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
521	2026-02-22	An intelligent method for Buoy meteorological data restoration using a Spatio-Temporal Dual-Attention Network with transformer and GAT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343310 PMID:41706759	研究论文	本文提出了一种结合Transformer和图注意力网络（GAT）的时空双注意力网络（ST-DAN），用于修复海洋浮标气象数据中的缺失值和异常值	提出了一种新颖的深度学习模型ST-DAN，通过并行计算整合Transformer和GAT，分别捕获时间依赖性和基于物理信息邻接矩阵的变量间空间相关性，动态调整变量间影响权重，显著提高了重建精度	NA	解决海洋浮标气象数据因恶劣天气和环境条件导致的数据丢失或异常值问题，实现高精度数据重建	海洋浮标气象数据，特别是温度和风速数据	机器学习	NA	NA	Transformer, GAT	时间序列数据	基于ERA5再分析数据集和青岛浮标现场观测数据	NA	Transformer, GAT	MAE, MSE, RMSE, R²	NA
522	2026-02-22	An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342339 PMID:41706751	研究论文	本研究构建了一个基于超声图像和人工智能的“双模型、三步法”分层策略框架，用于预测困难气道风险	提出了一个结合两个卷积神经网络模型（CL-AI和VIDIAC-AI）的三步分层决策框架，用于困难气道的风险分层预测，旨在作为临床决策支持工具	仅进行了内部验证，未进行外部验证，需要在大型多中心队列中进一步验证	开发一个基于超声图像的人工智能框架，用于困难气道的早期预警和风险分层	在青岛大学附属医院接受择期全身麻醉手术的903名患者	计算机视觉	NA	颈部超声成像	CNN	图像	903名患者（752例用于训练和验证，151例作为内部测试集）	NA	卷积神经网络（具体架构未指定），CL-AI, VIDIAC-AI	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA
523	2026-02-22	Anomaly detection of cybersecurity behavior using cross-sequence aligned transformer-A dynamic recognition approach for high-frequency interaction patterns 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340801 PMID:41706767	研究论文	本文提出了一种基于跨序列对齐Transformer的动态识别模型（CSAT-DRM），用于提升高频交互网络环境中网络安全异常检测的准确性和稳定性	提出了跨序列对齐机制以软对齐网络流量和用户行为序列，并引入交互敏感残差结构和动态阈值生成策略，以增强模型对高频交互下异常特征的判别能力和自适应异常识别能力	未在摘要中明确说明	提升高频交互网络环境中网络安全异常检测的准确性和稳定性	高频交互网络环境中的网络流量和用户行为序列	自然语言处理	NA	NA	Transformer	网络交互日志数据	未在摘要中明确说明	未在摘要中明确说明	Transformer	准确率, 精确率, 召回率, F1分数	未在摘要中明确说明
524	2026-02-22	Open-source framework for detecting bias and overfitting for large pathology images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341715 PMID:41712557	研究论文	本文提出了一种模型架构无关的开源框架，用于检测和消除大型病理图像中深度学习模型的偏差和过拟合问题	开发了一个模型架构无关的框架，能够检测和移除深度学习模型对非相关伪影（如背景颜色或颜色强度）的依赖，从而增强模型的鲁棒性	未在多种疾病或数据集上进行广泛验证，且框架的计算效率可能受大型病理图像处理需求的影响	确保深度学习模型在病理图像分析中的鲁棒性，通过检测和消除偏差与过拟合	大型病理图像（WSI）数据集，包括预训练的基础模型（Phikon-v2）和自训练的自监督模型（MoCo v1）	数字病理学	NA	深度学习	基础模型, 自监督模型	图像	使用广泛使用的组织病理学数据集，具体样本数量未明确说明	MONAI	Phikon-v2, MoCo v1	NA	处理大型病理图像通常需要大量计算资源，具体硬件未指定
525	2026-02-22	DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342940 PMID:41712587	研究论文	本文提出了一种基于推理增强的大型语言模型DrugReasoner，用于预测小分子药物的审批可能性，并提供可解释的决策依据	首次将基于LLaMA架构的推理增强大型语言模型应用于药物审批预测，通过整合分子描述符和结构相似化合物的对比推理，生成逐步推理过程和置信度分数，显著提升了模型的可解释性	模型性能虽优于传统基线方法，但与XGBoost相比仅具有竞争力，且未在更广泛的外部数据集上进行全面验证	开发可解释的AI模型以预测小分子药物的审批结果，优化药物研发资源配置	小分子化合物	自然语言处理	NA	分子描述符分析	LLM	文本（分子描述符与结构信息）	NA	NA	LLaMA	AUC, F1-score, 精确度, 灵敏度	NA
