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
6801	2026-07-03	Engineering biomarker representations of vital signs data enhances deep learning mortality prediction 2026-Jul-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocag066 PMID:42068567	研究论文	使用双向长短期记忆模型预测住院患者死亡率，并比较不同生命体征数据处理方法的效果	通过将生命体征数据转化为生物标志物表示（扩展自PhysioZoo软件的数字血氧生物标志工具包），提升了深度学习模型的死亡率预测性能	未提及具体限制，可能包括数据集来源单一或模型泛化性需进一步验证	评估不同生命体征数据处理方法对深度学习模型预测住院患者死亡率的影响	ICU住院患者入院后24小时内的生命体征数据	machine learning	NA	NA	双向长短期记忆网络	时间序列生命体征数据（血压、心率、体温、呼吸频率、血氧饱和度）	两个大型ICU数据集（HiRID和eICU），具体样本量未提及	NA	双向长短期记忆网络	区分度、Brier分数	NA
6802	2026-07-03	Bioinspired Ultrastretchable Aramid Triboelectric Aerogels for Intelligent Vehicle Seat 2026-Jul, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73549 PMID:42212808	研究论文	受肌肉纤维定向结构启发，开发出一种超可拉伸芳纶摩擦电气凝胶，并用于智能车辆座椅的实时驾驶行为监测与振动反馈	首次利用程序化冰晶生长实现98%的取向拟合度（比传统冷冻铸造高2.6倍），使气凝胶达到539%的极限应变；首次在单一传感器界面中结合深度学习实现实时驾驶行为监测与振动反馈	未提及具体局限，但需注意有序结构在长期循环下的稳定性以及实际车辆环境中温度、湿度等因素对性能的影响	开发超可拉伸摩擦电气凝胶传感器，用于智能驾驶系统中不安全驾驶行为的识别与预警	超可拉伸芳纶摩擦电气凝胶及基于该材料的传感阵列	机器学习	NA	NA	深度学习	信号（摩擦电传感数据）	NA	NA	NA	应变（539%）、取向拟合度（98%）	NA
6803	2026-07-03	Telomere-to-telomere assembly using HERRO-corrected Nanopore Simplex reads 2026-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10563-y PMID:42045451	研究论文	本文展示了利用深度学习框架HERRO校正纳米孔单链读段，实现端粒到端粒装配的方法	开发出基于深度学习的HERRO框架，仅用超长ONT单链读段即实现与PacBio HiFi或ONT双链读段相当的端粒到端粒装配质量，降低了成本和DNA需求量	未提及具体限制，可能涉及读长长度限制或对高质量参考基因组的依赖	实现经济高效的端粒到端粒基因组装配，仅使用校正后的ONT单链读段	人类二倍体基因组及其他物种基因组	机器学习	不适用	纳米孔测序（ONT，包括R9.4.1和R10.4.1化学试剂），深度学习错误校正	深度学习模型（HERRO框架）	纳米孔单链测序读段	多个人类基因组样本（具体数量未提及）	PyTorch（推测，HERRO框架基于深度学习）	HERRO框架（校正模型），Verkko装配器	NGA50（归一化基因组装配50值），读段准确度提升倍数（高达100倍）	不适用（未提及具体GPU或平台信息）
6804	2026-07-03	Achieving precise m6A RNA modification prediction from nanopore signals through integration with pre-trained foundation model 2026-Jul, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152629 PMID:42162588	研究论文	提出NanoFM，一种结合RNA结构基础模型与纳米孔信号特征的深度学习预测器，实现精准的m6A RNA修饰预测	首次将RNA结构基础模型与原始纳米孔信号特征融合，克服了现有方法忽视RNA序列特征和结构影响的局限	NA	实现从纳米孔信号直接预测m6A RNA修饰，提高预测精度并降低假阳性率	m6A RNA修饰位点	机器学习	NA	纳米孔测序	深度学习	电信号	NA	NA	RNA结构基础模型	预测精度	NA
