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
3641	2026-02-23	Machine learning models for predicting delayed cerebral ischemia following ruptured intracranial aneurysms: A systematic review and meta-analysis 2026-Feb-15, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2026.108592 PMID:41702474	系统综述与荟萃分析	本文系统回顾和荟萃分析了机器学习模型在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的应用	首次对机器学习模型预测迟发性脑缺血进行系统综述和荟萃分析，比较了不同算法家族和数据集的性能	外部验证稀缺，深度学习模型存在较大过拟合问题	评估机器学习模型在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的预测性能	动脉瘤性蛛网膜下腔出血患者	机器学习	脑血管疾病	NA	随机森林, XGBoost, 逻辑回归, 深度学习模型	临床数据	约10,000名患者	NA	NA	AUC, 敏感性, 特异性	NA
3642	2026-02-23	A Deep Learning Approach for Classifying Benign, Malignant, and Borderline Ovarian Tumors Using Convolutional Neural Networks and Generative Adversarial Networks 2026-Feb-14, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14010089 PMID:41718136	研究论文	本研究开发了一种结合卷积神经网络和生成对抗网络的深度学习模型，用于基于超声图像对卵巢肿瘤进行良恶性及交界性分类	利用深度卷积生成对抗网络生成合成图像以解决交界性卵巢肿瘤数据稀缺导致的类别不平衡问题，并构建了集成VGG16、ResNet50和InceptionNetV3架构的三分类模型	研究为回顾性分析，样本量有限，特别是交界性卵巢肿瘤病例较少，且模型性能需在前瞻性临床环境中进一步验证	开发一种人工智能辅助工具，以提高卵巢肿瘤术前超声评估的准确性，特别是针对交界性肿瘤的鉴别诊断	卵巢肿瘤的超声图像	计算机视觉	卵巢癌	超声成像	CNN, GAN	图像	636个卵巢肿块（共3816张超声图像），包括390个良性病变、202个恶性肿瘤和44个交界性肿瘤	NA	VGG16, ResNet50, InceptionNetV3, DCGAN	F1分数, 准确率, 灵敏度, 特异性, AUC	NA
3643	2026-02-23	Mapping Eye-Tracking Research in Human-Computer Interaction: A Science-Mapping and Content-Analysis Study 2026-Feb-12, Journal of eye movement research IF:1.3Q3 DOI:10.3390/jemr19010023 PMID:41718383	综述	本研究通过文献计量网络分析和定性内容分析，对2020年至2025年间人机交互领域的眼动追踪研究进行了全面梳理和概述	首次结合Web of Science和Scopus数据库，对近期人机交互领域的眼动追踪研究进行大规模文献计量与内容分析，识别出四大研究主轴	分析范围限定于2020-2025年的出版物，可能未涵盖更早期的关键研究；定性分析仅基于被引次数最高的50篇论文	为人机交互领域的眼动追踪研究提供全面、最新的概览，识别研究趋势、空白和未来方向	1033篇关于人机交互中眼动追踪的出版物（期刊文章和会议论文）	人机交互	NA	眼动追踪，AI驱动的注视分析	深度学习模型	文献元数据（标题、摘要、关键词、引用信息）	1033篇出版物，并对其中被引次数最高的50篇进行内容分析	VOSviewer	NA	h指数，平均作者数	NA
3644	2026-02-11	Predicting suicidal and self-harm ideation using ecological momentary assessment: deep learning analysis in a general population sample 2026-Feb-10, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-07815-6 PMID:41664026	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3645	2026-02-23	A novel deep learning model for automated diagnosis of oral squamous cell carcinoma and related leukoplakia in pathological images 2026-Feb-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2026.102743 PMID:41679647	研究论文	本研究提出了一种基于改进RegNet架构的新型深度学习模型RRGNet，用于口腔鳞状细胞癌及相关白斑病理图像的自动诊断	通过引入Ghost模块和残差通道注意力模块，并结合标签平滑、Mixup数据增强和SWALR学习率调整策略，显著优化了特征提取效率和计算成本	模型通用性需在多中心数据上进一步验证，尚未开发实际应用系统	开发自动、准确的口腔鳞状细胞癌辅助诊断工具	口腔鳞状细胞癌病理图像及相关白斑病变	数字病理学	口腔鳞状细胞癌	病理切片分析	深度学习模型	病理图像	包含OSCC和两种白斑病变的三分类数据集	NA	RRGNet, RegNet, GhostNet, HRNet, ResNet50, ViT	准确率, AUC	NA
3646	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）
3647	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
3648	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
3649	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
3650	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
3651	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
3652	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
3653	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
3654	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
3655	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
3656	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
3657	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
3658	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
3659	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
3660	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