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
221	2026-08-28	Home-based eye tracking for early autism screening: a scoping review of approaches, evidence, and implementation challenges 2026-06-06, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-08255-y PMID:42251334	综述	本综述综合了家庭部署眼动追踪作为早期自闭症谱系障碍筛查的数字生物标志物的证据、机器学习方法和实施可行性	首次系统性地综述了家庭可部署的眼动追踪技术用于早期ASD筛查，涵盖了从实验室到家庭部署的四阶段平台，并评估了其转化准备度	仅检索了PubMed和Scopus两个数据库，时间窗口限定为2015-2025年，仅纳入英文文献，且未进行批判性评价	评估家庭部署眼动追踪作为早期ASD筛查数字生物标志物的证据、相关机器学习方法和真实世界实施的可行性	婴幼儿和儿童（年龄从5个月到18岁）	数字病理学	自闭症谱系障碍	眼动追踪	机器学习模型（如SVM、随机森林）和深度学习模型	眼动数据	90项研究，样本量从30到1000以上不等	NA	NA	PPV、NPV、置信区间	NA
222	2026-08-28	THC-net: an attention-based deep learning model for chromatin compartment prediction from histone modifications 2026-Jun-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06504-1 PMID:42237102	研究论文	提出THC-Net，一种基于注意力机制的深度学习模型，用于从组蛋白修饰预测染色质区室（A/B区室），并在多个细胞系中验证其性能。	整合了Transformer的自注意力机制、Hyena算子的长序列建模能力和卷积神经网络的局部特征提取优势，形成多模态深度学习架构，用于染色质区室预测。	摘要未明确提及局限性，但可能受限于依赖特定组蛋白修饰特征，且跨细胞类型验证仅基于六种细胞系。	开发一种精确预测染色质A/B区室的深度学习方法，以替代昂贵的Hi-C实验，并揭示细胞类型特异的表观遗传调控网络。	六种细胞系（IMR90, HMEC, K562, GM12878, HUVEC, NHEK）的染色质区室及其组蛋白修饰数据。	生物信息学，机器学习	不适用	组蛋白修饰数据（可能来自ChIP-seq），Hi-C	深度学习模型（结合Transformer、Hyena和CNN）	表观遗传标记数据（组蛋白修饰特征）和染色质区室标签	六种细胞系（每种细胞系的具体样本数未在摘要中说明）	NA	Transformer, Hyena, CNN（可能是混合架构）	AUROC（平均93.1%，在跨细胞类型验证中）	NA
223	2026-08-26	Refining Sleep-Disordered Breathing Annotations Across Multiple Public Sleep Study Datasets 2026-06, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70264 PMID:41431151	研究论文	开发标准化标注流程，根据AASM指南重新标注多个公共睡眠研究数据集的睡眠呼吸障碍事件，以提高跨队列一致性和AI分析可靠性	首次提出标准化标注管道，整合睡眠分期、氧减饱和和觉醒事件，遵循AASM综合标准，改善多数据集间AHI计算的一致性	未明确说明局限性	改进公共睡眠数据集中睡眠呼吸障碍注释的准确性，以符合当前临床指南并支持AI分析	多中心睡眠研究参与者，包括SHHS、MrOS、MESA和KISS数据集	数字病理学	阻塞性睡眠呼吸暂停	多导睡眠监测	深度学习模型（未指定具体类型）	多导睡眠图信号	SHHS1 (n=5793), SHHS2 (n=2651), MrOS1 (n=2907), MrOS2 (n=1026), MESA (n=2054), KISS (n=7745)	NA	NA	平均绝对误差，F1分数	NA
224	2026-08-26	Optimising Sleep Stage Detection Using a Minimal Non-EEG Physiological Signal Set and Deep Learning 2026-06, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70266 PMID:41391449	研究论文	提出一种基于U-Net架构的可复现深度学习框架，仅利用三种非脑电生理信号（血氧饱和度、心率和腹式呼吸努力）进行睡眠分期，实现每秒级别的预测。	相比大多数依赖脑电信号和固定30秒时段的研究，本模型仅使用三种易采集的非脑电信号，并提供每秒级别的睡眠分期预测，突破了传统时段限制。	未明确提及，但可能包括对特定数据集依赖和模型在更广泛人群中的泛化性仍需进一步验证。	开发一种无需脑电信号的轻量级深度学习模型，以实现可扩展、临床相关的睡眠监测。	睡眠阶段分类，包括五阶段（清醒、N1、N2、N3和快速眼动）或四阶段（清醒、浅睡、深睡和快速眼动）。	深度学习、数字健康	睡眠相关疾病	非脑电生理信号采集，包括血氧饱和度、心率和腹式呼吸努力	卷积神经网络（基于U-Net架构）	生理信号时间序列数据	使用SHHS2数据集进行训练，MESA数据集进行外部验证，具体样本数量未在摘要中提供	Keras（使用Keras Tuner和Hyperband算法）	U-Net	加权F1分数、Cohen's Kappa	未明确提及，可能使用标准GPU，但摘要中未指定
225	2026-08-26	Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada 2026-Jun, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2026.110076 PMID:41862033	研究论文	本研究比较了秘鲁利马和加拿大蒙特利尔两个队列的咳嗽声学特征及基于人工智能的新冠肺炎检测性能，发现咳嗽声学具有人群特异性，模型跨人群泛化能力有限	首次系统比较不同地理和流行病学背景下咳嗽声学特征对新冠检测模型性能的影响，并分析了疾病状态对预测得分的影响	样本量相对较小，且仅涉及两个地区，可能限制结果的普遍性	评估和比较不同人群（利马和蒙特利尔）咳嗽声学特征及基于人工智能的新冠肺炎筛选模型的性能	来自秘鲁利马和加拿大蒙特利尔的605名成人咳嗽录音和临床数据	数字病理学	新冠肺炎	NAAT（核酸扩增检测）	XGBoost，深度神经网络	音频，文本	605名成人	NA	XGBoost，深度神经网络	AUC	NA
226	2026-08-24	RoseVisuals: A Multi-Class Dutch Rose Petal Images Dataset for Automated Health and Pigmentation Classification via Deep Learning 2026-Jun-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07630-4 PMID:42337298	研究论文	该研究创建了一个包含1995张高分辨率荷兰玫瑰花瓣图像的数据集，用于通过深度学习进行健康和色素分类	首次专门针对荷兰玫瑰花瓣构建多类图像数据集，涵盖多种颜色和健康状态，填补了机器学习在玫瑰品种研究中的空白	未提及局限性	支持农业中的机器学习活动，特别是自动花瓣健康评估和玫瑰品种分类	荷兰玫瑰花瓣，涵盖红色、黄色、白色、粉色、紫色、橙色、双色和多色，以及新鲜、干燥和病变状态	计算机视觉	不适用	图像采集	深度学习模型	图像	1995张高分辨率花瓣图像	未提及	未提及	未提及	未提及
227	2026-08-24	Image Caption Generation using Deep Learning Approaches 2026-06-12, Journal of visualized experiments : JoVE DOI:10.3791/71528 PMID:42371865	研究论文	本文利用深度学习技术，特别是ResNet和RNN，实现图像字幕生成，以提供准确且有意义的图像文本描述	采用智能滤波技术增强图像，结合ResNet进行深度特征编码和RNN解码，以生成与参考字幕高度精确的描述	未在摘要中明确提及局限性	提高图像字幕生成的准确性和语义相关性，通过深层表示和智能滤波实现更精确的描述	图像字幕生成任务，使用MSCOCO数据集中的图像和参考标注	计算机视觉, 自然语言处理	不适用	CNN, RNN	CNN, RNN	图像, 文本	MSCOCO数据集（未提供具体样本数量）	未明确指定	ResNet, RNN	BLUE（B1、B2、B3、B4）, METEOR, ROUGE, CIDEr	未明确指定
228	2026-08-24	An Explainable Privacy Preserving Multimodal Ensemble Framework For Skin Lesion Classification 2026-06-12, Journal of visualized experiments : JoVE DOI:10.3791/71472 PMID:42371851	研究论文	提出一个可解释的隐私保护多模态集成框架，用于皮肤病变分类，结合深度学习、集成学习和可解释AI技术	结合多模态特征（图像特征与临床元数据）与隐私保护意识，使用集成策略和可解释性方法，提升了分类准确率与透明度	未提及	解决皮肤病变分类中隐私、可解释性和类别不平衡问题，提高诊断准确率	皮肤病变图像及临床元数据	计算机视觉	皮肤癌	深度学习、集成学习、可解释AI	EfficientNet B4, DenseNet201, MobileNetv2, XGBoost, LightGBM, 深度神经网络分类器	图像和表格数据	HAM10000数据集（约10015张皮肤病变图像）	未提及	EfficientNet B4, DenseNet201, MobileNetv2, XGBoost, LightGBM, DNC	准确率	未提及
229	2026-08-24	Dynamic driver drowsiness detection with attention enhanced convolutional neural networks for real time monitoring and road safety applications 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33727-8 PMID:42277061	研究论文	提出一个基于深度学习的实时驾驶员疲劳检测框架，通过面部分析对瞌睡状态进行分类，以提高道路安全	采用注意力机制增强的自定义卷积神经网络，结合多个预训练模型进行微调，在NTHU-DDD数据集上实现了99.63%的最高准确率	文中未提及具体限制	开发一种准确且实时的驾驶员瞌睡检测系统，用于实时监控和道路安全应用	驾驶员面部图像，包括眼睛和嘴巴行为	计算机视觉	不适用	深度学习	卷积神经网络（CNN）	图像	NTHU-DDD数据集	未提及	VGG19, VGG16, ResNet150, DenseNet201, 自定义CNN	准确率、精确率、召回率、F1分数	未提及
230	2026-08-24	Lightweight CNN SE transformer for robust weed classification with optimizer aware performance 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52345-6 PMID:42277165	研究论文	本研究设计了一种轻量级CNN-SE-Transformer架构，用于杂草分类，通过优化器感知评估其性能	与以往深度学习方法不同，该模型能够缩短令牌序列并利用后续特征更高效地分析数据，同时保持整体性能，并采用Squeeze-and-Excitation模块增强判别能力	未提及	实现准确且快速的杂草类型识别，以支持精准农业中的杂草控制	三类和十六类杂草数据集	计算机视觉	不适用	不适用	CNN、Transformer	图像	两个数据集，分别包含三类和十六类杂草，具体样本数未提及	未提及	CNN-SE-Transformer	测试准确率	未提及
231	2026-08-24	Enhancing the detection of LTP through lyophilized protein samples and NIR spectroscopy with explainable deep learning 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56935-2 PMID:42265268	研究论文	本研究开发了一种结合近红外光谱、深度学习和可解释性方法的集成框架，用于准确、可解释地检测食物中的脂质转移蛋白过敏原	将纯化蛋白嵌入信息引入基于AI的光谱分析，显著提升了脂质转移蛋白检测的性能和鲁棒性	未提供具体局限性信息	实现复杂食物矩阵中脂质转移蛋白的准确且可解释的检测，为食品安全应用提供便携、非破坏性的策略	均质化食物样本、纯化Pru p 3和Ara h 9蛋白及其与无LTP基质（如酸奶和奶粉）的混合物	机器学习	过敏性疾病	近红外光谱	卷积神经网络、TabTransformer	光谱数据	共11,688个光谱测量值	NA	一维卷积自编码器	准确率、精确率、召回率、F1分数、AUC-ROC	NA
232	2026-08-24	A multi-view autoencoder architecture with self-adaptive feature recalibration and confidence-aware ensemble for heart disease classification 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53138-7 PMID:42270697	研究论文	提出一种结合多视图自编码器、自适应特征重校准和置信度感知集成的心脏病分类混合智能框架	首次将多视图特征提取、数据驱动特征重校准和实例级动态集成相结合，提升心脏病预测的准确性和可解释性	研究未涉及临床试验或前瞻性人体实验，且需在更大、更多样化的人群中验证	提高心脏病分类的准确性和可靠性，支持早期预测和临床决策支持系统	来自五个知名心脏病数据集的人口统计、临床和诊断数据	机器学习	心脏病	NA	自编码器、集成学习（Extra Trees、随机森林、XGBoost）	表格数据	NA	NA	NA	准确率、灵敏度、特异性、F1分数、统计检验（Friedman和Wilcoxon符号秩检验）	NA
233	2026-08-24	Hierarchical semantic extraction and heterogeneous graph neural networks for event-driven time series forecasting 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56483-9 PMID:42270717	研究论文	提出了一种基于多模态图神经网络和时序融合Transformer的三部分方法框架，用于事件驱动的时间序列预测，通过层次化语义提取和异构图神经网络提升预测精度	首次将大语言模型用于层次化语义提取，将非结构化文本分解为实体立场、事件本体、因果链和情感指标四个层次；构建多类型节点和关系的异构图，利用关系图卷积网络建模事件间的累积、传播和协同效应；通过语义分析实现动态环境识别，自适应调整特征权重	未提及模型的计算资源需求、训练时间或对大规模数据的可扩展性，实验仅在原油价格预测一个场景下验证	解决事件驱动时间序列预测中对突发事件响应不足和文本语义压缩的问题，提高预测准确性	原油价格时间序列及其相关新闻文本数据	机器学习, 自然语言处理	NA	大语言模型, 关系图卷积网络, 时序融合Transformer	图神经网络, Transformer	文本和时间序列数据	未明确提及，但涉及原油价格预测场景	NA	关系图卷积网络（RGCN）, 时间融合Transformer（TFT）	预测准确率, 消融研究	NA
234	2026-08-24	Machine learning-enabled ECG arrhythmia classification: a systematic and educational study from signal processing to decision support 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56828-4 PMID:42270808	研究论文	本研究系统评估了信号处理、特征提取、特征选择和评估策略对多类心电图心律失常分类性能的影响，提出了一种可解释的机器学习框架	通过序列前向特征选择揭示了分类性能在约15个特征处饱和，并证明经典机器学习方法（特别是SVM）在可解释性下能达到与复杂深度学习模型相当的高性能	未明确提及局限性	开发一种系统且可解释的心电图心律失常分类框架，并评估各处理阶段对性能的影响	心电图心律失常信号，特别是来自MIT-BIH心律失常数据库的多类心律失常样本	机器学习	心律失常	NA	支持向量机（SVM）	心电信号	未明确提及样本数量，但使用MIT-BIH心律失常数据库	NA	NA	准确率、黄金距离（GD）	NA
235	2026-08-24	Lightweight English Text Classification with Deep Learning Based on Complex System Theory 2026-06-09, Journal of visualized experiments : JoVE DOI:10.3791/69344 PMID:42372063	研究论文	结合复杂系统理论与深度学习方法，构建图神经网络模型，并通过两级元蒸馏机制实现英语文本分类的轻量化与高性能。	将复杂系统理论融入图神经网络，提出两阶段元蒸馏方法结合元学习策略，动态调整教师模型参数并优化知识迁移过程。	未明确提及局限性。	提升英语文本分类在少样本和跨域场景下的泛化能力，同时实现轻量化模型。	英语文本分类任务，包括少样本、跨域和长文本场景。	自然语言处理	NA	深度学习、图神经网络、元学习、知识蒸馏	图神经网络	文本	未明确提及，涉及多主题文本分类数据集。	NA	图神经网络	分类性能、效率、性能保持率	未明确提及，但强调了计算效率优势。
236	2026-08-24	Probabilistic deep learning framework for dynamic carbon emission accounting of electric buses under grid uncertainty 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49360-y PMID:42265148	研究论文	本研究建立了一个动态、不确定性感知的框架，用于电动公交系统的碳核算，该框架将混合深度学习架构与时变概率网格排放模型及蒙特卡洛模拟相结合	首次将时变概率网格排放模型与混合深度学习架构（TCN、BiLSTM和注意力机制）相结合，实现对电动公交碳排放的动态、不确定性感知核算	未明确提及，但可能包括依赖特定城市（深圳）的数据，以及模型在跨地区应用时的泛化性需进一步验证	开发一种动态、不确定性感知的碳核算方法，以捕捉电动公交系统碳排放在时空上的变异性和不确定性传播	深圳的十辆电动公交车	机器学习	不适用	高频运行遥测技术	混合深度学习模型（TCN、BiLSTM、注意力机制）	运行遥测数据（时间序列数据）	十辆电动公交车的运行数据	未明确提及	TCN, BiLSTM, 注意力机制	R², RMSE	未明确提及
