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
601	2026-08-31	Deep learning model for real time moisture content detection and prediction in white tea withering using near infrared spectroscopy 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57739-0 PMID:42288587	研究论文	提出了一种新型深度学习模型STA-BiGRU-XGBoost，利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	将时空注意力机制、双向门控循环单元和XGBoost算法集成于一体，结合最大相关最小冗余算法进行特征选择，以提高白茶萎凋过程中水分含量预测的稳定性和准确性	验证仅在特定生产季节和鲜叶来源区域进行，跨地理来源、品种和极端天气条件的泛化能力需要进一步验证	利用近红外光谱技术，开发一种能实时检测和预测白茶萎凋过程中水分含量的深度学习模型	白茶萎凋过程中的水分含量及相关的近红外光谱数据和环境变量	机器学习	不适用	近红外光谱	深度学习模型（混合模型，包含BiGRU和XGBoost）	光谱数据及环境变量（热风速度、风道温度、光谱吸光度）	生产线上收集的数据集，来自2025年3月至5月政和县的茶叶生产季	不适用	BiGRU, XGBoost	均方根误差（RMSE）、平均绝对误差（MAE）、R²	不适用
602	2026-08-31	MAE-YOLO improves small object detection for intelligent inspection 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57661-5 PMID:42288606	研究论文	提出了一种名为MAE-YOLO的智能检测模型，通过多尺度边缘空间特征提取、自适应多尺度上下文融合网络和自适应空洞共享检测头，提高了小目标检测的准确率并降低了计算复杂度。	创新性地结合多尺度边缘空间特征提取模块（MSESTE）、自适应多尺度上下文融合网络（AMCFN）和自适应空洞共享检测头（ELCIN），在保持轻量化的同时增强小目标检测精度。	摘要中未明确提及局限性。	提高复杂背景下小目标检测的准确率，同时降低模型计算复杂度和参数量，以满足实际应用的实时性要求。	工业场景中的小目标检测，如电力设施维护、交通管理和工业设备维护中的小尺寸目标。	计算机视觉	不适用	深度学习目标检测技术	YOLO改进模型	图像	VisDrone2019数据集和自采集数据集	PyTorch（推测，因提供源码）	基于YOLOv8n的改进架构，具体包括MSESTE、AMCFN和ELCIN模块	mAP@50	未提及具体GPU型号，但模型体积仅4.7MB，轻量化设计
603	2026-08-31	Deep learning based apple leaf disease detection using spatially modulated continuouslayer 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57763-0 PMID:42288613	研究论文	本文介绍了一种基于自定义连续层（ContinuousLayer）的深度学习框架，用于苹果叶片病害检测，实现了高精度的分类	提出了空间自适应卷积层ContinuousLayer，利用可训练的高斯基函数进行空间特征调制，并通过混合复合损失函数惩罚核不规则性，克服了标准CNN的局限	研究在受控环境中进行，可能未考虑田间复杂背景和光照变化等实际条件	实现苹果叶片病害的早期准确检测，以支持可持续农业中的精准农业应用	苹果叶片图像，包括黑腐病、锈病、疮痂病和健康叶片	计算机视觉	植物病害（苹果叶片病害）	图像分类	卷积神经网络 (CNN)	图像	3,164张图像，其中10%作为测试集	未明确提及，推测使用深度学习框架如TensorFlow或PyTorch	ContinuousLayer（自定义卷积层）	准确率, F1-score	未明确提及，可能使用单个GPU（如NVIDIA RTX系列）
