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
1361	2026-05-25	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	系统综述机器学习和深度学习方法在急性淋巴细胞白血病诊断中的应用	全面分析了传统机器学习和先进深度学习架构在ALL检测和分类中的应用，包括预处理、特征提取和细胞定量等关键阶段	未提及具体的技术局限性	评估并比较机器学习和深度学习技术在ALL诊断中的性能	急性淋巴细胞白血病（ALL）诊断中的淋巴细胞和淋巴母细胞	机器学习	急性淋巴细胞白血病	NA	机器学习模型和深度学习模型	NA	NA	NA	NA	准确性	NA
1362	2026-05-25	Habitat-informed MRI Radiomics and Deep Learning Fusion for Short-Term Survival Prediction in Patients with Glioblastoma: Exploratory Radiogenomic and Immune Correlates 2026-May-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.035 PMID:42177147	研究论文	开发并外部验证一种融合无监督影像组学和深度学习的术前多对比MRI堆叠模型，用于预测胶质母细胞瘤患者的短期生存，并探索转录组学和免疫相关性	提出基于无监督影像组学和3D ResNet-50的两级堆叠集成模型，结合影像组学与深度学习预测胶质母细胞瘤短期生存，并首次探索DLK1表达与免疫浸润的相关性	配对RNA测序队列的分析为探索性研究，样本量有限，且模型在不同外部验证队列中AUC略有差异	开发并验证一种术前预测胶质母细胞瘤患者短期生存（总生存期≤9个月）的融合模型，并探索其影像基因组学与免疫相关性	468例胶质母细胞瘤患者的多中心回顾性数据，包括MRI影像和RNA测序数据	数字病理学	胶质母细胞瘤	多对比MRI影像组学、RNA测序	CNN	图像（MRI）	468例患者（训练集196例，外部验证集1-3分别为66、185和21例）	NA	3D ResNet-50	AUC、决策曲线分析	NA
1363	2026-05-25	Towards precision agriculture for assessing germination rates and density of rice seedling using hierarchical convolutional neural network on drone imagery 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37681-x PMID:42177173	研究论文	利用无人机图像和分层卷积神经网络评估水稻幼苗的发芽率和密度	提出了一种基于分层深度网络的RSAGRD-AIHDN模型，结合ConvNeXt特征提取和集成模型（SAE、BiTCN、DQL），实现了高精度水稻幼苗检测	未提及模型在不同环境条件下的泛化能力或计算资源需求	利用无人机遥感图像技术评估水稻田中幼苗的发芽率和密度，以改进作物生长监测	水稻田中的幼苗	数字农业	不适用	无人机遥感成像	分层卷积神经网络、堆叠自编码器、双向时序卷积网络、深度Q学习	图像	水稻幼苗的无人机图像数据集	不适用	ConvNeXt, SAE, BiTCN, DQL	准确率	不适用
1364	2026-05-25	Multi-scale temporal convolution attention network for state-of-charge estimation in Li-ion batteries 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53615-z PMID:42177236	研究论文	提出一种多尺度时间卷积注意力网络，用于锂离子电池荷电状态估计	融合多尺度时间卷积进行层次化特征提取，并结合注意力机制突出电压、电流和温度测量中的关键信号，以同时捕捉短期瞬态和长期荷电状态演化	未在动态负载变化和温度波动等复杂实际场景下进行充分验证，且模型可能对特定数据集过拟合	提升锂离子电池荷电状态估计的准确性和鲁棒性，以优化电池管理系统性能	特斯拉Model-3 2170锂离子电池的荷电状态	机器学习	NA	NA	时序卷积网络（TCN）与注意力机制的融合	时间序列数据	特斯拉Model-3 2170锂离子电池数据集，经数据清洗、归一化和循环分割处理	NA	多尺度时间卷积注意力网络（MSTCAN）	均方根误差（RMSE）、平均绝对误差（MAE）、最大误差、决定系数（R²）	NA
1365	2026-05-25	A well-perceived, blind image quality assessment algorithm using an enhanced noise feature criterion 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54147-2 PMID:42177264	研究论文	提出了基于增强噪声特征准则的无参考盲图像质量评估方法	改进了噪声加权和判决准则，解决了传统噪声特征分析在强水平结构图像中不稳定的问题	依赖复杂网络架构和大型数据集，可能限制其广泛应用	开发一种即时实用的无参考盲图像质量评估方法	带有强水平结构（如栅栏状图案）的图像	计算机视觉	NA	噪声特征分析	NA	图像	四个公开数据库（LIVE、CSIQ、TID2013、KADID-10k），TID2013数据集中的24张完美无失真图像	NA	NA	Spearman秩相关系数, Pearson线性相关系数	NA
