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
5741	2026-06-29	WaveNet's Precision in iEEG Classification 2026-Feb-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-026-09771-8 PMID:41697466	研究论文	本研究引入了一种基于WaveNet的深度学习模型，用于自动化分类颅内脑电图信号，包括生理活动、病理/癫痫活动、电源噪声及其他非大脑伪影类别	首次将原本用于原始音频合成的WaveNet架构应用于颅内脑电图信号分类，利用扩张因果卷积和残差连接捕获信号中精细和长时程的时间依赖关系，在分类精度上超越传统非专业CNN和LSTM方法	模型在分布内表现强劲，但跨数据集和临床场景的泛化能力尚未得到验证	开发自动化颅内脑电图信号分类的深度学习方法，以应对传统专家视觉评审在处理日益复杂和大量记录时的不实用性	颅内脑电图信号，分类为生理活动、病理/癫痫活动、电源噪声及其他非大脑伪影	机器学习	癫痫	颅内脑电图记录	WaveNet	时间序列信号	209,231个样本	NA	WaveNet	准确率、精确率、召回率、F1分数	NA
5742	2026-06-29	Determining risk factors predicting miscarriage among couples undergoing assisted reproductive treatment: a systematic review 2026-Feb-16, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-026-08819-6 PMID:41699523	系统综述	系统综述了辅助生殖技术中流产的风险因素，并将其分类为基础特征、临床特征和治疗特征	首次系统性地将辅助生殖技术中流产风险因素分为三大类，并强调了未来利用人工智能预测流产的潜力	仅纳入17项研究，且未进行定量荟萃分析，结果以描述性分析为主	识别和分类辅助生殖技术中与流产相关的风险因素	接受辅助生殖治疗的夫妇	机器学习	流产	NA	NA	NA	17项研究	NA	NA	NA	NA
5743	2026-06-29	Lightweight scalable deep learning framework for real time detection of potato leaf diseases 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33423-7 PMID:41688475	研究论文	开发了一种增强型单发多框检测器（EF-SSD），用于实时检测马铃薯叶片病害	结合多尺度特征融合和压缩激励（SE）注意力机制，在高分辨率图像上以十种放大级别检测微小的感染迹象	未提及局限性	实现叶片病害的实时精准检测，支持智慧农业和早期作物病害管理	马铃薯叶片图像，包括健康植株以及早疫病和晚疫病样本	计算机视觉	马铃薯叶片病害	NA	卷积神经网络（基于SSD的变体）	图像	2,500张标注马铃薯叶片图像	NA	SSD, 多尺度特征融合, 压缩激励模块	平均精度（mAP）, F1分数, 交并比（IoU）, 帧率（FPS）	NA
5744	2026-06-29	AI-driven nanomedicine for cancer theranostics 2026-Feb-13, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-025-02563-9 PMID:41680778	综述	综述人工智能驱动纳米医学在癌症诊疗一体化中的应用现状与未来发展	聚焦于直接改善诊疗决策的AI方法，并通过任务-数据-方法-指标框架提供可重复的证据，而非泛泛概述纳米医学	面临纳米毒性、AI可解释性、数据限制和监管问题等主要困难，同时涉及伦理困境	探讨AI在癌症诊疗一体化纳米颗粒中的应用现状与未来发展方向	用于癌症诊疗一体化的纳米材料（脂质体、金纳米颗粒、氧化铁纳米颗粒、量子点）及AI方法（机器学习、深度学习、强化学习、生成模型）	机器学习	癌症	NA	机器学习、深度学习、强化学习、生成模型	NA	NA	NA	NA	NA	NA
