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
181	2026-04-27	Accurate Mediterranean Sea forecasting via graph-based deep learning 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31177-w PMID:41353460	研究论文	SeaCast是一种基于图的深度学习模型，用于高分辨率区域海洋预报，在地中海海域的实验中展示了优于传统数值模型的性能	提出SeaCast模型，利用图框架处理海洋网格的复杂几何结构，并整合外部强迫数据，实现了高分辨率区域海洋预报的显著性能提升	仅在单一地中海区域进行验证，未提及模型在其他海域或不同分辨率下的适用性	开发一种快速、节能的神经网络模型，用于高分辨率区域海洋预报	地中海海域的海洋动力过程预报	机器学习	NA	NA	图神经网络	海洋网格数据、外部强迫数据	地中海海域10天和15天预报窗口的实验数据	PyTorch	图神经网络	所有可用指标（未具体说明）	NA
182	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
183	2026-04-27	From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202509459 PMID:41147065	研究论文	提出基于深度学习的框架，根据核酸纳米颗粒的序列预测免疫反应（IFN-β和IL-6）	首次利用基于注意力的Transformer架构，通过系统性的链置换训练，实现无需手动特征工程的序列-免疫反应定量结构-活性关系建模，并保持生物学可解释性	仅基于176个结构多样的NANPs进行训练和验证，样本量有限，可能影响模型对更广泛序列空间的泛化能力	建立从核酸纳米颗粒序列到免疫反应预测的快速计算方法，以指导NANPs的理性设计和优化	核酸纳米颗粒（NANPs）诱导的细胞因子反应，具体为干扰素-β和白细胞介素-6	机器学习，数字病理学	NA	序列分析，深度学习	Transformer	序列数据	176个结构多样、单独组装且经实验表征的NANPs	PyTorch	Transformer	皮尔逊相关系数R，均方根误差RMSE	NA
184	2026-04-27	Predicting drug solubility in binary solvent mixtures using graph convolutional networks: a comprehensive deep learning approach 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28272-3 PMID:41318549	研究论文	本研究提出基于图卷积网络（GCN）的综合深度学习框架，用于预测药物在二元溶剂混合物中的溶解度	首次系统评估GCN结合多头注意力机制和多层级分子表征学习在药物溶解度预测中的效能，通过消融研究和注意力可视化揭示结构-溶解度关系，将实验工作量减少60-80%	对于结构显著异于训练数据的化合物预测误差可能超过MAE<0.5 logS单位，模型泛化性需进一步验证	开发高效的药物溶解度预测方法以加速制剂开发，降低传统实验的时间和资源消耗	123种小分子溶质在44种溶剂和110种二元溶剂组合中的溶解度数据	机器学习	NA	NA	图卷积网络	分子结构数据、溶解度实验值	27,000个溶解度测量值，涵盖273-373 K温度范围	PyTorch	多头注意力GCN，层级池化	平均绝对误差（MAE）	NA
185	2026-04-27	Hybrid deep learning with attention fusion for enhanced colon cancer detection 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29447-8 PMID:41315603	研究论文	提出一种结合EfficientNet-B3与Vision Transformer的混合深度学习模型，通过注意力融合机制实现结肠癌自动检测	首次将EfficientNet-B3的局部纹理捕捉能力与Vision Transformer的全局上下文建模能力通过多头注意力融合模块结合，利用马修斯相关系数指导模型优化	存在轻微过拟合倾向	开发自动化结肠癌检测系统以支持计算机辅助结肠镜检查	Kvasir内镜数据集中的八类结肠图像	计算机视觉	结肠癌	内镜成像	混合深度学习模型（EfficientNet-B3 + Vision Transformer）	图像	Kvasir内镜数据集（未指定具体样本数量）	PyTorch	EfficientNet-B3, Vision Transformer	准确率, F1分数, 马修斯相关系数（MCC）, 布赖尔分数	NA
186	2026-04-27	CBN cutting tool's surface roughness and tool wear prediction using JOA-optimized CNN-LSTM 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29658-z PMID:41315655	研究论文	提出一种基于JOA优化的CNN-LSTM混合深度学习模型，用于预测CBN刀具在硬车削Inconel 718时的表面粗糙度和后刀面磨损	首次将JOA算法用于优化CNN-LSTM模型，实现硬车削过程中表面粗糙度和刀具磨损的实时预测，结合MATLAB/Simulink环境提高了数字孪生兼容性和可扩展性	仅基于27次全因子加工试验数据进行验证，样本量较小；未说明模型在其他刀具或材料上的泛化能力	实现CBN刀具在最小量润滑条件下硬车削Inconel 718时的表面粗糙度和后刀面磨损的实时预测	CBN刀具加工Inconel 718镍基高温合金的切削过程参数与表面质量、刀具磨损之间的关系	机器学习	NA	NA	CNN-LSTM混合模型	数值数据	27次全因子加工试验	MATLAB	CNN, LSTM	R值, 均方根误差, 平均绝对百分比误差	NA
187	2026-04-27	AI powered multi feature fusion framework for retrieving images using color, texture and shape descriptors 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29719-3 PMID:41315670	研究论文	提出一种利用AI融合颜色、纹理和形状描述符的框架，以改进基于内容的图像检索系统	通过深度特征融合结合颜色矩、GLCM纹理分析以及傅里叶与Hu矩的形状提取，并引入注意力引导的特征类型加权机制，提升了语义匹配和检索性能	未明确指出	开发一种混合AI增强的CBIR模型，克服传统CBIR系统的语义不匹配和低检索精度问题	Corel-1K和Caltech-101基准数据集的图像	计算机视觉	不适用	颜色矩、灰度共生矩阵（GLCM）、傅里叶矩、Hu矩	支持向量机（SVM）、卷积神经网络（CNN）	图像	Corel-1K和Caltech-101基准数据集（具体数量未说明）	不适用	CNN	准确率、召回率、平均精度均值（mAP）	不适用
188	2026-04-27	Deep learning for microbial life detection in deep subseafloor samples: objective cell recognition 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29239-0 PMID:41315727	研究论文	开发基于深度学习的图像识别方法，用于从深海沉积物样本中准确检测和计数微生物细胞	利用深度学习自动识别沉积物中的微生物细胞，减少对专业专家训练的依赖，在两分类和四分类任务中分别达到94.1%和88.8%的准确率	对图像聚焦质量敏感，需通过置信度阈值筛选（0.7以上）提升准确性至96.6%	提高深海沉积物等富含颗粒环境样本中微生物检测的准确性和可靠性	海洋沉积物样本中的微生物细胞	计算机视觉	不适用	荧光染色	CNN	图像	NA	NA	NA	准确率	NA
189	2026-04-27	Power quality disturbance identification using hybrid deep learning in renewable energy systems 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28291-0 PMID:41315829	研究论文	提出一种基于混合深度学习的方法，用于识别风-光互补发电系统中的电能质量扰动	将连续小波变换的标尺图与深度神经网络（ResNet和VGG-Net）、邻域分量分析和支持向量机分类相结合，形成混合诊断方法	未提及在更复杂或真实电网系统中的泛化能力及计算资源需求	提高风-光互补发电系统中电能质量扰动的诊断准确性和可靠性	风-光互补发电系统中的电能质量扰动	机器学习和信号处理	NA	连续小波变换、深度神经网络、邻域分量分析、支持向量机	CNN（ResNet、VGG-Net）和SVM	仿真时间序列信号	使用定制IEEE 9总线和13总线测试系统进行仿真，具体样本数量未指定	MATLAB/Simulink	ResNet, VGG-Net	准确率、精确率、召回率	NA
190	2026-04-27	Optimized YOLOv8s framework with deformable convolution for underwater object detection 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28989-1 PMID:41309854	研究论文	提出一种优化YOLOv8s框架（O-YOLOv8s-DC），融合可变形卷积与多尺度注意力机制，用于水下目标检测	创新集成可变形卷积特征模块（C2f_DC）、深度加权双向特征金字塔（DeepBiFPN）、内容感知特征重组（CARAFE）和高效多尺度注意力（EMA），有效提升小目标与遮挡目标检测性能	未提及在极端浑浊水质或极高密度目标场景下的性能表现，且仅使用两个数据集进行验证	解决水下目标检测中小目标、遮挡目标、形态多变及低图像质量等关键挑战	水下环境中的目标物体	计算机视觉	NA	可变形卷积、深度学习	YOLOv8s（优化框架）	图像	两个数据集：LFIW和OI数据集	PyTorch	YOLOv8s, C2f_DC, DeepBiFPN, CARAFE, EMA	AP@[0.50:0.05:0.95], AP@0.75, 消融实验指标	未提及具体计算资源，但可推断需GPU支持训练
191	2026-04-27	A novel spatiotemporal transformer network with multivariate fusion for short-term precipitation forecasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29415-2 PMID:41309915	研究论文	提出一种新颖的时空Transformer网络并结合多变量融合技术进行短期降水预测	设计了基于全维动态卷积的多变量融合模块，并结合Transformer与多尺度卷积模块构建编码器-解码器框架，有效整合温度、湿度、风速等多种气象变量信息进行降水预测	NA	解决现有降水预测模型依赖单一数据源而忽视降水形成多因素特性的问题，提高短期降水预测精度	多气象变量时间序列数据，包括温度、湿度、风速等，用于预测未来12小时和24小时的累积降水量	机器学习	NA	NA	VAE、Transformer	时序数据	包含多种气象变量的累积数据，涵盖过去12小时和过去24小时的时间范围	PyTorch	Transformer, 多尺度卷积模块（Omni-Dimensional Dynamic Convolution）	POD, CSI	NA
192	2026-04-27	A smart assistive system for visually challenged people through efficient object detection using deep learning with tunicate swarm algorithm 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29947-7 PMID:41309919	research paper	提出了一种基于深度学习和海鞘群算法的智能辅助系统，用于视觉障碍人群的物体检测	结合YOLOV8、CapsNet、深度信念网络和海鞘群算法，通过参数优化提升物体检测精度	仅在室内物体检测数据集上验证，未测试室外场景和实时性能	开发一种自动物体检测系统，辅助视觉障碍者完成日常任务	视觉障碍者	computer vision	NA	median filtering, object detection, deep learning	YOLOV8, CapsNet, DBN, TSA	image	使用Indoor Object Detection数据集，具体数量未提及	NA	YOLOV8, CapsNet, Deep Belief Network	accuracy	NA
193	2026-04-27	Quantitative and longitudinal monitoring of cancer cell invasion in a three-dimensional in vitro model of oral cancer using optical coherence tomography 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28471-y PMID:41309958	研究论文	应用光学相干断层扫描与深度学习结合，实现对三维口腔癌模型中癌细胞侵袭的定量纵向监测	首次将光学相干断层扫描与深度学习相结合，用于非侵入性、定量和纵向监测三维口腔癌模型中的癌细胞侵袭行为	NA（摘要未提及局限性）	评估光学相干断层扫描与深度学习结合在三维口腔癌模型中定量纵向监测癌细胞侵袭的适用性和可行性	三维口腔鳞状细胞癌器官型培养模型中的癌细胞侵袭行为	计算机视觉, 深度学习	口腔癌	光学相干断层扫描	深度学习模型	图像	NA（未明确样本数量）	NA	NA	NA（文中提及与组织形态计量数据强相关但未指定具体指标）	NA
194	2026-04-27	Tri branch attention enhanced 3DUNet for remote sensing based hyperspectral image classification 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29357-9 PMID:41309972	研究论文	提出了一种三分支注意力增强的3DUNet用于遥感高光谱图像分类	采用三分支结构分别处理光谱、空间及两者结合的特征，并引入特定注意力机制，以解决传统U-Net在高分辨率高光谱图像中类别不平衡和分辨率退化的问题	未提及计算资源消耗或实际部署中的效率问题	提高高光谱图像分类的准确性和鲁棒性	高光谱遥感图像	计算机视觉	不适用	高光谱成像	3DUNet, 注意力机制	图像	三个基准数据集（Indian Pines, Pavia University, Houston-2018）	不适用	三分支3DUNet（光谱分支、空间分支、结合分支）	平均精度（AA）, 总体精度（OA）	不适用
195	2026-04-27	Feature centric based deep learning approach for music mood recognition with HuBERT transformer model 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29200-1 PMID:41309989	研究论文	本研究使用HuBERT等深度学习与Transformer模型进行音乐情绪分类，实现95%的最高准确率	首次将HuBERT Transformer模型应用于音乐情绪识别任务，并取得了优于传统深度学习和预训练模型的分类性能	未提及模型的计算成本或泛化能力验证，数据集仅包含五种情绪标签且类别平衡，未探讨数据不平衡或更细粒度情绪分类的挑战	探索先进深度学习与Transformer模型在音乐情绪分类中的有效性，提升AI驱动的情感分析能力	音乐音频文件中的情绪内容识别与分类	机器学习、自然语言处理	NA	NA	HuBERT, ConvFormer, LSTM, YAMNet	音频	2500个音频文件，每个类别（Aggressive, Happy, Dramatic, Sad, Romantic）500个样本	NA	HuBERT, ConvFormer, LSTM, YAMNet	准确率	NA
196	2026-04-27	Modifier guided resilient CNN inference enables fault-tolerant edge collaboration for IoT 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28454-z PMID:41310049	研究论文	提出一种无需云端参与的边缘分布式CNN架构，通过轻量级修饰模块实现容错推理，适用于资源受限的物联网场景	设计轻量级修饰模块，利用故障模拟训练机制实时生成失效设备的预测结果，避免模型复制或云端回退，实现完全边缘侧容错	仅在MNIST和CIFAR-10数据集上验证，未在更复杂的真实物联网数据上测试；对超过五个设备同时故障的场景未充分评估	实现资源受限物联网场景下鲁棒且准确的分布式深度学习推理，消除对云端的依赖	物联网环境中的边缘设备及其分布式CNN推理过程	机器学习	NA	NA	CNN	图像	MNIST和CIFAR-10数据集，实验中最多模拟五个设备同时故障	NA	CNN	准确率、错误率	NA
197	2026-04-27	EnCTN: an enhanced AI-enabled deep learning framework for security enhancement in blockchain transactions 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29160-6 PMID:41310051	研究论文	提出一种增强型卷积时间网络，用于提升基于AI的区块链交易安全	将区块链与深度学习结合，通过增强型卷积时间网络和自动编码器技术实现交易分析中的异常检测，同时采用扩张卷积捕获长期依赖关系	文中未明确说明局限性	提升区块链交易的安全性和异常检测能力，解决数据机密性和匿名性问题	区块链网络中的交易数据	机器学习	NA	NA	增强型卷积时间网络	时间序列数据	使用NSL-KDD数据集进行评估	Python	增强型卷积时间网络, 自动编码器	异常分类准确率	NA
198	2026-04-27	Integration of corpus linguistics and deep learning techniques for enhanced semantic-driven emotion detection on textual data 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28929-z PMID:41310067	research paper	提出一种基于集成词向量表示和多模型深度神经网络的文本情感检测方法（EDTIWVR-MDNN），以提升自然语言中的情感理解	融合TF-IDF、BERT和GloVe技术进行词嵌入，并采用基于注意力的时间卷积网络与双向门控循环单元的混合模型（AM-T-BiG）进行情感分类	未在多种数据集上验证泛化能力，可能对特定领域或非英语文本的适应性有限	开发有效的文本情感识别方法，增强情感分析、社交媒体监控、心理健康评估和人机交互等应用的理解能力	文本数据中的情感表达	natural language processing	NA	词嵌入（TF-IDF, BERT, GloVe）, 深度神经网络	时间卷积网络（TCN）, 门控循环单元（GRU）	文本	基于文本情感检测数据集，具体样本数量未提及	NA	AM-T-BiG（注意力机制时间卷积网络与双向GRU）	准确率	NA
199	2026-04-27	Deep learning-based AI model for predicting academic success and engagement among physical higher education students 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29000-7 PMID:41310101	研究论文	提出基于深度学习的HybridStackNet堆叠集成模型，用于预测体育高等教育学生的学业成功与参与度	构建结合随机森林和支持向量机作为基学习器、逻辑回归作为元学习器的堆叠集成模型，并引入偏依赖图和LIME实现可解释性分析	基于500条公开数据集进行训练，样本规模有限可能影响泛化能力；未提及跨机构或纵向数据的验证	开发可解释的机器学习模型以早期识别体育教育学生的学业风险	体育高等教育学生的学业表现与参与行为	机器学习	不适用	SMOTE过采样、随机森林特征选择	堆叠集成模型（HybridStackNet）	结构化表格数据	500个实例，包含学业、行为和身体属性	Scikit-learn	随机森林、支持向量机、逻辑回归	准确率、精确率、召回率、F1分数、AUC、Jaccard系数、Kappa系数、Hamming损失	未提及
200	2026-04-27	Improved multiscale attention based deep learning approach for automated sugarcane leaf disease detection using BSRI data 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28947-x PMID:41310119	研究论文	提出一种基于多尺度注意力密集残差网络（MADRN）的深度学习框架，用于自动检测甘蔗叶片病害	首次将多尺度注意力机制与密集残差学习结合，构建MADRN架构，并利用孟加拉甘蔗作物研究所（BSRI）真实场景数据增强模型泛化能力	未提及模型在极端光照或复杂田间环境下的鲁棒性测试，且样本规模受限可能影响模型泛化性	实现甘蔗叶片病害的早期精准检测，提升农业生产效率并减少经济损失	甘蔗叶片病害（如赤腐病、环斑病等）	计算机视觉	植物病害（甘蔗相关）	深度学习图像分类	卷积神经网络（CNN）	图像数据	Kaggle公开数据集及BSRI混合数据集（具体样本数未提及）	TensorFlow, Keras	多尺度注意力密集残差网络（MADRN）、CNN、VGG16、MobileNetV2、XceptionNet	准确率、精确率、召回率、F1分数	未提及具体GPU类型，但开发了网页端应用支持实时部署