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
1521	2026-06-02	Transformers meet CNNs for insights into breast mass classification from histopathological images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1770667 PMID:41940102	研究论文	利用深度学习对组织病理学图像中的乳腺肿瘤进行良恶性分类	比较了Swin Transformer V2和ConvNeXt V2两种视觉模型在乳腺组织病理学图像分类中的性能，发现Swin Transformer V2在捕捉细微形态和上下文变化方面具有优势	未明确提及	评估基于深度学习的视觉模型在乳腺组织病理学图像良恶性分类中的效果	乳腺组织病理学图像中的良性和恶性病变	数字病理学	乳腺癌	组织病理学成像	CNN, Transformer	图像	10000张高分辨率组织病理学图像	NA	Swin Transformer V2, ConvNeXt V2	准确率	NA
1522	2026-06-02	Deep learning-based frame synthesis enables radiation dose reduction in digital subtraction angiography imaging: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1793962 PMID:42221093	研究论文	提出SAVE-Net深度学习模型，通过帧合成技术将DSA成像辐射剂量降至标准剂量的1/7，并经多中心验证保持临床诊断质量	首次将深度学习与光流估计结合用于DSA序列中间帧合成，实现仅需1/7标准辐射剂量即可生成临床可诊断的图像序列	未明确指出局限性（文中未提供）	降低数字减影血管造影（DSA）成像中的辐射剂量，同时保持临床诊断质量	脑血管疾病患者的DSA图像序列	计算机视觉, 深度学习	脑血管疾病	数字减影血管造影（DSA）	SAVE-Net（深度学习模型）	DSA图像序列	训练与内部验证：17,335条DSA序列（来自一家医院）；外部验证：3,255条DSA序列（来自两家其他医院）	NA	SAVE-Net（集成光流估计与深度学习的帧合成网络）	结构相似性指数（SSIM）、峰值信噪比（PSNR）、生成时间（秒/帧）、视觉图灵测试、质量评分	NA
1523	2026-06-02	Voice features and deep learning models for identifying acute decompensated heart failure 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261452881 PMID:42221508	研究论文	评估语音特征与深度学习模型在识别急性失代偿性心力衰竭中的应用	首次探索语音作为非侵入性生物标志物用于急性失代偿性心力衰竭的检测，并利用深度学习模型分析语音特征区分失代偿与恢复状态	样本量较小（100例患者），测试组仅12例，可能影响模型泛化性；排除多种合并症患者，适用人群有限	评估语音特征能否作为非侵入性生物标志物用于早期检测急性失代偿性心力衰竭	因急性失代偿性心力衰竭住院的患者	机器学习	心血管疾病	NA	深度学习模型（ConvNeXt-large）	音频数据	100名患者，训练组88名，测试组12名	PyTorch	ConvNeXt-large	曲线下面积	NA
1524	2026-06-02	Attention maps reveal stimulus-dependent retinal population codes 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1769478 PMID:42221576	研究论文	基于可扩展Transformer架构POYO解码大规模视网膜神经节细胞记录，并通过注意力机制揭示刺激依赖的群体编码	首次证明通用注意力机制无需监督即可自发恢复生物编码策略，识别功能不同的神经亚群	NA	探究深度学习模型的注意力机制能否提供具有生物学意义的洞察，验证Transformer架构在神经科学发现中的效用	大规模视网膜神经节细胞记录和两种对比刺激（均匀闪光和运动球）	机器学习	NA	大规模电生理记录	Transformer	神经电生理数据	NA	POYO	Transformer	解码性能	NA
