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	2026-09-07	A 1D-CNN with advanced data augmentation for robust speech emotion recognition 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56241-x PMID:42310400	研究论文	提出一种基于一维卷积神经网络（Conv1D）和先进数据增强技术的语音情感识别框架，利用互补声学特征实现稳健的情感识别	创新性地结合MFCC、ZCR和RMSE三种互补声学特征，采用序列拼接表示输入Conv1D架构，并应用多种数据增强技术（噪声注入、时间偏移、音高调整和时间拉伸）仅对训练样本进行处理以提高鲁棒性和类别平衡	摘要中未提及明确的局限性	解决传统语音情感识别中因数据集不平衡、说话人变异性及环境噪声导致的泛化能力不足问题，提出计算高效的深度学习框架	语音信号中的七种情感类别，包括来自RAVDESS、SAVEE、CREMA-D和TESS数据集的样本	机器学习, 数字信号处理	NA	声学特征提取（MFCC、ZCR、RMSE）	一维卷积神经网络（Conv1D）	音频信号	多数据集合并包含RAVDESS、SAVEE、CREMA-D和TESS数据集，具体样本数量未提及	NA	Conv1D	测试准确率, Macro F1分数	NA
162	2026-09-07	A multimodal deep learning model predicting hyperprogressive disease for PD-1 blockade in advanced hepatocellular carcinoma 2026-Jun-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02834-9 PMID:42236582	研究论文	开发了一种基于Transformer的多模态深度学习模型HOPE，用于预测晚期肝细胞癌患者接受PD-1抑制剂治疗后发生超进展性疾病的风险	首次将动脉期和门静脉期CT影像与结构化临床因素整合到多模态模型中，专门用于预测HPD，并通过消融分析验证了多模态整合的价值	外部验证队列中AUC较低，且为回顾性研究，需要前瞻性验证	建立临床可解释的预处理决策支持工具，用于对接受PD-1抑制剂联合治疗的高风险HPD患者进行风险分层	晚期肝细胞癌患者，接受PD-1抑制剂为基础的三联治疗	医学影像分析	肝细胞癌	计算机断层扫描（CT）	Transformer	影像数据（CT图像）和结构化临床数据	665例患者	PyTorch	Transformer, Gradient-weighted Class Activation Mapping (Grad-CAM)	曲线下面积（AUC）	NA
163	2026-09-06	A scoping review of the use of artificial intelligence as a psychological assessment tool 2026-Jun-22, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04181-5 PMID:42331776	综述	本文对人工智能作为心理评估工具的应用进行了范围综述，系统梳理了现有研究、识别研究空白并评估方法学局限性	首次对AI在心理评估领域的文献进行全面系统性绘图，揭示了研究在样本量、算法类型、验证方法和性能指标上的广泛差异，并指出了该领域在透明度、诊断标准使用和人口文化分析方面的不足	研究可能受限于数据库选择、筛选标准和纳入文献质量，且由于原始研究的异质性，难以进行定量合并分析	系统化AI在心理评估中的应用研究，识别当前证据空白、方法学局限，并为未来研究提供方向建议	人工智能在心理评估中的应用研究，涵盖抑郁、焦虑、自杀倾向和压力等心理健康问题	机器学习	精神疾病	NA	监督学习、深度学习、无监督学习	文本、心理测量数据	纳入320篇同行评审文章，样本量范围从1到19,400,000不等	NA	NA	AUC（曲线下面积）	NA
164	2026-09-06	Construction of a small-sample brain imaging data augmentation and explainable diagnostic model for autism based on generative adversarial networks 2026-Jun-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02514-w PMID:42332578	研究论文	提出融合条件生成对抗网络数据增强、多模态特征融合和可解释深度学习的自闭症辅助诊断框架，基于ABIDE I/II数据集实现ASD与典型发育个体的分类	利用条件GAN增强少数类样本，结合双分支编码器与交叉注意力机制进行多模态融合，并采用可解释性分析揭示决策依据	未明确提及局限性	开发基于脑影像的ASD客观诊断自动化工具，提高分类性能并验证跨中心泛化能力	自闭症谱系障碍（ASD）患者和典型发育（TD）个体	数字病理学	自闭症谱系障碍	功能磁共振成像（rs-fMRI）和结构磁共振成像（sMRI）	条件生成对抗网络（cGAN）、深度学习模型	脑影像数据（rs-fMRI和sMRI）	ABIDE I/II多中心公共数据集（具体样本量未在摘要中提供）	未明确提及	条件GAN、双分支编码器、交叉注意力机制	AUC、平衡准确率	未明确提及
165	2026-09-06	Transformer-accelerated discovery of inhibitors targeting the RpsAΔ438 deletion in PZA-resistant tuberculosis 2026-Jun-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01235-0 PMID:42332812	研究论文	该研究开发了一种结合Transformer虚拟筛选、分子对接、高斯加速分子动力学模拟和MM/GBSA自由能计算的筛选流程，以发现针对PZA耐药结核分枝杆菌RpsAΔ438缺失突变体的新型抑制剂，并鉴定出Z2568748600为最有前景的候选化合物。	创新性地将基于Transformer的深度学习框架用于针对耐药菌株突变蛋白的高通量虚拟筛选，并与多种计算模拟方法集成，形成了系统性的筛选策略，显著提升了发现潜在抑制剂的工作效率。	研究主要基于计算方法进行预测和评估，缺乏体外或体内实验验证，未明确提及计算资源和数据集规模对方法的限制，也未讨论模型的泛化能力。	发现针对PZA耐药结核分枝杆菌中RpsAΔ438突变体的新型抑制剂。	PZA耐药结核分枝杆菌的RpsA蛋白突变体（RpsAΔ438）及FDA批准的化合物库和中草药库中的化合物。	机器学习	结核病	虚拟筛选、分子对接、高斯加速分子动力学模拟、MM/GBSA自由能计算	Transformer、随机森林、XGBoost	化合物数据（分子结构、MIC值）	从ChEMBL数据库获取化合物集，经MIC标记；其他数据集未具体说明数量（提及分别获得317和1757个候选化合物）。	PyTorch	Transformer	AUC、准确率	未提供具体信息
166	2026-09-06	Balancing accuracy and efficiency in lumbar spine image segmentation using multi-scale attention and residual learning 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58394-1 PMID:42304021	研究论文	本文介绍了一种名为MRAS+FPN的新型深度学习模型，用于腰椎MRI图像中腰椎结构的自动分割，旨在平衡分割精度与计算效率。	模型引入了多尺度残差注意力块（MRAB）和自适应空间通道注意力块（ASCAB），分别通过方向性扩张卷积和动态特征选择来处理各向异性解剖结构，并采用跨层特征门控（CFG）调节信息流，这些创新提高了复杂边界和细节的分割能力。	文摘中未明确提及局限性，但可能包括模型在外部数据集上的泛化性未验证、内存使用相对较高（15.8 GB）等潜在限制。	开发一种高效且准确的方法，用于腰椎MRI中椎体和椎间盘的分割，以支持临床诊断和治疗规划。	腰椎结构，包括T9-S1椎体及其对应的椎间盘。	计算机视觉	腰椎疾病	MRI	深度学习模型（卷积神经网络）	图像（MRI）	215个T2加权腰椎MRI体积，由专家标注。	未明确说明（可能为PyTorch或TensorFlow）	FPN（特征金字塔网络）结合多尺度残差注意力块（MRAB）和自适应空间通道注意力块（ASCAB），以及方向性扩张卷积模块（DDCM）和跨层特征门控（CFG）。	Dice相似系数（DSC）、平均交并比（mIoU）、95百分位豪斯多夫距离（HD95）、平均对称表面距离（ASSD）。	训练时间22.1小时，内存15.8 GB（具体GPU类型未提及）。
167	2026-09-06	Robust adaptive fault-tolerant learning control for human height-weight prediction based on DNN 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57686-w PMID:42310389	研究论文	提出一种基于深度神经网络的分布式鲁棒自适应受限容错最优控制方法，用于人体身高和体重的预测，并验证其高精度和稳定性	将深度学习和容错控制理论结合，引入受限容错机制，以提高预测器在数据噪声、环境变化和异常值下的鲁棒性和自适应能力	方法最适用于中小型表格数据集，具有中等类别不平衡和有限少数类样本，评价标准间可能存在权衡	解决人体身高和体重预测中的复杂性和不确定性问题，为公共安全技术中的生物特征预测提供新思路	人体身高和体重预测，涉及手指长度数据	机器学习	NA	NA	深度神经网络	表格数据（手指长度和身高体重数据）	372组数据，其中30%数据丢失	NA	NA	准确率	NA
168	2026-09-06	Deep learning enabled intelligent robotic system for aeroengine blade surface inspection 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57817-3 PMID:42303718	研究论文	提出一种基于深度学习的智能机器人系统，用于航空发动机叶片表面自动检测，集成定位与缺陷检测功能，提高检测效率和准确性	首次将深度学习目标检测与机器人自动化相结合，实现自动驾驶叶片定位、抓取、图像采集和缺陷检测的完整流程，显著缩短检测周期	系统测试在受控工业环境下进行，实际复杂环境适应性未充分验证，且未能解决所有可能的缺陷类型	开发自主航空发动机叶片表面检测系统，满足维修、修理和大修（MRO）需求，减少人工干预和错误	航空发动机叶片	计算机视觉	NA	深度学习，机器视觉，机器人自动化	目标检测模型（如YOLO系列，未明确指定，但通常为CNN-based）	图像	两个独立数据集，分别用于叶片定位和表面缺陷检测，具体数量未提及	未明确提及，可能使用PyTorch或TensorFlow等	未明确指定，但推断为CNN架构，如YOLO	平均精度（mAP）88.2%，检测周期时间约4秒/叶片	未描述具体GPU或计算资源
169	2026-09-06	Memristive nano-neuromorphic spiking neural network with self-adaptive continual and predictive learning for edge gesture recognition 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52643-z PMID:42304003	研究论文	提出一种基于忆阻器的纳米神经形态脉冲神经网络（SCaP-SNN），用于边缘场景下的手势识别，实现自适应、持续学习和预测学习	设计了一种统一的忆阻脉冲神经网络，融合自适应学习、持续学习和预测智能，以支持边缘设备上高效的手势识别	未明确提及	开发一种功耗低、适应性强且能够边缘部署的手势识别模型	手势识别系统	机器学习, 边缘计算	NA	NA	脉冲神经网络（SNN）	表面肌电信号	NA	NA	脉冲神经网络（SNN）	分类准确率, F1分数, 遗忘率, 预测准确率, 功耗	未明确提及
170	2026-09-06	A hybrid CNN-LSTM approach for large-scale Twitter sentiment analysis with explainable artificial intelligence 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58345-w PMID:42304117	研究论文	提出了一种基于混合CNN-LSTM架构的大规模Twitter情感分析框架，并利用SHAP增强模型可解释性	将CNN的局部特征提取能力与LSTM的序列上下文建模能力集成到一个混合模型中，同时应用SHAP分析情感预测的关键词，实现了高性能与可解释性的兼顾	未明确提及局限性	提高大规模Twitter情感分析的准确性和可解释性	Twitter上的推文数据	自然语言处理	NA	NA	CNN-LSTM混合模型	文本数据	超过69万条推文，标记为积极、消极和中性	NA	CNN-LSTM	准确率、精确率、召回率、F1分数	NA
171	2026-09-06	Radiomics-based unsupervised clustering and deep learning nomogram for response prediction after neoadjuvant chemotherapy in locally advanced laryngeal cancer 2026-Jun-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02505-x PMID:42304259	research paper	开发一种基于影像组学、无监督聚类和深度学习的列线图模型，用于预测局部晚期喉癌患者新辅助化疗的反应。	首次将影像组学无监督聚类与深度学习特征融合，构建列线图模型以个体化预测LALC患者NAC反应，并验证其对不同经验水平医生的辅助价值。	样本量相对较小，且为回顾性研究，可能存在选择偏倚。	开发并验证一个用于预测局部晚期喉癌新辅助化疗反应的列线图模型。	175例接受新辅助化疗前CT检查的局部晚期喉癌患者。	医学影像分析，数字病理	喉癌	CT影像组学，深度学习	CNN（深度学习模型）	CT图像和临床数据	175例患者（训练集112例，测试集63例）	NA	NA	AUC、P值	NA
172	2026-09-06	Interpretable graph deep learning framework for drug synergy prediction by integrating functional and clinical similarities 2026-Jun-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02830-z PMID:42236581	研究论文	提出DSimSynergy，一种整合功能与临床相似性的可解释图深度学习框架，用于预测药物协同作用	通过集成生物过程与临床应用构建药物相似性网络，并结合图注意力机制处理分子指纹和基因表达，实现高精度预测，同时提供模型可解释性分析	未明确提及局限性	开发高效且可解释的药物协同作用预测框架，以降低实验成本并指导个性化治疗	药物组合及其协同作用，涉及细胞系和临床患者数据	深度学习应用于药物发现	肿瘤（癌症）	图卷积网络、图注意力机制、基因表达分析	深度学习模型	药物分子指纹、基因表达数据、生物过程与临床数据	多个独立数据集	NA	图卷积网络、图注意力网络	准确性、AUC等	NA
173	2026-09-06	River depths and widths dataset for the territory of Poland 2026-Jun-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07537-0 PMID:42236741	研究论文	本文介绍了一个针对波兰领土的高分辨率河流宽度和深度数据集，该数据集来源于2011至2013年间对246条河流进行的实地测量断面调查，包含20,782条记录，并经过验证以确保其准确性和可靠性。	提供了首个针对波兰的、经过验证的高分辨率河流宽度和深度参考数据集，用于支持遥感与机器学习模型的训练和验证，且数据与近满岸水文条件对齐。	数据集仅限于波兰领土，且数据采集时间为2011至2013年，可能无法反映近期变化或覆盖其他地区。	旨在创建并验证一个高质量的河流参数（宽度和深度）参考数据集，以支持河流形态估计的深度学习模型训练和大型水文遥感产品的验证。	波兰境内246条河流的宽度、深度、水位和中心点坐标。	遥感与水文地理学	NA	实地测量（测地学断面调查）	NA	地理空间数据（河流宽度、深度、水位、坐标）	246条河流，20,782条记录	NA	NA	相关系数（R）、均方根误差（RMSE）、中位数距离	NA
174	2026-09-04	Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05309-9 PMID:41284028	研究论文	本研究旨在开发和验证基于常规B超图像、以Fibroscan测量为参考标准的深度学习模型，用于非侵入性评估MASLD患者的肝脂肪变性和纤维化	使用多中心超声数据集，包含新标记的Fibroscan超声数据集，模型性能优于专家放射科医生	未在文中明确提及	开发并验证深度学习模型，用于非侵入性检测肝脂肪变性和纤维化	MASLD患者的常规B超图像	计算机视觉, 数字病理学	代谢相关脂肪性肝病（MASLD）	B-mode超声成像, Fibroscan	EfficientNet-B4, Vision Transformers	图像	DS1: 111名患者1131张图像; DS2: 95名患者1328张图像; DS3: 18名患者185张图像; DS4: 23名患者155张图像	NA	EfficientNet-B4, Vision Transformers	AUROC	NA
175	2026-08-31	drGT: interpretable drug response prediction with attention-guided gene attribution on a drug-cell-gene heterogeneous graph 2026-Jun-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06417-z PMID:42304175	研究论文	提出drGT，一种基于药物-细胞-基因异构图和注意力引导基因归因的可解释药物反应预测模型	将注意力系数与机制导向的可解释性相结合，实现了预测与生物学解释的统一	未在论文中明确提及局限性	提高药物反应预测的准确性并提供生物学上合理的预测特征解释	药物、基因、细胞系，以及GDSC、NCI60、CTRP数据集	机器学习, 图学习	癌症	文本挖掘（PubMed）	异构图深度学习模型	文本, 图结构数据	GDSC、NCI60、CTRP数据集，976种具有已知药物-靶点相互作用的药物	NA	异构图神经网络	AUROC, R^2, 回归性能	NA
176	2026-08-31	Hybrid deep learning ensemble model for detecting small to medium rotator cuff tears from shoulder radiographs 2026-Jun-16, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-026-06890-5 PMID:42298598	研究论文	开发了一种混合深度学习集成模型，用于从肩关节X光片中检测小型到中型的肩袖撕裂，并评估其性能。	通过多数投票策略整合三种预训练深度学习模型（ResNet-50, ResNet-101, InceptionV3），形成混合集成模型，以提高对小型到中型肩袖撕裂的检测准确性。	研究为回顾性研究，证据级别为III；样本量有限（587张X光片），且测试集结果可能受数据分布影响。	探索深度学习模型在初步评估肩袖撕裂中的应用，以避免不必要的先进成像并加快患者护理。	肩关节X光片，来自患有小型到中型肩袖撕裂的患者和无肩袖撕裂的患者。	计算机视觉	肩袖撕裂	NA	深度学习模型（集成模型）	图像（肩关节X光片）	587张肩关节X光片（339张来自小型到中型肩袖撕裂患者，248张无撕裂），其中训练集406张，验证集101张，独立测试集80张。	NA	ResNet-50, ResNet-101, InceptionV3	准确率、精确率、召回率（灵敏度）、特异度、F1分数、AUC（AUROC）	NA
177	2026-08-31	Research on comprehensive drought index prediction model based on CNN-LSTM 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50694-w PMID:42288522	研究论文	本研究基于CNN-LSTM混合模型预测区域综合干旱指数（RSDI），提高了鄂尔多斯地区干旱预测的准确性	采用随机森林构建区域综合干旱指数（RSDI），并结合CNN-LSTM混合模型进行预测，相比单一模型显著降低了预测误差	未明确提及研究的局限性	提高区域干旱指数的预测精度，为鄂尔多斯地区干旱监测和预测提供技术参考	鄂尔多斯地区2001-2020年的干旱情况，涉及温度、降水、NDVI、地表土壤湿度、土地利用类型和DEM等变量	机器学习	NA	随机森林	CNN, LSTM, CNN-LSTM	时间序列数据	2001-2020年（20年）的监测数据，其中2001-2016年用于训练和验证，2017-2020年用于测试	NA	CNN, LSTM, 混合CNN-LSTM	均方根误差（RMSE）、平均绝对误差（MAE）、相关系数（r）	NA
178	2026-08-31	An intelligent ethereum blockchain technology for pest detection and smart irrigation in IoT using hybrid deep learning model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55818-w PMID:42288532	研究论文	本研究探讨将物联网与区块链技术结合，以提升智能农业系统的效率，重点聚焦于植物病害分类、害虫检测和智能灌溉。	提出了一种基于以太坊区块链和混合卷积自适应循环MobileNet（HC-ARMNet）模型，并利用改进的秘书鸟优化（ISBO）算法进行参数优化的智能农业框架。	未来工作需要改进特征提取策略以减少处理时间。	开发一个安全有效的基于物联网的智能农业框架，用于植物病害分类、害虫检测和智能灌溉。	植物病害、害虫和灌溉相关领域图像和数据。	物联网	植物病害	NA	混合深度学习模型	图像和传感器数据	使用了三个标准数据集，包括PlantifyDr数据集、害虫检测数据集以及手动收集的田间图像。	NA	HC-ARMNet（结合1D/2D卷积和循环连接）	准确率、精确率、FNR率、灵敏度、特异性、均方误差（MSE）、对称平均绝对百分比误差（SMAPE）、平均绝对缩放误差（MASE）	NA
179	2026-08-31	Deep learning model for real time moisture content detection and prediction in white tea withering using near infrared spectroscopy 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57739-0 PMID:42288587	研究论文	提出了一种新型深度学习模型STA-BiGRU-XGBoost，利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	将时空注意力机制、双向门控循环单元和XGBoost算法集成于一体，结合最大相关最小冗余算法进行特征选择，以提高白茶萎凋过程中水分含量预测的稳定性和准确性	验证仅在特定生产季节和鲜叶来源区域进行，跨地理来源、品种和极端天气条件的泛化能力需要进一步验证	利用近红外光谱技术，开发一种能实时检测和预测白茶萎凋过程中水分含量的深度学习模型	白茶萎凋过程中的水分含量及相关的近红外光谱数据和环境变量	机器学习	不适用	近红外光谱	深度学习模型（混合模型，包含BiGRU和XGBoost）	光谱数据及环境变量（热风速度、风道温度、光谱吸光度）	生产线上收集的数据集，来自2025年3月至5月政和县的茶叶生产季	不适用	BiGRU, XGBoost	均方根误差（RMSE）、平均绝对误差（MAE）、R²	不适用
180	2026-08-31	MAE-YOLO improves small object detection for intelligent inspection 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57661-5 PMID:42288606	研究论文	提出了一种名为MAE-YOLO的智能检测模型，通过多尺度边缘空间特征提取、自适应多尺度上下文融合网络和自适应空洞共享检测头，提高了小目标检测的准确率并降低了计算复杂度。	创新性地结合多尺度边缘空间特征提取模块（MSESTE）、自适应多尺度上下文融合网络（AMCFN）和自适应空洞共享检测头（ELCIN），在保持轻量化的同时增强小目标检测精度。	摘要中未明确提及局限性。	提高复杂背景下小目标检测的准确率，同时降低模型计算复杂度和参数量，以满足实际应用的实时性要求。	工业场景中的小目标检测，如电力设施维护、交通管理和工业设备维护中的小尺寸目标。	计算机视觉	不适用	深度学习目标检测技术	YOLO改进模型	图像	VisDrone2019数据集和自采集数据集	PyTorch（推测，因提供源码）	基于YOLOv8n的改进架构，具体包括MSESTE、AMCFN和ELCIN模块	mAP@50	未提及具体GPU型号，但模型体积仅4.7MB，轻量化设计