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
5281	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
5282	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
5283	2026-06-21	Heritability of the olfactory bulb and its associated brain network 2026-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122021 PMID:42235655	研究论文	研究了嗅球体积及其相关脑网络的遗传度	首次在大型双胞胎样本中，结合深度学习分割和支持向量机框架，探讨嗅球及嗅觉网络结构特征的遗传度	未说明	探究嗅球体积及其在嗅觉网络中的整合程度是否受遗传决定	健康年轻成年双胞胎（单卵和异卵）	机器学习	NA	NA	深度学习分割模型、支持向量机	脑结构磁共振成像	941名健康年轻成年人（22-35岁），包括单卵和异卵双胞胎	NA	NA	准确率	NA
5284	2026-06-21	MicroKAN: Mapping human brain microstructure using diffusion MRI and adaptive nonlinear modeling 2026-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122032 PMID:42259478	研究论文	提出基于Kolmogorov-Arnold网络的MicroKAN框架，用于从扩散磁共振成像高效映射人脑微观结构	首次将Kolmogorov-Arnold网络与自适应样条激活函数应用于扩散磁共振成像微观结构建模，支持有监督和自监督两种范式，自监督版本无需真实标签即可估计模型参数	未提及具体局限性	开发一种高效、灵活的框架，用于从扩散磁共振成像数据中快速、准确地估计大脑微观结构参数	人脑微观结构	机器学习	NA	扩散磁共振成像，扩散张量成像，神经突方向分散和密度成像	Kolmogorov-Arnold网络	图像	多个扩散磁共振成像数据集	PyTorch	Kolmogorov-Arnold网络	准确性	NA
5285	2026-06-21	UGP-RAP: A DI-QDa-MS powered deep learning platform for automated identification of ultrafine granular powders 2026-Aug, Phytomedicine : international journal of phytotherapy and phytopharmacology IF:6.7Q1 DOI:10.1016/j.phymed.2026.158387 PMID:42275880	研究论文	开发了一种基于DI-QDa-MS和深度学习超细粉末快速自动化识别平台UGP-RAP	首次将一维卷积神经网络与全离子余弦相似度及二元余弦相似度集成在统一框架中，用于中药超细粉末的快速自动识别	未提及	建立快速自动化的超细粉末鉴定平台，解决传统方法在分析通量与可靠性间的平衡问题	中药来源的超细粉末	机器学习	不适用	DI-QDa质谱分析	一维卷积神经网络（1D-CNN）	质谱数据	530批样品用于模型开发，63批外部验证样品	PyTorch	1D-CNN	准确率, 预测置信度	NA
5286	2026-06-21	Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis 2026-Jul, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110339 PMID:42248000	研究论文	基于街景图像评估绿色空间暴露与死亡率之间的关联，研究对象为多种族动脉粥样硬化研究参与者	首次区分不同绿色空间类型（树木、草地、其他绿色植被）对死亡率影响的差异，并探讨种族和社会经济状态的调节作用	未详细说明街景图像深度学习算法的具体架构和验证过程，可能忽视未测量的混杂因素	量化特定绿色空间类型与全因死亡率风险之间的关联	6,795名MESA参与者，基线年龄62岁，随访19年	计算机视觉	心血管疾病	街景图像深度学习分析	深度学习模型	图像	6,748名参与者（973,608人年），1898例死亡	NA	NA	风险比	NA
5287	2026-06-21	Asymmetric Drug-Drug Interaction Prediction Based on Generative Adversarial Networks and Knowledge Graph 2026-Jul, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261443345 PMID:42206523	研究论文	提出一种基于知识图谱和生成对抗网络的药物相互作用预测方法KGGAN-DDI，用于预测潜在的药物相互作用	首次考虑药物相互作用的非对称性，结合知识图谱嵌入模块捕捉药物对之间的非对称关联，并采用双生成器生成对抗网络来提高预测准确性	文献中未明确提及局限性	解决药物相互作用预测中非对称性被忽略导致的特征学习信息损失问题	药物对之间的相互作用	机器学习	NA	知识图谱嵌入	生成对抗网络	知识图谱数据	NA	NA	双生成器生成对抗网络	预测准确性	NA
