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
81	2026-07-01	Intelligent prediction and optimization of nanofluid-assisted turning using hybrid generative deep learning 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50277-9 PMID:42056191	研究论文	提出一种混合生成式深度学习模型，用于智能预测和优化纳米流体辅助车削工艺	创新性地整合响应面法、人工神经网络和生成对抗网络，解决纳米流体辅助加工中非线性预测和优化难题	未提及模型在其他材料或加工条件下的泛化能力，以及GAN训练的计算开销	实现纳米流体辅助车削的多目标智能预测与优化	EN31钢材的纳米流体辅助车削过程	机器学习	NA	纳米流体辅助加工、MWCNT基重力供液	混合深度学习模型（RSM、ANN、GAN）	数值数据（表面粗糙度、切削力、材料去除率）	未明确样本数量，但提及有限数据条件	NA	RSM、ANN、GAN	相关系数R（0.82-0.99）、均方误差MSE（1.49和7.89）、预测误差（<5%）	NA
82	2026-07-01	An advanced hybrid deep learning framework for high-precision brain tumor detection and classification in MRI scans 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50194-x PMID:42056374	研究论文	提出一种名为MultiAttenNet的混合深度学习框架，用于对MRI扫描中的脑肿瘤进行高精度检测与分类	首次将多尺度CNN与Transformer注意力机制整合在半监督学习框架中，通过多尺度特征提取增强对不同大小和不规则结构肿瘤的鲁棒性，并利用自适应注意力模块动态突出诊断相关区域以减少假阳性	未明确说明局限性，但可推测依赖公共数据集（如BraTS 2023和Figshare）的标注质量，且真实临床环境的泛化性有待进一步验证	实现脑肿瘤的早期、高精度自动检测与分类，以支持神经肿瘤学中的实时临床决策	脑肿瘤的MRI图像（包括胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤（胶质瘤、脑膜瘤、垂体瘤）	MRI成像	CNN-Transformer混合模型	图像	BraTS 2023数据集（胶质瘤分割）和Figshare脑肿瘤数据集（多类分类），具体样本数量未说明	NA	多尺度CNN、Transformer、自适应注意力模块	准确率、敏感性、特异性、假阳性率	NA
83	2026-06-16	Agrimind intelligent deep learning framework for accurate soil fertility prediction 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50366-9 PMID:42049804	研究论文	提出AgriMind智能深度学习框架用于准确预测土壤肥力	提出了结合SMOTEImputeScaler预处理、Attentive LSTM Aware Dense Network模型和遗传概率搜索超参数优化的全新预测框架	未提及具体局限性，但可推断可能受限于数据集规模和特定土壤类型的泛化能力	提高土壤肥力预测的准确性和可靠性，优化农业生产效率	土壤肥力预测数据集	机器学习	NA	NA	深度学习模型（LSTM、密集网络）	结构化土壤成分数据	未明确样本数量，数据划分为70%训练、10%验证、20%测试	未明确指定，可能是TensorFlow或PyTorch	Attentive LSTM Aware Dense Network (ALADN)	准确率、精确率、召回率、F1分数、Cohen's Kappa系数	未提及
84	2026-06-16	Stacked CT radiomics, deep learning and clinical feature models for differentiating benign and malignant solitary pulmonary nodules 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49720-8 PMID:42049816	研究论文	通过堆叠临床特征、CT影像组学和深度学习模型，区分良恶性孤立性肺结节	首次将临床、影像组学、深度学习和血清学信息通过堆叠集成方法进行多模态融合，显著提升了孤立性肺结节的风险分层能力	NA	开发一种非侵入性工具，准确区分良恶性孤立性肺结节，以减少不必要的有创活检	201名孤立性肺结节患者（110例恶性，91例良性）	数字病理学，计算机视觉	肺癌	高分辨率CT	Swin-Transformer，LASSO，堆叠集成	图像，临床数据	201名患者	NA	NA	NA	NA
