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
161	2026-08-03	HISNET-FF: Hierarchical identification of species using a network with fused cranial and dental features 2026-Mar-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2025.156 PMID:41888061	研究论文	开发了HISNET-FF深度学习框架，通过融合颅骨和牙齿特征进行哺乳动物物种的层级识别，并在鼹科数据集上取得了高准确率	提出双流架构整合整体颅骨形态与局部牙齿和听泡的诊断信号，并在层级分类流程中从属级到种级进行识别，同时引入YOLO注释模块实现端到端自动化	未提及具体局限性	实现基于颅齿特征的自动、准确且高效的哺乳动物物种分类	51种、18属的鼹科（Talpidae）哺乳动物	计算机视觉	NA	NA	深度学习模型	图像	涵盖51种、18属的鼹科图像数据集	NA	HISNET-FF（双流架构），YOLO	准确率、召回率、精确率、平均精确率均值（mAP@[.50:.95]）	NA
162	2026-08-02	Multimodal AI for Alzheimer Disease Diagnosis: Systematic Review of Datasets, Models, and Modalities 2026-Mar-25, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85414 PMID:41883140	综述	这篇系统综述分析了近五年内多模态人工智能模型在阿尔茨海默病诊断、预后和风险预测中的应用，评估了数据集特征、模态组合、建模策略、性能指标及方法学局限性	不同于以往综述，本文对异质的临床、影像、遗传和语言数据集提供了统一综合分析，实现了跨领域的建模策略和性能比较	由于数据集组成、结果定义和验证方式的显著异质性以及普遍存在的偏倚风险，报告性能的泛化性受到限制	系统分析多模态AI模型在阿尔茨海默病诊断、预后和风险预测中的应用效果，并讨论现实世界意义和转化途径	多模态AI模型在AD、轻度认知障碍和痴呆结局中的应用研究	机器学习	阿尔茨海默病	NA	多模态机器学习或深度学习模型	临床、影像、遗传和语言数据	66项符合纳入标准的研究	NA	融合架构	准确率、AUC	NA
163	2026-07-30	Popformer: Learning general signatures of positive selection with a self-supervised transformer 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.06.710163 PMID:41846988	研究论文	提出一种基于自监督变换器的模型Popformer，用于学习正选择的通用特征	引入位点和单倍型注意力机制，捕捉遗传位置和个体间的变异；学习SNP间距离的相对位置嵌入；采用类似掩码语言建模的预训练目标	未明确说明	开发一种能泛化到多种进化场景的正选择检测方法	人类基因组遗传变异数据	机器学习	不适用	不适用	Transformer	基因组数据	不适用	PyTorch	Transformer	准确率、F1分数、AUC	不适用
164	2026-07-30	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	评估深度学习算法在结直肠癌患者对比增强腹部CT中检测肝转移的性能，并与放射科医师进行对比	与放射科医师进行盲法对比，评估深度学习算法在不同临床环境下的肝转移检测性能，包括按结节和按患者两个层级分析	未提及具体限制	评估深度学习算法在结直肠癌患者肝转移检测中的性能，并与其与放射科医师的准确性进行比较	结直肠癌患者的肝转移结节	计算机视觉	结直肠癌, 肝转移	对比增强腹部CT	深度学习算法	图像	181例结直肠癌患者（平均年龄64岁，男性102例），其中95例有肝转移，86例无肝转移	NA	NA	检测率, 假阳性率, 一致性系数	NA
165	2026-07-30	Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250407 PMID:41718534	研究论文	评估整合多模态数据的深度学习模型在肝癌微血管侵犯预测中的性能，并探究不同人工标注方法对性能的影响	系统比较了体素级掩码和边界框两种标注方式对肝癌MVI预测模型性能的影响，发现边界框标注在保持统计等效AUC的同时，可显著提升标注效率	NA	评估多模态深度学习模型在肝癌术前MVI预测中的表现，并分析不同人工标注方法的影响	肝癌患者的MRI扫描数据及术后组织病理学结果	数字病理学	肝癌	MRI	深度学习模型	MRI影像	281名肝癌患者（平均年龄59.05岁，238名男性）	NA	NA	AUC, ROC曲线, 校准曲线, 决策曲线分析, DeLong检验	NA
