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
3661	2026-06-28	Wearable-Compatible Detection of Mild Cognitive Impairment Using Novel Features Based on Sleep Stage Dynamics 2026-May-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16060562 PMID:42352571	研究论文	提出一种基于睡眠阶段动力学的新型特征，用于轻度认知障碍的轻量级、可穿戴兼容检测方法	首次利用睡眠阶段动力学特征进行轻度认知障碍分类，提出轻量级且生理可解释的框架，具备可穿戴设备集成潜力	概念验证研究，数据集规模有限（53名受试者），需在更大样本和多样化人群中验证	开发一种基于睡眠阶段动力学的可穿戴兼容方法，用于早期轻度认知障碍检测	轻度认知障碍患者与健康对照者的睡眠脑电图数据	机器学习	轻度认知障碍，痴呆	睡眠脑电图（EEG）采集，自动睡眠分期	支持向量机（线性与RBF核），随机森林，XGBoost，逻辑回归	睡眠周期图（hypnogram）衍生特征	53名受试者（36名健康，17名轻度认知障碍）	Scikit-learn	NA	准确率，平衡准确率，灵敏度，特异度，ROC AUC	NA
3662	2026-06-28	Acoustic Signatures of Hive: Detecting Queen Bee Absence Through Machine Learning of Short Audio Segments 2026-May-25, Insects IF:2.7Q1 DOI:10.3390/insects17060547 PMID:42355281	研究论文	利用机器学习与深度学习模型，基于短时蜂箱音频记录检测蜂王是否存在，以实现精准养蜂的实时监控	证明短短几秒的音频片段即可可靠分类蜂王存在状态，并展示了在真实城市记录环境下的良好表现	未提及具体限制	开发一种可扩展、低成本的蜂箱声学监测方法，用于自动检测蜂王缺失	蜜蜂蜂箱中的蜂王存在状态	机器学习	NA	NA	卷积神经网络（CNN）、梯度提升模型	音频	来自多个来源的蜂箱音频记录	NA	卷积神经网络（CNN）、梯度提升模型	准确率、稳定性	NA
3663	2026-06-28	Unified Temporal-Spectral-Spatial Modeling for Robust and Generalizable Motor Imagery Brain-Computer Interfaces 2026-May-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060612 PMID:42351857	研究论文	提出NeuroCrossNet，一种统一的三模态深度学习模型，用于稳健且无需校准的运动想象脑机接口解码，联合学习时间、频谱和空间EEG特征	首次提出统一三模态深度学习模型NeuroCrossNet，联合学习时间、频谱和空间EEG特征；引入时间超混合器块、小波变换器、图注意力网络及动态残差注意力门和主体感知归一化方法，无需目标域校准数据即可实现跨主体泛化	该方法在更大规模、更多变的真实世界数据集上的泛化性尚未验证；计算资源要求未明确报告	开发一种稳健、通用且无需校准的运动想象脑机接口解码模型	运动想象脑电图信号	机器学习	NA	EEG	深度学习模型（CNN、Transformer、图注意力网络混合）	EEG信号	BCI Competition IV-2a和High-Gamma数据集（具体样本数未说明）	PyTorch	NeuroCrossNet（包括时间超混合器块、小波变换器、图注意力网络、动态残差注意力门、主体感知归一化）	分类准确率	NA
3664	2026-06-28	Cascade Semantic Segmentation by a Convolutional Neural Network in Combination with Image Super-Euclidean Pixels Processing for SARS-CoV-2 Microscopy Images 2026-May-24, Viruses DOI:10.3390/v18060592 PMID:42357603	研究论文	提出了一种结合卷积神经网络和超欧几里德像素处理的级联语义分割方法，用于SARS-CoV-2显微图像	首次将超欧几里德像素方法作为CNN的中间层用于SARS-CoV-2电子显微镜图像的语义分割，并对比了梯度向量流和泊松逆梯度分割器的性能	未提及具体局限性	开发自动化的深度学习语义分割工具，用于准确识别SARS-CoV-2颗粒	SARS-CoV-2电子显微镜图像中的病毒颗粒	计算机视觉	新型冠状病毒肺炎	电子显微镜成像	卷积神经网络	图像	未明确提及样本数量	NA	NA	Dice相似系数、交并比、灵敏度、特异性、准确率、ROC曲线下面积、Cohen's Kappa	NA
