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
2621	2026-08-09	Deep learning approach for art style recognition and colour restoration in visual art images 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51895-z PMID:42209631	研究论文	提出一种颜色感知感知的深度学习框架用于艺术风格识别和色彩恢复，在WikiArt数据集上达到90.2%的准确率	将心理驱动的颜色预处理（HSV和Lab色彩空间中的饱和度增强和自适应变换）集成到标准ResNet-50主干中，以更好地捕捉与风格相关的色彩线索	未提及具体限制	通过显式建模人类颜色感知来提高艺术风格识别的性能，并探讨精确色彩特征提取在数字恢复、艺术品认证等应用中的潜力	视觉艺术图像中的艺术风格识别	计算机视觉	不适用	图像处理（颜色空间变换）	CNN（ResNet-50）	图像	WikiArt数据集（27种风格）	未提及，推测使用PyTorch或TensorFlow	ResNet-50	准确率	未提及具体计算资源
2622	2026-08-09	An enhanced hypergraph CNN with adaptive focal loss for automated ECG heartbeat classification 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45518-w PMID:42203798	研究论文	本文提出了一种结合CNN、KNN超图构建和残差增强超图神经网络（EHGNN）的混合深度学习框架，并采用自适应焦点损失处理类别不平衡，用于自动心电（ECG）心跳分类，在MIT-BIH和INCART数据库上验证了其有效性	提出了一种新颖的混合框架，将CNN用于时间域特征提取、基于余弦相似度的KNN超图构建来建模心跳间关系，并采用残差连接增强的超图神经网络（EHGNN）进行分类，同时引入自适应类别加权的焦点损失以解决类别不平衡问题	摘要中未明确提及局限性，仅提及模型在数据集上表现一致，但可能存在数据依赖性或泛化性限制	开发一种增强的ECG心跳分类方法，通过有效处理类别不平衡、时间依赖性和心跳间关系，提高心血管疾病自动诊断的临床适用性	心跳分类数据，包括来自MIT-BIH心律失常数据库和圣彼得堡心脏病技术研究所（INCART）12导联心律失常数据库的心拍样本	机器学习, 生物医学信号处理	心血管疾病	ECG信号分析, KNN超图构建	CNN, 超图神经网络	时间序列数据（ECG信号）	两个基准数据集：MIT-BIH心律失常数据库和INCART 12导联心律失常数据库，具体样本数量未在摘要中给出	NA	CNN, EHGNN（增强超图神经网络）	准确率	NA
2623	2026-08-09	Double deep reinforcement learning twin-delayed agents for performance improvement of a grid-connected wave energy conversion system 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55262-w PMID:42203895	研究论文	本文提出使用双延迟深度确定性策略梯度（TD3）算法的两个深度强化学习智能体，替代网格连接式AWS波浪能转换系统中的PI控制器，以提升系统性能。	首次将TD3算法应用于AWS波浪能转换系统的控制，提出了两种智能体配置方案（完全替代和混合替代），并在故障条件下验证了其可靠性。	研究仅在MATLAB Simulink仿真环境中验证，未进行实验测试；性能比较仅限于经典PI控制器，未与其他强化学习算法对比。	改进网格连接式AWS波浪能转换系统的控制性能，通过深度强化学习智能体替代传统PI控制器，实现更优的动态和稳态响应。	网格连接式AWS波浪能转换系统，包括发电机侧整流器和电网侧逆变器的控制器。	机器学习	NA	NA	深度强化学习（TD3）	仿真数据	NA	MATLAB Simulink	TD3智能体	动态响应、稳态响应	NA
2624	2026-08-09	A federated deep learning framework with distributed hybrid character-level and attention mechanisms for scalable and cost-efficient fake news detection 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54820-6 PMID:42204192	研究论文	提出一种联邦深度学习框架，结合分布式混合字符级嵌入和注意力机制，用于高效且可扩展的假新闻检测	引入基于字符的嵌入方法生成细粒度向量表示，并提出混合CharBERT优化CNN与基于注意力的堆叠Bi-LSTM结合成本敏感学习的COASBC模型，同时集成联邦学习实现分布式训练	未明确提及	开发准确且高效的假新闻检测模型，以应对罕见词和低频词的挑战，并降低集中式计算成本、增强数据安全性和模型可扩展性	假新闻检测任务中的文本数据	自然语言处理	NA	NA	CNN, Bi-LSTM, CharBERT	文本	使用LIAR、Fake and Real News、FakeNewsNet、WELFake数据集以及2023年Truth Seeker数据集（短文本推文）	NA	CharBERT, CNN, 注意力机制, Bi-LSTM	准确率, 精确率, 可靠性	NA