604	2026-08-31	Integrating AI for sustainable architectural space optimization and heritage-conscious street design 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56501-w PMID:42288626	研究论文	提出一个AI驱动的框架，用于优化历史文化街区空间布局，同时保护遗产价值，结合深度学习、图技术和强化学习应对城市挑战。	结合CNN、GNN和RL，提供动态数据驱动方法，适应实时变化，平衡现代化与历史真实性。	未明确说明	优化历史文化街区空间布局，提升可持续性，同时保护遗产价值。	具有历史意义的城市街道空间	计算机视觉、机器学习	不适用	不适用	CNN、GNN、RL	图像、网络数据、环境数据	未明确说明	未明确说明	CNN、GNN、强化学习模型	拥堵减少率、绿色空间增加率、行人可达性提升率	未明确说明
605	2026-08-31	Deep learning-based artificial intelligence can improve the diagnosis of small bowel obstruction: stratified comparison study and hierarchical Bayesian model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57999-w PMID:42288632	研究论文	本研究开发了一种基于深度学习的AI技术，用于从增强CT图像中自动提取扩张肠段，并评估其在提高小肠梗阻诊断准确性方面的潜力	开发了一种自动提取扩张肠段的AI技术，并通过分层比较研究和分层贝叶斯模型评估其对不同经验水平医生（住院医师和外科医生）诊断小肠梗阻的改善效果	研究未提及明确的局限性	提高小肠梗阻的诊断准确性，特别是在急诊科环境中，并减少诊断所需时间	小肠梗阻患者，包括158次增强CT检查和5200张标注图像，以及30名疑似SBO患者的CT图像作为测试集	医学影像分析	小肠梗阻	增强CT成像	深度学习模型（未具体说明，可能为卷积神经网络）	图像（CT图像）	158次增强CT检查（5200张标注图像）和30名疑似小肠梗阻患者的CT图像	未提及	未明确指定，但可能包括U-Net或类似分割网络	精确率、召回率、Dice得分、正确诊断率、比值比、95%可信区间	未提及
606	2026-08-31	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT，一种结合迁移学习和Kolmogorov-Arnold网络的深度学习框架，用于基于分子SMILES表示预测天然产物的疗效和不良反应	首个将迁移学习与KAN架构统一用于天然产物双标签预测的框架，并在少样本和零样本场景中表现出色	未提及具体限制，但可能受限于数据规模和模型的可解释性	开发一个能够同时预测天然产物疗效和不良反应的深度学习模型，解决现有模型泛化能力有限的问题	天然产物，包括来自MEC和NPASS数据库的化合物，以及以淫羊藿中的淫羊藿素为代表案例	深度学习	NA	SMILES表示，迁移学习	KAN	分子结构数据（SMILES）	约3800种药物用于预训练，400种天然产物用于微调	NA	KAN	准确性，鲁棒性	NA
607	2026-08-31	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种可解释的神经网络驱动学习模型（XNNLM-NDD），用于进行性神经退行性疾病（如亨廷顿病）的诊断	采用最小冗余最大相关性与ReliefF混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并结合SHAP可解释性方法，提高诊断准确性和模型透明度	未提及	开发一个可解释的深度学习模型，以高效分析临床特征并进行精确的神经退行性疾病诊断	亨廷顿病患者的临床数据	机器学习	亨廷顿病	NA	特征分词器-变换器模型	结构化临床数据	NA	NA	Transformer	准确率	NA
608	2026-08-31	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究基于视觉深度学习方法从图像数据解释手语字母，系统评估多种迁移学习卷积神经网络的性能，以提升助残技术的可及性	提出统一评估框架比较多种先进架构，并发现ConvNeXtXLarge在字母级手语识别中达到最高准确率，为模型选择提供实用洞见	研究仅使用基准美国手语数据集，未涉及真实场景中的复杂背景或动态手势变化	探索视觉深度学习方法在字母级手语识别中的有效性，并构建评估框架以指导模型选择	美国手语字母数据集中的手语手势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	基准美国手语字母数据集（具体样本数未在标题和摘要中提及）	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
