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
461	2026-08-17	Host-linked virome assembly and turnover predict bacterial community structure in wastewater treatment systems 2026-01-14, The ISME journal DOI:10.1093/ismejo/wrag120 PMID:42119030	研究论文	本研究通过宏基因组学、宏观生态建模和深度学习，分析了四个工业纺织废水处理厂中活性污泥和厌氧处理反应器的病毒组组成、动态及其与细菌群落的相互作用。	结合宏基因组学、宏观生态模型和深度学习，首次在工程生态系统中系统揭示病毒组的组装机制、时间周转及其与宿主的共进化关系，并开发深度学习模型预测细菌群落动态。	摘要未提及具体局限性。	探讨废水处理系统中病毒组的分布、组装机制和时间周转，并评估病毒组成对细菌群落动态的预测能力。	来自四个工业纺织废水处理厂的活性污泥和厌氧处理反应器中的病毒群落和细菌群落。	宏基因组学	不适用	宏基因组测序	深度学习模型	宏基因组序列数据	共收集了1046和1386个高质量病毒操作分类单元（vOTUs），分别来自活性污泥和厌氧处理系统。	NA	NA	准确度	NA
462	2026-08-17	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	系统综述与meta分析	对人工智能驱动的MRI运动伪影检测与校正方法进行系统综述和meta分析，评估当前进展、有效性、挑战及未来研究方向	系统性地综述并量化分析了生成模型等深度学习方法在MRI运动伪影检测与校正中的应用效果，指出标准化数据集和报告协议的重要性	局限于现有文献的可用数据，存在样本量有限、报告标准不一等问题	评估AI驱动的MRI运动伪影检测与校正方法的有效性与挑战，并指明未来研究方向	已发表的关于AI（特别是深度学习生成模型）用于MRI运动伪影检测与校正的研究	医学影像分析	不特定于某种疾病（用于一般MRI图像质量改进）	MRI	生成模型（如GAN）及其他深度学习模型	MRI图像	纳入综述和meta分析的研究数量未在摘要中明确	NA	生成模型（如GAN）及其他深度学习架构	表现指标（如图像质量指标）未在摘要中详细列出	NA
463	2026-08-17	Development of adaptive activation functions with curvature and range modulation for abstract image feature learning in complex CNNs for cross-domain applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355613 PMID:42599944	研究论文	本文提出了一种新型自适应激活函数SMSA，通过动态调整激活空间的斜率、范围和曲率，增强了卷积神经网络在跨领域图像特征学习中的表现	提出三种SMSA实现方式（手动斜率、全局可学习系数、层间自适应系数），能够动态调制激活函数以增强网络表达能力和梯度流	未提及具体的局限性，但未来工作需扩展到图神经网络、transformer模型和自监督范式，并需进一步理论分析梯度流和表示几何	克服传统激活函数（ReLU、Sigmoid、tanh）的非自适应限制，提升CNN在多种数据分布下的学习能力和泛化性能	卷积神经网络中的激活函数，以及其在图像分类任务上的表现	计算机视觉	COVID-19	NA	CNN	图像	MNIST、Fashion-MNIST、HAM10000和COVID-19数据集（具体样本数量未在摘要中说明）	NA	Custom-CNN, SBNet-CNN, ResNet18, VGG16, DenseNet121	测试准确率	NA
464	2026-08-17	Reservoir computing for network intrusion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355211 PMID:42599965	研究论文	本文探讨了在物联网环境中使用储层计算模型（回声状态网络和液态状态机）进行网络入侵检测，与传统深度学习模型相比，在保持性能的同时大幅降低计算复杂度	提出定制的ESN和LSM架构作为时间特征学习和攻击分类引擎，利用固定循环储层高效捕获网络流量动态，同时显著降低计算开销，并验证其在物联网入侵检测中的可行性	未明确提及具体限制，但储层计算模型在NIDS应用中仍相对未被充分探索	探索轻量级替代方案，用于物联网环境中的实时网络入侵检测，解决传统深度学习模型计算需求高的问题	网络流量数据，涵盖多种攻击类别	机器学习	不适用	不适用	回声状态网络（ESN）和液态状态机（LSM）	网络流量数据	1,379,274个网络流（来自NF-ToN-IoT数据集）	不适用	ESN和LSM架构	不适用	不适用