6805	2026-07-03	Automated detection and characterization of small cell lung cancer liver metastasis on computed tomography 2026-07-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253310 PMID:41049163	研究论文	提出一种基于CT影像自动检测和表征小细胞肺癌肝转移的计算方法	首次将深度学习分割与影像组学结合，基于神经内分泌相关基因表达谱对SCLC肝转移病灶进行分子表型分类	数据集规模有限（仅86例SCLC患者），且未提及模型泛化性验证及临床部署的可行性	开发AI辅助系统，通过影像组学特征预测SCLC肝转移的神经内分泌表型，以指导靶向治疗	小细胞肺癌肝转移患者的CT影像病灶	计算机视觉	小细胞肺癌	CT影像	深度学习分割算法、影像组学机器学习分类器	医学影像（CT）、基因表达数据（RNA-seq、cfDNA ChIP-seq）	公开数据集131例（多种癌症类型）、机构队列86例（SCLC）	NA	深度学习分割模型（未明确指定架构）、LASSO回归、影像组学机器学习分类器	灵敏度（66%-83%）、AUC（0.73）、F1分数（0.88）	NA
6806	2026-07-03	Landmark-based deep learning for radiographic screening for developmental dysplasia of the hip in infants: Development and external evaluation with IHDI-guided triage 2026-Jul, Journal of orthopaedic science : official journal of the Japanese Orthopaedic Association IF:1.5Q3 DOI:10.1016/j.jos.2026.01.009 PMID:41714232	研究论文	开发并验证基于深度学习的系统，用于婴儿发育性髋关节发育不良的X线筛查，并提出两步分诊策略	首次结合IHDI分级与深度学习，实现婴儿髋关节放射学筛查，并预设两步分诊策略以优化临床工作流程	回顾性单中心研究，需前瞻性多中心验证，且阈值需根据年龄和地区调整	开发并验证基于深度学习的X线诊断支持系统，实现婴儿发育性髋关节发育不良的筛查分诊	年龄2-12个月婴儿的1188张前后位骨盆X线片	计算机视觉	发育性髋关节发育不良	X线成像	深度学习	图像	1188张X线片，分为三个非重叠测试子集（各50张）和训练验证集	NA	NA	类内相关系数, 二次加权kappa, 灵敏度, 特异度	NA
6807	2026-07-03	YOLO-APLD: A Lightweight Apple Leaf Disease Detection Model Based on Multiscale Feature Fusion 2026-Jun, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种基于改进YOLOv8n的轻量化苹果叶部病害检测模型YOLO-APLD，通过多尺度特征融合提升检测精度并减少参数	首次在YOLOv8n骨干网络输出端嵌入EP-C2f增强模块以强化局部和结构特征表示，结合Focal-SIoU损失函数联合优化边界框回归与分类，引入双向特征金字塔网络实现高效多尺度特征融合，并使用Slim-neck结构简化特征融合架构以缩小模型体积	未明确讨论在极端光照、遮挡或复杂背景等真实果园环境下的鲁棒性，也未与其他轻量级检测模型（如MobileNet-SSD）进行全面对比	开发一种轻量级、高精度的苹果叶部病害自动检测算法，为果园精准施药和现场病害监测提供技术支持	苹果叶部病害的精准识别与定位	计算机视觉	苹果叶部病害（包括锈病、花叶病、褐斑病、白粉病、疮痂病、轮纹斑病、灰斑病）	深度学习目标检测	改进YOLOv8n（YOLO-APLD）	图像	未明确说明具体样本数量，但使用苹果叶部病害数据集（含多种病害类别）进行实验，并额外用葡萄和番茄数据集验证泛化性	PyTorch	YOLOv8n（改进版，含EP-C2f模块、双向特征金字塔网络、Slim-neck结构）	精确率、召回率、平均精度均值（mAP）、F1分数	边缘计算设备（未指定具体型号），检测帧率90.3 f/s
