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
701	2026-04-10	Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124220 PMID:41819208	研究论文	本文提出了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习模型，用于预测和识别不同气候区域的干旱动态	整合了多尺度标准化降水指数、气候分区和深度学习模型，用于干旱风险预测，并比较了多种混合模型的性能	未明确说明模型在极端气候事件或数据稀缺区域的泛化能力	开发干旱风险预测模型以支持城市韧性和可持续水治理	巴基斯坦不同气候区域的干旱动态	机器学习	NA	标准化降水指数、气候分区	RNN, LSTM, BiLSTM, CNN-LSTM, SVM	气候数据	NA	NA	RNN, LSTM, BiLSTM, CNN-LSTM	NA	NA
702	2026-04-10	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-03-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究探索了AlphaFold2在采样电压门控钠通道多种构象及评估AlphaFold Multimer在建模钠通道α亚基与其蛋白质伙伴相互作用方面的能力	利用AlphaFold2采样钠通道的多种构象，包括实验未描述的状态和潜在中间态，并首次应用AlphaFold Multimer高精度建模钠通道与辅助β亚基和钙调蛋白的复合物	预测模型仍为假设，需实验数据验证	探索深度学习方法在理解钠通道结构、门控和调控方面的潜力	电压门控钠通道及其与辅助β亚基和钙调蛋白的相互作用	机器学习	NA	冷冻电子显微镜, AlphaFold2, AlphaFold Multimer	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2, AlphaFold Multimer	NA	NA
703	2026-04-10	Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next 2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000821 PMID:41880273	综述	本文综述了人工智能在质子治疗中的应用现状、挑战与未来方向	强调AI在质子治疗中整合异构数据、捕捉复杂临床工作流关系的能力，并区分任务级自动化与工作流级智能	NA	总结人工智能在质子治疗中的当前与新兴应用，并讨论其临床转化面临的挑战	质子治疗中的成像、治疗计划、质量保证、自适应工作流和结果建模	机器学习	NA	NA	机器学习,深度学习	异构数据	NA	NA	NA	NA	NA
704	2026-04-06	A CT-based model integrating deep learning features radiomics and body composition for preoperative prediction of microsatellite instability in colorectal cancer: a multicenter study 2026-Mar-31, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112837 PMID:41935453	研究论文	本研究开发了一种基于增强CT的、融合深度学习特征、影像组学和身体成分的可解释模型，用于术前预测结直肠癌的微卫星不稳定性状态	首次将深度学习特征、影像组学特征和基于身体成分的临床风险因素整合到一个可解释的融合模型中，用于术前无创预测结直肠癌MSI状态，并进行了多中心验证	研究为回顾性设计，需要进一步的前瞻性验证才能常规应用于临床	提高结直肠癌患者术前微卫星不稳定性状态的预测准确性，以指导围手术期治疗和预后评估	接受根治性手术的结直肠癌患者	数字病理学	结直肠癌	增强CT成像	随机森林	医学影像（CT图像）	873名来自三个医疗中心的结直肠癌患者	NA	NA	AUC（曲线下面积）	NA
705	2026-04-06	Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity 2026-Mar-28, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110746 PMID:41911955	研究论文	本研究比较了特征选择和降维方法在基于功能连接性的认知任务解码中的性能	首次系统性地比较了特征选择和降维方法在认知任务解码中的性能，并确定了特征保留与预测准确性之间的“最佳平衡点”	研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性	比较特征选择和降维方法在认知任务解码中的性能，以优化机器学习分类器的预测准确性	功能磁共振成像（fMRI）数据中的功能连接性特征	机器学习	NA	功能磁共振成像（fMRI）	NA	功能连接性数据	两个开源数据集	NA	NA	解码准确性	NA
