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
501	2026-03-31	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	提出了一种名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	在序列预测模型中显式整合了蛋白质残基信息和配体信息，克服了现有方法主要依赖蛋白质序列而忽略配体信息的局限	未明确说明模型对未见配体或蛋白质的泛化能力，也未讨论计算复杂度或运行时间	开发一种能够准确预测蛋白质-配体结合残基的序列深度学习模型，以支持虚拟筛选和药物发现	蛋白质序列和配体信息	生物信息学/计算生物学	NA	深度学习	深度学习模型	序列数据（蛋白质序列）	NA	NA	NA	NA	NA
502	2026-03-31	Molecular Pathology, Artificial Intelligence, and New Technologies in Hematologic Diagnostics: Translational Opportunities and Practical Considerations 2026-Mar-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060913 PMID:41897649	综述	本文探讨了人工智能、自动化及数字形态学平台在血液病理学和分子诊断中的应用及其转化潜力	综合评估了AI在血液诊断多个环节（如数字形态学、流式细胞术、分子病理学）的应用，并强调与WHO HAEM5和国际共识分类框架对齐的多模态模型发展	成功转化依赖于疾病特异性验证、多模态模型开发以及保持专家监督的实验室治理，这些因素可能限制即时广泛应用	改善血液疾病诊断的准确性和患者护理，通过技术应用应对实验室日益增长的病例复杂性和人员挑战	血液疾病诊断技术，包括数字形态学平台、AI辅助的血液和骨髓解读、AI赋能的流式细胞术、自动化及机器人系统	数字病理学	血液疾病	数字形态学分析、流式细胞术、分子测试	深度学习	图像、流式细胞术数据、分子数据	NA	NA	NA	一致性、性能可比性、吞吐量增益	NA
503	2026-03-31	Enhancing Pig Behavior Recognition in Complex Environments: A Transfer Learning-Assisted YOLO11 Network with Wavelet Convolution and Synergistic Attention 2026-Mar-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16060964 PMID:41897941	研究论文	本文提出了一种基于轻量级YOLO11n优化的猪行为识别方法，通过引入小波卷积和协同注意力机制，旨在提升复杂环境下猪行为识别的准确性和效率	提出了三种基于YOLO11n的优化策略：在C3k2层嵌入SCSA-CBAM以增强多尺度特征判别力；在颈部引入WFU进行动态跨尺度特征融合；在骨干网络中用WTConv替换标准卷积以降低计算开销	模型在自建数据集上进行验证，其泛化能力在其他养殖环境或不同品种猪群中仍需进一步测试	开发一种轻量、高效且泛化能力强的猪行为识别模型，以支持实时智能畜牧管理	猪的行为	计算机视觉	NA	深度学习，迁移学习，数据增强	YOLO	图像	2480张原始图像，按8:2比例分层随机抽样分为训练集和验证集	PyTorch	YOLO11n-SCSA-WFU-WT	mAP@0.5, mAP@0.5:0.95, 参数量, GFLOPs, FPS	NA
504	2026-03-31	FedIHRAS: A Privacy-Preserving Federated Learning Framework for Multi-Institutional Collaborative Radiological Analysis with Integrated Explainability and Automated Clinical Reporting 2026-Mar-19, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14030713 PMID:41898357	研究论文	提出一个名为FedIHRAS的隐私保护联邦学习框架，用于多机构协作的放射学分析，并集成了可解释性和自动化临床报告功能	将多任务深度学习（分类、分割）、可解释性（Grad-CAM）和基于SNOMED CT的自动化报告生成整合到一个统一的联邦学习框架中，解决了现有方法任务孤立、缺乏集成流程的局限	实验在模拟的机构节点上进行，未明确提及在真实多机构部署中的具体挑战（如网络延迟、机构参与意愿等）	开发一个可扩展、隐私保护且具有临床意义的放射学人工智能系统，以支持多机构协作	胸部X光图像	计算机视觉	NA	联邦学习	深度学习	图像	约874,000张图像，来自四个大规模胸部X光数据集	NA	ResNet-50	诊断性能、跨机构泛化能力、鲁棒性、通信效率、隐私-效用权衡、与放射科专家评估的一致性	NA
505	2026-03-31	MidFusionEfficientV2: Improving Ophthalmic Diagnosis with Mid-Level RGB-LBP Fusion and SE Attention 2026-Mar-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062352 PMID:41899275	研究论文	提出了一种名为MidFusionEfficientV2的深度学习混合模型，用于对包括葡萄膜炎、结膜炎、白内障、眼睑下垂和正常状况在内的眼部疾病进行分类	提出了一种双分支架构，在中间层融合RGB图像和LBP纹理特征，并在LBP分支中集成了SE注意力机制以增强纹理特征的显著性	NA	通过融合颜色和纹理特征改进眼部疾病的自动诊断	眼部疾病（葡萄膜炎、结膜炎、白内障、眼睑下垂）和正常眼部状况	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	EfficientNetV2-S, ResNetV2, ConvNeXt, DenseNet-121, EfficientNet-B1, MobileNetV3 Large	准确率, 召回率, F1分数	NA
