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
681	2026-04-06	IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41330-8 PMID:41760833	研究论文	提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟	提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署	当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证	优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量	边缘-云计算环境中的任务调度问题	机器学习	NA	深度强化学习	演员-评论家模型	仿真数据	在不同工作负载下进行的广泛仿真实验	NA	混合演员-评论家深度强化学习框架	归一化奖励、训练损失、运营成本、拒绝率、体验质量	NA
682	2026-02-28	HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40509-3 PMID:41748692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
683	2026-04-06	Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41969-3 PMID:41748689	研究论文	本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题	结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性	NA	评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划	液化引起的浅基础建筑沉降	机器学习	NA	NA	机器学习, 深度学习	结构化数据（建筑特征、岩土参数、地震强度指标）	系统编制的已记录案例研究数据库	NA	NA	NA	NA
684	2026-02-28	A hybrid model for image forgery detection using deep learning with block and keypoint methods 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41473-8 PMID:41748712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
685	2026-04-06	A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40925-5 PMID:41748772	研究论文	本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性	提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐	未在标题和摘要中明确说明	开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常	12导联心电图信号	机器学习	心血管疾病	NA	CNN, Bi-LSTM, Transformer	心电图信号	超过43,000个多标签心电图记录，涵盖27种心律失常类别	NA	CNN, Bi-LSTM, Transformer	准确率, 宏F1分数, ROC曲线下面积	NA
686	2026-04-06	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题	提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制	未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习	驾驶场景数据	NA	NA	NA	安全性能提升幅度（数量级）	NA
687	2026-04-06	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视	提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练	需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性	评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法	眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名病例，10名无眼科异常对照）	NA	NA	斯皮尔曼相关系数	NA
688	2026-04-06	Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.017502 PMID:41567872	研究论文	本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能	提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，并通过互信息分析手工特征与深度学习特征之间的相关性	未明确说明框架在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	增强深度学习模型在组织学图像分类中的可解释性和预测性能	组织学全切片图像	数字病理学	肿瘤分类	NA	深度学习模型	图像	三个公共数据集	NA	NA	分类性能，互信息	NA
689	2026-04-06	Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746364 PMID:41884147	研究论文	本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别	提出了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，显著缩短了诊断时间并提高了对STEMI和NSTEMI的识别准确性	模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高敏感性但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征	开发一种人工智能辅助工具，以提升急诊科急性胸痛患者的诊断准确性和临床决策效率	急诊科就诊的急性胸痛患者	数字病理学	心血管疾病	12导联心电图	CNN	图像	1188名患者	NA	结合通道注意力机制的卷积神经网络	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA
690	2026-04-06	YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1714086 PMID:41884779	研究论文	本文提出了一种基于YOLO的深度学习框架YOLOBT，用于动态调整事件相关电位（ERP）研究中坏试次的检测	提出了一种能模拟专家自适应策略的坏试次检测框架，通过全局信号质量评估实现动态阈值调整，并引入了跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新结构	未在论文摘要中明确说明	开发一种能模拟专家自适应判断的自动化ERP坏试次检测方法	脑电图（EEG）信号中的事件相关电位（ERP）试次	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	YOLO	图像（将EEG信号可视化为波形图像）	未在摘要中明确说明具体样本数量，仅提及使用手动标注的数据集	NA	YOLO	精确率，召回率，平均精度均值，F1分数	NA
691	2026-04-06	Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345470 PMID:41926489	研究论文	本文提出了一种结合物理约束和图神经网络的混合模型，用于通过检测嵌合体状态实现跨患者的癫痫发作预测	将基于Kuramoto振荡器理论的物理约束与图神经网络结合，实现了自动化、鲁棒且可解释的嵌合体状态检测，显著提升了跨患者泛化能力	研究主要基于公开数据集，未在更广泛的临床环境中进行实时验证；模型对EEG信号质量可能敏感	开发一种能够跨患者泛化、具有临床可解释性的癫痫发作预测方法	癫痫患者的脑电图（EEG）数据	计算神经科学, 机器学习	癫痫	脑电图（EEG）分析, 相位锁定值（Phase Locking Values）	图神经网络（GNN）, 状态空间网络（Mamba）	多通道脑电图（EEG）信号	CHB-MIT数据集（22名儿科患者，182次发作）；IEEG.org数据集（16名成人患者，87次发作）；总计844小时连续EEG数据	PyTorch	混合物理信息图神经网络（HP-GNN）, 超图卷积网络, Mamba网络	准确率, 灵敏度, 假阳性率每小时, 跨患者泛化准确率	未明确指定，但涉及深度学习模型训练，可能使用GPU
692	2026-04-06	Utilizing the transformer mechanism to predict cervical lymph node metastasis in patients with papillary thyroid carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345937 PMID:41931576	研究论文	本研究开发并验证了基于Vision Transformer (ViT) 的深度学习模型，用于术前预测甲状腺乳头状癌患者的颈部淋巴结转移	首次将Vision Transformer (ViT) 模型应用于甲状腺乳头状癌颈部淋巴结转移的术前预测，并与传统CNN模型、超声影像组学联合模型及临床模型进行比较，显示出更优且稳定的预测性能	研究为回顾性设计，样本量相对有限（540例患者），且仅基于二维矩形超声图像，未来需前瞻性研究和多模态数据验证	开发并验证Vision Transformer (ViT) 模型在术前预测甲状腺乳头状癌患者颈部淋巴结转移中的应用价值	甲状腺乳头状癌患者	计算机视觉	甲状腺癌	超声成像	Vision Transformer (ViT), 卷积神经网络 (CNN)	图像	540例甲状腺乳头状癌患者（来自两家医院）	NA	Vision Transformer (ViT), 传统CNN框架	AUC, 净重分类改善指数 (NRI), 综合判别改善指数 (IDI)	NA
693	2026-04-06	The Predictive Value of the Pan-Immune-Inflammation Value for Atrial Fibrillation Risk in Patients with Coronary Artery Disease: A Multicenter Machine Learning Study 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S579135 PMID:41883473	研究论文	本研究通过多中心机器学习方法，探讨了泛免疫炎症值（PIV）对冠心病患者心房颤动风险的预测价值	首次将新型复合炎症标志物PIV应用于冠心病患者心房颤动的风险预测，并比较了XGBoost与多层感知机模型的性能	研究为回顾性设计，可能存在选择偏倚；样本仅来自两家三级医院，外部验证有待加强	评估PIV对冠心病患者发生心房颤动的预测能力，并构建机器学习模型进行个体化风险评估	经冠状动脉造影确诊的冠心病患者，分为心房颤动组与非心房颤动组	机器学习	心血管疾病	冠状动脉造影，实验室检测	XGBoost, MLP	临床特征与实验室数据	来自两家三级医院的多中心冠心病患者队列	XGBoost, 未指定深度学习框架	XGBoost, 多层感知机	AUC, 校准分析	NA
694	2026-04-06	Advances and challenges from pathological mechanisms to intelligent quantified diagnosis in diabetic optic neuropathy 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261435864 PMID:41883518	综述	本文全面综述了糖尿病性视神经病变的病理生理机制、当前诊断挑战以及人工智能在早期检测和个性化管理中的新兴作用	系统探讨了人工智能在糖尿病性视神经病变中的转化应用，包括视神经头分割、疾病分类、鉴别诊断、预测分析和影像组学新生物标志物发现，并强调了从糖尿病视网膜病变模型向神经退行性变化检测的转变	NA	综述糖尿病性视神经病变的病理机制、诊断挑战及人工智能在量化诊断中的应用前景	糖尿病性视神经病变	数字病理学	糖尿病性视神经病变	NA	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
695	2026-04-06	Improving stain normalization for digital histological image analysis based on the cycle generative adversarial network identity loss model 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261438012 PMID:41883528	研究论文	本研究提出了一种基于循环生成对抗网络身份损失模型的染色归一化框架，旨在改善数字组织病理学图像分析中的染色颜色变化问题	提出了一种结合StainGAN和Stain-to-Stain Translation的I-GAN框架，通过引入身份损失和RGB-灰度训练策略，在测试阶段使用RGB图像以保留原始染色信息，实现了结构信息的保持和跨异质染色域的稳定颜色域转换	NA	开发一个鲁棒的染色归一化框架，以解决染色环境和扫描设备差异导致的颜色变化问题，促进基于深度学习的数字组织病理学图像分析	数字组织病理学图像，特别是苏木精和伊红染色的图像	数字病理学	NA	苏木精和伊红染色	GAN	图像	使用了MITOS-ATYPIA 14、Camelyon17和ICIAR2018 BACH Challenge数据集	NA	StainGAN, Stain-to-Stain Translation	SSIM, PSNR, DeltaE-ITP, 平均精度, 准确率, 精确率, 召回率	NA
