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
6101	2026-06-08	A deep learning-based automated pipeline for colorectal cancer detection in contrast-enhanced CT images 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102717 PMID:41633187	研究论文	提出一种基于深度学习的自动检测管道，用于在对比增强CT图像中检测结直肠癌	将ResNet50模块集成到YOLOv11骨干中以增强特征提取，并设计了一种尺度自适应损失函数以改进边界框回归性能	需要在大规模队列中进行验证才能体现临床转化价值	开发一种自动检测管道，用于在门静脉期对比增强CT扫描中识别和定位原发性结直肠癌	结直肠癌患者	计算机视觉	结直肠癌	对比增强CT	YOLOv11	CT图像	内部数据集和外部公共数据集	PyTorch	YOLOv11, ResNet50	召回率, 精确率, F1分数	NA
6102	2026-06-08	[Artificial intelligence in the diagnosis and management of aortic disease: current applications and future directions] 2026-Feb, Giornale italiano di cardiologia (2006) DOI:10.1714/4636.46466 PMID:41631329	综述	本文全面综述人工智能在主动脉疾病诊断与管理中的应用，包括主动脉尺寸测量、动脉瘤、夹层及动脉粥样硬化疾病的检测与分类，以及临床结局预测	系统整合了深度学习、影像组学、双能CT、光子计数CT和计算流体动力学等新兴技术在主动脉疾病中的预测能力，并提出个性化“数字孪生”模型用于治疗决策的前景	软件可用性、成本、数据整合以及放射科医师角色演变等挑战仍存在	概述人工智能在主动脉疾病诊断与管理中的当前应用与未来方向	主动脉疾病（包括动脉瘤、夹层、动脉粥样硬化疾病）	机器学习	心血管疾病	NA	深度学习	图像	NA	NA	NA	准确性, 灵敏度, 可重复性, 观察者间变异, 观察者内变异	NA
6103	2026-06-08	Shallow and deep learning approaches to classify melanoma and non-melanocytic skin lesions 2026-Jan-13, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae290b PMID:41642223	研究论文	比较浅层和深度学习方法在分类恶性黑素细胞病变与非黑素细胞皮肤病变上的表现	提出了三种基于微调深度神经网络的原创配置，并整合了过采样、特征选择和数据增强等辅助程序	未明确提及局限性，但评估仅基于单一公开数据集（Derm7pt），可能影响泛化性	比较浅层与深度学习方法在恶性黑素细胞病变与非黑素细胞皮肤病变分类中的效果	皮肤镜图像中的恶性黑素细胞病变和非黑素细胞病变	计算机视觉	黑色素瘤	皮肤镜成像	深度神经网络	图像	未明确样本数量，使用Derm7pt公开数据库	NA	NA	准确率, 灵敏度	NA
6104	2026-06-08	SDXL model-based optimization for interior design: Data-driven and deep learning methods 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342258 PMID:41637387	研究论文	提出一种针对室内设计的SDXL模型优化框架，通过数据驱动和深度学习方法解决结构一致性和美学保真度问题	首次构建结合自动化语义清洗和超参数优化策略的系统化流程，并建立针对室内空间几何约束的优化训练协议	未提及	优化SDXL模型以适应室内设计的特殊要求，提升生成图像的结构一致性和美学保真度	室内设计场景中的图像生成任务	计算机视觉	NA	NA	扩散模型	图像	构建了高质量带标注数据集，具体数量未提及	PyTorch	Stable Diffusion XL, YOLO	FID, SSIM, LPIPS, CLIP语义对齐	未提及
6105	2026-06-08	Protein Structure Prediction Methods 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07511-6_1 PMID:41652158	综述	该文章综述了蛋白质结构预测方法的发展历程，从基于模板的建模到混合方法和端到端深度学习方法	系统总结了蛋白质结构预测方法从传统模板建模到深度学习的演变，特别是AlphaFold2和RoseTTAFold等端到端方法的突破性进展	NA	探讨蛋白质结构预测方法的原理、进展及其对结构生物学领域的变革性影响	蛋白质结构预测方法	机器学习	NA	蛋白质结构预测	神经网络, 蛋白质语言模型	氨基酸序列	NA	NA	AlphaFold2, RoseTTAFold	NA	NA
