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	2026-06-16	The mediating role of deep learning approach between the proactive personality and innovative behavior of undergraduate nursing students 2026-Apr-21, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04609-9 PMID:42015115	研究论文	探讨主动性人格对护理本科生创新行为的影响，以及深度学习方式的中介作用	首次验证深度学习方式在主动性人格与创新行为之间的中介效应，量化中介比例为38.98%	横断面设计无法推断因果关系；便利抽样可能存在选择偏倚；数据来自单一文化背景（中国）	揭示主动性人格影响护理本科生创新行为的内在机制	护理本科生	机器学习	NA	NA	NA	调查问卷数据	1885名护理本科生	SPSS	NA	相关系数	NA
202	2026-06-16	TripleBind: a generalizable deep learning framework for protein-nucleic acid and protein-ligand binding sites prediction based on pre-trained protein language models 2026-Apr-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11557-8 PMID:42012716	研究论文	提出一种基于预训练蛋白质语言模型的通用深度学习框架TripleBind，用于预测蛋白质-核酸和蛋白质-配体结合位点	整合三种基于Transformer的预训练蛋白质语言模型与专门设计的MBCN模块，仅使用序列信息即可实现高精度预测，并具备跨任务的通用预测能力和可解释性分析	未明确说明，但可能依赖于预训练模型的质量和特定数据集	开发高效可靠的序列级别预测工具，用于识别蛋白质-核酸和蛋白质-配体结合残基	蛋白质-核酸（DNA和RNA）及蛋白质-配体结合位点	机器学习	NA	NA	深度学习模型	序列数据	独立测试集：蛋白质-DNA数据集（未注明具体数量）和蛋白质-RNA数据集（未注明具体数量）	PyTorch	Transformer, 多分支卷积网络（MBCN）	MCC（马修斯相关系数）	NA
203	2026-06-16	Advanced deep learning vision transformer models for intelligent grain counting in agricultural data analytics 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49819-y PMID:42014763	研究论文	本研究提出一种基于Swin Transformer的视觉转换器模型，用于农业数据分析中的智能谷物计数	首次将Swin Transformer的分层注意力机制迁移到谷物计数任务，结合可解释AI技术提升模型透明度	未提及	开发高精度、可解释的深度学习模型用于农业谷物自动计数	不同形态参数的谷物图像	计算机视觉	不适用	深度学习、计算机视觉	Swin Transformer	图像	未提及	PyTorch	Swin Transformer, ResNet-50, DINO	准确率	未提及
204	2026-06-16	HybridViT-CAB: a vision transformer and convolutional attention network for precision weed detection in agricultural systems 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48652-7 PMID:42014737	研究论文	提出一种结合视觉Transformer与卷积注意力模块的混合深度学习架构，用于精准农业中的杂草检测	首次将Transformer的全局上下文建模与通道注意力机制的局部空间特征提取耦合，并在可解释性和类别平衡预测方面优于纯ViT模型	NA	实现精准农业中自动化杂草检测，提升分类可解释性和类别平衡性能	农业图像中的阔叶杂草、禾本科杂草、土壤和大豆作物四类对象	计算机视觉	NA	图像分类	视觉Transformer，CNN	图像	4795个样本，尺寸为224×224像素	PyTorch	Vision Transformer，卷积注意力模块	AUC，分类准确率	NA