5288	2026-06-21	Differentiating Ischemic From Nonischemic T-Wave Inversion Using a Multimodal Vision-Language Model With Reinforcement Learning (ECG-R1): Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87227 PMID:42319812	研究论文	开发并验证了一种基于强化学习的多模态视觉语言模型ECG-R1，用于区分缺血性与非缺血性T波倒置	采用强化学习范式训练多模态视觉语言模型（Qwen2-VL-2B），结合组相对策略优化算法和结构化推理输出，显著提升了诊断准确性和跨域鲁棒性，避免了传统监督微调的过拟合问题	未提及模型在更广泛临床场景或不同种族、年龄群体中的验证结果，也未讨论计算资源消耗或实时部署可行性	开发一种能够准确区分缺血性与非缺血性T波倒置的多模态诊断框架，并提供可解释的推理过程	心电图波形图像及其关联的临床文本数据	计算机视觉、自然语言处理	心血管疾病	心电图分析	视觉语言模型	图像、文本	12,917例T波倒置病例的多模态数据集	PyTorch, Hugging Face Transformers	Qwen2-VL-2B	准确率、敏感度、AUC	未提及
5289	2026-06-21	Public antibody clonotypes and deep learning identify SARS-CoV-2 and HIV broadly neutralizing antibodies in immune repertoires 2026-Jun-19, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117582 PMID:42319828	研究论文	提出整合公共抗体克隆型与深度学习模型的ClonoDeep平台，从大规模免疫库中直接识别针对SARS-CoV-2和HIV的广谱中和抗体	首次将公共抗体克隆型与基于序列的深度学习模型结合，无需抗原特异性免疫即可高效发现广谱中和抗体	NA	开发一种高通量计算方法，从非病原体特异性免疫形成的抗体库中挖掘中和抗体，为疫苗设计提供指导	SARS-CoV-2和HIV的广谱中和抗体	机器学习	SARS-CoV-2感染, HIV感染	抗体库测序, 深度学习	深度学习模型（序列型）	抗体序列数据	大规模免疫库（含SARS-CoV-2和HIV队列数据）	NA	NA	中和抗体比例, 广谱中和能力	NA
5290	2026-06-21	Comparing Deep Learning Models for Identifying Maxillary Transverse Deficiency from Intraoral Photographs 2026-Jun-19, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109689 PMID:42320262	研究论文	本研究开发并比较了多种深度学习模型，旨在通过口腔内正面照片识别上颌骨横向发育不足	首次将深度学习应用于从口腔内正面照片自动识别上颌骨横向发育不足，避免了传统CBCT的高辐射、高成本和临床负担	NA	评估深度学习模型从口腔内正面照片识别上颌骨横向发育不足的可行性	上颌骨横向发育不足患者的口腔内正面照片和CBCT图像	计算机视觉	上颌骨横向发育不足	CBCT	CNN	图像	826名内部患者和192名外部患者	PyTorch	DenseNet 121, ResNet 18, EfficientNet B0/B3, MobileNetV3 Small/Large	准确率, 精确率, 召回率, F1分数, AUC	NA
5291	2026-06-21	From diagnostic labels to radiology reports: a unified multi-modal framework for lesion detection and segmentation 2026-Jun-19, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae7f8e PMID:42320491	研究论文	本文提出了一种统一的多模态框架TextDSNet，用于结合放射学报告进行病变检测和分割	引入了一种新的范式“病灶感知分割”，能够识别特定病灶目标，促进粗粒度定位和细粒度分割的联合优化；此外，首次将全文本放射学报告作为跨模态指导融入医疗图像分析	公开数据集中配对的全文本报告稀缺，当前仅在ISLES 2022数据集上进行了验证	利用放射学报告中的全面细粒度语义信息，实现病灶检测和分割的联合优化	ISLES 2022数据集中的医疗影像及其对应的放射学报告	计算机视觉	NA	NA	多模态深度学习模型	图像和文本	ISLES 2022数据集	PyTorch	TextDSNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NA
