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
1841	2026-06-29	FloraSyntropy-net: scalable deep learning with novel FloraSyntropy archive for large-scale plant disease diagnosis 2026-Mar-17, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01519-4 PMID:41845427	研究论文	提出了FloraSyntropy-net，一个结合新型FloraSyntropy档案的深度学习框架，用于大规模植物病害诊断	首次引入包含178,922张图像、涵盖35种植物和97种病害类别的大规模数据集FloraSyntropy Archive，并提出FloraSyntropy-Net框架，该框架融合了模因算法（MAO）进行最优基模型选择（DenseNet201）、新型深度块增强特征表示，以及客户端克隆策略实现可扩展的隐私保护训练，在不相关的多类害虫数据集上展现了卓越的泛化能力（99.84%准确率）	摘要未明确提及限制	开发一个具有高度泛化能力的大规模植物病害诊断AI框架，克服现有模型在真实农业多样性场景中的局限性	35种植物物种的178,922张图像，涵盖97种不同的病害类别	计算机视觉	植物病害	深度学习	联邦学习（FL）、模因算法（MAO）、DenseNet201、深度块	图像	178,922张图像，涵盖35种植物物种和97种病害类别	NA	DenseNet201	准确率	NA
1842	2026-06-29	A lightweight deep learning architecture for automatic shrimp disease classification 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44195-z PMID:41845002	研究论文	提出了一种用于虾类疾病自动分类的轻量级深度学习架构FeatherNetX	提出轻量级架构FeatherNetX，兼具高准确率（93%）、小模型尺寸（0.739 M参数）和低计算成本（0.48 GFLOPs），并集成Grad-CAM++提升可解释性	未明确提及局限，但数据集为公开图像，可能缺乏多样性或实际养殖环境的复杂噪声	开发适用于资源受限场景的虾类疾病自动分类系统	虾类疾病（黑鳃病、白斑综合征病毒、黄头病毒）与健康虾的图像	计算机视觉	虾类疾病	图像分类	CNN	图像	公开虾类疾病图像数据集，采用5折交叉验证	NA	FeatherNetX	准确率, 模型参数量, 模型大小, 计算成本（GFLOPs）, 推理时间	资源受限环境，具体GPU未提及
1843	2026-06-29	An attention-based multimodal deep learning framework integrating EEG and ECG for enhanced stress detection 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44499-0 PMID:41844761	研究论文	提出一种结合EEG和ECG数据的注意力机制多模态深度学习框架，用于提高压力检测准确性	创新性地采用三种预训练神经网络骨干（VGG16、EfficientNetB0和ResNeXt50）统一处理多模态数据，并通过注意力融合层智能整合EEG和ECG信息	未提及具体局限性	客观测量个体压力水平，克服主观评估和单一生理参数测量的局限性	心理压力检测	机器学习	压力相关疾病	EEG脑电图, ECG心电图, 小波变换	CNN（卷积神经网络）	时间序列数据, 时频图	WESAD和CASE数据集，各35名受试者	PyTorch, TensorFlow	VGG16, EfficientNetB0, ResNeXt50	准确率	NA
1844	2026-06-29	A hybrid deep learning approach integrating CNN and transformer for lung cancer classification using CT scans 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41161-7 PMID:41844829	研究论文	提出一种结合CNN和Transformer的混合深度学习模型C-Swin，用于CT扫描图像中的肺癌分类	融合CNN与改进Swin Transformer，设计混合移位窗口注意力机制，同时捕捉局部和全局特征，提升肺癌分类准确率	未提及模型在真实临床环境中的泛化能力验证，以及数据集的规模限制可能影响模型鲁棒性	提高肺癌CT图像分类的准确性，降低假阴性率	肺癌患者的CT扫描图像	计算机视觉	肺癌	CT成像	CNN、Transformer	图像	IQ-OTH/NCCD公共数据集（三类分类）	NA	CNN、改进Swin Transformer	准确率、精确率、召回率、F1分数	NA
