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
5101	2026-06-07	A comprehensive benchmark of multi-generation YOLO architectures for forest species identification from macroscopic wood images 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54925-y PMID:42248978	研究论文	对三代YOLO架构进行综合基准测试，用于从宏观木材图像中识别森林树种	首次系统比较了三代YOLO（v8、11、26）共15个模型在宏观木材树种识别中的性能，实现了99.87%的测试准确率和100%的Top-3准确率，并提出YOLO26-medium作为资源受限设备部署的最佳候选	误差分析显示误分类仅发生在单个图像块，但未提及模型对未知采集协议的泛化能力	建立宏观木材图像树种识别的新基准，评估不同YOLO模型在准确性和效率上的表现	73种森林树种的宏观木材图像	计算机视觉	NA	宏观木材图像采集	YOLO（v8、11、26）	图像	77,865个448×448像素的图块，来自三种异质图像采集协议	PyTorch	YOLOv8, YOLO11, YOLO26	准确率, MCC, Top-3准确率, 帧率	NA
5102	2026-06-07	High-fidelity CNN-based surrogate modeling for wildfire spread forecasting 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56080-w PMID:42249041	研究论文	提出一种基于卷积神经网络的高保真替代模型，用于快速预测野火蔓延	提出一种能够在不到一秒内预测野火蔓延的深度学习替代模型，显著降低了高分辨率野火建模的计算负担，并通过F1分数0.92验证了其高保真性	未提及	提高野火蔓延预测的速度和保真度，以支持应急管理、电力公司规划及消防团队决策	野火蔓延过程	计算机视觉, 机器学习	NA	NA	卷积神经网络	NA	NA	NA	卷积神经网络	F1分数	NA
5103	2026-06-07	Deep learning reconstruction improves appendix visualization on pediatric magnetic resonance imaging (MRI): a single-center experience 2026-Jun-06, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06686-z PMID:42249942	研究论文	评估深度学习重建增强的2毫米磁共振成像在儿童阑尾炎中改善阑尾可视化和诊断性能的效果	首次应用深度学习重建技术于儿童薄层磁共振成像，在不降低信噪比的情况下提高阑尾可视化质量，并对比了传统的4毫米磁共振成像	单中心研究，样本量较小（82例），且部分比较未达到统计学显著性	评估2毫米T2加权磁共振成像结合深度学习重建相比传统4毫米磁共振成像在儿童阑尾炎中改善阑尾可视化和诊断性能	82例疑似阑尾炎的儿童患者（平均年龄9.6岁，年龄范围5-20岁）	计算机视觉	阑尾炎	磁共振成像（MRI）	深度学习重建（DLR）	医学影像	82例儿童患者	NA	NA	灵敏度、准确性、信噪比	NA
5104	2026-06-07	Emerging Applications of Artificial Intelligence in Pediatric Care 2026-Jun-06, Indian journal of pediatrics IF:2.1Q2 DOI:10.1007/s12098-026-06254-1 PMID:42250093	综述	本文综述了人工智能在儿科护理中的应用，包括分诊、实时监测、风险分层及新生儿复苏等场景	系统总结了AI在新生儿黄疸评估、坏死性小肠结肠炎管理及早产儿视网膜病变筛查等儿科特有领域的创新应用	仍面临数据隐私、儿科高质量数据集缺乏、严格临床验证及透明度等伦理和实践挑战	探讨人工智能在儿科医疗中的应用现状及其对临床决策的支持	儿科患者群体，包括新生儿及儿童	机器学习	新生儿疾病	NA	机器学习、深度学习	健康数据	NA	NA	NA	NA	NA
5105	2026-06-07	Towards integrating domain knowledge, AutoML and few-shot learning for medical image analysis: a mini review of current trends and research gaps 2026-Jun-06, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01077-3 PMID:42250205	综述	综述了少样本学习、自动机器学习和领域知识在医学图像分析中的整合现状与研究空白	首次系统性地分析了少样本学习、自动机器学习与领域知识在医学图像分析中的潜在整合，并指出了关键研究空白	现有文献方法碎片化，少样本学习、自动机器学习和领域知识大多分开研究或仅部分结合	探索整合领域知识、自动机器学习和少样本学习以提升医学图像分析性能、可解释性和临床可靠性	医学图像分析中的少样本学习、自动机器学习及领域知识相关文献	机器学习, 计算机视觉	NA	NA	少样本学习, 自动机器学习	图像	NA	NA	NA	NA	NA
