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
161	2026-08-14	Finite-Element-Informed Pyramid Neural Network With Draco Lizard Optimizer for Accurate and Efficient Water Contamination Classification 2026-Jul, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70445 PMID:42362479	研究论文	提出一种结合有限元信息的金字塔神经网络与德拉科蜥蜴优化器，用于高效准确的水污染分类。	首次将有限元信息融入金字塔神经网络，并引入德拉科蜥蜴优化器进行多尺度特征提取，以解决传统深度学习在数据变异性、可解释性和预测分析方面的不足。	摘要中未明确提及局限性。	开发一种鲁棒的水污染分类器，以提高水产养殖中污染监测的准确性和效率。	水污染样本，来自两个基准数据集（Dataset-1和Dataset-2）。	机器学习	NA	NA	金字塔神经网络	数值数据（水污染特征）	两个基准数据集，具体样本数未提及	NA	金字塔神经网络（Pyramid Neural Network）	准确率、召回率、精确率、F1分数、特异性、预测误差	NA
162	2026-08-14	Beyond consent: Reconstructing ethical justification in medical adaptive machine learning systems 2026-Jun-30, Global health & medicine IF:1.9Q3 DOI:10.35772/ghm.2026.01047 PMID:42368310	研究论文	本文探讨医疗自适应机器学习系统（MAMLS）中知情同意伦理的局限性，并提出需转向公共卫生伦理框架以应对相关挑战	指出MAMLS中知情同意面临两个结构性局限：深度学习模型的不可逆性削弱撤回权，以及数据代表性和偏差问题引发自主性困境，主张伦理辩护需转向机构信任和公共卫生伦理	未提供实证数据或案例研究，仅基于理论分析	分析MAMLS中基于同意的伦理的局限性，并提出补充或重新定位伦理辩护的框架	医疗自适应机器学习系统（MAMLS）及其伦理问题	机器学习	NA	NA	深度学习模型（作为MAMLS的一部分）	临床数据	NA	NA	NA	NA	NA
163	2026-08-14	Comparative analysis of CNN-LSTM and CNN-BiLSTM hybrid deep learning models for solar radiation prediction 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59621-5 PMID:42366204	研究论文	本文对CNN-LSTM和CNN-BiLSTM混合深度学习模型在太阳能辐射预测中的性能进行了比较分析	在相同预处理、窗口、时间分割和训练条件下，对CNN-LSTM和CNN-BiLSTM模型进行可复现的对比，并重构全天空辐照度以增强与观测的一致性	模型对直接清晰度指数预测的Skill Scores为负，表明不是最先进的预测；需要更多地点、更强大的基线和概率预测技术进行进一步测试	比较CNN-LSTM和CNN-BiLSTM在一步前太阳能清晰度指数预测中的性能，并评估重构辐照度与观测的一致性	基于NASA POWER数据集的印度德里多变量气候变量	机器学习	NA	NA	CNN-LSTM, CNN-BiLSTM	时间序列数据（气候变量）	未明确样本数量，但使用NASA POWER数据集的德里地区数据	NA	CNN-LSTM, CNN-BiLSTM	MAE, RMSE, R2, EVS, WI, APB	NA
164	2026-08-14	Machine learning-enhanced nano-QSAR and multiscale modeling for predictive nanomedicine: applications in herbal therapeutics and neglected tropical diseases 2026-Jun-26, Discover nano DOI:10.1186/s11671-026-04679-3 PMID:42360577	综述	本文综述了机器学习增强的纳米定量构效关系（nano-QSAR）和多尺度建模在预测性纳米医学中的应用，重点探讨其在草药治疗和忽视的热带疾病中的转化潜力。	首次系统整合了纳米特异性描述符、经典和深度学习框架、物理信息混合模型以及量子到组织水平的多尺度模拟；提出将计算模型应用于草药纳米医学和忽视的热带疾病这两个具有明确转化前景的领域；展望了标准化开放数据集、基础AI模型、自主纳米粒子设计和患者特异性数字孪生平台等未来方向。	存在数据稀缺、异质性、可重复性有限和监管不确定性等持续挑战。	为加速安全、有效且适应特定环境的纳米医学开发提供路线图，通过整合机器学习、nano-QSAR和多尺度建模实现预测性理性设计。	纳米粒子、纳米医学、草药纳米粒子、忽视的热带疾病相关病理。	机器学习、数字病理学、计算药理	忽视的热带疾病	NA	机器学习模型、深度学习模型	纳米粒子特性数据、多尺度模拟数据	NA	NA	物理信息混合模型、基础AI模型	NA	NA
