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
341	2026-02-28	HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40509-3 PMID:41748692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
342	2026-04-06	Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41969-3 PMID:41748689	研究论文	本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题	结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性	NA	评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划	液化引起的浅基础建筑沉降	机器学习	NA	NA	机器学习, 深度学习	结构化数据（建筑特征、岩土参数、地震强度指标）	系统编制的已记录案例研究数据库	NA	NA	NA	NA
343	2026-02-28	A hybrid model for image forgery detection using deep learning with block and keypoint methods 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41473-8 PMID:41748712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
344	2026-04-06	A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40925-5 PMID:41748772	研究论文	本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性	提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐	未在标题和摘要中明确说明	开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常	12导联心电图信号	机器学习	心血管疾病	NA	CNN, Bi-LSTM, Transformer	心电图信号	超过43,000个多标签心电图记录，涵盖27种心律失常类别	NA	CNN, Bi-LSTM, Transformer	准确率, 宏F1分数, ROC曲线下面积	NA
345	2026-04-06	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题	提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制	未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习	驾驶场景数据	NA	NA	NA	安全性能提升幅度（数量级）	NA
346	2026-04-06	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视	提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练	需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性	评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法	眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名病例，10名无眼科异常对照）	NA	NA	斯皮尔曼相关系数	NA
347	2026-04-05	Attenuation correction of cardiac 82Rb pet using deep learning generated synthetic CT 2026-Feb-26, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00849-5 PMID:41746532	研究论文	本研究评估了使用深度学习从非衰减校正的Rb-PET图像生成合成CT（sCT）以进行心脏82Rb PET衰减校正的可行性	首次引入基于条件生成对抗网络（cGAN）和Attention U-Net生成器的深度学习方法，直接从非衰减校正的Rb-PET图像生成合成CT图像，用于衰减校正，以减少传统CT-AC中的错位和金属伪影	sCT在心脏区域存在轻微偏差（RME=4.2±7.8%），可能是由于sCT中软组织u-map的均匀高估所致，且结果基于视觉检查的个案分析	评估深度学习生成的合成CT在心脏82Rb PET衰减校正中的可行性和性能	心脏82Rb PET图像和对应的CT图像	医学影像分析	缺血性心脏病	PET/CT心肌灌注成像（MPI），Rubidium-82（Rb）正电子发射断层扫描	cGAN（条件生成对抗网络）	图像（PET和CT）	544次PET/CT MPI扫描	NA	Attention U-Net	SSIM, PSNR, MAE, ME, RME, RMAE, iTPD, LVEFR	NA
348	2026-04-05	Predicting concrete compressive strength using optimized deep learning and large language models 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41072-7 PMID:41748670	研究论文	本研究提出了一种结合iHow优化算法与时空图卷积网络的混合框架，用于预测混凝土抗压强度	引入iHow优化算法优化STGCN架构，并利用大语言模型进行数据预处理，提高了预测精度	需要更多样化的数据集和实际场景验证以评估其泛化能力和实际适用性	提高混凝土抗压强度的预测准确性，支持可持续建筑材料设计	混凝土混合物成分、外加剂和养护条件	机器学习	NA	大语言模型驱动的预处理流程	STGCN	结构化数据（混凝土成分、养护条件等）	公共数据集（具体数量未明确）	NA	时空图卷积网络	预测误差，相关系数	NA