465	2026-08-17	CT-PestNet: A novel crop pest classification model based on cross-scale feature distillation enhancement and vision transformer with local token interaction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0356061 PMID:42599968	研究论文	提出一种名为CT-PestNet的新型作物害虫分类模型，结合CNN与Transformer，通过跨尺度特征蒸馏增强和局部令牌交互模块提升分类精度	设计CFDE模块采用“蒸馏-增强”策略处理害虫形态多样性和复杂背景，构建LTIR模块增强相邻令牌特征交互，弥补Transformer局部特征捕捉不足	未在摘要中明确提及局限性	提高作物害虫分类的准确性和鲁棒性，解决CNN长距离建模能力弱和Transformer局部特征提取不足的问题	作物害虫图像，具体为IP102和D0数据集中的害虫样本	计算机视觉	农业害虫	深度学习	混合模型（CNN与Transformer）	图像	IP102和D0数据集（具体样本数量未在摘要中提供）	未明确提及	CNN与Transformer结合，包含跨尺度特征蒸馏增强模块（CFDE）和局部令牌交互模块（LTIR）	准确率	未提及
466	2026-08-17	BrainFusionNet: an attention-augmented deep convolutional framework with hybrid loss optimisation and test-time augmentation for multi-class brain tumour detection in magnetic resonance images 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1834400 PMID:42601923	研究论文	提出了一种名为BrainFusionNet的新型深度学习流水线，用于磁共振图像中的多类脑肿瘤检测，结合了注意力机制、混合损失优化和测试时增强	在ImageNet预训练的EfficientNet-B4主干上集成卷积块注意力模块，设计两阶段微调策略和混合损失函数，并利用五折测试时增强集成提升性能	未明确提及	实现准确及时的脑肿瘤分类，并验证模型对未见多扫描仪临床数据的泛化能力	脑肿瘤MRI扫描中的四种类别（胶质瘤、脑膜瘤、垂体腺瘤、无肿瘤状态）	计算机视觉	脑肿瘤	MRI	CNN	图像	Kaggle脑肿瘤MRI数据集包含7200张标注扫描，BraTS 2020数据集用于跨机构验证（19个机构，3个扫描仪供应商）	未明确提及	EfficientNet-B4, ResNet-50, DenseNet-201, ViT-B/16	准确率, F1分数, AUC, McNemar检验	未明确提及
467	2026-08-17	Artificial intelligence for opportunistic screening of osteoporosis across multiple imaging modalities: a systematic review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1870486 PMID:42601993	系统综述	本文按照PRISMA 2020指南进行系统综述，评估了基于人工智能的多种医学影像模式机会性骨质疏松筛查研究，并分析了其性能、异质性来源和偏倚风险	首次对多影像模态（CT、DXA等）的AI机会性骨质疏松筛查进行系统综述，并使用PCA分析异质性来源，发现样本量和单中心设计是主要驱动因素	纳入研究多为回顾性单中心，缺乏外部验证，可能高估模型表现，且PROBAST评估显示参与者选择和统计分析领域存在偏倚风险	总结AI在机会性骨质疏松筛查中的现状、性能和局限性，以指导未来研究和临床转化	57项研究（2019-2026年），涵盖CT、DXA等多种影像模态，目标包括骨质疏松、骨量减少和骨折风险预测	医学影像分析	骨质疏松	CT、DXA、深度学习、传统机器学习	深度学习模型（29项）、传统机器学习、基础模型	医学影像（CT、DXA等）	57项研究，具体样本量因研究而异，未在摘要中明确	NA	NA	AUC（范围0.630-1.000）	NA
468	2026-08-17	Application of a parametric supermatrix multi-task multimodal deep learning model based on electroencephalogram and peripheral physiological signal fusion in emotion recognition 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1894285 PMID:42602082	研究论文	提出一种基于脑电图和外周生理信号融合的参数化超矩阵多任务多模态深度学习模型，用于情感识别，并在DEAP和SEED数据集上验证了其性能和效率	创新性地引入了参数化超矩阵结构、改进的挤压激励注意力机制、基于矩阵分解的轻量级全连接层以及多任务学习框架，以在低计算资源下实现高精度情感识别	论文未明确提及局限性，但可能受限于公开数据集的规模和环境，以及仅使用脑电图和外周生理信号，未涵盖其他模态如面部表情或语音	在有限计算资源下实现准确的情感识别，通过融合脑电图和外周生理信号，并降低模型复杂度以提高效率	生理信号（脑电图和外周生理信号）用于情感识别，具体包括差分熵和功率谱密度特征	机器学习, 深度学习	不适用	脑电图, 外周生理信号采集	卷积神经网络, 多任务学习	生理信号（时间序列）	DEAP数据集（32通道脑电图）和SEED数据集（62通道脑电图）	不适用	卷积神经网络, 挤压激励注意力机制, 全连接层（基于矩阵分解）	准确率, SHAP值	不适用
469	2026-08-17	From Principles to Practice: Engineering Responsible AI for Geospatial Intelligence 2026, SN computer science DOI:10.1007/s42979-026-05258-0 PMID:42602105	研究论文	提出一种将负责任AI融入地理空间智能模型开发的概念框架和四阶段方法，并通过两项实验验证其有效性	提出将隐私、公平、透明和可解释性四大特性嵌入地理空间AI开发生命周期的概念视图，以及由Pareto-自适应R-AI合规算法驱动的四阶段方法论，实现量化验收标准	未明确提及局限性，但可能依赖特定基准数据集和模型，通用性有待验证	实现地理空间AI的负责任AI实践，证明其与预测准确性相容	地理空间AI应用，包括作物类型分类和城市洪水风险分类	计算机视觉	不适用	深度学习、数据融合	Vision Transformer	图像、地理空间数据	两项实验：PASTIS/EuroCrops基准数据和英国SuDS试点数据（具体样本量未提供）	PyTorch	Temporal-Spatial Vision Transformer (TSViT)	准确性、成员推理攻击准确率、地理性能差距、物理一致性、时间归因一致性、删除/插入/扰动稳定性分析	未明确提供，可能使用GPU
470	2026-08-17	Toward accurate prediction of apple firmness and brix across countries, seasons and cultivars with hyperspectral imaging 2026, Discover food DOI:10.1007/s44187-026-01072-y PMID:42602185	研究论文	本研究利用多品种、多季节、多国家的高光谱苹果数据集，结合深度学习模型（特别是Vision Transformer）实现苹果可溶性固形物含量（Brix）和硬度的非破坏性预测。	首次构建包含多品种、多季节、多国家的大型高光谱苹果数据集，并采用迭代建模框架系统评估不同深度学习架构、图像分辨率、品种编码和季节影响，同时进行波长和空间区域重要性分析，实现跨生产条件的鲁棒预测。	Brix预测精度相对较低，可能受数据集内增加的生物和环境变异影响；模型预测性能受季节特异性限制；空间区域对Brix预测不重要，但仅对硬度有相关性。	开发一种基于高光谱成像和深度学习的方法，实现苹果Brix和硬度的准确、非破坏性预测，并验证其跨国家、季节和品种的泛化能力。	苹果样品，涵盖多个品种、季节和国家。	计算机视觉	NA	高光谱成像	Vision Transformer (ViT)	高光谱图像	多品种、多季节、多国家的大型高光谱苹果数据集，具体样本数量未在摘要中提供。	PyTorch	Vision Transformer (ViT)	RMSE, R²	未在摘要中明确指定
471	2026-08-17	Q-TriLSTM-Vision: a quantum-interference- augmented tri-stream LSTM for multi-label plant stress recognition on the OLID-I benchmark 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1903924 PMID:42602219	研究论文	提出了一种名为Q-TriLSTM-Vision的新型混合深度学习框架，用于多标签植物胁迫识别，在OLID-I等基准数据集上取得了优异性能	创新性地将量子启发的干涉门机制与三流LSTM和EfficientNet-B0结合，干涉机制完全使用经典神经操作实现，无需量子硬件；引入纠缠启发的注意力融合模块和多种类别不平衡处理策略	文中未明确提及局限性	解决现有深度学习模型在植物胁迫识别中难以捕捉复杂空间依赖、区分视觉相似症状和应对类别不平衡的问题，提供高效可靠的智能识别方案	植物胁迫识别，包括疾病、虫害和营养缺乏症状，涉及OLID-I、PlantVillage和PlantDoc数据集中的植物图像	计算机视觉	植物病害	图像分类	LSTM、EfficientNet	图像	OLID-I、PlantVillage和PlantDoc三个基准数据集，具体样本数量未明确	NA	EfficientNet-B0、三流LSTM、量子启发干涉门、纠缠启发注意力融合模块	Macro-F1分数、汉明损失、召回率	NA
472	2026-08-17	Application of a deep learning-based system for eyelid margin signs identification training and testing in dry eye disease education 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1896446 PMID:42602288	研究论文	本研究开发了一个基于深度学习的眼睑缘体征识别交互式教学平台，并评估其在干眼病教育中的有效性，结果显示平台学习组在识别异常眼睑缘体征方面表现优于传统学习组	首次将深度学习模型整合到眼睑缘体征的教学平台中，提供实时反馈，弥补传统教学方法反馈不足的问题	样本量较小（仅40名医学生），研究周期短，未评估长期学习效果，且平台适用范围可能有限	开发并评估基于深度学习的交互式教学平台对医学生识别眼睑缘体征（特别是睑板腺开口堵塞）能力的影响	40名北京健康科学中心的医学生，包括本科生和研究生	医学教育	干眼病	深度学习	深度学习模型	图像	40名医学生（平台组21人，常规组19人）	NA	NA	准确率、总分	NA
473	2026-08-17	UNKAI: A Protein Functional Identity Prediction Model Based on ESM-C Latent Representations and the Attention Mechanism 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0206 PMID:42602309	研究论文	本文开发了一种基于ESM-C潜在表示和注意力机制的深度学习模型UNKAI，用于预测两种蛋白质是否催化相同的酶促反应	利用ESM-C蛋白质语言模型的潜在表示，并结合注意力机制，无需手动特征工程，且能自主识别催化残基等生物关键位点，提高了预测准确性和可解释性	摘要中未提及，输出NA	预测两种蛋白质是否催化相同的酶促反应，以改进蛋白质功能预测的准确性和可解释性	蛋白质序列及其功能特性	机器学习	NA	蛋白质语言建模	注意力机制增强的神经网络	蛋白质序列	摘要中未提供具体样本数量，输出NA	NA	ESM-C与注意力机制结合	准确率，以及超越现有方法的性能比较	NA
474	2026-08-17	Artificial intelligence in pediatric arrhythmias: current landscape, unique challenges, and translational perspectives 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1932796 PMID:42602689	综述	本文综述了人工智能在儿科心律失常检测、风险分层和管理中的当前应用、方法学严谨性、临床准备度及转化挑战	系统评估了AI在儿科心律失常中的独特挑战，包括数据稀缺、缺乏前瞻性外部验证、可解释性不足以及成人训练算法在儿童中的不适用性	大多数已发表工具仍是未经前瞻性验证的回顾性概念验证，且算法仅分析孤立的ECG波形，无法替代包含病史、家族筛查、遗传学和多模态诊断的整体临床评估	批判性评估AI在儿科心律失常检测、风险分层和管理中的当前证据、方法学严谨性、临床准备度及转化挑战	儿科心律失常患者，包括WPW综合征、长QT综合征和新生儿心动过缓等特定电表型	机器学习，深度学习，自然语言处理，数字病理学	儿科心律失常，沃尔夫-帕金森-怀特综合征，长QT综合征，新生儿心动过缓	心电图，机器学习，深度学习，大语言模型，可穿戴传感器	机器学习，深度学习，大语言模型	心电图波形，临床数据，多模态诊断数据	不适用	不适用	不适用	诊断性能，错误率，可重复性，假警报	不适用
475	2026-08-15	AI applications in veterinary digital health: a systematic survey 2026, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2026.1853395 PMID:42597169	综述	本系统综述基于PRISMA 2020框架，梳理了2013至2025年间AI在兽医数字健康领域的应用，涵盖诊断影像、疾病预测、临床决策支持、可穿戴监测和远程医疗等，并分析了现有研究的方法学局限性及未来方向	首次系统分类AI在兽医数字健康中的应用，包括从放射影像的卷积神经网络到临床咨询的大语言模型，并强调了可解释AI和标准化数据集的重要性	纳入研究数量有限（22项），且缺乏外部验证和前瞻性真实世界临床评估，AI算法的不透明性及物种多样性对推广造成限制	系统总结AI在兽医数字健康中的当前应用，评估技术进展，识别方法学限制和实现障碍，为未来研究提供优先方向	兽医数字健康中的AI应用，包括诊断影像、预测分析、可穿戴监测、家畜健康管理、临床决策支持和大语言模型系统	数字病理学	动物疾病	临床决策支持、影像诊断、自然语言处理	卷积神经网络、大语言模型	文本、图像	22项研究（包括18项主要证据研究和4项支持性领域/原型研究）	NA	卷积神经网络、大语言模型	准确性、早期检测效率	NA
476	2026-08-15	AI-enabled precision evaluation of adrenal masses: radiomics, deep learning, and explainable imaging biomarkers 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1900157 PMID:42597265	综述	本文总结了放射组学和深度学习技术在肾上腺肿块评估中的最新进展，包括鉴别诊断、基因型预测和预后评估。	系统性地总结了放射组学和深度学习在肾上腺肿块评估中的应用，特别是CNN在自动分割和端到端诊断框架中的优势，并强调了可解释性影像生物标志物的重要性。	当前面临技术限制、临床转化障碍和未来研究方向等挑战。	为构建智能、精准的肾上腺肿块评估系统提供理论基础。	肾上腺肿块，包括嗜铬细胞瘤/副神经节瘤、肾上腺皮质腺瘤和肾上腺皮质癌。	医学影像分析	肾上腺肿瘤	放射组学、深度学习	卷积神经网络（CNN）	医学影像数据	不适用	不适用	卷积神经网络（CNN）	不适用	不适用
477	2026-08-15	MAML-residual transformer for few-shot prediction of targeted therapy response in NSCLC 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1866438 PMID:42597321	研究论文	提出了一种结合模型无关元学习与残差变换器的MAML_RT框架，用于非小细胞肺癌靶向治疗反应的少样本预测。	整合模型无关元学习与残差变换器，利用多任务元训练学习高泛化参数初始化，并采用多头自注意力机制建模影像组学特征的全局相关性。	摘要中未明确提及局限性，可能受限于少样本场景和特定数据集，但具体未说明。	在有限标注样本条件下，开发准确且可泛化的NSCLC靶向治疗反应预测模型。	非小细胞肺癌（NSCLC）患者的影像组学特征及靶向治疗反应。	机器学习	非小细胞肺癌	NA	模型无关元学习（MAML）与残差变换器集成模型	影像组学特征数据（图像）	300名患者（内部验证），50名患者（极小样本场景），独立外部验证队列（数量未明确）	NA	残差变换器（Residual Transformer）	准确率、AUC	NA
478	2026-08-15	Profile analysis of college students' AI literacy and cognitive flexibility and its correlation with deep learning ability 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1921158 PMID:42597395	研究论文	本研究通过潜在剖面分析将大学生分为不同亚组，并探讨AI素养与认知灵活性与深度学习能力的关系	首次结合AI素养和认知灵活性对大学生进行潜在剖面分析，并探讨其与深度学习能力的关联	采用横断面设计，无法推断因果关系；样本仅来自中国两所大学，代表性有限	将大学生按AI素养和认知灵活性水平分为不同亚组，分析亚组影响因素，并比较不同亚组的深度学习表现	中国内地两所大学的591名大学生	机器学习	NA	问卷调查研究	潜在剖面分析（LPA）、多元逻辑回归、BCH方法	问卷数据	591名大学生	NA	NA	深度学习得分	NA
479	2026-08-15	A comparative analysis of pretrained Wav2Vec XLSR-53 and Whisper-Small models for automatic speech recognition in the Telugu language 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1878977 PMID:42597437	研究论文	本研究开发了针对泰卢固语的自动语音识别系统，比较了预训练的Wav2Vec XLSR-53和Whisper-Small模型在有限数据下的性能。	利用预训练模型在低资源语言场景下进行微调，解决了数据可用性有限的挑战，并在不同数据集上展示了满意结果。	研究仅使用了约20小时的语音数据，可能限制了模型的泛化能力，且未探索更大规模数据或更多模型变体。	评估预训练模型Wav2Vec XLSR-53和Whisper-Small在泰卢固语ASR系统中的有效性，以应对数据稀缺问题。	泰卢固语的语音数据，包含17,421个句子，来自OpenSLR、Common Voice、IndicVoices和IndicTTS四个公共数据集。	语音识别	不适用	预训练模型微调	Wav2Vec XLSR-53, Whisper-Small	音频数据	约20小时语音数据，包含17,421个句子	不适用	Wav2Vec XLSR-53, Whisper-Small	词错误率 (WER), 字符错误率 (CER)	不适用
480	2026-08-15	Machine learning and deep learning for diagnosis of Polyendocrine Metabolic Ovarian Syndrome: systematic review and meta-analysis 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1889375 PMID:42597477	系统评价与荟萃分析	本文通过系统评价和荟萃分析，评估了机器学习和深度学习模型在诊断多内分泌代谢性卵巢综合征（PMOS）中的诊断准确性，并识别了影响性能的因素	首次对ML/DL模型在PMOS诊断中的准确性进行定量综合，并使用HSROC曲线和元回归分析探索异质性来源，发现超声图像模型精度最高	纳入研究存在大量异质性，32项研究未报告诊断标准，仅4项进行外部验证，且存在小研究效应	评估ML/DL模型在PMOS诊断中的准确性，并确定影响模型性能的关键因素	多内分泌代谢性卵巢综合征（PMOS）患者	机器学习	多内分泌代谢性卵巢综合征	NA	机器学习模型、深度学习模型	临床参数、超声图像	56项研究、60个数据集	NA	NA	敏感度、特异度、HSROC曲线下面积、预测区间	NA