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
7181	2026-05-15	Artificial intelligence and capsule endoscopy 2026-May, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2026.11191/2025 PMID:41848084	综述	本文综述了人工智能在胶囊内镜中的应用，重点讨论深度学习模型和卷积神经网络如何优化图像解读过程	提出AI可分别作为首读和第二读工具，TOP100等工具在临床中已显示出减少阅读时间和辅助诊断的效果	面临假阴性问题、缺乏标准化以及医学法律挑战	评估AI在胶囊内镜解读中的现状、优势与挑战，推动其临床应用	胶囊内镜生成的视频图像及相关胃肠道疾病（如克罗恩病、乳糜泻）	计算机视觉	克罗恩病, 乳糜泻	胶囊内镜	深度学习模型、卷积神经网络（CNN）	图像	每例研究涉及超过50,000张图像	NA	CNN	敏感性、特异性	NA
7182	2026-05-15	A Deep Learning Approach for Classifying Rapid Eye Movement Sleep Behavior Disorder Using EEGNet 2026-May, Journal of clinical neurology (Seoul, Korea) DOI:10.3988/jcn.2025.0552 PMID:42108845	研究论文	提出基于深度学习（EEGNet）的快速眼动睡眠行为障碍自动分类框架，并在多中心真实数据中验证其性能	首次将EEGNet应用于仅基于肌电图数据的RBD分类，并在多中心真实世界数据集上进行验证，比较了手动睡眠分期与自动U-Sleep方法的分期效果	仅使用REM期肌电图数据，无法准确区分四个临床亚组（帕金森病伴RBD、帕金森病不伴RBD、孤立性RBD、健康对照）	开发一种基于深度学习的RBD自动分类方法，辅助临床诊断决策	227份多导睡眠监测记录的REM期肌电图数据，涵盖RBD和非RBD受试者	机器学习	快速眼动睡眠行为障碍	多导睡眠监测	EEGNet	多导睡眠监测数据	227份PSG记录（RBD组156例，非RBD组71例）	NA	EEGNet	AUC，95%置信区间	NA
7183	2026-05-15	Deep Learning Blood Dosimetry Predicts Severe Lymphopenia and Survival After Craniospinal Irradiation 2026-Apr-22, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.04.019 PMID:42031223	研究论文	开发并验证了一种基于深度学习的个体化血细胞剂量测定平台，用于预测颅脊髓照射后严重淋巴细胞减少症和生存结果	首次将深度学习全身分割、个体化血容量建模和患者特异性血流动力学整合，实现颅脊髓照射期间循环血细胞的个体化剂量体积直方图估计，并发现CBC D5%是RISL的关键预测因子	未明确说明局限性	开发和验证个体化循环血细胞剂量测定平台，评估其预测辐射诱导严重淋巴细胞减少症的价值	接受颅脊髓照射的216名患者（中位年龄12岁，范围2-68岁），包括前瞻性儿童CSI注册（48例）和回顾性收集（168例）	数字病理学，机器学习	脑肿瘤，软脑膜转移	深度学习，剂量体积直方图分析	LASSO, 随机森林, XGBoost	临床数据，剂量学数据	216名患者	NA	深度学习全身分割模型（未具体说明架构），LASSO, 随机森林, XGBoost	受试者工作特征曲线下面积（未明确提及，但RISL预测隐含性能指标），总体生存率和无事件生存率（通过CBC D5%分层）	NA
7184	2026-05-15	High-Resolution Deep Learning Dixon Magnetic Resonance Imaging of the Sacroiliac Joints Is Noninferior to Standard Magnetic Resonance Imaging in Patients With Suspected Axial Spondyloarthritis 2026-Apr-21, Arthritis & rheumatology (Hoboken, N.J.) DOI:10.1002/art.70195 PMID:42011796	研究论文	比较高分辨率深度学习狄克逊磁共振成像与标准磁共振成像在疑似中轴型脊柱关节炎患者中诊断骶髂关节病变的非劣效性	首次证明单次高分辨率深度学习重建的Dixon序列在诊断准确性上不劣于多序列标准MRI，且扫描时间减少73%	样本量较小（76例），仅使用深度学习进行图像重建而非诊断辅助，未探讨不同疾病活动度下的表现差异	评估深度学习重建的Dixon MRI在疑似中轴型脊柱关节炎患者中的诊断效能及时间效率	疑似中轴型脊柱关节炎的慢性下背痛患者（76例）	机器学习	中轴型脊柱关节炎	磁共振成像（Dixon序列）	深度学习（图像重建模型）	医学图像（MRI）	76名患者（19例确诊axSpA）	NA	NA	AUC, 平衡准确率, Kappa系数	NA
