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
2761	2026-08-30	Enzyme-aware soil fertility prediction using dual optimization with improved SCSO 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56124-1 PMID:42286015	研究论文	提出了一种基于改进的沙猫群优化（Improved SCSO）的统一框架，用于酶感知的土壤肥力预测，实现了特征选择与超参数调优的序列化整合	改进了传统沙猫群优化方法，通过余弦调制搜索、随机逃逸最差更新机制和时间自适应最优解继承策略，增强了探索与开发能力的平衡，并在优化过程中显式纳入酶相关属性以选择生物学有意义的特征	摘要中未提及明显的局限性	提高土壤肥力预测的准确性和解释性，并实现基于预测结果的作物适宜性动态映射	土壤酶活性相关属性及作物适宜性	机器学习	NA	NA	机器学习模型（如梯度提升、决策树、随机森林等）和深度学习模型	表格数据（土壤属性）	未在摘要中明确给出样本数量	未明确指定，可能使用Scikit-learn	梯度提升（GB）、决策树（DT）、随机森林（RF）及其混合模型	准确率、精确率、召回率、F1分数	未在摘要中提及
2762	2026-08-30	A multi-task learning framework for diagnosing partial discharge types and assessing severity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57520-3 PMID:42286070	研究论文	提出了一种名为PD-IntelliFusionNet的多任务学习框架，用于同时诊断局部放电类型并评估其严重程度。	将声学和电磁传感、物理建模、多尺度特征提取及多任务深度学习集成到一个统一框架中，首次实现同时进行局部放电类型诊断和严重性评估。	摘要中未提及具体局限性。	提高电力变压器绝缘系统的可靠性和降低维护成本，通过统一框架实现局部放电类型诊断和严重性评估。	电力变压器中的局部放电现象，包括声发射和超高频信号。	机器学习	NA	声学传感、电磁传感、多尺度特征提取、多任务深度学习	多任务学习，注意力机制	信号数据（时域、频域和小波特征）	NA	PyTorch	PD-IntelliFusionNet	诊断准确性和鲁棒性	NA
2763	2026-08-30	Sequence-based prediction of drug-target binding using machine learning, deep learning and ensemble models without 3D structural information 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57478-2 PMID:42286075	研究论文	提出一种完全基于序列的药物-靶标相互作用预测框架，无需三维结构信息，通过集成机器学习和深度学习模型实现与对接相当的预测性能，并通过特征重要性分析和分子对接实验验证其可靠性。	提出统一表示方法，整合理化蛋白质描述符、蛋白质3-gram序列模体和类序列药物编码，消除对结构数据的依赖，并采用堆叠集成策略增强预测性能，同时通过特征重要性分析提供生物学可解释性。	未明确说明局限性，但可能包括对序列特征工程和数据集规模的依赖，以及对接验证仅限于子集。	开发一种可扩展、可解释且计算高效的序列为基础的DTI预测方法，替代依赖结构的预测方法。	药物-靶标相互作用（DTIs），涉及蛋白质序列和药物编码。	机器学习	不适用	基于序列的特征工程（理化描述符、3-gram模体、药物编码）和分子对接。	机器学习、深度学习、集成模型	序列数据（蛋白质和药物）	未具体说明，但使用分层五折交叉验证。	不适用	随机森林、支持向量机、逻辑回归（堆叠集成）	ROC-AUC	不适用
2764	2026-08-30	Simulation of long-term spatio-temporal environmental dynamics using a unified benchmark of neighbor augmenting, LSTM and graph attention models 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56762-5 PMID:42286150	研究论文	本文提出了一个统一的基准测试框架，用于比较基于邻域、图和注意力的时空深度学习模型在长期地理空间环境动态预测中的性能	不引入新模型，而是提出一个比较性工程实验，评估在长距离地理空间预测应用中，基于邻域的时序模型何时优于图注意力模型	未在摘要中明确提及	评估不同时空深度学习模型在长期地理空间动态预测中的性能，并比较基于邻域的时序模型与图注意力模型的有效性	2000年至2023年的年度卫星数据（NetCDF格式），2024年作为未见测试数据	机器学习	NA	NA	LSTM, GAT, GAT-LSTM	卫星图像数据（NetCDF格式）	年度卫星数据，2000年至2023年，2024年保留为测试数据	NA	LSTM, Cellular Automata（CA）, GAT, Temporal Attention, MLP/FFN	R, RMSE, MAE, MAPE, 相关性	NA