5106	2026-06-07	Scalable Boltzmann generators for equilibrium sampling of large-scale materials 2026-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73900-9 PMID:42243116	研究论文	提出了一种可扩展的玻尔兹曼生成器架构，用于大规模材料的平衡采样	通过结合增强耦合流与图神经网络，克服了玻尔兹曼生成器在大型材料系统中的扩展性限制，实现更快的训练、更低的资源消耗和更高的采样效率	NA	开发可扩展的平衡采样方法以高效生成大规模材料系统的平衡系综	Lennard-Jones晶体、mW水冰相和硅相图	机器学习	NA	NA	图神经网络、增强耦合流	NA	模拟晶胞超过一千个原子	NA	图神经网络、增强耦合流	采样效率	NA
5107	2026-06-07	YOLO-geochemical integration for real-time aeolian dust monitoring: a critical review of signatures, health risks, and policy implications 2026-Jun-05, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15544-2 PMID:42247025	综述	批判性评估地球化学指纹分析与YOLO深度学习框架集成用于实时风成沙尘监测的方法，探讨其在源解析、健康风险评估和政策制定中的应用	首次提出将地球化学指纹分析（ICP-MS、SEM-EDS、XRD）与YOLO深度学习框架集成的多模态监测架构，实现成分解析的实时暴露映射，支持吸入健康风险评估	多模态框架的实际部署挑战、地球化学标签迭代训练的数据需求、不同地理区域的泛化能力尚未充分验证	推动沙尘源解析、健康风险评估和循证政策制定	风成沙尘颗粒及其地球化学组成、沙尘羽流的实时检测	计算机视觉	呼吸系统疾病、心血管疾病	ICP-MS, SEM-EDS, XRD, 高光谱成像, 多光谱成像	YOLO	图像、光谱数据	NA	NA	YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10	mAP	NA
5108	2026-06-07	Infant Brain Age Estimation With T1w/T2w Ratio MRI: A Myelination-Aware Deep Learning Approach 2026-Jun-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70376 PMID:42247370	研究论文	利用T1w/T2w比值MRI和生物信息深度学习框架进行婴儿脑龄估计	首次将T1w/T2w比值MRI与生物信息深度学习结合，用于婴儿脑龄估计，并通过多任务学习和多尺度建模提升性能	外部验证样本量较小（10名婴儿），且仅限于健康婴儿，未在更大规模或异常发育群体中验证	开发并评估一种生物信息深度学习框架，利用T1w/T2w比值MRI进行婴儿脑龄估计	0-24个月婴儿的脑部MRI数据	计算机视觉	儿童发育相关疾病	T1w/T2w比值MRI	3D卷积神经网络	MRI图像	内部队列：629名婴儿（0-24个月），外部队列：10名健康婴儿（0-15个月）	PyTorch	3D-CNN	平均绝对误差，均方根误差，R²，皮尔逊相关系数，斯皮尔曼相关系数	NA
5109	2026-06-07	A Holistic Eating Monitoring System Enabled by Textile Strain Sensors and Hierarchical Network 2026-Jun-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3701048 PMID:42247543	研究论文	提出一种结合石墨烯纺织应变传感器与层级深度学习网络的整体饮食行为监测系统	首次将石墨烯纺织应变传感器与层级深度学习框架相结合，实现饮食行为的连续精细监测，并利用大语言模型模块将生物力学指标转化为个性化自然语言反馈	NA	开发一种整体饮食行为监测系统，支持个性化健康饮食指导	饮食行为中的咽喉和下颚变形信号	机器学习	代谢性疾病	石墨烯纺织应变传感器	层级深度学习网络	应变信号	NA	NA	层级网络	激活图、事件掩码动态	NA
