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
281	2026-06-04	Minimum Foot Clearance Prediction in Stroke Survivors: A Transformer-Based Approach 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.2026.3694895 PMID:42154708	研究论文	提出一种基于Transformer的模型，用于预测中风幸存者步行时的足部最小离地间隙	创新性地引入数据驱动的条件后归一化投影方法来提高多步预测性能，并使用统计矩匹配损失函数来处理中风患者的数据高变异性	NA	预测中风幸存者的足部最小离地间隙，识别因下肢受影响而增加的绊倒跌倒风险	中风幸存者受影响下肢的足部最小离地间隙数据	机器学习	脑血管疾病	NA	Transformer	时间序列数据	NA	NA	Transformer, 自注意力LSTM	平均绝对误差, 最大绝对误差, 均方根误差, 上界内预测率	NA
282	2026-06-04	UAV-based RGB and multispectral mango leaf disease detection with benchmarking of YOLOv5 to YOLOv10 and SeqOpt-optimised YOLOv8 for real-time edge deployment 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349855 PMID:42207843	研究论文	提出一种基于无人机多光谱成像与YOLOv8优化模型的芒果叶部病害实时检测框架，并在边缘设备上部署	提出了SeqOpt优化方法，将YOLOv8的F1分数提升9.7%，mAP@50提升8.6%，并首次系统评估YOLOv5至YOLOv10在无人机多光谱数据上的性能，同时实现边缘设备上的实时推理	研究仅针对四种常见芒果疾病，数据集规模和疾病种类有限，且仅在特定边缘设备（Raspberry Pi 5和Jetson Orin Nano）上验证	开发适用于精准农业的实时芒果叶部病害检测与边缘部署系统	芒果叶部病害（如炭疽病、白粉病等四种常见疾病）	计算机视觉	植物病害（芒果叶部病害）	多光谱成像, RGB成像, 无人机成像	YOLO系列（YOLOv5至YOLOv10）	图像（RGB和多光谱图像）	6334张高分辨率RGB和多光谱图像	PyTorch, ONNX	YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10	F1-score, mAP@50, mAP@50-95, 延迟, 能耗	Raspberry Pi 5, NVIDIA Jetson Orin Nano
283	2026-06-04	Single-Image Reflection Removal via Iterative Prompt Learning of Reflection Level 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695674 PMID:42208027	研究论文	提出了一种基于迭代提示学习的单图像反射去除框架，通过结合可学习提示与图像数据优化恢复网络	首次提出利用反射级别提示迭代监督反射去除过程，并设计反射级别感知策略解决直接对齐难题	论文未明确提及局限性，但可能依赖于反射级别数据集的构建质量，且对极端复杂反射场景的泛化能力有待验证	提升单图像反射去除的性能与泛化能力，通过迭代提示学习渐进减少反射干扰	反射污染图像及其对应的背景层	计算机视觉	NA	NA	CNN	图像	多个公开数据集（具体数量未提及）	PyTorch	基于迭代反射级别减少的网络架构（具体组件未指定）	PSNR, SSIM	NA
284	2026-06-04	Self-Expressive High-Order Tensor Unrolling Network for Unsupervised Hyperspectral and Multispectral Image Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695389 PMID:42202190	研究论文	提出了一种自表达高阶张量展开网络，用于无监督的高光谱与多光谱图像融合	在高阶张量分解框架中引入重叠图像块的自表达关系作为高阶模式表示，并设计可解释的端到端训练流程，同时引入预训练策略提高跨传感器泛化能力	仅提及在模拟和真实数据集上验证，未明确讨论计算资源需求或对极端低质量图像的鲁棒性	解决高光谱与多光谱图像融合中空间结构保持和模型可解释性问题	低分辨率高光谱图像和高分辨率多光谱图像	计算机视觉	NA	高光谱成像、多光谱成像	自表达高阶张量展开网络	图像	NA	PyTorch	高阶张量分解网络、自表达模块、预训练策略	峰值信噪比、结构相似性、光谱角映射等	NA
285	2026-06-04	Deep Batch Active Learning for Protein Structure Modeling 2026-Jan, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666251405823 PMID:41614412	研究论文	提出了一种名为DEWDROP的主动学习选择方法，用于指导VHH抗体结构的数据筛选，以最大化改善微调模型性能	利用蒙特卡洛dropout生成预测集成信息以选择最优数据，针对VHH抗体等代表性不足的分子家族，采用模型无关的主动学习策略	实验结构测定耗时且成本高昂，数据收集不完整导致冗余信息，关键区域未被充分探索	通过主动学习优化数据选择，提高蛋白质结构预测模型的训练效率和准确性	VHH抗体结构和AlphaFold蛋白质数据库中的蛋白质	机器学习	NA	蒙特卡洛dropout，主动学习	Equifold（粗粒度分子表示结构化预测模型）	分子结构数据	两个结构家族：SAbDab-nano中的VHH抗体和AlphaFold蛋白质数据库中的蛋白质	NA	Equifold	模型性能改进、批次选择分析，具体指标如在回顾性迭代微调实验中的性能提升	NA
