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
1901	2026-06-29	Class-attention pooling and token sparsity based vision transformers for chest X-ray interpretation 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37109-6 PMID:41667676	研究论文	提出了一种基于类别注意力池化和令牌稀疏性的视觉Transformer模型，用于胸部X光影像解释	引入了类别注意力池化技术，使每个疾病类别令牌能突出显示图像中相关区域，提升疾病关注度；通过令牌稀疏性和随机令牌丢弃增强模型对噪声的鲁棒性；在分块前添加卷积干提取局部特征	基于图像级别的数据划分进行评估，由于数据集限制，性能可能被高估；未在患者级别验证	提高胸部X光分析中深度学习模型的准确性和可解释性，辅助放射科医生高效检测肺部疾病	胸部X光影像中的肺部疾病检测	计算机视觉	肺部疾病	胸部X光影像预处理（CLAHE）、混合精度计算、热身余弦学习率调度	视觉Transformer（ViT）	图像	公共数据集（肺结核胸部X光数据集和肺结节胸部X光数据集）	PyTorch	改进型ViT（含类别注意力池化、令牌稀疏性、卷积干）	训练准确率、验证准确率、F1分数、AUC	NA
1902	2026-06-29	Research on improved models for facial expression recognition in mice with abnormal glucose metabolism 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38863-3 PMID:41667608	研究论文	提出了一种改进的小鼠面部表情识别模型LFPP-YOLO，用于非侵入性检测异常糖代谢状态	首次将深度学习模型应用于小鼠异常糖代谢面部表情识别，提出轻量级LFPP-YOLO模型，结合部分自注意力模块和L-FFCA结构，实现高效特征提取和背景抑制	未提及模型在其他物种或人类中的泛化能力，也未探讨模型的长期稳定性和实际应用场景	开发非侵入性检测小鼠异常糖代谢的方法，为个性化干预提供技术支持	C57BL/6J小鼠，高脂饮食和链脲佐菌素诱导的异常糖代谢模型	计算机视觉	糖代谢异常	深度学习	YOLO（LFPP-YOLO）	图像（小鼠面部表情）	未明确说明具体样本数量，但构建了包含五种糖代谢状态的面部表情数据集	NA	LFPP-YOLO（基于YOLO改进，包含部分自注意力模块和L-FFCA结构）	平均面部检测准确率	NA
1903	2026-06-29	Radiomic features and carotid stenosis in periodontitis a two stage bootstrap and multimodal machine learning study 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38463-1 PMID:41667673	研究论文	基于CBCT影像组学特征开发机器学习模型，早期检测牙周炎患者伴随的颈动脉粥样硬化	首次将CBCT影像组学特征与多阶段Bootstrap特征选择方法结合，用于牙周炎患者颈动脉粥样硬化的早期检测，并应用SMOTE过采样处理类别不平衡	样本量相对较小（279例观察），特异性较低（0.710），可能存在选择偏倚	开发并验证基于CBCT影像组学特征的深度学习模型，实现牙周炎患者潜在颈动脉粥样硬化的早期检测	牙周炎患者（伴随或不伴随颈动脉粥样硬化）	数字病理学	牙周炎、颈动脉粥样硬化	CBCT（锥形束CT）	随机森林、逻辑回归、支持向量机	影像组学特征	279例观察（SMOTE后增至390例）	Scikit-learn	随机森林、逻辑回归、支持向量机	AUC, 灵敏度, 特异度, 准确率	NA
1904	2026-06-29	Noninvasive preoperative risk stratification of prostate cancer via a foundational model based deep learning with PSMA PET/CT 2026-Feb-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-15715-x PMID:41663975	研究论文	开发并内部验证了一种基于基础模型的PSMA PET/CT深度学习框架，用于前列腺癌的术前无创风险分层	利用冻结的BiomedCLIP基础模型与3D PET/CT特征融合，实现无需活检输入的无创风险分层	单中心回顾性研究，需要多中心外部验证和端到端自动化以提高泛化性和部署能力	在前列腺癌ISUP分级组1-2与3-5的边界进行无创术前风险分层	494名男性患者，在根治性前列腺切除术前一个月内接受[18F]PSMA-1007 PET/CT扫描	计算机视觉, 数字病理	前列腺癌	PSMA PET/CT	深度学习	图像	494名男性患者的PSMA PET/CT图像	PyTorch	BiomedCLIP, ResNet, 3D卷积神经网络	AUC, 精确率, 召回率, F1值, 精确率-召回率曲线下面积, 决策曲线分析	单GPU（未具体说明型号）
