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
881	2026-05-04	Exploring three-dimensional reconstruction with Neural Radiance Field (NeRF) for coronary roadmap navigation and view-planning in X-ray coronary angiography: A feasibility study 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109349 PMID:42019103	研究论文	探索使用神经辐射场（NeRF）从X射线冠状动脉造影图像进行三维重建，用于冠状动脉路线图导航和视角规划	首次应用NeRF技术从少量X射线冠状动脉造影视图进行自动三维重建，并评估其在临床导航和规划中的可行性	NeRF在视角规划方面表现不佳，不足三分之一的预测视图被认为可接受，且在不同评估者之间存在评分差异，需要对三维冠状动脉拓扑结构进行进一步改进以提高模型鲁棒性	评估NeRF在X射线冠状动脉造影中生成冠状动脉路线图和预测最佳视角的临床可行性	X射线冠状动脉造影图像中的三维冠状动脉树	计算机视觉	冠状动脉疾病	X射线冠状动脉造影	Neural Radiance Field (NeRF)	图像	多种分割后的血管造影视图组合	NA	NeRF	定性问卷调查（图像质量、冠状动脉拓扑结构、视觉杂乱程度）	NA
882	2026-05-04	Development of a deep learning tool to detect drug-resistance epilepsy with EEG 2026-Jul, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2026.111028 PMID:41936310	研究论文	开发基于脑电图的深度学习工具检测耐药性癫痫	首次使用表面脑电图和卷积神经网络对耐药性癫痫与非耐药性癫痫进行分类	仅使用表面脑电图数据且数据集较小，模型性能中等，需通过添加神经影像和临床信息以及更大规模数据集来改进	开发一种卷积神经网络模型，利用表面脑电图分类癫痫患者为耐药性或非耐药性	癫痫患者	机器学习	癫痫	EEG	CNN	脑电图图像	180名癫痫患者（平均年龄41.1岁，52.8%女性）	NA	CNN	准确率、敏感度、特异度、F1分数、AUC-ROC、AUPRC	NA
883	2026-05-04	Artificial intelligence-based prediction of boar reproductive fitness and health: Current status in research and practice 2026-Jun, Animal reproduction science IF:2.2Q1 DOI:10.1016/j.anireprosci.2026.108172 PMID:41861691	综述	总结人工智能和机器学习在公猪生殖健康与繁殖性能预测中的当前研究与应用现状	系统综述了从传统精子评估转向基于AI的预测性、精准化生殖管理的技术进展，涵盖成像、光谱、超声等多模态数据应用	数据标准化、模型可解释性和经济可行性仍是主要挑战	评估AI/ML技术在公猪生殖健康管理中的潜力及应用范围	公猪生殖健康与繁殖性能	机器学习	NA	图像流式细胞术，计算机辅助精子分析，拉曼光谱，近红外光谱，睾丸超声	深度学习	图像，光谱数据	NA	NA	NA	NA	NA
884	2026-05-04	High-accuracy instance segmentation of cellular structures in head and neck squamous cell carcinoma histopathology using a cyto R-CNN deep learning framework 2026-Jun, Pathology, research and practice DOI:10.1016/j.prp.2026.156459 PMID:41985370	研究论文	开发一种基于深度学习的Cyto R-CNN框架，用于头颈部鳞状细胞癌组织病理学图像中细胞结构的实例分割，以提高病理评估的效率和客观性	提出了一个任务特定的Cyto R-CNN框架，通过集成双分支解码器和边界感知的轮廓损失，有效应对细胞重叠和边界模糊的挑战，实现了对细胞核和完整细胞的高精度实例分割	未来需扩展数据集并在更广泛的图像集合和临床应用中评估模型	自动化头颈部鳞状细胞癌组织病理学图像中细胞核和完整细胞的实例分割，提供定量支持以辅助诊断	头颈部鳞状细胞癌（HNSCC）组织病理学图像中的细胞核和完整细胞	计算机视觉	头颈部鳞状细胞癌	H&E染色	Cyto R-CNN	图像	83张图像，包含6598个标注实例	PyTorch	Cyto R-CNN	Dice系数	NA