1525	2026-06-02	Improved FTIR-based classification for food authentication using a topological ensemble framework 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101441 PMID:42221873	研究论文	提出了一种结合滑动窗口嵌入与拓扑数据分析的集成框架，用于改善基于FTIR光谱的食品真实性分类	首次将拓扑数据分析与滑动窗口嵌入集成到食品真实性分类中，利用多尺度拓扑描述符增强光谱变异性解释能力，并以透明基学习器结合装袋集成学习提升非线性光谱数据分类的鲁棒性和可解释性	方法仅在UCR时间序列分类存档中的六个食品FTIR标准数据集上验证，未涉及真实世界中不同采集条件下的测量特异性效应评估	开发一种能够应对FTIR光谱基线漂移、散射效应和重叠吸收带的可靠分类方法，提升食品真实性鉴别的准确性、鲁棒性和可解释性	六种食品相关FTIR光谱数据集（来自UCR时间序列分类存档）	机器学习, 数字光谱分析	NA	FTIR光谱, 滑动窗口嵌入, 拓扑数据分析	装袋集成学习, 基学习器（透明模型）	光谱数据, 时间序列数据	六个UCR标准数据集，每个数据集具有固定训练-测试划分，具体数量未在摘要中说明	NA	滑动窗口嵌入, 拓扑数据分析, 装袋集成学习	分类精度, Macro-F1	NA
1526	2026-06-02	Application of AIIR algorithm for quality improvement and noise reduction in pediatric abdominal contrast-enhanced CT 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1803622 PMID:42222137	研究论文	评估深度学习全模型迭代算法（AIIR）在儿童腹部增强CT中降低辐射剂量并提升图像质量的应用价值	首次将AIIR算法应用于儿童腹部增强CT，在80kVp低剂量条件下实现比传统混合迭代重建（HIR）更优的图像质量，辐射剂量降低23.61%	未明确提及研究局限性，可能包括样本量较小（100例）且为回顾性设计，以及未评估算法对诊断准确性的影响	评估深度学习全模型迭代算法在儿童腹部增强CT中降低辐射剂量并改善图像质量的可行性和价值	100例因临床指征接受腹部增强CT扫描的儿童患者	数字病理学	不适用	CT扫描	深度学习全模型迭代算法（AIIR）	图像	100例儿童患者，分为常规组（50例，100kVp）和实验组（50例，80kVp）	不适用	AIIR	主观图像质量评分（五点量表）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量指标（CTDIvol、DLP、ED）	不适用
1527	2026-06-02	Hybrid handcrafted and deep feature fusion for automated acute myeloid leukemia classification using TCMA-Net on a class-balanced dataset 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774702 PMID:42222381	研究论文	提出一种基于手工特征与深度特征融合的急性髓系白血病自动分类框架，在类别平衡数据集上达到99.20%的测试准确率	融合DenseNet201和MobileNetV2提取的深度特征与手工特征形成混合描述符网络HADNet，结合基于Transformer的三块卷积多头注意力网络TCMA-Net分类器，同时提出合成采集伪影增强策略以缓解类别不平衡	仅基于LMU数据集进行主要实验，外部验证仅采用ALL数据集，未在更多临床场景或不同染色条件下验证泛化性	开发一种鲁棒且高性能的急性髓系白血病自动化分类框架，解决现有方法中类别不平衡和特征表示不足的问题	急性髓系白血病的细胞形态学图像	数字病理学	急性髓系白血病	NA	混合模型（手工特征与深度学习结合）	图像	使用LMU数据集，具体数量未说明；外部验证使用ALL数据集	TensorFlow、PyTorch	DenseNet201、MobileNetV2、HADNet、TCMA-Net	准确率	NA