1905	2026-06-29	Ultrasound-based attention-guided deep learning combined with radiomics to predict axillary lymph node metastasis in breast cancer 2026-Feb-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02208-3 PMID:41664021	研究论文	开发一种多尺度特征融合模型（CBAM_DenseNet201_RC），整合超声图像注意力引导深度学习、放射组学和临床特征，用于预测乳腺癌患者腋窝淋巴结转移	将注意力机制（CBAM）与DenseNet201深度学习模型相结合，并融合放射组学和临床特征构建多尺度特征融合模型，实现非侵入性精准预测	研究为单中心回顾性设计，样本量有限（323例），未涉及外部验证集	术前准确预测乳腺癌患者腋窝淋巴结转移状态	乳腺癌患者的超声图像、放射组学特征及临床特征	数字病理学	乳腺癌	超声成像	深度学习模型（DenseNet201集成CBAM注意力机制）与逻辑回归分类器	超声图像	323例乳腺癌患者（训练组226例，测试组97例）	NA	DenseNet201, CBAM	AUC, 95%置信区间	NA
1906	2026-06-29	Geospatial and machine learning analyses of cardiovascular disease mortality across the continental United States: Identifying associated variables using Shapley values 2026-Feb-09, BMC public health IF:3.5Q1 DOI:10.1186/s12889-026-26571-6 PMID:41656207	研究论文	结合空间统计与机器学习方法分析美国大陆心血管疾病死亡率的县级关联因素	首次在全国尺度上同时运用空间模式检测、五种机器学习算法及深度学习方法比较，并使用SHAP值解释模型以识别心血管疾病死亡率的县级关联因素	未明确提及数据局限或模型泛化性限制	识别与美国大陆县级心血管疾病死亡率相关的人口、临床、社会经济、环境、医疗和行为变量	美国大陆县级区域	机器学习	心血管疾病	NA	线性回归、决策树、随机森林、支持向量机、极端梯度提升、人工神经网络	县级死亡率数据（2018-2021年）及40个关联变量	美国大陆所有县级区域	NA	人工神经网络、XGBoost、随机森林、支持向量机、线性回归、决策树	R²	NA
1907	2026-06-29	PCSA-Net: pyramid channel and spatial attention network for multiclass renal disease diagnosis using CT images 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12335-6 PMID:41663444	研究论文	提出一种基于金字塔通道和空间注意力网络的CT图像多类肾脏疾病诊断方法	创新性地提出金字塔通道和空间注意力机制，通过金字塔多尺度卷积重构特征表示，同时提取空间和通道注意力权重，实现多尺度上下文信息的精确整合，并设计为即插即用模块可无缝集成到多种CNN骨干网络	当前研究仅聚焦于三种肾脏疾病，未来需扩展至更广泛的肾脏病理类型	开发自动化肾脏疾病诊断的AI驱动系统，提升CT图像中肾结石、肿瘤和囊肿三类主要肾病的诊断准确性	CT图像中的肾脏疾病（肾结石、肿瘤和囊肿）	计算机视觉	肾脏疾病	CT成像	卷积神经网络	图像	NA	NA	ResNet, VGG, DenseNet, EfficientNet	准确率	NA
1908	2026-06-29	AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38061-1 PMID:41663705	研究论文	提出一种基于深度学习的AI框架，利用口腔根尖片自动检测和量化牙槽骨丧失的严重程度与模式	结合YOLOv8用于牙齿检测与Keypoint R-CNN识别解剖标志，实现骨丧失严重度的精确计算；使用YOLOv8x-seg模型分割骨水平和牙齿掩膜，通过几何分析确定骨丧失模式（水平或纵向）	NA	开发自动检测和量化牙槽骨丧失严重度与模式的AI系统，减少主观手动评估依赖性，改善牙周炎诊断和治疗规划	牙槽骨丧失的严重度和模式	计算机视觉	牙周炎	口腔根尖片放射线成像	YOLOv8、Keypoint R-CNN	图像	1000张口腔根尖片	PyTorch	YOLOv8、Keypoint R-CNN	组内相关系数、准确率	NA