166	2026-07-30	Impact of CT dose on AI performance: A comparison of radiomics, deep, and foundation models in a multicentric anthropomorphic phantom study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70374 PMID:41846467	研究论文	评估CT辐射剂量变化对放射组学、深度学习及基础模型性能的影响力，基于多中心拟人模体实验	率先系统比较多种AI模型（放射组学、浅层CNN、SwinUNETR及CT基础模型CT-FM）对CT剂量变化的鲁棒性，揭示基础模型在减轻剂量相关变异中的潜力	仅基于回顾性数据测试，处于早期实验阶段，未在临床前瞻性数据中验证	评估辐射剂量变化对AI模型鲁棒性的影响，探索基础模型在跨剂量条件下的泛化能力	使用3D打印的模拟肝脏组织异常的拟人模体扫描图像，以及公开CT-ORG数据集中的真实患者器官分类数据	计算机视觉	肝病	CT	放射组学、CNN、SwinUNETR、CT基础模型（CT-FM）	CT图像	649次扫描共1378个图像序列，来自4个制造商的13台扫描仪，含5种剂量水平	PyRadiomics, PyTorch, MONAI	浅层CNN、SwinUNETR、CT-FM	组内相关系数(ICC)、准确率、10折交叉验证	NA
167	2026-07-29	WEDGE-Net: Wavelet-Driven Memory-Efficient Anomaly Detection for Industrial Edge Computing 2026-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s26072154 PMID:41977939	研究论文	提出WEDGE-Net，一种基于小波的存储高效异常检测方法，用于工业边缘计算场景	通过频域流（DWT）物理滤除环境噪声，并结合语义模块显式引导特征提取，实现结构精确性与极端存储效率的平衡	未说明在超低配置边缘设备（如无GPU嵌入式系统）上的性能表现	解决深度学习异常检测模型在实际边缘部署中受环境噪声干扰和内存效率瓶颈的问题	工业制造场景中的结构缺陷检测	计算机视觉	NA	小波变换（DWT）	双流神经网络（频域流+上下文流）	图像	MVTec AD数据集	PyTorch	DWT, PatchCore	AUROC, FPS	NVIDIA RTX 4090 GPU
168	2026-07-29	A Transformer-Based Variational Autoencoder for Training Data Generation in Spindle Motor Vibration-Based Anomaly Detection 2026-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s26072176 PMID:41977960	研究论文	提出一种基于Transformer的变分自编码器，用于生成主轴电机振动数据以增强异常检测性能	将Transformer与变分自编码器结合，利用位置编码和多头自注意力机制捕捉多变量时间序列的长程依赖关系，并采用KL退火策略提升训练稳定性	未明确讨论生成数据的泛化性边界或模型在极端罕见故障类型上的表现	解决高速主轴电机振动数据稀缺和不平衡问题，提升基于深度学习的异常检测准确性	高速主轴电机的三轴加速度振动序列	机器学习	NA	振动信号采集	Transformer变分自编码器和CNN-LSTM分类器	时间序列数据（三轴加速度）	训练集：3个主轴电机的10,000个真实样本（5,000正常+5,000故障）；测试集：11个不同主轴电机的50,000个序列（25,000正常+25,000故障）	NA	Transformer变分自编码器和CNN-LSTM	正常样本通过检测率、故障样本失败检测率	NA