2765	2026-08-30	Causal inference-integrated temporal graph convolutional networks for dynamic prediction and optimization of enterprise total factor productivity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57633-9 PMID:42286196	研究论文	提出一种集成因果推断与时间图卷积网络的CT-GCN框架，用于企业全要素生产率的动态预测与优化	创新性地将因果推断技术与时间图卷积网络相结合，能够区分真实因果机制与伪相关，并捕捉企业间网络依赖关系	摘要中未提及明显的局限性	实现企业全要素生产率的动态预测与优化，并识别真正的生产力驱动因素	中国制造业企业	机器学习	NA	NA	时间图卷积网络（Temporal GCN）	面板数据	12,847家中国制造业企业（2008-2022年）	NA	CT-GCN（因果时间图卷积网络）	均方根误差（RMSE）	NA
2766	2026-08-30	DVNDTA: a dual virtual node based heterogeneous interaction model for accurate prediction of drug-target affinity 2026-Jun-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06481-5 PMID:42286477	研究论文	本文提出了一种基于双虚拟节点的异质相互作用模型DVNDTA，用于准确预测药物-靶点亲和力	引入双虚拟节点，动态加权全局-局部协同感知机制，以及双向反馈机制，以捕获药物和靶点口袋的全局上下文信息，增强对结合模式的学习	未在摘要中明确提及限制，可能包括对3D复合物数据的依赖和计算复杂度	通过整合全局上下文信息，提高药物-靶点亲和力预测的准确性和泛化能力	药物-靶点复合物及其结合位点	机器学习	NA	深度学习（基于3D复合物）	异质相互作用模型（图神经网络类）	3D复合物结构数据	多个基准数据集，具体数量未在摘要中给出	NA	双虚拟节点网络（具体架构未详细说明，可能涉及图神经网络）	准确性、泛化能力（具体指标如AUC等未列出）	NA
2767	2026-08-30	A longitudinal and explainable 2.5D deep learning framework for Alzheimer's disease progression using ADNI MRI 2026-Jun, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100342 PMID:42005278	研究论文	本研究提出了一个可解释的2.5D深度学习框架，用于使用ADNI MRI数据对认知正常、轻度认知障碍和阿尔茨海默病受试者进行纵向分类	采用基于改进的ResNet-18架构的2.5D卷积神经网络，并结合严格的受试者级别数据划分策略和Grad-CAM可解释性分析，同时强调纵向有效性和评估严谨性	在严格的受试者级别划分下，三分类纵向神经退行性疾病分类性能仅为中等，且扫描级别划分未带来显著性能提升	开发结合纵向MRI分析和可解释深度学习的框架，为阿尔茨海默病研究提供可解释且可复现的基线，并推动神经影像学中可信AI方法的发展	来自ADNI的认知正常、轻度认知障碍和阿尔茨海默病受试者的MRI数据	计算机视觉, 数字病理学	阿尔茨海默病	NA	CNN	MRI图像	NA	NA	ResNet-18	分类性能（准确率、精确率、召回率、F1分数、AUC等）	NA
2768	2026-08-30	Deep neural networks to predict foraging behaviour: saltwater immersion data can accurately predict diving in seabirds 2026-05-27, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0172 PMID:42191224	研究论文	本研究利用深度神经网络，基于盐度浸水数据预测海鸟的潜水觅食行为，并与加速度数据对比验证其有效性	首次证明仅使用光敏地理定位器（GLS）的盐度浸水数据即可高精度预测追潜海鸟的潜水行为，提供了一种低侵入性、可扩展的方法来补充全年GLS迁徙追踪研究	使用小规模试点数据集，可能限制模型的泛化能力；未详细讨论模型在不同环境条件下的表现	评估盐度浸水数据作为预测追潜海鸟觅食行为的有效性，并为野生动物保护提供可靠的方法	红脚鲣鸟（Sula sula rubripes）的潜水行为	机器学习	NA	GLS盐度浸水数据和三轴加速度数据	深度神经网络	时间序列数据	小规模试点数据集，包含多只海鸟个体	NA	深度神经网络（具体架构未提及）	准确率	NA