7185	2026-05-15	Retracing and rewriting the evolutionary trajectories of mammalian developmental enhancers 2026-Apr-21, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.20.719714 PMID:42079151	研究论文	通过密集绘制480种现存和祖先重建哺乳动物基因组中五个小鼠发育增强子的功能演化轨迹，揭示了增强子演化的多样模式，并开发了一种模型驱动重构策略来精准编辑增强子活性	首次大规模系统解析哺乳动物增强子的功能演化轨迹，利用深度学习预测染色质可及性并开发模型驱动重构策略实现核苷酸级别的增强子活性编辑，发现增强子功能丧失与增强的预测不对称性	仅测试了五个小鼠发育增强子，未覆盖所有组织类型和发育阶段；祖先序列重建和MPRA实验的体外环境可能不完全反映体内真实情况	理解哺乳动物发育增强子在进化过程中功能获得、丢失、维持或改变的机制	五个小鼠发育增强子及其来自480种现存和祖先重建哺乳动物基因组的直系同源序列	机器学习, 基因组学	NA	大规模平行报告基因检测(MPRA), 深度学习	深度学习模型	序列数据	480种哺乳动物基因组，5个小鼠增强子	PyTorch	卷积神经网络	染色质可及性预测准确率	NA
7186	2026-05-15	Climate-driven dynamics of surface water temperature and its coupled responses to lake heatwaves and cyanobacterial blooms in Lake Taihu 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129799 PMID:42066451	研究论文	整合多源观测、遥感数据与机器学习、深度学习、因果推断及水动力模型，研究太湖地表水温、湖热浪与蓝藻水华在气候变化下的耦合响应	首次构建多模型（XGBoost、LG-FusionNet、CCM、PLS-SEM及EFDC）耦合框架，系统揭示气候变暖-热浪加剧-分层与缺氧强化-蓝藻占优的正反馈机制	NA	探究气候变化下太湖地表水温-湖热浪-蓝藻水华的耦合响应	太湖	机器学习	NA	遥感、水动力模型（EFDC）	XGBoost、LG-FusionNet、CCM、PLS-SEM、EFDC	多源观测与遥感数据	2002-2024年连续数据	EFDC	XGBoost、LG-FusionNet、CCM、PLS-SEM	R, NSE, RMSE	NA
7187	2026-05-15	Prediction of premature rupture of fetal membranes using deep learning in East China 2026-04-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48769-9 PMID:41974933	研究论文	利用深度学习预测华东地区胎膜早破的发生风险	首次将深度学习与大语言模型DeepSeek结合用于预测胎膜早破，并整合了空气污染及气象条件等环境因素	预测准确率提升的同时伴随假阳性病例增加，需要解决准确性与误报率之间的矛盾	通过临床及环境数据预测胎膜早破，辅助制定个性化治疗方案并优化医疗资源配置	20,392对母婴（母亲与足月新生儿）	机器学习	胎膜早破（产科疾病）	空气污染与气象条件估计	深度学习模型	临床病历数据、环境暴露数据	20,392对母婴	NA	NA	预测准确率、假阳性率	NA
7188	2026-05-15	Deep learning enable precision authentication of seasonal and processing signatures in tieguanyin tea 2026-Apr-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-026-00837-0 PMID:41963366	research paper	提出一种深度学习框架，将液相色谱-质谱代谢组学数据转换为图像表示，实现对铁观音茶叶产品的精准认证	首次将深度学习与代谢组学图像转换结合，用于茶叶真伪认证，并在色谱漂移条件下保持较高准确性	样本量较小（274个样本），仅涵盖两种季节和两种加工方法，可能限制模型的泛化能力	解决高端食品市场中茶叶产品认证的挑战，提供一种鲁棒且可推广的解决方案	铁观音茶叶样本，包括不同季节（春季和秋季）和加工方法（轻火和重火）的产品	machine learning	NA	LC-MS	CNN	image	274个铁观音茶叶样本	PyTorch	NA	accuracy, 95% confidence interval	NA
