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
481	2026-03-28	DermaScanAI an explainable hybrid deep learning framework for automated skin lesion classification using dual attention and metadata fusion 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46011-0 PMID:41888268	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
482	2026-05-15	MAGNet: enhancing action recognition with multimodal fusion and adaptive graph convolution 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45601-2 PMID:41888423	研究论文	提出一种基于多模态自适应图卷积网络（MAGNet）的人体动作识别模型，通过融合自适应图卷积和跨模态自注意力机制增强多模态数据处理能力	融合自适应图卷积与跨模态自注意力机制，动态调整每个模态的贡献以应对数据缺失；引入VQ-VAE生成模型生成解剖学一致的人体姿态特征	NA	提高人体动作识别在多模态数据融合、复杂环境鲁棒性及数据缺失条件下的准确性	人体动作识别任务	计算机视觉	NA	NA	图卷积网络（GCN）、跨模态自注意力机制、VQ-VAE生成模型	多模态数据	NTU RGB+D数据集和UTD-MHAD数据集	PyTorch	自适应图卷积网络（MAGNet）、VQ-VAE	准确率（Accuracy）	NA
483	2026-05-15	ResSeMo: deep convolutional neural network integration for high-accuracy waste classification and efficient processing 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45814-5 PMID:41888559	研究论文	提出一种基于多模块协同优化的轻量级垃圾分类模型ResSeMo，实现高精度分类与高效处理	融合ResNeXt多尺度特征提取、SENet通道注意力机制与MobileNetV3轻量化设计，提升分类精度、降低计算开销并增强复杂背景鲁棒性	未提及在更大规模或更多样化实际场景中的泛化能力及与其他先进模型的横向对比	解决传统垃圾分类方法效率与精度不足的问题，实现智能垃圾分类系统优化	城市生活垃圾图像分类与处理	计算机视觉	NA	NA	CNN	图像	TrashNet和TACO两个公开数据集，具体样本量未提及	PyTorch	ResNeXt, SENet, MobileNetV3	准确率, 抗干扰稳定性（高斯噪声、随机模糊下的精度下降）	NA
484	2026-05-15	Optimized Lightweight U-Net and YOLACT framework for multi-disease severity detection in pome fruit leaves 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45947-7 PMID:41888567	研究论文	提出了一种优化的轻量级U-Net和YOLACT框架，用于仁果叶片多病害严重程度检测	首次提出一种双模型深度学习框架，结合轻量级Lite-U-Net和增强Lite-YOLACT，并引入新的多病害严重程度量表，以处理同一叶片上的多种共存感染	依赖专门标注的仁果叶片数据集，泛化能力可能受限于其他作物或真实场景；未提及计算资源的详细需求或模型在移动设备上的部署可行性	实现仁果叶片多病害严重程度的自动检测与分类，提升作物健康监测的效率和准确性	仁果叶片（如苹果和梨叶片），包含多种病害类型和严重程度标注	计算机视觉	植物病害	深度学习	CNN	图像	未在标题和摘要中明确说明样本数量	PyTorch	MobileNetV2, Lite-U-Net, Lite-YOLACT	准确率	NA
485	2026-05-15	Psychological-physical synergy of athletes based on artificial intelligence and deep learning 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45920-4 PMID:41882073	研究论文	本研究提出了图注意力-贝叶斯时序网络（GABT-Net），用于从多模态生理信号准确监控运动员心理状态	创新性地将图注意力网络用于构建多源生理信号的瞬时协同关系，并引入贝叶斯Transformer通过蒙特卡洛Dropout技术实现不确定性量化，解决了现有深度学习方法缺乏协同建模和预测结果不可靠的问题	未在摘要中明确提及限制	解决从多模态生理信号准确可靠监控个体心理状态的挑战	运动员的心理和生理协同状态	机器学习	NA	NA	图注意力网络，贝叶斯Transformer	多模态生理信号	使用WESAD公开数据集，具体样本量未说明	PyTorch	GABT-Net（图注意力-贝叶斯时序网络）	准确率，宏平均F1得分，期望校准误差	NA
486	2026-05-15	Spatial-temporal graph neural network with autoencoder pretraining for intrusion detection in healthcare IoT ecosystems 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45041-y PMID:41882266	研究论文	提出一种结合自编码器预训练和时空图神经网络的方法，用于医疗物联网环境中的入侵检测	创新性地将自编码器无监督预训练与时空图神经网络结合，以同时捕获设备间空间依赖和时间动态，有效应对类别不平衡和罕见入侵类别问题	未明确讨论局限性	开发一种针对医疗物联网生态系统的高效入侵检测方法，提升检测准确性和泛化能力	医疗物联网设备间的网络流量数据	机器学习	不适用	不适用	空间-时间图神经网络（ST-GNN）、自编码器	网络流量数据	使用了IoT Healthcare数据集和TON-IoT数据集	NA	自编码器预训练、空间-时间图神经网络	准确率、F1分数、ROC-AUC、宏平均F1	NA
487	2026-05-15	Deep learning image generation technology for enhancing the presentation effect of image art based on artificial intelligence 2026-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45739-z PMID:41882268	研究论文	提出StyleDiffusion-HD框架，结合基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块，提升图像艺术呈现效果	创新性融合风格注入注意力的潜在扩散模型实现文本与视觉风格的双模态精确控制，并引入基于流匹配的超分辨率模块在提升分辨率的同时保持风格一致性	未明确说明，但从研究内容推断可能包括多源艺术数据集的质量和多样性有限，以及主观评价存在个体差异	解决AI图像生成技术在艺术创作中风格控制不准、分辨率有限及超分辨率处理中艺术纹理丢失的问题	多源高质量艺术数据集中的图像	计算机视觉	NA	深度学习，潜在扩散模型，风格注入注意力，流匹配	潜在扩散模型，超分辨率模型	图像	使用多源高质量艺术数据集，具体数量未说明	NA	StyleDiffusion-HD（包含基于风格注入注意力的潜在扩散模型和基于流匹配的超分辨率模块）	Fréchet Inception Distance (FID)， CLIP Score (CS)， Style Loss (SL) 及主观美学评分	NA
488	2026-05-15	Boosting foundation models for rare eye disease diagnosis via a multimodal text-to-image generative framework 2026-Mar-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02560-2 PMID:41872533	研究论文	提出EyeDiff生成式基础模型，从文本描述合成保留病灶的眼科图像，用于提升罕见眼病诊断准确性	首次将文本到图像生成基础模型用于罕见眼病数据增强，通过多模态生成方式提升不同基础模型诊断性能	未讨论生成图像在真实临床环境中的验证结果，可能存在的模式坍塌风险需进一步评估	解决罕见眼病诊断中数据稀缺和类别不平衡问题	多种视网膜疾病（常见与罕见）的跨模态眼科影像	计算机视觉, 自然语言处理	视网膜疾病	文本到图像生成	扩散模型	图像, 文本	11个全球来源数据集	PyTorch	基础模型（包含模态特定、多模态、视觉语言基础模型）	客观指标, 专家人工评估	NA
489	2026-05-15	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	利用深度学习辅助的压力-面积分析框架，在体内量化动脉主动力学特性	提出了结合超声成像、血压测量、神经网络分割和生物力学模型反演的方法，用于推断动脉主动力学参数，并能区分平滑肌张力的贡献	样本量相对较小（仅10名志愿者进行运动测试），且未涉及疾病人群的验证	开发一种在体定量表征动脉主动力学的方法，以区分平滑肌张力的影响	健康志愿者的右侧颈总动脉的主动力学特性	机器学习	心血管疾病	超声成像	神经网络	图像（超声视频）	233名志愿者（18-65岁）用于训练神经网络，10名志愿者（平均年龄25±3岁）用于运动测试	NA	神经网络（未指定具体架构）	空间和时间性能（未指定具体指标）	NA
490	2026-05-15	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	提出一种基于深度学习的两步半自动化框架，在脑部MRI上通过眼眶定位和分类检测脉络膜转移瘤	采用YOLOv5架构进行眼眶定位，结合进化策略的小样本训练方法解决二分类问题，提高小病变检出率	数据集较小（仅33例正常和33例含脉络膜转移瘤样本），且模型无法区分左右眼眶导致平均精确率偏低	利用人工智能区分脑部MRI中正常眼眶与脉络膜转移瘤，提高小病变的检测率	97名患者的T2加权脑部MRI轴位切片（共386张）	计算机视觉	脉络膜转移瘤	MRI	YOLOv5, CNN	图像（脑部MRI轴位切片）	97名患者（386张切片）用于定位网络；66名患者（33例正常+33例转移瘤）用于分类网络	PyTorch	YOLOv5, 进化策略训练的卷积神经网络	准确率, 平均精确率（mAP）, AUC, 灵敏度, 特异度	NA