237	2026-08-24	Hybrid deep ensemble architecture for robust diabetic retinopathy classification: leveraging transfer learning and CNN-transformer synergy 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55085-9 PMID:42265162	研究论文	提出一种结合卷积神经网络、视觉转换器、迁移学习和集成技术的深度学习框架，以提高糖尿病视网膜病变检测的准确性	通过并行和顺序方式融合CNN与Transformer，并采用软投票集成策略优化模型性能	未提及	开发一种稳健、自动化的糖尿病视网膜病变检测系统，辅助临床诊断	糖尿病视网膜病变图像	计算机视觉	糖尿病视网膜病变	迁移学习	CNN、Transformer、集成模型	图像	APTOS 2019数据集，具体样本数未提及	未提及	ResNet、Vision Transformer等（基于预训练模型），具体架构未详述	准确率、ROC AUC、F1分数	未提及
238	2026-08-24	HOG-supervised compact CNNs for real-time visual place recognition 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54833-1 PMID:42265161	研究论文	本文提出HOGNet，一种基于HOG特征监督的紧凑卷积神经网络，用于实时视觉地点识别，旨在平衡精度、可解释性和计算效率	利用手工设计的HOG描述符作为监督信号来训练紧凑CNN，减少对大规模标注数据和计算资源的需求，同时保持高精度和实时性	未在摘要中明确提及	开发一种高效且可解释的深度学习框架，用于视觉地点识别，实现精度与计算效率的平衡	视觉地点识别任务，涉及Nordland数据集和印度驾驶数据集（IDD-VPR）	计算机视觉	NA	HOG特征提取	卷积神经网络（CNN）	图像	未明确样本数量，但使用Nordland和IDD-VPR两个数据集	NA	HOGNet_441和HOGNet_1764，并与VGG16、ResNet101、MobileNet进行比较	验证准确率、Recall@20	NA，但强调实时性（约290 FPS）和资源受限环境适用性
239	2026-08-24	RefactoCNN-system: an optimized deep learning framework for predicting software refactoring opportunities using CNN-based code analysis 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56911-w PMID:42265446	研究论文	提出了一个基于卷积神经网络（CNN）的优化深度学习框架RefactoCNN-System，用于根据原始Java源代码预测宏观软件重构机会	结合贝叶斯超参数调优和学习率调度，使用抽象语法树和令牌序列作为代码的结构化表示，并通过映射引擎将分类输出转化为开发者易读的重构建议	具体局限性未在摘要中详述	自动化预测软件重构机会，以改善代码质量和可维护性	Java源代码中的宏观重构机会	机器学习	NA	NA	卷积神经网络（CNN）	文本（源代码的AST和令牌序列表示）	未明确说明	NA	卷积神经网络（CNN）	准确率、精确率、召回率、F1分数	NA
240	2026-08-24	Impact of simulated glasses noise on facial emotion recognition with deep learning models 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56549-8 PMID:42265365	研究论文	研究了模拟眼镜噪音对深度学习模型面部情绪识别性能的影响，并评估了不同架构的鲁棒性	首次系统分析了大型眼镜遮挡眼睛区域的结构性噪声对深度学习表情识别模型的影响，并比较了Transformer架构与CNN架构的鲁棒性	仅在RAF DB数据集上进行了模拟噪声测试，未考虑真实世界中的其他复杂噪声条件	确定眼镜遮挡噪声对表情识别模型性能的影响，并提出提高鲁棒性的方法建议	面部表情识别模型在噪声条件下的性能表现	计算机视觉, 深度学习	NA	图像模拟噪声处理	CNN, Transformer	图像	RAF DB数据集（包含大量面部表情图像）	NA	ResNet-50, Vision Transformer (ViT-Base/16), Swin Transformer Tiny	识别准确率	未提及