526	2026-02-22	AdaptiveInvolutionNet: Spatially-adaptive involution with channel-wise attention for breast MRI tumor classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340808 PMID:41712600	研究论文	提出了一种名为AdaptiveInvolutionNet的新型深度学习框架，用于从乳腺MRI图像中准确分类肿瘤	提出了一种结合空间自适应Involution层和通道注意力机制的混合架构，以改进乳腺肿瘤分类的判别性特征学习	未明确提及	提高乳腺MRI肿瘤分类的准确性，以改善患者预后	乳腺MRI图像中的肿瘤	计算机视觉	乳腺癌	MRI	CNN	图像	6000张乳腺MRI图像（3000张良性，3000张恶性）	未明确提及	AdaptiveInvolutionNet（结合空间自适应Involution层、卷积层和挤压-激励模块）	准确率, Cohen's Kappa分数, Brier分数	未明确提及
527	2026-02-20	Intrinsic tumor factors and extrinsic environmental and social exposures contribute to endometrial cancer recurrence patterns 2026-Jan-30, Research square DOI:10.21203/rs.3.rs-8682460/v1 PMID:41646408	研究论文	本研究通过整合临床、基因组、微生物组和环境数据，评估了子宫内膜癌复发与内在肿瘤因素及外在环境暴露（如空气污染）的关联	首次将肿瘤相关细菌群落、肿瘤免疫微环境和空气污染等外在环境因素与临床、病理和基因组特征结合，利用主题建模和机器学习方法预测子宫内膜癌复发	TCGA数据集中部分微生物组数据缺失，可能影响模型的外部验证效果	评估外在环境因素和内在肿瘤因素对子宫内膜癌复发的影响，并构建个体化预测模型	子宫内膜癌患者，根据风险分层为低风险、高风险和非子宫内膜样组织学组	数字病理学	子宫内膜癌	RNA测序, DNA提取, 宏基因组学分析	机器学习, 深度学习	基因组数据, 微生物组数据, 临床数据, 环境数据	892例患者（低风险组329例，高风险组324例，非子宫内膜样组239例）	TensorFlow, MATLAB	潜在狄利克雷分配（LDA）	AUC, 95%置信区间	未明确指定
528	2026-02-20	A lightweight YOLO11n seg framework for real time surface crack detection with segmentation 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37073-1 PMID:41611793	研究论文	本研究提出了一种基于YOLO11n-seg架构的轻量级深度学习框架，用于实时表面裂缝检测与分割	采用YOLO11n-seg轻量级架构，在保持高精度的同时显著降低计算成本，实现超快速推理（每张图像3.6毫秒），为边缘部署的裂缝识别设立了新基准	模型在Mask mAP@50指标上为58.7%，分割性能仍有提升空间；仅使用Crack-Seg数据集进行验证，泛化能力未在其他数据集上测试	开发一种轻量级、实时的表面裂缝检测与分割方法，以自动化基础设施安全检查	桥梁、路面、隧道和建筑物等民用基础设施的表面裂缝	计算机视觉	NA	深度学习	YOLO	图像	使用Crack-Seg数据集，具体样本数量未在摘要中说明	NA	YOLO11n-seg	精确度, Box mAP@50, Mask mAP@50, 推理速度	Tesla T4 GPU
529	2026-02-20	Deep learning based individual identification and population estimation of the yellow spotted mountain newt (Neurergus derjugini) 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36092-2 PMID:41606028	研究论文	本研究提出了一种结合几何计算机视觉和深度学习的非侵入性图像方法，用于濒危两栖动物黄斑山蝾螈的个体识别和种群数量估计	首次将几何特征提取与深度学习模型相结合，开发了一种针对黄斑山蝾螈的非侵入性个体识别方法，并应用于野外种群估计	数据集规模有限，需要扩展数据以验证时间稳定性；方法尚未部署为实时移动应用	开发一种可靠、非侵入性的方法，用于濒危两栖动物的个体识别和种群监测，以支持保护工作	黄斑山蝾螈（Neurergus derjugini）	计算机视觉	NA	图像采集、几何特征提取	CNN	图像	549只成年黄斑山蝾螈	NA	DenseNet121, EfficientNetB0, InceptionV3	准确率, AUC	NA