85	2026-07-01	Federated learning-driven intelligent framework for multi-center radiotherapy dose distribution prediction oriented toward linear accelerators 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49826-z PMID:42049930	研究论文	提出一种联邦学习驱动的智能框架，用于多中心放疗剂量分布预测，旨在解决数据孤岛和隐私保护问题	首次将多尺度注意力U-Net与自适应加权联邦聚合策略结合，并集成梯度裁剪差分隐私和安全聚合的分层隐私保护机制，以应对非独立同分布数据挑战	未明确提及	实现多中心协作训练下的高质量放疗剂量分布预测，同时保障患者数据隐私	来自四个临床中心的头颈部和腹部调强放疗病例	机器学习, 数字病理	头颈部肿瘤, 腹部肿瘤	NA	注意力U-Net	三维剂量分布图像	来自四个临床中心的头颈部和腹部IMRT病例，具体数量未提供	PyTorch	多尺度注意力U-Net	Gamma通过率	NA
86	2026-07-01	A unified privacy-preserving data mining framework with multi-noise injection and hybrid deep learning for robust privacy-utility trade-offs 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49949-3 PMID:42050040	研究论文	提出一种统一的隐私保护数据挖掘框架，通过多噪声注入和混合深度学习实现隐私与效用的稳健权衡	首次将多噪声注入层与混合1D CNN-LSTM模型结合，在隐私保护数据挖掘中实现深度防御机制，优于传统流水线	未提及实际部署中的计算开销或大规模数据集性能表现	解决隐私保护数据挖掘中隐私与数据效用之间的权衡问题	乳腺癌、成人收入及客户流失数据集	机器学习	乳腺癌	NA	混合1D CNN-LSTM	表格数据	三个公开数据集（未明确具体样本数）	NA	1D CNN-LSTM	预测准确率, Kappa分数	NA
87	2026-07-01	A novel system design for monocular laser assisted capsule endoscopy for 3D small bowel modeling 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50612-0 PMID:42050338	研究论文	提出一种新型单目激光辅助胶囊内窥镜系统，用于小肠三维建模	利用单目图像和圆周扫描激光点实现三维重建，无需立体视觉或多视图算法，在视觉特征有限的解剖环境中实现几何一致性重建	基于受控实验条件和帧间深度位移假设的概念验证研究，尚未进行临床验证，且软组织幻影实验仅捕获了一般褶皱模式	开发一种基于单目激光辅助胶囊内窥镜的小肠三维建模系统	小肠三维表面结构	计算机视觉	不适用	激光扫描，HSV颜色空间变换，基于区域掩码生成，点云生成	SIFT-SfM，ORB-SfM	图像（单目）	受控实验和软组织幻影实验数据	Python，CloudCompare，Agisoft Metashape	SIFT，ORB，SfM	均方根误差（RMSE）	未指定
88	2026-07-01	ITCNET: a visual and language pretraining model based on multimodal fusion in predicting the breast cancer subtypes on DCE-MRI 2026-04-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03513-1 PMID:42045898	研究论文	开发了一种名为ITCNET的深度学习模型，通过融合DCE-MRI图像、临床数据和放射学报告，精确预测乳腺癌分子亚型	提出了一个多模态融合的视觉-语言预训练模型ITCNET，整合了三种数据类型实现了高精度预测	基于单一机构的回顾性队列研究，样本量为505例，可能缺乏外部验证	利用多模态数据融合提高乳腺癌分子亚型预测的准确性	505例经病理确诊的乳腺癌患者的DCE-MRI图像、临床数据及放射学报告	计算机视觉, 自然语言处理, 机器学习	乳腺癌	DCE-MRI	Swin Transformer, DenseNet121, ResNet50, BERT, ITCNET	图像, 文本, 结构化数据	505例乳腺癌患者	NA	Swin Transformer, DenseNet121, ResNet50, BERT, ITCNET	准确率, AUC	NA