3665	2026-06-28	Evaluation of the Use of Artificial Intelligence in Dental Imaging Interpretation: A Systematic Review 2026-May, Cureus DOI:10.7759/cureus.109628 PMID:42359172	综述	系统评估人工智能在牙科影像解读中的应用、诊断性能及局限性	首次系统综述AI在牙科影像多种任务（如龋齿检测、牙周骨丧失评估、阻生第三磨牙评估等）中的支持性诊断表现和效率提升	仅纳入7项异质性研究，证据基础有限，需要更多高质量研究和外部验证	评估AI在牙科影像解读中的应用效果和局限性	AI在牙科影像解读中的各种应用（如龋齿检测、牙周骨丧失评估、阻生第三磨牙评估、牙根骨折检测、工作长度确定、图像配准）	机器学习	NA	数字放射摄影	机器学习、深度学习	影像	7项研究	NA	NA	诊断性能、效率	NA
3666	2026-06-28	An interpretable TimeMIL framework for fNIRS: differential diagnosis between schizophrenia and bipolar disorder 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1832221 PMID:42358391	研究论文	提出一种可解释的TimeMIL框架，用于基于功能近红外光谱（fNIRS）数据的精神分裂症与双相情感障碍的鉴别诊断	首次将时间感知多实例学习模型（TimeMIL）应用于fNIRS数据的精神疾病分类，并引入专门的可解释性框架，揭示了前额叶功能异常的区域特异性模式	样本量较小，且该模型在临床环境中的进一步验证尚未完成	开发一种基于fNIRS的高准确率、鲁棒且可解释的深度学习框架，用于精神分裂症与双相情感障碍的早期筛查和鉴别诊断	健康对照（HC）、精神分裂症（SCZ）和双相情感障碍（BD）患者的fNIRS数据	机器学习	精神分裂症, 双相情感障碍	功能近红外光谱（fNIRS）	时间感知多实例学习模型（TimeMIL）	时间序列数据	共169名参与者：HC 52名，SCZ 50名，BD 67名	PyTorch	TimeMIL, 1D-CNN, Transformer, TCN	准确率, AUC	NA
3667	2026-06-28	DeM-FCN: an ultra-lightweight and purely convolutional framework for edge-native human activity recognition in wearable fitness tracking 2026, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2026.1858408 PMID:42358506	研究论文	提出一种超轻量纯卷积框架DeM-FCN，用于可穿戴健身追踪中的边缘原生人体活动识别	提出纯卷积架构DeM-FCN，避免循环结构或注意力机制，通过物理感知输入表示（欧拉角三角编码和加速度/陀螺仪幅度特征）和代价敏感焦点损失实现主体无关识别，模型参数仅73.7K、计算量14.84M FLOPs、大小0.29MB	硬标签日常活动识别因活动多样性、传感器域差异及模态信息缺失比受限抗阻训练识别更具挑战性	开发适合资源受限边缘设备的轻量、高效人体活动识别方法，用于可穿戴健身追踪	哑铃类抗阻训练活动（四种练习）及公开数据集上的日常活动	机器学习	NA	惯性测量单元（IMU）传感	全卷积网络（FCN）	惯性测量数据（加速度计、陀螺仪）	15名受试者收集的定制智能哑铃数据集，以及公开数据集PAMAP2和MHEALTH	NA	堆叠一维卷积块（含全局最大池化）	准确率、宏F1分数、宏AUC	NA
