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
1261	2026-04-24	Exploring the Power of Machine Learning in Analysing Protein-Protein Sequences 2026 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70066 PMID:42018649	综述	全面回顾了用于蛋白质序列分析的机器学习与深度学习方法，重点评估其在预测蛋白质结构和相互作用方面的应用	系统性地基于方法论基础、数据集和性能特征对现有方法进行分类，并比较其优缺点，为研究人员提供结构化的技术选择参考	未详细说明各方法的具体性能指标和计算资源需求，且对新兴AI驱动蛋白质建模的趋势仅作概述性讨论	帮助研究人员系统评估和选择适用于特定生物学应用的蛋白质序列分析方法	蛋白质序列、蛋白质-蛋白质相互作用、蛋白质结构与功能的关系	机器学习, 自然语言处理	NA	蛋白质序列分析技术（同源建模、机器学习、深度学习、自然语言处理等）	机器学习模型, 深度学习模型	蛋白质序列数据	NA	NA	NA	性能特征（具体指标未详述）	NA
1262	2026-04-24	Enhancing age and gender verification in OTT accounts using deep learning techniques 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1763101 PMID:42022145	研究论文	提出一种基于卷积神经网络的年龄和性别验证方法，用于OTT平台，以限制儿童访问不适当内容	将CNN模型定制用于OTT账户中的年龄和性别识别，并开发了基于OpenCV和Flask框架的用户界面，实现自动化年龄验证	未提及模型在不同数据集上的泛化能力、计算效率或实际部署中的挑战	提高OTT平台中用户年龄和性别验证的准确性，以保护儿童免受不适当内容的影响	OTT平台用户的年龄和性别识别	计算机视觉	NA	深度学习	卷积神经网络	图像	UTK Face数据集（具体数量未提及）	OpenCV, Flask	CNN（定制化卷积神经网络）	准确率	NA
1263	2026-04-24	AI-driven magnetoencephalography biomarkers in dementia risk prediction: current evidence, challenges and future perspectives 2026, Frontiers in dementia DOI:10.3389/frdem.2026.1743627 PMID:42022294	综述	系统梳理基于人工智能的脑磁图生物标志物在痴呆风险预测中的现有证据、挑战与未来展望	首次系统综述AI驱动MEG分析在痴呆分类、预测和预后中的应用，覆盖传统机器学习与深度学习架构，并强调多模态整合与光学泵磁力计等下一代MEG技术潜力	纳入研究间存在方法学异质性，缺乏标准化预处理流程，样本量有限且多为单中心数据	评估AI结合MEG在轻度认知障碍和痴呆分类、预测及预后中的当前证据、方法学进展及临床转化潜力	健康对照、主观认知下降、轻度认知障碍、阿尔茨海默病及其他痴呆患者	机器学习	痴呆	脑磁图	支持向量机、随机森林、卷积神经网络	脑磁图信号	共14项研究，涵盖健康对照至痴呆患者多种人群	NA	支持向量机、随机森林、卷积神经网络	分类准确率	NA
1264	2026-04-24	Morphology-guided attention networks for explainable skin cancer detection under clinical uncertainty 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1804329 PMID:42022332	研究论文	提出一种形态引导注意力框架，用于在临床不确定性下实现可解释且可靠的皮肤癌检测	融合病变分割保留形态结构，结合注意力机制提升可解释性，并加入不确定性估计模块量化预测置信度	未提及具体局限性，但可能依赖公开数据集，真实临床场景泛化性需进一步验证	解决皮肤镜图像中视觉变异大、病变重叠及临床不确定性导致的检测挑战	皮肤镜图像中的皮肤病变分类（恶性与良性）	计算机视觉, 数字病理学	皮肤癌	皮肤镜成像	注意力网络	图像	公开皮肤镜数据集（具体样本量未说明）	NA	形态引导注意力网络（含分割模块、注意力分类网络、不确定性估计模块）	准确率, 召回率	NA
