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
741	2026-06-23	Toward leveraging intrinsic point cloud features in 3D adversarial attacks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344574 PMID:42013122	研究论文	本文探索利用点云内在特征进行3D对抗攻击，提出一种基于特征预测的攻击方法，并验证其跨模型泛化能力	将对抗攻击的焦点从模型特定漏洞转向点云的内在特征，提出数据驱动的特征预测方法，无需反复反向传播即可生成攻击	攻击成功率略低于模型特定攻击方法	理解3D对抗攻击中关键点云特征的重要性，并设计基于内在特征的攻击方法	3D点云中的对抗点预测及生成攻击	计算机视觉	NA	NA	随机森林回归、多元线性回归；点云模型：PointNet、PointNet++、DGCNN、PointConv	3D点云	未明确说明	NA	PointNet, PointNet++, DGCNN, PointConv	成功率（Drop100和Drop200设置）	NA
742	2026-06-23	Controlled comparative study of YOLOv8-Pose, YOLOv11-Pose, and Detectron2 for vertebrae detection and keypoint estimation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347290 PMID:42013146	研究论文	系统比较YOLOv8-Pose、YOLOv11-Pose和Detectron2在椎骨检测与关键点估计中的性能表现	首次在相同训练条件下对三种姿态估计深度学习模型进行可控、任务驱动的对比研究，重点关注临床可用性相关的检测完整性和重复检测问题	未明确说明	评估不同姿态估计模型在椎骨检测与关键点定位任务上的准确性、检测精度、推理速度和临床适用性	包含单类别椎骨边界框标注和每椎骨4个解剖关键点的医学影像数据集	计算机视觉	脊柱疾病	NA	姿态估计模型	医学图像	单类别椎骨数据集	PyTorch, Detectron2	YOLOv8n-Pose, YOLOv11n-Pose, Keypoint R-CNN with ResNet-50, Keypoint R-CNN with ResNet-101, YOLOv8l-Pose	关键点定位准确率, 检测精度, 推理速度, 检测完整性, 重复检测率	NA
743	2026-06-23	Siamese Capsule Network (SNNCap): Cognitive Analysis for Alzheimer's Disease Classification From MRI Data 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3683547 PMID:42009326	研究论文	提出一种基于暹罗胶囊网络的阿尔茨海默病MRI图像分类方法，模拟认知推理过程	将暹罗网络与胶囊网络结合，利用胶囊层保留空间和部分-整体关系，并通过参考样本对比模拟认知推理，提升泛化能力	未提及模型在外部数据集上的验证、计算资源需求及与现有方法的全面比较	有效分类阿尔茨海默病MRI图像为正常、极轻度、轻度和中度痴呆四类	阿尔茨海默病患者的脑部MRI图像	计算机视觉	阿尔茨海默病	MRI	暹罗胶囊网络	图像	未明确提及具体样本数量	PyTorch	ResNet-18, 胶囊网络	分类报告, 混淆矩阵	NA
744	2026-06-22	Enhancing Early Diagnosis: Multimodal AI Approaches for Neurodegenerative Diseases 2026, Journal of biotechnology and biomedicine DOI:10.26502/jbb.2642-91280211 PMID:41948713	综述	评估多模态人工智能方法在神经退行性疾病早期诊断中的应用	提出多模态融合架构能更好地捕捉神经退行性疾病的生物学复杂性，并强调从静态诊断向连续时间建模的转变	数据异质性、深度学习“黑箱”特性以及数据集表示需要全球公平性	探讨利用 AI 驱动的生物标志物（来自神经影像、电生理学和数字表型）实现神经退行性疾病的早期诊断	神经退行性疾病（如阿尔茨海默病和帕金森病）中的 MRI、PET 和 EEG 数据集	机器学习	神经退行性疾病	NA	多模态融合架构	神经影像（MRI、PET）、电生理学（EEG）和数字表型数据	NA	NA	多模态融合架构	预测时间线	NA
745	2026-04-10	Retraction: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346214 PMID:41950193	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
746	2026-04-10	Retraction: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345999 PMID:41950215	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
747	2026-06-22	Deep learning on protein language model embeddings unlocks accurate prediction of protein solubility 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1716930 PMID:41953440	研究论文	提出DeepSolNet深度学习模型，利用蛋白质语言模型嵌入准确预测蛋白质溶解性	首次将ESM蛋白质语言模型嵌入与双向长短期记忆网络、卷积神经网络和注意力机制相结合，构建多模块架构预测蛋白质溶解性	NA	开发能够准确预测蛋白质溶解性的深度学习方法，以支持合成生物学和蛋白质工程中的大规模蛋白设计与表达优化	蛋白质溶解性预测，特别针对原核表达系统中蛋白质错误折叠问题	机器学习	NA	蛋白质语言模型嵌入	深度学习	蛋白质序列	包含γ-抗体、转谷氨酰胺酶和醛脱氢酶序列的独立构建测试集	PyTorch	ESM、双向LSTM、CNN、注意力机制	准确率、马修斯相关系数	NA
748	2026-06-19	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	提出ViralBindPredict深度学习框架，直接从病毒蛋白质序列预测配体结合位点，并构建首个大规模病毒蛋白-配体相互作用基准数据集	首次引入泄漏控制的数据拆分策略构建病毒蛋白-配体相互作用基准；实现无需蛋白质结构的配体结合位点预测	蛋白质序列上下文主导泛化能力，模型对未见蛋白质的预测性能下降明显	开发无需蛋白质三维结构即可预测病毒蛋白-配体结合位点的计算方法，加速抗病毒药物发现	病毒蛋白质序列及其与配体的相互作用	机器学习	病毒感染性疾病	蛋白质序列分析、深度学习	多层感知机	蛋白质序列数据	超过10,000条病毒蛋白质链和约13,000个相互作用样本	PyTorch	多层感知机	精确率-召回率曲线	NA
749	2026-06-19	A feature-based generalizable prediction model for both perceptual and abstract reasoning 2026-01, Cognitive neuroscience IF:2.0Q3 DOI:10.1080/17588928.2025.2599784 PMID:41396106	研究论文	提出一种基于特征检测、仿射变换估计和搜索的算法模型，用于解决感知和抽象推理任务	该模型能够实现一次性推理，在简化的瑞文推理任务中接近人类水平，并能表达发现的规则和生成多步预测，同时处理包含连续模式的感知挑战	模型仅应用于简化的瑞文任务，未在更复杂的任务或实际场景中验证其泛化能力	研究抽象推理的算法实现，并探讨其对人类推理和智能机器改进的意义	简化的瑞文渐进矩阵任务中的感知和符号推理挑战	机器学习	NA	特征检测、仿射变换估计、搜索算法	算法模型（非神经网络）	图像（瑞文矩阵中的模式）	NA	NA	NA	人类水平性能（未指定具体指标）	NA
750	2026-06-19	[Predictive epileptology: the emergence of a new paradigm for the management of epileptic seizures] 2026, Zhurnal nevrologii i psikhiatrii imeni S.S. Korsakova DOI:10.17116/jnevro202612605114 PMID:42246521	综述	评估基于人工智能的可穿戴设备在预测癫痫发作方面的当前状态和潜在用途	提出预测性癫痫学作为一种新范式，标志着癫痫管理从被动反应向主动风险管理的根本转变	从实验室环境的高准确性到现实世界环境中更适中但具有临床意义的表现之间存在显著差距；高误报率、预测非运动性癫痫发作的挑战以及监管、伦理和经济约束是主要障碍	评估基于人工智能的可穿戴设备预测癫痫发作的可行性及当前技术状态	基于人工智能的可穿戴设备及其在癫痫预测中的应用	机器学习	癫痫	NA	个性化深度学习模型	NA	NA	NA	NA	预测准确性	NA
751	2026-06-19	Empowering rural governance with digital technology: Deep learning models for automated detection of rural buildings using remote sensing images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351311 PMID:42284255	研究论文	提出一种集成多尺度混合注意力模块、动态特征金字塔网络和渐进对比学习策略的深度学习框架，用于从遥感影像中自动检测农村建筑物以支持乡村治理	引入多尺度混合注意力模块并行卷积路径结合通道和空间注意力动态捕捉多尺度特征并抑制背景噪声，动态特征金字塔网络利用内容感知路由自适应融合层次特征实现尺度不变表示，渐进对比学习策略通过硬样本挖掘利用有标签和无标签数据增强判别能力	在跨数据集泛化（中国农村数据上MIoU为72.3%）仍有提升空间，高质量注释数据集稀缺问题未彻底解决	解决从无人机遥感影像自动检测农村建筑物时面临的极端尺度变化、复杂背景干扰和高质量标注数据稀缺等挑战	农村建筑物	计算机视觉	NA	遥感影像分析	深度学习模型	图像	马萨诸塞州建筑物数据集及中国农村数据	PyTorch	U-Net, SegNet, DeepLabV3+作为基准，提出框架含多尺度混合注意力模块、动态特征金字塔网络	平均交并比（MIoU），像素精度（PA），平均精度均值（mAP）	GitHub开源代码，未明述GPU类型
752	2026-06-19	EffortNet: A Deep Learning Framework for Objective Assessment of Speech Enhancement Technologies Using EEG-Based Alpha Oscillations 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3694178 PMID:42149756	研究论文	提出一种名为EffortNet的深度学习框架，通过脑电图中的alpha振荡客观评估语音增强技术对听力的影响	整合自监督学习、增量学习和迁移学习三种互补范式，解决脑电图信号的个体间差异问题，并利用概率指标揭示神经网络差异与主观评分之间的分离现象	未明确说明	开发一种客观评估语音理解过程中听力困难程度的深度学习框架	122名参与者在四种语音条件下（清晰、噪声、MMSE增强、Transformer增强）的64通道脑电图数据	机器学习和信号处理	听力学相关疾病	脑电图（EEG）	深度学习框架	脑电图信号	122名参与者	NA	EffortNet	分类准确率（与常规CNN和STAnet对比）	NA
753	2026-06-19	A transformer-based deep learning algorithm for diagnosing spinal infections on axial non-contrast computed tomography images: a dual-center retrospective study 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.21340 PMID:42299150	研究论文	开发了一种基于Swin Transformer的深度学习算法，用于在轴位非增强CT图像上诊断脊柱感染，并在双中心回顾性研究中验证其性能	首次将Swin Transformer模型应用于脊柱感染的CT诊断，并证明其在无磁共振条件下的高准确率和临床辅助价值	回顾性研究设计、样本量相对有限（共157例）、未包含其他脊柱病变类型	探索基于非增强CT图像的深度学习方法来诊断原发性脊柱感染，提高诊断准确率和效率	来自两个医疗中心的157例原发性脊柱感染患者的非增强CT图像切片	医学影像分析	脊柱感染	CT成像	Swin Transformer	CT图像	训练及内部验证集127例（来自主要中心，7:3随机划分），外部验证集30例（来自第二中心）	PyTorch	Swin Transformer	AUC, AUPRC, 灵敏度, 特异度, 准确率, PPV, NPV, F1分数	GPU（具体型号未提及）
754	2026-06-19	Automated classification of natural habitats using ground-level imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351335 PMID:42308189	研究论文	提出一种基于地面级图像（照片）的自动化栖息地分类方法，利用深度学习实现16类栖息地的分类	首次仅基于地面图像进行栖息地分类，替代依赖卫星影像的传统方法，并开发了DeepLabV3-ResNet101自定义深度学习分类器，结合数据增强与重采样平衡类别	部分视觉混合或模糊的栖息地类别（如视觉不明显的类别）分类性能较低，整体F1分数为0.63，且仅针对英格兰‘Living England’框架的16个类别	实现基于地面图像的可扩展、高精度栖息地分类，支持生态监测与公民科学应用	地面级栖息地照片（来自公民科学或实地拍摄的图片）	计算机视觉	NA	图像预处理（缩放、归一化、增强）与重采样技术	CNN（DeepLabV3-ResNet101）	图像	16类栖息地图像，未明确具体数量，但通过五折交叉验证与重采样平衡类别	PyTorch	DeepLabV3-ResNet101	准确率, F1分数	NA
755	2026-06-19	A semantic segmentation model to predict subcellular glycogen localization using transmission electron microscopy images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351502 PMID:42308209	研究论文	开发并验证了一种基于深度学习的语义分割方法，利用透射电子显微镜图像自动量化人体骨骼肌中糖原在亚细胞区室的分布	提出结合两个注意力U-Net模型（区域模型和糖原模型）的互补框架，首次实现从TEM图像中自动预测亚细胞糖原定位，并将分析时间大幅缩短	模型基于有限样本（7名健康男性）训练，可能无法完全代表病理状态或不同肌肉类型的糖原分布特征；此外，手动标注的准确性可能影响模型性能	开发自动化工具以高通量、客观地量化骨骼肌亚细胞糖原分布，支持大规模代谢研究	人体骨骼肌活检组织中的糖原颗粒及其亚细胞区室（肌原纤维间、肌原纤维内区域包括A带、I带、Z盘以及线粒体）	计算机视觉	NA	NA	注意力U-Net	图像（透射电子显微镜图像）	7名健康男性的骨骼肌活检，在正常、耗尽和糖原超补偿状态下采集	NA	注意力U-Net（两个互补模型：区域模型和糖原模型）	偏差、变异系数、糖原体积密度与生化测量的一致性	NA
