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
61	2026-04-11	CSWin-MDKDNet: cross-shaped window network with multi-dimensional fusion and knowledge distillation for medical image segmentation 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40690-5 PMID:41771973	研究论文	本文提出了一种基于Transformer的医学图像分割新架构CSWin-MDKDNet，通过多维选择性融合和知识蒸馏损失提升性能	提出结合十字形窗口网络、多维选择性融合模块和知识蒸馏损失的新架构，以平衡局部细节保留和全局上下文建模	未明确说明模型在计算资源消耗或泛化到其他模态医学图像方面的局限性	提升医学图像分割的精度，解决局部细节与全局上下文平衡的挑战	医学图像分割任务	数字病理	心血管疾病	深度学习	Transformer	图像	基于Synapse（多器官CT）、ACDC（心脏MRI）和ISIC2018数据集	未明确指定	CSWin-MDKDNet	DSC	未明确指定
62	2026-04-11	Image-based detection of bolts and bolt-missing defects in multi-angle and complex background scenarios 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41036-x PMID:41771999	研究论文	本研究提出了一种基于改进YOLOv8模型的方法，用于在多角度和复杂背景场景下检测螺栓及螺栓缺失缺陷	构建了多源螺栓图像数据集，并提出了集成Swin-Transformer主干网络和新型多尺度细节增强模块（MEDM）的增强架构，专门用于提升在挑战性视觉环境下的螺栓缺失检测性能	未明确说明模型在极端遮挡或恶劣天气条件下的性能，且数据集中实验室环境图像可能无法完全代表所有真实工程场景	开发一种自动化、高精度的螺栓及螺栓缺失缺陷检测方法，以替代传统人工检测，用于工程基础设施的结构健康监测	工程基础设施（如悬索桥、钢输电塔）中的螺栓连接	计算机视觉	NA	图像增强技术、生成对抗网络（GANs）	CNN, Transformer	图像	来自三个来源的数据集：悬索桥现场采集、钢输电塔现场摄影、定制螺栓组装模型的受控实验室成像，最终在工程部署中测试了12,772组螺栓	PyTorch	YOLOv5, YOLOv8, YOLOv10, Swin-Transformer	召回率, 精确率, 平均精度均值（mAP）	NA
63	2026-04-11	Cognitive salience features enhance multitask deep learning for pragmatic reasoning across cultures 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40809-8 PMID:41772006	研究论文	本研究提出了一种基于认知显著性特征的多任务深度学习模型，用于增强跨文化语用推理能力	整合了模拟人类感知优先级的注意力机制与文化条件门控，通过动态任务加权和梯度冲突解决策略联合优化四项语用推理任务	NA	提升计算系统在跨文化语境下对隐含意义和文化特定沟通模式的理解能力	涵盖八个文化群体的多语言语料库	自然语言处理	NA	深度学习	多任务深度学习模型	文本	NA	NA	注意力机制	整体准确率, 跨文化迁移准确率	NA
64	2026-04-11	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	本文提出了一种结合3D视觉Transformer和图神经网络的统一框架，用于基于结构MRI数据自动检测重度抑郁症	开发了一个统一的流程，首次将3D视觉Transformer用于从sMRI数据中提取3D区域嵌入，并结合图神经网络进行分类，同时探索了基于图谱和基于立方体补丁的两种区域定义策略	研究依赖于特定的REST-meta-MDD数据集，方法在更广泛或不同人群中的泛化能力尚未验证，且计算复杂度可能较高	利用深度学习方法提高重度抑郁症的自动检测准确率，以辅助诊断和早期干预	重度抑郁症患者	医学影像分析	重度抑郁症	结构磁共振成像	Vision Transformer, 图神经网络	3D结构MRI图像	REST-meta-MDD数据集（具体数量未在摘要中说明）	NA	3DViT-GAT（自定义的统一框架，包含Vision Transformer和GNN）	准确率, 灵敏度, 特异性, 精确率, F1分数	NA
65	2026-04-11	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	本文提出了一种基于深度学习的劳资关系预测系统，通过融合多源数据和注意力机制实现冲突早期预警	采用基于注意力的多模态融合方法整合异构组织数据，结合MLP和LSTM模型自适应加权模态贡献，而非固定融合方案	存在12.7%的误报率，在高压力运营期间会出现系统性错误	预测工作场所冲突，防止其升级为正式纠纷或集体行动	企业劳资关系	自然语言处理	NA	多模态数据融合	MLP, LSTM	HR记录、通信日志、绩效轨迹、满意度调查、外部经济指标	跨越四个行业的十二个企业部署	NA	注意力机制多模态融合架构	预测准确率, 早期预警成功率, 误报率	NA