5745	2026-06-29	Discerning clinical target volume of endometrial cancer via a lightweight multi-phase delineation framework 2026-Feb-12, Radiation oncology (London, England) DOI:10.1186/s13014-026-02800-5 PMID:41680891	研究论文	提出了一种轻量级多期相勾画框架，用于子宫内膜癌临床靶体积的精确分割	创新点包括提出了NCLNet轻量级网络结构，融合非增强CT和增强CT特征，并引入边界感知多期相学习策略以及新的轮廓Dice相似系数（CDSC）评估指标	未提及具体局限性	建立一种使用多期相CT进行子宫内膜癌临床靶体积自动勾画的新方法	175例接受术后盆腔放疗的子宫内膜癌患者的多期相CT图像，包括增强CT和非增强CT	数字病理学	子宫内膜癌	CT成像	深度学习模型（NCLNet）	图像（CT图像）	175例患者的盆腔放疗后多期相CT图像	NA	NCLNet	Dice相似系数（DSC）、平均对称表面距离（ASSD）、轮廓Dice相似系数（CDSC）、修改时间和修改体积百分比	NA
5746	2026-06-29	UniChrom: a universal deep learning architecture for cross-scale chromatin interaction prediction 2026-Feb-10, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12625-x PMID:41663926	研究论文	开发了一个名为UniChrom的通用深度学习框架，通过基于注意力机制的神经网络整合DNA序列和表观基因组特征，预测染色质相互作用	提出跨尺度染色质相互作用预测的通用框架，结合注意力机制整合多源特征，实现跨细胞系及跨谱系的泛化能力，并通过可解释性分析识别关键调控因子	NA	开发能够跨细胞类型预测染色质相互作用的通用计算方法，以理解基因调控和基因组组织	人类淋巴母细胞、白血病细胞、成纤维细胞及内皮细胞等细胞系中的染色质相互作用	机器学习	NA	NA	深度神经网络（基于注意力机制）	DNA序列和表观基因组特征	人类淋巴母细胞、白血病细胞、成纤维细胞和内皮细胞等多种细胞系	NA	NA	AUC	NA
5747	2026-06-29	Benchmarking imputation strategies for missing time-series data in critical care using real-world-inspired scenarios 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39035-z PMID:41667568	研究论文	本研究在重症监护时间序列分析中，基于真实世界缺失模式对多种插补策略进行基准测试	设计了反映ICU数据库中缺失模式的掩码场景，逼近真实条件，揭示了插补方法和缺失场景对结论的依赖性	需要进一步分析在临床现实场景下的下游影响，并根据变量类型采用定制化插补策略	评估和比较多种时间序列插补策略在重症监护缺失数据场景下的性能	重症监护（ICU）时间序列数据，特别是MIMIC-IV数据库中的监测数据	机器学习	NA	NA	Transformer, RNN, GAN, VAE	时间序列数据	MIMIC-IV数据库中的监测数据，具体样本量未提及	NA	Transformer, RNN, GAN, VAE, MICE, MissForest	插补误差估计（如平均绝对误差、均方根误差等，具体指标未提及）	NA
5748	2026-06-29	Class-attention pooling and token sparsity based vision transformers for chest X-ray interpretation 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37109-6 PMID:41667676	研究论文	提出了一种基于类别注意力池化和令牌稀疏性的视觉Transformer模型，用于胸部X光影像解释	引入了类别注意力池化技术，使每个疾病类别令牌能突出显示图像中相关区域，提升疾病关注度；通过令牌稀疏性和随机令牌丢弃增强模型对噪声的鲁棒性；在分块前添加卷积干提取局部特征	基于图像级别的数据划分进行评估，由于数据集限制，性能可能被高估；未在患者级别验证	提高胸部X光分析中深度学习模型的准确性和可解释性，辅助放射科医生高效检测肺部疾病	胸部X光影像中的肺部疾病检测	计算机视觉	肺部疾病	胸部X光影像预处理（CLAHE）、混合精度计算、热身余弦学习率调度	视觉Transformer（ViT）	图像	公共数据集（肺结核胸部X光数据集和肺结节胸部X光数据集）	PyTorch	改进型ViT（含类别注意力池化、令牌稀疏性、卷积干）	训练准确率、验证准确率、F1分数、AUC	NA
