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
6141	2026-07-10	Hybrid deep learning with attention mechanism for monitoring and classifying physical exercise postures using sensor data 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59240-0 PMID:42420401	研究论文	探讨利用混合深度学习模型和注意力机制，基于传感器数据监测和分类体育锻炼姿势	首次将胶囊网络与混合MLP-CNN-Transformer架构用于运动姿势分类，并实现了0.99的高准确率	未在实时应用场景中验证模型性能，且仅涵盖有限范围的体育活动	开发基于深度学习的高精度运动姿势识别系统，用于健身监测和个性化训练	智能设备采集的人体运动传感器数据，包括动作动态和姿势变化	机器学习	NA	传感器数据采集	卷积神经网络, 循环神经网络, 胶囊网络, 门控循环单元, 多层感知机, Transformer	传感器数据	未明确说明样本数量，使用了智能设备采集的运动数据	NA	CNN, RNN, CapsNet, GRU, MLP, Transformer, 混合MLP-CNN, 混合CNN-Transformer	准确率, 精确率, 召回率	NA
6142	2026-07-10	Prediction of incident atrial fibrillation from retinal fundus images using a multimodal foundation model 2026-Jul-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02969-9 PMID:42420432	研究论文	提出基于视网膜眼底图像的多模态基础模型生物标志物RetiAF评分，用于早期检测心房颤动	首次利用多模态基础模型从视网膜眼底图像中提取生物标志物用于房颤预测，并验证其跨种族、多中心数据集的鲁棒性表现	未提及具体局限性	开发基于视网膜眼底图像的非侵入性房颤筛查工具，评估其在多中心数据集中的预测性能	视网膜眼底图像及其衍生的生物标志物RetiAF评分	计算机视觉	心血管疾病	视网膜眼底成像	多模态基础模型	图像	UK Biobank开发和内部测试数据集、上海外部数据集	NA	多模态混合模型	AUROC	NA
6143	2026-07-10	Automated body composition quantification from non-contrast CT for urolithiasis classification and exploratory incident risk assessment 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61876-x PMID:42420441	研究论文	开发一种基于深度学习的非对比CT身体成分量化框架，用于尿石症分类（钙性、非钙性、无结石者）及基线无结石者新发尿路结石的风险分层	首次利用非对比CT自动量化身体成分并结合临床特征，实现尿石症分类与新发结石风险的初步评估	纵向队列中新发尿路结石事件仅8例，样本量小，需前瞻性验证	开发自动化身体成分量化方法，提升尿石症分类准确性并探索新发结石的风险预测	尿石症患者（钙性、非钙性）与无结石对照组，以及基线无结石的纵向随访个体	计算机视觉	尿石症	非对比CT	深度学习模型	影像	共781名参与者，分类队列481人（钙性246人、非钙性104人、无结石者131人），纵向队列300名基线无结石者	NA	NA	AUC、灵敏度、特异度	NA
6144	2026-07-10	A robust hybrid deep learning framework for IoT intrusion detection with adaptive feature embedding and imbalance-aware optimization 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59121-6 PMID:42420463	研究论文	提出一种混合深度学习框架，结合Transformer编码、时序融合Transformer和轻量级CNN，用于物联网入侵检测	创新在于将Transformer特征编码、时序融合Transformer和轻量级CNN通过置信度驱动的自适应融合机制集成，并采用自适应合成采样处理类别不平衡和对比自监督嵌入增强表示质量	未来需关注实时部署和自适应安全机制，当前方法未在真实生产环境中验证	解决现有入侵检测系统特征表示弱、类别不平衡处理差和评估不一致的问题	物联网环境中的网络流量数据	机器学习	NA	NA	CNN, Transformer, 时序融合Transformer	网络流量数据	使用CIC-IDS2017和BoT-IoT数据集，具体样本数量未明确	NA	Transformer, Temporal Fusion Transformer, 轻量级CNN	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