169	2026-07-29	Spectroscopic Pulse Embeddings by Contrastive Learning from Unlabeled Data for Pile-Up Analysis 2026-Mar-30, Sensors (Basel, Switzerland) DOI:10.3390/s26072138 PMID:41977923	研究论文	利用对比学习从无标注数据中提取光谱脉冲嵌入，用于核谱学中的堆积效应分析	首次提出结合物理学启发的数据增广和零交叉分割策略，从大规模无标注真实核脉冲信号中学习鲁棒且可迁移的表征，用于堆积识别和计数率估计	未详细说明方法在极端高计数率或不同探测器类型下的泛化能力，也未与现有有监督方法进行系统比较	开发一种无需标注数据的堆叠校正方法，提升核谱学中高计数率条件下的测量准确性	真实核辐射探测系统产生的脉冲信号	信号处理、机器学习	NA	核谱学、脉冲信号处理	一维ResNet编码器	一维脉冲信号	未说明具体样本数量，基于大规模无标注真实核脉冲信号	PyTorch	ResNet	堆积识别准确性、计数率估计误差	NA
170	2026-07-29	A Novel Weighted Ensemble Framework of Transformer and Deep Q-Network for ATP-Binding Site Prediction Using Protein Language Model Features 2026-Mar-28, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27073097 PMID:41977286	研究论文	提出一种基于蛋白质语言模型特征、结合Transformer和深度Q网络的加权集成框架，用于ATP结合位点预测	首次将Transformer与深度Q网络两种异构学习范式协同整合，通过ESM-2蛋白质语言模型获取高维上下文特征，结合局部-全局双重注意力机制和加权集成策略，实现高精度ATP结合位点预测，并揭示了蛋白质-ATP相互作用的生物学机制	实验依赖独立测试集，可能未充分评估泛化能力；计算资源需求较高，影响大规模应用；文章未明确提及样本量和计算资源	开发一种基于蛋白质序列信息的ATP结合位点预测方法，以支持药物发现、酶工程和疾病通路研究	蛋白质序列及其ATP结合位点	自然语言处理, 机器学习	不适用	蛋白质语言模型特征	Transformer, 深度Q网络	蛋白质序列数据	不适用	PyTorch, TensorFlow	Transformer, 深度Q网络, ESM-2	准确率, AUC	不适用
171	2026-07-29	Decision-Aware Vision Mamba with Context-Guided Slot Mixing for Chest X-Ray Screening and Culture-Based Hierarchical Tuberculosis Classification 2026-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s26072100 PMID:41977886	research paper	提出一种结合状态空间模型和上下文引导槽混合模块的深度学习框架，用于胸部X光片的肺结核分层分类	首次将Vision Mamba状态空间模型应用于胸部X光片结核病分类，并通过上下文引导的槽混合模块实现细微病理特征的分离	NA（标题和摘要未提及局限性）	利用深度学习区分活动性结核与非活动性结核，解决胸部X光片中影像学征象重叠的临床挑战	胸部X光片中的活动性结核、非活动性结核、肺炎和正常图像	computer vision	结核病	深度学习	Vision Mamba	image	NA（未在标题和摘要中明确提及样本数量）	NA（未在标题和摘要中明确提及框架）	Vision Mamba CGSM (状态空间模型+上下文引导槽混合模块)	accuracy, Youden Index, specificity	NA（未在标题和摘要中明确提及计算资源）
172	2026-07-29	Freezing of Gait in Parkinson's Disease: A Scoping Review on the Path Towards Real-Time Therapies 2026-Mar-25, Sensors (Basel, Switzerland) DOI:10.3390/s26072042 PMID:41977827	综述	该综述评估了机器学习和深度学习衍生的生物标志物在改善帕金森病冻结步态个性化管理方面的现状	聚焦于从可穿戴设备数据中通过机器学习算法提取冻结步态发作前的生物标志物，以实现实时闭环治疗干预	仅覆盖60项研究，可能遗漏部分相关文献；未深入讨论具体算法性能比较或实际部署障碍	评估机器学习和深度学习在帕金森病冻结步态管理中的生物标志物应用前景	帕金森病患者的冻结步态发作数据	机器学习	帕金森病	可穿戴传感器、惯性测量单元	CNN, LSTM	传感器数据	60项研究	NA	卷积神经网络, 长短期记忆网络	NA	NA