1528	2026-06-02	A model combining deep learning and ensemble learning for melanoma recognition via dermoscopy 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1782150 PMID:42222395	研究论文	开发一个结合深度学习与集成学习的模型，用于通过皮肤镜图像识别黑色素瘤	创新点在于将九个CNN模型的原始得分作为特征向量，输入XGBoost集成模型进行最终分类，提高了皮肤镜鉴别诊断的准确性	NA	提高黑色素瘤皮肤镜鉴别诊断的准确性，为临床辅助识别提供技术支持	皮肤镜图像中的恶性黑色素瘤和其他恶性皮肤病变	计算机视觉	黑色素瘤	NA	CNN, XGBoost	图像	ISIC-2024和HAM10000皮肤镜数据集	NA	DenseNet201, EfficientNetB7, EfficientNetV2S, InceptionResNetV2, MobileNetV3Large, NASNetLarge, ResNet50V2, VGG19, Xception	准确率, 精确率, 召回率, F1分数, 曲线下面积	NA
1529	2026-06-02	Deep learning for genomic insights into athletic performance in sports education 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1766127 PMID:42222603	研究论文	本研究提出一个基于深度学习的框架，用于探究影响运动表现的基因组因素	整合了流形约束、不确定性感知预测和约束优化精炼机制，以处理基因组数据的高维性和复杂基因型-表型关系	未提及具体限制	提高基于基因组的运动表现预测的准确性和可靠性	基因组特征与运动表现指标	机器学习	NA	NA	深度学习网络	基因组数据	两个大规模队列数据集	NA	流形约束编码器、智能体驱动基因组规划器、不确定性引导运动预测器	皮尔逊相关系数, 均方根误差, 决定系数, 平均绝对误差	NA
1530	2026-06-02	DeepTrackSecure: an integrated classification-detection system with predictive risk analytics for proactive railway safety management 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1800348 PMID:42222847	研究论文	提出DeepTrackSecure，一个多阶段深度学习框架，用于铁路轨道故障检测和基于严重性的风险预测	结合分类-检测融合与严重性评分，实现从简单检测到风险分级决策支持的跨越	需提升召回率并基于真实故障事件地面真值进行验证，当前不可直接部署为运营安全系统	开发一个用于铁路轨道故障检测和风险预测的决策支持及维护优先级工具	铁路轨道图像中的裂纹、位移、腐蚀和扣件缺失等故障	计算机视觉	不适用	不适用	YOLOv5、ResNet50、随机森林、XGBoost	图像	不适用	NA	YOLOv5、ResNet50	准确率、召回率、运行时间、内存占用	边缘和云部署环境
1531	2026-06-02	Systematic review of trends in deep learning for UAV cybersecurity 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1752124 PMID:42222845	综述论文	系统综述2015至2025年间深度学习在无人机网络安全中的应用趋势	依据OSI启发的威胁分类法组织证据，并比较CNN、RNN及新兴的注意力、图、生成模型在单机和集群场景中的表现	在共享数据集、可重复对抗压力测试、不确定性及可解释性报告、隐私保护和航空监管认证方面存在关键空白	系统梳理深度学习用于无人机网络安全的架构、训练目标、特征表示、评估实践和部署约束	2015至2025年间的同行评审研究文献	计算机视觉, 自然语言处理, 机器学习	NA	深度学习, 联邦学习, 区块链集成设计	卷积神经网络(CNN), 循环神经网络(RNN), 注意力模型, 图神经网络, 生成模型	协议流量, 机载遥测, 射频输入(原始样本/频谱图)	NA	NA	CNN, RNN, GAN, Transformer	NA	剪枝、量化、蒸馏、分割推理等效率导向部署方法