609	2026-08-31	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	本研究开发了一种结合影像组学与深度学习特征的混合元启发式特征选择框架，并在小规模乳腺X线摄影试点及合成数据集上进行了可行性评估	提出了一种混合蝗虫优化算法与乌鸦搜索算法（GOA-CSA），并引入了多约束适应度函数，能够有效结合影像组学与深度学习特征进行特征选择	真实数据样本量较小（n=22），限制了性能评估的可靠性；防坍塌惩罚项未在真实数据上触发验证，缺乏外部验证	评估混合元启发式特征选择框架在乳腺癌检测中的方法学可行性，并测试其在易坍塌条件下的性能	乳腺X线摄影中的病灶感兴趣区域（ROI）	数字病理学	乳腺癌	影像组学、深度学习特征提取（基于EfficientNet-B5模型）	多层感知机（MLP）分类器、混合优化算法（GOA-CSA）	图像（乳腺X线摄影）	CBIS-DDSM数据集中的22个样本（试点子集）及合成数据集（N=16，D=1114）	NA	EfficientNet-B5	AUC, 灵敏度	NA
610	2026-08-31	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	本研究通过混合方法分析在线戒烟健康社区中的信息传播模式，结合大型语言模型和社会网络分析，探究交流内容与情境对戒烟行为的影响	创新地将理论丰富的大型语言模型与社会网络分析相结合，用于识别在线健康社区中潜在的同伴互动模式及戒烟行为动态	摘要未提及局限性	考察在线健康社区中与烟草使用相关的沟通内容及情境特定信息扩散模式	在线戒烟论坛QuitNet的成员及其交流信息	自然语言处理, 社会网络分析	烟草依赖	大型语言模型、社会网络分析、随机行为者导向模型	大型语言模型、随机行为者导向模型	文本数据（论坛消息）	64,632名成员，2.39百万条论坛消息（2000-2015），三个波次分别有3,055、2,475和2,289名成员	NA	大型语言模型（具体架构未提及）	F1-score	NA
611	2026-08-31	Clinical implementation of 3D deep learning techniques in predicting touch-up lesions for atrial fibrillation patients undergoing cryoablation 2026-Jun, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2026.101912 PMID:42005401	研究论文	本研究开发并验证了一种3D深度学习模型（CryoAI），用于预测心房颤动患者在接受冷冻球囊消融时是否需要追加射频消融，以改善术前规划并减少干预	提出先进的CryoAI（VoxNet++）模型，并整合Grad-CAM和高斯曲率模块进行3D激活可视化，精确定位冷冻球囊定位及可能追加消融的关键区域	未明确提及，但样本量相对有限（内部190例，外部99例），且为单中心研究	利用3D深度学习技术预测冷冻球囊消融的复杂性，特别是预测是否需要追加射频消融，以减少手术时间、成本、风险和患者不适	心房颤动患者，接受冷冻球囊消融的病例	深度学习，医学影像	心房颤动	CT成像，3D体素重建	PointNet, VoxNet, CryoAI (VoxNet++)	CT图像（3D体素重建）	内部数据集190例（训练测试8:2）、外部验证数据集99例	NA	PointNet, VoxNet, VoxNet++（CryoAI）	AUC, 阳性预测值	NA
612	2026-08-31	Lower limb and feet wound image dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112730 PMID:42007077	研究论文	构建了一个包含健康与病理下肢和脚部伤口的综合图像数据集，用于支持机器学习模型的开发	提供了一个平衡的数据集，同时包含真实临床伤口图像和健康脚部图像，解决了现有资源中类别不平衡的问题	未知，摘要中未提及	开发一个平衡的下肢和脚部伤口图像数据集，以支持伤口分割、分类和临床决策支持等机器学习任务	下肢和脚部的伤口图像及健康脚部图像	计算机视觉	糖尿病足、压力性损伤、创伤、静脉性溃疡、手术伤口、动脉性溃疡、蜂窝织炎等	图像采集和标注，包括伤口分割掩膜生成和数据增强	NA	图像	共5443张图像，其中伤口图像2686张，健康脚部图像2757张	NA	NA	NA	NA
