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
301	2026-08-18	Decoding Occult Cervical Lymph Node Metastasis in Head and Neck Squamous Cell Carcinoma: From AI-Driven Multimodal Fusion to Clinical Translation 2026-06-04, Current oncology reports IF:4.7Q1 DOI:10.1007/s11912-026-01802-6 PMID:42240903	综述	本文综述了传统宏观方法在检测头颈部鳞状细胞癌隐匿性颈淋巴结转移中的局限性，并探讨了多组学技术和人工智能驱动的跨尺度多模态融合如何重塑cN0患者的精准诊断	提出基于AI与多组学数据整合的非侵入性“全景虚拟活检”框架，结合栖息地影像组学和跨模态融合网络，以表征空间肿瘤异质性和微环境演变，改善微观疾病检测和生存风险分层	文中未详细说明具体验证数据和临床转化中的挑战，可能缺乏大规模前瞻性验证	探索AI和多模态融合技术在提高隐匿性颈淋巴结转移检测和改善cN0头颈癌患者治疗决策方面的潜力	隐匿性颈淋巴结转移和临床淋巴结阴性（cN0）的头颈部鳞状细胞癌患者	多模态融合、人工智能、影像组学、多组学	头颈部鳞状细胞癌	DNA甲基化测序、空间转录组学、影像组学	深度学习模型	基因组、转录组、影像数据	NA	NA	跨模态融合网络	NA	NA
302	2026-08-18	TMD Diagnosis Using a Masked Self-Supervised Tabular Transformer 2026-06, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251376974 PMID:41133777	研究论文	本文介绍了一种名为GATT的掩码自监督表格Transformer模型，用于基于DC/TMD标准对颞下颌关节紊乱病亚型进行分类，并取得了优于传统机器学习方法的表现。	提出了一个结合掩码自监督学习和门控注意力机制的新型深度学习模型GATT，专门用于表格数据，无需影像学资料即可对TMD亚型进行准确分类。	研究基于单一大学注册中心的数据，可能影响模型的泛化性；尽管采用可解释性分析，但模型的临床适用性仍需进一步验证。	开发并验证一种基于结构化临床数据的深度学习模型，以准确分类TMD亚型，提高诊断的一致性和可扩展性。	来自大学注册中心的4644份结构化临床记录，涵盖12种核心TMD亚型。	机器学习	颞下颌关节紊乱病	NA	Transformer	结构化表格数据	4,644份临床记录，包括3,524名女性和1,120名男性患者（平均年龄36.9±14.7岁）	NA	GATT（门控注意力表格Transformer）	AUC, 敏感性, 特异性	NA
303	2026-08-18	CEUS-Based Microvascular Invasion Predictor in HCC: Improving Prognostic Stratification Following Thermal Ablation 2026-06, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70661 PMID:42047408	研究论文	开发并验证了整合超声造影和临床特征的深度学习模型，用于术前评估肝细胞癌的微血管侵犯风险，并探讨其在热消融队列中的预后关联	首次将视觉transformer应用于CEUS动态序列特征提取并结合临床特征进行MVI预测，并在热消融队列中探索模型分层的预后价值	回顾性单中心研究，需前瞻性验证	术前预测HCC的MVI风险，并评估其在热消融患者中的预后分层价值	接受手术切除或热消融治疗的孤立性肝细胞癌（≤5 cm）患者	医学影像分析	肝细胞癌	对比增强超声（CEUS）	视觉Transformer、深度学习模型	超声影像及临床特征数据	688例患者	NA	视觉Transformer	AUC、决策曲线、复发-free生存率、风险比（HR）、Cox回归	NA
304	2026-08-17	mFLIP: metabolic flux interval prediction 2026-Jun-09, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06500-5 PMID:42265586	研究论文	提出mFLIP，一个基于机器学习的框架，用于预测代谢途径中的通量区间，显著降低计算时间。	首次将多种机器学习和深度学习方法应用于代谢通量区间预测，实现秒级推断，优于传统FVA方法。	依赖FVA-derived训练数据，可能受数据质量影响；模型性能在特定数据集上表现最佳，泛化性需进一步验证。	开发快速准确的代谢通量区间预测方法，替代计算密集型的FVA。	代谢通量区间，基于22,000多个代谢组学样本，涵盖多种癌症数据集。	机器学习	癌症（乳腺癌、结肠癌、胰腺癌、前列腺癌、肾透明细胞癌）	代谢组学	随机森林、XGBoost、CNN、GNN、VAE、FT-Transformer	代谢组学数据	超过22,000个样本，六个独立癌症数据集	NA	随机森林、XGBoost、CNN、GNN、VAE、FT-Transformer	回归误差、分类分数	NA
305	2026-08-17	Deep learning enables automated detection of dinosaur footprints with high accuracy 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56031-5 PMID:42236855	研究论文	本研究利用YOLOv8深度学习模型，实现了恐龙脚印的高精度自动检测，并在韩国和巴西的足迹点进行了验证。	首次将YOLOv8应用到恐龙脚印检测中，并提出多尺度检测方法以解决分辨率变化带来的挑战，实现了跨区域泛化。	检测精度受光照条件、保存质量和轮廓标记存在的影响，且训练数据主要来自韩国足迹点，可能限制对其他地区的适用性。	开发一种自动化、高效且客观的恐龙脚印检测系统，以替代人工调查，实现大规模足迹分布的快速绘图。	恐龙脚印，包括兽脚类、鸟脚类和蜥脚类足迹，以及足迹点遗址。	计算机视觉	不适用	目标检测	YOLOv8	图像	49,242张来自AI-Hub数据集的图像，包含韩国足迹点的恐龙脚印。	PyTorch	YOLOv8	平均精度均值(mAP50), mAP50-95	未提及
306	2026-08-17	MAGC-DTI: modality-shared space and adaptive gated interactive cross-attention for drug-target interaction prediction 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50141-w PMID:42243162	研究论文	提出MAGC-DTI，一种端到端跨模态框架，通过多尺度注意力聚合、自适应门控交互交叉注意力和多路径残差分类器，实现药物-靶点相互作用预测	将双向信息交换整合到特征提取和融合阶段，包括多尺度注意力聚合（MSAA）、自适应门控交互交叉注意力（AGICA）和多路径残差分类器（MPRC）	未在摘要中明确提及局限性	通过改进深度学习模型，提高药物-靶点相互作用预测的准确性	药物和蛋白质序列数据	机器学习	NA	NA	深度学习模型（结合注意力机制）	药物和蛋白质序列数据	六个基准数据集	NA	多尺度注意力聚合（MSAA）、自适应门控交互交叉注意力（AGICA）、多路径残差分类器（MPRC）	性能指标未明确列出（可能包括准确率、AUC等）	NA
307	2026-08-17	EEG-based dynamic emotion recognition using multi-scale wavelet transform with a Spatio-Temporal neural network 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53295-9 PMID:42243241	研究论文	提出一种基于多尺度小波变换和时空神经网络的新型EEG动态情绪识别系统，提升分类精度	结合多尺度小波变换、自适应通道选择（强化Q网络）和时空注意力网络，并集成图神经网络与记忆增强神经网络以增强跨被试适应性	未提及	提高EEG信号情绪识别分类精度，增强人机交互适应性	脑电图（EEG）信号中的动态情绪状态分类	机器学习	不适用	脑电图（EEG）	卷积神经网络（CNN）、图神经网络（GNN）、记忆增强神经网络（MANN）	脑电图（EEG）信号数据	三个数据集：EEG脑波数据集、DEAP数据集、基于电脑游戏的EEG数据集（具体样本量未提及）	未提及	时空注意力网络（ST-AN）、多尺度特征融合、集成图神经网络（GNN）与记忆增强神经网络（MANN）	准确率	未提及
308	2026-08-17	Hybrid deep learning approach for early emphysema diagnosis combining fuzzy C-means, TransUNet, and faster mask R-CNN 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55142-3 PMID:42243289	研究论文	提出一种混合深度学习框架（IFCM-TransUNet-Faster Mask R-CNN），用于早期肺气肿的精确检测与定位	结合改进模糊C均值聚类、TransUNet特征提取和Faster Mask R-CNN实例检测，实现像素级分割与对象级检测的统一，提升准确性和可解释性	未提及	提高早期肺气肿在CT扫描中的检测准确性与边界划分质量，减少噪声影响和误报	肺气肿CT图像	计算机视觉, 医学影像分析	肺气肿	CT成像	混合深度学习模型（改进模糊C均值、TransUNet、Faster Mask R-CNN）	图像（CT扫描）	2000张CT图像	未提及	TransUNet, Faster Mask R-CNN	验证准确率, Dice系数	未提及
309	2026-08-17	Quantifying agricultural resilience under climate variability: a data-driven climate resilience index for European cereal systems 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54921-2 PMID:42236573	研究论文	提出一个数据驱动的气候韧性指数（CRI），用于评估欧洲谷物系统在气候胁迫下的韧性	将长期生产力趋势与短期气候诱发波动分离，提出PCA多维度气候压力指数，并采用TCN-LSTM混合模型实现最高预测性能	多国层面的结果可能存在较大空间异质性，且未详细讨论权重选择和处理极端事件的具体策略	量化欧洲谷物系统在气候变化背景下的韧性，并评估恢复动态对农业可持续性的重要性	欧洲谷物系统（如小麦、大麦等作物的年度产量时间序列）	机器学习，时间序列分析	不适用	产量时序分解、气候极端指数计算、PCA暴露框架	随机森林（RF）、CatBoost、CNN、LSTM、TCN及TCN-LSTM混合模型	年度谷物产量时间序列、气候极端指数数据	未具体说明，但涵盖欧洲多国谷物系统数据	NA	随机森林、CatBoost、CNN、LSTM、TCN、TCN-LSTM混合架构	R值（决定系数）、特征重要性分析	NA
310	2026-08-17	Cross-modal latent alignment enables efficient compression of wearable sEMG and accelerometer signals 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52577-6 PMID:42236780	研究论文	本文提出了一种跨模态潜在对齐框架，用于高效压缩可穿戴设备采集的表面肌电信号和加速度计信号，通过训练时的帧级对应和时间动态一致性对齐，提升了压缩性能且不增加推理开销	首次显式对齐sEMG和加速度计信号的潜在表示，利用肌肉活动与肢体运动的内在耦合，且对齐模块仅作为训练时正则化器，推理时完全移除，带来零额外计算开销	未明确提及局限性，但可能依赖于特定数据集（Ninapro）和传感器配置，跨设备泛化性未充分验证	设计一种高效的跨模态压缩方法，以在带宽受限的可穿戴设备上实现sEMG和加速度计信号的高质量压缩，同时保持下游任务性能	表面肌电信号和加速度计信号，以及下游手势分类任务	机器学习, 信号处理	NA	NA	自编码器	信号数据（sEMG和加速度计）	两个Ninapro数据集（具体样本数未在摘要中给出）	NA	自编码器（多种骨干架构，具体名称未列出）	相关系数, 信噪比（SNR）, 准确率, 跨模态漂移	代表性嵌入式平台（具体GPU或云平台未在摘要中提及）
311	2026-08-17	Quantitative measurement of agonistic behaviors of intra- and interspecifics of Gryllus bimaculatus and Acheta domesticus by using DeepLabCut 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55331-0 PMID:42236810	research paper	本研究利用DeepLabCut无标记姿态估计技术，定量分析了双斑蟋和家蟋的种内与种间争斗行为，验证了该方法在行为分析中的有效性和可靠性	首次使用深度学习的无标记姿态估计工具DeepLabCut对两种蟋蟀的种间争斗行为进行定量分析，并系统比较了它们与同种个体相遇时的行为差异，提供了新型的自动化行为量化方法	研究样本量有限，仅涵盖特定性别组合，且未对长期行为动态或环境因素的影响进行深入分析	演示一种基于深度学习姿态估计的综合方法，用于分析双斑蟋和家蟋的种内与种间社会行为，并提供自动化行为量化的替代方案	双斑蟋和家蟋的个体及不同性别组合（雄性×雄性、雌性×雌性、雄性×雌性）	machine learning, digital pathology	NA	DeepLabCut（无标记姿态估计）	深度学习模型（卷积神经网络）	视频数据（行为图像帧）	未明确具体样本数量，但涉及多对蟋蟀的配对测试	TensorFlow	DeepLabCut（基于卷积神经网络的姿态估计模型）	平均似然值（0.94），平均低似然百分比（3.85%），敏感性（0.8），精确性（0.7）	未明确提及具体GPU或云计算资源
312	2026-08-17	ScaHybNet: a scalogram-based hybrid ensemble network for ECG arrhythmia classification 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53755-2 PMID:42236839	研究论文	提出了一种基于尺度图的混合集成网络ScaHybNet，用于心电图心律失常的多分类。	结合残差块CNN、双向LSTM和Transformer编码器，并采用尺度图转换和类别加权处理数据不平衡。	未提及具体限制。	准确及时地检测心律失常，预防心源性猝死。	心电图心跳分类数据集中的五个心跳类别（N, S, V, F, Q）。	数字病理学	心血管疾病	连续小波变换	混合集成模型（CNN, BiLSTM, Transformer）	图像（尺度图）	109,446个样本	NA	残差块CNN, BiLSTM, Transformer编码器	准确率, 精确率, 召回率, F1分数	NA
313	2026-08-17	Adaptive spatiotemporal graph learning for multi-horizon probabilistic wind power forecasting 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53844-2 PMID:42236856	研究论文	提出一种自适应时空图神经网络框架用于多时域概率风电功率预测，同时优化确定性精度、分布锐度和时间稳定性	自适应时空图神经网络框架，动态调整边权重以捕捉风气候驱动下的站点间相关变化，结合多目标损失函数同时优化均方误差、CRPS和时间平滑度	未明确提及局限性	实现多时域概率风电功率预测，提高预测准确性、校准性和时间一致性	风电场集群中的多个地理位置分布的风力发电站点	机器学习	NA	SCADA数据、气象数据	图神经网络 (GNN)	SCADA数据、气象数据	两年高分辨率数据，包含12个地理多样性的风电场站点	NA	ST-GNN	RMSE, CRPS, 校准误差, 时间秩序一致性	NA
314	2026-08-17	Hybrid spatial-field attention network for meteorological data downscaling 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53017-1 PMID:42230883	研究论文	提出一种基于深度学习的混合空间场注意力网络（HSFANet），用于气象数据降尺度，以提高近地表气象变量的空间分辨率。	引入混合空间-场注意力模块，联合建模局部空间依赖、全局空间相关性和不同气象变量间的跨场交互，并采用动态层信息整合模块和地物交叉注意力机制。	未明确提及局限性。	解决现有气象产品空间分辨率粗糙的问题，实现高精度气象数据降尺度。	近地表气象变量（如温度、湿度等）以及CLDAS V2.0再分析数据。	计算机视觉, 深度学习	不适用	深度学习	注意力网络	气象栅格数据	未明确提及样本量。	未明确提及	混合空间场注意力模块，动态层信息整合模块，地物交叉注意力机制	准确率	未明确提及
315	2026-08-17	Deep learning on genome-wide association studies to predict the patient-specific risk of radiation-induced erectile dysfunction 2026-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111531 PMID:41967608	研究论文	本研究开发了一种名为BioDeepGWAS的生物信息深度学习模型，利用全基因组关联研究数据和临床数据预测前列腺癌放疗患者发生辐射诱导勃起功能障碍的个体化风险	提出了一种结合已知生物学组件的深度学习模型BioDeepGWAS，首次将基因组遗传变异和临床数据整合用于RIED风险预测，并进行了通路分析以解释预测机制	样本量相对较小（N=387），且仅基于单一研究队列，未进行外部验证	利用深度学习方法整合基因组和临床数据，提高前列腺癌放疗患者辐射诱导勃起功能障碍风险的个体化预测准确性	668名接受放疗的前列腺癌患者的种系DNA和临床数据，其中387名可评估患者（221例RIED病例和166例对照）	深度学习, 基因组学	前列腺癌, 勃起功能障碍	全基因组关联研究（GWAS）基因分型	深度学习模型	基因型数据（SNP）、临床数据（年龄、雄激素剥夺治疗使用情况）	387名患者（训练集70%、验证集10%、测试集20%）	NA	NA	AUC、校准分析、比值比	NA
316	2026-08-17	MRI-driven multimodal deep learning approach for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: A multicenter study 2026-06, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111796 PMID:41996781	研究论文	本研究开发了一种基于MRI的临床深度学习影像组学模型，用于预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解，并在多中心队列中进行了验证	结合了影像组学特征与深度学习特征，并采用SHAP分析和Grad-CAM方法增强模型的可解释性，通过多中心外部验证确保泛化能力	信息未提供	在治疗前无创预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解，以支持器官保留和个体化治疗决策	局部晚期直肠癌患者	机器学习	直肠癌	MRI	图像分类模型	图像	180例局部晚期直肠癌患者，其中训练队列92例，外部验证队列88例	NA	ResNet50, GoogLeNet, ResNet18, VGG16	AUC	NA
317	2026-08-17	Integrating multi-omics data for enhanced prognosis prediction in gastric cancer post-neoadjuvant therapy 2026-06, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111837 PMID:42054940	研究论文	本研究整合CT图像的深度学习特征和免疫评分，构建并验证了胃腺癌新辅助治疗后的综合预后模型，以提高风险预测准确性。	创新性地将深度学习图像特征与免疫评分结合，构建多组学列线图，整合影像和转录组数据，提高预后预测精度。	未提及明确的局限性。	开发并验证一个整合深度学习特征和免疫评分的综合预后模型，以改善局部晚期胃癌新辅助治疗后的风险评估。	179例接受新辅助治疗的局部晚期胃癌（LAGC）患者，分为开发队列（n=125）、内部验证队列（n=54）和外部验证队列（n=29）。	数字病理学	胃癌	CT成像，转录组测序	CNN, 多因素Cox回归, LASSO回归	CT图像, 转录组数据	179例训练/内部验证，29例外部验证	NA	ResNet18	AUC, 3年无病生存率，总生存率	NA
318	2026-08-16	Tri-MCA fusion: cross-modal attention and dynamic gating for multimodal sentiment analysis 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56224-y PMID:42230901	研究论文	本文提出一种用于多模态情感分析的三模态交叉注意力与自适应门控融合架构，在多个基准数据集上提升了情感预测性能	提出三模态交叉注意力模块和自适应门控机制，以更好地捕捉文本、音频和视觉模态间的复杂交互，并处理模态不平衡和噪声信号	摘要中未提及局限性	改进多模态情感分析中异质模态交互建模，提升情感预测性能	文本、音频和视觉三种模态数据	自然语言处理、多模态学习	NA	交叉注意力机制、门控机制	交叉注意力网络	文本、音频、视觉信号	三个基准数据集：CMU-MOSI、CMU-MOSEI 和 SIMS	NA	三模态交叉注意力模块、自适应门控机制	准确率、F1分数	NA
319	2026-08-16	Semi-automated detection of cleaning interactions using supervised machine learning 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56200-6 PMID:42230992	研究论文	本研究开发了一种半自动化系统，利用基于深度学习的DeepLabCut进行无标记姿态估计，以跟踪并分类清洁鱼与客户鱼之间的清洁互动行为，从而减少人工视频分析的工作量。	首次将DeepLabCut应用于海洋互利共生行为（清洁互动）的自动化检测，并结合定制分类算法实现高准确率的互动识别，显著减少人工标注需求。	算法将约15%的非互动误判为互动，且实验在受控的三维实验室环境中进行，可能限制在自然条件下的适用性。	开发并评估一种用于自动检测清洁鱼类互动行为的半自动化系统，以减少人工视频分析的时间和误差。	清洁鱼（Labroides dimidiatus）和粉蓝刺尾鱼（Acanthurus leucosternon）在受控实验室环境中的互动行为。	计算机视觉	NA	DeepLabCut（基于深度学习的无标记姿态估计）	卷积神经网络（CNN）	视频数据	NA（具体样本数量未在摘要中提供）	DeepLabCut	ResNet	准确率（90%）、误报率（15%）	NA（摘要中未提及具体计算资源）
320	2026-08-16	Smart meter health state prediction based on residual-connected self-attention ConvLSTM network 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54371-w PMID:42236786	研究论文	提出一种基于残差连接自注意力ConvLSTM网络的智能电表健康状态预测框架，实现准确的状态分类与维护决策支持	在堆叠的ConvLSTM层间引入残差捷径连接以缓解梯度消失和网络退化问题，并集成自注意力机制动态调整时空特征表示，从而同时捕获复杂时空退化模式与长程依赖	跨区域验证仍待开展，计算可扩展性和可解释性需进一步提升	实现智能电表健康状态的准确预测，支撑计量可靠性与状态维护	智能电表	机器学习	不适用	不适用	卷积长短期记忆网络（ConvLSTM）	时间序列数据	12,860只智能电表，跨越36个月	不适用	残差连接自注意力ConvLSTM	准确率、宏F1分数	不适用