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
3321	2026-07-30	Balanced Adaptive Logit-Compensated Cross-Entropy and Quadratic Convolutional Network for Intelligent Fault Diagnosis Under Long-Tailed Data Distribution 2026-Jul-10, Entropy (Basel, Switzerland) DOI:10.3390/e28070783 PMID:42511393	研究论文	提出结合平衡自适应对数补偿交叉熵损失与二次卷积的网络BALQNet，提升长尾数据分布下的智能故障诊断性能	创新性结合了对数补偿、标签平滑和类别重加权策略，平衡自适应对数补偿交叉熵损失无需增加架构复杂度即可优化少数类样本，同时引入二次卷积改进特征表示学习有效性	未提及	提升深度学习模型在长尾数据分布下的故障诊断性能	轴承、齿轮、电机等工业设备的故障数据	机器学习	NA	长尾数据处理、二次卷积	二次卷积神经网络	工业设备故障信号数据	自建轴承、齿轮、电机数据集（具体数量未说明）	NA	二次卷积骨干网络	诊断性能（具体指标未说明）	NA
3322	2026-07-30	DeepExoMir: A Reproducible RNA Language Model Framework for CLIP-Seq-Supported MicroRNA Target-Site Prioritization 2026-Jul-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27146184 PMID:42511528	研究论文	提出可复现的RNA语言模型框架DeepExoMir，用于CLIP-seq支持的微RNA靶点优先级排序	整合冻结的RiNALMo RNA语言模型嵌入与生物学特征，在双探针消融协议下表现优于多种基线模型，并证明进化保守性和二级结构与语言模型先验信息冗余	未说明具体局限性	提高微RNA靶点预测的可信度，解决现有方法在CLIP-seq验证阴性样本上性能下降的问题	微RNA靶点优先级的排序与预测	机器学习	NA	CLIP-seq	语言模型（RiNALMo）	RNA序列数据	三个miRBench测试集	PyTorch	RiNALMo	AU-PRC	NA
3323	2026-07-30	A Comparative Benchmark of Real-Time Detectors for Canopy Image-Based Blueberry Detection Toward Precision Orchard Management 2026-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s26144373 PMID:42515259	研究论文	对用于树冠图像蓝莓检测的实时目标检测器进行基准比较，以支持精准果园管理	首次对YOLO（v8-v12）和RT-DETR（v1-v2）家族的36个模型变种进行系统比较，并使用无偏平均教师半监督学习进一步提升检测精度	半监督学习的全部潜力尚未充分开发，需进一步研究	评估实时目标检测器在蓝莓检测中的性能，为精准果园管理提供模型选择依据	蓝莓树冠图像中的成熟和未成熟蓝莓	计算机视觉, 数字病理学	NA	深度学习的实时目标检测	YOLO, RT-DETR	图像	661 张树冠图像，包含 85,879 个已标注实例（36,256 个成熟和 49,623 个未成熟蓝莓）	PyTorch	YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12, RT-DETRv1, RT-DETRv2	mAP@50	NA
3324	2026-07-30	Real-Time Wearable sEMG Onset Detection and Phase Discrimination of Sit-to-Stand Movement via a Compact Dual-Channel DD-CNN 2026-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s26144375 PMID:42515258	研究论文	提出一种基于紧凑型双通道DD-CNN的实时可穿戴sEMG系统，用于坐-站运动的起始检测与相位判别	首次在可穿戴表面肌电系统中实现实时起始/结束检测和方向感知分类，采用嵌入式固件与MATLAB参考保持对等的双分支卷积神经网络架构	在实时测试中检测准确率（82.0%）较离线评估（96.6%）有所下降，且仅针对健康成年人验证	实现低功耗可穿戴设备对坐-站运动实时检测与相位判别的能力，用于辅助设备控制和膝关节监测	三十名健康成年人的坐-站和站-坐过渡动作	机器学习	肌肉骨骼疾病	表面肌电信号（sEMG）	卷积神经网络（CNN）	表面肌电信号	30名健康成年人（实时测试）和Gait120公开数据集（离线训练与评估）	ESP-IDF	双分支卷积神经网络（DD-CNN）	准确率、完整性、延迟	NA
3325	2026-07-30	Deep Learning for Sensor-Based Sport Performance and Health Monitoring: A Review of Wearable, Vision-Based, and Multimodal Sensing Approaches 2026-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s26144384 PMID:42515272	综述	该综述整合了可穿戴、视觉、轨迹、生理和多模态传感技术与深度学习在运动表现和运动员健康监测中的应用，并阐明了模态-任务-模型关系及其转化限制	不同于以往仅关注单一传感模态、运动项目或算法系列的综述，本综述整合了多种传感流与深度学习模型，覆盖了从性能分析到健康监测的完整链条，揭示了模态-任务-模型的相互关系	数据异质性、标注稀缺性、跨运动和跨设备泛化能力有限、实时部署约束、模型可解释性不足、隐私保护及伦理治理等挑战	为优化运动表现、预防损伤、指导康复和支持运动员长期健康管理提供实用参考	运动员（包括运动员感知、球类感知、多目标跟踪、姿态估计、动作识别、轨迹与战术分析、训练负荷与疲劳监测、损伤风险预测、康复监测及重返赛场支持）	计算机视觉, 自然语言处理, 机器学习	NA	NA	CNN, LSTM, GRU, TCN, Transformer, 注意力机制, 图神经网络, 多模态融合模型	图像, 文本, 视频, 时间序列数据, 生理信号	NA	NA	CNN, LSTM, GRU, TCN, Transformer, 注意力机制, 图神经网络	NA	边缘计算或云计算平台
3326	2026-07-30	Cross-Subject Registration-Based Augmentation: Alleviating Anatomical Misalignment in Trauma CT for Robust Hemorrhage Segmentation 2026-Jul-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142154 PMID:42510018	研究论文	提出一种基于解剖标志的跨受试者配准增强策略，用于提升创伤CT中血肿分割的鲁棒性	利用解剖标志进行刚性配准，生成解剖对齐的CT-标签训练对，以缓解创伤CT中解剖位置不一致对分割性能的影响	需要多中心外部验证后才能进行临床应用	提高深度学习方法在解剖位置不一致的急诊CT血肿分割中的鲁棒性	创伤性脑损伤患者的大脑CT影像	医学影像分析	创伤性脑损伤	CT	基于深度学习的3D血肿分割模型（模型无关）	CT影像	339名脑部CT检查患者	NA	NA	Dice系数, 交并比, 豪斯多夫距离百分位数	NA
3327	2026-07-30	Enhancing Deep Learning Forecasts with Wavelet Decomposition: Evidence from the Ghana Stock Exchange 2026-Jul-09, Entropy (Basel, Switzerland) DOI:10.3390/e28070782 PMID:42511392	研究论文	研究离散小波变换是否能提升深度学习模型在新兴市场股票收益预测中的性能	首次系统评估小波增强的深度学习模型在非洲股票市场预测中的表现，证明小波预处理在多尺度特征提取和降噪方面的通用优势	未提及	探索离散小波变换增强深度学习模型预测新兴市场金融时间序列的效果	加纳证券交易所综合指数（GSE-CI）的日收益率数据	机器学习	NA	离散小波变换（Daubechies-4）	多层感知器、长短期记忆网络、卷积神经网络	时间序列数据	2011年至2022年加纳证券交易所综合指数日收益率数据	NA	MLP, LSTM, CNN	预测误差	NA
3328	2026-07-30	Automated Prognostic Evaluation of First Permanent Molar Extractions Using YOLOv8 with Oriented Bounding Boxes on Pediatric Panoramic Radiographs 2026-Jul-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142141 PMID:42510007	研究论文	利用YOLOv8n与定向边界框在儿童全景X光片上自动评估第一恒磨牙拔除预后	首次将YOLOv8n与定向边界框应用于儿童全景X光片，自动评估第一恒磨牙拔除后间隙关闭可能性，减少诊断主观性和观察者间变异	未在标题和摘要中明确说明局限性	开发和验证基于YOLOv8n与定向边界框的深度学习框架，预测第一恒磨牙拔除后间隙自发关闭可能性，辅助儿童牙科治疗计划优化	儿童全景X光片中的第二恒磨牙和第三恒磨牙	计算机视觉	NA	全景X光片	CNN（YOLOv8）	图像（全景X光片）	200张儿童全景X光片，分割为象限	PyTorch	YOLOv8n-OBB	平均精度（mAP@0.5）、F1分数	NA
3329	2026-07-30	Artificial Intelligence-Based Histopathology Segmentation for Resource-Constrained Healthcare Systems 2026-Jul-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142146 PMID:42510010	研究论文	提出一种资源高效型结直肠组织病理分割网络，适用于资源受限的医疗环境	设计了紧凑的多尺度编码器结合通道重校准模块、腺体上下文模块与特征金字塔解码器，并采用特征线性调制实现类别感知分割与MixStyle增强染色泛化能力	仅在公开数据集上验证，未涉及真实临床多中心场景的进一步测试	开发可在复杂、资源受限医疗系统中稳健部署的高精度结直肠组织病理分割模型	结直肠组织病理图像中的腺体与组织类别分割	数字病理学	结直肠癌	组织病理切片图像分析	深度学习分割网络 (CNN)	图像 (组织病理切片)	两个公开数据集：EBHI-Seg（6类组织）和GlaS（腺体分割）	PyTorch	RCHS-Net（紧凑多尺度编码器、腺体上下文模块GCM、特征金字塔解码器FPD）	Dice系数、IoU	参数量仅243,226，未明确GPU型号
3330	2026-07-30	Multi-Property De Novo Drug Design Using Deep Learning-Based Knowledge Distillation and Reinforcement Learning 2026-Jul-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27146125 PMID:42511472	研究论文	开发了一种基于深度学习的知识蒸馏和强化学习的教师-学生交互模型TSItransRL，用于多目标新药设计	将交互式知识蒸馏与强化学习相结合，利用条件变换器作为教师模型，普通变换器作为学生模型，通过生物活性数据集微调，实现了多属性同时优化的新药设计方法	生成的分子仅为计算候选物，需要进一步的药物化学评估和实验验证，未经过实验验证作为先导化合物	开发一种能够高效同时优化多种性质的新型药物设计模型	DRD2和JNK3/GSK3β靶点的生物活性数据集	机器学习	NA	NA	变换器	分子结构数据	两个生物活性数据集（DRD2和JNK3/GSK3β）	NA	条件变换器, 普通变换器	成功率, 内部多样性	NA
3331	2026-07-30	Machine Learning-Empowered Electromagnetic Wave Absorbing Materials: From Forward Prediction to Generative Inverse Design 2026-Jul-08, Molecules (Basel, Switzerland) DOI:10.3390/molecules31142408 PMID:42513093	综述	总结了机器学习赋能电磁波吸收材料的最新进展，涵盖正向预测、高通量筛选、逆向设计及物理信息建模等应用	系统回顾了机器学习从经验驱动的试错法向数据驱动和知识驱动的设计范式转变，涵盖了物理信息模型、大语言模型及AI Agent等新兴技术	面临数据标准化、物理引导学习、基础模型开发、自主实验室及工程规模验证等挑战	加速高性能电磁波吸收材料的设计，提供下一代材料开发的参考	电磁波吸收材料，包括组成、微观结构、多层结构及其吸收性能	机器学习	NA	NA	经典机器学习、深度学习、生成模型、物理信息模型、大语言模型、AI Agent	电磁参数、结构数据	NA	NA	NA	反射损耗、阻抗匹配、衰减、物理极限（Rozanov和Snoek极限）	NA
3332	2026-07-30	A Deep Learning-Based Latent Trait Model for Forced-Choice Personality Assessment 2026-Jul-07, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16071140 PMID:42510261	研究论文	提出一种基于深度学习的迫选式神经潜在特质模型，克服传统模型在高维场景下的计算瓶颈，并适应迫选测验的基准数据	首次将深度学习应用于迫选人格测验，引入加权BPR排序损失以匹配相对评分特性，并利用单调性假设提升特质估计的可解释性	NA	解决传统潜在特质模型在迫选测验中计算效率低及现有深度学习认知诊断模型结构不适配基准数据的问题	迫选式人格测验中的被试潜在特质水平和项目特征	机器学习	NA	NA	神经网络潜在特质模型	迫选测验数据（被试对项目间相对偏好比较）	NA	NA	FCNLT	准确性、可解释性、鲁棒性	NA
3333	2026-07-30	TPA-ConvNeXt: Trigonometric Phase Attention for Robust Retinal Disease Classification Across Fundus and OCT 2026-Jul-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070781 PMID:42510447	研究论文	提出TPA-ConvNeXt，一种基于相位三角函数注意力机制的深度网络架构，用于眼底图像和OCT图像的视网膜疾病分类	首次将基于相位调制的三角函数注意力机制引入ConvNeXt架构，利用可学习的相位和幅度调制对特征图进行重校准，结合分层学习率衰减、线性预热和余弦退火的稳定微调策略	TPA模块在数值精度上的提升较小且未达到统计显著性，实验仅在眼底和OCT两个数据集上验证，尚未在更多样的视网膜图像模态或大规模多中心数据上进行测试	开发一种稳健且可泛化的视网膜图像分类方法，能够同时适用于眼底图像和OCT两种模态	视网膜疾病图像（包括眼底图像和OCT图像）	计算机视觉	视网膜疾病	相位三角函数注意力机制	ConvNeXt	图像	HYAMD眼底数据集（5折交叉验证）、AMDNet23外部验证集、MAK1_OCT、OCTDL和OCT2017测试集	PyTorch	ConvNeXt-Small	Macro F1, ROC-AUC	NVIDIA GPU（未具体说明型号）
3334	2026-07-30	Comprehensive Tutorial for Computational Methods of Protein Structure Prediction Incorporating Mass Spectrometry Data 2026-Jul-07, Mass spectrometry reviews IF:6.9Q1 DOI:10.1002/mas.70038 PMID:42415383	教程	提供了一个结合计算方法和质谱数据进行蛋白质结构预测的全面教程	引入了新的PyRosetta实现，包括PARCS算法和SID_ERMS_Rescore应用程序，并详细描述了将共价标记、离子迁移和表面诱导解离质谱数据整合到Rosetta评分项和深度学习工作流中的策略	NA	提供一个整合结构质谱数据与计算方法用于蛋白质结构预测的教程框架	蛋白质结构预测方法，包括Rosetta方法和深度学习模型（如AlphaFold2）	计算生物学	NA	质谱（MS）、共价标记、离子迁移（IM）、表面诱导解离（SID）	深度学习	质谱数据	NA	Rosetta, PyRosetta	AlphaFold2	NA	NA
3335	2026-07-30	Unlocking the Regulatory Genome: Interpreting the Clinical Impact of Noncoding Variants in Genetic Cardiomyopathies 2026-Jul-03, Circulation. Genomic and precision medicine DOI:10.1161/CIRCGEN.126.005721 PMID:42394602	综述	综述非编码变异在遗传性心肌病中的临床影响解读策略	全面总结了新兴技术在非编码调控区域识别与变异解读中的应用，包括大规模平行报告分析、深度学习等方法	未涉及非编码变异功能性验证中的实验局限性，且主要聚焦于心肌病领域	探讨非编码基因组在心肌病遗传病因中的临床影响及解读方法	非编码调控区域变异及其在心肌病中的作用机制	机器学习	心肌病	全基因组测序、大规模平行报告分析	深度学习	基因组序列数据	不适用（综述文章）	深度学习框架（未具体说明）	不适用	不适用	不适用
3336	2026-07-30	From Optical to AI-Driven Markerless Motion Capture in Motor Learning and Rehabilitation 2026-Jul-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070776 PMID:42510442	综述	评估基于人工智能的无标记动作捕捉技术在运动学习和康复中的临床转化潜力	系统比较了从传统几何视觉外壳到先进深度学习架构（尤其是YOLO二维检测和时空变换器三维姿态估计）的技术演进，并首次论证了单目系统在老年跌倒风险和中风恢复纵向监测中的临床适用性	在精确轴向旋转测量方面仍存在挑战，需进一步技术改进	探讨无标记动作捕捉技术如何民主化运动科学在临床康复中的应用	运动学习与康复中的动作捕捉技术应用场景	计算机视觉	老年疾病, 中风	无标记动作捕捉	YOLO, 时空变换器	图像	NA	NA	YOLO, 时空变换器	位置误差(MPJPE), 灵敏度	NA
3337	2026-07-30	LipiDetective: a deep learning model for the identification of molecular lipid species in tandem mass spectra 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag378 PMID:42506874	研究论文	提出了一种基于Transformer的深度学习模型LipiDetective，用于从串联质谱中鉴定分子脂质种类	首次利用Transformer模型学习脂质特征碎片化模式，实现不依赖实验条件的分子脂质种类准确鉴定，并通过集成梯度方法提供可解释性预测	NA	开发一种数据驱动的、可跨实验室和流程比较的分子脂质种类鉴定方法	串联质谱中的分子脂质种类	机器学习	NA	串联质谱(MS/MS)	Transformer	质谱谱图数据	包含脂质标准品、数据库和出版物中谱图的数据集	NA	Transformer	NA	NA
3338	2026-07-30	Explainable Multi-Modal Deep Learning for Recording-Level Classification of Respiratory Audio Signals Under Internal and Domain-Shift Evaluation 2026-Jul-02, Life (Basel, Switzerland) DOI:10.3390/life16071108 PMID:42514178	研究论文	提出一种可解释的多模态深度学习框架，用于呼吸音频信号的记录级多分类	融合CNN-BiLSTM-注意力机制的时频谱编码器和手工声学特征编码器，实现数据驱动与领域知识的互补，并整合Grad-CAM、集成梯度和SHAP进行可解释性分析	外部域迁移效果有限，健康病例识别在ICBHI数据集上表现差，COPD识别存在种子依赖性，且主体级重叠可能高估内部分数	开发用于呼吸音频信号记录级分类的可解释多模态深度学习系统，并评估其内部性能与外部域迁移能力	呼吸音频信号，包括支气管疾病、哮喘、COPD、健康和肺炎五个类别	机器学习	呼吸系统疾病	音频信号处理（MFCC、过零率、频谱质心、频谱带宽、色度、RMS能量、频谱滚降）	CNN-BiLSTM-注意力机制、随机森林	音频	哮喘检测数据集版本2（五类呼吸系统疾病）、ICBHI呼吸声音数据库、COPD聚焦队列	NA	CNN-BiLSTM-注意力机制	准确率、平衡准确率、宏F1分数、宏ROC-AUC、宏PR-AUC	NA
3339	2026-07-30	aiSysMet: AI-powered systems metabolomics for biomarker discovery 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag520 PMID:42458204	研究论文	介绍了aiSysMet平台，这是一个基于人工智能的系统代谢组学平台，用于生物标志物发现，利用统计、机器学习和深度学习方法处理代谢组学数据、注释代谢物并整合多组学数据	开发了一个AI驱动的交互式、模块化网络平台，整合了统计、机器学习和深度学习方法用于代谢组学数据处理、代谢物注释和多组学整合分析，并可通过云端执行	背景中提及传统非靶向LC-MS代谢组学中大部分检测峰未注释，且存在峰检测、对齐及同位素/加合物处理的不确定性，这些限制也适用于该平台	利用AI技术解决代谢组学数据中的代谢物注释不足和多组学整合问题，促进生物标志物发现	代谢组学数据、多组学数据	机器学习	NA	LC-MS（液相色谱-质谱联用）	统计模型、机器学习模型、深度学习模型	代谢组学数据、多组学数据	NA	NA	NA	NA	云端计算
3340	2026-07-30	Virtual Staging of Indoor Panoramic Images via Multitask Learning and Inverse Rendering 2026 Jul-Aug, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3605806 PMID:40902042	研究论文	提出VISPI框架，通过多任务学习和逆渲染从单张室内全景图像实现虚拟布景	结合多任务深度学习和实时渲染，从杂乱场景中同时提取几何、语义和材质信息，并支持交互式物体放置和头戴显示探索	NA	实现从单张全景图像进行室内场景的交互式虚拟布景	室内全景图像	计算机视觉	NA	逆渲染	视觉Transformer	图像	在Structured3D和FutureHouse数据集上评估	NA	视觉Transformer	NA	NA