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
381	2026-04-19	Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02455-2 PMID:41714822	研究论文	开发并外部验证了一个用于自动化测量颈椎矢状面参数的分层深度学习流程，专门处理侧位X光片中C7椎体被遮挡的问题	提出了一种结合全局关键点检测器和基于多层感知机定位的C2/C7专家模型的粗到细分层流程，能有效校正C7遮挡导致的全局模型大误差	未明确说明模型在更广泛人群或不同成像设备中的泛化能力，以及计算效率的详细评估	开发一个在真实世界条件下可靠、可推广的颈椎对齐评估自动化工具	颈椎侧位X光片	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	5604张图像用于训练，并在内部和外部队列（C7遮挡率82%）进行测试	未明确指定	多层感知机，结合了全局关键点检测器和局部专家模型	组内相关系数，平均绝对误差，一致性界限	NA
382	2026-02-14	Multi-view deep learning for automated lymphoma staging from 18F-FDG PET/CT: physician-level accuracy with high-throughput workflow 2026-Feb-13, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01357-w PMID:41686381	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
383	2026-04-18	A novel lightweight hybrid CNN-ViT for maize leaf disease classification 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41190-2 PMID:41741594	研究论文	本文提出了一种新型轻量级混合CNN-ViT模型，用于玉米叶部病害分类	提出了一种受混合专家架构启发的轻量级混合模型，该模型集成了CNN和ViT组件，能够根据输入特征自适应地强调局部或全局特征	未明确说明模型在跨环境或不同光照条件下的泛化能力，也未讨论模型在移动设备上的实际部署性能	开发一种适用于实际农业部署的高性能、轻量级玉米病害自动诊断方法	玉米植株图像，特别是玉米叶部病害	计算机视觉	植物病害（玉米叶部病害）	深度学习，计算机视觉	CNN, ViT, 混合模型	图像	未明确说明具体样本数量，但提到使用了新颖的真实世界全玉米植株图像数据集	未明确说明	混合CNN-ViT架构（具体架构未命名），对比了MobileViT, PiT, EdgeNeXt, DeiT	分类准确率	未明确说明
384	2026-02-24	Enhancing deep learning based multi-parameter fire detection by training on simulated and combustion experimental dataset 2026-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39191-2 PMID:41724743	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
385	2026-04-14	Multi-resolution adaptive channel fusion transformer encoder LSTM for accurate streamflow prediction 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40713-1 PMID:41723217	研究论文	提出一种多分辨率自适应通道融合Transformer编码器LSTM混合架构，用于提高单变量时间序列的径流预测准确性和可解释性	通过构建伪多变量输入（包括滞后观测、统计摘要和季节指标），并利用自适应注意力机制动态融合多尺度时间模式，结合Transformer编码器和LSTM进行预测，显著提升了预测性能	未明确提及模型在极端天气事件或高度非线性水文系统中的泛化能力限制	提高径流预测的准确性，以支持水资源管理和洪水缓解	单变量时间序列径流数据	机器学习	NA	NA	Transformer, LSTM	时间序列数据	三个基准径流数据集	NA	Transformer编码器, LSTM	RMSE, R²	NA
386	2026-04-14	Comparative study of wavelet transform and Fourier domain filtering for medical image denoising 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40594-4 PMID:41723236	研究论文	本文对医学图像去噪中的小波变换和傅里叶域滤波方法进行了比较研究	首次系统比较了八种小波族与十二种阈值函数、四种阈值选择规则在不同医学噪声类型下的性能，并对比了最佳小波配置与基于块的离散傅里叶余弦变换方法	研究仅针对CT图像，未涵盖其他医学影像模态；未考虑深度学习方法的对比	比较传统变换域方法在医学图像去噪中的性能，特别是小波变换与局部傅里叶方法的相对效果	受高斯、均匀、泊松和椒盐噪声污染的CT图像	计算机视觉	NA	图像去噪	NA	图像	未明确指定样本数量，但使用了CT图像数据集	NA	NA	PSNR	NA
