髓质子治疗中自动勾画危及器官的可行性，并关注几何准确性、剂量学影响和临床效率	40名患有中枢神经系统胚胎性肿瘤的患者（年龄范围2-28岁）	医学影像分析	中枢神经系统胚胎性肿瘤	放射治疗	深度学习分割模型	CT影像	40名患者	RayStation	NA	Dice相似系数（DSC）、豪斯多夫距离（HD）、平均剂量偏差、最大剂量偏差	NA
4647	2026-08-09	A domain-agnostic explainable framework for network attack detection across diverse traffic datasets 2026-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61637-w PMID:42463720	研究论文	本文提出了一个可解释的深度学习框架，用于跨多个异构网络流量数据集的网络攻击检测，并在Kitsune、服务器和企业恶意流量数据集上验证了其有效性	提出了一种域无关的可解释框架，能够在不同分布的数据集上保持一致的检测性能，并集成SHAP和LIME提供全局和实例级解释	未提及具体局限性，可能包括对特定数据集依赖和计算开销等	开发一个可解释的深度学习框架，以在异构网络环境中实现高效且可解释的网络攻击检测	Kitsune（物联网流量）、服务器网络数据（企业日志）和恶意流量数据集	机器学习	NA	NA	多层感知机（MLP）	网络流量数据	三个数据集：Kitsune、服务器网络数据、恶意流量数据集，具体样本量未提及	NA	MLP	准确率、ROC-AUC、F1分数	NA
4648	2026-08-09	Atomic clarity: how structural biology is shaping blood-stage malaria vaccines 2026-Jul-07, Transactions of the Royal Society of Tropical Medicine and Hygiene IF:1.9Q2 DOI:10.1093/trstmh/trag039 PMID:42033198	综述	本文探讨结构生物学，特别是冷冻电镜技术，如何帮助理解疟疾血液期寄生虫表面复合物的结构，从而推动疫苗开发	强调冷冻电镜与人工智能、深度学习相结合的新方法，能无结晶地分析动态膜相关复合物，加速疫苗设计进程	摘要未提及具体局限性	概述结构生物学在疟疾血液期疫苗设计中的作用，并展示综合方法如何加速疫苗开发	疟原虫血液期的多蛋白表面复合物及其在宿主细胞入侵中的作用	结构生物学	疟疾	冷冻电镜，基因组学	NA	结构数据，基因组数据	NA	NA	NA	NA	NA
4649	2026-08-09	Deep learning-based segmentation and quantification of pulmonary masses on apparent diffusion coefficient maps: a multicentre reproducibility study 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112881 PMID:42035562	研究论文	开发并验证了一种针对表观扩散系数（ADC）图的深度学习模型（ADCSegNet），用于自动分割肺部肿块并量化ADC指标，且进行了多中心可重复性研究	提出了专门针对肺部ADC图的ADCSegNet模型，并首次在多中心数据集上评估了自动ADC量化的可重复性，且优于nnU-Net等现有模型	外部验证数据集规模较小（中心2和中心3分别只有70例和12例），可能影响泛化性的稳健评估	开发和验证自动分割肺部肿块及量化ADC指标的深度学习模型，并评估其跨中心泛化性和重复性	肺部肿块（肺结节或肿块）在ADC图上的影像数据	医学影像分析、深度学习	肺部肿块（未明确特定疾病，可能包括肺癌等）	ADC成像（弥散加权成像）	深度学习模型（ADCSegNet）	ADC图像	中心1：303例MRI检查；中心2：70例；中心3：12例；测试重测数据集：22对（22×2次）检查	NA	ADCSegNet（基于深度学习的分割架构，具体未明确）	Dice相似系数（DSC）、Bland-Altman分析、组内相关系数（ICC(2,1)）、可重复性系数（RDC）、Lin一致相关系数（CCC）	NA