613	2026-08-31	Predictions from deep learning propose substantial protein-carbohydrate interplay 2026-May-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2523342123 PMID:42150072	研究论文	开发了神经网络PiCAP和CAPSIF2，用于预测蛋白质与碳水化合物的非共价结合及其残基位点，并发现蛋白质-碳水化合物相互作用可能远比预期普遍	首次提出高比例的蛋白质（约35-40%）可能具有碳水化合物结合能力，推翻了传统<5%的估计，并开发了针对蛋白质水平和残基水平的预测工具	基于计算预测，缺乏广泛的实验验证，且训练数据集可能引入偏见	开发计算工具预测蛋白质-碳水化合物相互作用，并评估蛋白质组中结合碳水化合物的蛋白质比例	蛋白质与碳水化合物的非共价相互作用，包括人类细胞表面蛋白及六个蛋白质组	机器学习	NA	NA	神经网络	蛋白质序列和结构数据	包含已知碳水化合物结合蛋白和候选非结合蛋白的数据集，以及六个蛋白质组	NA	PiCAP和CAPSIF2	平衡准确率、Dice系数	NA
614	2026-08-31	Towards precision agriculture for assessing germination rates and density of rice seedling using hierarchical convolutional neural network on drone imagery 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37681-x PMID:42177173	研究论文	开发了一种基于无人机图像和层级卷积神经网络的模型，用于评估水稻幼苗的萌发率和密度，以实现精准农业中的作物建立监测	结合ConvNeXt特征提取与集成模型（SAE、BiTCN、DQL）用于水稻幼苗检测和分类，在无人机图像上实现高精度的萌发率和密度评估	未提供明确的局限性信息	利用遥感或无人机成像技术评估水稻田中的萌发率和幼苗密度，以改善作物建立监测	水稻幼苗	计算机视觉	NA	无人机成像、深度学习	卷积神经网络（ConvNeXt）、堆叠自编码器（SAE）、双向时间卷积网络（BiTCN）、深度Q学习（DQL）	图像	水稻幼苗的航空数据集（具体数量未提供）	NA	ConvNeXt, SAE, BiTCN, DQL	准确率	NA
615	2026-08-31	Finding Holes: Pathologist-Level Performance Using AI for Cribriform Morphology Detection in Prostate Cancer 2026-May, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.03.016 PMID:42004835	研究论文	开发并验证了一种基于人工智能的系统，用于在前列腺癌中检测筛状形态，其性能达到病理学家水平。	采用EfficientNetV2-S编码器结合多实例学习，实现全切片图像的端到端分类，并在独立外部队列中验证了模型的稳健性。	研究为回顾性设计，且跨扫描仪重复性和观察者间分析仅在内部验证数据上进行，可能高估性能。	提高前列腺癌中筛状形态的检测准确性和一致性，以改善诊断可靠性和治疗决策。	前列腺癌的核心针活检切片，包括内部和外部验证队列的数字化全切片图像。	数字病理学	前列腺癌	NA	深度学习模型	图像	训练集：640张切片来自430名患者；内部验证：261张切片来自171名患者；外部验证：266张切片来自104名患者；观察者间分析：88张切片。	NA	EfficientNetV2-S	AUC, Cohen's κ	NA
616	2026-08-31	Deep Learning-Driven Transmission Electron Microscopy Analysis of Murine Optic Nerve Myelinated Axons 2026-May, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101141 PMID:42005911	研究论文	开发并验证了一种基于深度学习的自动化方法，用于量化透射电子显微镜图像中的视网膜神经节细胞轴突，以减少手动分割和量化的耗时与主观性	提出了一种基于nnU-Net架构的自动化分割和量化流程，专门针对小鼠视神经的TEM图像，实现了对轴突形态参数的可靠测量，显著减少了人工工作量和处理时间	摘要中未提及局限性，可能包括模型对特定样本的依赖性、样本来源的局限性等	开发并验证一种深度学习驱动的自动化方法，用于TEM图像中小鼠视神经髓鞘轴突的定量分析	小鼠视神经TEM图像，具体为368张来自23只C57BL/6J和DBA/1J小鼠（4-9个月龄）在不同实验条件下的图像	计算机视觉	NA	透射电子显微镜	CNN	图像	368张TEM图像，来自23只小鼠	PyTorch	nnU-Net	精确率、召回率、F1分数、决定系数	NA
