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
4721	2026-06-14	Structurally-Informed 3D Gaussian Splatting for Limited-Angle CBCT 2026-Jun-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3703335 PMID:42284162	研究论文	提出了一种结构感知的三维高斯溅射框架，用于有限角度锥束计算机断层扫描，通过生成式初始化与物理优化结合显著提升重建质量	首次将生成式结构先验引入三维高斯溅射初始化，通过几何条件网络从稀疏投影预测完整高斯参数，克服传统方法对初始化的敏感性	研究仅基于模拟有限角度投影数据，未在真实临床环境中验证，且对超稀疏投影场景下的泛化能力待评估	解决有限角度锥束计算机断层扫描重建中投影数据不完整导致的伪影和病态问题，实现高质量快速成像	有限角度锥束计算机断层扫描影像重建任务	计算机视觉	NA	锥束计算机断层扫描成像	三维高斯溅射	图像	公开数据集（具体数量未在标题/摘要中说明）	PyTorch	三维高斯溅射，几何条件生成网络	峰值信噪比，结构相似性指数	NA
4722	2026-06-14	LIAUNet: Rethinking the Application of Loss Information in Medical Image Segmentation 2026-Jun-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3703176 PMID:42284169	研究论文	提出一种利用损失信息聚合的新网络LIAUNet，用于提高医学图像分割的准确性	首次提出了损失信息聚合网络LIAUNet，包括多尺度混合池化损失提取模块（MHPLE）、信息保留多尺度注意力聚合器（IMAA）和频谱门控卷积块（SGCB），有效利用编码器下采样中的损失信息	未明确提及限制，可能需要在更多样化的医学图像数据集上进一步验证	改善医学图像分割中因编码器下采样导致的信息丢失问题，提高分割精度	医学图像分割任务中的损失信息	数字病理学	NA	深度学习	卷积神经网络	医学图像	多个医学图像数据集	NA	编码器-解码器架构	分割精度	NA
4723	2026-06-14	Explaining deep learning for ECG using time-localized clusters 2026-Jun-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3702945 PMID:42284164	研究论文	提出一种基于时间局部聚类的后验解释方法，用于解释深度学习在心电图分析中的决策过程	通过聚类CNN特征激活并量化分配熵作为逐时间戳不确定性，首次将时间局部聚类与心电生理标志物对齐，提供超越传统Grad-CAM的类依赖表征稳定性分析	仅基于1D-ResNet架构验证，未测试其他CNN变体；聚类方法对心电信号异常形态的鲁棒性有待进一步评估	开发可解释性方法以提高深度学习心电分析模型的临床接受度和电生理洞察力	1D-ResNet在PTB-XL和CODE-15%数据集上的特征激活模式	机器学习	心血管疾病	NA	1D-ResNet、随机森林	心电图信号	PTB-XL数据集（超类分类，10折交叉验证）和CODE-15%数据集（年龄回归）	NA	1D-ResNet	准确率、AUROC	NA
4724	2026-06-14	Data-driven global ocean model resolving atmospherically forced ocean dynamics 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aed1225 PMID:42284423	研究论文	提出基于深度学习的全球三维海洋环流模型KIST-Ocean，能够模拟大气强迫下的海洋动力过程	首次实现深度学习模型在三维全球海洋环流模拟中再现Kelvin波、Rossby波传播及风应力旋度驱动的垂直运动等关键大气强迫海洋动力学过程	NA	开发基于深度学习的三维全球海洋环流模型，以模拟大气强迫下的海洋动力学响应	全球海洋环流及其对大气强迫的响应	机器学习	NA	深度学习	深度神经网络	海洋环流数据	NA	PyTorch	三维卷积神经网络	模拟技巧、计算效率	NA
4725	2026-06-14	Deep learning-enabled versatile shape perception for soft robots via single-ended multimode fiber 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aef6263 PMID:42284416	研究论文	介绍了一种基于单端多模光纤和深度学习实现的软体机器人通用形变感知方法	利用光学混沌散斑场编码高维形状信息，通过可重构神经解码器将单一物理通道解析为多种感知模式，突破了硬件适应性限制	未提及具体局限性	实现软体机器人在多样化交互中的连续形变感知，特别是空间受限的介入场景	软体夹爪、仿生灵巧手和软体手术机器人	计算机视觉	NA	光学传感、多模光纤	深度学习神经网络	图像（散斑场）	NA	PyTorch	可重构神经解码器	准确率、空间分辨率增强倍数、交并比	NA
4726	2026-06-14	Predictions of protein-protein interactions and co-complex models with deep learning 2026-Jun-12, Current opinion in chemical biology IF:6.9Q1 DOI:10.1016/j.cbpa.2026.102703 PMID:42284691	综述	综述了基于深度学习的蛋白质-蛋白质相互作用预测及共复合物建模方法	从方法学范式对三种密切相关的任务（全蛋白质组PPI预测、PPI界面预测和PPI共复合物结构预测）进行分类，并总结其优势与限制	NA	概述深度学习在蛋白质相互作用研究中的最新进展及应用	蛋白质相互作用和共复合物模型	自然语言处理, 机器学习	NA	深度学习	CNN, LSTM, GAN	蛋白质序列和结构数据	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确性, 精确率, 召回率, F1分数, AUC, Dice系数	NA