1845	2026-06-29	From structure to design: experimental and AI-driven approaches in receptor-binding protein engineering for reprogramming phage host range 2026-Mar-17, Archives of microbiology IF:2.3Q3 DOI:10.1007/s00203-026-04830-9 PMID:41843138	综述	本文综述了实验和人工智能驱动方法在受体结合蛋白工程中用于重编程噬菌体宿主范围的研究进展	系统总结了RBP的结构特征和工程策略，并全面评估了人工智能方法（如AlphaFold结构预测、深度学习宿主范围预测）在RBP工程中的应用	当前面临数据稀缺、模型可解释性差、高通量实验验证瓶颈以及生物安全和伦理问题等挑战	探讨如何通过实验和AI方法整合来设计具有定制宿主特异性的下一代噬菌体疗法	噬菌体受体结合蛋白（RBP）及其工程化改造方法	机器学习	细菌感染（多重耐药菌感染）	结构预测、定向进化、深度学习	深度学习模型	蛋白质结构数据、序列数据	NA	NA	AlphaFold	NA	NA
1846	2026-06-29	Integrated approaches for lameness control in free-stall dairy systems under heat stress and water scarcity 2026-Mar-17, Tropical animal health and production IF:1.7Q2 DOI:10.1007/s11250-026-04948-4 PMID:41843196	综述	综述了热应激和水资源短缺条件下自由式牛舍系统跛行控制的综合方法，包括传感器技术和机器学习模型的应用	首次综合分析了热应激和水资源短缺对奶牛跛行风险的协同影响，并提出整合传感器技术与机器学习模型的多应激源监测框架	区域气候差异和基础设施障碍仍阻碍技术采纳，需要本地化阈值、农民培训和可持续实施策略	探索在热应激和水资源短缺条件下整合传感器技术和机器学习模型，实现跛行的早期预警和精准畜牧业管理	自由式牛舍系统中的奶牛跛行控制	机器学习	奶牛跛行	传感器技术、机器学习	随机森林、梯度提升决策树、支持向量机、深度学习姿态评估	NA	NA	NA	随机森林、梯度提升决策树、支持向量机、深度学习姿态评估	NA	NA
1847	2026-06-29	Evaluating the feasibility of intraoral scanning technology for removable partial dentures: ai-assisted measurement analysis and clinical investigation 2026-Mar-17, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-06820-z PMID:41843229	研究论文	评估口内扫描技术用于可摘局部义齿数字化设计与制造的可行性，并比较不同肯尼迪分类下的口内扫描模型与传统终印模的3D偏差	首次将基于PointNet++的深度学习模型自动化分割与对齐用于口内扫描模型与传统印模的3D偏差分析，并结合肯尼迪分类、患者因素和解剖区域进行亚组分析	未明确提及具体局限性，但自由端延伸式可摘局部义齿需谨慎选择病例并调整后处理	评估口内扫描在不同肯尼迪分类中用于可摘局部义齿数字化设计与制造的可行性，并验证AI辅助分析作为传统逆向工程补充的可靠性	50名部分缺牙患者的口内扫描模型与传统终印模模型	数字病理学	牙缺失	口内扫描、逆向工程	PointNet++	3D点云数据	50名部分缺牙患者	NA	PointNet++	3D偏差值（均方根误差等）、ANOVA统计分析	NA
1848	2026-06-29	Uncertainty-aware automated labeling of intracranial arteries using deep learning 2026-Mar-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02276-5 PMID:41840364	研究论文	提出一种融合不确定性量化的深度学习框架，用于颅内动脉的自动化标注	将测试时增强与创新性坐标引导策略相结合来建模置信度，减少推理过程中的插值误差，并首次将不确定性量化引入颅内动脉自动标注任务	所提方法仅在两种数据集上验证，样本量相对较小，可能限制其通用性	开发一种兼具准确性和不确定性感知的深度学习工具，用于颅内动脉的自动标注，以辅助脑血管诊断和血流动力学分析	颅内动脉的3D飞行时间磁共振血管成像分割数据	计算机视觉	脑血管疾病	3D飞行时间磁共振血管成像	卷积神经网络（CNN）	3D图像	内部数据集35例，外部公共数据集TubeTK ToF-MRA 20例	PyTorch	UNet（残差编码块）、CS-Net（注意力增强型UNet）、nnUNet	Dice系数、clDice、平均表面距离、95%豪斯多夫距离	NA
1849	2026-06-29	Deep learning-based non-invasive prediction of axillary lymph node metastasis in breast cancer: performance of the YOLO-v11 object detection algorithm 2026-Mar-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02289-0 PMID:41840500	研究论文	提出基于YOLO-v11的深度学习系统，通过超声图像非侵入性预测乳腺癌腋窝淋巴结转移	首次将YOLO-v11单阶段目标检测算法应用于腋窝淋巴结的定位与良恶性分类，实现了高精度非侵入性预测	模型对恶性类别的置信度集中在0.82-0.87范围内，可能影响低置信度样本的可靠性；背景类别未作为语义类参与训练，可能影响假阳性与假阴性的处理	开发人工智能辅助的超声分析系统，为放射科医生和临床医生提供腋窝淋巴结转移的非侵入性决策支持	乳腺癌患者与对照组的腋窝淋巴结超声图像	计算机视觉	乳腺癌	超声成像	YOLO-v11（单阶段目标检测模型）	图像	471名患者（248名乳腺癌恶性病例，223名良性对照病例）	NA	YOLO-v11	mAP@0.5, F1分数, 精确率, 灵敏度	NA
1850	2026-06-29	Explainable tabular deep learning models for antenatal cesarean delivery prediction in multiparous women 2026-Mar-16, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-026-08934-4 PMID:41840520	研究论文	系统评估可解释表格深度学习模型用于预测多产妇剖宫产	首次将混合Boruta-临床专家特征选择与SHAP和LIME可解释性方法相结合，系统比较多种表格深度学习模型在多产妇剖宫产预测中的性能	样本量有限（460例），数据集来自单一公开来源，模型泛化性需进一步验证	开发并评估用于多产妇产前剖宫产预测的可解释深度学习模型	460名多产妇的产科和产前变量数据（包含18个特征）	机器学习	产科疾病	NA	TabNet, TabPFN, CBAM-MLP, FT-Transformer, 多层感知机	表格数据	460名多产妇	NA	TabNet, TabPFN, CBAM-MLP, FT-Transformer, 多层感知机	ROC-AUC, PR-AUC	NA
1851	2026-06-29	TLScope: a deep learning framework for quantifying tertiary lymphoid structures from H&E images reveals prognostic heterogeneity across breast cancer subtypes 2026-Mar-16, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-026-02241-8 PMID:41840700	研究论文	提出了TLScope深度学习框架，用于从H&E染色全切片图像中定量三级淋巴结构，并揭示其在乳腺癌亚型中的预后异质性	结合细胞级分类、肿瘤和脂肪区域分割以及生物学知识验证，实现了对三级淋巴结构的可扩展自动化定量分析	NA	开发标准化方法检测和量化乳腺癌中三级淋巴结构，并探究其与临床病理特征及预后的关系	乳腺癌肿瘤组织中的三级淋巴结构	数字病理学	乳腺癌	H&E染色	深度学习	全切片图像	超过1000张全切片图像（内部队列和TCGA队列）	PyTorch	NA	NA	NA
1852	2026-06-29	Advanced hybrid transformer CNN framework for improved skin lesion classification and segmentation 2026-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43376-0 PMID:41840007	研究论文	提出一种基于Transformer和CNN的混合架构，用于皮肤病变分类和分割	结合全局上下文视觉Transformer（GlobalSkinNet）与注意力机制的U-Net架构（SkinFormNet），有效处理不均匀亮度、低对比度和毛发遮挡问题	未提及计算资源需求及模型在真实临床环境中的泛化能力	提高皮肤癌早期检测和分类的准确性	皮肤病变图像	数字病理学	皮肤癌	NA	Transformer, CNN	图像	7个数据集：PH2, ISIC-2019, ISIC-2020, HAM10000, ISIC-2016, ISIC-2017, ISIC-2018	PyTorch	GlobalSkinNet, SegFormer, U-Net	准确率, Dice系数	NA
1853	2026-06-29	Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma 2026-Mar-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02253-y PMID:41832418	研究论文	开发并验证整合18F-FDG PET/CT中的标准化摄取值、影像组学和深度学习特征的可解释模型，用于区分弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤	首次结合SHAP可解释性分析，融合影像组学与深度学习特征构建可解释的深度学习放射组学模型，用于淋巴瘤亚型鉴别	样本量有限（250例），且为回顾性研究，需前瞻性多中心验证	开发可解释的深度学习放射组学模型以准确区分弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤	弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤患者	医学影像分析	淋巴瘤	18F-FDG PET/CT	机器学习分类器	医学影像	250例患者（两个中心）	NA	NA	曲线下面积, 准确率, 校准曲线, 决策曲线分析	NA
1854	2026-06-29	A two-stage preprocessing and classification approach for accurate COVID-19 detection in X-ray images 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41861-0 PMID:41832193	研究论文	提出一种两阶段预处理与分类方法，用于在X光图像中准确检测COVID-19	将最大稳定极值区域算法与灰狼优化元启发式算法集成，优化图像预处理，增强关键特征可见性	NA	实现X光图像中COVID-19的自动、准确检测	胸部X光图像	计算机视觉	COVID-19	NA	深度卷积神经网络	图像	NA	NA	NA	准确率	NA
1855	2026-06-29	Radiogenomics and machine learning in hepatocellular carcinoma: from foundations to clinical translation 2026-Mar-14, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-026-04280-z PMID:41832524	综述	系统评述影像基因组学与机器学习在肝细胞癌中的基础、进展及临床转化挑战	全面整合影像基因组学和机器学习在肝细胞癌精准医学中的应用，强调早期检测、风险分层、治疗反应预测和预后评估，并系统分析标准化缺乏、样本量小、可解释性差等挑战	缺乏标准化流程、样本量小、外部验证不足、模型可解释性差（黑箱性质）、伦理问题（数据隐私与算法偏见）及临床整合障碍	批判性评估影像基因组学和机器学习在肝细胞癌中的基础、进展和挑战，聚焦临床转化和未来方向	肝细胞癌患者及其肿瘤生物学特征，包括基因组变化、肿瘤微环境及影像数据	医学影像与机器学习	肝细胞癌	影像基因组学、对比增强CT、MRI、外泌体miRNA、FDG-PET/CT	深度学习、随机森林	影像数据、基因组数据	NA（综述未明确具体样本数）	NA	NA	AUC	NA
1856	2026-06-29	Deep optimization-guided hybrid neural network for accurate detection and segmentation of white matter hyperintensities in clinical MRI images 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41137-7 PMID:41826522	研究论文	提出一种深度优化引导的混合神经网络（DOGHNN），用于临床MRI图像中白质高信号的准确检测与分割	结合Inception-v3的多尺度特征捕获、ResNet-50的残差上下文建模和PSO优化策略，实现融合权重、分割阈值和关键参数的迭代优化	未提及在大规模多中心数据集上的验证，且PSO优化可能增加计算开销	提高脑部MRI中白质高信号的自动分割准确性和鲁棒性，支持临床诊断决策	脑MRI图像中的白质高信号（WMH）病变区域	计算机视觉, 数字病理	神经系统疾病（中风、痴呆、多发性硬化）	MRI	混合神经网络（Inception-v3, ResNet-50）结合粒子群优化（PSO）	图像	基准WMH MRI数据集（具体样本量未提及）	NA	Inception-v3, ResNet-50	精确率, 召回率, Dice系数, F1分数, Hausdorff距离	NA
1857	2026-06-29	Automatic identification of different stage of Alzheimer's disease using multimodal MRI and artificial intelligence 2026-Mar-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02275-6 PMID:41826878	研究论文	利用多模态MRI和人工智能自动识别阿尔茨海默病不同阶段（认知正常、主观认知下降、轻度认知障碍、阿尔茨海默病）	首次整合结构MRI、静息态功能MRI、深度学习（3D-VB-Net）和机器学习（BDT逻辑回归SVM随机森林），构建高精度四分类模型识别CN、SCD、MCI和AD	未明确说明样本外部验证的局限性，可能面临数据来源（ADNI和OASIS-3）的领域偏移或模型泛化挑战	利用多模态MRI和人工智能自动分类不同阶段的阿尔茨海默病	715名认知状态不同的参与者（认知正常、主观认知下降、轻度认知障碍、阿尔茨海默病）	机器学习	阿尔茨海默病	结构MRI，静息态功能MRI， 3D-VB-Net， LASSO， K-best	Bagging决策树，逻辑回归，支持向量机，随机森林	图像，数值特征	715名参与者（训练/验证集来自ADNI，外部验证集来自OASIS-3）	NA	3D-VB-Net， Bagging决策树，逻辑回归，支持向量机，随机森林	AUC，特异度，灵敏度， F1-score	NA
1858	2026-06-29	Improved polygenic risk prediction for alzheimer's disease and related dementias using deep learning: age and APOE-stratified analysis 2026-Mar-12, Alzheimer's research & therapy DOI:10.1186/s13195-026-02011-w PMID:41821099	研究论文	利用深度学习（贝叶斯变分自编码器）改进阿尔茨海默病及相关痴呆症的多基因风险预测，并进行年龄和APOE分层分析	首次在ADRD风险预测中采用贝叶斯变分自编码器（DDML）构建PRS，并系统评估年龄和APOE基因型对模型性能的修饰效应	分类准确性仍然有限，限制了直接临床应用；需要在外部数据中复制验证，并结合生物标志物和临床判定进行多模态验证	评估基于贝叶斯变分自编码器的多基因风险评分对ADRD的预测性能，并分析年龄和APOE基因型的修饰效应	英国生物库中276,566名欧洲血统无亲缘关系的个体，中位随访9.19年	机器学习	阿尔茨海默病及相关痴呆症	基因组关联研究汇总统计量	贝叶斯变分自编码器（DDML）、SBayesR、聚类与阈值法（C+T）	基因组数据（SNP）、遗传主成分、年龄、性别、APOE基因型	276,566名欧洲血统个体（平均年龄56.8±8.0岁，46.7%男性，1,328名ADRD患者）	NA	DDML（贝叶斯变分自编码器）、SBayesR（贝叶斯多元回归）、C+T（聚类与阈值）	时间依赖性AUC、C指数、风险比	NA
1859	2026-06-29	Multi-task survival modeling of dependent failure and reimplantation events in dental implants 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40955-z PMID:41820437	研究论文	提出一个多任务生存框架，联合预测牙种植体失败和后续再种植事件	整合条件掩码、基于注意力的特征交互、单调性正则化和依赖对齐，首次对多阶段牙种植临床事件进行联合生存建模	NA	开发能够捕捉多阶段临床事件条件依赖性的生存预测模型，以辅助个性化治疗计划和临床决策	牙种植体失败与后续再种植事件	机器学习	口腔疾病	NA	多任务生存模型	临床特征数据	1627名患者的57项临床特征	NA	注意力机制	一致性指数、曲线下面积、Brier分数	NA
1860	2026-06-29	Enhanced skin cancer classification for minority classes using Conditional GAN pipeline and CNN-ViT ensemble 2026-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43339-5 PMID:41813870	研究论文	提出一个两阶段框架，先用条件生成对抗网络生成少数类图像，再用CNN-ViT集成架构融合特征，提高皮肤癌分类性能	将条件生成对抗网络与CNN-ViT集成架构结合，通过交叉注意力融合模块协同整合全局和局部特征，解决类别不平衡问题	NA	改善皮肤癌分类中少数类的识别效果，克服数据不平衡和特征提取困难	皮肤镜图像中的皮肤病变分类	计算机视觉	皮肤癌	NA	条件生成对抗网络, 卷积神经网络, 视觉Transformer	图像	NA	NA	C'GAN, CNN-ViT集成, 交叉注意力融合模块	准确率, AUC, 自助法均值, 标准误差	NA