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
421	2026-04-11	ProMol_Func: A Structure-Free Deep Learning Model for Virtual Screening 2026-Mar-23, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.6c00173 PMID:41889774	研究论文	提出了一种名为ProMol_Func的无结构深度学习框架，用于虚拟筛选，通过整合小分子图编码和蛋白质功能嵌入来克服传统结构依赖方法的限制	开发了一种不依赖蛋白质结构的深度学习模型，仅使用氨基酸序列生成蛋白质功能嵌入，并结合增强的训练数据集（包括实验验证的非活性分子和随机诱饵）来提高筛选能力和泛化性	未明确提及模型在处理极大规模数据集或复杂蛋白质相互作用时的计算效率限制	旨在开发一种高效且可扩展的虚拟筛选方法，用于早期药物发现，以减少对蛋白质结构的依赖并提高筛选准确性	小分子化合物和蛋白质（如DnaK蛋白伴侣），用于预测结合活性和筛选抑制剂	机器学习	NA	深度学习，图编码，蛋白质功能嵌入	深度学习模型	小分子图数据，蛋白质氨基酸序列数据	使用LIT-PCBA基准数据集进行训练和评估，具体样本数量未明确说明	NA	NA	富集因子（EF1%）	NA
422	2026-04-11	Comparative study of different artificial intelligence (AI)-assisted compressed sensing factors in inner ear heavily T2-weighted imaging 2026-Mar-14, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107311 PMID:41955645	研究论文	本研究比较了不同加速因子下人工智能辅助压缩感知技术在内耳重度T2加权成像中的图像质量	首次系统评估了AI辅助压缩感知技术在不同加速因子下对内耳成像质量的影响，并确定了临床应用中推荐的加速因子范围	研究仅包含健康志愿者，未涉及内耳疾病患者，样本量相对较小	比较不同加速因子下AI辅助压缩感知技术在内耳重度T2加权成像中的图像质量	40名健康志愿者的内耳MRI图像	医学影像分析	NA	AI辅助压缩感知技术，重度T2加权三维快速自旋回波序列	深度学习	MRI图像	40名健康志愿者	NA	NA	图像质量评分，信噪比，对比噪声比，边缘锐度	NA
423	2026-04-11	A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02499-4 PMID:41775791	研究论文	本文提出了一种用于磁共振成像驱动的膀胱癌分类的域自适应深度对比网络	提出了一种结合源域和目标域样本进行特征学习的域自适应深度对比网络，以提高跨中心泛化能力和类间分离性	NA	解决膀胱癌磁共振成像分类中的跨中心分布差异和特征区分性不足问题	膀胱癌磁共振成像数据	计算机视觉	膀胱癌	磁共振成像	CNN, Transformer	图像	多中心膀胱癌磁共振成像数据集	NA	DADCNet	准确率, F1分数, AUC	NA
424	2026-04-11	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	本文提出了一种结合负热标签编码和类别权重掩码的机器学习遗忘框架，以实现对特定类别的高效选择性遗忘	引入了负热标签编码（NHLE）来抑制目标类别在特征空间中的可区分性，并结合类别权重掩码，无需原始训练数据即可实现高效遗忘	需要少量遗忘类别的样本进行迭代微调，可能在某些数据稀缺场景下受限	解决深度学习中的机器学习遗忘问题，以应对数据隐私和法规合规需求	视觉数据集中的特定类别数据	机器学习	NA	NA	深度学习模型	图像	多个视觉数据集，具体样本数量未明确说明	NA	NA	分类准确率	NA
425	2026-04-11	Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02498-5 PMID:41775831	研究论文	本研究开发了一种基于深度语言模型的动态深度学习模型（DyLM-OHCA），用于从实时急救电话中早期识别院外心脏骤停	开发了首个动态深度学习模型用于早期OHCA检测，通过分析对话流程而非简单关键词识别，提供实时、上下文感知且可解释的风险评估	研究数据仅来自韩国三个大都市区域，可能限制模型的泛化能力；未在实时调度环境中进行前瞻性验证	提高院外心脏骤停的早期识别准确率，为急救调度员提供决策支持	急救电话通话记录	自然语言处理	心血管疾病	深度学习语言模型	动态深度学习模型	文本（通话记录转录本）	158,973个急救电话转录本	NA	DyLM-OHCA	AUROC, AUPRC	NA
426	2026-04-11	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	本研究评估了在分布偏移下ICU中深度学习脓毒症预测模型的泛化性能，通过多中心回顾性队列研究比较了五种部署策略	首次系统量化了三个ICU数据集间的分布偏移，并比较了五种部署策略（包括泛化、微调/重新训练、目标训练、监督域适应和融合训练）在不同目标数据规模下的表现，挑战了微调作为标准方法的传统观念	研究基于回顾性数据，可能受数据质量和标注偏差影响；未考虑实时临床部署的复杂性；策略比较限于特定数据集和模型架构	评估深度学习脓毒症预测模型在ICU数据分布偏移下的泛化能力，并比较不同部署策略的有效性	三个成人ICU队列（HiRID, MIMIC-IV, eICU）中的216,536次住院记录	机器学习	脓毒症	深度学习	深度学习模型	ICU电子健康记录数据	216,536次住院记录	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
427	2026-03-05	Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42847-8 PMID:41775953	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
428	2026-04-11	ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37590-z PMID:41776220	研究论文	本研究提出了一种名为ETNeXt的轻量级、自组织的故障检测框架，用于基于声学信号分析检测无刷直流电机的故障	提出了一种集成特征工程和分类的轻量级框架ETNeXt，结合了多级离散小波变换、三元直方图特征生成以及基于NCA和卡方检验的混合特征选择方法，在保持高精度的同时显著降低了计算复杂度	未明确说明框架在更广泛或更复杂故障类型下的性能，也未详细讨论在极端噪声环境下的鲁棒性	开发一种高效、轻量级的故障检测方法，用于无刷直流电机的实时故障监测	无刷直流电机	机器学习	NA	声学信号分析	Fine k-NN, Cubic SVM	声学信号	基准数据集和独立测试数据集（具体数量未提供）	NA	ETNeXt	准确率	NA
429	2026-04-11	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	本研究开发了一种基于特征级注意力机制的多模态深度学习框架，用于预测大学篮球运动员的睡眠质量	提出了一种结合注意力机制的多层感知机模型，用于建模多模态特征间的复杂交互，以提升睡眠质量预测性能	模型对中度睡眠质量类别的区分能力较差，更适合用于筛查导向的风险分层而非确定性分类	开发一个应用于大学篮球运动员睡眠质量筛查的预测模型	大学篮球运动员	机器学习	NA	NA	Logistic Regression, Random Forest, XGBoost, Attention-based Multilayer Perceptron	表格数据	来自一所大学的学生运动员	NA	Attention-MLP	准确率, F1值, AUC	NA
430	2026-04-11	Intrusion detection with HACDT-Net and TRBM-Net using a hybrid deep learning framework with enhanced sampling techniques 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41422-5 PMID:41772042	研究论文	本文提出了一种结合混合深度学习模型与增强采样技术的入侵检测系统，旨在解决类别不平衡问题并提升检测准确性	提出了两种混合模型HACTD-Net和TRBM-Net，并集成了ADASYN-SMOTE、ENN和Borderline SMOTE-OSS等先进重采样技术，以优化少数类攻击的检测	未提及模型在实时部署中的计算效率或资源消耗限制，也未讨论在其他数据集上的泛化能力	提升网络入侵检测的准确性，特别是针对罕见攻击类型的检测	网络入侵检测系统（IDS）	机器学习	NA	深度学习	Autoencoder, CNN, Transformer, DNN, 1D-TCN, ResNet, BiGRU, Multi-Head Attention	网络流量数据	使用CICIDS2017和NF-BoT-IoT-v2数据集，具体样本数量未提及	未明确指定，可能为TensorFlow或PyTorch	HACTD-Net, TRBM-Net	准确率, 精确率, 召回率, F1分数	未提及
431	2026-04-11	Cortical alpha changes during visuospatial attention: a deep learning-enriched EEG analysis 2026-Mar-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhag026 PMID:41883020	研究论文	本研究通过结合传统alpha功率分析与基于可解释CNN的深度学习技术，探索了视觉空间注意任务中alpha频段脑活动的皮层变化	提出了一种整合传统alpha功率分析与可解释CNN深度学习的新方法，以更精确地识别视觉空间注意相关的皮层区域	未明确提及样本量或实验设计的潜在限制，如被试者多样性或任务范式的通用性	旨在阐明视觉空间注意过程中alpha频段脑活动的具体皮层区域参与	人类被试者在视觉空间注意任务中的脑电图信号	机器学习	NA	脑电图（EEG）	CNN	脑电图信号	NA	NA	可解释卷积神经网络	NA	NA
