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
3041	2026-06-16	A frequency analysis of filterbank initialisation and noise augmentation for LEAF 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49403-4 PMID:42034681	研究论文	对LEAF前端在不同计算机听觉任务中滤波器组初始化和噪声增强的频率分析	首次在广泛、前所未有的计算机听觉任务范围内（语音识别、语音情感识别、声学场景分类和鸟类活动检测）系统分析滤波器组初始化对LEAF参数适应性和性能的影响，揭示初始化策略的关键作用	未提及具体局限性，但实验中控制的频率分布可能无法完全覆盖真实世界场景的复杂性	探究LEAF前端的参数适应性及其受滤波器组初始化的影响	LEAF可学习前端及其在不同计算机听觉任务中的表现	机器学习	NA	NA	CNN	音频	NA	PyTorch	LEAF前端	准确率	NA
3042	2026-06-16	NeXtSwin-X: dual-branch cross-attention fusion of ConvNeXt and swin transformer for accurate brain tumor classification from MRI and CT 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50158-1 PMID:42034796	研究论文	提出一种双分支交叉注意力融合架构，结合ConvNeXt和Swin Transformer实现MRI和CT图像中脑肿瘤的准确分类	引入双分支融合架构和差分学习率策略，通过交叉注意力机制融合局部和全局特征，高效迁移预训练骨干网用于医学图像分析	依赖公开数据集且计算资源需求较高，但本文通过策略性迁移学习部分解决了该问题	实现脑肿瘤MRI和CT图像的准确分类，解决中等规模医学数据集微调大模型的资源消耗问题	脑肿瘤MRI和CT影像数据	计算机视觉, 数字病理学	脑肿瘤	NA	ConvNeXt, Swin Transformer	图像	8个公开脑肿瘤MRI和CT数据集	PyTorch	ConvNeXt, Swin Transformer	准确率, 精确率, 召回率, F1分数	NA
3043	2026-06-16	Neck adiposity on standard oncologic CT predicts radiation-induced carotid disease in oropharyngeal cancer 2026-Apr-25, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00486-y PMID:42035215	研究论文	评估头颈部肥胖是否与口咽癌患者接受放疗后发生放射性颈动脉疾病相关	首次利用深度学习算法在标准肿瘤CT扫描中量化C3椎体水平的颈部脂肪组织，并证明其与放疗后颈动脉疾病的关联，独立于传统心血管风险因素	样本主要为男性（91%）和白人（97%），限制普适性；单中心回顾性设计；未评估脂肪分布动态变化	探讨基线颈部肥胖是否与口咽癌患者放疗后颈动脉疾病发展相关	2005至2010年间接受放疗的口咽癌患者（231例）	计算机视觉、机器学习	颈动脉疾病、口咽癌	CT扫描	深度学习	图像（颈部CT）	231例患者（91%男性，97%白人，中位年龄57岁）	NA	深度学习算法（未具体说明架构名称）	NA	NA
3044	2026-06-16	Explainable YOLO architectures for egg size measurement and classification 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49155-1 PMID:42031888	研究论文	提出基于YOLOv12的可解释深度学习框架用于鸡蛋尺寸实时检测与分类	将可解释AI技术（Grad-CAM和EigenCAM）集成到YOLO架构中，提升蛋品分级系统的透明度与生物相关性验证	未提及	构建高精度且可解释的自动化鸡蛋分级系统以替代传统人工检测	鸡蛋图像中的尺寸检测与分类	计算机视觉	NA	NA	YOLOv12	图像	844张鸡蛋图像	NA	YOLOv7至YOLOv12系列，包括YOLOv12-X	平均精度均值（mAP）	NA