756	2026-06-19	All-optical doubly resonant cavities for energy-efficient ReLU function in nanophotonic deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345850 PMID:42308233	研究论文	提出一种利用紧凑双共振腔实现全光学ReLU激活函数的方法	利用非线性过程实现全光学ReLU函数，设备面积比以往方法减小两个数量级，能实现飞焦级激活能量	NA	实现能效高、高密度的光学神经网络，用于下一代人工智能硬件	全光学双共振腔结构和非线性光学过程	机器学习	NA	光学非线性过程	神经网络	光学信号	NA	NA	双共振腔结构	分类准确率	NA
757	2026-06-19	Computer-aided diagnosis system for thoracic computed tomography of rib fractures in older emergency patients: A preliminary study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351988 PMID:42308243	研究论文	本研究探讨了基于深度学习的计算机辅助诊断系统在老年急诊患者胸部CT肋骨骨折检测中的应用价值	首次按年龄分组评估CAD系统在老年患者中的诊断效能，并与中青年组进行比较	未提供具体缺陷，但可从论文标题推断为初步研究	评估深度学习CAD系统在老年急诊患者肋骨骨折CT诊断中的价值	老年和中年/青年急诊患者	计算机视觉	肋骨骨折	CT影像	深度学习	CT图像	1012例胸外伤急诊患者	NA	NA	灵敏度，假阳性率，阅片时间	NA
758	2026-06-19	A lightweight CNN-transformer hybrid architecture with channel attention for real-time hazardous acoustic event detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1824067 PMID:42311228	研究论文	提出一种轻量级CNN-Transformer混合架构，用于实时危险声学事件检测	融合通道注意力机制的轻量级CNN架构，实现资源受限环境下的高效危险声音分类	未提及其他噪声环境下的泛化性能或模型局限性	设计适用于边缘部署的实时危险声音检测轻量级深度学习模型	基于音频的危险声学信号（哭泣、狗叫、警报、爆炸、火灾、玻璃破碎、尖叫、武器相关声音等8类）	机器学习和计算机视觉（音频分类）	不适用	音频频谱图处理	CNN-Transformer混合架构	音频（对数梅尔频谱图）	8类危险声学数据，每类1000个音频样本，总计8000样本	NA	TinyCNN（增强通道注意力的轻量级CNN主干网络）	准确率、精确率、召回率、F1分数	适用于边缘端部署，具体资源未提及
759	2026-06-19	An integrated evolution-aware meta-learning framework with adversarial morphological augmentation for zero-day threat detections 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1814012 PMID:42311231	研究论文	提出一种集成了进化感知元学习与对抗形态增强的零日威胁检测框架M3-GAZE	将威胁检测形式化为进化推理问题，通过潜在形态谱提取、对抗进化生成对抗网络、元适应框架、不确定性校准层和因果进化图合成器五个创新组件实现零日攻击的高效检测	未明确说明局限性，可能包括对复杂实时环境的适应性、计算资源需求或模型可解释性验证的不足	克服传统威胁检测框架对静态模式匹配的依赖，提升对零日攻击的检测能力	零日威胁和进化攻击行为	机器学习	NA	生成对抗网络（GAN）	生成对抗网络、元学习模型	威胁检测数据（包括网络流量、系统日志等形态数据）	不详（基于进化任务生成合成样本，可能涉及小样本场景）	PyTorch	对抗进化生成对抗网络（AE-GAN）、元适应框架（MAFTI）	零日召回率、少样本适应性、不确定性校准、假阴性率	NA
760	2026-06-19	Leveraging deep learning and explainable AI for effective liver tumor classification from CT scan images 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1836325 PMID:42311265	研究论文	提出一种基于深度学习和可解释人工智能的肝肿瘤CT影像分类框架	将可解释AI与多种深度学习模型（ResNet50-v2、EfficientNetV2、Inception-v3、Vision Transformer ViT-16）结合，提升临床可信度	未提及	实现非侵入性肝肿瘤自动分类并增强模型可解释性	CT扫描图像中的肝肿瘤	计算机视觉	肝癌	深度学习、可解释AI	CNN、Transformer	图像	未提及	NA	ResNet50-v2， EfficientNetV2， Inception-v3， Vision Transformer ViT-16	准确率	NA