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	2026-05-16	Deep learning ensemble models for CT-based differentiation of malignant and benign sacral bone tumors: development and evaluation 2026-Mar-03, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02220-9 PMID:41774326	研究论文	开发并评估一种集成深度学习模型，用于基于非对比CT图像的骶骨肿瘤良恶性鉴别	首次将3D-DenseNet121与放射科医师解读相结合的集成深度学习模型，用于骶骨肿瘤的术前区分，显著提升了各经验水平放射科医师的诊断性能，尤其是初级医师	NA	开发能术前区分良恶性骶骨肿瘤的集成深度学习模型，提升放射科医师诊断效率	骶骨肿瘤的良恶性鉴别	计算机视觉	骶骨肿瘤	非对比CT成像	深度学习集成模型	CT图像	569例骶骨病变患者的术前非对比CT扫描数据，来自三个中心	NA	3D-DenseNet121	精确率、召回率、准确率、AUC、F1分数、混淆矩阵	NA
342	2026-05-16	Interictal Epileptiform Discharge Detection Using Dual-Domain Features and GAN 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3605257 PMID:40911454	研究论文	提出一种基于双域特征和生成对抗网络的痫样放电自动检测方法	融合卷积层和Transformer捕捉局部和长期依赖，利用三维张量嵌入通道拓扑提取空间特征，并开发基于Transformer的GAN进行数据增强	数据稀缺性仍需依赖生成数据，且多标签分类的敏感性和精度尚有提升空间	实现自动化、高精度的痫样放电检测	脑电图（EEG）中的痫样放电信号	机器学习	癫痫	脑电图（EEG）信号采集	CNN, Transformer, LSTM, GAN	时序信号（EEG数据）	两个数据集：增广后的数据集1和数据集2（具体样本数未明确）	PyTorch	卷积层、Transformer、LSTM、基于Transformer的GAN	准确率、敏感性、精确度	NA
343	2025-11-08	Correction to "Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning" 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70172 PMID:41198582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
344	2026-04-04	A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515929 PMID:41536212	研究论文	本研究提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore	首次利用变分自编码器（VAE）构建潜在空间，通过计算患者与健康对照在潜在空间中的距离来量化免疫防御功能，建立了跨疾病免疫防御评估的定量标准	研究样本主要集中于特定免疫状态和感染性疾病，可能未涵盖所有免疫相关疾病或人群，且模型在更广泛临床环境中的泛化能力需进一步验证	开发一种定量评估个体抗感染免疫防御功能的方法，并应用于临床预后和疾病严重程度评估	免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者	机器学习	感染性疾病	RNA-seq	VAE	RNA-seq数据	3202个样本	NA	变分自编码器（VAE）	分类准确率	NA
345	2026-05-16	Generating Dynamic Structures Through Physics-Based Sampling of Predicted Inter-Residue Geometries 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518469 PMID:41566646	研究论文	提出trRosettaX2-Dynamics方法，通过基于物理的迭代采样预测的残基间几何分布，生成蛋白质动态结构	将深度学习预测与基于物理的迭代采样相结合，无需先验知识即可生成蛋白质替代构象和动态结构	未明确说明	解决蛋白质替代构象和动态结构预测的未解难题	蛋白质动态结构	机器学习	NA	NA	Transformer	蛋白质结构数据	约7000个动态NMR结构用于微调	NA	Transformer	NA	NA
346	2026-05-16	Machine Learning Discovery of Record-Low Lattice Thermal Conductivity in Double Perovskites 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515766 PMID:41701522	研究论文	提出深度学习原子间势能模型Elemental-SDNNFF，结合主动学习框架，高效预测双钙钛矿的声子特性并筛选出具有超低晶格热导率的材料	首次使用深度学习原子间势能结合玻尔兹曼输运方程对9709种立方双钙钛矿进行高通量声子特性预测，发现CsHgPtCl6具有室温下各向同性块体材料最低的晶格热导率（0.071 W/mK）	未提及模型的泛化能力及在其他材料体系中的适用性，且四声子散射计算可能增加计算成本	开发高效机器学习框架，快速筛选动态稳定双钙钛矿并准确预测其晶格热导率，寻找热电和隔热应用候选材料	9709种立方双钙钛矿结构	机器学习	NA	密度泛函理论计算, 深度学习原子间势能, 玻尔兹曼输运方程, 分子动力学模拟	深度学习原子间势能模型（Elemental-SDNNFF）	计算物理量（力、声子特性、晶格热导率）	9709种双钙钛矿结构（1597种动态稳定候选材料）	NA	元素特异性深度神经网络（Elemental-SDNNFF）	晶格热导率	NA