3045	2026-06-16	MicroCT analysis of the magma-to-mush transition in the 1959 Kīlauea Iki lava lake 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49906-0 PMID:42031910	研究论文	利用显微CT扫描和深度学习分割模型，量化了1959年基拉韦厄伊基熔岩湖中橄榄石的含量和连通性，揭示了岩浆向糊状过渡的过程	首次将深度学习模型应用于熔岩岩心的显微CT图像分析，以高分辨率量化橄榄石的连通性，并提出了早期间歇性晶体网络压缩主要由冷却和结晶驱动，而非上覆晶体糊状的重量	基于单一熔岩湖的岩心样本，可能无法完全代表其他地质环境中的岩浆过程；深度学习模型的训练依赖于特定岩心的CT图像，泛化性有限	研究熔岩湖中橄榄石晶体的累积和连通性，以理解岩浆系统的固结和糊状过渡机制	1959年基拉韦厄伊基熔岩湖的淬火钻探岩心	计算机视觉	NA	显微CT扫描（μCT）	深度学习分割模型	图像	多个钻探岩心样本，具体数量未在摘要中说明	NA	NA	NA	NA
3046	2026-06-16	A novel behavioral paradigm for odor-induced voluntary urination in mice 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49754-y PMID:42031989	研究论文	该论文提出了一种基于气味的雄性小鼠自愿排尿行为范式，并使用深度学习模型进行自动化分析	创新性地利用F1杂交雄性小鼠（C57BL/6J × BALB/c）结合两种品系的互补优势，建立了快速（10分钟）气味诱导的自愿排尿行为范式，并引入YOLOv8深度学习模型实现高效准确的尿点自动量化	未明确提及局限性，但可能包括F1杂交系的可重复性、行为范式的普适性验证，以及c-Fos映射仅提供关联性而非因果性证据	建立一种遗传可操作的小鼠模型系统，用于解析自愿排尿的神经环路机制	F1杂交雄性小鼠（C57BL/6J × BALB/c）的行为反应和全脑c-Fos表达	计算机视觉, 机器学习	神经源性下尿路功能障碍	深度学习（YOLOv8）, c-Fos全脑映射	CNN	图像	群养和社交隔离的F1杂交雄性小鼠（具体数量未在摘要中明确，但涉及行为测试和全脑成像）	PyTorch	YOLOv8	准确率	NA
3047	2026-06-16	IST: an ontology-guided attention-based autoencoder for interpretable analysis of single-cell transcriptomic data 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50009-z PMID:42032017	研究论文	提出一种基于本体引导的注意力自动编码器IST，用于单细胞转录组数据的可解释分析	将基因本体结构直接融入模型架构，利用注意力机制捕捉上下文依赖的基因活动，并通过基于相关性的损失函数确保生物先验在隐表示中忠实反映	未提及具体限制	开发一种能够可靠整合生物先验知识到单细胞转录组数据分析中的可解释深度学习方法	单细胞RNA测序数据	机器学习	NA	scRNA-seq	自动编码器	基因表达数据	三个scRNA-seq数据集	NA	注意力自动编码器，基因本体结构	NA	NA
3048	2026-06-16	DCI-SiteDTA: drug-target affinity prediction based on binding sites detection and site-aware dual cross-interaction block 2026-Apr-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06446-8 PMID:42032471	研究论文	提出一种基于结合位点检测和位点感知双重交叉交互模块的药物-靶标亲和力预测方法	将结合位点检测和亲和力预测整合到统一深度学习框架中，并通过位点引导的双重交叉交互融合模块实现多维药物-靶标融合	未在更多样化数据集上验证，且未讨论计算资源的可扩展性	提高药物-靶标结合位点检测和亲和力预测的准确性	药物-靶标对及其结合位点	机器学习	NA	NA	深度神经网络	分子结构数据和蛋白质序列数据	在Davis和KIBA基准数据集上评估	NA	多尺度特征融合网络和双重交叉交互模块	结合位点检测准确率和亲和力预测精度	NA
3049	2026-06-16	Segmentation for pelvic malignancies in radiation oncology practice: a systematic review and meta-analysis protocol 2026-Apr-23, Systematic reviews IF:6.3Q1 DOI:10.1186/s13643-026-03173-2 PMID:42026695	系统综述方案	本文提出一项系统综述方案，旨在评估基于深度学习的自动分割模型在盆腔恶性肿瘤放射治疗中的性能	通过系统性检索和元分析，综合评估深度学习自动分割模型在盆腔靶区和器官的准确性，促进临床实施	未具体说明，方案阶段暂无局限性描述	评估深度学习自动分割模型在盆腔恶性肿瘤放射治疗中的准确性	基于深度学习的自动分割模型应用于盆腔恶性肿瘤放射治疗的研究	计算机视觉	盆腔恶性肿瘤	深度学习	深度学习模型	NA	NA	NA	NA	定量指标、定性工具、节省时间、剂量学	NA