89	2026-07-01	Ensemble localized patch residual convolution neural networks for pneumonia detection using chest X-ray 2026-04-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03497-y PMID:42046054	研究论文	提出一种名为eRes-NET的集成残差卷积神经网络，用于胸部X光图像的肺炎自动检测	构建基于局部图像块（25×25像素）的多个CNN模型集成策略，并采用CLAHE-DWT预处理增强对比度，实现高效肺炎检测	未提及不同数据集和评估程序差异对性能的影响分析，也未讨论算法在真实临床环境中的部署挑战	开发基于深度学习的自动化肺炎检测方法，提高诊断精度并节省医疗资源	胸部X光图像中的肺部感染特征	计算机视觉	肺炎	X光成像	卷积神经网络（CNN）	图像	8266张胸部X光图像	NA	ResNet集成（eRes-NET）	准确率，AUC	NA
90	2026-07-01	Association between deep learning-based coronary artery calcium score on non-gated chest CT and progression of chronic kidney disease: a retrospective observational cohort study 2026-04-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02365-5 PMID:42032494	研究论文	探索基于深度学习从非门控胸部CT图像计算冠状动脉钙化评分与慢性肾脏病进展之间的关联	首次系统性评估深度学习计算的冠状动脉钙化评分与慢性肾脏病进展的关系，并揭示了不同评分范围的风险分层效果	单中心回顾性观察设计，样本量有限，且主要不良心血管事件的置信区间较宽	阐明深度学习冠状动脉钙化评分与慢性肾脏病进展及主要不良心血管事件的关联	慢性肾脏病患者	计算机视觉	慢性肾脏病	CT成像	深度学习模型	影像	509名慢性肾脏病患者，中位年龄64岁，男性317名	NA	NA	风险比、95%置信区间	NA
91	2026-07-01	Multimodal deep learning for cardiovascular disease detection using pulse wave and vocal signals: a prediction model development and validation study 2026-04-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03518-w PMID:42032577	研究论文	本研究通过整合脉搏波与语音信号，开发并验证了一种用于心血管疾病检测的多模态深度学习预测模型	首次将中医“四诊合参”中的脉诊与闻诊数字化，并利用多模态深度学习融合模型实现心血管疾病的无创筛查	外部验证队列样本量较小（n=194），模型性能有待进一步优化	科学验证中医“合参”原理在自动化心血管疾病鉴别中的可行性，开发无创早期筛查工具	径向动脉脉搏波与//a:/延长发音语音信号	机器学习	心血管疾病	脉搏波采集、语音记录	深度学习	时间序列信号	553名受试者（健康、冠状动脉疾病、心力衰竭），外部验证194名	NA	MLP, GAN-判别器, ResNet-MLP, 双向LSTM	准确率, AUC	NA
92	2026-07-01	FiloAnalyzer: a deep learning approach for cell filopodia segmentation 2026-Apr-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06437-9 PMID:42032470	研究论文	提出一种名为FiloAnalyzer的开源工具箱，用于自动分析细胞丝状伪足	结合深度学习与图像处理方法，并对比自监督预训练与ImageNet监督预训练在低数据场景下的性能，采用对比学习、自蒸馏和基于扩散模型的生成方法提升分割效果	未在更多细胞类型或不同成像条件下验证；依赖少量标注数据虽有效但可能仍存在泛化性局限	开发自动化分析细胞丝状伪足的工具，解决人工分析效率低下的问题	神经嵴细胞的荧光显微镜图像中的丝状伪足	数字病理学, 计算机视觉, 机器学习	NA	荧光显微镜	深度学习模型（含自监督预训练方法）	图像	十个标注图像（用于评估低数据场景）及更多未公开标注数据集	PyTorch	对比学习、自蒸馏、扩散模型（基于自监督预训练）	分割性能（具体指标如精度、召回率等未明确提及，但对比了其他工具箱）	NA
93	2026-07-01	Comparison of multistage and single-stage framework for automated landmark localization and radiologic measurement: a case of the C1-2 complex on cervical spine lateral radiographs 2026-04-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02323-1 PMID:42032488	研究论文	比较多阶段与单阶段框架在颈椎侧位X线片上自动标志点定位和放射学测量的表现，以C1-2复合体为例	系统性地比较了多阶段与单阶段深度学习框架在X线图像分析中的性能差异，并采用解剖感知多术语损失函数提升定位精度	数据集仅来自两家机构，外部验证规模有限；未提及多阶段框架的计算效率及实时性评估	明确多阶段与单阶段框架在颈椎X线图像分析中的优劣，为深度学习模型架构设计提供依据	C1-2复合体上的8个标志点和14个放射学指标	计算机视觉	颈椎疾病	深度学习	CNN	图像	1200对动态颈椎X线和MRI配对数据（来自一家三级医疗机构），300例外部验证数据（来自另一家机构）	NA	多阶段框架：粗到细定位网络；单阶段框架：全区域处理网络	标志点定位误差、Dice相似系数（DSC）、交并比（IoU）、角度测量平均误差、距离测量平均误差	NA
94	2026-07-01	Decoupling MCI-specific signatures from shared neurobiological substrates of cognitive aging via deep learning 2026-Apr-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02597-3 PMID:42026117	研究论文	利用条件变分自编码器从脑结构MRI中解耦轻度认知障碍（MCI）特异性特征，以区分其与正常认知老化的神经生物学基础	首次使用条件变分自编码器（CVAE）系统性地分离衰老相关的认知衰退与MCI特异性认知损伤，并隐式解缠潜在混杂效应，从而识别MCI特异性的脑结构改变	未明确说明局限性，但可能受限于样本来源（中国与北美人群）及MRI扫描参数的差异，以及仅使用T1结构MRI数据	解耦MCI特异性脑结构改变与正常认知老化的神经生物学底物，并构建预测阿尔茨海默病转化风险的个体化评分	轻度认知障碍（MCI）患者及健康对照的脑结构MRI数据	机器学习, 数字病理学, 计算机视觉	阿尔茨海默病, 老年疾病	T1结构MRI	条件变分自编码器（CVAE）	图像（T1加权MRI）	BABRI数据集918例，ADNI数据集1293例	NA	条件变分自编码器（CVAE）	AUC, p值	NA
95	2026-07-01	Physical mechanisms governing generalization and hallucination in deep learning for imaging through scattering media 2026-Apr-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72304-z PMID:42026070	研究论文	基于散射介质的物理引导框架，揭示了深度学习在计算成像中泛化能力与幻觉现象的物理机制	通过散射介质作为可控模型系统，首次建立了泛化极限与幻觉起源之间的物理机制联系，并发现残余弹道光可作为稳定预测的锚点	依赖散射介质的简化模型，实际复杂散射环境的验证尚需进一步研究	阐明深度学习在散射成像场景中泛化与幻觉的物理机制，并设计可靠性提升策略	散射介质中的光传输过程以及基于深度学习的成像模型	计算成像、机器学习	NA	波光学仿真、散射介质光传输矩阵	深度学习模型	图像	NA	NA	NA	NA	NA
96	2026-07-01	Deep learning prediction of contrast extravasation versus intracranial hemorrhage after thrombectomy in patients with acute stroke 2026-04-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02298-z PMID:42021187	研究论文	利用深度学习预测急性中风患者取栓后造影剂外渗与颅内出血的区分	首次基于卷积神经网络开发两种深度学习模型，用于区分急性中风患者血管内取栓术后计算机断层扫描上的造影剂外渗与颅内出血，并证明其性能优于支持向量机和递归分区回归树模型	样本量较小，可能影响模型的泛化能力；未提及外部验证或多中心验证	探究并验证基于机器学习算法在术后即时计算机断层扫描中区分造影剂外渗与颅内出血的可行性	血管内取栓术后计算机断层扫描显示高密度影的急性中风患者	计算机视觉、机器学习	急性中风	计算机断层扫描	卷积神经网络、支持向量机、递归分区回归树	图像	106名患者中，63名为造影剂外渗，43名为颅内出血	NA	卷积神经网络	AUC	NA