6145	2026-07-10	Predicting CO2 injection profiles in heterogeneous reservoirs using a physics-aware deep learning framework 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60614-7 PMID:42420518	研究论文	提出一个物理感知的深度学习框架，用于预测非均质储层中CO2注入剖面	集成了双向长短期记忆网络（Bi-LSTM）、自注意力机制和特征线性调制（FiLM）模块，兼顾时间依赖性和静态地质异质性	未讨论模型在极其复杂或极端地质条件下的泛化能力	快速准确预测非均质储层中CO2层状注入剖面，支持多场景优化	非均质油藏中的CO2注入过程	机器学习	NA	组成模拟器（ECLIPSE）生成数据	Bi-LSTM, 自注意力机制, FiLM	数值模拟时间序列数据	利用ECLIPSE模拟器生成的大规模数据集，具体样本数量未提及	PyTorch	Bi-LSTM, 自注意力机制, FiLM	MAE, R²	NA
6146	2026-07-10	An Intelligent IoT-Compatible Arrhythmia Detection System Using a Hybrid Vision Transformer-LSTM Framework 2026-Jul-08, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00849-7 PMID:42420590	研究论文	提出一种结合长短期记忆网络与视觉Transformer的混合深度学习框架，用于从心电图信号中自动分类心律失常	混合优化ViT与LSTM的结构设计，以及使用K-Mean质心自适应合成采样技术解决数据不平衡问题	未提及具体的局限性	开发一种适用于物联网兼容的心律失常检测系统，通过自动分类心电图信号提高诊断效率	心电图信号中的心律失常分类	计算机视觉，自然语言处理	心血管疾病	Stockwell变换	CNN，LSTM，Transformer	图像，序列数据（心电图信号）	NA	NA	ViT，LSTM，Hybrid Optimized ViT with LSTM (HOVLSTM)	准确率	模拟的物联网环境
6147	2026-07-10	Anatomically Localized Detection of Six Acute Abdominal Emergencies on CT Using Multi-window Deep Learning: Development and Validation 2026-Jul-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02084-x PMID:42420647	研究论文	开发并验证一种基于多窗深度学习系统，用于CT图像上六种急性腹部急症的解剖定位检测	采用多窗亨氏单位编码策略和YOLOv11- large模型，结合九区腹部分区网格实现解剖可解释的定位评估	类别F1值存在差异、外部操作点性能下降、回顾性设计，需多中心前瞻性验证和站点特异性阈值校准	开发并验证一种能够对六种急性腹部急症进行CT图像上分类和可解释解剖定位的深度学习系统	1274例患者的公共远程放射学数据集和280例斯坦福Merlin外部验证队列	计算机视觉	急性腹部急症	CT成像	YOLO	CT图像	训练/内部验证共1274例患者（42,922个边界框标注），外部验证280例患者	NA	YOLOv11- Large	AUROC, F1值, 九区定位准确率, 特异性	NA
6148	2026-07-10	Development and validation of a deep learning model for radiographic classification of pediatric femoral neck fractures 2026-Jul-08, Journal of orthopaedics and traumatology : official journal of the Italian Society of Orthopaedics and Traumatology IF:3.0Q1 DOI:10.1186/s10195-026-00953-3 PMID:42420692	研究论文	开发并验证基于YOLO-WTAM的深度学习模型，用于儿科股骨颈骨折的放射学分类	首次开发和验证了深度学习模型用于区分儿科股骨颈骨折与股骨近端生长板，并根据Delbet-Colonna分类对骨折进行分类	未提及明显局限性	提高儿科股骨颈骨折放射学分类的准确性和可靠性，减少对临床经验的依赖	5555个股骨近端生长板、1306个不同DC类型的儿科股骨颈骨折以及257个儿科股骨转子下骨折的X光数据	计算机视觉	儿科股骨颈骨折	X光成像	YOLO	图像	5555个股骨近端生长板、1306个股骨颈骨折、257个股骨转子下骨折	NA	YOLO结合小波变换和注意力机制	曲线下面积、准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