2625	2026-08-09	A federated learning-enabled energy-aware anomaly detection algorithm for secure big data analytics in IoT-based smart healthcare systems 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53494-4 PMID:42204202	研究论文	本文提出了一种面向物联网智能医疗系统的联邦学习能量感知异常检测框架，以解决数据隐私、通信开销和能耗问题	结合联邦学习与能量感知客户端选择策略，以及混合深度学习模型（自编码器与注意力LSTM）来捕获医疗数据流的时空模式	文中未明确提及局限性	为基于物联网的智能医疗环境提供一个可扩展、隐私保护且能量高效的异常检测方案	物联网设备生成的医疗健康数据流	机器学习, 数字健康, 物联网	NA	联邦学习	混合深度学习模型（自编码器与注意力LSTM）	医疗健康物联网数据	使用公开医疗物联网数据集，未具体说明样本量	未提及	自编码器, 注意力LSTM	准确率, F1分数, 能量使用, 通信开销, 检测延迟	未提及
2626	2026-08-09	Research on motor diagnosis and maintenance decision-making technology based on DCCNN-L transformer and fault knowledge graph 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54415-1 PMID:42204217	研究论文	本文提出了一种基于DCCNN-L Transformer和故障知识图谱的电机故障诊断与维护决策方法，实现了从振动信号诊断到维护决策生成的闭环流程	提出了概率特征融合机制和增强动态窗口混合注意力机制的DCCNN-LTransformer模型，以及通过故障知识图谱与大语言模型结合生成维护决策的新方法	未提及	实现电机故障从智能诊断到维护决策的闭环流程，提高故障诊断精度和维护决策生成的自动化水平	电机振动信号和故障维护决策文本	机器学习	不适用	振动信号分析	DCCNN-LTransformer, BERT-BiLSTM-CRF, 大语言模型	振动信号数据、文本数据	三个不同的故障数据集	未提及	双通道一维卷积神经网络, Transformer, BERT, BiLSTM, CRF	准确率	未提及
2627	2026-08-09	Delta feature and random forest-enhanced LSTM-attention forecasts with probabilistic postprocessing for rainfall forecasting 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54896-0 PMID:42204247	研究论文	本研究提出了一种结合Delta特征、随机森林增强的LSTM-Attention框架，并采用概率后处理技术进行降雨预报，以提高一般和极端降雨预测的准确性。	创新点包括利用邻近站点多时间滞后信息建模空间传播和区域降雨动态，引入Delta特征捕捉气象变量的时间梯度，以及开发带有概率后处理的混合Attention-LSTM框架用于极端值预测。	模型倾向于低估极端降雨事件，尤其是高强度的对流事件，这可能是由于极端样本数量不平衡所致。	提高短期降雨预报的准确性，特别是对一般和极端降雨事件的可靠预测，以支持实时洪水控制和水资源管理。	降雨数据，包括目标站点及其七个邻近站点的六种气象变量。	机器学习, 深度学习	NA	NA	LSTM, Attention-LSTM, PGCN-LSTM, PGCN-LSTM with attention, Random Forest	时间序列数据	一个目标站点及其七个邻近站点的六种气象变量数据	NA	Attention-LSTM, PGCN-LSTM, LSTM	相关性系数 (correlation)	NA
2628	2026-08-09	Optimization of attention mechanisms in choral conducting education using EEG and eye movement tracking with transfer learning algorithms 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54211-x PMID:42204221	研究论文	本研究通过整合脑电图和眼动追踪技术及迁移学习算法，优化合唱指挥教育中的注意力机制，开发了多模态生理监测系统以提高教学效果	构建了结合EEG频谱特征与眼动时空数据的深度学习注意力模型，并应用迁移学习框架提升教学效率，实现了个性化学习路径推荐	结果在受控实验条件和积极受试者下获得，泛化到多样教育环境需进一步研究，改进应视为初步迹象而非保证结果	优化合唱指挥教育中的注意力机制，开发客观评估方法，提高教学效果和技能习得效率	48名参与者，进行2847次指挥练习，评估12种指挥技术，覆盖三个难度级别	机器学习	不适用	脑电图（EEG）、眼动追踪	深度学习模型	生理信号数据和眼动时空数据	48名参与者，2847次指挥试验	不适用	不适用	准确率、学习满意度、相关性（ICC）、Fleiss' κ、配对t检验、Cohen's d	不适用