286	2026-06-04	Preoperative CT-based Radiomics for Predicting Response to Neoadjuvant Chemoimmunotherapy in Esophageal Squamous Cell Carcinoma 2026-Jan, Radiology. Imaging cancer DOI:10.1148/rycan.250128 PMID:41615298	研究论文	基于术前CT影像组学预测食管鳞状细胞癌新辅助化学免疫治疗反应	结合二维和二维半深度学习特征与影像组学特征构建融合模型，用于预测食管鳞状细胞癌新辅助化学免疫治疗反应	NA	评估结合二维和二维半深度学习与影像组学特征的CT模型预测食管鳞状细胞癌新辅助化学免疫治疗反应的性能	食管鳞状细胞癌患者	机器学习	食管癌	CT影像	支持向量机, ResNet18	图像	251名患者（平均年龄59.91岁，其中男性209名，女性42名）	NA	ResNet18	AUC	NA
287	2026-06-04	Artificial Intelligence in the Diagnosis and Management of Pulmonary Tuberculosis: A Review of Current Applications and Future Perspectives 2026, Therapeutics and clinical risk management IF:2.3Q2 DOI:10.2147/TCRM.S596651 PMID:41937887	综述	全面总结了人工智能在肺结核诊疗中的当前应用，涵盖影像检测、耐药预测和治疗监测，并探讨了未来发展方向	系统梳理了AI在肺结核全流程中的应用，包括基于深度学习的影像自动检测、全基因组序列耐药预测以及多模态治疗监测，并前瞻性提出了多模态融合、联邦学习等未来重点	临床转化受限于数据质量与偏差、模型泛化性差、算法可解释性低以及监管与伦理问题	综述AI在肺结核诊断和管理中的应用现状，并展望未来发展方向以推动临床转化	肺结核的影像检测、耐药性预测以及治疗反应监测	自然语言处理,计算机视觉,机器学习	肺结核	深度学习,全基因组测序,多模态AI	深度学习模型,多模态AI模型	胸部X光片,CT图像,全基因组序列	NA	NA	NA	敏感度	NA
288	2026-06-04	A multi-dimensional CNN-Bi-GRU for IoT-based brain-computer interface in early epileptic seizure detection 2026, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpag010 PMID:41938598	研究论文	设计了一种基于物联网的多维CNN-Bi-GRU模型，用于早期癫痫发作检测	提出MDCBG混合深度学习模型，结合物联网实现早期警报与家庭自动化辅助，准确率达97.43%	未对大规模真实临床环境进行测试，且仅使用单数据集进行验证	开发早期癫痫发作检测的物联网脑机接口系统	癫痫患者脑电图数据	机器学习	癫痫	脑电图	CNN-Bi-GRU混合模型	脑电图信号	Mendeley脑电图数据集，具体样本量未说明	NA	MDCBG, EEGNet, CTNET, Bi-GRU with attention, Bi-LSTM-GRU, XGBoost	准确率	NA
289	2026-06-04	Rapid single-cell identification of foodborne pathogens with limited data: A peak-aware Raman attention deep learning model 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101386 PMID:41939140	研究论文	提出一种峰值感知拉曼注意力模型（PARAM），用于在数据稀缺条件下快速单细胞鉴定食源性病原体	PARAM集成峰值感知注意力机制，合成拉曼光谱时保留苯丙氨酸和核酸模式的生物学意义结构特征，与传统生成模型相比避免了峰位移或强度失真	仅基于每类7个样本的极端数据约束评估，未评估其他病原体或非拉曼光谱数据适应性	解决拉曼光谱技术在菌株间高生化相似性和数据稀缺瓶颈下的快速鉴定问题	四种主要食源性病原体	机器学习	食源性疾病	拉曼光谱	生成对抗网络	拉曼光谱数据	每类7个样本，共四种病原体	NA	PARAM	峰位置匹配率、皮尔逊相关系数、分类准确率	NA
290	2026-06-04	ProtAttn-QuadNet: An attention-based deep learning framework for protein-protein interaction prediction using ProtBERT embeddings 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349433 PMID:42228714	研究论文	提出一个基于注意力机制的深度学习框架ProtAttn-QuadNet，利用ProtBERT嵌入预测蛋白质-蛋白质相互作用	采用四流注意力机制，结合个体蛋白质特征、协同交互和互补差异，通过多层自注意力和交叉注意力实现蛋白质对的平衡双向建模	未提及具体局限性（如计算资源需求或对其他物种的泛化性）	提高蛋白质-蛋白质相互作用的计算预测精度，解决实验方法昂贵且不完整的问题	蛋白质-蛋白质相互作用对	机器学习	不适用	ProtBERT嵌入	注意力机制网络	序列数据（氨基酸序列）	大规模数据集（来自UniProt）	NA	ProtAttn-QuadNet	准确率（Accuracy）、AUC-ROC	NA
291	2026-06-04	Tensor enhanced chest cancer classification via CNN and Vision Transformer models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348863 PMID:42228733	研究论文	利用CNN与Vision Transformer模型进行肺癌分类，基于张量预处理框架	引入统一张量预处理流程，在不改变原始架构前提下增强模型适应性，系统对比多种CNN与ViT模型在CT/PET-CT图像分类中的表现	未提及具体局限性，如样本量有限或模型泛化能力不足	评估和比较不同CNN与Vision Transformer模型在肺癌CT/PET-CT图像分类中的性能	肺部疾病患者（肺癌）的CT/PET-CT医学图像	计算机视觉	肺癌	CT成像, PET-CT成像	CNN, Transformer	图像	使用YOLOTransfer数据集，具体样本量未说明	PyTorch	AlexNet, VGG-16, ResNet-50, DenseNet, EfficientNet, Vision Transformer	准确率, 敏感性, 特异性, F1分数, AUC-ROC	NA
292	2026-06-04	A process-guided uncertainty-aware deep learning framework for reliable and interpretable industrial fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349385 PMID:42228760	研究论文	提出一种融合过程引导与传感器可靠性的不确定性感知深度学习框架，用于可靠且可解释的工业故障诊断	首次将过程中心性、传感器可靠性和不确定性嵌入注意力机制，并采用蒙特卡洛dropout提供校准置信度估计	NA	提高工业故障诊断的鲁棒性和可解释性	工业过程故障数据	机器学习	NA	NA	CNN-BiLSTM	时间序列数据	NA	NA	CNN, BiLSTM	准确率, F1分数, 负对数似然, Brier分数, 期望校准误差	NA
293	2026-06-04	Artificial intelligence techniques for classification of Alzheimer's disease using neuroimaging data: a review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1748985 PMID:42231879	综述	综述了利用神经影像数据通过人工智能技术进行阿尔茨海默病分类的研究进展	系统分析了多模态数据融合（如MRI和PET）提升分类准确性的优势，并强调了迁移学习在克服数据限制中的作用	当前文献中部分评估指标报告不足，且缺乏更全面的性能评估	探讨机器学习和深度学习模型在阿尔茨海默病的识别与分类中的应用	阿尔茨海默病的神经影像、遗传信息和临床评估数据	机器学习	阿尔茨海默病	NA	回归模型、决策树、随机森林、支持向量机、K近邻、集成模型、卷积神经网络、循环神经网络、生成对抗网络	图像	NA	NA	CNN, RNN, GAN	准确率、精确率、召回率、F1分数、Cohen's Kappa	NA
294	2026-06-04	Deep learning classification of reproductive tissue from ultrasound: sex determination in red abalone (Haliotis rufescens) 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1794183 PMID:42231876	研究论文	首次利用深度学习对红鲍鱼进行非侵入性超声性别分类	首次将机器学习应用于红鲍鱼的非侵入性超声性别分类，并对比了多种卷积神经网络架构	数据集规模较小（44个个体，246张图像），可能限制模型的泛化能力	开发一种非侵入性、自动化的鲍鱼性别分类方法	红鲍鱼（Haliotis rufescens）	计算机视觉	NA	超声成像	卷积神经网络（CNN）	超声波图像	44个红鲍鱼个体，246张高质量超声图像	PyTorch	VGG16, VGG19, ResNet50, ResNet101, YOLOv8, YOLOv11, 自定义卷积神经网络	准确率, 精确率, 召回率	NVIDIA Jetson边缘设备
295	2026-06-04	Prior-aligned frequency-domain explanations for heart sound classification: a scale-consistent attribution approach 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1780496 PMID:42231875	研究论文	提出一种先验对齐的频率域解释方法，用于心音分类的尺度一致性归因	通过训练时的正则化方法将领域知识融入模型学习，实现频谱注意力与临床先验对齐，显著提升解释的生理合理性	仅在两个公开数据集上验证，未在真实临床环境中测试	提升心音分类深度学习模型的解释性与临床可信度	心音分类模型及其注意力归因与临床先验的对齐程度	机器学习	心血管疾病	NA	NA	NA	PhysioNet 2016和CirCor DigiScope数据集	NA	NA	分类准确率、解释与临床先验的散度	NA