617	2026-08-31	PLDC-Net: A Domain-Specific Base Model for Plant Leaf Disease Classification Domain Adaptation Tasks 2026-Apr, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70167 PMID:42005353	研究论文	提出了一种基于改进的注意力机制和SiLU激活的DenseNet201架构PLDC-Net，在大规模植物叶片病害数据集上预训练，以构建领域特定的基础模型，用于改善植物叶片病害分类的领域适应任务	首次提出在植物叶片病害领域特定大规模数据集上预训练改进的DenseNet201架构（PLDC-Net），取代传统的ImageNet预训练，以提升领域适应效果	未提及具体限制，但可推断预训练数据集的构建和质量可能影响模型泛化能力	通过构建领域特定的基础模型，提高植物叶片病害分类中领域适应（如迁移学习、微调、少样本学习）的性能	植物叶片病害图像及其分类任务，涉及多种植物和疾病类型	计算机视觉	植物疾病	深度学习、迁移学习、少样本学习	CNN（改进的DenseNet201）	图像	大规模植物叶片病害数据集（具体数量未在摘要中提及）	NA	改进的DenseNet201（带注意力机制和SiLU激活）	F1分数	NA
618	2026-08-31	Interpretable Deep Learning for OCT-Based Diagnosis of Vitreoretinal Lymphoma Versus Uveitis 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.30 PMID:41746131	研究论文	开发并验证了一种可解释的深度学习模型，用于基于OCT图像区分玻璃体视网膜淋巴瘤与非感染性葡萄膜炎，并可视化病程相关的病理特征	结合了自定义设计的深度卷积神经网络与Grad-CAM可视化技术，提供可解释的OCT诊断结果，突显疾病相关的OCT特征	样本量较小（45例VRL和52例NIU），且为单中心研究，可能影响模型的泛化能力	开发并验证一个能区分玻璃体视网膜淋巴瘤与非感染性葡萄膜炎的深度学习模型，并可视化疾病相关的OCT特征	玻璃体视网膜淋巴瘤（VRL）和非感染性葡萄膜炎（NIU）患者的OCT图像	机器学习	玻璃体视网膜淋巴瘤	光学相干断层扫描（OCT）	卷积神经网络（CNN）	OCT B-scan图像	45例VRL患者和52例NIU患者，共97例	NA	自定义设计的深度卷积神经网络	AUROC, AUPRC, 准确率, F1分数, 精确率, 灵敏度, 特异度, Kappa系数	NA
619	2026-08-31	Risk prediction of progression from normal cognitive function to Alzheimer's disease in elderly aged 65 and above based on deep learning methods 2026-02, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251410937 PMID:41490207	研究论文	本文旨在利用深度学习方法建立从正常认知功能进展到阿尔茨海默病的风险预测模型，为临床决策和早期诊断筛查提供参考。	首次将DeepSurv和DeepHit深度学习方法应用于65岁及以上老年人从正常认知功能进展到AD的风险预测，并比较了与Cox模型的性能。	未提及具体局限性。	建立从正常认知功能进展到AD的风险预测模型，以支持早期预防和临床决策。	65岁及以上认知功能正常的老年人。	机器学习	阿尔茨海默病	NA	DeepSurv, DeepHit, Cox	临床数据（早期预测因子）	未明确说明样本数量。	NA	DeepSurv, DeepHit, Cox	一致性指数（C-index）、综合布里尔分数（IBS）、ROC曲线下面积（AUC）	NA
620	2026-08-31	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估人工智能模型在预测肝细胞癌患者对经动脉化疗栓塞治疗反应中的性能	首次对人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌TACE治疗反应中的应用进行系统评价和荟萃分析，比较不同模型类型及是否包含临床数据的性能差异	纳入研究之间存在异质性，可能影响结果的一致性	评估人工智能模型预测接受TACE治疗的肝细胞癌患者治疗效果的准确性	肝细胞癌患者以及用于预测TACE治疗反应的人工智能模型	医学影像分析、机器学习	肝细胞癌	放射组学、深度学习	深度学习模型、手工放射组学模型	医学影像数据（来自CT或MRI等）	共纳入27项研究，其中11项用于TACE治疗反应模型的荟萃分析	NA	NA	受试者工作特征曲线下面积（AUC）	NA