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
3181	2026-05-26	Hybrid fractional groupers and moray eels driven deep learning for pneumonia detection using multi-modal data in federated learning 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111739 PMID:42155376	研究论文	提出一种基于多模态数据和联邦学习的新型深度学习模型，用于肺炎检测	将分数阶群鱼和鳗鱼优化算法与联邦学习框架结合，并开发了EESHLossNet损失函数来改进Shepard卷积金字塔膨胀网络	未提及模型在不同数据集上的泛化能力验证，且联邦学习框架可能面临通信开销和隐私保护的实际挑战	提高肺炎检测的准确性并保护医疗数据安全性	肺炎患者的多模态医学图像数据（CT、胸部X光片和频谱图）	计算机视觉，数字病理学	肺炎	CT成像， X光成像，频谱成像，深度递归残差网络，阿尔法修剪均值滤波，伽马校正	Shepard卷积金字塔膨胀网络，深度递归残差网络	图像	未提及具体样本数量	未提及	Shepard卷积金字塔膨胀网络，深度递归残差网络	损失函数，均方误差，准确率，真阳性率，真阴性率，精确率， F1分数，假阴性率，假阳性率	未提及
3182	2026-05-26	Interpretable Deep Regression Models With Interval-Censored Failure Time Data 2026-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70609 PMID:42179352	研究论文	提出一种结合深度神经网络与部分线性变换模型的区间删失失效时间数据回归框架	首次将可解释的深度回归模型扩展至区间删失数据，兼顾关键参数的线性可解释性和干扰协变量的非线性灵活性	未详细讨论模型在高维协变量场景下的计算效率和可扩展性	建立用于区间删失失效时间数据的可解释深度回归模型	区间删失失效时间数据	机器学习	阿尔茨海默病	NA	深度神经网络	NA	NA	NA	NA	NA	NA
3183	2026-05-26	An upper limb stroke rehabilitation exercise video dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112819 PMID:42181301	研究论文	提出一个用于上肢中风康复运动视频数据集，包含491个视频和四种上肢肌肉强化运动，由十名志愿者在多种背景和光照条件下使用RGB相机录制	第一个专门针对家庭康复场景、包含四种不同上肢肌肉强化运动、由普通RGB相机拍摄并具有详细标注的视频数据集	样本量有限（仅十名志愿者），运动种类较少（仅四种），未提及患者实际康复效果验证	为开发基于深度学习的低成本远程康复系统提供数据支持，改善中低收入国家中风患者的康复护理可及性	中风患者上肢康复运动视频	计算机视觉	中风	RGB视频录制	深度学习（通用，未指定具体模型）	视频	491个视频，来自10名志愿者	NA	NA	NA	NA
3184	2026-05-26	Predicting Visual Field Loss in Glaucoma Using OCT and Deep Learning: A Comparative Study of U-Net Variants 2026-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101169 PMID:42181664	研究论文	本研究使用三种深度学习模型（R2 U-Net、Dense U-Net 和 Nested U-Net++）基于OCT图像预测青光眼患者的视野缺损	首次应用生成式人工智能模型（如R2 U-Net）基于OCT数据预测视野缺损	样本来自单一三级转诊中心，仅分析左眼以避免眼间相关性，未涉及多中心验证	评估不同U-Net变体在基于OCT的视网膜神经纤维层厚度图预测视野结果中的性能	1640名青光眼患者的OCT和视野数据	计算机视觉	青光眼	OCT	深度学习生成模型（U-Net变体）	图像（OCT视网膜神经纤维层厚度图）	1640名青光眼患者，每例分析一只左眼	NA	R2 U-Net, Dense U-Net, Nested U-Net (UNet++)	均方误差(MSE), 平均绝对误差(MAE), 峰值信噪比(PSNR), 结构相似性指数(SSIM), Fréchet初始距离(FID)	NA
3185	2026-05-26	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	探索在线健康社区中关于戒烟交流的内容和上下文对信息传播及行为动态的影响	将大型语言模型与网络分析相结合，利用随机行动者导向模型分析内容和上下文对社交网络拓扑与行为动态的交互影响	未提及	研究在线健康社区中关于烟草使用交流的信息扩散模式，以及内容和特定上下文因素对行为动态的影响	在线戒烟论坛QuitNet中的社区成员及消息	自然语言处理	烟草成瘾及戒烟行为	大型语言模型，社交网络分析	大型语言模型（LLMs）	文本	64,632名成员，239万条消息（2000-2015年），三个波次分别有3055、2475和2289名成员	NA	大型语言模型（LLMs）	F1分数	NA