6106	2026-06-08	Computational Ligand-Binding Site Prediction 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07511-6_7 PMID:41652164	研究论文	本文综述了计算配体结合位点预测的方法，包括基于结构的对接、机器学习和物理模拟技术	系统比较了传统对接、深度学习及物理模拟（如SILCS）在配体结合位点预测中的应用优势	未提供定量性能比较结果，且未讨论方法的计算成本	综述计算预测蛋白质和RNA上配体结合位点的技术方法	蛋白质和RNA上的配体结合位点	机器学习	NA	分子对接, 分子动力学模拟, SILCS	CNN, 深度学习模型	分子结构数据	NA	NA	NA	NA	NA
6107	2026-06-08	A comparative analysis of video vision transformers on word-level sign language datasets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341909 PMID:41642940	研究论文	本研究对视频视觉Transformer在词汇级手语数据集上的性能进行了比较分析，并基于孟加拉手语数据集进行了微调与评估	首次在孟加拉手语数据集上系统比较了VideoMAE、ViViT和TimeSformer三种视频Transformer架构，并展示了其相对传统方法的显著优势	数据集规模有限（BdSLW60仅60个手势），且性能受帧率、帧分布、手势出现等因素影响	评估视频Transformer在手语识别中的可扩展性和鲁棒性，促进孟加拉手语识别技术的发展	孟加拉手语数据集BdSLW60（60个常用手势）和BdSLW401（401个手势类别）	计算机视觉	NA	视频视觉Transformer	Transformer	视频	BdSLW60包含9307个用户试验片段，BdSLW401包含401类手势数据	PyTorch	VideoMAE, ViViT, TimeSformer	准确率	NA
6108	2026-06-08	MAGIN-GO: Protein function prediction based on dual graph neural networks and gene ontology structure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342072 PMID:41662346	研究论文	提出了一种结合双图神经网络和基因本体结构的蛋白质功能预测方法MAGIN-GO	融合图同构网络和图卷积网络与图卷积自注意力网络提取多源蛋白质信息，并整合基因本体注释嵌入，克服了传统图神经网络无法捕捉序列长程依赖和缺乏注释间关系的局限性	方法依赖于预训练的基因本体嵌入，可能对罕见或不完整的注释预测效果有限，且仅基于UniProtKB/Swiss-Prot数据集进行验证	提高蛋白质功能预测的准确性，特别是通过整合多源信息和注释关系来克服现有方法的不足之处	蛋白质功能预测，具体针对分子功能、生物过程和细胞组分三个领域的注释预测	机器学习	NA	NA	图神经网络	蛋白质序列和蛋白质-蛋白质相互作用图	使用UniProtKB/Swiss-Prot数据集	NA	图同构网络，图卷积网络，图卷积自注意力网络	AUPR, Fmax分数, Smin分数, AUC	NA
6109	2026-06-08	Enhanced extractive text summarization framework for low-resourced Urdu language 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341596 PMID:41662374	研究论文	提出了一种针对资源匮乏的乌尔都语的增强型抽取式文本摘要框架	针对乌尔都语等低资源语言，提出了改进的有监督和无监督抽取式文本摘要模型，并创建了大规模人工标注数据集	未明确说明，但从上下文推测可能受限于乌尔都语资源的稀缺性	开发乌尔都语的自动文本摘要方法，提高摘要质量	乌尔都语文本文档及其人工标注的抽取式摘要	自然语言处理	NA	NA	机器学习与深度学习模型（有监督和无监督）	文本	大规模乌尔都语文本文档数据集	NA	NA	ROUGE分数	NA
6110	2026-06-07	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-Sep, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出了一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神疾病的分类与可解释性分析	引入了基于变换的特征提取器PyramidPat，结合可解释性模块DLob将特征转换为基于脑叶和通道的语义描述，兼顾高分类准确率与可解释性	未明确讨论方法的泛化能力或对其他类型信号（如fMRI）的适用性，且依赖特定数据集	开发一种可解释的特征工程方法，实现脑电图精神疾病的多类分类并提供可解释的输出	六类脑电图精神疾病数据集中的多通道脑电图信号	机器学习	精神疾病	脑电图（EEG）	kNN	信号	六类精神疾病数据集，未明确样本数量，采用留一被试交叉验证（LOSO）	NA	PyramidPat, INCA, tkNN, DLob	准确率（accuracy）	NA