4650	2026-08-09	Deep learning approaches for predicting Ki-67 index in breast cancer histopathology images: A systematic review 2026-Jul-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111678 PMID:42070368	系统综述	本文通过系统综述评估了应用于乳腺癌组织病理学图像预测Ki-67指数的深度学习技术	首次对多种深度学习架构如PathoNet在Ki-67指数预测中的应用进行系统性评估，并强调自动化和标准化在临床实践中的潜力	存在挑战，包括需要更广泛的数据集、模型可解释性不足、临床验证和整合困难	探讨深度学习技术在乳腺癌组织病理图像中预测Ki-67指数的方法，以促进个性化治疗和标准化临床实践	乳腺癌组织病理图像及其中的Ki-67指数	数字病理学	乳腺癌	NA	PathoNet及多种深度学习架构	组织病理图像	NA	NA	PathoNet及其他深度学习架构	准确性	NA
4651	2026-08-09	An intelligent MRI-based all-in-one diagnostic strategy for axillary lymph node status in breast cancer 2026-Jun-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74704-7 PMID:42331837	研究论文	开发了一种基于MRI的分层多任务深度学习模型BCALN-Net，用于预测乳腺癌患者腋窝淋巴结状态，包括前哨淋巴结转移、转移负荷和非前哨淋巴结转移	首次提出基于MRI的全方位诊断策略，通过一个分层多任务深度学习模型同时预测多个腋窝淋巴结状态指标	摘要中未提及具体局限性	开发一种综合诊断策略，以指导乳腺癌腋窝手术降级治疗	6,271名乳腺癌患者，以及来自汇总分析的4,081名患者	医学影像	乳腺癌	MRI（磁共振成像）	深度学习模型	图像（MRI图像）	6,271名乳腺癌患者；汇总分析包括4,081名患者	NA	BCALN-Net（分层多任务深度学习网络）	性能指标未在摘要中具体列出，但提到了高预测性能和稳健性能	NA
4652	2026-08-09	Speech as a biomarker for supported diagnosis of major depressive disorder using self-supervised representations 2026-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74122-9 PMID:42297825	研究论文	本研究建立了一个大规模多中心队列，利用自监督语音表征开发深度学习框架，用于重度抑郁障碍的辅助诊断，并表现出优于传统方法的诊断准确性。	首次在如此大规模的多中心语音数据集上应用自监督预训练模型（如WavLM和HuBERT）进行抑郁症诊断，系统比较了自监督表征与传统声学特征，显著提高了诊断性能。	摘要中未提及局限性信息。	开发基于语音生物标志物的深度学习框架，为重度抑郁障碍提供快速、经济、非侵入性的客观辅助诊断方法。	重度抑郁障碍患者和健康对照者。	机器学习	重度抑郁障碍	语音生物标志物分析，自监督预训练模型	自监督架构（WavLM和HuBERT）	语音样本	1,816名受试者（910名MDD患者和906名健康对照），共23,608个标准化语音样本	NA	WavLM, HuBERT, openSMILE（传统特征提取）	受试者工作特征曲线下面积（AUC）、敏感性、特异性	NA
4653	2026-08-09	Machine learning models of segmentation in acute ischemic stroke: a systematic review and meta-analysis 2026-Jun-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01590-x PMID:42231379	meta-analysis	一项系统综述和荟萃分析，评估机器学习模型在急性缺血性卒中病灶分割中的性能	首次对急性缺血性卒中机器学习分割模型进行系统综述和定量荟萃分析，涵盖多模态影像、多种模型架构和数据集，并探索影响模型准确性的因素	研究设计和报告标准存在异质性，需要方法学统一和外部验证	系统评估机器学习分割模型在急性缺血性卒中中的性能，并识别影响模型准确性和稳健性的因素	急性缺血性卒中病灶的影像分割模型	机器学习, 医学影像分析	急性缺血性卒中	计算机断层扫描, 磁共振成像	深度学习模型	影像数据	101项研究	Python, 标准荟萃分析和统计库	U-Net及其变体	Dice系数, AUC, 准确率, 敏感性, 特异性	未提供具体计算资源信息