3186	2026-05-26	Deep Learning-Enhanced DNAzyme-Driven Rolling-Circle Amplification Encoding for Multibacterial Detection 2026-May-25, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.4446117 PMID:41983347	研究论文	提出一种基于DNAzyme驱动滚环扩增与分子信标编码系统，结合智能手机卷积神经网络，实现多种活菌的同步检测和定量	首次将DNAzyme驱动滚环扩增与分子信标编码系统结合智能手机CNN，实现三菌同时检测，并达到10-10 CFU/mL的灵敏度	可能受限于实际样本复杂性和细菌蛋白质分泌稳定性，且检测细菌种类有限	开发一种高灵敏度、高特异性的多细菌检测方法，替代传统方法无法同时处理多种活菌的局限	三种活菌（金黄色葡萄球菌、椰毒假单胞菌、大肠杆菌）在食品、临床和环境样本中的检测与定量	机器学习, 数字病理学	NA	DNAzyme驱动滚环扩增, 分子信标编码	卷积神经网络	图像	2800张训练图像, 32个实际样本	PyTorch	CNN	灵敏度, 阳性符合率, 阴性符合率	NA
3187	2026-05-26	The robust frequency domain feature and hybrid CNN model for fatigue detection based on sEMG signal 2026-May-25, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2675492 PMID:42179231	研究论文	提出基于自回归模型的新特征和混合CNN模型，用于表面肌电信号疲劳检测	将基于自回归模型的鲁棒频域特征与Inception块及特征重构模块整合到CNN中，同时融合手工特征与深度学习特征以增加多样性	NA	提高肌肉疲劳检测在特征捕获、鲁棒性和泛化能力方面的性能	表面肌电信号中的肌肉疲劳状态	机器学习	肌肉疲劳	表面肌电信号分析	混合卷积神经网络	表面肌电信号波形	两个数据集（dataset1和dataset2）	NA	CNN, Inception块, 特征重构模块	准确率	NA
3188	2026-05-26	Prediction of groundwater level in shallow and complex aquifers using hybrid soft computing models and metaheuristic algorithms 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43005-w PMID:42178317	研究论文	提出两种混合软计算模型ANN-HBO和ANN-POA，用于预测浅层复杂含水层的地下水位动态	创新性地将人工神经网络与蜜獾优化算法（HBO）和鹈鹕优化算法（POA）两种元启发式优化算法耦合，动态优化数据稀缺非平稳环境下的网络权重，解决深度学习架构收敛性差和过拟合问题	未提及具体局限性，但隐含需要进一步验证在其他含水层或气候条件下的泛化能力	开发适用于数据有限区域的地下水位预测方法，支持从被动管理向主动预测管理转变	伊朗北部Astaneh-Kuchesfahan含水层的浅层松散含水层系统	机器学习	NA	最小冗余最大相关性(MRMR)算法	ANN, ANN-HBO, ANN-POA	水文气象时间序列数据	256个月的水文气象记录，3个观测井	未明确提及，但涉及人工神经网络和元启发式优化算法	ANN, ANN-HBO, ANN-POA	RMSE, MAE	NA
3189	2026-05-26	WHiAR-Net: an interpretable multi-scale forecasting framework via Wavelet-Hilbert feature engineering 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54363-w PMID:42178322	研究论文	提出了一种名为WHiAR-Net的可解释多尺度预测框架，该框架融合了小波理论与希尔伯特谱分析，用于分离长期趋势与瞬时波动，并在电力和环境数据集上取得了竞争性的精度	通过结构化嵌入算子误差界，将小波与希尔伯特特征工程引入透明架构，替代传统黑箱模型，实现了可解释的多尺度非平稳时间序列预测	所提信息不足以识别具体限制	准确预测非平稳时间序列中的复杂波动	电力和环境时间序列数据	机器学习	NA	小波变换、希尔伯特谱分析	神经网络	时间序列	NA	NA	WHiAR-Net	精度	NA
3190	2026-05-26	Research on the application of deep learning-driven urban change detection in sustainable development of hilly-area cities in western China 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53767-y PMID:42178339	研究论文	研究深度学习驱动的城市变化检测在西部丘陵城市可持续发展中的应用，以南充市为案例	针对西部丘陵城市景观特征，构建了区域自适应的建筑与道路语义分割数据集和变化检测数据集，并应用深度学习模型有效解决了丘陵城市复杂环境中的破碎化景观、建筑分散和光谱混合特征等挑战	未提及局限性	探究深度学习驱动的城市变化检测技术在支持西部丘陵城市可持续发展中的实践价值	四川省南充市的城市变化检测、建筑与道路语义分割	计算机视觉	不适用	中分辨率遥感影像	深度学习模型	遥感影像	不适用	NA	NA	NA	NA
3191	2026-05-26	Representation learning for multi-modal spatially resolved transcriptomics data 2026-May-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag316 PMID:42179160	研究论文	介绍了一种卷积深度学习模型AESTETIK，用于整合空间、转录组和形态学信息，学习精确的斑点表示	在结构组织（如脑组织）中中位ARI相比先前最先进方法提高21%，在异质性细胞群体癌症组织（乳腺癌、黑色素瘤、肝癌）中表现优异，提升幅度达21%至79%	NA	开发整合多模态空间分辨转录组数据的方法，以提升聚类分配和精确医学应用	多模态空间转录组数据，包括空间、转录组和形态学信息	深度学习，数字病理学	乳腺癌，黑色素瘤，肝癌	空间转录组学，卷积神经网络 (CNN)	CNN	图像，基因表达数据，空间坐标	多个数据集，涵盖10x Genomics和NanoString平台的数据	PyTorch	卷积神经网络 (具体架构未详细说明)	ARI (Adjusted Rand Index)	NA
3192	2026-05-26	Predicting intrinsic clearance using deep learning-based drug-metabolic enzyme interaction features on an IVIVE-harmonized endpoint dataset 2026-May-20, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109456 PMID:42177842	研究论文	提出一种结合深度学习药物-代谢酶相互作用特征与物理化学性质的内在清除率预测框架，并利用IVIVE一致化终点数据集进行验证	首次将基于ChemBERTa和ProtBERT预训练的DTI特征融入内在清除率预测模型，并引入IVIVE一致化方法统一异质终点标签，实现生物学信息与计算方法的融合	预测性能仍有限，需扩大数据集、增强独立外部验证，并纳入肾清除和转运体介导等其他消除途径	开发一种生物学信息驱动的计算框架，用于早期候选化合物内在清除率的可靠预测	人类肝脏代谢酶（CYP、UGT、SULT家族）的抑制剂与底物相互作用特征，以及化合物物理化学性质	机器学习	NA	体外-体内外推法（IVIVE），深度学习	多层感知机（MLP），Transformer编码器	表格数据（化合物结构描述符、DTI特征）	185种化合物（独立外部验证集）；内部训练集未明确数量	PyTorch（推测），ChemBERTa，ProtBERT	MLP，Transformer编码器	r²m, r², CI, AFE, 2倍误差内比例, 3倍误差内比例	NA
3193	2026-05-26	Deep learning-driven anomaly detection and feature discovery in Ce-rich (Ni-Fe-Co-Ce)O x catalysts for oxygen evolution reaction 2026-May-20, RSC advances IF:3.9Q2 DOI:10.1039/d6ra02168a PMID:42181719	研究论文	提出一种基于深度学习的异常检测框架，用于从高通量实验数据中发现高性能析氧反应催化剂	首次将原子级描述符与卷积神经网络结合进行相似性稳定分析，并利用迭代数据清洗机制自动识别高异常值催化剂	目前仅针对Ni-Fe-Co-Ce-O催化剂数据验证，泛化能力需进一步测试	开发可靠的数据驱动分析工具，加速新型催化材料的发现与优化	Ce元素富集的(Ni-Fe-Co-Ce)O_x析氧反应催化剂	机器学习	NA	高通量实验	卷积神经网络（CNN）	数值型原子级描述符数据	基于(Ni-Fe-Co-Ce)O_x催化剂的高通量数据集	TensorFlow, PyTorch	CNN	R²分数	NA
3194	2026-05-26	Visible-Near-Infrared Hyperspectral Imaging Enables Nondestructive Identification of Bean Accessions via 1D Spectral Reflectance Analysis 2026-May-19, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00225 PMID:42179609	研究论文	利用可见-近红外高光谱成像结合一维光谱反射分析，实现豆类种质资源无损伤鉴别	首次利用VNIR高光谱成像与一维光谱反射分析实现32个豆类种质的无损伤鉴别，并发现狭窄绿光窗口（562.85-584.65 nm）作为关键分类波段，为缩减波段多光谱传感器设计提供直接指导	每个种质仅分析一个种子批次且在受控实验室条件下进行，未测试储存条件、种子含水量和收获时间对鲁棒性的影响；未进行靶向化学分析验证绿光窗口与种皮颜色、图案及表面微结构的关联	实现豆类种质无损伤、可扩展的鉴别方法，支持种质资源保存、可追溯性和育种	32个豆类种质（包括30个普通菜豆地方品种和2个外群豆类），共计3200粒种子，每种种质100粒种子	计算机视觉	NA	VNIR高光谱成像	线性支持向量机（Linear SVM）、多层感知机（MLP）	一维光谱反射数据	3200粒种子，来自32个豆类种质（每种种质100粒种子）	NA	Linear SVM, MLP_1D	准确率、加权F1分数	NA
3195	2026-05-26	Classification of serum protein and immunofixation electrophoresis images by computer vision-based deep learning models: A single- and dual-modality study 2026-May-13, Annals of clinical biochemistry IF:2.1Q3 DOI:10.1177/00045632261454299 PMID:42126005	研究论文	基于深度学习的血清蛋白电泳和免疫固定电泳图像自动分类研究	首次采用双模态（SPE和IFE）融合方法，利用迁移学习构建MobileNetV2模型进行电泳图像分类，并通过Grad-CAM进行模型可解释性分析	单中心回顾性数据，样本量有限（1919例），需在更大规模多中心队列中验证	开发深度学习模型自动将血清蛋白电泳和免疫固定电泳图像分类为肿瘤、非肿瘤和健康三类，并比较单模态与双模态方法的预测性能	同时接受SPE和IFE检查的1919例患者	计算机视觉	肿瘤	血清蛋白电泳，免疫固定电泳，迁移学习	CNN（卷积神经网络）	图像	1919例患者的SPE和IFE图像对	NA	MobileNetV2	准确率，精确率，召回率，特异度，F1分数，ROC-AUC	NA
3196	2026-05-26	Estimation of Physiological Metrics from Resting ECGs Using Deep Learning in the UK Biobank, Including submaximal exercise derived V̇O 2 max, Body Fat Percentage, and Grip Strength 2026-May-13, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.09.26352818 PMID:42180363	研究论文	利用深度学习从静息心电图估算生理指标，包括次极量运动衍生的最大摄氧量、体脂百分比和握力	使用基于患者对比学习表征（PCLR）的AI工具从静息12导联心电图提取320个特征，实现跨队列生理指标估算，并改进基础预测模型	模型在跨队列迁移性方面仍存在挑战，且依赖静息心电图数据而非动态运动数据	探索从静息心电图估算生理指标的潜力，利用英国生物银行数据开发群体特异性模型	英国生物银行（UK Biobank）中的大样本人群，包括次极量运动衍生的最大摄氧量（n=8,540）及其他生理指标（样本量高达n=78,265）	机器学习	心血管疾病	心电图（ECG）	患者对比学习表征（PCLR）模型	静息12导联心电图数据	次极量运动测试样本8,540例，其他生理指标样本最多78,265例，训练集与测试集以80%:20%比例划分	NA	PCLR（患者对比学习表征）	皮尔逊相关系数（r）	NA
3197	2026-05-26	Treemble: a graphical tool to generate Newick strings from phylogenetic tree images 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag197 PMID:42018742	研究论文	Treemble是一款从系统发育树图像生成Newick字符串的图形工具	结合深度学习节点检测与用户点击交互，实现从树图到Newick格式的半自动化转换，支持矩形和圆形树	NA	开发能从系统发育树图像自动生成机器可读Newick字符串的工具	系统发育树图像	机器学学	NA	深度学习	CNN	图像	NA	PyTorch	NA	NA	NA
3198	2026-05-26	AI-Based Models for Risk Prediction in MASLD: A Systematic Review 2026-May, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-025-09499-6 PMID:41231418	综述	系统评估基于AI的模型在代谢功能障碍相关脂肪性肝病（MASLD）风险预测与患者分层中的效果	首次系统综述AI模型在MASLD风险预测中的应用，填补了识别临床显著疾病（如≥F2纤维化、MASH）风险患者的文献空白	数据多样性不足以及模型可解释性有限	评估AI预测模型在MASLD患者风险分层和临床管理中的效能	MASLD患者及AI预测模型	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习与深度学习模型	临床特征数据（年龄、BMI、肝酶等）和多模态数据（临床+弹性成像/影像）	26项研究（2014-2025年），来自欧洲、美国、亚洲和南美洲	NA	NA	AUROC	NA
3199	2025-12-25	Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning? 2026-May, La Radiologia medica DOI:10.1007/s11547-025-02151-3 PMID:41441965	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3200	2026-05-26	Construction of a classification model for liver fibrosis in MAFLD based on multiparametric MRI radiomics and machine learning: A rat study 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70476 PMID:42178484	研究论文	基于多参数MRI影像组学和机器学习构建MAFLD肝纤维化分类模型的大鼠研究	首次在大鼠模型中整合多参数MRI影像组学特征与多种机器学习算法（包括逻辑回归、决策树、支持向量机、随机森林、LightGBM和AdaBoost）来构建肝纤维化分期分类模型，并采用混合模型结合深度学习和常规特征，通过SHAP分析增强模型可解释性	研究基于大鼠模型，结论在人类患者中的验证仍需进一步研究	开发并验证基于多参数MRI影像组学和机器学习的肝纤维化严重程度分期分类模型	160只雄性Sprague-Dawley大鼠的肝纤维化不同严重程度分期，包括健康对照组	机器学习	代谢功能障碍相关脂肪肝病肝纤维化	多参数MRI（T2压脂序列和IDEAL-IQ序列）影像组学	逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN	MRI影像	160只雄性Sprague-Dawley大鼠	NA	逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN	AUC、决策曲线分析、净重新分类改善、校准曲线、准确率	NA