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
2461	2026-04-10	Retraction: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345999 PMID:41950215	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2462	2026-06-22	Deep learning on protein language model embeddings unlocks accurate prediction of protein solubility 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1716930 PMID:41953440	研究论文	提出DeepSolNet深度学习模型，利用蛋白质语言模型嵌入准确预测蛋白质溶解性	首次将ESM蛋白质语言模型嵌入与双向长短期记忆网络、卷积神经网络和注意力机制相结合，构建多模块架构预测蛋白质溶解性	NA	开发能够准确预测蛋白质溶解性的深度学习方法，以支持合成生物学和蛋白质工程中的大规模蛋白设计与表达优化	蛋白质溶解性预测，特别针对原核表达系统中蛋白质错误折叠问题	机器学习	NA	蛋白质语言模型嵌入	深度学习	蛋白质序列	包含γ-抗体、转谷氨酰胺酶和醛脱氢酶序列的独立构建测试集	PyTorch	ESM、双向LSTM、CNN、注意力机制	准确率、马修斯相关系数	NA
2463	2026-06-22	Oral Cancer Detection By Using Tabular Data Synthesis and Classification 2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining DOI:10.1109/ICDMW69685.2025.00094 PMID:41948034	研究论文	提出一种利用表格数据合成与分类的自动方法，用于口腔癌筛查，区分口腔癌与癌前病变并改善数据不平衡问题	通过表格数据合成技术缓解临床数据不平衡问题，并利用深度学习同时实现数据平衡与分类性能提升	未明确说明，但基于摘要可能包括数据集规模有限或泛化性需进一步验证	改进基于AI的口腔癌筛查方法，提升分类性能并解决临床数据不平衡问题	口腔癌与癌前病变的临床表格数据	机器学习	口腔癌	NA	深度学习模型	表格数据	NA	NA	NA	Youden指数, 平衡准确率, 敏感性, F1分数, Matthews相关系数	NA
2464	2026-06-21	Heritability of the olfactory bulb and its associated brain network 2026-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122021 PMID:42235655	研究论文	研究了嗅球体积及其相关脑网络的遗传度	首次在大型双胞胎样本中，结合深度学习分割和支持向量机框架，探讨嗅球及嗅觉网络结构特征的遗传度	未说明	探究嗅球体积及其在嗅觉网络中的整合程度是否受遗传决定	健康年轻成年双胞胎（单卵和异卵）	机器学习	NA	NA	深度学习分割模型、支持向量机	脑结构磁共振成像	941名健康年轻成年人（22-35岁），包括单卵和异卵双胞胎	NA	NA	准确率	NA
2465	2026-06-21	MicroKAN: Mapping human brain microstructure using diffusion MRI and adaptive nonlinear modeling 2026-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122032 PMID:42259478	研究论文	提出基于Kolmogorov-Arnold网络的MicroKAN框架，用于从扩散磁共振成像高效映射人脑微观结构	首次将Kolmogorov-Arnold网络与自适应样条激活函数应用于扩散磁共振成像微观结构建模，支持有监督和自监督两种范式，自监督版本无需真实标签即可估计模型参数	未提及具体局限性	开发一种高效、灵活的框架，用于从扩散磁共振成像数据中快速、准确地估计大脑微观结构参数	人脑微观结构	机器学习	NA	扩散磁共振成像，扩散张量成像，神经突方向分散和密度成像	Kolmogorov-Arnold网络	图像	多个扩散磁共振成像数据集	PyTorch	Kolmogorov-Arnold网络	准确性	NA
2466	2026-06-21	UGP-RAP: A DI-QDa-MS powered deep learning platform for automated identification of ultrafine granular powders 2026-Aug, Phytomedicine : international journal of phytotherapy and phytopharmacology IF:6.7Q1 DOI:10.1016/j.phymed.2026.158387 PMID:42275880	研究论文	开发了一种基于DI-QDa-MS和深度学习超细粉末快速自动化识别平台UGP-RAP	首次将一维卷积神经网络与全离子余弦相似度及二元余弦相似度集成在统一框架中，用于中药超细粉末的快速自动识别	未提及	建立快速自动化的超细粉末鉴定平台，解决传统方法在分析通量与可靠性间的平衡问题	中药来源的超细粉末	机器学习	不适用	DI-QDa质谱分析	一维卷积神经网络（1D-CNN）	质谱数据	530批样品用于模型开发，63批外部验证样品	PyTorch	1D-CNN	准确率, 预测置信度	NA
2467	2026-06-21	Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis 2026-Jul, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110339 PMID:42248000	研究论文	基于街景图像评估绿色空间暴露与死亡率之间的关联，研究对象为多种族动脉粥样硬化研究参与者	首次区分不同绿色空间类型（树木、草地、其他绿色植被）对死亡率影响的差异，并探讨种族和社会经济状态的调节作用	未详细说明街景图像深度学习算法的具体架构和验证过程，可能忽视未测量的混杂因素	量化特定绿色空间类型与全因死亡率风险之间的关联	6,795名MESA参与者，基线年龄62岁，随访19年	计算机视觉	心血管疾病	街景图像深度学习分析	深度学习模型	图像	6,748名参与者（973,608人年），1898例死亡	NA	NA	风险比	NA
2468	2026-06-21	Asymmetric Drug-Drug Interaction Prediction Based on Generative Adversarial Networks and Knowledge Graph 2026-Jul, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261443345 PMID:42206523	研究论文	提出一种基于知识图谱和生成对抗网络的药物相互作用预测方法KGGAN-DDI，用于预测潜在的药物相互作用	首次考虑药物相互作用的非对称性，结合知识图谱嵌入模块捕捉药物对之间的非对称关联，并采用双生成器生成对抗网络来提高预测准确性	文献中未明确提及局限性	解决药物相互作用预测中非对称性被忽略导致的特征学习信息损失问题	药物对之间的相互作用	机器学习	NA	知识图谱嵌入	生成对抗网络	知识图谱数据	NA	NA	双生成器生成对抗网络	预测准确性	NA
2469	2026-06-21	Validation of MRI-based nnU-Net model for automated segmentation of neck lymph nodes in head and neck squamous cell carcinoma: a multicenter study 2026-Jun-20, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04070-0 PMID:42321574	研究论文	开发和验证基于MRI的nnU-Net模型用于头颈部鳞状细胞癌颈部淋巴结自动分割的多中心研究	首次基于MRI的多中心研究开发并验证用于3D颈部淋巴结自动分割的深度学习框架，并评估两种不同标注策略（边缘排除法和边界贴合法）对分割准确性的影响	未明确说明局限性	开发和外部验证基于MRI的深度学习框架用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，并评估分割准确性、体积一致性和时间效率	头颈部鳞状细胞癌患者的颈部淋巴结	计算机视觉, 数字病理学	头颈部鳞状细胞癌	MRI	nnU-Net	MRI图像（对比增强T1加权、T1加权、T2加权）	内部验证队列99例，外部测试队列150例，时间效率评估队列851例	nnU-Net	nnU-Net	Dice相似系数, 一致性相关系数, 分割时间	NA
2470	2026-06-21	Differentiating Ischemic From Nonischemic T-Wave Inversion Using a Multimodal Vision-Language Model With Reinforcement Learning (ECG-R1): Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87227 PMID:42319812	研究论文	开发并验证了一种基于强化学习的多模态视觉语言模型ECG-R1，用于区分缺血性与非缺血性T波倒置	采用强化学习范式训练多模态视觉语言模型（Qwen2-VL-2B），结合组相对策略优化算法和结构化推理输出，显著提升了诊断准确性和跨域鲁棒性，避免了传统监督微调的过拟合问题	未提及模型在更广泛临床场景或不同种族、年龄群体中的验证结果，也未讨论计算资源消耗或实时部署可行性	开发一种能够准确区分缺血性与非缺血性T波倒置的多模态诊断框架，并提供可解释的推理过程	心电图波形图像及其关联的临床文本数据	计算机视觉、自然语言处理	心血管疾病	心电图分析	视觉语言模型	图像、文本	12,917例T波倒置病例的多模态数据集	PyTorch, Hugging Face Transformers	Qwen2-VL-2B	准确率、敏感度、AUC	未提及
2471	2026-06-21	Public antibody clonotypes and deep learning identify SARS-CoV-2 and HIV broadly neutralizing antibodies in immune repertoires 2026-Jun-19, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117582 PMID:42319828	研究论文	提出整合公共抗体克隆型与深度学习模型的ClonoDeep平台，从大规模免疫库中直接识别针对SARS-CoV-2和HIV的广谱中和抗体	首次将公共抗体克隆型与基于序列的深度学习模型结合，无需抗原特异性免疫即可高效发现广谱中和抗体	NA	开发一种高通量计算方法，从非病原体特异性免疫形成的抗体库中挖掘中和抗体，为疫苗设计提供指导	SARS-CoV-2和HIV的广谱中和抗体	机器学习	SARS-CoV-2感染, HIV感染	抗体库测序, 深度学习	深度学习模型（序列型）	抗体序列数据	大规模免疫库（含SARS-CoV-2和HIV队列数据）	NA	NA	中和抗体比例, 广谱中和能力	NA