530	2026-02-20	A hybrid local-global feature attention network for thin section rock image classification 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36669-x PMID:41606083	研究论文	本文提出了一种用于薄片岩石图像分类的混合局部-全局特征注意力网络HFANet，通过集成DenseNet和Swin Transformer来同时捕获局部纹理和全局语义	提出了一种新颖的混合局部-全局特征注意力网络HFANet，集成了基于DenseNet的局部分支和基于Swin Transformer的全局分支，并引入了多头自注意力模块和双向交叉注意力机制，以及包含三个独立头部的集成分类框架与多模态特征融合	NA	提高薄片岩石图像的分类准确性，以支持地质调查、资源勘探和自动化岩相分析	薄片岩石图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	DenseNet, Swin Transformer	准确率, AUC, AUPR	NA
531	2026-01-30	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	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
532	2026-01-30	Deep learning for construction waste detection using ConvNeXt V2 EMA attention and WIoU v3 loss 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37473-3 PMID:41606243	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
533	2026-02-20	Deep residual networks with convolutional feature extraction for short-term load forecasting 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35410-y PMID:41588046	研究论文	本研究提出了一种嵌入卷积神经网络的深度残差网络，用于提升短期负荷预测在特征提取和泛化能力方面的性能	将基于CNN的局部特征提取集成到深度残差网络框架中，以捕获细粒度时空负荷模式，并利用残差学习缓解梯度退化，提高网络稳定性	未明确提及具体局限性，但未来研究方向包括扩展到多区域多尺度预测、引入注意力机制以及探索自适应混合残差架构	提升短期负荷预测的准确性、鲁棒性和对不同气候条件的适应性	短期电力负荷数据	机器学习	NA	NA	CNN, 残差网络	时间序列数据	两个数据集：代表温带气候的ISO-NE数据集和代表热带气候的马来西亚数据集	NA	CNN-Embedded Deep Residual Network	平均绝对百分比误差	NA
534	2026-02-20	Deep atrous context convolution generative adversarial network with corner key point extracted feature for nuts classification 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36238-2 PMID:41588160	研究论文	本研究提出了一种基于深度学习的坚果分类方法，使用深度空洞上下文卷积生成对抗网络结合角点关键特征提取技术，对8类坚果进行自动分类	通过结合DCGAN生成合成图像、角点关键特征提取以及空洞卷积与上下文块的集成，实现了对坚果图像多分辨率空间特征的捕捉，提高了分类准确性	研究仅使用了KAGGLE公共数据集，样本量相对有限，且未在更广泛的真实工业环境中验证模型鲁棒性	开发一种自动化坚果分类系统，以提升食品加工和农业领域中的坚果检测与分类效率	8类坚果（巴西坚果、腰果、花生、山核桃、开心果、栗子、夏威夷果和核桃）的图像数据	计算机视觉	NA	图像处理、特征提取、生成对抗网络	GAN, CNN	图像	4000张坚果图像，涵盖8个类别	NA	DCGAN, 深度空洞上下文卷积生成对抗网络	准确率	NA
535	2026-02-20	Magnetotelluric forward modeling on fine grid via deep learning with physical information constraints 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37645-1 PMID:41593154	研究论文	本研究结合深度学习与传统正演技术，通过物理信息约束实现高精度高效的磁大地电流正演建模	提出结合深度学习与传统正演方法，利用物理信息约束训练多任务模型，在保持精度的同时显著减少计算时间，突破传统方法的效率瓶颈	未明确提及模型在复杂地质条件下的泛化能力或实际野外数据验证的局限性	实现高精度与高效率协同的磁大地电流正演建模	地下介质的电阻率模型及其磁大地电流响应	地球物理建模	NA	磁大地电流正演建模，立方样条插值	深度学习模型	合成电阻率模型数据	NA	NA	Swin-UNet，以Swin Transformer为骨干	正演时间减少，精度保持	NA
