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
5721	2026-06-04	Neuron Segment Connectivity Prediction With Multimodal Features for Connectomics 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3658169 PMID:41587252	研究论文	提出一种利用多模态特征进行神经元片段连接预测的自动校对流水线，用于连接组学分析	创新性地融合全局三维形态特征和高分辨率局部图像上下文，通过提议式图像特征采样提高多模态交叉注意力效率，构建模拟人工校对的自动合并流水线	NA	解决大规模电子显微镜数据中神经元重建的过度分割问题，实现自动化神经元片段合并	大规模电子显微镜数据集中的神经元片段	计算机视觉	NA	电子显微镜成像	深度学习网络	图像	NA	PyTorch	连接点检测网络、连接性预测网络	NA	NA
5722	2026-06-04	Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103936 PMID:41604895	研究论文	提出一种基于知识引导的多几何窗口变换器用于心脏电影 MRI 重建，以加速成像并提升图像质量	提出 KGMgT 网络，创新性地采用自适应时空注意力机制推断相邻心脏帧的运动轨迹并结合 Transformer 驱动的动态特征聚合建立长距离依赖，实现全局信息整合	NA	开发一种高效的深度学习网络用于心脏电影 MRI 快速重建，辅助临床诊断和决策	心脏电影 MRI 重建任务中的图像序列	计算机视觉	心血管疾病	MRI	Transformer	图像	NA	NA	KGMgT（多几何窗口 Transformer）	NA	NA
5723	2026-06-04	Data-related Ablation for Reinforcing Deep Learning in Explaining Complex Phenomena 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500061 PMID:41612853	研究论文	提出一种数据消融方法，用于评估深度学习模型是否真正学习了相关模式，而非依赖数据中的偏差	提出数据相关消融框架，作为传统架构消融的补充，通过分析模型在移除关键特征后的表现来区分稳健学习与偶然特征依赖	未明确说明局限性，但可能受限于案例研究的特定领域（脑电图信号的情绪识别与运动执行）	开发一种评估深度学习模型可靠性和泛化能力的方法，确保模型真正捕捉目标现象而非数据偏差	深度学习模型对复杂现象的解释能力，特别是脑电图信号中的情绪识别与运动执行任务	机器学习	NA	NA	深度学习模型	脑电图信号	未明确说明样本量，涉及脑电图信号的情绪识别与运动执行数据集	NA	NA	模型准确率	NA
5724	2026-06-04	Deep Learning for Diagnosis of Disc Herniation in Small Animals: A CNN-Based Approach Using CT Imaging 2026-May, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70161 PMID:42170695	研究论文	基于深度学习的卷积神经网络模型用于小动物CT图像中的椎间盘突出诊断	结合U-Net分割和VGG16分类的迁移学习方法，并采用合成掩膜生成和对比度增强技术提高诊断准确性	数据集规模有限，未来需扩展数据集并优化模型以增强临床适用性	开发自动化的椎间盘突出检测模型，提升小动物脊柱疾病的诊断效率和准确性	小动物（犬猫）的椎间盘突出病变	计算机视觉	椎间盘疾病	CT成像	卷积神经网络	CT图像	1651张标注CT图像（来自64602次扫描）	PyTorch, Keras	U-Net, VGG16	分类准确率	NA
5725	2026-06-04	Prospective blinded clinical evaluation of a fully automated workflow for prostate radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100999 PMID:42232231	研究论文	前瞻性地评估了用于前列腺放射治疗的全自动工作流程与常规临床工作流程的临床可用性	首次在常规临床条件下对结合深度学习分割和计划的全自动工作流程进行了前瞻性、盲法评估	自动化靶区勾画一致性较小且临床可接受率略低于常规工作流程，需要进一步优化	评估全自动工作流程在前列腺放射治疗中的临床可用性和效率	22名连续接受前列腺放射治疗的患者	数字病理学	前列腺癌	NA	深度学习	医学影像	22名前列腺放疗患者	商业治疗计划系统	NA	临床可接受率、处理时间	NA