1366	2026-05-25	SurgWound-Bench: a benchmark for surgical wound diagnosis 2026-May-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02791-3 PMID:42177302	research paper	提出首个开源多类型手术伤口数据集SurgWound，并构建包括视觉问答和报告生成任务的基准测试，同时提出三阶段学习框架WoundQwen用于手术伤口诊断	首次公开包含多种手术伤口类型的开源数据集，并建立基于该数据集的综合基准测试，包括视觉问答和报告生成任务；提出三阶段学习框架，利用多个多模态大语言模型预测伤口特征并整合生成诊断报告	数据集规模较小（686张图像），可能限制模型泛化能力；研究未提及计算资源消耗及模型在真实临床环境中的验证	解决手术伤口诊断中数据隐私和专家标注成本高的问题，推动开源手术伤口筛查工具发展	手术伤口图像	computer vision	surgical site infection	NA	MLLM（多模态大语言模型）	image	686张手术伤口图像，由3名专业外科医生标注了8个细粒度临床属性	NA	Qwen（WoundQwen基于Qwen架构）	NA	NA
1367	2026-05-25	Integrated deep learning model for multi-label retinal disease diagnosis 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54982-3 PMID:42177338	研究论文	提出一种集成深度学习模型用于多标签视网膜疾病诊断，基于MuReD数据集实现19种疾病的自动分类	采用混合卷积结构，结合特征提取双分支与多阶段预处理流水线（对比度增强、亮度校正、降噪、视网膜掩膜），并进行特征融合与优化以实现多标签预测	最高F1-micro为0.5484，表明模型性能仍有提升空间；依赖特定数据集，泛化性需进一步验证	实现多标签视网膜疾病自动诊断，支持计算机辅助筛查和分诊	视网膜眼底图像中的多种共现异常与病变	计算机视觉	视网膜疾病	眼底成像	混合卷积神经网络	图像	2208张眼底图像，来自ARIA、STARE和RFMiD数据集，涵盖19种视网膜疾病标签（排除非诊断类别OTHERS）	NA	混合卷积结构（特征提取双分支）	F1-micro, PR-AUC micro, ROC-AUC micro	NA
1368	2026-05-25	Phenotype discovery and mortality prediction in sepsis-induced myocardial dysfunction: a deep learning and stratified modeling approach 2026-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03575-1 PMID:42177490	研究论文	利用无监督深度学习识别脓毒症诱导心肌功能障碍（SIMD）的临床表型，并基于表型分层构建最优短期生存预测模型	首次结合自编码器、UMAP和K-means聚类发现SIMD的三个不同预后表型，并通过表型特异性建模显著提升了死亡率预测性能	研究基于MIMIC-III和MIMIC-IV回顾性数据库，可能存在选择偏倚；表型发现未在前瞻性队列中验证	识别SIMD的临床表型并开发基于表型分层的短期生存预测模型	MIMIC-III和MIMIC-IV数据库中脓毒症诱导心肌功能障碍患者	机器学习	脓毒症诱导心肌功能障碍	NA	自编码器、XGBoost	临床数据	来自MIMIC-III和MIMIC-IV的SIMD患者队列（具体数量未提及）	PyTorch	自编码器、UMAP、K-means、XGBoost	AUC、PR-AUC	NA
1369	2026-05-25	Automated measurement of the minimum macular hole diameter based on optical coherence tomography images 2026-May-23, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04931-5 PMID:42177481	研究论文	提出一种基于光学相干断层扫描图像的黄斑裂孔最小直径自动测量方法	设计包含图像预处理、边缘提取和自动测量三子任务的自动化流程，通过黄斑裂孔数据集裁剪和双边轮廓定位算法提升测量准确性与效率	深度学习方法在泛化能力上存在局限，且当前方法在低对比度图像中的表现有待验证	提高黄斑裂孔最小直径测量的自动化程度和准确性，辅助眼科诊断与治疗评估	公共OCT图像中的黄斑裂孔区域	计算机视觉	眼科疾病	光学相干断层扫描	NA	图像	公共数据集中的黄斑裂孔OCT图像	OpenCV	形态学操作与边缘检测算法	平均距离误差, 相对距离误差	NA
1370	2026-05-25	Cerebrospinal fluid volume outperforms traditional measures for predicting treatment failure in infant hydrocephalus 2026-May-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00819-0 PMID:42177495	研究论文	探讨术前脑脊液体积测量在预测婴儿脑积水内镜下第三脑室造瘘术联合脉络丛烧灼术后是否需要分流依赖中的价值	首次证明术前脑脊液体积及其与颅内体积的比值（通过深度学习分割方法测量）优于传统线性测量指标，能独立预测婴儿脑积水ETV/CPC术后的分流依赖风险	NA	评估术前脑脊液体积测量是否独立预测婴儿脑积水ETV/CPC术后分流依赖	2008年至2024年期间接受ETV/CPC作为初始治疗的婴儿脑积水患者	机器学习	婴儿脑积水	MRI	深度学习分割模型	医学影像	188名婴儿（中位手术年龄60天，42.5%为女性）	NA	NA	风险比（HR）、95%置信区间（CI）、p值	NA
1371	2026-05-25	Coformer: a deep learning-based framework for cross-environment and multi-year cotton phenotype prediction and interpretation 2026-May-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01528-3 PMID:42177568	研究论文	提出Coformer模型，用于跨环境和多年度棉花表型预测与解释	创新性地结合Transformer自注意力编码器与自动解码器，实现高维SNP数据压缩和长距离依赖性捕获；无需显式建模环境因素即可保持跨环境预测鲁棒性；同时提供可解释性，精确定位关键遗传位点	未明确讨论模型在极端环境或非典型数据集上的泛化能力，且可能对低频SNP信号不敏感	提高棉花关键农艺性状预测精度，突破传统模型在高维基因组数据上的过拟合和泛化瓶颈	棉花及其多环境、多年度的表型与SNP标记数据	机器学习	NA	SNP基因分型	Transformer-autoencoder混合模型	基因组数据（SNP标记）与表型数据	未明确样本数量，但提及多环境、多年度数据集	NA	Transformer编码器, 自动解码器, 线性投影层, 归一化模块	预测鲁棒性、可解释性（关键遗传位点定位）	NA
1372	2026-05-25	Denoising Preclinical MRI with Vendor-neutral Deep Learning-based Image Reconstruction 2026-May-22, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110813 PMID:42176781	研究论文	评估基于深度学习的图像重建方法在小鼠临床前磁共振图像去噪中的效果	首次验证了基于人类临床磁共振图像训练的供应商中立型深度学习重建方法可直接应用于小鼠脑部临床前磁共振图像去噪	未提及	评估供应商中立型深度学习重建方法对临床前小鼠脑部磁共振图像去噪的适用性	FVB小鼠的脑部磁共振图像	计算机视觉	不适用	磁共振成像（MRI）	深度学习模型	图像	6只FVB小鼠	不适用	不适用	信噪比（SNR）、对比噪声比（CNR）、锐度指数	不适用
1373	2026-05-25	The development and application of deep learning for stem cell research 2026-May-22, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.05.008 PMID:42176802	review	综述深度学习在干细胞研究中的最新进展，包括生物影像数据分析和大规模基因组学数据探索	系统总结了深度学习在干细胞生物影像与基因组学数据分析中的创新应用，并指出当前模型的局限性与挑战	现有深度学习模型在干细胞研究中的应用仍面临数据可解释性、模型泛化能力及计算资源需求等挑战	阐述深度学习如何推动干细胞研究的策略革新并提供技术优势	干细胞领域的生物影像数据和大规模基因组学数据	机器学习	NA	NA	深度学习模型	生物影像, 基因组数据	NA	NA	NA	NA	NA
1374	2026-05-25	Smartphone movement data can reliably predict smoking lapses and cravings to enable timely smoking cessation support 2026-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49611-y PMID:42168340	研究论文	利用智能手机被动收集的运动数据，通过深度学习模型预测吸烟行为，为戒烟提供即时支持	首次证明智能手机传感器（加速度计、陀螺仪和磁力计）被动收集的运动数据可用于预测吸烟行为，且无需个人数据即可实现高精度预测	未提及具体局限性	开发基于运动数据的吸烟行为预测方法，以支持戒烟干预	吸烟者的智能手机运动数据及吸烟行为（包括渴望、复发）	机器学习	吸烟成瘾	智能手机传感器（加速计、陀螺仪、磁力计）	1D-CNN-BiLSTM	运动数据（传感器信号）	NA	NA	1D-CNN-BiLSTM	准确率（accuracy）	NA
1375	2026-05-25	Machine learning and artificial intelligence in liquid biopsy-based early detection of pancreatic cancer: a scoping review 2026-May-21, BJC reports DOI:10.1038/s44276-026-00232-y PMID:42168331	综述	探讨人工智能和机器学习在基于液体活检的胰腺癌早期检测中的应用现状	系统综述了AI/ML策略在液体活检中用于胰腺导管腺癌早期诊断的最新进展，重点分析了不同技术及其成功程度	缺乏模型性能指标的标准化报告，以及队列规模小且标签粒度不够精细	综述人工智能驱动的液体活检在胰腺癌早期诊断中的应用	胰腺导管腺癌	机器学习	胰腺癌	液体活检	随机森林, 支持向量机, 深度学习	生物样本数据	18项研究	NA	随机森林, 支持向量机	NA	NA
1376	2026-05-25	Half-dose contrast media protocol using 70 kVp abdominal dynamic CT with super-resolution deep learning reconstruction: Evaluation of image quality and contrast performance 2026-May-20, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112959 PMID:42176557	研究论文	评估使用超分辨率深度学习重建（SR-DLR）的70 kVp腹部动态CT在减少碘对比剂（CM）用量情况下的对比增强和图像质量	首次在70 kVp腹部动态CT中结合超分辨率深度学习重建（SR-DLR），实现对比剂用量减半并保持肝脏增强和整体图像质量	未明确说明局限性	评估减少碘对比剂用量的70 kVp腹部动态CT结合SR-DLR的图像质量和对比性能	600名接受腹部动态CT的患者，按肾功能分组，最终分析包括70 kVp-300 mgI/kg（n=24）、70 kVp-400 mgI/kg（n=48）和100 kVp-600 mgI/kg（n=48）	计算机视觉	NA	CT	超分辨率深度学习重建（SR-DLR）	图像	600名患者（最终分析120名）	NA	超分辨率深度学习重建网络（SR-DLR）	对比增强、对比噪声比（CNR）、信噪比（SNR）	NA
1377	2026-05-25	NeuraMFs: A deep learning model for airborne microfiber identification in plant biomonitors 2026-May-19, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142410 PMID:42176626	研究论文	提出基于级联R-CNN和ResNet-101的深度学习模型NeuraMFs，用于植物生物监测器中空气微纤维的识别和分类	首次将两阶段级联R-CNN架构结合ResNet-101骨干网络应用于植物生物监测器中空气微纤维的自动识别和分类，并构建了多提取协议、高分辨率立体显微镜图像数据集	未提及模型在真实环境大规模部署时的泛化能力和计算资源需求，以及不同类型纤维的区分精细度	开发快速、可扩展的空气微纤维自动识别工具，支持大规模环境暴露和风险评估	苔藓、地衣和维管植物中的空气微纤维（合成和工业改性纤维素纤维）	计算机视觉, 数字病理学	NA	立体显微镜成像	CNN	图像	测试集中110个微纤维样本	PyTorch	Cascade R-CNN, ResNet-101	AUC, 准确率	NA
1378	2026-05-25	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-May-19, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	提出一种基于信号处理与异构神经网络结合的盲反卷积方法，作为轴承故障诊断的通用特征提取器	首次结合线性和二次神经元构建异构神经网络，证明其逼近多项式的高效性；设计双时域盲反卷积分支与频域模块融合的特征提取架构	未说明	开发一种通用特征提取器，适用于噪声干扰、跨域迁移和边缘设备部署等多种下游故障诊断任务	轴承故障诊断任务	机器学习	NA	盲反卷积	异构神经网络	振动信号	未说明	NA	异构盲反卷积	准确率、可解释性	NA
1379	2026-05-25	DeepECG.ai: An AI-enhanced ECG analysis platform to bridge the expertise gap from primary care to cardiology 2026-May-16, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154359 PMID:42176692	研究论文	开发了一个名为DeepECG.ai的AI增强型心电图分析平台，旨在弥合从初级保健到心脏病学的专业知识差距	提供了一个统一的平台，用于系统评估深度学习模型在真实临床环境中的表现，包括介入上下文、工作流集成和鲁棒性，超越了常规的准确性指标	平台依赖现有的临床心电图系统集成，且两个临床验证试验仍在进行中，长期效果和患者结局尚待评估	通过集成AI模型和临床工作流，实现心电图分析的标准化和决策支持	12导联心电图数据以及临床医生和患者的交互反馈	数字病理学	心血管疾病	心电图分析	深度学习模型	心电图信号数据	HEART-AI研究中3个月内分析29,211份心电图，285名患者参与	NA	NA	推理时间（每份心电图小于1秒）	基于网页的安全平台
1380	2026-05-25	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-May-15, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神障碍分类	引入PyramidPat变换特征提取器，结合INCA特征选择、tkNN分类器和DLob解释方法，生成基于脑叶和通道的可读句子，实现高精度可解释分类	未提及在更大数据集或不同采集条件下的验证，可能限制泛化能力	开发一个可解释的特征工程方法，用于多类EEG精神障碍的分类和解释	六类EEG精神障碍数据集，包含多个受试者	机器学习	精神障碍	脑电图（EEG）	tkNN（迭代集成k近邻）	信号	六类EEG精神障碍数据集，具体样本数未提及	NA	PyramidPat, INCA, tkNN, DLob	准确率	NA