347	2026-05-16	Pathomics Signature for Prognosis and CA19-9 Interception in Pancreatic Ductal Adenocarcinoma: A Real-Life, Multi-Center Study 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515952 PMID:41556438	研究论文	利用深度学习分析H&E全切片图像，构建胰腺导管腺癌预后模型并验证其临床价值	首次大规模多中心验证CrossFormer架构在PDAC预后中的优越性，揭示CA19-9仅对低风险患者有预后价值	未提及具体局限性	开发并验证基于深度学习的自动化预后模型，实现个性化治疗策略	胰腺导管腺癌患者的H&E染色全切片图像和临床数据	数字病理学	胰腺导管腺癌	H&E染色全切片成像	深度学习模型（CrossFormer、ResNet、DenseNet）	图像（全切片图像）	873名接受手术切除的PDAC患者，来自三个学术中心	NA	CrossFormer, ResNet-18, ResNet-50, DenseNet-121	AUC（曲线下面积）	NA
348	2026-05-16	Foundation Model-Enabled Multimodal Deep Learning for Prognostic Prediction in Colorectal Cancer with Incomplete Modalities: A Multi-Institutional Retrospective Study 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202510931 PMID:41556415	研究论文	提出一种名为FLARE的多模态深度学习框架，整合病理图像、放射影像和临床文本报告，用于结直肠癌生存和进展的精准预后预测	利用基础模型实现高效特征提取，采用基于注意力的多分支框架增强模态间的协同性和独特性，并引入多样性促进损失函数；通过模态和缺失感知提示、伪嵌入及模态级增强策略有效处理缺失数据问题	作为回顾性研究，可能受限于数据集的选择偏差；未来需进一步在前瞻性临床环境中验证其有效性	提供精准的结直肠癌预后预测工具，优化个性化治疗策略并改善患者预后	来自四个独立临床中心的1679名结直肠癌患者的病理图像、放射影像和临床文本报告	机器学习, 数字病理学	结直肠癌	NA	深度学习	图像, 文本	1679例结直肠癌患者	PyTorch	基于注意力的多分支框架	一致性指数(C-index), Kaplan-Meier分析	NA
349	2026-05-16	Hybrid deep learning with protein language models and dual-path architecture for predicting IDP functions 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag126 PMID:41921197	研究论文	提出混合深度学习模型IDPFunNet，结合蛋白质语言模型和双路径架构，用于预测内在无序蛋白质功能	首次将卷积神经网络、双向LSTM、残差MLP与蛋白质语言模型ProtT5融合，采用双路径架构解耦结合预测与DFL识别，在多任务学习和跨数据集泛化上取得显著提升	自注意力机制在核酸结合预测中潜力待验证，且当前模型对某些功能子类的区分能力仍依赖特定架构	开发一种可解释且泛化的框架，用于全面映射内在无序蛋白质的功能类别	内在无序区域（IDRs）的六种功能类别：五种结合亚型和无序柔性连接区（DFLs）	机器学习	NA	蛋白质语言模型（ProtT5）	混合深度学习模型（CNN、双向LSTM、残差MLP）	蛋白质序列	六个独立基准数据集，包括CAID2/3盲测集，具体样本量未明确说明	PyTorch	CNN、双向LSTM、残差MLP、ProtT5、自注意力机制	AUC、平均精度（APS）、p值	未明确提及，但提供网络服务器和独立软件包
350	2026-05-15	TCMNet: an AI-driven strategy for optimizing traditional Chinese medicine 2026-Mar-31, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-026-01360-w PMID:41918015	研究论文	提出了一种名为TCMNet的AI驱动策略，用于优化传统中药配方评估和活性化合物识别	创新性地将大语言模型（LLM）辅助的疾病知识挖掘、加权蛋白质互作网络与深度学习结合，首次引入节点权重整合到PPI网络中优化中药配方评估	未明确说明研究局限性，但从方法看可能依赖PD单一案例、文献质量和LLM提取偏差	开发一个AI驱动的自动化策略，克服传统中药配方设计中主观性和目标权重不足的局限	帕金森病（PD）及相关经典中药方剂（天麻钩藤饮、六味地黄丸、牵正散、大补阴丸）、优化方平颤颗粒及与左旋多巴的联合方案	自然语言处理, 机器学习	帕金森病	大语言模型, 蛋白质互作网络, 深度学习	大语言模型, 深度学习模型	文本, 蛋白质互作网络数据, 化合物结合概率数据	4种经典中药方剂、1种优化颗粒、1种单味药（银杏叶）及联合方案	NA	TCMChat（LLM）, Boltz-2（深度学习模型）	目标覆盖率, Jaccard相似度, 加权邻近度, Z分数	NA
