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
41	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
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	2026-02-20	TPCAV: Interpreting deep learning genomics models via concept attribution 2026-Jan-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.20.700723 PMID:41659440	研究论文	本文提出了一种名为TPCAV的新方法，用于解释基因组学深度学习模型，通过概念归因技术改进现有模型解释能力	首次将概念归因方法系统应用于基因组学深度学习模型解释，提出TPCAV方法通过PCA去相关变换解决基因组模型中常见的特征冗余问题，并引入概念特异性输入归因图生成策略	方法在特定任务（如转录因子结合预测）上与现有方法（TF-MoDISco）效果相当但未全面超越，且未在更广泛的基因组学任务中进行充分验证	开发更可靠的基因组学深度学习模型解释方法，以理解模型决策背后的生物学概念	基因组学深度学习模型及其预测结果	机器学习	NA	深度学习模型解释	神经网络	基因组序列数据、染色质可及性数据	NA	NA	NA	概念解释可靠性、DNA模体解释准确性	NA
50	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
51	2026-02-19	Prognostic value of deep learning-based coronary artery calcium score and quantitative pneumonia burden in patients hospitalized with COVID-19 2026-Jan-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02119-9 PMID:41580636	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
52	2026-02-20	Groundwater depth prediction based on CNN-GRU-attention model 2026-Jan-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-14993-z PMID:41577970	研究论文	本研究提出了一种结合CNN、GRU和注意力机制的混合深度学习模型（CNN-GRU-Attention），用于预测地下水深度	整合了卷积神经网络、门控循环单元和注意力机制，构建了一个新的混合深度学习模型，用于地下水深度预测，并在数据减少和特殊降雨情景下验证了其性能	NA	开发一个计算框架以预测地下水位，促进可持续水资源管理	中国郑州地区的地下水深度动态	机器学习	NA	深度学习	CNN, GRU	时间序列数据	NA	NA	CNN-GRU-Attention	MAE, RMSE, R	NA
53	2026-02-20	Generalizable machine learning models for rapid antimicrobial resistance prediction in unseen health care settings 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf156 PMID:41553357	研究论文	本研究开发了基于机器学习的通用模型，用于在未见过的医疗环境中快速预测抗菌素耐药性	采用掩码自编码器（MAE）处理MALDI-TOF质谱数据，并结合化学语言模型与SELFIES编码抗菌药物，提升了模型在跨机构与跨时间场景下的泛化能力	模型性能在训练数据范围外的医院或时间段仍可能下降，且仅基于4家医疗机构的数据进行交叉验证	构建泛化性强的机器学习模型，以加速临床抗菌素耐药性预测	MALDI-TOF质谱数据与抗菌药物化学信息	机器学习	NA	MALDI-TOF质谱	掩码自编码器（MAE）, 化学语言模型	质谱数据, 化学字符串	来自4家医疗机构的交叉验证数据	NA	掩码自编码器（MAE）, Molformer	精确率-召回率曲线下面积	NA
54	2026-02-20	Sex and Stress Govern the Function and Innervation of a Basolateral Amygdala to Nucleus Accumbens Corticotropin-Releasing Hormone/GABA-Expressing Projection 2026-Jan-14, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1239-25.2025 PMID:41271439	研究论文	本研究探讨了基底外侧杏仁核到伏隔核的CRH/GABA表达投射在奖励行为中的性别特异性功能，以及早期生活逆境对其的影响	首次揭示了CRH/GABA BLA-NAc投射在奖励行为调控中的性别差异，并发现其结构和功能在雌雄小鼠中存在显著不同	研究主要基于小鼠模型，结果向人类转化需谨慎；机制探索尚未完全阐明	探究早期生活逆境如何通过特定神经环路导致奖励行为的性别依赖性失调	CRH-Cre转基因小鼠（雄性和雌性）	神经科学	情感障碍	组织透明化、光片荧光显微镜、化学遗传学（DREADDs）、电生理记录、全脑映射	深度学习模型	图像数据、电生理数据、行为数据	控制组和早期生活逆境组的雄性与雌性CRH-Cre小鼠	深度学习流程（具体框架未指明）	NA	NA	NA
55	2026-02-20	Machine learning pipelines for the design of solid-state electrolytes 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01525a PMID:41358912	综述	本文系统综述了机器学习在固态电解质设计中的应用，提出了一个将固态电解质发现中的五大挑战与新兴人工智能解决方案相映射的战略框架	首次提出了一个系统框架，将固态电解质发现中的五大挑战与新兴AI解决方案相映射，并特别关注了多价导体（如Mg、Ca、Zn、Al）的数据缺口问题，通过迁移学习和主动学习框架提供了具体策略	NA	为下一代AI加速的固态电池材料发现提供全面的路线图	固态电解质	机器学习	NA	NA	经典模型, 深度学习架构, 生成模型, Transformer, 图神经网络	NA	NA	NA	Transformer, 图神经网络	NA	NA