696	2026-04-06	A unified VQ-VAE framework for few-shot retinal vessel segmentation and multidisease classification 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261433086 PMID:41883526	研究论文	本研究提出了一种基于向量量化变分自编码器的少样本学习框架，用于视网膜血管分割和多疾病分类	利用VQ-VAE在未标注眼底照片上进行预训练，学习可迁移的离散表示，以初始化多个下游模型，有效减少标注数据需求并提升性能	未明确说明模型在更广泛或更复杂临床场景中的泛化能力，以及计算资源的具体需求	解决任务特异性深度学习模型对大型标注数据集的依赖问题，开发资源高效的少样本学习解决方案	视网膜血管分割和眼部疾病分类	计算机视觉	眼部疾病	深度学习，少样本学习	VQ-VAE, CNN, GAN	图像	多个公共数据集（DRIVE, STARE, CHASE, Retina, ODIR），其中分类任务仅使用70张标注图像	NA	U-Net, SegNet, ERFNet, FR-UNet, Swin-Res-Net, RV-GAN, VGG-16, ResNet-50, EfficientNet-B0	Dice系数, 召回率, 准确率, 交并比, 平均交并比, 平均偏移距离, 精确率, F1分数, AUC	NA
697	2026-04-06	Integrating deep learning and thermal estimation for enhanced MRI-based brain tumor diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261431902 PMID:41883532	研究论文	本研究开发了一个集成AI驱动的MATLAB框架，通过结合MRI特征与热和纹理生物标志物，提升脑肿瘤诊断的准确性	首次将深度学习分割、形态分析、热估计和纹理量化整合到一个MATLAB管道中，用于脑肿瘤诊断，并提出了基于面积的温度估计公式	硬件限制导致训练仅进行了计划的30个周期中的8个，影响了模型优化；对垂体瘤的召回率较低（29%），对脑膜瘤的精确度较低（48.6%）	开发一个集成AI框架，通过结合MRI特征与热和纹理生物标志物，提高脑肿瘤诊断的准确性	脑肿瘤（包括胶质瘤、脑膜瘤、垂体瘤）和健康脑组织	数字病理学	脑肿瘤	磁共振成像（MRI）	CNN	图像	来自Kaggle和Figshare的数据集（具体样本数量未明确说明）	MATLAB	紧凑型三层卷积神经网络	准确率, F1分数, 召回率, 精确度	硬件限制导致训练周期减少，建议转向GPU加速训练（具体GPU类型未明确说明）
698	2026-04-06	A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics 2025-12-05, Journal of visualized experiments : JoVE DOI:10.3791/69355 PMID:41428661	研究论文	本研究提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态	创新性地结合了GARCH模型、双向LSTM网络和Kolmogorov-Arnold网络，以协同方式量化时变波动性、建模双向时间关系并精炼非线性模式，超越了传统模型的局限	未明确提及具体限制，但可能包括模型复杂度高、计算资源需求大或对特定市场条件的泛化能力未知	开发一个稳健的预测工具，以准确预测原油价格，支持能源政策制定、风险对冲和金融衍生品定价	西德克萨斯中质原油的每日价格数据	机器学习	NA	NA	GARCH, BiLSTM, KAN	时间序列数据	39年的每日价格数据（1986-2025年）	NA	GARCH, Bidirectional LSTM, Kolmogorov-Arnold Network	均方根误差, 平均绝对误差, 决定系数	NA
699	2026-04-06	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111169 PMID:41033356	研究论文	本研究开发了一种基于深度学习的正常组织并发症概率（NTCP）模型，用于预测头颈癌放疗后晚期吞咽困难，该模型整合了3D剂量分布、器官分割和CT扫描数据	首次将3D剂量数据、器官分割和CT扫描结合到深度学习模型中，以预测放疗后吞咽困难，相比传统基于离散剂量参数的NTCP模型，显著提升了预测性能	研究依赖于多机构队列数据，可能存在数据异质性；模型性能在外部测试集上略有下降，表明泛化能力有待进一步验证	通过深度学习模型改进头颈癌放疗后晚期吞咽困难的预测准确性	头颈癌患者	数字病理学	头颈癌	放疗剂量分析，CT扫描	CNN	3D剂量分布图像，CT图像，器官分割掩码	1484名头颈癌患者的多机构队列	NA	Residual Network	AUC，校准曲线	NA
700	2026-04-06	A Novel Hybrid Deep Learning Model for Attack Detection in IoT Environment: Convolutional Neural Network with Transformer Approach 2025-11-18, Journal of visualized experiments : JoVE DOI:10.3791/68750 PMID:41359642	研究论文	提出一种基于CNN与Transformer的混合深度学习模型，用于物联网环境中的攻击检测与分类	首次将卷积神经网络与Transformer架构结合，构建混合模型用于物联网攻击检测，在保持高精度的同时显著降低计算复杂度	仅使用单一数据集（CIC-IoT-2023）进行验证，未在更广泛的物联网场景和实时部署环境中测试	开发高效的深度学习安全方法，实时检测物联网网络中的异常活动和潜在威胁	物联网网络通信数据中的攻击模式与异常行为	机器学习	NA	深度学习	CNN, Transformer	网络流量数据	CIC-IoT-2023数据集，包含33种物联网威胁类型，分为7个类别	NA	CNN-Transformer混合架构	准确率, 精确率, 召回率, F1分数, 损失值	NA