3668	2026-06-28	Restoration of missing regions in limited field of view computer tomography using an image- and sinogram-based conditional generative adversarial network model 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubag010 PMID:42358732	研究论文	本研究利用基于图像和正弦图的条件生成对抗网络模型，恢复计算机断层扫描中有限视野的缺失区域	提出基于正弦图的条件生成对抗网络模型，在恢复有限视野外缺失区域时显著优于基于图像的方法，提高身体轮廓连续性并适应患者个体差异	NA	开发并评估基于图像和正弦图的条件生成对抗网络模型，用于恢复有限视野计算机断层扫描中的缺失区域	治疗计划CT和锥束CT数据集，共包含119名患者（96例计划CT和23例锥束CT）	计算机视觉	NA	计算机断层扫描	条件生成对抗网络	图像	96例计划CT（64训练、16验证、16内部测试）和23例锥束CT（外部测试）	NA	条件生成对抗网络	平均绝对误差、均方根误差、结构相似性指数	NA
3669	2026-06-28	An efficient hybrid CNN-transformer framework for real-time weapon detection and face recognition 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1841848 PMID:42358851	研究论文	提出一种名为ConViDeTR的混合深度学习框架，用于实时武器检测和人脸识别，整合了CNN、ViT和DETR架构	提出深度特征融合层，将局部空间特征、全局上下文特征和对象查询特征集成到共享特征空间，实现武器检测和人脸识别的同步执行	未明确指出局限性	开发高效、实时的智能监控系统，实现武器检测和人脸识别的准确性与鲁棒性	武器检测和人脸识别任务	计算机视觉	NA	NA	混合CNN-Transformer	图像	使用现有基准数据集	PyTorch	CNN, Vision Transformer (ViT), Detection Transformer (DETR)	准确率, 帧率 (FPS), 延迟	NA
3670	2026-06-28	Global research trends and hotspots in human immunodeficiency virus-associated cervical cancer (1990-2025): a multi-database bibliometric analysis 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1835957 PMID:42358990	综述	对人类免疫缺陷病毒相关宫颈癌的研究进行多数据库文献计量分析	首次对1990-2025年间HIV相关宫颈癌的全球研究趋势和热点进行多数据库文献计量分析，重点关注HIV与高危型HPV协同致癌的分子和免疫机制	未提及具体局限性	绘制HIV相关宫颈癌的全球研究景观，识别主要贡献者和合作网络，并描绘知识基础和新兴研究优先级	1990年1月1日至2025年12月31日期间发表的关于HIV和宫颈癌的出版物（共6,137篇）	医学信息学	宫颈癌	文献计量分析	NA	文献数据	6,137篇出版物	R（bibliometrix）、Python、VOSviewer、CiteSpace	NA	NA	NA
3671	2026-06-28	Editorial: Deep learning in brain-computer interfaces 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1888360 PMID:42359044	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3672	2026-06-28	Physics-Informed Artificial Intelligence Design of Picomolar Nanobodies Enables Deep Tumor Penetration and High-Contrast Imaging 2026, Research (Washington, D.C.) DOI:10.34133/research.1325 PMID:42359048	研究论文	提出一种物理信息引导的人工智能框架，整合AlphaFold 3和分子动力学模拟，设计皮摩尔亲和力的抗CEA纳米抗体，实现深部肿瘤穿透和高对比度成像	通过结合几何深度学习与严格物理原理，采用可变介电MM/GBSA分解技术识别热力学次优界面残基，以静电优化、去溶剂化惩罚最小化和范德华堆积改进策略解决亲和力成熟瓶颈，实现306倍亲和力提升	未明确讨论方法对其他靶点或不同纳米抗体平台的普适性，体内实验仅局限于结直肠癌异种移植模型	克服纳米抗体在实体瘤治疗中快速肾清除与超强亲和力需求之间的生物物理权衡，实现深部肿瘤渗透和长效滞留	抗癌胚抗原纳米抗体及其双特异性融合蛋白	计算生物学，机器学习和分子动力学	结直肠癌	分子动力学模拟， AlphaFold 3，可变介电MM/GBSA分解	AlphaFold 3，几何深度学习模型	蛋白质结构数据，分子动力学模拟轨迹	未明确说明样本数量，涉及焦点文库构建和体内结直肠癌异种移植模型	NA	AlphaFold 3	结合阳性率，亲和力，热稳定性	NA