885	2026-05-04	Predicting DNA replication-related protein expression at the nucleus level from HE: A deep learning study with same-specimen paired data 2026-Jun, Acta histochemica IF:2.3Q4 DOI:10.1016/j.acthis.2026.152334 PMID:42035593	研究论文	基于同一标本配对HE和IHC数据，利用深度卷积网络在细胞核水平预测DNA复制相关蛋白表达	首次在细胞核水平直接从HE核形态预测连续DAB光密度和二元阳性，使用同一标本配对的HE/IHC数据集，并评估多任务学习跨标记预测	样本量小（21例），缺乏外部验证	评估深度卷积网络能否从HE核图像预测DNA复制相关蛋白（CDC6、CDT1、MCM7、ORC1、CDC7、Geminin、Ki-67）的表达	子宫内膜样癌病例的HE和IHC图像中的细胞核	数字病理学	子宫内膜癌	HE染色、IHC染色、NMF颜色分离、HoVer-Net核分割	卷积神经网络	图像（HE和IHC）	21例子宫内膜样癌病例（每级7例）	PyTorch	ResNet-50, EfficientNet-B0, MobileNetV3-Small	AUC-ROC, F1分数, 相关系数, 平均绝对误差	NA
886	2026-05-04	AI-based plastic waste classification for sorting purposes: A review on recent progresses and challenges 2026-May-30, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2026.115542 PMID:42008919	综述	系统综述了2015至2025年间基于人工智能的塑料垃圾分类与分拣方法	整合了性能评估指标、映射了AI分类模型多样性，并提出了轻量模型、多传感器融合和边缘AI部署的未来研究方向	真实世界数据集有限、可扩展性问题及环境可变性挑战	为可持续和可扩展的AI驱动塑料垃圾分类提供技术资源和战略指南	塑料垃圾	计算机视觉、机器学习、自然语言处理	NA	近红外光谱、傅里叶变换红外光谱、拉曼光谱	卷积神经网络、YOLO、Transformer	图像	112篇文章	NA	CNN、YOLO、Transformer	准确率	NA
887	2026-05-04	Advancing air pollution forecasting: a review of physical, statistical, and machine learning methods 2026-May-03, Environmental science and pollution research international DOI:10.1007/s11356-026-37789-7 PMID:42070218	综述	综述了空气污染监测与预测工具，重点关注物理、统计和机器学习方法	强调混合和集成模型融合物理与数据驱动方法提升预测准确性，并探讨物理信息机器学习和边缘计算模型等新兴方向	NA	回顾空气污染预测建模技术，比较确定性模型、统计方法及机器学习/深度学习方法，并探索未来方向	空气污染数据与预测方法	机器学习	NA	NA	物理模型、统计模型、机器学习模型、深度学习模型、混合模型、集成模型	污染物浓度数据	NA	NA	NA	预测准确性、鲁棒性	边缘计算模型
888	2026-05-04	Optimizing land use and land cover classification with deep learning on multi-resolution datasets 2026-May-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15391-1 PMID:42068382	研究论文	探索三种深度学习架构（MobileNetV3、ResNet34、GoogleNet）结合迁移学习、数据增强和自适应学习率调度在多分辨率数据集上的土地覆盖分类性能	通过迁移学习、数据增强和自适应学习率调度的优化训练流程，系统比较三种现代深度学习架构在多分辨率遥感数据集上的分类性能	NA	优化深度学习方法用于多分辨率数据集上的土地覆盖分类	EuroSAT和PatternNet两个基准数据集中的遥感图像	计算机视觉	NA	卫星遥感图像处理	卷积神经网络	图像	EuroSAT数据集包含10类土地覆盖的Sentinel-2卫星图像，PatternNet数据集包含38种多样化类别的高分辨率航空图像	NA	MobileNetV3, ResNet34, GoogleNet	准确率, 推理时间	NA
889	2026-05-04	The Use of Statistical Shape and Appearance Modelling for Predicting Osteoporotic Fracture Risk 2026-May-02, Current osteoporosis reports IF:4.2Q1 DOI:10.1007/s11914-026-00966-1 PMID:42068423	综述	探讨统计形状与外观建模在预测骨质疏松性骨折风险中的应用进展	将统计形状与外观建模与有限元分析和机器学习结合，从2D临床图像重建3D对象进行生物力学评估	临床推广受限于模型的泛化能力不足	评估统计形状与外观建模在骨质疏松性骨折风险预测中的研究进展	骨质疏松性骨折的骨几何结构和内部密度分布	计算机视觉	骨质疏松性骨折	统计形状与外观建模	NA	图像	NA	NA	NA	NA	NA
890	2026-05-04	Engineering biomarker representations of vital signs data enhances deep learning mortality prediction 2026-May-02, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocag066 PMID:42068567	研究论文	评估双向长短期记忆模型在使用不同生命体征数据处理方法预测住院患者死亡率中的表现	提出使用基于生物标志物表示的生命体征预处理方法，扩展了PhysioZoo数字血氧生物标志工具箱，并证明该方法能显著提高深度学习模型的预测性能	未提及具体限制	评估不同生命体征数据处理方法对双向长短期记忆模型预测住院患者死亡率的影响	重症监护病房住院患者	机器学习	住院患者死亡率	NA	双向长短期记忆模型	生命体征数据	两个大型重症监护数据集：HiRID和eICU	NA	双向长短期记忆	判别能力、Brier分数	NA
891	2026-05-04	Fusion attention-based nasopharyngeal carcinoma segmentation model in predicting the clinical outcome of cervical lymph node residue after IMRT 2026-May-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02356-6 PMID:42069522	研究论文	提出一种基于融合注意力的鼻咽癌分割模型，用于预测调强放疗后颈部淋巴结残留的临床结局，并构建影像组学列线图	将融合注意力机制引入U-Net框架，改进通道和空间注意力模块以聚焦小目标，并将2D交错稀疏自注意力扩展至3D，解决低对比度问题；结合临床因素和影像组学特征建立预测列线图	样本量较小（69例），为单中心回顾性研究，仅使用CT图像，缺乏外部验证集	实现鼻咽癌原发灶的自动分割，并根据治疗后残留淋巴结的影像组学特征预测其最终结局	69例接受调强放疗的鼻咽癌患者，治疗后首次MRI显示残留转移性淋巴结但无残留原发灶，中位随访53个月	医学影像分析	鼻咽癌	调强放疗CT图像	融合注意力卷积神经网络	CT图像	69例患者的放疗CT影像	PyTorch, PyRadiomics	U-Net, 通道和空间注意力模块, 3D交错稀疏自注意力	平均Dice系数, 相对体积误差, 平均对称表面距离, Hausdorff距离, 曲线下面积	NA
892	2026-05-04	A multicenter-validated interpretable transformer model for pituitary microadenoma detection on non-contrast multiparametric MRI 2026-May-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02391-3 PMID:42069529	研究论文	开发了一种基于非对比多参数MRI的Transformer深度学习模型，用于检测垂体微腺瘤，并通过可解释AI技术增强模型透明度	首次将Transformer模型应用于非对比多参数MRI的垂体微腺瘤检测，并结合Grad-CAM和SHAP可解释性技术提升CNN分类的透明度和泛化能力	未在更大规模的多中心外部验证集中测试，且非对比MRI可能仍存在一定的敏感性限制，需进一步临床验证	提高非对比多参数MRI检测垂体微腺瘤的准确性、泛化性和可解释性	来自三家医院的590名患者的非对比多参数MRI鞍区扫描数据	计算机视觉, 数字病理学	垂体微腺瘤	多参数MRI	Transformer, CNN	MRI图像	590名患者	PyTorch	Transformer, 2D_DL, 2.5D_DL, 2D_multichannel	AUC, 准确率, 精确率, 召回率, F1分数	NVIDIA GPU（如V100或A100）
