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
2961	2026-06-16	Deep learning based apple leaf disease detection using spatially modulated continuouslayer 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57763-0 PMID:42288613	研究论文	提出一种基于自定义ContinuousLayer的深度学习框架，用于自动检测苹果叶部病害	设计了一种空间自适应卷积层ContinuousLayer，利用可训练的高斯基函数实现空间特征调制，并通过混合复合损失函数正则化核的不规则性，以克服标准CNN的局限性	研究在受控环境中进行，模型在真实田间条件下的泛化能力未得到验证	开发一种高精度的苹果叶部病害自动检测方法，支持可持续农业中的精准病害管理	苹果叶片及其四种状态（黑腐病、锈病、疮痂病、健康）	计算机视觉	苹果叶部病害	深度学习	CNN	图像	3164张苹果叶片图像，通过双三次上采样平衡为均匀类别分布	PyTorch	ContinuousLayer	准确率, F1分数	NA
2962	2026-06-16	Integrating AI for sustainable architectural space optimization and heritage-conscious street design 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56501-w PMID:42288626	研究论文	提出一种集成深度学习、图技术和强化学习的AI框架，用于优化历史文化街区空间布局，同时保留遗产价值	提供了一个动态、数据驱动的方法，能够根据行人流量、交通和环境条件的实时变化自适应调整，结合CNN、GNN和RL实现空间优化	文中未提及具体的局限性	优化历史文化街区的空间布局，平衡现代化与历史真实性保护	历史文化街区	计算机视觉	不适用	CNN、GNN、强化学习	CNN、GNN、强化学习	空间特征、网络连接性、动态布局调整数据	在多个具有历史意义的城市中测试，未给出具体样本数量	不适用	CNN, GNN, 强化学习	拥堵减少率、绿地增加率、行人可达性改善率	未提及
2963	2026-06-16	Deep learning analysis of trajectories and spatial variations in HPV vaccine discussions on Chinese Weibo 2026-Jun-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01720-5 PMID:42288636	研究论文	利用深度学习分析中国微博上关于HPV疫苗讨论的时间轨迹和空间变化	首次应用深度学习驱动的社交媒体监听技术，大规模分析中国微博上HPV疫苗讨论的长期趋势和地理差异	NA	评估公众对HPV疫苗的看法、感知障碍和促进因素，利用深度学习进行社交媒体实时监听	2018年至2023年中国微博上关于HPV疫苗的讨论帖子	自然语言处理	宫颈癌	社交媒体监听、深度学习	深度学习模型（未具体说明架构）	文本（社交媒体帖子）	1,972,495条相关微博帖子，其中6,600条进行了人工注释	NA	NA	预测准确率（0.78-0.96）	NA
2964	2026-06-16	Deep learning-based artificial intelligence can improve the diagnosis of small bowel obstruction: stratified comparison study and hierarchical Bayesian model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57999-w PMID:42288632	研究论文	开发基于深度学习的人工智能技术，用于自动提取小肠梗阻的CT影像特征，并评估其对医生诊断的改善效果	首次采用分层比较研究和层次贝叶斯模型分析，系统评估AI辅助对不同经验水平医生诊断小肠梗阻的效能提升	NA	评估深度学习AI技术在提高小肠梗阻诊断准确性及效率方面的临床可行性	158次增强CT检查（含5200张标注图像）用于训练，30名急诊疑似SBO患者的CT图像作为测试集；17名住院医师和10名外科医生参与诊断评估	计算机视觉	小肠梗阻	增强CT成像	深度学习模型（具体类型未明确）	医学图像（CT影像）	158次增强CT检查（训练集5200张图像），30名患者CT图像（测试集），27名医生（17名住院医师+10名外科医生）	NA	NA	精确率、召回率、Dice系数、诊断正确率、诊断时间	NA
2965	2026-06-16	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT框架，整合迁移学习与Kolmogorov-Arnold网络，基于分子SMILES表示同时预测天然产物的功效与不良反应	首次将迁移学习与KAN架构统一用于天然产物的双标签预测，解决现有模型在天然产物预测中泛化能力不足的问题	未明确说明，但可推断模型依赖特定数据集且迁移学习策略仅部分缓解数据稀缺问题	开发一种可持续且资源高效的深度学习框架，用于天然产物的功效和不良反应预测，以加速新药发现	天然产物及其分子SMILES表示	机器学习	NA	分子SMILES表示	Kolmogorov-Arnold Network (KAN)	分子结构数据，文本（SMILES）	大约3800种药物用于预训练，400种天然产物用于微调	PyTorch	KAN	准确率，精确率，召回率，F1分数，AUC	NA
