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
3501	2026-02-23	An Open-Source Horizontal Strabismus Simulator as an Evaluation Platform for Monocular Gaze Estimation Using Deep Learning Models 2026-Feb-09, Journal of eye movement research IF:1.3Q3 DOI:10.3390/jemr19010020 PMID:41718380	研究论文	本文开发了一种开源的低成本水平性斜视模拟器，用于评估基于深度学习的单眼注视估计算法在斜视条件下的性能	开发了首个能够精确模拟水平性斜视分离性眼球运动并提供已知真实角度地面实况的开源低成本评估平台	模拟器目前仅支持水平性斜视模拟，未涵盖垂直性或旋转性斜视；评估的AI模型数量有限（仅三种）	为斜视筛查的单眼注视估计技术建立评估基准并推动相关模型开发	水平性斜视的眼球运动模拟与单眼注视估计算法性能评估	计算机视觉	斜视	伺服电机控制、陀螺仪传感、机械仿真	深度学习模型	模拟眼球运动数据	NA	NA	Single Eye, GazeNet, EyeNet	平均绝对误差、临床检测阈值	低成本硬件平台（约200美元）
3502	2026-02-23	mCSM-metal: A Deep Learning Resource to Predict Effect of Mutations on Metal Ion Binding 2026-Feb-05, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2026.169678 PMID:41651016	研究论文	本文介绍了一种名为mCSM-metal的深度学习资源，用于预测突变对金属离子结合的影响	利用ESMBind嵌入与基于图的结构特征，首次解决了突变如何改变残基级金属结合概率的问题	NA	预测单点或多点突变对七种必需金属离子结合的影响	蛋白质中的金属离子结合位点	机器学习	NA	深度学习	深度学习模型	蛋白质序列与结构数据	NA	NA	NA	准确率, F1分数, 马修斯相关系数	NA
3503	2026-02-23	Leveraging in-silico deep learning and computational analyses to predict the pathogenicity of ROBO4 variants of uncertain significance in aortic aneurysm and dissection patients 2026-Feb-04, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-05357-5 PMID:41639767	研究论文	本研究利用深度学习和计算分析预测ROBO4基因中意义未明变异在主动脉瘤和夹层患者中的致病性	提出了一种整合临床数据与计算建模的新型工作流程，用于评估意义未明变异的致病性，并揭示了潜在的基因型-表型相关性	样本量较小（仅5名患者），可能影响结果的普遍性	预测ROBO4基因中意义未明变异在主动脉瘤和夹层中的致病性，以支持精准医疗和遗传咨询	携带ROBO4基因意义未明变异的主动脉瘤或夹层患者	机器学习	心血管疾病	计算预测工具（AlphaFold2, AlphaMissense, REVEL, PolyPhen-2, SIFT, FATHMM, MutationTaster2, GranthamMatrix, PhastCons）	深度学习模型	临床和遗传数据	5名患者	NA	AlphaFold2	NA	NA
3504	2026-02-23	Air quality prediction model based on deep learning hybrid framework 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37896-y PMID:41629579	研究论文	提出一种基于深度学习的混合模型CBLA，用于城市空气质量预测，结合了1D-CNN、BiLSTM和注意力机制，并利用XGBoosting集成气象数据以提高预测精度	提出了一种结合1D-CNN、BiLSTM和注意力机制的混合模型CBLA，并首次将XGBoosting用于集成初步预测结果与气象数据，以优化PM2.5浓度预测	模型仅在北京的空气质量与气象数据集上进行评估，未在其他城市或更广泛区域验证其泛化能力	开发一种更准确的空气质量预测模型，以支持空气污染防治与控制	城市空气质量数据，特别是PM2.5浓度，以及相关气象数据	机器学习	NA	NA	CNN, LSTM	时间序列数据	使用北京空气质量与气象数据集，具体样本数量未明确说明	NA	1D-CNN, BiLSTM	NA	NA
3505	2026-02-23	A DNABERT based deep learning framework for predicting transcription factor binding sites 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37483-1 PMID:41634097	研究论文	本文提出了一种基于DNABERT的深度学习框架TFBS-Finder，用于预测转录因子结合位点（TFBSs）	结合预训练的DNABERT进行序列嵌入以捕获长程依赖，并整合CNN、改进的卷积块注意力模块（MCBAM）和多尺度卷积注意力模块（MSCA）来提取高阶局部特征	未明确说明模型在非ENCODE数据集或更广泛基因组背景下的泛化能力	开发一个深度学习模型以更准确地预测转录因子结合位点，从而帮助理解基因调控网络	转录因子结合位点（TFBSs），位于基因启动子区域	自然语言处理	NA	ChIP-seq	BERT, CNN	DNA序列数据	165个ENCODE ChIP-seq数据集	PyTorch	DNABERT, CNN, MCBAM, MSCA	NA	NA