432	2026-04-11	Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708333 PMID:41867838	研究论文	本文介绍了一个名为Crop-OCT的自动化端到端图像组学流水线，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变	开发了一个完全集成的自动化流水线，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析	流水线仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证	加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测	小鼠视网膜疾病模型，包括13种遗传性视网膜病变模型	数字病理学	视网膜病变	光学相干断层扫描	深度学习	图像	超过20,000张OCT图像，涉及13种遗传模型	NA	NA	NA	NA
433	2026-04-11	Automated Segmentation and Characterization of Retinal Hyperreflective Foci in Age-Related Macular Degeneration 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.20 PMID:41860312	研究论文	本研究开发了一种名为Foci-Net的卷积神经网络，用于在光学相干断层扫描（OCT）体积中自动分割视网膜高反射灶（HRF），以预测年龄相关性黄斑变性（AMD）的进展	Foci-Net通过将U-Net的瓶颈层替换为细到粗特征提取块，改进了对小和大病灶的分割能力	研究样本量较小，仅包括61个OCT扫描，且主要基于横断面设计，缺乏纵向验证	开发自动化工具以分割和表征AMD中的视网膜高反射灶，支持其作为生物标志物的应用	年龄相关性黄斑变性（AMD）患者和健康对照者的视网膜OCT图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	61个OCT体积扫描（50个AMD眼和11个健康对照眼），来自50名参与者	NA	U-Net	F1分数, AUC, 精确度, 灵敏度, 特异性	NA
434	2026-04-11	M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40636-x PMID:41771960	研究论文	本研究提出了一种基于全血RNA测序数据的多视图多尺度动态图注意力网络（M[公式: see text]DGAT）方法，用于预测帕金森病的进展轨迹	提出了一种结合时间视图和空间视图的多视图多尺度动态图注意力网络，通过计数草图双线性融合策略整合视图，以更精细地分析神经退行性疾病	未明确提及方法在其他疾病或更大规模数据集上的泛化能力，以及计算复杂度可能较高	预测帕金森病等神经退行性疾病的进展轨迹	帕金森病患者	机器学习	帕金森病	全血RNA测序	GAT, 动态图注意力网络	RNA测序数据	PPMI和PDBP队列数据（具体样本数未提供）	NA	动态图注意力网络（DGAT）, M[公式: see text]DGAT	预测准确性	NA
435	2026-04-11	Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39196-x PMID:41771952	研究论文	本研究开发并评估了一种基于弱监督深度学习框架的大规模基准测试，用于前列腺癌的自动诊断和ISUP分级，旨在减少标注需求并确保可解释性	首次对前列腺癌诊断和分级中的弱监督多实例学习（MIL）方法进行了大规模、全面的比较，并引入了重叠小尺寸图像块以在空间分辨率和上下文信息间取得最佳平衡	研究依赖于单一数据集（PANDA），且虽然减少了标注需求，但仍需一定程度的弱监督信息	开发并评估一个用于前列腺癌自动诊断和国际泌尿病理学会（ISUP）分级的弱监督深度学习框架，以减少对标注的依赖并提高临床实用性	前列腺癌的病理学诊断和分级	数字病理学	前列腺癌	全切片图像（WSI）分析	多实例学习（MIL）	图像	PANDA数据集中的10,616张全切片图像，处理了超过3100万个组织图像块	PyTorch	CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2	准确率, 二次加权Kappa（QWK）	分布式云计算