387	2026-04-14	Integrating multi-scale convolution and attention mechanisms in HybridHAR for high-performance human activity recognition 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40904-w PMID:41723255	研究论文	提出了一种名为HybridHAR的新型深度学习模型，用于解决人类活动识别中多尺度时序模式捕获和深度网络特征传播的挑战	整合了并行多尺度CNN结构、残差注意力机制与通道特征融合、以及带有辅助分类的深度监督模块	NA	提高传感器数据的人类活动识别准确率	人类活动识别	机器学习	NA	NA	CNN, 注意力机制	传感器数据	UCI HAR数据集	NA	HybridHAR	准确率	NA
388	2026-04-14	Research on enhancing short-term wind power forecasting through feature fusion in a hybrid deep learning framework 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40689-y PMID:41714723	研究论文	本文研究了一种混合深度学习模型TCN-SENet-BiGRU-Global Attention，通过特征融合提升短期风电功率预测的准确性	提出了一种结合TCN、SENet、BiGRU和全局注意力机制的多层次特征提取架构，以更好地捕捉风电的非线性和复杂时间特性	NA	提高短期风电功率预测的准确性，以支持电网稳定和可持续运行	风电功率数据	机器学习	NA	NA	TCN, SENet, BiGRU, Global Attention	时间序列数据	来自风电场的多个真实世界数据集	NA	TCN-SENet-BiGRU-Global Attention	预测误差	NA
389	2026-04-14	Characterising processing conditions that artifactually bias human brain tissue transcriptomes 2026-Feb-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68872-9 PMID:41702898	研究论文	本研究通过分析不同死后处理时间的人脑组织转录组，鉴定并表征了因处理条件（时间和温度）引入的人工假象基因，并开发了一个深度学习工具来预测这种假象信号	首次系统性地鉴定了人脑组织在死后处理过程中产生的人工假象基因（BAGs），并揭示了不同细胞类型（谷氨酸能神经元和少突胶质细胞）对假象的响应时序差异，进而开发了可量化假象程度的深度学习预测工具TTRUTH	研究主要基于成人脑组织，未涵盖发育中或衰老脑组织；假象基因的鉴定依赖于“立即提取”组织作为金标准，其获取本身具有挑战性；深度学习模型的泛化能力需要在更多独立数据集中验证	表征和量化人脑组织在死后处理过程中因时间和温度条件引入的转录组假象，以提高脑转录组数据的标准化和解释能力	成人人脑组织	计算生物学	NA	RNA-seq, 单核RNA测序	深度学习	转录组测序数据	涉及立即提取（<0小时）、短死后间隔（~6小时）和长死后间隔（~36小时）的人脑组织样本	NA	NA	NA	NA
390	2026-04-14	Risk Prediction of Chronic Kidney Disease Progression in Type 2 Diabetes Mellitus Across Diverse Populations 2026-Feb-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02439-2 PMID:41699026	研究论文	本研究开发了基于深度学习的预后模型，用于预测2型糖尿病患者慢性肾病进展的风险	利用大规模纵向电子健康记录数据，构建了适用于亚洲人群的深度学习预后模型，并通过外部验证证实了其泛化能力	模型主要基于香港地区数据开发，尽管进行了外部验证，但在其他种族或地区的适用性仍需进一步研究	开发个体化的慢性肾病进展风险预测工具，以支持早期风险分层和个性化干预	2型糖尿病患者的慢性肾病进展	机器学习	慢性肾病	电子健康记录分析	深度学习	临床数据、生化数据、处方历史数据	569,680名个体（来自香港165家公共医疗机构），并在UK Biobank和CHARLS队列中进行外部验证	NA	NA	AUC	NA