205	2026-06-16	A comparative analysis of single- and dual-backbone deep learning architectures with explainable AI for cherry leaf disease classification 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50104-1 PMID:42014904	研究论文	系统比较单骨干与双骨干深度学习架构，结合可解释人工智能（XAI）对樱桃叶病进行分类，发现单骨干模型在性能和可解释性上更优	挑战了“架构复杂化提升性能”的常见假设，通过标准化条件证明双骨干架构未能超越单骨干模型，并指出准确率在多元分类中系统性高估类别检测性能	数据集仅包含4995张樱桃叶图像，类别分布可能不平衡；研究局限于卷积神经网络架构，未探索其他模型类型	提出一个结合架构比较、统计验证与可解释人工智能的多类樱桃叶病分类深度学习框架	樱桃叶图像，涵盖褐斑病、叶焦病、健康叶、紫斑病和穿孔病五个类别	计算机视觉	植物叶病（樱桃）	深度学习	卷积神经网络（CNN）	图像	4995张樱桃叶图像	NA	ResNet50, EfficientNetB2, DenseNet121	准确率, 宏平均召回率, Wilcoxon符号秩检验p值, r值	NA
206	2026-06-16	Knowledge, attitude, and perception of artificial intelligence among medical residents in Oman: readiness for clinical practice 2026-Apr-21, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09246-z PMID:42015184	研究论文	评估阿曼医学住院医师对人工智能的知识、态度和感知，以及他们在临床实践中整合AI的准备情况	首次对阿曼医学专业委员会的住院医师进行AI知识、态度和感知的横断面调查，并识别出性别相关的知识差异	仅涵盖单一机构、特定时间段的横断面设计，可能限制普遍性；使用自填问卷可能存在报告偏倚	评估住院医师对AI的认知水平、态度和临床整合准备度，为制定针对性教育干预提供依据	阿曼医学专业委员会2024-2025学年注册的住院医师，共256名受访者	机器学习	NA	NA	NA	问卷数据	256名住院医师（平均年龄29.7岁，81.3%为女性）	NA	NA	NA	NA
207	2026-06-16	DposFinder: an interpretable transformer model for predicting phage-derived polysaccharide depolymerases and their host capsular serotypes 2026-Apr-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01657-3 PMID:42002763	研究论文	提出了DposFinder，一个基于Transformer的可解释深度学习框架，用于预测噬菌体衍生的多糖解聚酶及其宿主荚膜血清型	首次将Transformer架构与预训练蛋白语言模型ESM-2结合用于解聚酶及其宿主血清型预测，模型具有可解释性，能够定位β-螺旋结构域	未明确说明局限性	开发可大规模预测噬菌体多糖解聚酶及其宿主荚膜血清型的深度学习框架	噬菌体衍生的多糖解聚酶及其与宿主荚膜血清型的对应关系	机器学习	NA	蛋白序列分析	Transformer	蛋白质序列	超过440,000个噬菌体基因组序列，超过100,000个推定的解聚酶；实验验证了6个新型解聚酶	PyTorch	Transformer, ESM-2	AUC	NA
208	2026-06-16	AI-driven lateral flow immunoassay for point-of-care detection of cardiac biomarkers in acute myocardial infarction 2026-Apr-20, Mikrochimica acta DOI:10.1007/s00604-026-08054-y PMID:42008011	研究论文	开发了一种基于深度学习机器视觉的侧流免疫层析平台，用于急性心肌梗死心脏生物标志物的快速定量检测	将深度学习机器视觉与金纳米颗粒侧流免疫层析技术结合，实现了心肌生物标志物的高灵敏、快速定量检测，检测效率较传统方法提升46.7%	未明确提及具体局限性，但可能涉及临床样本验证规模有限及实际资源有限环境下的部署挑战	开发一种快速、灵敏、用户友好的即时检测平台，用于急性心肌梗死相关心脏生物标志物的定量分析	心脏生物标志物——肌红蛋白（Myo）和心肌肌钙蛋白I（cTnI）	计算机视觉	心血管疾病	侧流免疫层析，金纳米颗粒合成，机器视觉	CNN（基于深度学习的机器视觉模型）	图像	NA	NA	NA	检测限（Myo: 0.224 ng/mL, cTnI: 0.071 ng/mL）, 相关系数（R² > 0.99）, 检测时间（8分钟内）	NA
209	2026-06-16	Artificial intelligence for surgical management of benign esophageal disease: scoping review and evidence mapping 2026-Apr-20, Langenbeck's archives of surgery DOI:10.1007/s00423-026-04050-1 PMID:42008135	综述	该论文对人工智能在良性食管疾病手术管理中的应用进行了范围综述和证据映射	首次系统总结了AI在良性食管疾病（如贲门失弛缓症、Barrett食管、胃食管反流病、食管裂孔疝和Zenker憩室）诊断与手术管理中的应用证据及未来前景	当前机器学习、深度学习和混合模型在良性食管疾病中的应用尚不充分，需进一步探索	描述AI在良性食管疾病手术管理中应用的现有证据和未来前景，并强调伦理合规性	良性食管疾病（包括贲门失弛缓症、Barrett食管、胃食管反流病、食管裂孔疝和Zenker憩室）的手术管理	机器学习	食管疾病	NA	机器学习、深度学习、混合模型	NA	37篇已发表研究	NA	NA	NA	NA
210	2026-06-16	Improving performance for multi-category anthropogenic debris detection in river environments by using a size-tailored annotation approach and data augmentation 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45309-3 PMID:42009734	研究论文	本文探讨了通过尺寸定制标注方法和数据增强技术提升河流环境中多类别人为碎片检测性能	首次采用尺寸定制标注方法构建多类别漂浮碎片数据集，并系统研究了MixUp增强在不同强度下对YOLOv10n、YOLOv11n和YOLOv12n模型的性能影响，揭示了模型特定的响应差异	水葫芦等特定类别检测精度仍然较低（mAP < 35.0%），且YOLOv10n无法受益于MixUp增强	提升河流环境中多类别人为碎片自动检测性能，解决标注数据集稀缺和目标尺寸变化大的挑战	河流环境中的多类别浮动人为碎片，包括塑料、水葫芦、福寿螺等	计算机视觉	NA	深度学习目标检测	YOLO	图像	多类别漂浮碎片数据集，具体样本数未在摘要中明确给出	PyTorch	YOLOv10n, YOLOv11n, YOLOv12n	mAP	NA
211	2026-06-16	Intelligent earthquake prediction using animal vocal behavior analysis based on machine learning and deep learning approaches 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48690-1 PMID:42009810	研究论文	提出一种基于机器学习和深度学习的动物声音行为分析框架，用于预测地震	创新性地利用生物声学与ML/DL结合，通过分析历史动物声音预测地震，并采用数据增强和多种深度学习模型处理时序音频数据	未提及特征工程和模型的可解释性，可能受环境噪音和动物行为变化影响	开发一种低成本、有效的地震预警方法，弥补传统监测的不足	地震前动物声音行为（历史动物音频记录）	机器学习, 深度学习, 生物声学	非疾病（自然灾害预测）	音频分析（Librosa库提取特征）、数据增强	XGBoost, 随机森林, 多层感知机, 循环神经网络, 长短期记忆, 双向LSTM, 门控循环单元	音频数据	未明确说明样本数量	Librosa	双向LSTM, 门控循环单元, 长短期记忆, 循环神经网络	测试准确率, AUC	未提及
212	2026-06-16	Accuracy in spinal level determination, including transitional vertebrae: an ASReview supported systematic review 2026-Apr-20, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09925-x PMID:42009915	系统性综述	利用ASReview机器学习工具辅助文献检索，系统性评估脊柱定位方法（包括移行椎）的准确性	首次结合机器学习工具ASReview进行文献筛选，并专门关注胸腰段移行椎对脊柱定位准确性的影响	纳入研究存在设计、患者选择和偏倚风险的不一致性；深度学习研究尚未适用于常规临床实践，且高级方法的成本效益有待评估	评估传统和高级方法（包含移行椎情况）在脊柱定位中的准确性，并提出临床建议	脊柱定位方法（包括荧光透视、超声、CT、MRI等常规方法以及术中导航、算法和机器学习等高级方法）	机器学习	脊柱疾病	机器学习（ASReview辅助文献检索）	深度学习（提及但未指定具体模型）	文献数据	29项研究	NA	NA	准确性（accuracy）	NA
213	2026-06-16	Design and development of an SDR-based system for real-time detection and characterization of drone RF signatures 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48925-1 PMID:42009950	研究论文	提出一种基于软件定义无线电的低成本实时无人机射频信号检测与分类系统	利用无人机与控制器间的射频信号生成频谱图，结合深度学习实现低成本、可大规模部署的无人机检测方案	未提及实际部署中的干扰信号影响及多无人机场景下的识别性能	开发经济实用的射频信号检测系统以应对消费级无人机带来的安全挑战	消费级无人机及其控制器发射的射频信号	计算机视觉	NA	软件定义无线电（USRP B210）	YOLOv5, Faster R-CNN	频谱图图像	自建无人机与非无人机信号标注数据集（具体数量未提及）	PyTorch	YOLOv5, Faster R-CNN	检测准确率, 鲁棒性	USRP B210硬件平台
214	2026-06-16	Residual-learning-enhanced extended Kalman filter for real-time swing angle estimation in quadrotor-suspended-payload systems 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49015-y PMID:42010326	研究论文	提出一种结合扩展卡尔曼滤波与残差学习LSTM网络的物理信息混合估计框架，用于四旋翼悬挂载荷系统的实时摆角估计	通过融合物理模型与数据驱动方法，利用LSTM网络补偿EKF因模型简化与外部扰动导致的误差，实现轻量级高精度实时估计	NA（摘要未明确指出局限）	实现四旋翼悬挂载荷系统的高精度实时摆角估计	四旋翼悬挂载荷系统的负载摆角	机器学习	NA	NA	LSTM	实验数据（传感器测量值）	NA（未明确说明样本数量）	PyTorch	扩展卡尔曼滤波（EKF）、残差学习LSTM	估计误差	NA（摘要未明确说明计算资源）
215	2026-06-16	Low-light driver drowsiness detection for real-time safety assistance using dual attention mechanisms in deep learning model 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44442-3 PMID:42010315	研究论文	提出一种结合双注意力机制和可解释人工智能的实时驾驶员困倦检测系统，用于低光照等复杂场景下的安全辅助	在InceptionV3基线中集成空间和通道双注意力机制，并引入低光微调LLFormer增强低光照条件下的检测性能；结合可解释人工智能技术（Grad-CAM、LRP）提供模型预测的可解释性	未提及	开发一种鲁棒的实时驾驶员困倦检测系统，降低因困倦驾驶引发的交通事故风险	驾驶员的面部特征和困倦行为（头部倾斜、眨眼、打哈欠）	计算机视觉	无特定疾病	深度学习、注意力机制、可解释人工智能	InceptionV3、LLFormer、ResNet-50	图像（面部图像）	未提及	NA	InceptionV3, LLFormer, ResNet-50	准确率（最高达98.4%）	针对移动和嵌入式平台优化，但未指定具体GPU或云平台
216	2026-06-16	PathoTiroid dataset: Indonesian collection (PTIC)-a histopathology image dataset for papillary thyroid carcinoma 2026-Apr-20, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07774-x PMID:42010644	研究论文	本文介绍了PathoTiroid数据集——印度尼西亚收集的甲状腺乳头状癌组织病理学图像数据集，用于支持人工智能模型开发与基准测试	提供了首个来自东南亚人群的、高质量、图像级标注的甲状腺癌组织病理学数据集，填补了该地区在PTC研究中的数据空白	NA	构建和评估用于甲状腺乳头状癌分类的深度学习模型，并提供可复用的基准数据集	甲状腺乳头状癌组织病理学图像	数字病理学	甲状腺乳头状癌	全切片成像	深度学习模型	组织病理学图像	1006张高分辨率图像，来自46张全切片图像	NA	NA	NA	NA