2629	2026-08-09	Research on multi-stage deep learning based intelligent diagnosis of skin diseases and skin medicine diagnosis community construction concept 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53742-7 PMID:42168500	研究论文	提出一种基于深度学习的多阶段皮肤病智能诊断框架，并构思未来自助诊疗和配药社区的可行模型	结合临床先验知识（如病变好发部位）并采用分层诊断策略，从粗分类到细分类，提高诊断可靠性	未提及具体局限性	辅助皮肤科医生进行早期诊断和严重程度评估，并探索未来自助诊疗社区的概念模型	常见皮肤病图像及其严重程度和进展阶段	计算机视觉	皮肤病	NA	卷积神经网络 (CNN)	图像	未提及具体样本量	NA	LeNet-5	稳定性、可靠性（未具体说明指标）	NA
2630	2026-08-09	N2G calibrator: a cross-subject adversarial learning framework for neural signal-driven gait tracking in Parkinson's disease 2026-May-18, Communications engineering DOI:10.1038/s44172-026-00688-3 PMID:42151559	研究论文	介绍了一种跨受试者对抗学习框架N2GCF，利用集体神经数据跟踪帕金森病患者的步态表现，无需同步步态记录系统	利用领域对抗学习映射目标用户的未标记神经特征与其他个体的标记数据，去除同步步态记录需求，允许在临床环境外进行个性化模型校准	文中未明确提及局限性	开发一种跨受试者深度学习框架，利用集体神经数据跟踪帕金森病患者的步态表现，以便在aDBS系统中无需同步步态记录即可校准模型	帕金森病患者的神经信号和步态表现	机器学习	帕金森病	神经信号记录（具体技术未明确）	领域对抗学习模型	神经信号和步态数据	未明确	未明确	未明确	错误率	未明确
2631	2026-08-09	A longitudinal whole-body CT dataset with manually annotated tumor lesions 2026-May-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07466-y PMID:42151186	研究论文	介绍一个公开的纵向全身CT数据集，包含手工标注的肿瘤病灶，用于开发和验证AI方法。	提供了首个包含两个时间点、全面手工标注肿瘤病灶的纵向全身CT公开数据集，包括病灶的解剖位置、体积和纵向对应关系。	数据集仅来自单一机构，且仅包含转移性恶性黑色素瘤患者，可能限制泛化性。	为自动化肿瘤病灶检测、分割和时间追踪的AI方法建立标准化基准。	转移性恶性黑色素瘤患者的全身CT图像及肿瘤病灶。	计算机视觉、数字病理学	黑色素瘤	CT成像	深度学习分割模型（nnU-Net）	医学图像（CT）	600个CT检查，来自300名患者，共7,182个手工分割的肿瘤病灶。	PyTorch	nnU-Net	Dice系数	未提供（NA）
2632	2026-08-09	A deep learning model to dynamically predict cancer-associated thromboembolism in large-scale healthcare systems 2026-May-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02730-2 PMID:42151458	研究论文	利用大规模医疗系统中的电子健康记录开发了一种基于Transformer的深度学习模型，用于动态预测癌症患者全身治疗后的静脉血栓栓塞风险。	该模型使用纵向诊断代码、实验室值和人口统计学数据，采用Transformer架构，能够随时间动态更新预测，优于以往的静态风险评分，并在外部验证队列中表现良好。	摘要未提及限制，可能包括数据来源单一、模型依赖电子健康记录的质量和完整性。	开发一个动态预测模型，以识别癌症患者中静脉血栓栓塞的高风险人群，从而支持及时的抗凝治疗决策。	癌症患者，包括80,808名来自美国退伍军人事务部医疗系统的患者和9,752名来自哈里斯健康系统的外部验证患者。	机器学习	癌症相关血栓栓塞	电子健康记录分析	Transformer	电子健康记录数据（包括诊断代码、实验室值、人口统计学数据）	80,808名癌症患者（VA队列）和9,752名患者（HHS外部验证队列）	NA	Transformer	AUC	NA
2633	2026-08-09	Deep Learning-Based Spatiotemporal Analysis of Cataract Surgery Videos for Surgical Risk Assessment 2026-05-15, Journal of visualized experiments : JoVE DOI:10.3791/70025 PMID:42224114	研究论文	本研究提出一种深度学习框架，通过提取术中显微镜视频的时空特征来预测玻璃体切除手术的术后风险	将cGAN增强预处理、轮廓自适应分割、图卷积网络、自适应向日葵优化和Transformer模型相结合，实现对白内障手术视频的全面时空分析	仅基于两个公共数据集进行验证，缺乏多中心前瞻性临床验证	开发基于术中视频分析的深度学习框架，用于预测玻璃体切除手术的术后风险，实现实时临床决策支持和改善术后风险分层	术中显微镜视频中的白内障手术过程	计算机视觉	白内障	视频增强技术	图卷积网络、Transformer	视频	两个公共数据集CaDIS和SICS-105	NA	Graph Convolutional Networks, Transformer, cGAN	准确率、精确率、召回率、F1分数、AUC、像素准确率、每类准确率、平均交并比、灵敏度、特异度	NA
2634	2026-08-09	A Reproducible AI-Assisted Workflow for Concept Development in Stage Art Design and Lighting Optimization through the GSAD Framework 2026-05-12, Journal of visualized experiments : JoVE DOI:10.3791/70737 PMID:42224183	研究论文	提出了一种名为GSAD的可复现AI辅助舞台美术设计工作流，集成了扩散模型、GAN和智能象群优化算法，以支持系统化的概念开发与灯光优化	首次将扩散模型、生成对抗网络和智能象群优化算法整合为一个统一的GSAD框架，用于舞台美术设计中的概念生成、纹理光照优化和布局规划，实现了高可复现性和跨团队的视觉一致性	摘要未提及具体局限性，如数据集规模有限、泛化能力评估不足或计算资源需求等	开发一个结构化的AI辅助生成式舞台美术设计框架，以支持系统化、可重复的概念开发流程和灯光布局优化	舞台美术设计中的概念生成、纹理细化、灯光布局和3D场景优化	计算机视觉、生成模型、深度学习	不适用	扩散模型、生成对抗网络（GAN）、智能象群优化算法（IECO）	扩散模型、GAN、优化算法	图像（高分辨率舞台设计图、灯光图、3D布局图）、文本（舞台剧本）	2500张高分辨率图像，包含注释的舞台剧本、灯光图和3D布局	Python环境（未指定具体框架）	扩散模型、GAN、IECO	预测准确率、每秒百万浮点运算次数（MFPOs）、参数量	未指定具体GPU或云平台，但使用Python环境实现
2635	2026-08-09	Evolution-guided protein design of IscB for persistent epigenome editing in vivo 2026-May, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02655-3 PMID:40335752	研究论文	通过结合同源物筛选、结构引导的蛋白质结构域设计、RNA工程和基于深度学习的结构预测，改造出改进的IscB变体NovaIscB，用于体内持久表观基因组编辑	首次将自然多样性与蛋白质工程相结合，通过多策略组合设计出高活性且高特异性的紧凑IscB变体，并实现单AAV载体包装的体内基因沉默	摘要未提及明确的局限性	设计具有增强活性且保持特异性的IscB变体，用于体内持久表观基因组编辑	IscB核酸酶及其引导RNA（ωRNA）	蛋白质工程	NA	深度学习结构预测	深度学习模型	蛋白质序列和结构数据	未明确说明样本量	NA	NA	插入缺失活性，特异性	NA
2636	2026-08-09	Deep learning for dentomaxillofacial cone-beam computed tomography enhancement: A systematic review and meta-analysis 2026-May, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105797 PMID:41934701	系统综述和荟萃分析	系统评价和荟萃分析评估了深度学习技术在牙颌面锥形束CT增强中的应用及其对客观图像质量指标的影响	首次系统综合和量化分析深度学习在牙颌面锥形束CT增强中的效果，涵盖多种任务类型（如CBCT到CT合成、金属伪影减少等）	高异质性（I2 > 99%）限制了直接比较，且临床验证有限	评估深度学习在牙颌面锥形束CT增强中的应用效果及其对图像质量指标的影响	牙颌面锥形束CT图像增强相关研究	医学图像处理	牙颌面疾病	锥形束CT	深度学习模型	图像	包含37项研究	NA	NA	平均绝对误差（MAE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）、均方根误差（RMSE）	NA
2637	2026-08-09	Artificial Intelligence in Personalized Breast Cancer Drug Safety: From Preclinical Toxicology to Clinical Risk Management 2026-May, Clinical therapeutics IF:3.2Q2 DOI:10.1016/j.clinthera.2026.03.002 PMID:41956883	综述	本文综述了人工智能在个性化乳腺癌药物安全性中的应用，涵盖从临床前毒理学到临床风险管理的各个方面	系统性地探讨了AI在乳腺癌药物安全性全流程中的应用，包括早期毒性预测、个性化治疗优化和长期安全监测，并整合了临床试验、患者记录和真实世界证据	未提及具体局限性	探讨AI技术在个性化乳腺癌治疗中提升药物安全性和疗效的潜力，并分析其在该领域的挑战与机遇	乳腺癌患者及其药物安全性相关数据	机器学习	乳腺癌	机器学习和深度学习技术	NA	文本及多模态数据（如临床试验记录、患者记录、真实世界证据）	NA	NA	NA	NA	NA
2638	2026-08-09	The Use of Machine Learning to Estimate Ground Reaction Forces During Running: A Scoping Review of the Current Practices 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082502 PMID:42076611	综述	本文对2019至2025年间使用机器学习结合可穿戴传感器估算跑步过程中地面反作用力（GRF）的研究进行了范围综述，总结了当前的方法、应用效果及研究空白。	首次系统回顾并量化了机器学习预测跑步GRF研究中的方法学特征，如样本组成、验证策略，并突出了现有研究在性别均衡和模型泛化性方面的不足。	研究未验证跑步机训练的模型在户外跑步中的适用性，这可能限制了真实场景中的泛化能力。	总结当前通过机器学习和可穿戴传感器预测跑步中GRF的研究方法，识别方法学空白以指导未来研究。	跑步过程中地面反作用力数据及其预测方法，包括衍生变量如峰值力、冲击峰和冲量等。	机器学习	不适用	可穿戴传感器，机器学习	LSTM、Bi-LSTM、经典回归方法	时间序列数据（来自可穿戴传感器的GRF数据）	36项研究，参与者中59%为男性；跑步机研究的样本量中位数为28人，步数中位数为65步；户外研究的样本量中位数为14人，步数中位数为32步。	不适用	LSTM、Bi-LSTM、经典回归	预测准确性（具体指标未在摘要中明确）	不适用
2639	2026-08-09	Missing Data Gap Imputation Methods in Electroencephalogram (EEG) Signals: A Systematic Scoping Review 2026-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s26082431 PMID:42076541	系统综述	本文系统回顾了脑电图（EEG）信号中缺失数据间隙填补方法的研究，包括基于张量、机器学习/深度学习和模型/经典方法等类别	提供了对EEG间隙填补方法的全面梳理，识别了当前文献中的不足，为未来更通用的解决方案奠定基础	由于小数据集缺乏足够的参与者多样性以及方法学差异，无法确定单一领先方法；部分方法依赖完整记录进行分段填补，可能妨碍实时填补	研究用于重建EEG信号中缺失数据间隙的填补方法，并评估其有效性和泛化性	不同类别的EEG信号缺失数据间隙填补算法，包括基于张量、机器学习/深度学习和模型/经典方法	信号处理	NA	脑电图记录	张量分解、机器学习、深度学习等	脑电图信号	16篇文章（涉及EEG信号数据）	NA	NA	准确性等（具体未指明）	未指明
2640	2026-08-09	CT Emphysema and Deep Learning-derived Vertebral Bone Loss in Individuals without COPD: Findings from MESA 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252251 PMID:42012343	研究论文	本研究利用深度学习胸部CT分析，在无慢性阻塞性肺疾病的个体中，发现肺气肿样改变与椎骨骨密度流失相关，提示亚临床肺气肿可能作为系统性骨骼衰退的影像标志物	首次在无COPD的大型多民族队列中，利用深度学习分割模型评估椎骨骨密度，发现亚临床肺气肿与骨密度流失的独立关联，并确定性别和种族差异及阈值效应	未提及明显局限性	探究无COPD个体中，胸部CT量化的亚临床肺气肿样改变是否与骨密度流失相关，以识别肺和骨骼健康的早期影像标志物	无慢性阻塞性肺疾病的参与者，来自多民族动脉粥样硬化研究（MESA）	深度学习、医学影像分析	肺气肿、骨质疏松、慢性阻塞性肺疾病（排除）	胸部CT、深度学习分割模型	深度学习分割模型（未指定具体类型）	胸部CT影像	横断面分析2312名参与者，纵向分析1109名参与者	NA	NA（提及深度学习分割模型）	β系数、置信区间、P值	NA