3506	2026-02-23	A dual-stream deep learning framework for continuous sign language recognition to enhance communication accessibility in the Ha'il region 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38912-x PMID:41634141	研究论文	本文提出了一种双流卷积神经网络框架，用于连续手语识别，以提升哈伊勒地区的沟通可及性	提出了一种双流CNN框架，分别建模手部动作和头部姿势，并引入特征增强模块以提高识别精度和时间对齐	未明确提及具体局限性	提升连续手语识别的性能，以改善聋哑人士的生活质量	手语识别系统，特别是针对连续手语的识别	计算机视觉	NA	深度学习	CNN	视频	使用了两个基准数据集：RWTH-PHOENIX-Weather 2014和CSL Split II	NA	双流卷积神经网络	词错误率	NA
3507	2026-02-23	Energy-efficient intrusion detection with a protocol-aware transformer-spiking hybrid model 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37367-4 PMID:41634304	研究论文	本文提出了一种结合Transformer和脉冲神经网络的混合模型，用于高效能入侵检测	提出Transformer增强的脉冲神经网络，整合注意力驱动上下文建模与节能脉冲计算，并引入协议感知自适应归一化和伪流重建等新机制	未明确说明模型在极端不平衡数据集或实时动态网络环境中的性能限制	开发高效能、低计算成本的入侵检测系统	网络流量数据中的入侵行为	机器学习	NA	NA	Transformer, Spiking Neural Network	表格特征数据	NA	NA	Transformer-Augmented Spiking Neural Network	分类性能，计算开销	NA
3508	2026-02-23	An explainable hybrid CNN-transformer model for sign language recognition on edge devices using adaptive fusion and knowledge distillation 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38478-8 PMID:41634347	研究论文	本文提出了一种名为TinyMSLR的轻量级、可解释的混合模型，用于在边缘设备上进行孤立手语识别	结合ConvNeXt-Tiny和Swin Transformer编码器，并引入自适应融合门和双教师知识蒸馏方案，以在资源受限设备上实现高效、可解释的多语言手语识别	评估仅限于20个语义对齐的手语类别的共享子集，且结果对应孤立手语识别而非连续句子级的多语言手语识别	开发一种高效、可部署且可解释的手语识别系统，用于资源受限的边缘设备	孤立手语（gloss）分类	计算机视觉	NA	深度学习	CNN, Transformer	视频	使用两个公共数据集（DGS RWTH-PHOENIX-Weather 2014T和Mandarin CSL）构建的20个语义对齐手语类别的共享子集	PyTorch	ConvNeXt-Tiny, Swin Transformer	准确率, F1分数	标准CPU, 边缘GPU
3509	2026-02-23	Uncertainty-Aware Training for Ophthalmic Segmentation Using MedSAM 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.19 PMID:41700793	研究论文	本文提出了一种不确定性感知训练方法，通过生成不确定性图并在训练时增强损失函数，以提升眼科分割任务的深度学习模型性能	提出不确定性感知训练，在训练时生成不确定性图并用于加权损失函数，使模型专注于高不确定性区域	NA	提升深度学习模型在眼科分割任务中的性能和可解释性	地理萎缩、视杯和中心凹无血管区的分割任务	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	MedSAM	NA	NA
3510	2026-02-23	A hybrid deep learning and fuzzy logic framework for robust tomato disease detection and classification 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36524-z PMID:41629385	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3511	2026-02-23	Integrating simplified Swin-T with modified EFS-Net for attention-guided underwater pipelines segmentation in complex underwater