4654	2026-08-09	Artificial Intelligence-Assisted reflectance confocal microscopy for Real-Time intraoperative margin assessment in oral squamous cell carcinoma 2026-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.107939 PMID:41932031	研究论文	本研究评估了人工智能模型在反射共聚焦显微镜下对口腔鳞状细胞癌进行实时术中切缘评估的诊断性能	首次将Google Cloud Vertex AI AutoML平台应用于RCM图像分析，实现实时、非侵入性的术中切缘评估，且AI模型性能优于专家读者	未提及	开发并评估AI驱动的RCM模型，用于口腔鳞状细胞癌的实时术中切缘评估，以减少对冷冻切片分析的依赖	活检确诊的口腔鳞状细胞癌患者	数字病理学, 机器学习	口腔鳞状细胞癌	反射共聚焦显微镜	自动机器学习模型	图像	4090张标注的RCM图像（1998张良性，2092张恶性）	Google Cloud Vertex AI AutoML Vision	NA	AUC-PR, AUC-ROC, 敏感性, 特异性, 准确性, 阳性预测值, 阴性预测值	Google Cloud Vertex AI平台
4655	2026-08-09	Overcoming resolution constraints in automated colony counting via a high-performance deep learning framework using SAHI 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55724-1 PMID:42225748	研究论文	本研究提出一种基于平铺训练和SAHI平铺推理的高性能深度学习框架，用于解决高分辨率培养皿图像中菌落自动计数的分辨率限制问题	采用平铺训练和SAHI平铺推理流程，保留全分辨率图像，通过重叠切片提升训练样本数量和局部细节保留，显著提高菌落计数性能	未明确提及局限性	克服高分辨率培养皿图像在自动菌落计数中的分辨率限制，提高轻量模型的计数准确性	细菌菌落	计算机视觉	不适用	深度学习	YOLO系列轻量目标检测模型	图像	公开的24类细菌菌落数据集	PyTorch	YOLOv5n, YOLOv8n, YOLOv11n	mAP@0.5, mAP@0.5:0.95, 正确预测率	笔记本RTX 3050 GPU
4656	2026-08-09	Deep learning approach for art style recognition and colour restoration in visual art images 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51895-z PMID:42209631	研究论文	提出一种颜色感知感知的深度学习框架用于艺术风格识别和色彩恢复，在WikiArt数据集上达到90.2%的准确率	将心理驱动的颜色预处理（HSV和Lab色彩空间中的饱和度增强和自适应变换）集成到标准ResNet-50主干中，以更好地捕捉与风格相关的色彩线索	未提及具体限制	通过显式建模人类颜色感知来提高艺术风格识别的性能，并探讨精确色彩特征提取在数字恢复、艺术品认证等应用中的潜力	视觉艺术图像中的艺术风格识别	计算机视觉	不适用	图像处理（颜色空间变换）	CNN（ResNet-50）	图像	WikiArt数据集（27种风格）	未提及，推测使用PyTorch或TensorFlow	ResNet-50	准确率	未提及具体计算资源
4657	2026-08-09	An enhanced hypergraph CNN with adaptive focal loss for automated ECG heartbeat classification 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45518-w PMID:42203798	研究论文	本文提出了一种结合CNN、KNN超图构建和残差增强超图神经网络（EHGNN）的混合深度学习框架，并采用自适应焦点损失处理类别不平衡，用于自动心电（ECG）心跳分类，在MIT-BIH和INCART数据库上验证了其有效性	提出了一种新颖的混合框架，将CNN用于时间域特征提取、基于余弦相似度的KNN超图构建来建模心跳间关系，并采用残差连接增强的超图神经网络（EHGNN）进行分类，同时引入自适应类别加权的焦点损失以解决类别不平衡问题	摘要中未明确提及局限性，仅提及模型在数据集上表现一致，但可能存在数据依赖性或泛化性限制	开发一种增强的ECG心跳分类方法，通过有效处理类别不平衡、时间依赖性和心跳间关系，提高心血管疾病自动诊断的临床适用性	心跳分类数据，包括来自MIT-BIH心律失常数据库和圣彼得堡心脏病技术研究所（INCART）12导联心律失常数据库的心拍样本	机器学习, 生物医学信号处理	心血管疾病	ECG信号分析, KNN超图构建	CNN, 超图神经网络	时间序列数据（ECG信号）	两个基准数据集：MIT-BIH心律失常数据库和INCART 12导联心律失常数据库，具体样本数量未在摘要中给出	NA	CNN, EHGNN（增强超图神经网络）	准确率	NA