5292	2026-06-21	An interpretable attention-based TabTransformer framework with feature fusion for green architecture classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50347-y PMID:42321232	研究论文	提出一种基于可解释注意力机制的TabTransformer框架，用于绿色建筑自动分类，以分析环境影响	首次将TabTransformer架构与特征融合、可解释AI（注意力热图、LIME、SHAP）相结合，应用于绿色建筑分类任务	未提及模型在不同地理区域或建筑标准下的泛化能力，以及计算资源消耗	实现绿色与非绿色建筑的自动分类，推动可持续建筑评估的规模化、数据驱动化	建筑项目数据	机器学习	NA	PCA降维	TabTransformer	表格数据（建筑、能源、上下文属性）	NA	PyTorch	TabTransformer	准确率	NA
5293	2026-06-21	HybridViT for robust wheat leaf disease detection using CLAHE and attention-based feature fusion 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55548-z PMID:42321270	研究论文	提出一种名为HybridViT的混合深度学习模型，结合ConvNeXt、Vision Transformer和CBAM模块，并应用CLAHE增强对比度，用于稳健的小麦叶部病害检测	提出自适应门控融合机制，动态平衡局部和全局特征表示，而非传统的静态特征拼接；使用轻量级CBAM模块进一步细化和增强鉴别特征	未提及模型在极端环境或罕见病害类型上的泛化能力；未讨论计算开销或部署可行性	利用深度学习实现小麦叶部病害的自动、准确分类，以支持可持续农业和减少农药使用	小麦叶片图像中的叶部病害（如控制条件和田间条件下拍摄的图像）	计算机视觉, 机器学习	小麦叶部病害	CLAHE（对比度受限自适应直方图均衡化）	混合CNN-Transformer模型（ConvNeXt + Vision Transformer + CBAM）	图像	三个不同数据集（包含控制条件和田间条件图像）	NA	ConvNeXt, Vision Transformer, CBAM, 自适应门控融合	准确率	NA
5294	2026-06-21	Secure adaptive federated learning for scalable anomaly detection in industrial IoT networks 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37819-x PMID:42321280	研究论文	提出了一种结合区块链认证与自适应自编码器-LSTM的联邦学习框架，用于工业物联网中的可扩展异常检测	将区块链身份认证与自适应超参数调整的自编码器-LSTM模型集成到联邦学习框架中，同时实现隐私保护、通信效率提升和防恶意篡改能力	智能合约执行成本较高，且尚未扩展到多模态数据融合和大规模实时检测场景	设计一种安全、可扩展且保护隐私的异常检测机制，解决工业物联网中集中式检测系统的隐私风险和通信瓶颈问题	工业物联网网络中的入侵和异常检测任务	机器学习	NA	NA	自编码器-LSTM（AAEL）	工业物联网流量数据	NA	PyTorch	Self-Attention, LSTM, Autoencoder	准确率, 通信开销, 带宽压缩比, 平均训练时间, 端到端延迟, 认证成功率, 恶意更新检测率	资源受限的IIoT节点
5295	2026-06-21	Real-time yoga posture correction using deep learning for individuals with physical disabilities 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54280-y PMID:42321269	研究论文	针对身体残疾人士，利用深度学习实现实时瑜伽姿势纠正	采用MoveNet模型的Thunder变体实现实时姿势估计，并专门为下肢残疾人士创建了首个椅子瑜伽姿势数据集	NA	为无法接触瑜伽教练的身体残疾人士提供基于深度学习的实时瑜伽姿势纠正解决方案	身体残疾人士，特别是下肢残疾人士	计算机视觉	NA	NA	卷积神经网络（CNN）	视频	NA	NA	MoveNet（Thunder变体）	NA	NA
5296	2026-06-21	Deep homography-based image stitching with enhanced small object detection 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58267-7 PMID:42321286	研究论文	提出了一种基于YOLOv8主干网络和深度单应性估计的新型图像拼接方法，重点提升小目标检测和复杂背景下的拼接精度	引入YOLOv8作为特征提取器结合自适应SE机制增强小目标检测、多尺度特征融合与深度单应性估计模块、以及针对小目标区域对齐的加权损失函数	尚未探索实时动态环境中的应用扩展	克服传统图像拼接技术在小目标检测和复杂背景下的局限性	图像拼接中的小目标区域和复杂纹理特征	computer vision	NA	图像拼接、深度学习单应性估计	YOLOv8、回归网络	图像	UDIS和MVS-Synth数据集	PyTorch	YOLOv8、Squeeze-and-Excitation (SE)、空间金字塔池化 (SPP)、深度单应性回归网络	PSNR, SSIM, GFLOPs	NA