7189	2026-05-15	The effect of glenoid rotational malalignment on best-fit circles based on AI-generated mathematically true glenoid en face views 2026-Apr-09, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2026.03.024 PMID:41966471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7190	2026-05-15	How to analyze visual data using zero-shot learning: An overview and tutorial 2026-Apr, Psychological methods IF:7.6Q1 DOI:10.1037/met0000801 PMID:41182696	教程	该文章提供了一个关于如何使用零样本学习分析图像数据的概述和分步指南	本文为非技术背景的心理学研究者提供了零样本学习的实用教程，展示如何使用预训练模型（CLIP和LLaVA）分析图像数据，并提供了开放代码和数据	讨论了该方法的未来挑战和局限性，但未深入探讨模型在不同数据集上的泛化能力和伦理问题	为心理学研究者提供一个无需额外训练即可分析图像数据的零样本学习方法和教程	图像中的饮料识别，包括饮料类型、场景设置和饮料在图像中的位置（前景、中景、背景）	计算机视觉	NA	零样本学习	CLIP, LLaVA	图像	NA	PyTorch	CLIP, LLaVA	准确率	Google Colab
7191	2026-05-15	Quantitative CT Measurements of Interstitial Lung Disease: Same-Day Variability Between Two Vendors-A Prospective Study 2026-04, AJR. American journal of roentgenology DOI:10.2214/AJR.25.34057 PMID:41474222	研究论文	评估不同厂商CT设备在同一天内间质性肺疾病定量CT测量的变异性	前瞻性地评估了两家不同厂商CT扫描仪在同一天内对间质性肺疾病纤维化程度的QCT测量变异性，并通过多种重建核组合比较了差异	样本量较小（48人），且仅包括两厂商设备，未能覆盖所有制造商	评估不同厂商CT设备在同一天内对ILD患者纤维化程度的QCT测量变异性	间质性肺疾病患者	计算机视觉	间质性肺疾病	CT成像	深度学习	图像	48名参与者（43男5女，平均年龄67.8±5.2岁）	NA	NA	一致性相关系数	NA
7192	2026-05-15	TCMNet: an AI-driven strategy for optimizing traditional Chinese medicine 2026-Mar-31, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-026-01360-w PMID:41918015	研究论文	提出了一种名为TCMNet的AI驱动策略，用于优化传统中药配方评估和活性化合物识别	创新性地将大语言模型（LLM）辅助的疾病知识挖掘、加权蛋白质互作网络与深度学习结合，首次引入节点权重整合到PPI网络中优化中药配方评估	未明确说明研究局限性，但从方法看可能依赖PD单一案例、文献质量和LLM提取偏差	开发一个AI驱动的自动化策略，克服传统中药配方设计中主观性和目标权重不足的局限	帕金森病（PD）及相关经典中药方剂（天麻钩藤饮、六味地黄丸、牵正散、大补阴丸）、优化方平颤颗粒及与左旋多巴的联合方案	自然语言处理, 机器学习	帕金森病	大语言模型, 蛋白质互作网络, 深度学习	大语言模型, 深度学习模型	文本, 蛋白质互作网络数据, 化合物结合概率数据	4种经典中药方剂、1种优化颗粒、1种单味药（银杏叶）及联合方案	NA	TCMChat（LLM）, Boltz-2（深度学习模型）	目标覆盖率, Jaccard相似度, 加权邻近度, Z分数	NA
