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
2941	2026-06-16	A deep learning framework for lesion-level treatment response prediction in hodgkin lymphoma using PET/CT tensor radiomics 2026-Jun-15, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00838-8 PMID:42295572	研究论文	提出了一种基于深度学习的张量放射组学网络（TR-NET），用于预测霍奇金淋巴瘤的病变级别治疗反应	首次将深度学习与张量放射组学结合，自动从PET/CT多参数组合中提取特征并预测治疗反应，同时引入可解释AI（SHAP）识别关键特征	未提及外部验证集或跨机构数据验证，样本量较小（70例患者，420个病灶）	基于PET/CT张量放射组学数据，利用深度学习框架实现霍奇金淋巴瘤的治疗反应精准预测	70例霍奇金淋巴瘤患者的420个病灶的18F-FDG PET/CT图像	数字病理学	霍奇金淋巴瘤	18F-FDG PET/CT, 张量放射组学	随机森林, XGBoost, 支持向量机, 张量放射组学网络(TR-NET)	PET/CT图像	70例患者，420个病灶	NA	TR-NET	AUC-ROC，敏感性，特异性	NA
2942	2026-06-16	A radio-pathological fusion model for predicting PD-L1 expression and immunotherapy response in non-small cell lung cancer 2026-Jun-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02322-4 PMID:42295571	研究论文	构建基于CT和H&E切片的放射-病理融合模型，用于预测非小细胞肺癌中PD-L1表达及免疫治疗疗效	首次构建放射-病理融合模型预测非小细胞肺癌中PD-L1表达，并证明该模型在预测免疫治疗预后中的潜力	本回顾性研究样本量有限（328例），独立免疫治疗生存验证队列需进一步扩大验证	构建多模态融合模型预测非小细胞肺癌PD-L1表达及评估其免疫治疗预后价值	非小细胞肺癌患者CT影像和H&E染色病理切片数据	数字病理学, 计算机视觉	非小细胞肺癌	CT影像, H&E染色, 免疫组化	融合模型（放射组学+深度学习）	图像	328名非小细胞肺癌患者，分为训练集、验证集和测试集（4:1:1），独立生存验证队列	NA	放射组学模型, 病理深度学习模型, 融合模型	AUC, C指数, 无进展生存期, 总生存期	NA
2943	2026-06-16	A Multiscale Decoding Approach of Subject-Independent Motor Imagery EEG Signal Combined with Data Alignment Strategy 2026-Jun-15, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-026-04220-8 PMID:42295582	研究论文	提出一种结合数据对齐策略的多尺度时空卷积神经网络，用于跨被试运动想象脑电信号解码	首次将欧几里得空间数据对齐方法与多尺度时空卷积神经网络结合，有效减少个体间数据分布差异	平均准确率仅67.5%，仍有提升空间；仅在单一公开数据集上验证	解决跨被试运动想象脑电信号解码中的个体差异性挑战	运动想象脑电信号	机器学习	NA	EEG	多尺度时空卷积神经网络	脑电图信号	BCI Competition IV dataset 2a公开数据集	PyTorch	MSTCNN, Squeeze-and-Excitation	准确率	NA
2944	2026-06-16	Deep3D-DTA: A Tri-Modal Deep Learning Framework for Binding Affinity Prediction Leveraging 3D Structural Representations of Drugs and Targets 2026-Jun-15, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00839-2 PMID:42295634	研究论文	提出Deep3D-DTA，一个整合药物和靶标1D序列、2D图拓扑和3D空间几何的三模态深度学习框架，用于预测药物-靶标亲和力	首次将1D序列语义、2D图拓扑和3D空间几何三种互补表示整合到一个统一的深度学习框架中，并采用预训练蛋白质语言模型捕获长程序列依赖	NA	提高药物-靶标亲和力预测的准确性，从而加速药物发现和再利用	药物化合物和靶标蛋白质	机器学习	NA	NA	图神经网络、多头注意力机制	序列数据、图结构数据、三维结构数据	三个基准数据集（Davis、KIBA和Metz）	NA	预训练蛋白质语言模型、图神经网络、多头注意力机制	NA	NA