5297	2026-06-21	Swin-SHARP: a novel approach to wheat disease classification using boosted MAML and weighted ensembling with deep learning classifiers 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57901-8 PMID:42321310	研究论文	提出了一种基于增强型模型无关元学习（MAML）和加权集成深度学习的轻量级Swin Transformer模型Swin-SHARP，用于小麦病害图像分类	通过剪枝和优化设计了一种轻量级Swin-SHARP Transformer，参数量减少82.5%；结合增强型MAML和加权集成策略提升泛化能力；在资源受限环境下实现98.1%的高准确率	未提及模型对极低分辨率或复杂背景图像的鲁棒性；未评估在实际移动设备上的推理速度	开发高效、轻量的小麦病害分类系统，实现早期干预以保障粮食安全	小麦叶片图像中的褐锈病、黄锈病、白粉病、散黑穗病及健康植株	计算机视觉, 机器学习	小麦病害	图像采集	Transformer (Swin), CNN	图像	10,000张小麦病害和健康植株图像	PyTorch	Swin-SHARP, Inception-v3, ResNet-18, VGG-16, 其他对比模型	准确率	NA
5298	2026-06-21	Adaptive competitive balance regulation in professional sports leagues via graph attention networks and proximal policy optimization 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57715-8 PMID:42321325	research paper	提出一种结合图注意力网络和近端策略优化的自适应框架，用于职业体育联赛的竞争平衡调控	首次将图注意力网络与近端策略优化相结合，实现数据驱动的自适应监管政策设计，显著提升了竞争平衡改善率，并通过三阶段真实世界验证路径进行验证	结果基于校准仿真环境，采用有限理性智能体假设，未完全完成真实世界验证	开发自适应、数据驱动的职业体育联赛竞争平衡调控框架	英格兰足球超级联赛和NBA的二十个赛季数据，以及美国职业棒球大联盟的零样本迁移	machine learning	NA	仿真模拟	图注意力网络、近端策略优化	图表数据	20个赛季数据（EPL及NBA各20个赛季），并由单一验证集（MLB）进行零样本测试	PyTorch	多层图注意力网络编码器	竞争平衡改善率（95%置信区间）、配对t检验（p<0.01，Bonferroni校正）、柯尔莫戈洛夫-斯米诺夫检验（针对RSD、HHI和基尼指数）	未明确说明，仅提及采用5个随机种子
5299	2026-06-21	Benchmarking deep learning models for laryngeal cancer staging using the LaryngealCT dataset 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58171-0 PMID:42321364	研究论文	提出LaryngealCT标准化CT数据集，并基准测试6种3D深度学习模型在喉癌分期中的表现	首次构建包含1029例CT扫描的喉癌标准化公共基准数据集，采用弱监督参数搜索框架提取感兴趣区域，并集成GradCAM++可解释性工具实现甲状腺软骨重叠分析	T4分类任务中模型敏感性仍有限（≤0.412），空间重叠度较低	建立可重复的深度学习喉癌分期基准，推动人工智能在喉肿瘤学中的临床决策支持	1029例喉部CT扫描影像（来自TCIA六个集合）	计算机视觉, 数字病理学	喉癌	CT扫描	3D CNN	医学影像（CT）	1029例CT扫描	PyTorch	自定义3D CNN, ResNet18, ResNet50, ResNet101, DenseNet121, MedicalNet预训练ResNet50	准确率, F1宏平均, AU-ROC, 敏感性	NA
5300	2026-06-21	MSCA-TNet based deep learning method for ECG arrhythmia classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58850-y PMID:42321363	研究论文	提出一种基于MSCA-TNet的深度学习模型用于心电图心律失常分类	结合离散小波变换降噪、SMOTE-Tomek混合重采样策略处理类别不平衡，并设计MSCA-TNet混合架构，嵌入自适应通道注意力模块和Transformer，同时提取局部细粒度特征和全局长程上下文信息	未提及在更多真实临床场景或不同噪声水平下的泛化性验证	开发鲁棒的自动心律失常检测算法，减轻临床医生诊断负担	MIT-BIH和INCART两个公开心电图数据集中的心律失常类别	机器学习	心血管疾病	ECG信号采集	混合架构（CNN、Transformer）	离散心电图信号	MIT-BIH和INCART数据集	NA	MSCA-TNet（包含自适应通道注意力模块ACA和Transformer）	宏平均准确率、总体准确率	NA