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
2701	2026-08-07	PosFormer: Generalizable Indoor Positioning via Global--Local Feature Fusion Network 2026-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3650775 PMID:41528915	研究论文	提出一种基于Transformer和CNN双融合网络的室内定位方法PosFormer，旨在提高UWB在NLOS环境下的定位精度	利用多径物理信息启发设计Transformer和CNN双融合网络，同时捕获CIR的全局和局部特征；设计非相邻锚点子集方案丰富CIR多样性；引入轻量迁移学习框架增强跨环境部署鲁棒性	未提及具体局限性	解决UWB在复杂NLOS环境下的定位精度问题，实现高精度且具有跨环境泛化能力的室内定位	室内定位中的UWB信号信道脉冲响应（CIR）	机器学习	NA	UWB	Transformer, CNN	信号数据（信道脉冲响应）	公共工业数据集，但未提供具体样本数量；迁移学习实验使用20%的指纹样本	NA	Transformer, CNN	平均绝对误差（MAE）	NA
2702	2026-08-07	EEGMoE: A Domain-Decoupled Mixture-of-Experts Model for Self-Supervised EEG Representation Learning 2026-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3652277 PMID:41553887	研究论文	提出了一种基于领域解耦的混合专家模型EEGMoE，用于自监督脑电图表示学习，并在多个任务上验证了其泛化能力	提出领域解耦的编码器设计，通过特定和共享专家组分别学习领域特异和领域共享的表示，并采用Top-K路由和软路由策略	文中未明确提及局限性	实现脑电图数据的自监督表示学习，提高模型的泛化能力和领域适应能力	脑电图数据，涵盖情绪识别、运动想象分类和精神负荷检测等任务	机器学习	不适用	自监督预训练	Transformer、混合专家模型	脑电图信号	多个公开数据集（具体数量未提及）	未提及	Transformer、混合专家块（包含特定和共享专家组）	准确率、F1分数	未提及
2703	2026-08-07	A Conditional GAN-Based Framework for Sparse sEMG Data Augmentation With Muscle Synergy Prior Constraints 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3656514 PMID:41570105	研究论文	提出了一种基于条件GAN的框架，通过肌肉协同先验约束增强稀疏表面肌电信号数据，以提高信号真实感和下游任务性能	创新性地设计了基于图卷积网络的生成器以建模多通道肌电信号间的复杂通道关系，并引入肌肉协同先验作为动态损失函数以确保生理合理性	未提及具体限制	解决现有生成方法在顺序通道生成中的误差累积、通道关系建模不足及缺乏生理约束的问题，提高生成肌电信号的生物保真度	稀疏表面肌电信号	机器学习, 数字病理学	NA	表面肌电信号采集	条件生成对抗网络, 图卷积网络	肌电信号	使用了IRASS数据集和公共数据集NinaPro DB1和DB2	NA	条件生成对抗网络, 图卷积网络	信号真实性, 下游任务性能	NA
2704	2026-08-07	PGST: A Prototype-Guided Parameter-Efficient Network for Spatial Transcriptomics Prediction 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3666148 PMID:41701590	研究论文	提出一种基于原型引导的参数高效网络（PGST），用于空间转录组学中的基因表达预测，通过极坐标嵌入、原型引导聚合、共享解码器和轻量级设计提升性能，在多个数据集上优于现有方法	引入极坐标嵌入策略（PEST）处理空间转录组学的位置编码特殊性，采用原型引导聚合保留全局共特征，共享解码器增强全局一致性，并实现轻量级架构设计以提高参数效率	摘要中未提及具体局限性	解决空间转录组学中基因表达预测的现有方法缺陷，包括空间特异性不足、忽略空间共表达模式、对噪声和分布偏移敏感以及参数效率低	空间转录组学数据中的基因表达模式	空间转录组学、深度学习	NA	空间转录组学（ST）	图神经网络、对比学习	空间转录组数据（图像和基因表达数据）	NA	NA	PGST（含PEST模块、原型引导聚合器、共享解码器）	NA	NA
2705	2026-08-07	OnUVS: An Online Motion Transfer Framework With Content-Texture Decoupling for High-Fidelity Ultrasound Video Synthesis 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3661871 PMID:41701591	研究论文	提出了一种名为OnUVS的在线运动迁移框架，用于高保真超声视频合成，通过内容-纹理解耦提高视频质量和运动一致性	引入弱监督关键点学习增强运动表示，采用双解码器生成器平衡内容和纹理特征，并设计在线学习策略平滑帧间连贯性	未提及具体限制，但可能涉及对罕见病案例的视频合成仍需进一步验证	解决超声视频稀缺问题，通过高质量视频合成提升诊断应用和深度学习模型训练效果	超声视频，包括心回波图和盆底超声数据	计算机视觉	心脏病和盆腔疾病	NA	生成对抗网络（GAN）	视频	心回波图和盆底超声数据集，具体数量未提及	NA	双解码器生成器和多尺度判别器	FVD（帧间视频距离）和FID（弗雷歇初始距离）	NA
2706	2026-08-07	Cerebral Lateralization Assessment: An Explainable Deep Learning Approach With Channel Attention Mechanism 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3583038 PMID:40560711	研究论文	提出了一种基于通道注意力机制的可解释深度学习方法，用于通过脑电图交叉频率耦合评估大脑偏侧化模式	利用合成信号预训练网络以计算相位-幅度耦合，采用对称架构评估半球间差异，并引入自定义注意力层增强可解释性和检测细微偏侧化差异	脑电图数据标签样本有限、高维噪声特性可能导致过拟合和泛化能力差，以及受试者间的时空变异性问题	开发一种深度学习方法，通过基于交叉频率耦合的半球间功能差异来揭示大脑偏侧化模式，并支持临床应用	大脑偏侧化相关的神经状态，基于脑电图信号	机器学习	神经疾病（未具体指定）	脑电图	深度神经网络	脑电图信号	未提及	未提及	对称架构、注意力层	AUC	未提及
2707	2026-08-07	Towards Reliable Prediction: A Bayesian Continual Learning Approach for Clinical Time-Series Data 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3598718 PMID:40889322	研究论文	提出了一种基于贝叶斯LSTM的持续学习算法C-BLSTM，用于处理临床时间序列数据的预测，并提高模型的泛化能力。	首次将贝叶斯LSTM与持续学习结合，通过架构剪枝、变分推断正则化与核心集重放策略实现领域增量学习，提升临床时间序列预测的可靠性和泛化性。	摘要未提及明显的局限性，但可能涉及计算复杂度或对特定数据分布假设的依赖。	解决临床时间序列数据预测中的模型泛化问题，通过持续学习应对数据分布漂移，提高预测性能和可靠性。	临床时间序列数据，包括电子病历数据用于死亡预测，以及心力衰竭患者再入院风险和2型糖尿病患者糖化血红蛋白结果的真实世界数据。	机器学习	心力衰竭, 2型糖尿病	NA	LSTM	时间序列数据	两个公开电子病历数据集和两个真实世界临床时间序列数据集（具体数量未知）	NA	LSTM	性能指标包括预测准确性和可靠性（具体指标未提及）	NA
2708	2026-08-07	TUNA: A Target-Aware Unified Network for Protein-Ligand Binding Affinity Prediction via Multi-Modal Feature Integration 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643854 PMID:41385420	研究论文	提出了一种名为TUNA的新型深度学习模型，通过整合全局蛋白序列、局部口袋表示、基于SMILES的配体特征和分子图结构等多模态特征来预测蛋白质-配体结合亲和力	整合了全局序列、口袋级信息和配体多模态特征，并采用跨模态注意力机制实现可解释的结合位点推断	未明确提及，但可能包括对无已知结构靶标的依赖和计算资源需求	提高蛋白质-配体结合亲和力预测的准确性，特别是针对无已知结构的靶标	蛋白质-配体复合物的结合亲和力预测	机器学习、药物发现	NA	三维结构推断、口袋检测、预训练模型嵌入	深度学习模型（未具体指定架构类型）	蛋白质序列、口袋序列、配体SMILES、分子图结构	PDBbind和BindingDB数据集	NA	跨模态注意力机制	准确性、竞争力（未具体列出指标，可能包括RMSE、皮尔逊相关系数等）	未明确提及，可能包括GPU等