165	2026-08-14	Automated Identification of Surgical Site Infections From Electronic Medical Records: Retrospective Observational Predictive Modeling Study 2026-Jun-26, JMIR perioperative medicine DOI:10.2196/87896 PMID:42361314	研究论文	本研究评估了利用自然语言处理和深度学习方法构建的自动化手术部位感染监测系统，相较于传统方法能更高效、更准确地进行感染监测	首次将多模态电子健康记录数据（包括临床文本和时间序列实验室值）与深度学习及基础模型结合，用于手术部位感染的自动化监测，并显著优于传统规则系统	研究仅基于两个医疗中心的数据，可能影响模型的泛化能力；且模型在高速率召回下的精确度仍有待提高	评估自动化手术部位感染监测系统是否能提高感染监测的效率和准确性	手术部位感染患者及其电子健康记录数据	自然语言处理、机器学习、数字病理学	手术部位感染	自然语言处理、深度学习	深度学习模型、大型语言模型	文本数据、结构化临床数据	5996例手术案例	未指定，可能包括TensorFlow或PyTorch	基础模型（用于文本摘要）、深度学习架构（用于文本和时间数据处理）	F1分数、精确率、召回率、精确率-召回率曲线下面积、0.9召回率下的精确率	未指定，可能包括GPU（如NVIDIA V100或A100）
166	2026-08-14	Remote Assessment of Parkinson Disease Using Deep Learning on Structured Mouse-Trace Data From Suspected Cases: Machine-Learning Pilot Feasibility Study 2026-Jun-26, JMIR formative research IF:2.0Q4 DOI:10.2196/81368 PMID:42361348	研究论文	本研究开发了一个基于鼠标轨迹数据的深度学习模型，用于帕金森病的远程评估，并通过社区招募的疑似病例样本验证了其可行性。	首次利用社区招募的疑似但未确诊帕金森病患者的弱标签数据来训练人工智能模型，并验证了这种低特异性标签数据在预测实际帕金森病中的有效性。	研究为试点可行性研究，样本量相对较小（261人），且仅基于自我报告的诊断标签，缺乏神经科专家的确认。	评估利用社区招募的疑似帕金森病患者的弱诊断标签数据训练模型，以预测确诊帕金森病的可行性。	帕金森病患者、非帕金森病患者及疑似帕金森病患者（共261名社区招募参与者）	机器学习、计算机视觉	帕金森病	模式追踪测试（含鼠标轨迹数据采集）	前馈神经网络、视觉Transformer、ResNet-50、DenseNet-201	结构化鼠标轨迹数据（包括特征和图像）	261名参与者（73自报帕金森病、155非帕金森病、33疑似帕金森病）	PyTorch	前馈神经网络、Vision Transformer、ResNet-50、DenseNet-201	F1分数	NA
167	2026-08-14	TriAttnNet based deep learning model for automated cotton pest detection and disease classification 2026-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58795-2 PMID:42362609	研究论文	本文提出一种基于TriAttnNet的深度学习模型，用于自动检测棉花害虫并分类病害，通过图像预处理、数据增强和特征提取等方法提高分类性能	提出了三种主要创新：基于注意力机制的特征提取器TriAttnNet（结合空间、通道和上下文注意力）、基于混沌策略的优化算法HMRCO（混合猫鼬射线混沌优化），以及带焦点损失的分类层	文中未明确提及局限性	开发一种高效且可解释的深度学习模型，用于棉花害虫检测和病害分类，以支持精准农业和可持续棉花作物健康监测	棉花植物害虫和病害图像	计算机视觉	植物病害	图像预处理（高斯模糊、CLAHE）、数据增强（Spa-GAN）、图像分割（AGMS-U-Net）、特征提取（TriAttnNet）	深度学习模型（包括CNN、U-Net、GAN等组件）	图像	未明确说明	未明确说明	TriAttnNet、AGMS-U-Net、Spa-GAN、EfficientNetB1-CBAM、BERT-ResNet-PSO	准确率、召回率、F1分数	未明确说明
168	2026-08-14	Oral cancer in the era of precision medicine: molecular targets and technological innovations 2026-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51993-y PMID:42350464	社论	本文介绍了一个关于口腔癌的专题合集，涵盖分子机制、诊断方法和治疗策略的研究。	强调分子肿瘤学、数字诊断和转化临床研究的融合，包括深度学习阻抗谱和挥发性有机化合物分析等新兴技术。	未提供具体研究细节，可能缺乏深入分析。	整合当前关于口腔癌的知识，指导未来研究。	口腔癌，特别是口腔鳞状细胞癌。	数字病理学	口腔癌	深度学习阻抗谱、挥发性有机化合物分析	深度学习模型	图像、信号	NA	NA	NA	NA	NA