3050	2026-06-16	Image analysis for cervical cancer classification using deep learning techniques 2026-Apr-23, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16076-1 PMID:42026537	研究论文	使用深度学习模型对卢旺达宫颈癌组织病理学图像进行自动二分类	首次在卢旺达资源受限的三级医院环境中评估紧凑型深度学习架构（EfficientNetB0）对宫颈组织病理学图像的分类性能，并展现接近完美的诊断表现	单中心回顾性研究，样本量有限，且需外部多中心前瞻性验证后才能用于临床	评估深度学习模型在卢旺达宫颈癌组织病理学图像自动二分类中的可行性，以作为可扩展的诊断辅助工具	卢旺达基加利大学教学医院2018-2024年间采集的885张H&E染色宫颈活检图像块	计算机视觉	宫颈癌	H&E染色组织病理学成像	卷积神经网络（CNN）	图像	885张宫颈活检图像块（来自患者级分层划分）	PyTorch	ResNet50, EfficientNetB0, DenseNet121	准确率, 灵敏度, 特异度, F1分数, ROC-AUC, Brier评分, 校准曲线	NA
3051	2026-06-16	Decision-support system for live detection of Leishmania parasites from microscopic images with deep learning 2026-Apr-23, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13278-7 PMID:42026509	研究论文	开发基于深度学习的决策支持系统，用于从显微镜图像中实时检测利什曼原虫	结合YOLOv8目标检测框架与实时图形用户界面，实现低成本设备下的利什曼原虫自动检测，提升非专业人员的诊断能力	数据来自特定区域（利比亚和巴勒斯坦）的皮肤利什曼病样本，可能影响模型的泛化性；未提及对免疫缺陷病例的验证	开发深度学习辅助诊断工具，简化利什曼病显微镜检查流程，提高资源有限环境中的检测可及性	利什曼原虫寄生虫	计算机视觉, 数字病理学	利什曼病	显微镜成像	YOLOv8	显微镜图像	来自利比亚和巴勒斯坦皮肤利什曼病患者的组织样本	PyTorch	YOLOv8	平均精度均值（mAP）0.78, 准确率91%, 灵敏度91%, 特异性90%, 精确率94%	NA
3052	2026-06-16	Computational pathology-based artificial intelligence platform for the identification of common oral potentially malignant disorders 2026-Apr-22, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08398-0 PMID:42021214	研究论文	基于计算病理学的人工智能平台用于常见口腔潜在恶性疾病的鉴别诊断	融合深度学习提取的预测特征与多种机器学习算法构建AI平台，并探究AI特征与病理发现的相关性，增强模型在病理学上的可解释性	未提及局限性	构建基于数字病理学的人工智能平台，实现对口腔白斑、口腔扁平苔藓和口腔黏膜下纤维化的准确高效鉴别诊断	口腔潜在恶性疾病（口腔白斑、口腔扁平苔藓、口腔黏膜下纤维化）	数字病理学	口腔癌（口腔鳞状细胞癌前病变）	NA	深度学习模型	全切片图像	1080例样本	PyTorch	Twins-SVT, ResNet18, ResNet50, Inception_v3	受试者工作特征曲线下面积（AUC）	NA
3053	2026-06-16	Accelerating sow nursing behavior monitoring with modified YOLO11n architecture and TensorRT integration 2026-Apr-22, Porcine health management IF:3.0Q1 DOI:10.1186/s40813-026-00507-3 PMID:42021390	研究论文	本研究开发了一种改进的YOLO11n模型，结合TensorRT加速，用于实时监测母猪的哺乳行为，实现了高精度和低延迟推理	通过去除小目标检测头降低了模型复杂度（207层，5.0 GFLOPs），结合TensorRT优化实现推理加速，在A100 GPU上仅需4.6毫秒，在T4 GPU上需6.1毫秒	在视觉相似的类别（如坐姿哺乳与坐姿非哺乳）间存在分类错误，源于俯视角下部分姿势中仔猪与乳头接触的可见性有限	为集约化养猪系统提供自动化的母猪哺乳行为监测解决方案，以支持动物福利管理和降低断奶前死亡率风险	母猪在分娩栏中的姿势-哺乳状态类别，包括坐、站和三种躺卧姿势，每种标记为哺乳或非哺乳	计算机视觉	无	TensorRT优化	YOLO11n（改进型）	图像	代表性测试图像，包含部分遮挡和可变光照条件	TensorFlow, TensorRT	改进的YOLO11n	mAP@50	NVIDIA A100 GPU, T4 GPU
3054	2026-06-16	TripleBind: a generalizable deep learning framework for protein-nucleic acid and protein-ligand binding sites prediction based on pre-trained protein language models 2026-Apr-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11557-8 PMID:42012716	研究论文	提出一种基于预训练蛋白质语言模型的通用深度学习框架TripleBind，用于预测蛋白质-核酸和蛋白质-配体结合位点	整合三种基于Transformer的预训练蛋白质语言模型与专门设计的MBCN模块，仅使用序列信息即可实现高精度预测，并具备跨任务的通用预测能力和可解释性分析	未明确说明，但可能依赖于预训练模型的质量和特定数据集	开发高效可靠的序列级别预测工具，用于识别蛋白质-核酸和蛋白质-配体结合残基	蛋白质-核酸（DNA和RNA）及蛋白质-配体结合位点	机器学习	NA	NA	深度学习模型	序列数据	独立测试集：蛋白质-DNA数据集（未注明具体数量）和蛋白质-RNA数据集（未注明具体数量）	PyTorch	Transformer, 多分支卷积网络（MBCN）	MCC（马修斯相关系数）	NA
3055	2026-06-16	Advanced deep learning vision transformer models for intelligent grain counting in agricultural data analytics 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49819-y PMID:42014763	研究论文	本研究提出一种基于Swin Transformer的视觉转换器模型，用于农业数据分析中的智能谷物计数	首次将Swin Transformer的分层注意力机制迁移到谷物计数任务，结合可解释AI技术提升模型透明度	未提及	开发高精度、可解释的深度学习模型用于农业谷物自动计数	不同形态参数的谷物图像	计算机视觉	不适用	深度学习、计算机视觉	Swin Transformer	图像	未提及	PyTorch	Swin Transformer, ResNet-50, DINO	准确率	未提及
3056	2026-06-16	HybridViT-CAB: a vision transformer and convolutional attention network for precision weed detection in agricultural systems 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48652-7 PMID:42014737	研究论文	提出一种结合视觉Transformer与卷积注意力模块的混合深度学习架构，用于精准农业中的杂草检测	首次将Transformer的全局上下文建模与通道注意力机制的局部空间特征提取耦合，并在可解释性和类别平衡预测方面优于纯ViT模型	NA	实现精准农业中自动化杂草检测，提升分类可解释性和类别平衡性能	农业图像中的阔叶杂草、禾本科杂草、土壤和大豆作物四类对象	计算机视觉	NA	图像分类	视觉Transformer，CNN	图像	4795个样本，尺寸为224×224像素	PyTorch	Vision Transformer，卷积注意力模块	AUC，分类准确率	NA
3057	2026-06-16	Improving performance for multi-category anthropogenic debris detection in river environments by using a size-tailored annotation approach and data augmentation 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45309-3 PMID:42009734	研究论文	本文探讨了通过尺寸定制标注方法和数据增强技术提升河流环境中多类别人为碎片检测性能	首次采用尺寸定制标注方法构建多类别漂浮碎片数据集，并系统研究了MixUp增强在不同强度下对YOLOv10n、YOLOv11n和YOLOv12n模型的性能影响，揭示了模型特定的响应差异	水葫芦等特定类别检测精度仍然较低（mAP < 35.0%），且YOLOv10n无法受益于MixUp增强	提升河流环境中多类别人为碎片自动检测性能，解决标注数据集稀缺和目标尺寸变化大的挑战	河流环境中的多类别浮动人为碎片，包括塑料、水葫芦、福寿螺等	计算机视觉	NA	深度学习目标检测	YOLO	图像	多类别漂浮碎片数据集，具体样本数未在摘要中明确给出	PyTorch	YOLOv10n, YOLOv11n, YOLOv12n	mAP	NA
3058	2026-06-16	Intelligent earthquake prediction using animal vocal behavior analysis based on machine learning and deep learning approaches 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48690-1 PMID:42009810	研究论文	提出一种基于机器学习和深度学习的动物声音行为分析框架，用于预测地震	创新性地利用生物声学与ML/DL结合，通过分析历史动物声音预测地震，并采用数据增强和多种深度学习模型处理时序音频数据	未提及特征工程和模型的可解释性，可能受环境噪音和动物行为变化影响	开发一种低成本、有效的地震预警方法，弥补传统监测的不足	地震前动物声音行为（历史动物音频记录）	机器学习, 深度学习, 生物声学	非疾病（自然灾害预测）	音频分析（Librosa库提取特征）、数据增强	XGBoost, 随机森林, 多层感知机, 循环神经网络, 长短期记忆, 双向LSTM, 门控循环单元	音频数据	未明确说明样本数量	Librosa	双向LSTM, 门控循环单元, 长短期记忆, 循环神经网络	测试准确率, AUC	未提及
3059	2026-06-16	Accuracy in spinal level determination, including transitional vertebrae: an ASReview supported systematic review 2026-Apr-20, 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/s00586-026-09925-x PMID:42009915	系统性综述	利用ASReview机器学习工具辅助文献检索，系统性评估脊柱定位方法（包括移行椎）的准确性	首次结合机器学习工具ASReview进行文献筛选，并专门关注胸腰段移行椎对脊柱定位准确性的影响	纳入研究存在设计、患者选择和偏倚风险的不一致性；深度学习研究尚未适用于常规临床实践，且高级方法的成本效益有待评估	评估传统和高级方法（包含移行椎情况）在脊柱定位中的准确性，并提出临床建议	脊柱定位方法（包括荧光透视、超声、CT、MRI等常规方法以及术中导航、算法和机器学习等高级方法）	机器学习	脊柱疾病	机器学习（ASReview辅助文献检索）	深度学习（提及但未指定具体模型）	文献数据	29项研究	NA	NA	准确性（accuracy）	NA
3060	2026-06-16	Design and development of an SDR-based system for real-time detection and characterization of drone RF signatures 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48925-1 PMID:42009950	研究论文	提出一种基于软件定义无线电的低成本实时无人机射频信号检测与分类系统	利用无人机与控制器间的射频信号生成频谱图，结合深度学习实现低成本、可大规模部署的无人机检测方案	未提及实际部署中的干扰信号影响及多无人机场景下的识别性能	开发经济实用的射频信号检测系统以应对消费级无人机带来的安全挑战	消费级无人机及其控制器发射的射频信号	计算机视觉	NA	软件定义无线电（USRP B210）	YOLOv5, Faster R-CNN	频谱图图像	自建无人机与非无人机信号标注数据集（具体数量未提及）	PyTorch	YOLOv5, Faster R-CNN	检测准确率, 鲁棒性	USRP B210硬件平台