1265	2026-04-24	Artificial intelligence in drug discovery from advanced molecular representation to pipeline applications 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1755843 PMID:42022447	综述	本文综述了人工智能在药物发现中的应用，从先进的分子表示到管线集成，强调通过模拟复杂生物系统加速研发流程	系统性地覆盖了从字符串方法到图神经网络（GNNs）、三维感知几何深度学习（GDL）、量子机器学习（QML）及混合量子-经典神经网络（HQNNs）等先进分子表示，并提出了集成量子计算、自主实验和生成模型的Q-BioFusion框架	三维分子预测和生成的几何保真度有待提高，数据效率需要增强，生物测定中固有的数据稀疏问题仍未完全解决	利用人工智能技术，通过先进分子表示加速药物发现管线的研发过程，降低成本和失败率	药物发现管线中的分子表示、模型性能、计算资源与集成框架	机器学习	NA	量子机器学习 (QML), 混合量子-经典神经网络 (HQNNs)	图神经网络 (GNNs), 三维感知几何深度学习 (GDL), 量子机器学习 (QML)	分子表示数据	NA	NA	图神经网络, 三维感知几何深度学习, 量子机器学习, 混合量子-经典神经网络	药效(PD)预测, 毒理效应预测	NA
1266	2026-04-24	Deep learning for intracranial hemorrhage detection and classification in brain CT scans: a systematic review and hybrid model approach 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1703634 PMID:42022505	系统综述	该论文对深度学习在颅内出血CT影像检测与分类中的应用进行了系统综述，并提出了混合模型方法	系统回顾了传统CNN、3D CNN、混合集成框架及新兴Transformer架构在该领域的应用，并评估了Grad-CAM等可解释性方法	存在泛化能力不足、数据集异质性及临床验证缺失等挑战	整合分析基于机器学习和深度学习的非增强CT颅内出血检测与分类方法	从非增强CT影像中检测和分类颅内出血及其亚型（硬膜外、硬膜下、脑实质内、脑室内和蛛网膜下腔出血）	计算机视觉	颅内出血	CT成像	CNN, 3D CNN, Transformer	CT影像	NA	NA	卷积神经网络, 三维卷积神经网络, Transformer	灵敏度, 特异性	NA
1267	2026-04-24	A multimodal deep learning model for predicting impending rupture in symptomatic abdominal aortic aneurysms using CTA and clinical data 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1771669 PMID:42022533	研究论文	开发并验证一个可解释的多模态深度学习模型，用于预测症状性腹主动脉瘤的即将破裂风险	首次结合CTA序列图像和六种关键临床生物标志物，通过双向交叉注意力机制构建多模态模型，显著优于传统临床规则和CTA征象基线	回顾性研究设计，样本量有限（263例），需要前瞻性验证确认临床适用性	开发可解释的多模态深度学习模型，评估症状性AAA患者的破裂风险，支持急诊决策	症状性腹主动脉瘤（AAA）患者	医学影像分析	腹主动脉瘤	CTA	多模态深度学习模型（基于ResNet-50图像编码器和双向交叉注意力机制）	CTA图像（序列切片）和临床数据（生物标志物）	263例症状性AAA患者（230例开发队列，33例独立时序测试集）	PyTorch	ResNet-50	AUC, 灵敏度, 阴性预测值	NA
1268	2026-04-24	MVBeetle: an interpretable multi-view deep learning model for fine-grained classification of Galerucinae and Alticinae (Coleoptera: Chrysomelidae) 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798135 PMID:42023004	研究论文	提出一种可解释的多视图深度学习模型MVBeetle，用于细粒度分类萤叶甲亚科和跳甲亚科	首次将多视图融合框架与可解释性分析结合用于萤叶甲亚科和跳甲亚科的细粒度分类，通过Grad-CAM揭示不同亚科的关键形态特征（跳甲亚科关注跳跃腿，萤叶甲亚科关注触角）	未明确指出限制，但可能包括数据集仅涵盖43种物种、未考虑野外复杂背景或不同光照条件下的泛化能力	提供一种高精度且便捷的叶甲分类模型，并探究亚科间形态进化差异	萤叶甲亚科和跳甲亚科的43种叶甲物种（23种萤叶甲与20种跳甲）	计算机视觉	NA	多视图图像采集	卷积神经网络	图像	43种叶甲物种的多视图图像（背、侧、腹面）	PyTorch	ResNet18, ResNet50, VGG16, MobileNetV2	准确率	NA