169	2026-08-14	[Self-supervised classification method for breast pathology images fusing geometric priors and multi-scale attention] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202511059 PMID:42366429	研究论文	本研究提出了一种融合几何先验和多尺度注意力的自监督分类方法（IAM-BYOL），用于乳腺癌病理图像分析，显著提升了分类准确率和跨中心泛化能力。	首次将几何先验（离散旋转群卷积）和等变表示引入自监督学习框架，结合多尺度注意力机制，使模型对病理图像的旋转和尺度变化具有鲁棒性。	未提及具体局限性，可能包括对旋转群卷积计算复杂度的依赖和跨中心数据集规模有限。	提高乳腺癌病理图像分类的准确性和跨中心泛化能力，减少对大量标注数据的依赖。	乳腺癌全切片图像（WSI）及其亚型分类。	数字病理学	乳腺癌	数字病理成像（WSI）	自监督学习模型（BYOL变体）	病理图像	BreakHis数据集（包含不同放大倍数图像）和私有临床数据集BCD	未指定，推测使用PyTorch或类似框架	BYOL架构，结合离散旋转群卷积（IAM）和多尺度注意力	准确率	未提及，可能使用GPU（如NVIDIA系列）
170	2026-08-14	[A generalizable epilepsy detection network based on dual-attention mechanism] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202508053 PMID:42366436	研究论文	提出了一种基于双注意力机制的泛化性癫痫检测网络（EDDANet），用于分类发作间期和发作期的脑电信号	首次实现了跨不同导联配置、采样率和电极布局的稳健泛化；设计了多频带多尺度双注意力模块和动态核采样自适应卷积模块	未明确提及	提高癫痫脑电信号检测的跨数据集泛化能力，增强深度学习模型在真实世界环境中的临床实用性	癫痫患者的脑电图（EEG）信号，包括发作间期和发作期信号	机器学习、数字病理	癫痫	脑电图（EEG）信号分析	双注意力网络（EDDANet），包含多频带多尺度双注意力模块和动态核采样自适应卷积模块	脑电信号（EEG）	四个异质公共数据集的具体样本量未提及	NA	多频带多尺度双注意力模块、动态核采样自适应卷积模块	准确率（accuracy）、召回率（recall）	NA
171	2026-08-14	Artificial Intelligence in Nanopharmaceutical Development: From Predictive Design to Clinical Translation 2026-Jun-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18060764 PMID:42357379	综述	本文综述了人工智能在纳米药物开发中的应用，涵盖从预测性配方设计到临床转化的全过程，并讨论了机器学习、深度学习、物理信息建模和混合机制-AI方法等关键技术的应用及其局限性。	将AI视为连接制剂科学、生物预测、制造控制和临床实施的转化框架，而不仅仅是优化工具，强调了混合机制-AI框架和数据标准化在纳米药物开发中的重要性。	翻译实现受限于数据集碎片化、报告标准不一致、可解释性有限、缺乏外部验证、预测不确定性、适用域定义不明确以及监管期望的演变。	探讨AI如何促进纳米药物开发从预测性配方设计到临床转化，并识别当前挑战和未来方向。	纳米载体为基础的 therapeutics，包括材料组成、理化属性、制造参数、生物学特性、药代动力学、毒性及治疗性能。	机器学习	NA	NA	机器学习、深度学习、物理信息建模、混合机制-AI方法	异质性实验、生物和制造数据集	NA	NA	NA	NA	NA
172	2026-08-14	Automated Segmentation of Diffuse and Multifocal Nerve Enlargement in Immune-Mediated Neuropathy Using Temporal Deep Learning on Continuous Ultrasound Scans 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121934 PMID:42351592	研究论文	本研究评估了基于时间深度学习的分割方法在免疫介导神经病变中评估弥漫性或局灶性神经增大的性能，采用连续超声扫描	首次将时间深度学习（ConvLSTM和Temporal Mamba）应用于连续超声扫描中的神经分割，以处理免疫介导神经病变中弥漫性和多灶性神经增大	样本量小（25名健康参与者和5名患者），研究为初步验证，需要在更大队列中进一步验证	评估时间深度学习分割在免疫介导神经病变中评估神经增大的性能，并与静态模型进行比较	健康参与者（25名）和免疫介导神经病变患者（5名）的连续超声扫描图像中的周围神经	医学影像分析	免疫介导神经病变	连续超声扫描	深度学习分割模型（静态DeepLabV3+、ConvLSTM、Temporal Mamba）	超声图像（连续扫描序列）	25名健康参与者和5名免疫介导神经病变患者	未在标题和摘要中明确提及，输出NA	DeepLabV3+, ConvLSTM, Temporal Mamba	Dice系数、帧间变异性	未在标题和摘要中明确提及，输出NA