4727	2026-06-14	DeepAdapter: a generalisable algorithm integrating self-supervised learning and unsupervised domain adaptation for robust retinopathy of prematurity screening 2026-Jun-12, The British journal of ophthalmology DOI:10.1136/bjo-2025-328559 PMID:42285743	研究论文	提出DeepAdapter算法，结合自监督学习和无监督域适应，提升早产儿视网膜病变筛查模型的泛化能力	首次将自监督学习与无监督域适应集成，通过预训练通用眼底表征和域自适应模块有效降低域偏移，显著提升模型在跨中心、跨种族数据集上的泛化性能	未提及算法在计算资源需求或更广泛疾病场景下的适用性限制	开发和验证一种泛化性强的深度学习算法，用于早产儿视网膜病变的稳健筛查	早产儿视网膜病变（ROP）的筛查模型	计算机视觉	早产儿视网膜病变	自监督学习、无监督域适应	深度学习模型	图像（彩色眼底照片）	50万张无标注图像和39,456张有标注图像	PyTorch	未指定具体模型架构	准确率、CORAL距离	NA
4728	2026-06-14	Vertexformer: the interpretable predictive research on thermocapillary convection of large Prandtl number liquid bridges 2026-Jun-12, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-026-00616-x PMID:42285978	研究论文	本研究开发了一种可解释的深度学习框架Vortexformer-SHAP，用于预测大普朗特数液桥的热毛细对流并揭示其物理机制	首次将轻量级Vortexformer模型与SHAP可解释性分析结合，重新发现了几何效应并揭示了冷端液桥温度的分岔效应和内在振荡周期律	未提及明确局限性	为空间复杂热流体系统的实时预测和智能控制提供技术基础和理论见解	大普朗特数液桥在微重力下的热毛细对流	机器学习	NA	热毛细对流实验	Vortexformer	实验数据	未明确提及样本数量	TensorFlow, PyTorch	Vortexformer	R², RMSE	NA
4729	2026-06-14	Enzyme-aware soil fertility prediction using dual optimization with improved SCSO 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56124-1 PMID:42286015	研究论文	提出一种基于改进沙猫群优化的酶感知土壤肥力预测框架，实现特征选择与超参数调优的统一优化	首次在土壤肥力预测中引入酶活性特征，将特征选择与超参数调优整合为统一优化过程，并加入随机逃逸最差更新机制和余弦调制搜索行为	未提及跨区域土壤类型验证及实际部署中的计算资源消耗评估	利用酶活性指标和优化算法提升土壤肥力预测的准确性与可解释性	土壤样本的酶活性相关属性及作物适宜性映射	机器学习	NA	酶活性检测	梯度提升、决策树、随机森林及混合模型	数值型土壤属性数据	NA	Scikit-learn	改进沙猫群优化、梯度提升、决策树、随机森林	准确率、精确率、召回率、F1分数	NA
4730	2026-06-14	Optimization algorithm for improving the prediction accuracy of API solubility in green solvent 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51115-8 PMID:42286012	研究论文	提出一种混合人工智能框架用于预测活性药物成分在超临界二氧化碳中的溶解度	将可解释深度学习（TabNet）和直方图梯度提升（HGB）与三种元启发式优化算法（ALO、EVO、BOA）结合，用于超参数调优和预测性能提升	通用性受限于当前编译数据集，未来需扩展实验溶解度数据集以提升泛化能力	提高药物在超临界二氧化碳中溶解度的预测精度和可解释性	活性药物成分在超临界二氧化碳中的溶解度	机器学习	NA	NA	TabNet, HGB, ALO, EVO, BOA	数值型实验数据	超过350个实验测量的溶解度数据点	NA	TabNet, 直方图梯度提升(HGB)	决定系数(R²), 五折交叉验证, 预测区间自举法, 多目标帕累托前沿分析	NA
4731	2026-06-14	Deep feature extraction and explanation consistency analysis for fine-grained aircraft type classification in remote sensing imagery 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54628-4 PMID:42286024	研究论文	提出一个可解释的飞机分类框架EC-AT，集成迁移学习、解释一致性分析和可信度评估，用于遥感图像中的细粒度飞机类型识别	设计了一种基于IoMin的空间重叠度量来定量评估不同解释方法生成区域的一致性，并引入多源AI记分卡表（MAST）对模型可信度进行结构化评估	未提及	提升遥感图像中细粒度飞机类型分类的性能和可解释性，为高可信度智能遥感分析提供参考	MAR20数据集中的八种代表性飞机类别	计算机视觉	NA	迁移学习	深度神经网络	图像	MAR20数据集中的八类飞机样本（具体数量未提及）	PyTorch	Grad-CAM, LIME, RISE	分类准确率、IoMin空间重叠度量、MAST多维度评估（准确率、一致性、逻辑论证、可视化）	NA