6111	2026-06-07	Artificial intelligence in drug discovery for fungal diseases: a scoping review 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103461 PMID:42202565	综述	系统梳理人工智能在真菌药物发现中的应用现状	首次采用系统性综述方法全面评估AI预测生物活性技术在抗真菌药物发现和再利用中的证据，揭示了高级深度学习模型与实验验证不足之间的脱节	仅包含截至2025年7月的研究，可能存在发表偏倚；未对纳入研究进行质量评估	绘制AI方法在抗真菌药物发现中预测生物活性的应用证据图谱	106篇关于AI在真菌药物发现中应用的原发性研究	machine learning	真菌感染	NA	集成模型, 深度学习	文本	106篇研究	NA	PASS, 集成模型, 深度学习架构	NA	NA
6112	2026-06-07	Multimodal deep learning neuroimaging approach to enhance CT-based diagnosis of Alzheimer's disease 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112234 PMID:42085916	研究论文	提出一种多模态深度学习框架，利用MRI特征增强CT影像对阿尔茨海默病的诊断能力	通过从MRI中学习互补特征表征并迁移至CT，克服了CT影像对早期阿尔茨海默病神经退行性变化诊断不足的问题，实现了低成本、高普及度的CT检查的高精度诊断	研究数据来自单一数据集（OASIS-3），可能影响泛化能力；MRI特征迁移至CT的有效性需在更大规模多中心数据中验证	提升CT影像在阿尔茨海默病诊断中的准确性和临床适用性	阿尔茨海默病的CT和MRI影像数据	计算机视觉	阿尔茨海默病	MRI, PET, CT	卷积神经网络	图像	772名参与者（正常对照组300人、轻度认知障碍250人、阿尔茨海默病222人），包含352名男性和420名女性	NA	自定义卷积神经网络	准确率、灵敏度、特异度	NA
6113	2026-06-07	Alzheimer's disease with progression analysis using a novel dilated convolutional attention based long short term memory model 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112232 PMID:42090937	研究论文	提出一种基于扩张卷积注意力机制的长短期记忆模型，用于阿尔茨海默病的分类与进展预测	引入扩张卷积注意力机制增强LSTM模型对高维EEG信号中复杂时空模式的特征提取能力	仅使用单一CAU-EEG数据集验证，未在多种人群或跨机构数据上进行泛化测试	开发自动化深度学习诊断系统，实现阿尔茨海默病的早期检测与进展分析	阿尔茨海默病患者的脑电图信号	机器学习	阿尔茨海默病	脑电图	LSTM	信号	未提及具体样本数量，仅标注使用CAU-EEG数据集	NA	DC-ALSTM	准确率、精确率、召回率、F1分数	NA
6114	2026-06-07	Diagnosing autism spectrum disorders using ensemble-aided weighted fused features and attention-based residual LSTM with brain MRI images 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112230 PMID:42090939	研究论文	提出一种基于集成辅助加权融合特征和注意力残差长短期记忆网络的深度学习方法来诊断自闭症谱系障碍	采用集成深度卷积神经网络（EDCNN）提取特征，通过改进的随机均匀数辅助洪堡乌贼优化算法优化融合权重，并引入注意力残差长短期记忆网络进行诊断	未明确提及局限性	开发一种先进的深度学习方法用于自闭症谱系障碍的诊断	脑部MRI图像	计算机视觉	自闭症谱系障碍	神经影像学（MRI）	卷积神经网络，长短期记忆网络	图像	NA	NA	VGG16, ResNet, Inception, 注意力残差长短期记忆网络	NA	NA
6115	2026-06-07	Optimized quadrangle attention consolidated convolutional multi-scale vision transformer based autism detection 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112251 PMID:42202658	研究论文	提出一种基于优化四边形注意力整合卷积多尺度视觉Transformer的深度学习框架，用于高效准确地检测自闭症谱系	首次将随机螺旋开发黑猩猩优化算法（RS-COA）用于超参数调优，并结合自适应中值高斯滤波（AMGF）去噪、生成对抗网络（GAN）数据增强以及深层多尺度多级封闭注意力DarkNet（DMM-AND）特征提取，构建OQA-CMVT模型	未提及模型在实际临床环境中的泛化能力验证，也未讨论数据集的多样性及模型可解释性	开发基于深度学习的自闭症谱系检测方法，提高检测准确性和效率	自闭症儿童面部图像数据集和Autism_Image_Data数据集	计算机视觉	自闭症	NA	生成对抗网络（GAN）、深度多尺度多级封闭注意力DarkNet（DMM-AND）、优化四边形注意力整合卷积多尺度视觉Transformer（OQA-CMVT）	图像	两个数据集：自闭症儿童面部数据集和Autism_Image_Data数据集，具体样本数未提及	NA	DarkNet、卷积多尺度视觉Transformer	准确率（Accuracy）	NA
6116	2026-06-07	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	使用深度学习基于颅骨CT预测经颅超声插入损失	提出了一种改进的双路径Inception神经网络（mDPI-Net），基于颅骨CT扫描实现快速准确的插入损失预测，相比传统数值方法大幅提升了计算效率	NA	利用深度学习方法从颅骨CT中预测经颅超声插入损失，以优化超声传输	20个人类颅骨样本	深度学习	NA	CT扫描，经颅超声	神经网络	图像	20个人类颅骨样本	PyTorch（推测）	mDPI-Net（改进双路径Inception网络）	峰值压力误差，插入损失偏差	NA
6117	2026-06-07	Calibrating Biased Distribution in VFM-Derived Latent Space via Cross-Domain Geometric Consistency 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3662389 PMID:41662554	研究论文	提出一种利用跨域几何一致性校准视觉基础模型派生潜在空间中偏态分布的方法	首次揭示视觉基础模型（如CLIP、DINOv2）提取的特征分布的几何形状具有跨域可迁移性，并基于此设计分布校准框架	未在标题和摘要中明确提及研究局限性	解决由数据异质性和样本不平衡引起的信息缺失问题	跨域几何形状的可迁移性及其在分布校准中的应用	机器学习	NA	特征提取	视觉基础模型（VFM）	图像	NA	NA	CLIP, DINOv2	NA	NA
6118	2026-06-07	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	提出可解释性神经网络的对齐可逆正则化方法	首次形式化定义可解释性的两个基本属性——对齐性和可逆性，并基于此提出即插即用的优化器Bort，无需复杂模型修改即可提升可解释性	未提及实际应用中的计算开销或大规模部署限制	提升深度神经网络的可解释性，使其适用于高可靠性行业	深度神经网络的内部变量和模型表示	机器学习	NA	NA	神经网络	图像	NA	NA	ResNet, DeiT	分类准确率	NA
6119	2026-06-07	Microscopic detection of nematodes in entomopathogenic nematode-enriched samples using a lightweight deep learning model 2026-Jul, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108594 PMID:41796953	研究论文	提出超轻量无锚框目标检测框架LightDetectorMS，用于实验室分离的Steinernema feltiae感染期幼虫的显微图像自动检测	设计超轻量（0.46 MB，62991参数）且计算高效（152.5 FPS）的anchor-free目标检测框架，在保持高检测可靠性（mAP@0.5达0.9119）的同时实现比人工计数快数千倍的处理速度	研究仅针对实验室培养的单一物种Steinernema feltiae，尚未验证对野外复杂环境或多种昆虫病原线虫的适用性	开发高效自动化的昆虫病原线虫显微检测方法，替代传统人工计数方法	实验室分离的Steinernema feltiae感染期幼虫的显微图像	计算机视觉	NA	显微成像	目标检测网络	显微图像	50个样本用于人工计数对比验证	NA	LightDetectorMS	mAP@0.5, mAP@0.5:0.95, 精确率, 召回率, FPS	NA
6120	2026-06-07	On Demographic Group Fairness Guarantees in Deep Learning 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3674484 PMID:41838507	研究论文	提出一个理论框架分析数据分布与深度学习公平性保证之间的关系，并引入一种实用的训练目标以减少群体间差距	首次建立明确考虑不同人口群体间数据分布异质性的公平性界，提出形式化分析框架最小化预期损失差异，并导出公平误差和收敛率的界，刻画分布差异对公平性与准确性权衡的影响	未提及具体局限性	分析和理解深度学习模型中不同人口群体间的数据分布差异如何影响模型公平性，并为开发更公平的算法提供理论基础	深度学习模型在不同人口群体上的公平性表现	机器学习	眼病, 胸腔积液, 皮肤病变	深度学习	神经网络	图像, 表格数据, 文本	多个数据集：FairVision（眼病检测）、CheXpert（胸腔积液检测）、HAM10000（皮肤病变分类）、FairFace（面部属性识别）、ACS Income（收入预测）、CivilComments-WILDS（有毒评论检测）	NA	NA	AUC, ES-AUC	NA