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
3261	2026-06-14	Deep Learning-Guided Reverse Translation Enhances Soluble Expression of Recombinant Proteins in Escherichia coli 2026-Jun-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115131 PMID:42278656	研究论文	开发了一种结合同义密码子生成模型和基因表达水平预测模型的深度学习框架，用于优化异源蛋白在大肠杆菌中的可溶性表达	首次提出结合同义密码子生成模型（SCG）与基因表达水平预测模型（GELP）的集成深度学习框架，并揭示核心回避密码子优化策略	研究仅针对两种工业酶进行验证，样本范围有限；计算资源信息未在标题和摘要中提及	设计能够提高重组蛋白在大肠杆菌中可溶性表达的DNA序列	异源蛋白在大肠杆菌中的可溶性表达	机器学习	NA	DNA序列优化	深度学习模型	基因组数据、基因表达数据	两种工业酶：α-葡聚糖磷酸化酶和异淀粉酶	NA	NA	可溶性表达倍数变化、单因素方差分析、单样本t检验	NA
3262	2026-06-14	CLARISA: Connexin-43 Lateralization Automated ROI-Based Image Signal Analyzer 2026-Jun-02, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115033 PMID:42278561	研究论文	提出CLARISA，一种无需分割、基于ROI的深度学习框架，用于直接从荧光图像分类CX43阳性区域为终末或侧向化	采用无分割的ROI基深度学习方法，避免传统方法中对单个心肌细胞分割的依赖，并利用双流EfficientNetV2-S分类器同时捕获局部和上下文ROI形态	需要在更大、独立且更异质的数据集上进一步验证其鲁棒性、跨成像条件的可移植性和转化应用性	实现心脏组织中CX43侧向化的可扩展、无分割定量评估	Wistar大鼠心脏左心室冷冻切片中CX43阳性区域的分布模式	计算机视觉	心律失常	荧光成像	卷积神经网络	图像	来自Wistar大鼠心脏的专家标注数据集（具体数量未提及）及一个独立分析的组织切片	PyTorch	EfficientNetV2-S	ROC-AUC, PR-AUC	NA
3263	2026-06-14	AI-enhanced Wrist-Hand US Image Acquisition: Development and Initial Clinical Evaluation 2026-Jun, Radiology IF:12.1Q1 DOI:10.1148/radiol.251268 PMID:42262241	research paper	开发深度学习模型用于动态腕手超声检查中的标准平面识别和解剖分割，并在临床实践中评估其性能	基于残差网络和高分辨率网络构建AI工具，在腕手超声标准平面识别中达到96.2%的F1分数，并在解剖分割中实现0.647的平均交并比，优于EfficientNet、MobileNet、SegFormer和DeepLabV3等基线模型	临床评估仅涉及36名健康志愿者，且仅由初级和高级新手肌肉骨骼超声医师操作，样本量和医师经验水平有限	开发并评估AI辅助腕手超声图像采集的深度学习模型，以提高新手肌肉骨骼超声医师的扫描质量和效率	来自20家医院430名志愿者的66,743张正常腕手超声图像，以及36名健康志愿者在临床评估阶段的数据	computer vision	musculoskeletal disease	ultrasound	ResNet, High-Resolution Network	image	430名志愿者（66,743张图像）用于模型开发；36名健康志愿者用于临床评估	NA	ResNet, High-Resolution Network	F1 score, mean intersection over union	NA
3264	2026-06-14	Predicting Post-Radiotherapy Epigenetic Age Acceleration From Pre-Treatment Data Using a Machine Learning Framework in Head and Neck Cancer Patients 2026-Jun, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72014 PMID:42277901	论文	该研究开发并验证了一个机器学习框架，利用头颈癌患者放疗前的社会人口学信息、症状报告、临床测量和免疫生物标志物，预测放疗后的表观遗传年龄加速（EAA）	首次利用低成本、常规收集的放疗前数据而非昂贵表观遗传检测，基于机器学习框架预测头颈癌患者放疗后的表观遗传年龄加速轨迹，尤其是深度学习模型TabNet优于传统算法	样本量可能有限（具体未说明），预测准确性在不同患者亚群间存在较大差异（RMSE范围1.70-4.34），且结果仅针对头颈癌患者，泛化性需进一步验证	开发一种无需昂贵表观遗传检测的方法，利用放疗前临床数据预测头颈癌患者放疗后的表观遗传年龄变化，以实现早期高风险患者识别和靶向干预	接受放疗的头颈癌患者，利用其放疗前（Time 1）的社会人口学信息、症状报告、临床测量和免疫生物标志物数据进行预测	机器学习	头颈癌	NA	深度学习模型（TabNet）及传统机器学习模型	数值型数据（社会人口学信息、症状报告、临床测量和免疫生物标志物）	具体样本数量未在标题和摘要中说明	NA	TabNet	均方根误差（RMSE）	NA
3265	2026-06-14	Towards Interpretable Seizure Detection: An Excitation/Inhibition Dynamic Polynomial Network Framework for Electroencephalography 2026-Jun-01, Sensors (Basel, Switzerland) DOI:10.3390/s26113488 PMID:42281002	研究论文	提出一种基于兴奋/抑制动力学多项式网络的可解释癫痫检测框架	首次将兴奋/抑制双路径与威尔逊-考恩动力学模块结合，实现生理可解释的癫痫检测，并利用物理信息优化策略确保模型符合神经生理原理	未提及	开发一种兼顾高准确率与生理可解释性的癫痫脑电检测方法	癫痫脑电信号中的兴奋/抑制失衡动态及其与癫痫发作的关系	机器学习	癫痫	脑电图	E/I-DynPolyNet	脑电信号	CHB-MIT与Bonn两个数据集	PyTorch	E/I-DynPolyNet	准确率	NA
3266	2026-06-14	Multiagent First-Person Perspective Analysis for Leadership Assessment in Pediatric Emergency Simulations: A Feasibility Study 2026-Jun-01, Critical care explorations DOI:10.1097/CCE.0000000000001428 PMID:42283629	研究论文	本研究探讨了在多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	首次将多智能体时间同步的第一人称视角分析与深度学习对象检测（YOLOv8）结合，用于急救模拟中的领导力评估，提供客观的观察者无关指标	样本量小（仅两名领导者），视频帧排除较多（29.3%），且研究为探索性，结果仅为说明性	验证多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	儿科重症监护室（PICU）中的两名医生（一名重症监护专家和一名儿科住院医生）作为团队领导者	计算机视觉	NA	可穿戴智能眼镜、深度学习对象检测（YOLOv8）、注视向量估计	CNN	视频、注视数据	2名参与者（医生），每人完成一个场景	YOLO	YOLOv8	不适用	NA
3267	2026-06-14	Discriminating HFrEF vs HFpEF from chest radiographs: Mitigating demographic performance gaps via augmentation and multimodal fusion 2026-Jun, PLOS digital health DOI:10.1371/journal.pdig.0001467 PMID:42284341	研究论文	本研究评估了深度学习模型在胸部X光片上区分射血分数降低型心力衰竭和射血分数保留型心力衰竭的性能，重点关注人口统计学性能差距，并提出了通过数据增强和多模态融合来缓解这些差距的方法	首次以公平性为中心，系统评估胸部X光深度学习模型在心力衰竭亚型区分中的人口统计学性能差距，并证明轻量级多模态融合能将最大AUC差距相对减少83%	这是一项概念验证研究，使用公开数据集MIMIC-CXR和MIMIC-IV，样本可能有限，且仅限于影像学肺水肿病例	提高胸部X光深度学习模型在心力衰竭表型区分中的公平性和鲁棒性	射血分数降低型心力衰竭和射血分数保留型心力衰竭患者	计算机视觉, 数字病理学	心血管疾病	胸部X光成像	DenseNet121, 多模态融合	图像, 人口统计学和合并症数据	源自MIMIC-CXR与MIMIC-IV数据集，限制为影像学肺水肿病例	NA	DenseNet121	AUC, 灵敏度, 特异性	NA
3268	2026-06-14	A Lightweight Real-Time Tomato Leaf Disease Detection System for Edge-Based Smart Agriculture 2026-May-31, Sensors (Basel, Switzerland) DOI:10.3390/s26113474 PMID:42280990	研究论文	提出一种轻量级实时番茄叶部病害检测系统HGS-YOLO，适用于边缘计算的智能农业	在YOLOv11基础上通过HGNetV2骨干网络、HS-FPN颈部通道注意力和MPDIoU损失函数的系统级协同设计，并整合训练、优化、后训练量化和BPU加速的端到端边缘传感流水线，实现模型结构、优化与部署的协同优化	在受控成像条件下测量，未验证在开阔田间不同地点、季节和天气条件下的鲁棒性	开发部署于资源受限农业系统的轻量级番茄叶部病害实时检测系统	番茄叶部病害	计算机视觉	番茄叶部病害	深度学习	YOLO	图像	未明确说明样本数量	未明确说明，但包含BPU加速	HGS-YOLO（基于YOLOv11，含HGNetV2骨干、HS-FPN颈部）	mAP50, mAP@[0.5:0.95], 召回率, 精度, 延迟, FPS, 系统功耗	D-Robotics RDK X5手持平台，BPU加速
3269	2026-06-14	Hybrid Feature Learning for Wearable Stress Detection: Combining Domain Knowledge with Supervised Deep Learning 2026-May-29, Sensors (Basel, Switzerland) DOI:10.3390/s26113451 PMID:42280967	研究论文	提出一种结合领域知识与监督深度学习的可穿戴压力检测混合特征学习方法	首次将20个手工生理特征与32个监督卷积自编码器深度特征结合，采用双头设计加权分类损失引导特征学习，超越传统无监督方法	样本量较小（WESAD数据集仅15名受试者），可能限制泛化能力；未提及实时部署的功耗与延迟问题	提升高压力职业（如消防员）可穿戴压力监测的准确性与实用性	可穿戴设备采集的皮肤电活动信号	机器学习	压力相关疾病	皮肤电活动信号分解（cvxEDA）、人工特征工程、监督卷积自编码器	K近邻分类器、卷积自编码器	生理信号（皮肤电活动、加速度计等）	15名受试者（WESAD数据集）	NA	监督卷积自编码器（双头设计）、K近邻	准确率、灵敏度、特异度、假阴性率	NA
3270	2026-06-14	Leakage-Safe Precision-Aware Dual-Branch FT-Transformer for Population-Scale Heart Disease Risk Prediction 2026-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s26113417 PMID:42280934	研究论文	提出一种防泄漏、精度感知的双分支FT-Transformer框架，用于大规模心脏病风险预测	设计双分支架构，分别处理召回导向的检测和精度导向的验证，并通过轻量级门控机制集成，在训练折内严格训练以防止信息泄露并实现受控错误仲裁	基线模型虽取得更高AUROC值，但本框架在操作筛查阈值下表现出更平衡且临床有意义的精确率-召回率行为	构建可靠的大规模心脏病风险预测模型，缓解类别不平衡、数据泄露和精确率-召回率权衡不稳定问题	BRFSS-2024数据集和独立NHANES队列	机器学习	心血管疾病	NA	FT-Transformer	表格数据	未明确说明样本数量，但提及BRFSS-2024数据集和NHANES队列	NA	双分支FT-Transformer	F1分数、召回率、AUPRC、AUROC	NA
3271	2026-06-14	Graph and Hypergraph Theories Applied to Dynamic Protein-Protein Interaction Network Analysis, and Deep-Learning Frameworks for Protein Complex Network Prediction 2026-May-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27114750 PMID:42278281	综述	回顾图与超图理论在动态蛋白质相互作用网络分析中的应用，以及用于蛋白质复合物网络预测的深度学习框架	强调从静态网络向动态图与超图框架的演进，并整合深度学习方法来预测新的相互作用和重建瞬时蛋白质复合物	静态网络模型无法捕捉蛋白质复合物的动态和协同特性	通过数学模型和深度学习框架，从分子关系中提取有意义的结构框架，以深入理解生物过程并支持药物开发	蛋白质相互作用网络（PPINs）和蛋白质复合物网络（PCNs）	机器学习	NA	NA	深度学习	互动数据、功能注释、序列信息、细胞背景信息	NA	NA	NA	NA	NA
3272	2026-06-14	Transformer-based emotion recognition in interactive art: A multimodal neural approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349859 PMID:42268906	research paper	采用多模态方法，结合神经振荡特征与主观情感评估，研究交互式数字艺术对情感状态的影响	利用多输出Transformer回归模型同时预测积极和消极情感变化，整合脑电图频带变化特征与主观情感评分	R²值仅为0.162，预测准确性有限；样本量可能较小	探究交互式数字艺术如何影响情感状态，推动情感神经科学与人机交互的接口研究	交互式数字艺术中的情感变化	machine learning	NA	EEG	Transformer, LSTM, Random Forest	EEG信号, 情感评分	公开数据集，包含交互前后EEG记录	PyTorch	Transformer, LSTM, Random Forest	R², MSE, MAE	NA
3273	2026-06-14	Retraction: Enhanced heart disease diagnosis and management: A multi-phase framework leveraging deep learning and personalized nutrition 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351485 PMID:42284233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3274	2026-06-13	TFMPHGNN: Two-Fold multi-perspective heterogeneous graph neural network for sentiment analysis 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108885 PMID:41904902	研究论文	提出一种双阶段多视角异构图神经网络（TFMPHGNN）用于情感分析，联合建模情感、情绪和上下文依赖关系	首次将双阶段异构图框架与胶囊网络、多通道图卷积网络和变分自编码器结合，从拓扑、语义和协作三个视角联合建模情感-情绪对，在VaKSent-2025语料上显著优于当前最优方法	未明确说明局限性	解决传统深度学习模型难以捕捉情感表达、上下文线索和情感特征之间复杂交织关系的问题，实现细粒度情感理解	异构数据源中的情感表达、情绪特征和上下文依赖关系	自然语言处理	NA	NA	图神经网络	文本	VaKSent-2025语料库（具体样本数量未说明）	PyTorch	异构图神经网络、胶囊网络、多通道图卷积网络、变分自编码器	准确率、F1-micro、F1-weighted	NA
3275	2026-06-13	VGM-UNet: A hybrid visual graph deformable mamba with fourier neural operator U-Net for medical image segmentation 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108890 PMID:41916237	研究论文	提出一种名为VGM-UNet的混合视觉图变形Mamba与傅里叶神经算子U-Net架构，用于医学图像分割	首次将结构化状态空间对偶算法与图神经网络、稀疏注意力及Mamba-2结合到U-Net中，构建了2D状态空间模型和八向多扫描模块，并引入基于快速傅里叶变换的前馈网络模块，提升了小物体捕捉精度和模型表达能力	仅对Synapse和ACDC基准数据集进行了验证，未在其他数据集或实际临床场景中测试；未详细讨论计算资源需求和训练时间	提高U形分割模型在医学图像分割中的准确性和表现力，突破传统U-Net架构的性能瓶颈	医学图像分割任务，特别是Synapse和ACDC数据集中的腹部多器官和心脏图像	计算机视觉, 数字病理学	NA	NA	Mamba-2, Graph Neural Network, U-Net	图像	Synapse数据集和ACDC数据集（具体样本数未提及）	PyTorch（推断）	VGM-UNet（包含Vision Mamba-2、图神经网络模块、傅里叶前馈网络）	分割准确率	NA
3276	2026-06-13	Online detection of apple moldy core using near-infrared spectroscopy with flexible transmission tray and deep learning 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127682 PMID:41797157	研究论文	提出了一种结合柔性传输托盘、近红外光谱和深度学习的方法，用于在线检测苹果霉心病	设计柔性传输托盘以稳定苹果位置、减少环境光干扰并引导近红外光穿透果芯，从而获取可重复的透射光谱；结合SCARS-SPA波长选择与CNN-LSTM混合架构实现高精度的二分类和三分类	未提及在更大规模或不同品种苹果上的验证，也未讨论实时分拣系统的实际部署挑战	实现苹果霉心病早期感染的精确、高通量在线检测	苹果霉心病（健康/患病，包括轻度/重度）	机器学习, 计算机视觉	苹果霉心病	近红外光谱（NIR），透射光谱	CNN, LSTM, 混合CNN-LSTM	光谱数据	未提供具体样本数量	NA	CNN-LSTM	分类准确率（98.82%二分类，97.65%三分类）	NA
3277	2026-06-13	A hybrid adaptive preconditioned gradient method with momentum for deep learning 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108758 PMID:41764807	研究论文	提出了一种用于深度学习的新型二阶自适应优化器，结合动量与混合策略	首次将自适应预条件梯度方法与动量结合，提出混合自适应预条件梯度法以在AdapGradm与随机梯度下降之间平滑过渡，保持计算效率的同时捕捉二阶曲率信息	文中未明确提及局限性，但可能面临大规模模型或复杂任务的泛化挑战	设计一种高效的二阶自适应优化器以提升深度学习训练性能	深度神经网络训练中的优化算法	机器学习	NA	NA	自适应预条件梯度法	图像与文本数据	NA	NA	三种常见神经网络架构（未具体命名）	训练误差	NA
3278	2026-06-13	A transformer and 3D CNN-based feature fusion network with interpretable ability for Raman spectra analysis: improving the diagnosis of thyroid cancer 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127623 PMID:41762798	研究论文	提出了一种结合Transformer和3D CNN的深度学习框架，用于拉曼光谱分析以改善甲状腺癌诊断	首次将1D光谱和2D时空特征的多模态融合应用于基于拉曼光谱的甲状腺癌检测，通过多头交叉注意力机制实现动态特征整合，并增强了模型可解释性	2D光谱转换可能引起信息丢失，其程度取决于编码策略	提高甲状腺良恶性病变的鉴别准确性和模型可解释性	甲状腺病变的拉曼光谱数据	机器学习	甲状腺癌	拉曼光谱	Transformer, 3D CNN	光谱数据	未明确说明	PyTorch	Transformer, 3D-CNN	准确率	未明确说明
3279	2026-06-13	Deep learning assisted cell electrical signal analysis in impedance cytometry 2026-Jun, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116093 PMID:41763285	研究论文	开发了基于一维CNN的算法BioFluxNet，用于自动分析阻抗细胞术中的原始电信号，实现细胞分类和计数	BioFluxNet消除了传统信号处理中耗时的步骤，减少人工干预和操作者主观性，提供快速自动化的解决方案	NA	实现阻抗细胞术中原始电信号的自动分析，以直接分类细胞类型并量化细胞数量	阻抗细胞术中的细胞（包括血液细胞和肿瘤细胞）及颗粒	机器学习	NA	阻抗细胞术	一维CNN	原始电信号流	NA	NA	卷积层、归一化层、激活层、池化层、线性层	NA	NA
3280	2026-06-13	Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI 2026-Jun, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110656 PMID:41794343	研究论文	评估深度学习重建技术在0.55T低场强脑部MRI中提高图像质量和缩短采集时间的效果	首次在0.55T低场强MRI中系统评估基于变分网络架构的深度学习重建算法，证明其能显著提升定量与主观图像质量，同时缩短采集时间至标准MPRAGE的一半	标准重建在伪影抑制和灰白质对比方面略优于DL重建；样本量较小（30例），可能影响结果泛化性	量化评估深度学习图像重建在低场强脑部MRI中的应用价值，特别是与标准MPRAGE的图像质量和采集时间比较	30例接受0.55T MRI扫描的患者脑部3D T1加权MPRAGE图像	计算机视觉	NA	MRI	变分网络 (Variational Network)	图像	30例患者MRI扫描数据	NA	变分网络 (Variational Network)	信噪比 (SNR), 对比度噪声比 (CNR), Likert评分（解剖细节、血管可见度、整体诊断质量等）	0.55T MRI系统 (MAGNETOM Free.Max, Siemens Healthineers)