4732	2026-06-14	Fast surface reconstruction of human brain MRI: benchmarking deep-learning based morphometry tools 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55397-w PMID:42286078	研究论文	评估三种深度学习模型结合表面重建流水线在脑部MRI处理中的性能，寻找快速可靠的替代方案	首次将DeepSCAN、FastSurferCNN和QuickNAT三种深度学习模型与基于FreeSurfer的快速表面重建流水线结合，系统评估其在大规模人脑MRI数据上的性能和可靠性	主要评估了与FreeSurfer的重建一致性，未充分探讨在病理变异性、临床诊断中的实际应用效果	探索深度学习模型作为快速、可靠的脑结构MRI处理工具的可行性，为大规模研究项目和临床应用铺路	公开可用的人脑MRI数据集和带有已知指标的合成数据集	计算机视觉	未指定	MRI结构成像	深度学习模型（DeepSCAN、FastSurferCNN、QuickNAT）	图像（MRI）	公开的人脑MRI数据集（多个）和一个合成数据集	NA	DeepSCAN、FastSurferCNN、QuickNAT	与FreeSurfer重建的一致性、同一会话内重扫的再现性、年龄跨度稳定性、灰白质对比度敏感性、合成表面指标准确性	NA
4733	2026-06-14	A multi-task learning framework for diagnosing partial discharge types and assessing severity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57520-3 PMID:42286070	研究论文	提出一种多任务学习框架PD-IntelliFusionNet，用于同时诊断局部放电类型和评估严重程度	将声学和电磁传感、物理建模、多尺度特征提取与多任务深度学习集成到统一架构中，实现局部放电类型诊断和严重程度评估的同时进行	NA	开发一种能同时完成局部放电类型诊断和严重程度评估的统一框架，提高电力变压器绝缘系统可靠性并降低维护成本	电力变压器中的局部放电现象	机器学习	NA	声发射传感、超高频信号传感、多尺度特征提取	多任务深度学习、注意力机制、强化学习	声发射信号、超高频电磁信号	NA	NA	PD-IntelliFusionNet	诊断准确率、鲁棒性	NA
4734	2026-06-14	Sequence-based prediction of drug-target binding using machine learning, deep learning and ensemble models without 3D structural information 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57478-2 PMID:42286075	研究论文	提出了一种完全基于序列的药物-靶点结合预测框架，无需三维结构信息，即可实现与分子对接相当的预测性能	通过统一表征整合理化性质、3-gram序列模式和药物编码信息，并利用堆叠集成策略（随机森林、支持向量机和逻辑回归）实现高效预测，同时通过特征重要性分析提升模型可解释性	未明确提及，但可能依赖公共数据库数据质量和SMOTE过采样导致的潜在偏差	开发无需三维结构的序列化药物-靶点相互作用预测方法，替代传统结构依赖方法	药物-靶点相互作用对（DTIs）	机器学习	非特定疾病（药物发现通用领域）	SMOTE过采样、分子对接	机器学习、深度学习、集成模型（随机森林、支持向量机、逻辑回归）	序列数据（蛋白质序列和药物化学序列）	未明确说明具体样本数量	NA	随机森林、支持向量机、逻辑回归	ROC-AUC	NA
4735	2026-06-14	Simulation of long-term spatio-temporal environmental dynamics using a unified benchmark of neighbor augmenting, LSTM and graph attention models 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56762-5 PMID:42286150	研究论文	提出了一个统一的基准框架，用于比较基于邻域、图和注意力机制的时空深度学习模型在长期地理空间环境动态预测中的表现	不引入新模型，而是通过对比工程实验评估邻域时序模型在图注意力模型占优的地理空间长期预测任务中表现更优的条件	未明确提及数据时间范围外的泛化能力、模型计算效率或对极端气候事件的适应性	比较基于邻域、图和注意力机制的时空深度学习模型在长期地理空间环境动态预测中的性能	基于2000-2023年年度卫星数据的NetCDF格式资料，2024年作为完全未见的测试集	计算机视觉, 机器学习	NA	卫星遥感数据，NetCDF格式	LSTM, GAT, 图注意力网络, 时序注意力模型	图像, 时序数据	2000年至2023年的年度卫星数据，2024年作为测试集	NA	LSTM, GAT-LSTM, GAT-Temporal Attention, MLP/FFN	相关系数R, RMSE, MAE, MAPE, 相关系数	NA