2769	2026-08-30	Contrastive graph regularized non-negative matrix factorization for domain identification of spatial transcriptomics 2026-05-20, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0424 PMID:42159088	研究论文	提出了一种对比图正则化非负矩阵分解（CGNMF）模型，用于空间转录组数据的可解释性降维和空间域识别	将自监督对比学习框架与图正则化非负矩阵分解相结合，通过考虑基因表达相似性和空间邻近性构建正负样本对，增强特征表示和空间结构保持，提高模型的可解释性和空间域识别性能	摘要未提及具体局限性	开发一种可解释的降维方法，用于空间转录组数据中的空间域识别，以克服高维性和深度学习方法可解释性差的挑战	空间转录组数据中的基因表达和空间位置信息	机器学习	不适用	空间转录组学	非负矩阵分解（NMF）	空间转录组数据（基因表达和空间信息）	三个公开数据集	不适用	图正则化非负矩阵分解（GNMF），对比学习框架	聚类指标（如准确率、归一化互信息、调整兰德指数等）	不适用
2770	2026-08-30	Deep learning-driven prediction of on-target activity, off-target risk, and repair outcomes in CRISPR/Cas9: current landscape and multi-scale perspectives 2026-04-28, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08175-1 PMID:42046128	综述	本文综述了人工智能驱动的CRISPR/Cas9预测方法，涵盖靶上活性、脱靶风险和修复结果，并提出整合分子、细胞和组织层面的三层框架	提出一个前瞻性的“三层框架”，整合分子、细胞和组织维度，以弥合基于序列的预测与表型结果之间的差距	现有模型主要在序列层面操作，忽略基因组编辑的下游功能后果	总结AI驱动的CRISPR/Cas9预测方法现状，并提出整合多尺度信息以提升精确性和转译潜力的框架	CRISPR/Cas9系统的预测方法，包括靶上活性、脱靶风险和修复结果	机器学习	NA	CRISPR/Cas9	深度学习	序列数据	NA	NA	NA	NA	NA
2771	2026-08-30	Artificial intelligence construction: a review of the bridge between CT imaging features of lung ground-glass nodules adenocarcinoma and carcinogenic driver genes 2026-Apr-22, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-026-06465-1 PMID:42017975	综述	本文综述了人工智能在肺磨玻璃结节腺癌CT影像特征与致癌驱动基因关联分析中的应用进展。	系统总结了连接肺GGN影像表型与基因改变的人工智能驱动技术，并指出了数据异质性、标注数据集有限和可解释性等挑战。	未提及具体实验验证，仅基于文献综述，可能缺乏实证数据的支持。	提供人工智能、放射组学和基因组学在肺GGN腺癌交叉领域的理论见解和技术参考，促进早期诊断和精准肿瘤学。	肺磨玻璃结节腺癌及其CT影像特征和致癌驱动基因	医学影像分析、基因组学	肺腺癌	深度学习、机器学习	深度学习模型（具体未指明）	CT影像和基因组数据	NA	NA	NA	NA	NA
2772	2026-08-30	Early detection of heart failure using trend similarity metrics combined with hybrid deep learning based on real-world health monitoring data 2026-04-15, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0997 PMID:41980729	研究论文	提出一种结合趋势相似度分析和混合深度学习的跨学科框架，用于基于真实世界健康监测数据的早期心力衰竭检测	将Haar小波分解的趋势相似性分析与混合深度学习相结合，实现高维多源数据的集成和动态时间模式捕捉	未提及	早期检测心力衰竭，以支持及时的生活方式干预和靶向药物治疗	心力衰竭患者、家庭成员和健康个体	机器学习	心力衰竭	NA	混合深度学习（LogitBoost元分类器结合LReLU激活）	生理传感器数据和电子健康记录	2976名心力衰竭患者，18203名家庭成员，295801名健康个体	NA	LogitBoost	准确率	NA
2773	2026-08-30	Unveiling gender disparities in corporate board career paths using deep learning 2026-Apr-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2026.101495 PMID:42005391	研究论文	本研究利用深度学习模型分析企业董事会职业路径中的性别差异，聚焦于加拿大上市公司。	结合社会网络分析与因果学习框架及LSTM模型，揭示性别差异中的玻璃天花板效应，并通过性别特定的个性化PageRank发现女性间联系的重要作用。	研究仅针对加拿大上市公司，可能限制结论的普遍性。	探讨职业网络与董事会任命中性别差异的关系，并提出减少领导层性别障碍的建议。	加拿大上市公司的19,000多名高级管理人员和董事会成员，涉及700多家公司，时间跨度为2000年至2022年。	机器学习	不适用	社会网络分析、因果学习、LSTM模型	LSTM	文本、网络数据	19,000多名高级管理人员和董事会成员，700多家公司	不适用	LSTM	不适用	不适用
2774	2026-08-30	Multi-class classification of autoimmune skin disease by efficient localization of overlapped lesion boundaries using SAM 2026-04, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2026.2663042 PMID:42013205	研究论文	提出一种混合深度学习模型 AutoImmune-HybridNet，结合 Segment Anything Model 和 ResNet50 与可变形注意力变换器，用于多类别自身免疫性皮肤病分类，并在人类皮肤病数据集上达成 98% 的准确率	利用 SAM 智能隔离病灶区域，结合 ResNet50 与可变形注意力变换器自适应建模不规则病灶形状，引入对比学习和焦点损失增强特征区分能力，并融入可解释性和不确定性估计	数据集规模有限，且仅基于图像数据，未来将结合多模态临床信息	开发一种可解释的深度学习框架，有效分类多种自身免疫性皮肤病，并提供可解释的可视化	自身免疫性皮肤病病灶图像	数字病理学	自身免疫性皮肤病	图像分割与分类	混合深度学习模型（SAM、ResNet50、可变形注意力变换器）	图像	人类皮肤病数据集（具体样本数未在摘要中说明）	未明确提及，可能为 PyTorch 或 TensorFlow	ResNet50, 可变形注意力变换器, Segment Anything Model	准确率	未在摘要中提及
2775	2026-08-30	An enhanced transformer model for detecting 1p36 deletion syndrome 2026-Apr-01, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02403-5 PMID:41917487	研究论文	提出一种增强的Transformer模型（MultiSight Transformer）用于检测1p36缺失综合征	首次将多头部自注意力机制的Transformer架构应用于1p36染色体缺失检测，结合基因组变异数据实现高精度分类	未在论文中明确提及局限性	提高1p36缺失综合征的检测准确性和效率，支持早期诊断和临床决策	染色体1p36缺失区域的基因序列及相关临床条件	机器学习	1p36缺失综合征	基因组变异分析	Transformer	基因组数据	未明确说明样本数量	未明确说明	MultiSight Transformer（基于多头自注意力机制）	准确率, 精确率, 召回率, F1分数, AUC	未明确说明
2776	2026-08-30	Size-Dependent Performance of Abnormal-Focused U-Net Segmentation for Mammographic Lesion Detection: A Two-Stage Hybrid Training Approach 2026-Mar, Cureus DOI:10.7759/cureus.105360 PMID:42005261	研究论文	本研究提出一种两阶段混合训练方法，用于异常聚焦的U-Net分割模型，以提升乳腺X线摄影中病变检测的性能，并分析病变大小对分割效果的影响	采用两阶段混合训练策略，包括基于斑块的预训练和全图像微调，并结合复合损失函数（焦点损失与Tversky损失）来处理类别不平衡和边界精度问题	小病变的漏检率较高（27%），图像下采样导致分辨率降低，且未在正常乳腺X线摄影图像上评估假阳性率，缺乏外部验证和前瞻性临床评估	评估异常聚焦的U-Net分割模型在乳腺X线摄影病变检测中的性能，特别是不同大小病变的分割效果	乳腺X线摄影图像中的病变，涵盖小（<500像素）、中（500-1500像素）和大（>1500像素）三种大小类别	计算机视觉	乳腺癌	对比度受限自适应直方图均衡化（CLAHE）	U-Net	图像	55张测试图像，包含异常乳腺X线摄影图像	NA	U-Net	Dice系数，交并比（IoU），像素准确率，豪斯多夫距离，病变检出率	NA