5110	2026-06-07	GNN-based deep surrogate modeling of knee contact mechanics: generalizing neuromuscular control patterns across subjects 2026-Jun-05, The Knee DOI:10.1016/j.knee.2026.104523 PMID:42247863	研究论文	本研究利用基于图神经网络的深度代理模型，模拟膝关节接触力学，重点关注跨受试者神经肌肉控制模式的泛化能力	首次在固定解剖条件下，通过消息传递机制模拟应力传播，有效解码神经肌肉控制的异质性，克服了传统代理模型忽视运动策略的缺陷	未明确说明局限性，但可能包括基于固定解剖条件的假设、数据集较小以及未评估临床实际部署的实时性能	研究拓扑感知的MeshGraphNet在跨受试者神经肌肉控制模式下的泛化能力，以实现膝关节接触应力的实时评估	九名受试者的步态数据，通过OpenSim-FEBio协同仿真平台构建数据集	计算机视觉、机器学习	膝关节骨关节炎、半月板撕裂	有限元分析、步态分析	图神经网络	数值模拟数据	9名受试者的步态数据	PyTorch	MeshGraphNet, MLP, Laplacian-MLP	相关性, 峰值应力预测误差, 空间重叠度	未在摘要中明确说明
5111	2026-06-07	Artificial intelligence in prostate cancer imaging: A mini-review of current applications and future directions 2026-Jun-05, Urologic oncology DOI:10.1016/j.urolonc.2026.05.013 PMID:42247882	综述	本文综述了人工智能在前列腺癌多参数磁共振成像中的应用现状、方法学挑战及未来方向	系统整合了最新研究证据，全面探讨了AI在前列腺癌mpMRI成像中的自动化病变检测与分割、PI-RADS评分标准化及影像组学风险预测等应用，并提出了可解释AI、联邦学习等未来方向	数据异质性、泛化能力不足、缺乏标准化特征提取、外部验证有限以及深度学习模型的“黑箱”特性影响临床信任和监管审批	总结AI在前列腺癌mpMRI成像中的当前应用、方法学挑战并展望未来发展方向	基于多参数磁共振成像的前列腺癌成像领域	机器学习	前列腺癌	NGS	机器学习, 深度学习	影像	NA	NA	NA	NA	NA
5112	2026-06-07	Deep learning-automatic 3D analysis of regional condylar remodeling and skeletal relapse following bimaxillary surgery: a two-year follow-up study 2026-Jun-05, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104627 PMID:42247969	研究论文	利用深度学习对双颌手术后区域髁突重塑及骨骼复发的三维自动分析进行为期两年的随访研究	首次应用基于深度学习的3D区域髁突体积分析，定量评估双颌手术后髁突体积变化与骨骼复发间的关系，并揭示年龄、性别和手术推进幅度是关键预测因素	样本量有限（40例），未探索髁突区域亚体积与手术移动方向的显著相关性，且研究为回顾性设计	量化双颌手术后区域髁突重塑及其在骨骼复发中的作用	接受双颌手术的下颌后缩患者	计算机视觉, 数字病理学	下颌后缩	CBCT扫描	深度学习模型（具体架构未明确）	3D图像（CBCT扫描数据）	40例患者	NA	NA	线性回归分析（预测因子显著性）	NA
5113	2026-06-07	Multimodal deep learning integration of clinical, dosiomics, and radiomics features to predict toxicity in breast cancer patients undergoing hypofractionated radiotherapy 2026-Jun-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111799 PMID:42248053	研究论文	开发多模态深度学习模型整合临床、放射组学、剂量组学和深度特征，预测乳腺癌大分割放疗后的急性放射性皮炎	首次将临床、放射组学、剂量组学和深度学习特征整合到单一预测框架中，并引入CLAHE图像增强和SMOTE类别重平衡技术以提高预测性能	样本量较小（160例），纤维化分析仅5个事件（源于罕见事件设置），外部验证尚未进行	开发多模态机器学习模型以早期识别高风险患者，优化治疗计划并改善乳腺癌患者生活质量	2017-2022年间接受调强大分割放疗的早期乳腺癌患者	机器学习	乳腺癌	CT成像, 放射组学, 剂量组学, 深度学习特征提取	随机森林, XGBoost, LightGBM, DS-LightGBM	图像, 临床数据, 剂量分布数据	160例早期乳腺癌患者	PyTorch, Scikit-learn	DenseNet-121, LightGBM	准确率, ROC-AUC	NA
5114	2026-06-07	Unsupervised deep learning enables blur-free resolution enhancement in two-photon microscopy 2026-Jun-05, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101476 PMID:42248144	研究论文	提出一种无监督深度学习框架TENET，实现双光子显微镜图像的模糊去除、分辨率增强和语义分割	全无监督框架，无需配对清晰图像或各项同性假设；物理启发的模糊生成模块配合可训练神经隐式点扩散函数，仅需近似PSF初始化	未提及具体限制	提升双光子显微镜的三维成像质量，实现自动化下游分析	双光子显微镜图像数据（含合成图像、荧光珠、体内小胶质细胞数据集）	计算机视觉	神经疾病	双光子显微镜	卷积神经网络	图像	合成图像、荧光珠样本、活体小鼠脑肿瘤周围小胶质细胞时间序列图像	PyTorch	U-Net	图像保真度、分割准确率	NA