4658	2026-08-09	Double deep reinforcement learning twin-delayed agents for performance improvement of a grid-connected wave energy conversion system 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55262-w PMID:42203895	研究论文	本文提出使用双延迟深度确定性策略梯度（TD3）算法的两个深度强化学习智能体，替代网格连接式AWS波浪能转换系统中的PI控制器，以提升系统性能。	首次将TD3算法应用于AWS波浪能转换系统的控制，提出了两种智能体配置方案（完全替代和混合替代），并在故障条件下验证了其可靠性。	研究仅在MATLAB Simulink仿真环境中验证，未进行实验测试；性能比较仅限于经典PI控制器，未与其他强化学习算法对比。	改进网格连接式AWS波浪能转换系统的控制性能，通过深度强化学习智能体替代传统PI控制器，实现更优的动态和稳态响应。	网格连接式AWS波浪能转换系统，包括发电机侧整流器和电网侧逆变器的控制器。	机器学习	NA	NA	深度强化学习（TD3）	仿真数据	NA	MATLAB Simulink	TD3智能体	动态响应、稳态响应	NA
4659	2026-08-09	A federated deep learning framework with distributed hybrid character-level and attention mechanisms for scalable and cost-efficient fake news detection 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54820-6 PMID:42204192	研究论文	提出一种联邦深度学习框架，结合分布式混合字符级嵌入和注意力机制，用于高效且可扩展的假新闻检测	引入基于字符的嵌入方法生成细粒度向量表示，并提出混合CharBERT优化CNN与基于注意力的堆叠Bi-LSTM结合成本敏感学习的COASBC模型，同时集成联邦学习实现分布式训练	未明确提及	开发准确且高效的假新闻检测模型，以应对罕见词和低频词的挑战，并降低集中式计算成本、增强数据安全性和模型可扩展性	假新闻检测任务中的文本数据	自然语言处理	NA	NA	CNN, Bi-LSTM, CharBERT	文本	使用LIAR、Fake and Real News、FakeNewsNet、WELFake数据集以及2023年Truth Seeker数据集（短文本推文）	NA	CharBERT, CNN, 注意力机制, Bi-LSTM	准确率, 精确率, 可靠性	NA
4660	2026-08-09	A federated learning-enabled energy-aware anomaly detection algorithm for secure big data analytics in IoT-based smart healthcare systems 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53494-4 PMID:42204202	研究论文	本文提出了一种面向物联网智能医疗系统的联邦学习能量感知异常检测框架，以解决数据隐私、通信开销和能耗问题	结合联邦学习与能量感知客户端选择策略，以及混合深度学习模型（自编码器与注意力LSTM）来捕获医疗数据流的时空模式	文中未明确提及局限性	为基于物联网的智能医疗环境提供一个可扩展、隐私保护且能量高效的异常检测方案	物联网设备生成的医疗健康数据流	机器学习, 数字健康, 物联网	NA	联邦学习	混合深度学习模型（自编码器与注意力LSTM）	医疗健康物联网数据	使用公开医疗物联网数据集，未具体说明样本量	未提及	自编码器, 注意力LSTM	准确率, F1分数, 能量使用, 通信开销, 检测延迟	未提及