173	2026-07-29	Simulation-Guided Interpretable Fault Diagnosis of Hydraulic Directional Control Valves Under Limited Fault Data Conditions 2026-Mar-25, Sensors (Basel, Switzerland) DOI:10.3390/s26072052 PMID:41977837	研究论文	提出了一种基于仿真引导的特征构建和多压力信号分析的液压方向控制阀延迟切换故障可解释诊断框架	利用物理仿真模型分析故障机制并指导设计阀级诊断特征，而非生成合成训练数据，从而在有限故障样本条件下提升诊断准确性和物理可解释性	依赖物理仿真模型的准确性，且仅针对延迟切换故障类型，未验证对其他故障模式的适用性	在故障数据有限条件下实现液压方向控制阀延迟切换故障的物理可解释诊断	液压方向控制阀的延迟切换故障	机器学习	NA	多压力信号分析	随机森林、支持向量机、K近邻、逻辑回归	传感器压力差数据	有限故障样本（未明确具体数量）	KNN	随机森林、支持向量机、K近邻、逻辑回归	准确率、鲁棒性	NA
174	2026-07-29	Spectral-Efficient End-to-End Beamforming for 6G XL-MIMO: Synergizing Channel Sensing and Spatial-Frequency Sparsity with Deep Learning 2026-Mar-24, Sensors (Basel, Switzerland) DOI:10.3390/s26072012 PMID:41977797	研究论文	提出了一种联合信道感知与空间-频率稀疏性的深度学习方法，用于6G XL-MIMO的谱效端到端波束成形	提出两阶段波束成形架构，通过物理感知降维与深度学习的协同，实现端到端映射以直接回归最优预编码矩阵，避免了传统的‘感知-重建-预编码’范式	未提及明确限制，但可能包括对大规模天线配置的泛化性验证不足或实际硬件实现复杂性	解决XL-MIMO中高分辨率感知需求与有限带宽资源之间的冲突，提升频谱效率并降低感知数据开销和推理延迟	XL-MIMO系统中的信道状态信息（CSI）和波束成形矩阵	机器学习	NA	NA	深度学习模型（硬注意力感知机制与直接集成预编码网络）	CSI数据	使用COST 2100和QuaDRiGa混合信道模型进行仿真，512天线配置	NA	空间-频率集中模块（SFCB）和直接集成预编码网络（DIP-I）	波束成形增益、频谱效率、感知数据开销、推理延迟	NA
175	2026-07-29	A multimodal biomechanics dataset with synchronized kinematics and internal tissue motions during reaching 2026-Mar-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07019-3 PMID:41851191	研究论文	提出一个多模态生物力学数据集，同步记录手臂伸展运动中的运动学和内部组织运动	首次提供了同步的内部组织动态和传统生物力学测量的多模态数据集，并利用DUSTrack点跟踪工作流程提供上臂超声图像中点的轨迹	NA	通过捕捉手臂伸展运动中内部组织动态和传统生物力学测量，填补运动功能障碍、力传递和运动技能相关的研究空白	36名不同专业水平的参与者（世界级运动员、地区级运动员和未经训练个体）	计算机视觉	NA	B型超声成像、运动捕捉、肌电图、加速度测量	深度学习模型	超声图像、运动捕捉数据、肌电信号、加速度计数据	36名参与者（世界级运动员、地区级运动员和未经训练个体各若干）	NA	NA	NA	NA
176	2026-07-29	A wild fish image dataset for individual re-identification and phenotyping 2026-Mar-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07045-1 PMID:41851156	研究论文	提供了一个名为Melops的野生鱼类图像数据集，包含7年内收集的9861只个体的24578张图像，用于个体再识别和表型分析	首次提供了一个包含数千个体多年重复观测的野生鱼类图像数据集，支持时间感知的个体再识别和表型变化研究	NA	为计算机视觉方法在野生动物监测中的表型分析和个体识别提供数据基础	野生冠状隆头鱼（Symphodus melops）	计算机视觉	NA	NA	NA	图像	9861只个体的24578张图像	NA	NA	NA	NA