66	2026-04-11	A multi-task deep learning and radiomics framework for fetal anatomical structure detection and classification in ultrasound imaging 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41635-8 PMID:41772028	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
67	2026-04-11	Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42568-y PMID:41772099	研究论文	本文提出了一种轻量级卷积神经网络，用于在新西兰的边缘设备上实时检测地震P波	开发了一种专门针对边缘计算硬件优化的轻量级CNN模型，能够在资源受限的设备上实现低延迟（亚7毫秒）的实时P波检测，并展示了其对高震级事件的泛化能力	模型仅在来自新西兰强震传感器记录的数据上进行训练和测试，其在不同地质区域或噪声环境下的泛化性能有待进一步验证	为分布式地震预警网络中的低成本边缘设备开发快速、准确的地震P波检测方法	地震P波和S波	机器学习	NA	地震波形分析	CNN	波形数据（地震信号）	约89,000个由新西兰强震传感器记录的地震波形片段	NA	轻量级卷积神经网络	准确率, P波识别正确率	Raspberry Pi 5（边缘设备硬件）
68	2026-04-11	Application of LSTM-CNN in skiing action recognition under artificial intelligence technology 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42324-2 PMID:41772118	研究论文	本研究提出了一种结合视觉感知的深度学习模型，旨在提高复杂场景下自动滑雪动作识别的准确性	采用C3D-BiLSTM架构，引入显著性感知流和可学习的加权融合方法，以有效整合RGB和光流特征，并通过BiLSTM进行双向时序建模，全面捕捉动作的起始和结束状态	未明确提及模型在极端天气或更复杂背景下的泛化能力，以及计算资源需求的具体分析	提高复杂场景下自动滑雪动作识别的准确性	滑雪动作	计算机视觉	NA	深度学习，光流场	CNN, LSTM	视频	SkiTB数据集	NA	C3D, BiLSTM	精确度, 召回率, F1分数, 平均精确度	NA
69	2026-04-11	Temporal trends in myocardial ischemia risk estimated from 12-lead electrocardiograms using deep learning in individuals with suspected cancer during health checkups 2026-Mar-02, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00466-2 PMID:41772669	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
70	2026-04-11	Multi-reader evaluation of deep learning-based auto-segmentation of eloquent brain arteriovenous malformation on MRA and white matter tractography in stereotactic radiosurgery 2026-Mar-02, Radiation oncology (London, England) DOI:10.1186/s13014-026-02811-2 PMID:41772699	研究论文	本研究开发并评估了一种用于分割脑动静脉畸形（bAVM）的深度学习系统，以辅助立体定向放射外科治疗中的白质通路保护	提出了一种两阶段深度学习分割集成（TBASE）方法，结合了2D检测和3D分割模型，用于自动分割bAVM，并通过多读者评估验证了其在临床工作流中的有效性	研究样本量相对较小（191例患者），且未提及外部验证或跨中心数据测试	开发并评估一种深度学习系统，用于自动分割脑动静脉畸形，以提高立体定向放射外科治疗中白质通路的保护效果	191例接受白质纤维束成像和3D时间飞跃磁共振血管成像的脑动静脉畸形患者	数字病理学	脑血管疾病	白质纤维束成像，3D时间飞跃磁共振血管成像（TOF-MRA）	深度学习	医学影像（磁共振成像）	191例患者（153例用于训练，38例用于测试）	NA	ResNet, U-Net, 两阶段深度学习分割集成（TBASE）	Dice相似系数（DSC），豪斯多夫距离（HD），分割时间	NA
71	2026-04-11	Low-dose CBCT image reconstruction: a review 2026-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-025-02492-y PMID:41348234	综述	本文深入分析了低剂量锥束计算机断层扫描图像重建的最新研究进展，包括算法演变、性能评估及未来方向	系统梳理了低剂量CBCT重建领域的最新进展，并综合比较了分析重建、迭代重建和深度学习方法的特点与应用	作为综述文章，未提出新的算法或模型，主要基于现有文献进行分析与总结	回顾低剂量CBCT图像重建技术，以减少患者辐射风险并保持图像质量，促进临床诊断与治疗	锥束计算机断层扫描图像重建方法及相关算法	医学影像处理	NA	锥束计算机断层扫描	NA	医学影像	NA	NA	NA	NA	NA
72	2026-04-11	PoseShot: hybrid CNN-BiLSTM transformer model for free throw action recognition via pose analysis 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41025-0 PMID:41766037	研究论文	提出了一种名为PoseShot的新型双通道混合CNN-BiLSTM-Transformer模型，用于通过姿态分析识别篮球罚球动作	提出了一种结合CNN、BiLSTM和Transformer编码器的双通道深度学习架构，专注于分析单个罚球动作中细粒度、阶段依赖的力学特征，超越了传统粗粒度活动识别方法	NA	通过数据驱动的方法，对篮球罚球技术进行客观、精确的分析，以弥补传统主观评估方法的不足	篮球罚球动作	计算机视觉	NA	姿态分析	CNN, BiLSTM, Transformer	视频	NA	NA	CNN-BiLSTM-Transformer (PoseShot), DenseNet, Swin Transformer, Vision Transformer	F1分数, 精确率, 召回率	NA
73	2026-04-11	Anomaly detection in brain MRI: a comprehensive review 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-026-00551-6 PMID:41890248	综述	本文全面回顾了脑部MRI异常检测领域，涵盖传统统计、经典机器学习及当代深度学习方法	系统性地将深度学习工作组织为重建、生成和自监督三大范式，并强调了新兴策略如混合学习、多模态整合和基于生物学的指标（如脑年龄差距）在提升鲁棒性和临床相关性方面的潜力	现有方法仍面临高误报率、异常定义不明确、可解释性有限以及对领域偏移的脆弱性等关键挑战	为开发可泛化且可解释的AI系统，并将其整合到真实世界的神经影像工作流程中提供研究议程	脑部MRI图像	数字病理学	神经系统疾病	MRI	NA	图像	NA	NA	NA	NA	NA
74	2026-04-11	Data augmentation method for computer-aided diagnosis using specular reflection 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00533-0 PMID:41890266	研究论文	本研究开发了一种利用镜面反射的数据增强方法，旨在提升结肠镜计算机辅助诊断中深度学习模型的鲁棒性和性能	提出了一种结合镜面反射生成和修复的数据增强技术，专门针对结肠镜图像，尤其在训练数据有限的情况下表现出优越性	NA	增强深度学习模型在结肠镜计算机辅助诊断中的准确性和鲁棒性	结肠息肉	计算机视觉	结直肠癌	窄带成像	CNN, Vision Transformer	图像	2,616张窄带成像图像	NA	卷积神经网络, Vision Transformer	准确性	NA
75	2026-04-11	Docking of millions: accelerating a million-scale virtual screening using deep learning 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag128 PMID:41883032	研究论文	本文介绍了一种名为DoM的超大规模虚拟筛选系统，该系统整合了AK-Score2和V-Dock方法，以加速药物发现中的化合物筛选过程	通过迭代学习V-Dock来近似AK-Score2的亲和力预测，从而避免对所有化合物进行对接，显著提高了筛选速度和资源效率	NA	开发一个高效且准确的超大规模虚拟筛选平台，以加速计算机辅助药物发现	针对DDR1、c-kit、ASK1、NSD1、CREBBP和PDE5等靶点的数百万个化合物	机器学习	NA	虚拟筛选	深度学习	化合物结构数据	500万个化合物	NA	NA	检索率, IC50值	NA
76	2026-04-11	Letter to the editor: testing the generalizability of DeepPlantAllergy on challenging allergen prediction scenarios 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag149 PMID:41947418	comments	本文是一封致编辑的信，对DeepPlantAllergy模型的泛化能力及其数据集构建方法提出质疑，并建议在更具挑战性的过敏原预测场景下重新评估模型性能	指出了原研究在数据集构建中移除与过敏原序列相似度>20%的非过敏原序列的做法，可能导致性能评估过于乐观，并提出了保留具有挑战性的阴性样本（仅针对训练集过敏原进行过滤）和报告精确率-召回率曲线下面积等改进评估方法的建议	本文为评论性文章，未进行新的实验验证，主要基于理论分析提出质疑和建议	评估深度学习模型在植物蛋白质过敏原预测任务中的泛化能力，并提出更严谨的性能评估方法	DeepPlantAllergy深度学习模型及其在植物蛋白质过敏原预测中的应用	自然语言处理	过敏性疾病	蛋白质序列分析	深度学习模型	蛋白质序列数据	NA	NA	DeepPlantAllergy	ROC曲线下面积, 精确率-召回率曲线下面积	NA
77	2026-04-11	PLM-effector: unleashing the potential of protein language models for bacterial secreted protein prediction 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag143 PMID:41947423	研究论文	提出了一种名为PLM-Effector的混合深度学习框架，用于跨五种主要细菌分泌系统（T1SS-T6SS）预测细菌分泌蛋白	首次将现代蛋白质语言模型与多种神经架构通过双层集成堆叠策略相结合，实现分泌系统感知的预测，并证明蛋白质特异性PLM嵌入比通用语言模型更具判别力	仅针对五种主要分泌系统（T1SS-T4SS和T6SS）进行建模，未涵盖所有可能的分泌系统	开发一种能够准确识别细菌分泌蛋白（特别是效应蛋白）的计算预测方法	细菌分泌蛋白，尤其是通过专门分泌系统传递的效应蛋白	生物信息学	细菌感染	蛋白质语言模型	深度学习, 集成学习	蛋白质序列	NA	PyTorch	双层集成堆叠策略, ESM-1b, ESM2_t33, ProtT5	宏F1分数	NA
78	2026-04-11	STORM: Exploiting Spatiotemporal Continuity for Trajectory Similarity Learning in Road Networks 2026-Mar, IEEE transactions on knowledge and data engineering IF:8.9Q1 DOI:10.1109/tkde.2025.3650227 PMID:41953048	研究论文	本文提出了一种名为STORM的方法，用于在道路网络中学习轨迹相似性，通过捕捉时空连续性来提升轨迹建模效果	结合了预训练与微调策略，并首次在轨迹建模中显式地利用时空连续性，通过轨迹导向的道路段嵌入和增强的Transformer编码器来优化嵌入表示	未在摘要中明确提及具体限制	改进道路网络中轨迹相似性学习，以支持交通、城市规划和拼车等应用	道路网络中的轨迹数据	机器学习	NA	深度学习	Transformer	轨迹数据	NA	NA	Transformer	NA	NA
79	2026-04-11	Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality 2026-Mar, NEJM AI DOI:10.1056/aioa2500487 PMID:41953210	研究论文	本研究开发了一种基于多任务深度学习框架的睡眠脑电图生物标志物，用于评估大脑健康、认知功能、疾病状态和死亡率风险	首次使用端到端、数据驱动的深度学习框架从睡眠脑电图数据中学习大脑健康的潜在表示，并将其提炼为单一评分，同时预测认知、疾病和死亡率，超越了传统人口统计学和专家定义特征模型	研究基于回顾性多队列数据，可能受限于数据异质性和潜在混杂因素，且未在独立前瞻性队列中验证临床实用性	开发一种客观、综合的睡眠脑电图生物标志物，用于评估大脑健康并预测认知、疾病和死亡率	来自六个队列的27,000名受试者的36,000个多导睡眠图记录	机器学习	老年疾病	多导睡眠图, 脑电图	深度神经网络	时间序列, 时频谱图	27,000名受试者的36,000个记录	NA	多任务深度神经网络	相关系数, 接收者操作特征曲线下面积, 风险比	NA
80	2026-04-10	A comparative study of deep learning-based zebrafish image segmentation methods 2026-Mar-31, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络	首次在同一数据集和预处理流程下，对包括U-Net、SegNet、PSPNet、DeepLabv3+、Attention U-Net、HRNet、SegFormer、MASNet、Segment Anything Model (SAM)、PVT-EMCAD和RWKV-UNet在内的11种代表性分割模型进行了全面比较，并探讨了高分辨率保持、上下文聚合机制、注意力机制以及Transformer架构在提升小结构检测和边界描绘精度方面的关键作用	未提及具体的数据集规模或模型训练的计算资源限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像	计算机视觉	NA	深度学习图像分割	CNN, Transformer	图像	NA	NA	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, Segment Anything Model (SAM), PVT-EMCAD, RWKV-UNet	Dice系数, 交并比, 平均像素精度	NA