5726	2026-06-04	Association between Open-Angle Glaucoma Progression and Cardiovascular Risk Predicted by a Deep Learning-Based Fundus Imaging Model 2026-Apr-22, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.04.004 PMID:42031235	研究论文	本文研究基于深度学习的眼底成像模型预测的心血管风险与开角型青光眼进展之间的关联	首次利用深度学习从眼底照片衍生的RetiCAC评分来评估系统性动脉粥样硬化负担与青光眼视野进展的关系	回顾性研究设计，样本量有限（192名患者），且未说明深度学习模型的外部验证	探讨RetiCAC评分（深度学习衍生的心血管风险指标）与青光眼视野进展的关联	192名开角型青光眼患者的眼底照片和视野数据	机器学学习	开角型青光眼	眼底成像	深度学习模型	图像	192只眼睛（来自192名患者）	NA	深度学习模型（未具体指定架构）	关联分析（P值）、生存分析（显著性）、散点图拟合	NA
5727	2026-06-04	Full-DIA enables complete single-cell proteomics from diaPASEF using deep learning 2026-Apr-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04087-x PMID:42015180	研究论文	Full-DIA是一个基于深度学习的软件，通过增强蛋白质组覆盖度、定量准确性和分析速度，实现了对单细胞diaPASEF数据的完整蛋白质组分析，并生成无缺失值的蛋白质矩阵	首次利用深度学习驱动实现四维diaPASEF分析，生成无缺失值的蛋白质矩阵，显著提高蛋白质组覆盖度、定量准确性和分析速度，并有效控制全局FDR	未明确说明局限性，但可能依赖特定数据格式或计算资源	开发一种深度学习驱动的方法，用于提升单细胞diaPASEF蛋白质组分析的完整性和准确性	单细胞水平的蛋白质组数据，包括LPS处理和细胞周期数据集	深度学习, 蛋白质组学	NA	diaPASEF, 四维离子淌度分离	深度学习模型	蛋白质组学数据	LPS处理和细胞周期数据集（具体数量未提及）	NA	NA	蛋白质组覆盖度, 定量准确性, 分析速度, 全局FDR	NA
5728	2026-06-04	A two-stage deep learning model for risk identification in green supply chain finance 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46830-1 PMID:41965401	研究论文	构建了一个两阶段深度学习模型，用于绿色供应链金融中的风险识别	创新性地将生成对抗网络与残差自编码器结合用于数据增强，并将深度神经网络与多核支持向量机融合以提升复杂非线性风险模式的分类能力	NA	实现绿色供应链金融中风险的智能化和精确识别	2015-2024年间168家企业的绿色供应链金融风险样本	机器学习	NA	NA	生成对抗网络、残差自编码器、深度神经网络、多核支持向量机	表格数据	168家企业样本，时间跨度2015-2024年	NA	GAN-SAE, DNN-SVM	准确率、召回率、AUC	NA
5729	2026-06-04	Comparative analysis of deep learning algorithms for rolling element bearing fault classification under variable loads and speeds 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42592-y PMID:41965751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5730	2026-06-04	Hybrid CNN-decision tree framework for efficient transmission line fault detection and classification: an XAI-based approach 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45514-0 PMID:41963451	研究论文	提出一种混合1D卷积神经网络-决策树框架，用于输电线路故障检测与分类，并集成可解释人工智能方法	将一维CNN作为特征提取器，决策树执行可解释分类，区别于传统端到端深度学习模型，并集成SHAP提供全局和实例级可解释性	仅在仿真环境中测试，未在真实输电线路数据上验证	实现输电线路故障的高效、准确且可解释的检测与分类，提升电力系统稳定性	输电线路故障，包括短线路、长分布式线路、源端故障和负载端故障	机器学习	NA	NA	1D卷积神经网络-决策树	三相电压和电流测量值	模拟生成的大规模平衡数据集，涵盖正常操作和十种故障类型	MATLAB/Simulink	1D-CNN,决策树	准确率	NA
5731	2026-06-04	Assessing trends and forecasting meteorological drought in South Africa using Savitzky-Golay enhanced hybrid deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46664-x PMID:41963462	研究论文	本研究使用Savitzky-Golay增强混合深度学习模型评估和预测南非气象干旱趋势	开发了集成Savitzky-Golay滤波器与时间卷积网络和长短期记忆网络的新型混合模型SG-TCN-LSTM，用于气象干旱预测	未来需扩展模型纳入更多气候驱动因素，评估其在不同气候区域的迁移性，并探索在业务干旱预警系统中的应用	评估南非夸祖鲁-纳塔尔省uMkhanyakude地区的长期干旱趋势，并增强干旱预测能力	南非夸祖鲁-纳塔尔省uMkhanyakude地区的六个气象站	机器学习	NA	NA	混合模型（SG-TCN-LSTM）	时间序列数据（日降雨量记录）	1980年至2023年共43年每日降雨量记录，来自六个气象站	NA	Savitzky-Golay滤波器、时间卷积网络、长短期记忆网络	均方根误差、决定系数	NA
5732	2026-06-04	Leveraging convolutional sparse autoencoders for robust movement classification from low-density sEMG 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47492-9 PMID:41963500	研究论文	提出一种仅使用两个表面肌电图通道、基于卷积稀疏自编码器的深度学习框架，实现高精度手势识别，并支持少样本迁移学习和增量学习	利用卷积稀疏自编码器直接从原始信号提取时序特征，无需启发式特征工程；结合少样本迁移学习显著提升跨个体泛化能力；支持基于增量学习的类别扩展而不需完整模型重训练	仅在健全个体上进行概念验证，未在截肢患者中验证；传感器密度低可能限制复杂手势识别精度	开发一种低计算开销、低传感器密度的可扩展肌电假肢控制方案	表面肌电图信号中的手势分类任务	机器学习	截肢	sEMG	卷积稀疏自编码器	时序信号	6类手势数据集，包含多受试者数据	NA	卷积稀疏自编码器	F1分数	NA
5733	2026-06-04	Non-invasive endometriosis staging prediction using integrated radiomics and spatiotemporal transformer model based on dynamic contrast-enhanced MRI 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41499-y PMID:41957071	研究论文	提出一种结合放射组学和时空Transformer的非侵入性子宫内膜异位症分期预测模型，基于动态对比增强MRI	提出双路径架构，通过跨模态注意力机制实现工程化放射组学特征与学习到的时空表示之间的双向优化，并结合自适应加权机制根据个体病例特征调整特征贡献	对治疗决策的最终影响需进一步回顾性评估	开发非侵入性子宫内膜异位症分期预测方法，克服传统诊断依赖于有创腹腔镜的局限性	子宫内膜异位症病变的动态对比增强MRI图像序列	计算机视觉	子宫内膜异位症	动态对比增强磁共振成像	Transformer	图像	486例手术确认病例（内部训练/测试集），127例回顾性患者（外部验证集）	NA	Spatiotemporal Transformer	准确率, F1分数	NA
5734	2026-06-04	FedLiverNet: a federated learning framework for privacy-preserving and efficient liver cancer detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46244-z PMID:41957078	研究论文	提出 FedLiverNet，一种用于隐私保护且高效的肝肿瘤检测联邦学习框架	结合改进的 U-Net 骨干网络、差分隐私聚合和带局部自适应的聚类联邦学习，以应对非独立同分布数据并降低通信成本	基于仿真实验，未在真实多中心数据上验证；隐私保护可能仍存在优化挑战	实现隐私保护下的多中心肝脏和肿瘤分割，同时提升通信效率和模型性能	CT 图像中的肝脏和肿瘤分割	计算机视觉	肝癌（肝肿瘤）	CT 成像	U-Net 变体	影像数据	未明确提及	NA	改进的 U-Net	Dice 系数，通信成本降低	NA
5735	2026-06-04	Explainable deep learning-based lung cancer diagnosis using clinically-guided local interpretable model-agnostic explanations 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44127-x PMID:41957146	研究论文	提出了一种基于自适应超像素扰动的局部可解释模型无关解释方法，用于深度学习的肺癌诊断	引入自适应超像素分割、分层扰动策略、肺部区域掩膜和后处理增强，改进了传统局部可解释模型无关解释方法，提高了医学影像解释的忠实度和定位能力	未提及在多样化临床数据集上的验证或计算效率分析	开发可解释的深度学习诊断工具，增强模型在肺癌分类中的临床接受度	肺部医学影像中的肺癌分类任务	计算机视觉、数字病理学	肺癌	医学影像分析	卷积神经网络	图像	基于公开肺部图像数据集	NA	MedDeepNet	准确率、召回率、精确率、特异性、F1分数、删除分数、插入分数、扰动曲线间面积	NA