2709	2026-08-07	IoT-powered wearable assist device for visually impaired 2026-05, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2582033 PMID:41182323	研究论文	本研究开发并评估了一种基于物联网的可穿戴辅助设备，该设备结合实时物体检测、人脸识别和障碍物感知，旨在改善视力障碍者的行动能力和环境交互。	将物联网、深度学习（SVM、ResNet-50、YOLOv4）和低成本硬件集成到一个统一的可穿戴系统中，实现了高精度、低延迟的实时辅助导航。	缺乏大规模用户验证，未提及设备舒适性、电池寿命等实际应用中的潜在问题。	开发并评估一种物联网驱动的可穿戴辅助设备，以提高视力障碍者的障碍物感知、移动能力和环境交互。	视力障碍者以及开发的可穿戴辅助设备原型。	计算机视觉	视觉障碍	物联网、深度学习、机器学习	SVM、CNN（ResNet-50）、YOLOv4	图像、传感器数据	未明确提及样本量，但系统在多种环境条件下进行了评估。	未明确提及，但可能涉及TensorFlow或PyTorch（基于深度学习模型）	ResNet-50, YOLOv4, SVM	准确率、精确率、召回率、F1分数	未明确提及，但涉及ESP32-CAM模块和Arduino微控制器，可能使用边缘计算设备。
2710	2026-08-07	Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin 2026-04-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345196 PMID:41765623	研究论文	开发了一种集成双发射分子印迹荧光传感器与卷积神经网络的智能手机便携式平台，用于诺氟沙星的现场快速检测	将分子印迹荧光传感器与深度学习结合，利用智能手机捕获图像并通过CNN模型自动提取浓度特征，超越传统RGB分析，有效校正环境干扰，实现生物样品中诺氟沙星的超灵敏检测	未提及具体局限性	实现诺氟沙星的快速、现场、高灵敏检测，为水产品安全保障中的抗生素监测提供技术支持	诺氟沙星（NOR）抗生素	机器学习	不适用	分子印迹荧光传感、深度学习	卷积神经网络（CNN）	荧光图像	生物样品（具体数量未提及）	NA	四种CNN模型（具体架构未提及）	检测限、回收率、相对标准偏差	NA
2711	2026-08-07	A multimodal approach integrating spectroscopy, deep learning guided molecular docking, and molecular dynamics simulation for predictive assessment of pioglitazone to albumin binding for formulation development 2026-03-12, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01534k PMID:41738395	研究论文	该研究采用多模态方法，结合光谱学、深度学习引导的分子对接和分子动力学模拟，评估吡格列酮与白蛋白的结合亲和力，以支持制剂开发	整合紫外光谱、荧光光谱、深度学习工具DynamicBind和分子动力学模拟的多模态方法，提供对药物-蛋白质结合亲和力的综合评估	摘要中未明确提及局限性	通过分析人血清白蛋白与吡格列酮的结合亲和力，为制剂开发提供关键信息	人血清白蛋白与吡格列酮的复合物	分子对接、机器学习、数字病理学	NA	紫外光谱、荧光光谱、深度学习引导的分子对接、分子动力学模拟	深度学习（DynamicBind）、分子动力学模拟	光谱数据、分子结构数据	不同组合的HSA和吡格列酮复合物（具体数量未在摘要中明确）	NA	DynamicBind	结合常数、cLDDT分数、结合亲和力值、均方根偏差、回转半径、均方根波动	NA
2712	2026-08-07	AI-based intelligent sensing detection of cybersecurity threats using multimodal sensor data in smart devices 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40614-3 PMID:41748759	研究论文	本文提出一种基于深度学习的多模态传感架构，用于识别智能设备上由传感器引发的网络攻击	采用混合CNN-RNN-Transformer架构，融合异构传感器特征并考虑时空交互，实现了边缘硬件上的实时威胁检测	未明确提及，可能受限于数据集标注质量和特定传感器类型	开发一种可扩展的多模态深度学习框架，以提高物联网环境下网络物理威胁检测的准确性和实时性	智能设备中的异构传感器数据（加速度计、陀螺仪、麦克风、温度传感器）	机器学习	NA	多模态传感数据融合、深度学习	CNN-RNN-Transformer混合模型	多模态传感器数据、网络流量数据（文本/数值）	使用了一个手工标注的多模态数据集和两个公开基准数据集（CICIDS-2017和IoT-23）	NA	CNN, RNN, Transformer	AUC, F1-score, 推理延迟	边缘硬件（具体型号未提及）
2713	2026-08-07	Diagnostic accuracy of deep learning vs. human raters for detecting osteoporotic vertebral compression fractures in routine CT scans 2026-Feb-24, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12393-y PMID:41733641	研究论文	评估深度学习模型与人类评估者在常规CT扫描中检测骨质疏松性椎体压缩骨折的诊断准确性。	首次系统比较了多种深度学习模型与不同经验水平的人类评估者在检测和分级骨质疏松性椎体骨折方面的性能。	研究为回顾性设计，依赖于公共数据集，未提供具体局限性信息。	评估专用于检测和分级椎体骨折的深度学习模型的诊断性能，并与人评估者进行比较。	骨质疏松性椎体压缩骨折的CT扫描图像。	医学影像分析	骨质疏松性椎体压缩骨折	CT成像	深度学习模型	图像	331名患者的3548个椎体，其中190个（5.4%）骨折，139个（3.9%）为中重度骨折	未明确说明	未明确说明	准确性、AUROC、一致性	未明确说明
2714	2026-08-07	SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices 2026-02-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	本研究提出了一种基于硅量子点和钌配合物的比率荧光探针，结合深度学习与智能手机，用于6PPD-醌的即时检测	首次将深度学习与智能手机集成的比率荧光传感器用于6PPD-醌检测，采用YOLOv5算法定位荧光图像并获取RGB值，提高了检测精度和可视化能力	摘要中未明确提及局限性	开发一种快速、高响应、特异性的6PPD-醌检测方法，以实现低成本、便捷、可视化和实时检测	6PPD-醌（N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌）	计算机视觉	NA	荧光光谱法	深度学习模型	图像	NA	PyTorch	YOLOv5	线性关系、检测限	NA
2715	2026-08-07	Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02389 PMID:41574593	研究论文	开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，替代计算昂贵的GIST方法	首次利用深度学习模型预测水合能、熵和自由能的空间分布，速度比GIST快数千倍，并能考虑蛋白质构象波动	水合熵和自由能的预测精度较低，且模型可能受限于训练数据的多样性和代表性	开发高效准确的深度学习模型，替代计算昂贵的GIST方法，预测蛋白质周围水合热力学性质	蛋白质及其周围的水分子	机器学习	不适用	分子动力学模拟	深度学习模型	分子动力学模拟数据	未明确提及具体样本数量	未明确提及	未明确提及	决定系数（R²）、相关系数	单个图形处理单元（GPU）
2716	2026-08-07	Attention-Enhanced Convolutional BiLSTM Model for Predicting Recovery Outcomes in Sports Injuries 2026-Feb, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-025-01417-2 PMID:41669206	研究论文	提出一种基于注意力机制的卷积双向长短期记忆网络模型，用于预测运动损伤恢复结果。	引入了注意力增强的随机森林优化卷积双向长短期记忆模型，结合深度可分离卷积和双向LSTM，以捕捉运动数据中的时空依赖关系。	未提及具体局限性。	提高运动损伤评估和恢复预测的准确性，特别是在下肢损伤中。	年轻运动员下肢损伤的康复预测。	计算机视觉、机器学习	运动损伤	肌电图（EMG）、运动学数据分析	混合深度学习模型（CNN + BiLSTM）	时间序列数据（EMG和运动学数据）	四个数据集（具体数量未提及）	未提及	卷积块注意力模块（CBAM）、深度可分离卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）	准确率、精确率、召回率、F1分数、特异性	未提及
2717	2026-08-07	LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning 2026-01-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344857 PMID:41330688	研究论文	本文介绍了LUMIR，一个基于大语言模型驱动的统一智能体框架，用于多任务红外光谱推理，在低数据条件下实现准确分析。	提出首个利用大语言模型结合结构化文献知识库和少样本提示的智能体框架，统一处理预处理、特征提取和预测建模，实现跨任务的自适应红外光谱分析。	未明确提及局限性，可能受限于低数据条件下对多样化数据集的泛化能力，需进一步验证。	开发一个数据高效的自动化红外光谱分析框架，利用大语言模型的推理能力，在低数据条件下实现准确的分类、回归和异常检测。	红外光谱数据，包括牛奶近红外数据集、中草药、不同储藏年限的陈皮、工业废水COD数据集，以及Tecator和Corn两个公共基准。	机器学习	不适用	红外光谱技术	大语言模型（LLM）	光谱数据	多个数据集，具体样本数量未全说明，包括牛奶、中草药、陈皮、工业废水及两个公共基准	未明确提及	未明确提及具体架构，可能使用Transformer类模型	准确性、性能指标与机器学习、深度学习模型相当，具体指标未明确列出	未明确提及
2718	2026-08-07	Identification of potent high-affinity secondary nucleation inhibitors of Aβ42 aggregation from an ultra-large chemical library using deep docking 2026-Jan, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00159-5 PMID:41193694	研究论文	本文介绍了一种基于深度对接的开源流程，从包含超过5.39亿个化合物的超大型化学库中识别出高效的Aβ42聚集次级成核抑制剂	开发了深度对接协议的开源流程版本，将可筛选化合物数量提高了四个数量级，并成功应用于发现Aβ聚集抑制剂	未提及明确的局限性；可能需要实验验证和进一步优化化合物	通过计算手段扩大药物筛选规模，以发现针对Aβ聚集的潜在抑制剂，用于阿尔茨海默病的治疗开发	Aβ42肽的聚集过程及其抑制剂	机器学习, 数字病理学	阿尔茨海默病	深度对接, 表面等离子体共振	深度学习模型	化学化合物结构数据	超大型化学库包含超过5.39亿个化合物，筛选出35个候选化合物用于实验，其中19个具有抑制活性	NA	NA	命中率, 平衡解离常数	未提及具体计算资源
2719	2026-08-07	Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species 2025-12-25, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01092-z PMID:41449383	研究论文	本研究提出一个可解释的深度学习集成框架，用于准确分类野生有毒蘑菇种类，保障食品安全	首次将可解释AI集成方法应用于真菌分类，结合多种预训练CNN架构的集成策略提升分类性能	标题和摘要中未提及局限性信息	开发一个准确且可解释的深度学习框架，用于野生有毒蘑菇的分类，以减少误认导致的中毒事件	18种野生有毒蘑菇物种的高分辨率图像	计算机视觉	蘑菇中毒	图像增强技术	CNN	图像	3600张高分辨率图像，通过增强扩展至7200个训练样本	NA	DenseNet121, EfficientNet-B3, MobileNet-V3, ShuffleNet-V2	准确率, MCC, 对数损失	NA
2720	2026-08-07	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-12-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	研究论文	提出了一种名为CLAP-HMM的深度学习框架，用于在长DNA序列中预测抗性基因	引入蛋白质功能提示作为生物学先验，指导HMM模块进行结构状态建模，实现抗性基因边界的精确识别	未提及	提高超长、高重复基因组序列中抗性基因预测的准确性	抗性基因	深度学习、生物信息学	植物病害	DNA测序	CNN-LSTM-Attention混合模型	长DNA序列	NA	NA	CNN、LSTM、注意力机制、HMM	NA	NA