391	2026-04-14	A deep learning model integrating structured data and clinical text for predicting atrial fibrillation recurrence 2026-Feb-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02436-5 PMID:41699044	研究论文	本研究开发了一种整合结构化数据和临床文本的双分支深度学习模型，用于预测心房颤动消融术后的复发风险	首次提出一种结合1D ResNet处理结构化数据和多种大型语言模型（LLaMA-7B, Phi2-2.7B, Mistral-7B, MedGemma-27B）编码临床文本的双分支深度学习框架，用于预测AF复发，其中采用MedGemma提取文本特征的模型表现最佳	研究为多中心回顾性研究，可能存在选择偏倚；未在外部独立队列中进行验证；未详细说明模型的可解释性	开发并验证一个整合多模态围手术期数据的深度学习模型，以预测心房颤动消融术后的复发风险	接受心房颤动消融术的患者	自然语言处理, 机器学习	心血管疾病	NA	深度学习, 大型语言模型	结构化数据, 临床文本	2508名来自中国五家医疗中心的患者（训练队列、验证队列和测试队列）	NA	1D ResNet, LLaMA-7B, Phi2-2.7B, Mistral-7B, MedGemma-27B	AUC	NA
392	2026-04-12	A device-invariant multi-modal learning framework for respiratory disease classification 2026-Feb-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02445-4 PMID:41748911	研究论文	本文提出了一种设备无关的多模态深度学习框架，用于联合分析咳嗽声学、人口统计学数据和症状描述，以实现成人呼吸系统疾病的多标签分类	提出了一种嵌入对抗分支的音频编码器以实现设备无关的特征学习，并结合不变风险最小化增强损失以提高对非结构性偏移的鲁棒性	NA	开发一种可扩展且可转移的基于AI的咳嗽驱动呼吸系统筛查方法，以推进临床适用性	成人呼吸系统疾病	机器学习	呼吸系统疾病	咳嗽声分析	深度学习	音频, 人口统计学数据, 文本	超过10,000个病例，涵盖七种主要呼吸系统疾病	NA	NA	AUROC	NA
393	2026-04-12	Explainable deep learning framework incorporating medical knowledge for insulin titration in diabetes 2026-Feb-26, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01449-1 PMID:41748914	研究论文	本文提出了一种结合医学知识的可解释深度学习框架，用于糖尿病胰岛素剂量调整	引入专家引导的可解释人工智能框架，结合Shapley Taylor交互指数捕获特征交互影响，并通过医生在环过程编码临床约束以对齐医学专业知识	研究主要基于两个电子健康记录队列，样本量相对有限，且外部验证数据集规模较小	提高深度学习模型在糖尿病胰岛素剂量调整中的透明度和可信度	2型糖尿病住院患者	机器学习	糖尿病	电子健康记录分析	深度学习模型	电子健康记录	内部数据集1,275名住院患者，外部数据集292名患者	NA	NA	胰岛素剂量调整准确性	NA
394	2026-02-26	Performance comparison and future perspectives of deep learning and classical machine learning in bone tumor applications: a systematic review (2019-2025) 2026-Feb-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03401-8 PMID:41735994	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
395	2026-04-12	Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals 2026-Feb-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02318-2 PMID:41652030	研究论文	本研究开发了一种深度学习模型，用于筛查非洲裔人群中的原发性开角型青光眼（POAG）	针对非洲裔人群开发了首个基于深度学习的POAG筛查模型，并成功在亚洲裔数据集上进行跨种族验证	模型在非洲裔人群中的训练数据可能仍存在代表性不足的问题，且跨种族验证仅在一个外部数据集上进行	开发一种人工智能模型，用于在非洲裔人群中筛查原发性开角型青光眼	非洲裔人群中的POAG患者和健康对照者	计算机视觉	青光眼	眼底摄影	深度学习	图像	64,129张图像（来自1,782例病例和682例对照）	NA	Vision-Transformer	AUC	NA