5736	2026-06-04	Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47518-2 PMID:41957239	研究论文	开发并评估基于术中视频的深度学习模型，用于预测肝细胞癌患者严重纤维化（F3-F4），模型表现超越外科医生的视觉评估和传统非侵入性评分	首次利用术中视频数据进行深度学习分析以预测严重肝纤维化，并与外科医生视觉评估及传统指标（APRI、FIB-4）进行系统比较，模型表现出更优的诊断性能	单中心回顾性研究，样本量有限（103例），需前瞻性多中心验证以确认泛化性和临床影响	开发基于术中视频的深度学习模型，实现严重肝纤维化的即时准确诊断，为微创肝切除手术规划提供客观参考	接受微创肝切除手术的肝细胞癌患者的术中视频画面	计算机视觉	肝癌	深度学习	DenseNet	视频	103名患者（2019年12月至2022年3月）	PyTorch	DenseNet-121	AUROC, 敏感性, 特异性, F1分数	NA
5737	2026-06-04	High-precision automated grading of flue-cured tobacco leaves based on hierarchical feature fusion 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45252-3 PMID:41957429	研究论文	提出一种基于层级特征融合的深度学习框架，用于高精度自动化烤烟烟叶分级	创新性地集成多个预训练骨干网络与层级特征融合模块，并引入可学习注意力权重自适应组合低、中、高层特征，提升多尺度互补特征捕获能力	未提及模型训练数据集的规模和多样性，也未讨论在真实生产环境中的部署可行性	解决传统人工分级主观性强、效率低以及现有深度学习方法难以捕获多尺度特征的问题，实现高精度自动化烟叶分级	烤烟烟叶	计算机视觉	不适用	深度学习	卷积神经网络	图像	未提及	PyTorch	多个预训练骨干网络、卷积块注意力模块、层级特征融合模块	准确率	未提及
5738	2026-06-04	Study on mmage defect recognition and classification of power transmission equipment based on lightweight model residual Mamba 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45856-9 PMID:41957442	研究论文	提出一种轻量级分割网络ResMamba，用于电力传输设备图像缺陷识别与分类，解决小样本条件下的检测难题	在视觉状态空间模块中移除冗余线性层缩减38%参数，并引入深度卷积块和可学习缩放参数动态调整残差连接，同时通过多级多尺度信息融合机制增强缺陷检测能力	未在更多样化的真实工业场景或不同成像条件下验证模型泛化性	提升电力传输设备小样本缺陷检测性能，增强电网自愈能力	电力传输设备图像中的缺陷样本	计算机视觉	不适用	轻量级分割网络	ResMamba（基于Mamba架构）	图像	公共数据集（含特定小样本设置）	PyTorch	六层U形编解码器, ResVSS模块	分割准确率	NA
5739	2026-06-04	Climate-aware hybrid Kolmogorov-Arnold networks for interpretable solar radiation forecasting 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45578-y PMID:41946784	研究论文	提出一种气候感知的混合Kolmogorov-Arnold网络框架，用于可解释的太阳辐射预测	首次将极值理论驱动的开关机制与可解释的样条基Kolmogorov-Arnold网络结合，实现气候特异性太阳辐射预测，并保持物理一致性与透明度	NA	提高短期太阳辐射预测的准确性、可解释性和鲁棒性，以适应不同气候区域的光伏系统集成需求	沙特阿拉伯五个气候不同区域（沙漠、沿海、山地、过渡环境）的小时尺度气象和辐射数据	机器学习	NA	NA	Kolmogorov-Arnold网络、前馈神经网络	气象时间序列数据、辐射量数据	五个气候区域的每小时数据	NA	KAN, CNN-BiLSTM	预测精度、物理一致性（非负性、辐射边界）	NA
5740	2026-06-04	Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification 2026-Apr, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70271 PMID:41588600	研究论文	开发基于深度学习的一维卷积神经网络模型，用于实时室性心动过速警报分类	首次使用包括两个心电图导联、光电容积描记法和动脉血压信号在内的多种原始波形输入，通过一维卷积神经网络对室性心动过速警报进行实时分类	暂未提及	提高重症监护室室性心动过速警报的准确率，减少假阳性警报，缓解警报疲劳问题	室性心动过速警报的原始波形数据	机器学习	心血管疾病	NA	CNN	波形数据	使用VTaC心律失常基准数据集，含多个10秒波形片段，具体样本数量未说明	NA	一维卷积神经网络 (1D-CNN)	AUC, 准确率 (accuracy), F1-score, 灵敏度 (sensitivity), 特异度 (specificity), 阳性预测值 (positive predictive value)	NA