6808	2026-07-03	Dynamic mechanism for subtype selectivity of endocannabinoids 2026-Jun, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2026.111434 PMID:41962866	研究论文	通过分子动力学模拟和马尔可夫状态模型，揭示内源性大麻素anandamide对CB1受体的亚型选择性机制	首次提出并验证了内源性大麻素选择性亚型的两种假说：配体结合路径上的焓变差异和结合口袋体积差异导致的熵效应	未明确提及	阐明内源性大麻素anandamide对CB1受体选择性结合的生物物理机制	大麻素受体CB1和CB2的内源性配体anandamide	分子动力学模拟	NA	分子动力学模拟，马尔可夫状态建模，深度学习VAMPnets，相对自由能计算	马尔可夫状态模型，VAMPnets	分子动力学轨迹	约0.9毫秒的分子动力学模拟数据	PyTorch	VAMPnets	NA	NA
6809	2026-07-03	Automatic choroid plexus assessment in SLE: a deep learning-enabled study 2026-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04028-2 PMID:42138734	研究论文	开发深度学习模型自动分割脉络丛，并探讨其与系统性红斑狼疮患者全身性炎症及处理速度和注意力缺陷的关系	首次应用Swin-UNETR模型在3D T1加权MR图像上自动分割脉络丛，并发现脉络丛体积是SLE-PSAD的独立风险因素和中介因子	样本量相对较小123人，且为回顾性研究，可能限制泛化能力	开发自动化脉络丛分割的深度学习模型，并分析其与SLE患者处理速度和注意力缺陷的关系	137例无严重神经精神综合征的SLE患者和159名健康对照者	计算机视觉	系统性红斑狼疮	MRI	CNN	图像	137例SLE患者和159名健康对照者	PyTorch	Swin-UNETR	DSC系数	NA
6810	2026-07-03	YOLO-LS: a novel deep learning framework for brain tumor segmentation in Magnetic Resonance Imaging 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48825-4 PMID:42129232	研究论文	提出一种名为YOLO-LS的轻量级分割框架，用于脑肿瘤MRI图像的高效检测与高精度分割	集成ShuffleNet V1轻量骨干网络、DySample动态上采样机制和C3k2-PoolingFormer颈部模块，在保持高分割精度的同时显著降低计算复杂度	未提及	解决现有脑肿瘤分割框架在精度与计算效率间的权衡问题，适用于资源受限的临床环境	脑肿瘤MRI图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN	图像	内部测试集3064张图像（Figshare数据集），外部验证集300张图像（Kaggle数据集）	PyTorch	YOLO11n-seg, ShuffleNet V1, DySample, C3k2-PoolingFormer, Grad-CAM	mAP50, Dice系数, Hausdorff距离	GFLOPs 8.1
6811	2026-07-03	Deep learning for automated diagnosis and differentiation of otitis media on temporal bone CT 2026-05-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02386-0 PMID:42098614	研究论文	开发深度学习框架，利用颞骨CT影像自动诊断中耳炎并区分慢性中耳炎与分泌性中耳炎	首次利用颞骨CT影像同时诊断中耳炎并区分慢性中耳炎和分泌性中耳炎，包含或不包含胆脂瘤	未提及具体局限性，但依赖专家标注的感兴趣区域，可能影响泛化能力	开发和评估基于颞骨CT影像的深度学习框架，实现中耳炎自动诊断及亚型区分	中耳炎患者的中耳区域，包括正常中耳、慢性中耳炎和分泌性中耳炎	计算机视觉	中耳炎	颞骨计算机断层扫描	深度学习	图像	1200名患者的2011张颞骨CT图像	NA	NA	检测率、准确率	NA
6812	2026-07-03	Supervised contrastive learning for cell stage classification of animal embryos 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39214-y PMID:42069751	研究论文	提出一种基于监督对比学习的深度学习方法，用于自动分类动物胚胎的细胞阶段	结合监督对比学习与focal loss训练，并使用轻量级3D神经网络CSN-50作为编码器，有效处理低质量图像、类别模糊和类别不平衡问题	未明确说明局限性	从2D延时显微视频中自动分类胚胎细胞阶段	牛胚胎和鼠胚胎的延时显微视频	计算机视觉	NA	显微镜延时成像	3D神经网络	图像	牛胚胎细胞阶段数据集和纽约大学小鼠胚胎数据集	PyTorch	CSN-50	准确率、F1分数	NA