351	2026-05-15	3d elastic-modulus imaging using ultrasound linear arrays and efficient data-driven training strategies 2026-Mar-30, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02056-8 PMID:41910792	研究论文	提出一种利用超声线阵探头和自动渐进法进行三维弹性模量成像的方法，并设计了高效的数据驱动训练策略	创新性地运用数据驱动的自动渐进（AutoP）机器学习技术，结合浅层神经网络和特定测量数据，替代传统的深度学习技术，并通过序列压缩平面测量实现三维体变形的快速建模	实验限制会减慢学习过程，并最终限制模量图像的对比度和空间分辨率	开发基于超声的软组织弹性模量三维成像技术	超声线性阵列换能器与仿体组织	机器学习	NA	超声弹性成像	浅层神经网络	力-位移测量数据	仿体研究	NA	浅层神经网络	图像对比度，空间分辨率	NA
352	2026-05-15	SODNet: a scale-oriented detection network for efficient UAV-based sewage outfall detection 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45595-x PMID:41888208	研究论文	提出一种面向无人机的高效污水排放口检测网络SODNet，解决多尺度目标检测与轻量模型部署的挑战	通过ECFPN增强多尺度特征表示，共享解耦头结合MSGF模块提升特征提取并降低计算成本，采用通道剪枝压缩模型提升推理速度	未提及具体局限，但可能依赖特定无人机平台和训练数据分布	实现高精度且轻量化的无人机视频污水排口检测方法	河流污水排放口	计算机视觉	NA	NA	深度学习	图像	未明确样本数量，涉及无人机采集的河水排放口图像	PyTorch	SODNet（含ECFPN、共享解耦头、MSGF模块）	AP@50，精确率，参数量，GFLOPs，FPS	边缘计算设备（型号未具体说明），40.3 FPS
353	2026-05-15	MAGNet: enhancing action recognition with multimodal fusion and adaptive graph convolution 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45601-2 PMID:41888423	研究论文	提出一种基于多模态自适应图卷积网络（MAGNet）的人体动作识别模型，通过融合自适应图卷积和跨模态自注意力机制增强多模态数据处理能力	融合自适应图卷积与跨模态自注意力机制，动态调整每个模态的贡献以应对数据缺失；引入VQ-VAE生成模型生成解剖学一致的人体姿态特征	NA	提高人体动作识别在多模态数据融合、复杂环境鲁棒性及数据缺失条件下的准确性	人体动作识别任务	计算机视觉	NA	NA	图卷积网络（GCN）、跨模态自注意力机制、VQ-VAE生成模型	多模态数据	NTU RGB+D数据集和UTD-MHAD数据集	PyTorch	自适应图卷积网络（MAGNet）、VQ-VAE	准确率（Accuracy）	NA
354	2026-05-15	ResSeMo: deep convolutional neural network integration for high-accuracy waste classification and efficient processing 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45814-5 PMID:41888559	研究论文	提出一种基于多模块协同优化的轻量级垃圾分类模型ResSeMo，实现高精度分类与高效处理	融合ResNeXt多尺度特征提取、SENet通道注意力机制与MobileNetV3轻量化设计，提升分类精度、降低计算开销并增强复杂背景鲁棒性	未提及在更大规模或更多样化实际场景中的泛化能力及与其他先进模型的横向对比	解决传统垃圾分类方法效率与精度不足的问题，实现智能垃圾分类系统优化	城市生活垃圾图像分类与处理	计算机视觉	NA	NA	CNN	图像	TrashNet和TACO两个公开数据集，具体样本量未提及	PyTorch	ResNeXt, SENet, MobileNetV3	准确率, 抗干扰稳定性（高斯噪声、随机模糊下的精度下降）	NA
355	2026-05-15	Optimized Lightweight U-Net and YOLACT framework for multi-disease severity detection in pome fruit leaves 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45947-7 PMID:41888567	研究论文	提出了一种优化的轻量级U-Net和YOLACT框架，用于仁果叶片多病害严重程度检测	首次提出一种双模型深度学习框架，结合轻量级Lite-U-Net和增强Lite-YOLACT，并引入新的多病害严重程度量表，以处理同一叶片上的多种共存感染	依赖专门标注的仁果叶片数据集，泛化能力可能受限于其他作物或真实场景；未提及计算资源的详细需求或模型在移动设备上的部署可行性	实现仁果叶片多病害严重程度的自动检测与分类，提升作物健康监测的效率和准确性	仁果叶片（如苹果和梨叶片），包含多种病害类型和严重程度标注	计算机视觉	植物病害	深度学习	CNN	图像	未在标题和摘要中明确说明样本数量	PyTorch	MobileNetV2, Lite-U-Net, Lite-YOLACT	准确率	NA