2777	2026-08-30	Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X391863251015111807 PMID:41510734	综述	本文叙述性综述了人工智能和增强现实在心血管疾病管理中的应用潜力，涵盖预测模型、诊断影像和风险评估等方面。	结合了AI和AR两种新兴技术，全面概述其在心血管疾病管理中的应用，并指出当前评估不足，强调未来需要更大规模试验。	缺乏对模型有效性的充分评估，现有研究规模较小，且综述可能受限于检索数据库和手动筛选的偏倚。	总结AI和AR在心血管疾病管理中的最新发现，并展望未来的研究方向。	心血管疾病患者及其管理流程，包括风险预测、影像解读、诊疗记录等。	机器学习、自然语言处理、计算机视觉	心血管疾病	NA	卷积神经网络（CNN）、自然语言处理（NLP）	文献数据	NA	NA	卷积神经网络（CNN）、自然语言处理（NLP）	NA	NA
2778	2026-08-30	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	系统回顾2015年至2025年间利用视网膜眼底成像预测结构性心脏病（包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病）的文献，重点评估深度学习与机器学习模型的诊断性能	全面整合视网膜生物标志物与多种心血管疾病的关联，并探讨Transformer和SAM等新兴AI架构在提高模型泛化性和可解释性方面的潜力	数据集不平衡、纵向验证有限以及AI模型的不可解释性	评估视网膜眼底成像作为非侵入性工具预测结构性心脏病的潜力，并探讨先进AI架构提升诊断准确性的可能	结构性心脏病患者，包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病患者	计算机视觉, 机器学习	心血管疾病	视网膜眼底成像	CNN, Transformer, 混合多模态模型	图像	NA	NA	CNN, Transformer, Segment Anything Model (SAM)	AUC, 灵敏度	NA
2779	2026-08-30	Numerical Interpretation of Variation Indices of Tumor Outline Tracking Using Artificial Intelligence Mapping 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261441395 PMID:42004192	研究论文	本研究评估了利用深度学习模型从乳腺X线摄影图像中提取肿瘤轮廓特征进行良恶性鉴别，并数值化解释其变异指数的诊断潜力。	首次聚焦肿瘤轮廓特征而非全图像，利用多种深度学习模型提取特征并结合机器学习分类器，实现了高准确率的乳腺癌诊断，同时注重特征的生物学解释。	未明确提及局限性。	评估肿瘤轮廓特征在乳腺X线摄影图像中的诊断价值，并探索深度学习特征组合（集成方法）能否提高分类准确性。	100个乳腺X线摄影肿瘤轮廓样本。	计算机视觉	乳腺癌	NA	深度学习模型（ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3）和机器学习分类器（SVM, KNN, DT, Naive Bayes, 浅层神经网络）	图像（乳腺X线摄影肿瘤轮廓）	100个肿瘤轮廓	NA	ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3	准确率、敏感性、特异性、精确率	NA
2780	2026-08-30	Addressing class imbalance in traumatic brain injury prognostication: A survey of resampling approaches 2026, AIMS neuroscience IF:3.1Q2 DOI:10.3934/Neuroscience.2026008 PMID:42004566	综述	本文回顾了脑电图分类中解决类别不平衡问题的数据方法，包括过采样、欠采样和生成对抗网络，并探讨了其在创伤性脑损伤预后预测中的应用潜力	综述了近年来的先进算法如GAN在EEG分类中的应用，并针对创伤性脑损伤类别不平衡问题提出使用基于深度学习的生成对抗网络作为解决方案	主要基于对已有研究的文献回顾，缺乏实证实验验证；同时指出了EEG分类领域特别是TBI数据的潜在空白	评估EEG分类中类别不平衡处理的现状，并提出改进预测模型以提升TBI患者预后	脑电图信号分类中的类别不平衡问题及创伤性脑损伤预后预测	自然语言处理	创伤性脑损伤	脑电图	生成对抗网络	脑电图信号	不适用	不适用	不适用	不适用	不适用