6813	2026-07-03	LDDHybridNet: an ROI-aware CNN-LSTM hybrid framework for accurate and early leaf disease detection in precision agriculture 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50398-1 PMID:42069934	研究论文	提出一个基于ROI感知的CNN-LSTM混合框架LDDHybridNet，用于精确农业中早期叶片病害的准确检测	结合U-Net叶片分割、CNN空间特征提取、Bi-LSTM注意力机制和Grad-CAM可解释性，实现无时间序列的病变进展感知特征学习	PlantVillage数据集接近天花板性能揭示了其人工性质，实际田间条件下弱病变早期样本准确率稍低	精准农业中早期叶片病害的准确检测和可解释性分析	植物叶片叶片病害图像，包括实际田间条件和早期弱病变样本	计算机视觉	植物叶片病害	深度学习图像分析	CNN-LSTM混合模型	图像	PlantVillage基准数据集和FieldPlant数据集	PyTorch	U-Net, CNN, Bi-LSTM, Grad-CAM	准确率	NA
6814	2026-07-03	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-05-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病性黄斑水肿治疗及患者选择中的演进角色	系统阐述了AI从传统的筛查工具向个性化治疗决策支持系统的转变，特别是利用多模态数据（眼底图像、OCT、临床和生化数据）预测治疗反应和注射负担	泛化性不足、算法透明度欠缺、临床工作流程整合困难及伦理部署问题有待系统解决	综述AI在糖尿病性黄斑水肿个性化治疗和患者选择中的潜在应用与挑战	糖尿病性黄斑水肿患者及相关多模态临床数据	机器学习	糖尿病性视网膜病变	深度学习	卷积神经网络、生成对抗网络、集成方法	图像（眼底图像、OCT图像）、临床数据、生化数据	未指定	未指定	卷积神经网络、生成对抗网络	NA	NA
6815	2026-07-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	该研究基于深度学习模型，构建动态资源优化模型，以解决职业院校思想政治教育教学中资源适应性差和学生参与度低的问题	创新性地结合图神经网络、多模态元学习框架和Transformer-XL的扩展序列建模能力，并通过多头注意力机制实现跨特征交互，构建课程知识图谱以映射资源与能力	未明确说明模型的泛化局限性和实际部署中的潜在挑战，如模型的可解释性和计算成本	利用AI技术优化职业教育中的思想政治教育资源分配和提升学生参与度	职业院校思想政治教育中的学习者、教育资源与环境因素	机器学习	NA	NA	图神经网络（GNN）、多模态元学习框架（MMLF）、Transformer-XL	文本数据（资源分配数据和学习者表现数据）	模型包含42个特征，涵盖学习者特征、资源属性和环境因素三个维度，具体样本量未说明	NA	GNN、Transformer-XL、多头注意力机制、课程知识图谱	资源有效性预测准确率、知识获取提升率、正向行为转化率、课程完成率、跨文化迁移测试准确率、资源冗余降低率、教师管理效率提升率	NA
6816	2026-07-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出了一种结合实验与机器学习的混合框架，用于预测含再生细骨料混凝土的抗压强度	开发了混合花朵授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析和图形用户界面工具，提高了预测准确性、鲁棒性和解释性	仅研究了固定的50%洗涤再生细骨料替代率，且模型仅针对抗压强度预测，未涉及其他性能指标	评估和预测含洗涤再生细骨料的可持续路面混凝土的抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土试件	机器学习	不适用	不适用	深度神经网络（DNN）	数值数据	264个样本，包括103个实验室生成和161个文献收集	Python（基于Scikit-learn和TensorFlow/Keras框架的算法实现）	花授粉算法优化的深度神经网络（FPA-DNN），对比模型包括kNN、随机森林（RF）、人工神经网络（ANN）、标准深度神经网络（DNN）	R²、均方根误差（RMSE）、平均绝对百分比误差（MAPE）	未明确提及