1532	2026-06-02	Review of deep learning models for Alzheimer's disease detection: MRI-centric approaches and multimodal extensions 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1707043 PMID:42222839	综述	评估深度学习模型在阿尔茨海默病检测中的应用，重点关注基于MRI的方法及多模态扩展	系统评估了基于MRI的深度学习模型及其与PET、fMRI、DTI、CSF和认知数据等多模态结合的最新进展，并指出了现有研究在外部验证、过拟合和可重复性方面的问题	缺乏对痴呆鉴别诊断、跨扫描仪数据统一标准化及开源流程的探讨	评估深度学习模型在阿尔茨海默病检测中的性能，并比较基于MRI与多模态扩展方法的有效性	来自70篇同行评审研究的深度学习模型，用于阿尔茨海默病的诊断和分类	计算机视觉, 数字病理学	阿尔茨海默病	NA	卷积神经网络, 集成模型, 视觉变换器, 图神经网络, 生成模型	MRI, PET, fMRI, DTI, CSF, 认知数据	70篇同行评审研究，涉及ADNI、OASIS、AIBL、UK Biobank等数据集	NA	2D/3D卷积神经网络, 集成模型, 视觉变换器, 图神经网络, 生成模型	准确率, AUC	NA
1533	2026-06-02	A novel statistical feature selection framework for biomarker discovery and cancer classification via multiomics integration 2025-12-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02713-z PMID:41408184	研究论文	提出一种名为sDCFE的新型统计特征选择方法，用于通过多组学整合进行生物标志物发现和癌症分类	通过扩展Fisher-like方差分析，加入中位数绝对偏差正则化项和聚类分离组件，增强鲁棒性和可解释性；结合XGBoost、sDCFE与深度学习的混合模型实现近乎完美的泛癌分类	未提及具体局限性	开发稳定且可解释的特征选择方法，实现跨癌症类型和阶段的准确分类，支持早期诊断和风险分层	TCGA和PCAWG数据集中的泛癌样本，以及肺鳞状细胞癌（LUSC）分期数据	机器学习	泛癌, 肺鳞状细胞癌	RNA-seq, 甲基化测序	CNN, XGBoost, logistic回归	基因组数据, 表观基因组数据	TCGA和PCAWG数据集（具体数量未提及），LUSC分期数据	NA	CNN	准确率, MCC, AUC	NA
1534	2026-06-02	Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective 2025-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70317 PMID:41164900	综述	系统总结了传统和新型鸡蛋新鲜度检测技术，重点探讨对壳蛋和液蛋的适用性，并提出了未来研究方向	首次全面对比了传统技术（如哈夫单位、烛光法）与新型技术（如拉曼光谱、电化学-化学计量检测）在壳蛋和液蛋新鲜度检测中的适用性，强调了无损检测和自动化潜力，并指出建立液蛋全球标准的必要性	未对各类检测技术进行定量比较，缺乏实际应用场景下的成本效益分析，且对液蛋检测的标准制定路径探索不够深入	系统梳理鸡蛋新鲜度检测技术，评估其原理、准确性、成本、模型、持续时间和样品完整性，为建立液蛋新鲜度全球标准提供参考	壳蛋和液蛋的新鲜度检测技术	机器学习	NA	高光谱成像、介电谱、拉曼光谱、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像	深度学习、机器学习、堆叠集成策略	图像、光谱数据、电化学数据	NA	NA	NA	准确率	NA
1535	2026-06-02	Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study 2025-Oct, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.07.084 PMID:40902262	研究论文	利用深度学习分割胎盘绒毛膜绒毛组织，分析绒毛特征与母婴特征之间的关联	首次大规模应用深度学习分割技术，自动检测超过900万个胎盘绒毛膜绒毛，并通过无监督聚类识别出与已知分类一致的绒毛亚型	研究样本仅来自单一出生队列，可能限制结果的普适性；未涉及其他妊娠并发症或胎盘病理状态	量化胎盘绒毛膜绒毛的组织学特征，并探究其与分娩孕周、母亲年龄和婴儿性别的关联	1531张足月胎盘全切片图像中的胎盘绒毛膜绒毛	数字病理学	NA	全切片成像	深度学习分割模型	图像	1531张足月胎盘全切片图像	NA	NA	统计显著性 p 值	NA