2945	2026-06-16	An ensemble of deep learning models with falcon optimization assisted diabetic retinopathy diagnosis on retinal fundus images 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11075-x PMID:42289410	研究论文	提出一种基于猎鹰优化与深度学习模型集成的糖尿病视网膜病变诊断系统	将猎鹰优化算法用于集成模型超参数调优，结合SE-DenseNet特征提取与AutoEncoder、LSTM、深度信念网络多模型集成	仅在Kaggle数据集上验证，未说明实际临床场景的泛化性与实时性限制	开发高效的糖尿病视网膜病变自动诊断模型以提高诊断准确性	视网膜眼底图像中的糖尿病视网膜病变病灶检测	计算机视觉	糖尿病视网膜病变	眼底成像	卷积神经网络、自编码器、长短期记忆网络、深度信念网络	图像	Kaggle数据集（未明确样本总数）	未明确提及	SE-DenseNet, AutoEncoder, LSTM, 深度信念网络	根据多种标准衡量，未具体列出指标	未明确提及
2946	2026-06-16	Principled XAI analysis of the deep learning-based landslide susceptibility prediction model 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52786-z PMID:42289422	研究论文	对基于深度学习的滑坡易发性预测模型进行原理性的可解释人工智能分析，比较多种机器学习模型并提升结果的可解释性	将可解释人工智能技术（Grad-CAM和SHAP）应用于滑坡易发性预测模型，特别是对卷积神经网络模型进行原理性分析，以验证其预测可靠性	研究未在遥感图像上测试，仅纳入了部分条件因素类别	通过可解释人工智能方法解释滑坡易发性预测模型与条件因素之间的关系，验证模型可靠性	滑坡易发性预测模型	机器学习	NA	NA	支持向量机（SVM）、随机森林（RF）、多层感知机（MLP）、卷积神经网络（CNN）	地形条件因素数据（数字高程模型、森林特征、土壤属性、地质特征）和滑坡发生数据	未明确说明样本数量，使用了20个条件因素	NA	SVM、RF、MLP、CNN	准确率（Accuracy）、召回率（Recall）	NA
2947	2026-06-16	A comparative study of machine learning models for microbiome-based diagnosis and multi-class staging of colorectal cancer 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53441-3 PMID:42289429	研究论文	系统评估八种机器学习模型在基于微生物组的结直肠癌诊断和TNM分期中的性能	首次对八种机器学习算法在结直肠癌诊断与TNM多类分期任务中进行全面基准测试，并评估两种互补的特征选择策略	未明确指出局限性，但可能包括数据集规模和外部验证队列的多样性有限	比较不同机器学习模型在基于微生物组的结直肠癌诊断与多类分期中的表现	结直肠癌患者和健康对照者的粪便样本	机器学习	结直肠癌	16S rRNA测序	随机森林, XGBoost, SVM, KNN, 逻辑回归, CNN, MLP, GCN	16S rRNA测序数据	训练集510例，内部测试集210例，外部独立队列共1039例	NA	随机森林, XGBoost, SVM, KNN, 逻辑回归, CNN, MLP, GCN	AUC, 敏感性	NA
2948	2026-06-16	The application of intelligent generation model for international discourse of grand canal culture based on artificial intelligence and BPNN model 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57456-8 PMID:42289462	研究论文	提出一种基于反向传播神经网络的大运河文化国际话语智能生成模型，以提升文化传播的准确性和效率	构建了大运河文化专用中英文平行语料库，并采用动量优化和自适应学习率衰减策略改进BPNN模型	未提及具体局限性，但可能受限于语料库覆盖范围和垂直文化领域的普适性	解决大运河文化国际传播中的术语翻译不一致、文化背景缺失和人工生成效率低的问题	大运河文化的国际话语生成模型及其在文化翻译和传播中的应用	自然语言处理	不适用	神经网络翻译和语料库构建	反向传播神经网络	文本	约15万对候选句对，筛选后12万对高质量平行句对	PyTorch	三层前馈网络	BLEU-4, ROUGE-L, TER, 人工评估文化保真度评分	NVIDIA Tesla V100 GPU
2949	2026-06-16	Robust automated detection of small-scale rainfall-induced landslides in Italy Using SegFormer and high-resolution satellite imagery 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51173-y PMID:42289460	研究论文	利用SegFormer和高分辨率卫星影像对意大利降雨引发的小规模滑坡进行稳健自动检测	首次在意大利景观中应用SegFormer结合高分辨率RGB Planet影像进行小规模滑坡分割，相较UNet的局部卷积操作，其基于Transformer的注意力机制能更好捕获局部和全局特征	跨区域泛化性能仍有限（F1-score为50.01%），且未提及模型对不同地理环境和气候条件的全面适应性	评估SegFormer在降雨引发小规模滑坡自动检测中的性能，支持灾害预警	意大利艾米利亚-罗马涅和托斯卡纳地区的降雨引发小规模滑坡	计算机视觉	无	高分辨率卫星影像	SegFormer，UNet	RGB图像	艾米利亚-罗马涅（2023年5月两次大雷暴）和托斯卡纳（2025年3月大量降雨）的区域影像	PyTorch	SegFormer，UNet	F1分数，召回率，平均交并比	NA
2950	2026-06-16	Intelligent fall risk prediction and real-time warning system for elderly care based on multimodal deep learning and wearable sensor fusion 2026-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56750-9 PMID:42289546	研究论文	设计和实现了一个基于多模态深度学习与可穿戴传感器融合的老年人跌倒风险预测与实时预警系统，并进行了初步现场验证	首次将四模态传感器（三轴加速度计、陀螺仪、鞋垫压力阵列、腕式光电容积描记法）与带八头注意力的CNN-LSTM深度学习网络结合，实现连续跌倒风险评估和分级预警	极端类别不平衡（跌倒窗口仅占0.05%）导致高风险PPV仅6.25%，灵敏度估计不稳定；部署阶段的防跌倒效果是探索性次要观察结果，存在混杂因素，不能作为因果证据	开发一个能够在日常生活中连续监测老年人跌倒风险并实时预警的集成系统	120名社区居住老年人（平均年龄72.4岁），后续部署80名参与者	机器学习	老年性疾病	传感器融合	CNN-LSTM	时序信号	120名老年人进行训练，18名参与者（12,540个时间窗口，6次跌倒事件）的测试集，80名参与者进行部署	NA	CNN-LSTM, 八头注意力	准确率, AUC, 精确率, 召回率, F1分数, PPV	智能手机
2951	2026-06-16	Influence of sponsorship on betting intentions: from linear to deep learning models 2026-Jun-14, Harm reduction journal IF:4.0Q1 DOI:10.1186/s12954-026-01485-z PMID:42289703	研究论文	比较线性（PLS-SEM）与非线性（人工神经网络）方法，研究赞助对体育赛事投注意愿的影响	通过整合SEM与ANN方法，揭示线性方法无法检测的复杂非线性模式，并系统整合自我一致性、感知暴露、善意等变量形成联合预测模型	NA	探究赞助对体育投注行为的影响机制	西班牙受试者的投注意愿和实际赌博行为	机器学习	NA	NA	ANN， PLS-SEM	数值型	661名西班牙受试者	NA	人工神经网络，偏最小二乘结构方程模型	NA	NA
2952	2026-06-16	CME-KGDTI: integrating clustered mutations into knowledge graph embedding for drug-target interaction prediction 2026-Jun-14, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00576-8 PMID:42289745	研究论文	构建了一个整合聚类突变、合成致死相互作用等多维生物信息的知识图谱，用于药物-靶标相互作用预测	首次将聚类突变整合到知识图谱嵌入中，并结合多模态深度学习模型，在蛋白质冷启动场景下实现更优的DTI预测性能	NA	提高药物-靶标相互作用预测的准确性和泛化能力，为精准肿瘤学提供技术支持	药物与靶标蛋白之间的相互作用	机器学习	肿瘤	NA	深度学习模型（DNN, NFM, AutoInt）	知识图谱、聚类突变、合成致死相互作用、药物结构、蛋白质序列、功能注释	NA	NA	TransE, RotatE, DistMult, Node2vec, R-GCN	NA	NA
2953	2026-06-16	Prediction of pedicle screw fixation strength under craniocaudal cyclic load: comparison of various models trained on quantitative CT based finite element analysis 2026-Jun-13, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10048-6 PMID:42287380	研究论文	利用机器学习与深度学习模型，基于定量CT有限元分析预测颅尾循环负荷下椎弓根螺钉固定强度	首次通过人工智能模型高效预测有限元分析导出的螺钉固定强度，并探索其作为椎弓根螺钉松动风险替代标志物的可行性	回顾性研究设计及有限的数据量可能影响模型泛化性	预测颅尾循环负荷下螺钉固定强度并评估其作为椎弓根螺钉松动风险替代指标的作用	112名患者术前CT及618条螺钉轨迹数据	机器学习	脊柱疾病	定量CT	多层感知器(MLP)和三维ResNet-18	CT图像及螺钉轨迹数据	112名患者共618条螺钉轨迹（外部验证126条轨迹）	PyTorch	MLP, 3D ResNet-18	均方误差(MSE), 决定系数(R²), AUC	NA
2954	2026-06-16	Deep learning for predicting lumbar segmental instability using neutral lateral lumbar radiographs: a retrospective study 2026-Jun-13, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10092-2 PMID:42287379	研究论文	开发深度学习模型利用中立位腰椎侧位X光片预测腰椎节段不稳，并识别关键影像特征	首次将DenseNet121堆叠集成模型与SVM、随机森林和Softmax分类器结合用于腰椎不稳预测，并使用Grad-CAM定位关键解剖区域	NA	开发可预测腰椎节段不稳的深度学习模型，并识别相关影像特征	中立位腰椎侧位X光片影像	计算机视觉	腰椎疾病	NA	深度学习模型	图像	NA	NA	DenseNet121, 支持向量机, 随机森林, Softmax分类器	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
2955	2026-06-16	Super-resolution deep learning reconstruction improves the depiction of peripancreatic arteries and image quality in pancreatic cancer CT 2026-Jun-13, Abdominal radiology (New York) DOI:10.1007/s00261-026-05596-w PMID:42287433	研究论文	比较超分辨率深度学习重建、正常分辨率深度学习重建和混合迭代重建在胰腺癌CT中显示胰周动脉的效果	首次评估超分辨率深度学习重建在胰腺癌CT中改善胰周小动脉显示和图像质量的优势	单中心回顾性研究，样本量较小，仅纳入40例患者	评估超分辨率深度学习重建在胰腺导管腺癌CT中对胰周动脉显示和图像质量的改善作用	40例病理确诊的胰腺导管腺癌患者	医学影像	胰腺癌	动态CT	超分辨率深度学习重建	CT图像	40例胰腺导管腺癌患者	NA	NA	CT衰减值、图像噪声、对比度噪声比、边缘上升斜率、边缘上升距离、定性评分	NA
2956	2026-06-16	Deciphering small sequence differences in T cell receptor-antigen pairing 2026-Jun-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73396-3 PMID:42288475	研究论文	开发深度学习模型pMTnet-omni，用于预测T细胞受体与抗原之间的结合及其强度差异	首次能够区分序列相似的TCR与抗原结合强弱差异，并集成实验室循环机制实现变体TCR的精准预测	依赖已知结合数据，可能无法完全覆盖所有低亲和力或稀有变异情况	解析TCR与抗原配对中微小序列变化对结合影响的生物学规则，并提供预测工具	T细胞受体与抗原肽-MHC复合物之间的结合关系	机器学习	NA	深度学习、高通量结合实验	深度学习模型	序列数据	NA	PyTorch	pMTnet-omni	结合/非结合预测准确率、结合强弱区分准确率	NA
2957	2026-06-16	Research on comprehensive drought index prediction model based on CNN-LSTM 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50694-w PMID:42288522	研究论文	基于CNN-LSTM混合模型构建区域综合干旱指数预测模型，并在鄂尔多斯地区进行验证	首次将CNN与LSTM混合模型应用于区域综合干旱指数预测，相比单一模型显著提升了预测精度，降低了均方根误差和平均绝对误差	未说明模型的泛化能力是否适用于其他气候区域，且未探讨模型对长期干旱趋势的预测稳定性	提高区域干旱指数预测精度，为鄂尔多斯地区干旱监测和预测提供技术参考	鄂尔多斯地区的干旱事件及区域综合干旱指数	机器学习	NA	NA	CNN, LSTM, CNN-LSTM	数值数据（温度、降水、NDVI、土壤湿度、土地利用类型、DEM）	2001-2020年期间的数据用于模型训练、验证和测试	NA	CNN, LSTM, CNN-LSTM	相关系数, 均方根误差, 平均绝对误差	NA
2958	2026-06-16	An intelligent ethereum blockchain technology for pest detection and smart irrigation in IoT using hybrid deep learning model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55818-w PMID:42288532	研究论文	该研究结合物联网与以太坊区块链技术，利用混合深度学习模型实现作物病虫害检测和智能灌溉，以提升智慧农业效率	提出混合卷积自适应递归移动网络（HC-ARMNet）结合改进秘书鸟优化（ISBO）算法，并将区块链用于物联网数据安全存储与传输	未来需改进特征提取策略以减少处理时间	构建基于物联网和区块链的安全高效智慧农业框架，实现植物病害分类、害虫检测和智能灌溉	植物病害、害虫、农田灌溉数据	物联网、智慧农业	植物病害、害虫	物联网传感器、以太坊区块链	混合深度学习模型	图像数据	PlantifyDr数据集（植物病害）、Pest Detection数据集（害虫检测）、田间手动采集的图像（智能灌溉）	NA	HC-ARMNet（混合卷积自适应递归移动网络）	准确率、精确率、假阴性率（FNR）、灵敏度、特异性、均方误差（MSE）、对称平均绝对百分比误差（SMAPE）、平均绝对缩放误差（MASE）	NA
2959	2026-06-16	Deep learning model for real time moisture content detection and prediction in white tea withering using near infrared spectroscopy 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57739-0 PMID:42288587	研究论文	提出一种新型深度学习模型STA-BiGRU-XGBoost，用于利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	首次将时空注意力机制、双向门控循环单元与XGBoost算法集成，用于白茶萎凋水分含量的近红外光谱预测，并引入最大相关最小冗余算法进行关键变量选择	当前验证仅在特定生产季节和鲜叶来源区域进行，跨不同地理起源、品种和极端天气条件的泛化能力需要进一步的多季节和跨区域验证	利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	白茶萎凋过程中的茶叶样本	机器学习	NA	近红外光谱	深度学习模型	光谱数据	生产线上采集的数据集，来自2025年3-5月生产季的政和县，样本数量未明确说明	PyTorch	STA-BiGRU-XGBoost（时空注意力+双向GRU+XGBoost）	均方根误差、平均绝对误差、R平方	NA
2960	2026-06-16	MAE-YOLO improves small object detection for intelligent inspection 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57661-5 PMID:42288606	研究论文	提出一种名为MAE-YOLO的智能检测模型，通过多尺度边缘空间特征提取、自适应多尺度上下文融合和空洞共享检测头等技术，提升小目标检测的准确性和轻量化程度	创新性地提出了多尺度边缘空间特征提取模块来优化边缘和空间特征提取，引入自适应多尺度上下文融合网络有效整合不同尺度特征，并设计自适应空洞共享检测头进一步降低多尺度检测中的误检和漏检率	未提及具体局限性	解决复杂背景下小目标检测的高误检率和漏检率以及计算复杂度高的问题，实现实时、高精度的智能检测	工业场景中的小目标（如绝缘子裂纹、变压器腐蚀、车辆异常、机械表面缺陷、螺栓和阀门等小零件）	计算机视觉	NA	Sobel边缘增强	YOLO（MAE-YOLO）	图像	VisDrone2019公开数据集和自采集数据集	NA	YOLOv8n（改进版MAE-YOLO）	mAP@50, 准确率, 模型大小（MB）, 参数量减少比例	NA