893	2026-05-04	Extending Tanner's framework: the digital clinical judgment model for nursing education 2026-May-02, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04703-y PMID:42069542	研究论文	提出数字临床判断模型（DCJM），用于支持数字护理教育中临床判断的教学与学习	将Tanner临床判断模型与社会文化学习、脚手架及深度学习理论进行概念综合，提出包含教学、社会情感和技术支持的三层结构的数字临床判断模型	需进一步实证研究验证其在实践中的有用性及其对学生学习和教育设计的影响	开发支持数字护理教育中临床判断教学的教学模型	数字护理教育中的临床判断教学与学习	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
894	2026-05-04	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	提出结合监督对比学习和焦点损失的CLEmbryo方法，用于自动分类动物胚胎细胞阶段	首次将监督对比学习应用于胚胎细胞阶段分类，结合焦点损失处理不平衡数据，并采用轻量级3D神经网络CSN-50作为编码器	未明确提及局限性，但可能受限于低质量图像、类边界模糊和数据不平衡问题	利用深度学习自动从2D延时显微镜视频中分类胚胎细胞阶段，提升效率并支持大规模应用	牛胚胎和老鼠胚胎的细胞阶段分类	数字病理学	NA	视频显微镜	CSN-50（3D卷积神经网络）	图像	自建牛胚胎细胞阶段数据集和公开的NYU小鼠胚胎数据集	PyTorch	CSN-50	准确率	NA
895	2026-05-04	Hybrid deep learning model for multimodal vocal and lung signal analysis in health monitoring 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32779-0 PMID:42069761	研究论文	提出一种混合深度学习模型，通过整合语音和肺部信号分析实现非侵入式健康监测	创新性地采用多模态数据处理方法，将卷积神经网络与双向循环神经网络融合为卷积双向循环神经网络模型，并行处理语音和肺音数据集，并通过集成模型进行综合评估	未提及模型在实际临床环境中的部署挑战，以及不同噪声条件下对模型性能的影响	开发一种多网络模型用于语音和肺部异常检测，以提高健康监测系统的准确性和可靠性	语音信号和肺部信号数据	机器学习	呼吸道疾病	梅尔频率倒谱系数	卷积双向循环神经网络	语音和肺部信号	未提及具体样本数量	NA	卷积神经网络、双向循环神经网络、卷积双向循环神经网络、集成模型	准确率	NA
896	2026-05-04	A synthetic dataset for time series super-resolution with deep learning 2026-May-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07344-7 PMID:42069808	研究论文	介绍用于时间序列超分辨率研究的合成数据集CoSiBD，包含2500个高分辨率信号及其低分辨率版本	首次提供专为可重复时间序列超分辨率研究设计的合成基准数据集，信号生成采用分段频率调制和样条振幅包络以模拟非平稳行为	数据集为合成数据，可能无法完全反映真实世界时间序列的复杂性，且仅包含四种降采样水平	为深度学习时间序列超分辨率模型提供标准化训练和评估基准	生成的非平稳时间序列信号，包括清洁和含噪变体	机器学习	不适用	合成信号生成，均匀降采样	深度学习模型（基准测试中）	时间序列（一维信号）	2500个高分辨率信号（每个信号5000样本点），以及四个降采样水平（150、250、500、1000样本点）的对应低分辨率版本	NumPy	不适用（提供基线超分辨率结果，未指定特定架构）	谱分析指标，超分辨率基准性能（具体指标未在摘要中明确）	不适用（未提及）