296	2026-06-04	DSA-DET: a tea disease detection algorithm based on dynamic spatial pyramid and polarized linear attention 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1818867 PMID:42231886	研究论文	提出一种基于动态空间金字塔和极化线性注意力的茶叶病害检测算法DSA-DET	提出基于动态注意力空间金字塔建模的骨干网络，结合极化线性注意力与并行空间增强网络及多尺度自适应增强编码器，以及高效空间通道上采样和移位混合机制的上采样模块	未明确说明	提高茶叶病害检测的准确性和实时性	茶叶病害图像	计算机视觉	茶叶病害	NA	实时检测变换器	图像	NA	NA	DSA-DET	精确率、召回率、mAP50、FPS	NA
297	2026-06-04	Improved leaf area index estimation in Jujube trees by fusing spatial-temporal features from UAV RGB time-series with a deep learning framework 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798751 PMID:42231899	研究论文	提出一种利用无人机RGB时序影像和CNN-GRU并行混合深度学习框架来高精度估计枣树叶面积指数的方法	结合CNN的空间-光谱特征提取与GRU的时间序列建模，构建并行混合深度学习框架，克服传统植被指数方法在作物生长后期饱和、对背景噪声敏感及难以捕获时间动态的局限	NA	实现枣树叶面积指数的高精度、高效率遥感估计，为智能果园数字化管理和精准农业决策提供技术工具	枣树	计算机视觉	NA	无人机遥感	CNN-GRU	图像（无人机RGB影像）、时间序列（叶面积指数）	两个独立年份（2024年新疆巴楚、2025年新疆阿拉尔）的多期地面实测叶面积指数数据与同步无人机遥感图像	PyTorch	CNN, GRU	R², RMSE	NA
298	2026-06-04	Protein Design Enters the Artificial Intelligence Era: Foundations, Tools, and Emerging Paradigms 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0105 PMID:42231905	综述	本文综述了人工智能在蛋白质设计中的基础方法、工具及新兴范式	系统梳理了深度学习、蛋白质语言模型和知识图谱在蛋白质工程中的应用，强调了从计算机设计到实验验证的加速转化	模型可解释性不足、训练数据存在偏差、实验验证率有待提高	探讨人工智能如何革新蛋白质设计领域	蛋白质序列、结构与功能的关系	机器学习	NA	深度学习、蛋白质语言模型、知识图谱	AlphaFold2、Transformer	蛋白质序列与结构数据	NA	NA	AlphaFold2、Transformer	结构预测精度、基准测试指标	NA
299	2026-06-04	Deep learning for stress oriented human activity recognition 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1729804 PMID:42231940	研究论文	利用深度学习技术对基于传感器的时间序列数据进行压力导向的人类活动识别	比较了多种深度学习架构（RNN、LSTM和Transformer）在压力相关活动识别中的表现，并发现Transformer模型超越传统模型，显著提高了分类准确率	未讨论模型泛化到其他压力相关数据集或真实场景的能力，也未阐述计算资源消耗及可解释性	提升基于传感器时间序列数据的压力相关人类活动识别预测性能	Stressense数据集中的压力相关活动时间序列数据	机器学习	行为障碍	传感器数据采集	Transformer	时间序列数据	未明确说明	NA	RNN, LSTM, Transformer	分类准确率	NA
300	2026-06-04	Precision diagnosis of GABRA1-associated encephalopathies and epilepsy: optimizing variants classification and molecular subregional effects 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1818471 PMID:42232514	研究论文	系统分析GABRA1错义变异致病性，优化变异分类与分子亚区域效应，以提高GABRA1相关脑病和癫痫的精准诊断	首次系统评估34种算法在GABRA1错义变异致病性预测中的性能，并揭示分子亚区域效应与表型异质性的关联	未提及	探索可靠的生物信息学工具以优化GABRA1错义变异的致病性分类，提升相关脑病和癫痫的精准诊断	GABRA1错义变异及其致病性	机器学习	癫痫	基因测序	集成学习与深度学习算法	基因变异数据	61个GABRA1错义变异（30个致病/可能致病，31个良性/可能良性）	NA	MetaLR, PrimateAI, AlphaMissense, M-CAP, CADD_phred, fathmm-XF等	准确率、灵敏度、特异性、阳性预测值、阴性预测值、马修斯相关系数、F分数、AUC	NA