6149	2026-07-10	AI-Assisted Detection of Supraspinatus Tendon Pathologies Using a Hierarchical Deep Learning Model to Improve Clinical Applicability: Development and Evaluation Study 2026-Jul-08, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84804 PMID:42420768	研究论文	开发并评估一种层次化深度学习模型，用于分类肩袖肌腱状态，以提高临床适用性	提出一种模仿临床诊断推理的层次化深度学习系统，包括左右方向分类器、全层撕裂检测器和区分完整肌腱与肌腱病/部分撕裂分类器，在识别肌腱病和部分撕裂方面优于扁平基线模型	数据主要来自单一机构，限制泛化能力，且结果应视为趋势而非确定性改进，需要未来前瞻性评估	开发和评估层次化深度学习模型，用于自动分类肩袖肌腱状态，支持肌肉骨骼影像诊断工作流程	肩袖肌腱病理（完整肌腱、肌腱病/部分撕裂、全层撕裂）	计算机视觉	肩袖肌腱疾病	MRI	深度学习模型（层次化模型）	图像（MRI）	1192例肩部MRI扫描	NA	层次化深度学习模型（包括左右方向分类器、全层撕裂检测器模型F、完整肌腱与肌腱病/部分撕裂分类器模型ITP）	灵敏度、平衡准确率、宏F1分数、宏AUC	NA
6150	2026-07-10	A method for early ultrasound classification of developmental dysplasia of the hip in infants: combining YOLOv8-based keypoint detection with radiomics 2026-Jul-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-07150-5 PMID:42420919	研究论文	提出一种结合YOLOv8关键点检测与放射组学的婴儿发育性髋关节发育不良早期超声分类方法	首次将YOLOv8关键点检测与放射组学特征融合用于DDH超声分类，通过关键点构建角度信息作为临床特征，提升了分类准确性和可靠性	未明确提及	提高婴儿发育性髋关节发育不良早期超声分类的准确性和可靠性	婴儿髋关节超声图像	计算机视觉, 数字病理	发育性髋关节发育不良	超声成像	YOLOv8, 深度学习模型	图像	多中心测试集	PyTorch	YOLOv8	准确率, 召回率, 精确率, F1分数, α角差值, β角差值	NA
6151	2026-07-10	Cardio-respiratory deep learning model to predict hospital admission from emergency department electrocardiogram images and respiration videos: a prospective study 2026-Jul-08, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00583-9 PMID:42421084	研究论文	开发一种融合心电图图像和呼吸视频的多模态深度学习模型，用于在急诊科分诊时预测住院需求	首次提出融合心电图图像和呼吸视频的多模态深度学习模型，通过空间注意力机制和类别平衡损失函数提升预测性能，并利用Score-CAM进行可解释性分析	样本量较小（118名患者），单中心研究，可能限制模型泛化能力	开发一种在急诊科分诊时预测住院需求的深度学习融合模型，以提高患者分流和资源配置效率	成人急诊患者的电图图像和呼吸视频	机器学习	NA	深度学习、迁移学习、空间注意力机制、类别平衡损失函数	多模态融合模型	图像、视频	118名成人急诊患者	PyTorch	迁移学习分支（ECG）、呼吸信号估计管道、空间注意力模块	准确率、召回率、精确率、F1分数、AUROC、AUPRC	NA