897	2026-05-04	Breast ultrasound images for segmentation and classification using multi-task U-Net 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51534-7 PMID:42069816	研究论文	提出一种多任务U-Net框架，用于乳腺超声图像的联合分割与分类，以提升乳腺癌自动检测性能	创新点包括确定性过采样策略解决类别不平衡、预测-细化模块确保分割与分类输出一致性、以及注意力引导特征学习机制增强病灶定位能力	数据集规模小且不平衡，注释不一致，缺乏集成学习策略，临床适用性受限	开发一个有效且可靠的自动乳腺癌检测方法，提高乳腺超声图像中肿瘤分割和分类的性能	乳腺超声图像中的病变分割和肿瘤分类	数字病理学	乳腺癌	超声成像	多任务U-Net	图像	使用BUSI数据集，通过去除重复和不一致样本构建了精选版本	TensorFlow, PyTorch	U-Net	Dice系数, 准确率	NA
898	2026-05-04	Hybrid Vi+ECNN framework for advanced ADHD diagnostic accuracy in medical imaging 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50791-w PMID:42069836	研究论文	开发了一种结合Vision Transformer和增强卷积神经网络的多流深度学习框架，用于儿童大脑MRI的ADHD分类，显著提高了诊断准确性	首次将ViT与ECNN在生物信息引导的多流预处理策略（包括Raw MRI、PST和QHED）中整合，同时捕捉全局和局部神经解剖特征	未提及模型在外部数据集或不同年龄段人群中的泛化能力验证	开发一种客观、自动化的ADHD诊断工具，提高基于MRI的儿童ADHD分类准确率	儿童大脑MRI影像数据	计算机视觉	注意力缺陷多动障碍（ADHD）	NA	Vision Transformer (ViT), 增强卷积神经网络 (ECNN)	MRI影像数据	分层的儿童MRI数据集（具体样本量未在摘要中说明）	NA	Vision Transformer (ViT), 增强卷积神经网络 (ECNN)	准确性, 精确率, 召回率, F1分数	NA
899	2026-05-04	A compact and interpretable multi-source framework for heterogeneous medical image classification 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51120-x PMID:42069855	研究论文	提出了一种轻量级多源框架ML-ConvNet，用于异构医学图像分类，在降低计算开销的同时保持竞争性诊断性能	设计了仅4.2K参数和924M FLOPs的紧凑架构，融合多分支重参数化卷积、层次双路径注意力、特征自变换和局部方差加权优化策略，实现高效且可解释的医学图像分类	仅在公开数据集上验证，缺乏多机构外部验证，泛化性和临床适用性有待进一步评估	设计结构紧凑、可解释的多源医学图像分类框架，在资源受限场景下提供竞争性诊断性能	脑部MRI、肺部CT和胸部X光三种异质成像模态的公开基准数据集	数字病理学, 计算机视觉	NA	深度学习, 图像分类	轻量级卷积神经网络	医学图像	三个公开基准数据集（脑部MRI、肺部CT、胸部X光），具体样本数量未明确	NA	ML-ConvNet（含多分支重参数化卷积、层次双路径注意力、特征自变换）	F1分数, PR-AUC, 推理延迟	CPU和移动硬件测试，具体型号未明确
900	2026-05-04	Detection of benign prostatic hyperplasia using RGB prostate images and deep learning 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50580-5 PMID:42069861	研究论文	基于深度学习的RGB前列腺组织病理图像检测良性前列腺增生	将CNN与双向长短期记忆网络结合，并引入空间和时间注意力机制，同时采用自适应CLAHE增强图像质量	BPH检测灵敏度较低，召回率有待提升	开发一种基于深度学习的良性前列腺增生检测方法	前列腺组织病理RGB图像	数字病理学	前列腺癌	RGB组织病理成像	CNN-BiLSTM-Attention	图像	176张前列腺图像	NA	CNN, BiLSTM	AUC, 精确率, 召回率	NA