173	2026-08-14	A Multitask Time-Frequency Deep Learning Approach for Anesthesia Depth Monitoring and Transition Prediction 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121937 PMID:42351597	研究论文	本研究提出了一种多任务深度学习模型，用于基于脑电图信号的麻醉深度监测和向浅麻醉状态过渡的预测	将BIS估计、麻醉状态分类和过渡预测集成到一个多任务模型中，并采用ResNet-SE架构结合注意力机制以改进性能	摘要未提及具体局限，可能是数据来源单一或模型泛化能力有待验证	实现基于EEG的麻醉深度连续估计、状态分类和过渡预测	来自VitalDB数据集的5471例手术病例的双通道脑电图信号	深度学习	麻醉管理	短时傅里叶变换（STFT）	多任务深度学习模型（包含ResNet-SE）	脑电图信号（转换为二维图像）	5471例手术病例	未明确提及，可能使用PyTorch或TensorFlow	ResNet-SE（含Squeeze-and-Excitation块）	平均绝对误差（MAE）、均方根误差（RMSE）、AUC	未在摘要中提及
174	2026-08-14	Symbolic Participation or Substantial Learning Behavior? A PSM-Based Comparison Between Honors and Non-Honors Undergraduates from Two Top Elite Universities in China 2026-Jun-22, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16061037 PMID:42352870	研究论文	该论文通过倾向评分匹配方法，比较中国两所顶尖大学中荣誉生与非荣誉生在学习行为和能力发展上的差异，探讨荣誉教育是否带来实质性学习变化	采用倾向评分匹配方法比较中国顶尖大学荣誉项目参与者的学习行为和能力发展，并结合调节链式中介分析揭示荣誉教育与能力发展之间的内在机制	样本仅限于两所中国顶尖大学的高年级学生，可能限制结果的一般化；未涵盖其他类型高等教育机构或低年级学生	探究荣誉教育参与是否产生实质性学习行为变化或仅为象征性参与，并揭示能力发展的作用路径	中国两所顶尖大学的荣誉生和非荣誉本科生	教育研究	NA	倾向评分匹配	回归模型, 链式中介模型	调查问卷数据	荣誉生163名，非荣誉生317名	NA	NA	NA	NA
175	2026-08-14	Mamba-YOLO-SRC: An Automatic Deep Learning Framework for Respiratory Behavior Detection in the Chinese Giant Salamander 2026-Jun-22, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16121923 PMID:42353532	研究论文	提出了一种名为Mamba-YOLO-SRC的自动深度学习框架，用于中国大鲵呼吸行为的检测	首次提出自动监测中国大鲵呼吸行为的方法，结合Mamba和YOLO架构构建新型混合检测框架	未在摘要中明确提及局限性	自动检测中国大鲵的潜水、抬头、吸气和呼气四种呼吸行为，以支持其健康监测和保护研究	中国大鲵的呼吸行为	计算机视觉、深度学习	NA	NA	Mamba、YOLO	图像	未在摘要中明确提及样本数量	NA	Mamba、YOLO	平均精度均值(mAP@0.5)、平均精度(AP)	NA
176	2026-08-14	Comprehensive Review of Nystagmus and Vertigo Diagnostics: From Pathological Foundations to AI-Driven Telemedicine 2026-Jun-22, Sensors (Basel, Switzerland) DOI:10.3390/s26123949 PMID:42356922	综述	本文综合回顾了眼球震颤和眩晕诊断的现状，涵盖病理基础、AI驱动分析、智能手机与便携硬件创新以及远程医疗等领域，并探讨了从传统方法到AI辅助诊断的进展与挑战	整合了约50篇跨领域论文，首次将AI驱动的眼球震颤分析、临床医学、便携硬件和远程医疗四大主题系统关联，并指出大型语言与视觉模型（如GPT-4V和Gemini 2.0）作为零样本分诊工具的早期潜力	识别了临床转化的常见障碍，包括罕见BPPV亚型数据集稀缺、对环境条件敏感以及缺乏可解释AI机制，但未提供实证验证或解决方案	系统梳理眼球震颤和眩晕诊断领域的技术进展，并确定实现公平、无需专家的前庭诊断的关键下一步，如多模态数据融合和前瞻性临床验证	眼球震颤和眩晕的诊断技术，包括AI模型、智能手机应用、便携硬件和远程医疗框架	计算机视觉, 机器学习, 远程医疗	眩晕症	视频眼震图, 智能手机RGB视频, 光学流网络	集成学习, CNN, U-Net, LSTM, 光学流网络, 大型语言与视觉模型	视频, 图像	约50篇论文	NA	CNN, U-Net, LSTM, 光学流网络, GPT-4V, Gemini 2.0	识别准确率, 慢相速度测量精度	NA