environments 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38081-x PMID:41629430	研究论文	本文提出了一种新颖的混合架构Swin Transformer-EFSNet融合网络，用于复杂水下环境中的管道分割，在精度与计算效率之间取得了良好平衡	提出了一种结合轻量级Swin Transformer分支与改进EFSNet分支的双编码器设计，并引入三头交叉注意力融合模块动态整合全局上下文与局部特征	未明确说明模型在极端动态环境（如强水流、快速移动目标）下的性能	开发一种在复杂水下环境中实现高精度、高效率且具有强泛化能力的水下管道分割方法	水下管道图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	新构建的HOMOMO数据集及两个公共数据集，具体样本数量未明确说明	PyTorch	Swin Transformer, EFSNet	mIoU, F-boundary	NA
3512	2026-02-23	Deep residual network enhanced with multilevel residual-of-residual for automatic classification of radio signals for 5G and beyond systems 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35306-x PMID:41629456	研究论文	本文提出了一种基于深度残差网络并增强多级残差连接的自动调制分类框架，用于对5G及后5G系统中的多种候选波形进行分类	首次将增强多级残差连接的深度残差网络应用于OFDM、FOFDM、FBMC、UFMC和WOLA波形与16/64-QAM调制方案的分类任务	NA	为5G及后5G系统设计智能接收器，实现自动调制分类	5G候选波形（OFDM、FOFDM、FBMC、UFMC、WOLA）及其16-QAM和64-QAM调制信号	机器学习	NA	NA	深度残差网络	无线电信号	NA	NA	深度残差网络增强多级残差连接	分类准确率，召回率，精确率，F1分数	NA
3513	2026-02-23	A novel deep-learning model to convert DAS strain to geophone particle velocity: application to PoroTomo data from the Brady geothermal field 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37888-y PMID:41629484	研究论文	提出一种新颖的深度学习模型，用于将DAS应变数据转换为地震检波器粒子速度，应用于Brady地热田的PoroTomo数据	结合傅里叶神经算子（FNO）、双向长短期记忆网络（BiLSTM）和注意力机制，首次开发FNO-BiLSTM-Attention模型进行DAS数据转换	模型基于特定数据集（2016年Brady地热田PoroTomo数据）训练，可能在其他地质环境中的泛化能力未验证	开发一种将分布式声学传感（DAS）应变数据转换为等效地震检波器粒子速度的方法，以优化地震学算法应用	Brady地热田的PoroTomo数据，包括共置DAS通道和地震检波器记录的地震波形数据	地球物理学	NA	分布式声学传感（DAS），地震监测	深度学习模型，结合FNO和BiLSTM	地震波形数据	使用2016年Brady地热田PoroTomo项目中DAS和地震检波器同时记录的地震波形数据，具体样本数量未明确	未明确指定，可能基于常见深度学习框架如TensorFlow或PyTorch	FNO-BiLSTM-Attention	通过地震波束形成分析比较转换后DAS数据与地震检波器数据，未使用具体量化指标如准确率或AUC	未明确指定计算资源，如GPU类型或云平台
3514	2026-02-23	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	提出一种结合深度神经网络与基因选择的新框架DeepGeneNet，用于基于微阵列数据的心脏疾病分类	将基因选择与基于DNN的分类集成到统一框架中，并引入超参数优化与U-Net分割技术以提升性能	未明确说明数据噪声处理或模型泛化能力的具体限制	优化基因选择并提高心脏疾病分类的准确性与可解释性	微阵列数据中的基因表达	机器学习	心血管疾病	微阵列技术	DNN	微阵列数据	NA	NA	U-Net	准确率	NA
3515	2026-02-23	Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01489-4 PMID:40175823	研究论文	本研究开发并验证了一种利用原始胸部X光片数据预测中重度肾功能下降风险的深度学习模型	首次利用深度学习模型从常规胸部X光片中提取信息，以预测慢性肾脏病的未来进展风险，为早期干预提供了新的无创筛查工具	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究和不同人群中进一步验证	开发并验证一个基于胸部X光片的深度学习模型，用于预测慢性肾脏病患者未来发生中重度肾功能下降的风险	79,219名估计肾小球滤过率在65至120之间的患者	数字病理学	慢性肾脏病	胸部X光成像	深度学习模型	图像	79,219名患者，分为开发集（37,983）、调优集（15,346）、内部验证集（14,113）和外部验证集（11,777）	NA	NA	一致性指数	NA