3673	2026-06-28	Detection of leaf miner in sweet potato crops through image analysis using machine learning-based models 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1774493 PMID:42359397	研究论文	利用基于机器学习的模型通过图像分析检测甘薯作物中的潜叶虫	首次构建了标注数据集"camote_minador"并对比评估YOLOv8s和YOLOv11s架构在潜叶虫检测中的性能，证明YOLOv11s的优越性及基于TensorFlow Lite的移动端部署可行性	未提及模型在不同环境条件下的泛化能力及实际部署中的计算资源限制	自动化检测甘薯作物中的潜叶虫，提高病虫害监测效率	甘薯叶片图像中的潜叶虫（Liriomyza huidobrensis）	计算机视觉	农业病害	图像分析	深度学习模型	图像	751张来自秘鲁兰巴耶克田野采集的图像	TensorFlow Lite	YOLOv8s, YOLOv11s	精确率, 召回率, mAP@50	移动端设备（中端）
3674	2026-06-28	Analysis of artificial intelligence errors in practical medicine and rehabilitation 2026, Wiadomosci lekarskie (Warsaw, Poland : 1960) DOI:10.36740/WLek/220842 PMID:42359872	综述论文	分析人工智能在医疗和康复实践中出现的错误类型及其影响，总结最小化错误和提升效能的方法	系统性地结构化了AI在医疗诊断、治疗和康复中的错误类型，并评估其对诊断准确性和治疗决策的影响	未提供统一解决方案，AI在诊断和预测过程中仍存在大量错误，伦理问题未解决，医疗数据收集和处理缺乏统一标准	探索医疗和康复中AI错误的结构化分类，评估其对诊断和治疗的影响，寻找减少错误和提高AI效能的方法	PubMed、MEDLINE、Web of Science数据库中2021年1月至2025年12月发表的与AI医疗错误相关的出版物	机器学习	NA	NA	机器学习、深度学习、联邦学习	医学文献	57篇文章（初始），38篇因资格标准排除，2篇重复，最终17篇纳入	NA	NA	NA	NA
3675	2026-06-26	Signature-aware deep learning reveals distinct driver gene programs and mutational processes in glioblastoma and colon adenocarcinoma 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108984 PMID:41764951	研究论文	提出一种名为ResMLP-GL的残差多层感知机模型，用于癌症驱动基因突变预测，并整合COSMIC SBS签名上下文概率与功能特征	首次将COSMIC SBS突变签名上下文概率向量显式整合进残差门控MLP网络，通过特征级门控模块实现突变过程感知的表示学习，并在多癌症类型中实现超越传统方法的预测性能	未提及的局限性：依赖TCGA和ICGC数据库的肿瘤外显子数据，可能对罕见突变或非编码区域突变不敏感；模型复杂度较高，可能限制在低资源环境中的部署	开发可解释的癌症驱动基因突变预测方法，明确突变过程与驱动基因选择之间的关联	胶质母细胞瘤和结肠腺癌的肿瘤外显子突变数据	机器学习	胶质母细胞瘤, 结肠腺癌	全外显子测序	残差多层感知机	基因突变数据	TCGA GBM/COAD外显子数据（未明确具体样本数），ICGC独立验证队列	Optuna, ADASYN, SHAP	ResMLP-GL（含两个投影残差块和特征门控模块）	AUC	NA
3676	2026-06-26	Enhanced pneumonia prognosis via a hybrid deep learning ensemble: Dense Net, Efficient Net, and VGG16 integration 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109009 PMID:41830760	研究论文	提出一种集成DenseNet、EfficientNet和VGG16的混合深度学习框架，用于肺炎预后增强	结合多种深度学习架构与混合特征提取方法（Deep CNN和InceptionV3），并采用贝叶斯优化和粒子群优化的混合超参数调优策略	未提及外部数据集验证、临床落地可实现性或计算开销等限制	提高肺炎诊断的准确性和可靠性，提供稳健的临床辅助方案	肺炎患者胸部影像数据	计算机视觉	肺炎	NA	深度学习集成模型	图像	NA	NA	DenseNet, EfficientNet, VGG16, Deep CNN, InceptionV3	准确率、敏感度、特异度	NA
3677	2026-06-26	scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108998 PMID:41791270	研究论文	提出scDCL框架，结合ZINB掩码自编码器、图神经网络和双对比学习，实现单细胞RNA测序数据的聚类分析	首次将ZINB掩码自编码器、图神经网络与双对比学习协同集成，同时捕捉细胞内特征和全局结构特征，通过双重对比损失优化聚类紧凑性和结构一致性	未明确说明局限性，但可能包括对大规模数据集的计算复杂度或超参数调优需求	解决单细胞RNA测序数据高稀疏性、强非线性和高维度带来的聚类挑战，提高聚类性能	单细胞RNA测序数据中的细胞群体和细胞状态	机器学习	NA	单细胞RNA测序（scRNA-seq）	图神经网络、对比学习	单细胞RNA测序表达数据	多个公开数据集（具体数量未指定）	PyTorch	ZINB掩码自编码器、图神经网络	聚类性能指标（如ARI、NMI等，具体未指定）	NA
3678	2026-06-26	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出结合基因本体图嵌入与动态阈值深度神经网络的多标签蛋白质亚细胞定位预测方法	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，动态阈值替代固定阈值实现多标签预测，显著提升多定位预测性能	未提及计算资源需求或模型泛化性，且仅基于两个特定基准数据集验证	利用机器学习与深度学习提升蛋白质亚细胞定位预测的准确性与效率	蛋白质亚细胞定位及其多标签分类	机器学习	NA	基因本体图嵌入	深度神经网络	基因本体图数据、蛋白质序列数据	DeepLoc 2.0数据集和Plant-mSubP数据集（具体样本数未提及）	NA	图嵌入模型、深度神经网络	整体实际准确率、松弛准确率	NA
3679	2026-06-26	Pipeline-optimized machine learning for chronic fatigue syndrome diagnosis: A lightweight, interpretable model using blood biochemical and metabolomic data 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108995 PMID:41791269	研究论文	通过系统性流程优化，利用血液生化与代谢组学数据构建了用于慢性疲劳综合征诊断的轻量级、可解释机器学习模型	创新点包括：采用带重叠条件患者的对照组设计、分层bootstrap抽样确保协变量平衡、整合因果推断（孟德尔随机化）与可解释性分析（SHAP）的双重解释机制	NA	开发一种轻量级、可解释的慢性疲劳综合征诊断模型，利用客观血液生化与代谢标志物实现准确区分	慢性疲劳综合征患者（1137例）与对照组（66838例）的血液生化数据和代谢组学数据	机器学习	慢性疲劳综合征	血浆代谢组学、血液生化分析	随机森林	表格数据（血液生化指标+代谢物）	1137例病例，66838例对照	ClinMetML	随机森林	ROC-AUC、准确率、灵敏度、特异性、F1分数、阴性预测值、阳性预测值、马修斯相关系数	NA
3680	2026-06-26	IDGSA-DRIU-Net: Internal dilated guided self-attention renal mass segmentation model based on dilated residual inception U-Net 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109041 PMID:41936194	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA