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	2026-06-19	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	提出一个结合3D视觉变换器和图学习的统一框架，用于基于结构磁共振成像的重度抑郁症检测	首次将3D视觉变换器与图神经网络结合，用于从sMRI数据中提取区域嵌入并进行抑郁症分类；探索了基于图谱和基于立方体两种区域定义策略	仅使用单一数据集REST-meta-MDD进行验证，未在多中心或更大规模数据上测试；基于立方体的方法性能不如基于图谱的方法，提示模型对领域知识的依赖	开发一种自动检测重度抑郁症的深度学习方法，以提高诊断准确性和早期干预能力	重度抑郁症患者与健康对照的结构磁共振成像数据	机器学习、数字病理	抑郁症	结构磁共振成像	3D视觉变换器、图神经网络	图像	REST-meta-MDD数据集（具体样本数未在摘要中给出）	PyTorch	Vision Transformer (ViT), Graph Neural Network (GNN)	准确率、灵敏度、特异度、精确率、F1分数	NA
2622	2026-06-19	Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42568-y PMID:41772099	研究论文	提出一种轻量级卷积神经网络，用于在新西兰边缘设备上实时检测地震P波	针对边缘设备资源受限的特点，设计仅需两秒地震波形输入、参数量约3.8万的轻量化CNN模型，实现在树莓派5上亚7毫秒的实时P波和S波检测	未在极端噪声环境或不同地质区域进行验证，依赖新西兰特定地震台网数据	实现低成本边缘设备上实时地震P波检测，支持分布式地震预警系统	新西兰强震传感器记录的地震波形数据	机器学习	NA	NA	卷积神经网络	地震波形	约8.9万个波形片段，来自新西兰强震传感器	NA	轻量化CNN	准确率, 召回率	树莓派5
2623	2026-06-19	Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study 2026-02-04, JMIR nursing DOI:10.2196/82283 PMID:41637487	研究论文	探索肿瘤科护士对预测性症状模型中人工智能组件的感知及其采纳影响因素	基于罗杰斯创新扩散理论，结合混合方法评估护士对AI症状模型的感知，并识别影响采纳的关键因素	样本量较小（15名护士），可能限制结果的普遍适用性	评估肿瘤科护士对AI预测性症状模型的感知以及影响该创新护理技术采纳的因素	肿瘤科护士	机器学习	肿瘤	不适用	深度学习	定性（访谈）和定量（李克特量表）数据	15名具有1年以上经验的肿瘤科护士	不适用	不适用	不适用	不适用
2624	2026-06-19	Integrative spatial omics and artificial intelligence: transforming cancer research with omics data and AI 2026-02, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2026.01.002 PMID:41520911	综述	探讨空间组学与人工智能在癌症研究中的整合应用	综述了空间转录组学和空间蛋白质组学与人工智能驱动计算模型在肿瘤学中的最新进展，突出其在生物标志物发现和个性化治疗策略中的潜力	面临高维数据复杂性、计算限制和分析流程标准化等挑战	探索空间组学与人工智能在癌症研究中的整合应用，以推进精准肿瘤学	空间组学数据（空间转录组学、空间蛋白质组学）、人工智能模型、肿瘤微环境	自然语言处理, 机器学习	癌症	空间组学, 空间转录组学, 空间蛋白质组学	深度学习, 空间图分析	空间组学数据	NA	NA	空间图网络, 拓扑数据分析	NA	NA
2625	2026-06-19	TriNet-MTL: A Multi-Branch Deep Learning Framework for Biometric Identification and Cognitive State Inference from Auditory-Evoked EEG 2026-02, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0265-25.2025 PMID:41633842	研究论文	提出一个多分支深度学习框架TriNet-MTL，用于从听觉诱发脑电图联合进行生物识别和认知状态推断	首次提出能同时执行生物识别、刺激语言分类和传输模式识别的三重任务多任务深度学习框架	未提及	开发统一的深度学习模型，同时执行生物识别、听觉刺激语言分类和设备模态识别，充分利用听觉诱发脑电图的生理和认知维度	听觉诱发脑电图	机器学习	NA	NA	Transformer	脑电图	20名人类参与者（16名男性，4名女性）	PyTorch	TriNet-MTL（Triple-Task Neural Transformer for Multitask Learning）	准确率	NA
2626	2026-06-19	Cell Analyser in Batch for Neurite (CABaNe), an Automated, High-Throughput ImageJ Macro for Cell and Neurite Analysis 2026-02, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0193-25.2025 PMID:41617476	研究论文	介绍CABaNe，一种用于细胞和神经突分析的高通量、自动化ImageJ宏	CABaNe作为开源、高通量、基于规则的ImageJ宏，具有图形界面、元数据生成及分析前后验证功能，并在神经突分析领域实现了更优的精度和适应性	仅测试了小鼠神经母细胞瘤细胞系N2A，且基于规则的细胞识别可能在更复杂场景下表现有限	开发一种用于神经突长度分析的高通量自动化工具，以支持神经生物学研究	小鼠神经母细胞瘤细胞系N2A的细胞及其神经突	数字病理学	神经系统疾病	NA	基于规则的方法	图像	小样本数据集和大样本数据集（具体数量未说明）	ImageJ	NA	精度	NA