5749	2026-06-29	Research on improved models for facial expression recognition in mice with abnormal glucose metabolism 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38863-3 PMID:41667608	研究论文	提出了一种改进的小鼠面部表情识别模型LFPP-YOLO，用于非侵入性检测异常糖代谢状态	首次将深度学习模型应用于小鼠异常糖代谢面部表情识别，提出轻量级LFPP-YOLO模型，结合部分自注意力模块和L-FFCA结构，实现高效特征提取和背景抑制	未提及模型在其他物种或人类中的泛化能力，也未探讨模型的长期稳定性和实际应用场景	开发非侵入性检测小鼠异常糖代谢的方法，为个性化干预提供技术支持	C57BL/6J小鼠，高脂饮食和链脲佐菌素诱导的异常糖代谢模型	计算机视觉	糖代谢异常	深度学习	YOLO（LFPP-YOLO）	图像（小鼠面部表情）	未明确说明具体样本数量，但构建了包含五种糖代谢状态的面部表情数据集	NA	LFPP-YOLO（基于YOLO改进，包含部分自注意力模块和L-FFCA结构）	平均面部检测准确率	NA
5750	2026-06-29	Radiomic features and carotid stenosis in periodontitis a two stage bootstrap and multimodal machine learning study 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38463-1 PMID:41667673	研究论文	基于CBCT影像组学特征开发机器学习模型，早期检测牙周炎患者伴随的颈动脉粥样硬化	首次将CBCT影像组学特征与多阶段Bootstrap特征选择方法结合，用于牙周炎患者颈动脉粥样硬化的早期检测，并应用SMOTE过采样处理类别不平衡	样本量相对较小（279例观察），特异性较低（0.710），可能存在选择偏倚	开发并验证基于CBCT影像组学特征的深度学习模型，实现牙周炎患者潜在颈动脉粥样硬化的早期检测	牙周炎患者（伴随或不伴随颈动脉粥样硬化）	数字病理学	牙周炎、颈动脉粥样硬化	CBCT（锥形束CT）	随机森林、逻辑回归、支持向量机	影像组学特征	279例观察（SMOTE后增至390例）	Scikit-learn	随机森林、逻辑回归、支持向量机	AUC, 灵敏度, 特异度, 准确率	NA
5751	2026-06-29	Noninvasive preoperative risk stratification of prostate cancer via a foundational model based deep learning with PSMA PET/CT 2026-Feb-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-15715-x PMID:41663975	研究论文	开发并内部验证了一种基于基础模型的PSMA PET/CT深度学习框架，用于前列腺癌的术前无创风险分层	利用冻结的BiomedCLIP基础模型与3D PET/CT特征融合，实现无需活检输入的无创风险分层	单中心回顾性研究，需要多中心外部验证和端到端自动化以提高泛化性和部署能力	在前列腺癌ISUP分级组1-2与3-5的边界进行无创术前风险分层	494名男性患者，在根治性前列腺切除术前一个月内接受[18F]PSMA-1007 PET/CT扫描	计算机视觉, 数字病理	前列腺癌	PSMA PET/CT	深度学习	图像	494名男性患者的PSMA PET/CT图像	PyTorch	BiomedCLIP, ResNet, 3D卷积神经网络	AUC, 精确率, 召回率, F1值, 精确率-召回率曲线下面积, 决策曲线分析	单GPU（未具体说明型号）
5752	2026-06-29	Ultrasound-based attention-guided deep learning combined with radiomics to predict axillary lymph node metastasis in breast cancer 2026-Feb-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02208-3 PMID:41664021	研究论文	开发一种多尺度特征融合模型（CBAM_DenseNet201_RC），整合超声图像注意力引导深度学习、放射组学和临床特征，用于预测乳腺癌患者腋窝淋巴结转移	将注意力机制（CBAM）与DenseNet201深度学习模型相结合，并融合放射组学和临床特征构建多尺度特征融合模型，实现非侵入性精准预测	研究为单中心回顾性设计，样本量有限（323例），未涉及外部验证集	术前准确预测乳腺癌患者腋窝淋巴结转移状态	乳腺癌患者的超声图像、放射组学特征及临床特征	数字病理学	乳腺癌	超声成像	深度学习模型（DenseNet201集成CBAM注意力机制）与逻辑回归分类器	超声图像	323例乳腺癌患者（训练组226例，测试组97例）	NA	DenseNet201, CBAM	AUC, 95%置信区间	NA
5753	2026-06-29	Geospatial and machine learning analyses of cardiovascular disease mortality across the continental United States: Identifying associated variables using Shapley values 2026-Feb-09, BMC public health IF:3.5Q1 DOI:10.1186/s12889-026-26571-6 PMID:41656207	研究论文	结合空间统计与机器学习方法分析美国大陆心血管疾病死亡率的县级关联因素	首次在全国尺度上同时运用空间模式检测、五种机器学习算法及深度学习方法比较，并使用SHAP值解释模型以识别心血管疾病死亡率的县级关联因素	未明确提及数据局限或模型泛化性限制	识别与美国大陆县级心血管疾病死亡率相关的人口、临床、社会经济、环境、医疗和行为变量	美国大陆县级区域	机器学习	心血管疾病	NA	线性回归、决策树、随机森林、支持向量机、极端梯度提升、人工神经网络	县级死亡率数据（2018-2021年）及40个关联变量	美国大陆所有县级区域	NA	人工神经网络、XGBoost、随机森林、支持向量机、线性回归、决策树	R²	NA
5754	2026-06-29	PCSA-Net: pyramid channel and spatial attention network for multiclass renal disease diagnosis using CT images 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12335-6 PMID:41663444	研究论文	提出一种基于金字塔通道和空间注意力网络的CT图像多类肾脏疾病诊断方法	创新性地提出金字塔通道和空间注意力机制，通过金字塔多尺度卷积重构特征表示，同时提取空间和通道注意力权重，实现多尺度上下文信息的精确整合，并设计为即插即用模块可无缝集成到多种CNN骨干网络	当前研究仅聚焦于三种肾脏疾病，未来需扩展至更广泛的肾脏病理类型	开发自动化肾脏疾病诊断的AI驱动系统，提升CT图像中肾结石、肿瘤和囊肿三类主要肾病的诊断准确性	CT图像中的肾脏疾病（肾结石、肿瘤和囊肿）	计算机视觉	肾脏疾病	CT成像	卷积神经网络	图像	NA	NA	ResNet, VGG, DenseNet, EfficientNet	准确率	NA
5755	2026-06-29	AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38061-1 PMID:41663705	研究论文	提出一种基于深度学习的AI框架，利用口腔根尖片自动检测和量化牙槽骨丧失的严重程度与模式	结合YOLOv8用于牙齿检测与Keypoint R-CNN识别解剖标志，实现骨丧失严重度的精确计算；使用YOLOv8x-seg模型分割骨水平和牙齿掩膜，通过几何分析确定骨丧失模式（水平或纵向）	NA	开发自动检测和量化牙槽骨丧失严重度与模式的AI系统，减少主观手动评估依赖性，改善牙周炎诊断和治疗规划	牙槽骨丧失的严重度和模式	计算机视觉	牙周炎	口腔根尖片放射线成像	YOLOv8、Keypoint R-CNN	图像	1000张口腔根尖片	PyTorch	YOLOv8、Keypoint R-CNN	组内相关系数、准确率	NA
5756	2026-06-29	A data privacy protection method for infectious disease prediction models with balanced training speed and accuracy 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38906-9 PMID:41644632	研究论文	提出一种平衡训练速度与准确率的传染病预测模型数据隐私保护方法	提出随机传输混合同态加密算法，结合CKKS和Paillier机制，通过随机传输序列优化，计算和通信效率提升25%；开发DS-DSSGD算法，过滤低贡献梯度更新以平衡训练速度与预测精度	仅在特定数据集上验证，未考虑真实世界网络延迟与多方协作场景的复杂约束	解决医学数据隐私保护中数据孤岛与预测精度下降的问题，实现安全高效的传染病预测建模	传染病预测模型中的隐私保护机制与模型训练优化算法	机器学习	传染病	NA	NA	医疗数据	NA	NA	NA	计算效率、通信效率、预测精度	NA
5757	2026-06-29	An efficient deep CNN based BiLSTM framework with RanA optimization for accurate cardiac arrhythmia detection 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38227-x PMID:41634127	研究论文	提出基于深度CNN与BiLSTM结合RanA优化的心律失常检测框架，实现高精度分类	结合CapsNet特征提取、多种深度CNN特征选择、BiLSTM时序分类及RanA超参数优化，实现AF与CHF心律失常的高效检测	未提及模型在其他心律失常类型或更大数据集上的验证，未讨论实际部署中的硬件需求	开发一种准确、高效的心律失常自动检测方法，区分房颤和充血性心力衰竭与正常窦性心律	PhysioNet数据库中的AF、CHF和NSR相关ECG信号	机器学习	心血管疾病	ECG信号分析	CNN、BiLSTM	ECG信号	AF vs NSR和CHF vs NSR的ECG信号样本	NA	CapsNet、EfficientNet B3、ResNet152、DenseNet201、VGG19、BiLSTM	准确率	NA
5758	2026-06-29	Enhanced YOLO12 with spatial pyramid pooling for real-time cotton insect detection 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35747-4 PMID:41634089	研究论文	提出增强型YOLO12架构，集成空间金字塔池化模块，用于棉花害虫实时检测	在YOLO12框架基础上整合优化后的空间金字塔池化和注意力特征提取模块，在保持计算效率的同时显著提升检测精度，并通过多个基线模型和自定义架构的对比验证了其优越性	未在田间真实复杂场景下进行充分验证，也未讨论光照、遮挡等环境因素对模型性能的影响	开发一种高效、实时的深度学习模型以替代传统棉花害虫监测方法，实现精准农业中的害虫精准检测	棉花田间的多种昆虫，通过图像样本进行检测和识别	计算机视觉	NA	数字图像处理	卷积神经网络（CNN）	图像	NA	PyTorch	YOLO12, YOLO11, YOLO12_Fusion, YOLO11-BRA-Net, YOLO11_CBAM, Enhanced Hybrid YOLO12	准确率, 召回率, mAP50, mAP50-95	NA
5759	2026-06-29	Explainable AI for critical care: a systematic review of interpretable models for sepsis and ICU mortality prediction 2026-Feb-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03344-0 PMID:41634648	综述	系统回顾了2020至2025年间用于脓毒症和ICU死亡率预测的可解释人工智能方法	全面总结了SHAP、LIME、Grad-CAM及敏感性分析在脓毒症预测中的应用，并强调了可解释性增强模型在保持高准确性的同时提升临床信任度	缺乏前瞻性评估、可解释性指标不一致及临床工作流程整合困难	评估可解释人工智能在重症监护中用于脓毒症和ICU死亡率预测的方法与效果	2020至2025年间应用可解释性方法的脓毒症和ICU死亡率预测研究	自然语言处理, 机器学习	脓毒症, 重症监护疾病	NA	机器学习, 深度学习	临床数据	NA	NA	NA	准确率	NA
5760	2026-06-29	An interactive cascaded deep learning framework with expert refinement for accurate striatal subregion segmentation 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36399-0 PMID:41606103	研究论文	提出一个级联深度学习框架StriaSeg-iARM，用于脑MRI中纹状体亚区的高精度分割	引入专家修正的中间细化步骤，在无需重新训练模型的情况下提升解剖变异病例的分割精度，并采用级联架构实现12个精细亚区的准确分割	取决于专家交互的可用性，可能增加人工成本；仅在T1加权MRI数据上验证，泛化性有待进一步测试	实现纹状体亚区的高精度自动分割，以支持帕金森病等神经退行性疾病的PET定量分析	脑MRI图像中的纹状体及其12个解剖亚区	计算机视觉	帕金森病	MRI	3D残差U-Net	T1加权MRI图像	多扫描仪T1加权MRI数据，内部和外部数据集，包括纹状体萎缩的真实病例	PyTorch	3D残差U-Net	Dice系数	NA