1536	2026-06-02	Early Prediction and Risk Analysis Using Hybrid Deep Learning Techniques in Multimodal Biomedical Image 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23001 PMID:41015781	研究论文	提出一种混合深度学习框架，整合多模态医学图像以提升早期癌症预测能力	将ORB手工特征提取与InceptionV4深度学习特征提取相结合，并采用稀疏逻辑回归与MS-GWNN分类器进行多模态图像融合与肿瘤恶性程度预测	未来工作需探索更多成像模态集成、临床实时应用及融合策略优化，同时可引入可解释AI提升模型可解释性	开发高效模型处理多样化医学图像，提取有意义特征并准确分类癌变区域	多模态医学图像（如MRI和CT扫描）中的癌变区域	计算机视觉	癌症	MR成像, CT成像	混合深度学习模型（InceptionV4, 稀疏逻辑回归, MS-GWNN）	图像	TCIA数据集	NA	InceptionV4, ORB, 稀疏逻辑回归, MS-GWNN	准确率, 灵敏度, 特异度	NA
1537	2026-06-02	E2E-TM: Dual-Way Feature Extraction and End-to-End Transformer Based Parkinson's Disease Diagnosis Using Integrated MR Imaging and Electroencephalogram Signals 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23002 PMID:41015780	研究论文	提出一种基于双路特征提取和端到端Transformer的帕金森病诊断方法，整合磁共振成像和脑电图信号	提出E2E-TM端到端Transformer模块，集成多尺度主干卷积、双路主干卷积和双并行注意力网络，实现MRI和EEG数据的协同特征提取与诊断分类	未提及在多样化临床数据集上的泛化能力验证及与真实世界诊断环境的对比评估	开发高精度帕金森病早期诊断模型，克服传统机器学习方法的数据代表性和过拟合问题	帕金森病患者的磁共振成像和脑电图数据	机器学习	帕金森病	MRI, EEG	Transformer, 卷积神经网络	图像, 信号	NA	NA	E2E-TM, Multi-TC, DW-TC, DPANet, Super U-Net	诊断性能（分类准确率等对比指标）	NA
1538	2026-06-02	Real-Time Classification for EEG Data in Children With ASD Using Deep Learning Techniques 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23009 PMID:41116645	研究论文	开发并验证了一种基于深度学习的框架，用于自闭症谱系障碍儿童脑电图数据的实时分类	提出了一种混合卷积神经网络-长短期记忆网络框架，能够同时提取脑电图信号的空间和时间特征，实现对儿童自闭症谱系障碍脑电图数据的实时分类	混合模型的准确率（87.5%）略低于基线ResNet模型（89.1%）	提高自闭症谱系障碍儿童脑电图诊断的准确性并实现及时干预	60名儿童（30名自闭症谱系障碍患者和30名典型发育儿童）的脑电图记录	机器学习	自闭症谱系障碍	脑电图	混合卷积神经网络-长短期记忆网络	脑电图信号	60名儿童	MATLAB	卷积神经网络-长短期记忆网络, ResNet	准确率, 精确率, 召回率, F1分数	NA
1539	2026-06-02	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-09, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发和验证基于腕戴式加速度计和深度学习的算法，用于自动检测全面性或双侧强直阵挛性发作，并集成到商用智能手表中	采用基于分位数聚合的可调灵敏度集成的卷积神经网络架构，实现高检测性能与可调灵敏度	错过了两次发作，其中一次因佩戴传感器的患者手臂被床栏杆卡住而未能检测到	自动检测全面性惊厥性发作	全面性或双侧强直阵挛性发作患者	机器学习	癫痫	三维加速度计	卷积神经网络	加速度数据	384名患者（训练集37人含54次发作，独立测试集347人含49次发作）	NA	集成卷积神经网络（Episave）	灵敏度、误报率、检测潜伏期	NA
1540	2026-06-02	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	综述了基于图像的细胞表型分析的计算领域进展，包括深度学习方法、单细胞分析和批次效应校正等	聚焦于图像分析技术的计算演化而非生物学应用，为研究人员提供了应对进展与挑战的路线图	未深入讨论广泛生物学应用中的具体挑战	为研究人员提供基于图像表型分析领域的进展与挑战的路线图	基于图像的细胞表型分析技术	计算机视觉	NA	显微镜成像	深度学习	图像	NA	NA	NA	NA	NA