7193	2026-05-15	3d elastic-modulus imaging using ultrasound linear arrays and efficient data-driven training strategies 2026-Mar-30, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02056-8 PMID:41910792	研究论文	提出一种利用超声线阵探头和自动渐进法进行三维弹性模量成像的方法，并设计了高效的数据驱动训练策略	创新性地运用数据驱动的自动渐进（AutoP）机器学习技术，结合浅层神经网络和特定测量数据，替代传统的深度学习技术，并通过序列压缩平面测量实现三维体变形的快速建模	实验限制会减慢学习过程，并最终限制模量图像的对比度和空间分辨率	开发基于超声的软组织弹性模量三维成像技术	超声线性阵列换能器与仿体组织	机器学习	NA	超声弹性成像	浅层神经网络	力-位移测量数据	仿体研究	NA	浅层神经网络	图像对比度，空间分辨率	NA
7194	2026-05-15	SODNet: a scale-oriented detection network for efficient UAV-based sewage outfall detection 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45595-x PMID:41888208	研究论文	提出一种面向无人机的高效污水排放口检测网络SODNet，解决多尺度目标检测与轻量模型部署的挑战	通过ECFPN增强多尺度特征表示，共享解耦头结合MSGF模块提升特征提取并降低计算成本，采用通道剪枝压缩模型提升推理速度	未提及具体局限，但可能依赖特定无人机平台和训练数据分布	实现高精度且轻量化的无人机视频污水排口检测方法	河流污水排放口	计算机视觉	NA	NA	深度学习	图像	未明确样本数量，涉及无人机采集的河水排放口图像	PyTorch	SODNet（含ECFPN、共享解耦头、MSGF模块）	AP@50，精确率，参数量，GFLOPs，FPS	边缘计算设备（型号未具体说明），40.3 FPS
7195	2026-05-15	MAGNet: enhancing action recognition with multimodal fusion and adaptive graph convolution 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45601-2 PMID:41888423	研究论文	提出一种基于多模态自适应图卷积网络（MAGNet）的人体动作识别模型，通过融合自适应图卷积和跨模态自注意力机制增强多模态数据处理能力	融合自适应图卷积与跨模态自注意力机制，动态调整每个模态的贡献以应对数据缺失；引入VQ-VAE生成模型生成解剖学一致的人体姿态特征	NA	提高人体动作识别在多模态数据融合、复杂环境鲁棒性及数据缺失条件下的准确性	人体动作识别任务	计算机视觉	NA	NA	图卷积网络（GCN）、跨模态自注意力机制、VQ-VAE生成模型	多模态数据	NTU RGB+D数据集和UTD-MHAD数据集	PyTorch	自适应图卷积网络（MAGNet）、VQ-VAE	准确率（Accuracy）	NA
7196	2026-05-15	ResSeMo: deep convolutional neural network integration for high-accuracy waste classification and efficient processing 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45814-5 PMID:41888559	研究论文	提出一种基于多模块协同优化的轻量级垃圾分类模型ResSeMo，实现高精度分类与高效处理	融合ResNeXt多尺度特征提取、SENet通道注意力机制与MobileNetV3轻量化设计，提升分类精度、降低计算开销并增强复杂背景鲁棒性	未提及在更大规模或更多样化实际场景中的泛化能力及与其他先进模型的横向对比	解决传统垃圾分类方法效率与精度不足的问题，实现智能垃圾分类系统优化	城市生活垃圾图像分类与处理	计算机视觉	NA	NA	CNN	图像	TrashNet和TACO两个公开数据集，具体样本量未提及	PyTorch	ResNeXt, SENet, MobileNetV3	准确率, 抗干扰稳定性（高斯噪声、随机模糊下的精度下降）	NA