436	2026-04-11	CSWin-MDKDNet: cross-shaped window network with multi-dimensional fusion and knowledge distillation for medical image segmentation 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40690-5 PMID:41771973	研究论文	本文提出了一种基于Transformer的医学图像分割新架构CSWin-MDKDNet，通过多维选择性融合和知识蒸馏损失提升性能	提出结合十字形窗口网络、多维选择性融合模块和知识蒸馏损失的新架构，以平衡局部细节保留和全局上下文建模	未明确说明模型在计算资源消耗或泛化到其他模态医学图像方面的局限性	提升医学图像分割的精度，解决局部细节与全局上下文平衡的挑战	医学图像分割任务	数字病理	心血管疾病	深度学习	Transformer	图像	基于Synapse（多器官CT）、ACDC（心脏MRI）和ISIC2018数据集	未明确指定	CSWin-MDKDNet	DSC	未明确指定
437	2026-04-11	Image-based detection of bolts and bolt-missing defects in multi-angle and complex background scenarios 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41036-x PMID:41771999	研究论文	本研究提出了一种基于改进YOLOv8模型的方法，用于在多角度和复杂背景场景下检测螺栓及螺栓缺失缺陷	构建了多源螺栓图像数据集，并提出了集成Swin-Transformer主干网络和新型多尺度细节增强模块（MEDM）的增强架构，专门用于提升在挑战性视觉环境下的螺栓缺失检测性能	未明确说明模型在极端遮挡或恶劣天气条件下的性能，且数据集中实验室环境图像可能无法完全代表所有真实工程场景	开发一种自动化、高精度的螺栓及螺栓缺失缺陷检测方法，以替代传统人工检测，用于工程基础设施的结构健康监测	工程基础设施（如悬索桥、钢输电塔）中的螺栓连接	计算机视觉	NA	图像增强技术、生成对抗网络（GANs）	CNN, Transformer	图像	来自三个来源的数据集：悬索桥现场采集、钢输电塔现场摄影、定制螺栓组装模型的受控实验室成像，最终在工程部署中测试了12,772组螺栓	PyTorch	YOLOv5, YOLOv8, YOLOv10, Swin-Transformer	召回率, 精确率, 平均精度均值（mAP）	NA
438	2026-04-11	Cognitive salience features enhance multitask deep learning for pragmatic reasoning across cultures 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40809-8 PMID:41772006	研究论文	本研究提出了一种基于认知显著性特征的多任务深度学习模型，用于增强跨文化语用推理能力	整合了模拟人类感知优先级的注意力机制与文化条件门控，通过动态任务加权和梯度冲突解决策略联合优化四项语用推理任务	NA	提升计算系统在跨文化语境下对隐含意义和文化特定沟通模式的理解能力	涵盖八个文化群体的多语言语料库	自然语言处理	NA	深度学习	多任务深度学习模型	文本	NA	NA	注意力机制	整体准确率, 跨文化迁移准确率	NA
439	2026-04-11	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	本文提出了一种结合3D视觉Transformer和图神经网络的统一框架，用于基于结构MRI数据自动检测重度抑郁症	开发了一个统一的流程，首次将3D视觉Transformer用于从sMRI数据中提取3D区域嵌入，并结合图神经网络进行分类，同时探索了基于图谱和基于立方体补丁的两种区域定义策略	研究依赖于特定的REST-meta-MDD数据集，方法在更广泛或不同人群中的泛化能力尚未验证，且计算复杂度可能较高	利用深度学习方法提高重度抑郁症的自动检测准确率，以辅助诊断和早期干预	重度抑郁症患者	医学影像分析	重度抑郁症	结构磁共振成像	Vision Transformer, 图神经网络	3D结构MRI图像	REST-meta-MDD数据集（具体数量未在摘要中说明）	NA	3DViT-GAT（自定义的统一框架，包含Vision Transformer和GNN）	准确率, 灵敏度, 特异性, 精确率, F1分数	NA
440	2026-04-11	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	本文提出了一种基于深度学习的劳资关系预测系统，通过融合多源数据和注意力机制实现冲突早期预警	采用基于注意力的多模态融合方法整合异构组织数据，结合MLP和LSTM模型自适应加权模态贡献，而非固定融合方案	存在12.7%的误报率，在高压力运营期间会出现系统性错误	预测工作场所冲突，防止其升级为正式纠纷或集体行动	企业劳资关系	自然语言处理	NA	多模态数据融合	MLP, LSTM	HR记录、通信日志、绩效轨迹、满意度调查、外部经济指标	跨越四个行业的十二个企业部署	NA	注意力机制多模态融合架构	预测准确率, 早期预警成功率, 误报率	NA