6817	2026-07-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种结合生物力学约束和深度时间模型的轻量级骨架运动识别框架BATL，用于识别健身、康复与运动分析中的动作序列	首次将关节角度一致性、速度平滑性和骨骼长度稳定性三种生物力学约束隐式嵌入深度学习模型，并引入无监督阶段发现模块自动划分动作时间阶段	NA	提升基于骨架序列的运动识别精度，利用生物力学知识增强轻量级模型性能	健身及运动场景中的骨架姿态序列（深蹲、俯卧撑、二头肌弯举、肩部推举）	计算机视觉	NA	NA	时间卷积网络（基于生物力学约束）	视频（骨架姿态序列）	共157个视频样本（146个深蹲，126个俯卧撑，146个二头肌弯举，146个肩部推举）	PyTorch	BATL（含阶段发现模块与生物力学约束模块）	准确率（93.33% ± 0.94%）	单GPU，推理速度5.2ms/30帧序列（端到端依赖OpenPose约1.574秒）
6818	2026-07-03	Oil spill segmentation of noisy SAR images using domain adaptation based UNet 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49934-w PMID:42062390	研究论文	提出一种基于领域自适应UNet的噪声SAR图像溢油分割方法	在UNet架构中引入梯度反转层的领域自适应模块，以处理SAR图像中的散斑噪声，获得高精度的分割结果	NA	实现SAR图像中溢油区域的准确分割，克服散斑噪声的影响	Sentinel-1 SAR图像中的溢油区域	计算机视觉	NA	SAR成像	UNet	图像	NA	PyTorch	UNet	准确率, F1分数, Dice相似系数, IoU	NA
6819	2026-07-03	A dynamic light image enhancement algorithm using generative adversarial network for group activity recognition 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49326-0 PMID:42062402	研究论文	提出一种基于生成对抗网络的动态光照图像增强算法，用于提升群体活动识别模型的性能	提出多输入图像增强生成对抗网络（MIIEGAN）生成高质量训练图像，并引入引导非对称深度可分离卷积（GA-DSC）降低模型复杂度并提升性能	未提及具体适用场景或潜在泛化限制	通过处理动态光照、图像质量不稳定和计算复杂度等问题，提升群体活动识别模型的性能	群体活动识别中的图像增强与深度学习模型	计算机视觉	NA	生成对抗网络（GAN）、深度可分离卷积	生成对抗网络（GAN）	图像	两个基准数据集（Volleyball数据集和Collective数据集）	NA	AlexNet, VGG-16, Inception-v3, ResNet-50, EfficientNetV2	准确率（0.931-9.29%和1.05-9.83%）	NA
6820	2026-07-03	A multi-level dynamic sample augmentation and heterogeneous feature fusion framework for intelligent intrusion detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50301-y PMID:42062412	研究论文	提出一个融合动态样本增强与异构特征融合的混合入侵检测框架，以应对网络流量中的类别不平衡和时间复杂性	结合ADASYN-FLS-SMOTEBoost自适应过采样和Focal Loss-Softmax加权策略生成代表性少数样本，并采用多分支CNN进行FLS引导的动态融合，以及层次化LSTM捕获短期突发和长期时间依赖，同时引入改进灰狼优化器进行高效超参数调优	研究仅在NSL-KDD数据集上验证，未在更现代或真实网络环境中评估，且方法在极不平衡和复杂场景下的泛化能力需进一步验证	提出一种在类不平衡和复杂网络入侵场景下具有鲁棒性、可解释性和泛化能力的智能入侵检测方法	网络流量数据中的各类攻击样本，特别是少数类攻击（如R2L和U2R）	机器学习	NA	NA	CNN, LSTM	网络流量数据	NSL-KDD数据集（未明确具体样本数量）	NA	多分支CNN, 层次化LSTM (HLSTM)	Macro-F1, 召回率, 准确率	NA