349	2026-04-05	AI-based intelligent sensing detection of cybersecurity threats using multimodal sensor data in smart devices 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40614-3 PMID:41748759	研究论文	本文提出了一种基于深度学习的多模态感知架构，用于检测智能设备中由传感器数据引发的网络安全威胁	提出了一种新的混合CNN-RNN-Transformer架构，能够融合多模态传感器特征并考虑时空交互	未明确说明模型在极端或未知攻击场景下的泛化能力	开发一种能够实时检测智能设备中网络物理威胁的智能感知系统	智能设备中的多模态传感器数据（如加速度计、陀螺仪、麦克风、温度传感器）	机器学习	NA	深度学习	CNN, RNN, Transformer	多模态传感器数据	使用了一个手动标注的多模态数据集和两个公开基准数据集（CICIDS-2017和IoT-23）	未明确指定，可能为TensorFlow或PyTorch	混合CNN-RNN-Transformer架构	AUC, F1分数, 推理延迟	边缘硬件（具体类型未明确说明）
350	2026-04-05	TumorSageNet CNN hybrid architecture enables accurate detection of mango leaf pathologies 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40944-2 PMID:41741529	研究论文	本研究提出了一种基于深度学习的新型框架，用于芒果叶病理的分类，通过先进的卷积和混合神经网络架构实现高精度检测	提出了两种新架构：一个定制的CNN模型和一个结合了EfficientNet-B7、LSTM和注意力机制的混合模型，其中定制CNN模型在多项指标上达到了100%的性能	研究仅使用了来自孟加拉国Rajshahi地区的800张芒果叶图像，数据集规模和地理多样性可能有限	开发一个可扩展、可解释且高性能的解决方案，用于芒果种植中的实时病害监测，以应对全球粮食安全挑战	芒果叶	计算机视觉	植物病害	深度学习，数据增强，颜色空间变换	CNN, LSTM, 混合模型	图像	800张高分辨率芒果叶图像	NA	AlexNet, VGG16, VGG19, EfficientNet-B7, 定制CNN, 混合模型（EfficientNet-B7 + LSTM + 注意力机制）	准确率, 精确率, 召回率, F1分数	NA
351	2026-02-28	Soil microbiome prediction using traditional machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39537-w PMID:41741537	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
352	2026-04-05	Nondestructive sheet resistance prediction of silver nanowire transparent electrode with convolutional neural network 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40528-0 PMID:41741570	研究论文	本文提出了一种结合快速傅里叶变换和颜色度量特征的深度学习技术，用于预测银纳米线网络的薄层电阻	首次将原始高分辨率光学显微镜图像、快速傅里叶变换图像和平均颜色表示结合，通过卷积神经网络预测银纳米线透明电极的薄层电阻，并能评估纳米线分布的非均匀性	未明确说明模型在更广泛材料或不同制备条件下的泛化能力，以及计算资源需求的具体细节	开发一种无损预测银纳米线透明电极薄层电阻的方法，以提升透明导电电极技术在柔性电子等领域的应用	银纳米线网络的薄层电阻及其分布非均匀性	计算机视觉	NA	光学显微镜成像，快速傅里叶变换	CNN	图像	NA	NA	NA	NA	NA
353	2026-04-05	Improving acute lymphoblastic leukemia diagnosis through CBAM-enhanced VGG19 deep learning 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40184-4 PMID:41741572	研究论文	本研究提出了一种结合注意力机制的深度学习框架，用于从骨髓显微图像中自动检测和分型急性淋巴细胞白血病	将卷积块注意力模块（CBAM）与VGG19主干网络结合，构建了混合CBAM-VGG19网络，通过空间和通道维度分层增强关键形态学特征，从而提升特征提取能力和分类精度	缺乏外部验证且数据集规模较小，限制了其临床适用性	开发一种自动化的深度学习方法来改进急性淋巴细胞白血病的诊断和亚型分类	骨髓显微图像，包括健康样本和急性淋巴细胞白血病样本	数字病理学	急性淋巴细胞白血病	显微成像	CNN	图像	NA	NA	VGG19, CBAM-VGG19	分类准确率	NA
354	2026-04-05	Distinction between primary and metastatic mucinous ovarian carcinoma from histopathology images using deep learning 2026-Feb-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02459-y PMID:41735519	研究论文	本研究开发并验证了MOCOPM深度学习模型，用于从组织病理学图像中区分原发性与胃肠道转移性黏液性卵巢癌	首次开发了专门针对黏液性卵巢癌起源预测的深度学习模型MOCOPM，并在多中心数据中实现了高精度区分	样本量相对有限（仅167例患者），且未提及模型在其他类型转移癌或更广泛人群中的泛化能力	通过深度学习技术提高原发性与转移性黏液性卵巢癌的鉴别诊断准确性	黏液性卵巢癌患者的组织病理学图像	数字病理学	卵巢癌	组织病理学成像	深度学习	图像	167例黏液性卵巢癌患者	未明确提及	未明确提及具体架构（文中提到训练了三种神经网络）	AUROC	未提及
355	2026-02-18	Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus 2026-Feb-16, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07719-4 PMID:41699726	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
356	2026-04-04	scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag095 PMID:41746287	研究论文	本文提出了一种基于深度学习的新型双聚类算法scDBic，用于分析单细胞RNA测序数据，以改善细胞聚类性能并识别关键基因	结合深度自编码器捕获基因表达主要信息，并采用反向策略识别细胞群的关键基因，从而提升聚类性能	未明确提及算法在高维数据中的计算效率或对大规模数据集的扩展性限制	开发一种专门针对scRNA-seq数据的双聚类算法，以更好地捕获细胞异质性并识别关键基因	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	自编码器	基因表达数据	NA	NA	深度自编码器	NA	NA
357	2026-04-04	Graph-based transformer to predict the octanol-water partition coefficient 2026-Feb-27, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01160-2 PMID:41761278	研究论文	本文提出了一种基于微调预训练GraphormerMapper模型的logP预测方法，名为GraphormerLogP，用于准确预测药物分子的亲脂性	首次将预训练的GraphormerMapper模型应用于logP预测，并构建了一个包含42,006个独特SMILES-logP对的大型多样化数据集GLP	未明确提及模型在特定分子类型或复杂结构上的泛化能力限制	开发一种高精度的logP预测方法以支持药物发现与开发	药物分子的亲脂性（logP值）	机器学习	NA	图基深度学习	Transformer	分子图（SMILES表示）	总计55,694个分子（GLP数据集42,006个，基准数据集13,688个）	PyTorch	GraphormerMapper	平均绝对误差	NA
358	2026-04-04	BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins 2026-Feb-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02508-8 PMID:41749211	研究论文	本研究提出了一种名为BiToxNet的深度学习框架，通过整合来自蛋白质大语言模型的进化嵌入和十种手工生化描述符，利用双线性注意力网络实现多模态特征融合，用于准确识别神经毒性肽和蛋白质	BiToxNet通过双线性注意力网络（BAN）有效整合进化嵌入和手工生化特征，实现了跨模态交互和残基级依赖性的建模，显著提升了神经毒性预测的准确性和泛化能力	未明确提及具体局限性，但现有计算方法通常受限于浅层特征工程和多模态融合策略的不足	开发一个准确预测肽和蛋白质神经毒性的计算框架，以支持蛋白质治疗药物的安全性评估和蛋白质药物开发	神经毒性肽和蛋白质	自然语言处理	NA	蛋白质大语言模型	深度学习	序列数据	三个不同序列长度的数据集：蛋白质数据集、肽数据集和组合数据集，以及一个外部不平衡数据集	NA	双线性注意力网络（BAN）	准确率	NA
359	2026-04-04	Decoding cardiovascular risk in Chinese middle-aged and elderly adults: a 9-year prospective study integrating machine learning with explainable AI based on CHARLS cohort 2026-Feb-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03389-1 PMID:41749231	研究论文	本研究基于中国健康与养老追踪调查队列数据，结合机器学习与可解释人工智能技术，开发并验证了一个针对中国中老年人群的心血管疾病长期风险预测模型	首次将可解释人工智能技术（SHAP）与机器学习算法（梯度提升机）相结合，针对中国中老年人群开发心血管疾病风险预测模型，实现了预测准确性与临床可解释性的平衡	模型重要性分析反映的是统计贡献而非因果关系，且需要独立队列的外部验证才能确立普适性	开发并验证一个针对中国中老年人群的心血管疾病长期风险预测模型	中国中老年人群（年龄≥45岁）	机器学习	心血管疾病	队列研究，机器学习	梯度提升机，以及包含线性、非线性、集成学习和深度学习在内的12种算法	纵向队列数据	8080名参与者完成9年随访，其中训练队列5699人	未明确说明	未明确说明	AUC，特异性，阳性预测值，敏感性	NA
360	2026-04-04	Integration of fairness-awareness into clinical language processing models 2026-Feb-24, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01433-9 PMID:41731014	研究论文	本研究评估了从临床文本预测种族时模型的性能和公平性，并探讨了将公平性意识整合到临床语言处理模型中的方法	提出了一种两阶段主动学习框架来指导注释，并应用公平性感知损失函数以减轻不同种族群体间的差异，同时比较了多种深度学习模型在公平性优化下的表现	公平性干预措施高度依赖于模型类型，某些模型在应用公平性约束后性能下降或倾向于多数预测，且种族、性别和年龄间的持续差异表明算法偏见反映了上游文档记录的不平等	评估临床人工智能系统在预测种族时的模型性能和公平性，以促进其在多样化患者群体中的公平部署	临床文本数据，特别是来自初级保健数据库的电子健康记录	自然语言处理	NA	深度学习，主动学习	transformer-based deep learning models, hierarchical convolutional neural network	文本	NA	NA	transformer, hierarchical convolutional neural network	macro F1, accuracy, performance equity	NA