97	2026-07-01	Diagnostic accuracy of ovarian cancer using convolutional neural network: a systematic review and meta-analysis 2026-04-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03462-9 PMID:42001040	系统综述与荟萃分析	评估卷积神经网络算法在卵巢癌诊断中的表现，综合分析了47项研究，显示高灵敏度与特异度	首次对CNN在卵巢癌诊断中的多种成像模态、架构及学习策略进行系统性亚组比较，并量化了MRI、CT等模态的诊断优势	纳入研究间存在显著异质性，且Deeks检验提示可能的发表偏倚，缺乏标准化的成像协议和外部验证	评估卷积神经网络算法识别卵巢癌的诊断性能	卵巢癌诊断研究中应用的CNN算法	计算机视觉	卵巢癌	NA	卷积神经网络	医学影像	系统综述纳入47项研究，荟萃分析纳入20项研究	R	ResNet, DenseNet, 其他架构	灵敏度, 特异度, 曲线下面积	NA
98	2026-07-01	CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach 2026-04-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03446-9 PMID:41992180	研究论文	提出一种基于CycleGAN的ViT-CNN混合深度学习架构RICAUNet-v2，用于非对比剂增强心脏CT到对比剂增强CT的无配对图像转换，实现合成对比增强	将Vision Transformer层与RICA模块集成到CycleGAN框架中，实现局部与全局特征联合捕获，并通过相似性引导采样提升无配对转换的感知真实性	诊断实用性尚需进一步临床验证，且假阳性误分类可能源于保守或预期偏差而非缺乏真实性	开发无需造影剂的CT对比增强方法，解决造影剂过敏患者无法进行增强CT的问题	心脏非对比剂增强CT图像与对比剂增强CT图像之间的无配对转换	计算机视觉	心血管疾病	CT成像	CycleGAN	图像	未在摘要中明确说明	PyTorch	RICAUNet-v2（含RICA块和Vision Transformer层）	平均绝对误差, 峰值信噪比, 结构相似性指数, 弗雷歇初始距离	NA
99	2026-07-01	Diagnostic performance of artificial intelligence versus conventional imaging for differentiating G2/G3 from G1 pancreatic neuroendocrine tumors: a systematic review and meta-analysis 2026-04-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02347-7 PMID:41992154	系统综述与荟萃分析	系统评估人工智能与传统影像学在区分胰腺神经内分泌肿瘤G2/G3与G1中的诊断性能	首次通过荟萃分析比较机器学习/深度学习算法与传统影像专家解读在胰腺神经内分泌肿瘤分级中的诊断性能，并提出AI高灵敏度初筛结合专家高特异度复核的序贯诊断策略	纳入研究数量有限（17项），且多数研究为单中心，存在异质性和潜在发表偏倚	评估影像学方法（特别是人工智能算法）在胰腺神经内分泌肿瘤术前分级中的诊断准确性	胰腺神经内分泌肿瘤患者的影像学数据（CT、MRI或内镜超声）	机器学习	胰腺神经内分泌肿瘤	CT、MRI、内镜超声	机器学习/深度学习模型	医学影像	17项研究，共928名患者	NA	NA	敏感度、特异度、曲线下面积	NA
100	2026-07-01	Deep Learning for Detection of Corneal Perforation on Anterior Segment Optical Coherence Tomography in Microbial Keratitis 2026-Apr-16, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.14.26350795 PMID:42170634	研究论文	基于深度学习模型，利用前段光学相干断层扫描图像自动检测微生物性角膜炎中的角膜穿孔	首次开发并评估利用ASOCT图像深度学习模型自动检测微生物性角膜炎中角膜穿孔，并分析健康对照包含与晶状体遮挡对模型性能的影响	单中心回顾性研究，样本量有限（150名患者），且需外部验证；模型依赖医师分级作为金标准，可能存在主观偏差	开发和评估深度学习模型用于自动检测微生物性角膜炎中角膜穿孔，以支持临床决策	微生物性角膜炎患者的ASOCT图像，以及对侧健康眼作为对照	计算机视觉	角膜疾病，感染性角膜炎	前段光学相干断层扫描	卷积神经网络	图像	150名患者（微生物性角膜炎），对侧健康眼为对照	NA	ResNet	AUC，敏感性，特异性	NA