7197	2026-05-15	Optimized Lightweight U-Net and YOLACT framework for multi-disease severity detection in pome fruit leaves 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45947-7 PMID:41888567	研究论文	提出了一种优化的轻量级U-Net和YOLACT框架，用于仁果叶片多病害严重程度检测	首次提出一种双模型深度学习框架，结合轻量级Lite-U-Net和增强Lite-YOLACT，并引入新的多病害严重程度量表，以处理同一叶片上的多种共存感染	依赖专门标注的仁果叶片数据集，泛化能力可能受限于其他作物或真实场景；未提及计算资源的详细需求或模型在移动设备上的部署可行性	实现仁果叶片多病害严重程度的自动检测与分类，提升作物健康监测的效率和准确性	仁果叶片（如苹果和梨叶片），包含多种病害类型和严重程度标注	计算机视觉	植物病害	深度学习	CNN	图像	未在标题和摘要中明确说明样本数量	PyTorch	MobileNetV2, Lite-U-Net, Lite-YOLACT	准确率	NA
7198	2026-05-15	Psychological-physical synergy of athletes based on artificial intelligence and deep learning 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45920-4 PMID:41882073	研究论文	本研究提出了图注意力-贝叶斯时序网络（GABT-Net），用于从多模态生理信号准确监控运动员心理状态	创新性地将图注意力网络用于构建多源生理信号的瞬时协同关系，并引入贝叶斯Transformer通过蒙特卡洛Dropout技术实现不确定性量化，解决了现有深度学习方法缺乏协同建模和预测结果不可靠的问题	未在摘要中明确提及限制	解决从多模态生理信号准确可靠监控个体心理状态的挑战	运动员的心理和生理协同状态	机器学习	NA	NA	图注意力网络，贝叶斯Transformer	多模态生理信号	使用WESAD公开数据集，具体样本量未说明	PyTorch	GABT-Net（图注意力-贝叶斯时序网络）	准确率，宏平均F1得分，期望校准误差	NA
7199	2026-05-15	Spatial-temporal graph neural network with autoencoder pretraining for intrusion detection in healthcare IoT ecosystems 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45041-y PMID:41882266	研究论文	提出一种结合自编码器预训练和时空图神经网络的方法，用于医疗物联网环境中的入侵检测	创新性地将自编码器无监督预训练与时空图神经网络结合，以同时捕获设备间空间依赖和时间动态，有效应对类别不平衡和罕见入侵类别问题	未明确讨论局限性	开发一种针对医疗物联网生态系统的高效入侵检测方法，提升检测准确性和泛化能力	医疗物联网设备间的网络流量数据	机器学习	不适用	不适用	空间-时间图神经网络（ST-GNN）、自编码器	网络流量数据	使用了IoT Healthcare数据集和TON-IoT数据集	NA	自编码器预训练、空间-时间图神经网络	准确率、F1分数、ROC-AUC、宏平均F1	NA
7200	2026-05-15	Deep learning image generation technology for enhancing the presentation effect of image art based on artificial intelligence 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45739-z PMID:41882268	研究论文	提出StyleDiffusion-HD框架，结合基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块，提升图像艺术呈现效果	创新性融合风格注入注意力的潜在扩散模型实现文本与视觉风格的双模态精确控制，并引入基于流匹配的超分辨率模块在提升分辨率的同时保持风格一致性	未明确说明，但从研究内容推断可能包括多源艺术数据集的质量和多样性有限，以及主观评价存在个体差异	解决AI图像生成技术在艺术创作中风格控制不准、分辨率有限及超分辨率处理中艺术纹理丢失的问题	多源高质量艺术数据集中的图像	计算机视觉	NA	深度学习，潜在扩散模型，风格注入注意力，流匹配	潜在扩散模型，超分辨率模型	图像	使用多源高质量艺术数据集，具体数量未说明	NA	StyleDiffusion-HD（包含基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块）	Fréchet Inception Distance (FID)， CLIP Score (CS)， Style Loss (SL) 及主观美学评分	NA