1269	2026-04-24	An environment-guided visual-temporal deep learning framework for early disease detection in greenhouse horticultural crops 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1796407 PMID:42023011	研究论文	提出一种环境引导的视觉-时间深度学习框架，用于温室园艺作物的早期病害检测	通过环境引导的视觉注意力机制和时空联合建模，将环境变量从被动特征转化为主动先验，增强对微弱病害信号的敏感性	实验仅在真实温室多模态时序数据集上验证，未测试其他环境条件下的泛化能力	实现温室园艺作物早期病害的智能预警和精准调控	温室园艺作物及其相关环境变量（温度、湿度、蒸汽压差、二氧化碳浓度）	计算机视觉, 机器学习	温室作物病害	多模态时序数据采集	CNN, Transformer	图像, 文本（环境变量数值）	真实温室多模态时序数据集（未明确样本数量）	NA	Transformer, CNN	准确率, 召回率, F1分数, 早期精度, 早期召回率, 提前时间	NA
1270	2026-04-24	Application of deep learning-clinical baseline feature fusion model to predict postoperative mortality in elderly patients with hip fracture: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1784156 PMID:42023085	研究论文	构建深度学习与临床基线特征融合模型，预测老年髋部骨折患者术后死亡率	首次将深度学习模型提取的CT图像特征与临床基线特征融合，显著提升了预测性能	未提及具体限制	基于深度学习与临床基线特征融合，提高老年髋部骨折术后1年死亡率预测准确性	老年髋部骨折患者	机器学习	老年性疾病	计算机断层扫描（CT）	Densenet161 和 LightGBM	图像（CT骨骼肌组织图像）及临床基线数据	内部训练集221例（机构1），外部验证集113例（机构2）	NA	Densenet161, LightGBM	AUC、敏感性、特异性、F1分数	NA
1271	2026-04-19	The Tea-Steeping Metaphor: Origin, Application, Advantages, Disadvantages, and Impact on Forensic Medicine Teaching 2026-Jan-13, Academic forensic pathology DOI:10.1177/19253621251409452 PMID:41541908	综述	本文探讨了茶浸隐喻在法医学教学中的起源、应用、优势、局限性及实际影响	将茶浸过程作为隐喻，为沉浸式、时间依赖性的学习提供了一个新颖的概念框架，尤其在法医学教育中强调了深度学习和专业身份形成	时间限制、潜在信息过载以及需要最佳学习条件等因素限制了其普遍适用性	探索茶浸隐喻在法医学教学中的应用及其教育价值	法医学教学中的教育方法和学习过程	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
1272	2026-04-19	Revisiting co-expression-based automated function prediction in yeast with neural networks and updated Gene Ontology annotations 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322689 PMID:41990018	研究论文	本文通过使用前馈神经网络基于基因共表达数据预测酵母中的基因本体标签，并与经典机器学习模型进行比较，探讨了神经网络在自动功能预测中的性能	首次将前馈神经网络应用于基于共表达的酵母自动功能预测，并直接与贝叶斯网络和自适应查询驱动搜索等经典模型进行性能比较，发现神经网络在区分训练数据中的错误标注负样本方面表现更优	研究仅针对酵母的线粒体组织相关基因进行预测，未扩展到其他生物过程或物种；比较的经典模型数量有限（仅两种）	比较神经网络与经典机器学习技术在基因自动功能预测中的性能差异	酵母基因及其基因本体标签	机器学习	NA	基因共表达数据	前馈神经网络	基因表达数据	未明确指定样本数量，但使用酵母基因共表达数据	未明确指定	前馈神经网络	未明确指定具体指标，但提及性能比较	未明确指定
1273	2026-04-19	A deep reinforcement based echo state network for network intrusion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333038 PMID:41990071	研究论文	提出了一种结合深度强化学习和回声状态网络的新型网络入侵分类方法	将深度强化学习与回声状态网络相结合，动态适应新型和不断演变的攻击模式，优于传统的静态深度学习模型	未明确说明模型的计算复杂度或实时部署的可行性限制	提高网络入侵检测的准确性和可靠性，以保护现代网络基础设施	网络流量数据中的入侵行为	机器学习	NA	深度强化学习，回声状态网络	深度强化学习，回声状态网络	网络流量数据	使用了多个基准数据集：NF-BoT-IoT、NF-UNSW-NB15、NF-ToN-IoT、NF-ToN-IoT-v2、NF-CSE-CIC-IDS2018和NF-UNSW-NB15-v3	NA	回声状态网络	准确性，可靠性	NA
1274	2026-04-19	Deep learning-based gait phase detection using shank-mounted IMU data: Classification approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344002 PMID:41984794	研究论文	本研究利用深度学习模型，特别是Transformer，基于胫骨安装的IMU数据进行步态相位检测，实现自动分类识别	采用端到端的Transformer模型处理步态相位检测，相比传统多传感器或CNN方法，能更好地捕获时间依赖性，简化处理流程	研究样本仅包括35名健康年轻成年人，未涵盖不同年龄或疾病人群，可能限制模型的泛化能力	开发一种基于单IMU的步态相位检测方法，以提高步态分析的准确性和实用性	健康年轻成年人的步态数据	机器学习	NA	惯性测量单元(IMU)数据采集	CNN, LSTM, GRU, Transformer	时间序列信号（加速度和角速度）	35名健康年轻成年人	NA	一维CNN, 混合LSTM+GRU, Transformer	F1-score	NA
1275	2026-04-19	Towards eco-friendly apple farming: Real-time codling moth monitoring using improved YOLOv10 and IoT integration 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346415 PMID:41984859	研究论文	本研究提出了一种结合改进YOLOv10-m深度学习模型与物联网技术的先进害虫监测系统，用于苹果园中苹果蠹蛾的实时检测	将改进的YOLOv10-m模型与物联网技术集成，在低功耗Raspberry Pi平台上实现实时、精确定位的害虫监测，支持精准施药	未明确说明系统在复杂环境条件下的鲁棒性、长期部署的稳定性以及与其他害虫监测方法的对比	开发实时害虫监测系统以减少农药过度使用，促进生态友好型农业	苹果园中的苹果蠹蛾（Cydia pomonella）	计算机视觉	NA	物联网技术，深度学习	YOLO	图像	NA	NA	YOLOv10-m	准确率，置信度稳定性，计算效率	低功耗Raspberry Pi平台
1276	2026-04-18	Sustainable probiotic production via AI: medium optimization and metabolic mechanisms in Bifidobacterium animalis ssp. lactis BB-12 using agricultural waste 2026, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2025.2577224 PMID:41176159	研究论文	本研究利用人工智能优化农业废弃物培养基，提升Bifidobacterium animalis ssp. lactis BB-12的益生菌生产效率，并通过代谢组学分析揭示其代谢机制	首次结合RSM、机器学习、深度学习和进化优化等多种AI方法，系统优化BB-12的农业废弃物培养基，并深入探究其代谢通路变化	研究仅针对BB-12单一菌株，未验证其他益生菌的适用性；农业废弃物的成分波动可能影响培养基的稳定性	优化BB-12的培养基配方，降低生产成本，并阐明培养基成分变化对菌株代谢的影响	Bifidobacterium animalis ssp. lactis BB-12益生菌菌株	机器学习	NA	代谢组学分析、有机酸分析	机器学习、深度学习、进化优化算法	实验数据（OD、生长率、成本等）	未明确具体样本数量，涉及多种培养基配方的优化实验	未明确指定，可能涉及多种框架	Ridge-NSGAII（非支配排序遗传算法II）	OD（光密度）、生长率、成本、有机酸产量（乳酸、乙酸、丙酸）	NA
1277	2026-04-18	OralHybridNet: A Deep Learning Framework for Multi-Label Classification of Dental Restorations and Prostheses in Panoramic Radiographs 2026 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580261439986 PMID:41972827	研究论文	本文提出了一种名为OralHybridNet的混合深度学习框架，用于在口腔全景X光片中自动进行多标签分类，以识别牙科修复体和假体	提出了一种新颖的混合深度学习框架，结合了分层卷积神经网络、双注意力机制和自适应增强协议，并引入了混合特征选择算法来优化特征表示	未明确提及研究的局限性	开发一个自动化的深度学习框架，用于在口腔全景X光片中对牙科修复体和假体进行多标签分类	口腔全景X光片（OPG）	计算机视觉	牙科疾病	全景X光成像	CNN, KNN	图像	2047张临床医生标注的全景X光片	NA	CustomDentalNet, OralNetXPlus, ResNet50	准确率, 精确率, AUC-ROC	NA
1278	2026-04-18	The application of artificial intelligence in the intersection of metabolic dysfunction-associated steatotic liver disease and cardiovascular diseases 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1788249 PMID:41993162	综述	本文综述了人工智能在代谢功能障碍相关脂肪性肝病与心血管疾病交叉领域的应用	强调人工智能能够整合临床、影像和多组学数据，提高MASLD诊断和肝纤维化分期的精确度，并优于传统风险评估工具	面临数据质量和模型泛化等挑战	评估人工智能在MASLD与CVD交叉领域的风险预测、机制理解和临床干预中的应用	代谢功能障碍相关脂肪性肝病和心血管疾病患者	机器学习	心血管疾病	NA	机器学习, 深度学习	临床数据, 影像数据, 多组学数据	NA	NA	NA	AUC	NA
1279	2026-04-14	Depression detection using deep learning and large language models from multimodalities 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1759857 PMID:41878374	综述	本文综述了基于深度学习和大语言模型的多模态抑郁症检测方法的最新进展	探讨了多模态架构（融合语音、面部表情和EEG特征）和基于Transformer的融合机制，以及大语言模型（LLMs）在跨模态对齐、上下文推理和数据高效适应方面的应用，标志着向可扩展、可解释且临床可部署的AI系统发展的新方向	数据集多样性不足、标准化缺乏、可解释性有限以及临床验证不充分	评估客观抑郁症检测的自动化、数据驱动方法	抑郁症患者	自然语言处理, 机器学习	抑郁症	脑电图（EEG）	Transformer, 大语言模型（LLMs）	多模态数据（EEG、语音、面部表情）	NA	NA	Transformer	准确率, F1分数	NA
1280	2026-04-14	Exploring the relationship between urban visual density and responsible tourism behavior: a multimodal study of Macao 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1783451 PMID:41969867	研究论文	本研究通过结合调查建模和街景视觉分析，探索了澳门城市视觉密度与负责任旅游行为之间的关系	采用多模态设计，首次将游客心理评估与客观测量的城市视觉环境指标（如绿视指数、天空视域因子）相结合，以理解高密度城市旅游目的地的负责任旅游行为	研究结果应解释为情境对齐，而非独立环境效应或跨区域因果推断的证据，限制了因果关系的明确性	探索城市视觉密度与负责任旅游行为之间的关系，以促进可持续旅游发展	519名非本地游客的调研数据及澳门街景视觉指标	计算机视觉	NA	基于深度学习的语义分割	NA	调查数据、街景图像	519名非本地游客	NA	NA	NA	NA