4736	2026-06-14	Causal inference-integrated temporal graph convolutional networks for dynamic prediction and optimization of enterprise total factor productivity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57633-9 PMID:42286196	研究论文	提出一种将因果推断与时间图卷积网络结合的因果时间图卷积网络（CT-GCN），用于企业全要素生产率的动态预测与优化	将因果推断技术集成到时间图卷积网络中，以区分真实因果机制与虚假相关，同时捕捉企业间的网络依赖关系，并引入优化决策机制生成差异化战略建议	未明确提及局限性，但可能包括对数据质量、模型泛化能力或因果假设的依赖	实现企业全要素生产率的动态预测与优化，并识别真正的生产率驱动因素	中国制造业企业	机器学习	NA	NA	时间图卷积网络	面板数据	12,847家中国制造业企业，2008-2022年数据	PyTorch	CT-GCN	RMSE	NA
4737	2026-06-14	Transferable human mobility network reconstruction with neuroGravity 2026-Jun-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-01003-y PMID:42286365	研究论文	开发了神经重力模型，从有限观测中可靠重建城市间流动网络并实现跨城市迁移	将物理启发的重力模型与深度学习结合，提出无需旅行调查数据仅利用城市设施和人口分布重建流动网络，并发现空间收入隔离是影响模型迁移性的关键因素	未提及模型在极端数据稀缺或非常规城市形态下的性能及未对迁移性预测进行跨区域验证	解决欠发达地区因缺乏旅行调查数据而无法准确建模人类流动性的问题	全球超过1200个城市的城市设施分布、人口分布及人类流动网络	机器学习	NA	NA	物理启发式深度学习模型	城市设施位置数据、人口分布数据	超过1200个城市的流动网络数据	PyTorch	神经重力网络	相关系数、迁移性预测准确率	NA
4738	2026-06-14	DVNDTA: a dual virtual node based heterogeneous interaction model for accurate prediction of drug-target affinity 2026-Jun-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06481-5 PMID:42286477	研究论文	提出了一种基于双虚拟节点的异质交互模型DVNDTA，用于准确预测药物-靶标亲和力	引入双虚拟节点捕捉药物和靶标口袋的全局上下文信息，并通过动态加权全局-局部协同感知机制和双向反馈机制增强模型对结合模式的捕获能力	可能仍受限于仅依赖3D复合物结构信息，对复杂结合机制的完整捕捉存在潜在不足	提高药物-靶标亲和力预测的准确性，加速药物发现过程	药物分子和靶标蛋白的3D复合物结构	机器学习	NA	NA	深度学习模型（基于图神经网络）	3D复合物结构数据	多个基准数据集	NA	DVNDTA（双虚拟节点异质交互模型）	精准度、泛化能力（具体指标如均方误差、一致性指数等未明确列出）	NA
4739	2026-06-14	A weakly supervised deep learning-based recurrence prediction and risk stratification of lung adenocarcinoma from pathology whole-slide images 2026-Jun-12, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16340-4 PMID:42286527	research paper	基于弱监督深度学习从病理全切片图像预测肺腺癌术后复发并进行风险分层	利用常规苏木精-伊红染色图像，在弱监督多实例学习框架下结合自动感兴趣区域检测，实现肺腺癌术后复发的准确预测，并与转录组分析整合增强生物学可解释性	未在摘要中明确提及具体限制	预测肺腺癌术后复发并表征相关生物学特征，以指导临床决策	肺腺癌术后复发	digital pathology	lung adenocarcinoma	NA	CNN	图像	399名患者（329名来自FHWMU，70名来自CPTAC）	PyTorch, TensorFlow, Keras, Scikit-learn	Inception_V3, ResNet18, DenseNet121	AUC, Kaplan-Meier生存分析, Cox比例风险回归	NA
4740	2026-06-14	Deep learning models for the detection of dental-findings and tooth-types using video data 2026-Jun-12, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08861-y PMID:42286590	研究论文	利用手持牙刷式口腔内设备获取视频数据，开发并验证深度学习模型检测口腔发现和识别牙型	首次基于视频数据而非静态图像开发深度学习模型用于口腔检测，并集成到日常口腔护理设备中	未提及具体局限性，但视频捕获序列缺乏标准化，可能影响模型泛化性	开发并验证能够使用视频数据检测口腔发现和识别牙型的深度学习模型	通过视频图像检测口腔发现（如龋齿、填充物、牙菌斑、染色）和识别牙型	计算机视觉	口腔疾病	视频图像提取与标注	YOLOv8s	视频图像帧	708个视频，提取16552帧，最终用于牙科发现模型7963帧和牙型模型3799帧	NA	YOLOv8s	平均精度均值(mAP), F1分数	NA