2966	2026-06-16	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种基于可解释神经网络的渐进性神经退行性疾病诊断学习模型	结合最小冗余最大相关性与ReliefF方法的混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并引入SHAP可解释性方法增强模型透明度	NA	开发可解释的深度学习模型用于亨廷顿病的精准诊断	亨廷顿病患者的临床特征数据	机器学习	亨廷顿病	临床数据分析	特征分词器-变换器模型	临床结构化数据	来自Kaggle的亨廷顿病数据集	NA	特征分词器-变换器	准确率	NA
2967	2026-06-16	IDMBD: Intelligent Diagnostic Modelling of Bipolar Disorder at its early onset 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57662-4 PMID:42288667	研究论文	提出一种基于移动计算设备的双相情感障碍早期发病智能诊断建模方法	利用移动计算设备采集多模态异质特征，结合深度神经网络实现高粒度患者画像，并采用标准量表预测双相情感障碍的危急状态	未明确提及评估的数据集规模及外部验证情况	开发基于移动计算设备的双相情感障碍早期智能诊断模型	双相情感障碍患者的早期状态评估	机器学习	双相情感障碍	多模态特征采集与分析	深度神经网络、随机森林、决策树	多模态异质特征数据	未明确提及	NA	深度神经网络、随机森林、决策树	多个性能指标（未具体列出）	移动计算设备
2968	2026-06-16	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究了基于视觉深度学习的字母手语识别方法，系统评估了多种卷积神经网络架构在美国手语字母数据集上的性能	构建了统一的实验框架，系统比较了ConvNeXtXLarge、EfficientNet、VGG19和ResNet-50等多种先进架构在字母手语识别中的表现	未提及具体局限性	探究视觉深度学习方法在手语字母图像数据中的识别效果，为可扩展可靠的手语识别系统提供模型选择依据	美国手语字母数据集中的手部姿势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	使用基准美国手语字母数据集，未提供具体样本数量	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
2969	2026-06-16	Correction: Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening 2026-Jun-13, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13695-8 PMID:42288739	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2970	2026-06-16	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	结合影像组学和深度学习特征的混合元启发式特征选择方法用于数字乳腺摄影中的乳腺癌检测	首次提出混合蝗虫优化算法与乌鸦搜索算法框架结合多约束适应度函数进行特征选择，并整合影像组学和深度学习特征	真实数据样本量小导致性能评估有限，合成实验中的崩溃预防惩罚尚未在真实乳腺摄影数据上得到经验验证	开发并验证一种结合影像组学和深度学习特征的混合元启发式特征选择框架用于乳腺癌检测	CBIS-DDSM数据集中的乳腺病变感兴趣区域	计算机视觉	乳腺癌	影像组学与深度学习特征提取	多层感知器	乳腺X线图像	CBIS-DDSM子集22例，合成数据集16例	NA	EfficientNet-B5	AUC, 灵敏度	NA
2971	2026-06-16	Identifying predictive factors of cyberbullying perpetration via deep learning: a two-stage training approach to class imbalance with weighted loss 2026-Jun-13, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04980-x PMID:42288893	研究论文	基于深度学习的两阶段训练与类别加权损失函数方法识别网络欺凌施暴者	结合两阶段训练策略与类别加权损失函数处理行为数据集中极端类别不平衡问题	未明确提及，但样本量较小且仅针对中国大学生群体	提高网络欺凌施暴者的识别准确率并解决类别不平衡问题	中国大学生的网络欺凌施暴行为预测因素	机器学习	NA	深度学习	深度神经网络	结构化行为数据	660名中国大学生（含54名自报施暴者）	NA	深度神经网络	召回率	NA
2972	2026-06-16	Denoising of low-dose chest computed tomography images using a U-net based convolutional autoencoder and transfer learning 2026-Jun-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出一种基于U-net卷积自编码器的轻量级算法，结合迁移学习实现低剂量胸部CT图像去噪，在有限训练数据下提升图像质量并增强肺结节可检测性	采用两步训练策略（先在模体图像上预训练，再通过迁移学习适配临床数据），解决了临床配对数据稀缺问题，同时设计了保留解剖结构和低对比度细节的轻型U-net自编码器	未明确提及局限性，但训练策略依赖模体数据模拟可能无法完全替代真实临床噪声特性	开发一种适用于低剂量胸部CT去噪的深度学习算法，在减少辐射剂量的同时保持诊断图像质量	胸部低剂量CT图像中的噪声和伪影去除优化	计算机视觉	肺部疾病	低剂量CT成像	卷积神经网络（CNN）	图像	LUng Nodule Analysis 2016数据集（未明确数量）	NA	UNet	噪声降低因子	NA
2973	2026-06-16	Artificial intelligence and machine learning in sports medicine: mapping clinical tasks and assessing clinical maturity - a scoping review 2026-Jun-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03615-w PMID:42286628	综述	概述人工智能和机器学习在运动医学中的应用现状、临床验证水平和实施准备程度	首次通过范围综述系统评估AI/ML在运动医学中临床任务的成熟度，并识别关键优先领域以指导未来进展	大多数研究依赖回顾性数据集和内部验证，校准报告不常见，前瞻性工作流程整合罕见，且建模方法、数据输入和结果定义存在显著异质性	评估AI/ML在运动医学中应用于损伤风险评估、诊断、康复和临床决策的临床验证水平和实施准备程度	运动医学相关个体	机器学习	运动医学相关疾病	NA	机器学习模型	NA	97项研究	NA	NA	判别性能（如准确率、灵敏度等）	NA
2974	2026-06-16	A Machine Learning Approach to Voice-Based Parkinson Disease Screening Using Multiview Spectrogram and Speech Recognition Features: Diagnostic Study 2026-Jun-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/94063 PMID:42274996	研究论文	提出一种基于多视角频谱图和语音识别特征融合的机器学习方法用于帕金森病筛查	首次将语音识别感知上下文特征（识别率向量）与多视角频谱图深度学习方法结合，显著降低假阴性率并提高筛查灵敏度	研究在受控录音环境中进行，需在多样化现实环境中进一步验证	开发非侵入性、可扩展的帕金森病数字筛查工具	203名参与者（帕金森病患者121例，健康对照82例）的语音录音	机器学习	帕金森病	语音频谱图提取（Mel频谱、短时傅里叶变换、常数Q变换）、自动语音识别	卷积神经网络	语音录音	203名参与者（121例患者+82例对照）	NA	多分支并行卷积神经网络	准确率、标准差、假阴性率	NA
2975	2026-06-16	Negative frequency-dependent selection: a positive outlook with deep learning 2026-Jun-11, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2025.0170 PMID:42272394	观点文章	利用深度学习区分负频率依赖性选择与其他平衡选择模式的基因组信号	提出结合资源高效的深度迁移学习、新型数据预处理和基因组自协方差建模方法，能有效检测和表征负频率依赖性选择，无需相位化基因型或时间序列数据	未明确讨论跨物种泛化能力及计算资源需求的具体评估	改进负频率依赖性选择下的基因组模式建模，以更好区分其与中性信号和其他选择过程的差异	负频率依赖性选择的基因组信号特征及其检测方法	机器学习	NA	深度迁移学习、基因组自协方差建模	深度迁移学习模型	基因组基因型数据（包括相位化和非相位化基因型，以及古DNA时间序列数据）	NA	NA	NA	NA	资源高效（具体资源未说明）
2976	2026-06-16	DHG-EPI: A dual-stream hypergraph learning framework with multi-level gating for essential protein identification 2026-Jun-11, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109171 PMID:42288106	研究论文	提出一种双流超图学习框架DHG-EPI，用于必需蛋白质识别，通过多级门控机制融合高阶拓扑结构和生物语义信息	采用双流并行架构，在拓扑流中用三角模体构建超图以捕获高阶结构信息，在语义流中通过超图卷积整合基因本体、亚细胞定位和蛋白质复合物数据，并设计节点级向量门控与分支级注意力门控的双重门控机制，实现自适应多模态融合	未明确提及，可能依赖高质量蛋白质互作数据和生物注释，且超图构建和门控机制可能增加计算复杂度	提升必需蛋白质识别的准确性和鲁棒性，揭示细胞生存关键机制	酵母蛋白质互作网络中的必需蛋白质	机器学习	NA	超图卷积、蛋白质互作网络分析	双流超图学习框架	蛋白质互作数据、基因本体、亚细胞定位、蛋白质复合物	DIP、Krogan和BioGRID三个数据集中的蛋白质互作网络，具体数量未提及	PyTorch（推测）	超图卷积网络、门控注意力模块	准确率、召回率、F1值、AUC（未在摘要中明确列出，但为常用指标）	NA