3516	2026-02-23	Advancing Visual Perception Through VCANet-Crossover Osprey Algorithm: Integrating Visual Technologies 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01467-w PMID:40180632	研究论文	本研究提出了一种基于视觉核心适应网络与交叉鱼鹰优化算法（VCANet-COP）的新模型，用于糖尿病视网膜病变（DR）的细微病变识别，以提高检测精度和计算效率	提出VCANet-COP模型，首次将模拟人类视觉系统V1、V2、V4和颞下皮层（IT）区域的前端网络与稀疏自编码器（SAEs）特征提取相结合，并引入基于鱼鹰优化算法（OOA）的交叉策略（COP）进行超参数和网络配置优化	未明确提及模型在更广泛或不同分布数据集上的泛化能力，以及临床部署中的实际验证细节	开发一种准确、高效且计算复杂度低的自动化糖尿病视网膜病变筛查方法，以支持临床决策	糖尿病视网膜病变（DR）患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习，稀疏自编码器（SAEs），优化算法	深度学习模型，优化算法	视网膜图像	使用了多个公开数据集：Diabetic_Retinopathy_Data (DR-Data), STARE, IDRiD, DRIVE, RFMID（具体样本数量未在摘要中给出）	NA	VCANet-COP（视觉核心适应网络），稀疏自编码器（SAEs），前端网络模拟V1/V2/V4/IT区域	准确率，灵敏度，特异性，精确率，F1分数，Kappa系数，假阳性率，假阴性率，执行时间	NA
3517	2026-02-23	Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01495-6 PMID:40199834	研究论文	本文提出了一种基于改进SE-ResNet18和置信度过滤的深度学习方法来提升烧伤严重程度的分类准确性和实时性能	结合了注意力机制的增强ResNet18架构，采用自适应学习率优化策略，并引入置信度过滤与选择性评估的后处理模块以提高诊断可靠性	NA	提高烧伤严重程度分类的准确性和实时性能，以支持临床治疗	烧伤皮肤图像	计算机视觉	烧伤	深度学习	CNN	图像	NA	NA	SE-ResNet18	准确率, 平均精度均值(mAP)	NA
3518	2026-02-23	Development and Validation of an Early Recurrence Prediction Model for High-Grade Glioma Integrating Temporalis Muscle and Tumor Features: Exploring the Prognostic Value of Temporalis Muscle 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01491-w PMID:40205255	研究论文	本研究开发并验证了一个整合颞肌和肿瘤特征的模型，用于预测高级别胶质瘤的早期复发，并探讨了颞肌指标的预后价值	首次将术前和术后的颞肌指标（面积和厚度）与3D肿瘤影像组学特征整合，构建了用于预测高级别胶质瘤早期复发的综合模型，并证明了其优于仅基于肿瘤特征的模型	样本量相对较小（71例患者），且数据来源于单一本地数据集和TCIA的一个公开数据集，可能限制了模型的普适性	开发并验证一个预测高级别胶质瘤在180天内早期复发的模型，并评估颞肌指标的预后价值	经分子学确认的高级别胶质瘤患者	数字病理学	胶质瘤	深度学习，影像组学	HistGradientBoosting	医学影像（MRI）	71名高级别胶质瘤患者	Scikit-learn	HistGradientBoosting	准确率，召回率，F1分数	NA
3519	2026-02-23	Domain Shift Analysis in Chest Radiographs Classification in a Veterans Healthcare Administration Population 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01494-7 PMID:40216674	研究论文	本研究评估了领域偏移对胸部X光片分类准确性的影响，并分析了真实标签质量及年龄、性别、研究年份等人口统计学因素的影响	在退伍军人健康管理局人群中系统分析胸部X光片分类的领域偏移，并比较不同NLP标签提取工具（CheXpert与CheXbert）对模型性能的影响	研究主要关注特定人群（退伍军人）和有限标签集（14个标签），可能无法推广到其他人群或更广泛的病理类别	评估领域偏移对胸部X光片多标签分类性能的影响，并分析标签质量和人口统计学因素的调节作用	胸部X光片图像及其对应的放射学报告	医学影像分析	胸部疾病	自然语言处理（NLP）标签提取	CNN	图像, 文本	MIMIC-CXR数据集和退伍军人健康管理局胸部X光片数据集（VA-CXR）	未明确说明	DenseNet121	AUC	NA
3520	2026-02-23	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	本研究提出了一种新颖的集成学习框架，结合YOLOV10和YOLOV11模型，用于在CT和超声图像中检测肾结石	提出了一种结合最新YOLOV10和YOLOV11模型的新型集成框架，旨在最小化假阴性和假阳性错误，从而提高单个模型的性能	NA	提高肾结石在医学图像中的检测准确性和精确度	肾结石	计算机视觉	肾结石	CT成像, 超声成像	集成学习, YOLO	图像	NA	NA	YOLOV10, YOLOV11	精确度, 召回率, F1分数, Map50	NA