2472	2026-06-21	Comparing Deep Learning Models for Identifying Maxillary Transverse Deficiency from Intraoral Photographs 2026-Jun-19, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109689 PMID:42320262	研究论文	本研究开发并比较了多种深度学习模型，旨在通过口腔内正面照片识别上颌骨横向发育不足	首次将深度学习应用于从口腔内正面照片自动识别上颌骨横向发育不足，避免了传统CBCT的高辐射、高成本和临床负担	NA	评估深度学习模型从口腔内正面照片识别上颌骨横向发育不足的可行性	上颌骨横向发育不足患者的口腔内正面照片和CBCT图像	计算机视觉	上颌骨横向发育不足	CBCT	CNN	图像	826名内部患者和192名外部患者	PyTorch	DenseNet 121, ResNet 18, EfficientNet B0/B3, MobileNetV3 Small/Large	准确率, 精确率, 召回率, F1分数, AUC	NA
2473	2026-06-21	From diagnostic labels to radiology reports: a unified multi-modal framework for lesion detection and segmentation 2026-Jun-19, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae7f8e PMID:42320491	研究论文	本文提出了一种统一的多模态框架TextDSNet，用于结合放射学报告进行病变检测和分割	引入了一种新的范式“病灶感知分割”，能够识别特定病灶目标，促进粗粒度定位和细粒度分割的联合优化；此外，首次将全文本放射学报告作为跨模态指导融入医疗图像分析	公开数据集中配对的全文本报告稀缺，当前仅在ISLES 2022数据集上进行了验证	利用放射学报告中的全面细粒度语义信息，实现病灶检测和分割的联合优化	ISLES 2022数据集中的医疗影像及其对应的放射学报告	计算机视觉	NA	NA	多模态深度学习模型	图像和文本	ISLES 2022数据集	PyTorch	TextDSNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NA
2474	2026-06-21	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Jun-19, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了一个名为AutoRV的自动化监测流程，利用深度学习从二维经食管超声心动图中评估机械通气患者的右心室结构和功能	首次提出全自动端到端解决方案AutoRV，利用深度学习地标检测实现右心室功能的自动化定量评估，显著提高时间效率	样本量较小（仅51例患者），且仅针对机械通气患者，可能无法推广至其他人群	开发并验证一个自动化的右心室功能评估管道，用于重症监护室机械通气患者的床旁监测	机械通气患者的二维经食管超声心动图图像	计算机视觉、数字病理学	心血管疾病	二维经食管超声心动图	深度卷积神经网络（CNN）	图像	51例患者的超声心动图图像	PyTorch	U-Net	准确性、时间效率、误差（如距离误差TAPSE、RVFAC、RVSglobal误差）	NA
2475	2026-06-21	An interpretable attention-based TabTransformer framework with feature fusion for green architecture classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50347-y PMID:42321232	研究论文	提出一种基于可解释注意力机制的TabTransformer框架，用于绿色建筑自动分类，以分析环境影响	首次将TabTransformer架构与特征融合、可解释AI（注意力热图、LIME、SHAP）相结合，应用于绿色建筑分类任务	未提及模型在不同地理区域或建筑标准下的泛化能力，以及计算资源消耗	实现绿色与非绿色建筑的自动分类，推动可持续建筑评估的规模化、数据驱动化	建筑项目数据	机器学习	NA	PCA降维	TabTransformer	表格数据（建筑、能源、上下文属性）	NA	PyTorch	TabTransformer	准确率	NA
2476	2026-06-21	HybridViT for robust wheat leaf disease detection using CLAHE and attention-based feature fusion 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55548-z PMID:42321270	研究论文	提出一种名为HybridViT的混合深度学习模型，结合ConvNeXt、Vision Transformer和CBAM模块，并应用CLAHE增强对比度，用于稳健的小麦叶部病害检测	提出自适应门控融合机制，动态平衡局部和全局特征表示，而非传统的静态特征拼接；使用轻量级CBAM模块进一步细化和增强鉴别特征	未提及模型在极端环境或罕见病害类型上的泛化能力；未讨论计算开销或部署可行性	利用深度学习实现小麦叶部病害的自动、准确分类，以支持可持续农业和减少农药使用	小麦叶片图像中的叶部病害（如控制条件和田间条件下拍摄的图像）	计算机视觉, 机器学习	小麦叶部病害	CLAHE（对比度受限自适应直方图均衡化）	混合CNN-Transformer模型（ConvNeXt + Vision Transformer + CBAM）	图像	三个不同数据集（包含控制条件和田间条件图像）	NA	ConvNeXt, Vision Transformer, CBAM, 自适应门控融合	准确率	NA
2477	2026-06-21	Secure adaptive federated learning for scalable anomaly detection in industrial IoT networks 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37819-x PMID:42321280	研究论文	提出了一种结合区块链认证与自适应自编码器-LSTM的联邦学习框架，用于工业物联网中的可扩展异常检测	将区块链身份认证与自适应超参数调整的自编码器-LSTM模型集成到联邦学习框架中，同时实现隐私保护、通信效率提升和防恶意篡改能力	智能合约执行成本较高，且尚未扩展到多模态数据融合和大规模实时检测场景	设计一种安全、可扩展且保护隐私的异常检测机制，解决工业物联网中集中式检测系统的隐私风险和通信瓶颈问题	工业物联网网络中的入侵和异常检测任务	机器学习	NA	NA	自编码器-LSTM（AAEL）	工业物联网流量数据	NA	PyTorch	Self-Attention, LSTM, Autoencoder	准确率, 通信开销, 带宽压缩比, 平均训练时间, 端到端延迟, 认证成功率, 恶意更新检测率	资源受限的IIoT节点
2478	2026-06-21	Real-time yoga posture correction using deep learning for individuals with physical disabilities 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54280-y PMID:42321269	研究论文	针对身体残疾人士，利用深度学习实现实时瑜伽姿势纠正	采用MoveNet模型的Thunder变体实现实时姿势估计，并专门为下肢残疾人士创建了首个椅子瑜伽姿势数据集	NA	为无法接触瑜伽教练的身体残疾人士提供基于深度学习的实时瑜伽姿势纠正解决方案	身体残疾人士，特别是下肢残疾人士	计算机视觉	NA	NA	卷积神经网络（CNN）	视频	NA	NA	MoveNet（Thunder变体）	NA	NA
2479	2026-06-21	Deep homography-based image stitching with enhanced small object detection 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58267-7 PMID:42321286	研究论文	提出了一种基于YOLOv8主干网络和深度单应性估计的新型图像拼接方法，重点提升小目标检测和复杂背景下的拼接精度	引入YOLOv8作为特征提取器结合自适应SE机制增强小目标检测、多尺度特征融合与深度单应性估计模块、以及针对小目标区域对齐的加权损失函数	尚未探索实时动态环境中的应用扩展	克服传统图像拼接技术在小目标检测和复杂背景下的局限性	图像拼接中的小目标区域和复杂纹理特征	computer vision	NA	图像拼接、深度学习单应性估计	YOLOv8、回归网络	图像	UDIS和MVS-Synth数据集	PyTorch	YOLOv8、Squeeze-and-Excitation (SE)、空间金字塔池化 (SPP)、深度单应性回归网络	PSNR, SSIM, GFLOPs	NA
2480	2026-06-21	Swin-SHARP: a novel approach to wheat disease classification using boosted MAML and weighted ensembling with deep learning classifiers 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57901-8 PMID:42321310	研究论文	提出了一种基于增强型模型无关元学习（MAML）和加权集成深度学习的轻量级Swin Transformer模型Swin-SHARP，用于小麦病害图像分类	通过剪枝和优化设计了一种轻量级Swin-SHARP Transformer，参数量减少82.5%；结合增强型MAML和加权集成策略提升泛化能力；在资源受限环境下实现98.1%的高准确率	未提及模型对极低分辨率或复杂背景图像的鲁棒性；未评估在实际移动设备上的推理速度	开发高效、轻量的小麦病害分类系统，实现早期干预以保障粮食安全	小麦叶片图像中的褐锈病、黄锈病、白粉病、散黑穗病及健康植株	计算机视觉, 机器学习	小麦病害	图像采集	Transformer (Swin), CNN	图像	10,000张小麦病害和健康植株图像	PyTorch	Swin-SHARP, Inception-v3, ResNet-18, VGG-16, 其他对比模型	准确率	NA