2977	2026-06-16	Label-Free Imaging of Single Proteins and Binding Dynamics via Deep Learning-Enhanced Plasmonic Scattering Microscopy 2026-Jun-10, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c04749 PMID:42189600	研究论文	结合深度学习等离激元散射显微镜的无标记单蛋白成像与结合动力学分析	利用时空深度学习框架持续从复杂背景中分离和追踪未标记的单蛋白，实现高吞吐量自动追踪，并直接区分瞬态和稳定结合事件，分辨纳米级蛋白质运动，量化结合热力学，建立区分特异性和非特异性相互作用的定量框架	无	实现无标记单蛋白结合动力学的成像与实时轨迹分析，解决生物传感中长期存在的特异性与非特异性相互作用区分难题	单蛋白质分子	计算机视觉, 机器学习	不适用	等离激元散射显微镜	递归神经网络	图像	不适用	不适用	递归神经网络	不适用	不适用
2978	2026-06-16	Development of an Interpretable Deep Learning-Based Segmentation Algorithm for Automated Assessment of Oral Diadochokinesis in Progressive Neurological Diseases 2026-Jun-10, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2026_JSLHR-25-00453 PMID:42112934	研究论文	开发一种基于深度学习的可解释分割算法，用于在进展性神经系统疾病中自动评估口腔交替运动	首次提出一种通用且全自动的分割算法，能够跨多种神经疾病、构音障碍类型及严重程度实现稳健的口腔交替运动分析	算法性能受构音障碍严重程度影响较大，重度构音障碍中准确率从94.7%降至83.1%，且未提及对不同病理机制的适用性分析	开发一种可解释的深度学习分割算法，用于自动评估神经系统疾病患者的口腔交替运动能力	231名受试者（80名健康对照和151名神经疾病患者）的序贯运动率录音	机器学习	神经退行性疾病	语音信号处理	卷积神经网络	音频数据	231个样本（80个健康对照，151个神经疾病患者录音）	NA	卷积神经网络	F1分数, 准确率	NA
2979	2026-06-16	Adaptive Riemannian optimization for multi-scale diffeomorphic matching 2026-Jun-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72508-3 PMID:42265084	研究论文	提出FireANTs算法，一种免训练、GPU加速的多尺度自适应黎曼优化方法，用于快速准确的密尔微分同胚图像匹配	首次结合多尺度自适应黎曼优化与GPU加速，实现无需训练、内存高效且泛化能力强的微分同胚图像匹配算法	未明确提及限制，但可能对极高分辨率图像或极端形变场景的适配性有待验证	开发一种快速、鲁棒且无需重新训练的微分同胚图像匹配方法，以克服传统配准方法速度慢和深度学习方法泛化性差的问题	生物医学图像中的多模态、多物种、多器官图像匹配问题	计算机视觉	无特定疾病，适用于生物医学图像分析	GPU加速计算、多尺度黎曼优化	微分同胚形变模型	生物医学图像	未明确说明，研究涉及多模态、多物种和多器官的多样化图像数据集	NA	多尺度微分同胚映射	速度（加速比）、内存消耗、泛化鲁棒性	GPU（未指定具体型号）、CPU
2980	2026-06-16	Random Attention Mechanism for Deep Quality Modeling and Online Prediction in Chemical Processes 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c02962 PMID:42294149	研究论文	本文提出一种随机注意力机制，用于化学过程中的深度质量建模与在线预测	在深度潜变量回归建模框架中引入随机注意力机制，通过从潜变量池中生成多种随机注意力来构建多个子模型，并设计信息融合策略整合预测结果	未提及对该随机注意力机制的数学理论分析或收敛性证明，且仅在两个化工案例上验证，可能缺乏在其他复杂化工过程中的泛化性	提升化学过程中质量预测的准确性	化工过程中的质量预测任务，以脱丁烷塔和CO吸收塔为案例	机器学习	NA	NA	深度潜变量模型	数值数据	两个化工过程案例（脱丁烷塔和CO吸收塔），具体样本量未说明	NA	深度潜变量回归模型	RMSE	NA