217	2026-06-16	Effective elimination of respiratory misregistration-induced attenuation correction errors in PET/CT via deep learning trained on data-driven gated PET from strictly respiratory-phase-matched PET/CT cases 2026-Apr-19, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00880-6 PMID:42002706	研究论文	评估基于深度学习的无CT衰减校正（DLAC）模型，用于减少PET/CT中因呼吸运动配准错误导致的“香蕉伪影”	利用数据驱动门控（DDG）PET获取严格呼吸相位匹配的配对数据训练深度学习模型，实现无CT衰减校正并高效消除呼吸误配准导致的伪影	研究为单中心回顾性分析，样本基于特定PET/CT机型（Discovery MI-25），且仅针对FDG示踪剂，泛化性需进一步验证	评估基于深度学习的无CT衰减校正方法在减少呼吸相位不匹配引起的衰减校正错误（香蕉伪影）中的效能	18F-FDG PET/CT临床病例数据集（含无伪影和带香蕉伪影的病例）	计算机视觉	NA	PET/CT成像、数据驱动门控（DDG）PET	深度学习（具体架构未指定）	图像（PET和CT图像）	1137例临床病例中筛选出255例配准良好病例和387例带香蕉伪影病例	NA	NA	平均绝对误差、均方根误差、峰值信噪比、结构相似性指数、Pearson相关系数	NA
218	2026-06-16	Skin cancer detection using late fusion of pretrained models 2026-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48687-w PMID:42002581	研究论文	提出一种基于预训练模型晚期融合的皮肤癌症检测方法，利用皮肤镜图像进行分类	通过将多种预训练卷积神经网络与多样化卷积网络进行晚期集成融合，构建互补且具有辨别力的皮肤癌症检测框架，有效克服了过拟合问题并提升了模型的泛化能力和鲁棒性	未来工作需关注模型可解释性、与临床决策支持系统的集成，以及使用更大规模多源数据集进行验证以增强实际应用性	开发可靠且准确的皮肤癌早期诊断系统，提高临床干预效果	皮肤镜图像中的恶性与良性皮肤病变	计算机视觉	皮肤癌症	皮肤镜成像	卷积神经网络	图像	10600张皮肤镜图像（9600张训练，1000张测试），来自ISIC档案	NA	预训练CNN、多样化卷积网络（DCN）	准确率、F1分数、精确率、召回率	NA
219	2026-06-16	Development of a deep learning-based tool for coronary artery stenosis evaluation in forensic autopsies using whole slide imaging 2026-Apr-18, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03800-6 PMID:41998396	research paper	开发一种基于深度学习的工具，利用全切片图像在法医尸检中评估冠状动脉狭窄	首次将SegFormer-B0 Transformer模型应用于法医尸检的冠状动脉狭窄评估，并通过后处理强制解剖结构层次和生成混合置信度图提高准确性	数据集规模较小（仅98张切片），且H&E染色样本可能引入偏差	开发基于全切片图像的AI工具，实现法医尸检中冠状动脉狭窄的客观测量，减少观察者间差异	98张匿名化的H&E染色尸检切片中的234个冠状动脉切片	digital pathology	cardiovascular disease	whole slide imaging	Transformer	image	98张H&E染色切片，234个冠状动脉切片，103个高质量感兴趣区域	PyTorch	SegFormer-B0	MAE, RMSE, MAPE, Pearson相关系数, ICC, Bland-Altman偏差	NA
220	2026-06-16	Imaging-based machine learning for the diagnosis and prognosis of uveal melanoma: a systematic review and meta analysis 2026-Apr-18, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07230-3 PMID:41999415	系统综述与荟萃分析	系统综述和荟萃分析基于影像的机器学习模型在葡萄膜黑色素瘤诊断和预后中的应用表现	首次系统整合并量化分析了机器学习/深度学习模型在葡萄膜黑色素瘤诊断和预后预测中的灵敏度和特异性，通过亚组分析揭示了不同影像模态（眼底照相 vs 超声）对模型性能的显著影响	多数纳入研究为单中心回顾性设计，超声模型纳入研究数量有限，所有预后研究均缺少外部验证，研究间异质性较大	系统评估基于眼科影像的机器学习/深度学习模型在葡萄膜黑色素瘤诊断和预后预测中的性能	已发表的机器学习/深度学习模型	计算机视觉, 机器学习	葡萄膜黑色素瘤	NA	CNN, 变换器	图像（眼底照相、超声、超广角成像、OCT、自发荧光）	13项诊断研究，6项预后研究（最多4600名患者）	NA	CNN, 变换器	灵敏度, 特异性, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA