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
3061	2026-06-16	Residual-learning-enhanced extended Kalman filter for real-time swing angle estimation in quadrotor-suspended-payload systems 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49015-y PMID:42010326	研究论文	提出一种结合扩展卡尔曼滤波与残差学习LSTM网络的物理信息混合估计框架，用于四旋翼悬挂载荷系统的实时摆角估计	通过融合物理模型与数据驱动方法，利用LSTM网络补偿EKF因模型简化与外部扰动导致的误差，实现轻量级高精度实时估计	NA（摘要未明确指出局限）	实现四旋翼悬挂载荷系统的高精度实时摆角估计	四旋翼悬挂载荷系统的负载摆角	机器学习	NA	NA	LSTM	实验数据（传感器测量值）	NA（未明确说明样本数量）	PyTorch	扩展卡尔曼滤波（EKF）、残差学习LSTM	估计误差	NA（摘要未明确说明计算资源）
3062	2026-06-16	Low-light driver drowsiness detection for real-time safety assistance using dual attention mechanisms in deep learning model 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44442-3 PMID:42010315	研究论文	提出一种结合双注意力机制和可解释人工智能的实时驾驶员困倦检测系统，用于低光照等复杂场景下的安全辅助	在InceptionV3基线中集成空间和通道双注意力机制，并引入低光微调LLFormer增强低光照条件下的检测性能；结合可解释人工智能技术（Grad-CAM、LRP）提供模型预测的可解释性	未提及	开发一种鲁棒的实时驾驶员困倦检测系统，降低因困倦驾驶引发的交通事故风险	驾驶员的面部特征和困倦行为（头部倾斜、眨眼、打哈欠）	计算机视觉	无特定疾病	深度学习、注意力机制、可解释人工智能	InceptionV3、LLFormer、ResNet-50	图像（面部图像）	未提及	NA	InceptionV3, LLFormer, ResNet-50	准确率（最高达98.4%）	针对移动和嵌入式平台优化，但未指定具体GPU或云平台
3063	2026-06-16	Effective elimination of respiratory misregistration-induced attenuation correction errors in PET/CT via deep learning trained on data-driven gated PET from strictly respiratory-phase-matched PET/CT cases 2026-Apr-19, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00880-6 PMID:42002706	研究论文	评估基于深度学习的无CT衰减校正（DLAC）模型，用于减少PET/CT中因呼吸运动配准错误导致的“香蕉伪影”	利用数据驱动门控（DDG）PET获取严格呼吸相位匹配的配对数据训练深度学习模型，实现无CT衰减校正并高效消除呼吸误配准导致的伪影	研究为单中心回顾性分析，样本基于特定PET/CT机型（Discovery MI-25），且仅针对FDG示踪剂，泛化性需进一步验证	评估基于深度学习的无CT衰减校正方法在减少呼吸相位不匹配引起的衰减校正错误（香蕉伪影）中的效能	18F-FDG PET/CT临床病例数据集（含无伪影和带香蕉伪影的病例）	计算机视觉	NA	PET/CT成像、数据驱动门控（DDG）PET	深度学习（具体架构未指定）	图像（PET和CT图像）	1137例临床病例中筛选出255例配准良好病例和387例带香蕉伪影病例	NA	NA	平均绝对误差、均方根误差、峰值信噪比、结构相似性指数、Pearson相关系数	NA
3064	2026-06-16	Imaging-based machine learning for the diagnosis and prognosis of uveal melanoma: a systematic review and meta analysis 2026-Apr-18, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07230-3 PMID:41999415	系统综述与荟萃分析	系统综述和荟萃分析基于影像的机器学习模型在葡萄膜黑色素瘤诊断和预后中的应用表现	首次系统整合并量化分析了机器学习/深度学习模型在葡萄膜黑色素瘤诊断和预后预测中的灵敏度和特异性，通过亚组分析揭示了不同影像模态（眼底照相 vs 超声）对模型性能的显著影响	多数纳入研究为单中心回顾性设计，超声模型纳入研究数量有限，所有预后研究均缺少外部验证，研究间异质性较大	系统评估基于眼科影像的机器学习/深度学习模型在葡萄膜黑色素瘤诊断和预后预测中的性能	已发表的机器学习/深度学习模型	计算机视觉, 机器学习	葡萄膜黑色素瘤	NA	CNN, 变换器	图像（眼底照相、超声、超广角成像、OCT、自发荧光）	13项诊断研究，6项预后研究（最多4600名患者）	NA	CNN, 变换器	灵敏度, 特异性, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
3065	2026-06-16	A physics-guided temporal convolutional learning with XGBoost integration for degradation-aware and robust electric vehicle range prediction 2026-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49119-5 PMID:42000845	研究论文	提出一种物理引导的时间卷积学习与XGBoost集成方法，用于考虑退化的鲁棒电动汽车续航预测	首次引入物理推导的退化记忆指数（DMI），嵌入时间特征学习以区分相同荷电状态下的不同退化历史，结合时间卷积网络与XGBoost实现退化感知的高精度预测	仅基于单一数据集验证，未探讨不同电池化学类型或极端驾驶场景下的泛化能力	解决电动汽车续航预测中忽视电池退化和时间依赖性导致预测不准确的问题	电动汽车的行驶续航预测，涉及电池特性、驾驶行为、环境变量和充电基础设施	机器学习	NA	NA	时间卷积网络（TCN）、XGBoost	时序数据（含电池特性、驾驶行为、环境变量和充电指标）	大型真实电动汽车数据集（未明确样本量）	PyTorch, XGBoost	物理引导时间卷积网络（PG-TCN）结合XGBoost回归器	均方根误差（RMSE）、决定系数（R²）	未提及
3066	2026-06-16	Improved visualization of perivascular spaces on T2-weighted imaging with deep learning-based denoising and super-resolution reconstruction 2026-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48890-9 PMID:42000915	研究论文	本研究前瞻性评估基于深度学习的去噪与超分辨率重建（SR-DL）技术，在T2加权成像上改善血管周围间隙可视化的能力	首次将深度学习去噪与超分辨率重建结合应用于T2WI，在不延长采集时间的情况下显著提升PVS的定量可检测性和定性可见性	未明确说明样本量有限（仅10名健康志愿者）及研究未涉及病理情况下的评估	评估SR-DL技术在T2WI上改善PVS可视化的效果	血管周围间隙（PVS）	计算机视觉	NA	深度学习的去噪与超分辨率重建	深度学习模型	图像	10名健康志愿者	NA	SR-DL	可检测PVS数量、对比率、定性可见性评分	NA
3067	2026-06-16	Machine learning-based models for tumor mutation burden prediction in gastrointestinal cancers: a systematic review and meta-analysis 2026-Apr-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04807-6 PMID:42000933	meta分析	系统评价和荟萃分析基于机器学习的模型在预测胃肠癌肿瘤突变负荷方面的诊断性能	首次对机器学习模型预测胃肠癌TMB的诊断性能进行系统评价和荟萃分析，揭示了图神经网络在性能稳定性方面的优势	仅有3/10的研究进行了外部验证，校准指标报告不足，TMB定义不一致，且存在显著的发表偏倚	系统评估和荟萃分析基于机器学习的模型在胃肠癌TMB预测中的诊断性能、方法学严谨性和报告质量	机器学习或深度学习模型用于预测人类胃肠癌TMB的研究	机器学习	胃肠癌	全外显子测序	机器学习, 深度学习, 图神经网络	临床数据, 基因组数据	纳入10项研究	NA	图神经网络, 经典机器学习模型	AUC, 准确率	NA
3068	2026-06-16	A comprehensive framework for automated segmentation of perivascular spaces in brain MRI with the nnU-Net 2026-Apr-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03993-y PMID:41995815	研究论文	开发了一种基于nnU-Net的自动化脑MRI血管周围间隙分割框架	优化nnU-Net针对血管周围间隙分割，实现了跨MRI扫描仪和模态的鲁棒性能，且结合多模态图像同时分割PVS和WMH	样本量较小（30个T1加权图像），可能限制泛化性；稀疏标注策略可能导致某些区域偏差	优化深度学习框架nnU-Net实现脑MRI中血管周围间隙的自动分割	脑血管周围间隙（PVS）的结构分割	数字病理学	脑小血管病、阿尔茨海默病、帕金森病	核磁共振成像（MRI）	CNN（卷积神经网络）	图像（脑MRI）	30个T1加权MRI图像（来自三种扫描仪）	nnU-Net	nnU-Net	Dice相似系数（DSC）	NA
3069	2026-06-16	Decoding immunotherapy response through computational modeling 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71364-5 PMID:41986319	综述	通过四种汇聚范式（经典机器学习、深度学习、图与网络建模、机制系统生物学）分析免疫疗法反应的计算建模进展	首次系统整合四种计算范式并强调从相关特征到表征学习、关系推理及肿瘤免疫动态因果模拟的进化路径	未提供具体定量结果或模型比较；缺乏临床验证数据的支撑	推动精准免疫肿瘤学实现个性化癌症治疗	免疫疗法反应的计算模型与患者分层方法	机器学习	癌症	NA	NA	多组学、影像	NA	NA	NA	NA	NA
3070	2026-06-16	A Leaf-Level Dataset for Soybean-Cotton Detection and Segmentation 2026-Apr-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07092-8 PMID:41986374	研究论文	该论文介绍了一个用于大豆和棉花叶片检测与分割的数据集，包含640张高分辨率图像和超过12000个叶片实例的标注	提供了一个在真实农场条件下采集、涵盖多个生长阶段、杂草压力和光照变化的叶片级数据集，支持检测和分割重叠叶片，填补了现有数据集在复杂田间环境中的不足	仅涉及大豆和棉花两种作物，未涵盖其他作物或更广泛的杂草类型；数据集规模可能不足以推广至所有田间场景	创建并验证一个用于大豆-棉花叶片检测与分割的数据集，以支持可持续农业管理中的选择性除草和害虫监测等应用	大豆和棉花的叶片	计算机视觉	NA	高分辨率图像采集	YOLO11（用于检测和分割的目标检测与分割模型）	图像（高分辨率RGB图像）	640张图像，包含7,221个大豆叶片和5,190个棉花叶片的实例标注	NA	YOLO11	检测精度、分割精度（未具体列出指标名称，但提到state-of-the-art性能）	NA
3071	2026-06-16	Distinguishing cancer patients' mild and severe symptoms in radiotherapy via zero-shot and few-shot large language model-based probabilistic prompts 2026-Apr-15, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00547-z PMID:41987285	研究论文	本研究开发了一种基于少量示例的大语言模型预测框架，利用概率设计的提示语在异常检测框架下区分放疗期间和放疗后癌症患者的轻度和重度症状	创新性地将大语言模型与异常检测框架结合，通过六种概率设计的提示语实现少量患者数据下的症状严重程度分类，并提供可解释的推理过程	依赖提示语的设计质量，可能对特定症状或数据分布变化敏感；模型性能可能受限于少量示例的标注准确性和代表性	探索基于大语言模型的有效提示策略，以区分癌症患者放疗期间和放疗后的轻度和重度症状，实现实时监控和临床决策支持	前列腺癌患者在放疗过程中出现的肠道疼痛、抑郁和性功能障碍等症状	自然语言处理	前列腺癌	大语言模型	大语言模型	文本	NA	NA	NA	AUC, AUCPR, 精确率, 召回率, F1分数	NA
3072	2026-06-16	Hi-Compass: a depth-aware deep learning framework for predicting cell-type-specific 3D genome organization from single-cell to spatial resolution 2026-Apr-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71877-z PMID:41980945	研究论文	Hi-Compass是一种深度感知的深度学习框架，能从单细胞到空间分辨率预测细胞类型特异性三维基因组组织	首次提出深度感知框架，仅利用染色质可及性数据即可预测细胞类型特异性染色质组织，并动态适应测序深度变化，支持从稀疏单细胞到高覆盖度批量数据的鲁棒预测	依赖染色质可及性数据作为唯一细胞类型特异性输入，可能忽略其他表观遗传修饰的影响	预测细胞类型特异性三维基因组组织，解析染色质相互作用与基因调控的关系	细胞类型特异性染色质组织	机器学习	NA	Hi-C，染色质可及性测序	深度学习	染色质可及性数据	外周血和胚胎心脏数据集，海马组织空间分辨数据，小鼠系统	NA	NA	一致性，高置信度染色质环恢复	NA
3073	2026-06-16	Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative 2026-Apr-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07218-y PMID:41980990	研究论文	提供一个大型全身/全动态[18F]FDG-PET/CT数据集，包含CT-derived分割，用于深度学习训练和多模态图像分析	首次公开大规模全身和全动态[18F]FDG-PET/CT双模态数据集，包含1683例PET/CT图像及130个目标区域的CT-derived分割，填补了在临床管理中使用PET/CT数据的重要资源空白	个别分割可能由受训医师验证校正，存在主观差异；数据集主要为静止状态图像，缺乏动态或纵向数据	为深度学习训练、验证或多模态图像分析提供公开可用的大规模PET/CT数据集，推进PET/CT在临床管理中的应用	健康个体及恶性肿瘤和炎症疾病患者的PET/CT图像（包括关节炎、淋巴瘤、黑色素瘤、肺癌、头颈癌、泌尿生殖道癌等）	数字病理学、医学图像分析	肿瘤疾病（肺癌、淋巴瘤、黑色素瘤、头颈癌、泌尿生殖道癌）及炎症性疾病（关节炎）	PET/CT成像	NA	图像（PET/CT）	1683例PET/CT图像	NA	NA	NA	NA
3074	2026-06-16	CRM-TI: an enhanced pipeline for computationally assigning the target genes of cis-regulatory modules by considering comprehensive long-range regulation mechanisms 2026-Apr-14, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00555-z PMID:41981661	研究论文	提出CRM-TI流程，通过整合染色质相互作用和非编码RNA转录相关调控机制，利用深度学习准确预测顺式调控模块的靶基因	首次综合考虑染色质相互作用和CRM转录的非编码RNA相关调控，采用染色体分区方案避免过拟合，性能显著优于现有方法	NA	开发一种能够准确计算顺式调控模块靶基因的增强流程，解决现有方法忽略长距离作用和替代调控机制的问题	顺式调控模块及其靶基因的分配关系	机器学习	NA	深度学习	深度学习	基因组数据	NA	PyTorch	NA	auROC	NA
3075	2026-06-16	SleepPACNet: new convolutional neural network considering phase-amplitude coupling for automatic sleep stage classification using single-channel electroencephalogram 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48881-w PMID:41974873	研究论文	提出了一种名为SleepPACNet的新型卷积神经网络，利用单通道脑电图中的相位-幅度耦合特征进行自动睡眠阶段分类	首次将相位-幅度耦合（PAC）特征提取模块集成到卷积神经网络中，通过Hilbert变换提取低频相位信息与高频幅度信息，显著改善了快速眼动睡眠阶段的分类性能	仅基于单通道脑电图数据在Dreem数据集上验证，未在多通道或其他临床数据集上进行测试	提升单通道脑电图自动睡眠阶段分类系统的性能，特别是通过引入领域特定的PAC特征增强分类准确性	睡眠阶段的自动分类，重点是快速眼动睡眠检测	机器学习	NA	脑电图（EEG）	CNN	单通道脑电图信号	使用Dreem数据集中的单通道（Fp1–Fp2）睡眠脑电图数据	NA	SleepPACNet，包含PAC特征提取模块的CNN	分类准确率（75.7%），以及与传统CNN模型（如SleepCNN）的对比	NA
3076	2026-06-16	Soft multiclass feature augmented deep learning to predict tumor origins using cytology or histology whole slide images 2026-Apr-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02604-7 PMID:41974822	研究论文	提出首个基于深度学习的快速低成本癌症筛查方法，利用细胞学或组织学全切片图像预测肿瘤起源	首次提出数据高效的软多类特征增强深度学习框架，直接通过全切片图像识别恶性细胞的原发部位，克服了未知原发癌诊断难题	NA	开发一种快速、低成本的深度学习工具，通过全切片图像预测肿瘤原发部位，以指导个体化癌症治疗	来源于细胞学涂片、细胞块或组织病理切片的恶性细胞全切片图像	数字病理学	癌症	全切片成像	深度学习	图像	多中心组织学数据集（69个部位，1196张WSI）、CS数据集（260张WSI）和CB数据集（129张WSI）	NA	NA	准确率	NA
3077	2026-06-16	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	整合三种方法在蛋白质组规模上预测蛋白质是否形成二元复合体，包括PrePPI、Topsy-Turvy和ZEPPI，并利用AF3Complex算法预测结构，通过聚类大肠杆菌互作组获得功能子网络	首次将基于三维结构信息的PrePPI、基于蛋白质语言模型的Topsy-Turvy和基于进化信息的ZEPPI三种方法整合，提升预测性能，并发现更多高置信度相互作用	未明确提及，但可能局限于大肠杆菌蛋白质组，且高置信度相互作用的验证依赖于HINT数据库质量	通过整合结构建模和深度学习方法计算大肠杆菌蛋白质互作组和功能网络	大肠杆菌蛋白质组中的二元蛋白质相互作用	自然语言处理、机器学习	NA	蛋白质语言模型、三维结构建模、进化信息评估	蛋白质语言模型（Topsy-Turvy）、结构预测模型（PrePPI、ZEPPI、AF3Complex）	蛋白质序列和结构数据	374个蛋白质相互作用对用于结构预测，整个大肠杆菌蛋白质组用于互作组聚类	NA	PrePPI、Topsy-Turvy、ZEPPI、AF3Complex	HINT数据库上的性能比较，高置信度相互作用识别数量	NA
3078	2026-06-16	SeqHIVE: a Python package to convert the biological sequences to informative vectors for sequence property predictions 2026-Apr-11, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00534-4 PMID:41964095	研究论文	介绍了一个将生物序列转换为信息向量的Python包SeqHIVE，用于序列性质预测	SeqHIVE提供了一个图形用户界面驱动的平台，整合了19种生物序列编码算法、5种特征选择算法和26种分类器，实现了序列到向量的自动转换与预测建模	未在文中明确提及本方法的局限性	开发一个全面的机器学习和深度学习平台，简化核酸和蛋白质序列预测管线的构建	DNA、RNA和蛋白质序列的性质预测	机器学习, 数字病理学	NA	生物序列编码	机器学习分类器, 深度学习模型	序列数据	NA	NA	NA	NA	NA
3079	2026-06-16	Accurate prediction of ecDNA in interphase cancer cells using deep neural networks 2026-Apr-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09982-4 PMID:41965931	research paper	提出interSeg，一个基于深度学习的工具，用于从间期FISH图像中准确预测癌基因扩增状态（包括染色体外扩增、染色体内扩增和未扩增）	首次利用深度学习从间期FISH图像准确区分染色体外扩增与染色体内扩增，解决了传统方法在间期细胞中难以辨识扩增类型的问题	NA	开发一种从间期癌细胞中准确预测癌基因扩增状态的方法，以替代传统的分裂中期FISH检测	间期癌细胞中的染色体外DNA（ecDNA）扩增	digital pathology	癌症	FISH	深度学习神经网络	FISH图像	训练集652张图像（40,446个细胞核），测试集215张图像（9,733个细胞核），神经母细胞瘤组织验证集67个样本（1,937个细胞核）	NA	interSeg	准确率	NA
3080	2026-06-16	Light-XAI: a CADx for explainable cervical cancer detection via attention-based lightweight convolutional neural networks and layer-wise feature fusion 2026-Apr-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00540-6 PMID:41963932	研究论文	提出一种基于注意力轻量级CNN和层间特征融合的可解释宫颈癌CADx系统Light-XAI	集成自注意力机制到CNN架构，结合Grad-CAM技术实现决策可解释，并从两个深层网络提取特征进行融合，采用特征选择和降维方法优化性能	未提及具体局限性，可能包括对数据集依赖性和泛化能力需进一步验证	开发高精度可解释的宫颈癌计算机辅助诊断系统，提高巴氏涂片图像分类准确性	宫颈癌巴氏涂片图像（来自SIPaKMeD和Mendeley LBC数据集）	计算机视觉, 数字病理学	宫颈癌	NA	CNN（轻量级卷积神经网络）	图像	SIPaKMeD和Mendeley LBC数据集的具体样本数未给出	NA	轻量级CNN与自注意力机制结合	准确率（Accuracy）	NA