6152	2026-07-10	Enhancing the Effectiveness of Attention-Deficit/Hyperactivity Disorder Screening Using the SNAP-IV: A Deep Learning Approach 2026-Jul-08, Assessment IF:3.5Q1 DOI:10.1177/10731911261458744 PMID:42421187	研究论文	本文应用深度学习（机器学习）方法优化SNAP-IV量表，用于注意缺陷/多动障碍（ADHD）的有效筛查	通过跨模型共识排序和保留平衡症状结构的方式，从18个核心ADHD项目中识别出最具预测性的项目，衍生出高效且心理测量学可靠的SNAP-IV短量表	NA	提高ADHD筛查的有效性和效率	儿童和青少年的ADHD症状评估	机器学习	注意缺陷/多动障碍（ADHD）	NA	机器学习分类器（十种算法）	量表评分数据	台湾全国儿童精神障碍流行病学研究（410名ADHD患者，3607名对照）和国立台湾大学医院独立队列（676名ADHD患者，374名对照）	NA	NA	敏感性	NA
6153	2026-07-10	Experience, awareness, attitudes and ecological worldviews related to sustainable development among physiotherapy students in Sweden: a cross-sectional survey 2026-Jul-07, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09838-9 PMID:42414974	研究论文	调查瑞典物理治疗学生对可持续发展的经验、认知、态度和生态世界观	首次针对瑞典物理治疗本科学生群体，系统调查其可持续发展相关认知与态度	样本量较小，仅116人参与，可能影响结果的代表性	探究物理治疗学生对可持续发展的感知、态度和生态世界观	瑞典所有8个物理治疗本科项目的学生	机器学习	NA	NA	NA	调查问卷数据	116名物理治疗学生	NA	NA	NA	NA
6154	2026-07-10	Machine learning-enabled label-free SERS for microbial sensing: Toward robust, generalizable, and deployable workflows 2026-Jul-07, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130241 PMID:42419011	综述	通过PRISMA系统评价方法，综述了129项结合无标记表面增强拉曼光谱与机器学习技术的微生物传感实验研究，分析了从样本处理到验证的完整工作流中的趋势与不足	首次以端到端工作流视角系统审计微生物SERS-ML领域，揭示了68.2%的研究使用受控开发数据集、62%研究生物独立单位少于25个、68.2%缺乏生物单位感知预测验证等关键缺陷	综述范围限于已发表研究，可能存在发表偏倚；部分研究细节缺失导致无法完全评估工作流各环节的交互影响	评估无标记SERS结合机器学习在微生物检测、鉴定和表型分析中的可部署性，并识别阻碍临床转化的关键瓶颈	129项实验研究（2021-2026年发表），涵盖细菌、病毒、真菌及其他微生物检测应用	机器学习	感染性疾病	表面增强拉曼光谱（SERS）	经典机器学习、深度学习、生成模型、可解释人工智能	拉曼光谱	129项研究，其中62%包含不超过25个独立生物单位	NA	NA	NA	NA
6155	2026-07-10	A kernelized data-driven approach for analyzing and predicting brucellosis in Inner Mongolia 2026-Jul-06, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101279 PMID:42422010	研究论文	提出一种基于核技巧的数据驱动混合建模框架，用于分析和预测内蒙古地区布鲁氏菌病的时空传播动态	创新性提出KHDMDsp-LSTM混合框架，通过混合Mercer核将非线性流行病过程线性化，结合贝叶斯优化自适应调整核参数，并引入弹性网络正则化实现稀疏和可解释的模式选择	NA	提出稳健的数据驱动方法，用于分析和预测布鲁氏菌病的复杂时空传播动态	内蒙古12个城市11年间的月度布鲁氏菌病数据	机器学习	布鲁氏菌病	NA	LSTM	时间序列数据	12个城市11年间的月度数据	NA	KHDMDsp-LSTM	重建及长期预测精度	NA
6156	2026-07-10	Fast high-resolution dental MRI using a disposable wireless intraoral coil: From concept to reality 2026-Jul-06, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101317 PMID:42422021	研究论文	提出一种基于无线口内线圈的快速高分辨率牙科MRI框架，实现68秒内0.30×0.30×1.5毫米分辨率成像	开发了新型无线支撑式口内线圈，结合48通道头线圈实现5.83倍信噪比提升，并整合深度学习重建加速成像	未提及具体局限性	实现临床实用的无辐射牙科磁共振成像	牙周膜、齿龈微结构及单根和多根牙齿	医学影像	牙科疾病	磁共振成像（MRI）	深度学习重建模型	磁共振成像数据	未提及具体样本量	NA	深度学习重建架构	信噪比、分辨率	NA