5115	2026-06-07	Hybrid learning: a combination of self-supervised and supervised learning for joint MRI reconstruction and denoising in low-field MRI 2026-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae792b PMID:42248205	研究论文	提出一种结合自监督学习和监督学习的混合学习框架，用于低场MRI中的联合重建与去噪	首次将自监督学习和监督学习分阶段结合，利用低信噪比全采样数据生成伪参考再用于监督训练，解决了低场MRI中高质量参考数据难以获取和低信噪比下性能退化的问题	未提及在超高噪声或极端欠采样情况下的表现，且伪参考质量可能受自监督学习性能限制	开发一种能在仅低信噪比训练数据下实现联合MRI重建和去噪的新训练框架	低场MRI中的图像重建和噪声去除问题	机器学习	NA	MRI	深度学习模型	图像	包含乳腺、肺部和脑部的模拟和真实噪声MRI数据，场强从0.3T到3T，采样轨迹包括笛卡尔、螺旋和径向，未明确样本数量	NA	NA	结构相似性指数（SSIM）、归一化均方误差（NMSE）、高频误差范数（HFEN）	NA
5116	2026-06-07	Hyperspectral Imaging for Breast-Conserving Surgery Margin Assessment: A Systematic Review 2026-Jun-05, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2025-0627-RA PMID:42248565	系统综述	系统评价高光谱成像在保乳手术切缘评估中的应用	首次系统梳理了高光谱成像在乳腺癌保乳手术切缘评估中的方法学、机器学习模型、诊断性能及与标准技术的对比	硬件庞大、校准要求高、光谱分辨率降低、监管批准困难，尚无设备获批用于术中切缘评估	评估高光谱或多光谱成像用于乳腺癌切缘评估的研究进展	新鲜保乳手术标本或组织切片的乳腺癌样本	机器学习、数字病理学	乳腺癌	高光谱成像、多光谱成像	线性判别分析、支持向量机、卷积神经网络、聚类算法	光谱图像	24项研究	NA	NA	敏感性、特异性、受试者工作特征曲线下面积	NA
5117	2026-06-07	Performance Analysis of Machine Learning Techniques for Voice Spoofing Detection 2026-Jun-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.05.013 PMID:42248755	研究论文	对四种语音欺骗检测模型进行对比实验分析	在标准化设置下对比传统机器学习与深度学习模型，强调根据部署需求而非仅准确率选择模型	仅使用ASVspoof 2019逻辑访问数据集，未覆盖更广泛场景	分析不同机器学习技术在语音欺骗检测中的性能，为模型选择提供指导	语音欺骗检测模型（SVM、GMM、ResNet、Wav2Vec 2.0）	自然语言处理	NA	NA	SVM、GMM、ResNet、Wav2Vec 2.0	语音	ASVspoof 2019逻辑访问数据集	NA	SVM、GMM、ResNet、Wav2Vec 2.0	等错误率、串联检测成本函数、训练时间、推理时间	NA
5118	2026-06-07	A week in the life of the human brain reveals stable states punctuated by chaotic-like transitions 2026-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73347-y PMID:42248858	研究论文	通过连续一周的记录，揭示人脑在日常行为中稳定状态与混沌过渡的动态变化	首次采用联合颅内多电极和视频记录，结合动态深度学习算法，在无约束的自发行为中捕捉大脑状态之间的混沌过渡，并发现稳定中心流形与默认模式网络相关	未提及具体限制	研究人脑在真实世界环境中，从分钟到天的尺度上，神经动力学如何随行为和生理状态变化	20名参与者的脑内多电极记录、视频行为数据、心率及昼夜节律信息	机器学习	NA	颅内多电极记录、视频记录	动态深度学习算法	神经信号、视频、心率、行为标签	20人，一周连续记录	NA	NA	NA	NA
5119	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
5120	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