356	2026-05-15	Psychological-physical synergy of athletes based on artificial intelligence and deep learning 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45920-4 PMID:41882073	研究论文	本研究提出了图注意力-贝叶斯时序网络（GABT-Net），用于从多模态生理信号准确监控运动员心理状态	创新性地将图注意力网络用于构建多源生理信号的瞬时协同关系，并引入贝叶斯Transformer通过蒙特卡洛Dropout技术实现不确定性量化，解决了现有深度学习方法缺乏协同建模和预测结果不可靠的问题	未在摘要中明确提及限制	解决从多模态生理信号准确可靠监控个体心理状态的挑战	运动员的心理和生理协同状态	机器学习	NA	NA	图注意力网络，贝叶斯Transformer	多模态生理信号	使用WESAD公开数据集，具体样本量未说明	PyTorch	GABT-Net（图注意力-贝叶斯时序网络）	准确率，宏平均F1得分，期望校准误差	NA
357	2026-05-15	Spatial-temporal graph neural network with autoencoder pretraining for intrusion detection in healthcare IoT ecosystems 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45041-y PMID:41882266	研究论文	提出一种结合自编码器预训练和时空图神经网络的方法，用于医疗物联网环境中的入侵检测	创新性地将自编码器无监督预训练与时空图神经网络结合，以同时捕获设备间空间依赖和时间动态，有效应对类别不平衡和罕见入侵类别问题	未明确讨论局限性	开发一种针对医疗物联网生态系统的高效入侵检测方法，提升检测准确性和泛化能力	医疗物联网设备间的网络流量数据	机器学习	不适用	不适用	空间-时间图神经网络（ST-GNN）、自编码器	网络流量数据	使用了IoT Healthcare数据集和TON-IoT数据集	NA	自编码器预训练、空间-时间图神经网络	准确率、F1分数、ROC-AUC、宏平均F1	NA
358	2026-05-15	Deep learning image generation technology for enhancing the presentation effect of image art based on artificial intelligence 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45739-z PMID:41882268	研究论文	提出StyleDiffusion-HD框架，结合基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块，提升图像艺术呈现效果	创新性融合风格注入注意力的潜在扩散模型实现文本与视觉风格的双模态精确控制，并引入基于流匹配的超分辨率模块在提升分辨率的同时保持风格一致性	未明确说明，但从研究内容推断可能包括多源艺术数据集的质量和多样性有限，以及主观评价存在个体差异	解决AI图像生成技术在艺术创作中风格控制不准、分辨率有限及超分辨率处理中艺术纹理丢失的问题	多源高质量艺术数据集中的图像	计算机视觉	NA	深度学习，潜在扩散模型，风格注入注意力，流匹配	潜在扩散模型，超分辨率模型	图像	使用多源高质量艺术数据集，具体数量未说明	NA	StyleDiffusion-HD（包含基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块）	Fréchet Inception Distance (FID)， CLIP Score (CS)， Style Loss (SL) 及主观美学评分	NA
359	2026-05-15	Boosting foundation models for rare eye disease diagnosis via a multimodal text-to-image generative framework 2026-Mar-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02560-2 PMID:41872533	研究论文	提出EyeDiff生成式基础模型，从文本描述合成保留病灶的眼科图像，用于提升罕见眼病诊断准确性	首次将文本到图像生成基础模型用于罕见眼病数据增强，通过多模态生成方式提升不同基础模型诊断性能	未讨论生成图像在真实临床环境中的验证结果，可能存在的模式坍塌风险需进一步评估	解决罕见眼病诊断中数据稀缺和类别不平衡问题	多种视网膜疾病（常见与罕见）的跨模态眼科影像	计算机视觉, 自然语言处理	视网膜疾病	文本到图像生成	扩散模型	图像, 文本	11个全球来源数据集	PyTorch	基础模型（包含模态特定、多模态、视觉语言基础模型）	客观指标, 专家人工评估	NA
360	2026-05-15	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	提出一种基于深度学习的两步半自动化框架，在脑部MRI上通过眼眶定位和分类检测脉络膜转移瘤	采用YOLOv5架构进行眼眶定位，结合进化策略的小样本训练方法解决二分类问题，提高小病变检出率	数据集较小（仅33例正常和33例含脉络膜转移瘤样本），且模型无法区分左右眼眶导致平均精确率偏低	利用人工智能区分脑部MRI中正常眼眶与脉络膜转移瘤，提高小病变的检测率	97名患者的T2加权脑部MRI轴位切片（共386张）	计算机视觉	脉络膜转移瘤	MRI	YOLOv5, CNN	图像（脑部MRI轴位切片）	97名患者（386张切片）用于定位网络；66名患者（33例正常+33例转移瘤）用于分类网络	PyTorch	YOLOv5, 进化策略训练的卷积神经网络	准确率, 平均精确率（mAP）, AUC, 灵敏度, 特异度	NA