177	2026-07-29	Evaluating Performance of a Deep Learning-based Artificial Intelligence Model for Ovarian Tumor Classification Using a Multicenter CT Dataset 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250027 PMID:41686074	研究论文	评估基于深度学习的AI模型在CT图像上进行卵巢肿瘤分类的性能，并与超声模型和放射科医师进行比较	首次在多中心CT数据集上使用自监督学习训练深度学习模型进行卵巢肿瘤术前分类，并与当前超声模型和放射科医师进行比较	外部测试集AUC较低（0.61），表明疾病和数据变异性较大，临床实施前需要进一步改进	开发并评估基于CT的深度学习辅助诊断模型用于卵巢肿瘤术前分类	344例患者（226例良性，118例恶性）的387张卵巢肿瘤CT图像	计算机视觉	卵巢肿瘤	CT成像	深度学习模型	CT图像	387张CT图像，来自344例患者	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
178	2026-07-28	MSAdaNet: An Adaptive Multi-Scale Network for Surface Defect Detection of Smartphone Components 2026-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s26072091 PMID:41977874	研究论文	提出一种自适应多尺度网络MSAdaNet，用于智能手机组件表面缺陷检测	首次提出并行多尺度特征聚合骨干网络、聚焦扩散金字塔网络和尺度自适应共享检测头，并构建合成数据集解决标签数据稀缺问题	未提及在更广泛工业场景或不同光照条件下的泛化性验证	解决智能手机组件表面缺陷检测中缺陷形态尺度极端变化和标注数据稀缺的问题	智能手机组件表面缺陷	计算机视觉	不适用	深度学习	卷积神经网络	图像	合成数据集SCBD含4936张图像，公共数据集SSGD若干	PyTorch	MSAdaNet（含PMSFA骨干、FDPN颈部、SASD头部）	mAP@0.5, 召回率(Recall)	未明确提及
179	2026-07-28	Momentum-Based Adversarial Attacks and Multi-Level Denoising Defenses in Deep Learning-Based Wind Power Forecasting 2026-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s26072073 PMID:41977860	研究论文	提出一种基于动量迭代的对抗攻击方法与多级去噪防御模型，用于深度学习风速预测	首次在风速预测领域同时考虑对抗攻击的隐蔽性与有效性，并针对多种扰动强度及黑盒场景提出防御策略	未提及	提升深度学习风速预测模型对对抗攻击的鲁棒性	风速预测中的深度学习模型及对抗样本	机器学习	NA	NA	动量迭代快速梯度符号法、多级迭代去噪自编码器	风速时间序列数据	NA	NA	MLI-DAE（多级迭代去噪自编码器）	预测误差（对比FGSM）	NA
180	2026-07-28	Nonparametric estimation of conditional survival function with time-varying covariates using DeepONet 2026-Mar-24, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09700-6 PMID:41874787	研究论文	使用DeepONet进行随时间变化协变量的条件生存函数的非参数估计	利用DeepONet架构对随时间变化协变量对条件风险函数的任意非线性操作进行建模，放宽了比例风险或瞬时效应等传统假设	未在摘要中明确说明	估计随时间变化协变量的条件生存函数，捕捉协变量的复杂长期非瞬时效应	ADNI数据中的生存数据，其中包含时间变化和时间不变协变量	机器学习	NA	NA	DeepONet	数据	通过模拟研究和ADNI数据进行评估	NA	DeepONet	综合Brier分数	NA