491	2026-05-15	Interpreting Deep Learning-Based Prediction of the BRAF V600E Mutation Using Diagnostic Whole Slide Images in Skin Cutaneous Melanoma 2026-03, The American journal of pathology DOI:10.1016/j.ajpath.2025.11.004 PMID:41391751	研究论文	解释深度学习模型在皮肤黑色素瘤全切片图像中预测BRAF V600E突变的结果	通过弱监督深度学习模型XpressO-melanoma的输出来解释其预测BRAF V600E突变状态的形态学合理性，并与病理学家标注进行比较，提出了四种解释类别	模型性能指标（AUC为0.8，精确率和召回率为0.7）显示仍有改进空间，某些感兴趣区域需要标注优化	提高深度学习模型在临床病理学中的可解释性，促进人机协作	皮肤黑色素瘤的诊断全切片图像	数字病理学	皮肤黑色素瘤	H&E染色全切片图像分析	弱监督深度学习模型	图像	未明确说明样本数量	未明确说明	XpressO-melanoma	AUC，精确率，召回率	未明确说明
492	2026-05-15	Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants 2026-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.5814 PMID:41569552	研究论文	利用深度学习模型从早产儿视网膜图像预测支气管肺发育不良和肺动脉高压	首次证明早产儿视网膜病变筛查中获得的视网膜图像可预测支气管肺发育不良和肺动脉高压，并构建整合图像特征与人口统计学风险因素的多模态模型	样本量有限，模型仅在早产儿队列中验证，可能受早产儿视网膜病变混杂因素影响	评估视网膜图像能否用于预测早产儿心脏肺部疾病，并比较多模态模型与纯人口统计学模型的性能	493名早产儿（来自多机构i-ROP研究）的视网膜图像及人口统计学数据	计算机视觉	心血管疾病	眼底成像	支持向量机	图像	493名早产儿（支气管肺发育不良队列99名测试患者，肺动脉高压队列37名测试患者）	NA	ResNet18	AUC	NA
493	2026-05-15	Development and validation of a high-resolution hyperspectral imaging system for the retina 2026-Mar, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.3.036006 PMID:41858558	研究论文	开发并验证一种用于视网膜的高分辨率高光谱成像系统，可同时提取血管直径和氧合率	结合快照式高光谱相机、高分辨率RGB相机和深度学习泛锐化算法，实现视网膜高分辨率高光谱成像及血管参数同步测量	NA	开发用于视网膜的高分辨率高光谱成像系统	小鼠视网膜及血管	计算机视觉	阿尔茨海默病, 糖尿病视网膜病变, 黄斑变性	高光谱成像	深度学习	图像	小鼠视网膜样本	NA	NA	均方根误差, 相关系数, 光谱角得分, 相对全局无量纲综合误差	NA
494	2026-05-15	Advancements and Applications of Artificial Intelligence in Hypertrophic Cardiomyopathy: A Comprehensive Review 2026-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM44449 PMID:41923713	综述	系统回顾人工智能在肥厚型心肌病数据分析中的应用，重点关注方法学进展和临床实施	全面整合人工智能、机器学习和深度学习技术在心超、心电图和心脏磁共振成像中的应用，推动HCM诊断从经验驱动向数据驱动的范式转变	多源数据标准化不足、模型可解释性有限以及数据隐私问题	系统梳理AI在HCM领域的应用现状并提出向精准医学和个体化管理过渡的路径	肥厚型心肌病相关的临床和影像数据	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
495	2026-05-15	Weakly Supervised Teacher-Student Framework with Progressive Pseudo-mask Refinement for Gland Segmentation 2026-Mar, Journal of clinical and translational pathology DOI:10.14218/jctp.2025.00055 PMID:42125533	研究论文	提出了一种弱监督师生框架，通过渐进式伪掩膜细化实现腺体分割	创新性地结合了指数移动平均稳定的教师网络、基于置信度的过滤、自适应融合和课程引导细化，实现了从稀疏标注中生成高质量伪掩膜并分割未标注腺体区域	在SPIDER数据集上因显著域偏移导致性能下降	开发一种标注高效且泛化能力强的腺体分割方法，减少对大规模像素级标注的依赖	结直肠癌组织病理学图像中的腺体结构	数字病理学	结直肠癌	H&E染色全切片成像	CNN	图像	60张来自俄亥俄州立大学韦克斯纳医学中心的H&E染色全切片图像，以及Gland Segmentation数据集、TCGA-COAD、TCGA-READ和SPIDER公开数据集	PyTorch	教师-学生网络	平均交并比（mIoU）、Dice系数	NA
496	2026-05-15	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-02, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	通过医学图像和记录预测结直肠癌筛查与风险评估	利用多模态融合策略将临床记录与深度学习图像特征结合，并引入中间临床变量预测改进5年进展风险预测性能	AUC值相对较低（最高0.672），可能需进一步优化模型和扩大样本量	结合病理图像与临床记录提升结直肠癌进展风险预测准确性	结肠镜检查患者	数字病理学	结直肠癌	数字病理学	Transformer	病理图像、临床记录	新罕布什尔结肠镜登记处的长期随访数据	PyTorch	Transformer	AUC	NA
497	2026-05-15	Learning inherent genetic patterns and trait associations with deep generative models for discrete genotype simulation 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag044 PMID:41980277	研究论文	探索使用深度生成模型模拟离散基因型数据，并在无条件与表型条件下评估模型性能	首次系统评估变分自编码器、扩散模型和生成对抗网络在离散基因型数据生成中的适用性，并针对数据离散特性提出适应性改进	未明确讨论模型对罕见变异或群体遗传结构偏差的鲁棒性	评估深度生成模型在基因型数据模拟及基因型-表型关联保持方面的能力	牛的全染色体和人类多个染色体的基因型数据	机器学习	NA	基因型模拟	变分自编码器、扩散模型、生成对抗网络	基因型数据	牛的全染色体和人类多个染色体的数据集	NA	变分自编码器、扩散模型、生成对抗网络	深度学习指标和数量遗传学指标	NA
498	2026-05-15	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-01, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	SenSeqNet是一个基于蛋白质序列预测细胞衰老的深度学习框架，利用ESM-2嵌入和混合LSTM-CNN架构，实现了高准确率和生物学一致性	首次将ESM-2蛋白质语言模型嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老状态，避免了传统实验方法的时间消耗和规模化难题，且模型捕捉到生物学上一致的调控程序	论文摘要未提及具体局限性	开发从蛋白质序列直接检测细胞衰老的深度学习工具，以加速衰老机制研究和治疗靶点发现	蛋白质序列及相关细胞衰老基因	机器学习	老年性疾病	蛋白质序列分析	混合LSTM-CNN	蛋白质序列	NA	NA	ESM-2, LSTM, CNN	准确率	NA
499	2026-05-15	Antimicrobial peptides: Bioinformatic advances and translational therapeutics to combat antibiotic resistance 2026, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2025.10.017 PMID:41581929	综述	这篇综述概述了抗菌肽（AMPs）的研究现状，重点介绍了生物信息学进展和翻译治疗学在对抗抗生素耐药性中的应用	全面整合计算模型（机器学习、深度学习）与实验流程（分子对接、原子模拟）以增强抗菌肽研究和设计，并涉及量子增强计算、自适应算法进化等前沿技术	未明确提及局限性，但可能包括临床转化障碍和计算方法的验证挑战	系统性综述抗菌肽在生物信息学、机制阐释和治疗发展方面的进展，以及其在解决抗生素耐药性危机中的潜力	抗菌肽（AMPs），也称为宿主防御肽（HDPs）	自然语言处理, 机器学习	抗微生物耐药性相关疾病	机器学习, 深度学习, 分子对接, 原子模拟, 自由能扰动分析	机器学习模型, 深度学习架构	肽序列数据, 结构数据, 相互作用数据	NA	NA	NA	NA	量子计算, 自适应算法进化, 确定性采样范型
500	2026-05-15	Recent advances in computational antimicrobial peptide discovery through big data, modeling, and artificial intelligence and their interplay in ushering the next golden era of drug development 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1749404 PMID:41923798	综述	通过大数据、建模和人工智能计算方法的综合运用，综述了它们在抗菌肽发现中的最新进展及其在推动药物开发新时代中的作用	首次系统性地整合计算策略，强调不同方法间的协同作用，并批判其局限性，填补了现有文献中方法孤立介绍的空白	未明确提及具体局限性，但隐含挑战包括序列空间巨大、平衡功效与低毒性的困难以及各方法整合中的技术壁垒	统一计算策略，揭示研究方法间的协同效应，促进高效抗菌肽发现以应对抗生素耐药性危机	抗菌肽及其作为传统抗生素替代品的发现方法	机器学习	抗生素耐药性相关感染性疾病	分子对接、分子动力学模拟、拉伸分子动力学、机器学习、深度学习	生成模型	基因组和宏基因组数据	不适用	不适用	不适用	不适用	不适用