6157	2026-07-10	Physics-inspired perspective on synergistic optimization: a deep receding-horizon optimization strategy for denitrification and ammonia slip suppression in waste incineration 2026-Jul-04, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135303 PMID:42401348	研究论文	提出一种物理启发的智能氨喷射优化方法，基于深度学习预测和滚动时域优化框架，解决垃圾焚烧脱硝过程中的多目标冲突	引入时间导数约束的Conv-Transformer-TD协同预测模型，消除传统预测中的相位滞后，并结合NO特征辅助NH3预测以表征化学反应平衡	实验仅基于单一垃圾焚烧场景验证，未考虑不同工艺条件和设备差异对模型泛化能力的影响	实现垃圾焚烧脱硝过程中NOx排放达标、氨逃逸限制和环境成本控制的多目标协同优化	城市固体废物焚烧过程中的脱硝工艺	机器学习	NA	NA	CNN和Transformer混合模型	时间序列数据	未明确说明样本数量，涉及144小时鲁棒性验证案例	PyTorch	Conv-Transformer-TD	决定系数R²、均方根误差RMSE	NA
6158	2026-07-10	A deep learning and generative modeling pipeline for mining and engineering alkaline-stsable xylanases 2026-Jul-03, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135309 PMID:42398548	研究论文	开发了一种结合深度学习与生成建模的流程，用于挖掘和工程改造耐碱木聚糖酶	首次将迁移学习预测器与生成模型及多参数虚拟筛选整合，实现极端酶的高通量识别与优化	仅验证了碱性木聚糖酶的案例，对其他极端酶的通用性需进一步实验确认	构建可推广的计算框架，用于嗜碱和嗜热酶的发现与工程改造	嗜碱和嗜热酶，特别是耐碱木聚糖酶	机器学习	NA	序列预测、生成建模、虚拟筛选	深度学习迁移学习预测器	蛋白质序列数据	非冗余数据集，生成100万个变异体	TensorFlow	AAEPre（基于迁移学习的预测架构）	准确率	NA
6159	2026-07-10	Investigating the anticancer activity of eravacycline in pancreatic cancer via target-based deep learning and experimental validation 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag353 PMID:42418827	研究论文	通过基于靶点的深度学习和实验验证，研究埃拉瓦环素在胰腺癌中的抗癌活性	首次提出一种两阶段酵母预测模型，结合靶点预测与实验验证，发现POLK和突变p53为候选靶点，并验证埃拉瓦环素可下调POLK蛋白表达，为药物重定位提供新策略	未提及具体局限性，如样本量或临床转化可行性	探索埃拉瓦环素在胰腺癌中的抗癌机制并验证其疗效	胰腺导管腺癌（PDAC）细胞和动物模型	机器学习	胰腺癌	深度学习	NA	分子数据	涉及体外和体内实验，具体样本量未提及	NA	NA	肿瘤体积减小率	NA
6160	2026-07-10	Self-Supervised Koopman Operator Learning for Distributed Final Synchronization Prediction of Networked Nonlinear Dynamics 2026-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3644299 PMID:41433175	研究论文	开发了一种混合库普曼深度学习算法，仅利用邻近状态信息预测不同拓扑结构网络化非线性动力学的最终同步	不同于现有仅能预测线性网络共识值的算法，该方法能预测具有变化骨架的网络化非线性动力学的最终同步状态	NA	仅利用邻近状态信息预测不同拓扑结构网络化非线性动力学的最终同步	网络化非线性动力学系统	机器学习	NA	NA	库普曼深度学习算法	状态时间序列数据	NA	NA	非线性编码器-解码器架构	NA	NA