706	2026-04-06	Clinical Human-Derived Pathogen Signatures Captured by SERS and Deep Learning for Environmental Exposure Risk Assessment 2026-Mar-20, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.5c00365 PMID:41883383	研究论文	本研究开发了一种结合表面增强拉曼光谱（SERS）与卷积神经网络（CNN）的无标记平台，用于评估抗生素耐药细菌（ARB）的环境暴露风险	首次整合SERS与CNN构建了一个包含368个临床尿路分离菌株的光谱数据库，用于ARB暴露评估，并通过SHAP解释增强了模型的可解释性	研究主要依赖临床尿路分离菌株，可能未涵盖所有环境中的病原体多样性，且在实际大规模环境监测中的应用仍需进一步验证	开发一种用于环境微生物污染和抗生素耐药细菌暴露风险评估的快速、准确监测方法	临床尿路分离的病原体（人类来源）以及废水样本和独立尿液标本	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	368个临床尿路分离菌株，并包括废水样本和独立尿液标本进行验证	NA	卷积神经网络（CNN）	分类准确率	NA
707	2026-04-05	CTRNet: a lightweight and efficient deep learning model for field maize whorl identification 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45727-3 PMID:41912746	研究论文	本文提出了一种名为CTRNet的轻量高效深度学习模型，用于田间玉米喇叭口期的玉米心叶识别	通过多尺度上下文交互模块、双通道细粒度特征增强模块、门控自适应信息融合模块以及自适应通道边缘注意力机制，增强了小目标在遮挡和复杂背景下的特征表示	NA	解决田间环境下玉米心叶因目标极小、叶片遮挡频繁、背景复杂及光照动态变化而导致的准确检测难题	田间玉米喇叭口期的玉米心叶	计算机视觉	NA	NA	CNN	图像	NA	NA	CTRNet	mAP@0.5	NA
708	2026-04-05	Identifying microbial protease allergens through protein language model-guided homology 2026-Mar-18, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101510 PMID:41722567	研究论文	本研究利用深度学习与预训练蛋白质语言模型，从宏基因组数据中识别微生物丝氨酸蛋白酶过敏原	首次将蛋白质语言模型与深度学习框架结合，通过保守催化三联体识别低序列同源性的过敏原同源物，突破了传统方法的局限	方法依赖于预训练蛋白质语言模型的表征能力，且实验验证仅针对部分预测结果	开发计算框架以发现微生物来源的新型蛋白酶过敏原	肠道、皮肤和口腔微生物组中的丝氨酸蛋白酶与半胱氨酸蛋白酶	生物信息学, 机器学习	过敏性疾病	宏基因组学, 深度学习, 蛋白质语言模型	深度学习框架, 蛋白质语言模型	蛋白质序列数据, 宏基因组数据	NA	NA	蛋白质语言模型引导的深度学习框架	实验验证（免疫诱导过敏反应）	NA
709	2026-04-05	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults Using Source-Free Domain Adaptation: Algorithm Development and Validation 2026-Mar-18, JMIR aging IF:5.0Q1 DOI:10.2196/79123 PMID:41848218	研究论文	本研究开发并验证了一种基于源自由域适应的算法，用于预测老年人对计算机化认知训练项目的依从性	首次应用源自由域适应技术预测老年人对认知训练项目的日常依从性，解决了数据隐私限制下的模型训练问题	研究依赖于三个先前进行的认知训练干预研究数据，样本来源可能有限	提高预测老年人认知训练项目依从模式的准确性，以开发个性化支持系统促进依从性和改善认知结果	参与计算机化认知训练项目的老年人	机器学习	老年疾病	源自由域适应	深度神经网络	训练数据	来自三个先前认知训练干预研究的数据	NA	NA	NA	NA
710	2026-04-05	DeepTESite: The Prediction of Protein Arginine Methylation Sites Using Amino Acids Sequence Symmetric Position Encodings Based on Transformer Encoder 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3650228 PMID:41477806	研究论文	本文提出了一种基于Transformer编码器的DeepTESite模型，用于预测蛋白质精氨酸甲基化位点，通过引入氨基酸序列对称位置编码和双向多头注意力机制来提高预测准确性和计算效率	首次提出基于甲基化对称假说的氨基酸序列对称位置编码，以减少位置编码计算量，并应用双向多头注意力机制来提取序列和空间信息特征	未明确提及模型在更广泛蛋白质序列或不同甲基化类型上的泛化能力限制	预测蛋白质精氨酸甲基化位点，以揭示甲基化分子机制	蛋白质氨基酸序列	自然语言处理	NA	深度学习	Transformer	序列数据	NA	NA	Transformer编码器	准确率	NA