56	2026-02-20	Study on the source tracing method of organic pollutants in large shallow eutrophic lakes based on 3D-EEM and Transformer models: A case study of Changdang Lake in China 2026-Jan-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14958-8 PMID:41498835	研究论文	本研究提出了一种结合三维激发-发射矩阵荧光光谱技术和深度学习模型的方法，用于追踪大型浅水富营养化湖泊中有机污染物的来源，并以中国长荡湖为例进行验证	首次将3D-EEM荧光光谱技术与Transformer深度学习模型结合，用于湖泊有机污染源追踪，相比传统依赖Tucker Congruence系数的手动方法，显著提高了识别效率和准确性	研究仅针对长荡湖流域，方法在其他湖泊或污染源类型中的普适性有待验证；样本来源限于工业废水、农业和生活污染，未涵盖所有潜在污染源	开发一种高效、准确的有机污染源追踪方法，以支持湖泊流域污染控制	长荡湖流域的溶解有机物，包括工业废水、农业和生活污染源	环境科学	NA	三维激发-发射矩阵荧光光谱技术，平行因子分析	深度学习模型	荧光光谱图像	40个荧光组分，来自长荡湖连接河流和湖体的水质样本，以及工业、农业、生活污染源样本	NA	Transformer, GoogLeNet, VGG, AlexNet	识别准确率，Tucker Congruence系数	NA
57	2026-02-20	3D reconstruction of spatial transcriptomics with spatial pattern enhanced graph convolutional neural network 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag060 PMID:41686651	研究论文	本文提出了一种名为Spa3D的方法，利用抗泄漏傅里叶变换和图卷积神经网络从多个二维空间转录组切片重建三维空间结构	首次将三维重建思想引入空间转录组数据分析，通过结合抗泄漏傅里叶变换和图卷积神经网络，突破了现有方法仅依赖二维坐标的限制	未明确说明方法对数据质量和切片数量的具体要求，也未讨论计算复杂度对大规模数据集的可扩展性	开发能够从二维空间转录组数据重建三维空间结构的新方法，以更准确地分析空间域、空间变异基因、细胞通讯和发育轨迹	空间分辨转录组数据	计算生物学	NA	空间分辨转录组技术	图卷积神经网络	空间转录组数据	NA	NA	图卷积神经网络	NA	NA
58	2026-02-20	Integrating state-space modeling, parameter estimation, deep learning, and docking techniques in drug repurposing: a case study on COVID-19 cytokine storm 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf035 PMID:39965087	研究论文	本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，针对COVID-19细胞因子风暴进行药物重定位案例研究	结合数学建模与深度学习，利用PID控制器识别关键蛋白质靶点，并应用分子对接分析药物相互作用，为COVID-19治疗提供快速有效的药物重定位策略	研究主要针对COVID-19细胞因子风暴，且基于特定蛋白质（如ACE2）的案例，可能不适用于其他病毒变体或疾病机制	开发一种综合方法，以加速针对新兴SARS-CoV-2变体的药物重定位和疾病管理	正常细胞和病毒感染的细胞中的调控蛋白质，特别是ACE2和AT1R，以及相关药物如Lomefloxacin和Fostamatinib	机器学习	COVID-19	状态空间建模、参数估计、分子对接	深度学习模型	蛋白质相互作用数据、药物分子数据	NA	NA	NA	NA	NA
59	2026-02-20	Total-Body PET/CT Metabolic Response in Esophageal Squamous Cell Carcinoma 2026-Jan, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.010 PMID:41320614	综述	本文综述了全身PET/CT在食管鳞状细胞癌代谢反应评估中的应用，重点介绍了其技术优势与临床潜力	介绍了具有194厘米长轴视野的全身PET/CT系统（uEXPLORER），其灵敏度比传统系统高出68倍，并支持低剂量快速成像、动态全身参数成像及深度学习合成CT技术	NA	评估全身PET/CT在食管鳞状细胞癌新辅助治疗反应监测中的可行性和定量能力	食管鳞状细胞癌患者	数字病理学	食管癌	[F]FDG PET/CT, [F]或[Ga]Ga标记的成纤维细胞活化蛋白抑制剂PET/CT	NA	PET/CT图像	NA	NA	NA	NA	NA
60	2026-02-20	Machine learning and deep learning in internal medicine: demystifying concepts 2026-01, Revista clinica espanola IF:2.3Q2 DOI:10.1016/j.rceng.2025.502412 PMID:41429301	综述	本文为内科医生提供了关于机器学习和深度学习关键概念的实用且易于理解的介绍，并探讨了其在诊断、预后和临床管理等任务中的应用	以面向内科医生的视角，系统性地解构了机器学习与深度学习的基本概念、应用流程及伦理考量，旨在弥合技术理论与临床实践之间的鸿沟	文章主要为概念性介绍，未涉及具体算法实现细节或实证研究数据，可能缺乏对最新技术进展的深度探讨	旨在向内科医生普及机器学习和深度学习的基本概念及其在临床医学中的应用潜力	内科医生及临床医学研究者	机器学习	NA	NA	神经网络	NA	NA	NA	NA	NA	NA