2627	2026-06-19	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	提出ViralBindPredict深度学习框架，直接从病毒蛋白质序列预测配体结合位点，并构建首个大规模病毒蛋白-配体相互作用基准数据集	首次引入泄漏控制的数据拆分策略构建病毒蛋白-配体相互作用基准；实现无需蛋白质结构的配体结合位点预测	蛋白质序列上下文主导泛化能力，模型对未见蛋白质的预测性能下降明显	开发无需蛋白质三维结构即可预测病毒蛋白-配体结合位点的计算方法，加速抗病毒药物发现	病毒蛋白质序列及其与配体的相互作用	机器学习	病毒感染性疾病	蛋白质序列分析、深度学习	多层感知机	蛋白质序列数据	超过10,000条病毒蛋白质链和约13,000个相互作用样本	PyTorch	多层感知机	精确率-召回率曲线	NA
2628	2026-06-19	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in motor imagery and execution 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	本文介绍首个公开的专门针对坐站和站坐转换过程中运动执行与运动想象的脑电图数据集	首次公开提供针对坐站和站坐转换过程的脑电图数据集，同步记录多模态信号，并验证了深度学习方法的分类性能	数据集仅包含22名健康参与者，且未涉及患者群体或真实康复场景	探索下肢运动相关的神经激活模式，支持脑-机接口算法开发以用于移动辅助和康复	22名健康参与者在运动执行和运动想象任务中进行坐站和站坐转换的神经活动	机器学习	NA	脑电图、眼电图、肌电图同步记录	卷积神经网络	脑电图、眼电图、肌电图信号	22名健康参与者	NA	CTNet, EEGNet, TCANet	准确率	NA
2629	2026-06-19	A feature-based generalizable prediction model for both perceptual and abstract reasoning 2026-01, Cognitive neuroscience IF:2.0Q3 DOI:10.1080/17588928.2025.2599784 PMID:41396106	研究论文	提出一种基于特征检测、仿射变换估计和搜索的算法模型，用于解决感知和抽象推理任务	该模型能够实现一次性推理，在简化的瑞文推理任务中接近人类水平，并能表达发现的规则和生成多步预测，同时处理包含连续模式的感知挑战	模型仅应用于简化的瑞文任务，未在更复杂的任务或实际场景中验证其泛化能力	研究抽象推理的算法实现，并探讨其对人类推理和智能机器改进的意义	简化的瑞文渐进矩阵任务中的感知和符号推理挑战	机器学习	NA	特征检测、仿射变换估计、搜索算法	算法模型（非神经网络）	图像（瑞文矩阵中的模式）	NA	NA	NA	人类水平性能（未指定具体指标）	NA
2630	2026-06-19	[Predictive epileptology: the emergence of a new paradigm for the management of epileptic seizures] 2026, Zhurnal nevrologii i psikhiatrii imeni S.S. Korsakova DOI:10.17116/jnevro202612605114 PMID:42246521	综述	评估基于人工智能的可穿戴设备在预测癫痫发作方面的当前状态和潜在用途	提出预测性癫痫学作为一种新范式，标志着癫痫管理从被动反应向主动风险管理的根本转变	从实验室环境的高准确性到现实世界环境中更适中但具有临床意义的表现之间存在显著差距；高误报率、预测非运动性癫痫发作的挑战以及监管、伦理和经济约束是主要障碍	评估基于人工智能的可穿戴设备预测癫痫发作的可行性及当前技术状态	基于人工智能的可穿戴设备及其在癫痫预测中的应用	机器学习	癫痫	NA	个性化深度学习模型	NA	NA	NA	NA	预测准确性	NA
2631	2026-06-19	Empowering rural governance with digital technology: Deep learning models for automated detection of rural buildings using remote sensing images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351311 PMID:42284255	研究论文	提出一种集成多尺度混合注意力模块、动态特征金字塔网络和渐进对比学习策略的深度学习框架，用于从遥感影像中自动检测农村建筑物以支持乡村治理	引入多尺度混合注意力模块并行卷积路径结合通道和空间注意力动态捕捉多尺度特征并抑制背景噪声，动态特征金字塔网络利用内容感知路由自适应融合层次特征实现尺度不变表示，渐进对比学习策略通过硬样本挖掘利用有标签和无标签数据增强判别能力	在跨数据集泛化（中国农村数据上MIoU为72.3%）仍有提升空间，高质量注释数据集稀缺问题未彻底解决	解决从无人机遥感影像自动检测农村建筑物时面临的极端尺度变化、复杂背景干扰和高质量标注数据稀缺等挑战	农村建筑物	计算机视觉	NA	遥感影像分析	深度学习模型	图像	马萨诸塞州建筑物数据集及中国农村数据	PyTorch	U-Net, SegNet, DeepLabV3+作为基准，提出框架含多尺度混合注意力模块、动态特征金字塔网络	平均交并比（MIoU），像素精度（PA），平均精度均值（mAP）	GitHub开源代码，未明述GPU类型
2632	2026-06-19	EffortNet: A Deep Learning Framework for Objective Assessment of Speech Enhancement Technologies Using EEG-Based Alpha Oscillations 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3694178 PMID:42149756	研究论文	提出一种名为EffortNet的深度学习框架，通过脑电图中的alpha振荡客观评估语音增强技术对听力的影响	整合自监督学习、增量学习和迁移学习三种互补范式，解决脑电图信号的个体间差异问题，并利用概率指标揭示神经网络差异与主观评分之间的分离现象	未明确说明	开发一种客观评估语音理解过程中听力困难程度的深度学习框架	122名参与者在四种语音条件下（清晰、噪声、MMSE增强、Transformer增强）的64通道脑电图数据	机器学习和信号处理	听力学相关疾病	脑电图（EEG）	深度学习框架	脑电图信号	122名参与者	NA	EffortNet	分类准确率（与常规CNN和STAnet对比）	NA
2633	2026-06-19	A transformer-based deep learning algorithm for diagnosing spinal infections on axial non-contrast computed tomography images: a dual-center retrospective study 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.21340 PMID:42299150	研究论文	开发了一种基于Swin Transformer的深度学习算法，用于在轴位非增强CT图像上诊断脊柱感染，并在双中心回顾性研究中验证其性能	首次将Swin Transformer模型应用于脊柱感染的CT诊断，并证明其在无磁共振条件下的高准确率和临床辅助价值	回顾性研究设计、样本量相对有限（共157例）、未包含其他脊柱病变类型	探索基于非增强CT图像的深度学习方法来诊断原发性脊柱感染，提高诊断准确率和效率	来自两个医疗中心的157例原发性脊柱感染患者的非增强CT图像切片	医学影像分析	脊柱感染	CT成像	Swin Transformer	CT图像	训练及内部验证集127例（来自主要中心，7:3随机划分），外部验证集30例（来自第二中心）	PyTorch	Swin Transformer	AUC, AUPRC, 灵敏度, 特异度, 准确率, PPV, NPV, F1分数	GPU（具体型号未提及）
2634	2026-06-19	Automated classification of natural habitats using ground-level imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351335 PMID:42308189	研究论文	提出一种基于地面级图像（照片）的自动化栖息地分类方法，利用深度学习实现16类栖息地的分类	首次仅基于地面图像进行栖息地分类，替代依赖卫星影像的传统方法，并开发了DeepLabV3-ResNet101自定义深度学习分类器，结合数据增强与重采样平衡类别	部分视觉混合或模糊的栖息地类别（如视觉不明显的类别）分类性能较低，整体F1分数为0.63，且仅针对英格兰‘Living England’框架的16个类别	实现基于地面图像的可扩展、高精度栖息地分类，支持生态监测与公民科学应用	地面级栖息地照片（来自公民科学或实地拍摄的图片）	计算机视觉	NA	图像预处理（缩放、归一化、增强）与重采样技术	CNN（DeepLabV3-ResNet101）	图像	16类栖息地图像，未明确具体数量，但通过五折交叉验证与重采样平衡类别	PyTorch	DeepLabV3-ResNet101	准确率, F1分数	NA
2635	2026-06-19	A semantic segmentation model to predict subcellular glycogen localization using transmission electron microscopy images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351502 PMID:42308209	研究论文	开发并验证了一种基于深度学习的语义分割方法，利用透射电子显微镜图像自动量化人体骨骼肌中糖原在亚细胞区室的分布	提出结合两个注意力U-Net模型（区域模型和糖原模型）的互补框架，首次实现从TEM图像中自动预测亚细胞糖原定位，并将分析时间大幅缩短	模型基于有限样本（7名健康男性）训练，可能无法完全代表病理状态或不同肌肉类型的糖原分布特征；此外，手动标注的准确性可能影响模型性能	开发自动化工具以高通量、客观地量化骨骼肌亚细胞糖原分布，支持大规模代谢研究	人体骨骼肌活检组织中的糖原颗粒及其亚细胞区室（肌原纤维间、肌原纤维内区域包括A带、I带、Z盘以及线粒体）	计算机视觉	NA	NA	注意力U-Net	图像（透射电子显微镜图像）	7名健康男性的骨骼肌活检，在正常、耗尽和糖原超补偿状态下采集	NA	注意力U-Net（两个互补模型：区域模型和糖原模型）	偏差、变异系数、糖原体积密度与生化测量的一致性	NA
2636	2026-06-19	All-optical doubly resonant cavities for energy-efficient ReLU function in nanophotonic deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345850 PMID:42308233	研究论文	提出一种利用紧凑双共振腔实现全光学ReLU激活函数的方法	利用非线性过程实现全光学ReLU函数，设备面积比以往方法减小两个数量级，能实现飞焦级激活能量	NA	实现能效高、高密度的光学神经网络，用于下一代人工智能硬件	全光学双共振腔结构和非线性光学过程	机器学习	NA	光学非线性过程	神经网络	光学信号	NA	NA	双共振腔结构	分类准确率	NA
2637	2026-06-19	Computer-aided diagnosis system for thoracic computed tomography of rib fractures in older emergency patients: A preliminary study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351988 PMID:42308243	研究论文	本研究探讨了基于深度学习的计算机辅助诊断系统在老年急诊患者胸部CT肋骨骨折检测中的应用价值	首次按年龄分组评估CAD系统在老年患者中的诊断效能，并与中青年组进行比较	未提供具体缺陷，但可从论文标题推断为初步研究	评估深度学习CAD系统在老年急诊患者肋骨骨折CT诊断中的价值	老年和中年/青年急诊患者	计算机视觉	肋骨骨折	CT影像	深度学习	CT图像	1012例胸外伤急诊患者	NA	NA	灵敏度，假阳性率，阅片时间	NA
2638	2026-06-19	A lightweight CNN-transformer hybrid architecture with channel attention for real-time hazardous acoustic event detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1824067 PMID:42311228	研究论文	提出一种轻量级CNN-Transformer混合架构，用于实时危险声学事件检测	融合通道注意力机制的轻量级CNN架构，实现资源受限环境下的高效危险声音分类	未提及其他噪声环境下的泛化性能或模型局限性	设计适用于边缘部署的实时危险声音检测轻量级深度学习模型	基于音频的危险声学信号（哭泣、狗叫、警报、爆炸、火灾、玻璃破碎、尖叫、武器相关声音等8类）	机器学习和计算机视觉（音频分类）	不适用	音频频谱图处理	CNN-Transformer混合架构	音频（对数梅尔频谱图）	8类危险声学数据，每类1000个音频样本，总计8000样本	NA	TinyCNN（增强通道注意力的轻量级CNN主干网络）	准确率、精确率、召回率、F1分数	适用于边缘端部署，具体资源未提及
2639	2026-06-19	An integrated evolution-aware meta-learning framework with adversarial morphological augmentation for zero-day threat detections 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1814012 PMID:42311231	研究论文	提出一种集成了进化感知元学习与对抗形态增强的零日威胁检测框架M3-GAZE	将威胁检测形式化为进化推理问题，通过潜在形态谱提取、对抗进化生成对抗网络、元适应框架、不确定性校准层和因果进化图合成器五个创新组件实现零日攻击的高效检测	未明确说明局限性，可能包括对复杂实时环境的适应性、计算资源需求或模型可解释性验证的不足	克服传统威胁检测框架对静态模式匹配的依赖，提升对零日攻击的检测能力	零日威胁和进化攻击行为	机器学习	NA	生成对抗网络（GAN）	生成对抗网络、元学习模型	威胁检测数据（包括网络流量、系统日志等形态数据）	不详（基于进化任务生成合成样本，可能涉及小样本场景）	PyTorch	对抗进化生成对抗网络（AE-GAN）、元适应框架（MAFTI）	零日召回率、少样本适应性、不确定性校准、假阴性率	NA
2640	2026-06-19	Leveraging deep learning and explainable AI for effective liver tumor classification from CT scan images 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1836325 PMID:42311265	研究论文	提出一种基于深度学习和可解释人工智能的肝肿瘤CT影像分类框架	将可解释AI与多种深度学习模型（ResNet50-v2、EfficientNetV2、Inception-v3、Vision Transformer ViT-16）结合，提升临床可信度	未提及	实现非侵入性肝肿瘤自动分类并增强模型可解释性	CT扫描图像中的肝肿瘤	计算机视觉	肝癌	深度学习、可解释AI	CNN、Transformer	图像	未提及	NA	ResNet50-v2， EfficientNetV2， Inception-v3， Vision Transformer ViT-16	准确率	NA