536	2026-02-20	AE-LFOG-YOLO: robust safety helmet detection via adaptive anchors and illumination invariant learning 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37326-z PMID:41593153	研究论文	提出一种名为AE-LFOG-YOLO的端到端框架，通过自适应锚框和光照不变学习增强YOLOv8，用于复杂工业场景下鲁棒的安全帽检测	1) 引入光照不变模块，采用双路径特征解耦策略抑制光照伪影；2) 提出自适应进化-光场优化生成算法，利用局部光照梯度和薄透镜成像原理动态优化锚框参数	仅针对隧道施工场景进行验证，未在其他工业环境测试泛化能力	提升高风险工业环境中安全帽检测的鲁棒性，特别是应对严重光照不均和多尺度目标挑战	隧道施工场景中的安全帽	计算机视觉	NA	深度学习	CNN	图像	真实世界隧道数据集（具体数量未说明）	PyTorch（基于YOLOv8推断）	YOLOv8	mAP@0.5	NA
537	2026-02-20	Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37085-x PMID:41593175	研究论文	提出一种基于深度学习的系统，利用对比增强CT图像预测肝细胞癌切除体积，以提高术前规划的准确性和效率	开发了名为Liver Resection Volume Calculation with Deep learning的人工智能系统，能够将计算时间减少近二十倍，并与经验丰富的外科医生规划结果保持一致	NA	提高肝细胞癌术前手术规划中肝脏切除体积计算的准确性和效率	990例病理确诊的肝细胞癌患者的医学影像扫描数据	计算机视觉	肝细胞癌	对比增强计算机断层扫描	深度学习	图像	990例患者	NA	NA	实质肝切除率	NA
538	2026-02-20	Exploring anatomical similarity in zero-shot learning for bone abnormality detection 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37516-9 PMID:41593191	研究论文	本研究探索了利用解剖结构相似性在骨骼异常检测中进行零样本学习，实现在无目标数据的情况下跨身体部位迁移训练	首次在肌肉骨骼成像中利用解剖相似性进行零样本跨部位迁移学习，无需目标数据访问或语义辅助信息	研究基于MURA数据集（不提供仅骨折标签），且未使用语义侧信息或目标适应技术	探索解剖相似性是否能在零样本学习中实现跨身体部位的异常检测迁移	肌肉骨骼成像数据中的骨骼异常检测	计算机视觉	骨骼异常	深度学习	CNN	医学图像	MURA数据集（具体数量未明确说明）	NA	使用了两种主干网络（具体架构未明确说明）	准确率, Wilson 95%置信区间	NA
539	2026-02-20	Advancements in the detection of invasive water hyacinth (Eichhornia crassipes): a critical review of monitoring techniques for aquatic ecosystem management 2026-Jan-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-14979-x PMID:41593392	综述	本文系统回顾了2012年至2025年间关于入侵物种水葫芦（Eichhornia crassipes）检测与监测技术的研究，重点关注机器学习、深度学习、遥感及混合方法的应用	系统性地梳理了水葫芦监测领域的最新计算技术趋势，特别是2023年至2025年间深度学习模型的兴起，并指出了数据集和评估标准化的关键问题	数据集可用性有限，评估指标缺乏标准化，可能影响不同研究间的可比性	为水生入侵物种的环境监测提供研究方向指导，促进方法学一致性，支持开发稳健、可扩展的监测策略	入侵水葫芦（Eichhornia crassipes）及其对淡水生态系统的影响	机器学习	NA	遥感（RS）、机器学习（ML）、深度学习（DL）、混合方法	深度学习模型	遥感数据、图像数据	基于74篇同行评议文章的分析	NA	NA	NA	NA
540	2026-02-20	SqueakPose Studio: An end-to-end platform for pose estimation and real-time edge-AI deployment 2026-Jan-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.24.700912 PMID:41659585	研究论文	介绍了一个集成软件-硬件生态系统，用于姿态估计，涵盖数据集创建、模型训练、离线分析和嵌入式边缘计算设备的实时部署	提出了一个统一的平台，结合了SqueakPose Studio、SqueakView和MouseHouse，支持从数据集创建到实时边缘AI部署的端到端流程，无需工作站级硬件或外部中间件	NA	开发一个集成平台，用于姿态估计的定量行为分析，支持离线分析和实时嵌入式实验	姿态估计在行为分析中的应用，特别是针对小鼠等实验动物的家庭笼式实验	计算机视觉	NA	深度学习	对象检测架构	视频	NA	NA	现代对象检测架构	NA	CPU, GPU, Apple Silicon, 嵌入式GPU计算