711	2026-04-05	Real-world diagnostic performance of knee MRI protocols accelerated using simultaneous multi-slice acquisition and deep learning reconstruction 2026-Mar, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05058-2 PMID:41109866	研究论文	评估使用同步多层采集和深度学习重建的加速膝关节MRI协议在检测内部紊乱损伤方面是否不劣于传统并行成像协议	结合同步多层采集和深度学习重建技术加速MRI扫描，并在真实世界临床环境中验证其诊断性能	部分指标未达到严格的非劣效性边界，研究为回顾性队列设计	评估加速膝关节MRI协议的诊断性能	接受膝关节MRI并随后进行关节镜检查的患者	医学影像分析	膝关节损伤	同步多层采集, 深度学习重建, 3T MRI, 二维涡轮自旋回波序列	深度学习重建模型	MRI图像	1055名患者	NA	NA	灵敏度, 特异性, 95%置信区间	NA
712	2026-04-05	Transformer-based deep learning model for real-time prediction of intraoperative hypotension using dynamic time-series vital signs: A retrospective study 2026-Mar, PLoS medicine IF:10.5Q1 DOI:10.1371/journal.pmed.1005024 PMID:41880331	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于利用动态时间序列生命体征实时预测术中低血压，并通过回顾性数据验证其性能	首次将Transformer架构应用于实时术中低血压预测，使用常规可得的连续生命体征时间序列数据而非高分辨率波形数据，并进行了大规模多中心外部验证	研究设计为回顾性，需要前瞻性、多中心验证来确认模型的实时适用性和泛化能力	开发并验证一种能够实时预测术中低血压的深度学习模型，以改善手术期间的患者监护	手术患者	机器学习	心血管疾病	连续生命体征时间序列数据分析	Transformer, XGBoost	时间序列数据	训练集：319,699例手术病例（中国三级医院，2013-2023年）；外部验证集：来自韩国的独立数据集	NA	Transformer	AUC, 召回率, 准确率, 特异性, 预期校准误差	NA
713	2026-04-04	A deep learning-based IoT malware detection approach for electric vehicle charging stations 2026-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45220-x PMID:41917121	研究论文	本文提出了一种基于深度学习的物联网恶意软件检测方法，专门针对电动汽车充电站，通过统一中间表示和多模态特征融合提升检测性能	该方法首次将多CPU架构的opcode统一转换为PCode中间表示，并集成了全局结构特征、统计特征和语义特征，采用动态加权机制和多层编码器进行深度特征融合	未明确说明方法在实时检测场景下的性能表现，也未讨论对新型或未知恶意软件的泛化能力	提高电动汽车充电站中物联网恶意软件检测的准确性和适应性	物联网恶意软件样本，特别是针对电动汽车充电站环境的样本	机器学习	NA	反编译工具，深度学习算法	深度学习模型	二进制灰度图像，PCode中间表示数据	基于公共物联网恶意软件数据集，具体数量未明确说明	NA	多层编码器	F1分数	NA
714	2026-04-04	Multi-scale adaptive fusion network for retinal layer and fluid segmentation in optical coherence tomography B-scans 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44006-5 PMID:41912546	研究论文	本文提出了一种用于OCT B扫描中视网膜层和液体分割的多尺度自适应融合网络	提出了自适应多域融合网络（AMDF-Net），集成了混合光谱-空间变换器（HSST）以有效获取全局和局部特征，并引入了动态注意力融合（DAF）模块和疾病包容性分割（DIS）模块来增强对特定视网膜液体特征的识别和分割精度	未明确说明模型在临床环境中的泛化能力或对不同OCT设备的适应性	改进视网膜疾病的检测，特别是对视网膜层和液体（如积液）的精确分割	光学相干断层扫描（OCT）B扫描图像	计算机视觉	视网膜疾病（如糖尿病性黄斑水肿、年龄相关性黄斑变性、视网膜静脉阻塞）	光学相干断层扫描（OCT）成像	深度学习网络	图像（OCT B扫描）	公开可用数据和实时数据（具体数量未明确）	NA	自适应多域融合网络（AMDF-Net），包含混合光谱-空间变换器（HSST）、动态注意力融合（DAF）模块、疾病包容性分割（DIS）模块	Dice系数, 分类准确率	NA
715	2026-04-04	A unified low-carbon cybersecurity framework integrating energy-efficient intrusion detection, lightweight cryptography, and carbon-aware scheduling for edge-cloud architectures 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44260-7 PMID:41912554	研究论文	本文提出了一种名为GreenShield的统一低碳网络安全框架，集成能效入侵检测、轻量级密码学和碳感知调度，用于边缘-云架构	提出了一种威胁自适应量化机制和碳感知调度控制器，结合知识蒸馏、动态量化、ASCON轻量级密码学和分层联邦学习，实现能效和碳减排的网络安全解决方案	NA	开发一个低碳、能效的网络安全框架，以减少边缘-云计算环境中的能源消耗和碳足迹	边缘-云计算架构中的网络安全系统，特别是入侵检测系统	机器学习	NA	NA	深度学习	网络流量数据	基于UNSW-NB15和CIC-IDS2017数据集进行实验	NA	NA	检测准确率, 能源减少百分比, 碳排放减少百分比, 通信开销减少百分比, 推理能源减少百分比	NA
716	2026-04-04	Detection of DSCP-based traffic prioritization manipulations and their impact on network performance 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44350-6 PMID:41912577	研究论文	本研究采用深度学习模型检测基于DSCP的流量优先级操纵及其对网络性能的影响	首次将CNN、RNN和LSTM的集成方法应用于DSCP操纵检测，实现了99.28%的高准确率	尚未在真实网络环境中部署，缺乏跨网络适应性和模型可解释性	检测DSCP流量优先级操纵并评估其对网络性能的影响	网络流量数据	机器学习	NA	深度学习	CNN, RNN, LSTM	网络流量数据	包含正常和操纵流量模式的标注数据集	NA	CNN, RNN, LSTM	准确率	NA
717	2026-04-01	DengueGNN: Graph-based deep learning for modeling disease spread dynamics and prediction 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43073-y PMID:41912593	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
718	2026-04-04	MetaCAM as an ensemble-based class activation mapping framework improves model explainability 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42879-0 PMID:41912604	研究论文	本文提出了一种基于集成学习的类激活映射框架MetaCAM，用于提升深度学习模型的可解释性	提出MetaCAM框架，通过集成多个现有CAM方法并基于top-k%高激活像素的共识来改进模型解释性能，同时引入自适应阈值处理和Cumulative Residual Effect（CRE）方法来总结大规模集成实验	NA	提高卷积神经网络（CNN）模型预测的可解释性，特别是在医学和生物识别等高关键性领域	类激活映射（CAM）方法及其在图像解释中的应用	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	ROAD（Remove and Debias）	NA
719	2026-04-04	Enhanced swin transformer with dual attention for knee osteoarthritis severity grading from X-ray images 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44174-4 PMID:41912656	研究论文	本研究提出了一种名为Swin-O-NETS的新型混合深度学习框架，用于从膝关节X射线图像中分级骨关节炎的严重程度	结合了改进的Swin Transformer与多头通道自注意力机制以及快速极限学习网络，用于特征提取，实现了更高的鲁棒性和更低的计算复杂度	模型尚未在更大的多中心临床数据集上进行测试，且未整合多模态成像数据	通过深度学习模型对膝关节骨关节炎的严重程度进行自动分级，以支持早期诊断和治疗规划	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	Transformer, CNN	图像	2,047张来自骨关节炎倡议（OAI）数据集的X光片，涵盖五个Kellgren-Lawrence（KL）严重程度等级	NA	Swin Transformer, ResNet, DenseNet	准确率, 精确率, 召回率, 特异性, F1分数	NA
720	2026-04-01	DeepSentRec: a deep learning-based sentiment-aware product recommendation system 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45953-9 PMID:41912685	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA