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
321	2026-04-04	An embedded deep learning framework for real-time violence detection and alert generation 2026-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44939-x PMID:41896588	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
322	2026-04-04	A novel superpixel based Vision Transformer for improving interpretability in glaucoma screening 2026-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39730-x PMID:41896257	研究论文	本研究提出了一种基于超像素的Vision Transformer模型（SpxViT），旨在提升青光眼筛查中深度学习模型的可解释性	用基于超像素的方法替代传统Vision Transformer的固定网格标记化，以保留视网膜图像中的语义边界，从而生成更符合临床一致性的注意力图	未在摘要中明确说明	提升医学图像分析中深度学习模型的可解释性，特别是在青光眼筛查领域	青光眼筛查的视网膜图像	计算机视觉	青光眼	NA	Vision Transformer	图像	公共和私有的青光眼数据集	NA	Vision Transformer (ViT-B/16), SpxViT_fix, SpxViT_var	准确率	NA
323	2026-04-04	Keeping up with the regions: a hybrid machine learning framework for estimating regional input-output tables 2026-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45382-8 PMID:41896286	研究论文	本文提出了一种结合生成对抗网络（GAN）与残差提升的混合机器学习框架，用于估计区域投入产出表	首次在GAN生成器中嵌入IPF层以施加硬边际约束，并结合残差提升来校正系统误差，将深度学习与矩阵平衡技术相结合	NA	开发更准确、可靠的区域投入产出表估计方法，以支持经济分析与政策制定	区域投入产出表	机器学习	NA	NA	GAN	表格数据	国家投入产出表（NIOT）和世界投入产出表（WIOT）的真实数据	NA	GAN（包含IPF层的生成器）	改进百分比、对角线相关性、基于基尼系数的不平等度量	NA
324	2026-04-04	A unified deep learning framework integrating OpenStreetMap for multi-domain urban planning tasks 2026-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45927-x PMID:41896570	研究论文	本研究提出一个统一的深度学习框架，整合OpenStreetMap、多光谱卫星影像和人口环境数据集，用于多领域城市规划任务	建立了一个多任务、多源的分析工作流，在统一的深度学习系统中整合了OSM、卫星和时序环境数据	NA	为城市规划提供可扩展且低成本的方法，以生成高分辨率城市情报支持可持续城市管理	克拉斯诺达尔市的城市规划相关数据	计算机视觉	NA	多光谱卫星影像、人口环境数据集	CNN, LSTM, U-Net, 混合CNN-RNN	图像, 时序数据	NA	NA	U-Net, 混合CNN-RNN	准确率, RMSE	NA
325	2026-04-04	Enhancing credit card fraud detection with a hybrid approach using machine and deep learning 2026-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42891-4 PMID:41896636	研究论文	本文提出了一种结合机器学习和深度学习的混合方法，用于增强信用卡欺诈检测，通过集成学习和数据平衡技术显著提高了检测性能	提出了两种新的堆叠集成方法，结合了多种算法（如Extra Trees、CNN、LSTM、XGBoost、AdaBoost等），并应用了SMOTE和SMOTE-ENN等数据平衡技术来处理高度不平衡的交易数据	未明确说明样本的具体数量或数据集的来源，且未详细讨论模型在实际部署中的计算成本或实时性能限制	提高信用卡欺诈检测的准确性和效率，以应对日益复杂的欺诈技术	信用卡交易数据，包括合法和欺诈交易	机器学习	NA	SMOTE, SMOTE-ENN, SHAP, LIME	CNN, LSTM, XGBoost, AdaBoost, Extra Trees, Random Forest, CatBoost, FFNN, ANN, MLP	交易数据	NA	NA	堆叠集成架构（结合ET、CNN、LSTM、XGBoost等），以及FFNN、ANN、MLP	准确率, 精确率, 召回率, F1分数, AUC	NA
326	2026-04-04	Advancing plant disease classification using an attention-based CNN for intra-dataset and cross- dataset training 2026-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45464-7 PMID:41896662	研究论文	本文提出了一种基于注意力的卷积神经网络，用于植物病害分类，并在多个数据集上进行了内部和跨数据集训练验证	提出了一种新颖的注意力机制CNN模型，成功融合了内部数据集和跨数据集训练方法，提高了特征提取和分类准确性	未明确说明模型在更广泛植物病害或更复杂环境条件下的泛化能力，且跨数据集训练准确率仍有提升空间	提高植物病害分类的准确性，以促进粮食安全和农业生产效率	玉米和马铃薯的叶片病害	计算机视觉	植物病害	深度学习	CNN	图像	五个数据集（Digipathos、Northern Leaf Blight、PlantVillage、PlantDoc、CD&S）	未明确指定	基于注意力的CNN	分类准确率	NA
327	2026-04-04	IDPForge: Deep Learning of Proteins with Global and Local Regions of Disorder 2026-Mar-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.25.714313 PMID:41928976	研究论文	本文提出了一种名为IDPForge的新型机器学习方法，用于生成内在无序蛋白质和区域的原子级结构集合	IDPForge利用基于Transformer的蛋白质语言扩散模型，无需序列特异性训练、粗粒度表示的反向转换或集合重加权，即可生成与实验数据一致的内在无序蛋白质/区域构象集合	未在摘要中明确说明	开发一种能够准确预测内在无序蛋白质和区域动态结构集合的机器学习方法	内在无序蛋白质和区域	机器学习	NA	深度学习, 扩散模型	Transformer	蛋白质序列数据	未在摘要中明确说明	未在摘要中明确说明	Transformer	与溶液实验数据的一致性	未在摘要中明确说明
328	2026-04-04	EEG Foundation Model Improves Online Directional Motor Imagery Brain-computer Interface Control 2026-Mar-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.24.714020 PMID:41929051	研究论文	本研究提出了一种在线脑电图基础模型框架，用于改进基于方向性运动想象的脑机接口控制	通过紧凑时间窗口的频谱图重建和预训练期间的在线约束，创建了定制的脑电图基础模型，显著提升了在线脑机接口的解码准确性和控制性能	研究仅涉及11名人类参与者，样本量较小，且仅针对单臂方向性运动想象任务进行评估	开发更稳健和直观的非侵入式脑机接口系统，提高运动想象脑机接口的解码精度和控制性能	人类参与者的脑电图信号，用于方向性运动想象脑机接口控制	脑机接口	运动功能障碍	脑电图	基础模型	脑电图信号，频谱图	11名人类参与者	NA	定制脑电图基础模型	准确率，任务完成率，完成时间	NA
329	2026-04-04	Data Diversity vs. Model Complexity in the Prediction of Pediatric Bipolar Disorder: Evidence from Academic and Community Clinical Samples 2026-Mar-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.26.26349447 PMID:41929287	研究论文	本文评估了多种预测模型在学术和社区临床样本中预测儿童双相情感障碍的性能，并比较了不同建模策略	通过比较数据多样性与模型复杂性对预测性能的影响，发现数据多样性（如混合数据集训练）比增加模型复杂性更能提升模型的泛化能力和校准效果	研究仅基于两个特定临床数据集（学术和社区），可能未涵盖所有临床环境，且模型的外部泛化能力仍受数据集偏移和校准问题限制	开发并评估儿童双相情感障碍的预测模型，以提高诊断的可靠性和泛化能力	儿童双相情感障碍患者，数据来自学术临床样本（n=550）和社区临床样本（n=511）	机器学习	双相情感障碍	临床决策工具（列线图）、统计方法、机器学习和深度学习模型	逻辑回归, LASSO, 支持向量机, 随机森林, k近邻, 极端梯度提升, 多层感知机	临床数据	学术数据集550例，社区数据集511例	NA	多层感知机	区分能力, 校准, 预测因子重要性排名	NA
330	2026-04-04	Artificial intelligence in oral oncology: Current advances and future potential in diagnosis, prognosis, and therapeutic decision-making 2026-Mar-27, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101193 PMID:41930554	综述	本文综述了人工智能（AI）在口腔肿瘤学中诊断、预后和治疗决策三个核心领域的当前应用进展与未来潜力	系统性地总结了AI在口腔鳞状细胞癌（OSCC）诊断、预后和治疗决策中的最新应用，并指出了未来通过联邦学习、可解释AI和多组学整合等方向提升癌症护理的可扩展性、透明度和公平性	临床广泛应用受到数据稀缺、模型过拟合、可解释性问题以及关于偏见和隐私的伦理担忧的阻碍	探讨人工智能在口腔肿瘤学中支持诊断、预后和治疗决策的潜力	口腔鳞状细胞癌（OSCC）	数字病理学	口腔癌	NA	卷积神经网络	图像, 多模态数据（包括组织病理学、影像组学和基因组图谱）	NA	NA	NA	准确性	NA
331	2026-04-04	AI-Powered Excipient Innovation: Transforming Drug Design, ADMET Profiling, and Formulation Developmen 2026-Mar-27, Current topics in medicinal chemistry IF:2.9Q3 DOI:10.2174/0115680266431788260223072453 PMID:41930693	综述	本文综述了人工智能在药物辅料工程中的应用，包括辅料设计、ADMET特性预测和制剂开发	将传统辅料重新定义为智能物质，并整合机器学习、深度学习和计算建模来预测辅料-API相容性、优化ADMET特性及指导靶向患者为中心的制剂方法	未提及具体实验数据或模型验证细节，主要基于理论探讨和现有技术综述	探索人工智能在药物辅料创新中的应用，以加速制剂开发、提高安全性并实现虚拟筛选新型辅料	药物辅料及其与活性药物成分的相互作用	机器学习	NA	机器学习、深度学习、计算建模、QSAR模型、神经网络、预测模拟	神经网络	化学数据、制剂数据	NA	NA	NA	NA	NA
332	2026-04-04	LogoXpertNet: a novel lightweight logo classification using deep learning 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45682-z PMID:41888352	研究论文	本文提出了一种名为LogoXpertNet的新型轻量级深度学习架构，用于高效的Logo分类	提出了一种结合改进的MobileNetV3骨干网络、跨层特征融合模块、分层挤压激励空间注意力块以及特征感知卷积块注意力模块的轻量级架构，在保持低计算开销的同时实现强分类性能	实验结果应在数据集特性、分割构建和指标定义的背景下解释，不能作为在所有现实世界Logo识别场景中普遍性能的证据	开发一种轻量级深度学习模型，用于高效解决Logo分类问题	Logo图像	计算机视觉	NA	深度学习	CNN	图像	FlickrLogos-32、BelgaLogos和WebLogo-2M数据集	NA	MobileNetV3	准确率	NA
333	2026-04-04	Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42214-7 PMID:41888535	研究论文	本研究提出了一种基于深度学习的AI方法，用于在多中心MRI研究中检测临床显著前列腺癌	结合PI-CAI挑战数据集和新编译的BIMCV前列腺数据集，采用迁移学习策略和集成方法，并利用合成缺失ADC图作为数据增强策略	未明确提及具体局限性，可能包括数据集多样性或模型泛化能力的限制	提高临床显著前列腺癌的早期检测准确性	前列腺癌患者的多中心MRI数据	数字病理学	前列腺癌	MRI	深度学习	图像	超过9000次MRI会话，来自16个医疗中心	nnUNet	EfficientNet-B7	AUC	NA
334	2026-04-04	A Deep-Learning Atlas of XPO1-Mediated Nuclear Export at Proteome Scale 2026-Mar-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.25.713363 PMID:41928959	研究论文	本研究利用AlphaFold 3构建了一个全面的XPO1介导的核输出图谱，在蛋白质组尺度上识别了数千个新型核输出序列	首次使用AlphaFold 3对全长货物蛋白-XPO1-RanGTP复合物进行大规模结构建模，突破了传统序列预测方法的局限，发现了非经典口袋占据模式的核输出序列	依赖于计算模型预测，虽然进行了实验验证，但大规模预测结果的全面实验验证仍需进一步工作	全面解析XPO1介导的核输出机制，建立蛋白质组尺度的核输出图谱	人类蛋白质组中与XPO1相互作用的4000多种蛋白质	计算生物学	癌症, 神经退行性疾病	深度学习结构建模, 无监督结构几何分析, 实验验证	AlphaFold	蛋白质序列, 蛋白质结构	超过4000种人类蛋白质	AlphaFold 3	AlphaFold 3	结构置信度, 实验验证	未明确说明，但涉及大规模蛋白质结构建模计算
335	2026-04-04	rKAN: Rational Kolmogorov-Arnold networks 2026-Mar-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108888 PMID:41930548	研究论文	本文提出了一种基于有理函数作为新型基函数的Kolmogorov-Arnold网络（rKAN），以替代传统的多层感知机	首次将有理函数作为KAN的基函数，提出了基于Padé近似和有理Jacobi函数的两种可训练基函数方法	未明确说明rKAN的计算复杂度或实现挑战	探索KAN中替代基函数以提升模型性能	深度学习模型中的基函数设计	机器学习	NA	NA	KAN, rKAN	图像, 文本, 强化学习环境数据	NA	NA	Kolmogorov-Arnold网络, 有理KAN	准确率	NA
336	2026-04-04	AI-Driven Biomarker Discovery in Motor-Related Neurodegenerative Diseases 2026-Mar-25, CNS & neurological disorders drug targets DOI:10.2174/0118715273436955260126215111 PMID:41930586	综述	本文综述了与运动障碍相关的分子、神经化学和影像学生物标志物，并探讨了人工智能在生物标志物发现和验证中的作用	系统总结了人工智能（特别是深度学习和机器学习）在整合多模态数据以识别运动相关神经退行性疾病生物标志物方面的应用潜力	存在数据异质性、生物标志物标准化不足、模型可解释性有限以及跨疾病验证不足等问题	总结运动相关神经退行性疾病的生物标志物研究现状，并评估人工智能在生物标志物识别和验证中的功能	帕金森病、亨廷顿病、肌萎缩侧索硬化症和脊髓小脑性共济失调等运动相关神经退行性疾病	机器学习	神经退行性疾病	多模态数据整合（包括数字、体液和影像数据）	深度学习, 机器学习	多模态数据（分子、神经影像、数字生物标志物）	NA	NA	NA	NA	NA
337	2026-04-04	Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale 2026-Mar-25, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125819 PMID:41930893	研究论文	本研究提出了一种基于深度学习的超分辨率重建模型（UFSR），用于高效、精确的街道尺度城市洪水模拟	提出了UFSR模型，通过集成多源异构数据增强对城市微地形和排水结构的感知能力，引入注意力机制动态关注关键淹没区域，并设计了空间感知一致性损失函数以保持复杂地形下的重建连贯性	未明确说明模型在不同城市形态或极端降雨情景下的泛化能力，以及模型对输入数据质量的依赖程度	提高城市洪水模拟的效率和精度，支持洪水风险管理和应急响应	城市洪水淹没深度	计算机视觉	NA	深度学习，超分辨率重建，迁移学习	深度学习模型	多源异构数据（包括低分辨率洪水模拟输出、城市微地形和排水结构数据）	两个案例研究（Case 1 和 Case 2），其中Case 2包含12个降雨情景	未明确指定，可能为TensorFlow或PyTorch	UFSR（Ultra-Fine urban flood Super-Resolution reconstruction model）	均方根误差（RMSE）	未明确指定
338	2026-04-04	Nonparametric estimation of conditional survival function with time-varying covariates using DeepONet 2026-Mar-24, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09700-6 PMID:41874787	研究论文	本文提出了一种使用DeepONet进行条件生存函数非参数估计的方法，以处理时变协变量的复杂长期效应	利用DeepONet架构非参数地估计条件生存函数，放松了传统生存模型中比例风险和时变协变量瞬时效应等限制性假设	未明确提及计算复杂度或模型可解释性方面的限制	开发一种灵活的生存分析方法，以捕捉时变协变量的非瞬时和长期效应	生存数据，特别是包含时变协变量和删失数据的场景	机器学习	NA	深度学习	DeepONet	生存数据	NA	NA	DeepONet	集成Brier分数	NA
339	2026-04-04	PNET-PRISM: a multicenter-validated radiomics nomogram for noninvasive grading of pancreatic neuroendocrine tumors 2026-Mar-24, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02250-3 PMID:41874882	研究论文	本研究开发并验证了一种基于CT影像组学的列线图模型PNET-PRISM，用于胰腺神经内分泌肿瘤的无创术前分级	整合了瘤内、瘤周、生境和深度学习领域的多维CT影像组学特征，构建了多维深度学习影像组学评分，并结合临床变量进行预测，显著优于仅临床模型	研究为回顾性设计，未来需要前瞻性研究进一步验证	开发一种可靠的非侵入性工具，用于胰腺神经内分泌肿瘤的术前分级和风险分层，以弥补内镜超声引导下细针穿刺活检的不足	胰腺神经内分泌肿瘤患者	数字病理学	胰腺神经内分泌肿瘤	CT影像组学分析	深度学习	CT图像	407名经手术确诊的胰腺神经内分泌肿瘤患者，分为训练集（244例）、验证集（106例）和外部测试集（57例）	NA	PNET-PRISM	AUC, 敏感性, 净重分类改善指数, 风险比	NA
340	2026-04-04	A deep-learning based biomarker of systemic cellular senescence burden to predict mortality and health outcomes 2026-Mar-24, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.20.26348913 PMID:41929337	研究论文	本研究开发并验证了一种基于深度学习的系统性细胞衰老负荷生物标志物（SASP Score），用于预测死亡率和健康结局	首次通过整合大规模人群蛋白质组学数据与半监督深度学习框架，开发了基于深度学习的复合SASP评分，并证明了其在预测死亡风险和慢性疾病发生方面的独立预测能力	研究主要基于UK Biobank数据，外部验证仅在一个独立的随机临床试验队列中进行，需要更多样化的队列验证	开发一种能够量化系统性细胞衰老负荷的生物标志物，以预测死亡风险和慢性疾病发生	大规模人群蛋白质组学数据，包括UK Biobank Pharma Proteomics Project数据和独立临床试验队列数据	机器学习	老年疾病	蛋白质组学	深度学习	蛋白质组数据	UK Biobank大规模人群数据及独立临床试验队列	NA	Guided autoencoder with Transformer (GAET)	预测准确性、关联分析	NA