177	2026-08-14	Weakly Textured Objects Pose Estimation: A Comprehensive Review 2026-Jun-22, Sensors (Basel, Switzerland) DOI:10.3390/s26123957 PMID:42356930	综述	系统回顾弱纹理物体位姿估计的研究进展，将方法分为传统与深度学习两大类，并总结核心问题与未来方向	对弱纹理物体位姿估计方法进行系统分类，涵盖实例级、类别级和未见物体级，并指出多模态融合优化、轻量级模型设计和低成本标注技术是未来核心研究方向	摘要未提及具体局限性，但指出现有研究存在泛化限制、实时性矛盾和数据库瓶颈等核心问题	综述弱纹理物体位姿估计的研究进展，识别挑战并指出未来研究方向，为算法设计、实验验证和工程应用提供参考	弱纹理物体位姿估计方法，包括传统方法和深度学习方法	机器视觉	不适用	不适用	深度学习模型（未指定具体类型，如CNN等）	图像	不适用（综述文章，未涉及具体样本）	不适用	不适用	不适用	不适用
178	2026-08-14	UAV and Deep Learning for Building Façade Defect Detection: A Comprehensive Review 2026-Jun-22, Sensors (Basel, Switzerland) DOI:10.3390/s26123959 PMID:42356933	综述	本文对2021-2026年间135篇关于无人机和深度学习用于建筑立面缺陷检测的同行评审期刊文章进行了系统性文献综述，涵盖航拍路径规划、多模态数据融合、深度学习检测算法及三维重建与数字孪生集成四个关键领域。	首次系统评估了无人机和深度学习用于建筑立面缺陷检测的完整流程，而非仅关注孤立的技术组成部分，并识别了各环节在现实部署条件下的关键差距。	文献检索仅限于Web of Science数据库，可能遗漏其他来源的相关研究；此外，多数现有研究缺乏真实世界部署条件下的鲁棒性评估。	通过系统综述，为研究人员和实践者推进基于无人机的检测从辅助工具发展为全自主、可靠的智能代理提供指导，实现城市建成环境的精细管理。	建筑立面缺陷检测流程，包括UAV检查路径规划、多模态数据融合、深度学习缺陷检测算法和数字孪生集成。	计算机视觉, 机器学习	NA	无人机成像, 多模态数据融合, 三维重建, 数字孪生	深度学习模型	图像, 多模态数据, 三维模型	135篇期刊文章	NA	NA	鲁棒性, 识别稳定性, 效率和准确性	边缘设备资源有限
179	2026-08-14	An Explainable AI-Based Transfer Learning Method for Breast Cancer Prediction 2026-06-22, Journal of visualized experiments : JoVE DOI:10.3791/70011 PMID:42406752	研究论文	本研究提出了一种基于可解释人工智能的迁移学习方法，用于乳腺超声图像的分类预测	将可解释人工智能技术与迁移学习相结合，利用Grad-CAM生成视觉解释，提高诊断透明度	未提供具体局限性信息	开发一种高精度且可解释的深度学习系统，用于乳腺超声图像的分类，以辅助临床诊断	乳腺超声图像，分为良性、恶性和正常三类	计算机视觉、数字病理学	乳腺癌	超声成像	CNN	图像	BUSI数据集，具体样本数量未提供	PyTorch	EfficientNet-B0	准确率	未提供具体计算资源信息
180	2026-08-14	Artificial Intelligence in Cardiac Point-of-Care Ultrasound: A Narrative Review 2026-Jun-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121921 PMID:42351580	综述	本文叙述性回顾了人工智能在心脏床旁超声中的应用，重点涵盖左心室功能的自动评估、心包积液检测、图像采集引导和教育等	总结了2018至2026年间AI辅助心脏POCUS的最新进展，并强调了在临床环境中对新手用户表现提升的潜力	性能高度依赖图像采集质量，且许多研究在受控条件下而非真实世界条件下评估	综述AI辅助心脏POCUS的当前应用，评估其作为决策支持工具的成熟度	心脏床旁超声图像及应用场景	医学影像分析	心血管疾病	超声	机器学习、深度学习	超声图像	不适用（综述研究）	不适用	不适用	与专家判读或正式超声心动图的一致性	不适用