396	2026-04-11	Design and implementation of a deep learning framework for automated crop classification and health diagnosis in precision agriculture 2026-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42151-5 PMID:41764261	研究论文	本文提出了一种用于精准农业中自动化作物分类与健康诊断的三阶段深度学习框架	开发了一种融合宏观卫星影像与微观无人机及物联网传感器数据的多模态深度学习架构，以提高诊断可靠性	NA	实现作物健康状态的自动化分类与诊断，支持精准农业决策	玉米、马铃薯、小麦等农作物	计算机视觉	NA	多模态数据采集（无人机、卫星、传感器）	CNN	图像（卫星影像、无人机图像）、传感器数据	多源农业数据集（采用70%训练、15%验证、15%测试的划分协议）	NA	CNN	准确率	NA
397	2026-04-11	Future-aware blood glucose forecasting using knowledge distillation with transformer-based sequence-to-sequence models 2026-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41787-7 PMID:41764313	研究论文	本研究提出了一种利用知识蒸馏和Transformer序列到序列模型的未来感知血糖预测框架，以解决传统方法无法利用未来扰动信息的问题	提出了一个未来感知学习框架，在训练时利用特权信息（未来扰动），通过知识蒸馏使学生模型在推理时仅基于历史数据就能近似教师模型的性能，从而在保持部署可行性的同时提升预测准确性	未明确讨论模型在不同类型糖尿病患者或不同临床场景下的泛化能力，也未详细分析计算复杂度和实时推理延迟	开发一种能够在现实部署约束下（无法获取未来扰动信息）实现准确多步血糖预测的深度学习框架	1型糖尿病患者的连续血糖监测数据及相关扰动信息（胰岛素输送和进食）	机器学习	糖尿病	连续血糖监测	Transformer, 序列到序列模型	时间序列数据	基于公开数据集OhioT1DM和AZT1D（具体样本数量未在摘要中说明）	未明确说明	Transformer	均方根误差, 平均绝对误差, Clarke误差网格分析	未明确说明
398	2026-04-11	metaRLK 2.0: An updated database of plant receptor-like kinases developed with structure- and deep learning-based functional annotation and classification 2026-Feb-24, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101781 PMID:41742654	研究论文	本文介绍了metaRLK 2.0，一个基于结构和深度学习功能注释与分类的植物受体样激酶更新数据库	整合大规模结构注释、折叠分类、网络分析和语义功能推断，识别了677种不同结构域类型，新增了70个RLK家族，并预测了50个与植物细胞壁相关过程关联的家族	未明确提及具体局限性，但可能包括数据覆盖范围或深度学习模型的泛化能力限制	开发一个结构增强的植物受体样激酶资源，以探索RLK多样性、进化和结构-功能关系	植物受体样激酶（RLKs），涵盖508个植物物种的311,581个RLK	机器学习	NA	结构注释、深度学习	NA	结构数据、序列数据	311,581个RLK来自508个植物物种	NA	NA	NA	NA
399	2026-01-17	Correction: Quality assessment of colour fundus and fluorescein angiography images using deep learning 2026-Feb-19, The British journal of ophthalmology DOI:10.1136/bjo-2022-321963corr1 PMID:41535099	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
400	2026-04-11	Drug-Target Interaction Prediction with PIGLET 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.18.706530 PMID:41756919	研究论文	本文提出了一种名为PIGLET的新型图变换器方法，用于预测药物-靶点相互作用，该方法基于蛋白质组范围内的知识图谱进行操作	创新点在于使用图变换器方法处理结合口袋相似性、蛋白质-蛋白质相互作用、药物相似性和已知结合关系的知识图谱，而非传统的一维或三维表示嵌入方法	NA	预测药物-靶点相互作用以辅助计算药物开发	药物和靶点蛋白质	机器学习	NA	图变换器方法	Transformer	图数据（知识图谱）	Human数据集	NA	图变换器	NA	NA