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
201	2026-08-30	Sequence-based prediction of drug-target binding using machine learning, deep learning and ensemble models without 3D structural information 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57478-2 PMID:42286075	研究论文	提出一种完全基于序列的药物-靶标相互作用预测框架，无需三维结构信息，通过集成机器学习和深度学习模型实现与对接相当的预测性能，并通过特征重要性分析和分子对接实验验证其可靠性。	提出统一表示方法，整合理化蛋白质描述符、蛋白质3-gram序列模体和类序列药物编码，消除对结构数据的依赖，并采用堆叠集成策略增强预测性能，同时通过特征重要性分析提供生物学可解释性。	未明确说明局限性，但可能包括对序列特征工程和数据集规模的依赖，以及对接验证仅限于子集。	开发一种可扩展、可解释且计算高效的序列为基础的DTI预测方法，替代依赖结构的预测方法。	药物-靶标相互作用（DTIs），涉及蛋白质序列和药物编码。	机器学习	不适用	基于序列的特征工程（理化描述符、3-gram模体、药物编码）和分子对接。	机器学习、深度学习、集成模型	序列数据（蛋白质和药物）	未具体说明，但使用分层五折交叉验证。	不适用	随机森林、支持向量机、逻辑回归（堆叠集成）	ROC-AUC	不适用
202	2026-08-30	Simulation of long-term spatio-temporal environmental dynamics using a unified benchmark of neighbor augmenting, LSTM and graph attention models 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56762-5 PMID:42286150	研究论文	本文提出了一个统一的基准测试框架，用于比较基于邻域、图和注意力的时空深度学习模型在长期地理空间环境动态预测中的性能	不引入新模型，而是提出一个比较性工程实验，评估在长距离地理空间预测应用中，基于邻域的时序模型何时优于图注意力模型	未在摘要中明确提及	评估不同时空深度学习模型在长期地理空间动态预测中的性能，并比较基于邻域的时序模型与图注意力模型的有效性	2000年至2023年的年度卫星数据（NetCDF格式），2024年作为未见测试数据	机器学习	NA	NA	LSTM, GAT, GAT-LSTM	卫星图像数据（NetCDF格式）	年度卫星数据，2000年至2023年，2024年保留为测试数据	NA	LSTM, Cellular Automata（CA）, GAT, Temporal Attention, MLP/FFN	R, RMSE, MAE, MAPE, 相关性	NA
203	2026-08-30	Causal inference-integrated temporal graph convolutional networks for dynamic prediction and optimization of enterprise total factor productivity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57633-9 PMID:42286196	研究论文	提出一种集成因果推断与时间图卷积网络的CT-GCN框架，用于企业全要素生产率的动态预测与优化	创新性地将因果推断技术与时间图卷积网络相结合，能够区分真实因果机制与伪相关，并捕捉企业间网络依赖关系	摘要中未提及明显的局限性	实现企业全要素生产率的动态预测与优化，并识别真正的生产力驱动因素	中国制造业企业	机器学习	NA	NA	时间图卷积网络（Temporal GCN）	面板数据	12,847家中国制造业企业（2008-2022年）	NA	CT-GCN（因果时间图卷积网络）	均方根误差（RMSE）	NA
204	2026-08-30	DVNDTA: a dual virtual node based heterogeneous interaction model for accurate prediction of drug-target affinity 2026-Jun-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06481-5 PMID:42286477	研究论文	本文提出了一种基于双虚拟节点的异质相互作用模型DVNDTA，用于准确预测药物-靶点亲和力	引入双虚拟节点，动态加权全局-局部协同感知机制，以及双向反馈机制，以捕获药物和靶点口袋的全局上下文信息，增强对结合模式的学习	未在摘要中明确提及限制，可能包括对3D复合物数据的依赖和计算复杂度	通过整合全局上下文信息，提高药物-靶点亲和力预测的准确性和泛化能力	药物-靶点复合物及其结合位点	机器学习	NA	深度学习（基于3D复合物）	异质相互作用模型（图神经网络类）	3D复合物结构数据	多个基准数据集，具体数量未在摘要中给出	NA	双虚拟节点网络（具体架构未详细说明，可能涉及图神经网络）	准确性、泛化能力（具体指标如AUC等未列出）	NA
205	2026-08-30	A longitudinal and explainable 2.5D deep learning framework for Alzheimer's disease progression using ADNI MRI 2026-Jun, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100342 PMID:42005278	研究论文	本研究提出了一个可解释的2.5D深度学习框架，用于使用ADNI MRI数据对认知正常、轻度认知障碍和阿尔茨海默病受试者进行纵向分类	采用基于改进的ResNet-18架构的2.5D卷积神经网络，并结合严格的受试者级别数据划分策略和Grad-CAM可解释性分析，同时强调纵向有效性和评估严谨性	在严格的受试者级别划分下，三分类纵向神经退行性疾病分类性能仅为中等，且扫描级别划分未带来显著性能提升	开发结合纵向MRI分析和可解释深度学习的框架，为阿尔茨海默病研究提供可解释且可复现的基线，并推动神经影像学中可信AI方法的发展	来自ADNI的认知正常、轻度认知障碍和阿尔茨海默病受试者的MRI数据	计算机视觉, 数字病理学	阿尔茨海默病	NA	CNN	MRI图像	NA	NA	ResNet-18	分类性能（准确率、精确率、召回率、F1分数、AUC等）	NA
206	2026-08-28	Differentiating sub-centimeter lung metastases in colorectal cancer by deep learning: a multicenter retrospective study 2026-Jun-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02508-8 PMID:42316047	研究论文	本研究开发并验证了一种基于深度学习模型，用于非侵入性区分结直肠癌患者的亚厘米肺转移结节与良性结节，这是一个多中心回顾性研究。	该研究创新性地结合了VNet分割模型和ResNet18分类器，针对亚厘米肺结节进行全自动深度学习分析，并在多中心数据集上验证，同时通过逐步验证不同结节尺寸下的稳定性。	未在摘要中明确提及局限性。	开发并验证一个深度学习模型，以非侵入性区分结直肠癌患者的亚厘米肺转移结节和良性结节，提高早期诊断的准确性。	结直肠癌患者肺部的亚厘米（最大直径≤10毫米）肺结节，包括转移性和良性结节。	计算机视觉、深度学习	结直肠癌、肺癌（转移性）	计算机断层扫描（CT）	卷积神经网络（CNN）	医学影像（CT图像）	共2670例结节，来自1335例结直肠癌患者（转移性结节）和1335例良性肺结节患者；主要队列1194例，两个外部验证队列分别为101例和40例。	未明确指定，可能使用PyTorch或TensorFlow	VNet（分割）和ResNet18（分类）	Dice系数、准确率、AUC	未在摘要中提及。
207	2026-08-28	Optimization algorithm for improving the prediction accuracy of API solubility in green solvent 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51115-8 PMID:42286012	研究论文	本研究开发了一种混合人工智能框架，结合可解释深度学习（TabNet）和梯度提升（HGB）与三种元启发式优化算法，用于预测活性药物成分在超临界二氧化碳中的溶解度。	首次将TabNet与三种元启发式优化算法（ALO、EVO、BOA）结合，用于超临界二氧化碳中API溶解度的预测，并采用多目标Pareto前沿分析和预测区间自举法评估模型鲁棒性。	模型泛化能力受限于现有实验数据的范围，未来需要扩展溶解度数据集以增强普适性。	提高活性药物成分在超临界二氧化碳中溶解度的预测准确性，并为超临界系统中的溶剂选择和配方分析提供计算工具。	活性药物成分（APIs）在超临界二氧化碳中的溶解度数据。	机器学习	NA	NA	TabNet, HGB	表格数值数据	超过350个实验测量数据点	NA	TabNet, HGB	决定系数, 预测区间, Kruskal-Wallis检验, Pareto前沿分析	NA
208	2026-08-28	Unified multi-task learning for hydrological processes using a shared transformer framework 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55130-7 PMID:42277211	研究论文	本研究引入一个统一的多任务、多模态深度学习框架，在共享Transformer编码器架构下同时进行24小时流域径流预测和降雨时间超分辨率重建	提出共享Transformer编码器与任务特定解码器的统一多任务框架，将径流预测和降雨超分辨率任务整合在同一架构中，展示联合优化的优势	未明确讨论计算资源消耗或大规模基准测试的局限性	探索多任务学习在水文过程建模中的潜力，实现共享学习以提升径流预测精度并保持降雨重建质量	24小时流域径流预测和降雨时间超分辨率任务	机器学习	NA	深度学习	Transformer	时间序列数据	未明确说明样本数量	NA	Transformer	准确性、重建性能	NA
209	2026-08-28	Research on a belt roller fault diagnosis method based on adaptive band-time KAN 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55338-7 PMID:42270699	研究论文	提出一种基于自适应频带KAN的皮带滚筒故障诊断方法，通过自适应频带梅尔滤波器组和时间卷积网络提升故障诊断精度和跨工况泛化能力	设计基于故障机制的自适应频带梅尔滤波器组，通过非均匀频率轴重映射和三阶峰值检测增强关键故障频带的分辨率；引入KAN层利用可学习B样条基函数动态分析频域非线性耦合关系，实现特征分辨率增强与动态建模的协同优化	未明确提及局限性信息	解决现有深度学习故障诊断方法频率分辨率不足和动态适应性差的问题，提高皮带滚筒故障诊断的准确性和跨工况泛化能力	皮带输送机滚筒故障	故障诊断	不适用	故障诊断方法	KAN、时间卷积网络	振动信号	NA	NA	KAN、时间卷积网络	准确率	NA
210	2026-08-28	Comparative performance of one-stage and two-stage deep learning models for instance segmentation of overhanging dental restorations on bitewing radiographs 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57540-z PMID:42270756	研究论文	本研究开发并比较了单阶段和两阶段深度学习模型在咬翼放射片上自动检测和分类悬突牙科修复体的实例分割性能	首次系统比较单阶段YOLO11和两阶段Detectron2架构在悬突牙科修复体实例分割中的性能，并采用非参数自助抽样量化不确定性	本研究为单中心回顾性研究，需要进行多中心和不同成像系统的外部验证才能适用于常规临床决策支持	开发和比较深度学习实例分割模型，以自动检测和分类咬翼放射片上的悬突牙科修复体，重点关注单阶段和两阶段架构的相对性能	咬翼放射片上的牙科修复体，分为理想和悬突两类	计算机视觉	牙科疾病	NA	实例分割模型，包括YOLO11变体和Mask R-CNN、Cascade Mask R-CNN、PointRend	图像	1236张匿名咬翼放射片	PyTorch, Detectron2	YOLO11n-seg, YOLO11s-seg, YOLO11m-seg, Mask R-CNN, Cascade Mask R-CNN, PointRend	COCO风格实例分割指标（AP50-95, AP50, AP75, AR@100），以及基于自助重采样的95%置信区间	NA
211	2026-08-28	A deep learning framework for emotion recognition in music using multimodal data fusion 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50471-9 PMID:42270798	研究论文	提出了一种基于多模态数据融合的深度学习框架，用于音乐情感识别，通过引入谐波语义编码器和对比谐波对齐策略来提升性能	引入谐波语义编码器（HSE）的双通路架构，结合卷积神经网络和Transformer全局编码器，以及谐波感知注意力机制和层级对比学习目标（CHA）	未明确提及，但可能包括对跨类型泛化能力、长时依赖建模和层次情感结构捕获的挑战仍未完全解决	提高音乐情感识别的准确性和鲁棒性，并解决现有方法在跨流派泛化、长时依赖建模和层次情感结构捕获方面的不足	音乐音频、歌词和元数据	机器学习	不适用	深度学习，多模态数据融合	卷积神经网络（CNN），Transformer	音频、文本（歌词）、元数据	PMEmo和GlobalMood数据集（具体样本数未在摘要中提供）	未明确提及（可能使用PyTorch或TensorFlow）	谐波语义编码器（HSE）双通路架构，包含CNN和Transformer，以及谐波感知注意力机制	准确率（Accuracy）、Macro-F1分数	未明确提及
212	2026-08-28	A systematic comparison of machine learning models for missing value imputation in household electricity consumption data 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51159-w PMID:42277144	研究论文	对30种机器学习模型进行系统性基准测试，以填补家庭用电时间序列中的缺失值，并评估其性能。	首次对涵盖线性、树集成、支持向量机和深度学习等30种模型进行广泛比较，并提出三阶段级联混合框架，提供跨模型排名和可复用的多指标评估体系。	仅基于家庭用电数据的特定场景，可能不适用于其他类型的时间序列数据，且未考虑极端缺失模式的影响。	比较不同机器学习模型在家庭用电缺失值插补中的性能，提供证据支持的模型选择指导，并建立基准评估框架。	家庭用电时间序列数据中的缺失值插补任务。	机器学习	NA	NA	线性模型、树集成、支持向量机、深度学习（如LSTM）	时间序列数据	家庭用电数据，具体样本量未说明	NA	Extra Trees Regressor、Random Forest、LSTM等	MAE, RMSE, MAPE	NA
213	2026-08-28	Swin-DRNet: A robust transformer framework for diabetic retinopathy screening under heterogeneous imaging conditions 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57053-9 PMID:42277173	研究论文	提出了一种基于Swin Transformer的稳健框架Swin-DRNet，用于在异构成像条件下进行糖尿病视网膜病变筛查	结合多阶段对比度自适应预处理、类别感知表示学习和焦点优化损失设计，全部集成在Swin Transformer的层级架构中，以提高病变可见性、稳定不均衡类别的学习过程，并增强多源眼底照片输入的筛查鲁棒性	未提及	开发一种可靠且可扩展的自动化糖尿病视网膜病变筛查框架，适用于异构成像平台和严重类别不平衡的真实世界远程眼科实践	糖尿病视网膜病变筛查，涉及眼底照片	计算机视觉	糖尿病视网膜病变	眼底摄影	Swin Transformer	图像	三个公开基准数据集：APTOS 2019、IDRiD、Messidor2，具体样本数量未提及	PyTorch	Swin Transformer	准确率、F1分数、ROC-AUC、召回率	未提及
214	2026-08-28	A lightweight ResNet50V2-ECA model for renal cell carcinoma grading: efficiency, calibration, and state-of-the-art performance 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56836-4 PMID:42277241	研究论文	提出一种轻量级ResNet50V2-ECA模型用于肾细胞癌分级，通过单次高效通道注意力模块实现高精度且计算高效的分类	在ResNet50V2最后卷积层后仅添加一个高效通道注意力块，避免多阶段注意力的计算冗余，同时保持空间分辨率，实现轻量级（0.25M参数，3.1 GFLOPs）且高性能的肾细胞癌分级	结果虽表明临床部署潜力强，但需外部多中心验证以确认泛化性	开发一个轻量级、高效且校准良好的肾细胞癌ISUP分级系统，适合临床部署	肾细胞癌组织病理全切片图像（WSI）	数字病理学	肾细胞癌	组织病理学图像分析	CNN（卷积神经网络）	图像	722个全切片图像（WSI），包含3,442个训练块，涵盖五个ISUP分级	NA	ResNet50V2, ECA	准确率, 精确率, 召回率, F1分数, 特异性, 平衡准确率, AUC	NA
215	2026-08-28	Benchmarking GPT-5, Gemini 2.5 Pro, Grok 4, and other LLMs on pediatric dentistry questions from a dental specialization exam 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57392-7 PMID:42277236	研究论文	评估多种大型语言模型在土耳其牙科专科考试儿科牙科问题上的表现，并比较其准确性与响应时间	首次系统性地对多个最新大型语言模型（包括GPT-5、Gemini 2.5 Pro等）在儿科牙科专业考试问题上的性能进行基准测试，并揭示速度与准确性之间的权衡	仅使用土耳其牙科专科考试的问题，可能限制结果的普遍适用性；未涉及模型内部工作机制或临床决策支持系统的实际应用	评估最新大型语言模型在儿科牙科专业考试问题中的准确性和响应速度，以探讨其在牙科教育和高风险评估中的潜在用途	包括GPT-5、Gemini 2.5 Pro、Grok-4、DeepSeek R1等在内的11个最新大型语言模型（17种推理模式激活）	自然语言处理	儿科牙科疾病	NA	大型语言模型	文本	119道儿科牙科问题，来自过去十年的牙科专科考试	NA	Transformer（基于大型语言模型的常见架构）	准确性（%）、平均响应生成时间（秒）	NA
216	2026-08-28	IoMT-Blockchain framework for secure and real-time heart disease monitoring using hybrid black-winged optimized spherical structural graph convolutional neural networks 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57620-0 PMID:42277292	研究论文	提出一种基于IoMT和区块链的心脏病监测框架，结合混合黑翼优化球形结构图卷积神经网络，用于实时、安全的心脏病诊断	首次将混合黑翼优化算法与球形结构图卷积神经网络结合，并集成自适应哈希算法和公平共识区块链，以增强数据完整性和安全性	未提及	开发一个高精度、可扩展且安全增强的实时心脏病监测系统，以应对噪声信号、特征提取不足、分类精度有限和分布式环境安全问题	心脏疾病患者的心电信号和心音信号	数字病理学，机器学习	心血管疾病	心电图，心音图	图卷积神经网络，注意力网络	信号	未明确，使用公开数据集包括PhysioNet心脏信号数据集和Cleveland心脏病数据集	未提及	球形结构图卷积神经网络，混合结构图注意力网络，球形卷积神经网络	准确率，敏感性，特异性，F1分数	未提及
217	2026-08-28	TM-Loop: Transformer multi-omics hierarchical detection of chromatin loop 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56418-4 PMID:42277293	研究论文	提出TM-Loop框架，整合多组学数据、Transformer深度学习和层次多尺度聚类以准确检测染色质环	结合多组学信号（ATAC-seq和CTCF ChIP-seq）构建加权特征系统，利用Transformer多头注意力捕捉全局和局部特征依赖，并通过双阈值过滤和锚点引导聚类降低假发现率	摘要未提及明确局限性	提高染色质环检测的准确性，特别是在低信噪比和高稀疏性的Hi-C接触矩阵中	染色质环	机器学习	癌症	Hi-C, ATAC-seq, CTCF ChIP-seq	Transformer	Hi-C矩阵, ATAC-seq信号, CTCF ChIP-seq信号	NA	NA	Transformer	APA, 蛋白质富集, 3D结构一致性	NA
218	2026-08-28	Scene-aware contrastive learning with multi-scale domain-invariant feature alignment for robust visual recognition under complex scenes 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57271-1 PMID:42277359	研究论文	提出一种场景感知对比学习与多尺度域不变特征对齐的端到端框架，用于提升复杂场景下的视觉识别鲁棒性和跨域泛化能力	创新性在于结合物理启发的场景变换生成正样本对，并引入自适应难度加权机制引导对比学习关注难分辨的退化条件；同时提出多尺度域不变特征对齐和跨尺度一致性正则化防止语义漂移	未明确提及局限性	解决复杂视觉场景（如光照漂移、遮挡、恶劣天气和跨域传感器变化）下深度学习模型鲁棒性不足和域泛化能力差的问题	复杂场景下的视觉识别任务，具体包括PACS数据集和BDD-City跨域场景识别基准	计算机视觉	不适用	对比学习、域自适应、多尺度特征对齐	深度学习模型（具体类型未说明，采用编码器架构）	图像	未明确提及具体样本数量，使用PACS和BDD-City数据集	未明确提及	编码器层次结构（具体架构如ResNet等未指定）	平均跨域准确率	未明确提及
219	2026-08-28	Performance evaluation of deep learning based YOLOv5 and YOLOv8 models for real time breast cancer detection in mammographic images 2026-Jun-10, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04746-2 PMID:42268482	研究论文	本研究评估了基于深度学习的YOLOv5和YOLOv8模型在乳腺X光图像中实时检测乳腺癌的性能，发现YOLOv8在所有评估参数上均优于YOLOv5	采用YOLO单阶段目标检测算法进行乳腺癌检测，相比传统方法和复杂分割模型，提高了速度和准确性，并首次比较了YOLOv5和YOLOv8在乳腺X光图像上的性能	研究仅使用了来自DDSM数据集的2,620幅数字化乳腺X光图像，可能无法代表更广泛的人群；模型需要进一步优化以实现实时临床应用	确定最有效且高效的深度学习算法，以减少乳腺癌筛查中的假阳性和假阴性率，并评估其在临床应用的潜力	乳腺X光图像中的乳腺癌病变，包括正常、良性和恶性病例	计算机视觉	乳腺癌	NA	YOLO（YOLOv5和YOLOv8）	图像（乳腺X光图像）	2,620幅数字化乳腺X光图像（来自DDSM数据集）	NA	YOLOv5, YOLOv8	F1分数, 精确率, 召回率, 平均精度均值(mAP)	NA
220	2026-08-28	An adversarial-resilient intrusion detection framework for internet of medical things (IoMT) using digital twin-enabled behavioral threat modeling and federated hybrid ensemble learning 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55893-z PMID:42270792	研究论文	提出并评估了一种结合数字孪生技术和联邦混合集成学习的对抗鲁棒性入侵检测框架，用于医疗物联网（IoMT）安全	提出集成数字孪生与边缘云计算的安全框架，结合联邦学习进行行为威胁建模，并通过混合集成学习增强对FGSM对抗攻击的鲁棒性	摘要未提及具体限制	提高IoMT设备对高级网络攻击的实时检测性能，并确保在资源受限条件下保持高准确率和对抗鲁棒性	IoMT网络中的设备和行为数据	机器学习	NA	NA	XGBoost、混合集成学习、深度学习模型	网络流量数据（SmartWard数据集）	基于SmartWard数据集，具体样本数未提及	NA	XGBoost、混合集成架构	精确率、召回率、ROC-AUC、推理时间	NA