1909	2026-06-29	A data privacy protection method for infectious disease prediction models with balanced training speed and accuracy 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38906-9 PMID:41644632	研究论文	提出一种平衡训练速度与准确率的传染病预测模型数据隐私保护方法	提出随机传输混合同态加密算法，结合CKKS和Paillier机制，通过随机传输序列优化，计算和通信效率提升25%；开发DS-DSSGD算法，过滤低贡献梯度更新以平衡训练速度与预测精度	仅在特定数据集上验证，未考虑真实世界网络延迟与多方协作场景的复杂约束	解决医学数据隐私保护中数据孤岛与预测精度下降的问题，实现安全高效的传染病预测建模	传染病预测模型中的隐私保护机制与模型训练优化算法	机器学习	传染病	NA	NA	医疗数据	NA	NA	NA	计算效率、通信效率、预测精度	NA
1910	2026-06-29	An efficient deep CNN based BiLSTM framework with RanA optimization for accurate cardiac arrhythmia detection 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38227-x PMID:41634127	研究论文	提出基于深度CNN与BiLSTM结合RanA优化的心律失常检测框架，实现高精度分类	结合CapsNet特征提取、多种深度CNN特征选择、BiLSTM时序分类及RanA超参数优化，实现AF与CHF心律失常的高效检测	未提及模型在其他心律失常类型或更大数据集上的验证，未讨论实际部署中的硬件需求	开发一种准确、高效的心律失常自动检测方法，区分房颤和充血性心力衰竭与正常窦性心律	PhysioNet数据库中的AF、CHF和NSR相关ECG信号	机器学习	心血管疾病	ECG信号分析	CNN、BiLSTM	ECG信号	AF vs NSR和CHF vs NSR的ECG信号样本	NA	CapsNet、EfficientNet B3、ResNet152、DenseNet201、VGG19、BiLSTM	准确率	NA
1911	2026-06-29	Enhanced YOLO12 with spatial pyramid pooling for real-time cotton insect detection 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35747-4 PMID:41634089	研究论文	提出增强型YOLO12架构，集成空间金字塔池化模块，用于棉花害虫实时检测	在YOLO12框架基础上整合优化后的空间金字塔池化和注意力特征提取模块，在保持计算效率的同时显著提升检测精度，并通过多个基线模型和自定义架构的对比验证了其优越性	未在田间真实复杂场景下进行充分验证，也未讨论光照、遮挡等环境因素对模型性能的影响	开发一种高效、实时的深度学习模型以替代传统棉花害虫监测方法，实现精准农业中的害虫精准检测	棉花田间的多种昆虫，通过图像样本进行检测和识别	计算机视觉	NA	数字图像处理	卷积神经网络（CNN）	图像	NA	PyTorch	YOLO12, YOLO11, YOLO12_Fusion, YOLO11-BRA-Net, YOLO11_CBAM, Enhanced Hybrid YOLO12	准确率, 召回率, mAP50, mAP50-95	NA
1912	2026-06-29	Explainable AI for critical care: a systematic review of interpretable models for sepsis and ICU mortality prediction 2026-Feb-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03344-0 PMID:41634648	综述	系统回顾了2020至2025年间用于脓毒症和ICU死亡率预测的可解释人工智能方法	全面总结了SHAP、LIME、Grad-CAM及敏感性分析在脓毒症预测中的应用，并强调了可解释性增强模型在保持高准确性的同时提升临床信任度	缺乏前瞻性评估、可解释性指标不一致及临床工作流程整合困难	评估可解释人工智能在重症监护中用于脓毒症和ICU死亡率预测的方法与效果	2020至2025年间应用可解释性方法的脓毒症和ICU死亡率预测研究	自然语言处理, 机器学习	脓毒症, 重症监护疾病	NA	机器学习, 深度学习	临床数据	NA	NA	NA	准确率	NA
1913	2026-06-29	An interactive cascaded deep learning framework with expert refinement for accurate striatal subregion segmentation 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36399-0 PMID:41606103	研究论文	提出一个级联深度学习框架StriaSeg-iARM，用于脑MRI中纹状体亚区的高精度分割	引入专家修正的中间细化步骤，在无需重新训练模型的情况下提升解剖变异病例的分割精度，并采用级联架构实现12个精细亚区的准确分割	取决于专家交互的可用性，可能增加人工成本；仅在T1加权MRI数据上验证，泛化性有待进一步测试	实现纹状体亚区的高精度自动分割，以支持帕金森病等神经退行性疾病的PET定量分析	脑MRI图像中的纹状体及其12个解剖亚区	计算机视觉	帕金森病	MRI	3D残差U-Net	T1加权MRI图像	多扫描仪T1加权MRI数据，内部和外部数据集，包括纹状体萎缩的真实病例	PyTorch	3D残差U-Net	Dice系数	NA
1914	2026-06-29	The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model 2026-Jan-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-026-07005-9 PMID:41588346	研究论文	开发了一种基于多模态深度学习的肌少症人工智能诊断决策支持系统，结合超声图像和临床数据实现准确诊断	首次引入临床导向的、基于AI的多模态模型用于肌少症检测，采用特征级融合技术结合Xception架构和MLP分类器，并集成可解释AI方法提高诊断透明度	参与者数量较少（24人），数据集虽大但样本量有限，性别分布不均（女性占63%），年龄范围较窄（71-91岁）	开发准确、安全、循证的多模态AI模型，利用床旁超声框架结合肌肉成像特性和身体表现进行肌少症诊断	肌少症患者和对照组的临床数据及超声图像	计算机视觉, 机器学习	肌少症	床旁超声（POCUS）成像	深度学习多模态模型	图像, 临床数据	24名参与者（15名女性，9名男性），包括1060个纵向和2414个横向超声事件	NA	Xception, 多层感知机（MLP）	准确率（85%）, F1分数（0.85）, AUC（0.84）	NA
1915	2026-06-29	Taxonomical loss for weed seedlings image classification 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33961-0 PMID:41580467	研究论文	介绍了一种用于杂草幼苗图像分类的新颖深度分类损失函数，并构建了杂草物候数据集	提出了利用层次结构指导分类过程的分类损失函数，在计算中引入动态边界，实现小样本学习下的更好聚类和早期生长阶段杂草幼苗识别	新的分类损失函数并未在所有深度学习模型架构上一致提升分类结果	提高杂草幼苗图像分类的准确性，以推进精准杂草管理并减少农药使用	杂草幼苗图像，包括早期生长阶段的标注数据	计算机视觉	NA	图像分类	ResNet-50	图像	每类100张图像用于聚类评估，具体杂草物候数据集规模未提及	NA	ResNet-50	轮廓系数	NA
1916	2026-06-29	Hybrid deep learning model for air quality prediction and its impact on healthcare 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36564-5 PMID:41577974	研究论文	提出一种集成特征工程与混合深度学习架构的短期空气质量指数预测框架，并评估其对医疗健康的影响	创新性融合了结构化特征工程（包括滞后污染指标、多尺度移动平均、季节循环编码等）与混合CNN-LSTM网络架构，实现短期空气质量指数的高精度预测	研究局限于特定区域的数据集和短期时间跨度，泛化能力有待验证	开发用于短期空气质量指数预测的深度学习框架，以支持数据驱动的空气质量监测系统	空气质量指数（AQI）预测模型	机器学习	空气污染相关疾病	卫星遥感数据（OpenWeather API）	混合CNN-LSTM，CNN，LSTM	时序数据（空气污染物浓度、气象变量等）	未明确说明具体样本数量，数据来源为OpenWeather API	TensorFlow/PyTorch（基于混合CNN-LSTM、CNN、LSTM的实现）	CNN-LSTM混合网络	精确率，召回率，F1分数	未明确说明计算资源
1917	2026-06-29	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	通过序列到功能深度学习模型评估多种单细胞ATAC测序技术构建细胞图谱的能力	首次系统比较不同scATAC-seq平台训练序列到功能模型的表现，并引入改进的HyDrop v2方法	未明确说明技术比较的具体指标偏差或物种适用范围限制	确定构建scATAC-seq图谱的最优数据集标准（细胞数目与片段数），并评估不同平台在训练深度学习模型中的适用性	来自不同scATAC-seq平台的染色质开放性数据及跨物种转录因子足迹	数字病理学	NA	scATAC-seq, HyDrop v2	深度学习模型（序列到功能模型	单细胞染色质开放性测序数据	未明确说明具体样本数量，涉及不同物种的细胞图谱数据	NA	NA	增强子预测准确度、序列可解释性、转录因子足迹分析	NA
1918	2026-06-29	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出一种轻量级互惠门控融合框架，结合SqueezeNet和ShuffleNetV2用于组织病理图像中的乳腺癌检测	提出互惠门控机制，实现两个高效卷积神经网络之间的结构化双向交互，增强互补特征交换并抑制冗余响应，生成信息更丰富的融合表示，同时大幅降低计算开销	NA	开发一种轻量级且高效的计算机辅助诊断解决方案，用于乳腺癌检测	组织病理图像中的乳腺癌检测	数字病理学	乳腺癌	NA	CNN（卷积神经网络）	图像	ICIAR-2018数据集和BreakHis数据集（100倍放大）	PyTorch	SqueezeNet, ShuffleNetV2	准确率（多分类97%，二分类99%；BreakHis数据集上99.72%）	NA
1919	2026-06-29	Compact deep learning models for colon histopathology focusing performance and generalization challenges 2026-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35119-y PMID:41554906	research paper	提出并系统评估四种轻量级CNN变体用于结肠组织病理图像二分类，发现轻量模型在内部验证中表现优异但跨领域泛化能力不足	设计了四种专用轻量级CNN变体（Lite-V0至Lite-V4），在保持高准确率的同时实现极小的模型体积（1.53 MB），并系统揭示了轻量模型在内部验证与独立测试集之间的泛化差距	模型在独立测试集上出现显著泛化下降（准确率约50%，F1=0.33），表明存在域偏移效应，且未采用域自适应或染色鲁棒训练策略	开发高精度、小体积的结肠组织病理图像分类模型，并评估其内部验证与跨领域泛化能力	结肠组织病理图像（分为结肠腺癌和结肠良性组织两类）	machine learning	colorectal cancer	NA	CNN	image	24,000张图像（平衡数据集，预设训练/验证/测试划分）	NA	Lite-V0, Lite-V1, Lite-V2, Lite-V4	accuracy, macro-F1, confusion matrix, ROC, precision-recall	NA
1920	2026-06-29	Deep learning on meta-analytic data for therapeutic decision-making in central nervous system aspergillosis 2026-Jan-17, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-12573-7 PMID:41547764	研究论文	利用深度学习结合荟萃分析和电子病历数据，构建中枢神经系统曲霉病的治疗决策支持系统	首次将LinUCB自适应治疗策略应用于中枢神经系统曲霉病，并整合了荟萃分析数据与结构化电子病历数据	样本量较小（仅64例荟萃分析病例和200例重症监护病房患者），回顾性研究设计，缺乏前瞻性验证	开发基于机器学习的预测模型和自适应治疗策略，以改善中枢神经系统曲霉病患者的治疗决策和生存率	中枢神经系统曲霉病患者	机器学习	中枢神经系统曲霉病	NA	梯度提升分类器, LinUCB	结构化电子病历, 文本数据（经BERT提取特征）	64例病例荟萃分析数据，200例重症监护病房患者电子病历数据	NA	梯度提升分类器, LinUCB	生存率	NA