506	2026-03-31	Digital Gait Biomarkers for Parkinson's Disease: Subject-Wise Validated Explainable AI Framework Using Vertical Ground Reaction Force Signals 2026-Mar-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030360 PMID:41899891	研究论文	本研究提出了一种基于垂直地面反作用力信号的两阶段可解释AI框架，用于帕金森病的检测和连续严重程度估计	提出了一个两阶段可解释AI框架，结合了深度学习和XGBoost回归，实现了帕金森病的可重复检测和连续严重程度量化，并利用集成梯度方法提供了模型解释性	未明确说明模型在外部验证集上的泛化性能，且临床量表H&Y本身存在主观性和离散分级的局限性	开发一种基于步态数字生物标志物的可解释AI框架，用于帕金森病的客观检测和疾病进展的连续量化	帕金森病患者（使用TREND前瞻性纵向队列，n=696）	数字病理学	帕金森病	垂直地面反作用力信号分析	TCN, BiGRU with attention, FCNN-Transformer, XGBoost	时间序列信号（VGRF信号）	TREND前瞻性纵向队列（n=696名受试者）	未明确指定，但提及了XGBoost	时间卷积网络, 双向门控循环单元注意力机制, 全连接神经网络-Transformer	AUC, Spearman相关系数, 平均绝对误差, 均方根误差, 决定系数	NA
507	2026-03-31	Prediction of Bandgap and Key Feature Analysis of Lead-Free Double Perovskite Oxides Based on Deep Learning 2026-Mar-19, Molecules (Basel, Switzerland) DOI:10.3390/molecules31061032 PMID:41900131	研究论文	本研究利用深度学习模型预测无铅双钙钛矿氧化物的带隙，并通过SHAP方法分析关键特征	系统比较了MLP、深度集成学习、PINN和Transformer四种模型在带隙预测中的性能，并利用SHAP方法进行特征重要性分析以增强模型可解释性	MLP模型对含有Si和Mg等元素的中高带隙系统泛化能力有限	实现无铅双钙钛矿氧化物带隙的高精度预测和机理解释，为材料设计和性能优化提供理论支持	无铅双钙钛矿氧化物	机器学习	NA	深度学习	MLP, 深度集成学习, PINN, Transformer	结构化特征数据	2367个有效数据集	NA	MLP, 深度集成学习, PINN, Transformer	R值, MAE, MSE, RMSE	NA
508	2026-03-31	RD-GuideNet: A Depth-Guided Framework for Robust Detection, Segmentation, and Temporal Tracking of White Button Mushrooms 2026-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s26061935 PMID:41902103	研究论文	本研究开发了一个名为RD-GuideNet的深度引导计算机视觉框架，用于自动化检测、分割和追踪白蘑菇，以支持机器人选择性采摘	提出了一种新颖的图像处理算法，该算法整合了RGB和深度图像，并实现了一个定制的深度引导追踪算法，以在密集蘑菇床中保持蘑菇的身份跨帧一致性	其追踪一致性（92.7%）略低于对比模型YOLOv8（95.3%）和YOLOv11（94.6%），未来工作将研究结合深度几何推理与深度学习的混合框架的全面定量评估	开发一个自动化框架以解决蘑菇农场劳动力短缺问题，支持及时、选择性的机器人采摘	白蘑菇	计算机视觉	NA	图像处理算法，深度引导追踪算法	深度学习模型	RGB图像，深度图像	NA	NA	RD-GuideNet, YOLOv8, YOLOv11	F1-score，追踪一致性	NA
509	2026-03-31	CSFPR-RTDETR-CR: A Causal Intervention Enhanced Framework for Infrared UAV Small Target Detection with Feature Debiasing 2026-Mar-19, Sensors (Basel, Switzerland) DOI:10.3390/s26061941 PMID:41902108	研究论文	本文提出了一种基于因果推理增强的红外无人机小目标检测框架，旨在解决特征偏差问题并提升检测性能	提出了一种结合因果干预的三路径特征去偏方法，包括因果数据增强模块、反事实推理模块和因果注意力机制模块，以分离和强化因果特征	NA	提升红外图像中无人机小目标检测的准确性和鲁棒性	红外图像中的无人机小目标	计算机视觉	NA	红外成像	Transformer	图像	HIT-UAV公共数据集	PyTorch	CSFPR-RTDETR	mAP@50, mAP@50:95	NA
510	2026-03-31	Enhanced ovarian cancer diagnosis using deep learning on pelvic ultrasound with integrated clinical data: retrospective multicenter study 2026-Mar-19, Journal of gynecologic oncology IF:3.4Q2 DOI:10.3802/jgo.2026.37.e84 PMID:41906782	研究论文	本研究旨在通过整合盆腔超声图像与年龄、CA-125等临床数据，开发深度学习模型以提升卵巢良恶性肿瘤的鉴别诊断能力	创新点在于将超声图像分割为囊性和实性成分进行特征提取，并结合临床数据（年龄、CA-125）集成到深度学习分类器架构中，显著提高了模型性能	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限（804例患者），且未在外部独立队列中进行验证	开发一个深度学习模型，用于增强卵巢良恶性肿瘤的鉴别诊断	卵巢肿瘤患者（包括良性和恶性）	数字病理学	卵巢癌	盆腔超声成像	CNN	图像, 临床数据	804例患者（446例良性，358例恶性）	PyTorch, TensorFlow	ResNet50, DenseNet121	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
511	2026-03-31	Artificial Intelligence in ALK-Rearranged NSCLC: Forecasting Response and Resistance 2026-Mar-18, Cancers IF:4.5Q1 DOI:10.3390/cancers18060973 PMID:41899575	综述	本系统综述评估并综合了人工智能在利用影像、病理、分子和临床数据预测ALK重排非小细胞肺癌状态及治疗相关结局方面的证据	通过文献计量共现分析识别出分子表征和计算方法两大研究主题，并观察到近期向治疗特异性及整合性分析的转变	方法学异质性大、外部验证有限、缺乏前瞻性研究，这些因素限制了临床转化	评估人工智能在ALK重排非小细胞肺癌的诊断、预后和治疗评估中的应用潜力	ALK重排的非小细胞肺癌患者	数字病理学	肺癌	影像学、病理学、分子数据及多模态数据	机器学习、深度学习	影像、病理、分子、多模态数据	NA	NA	NA	曲线下面积	NA
512	2026-03-31	DuDeM: A Dual-Network Model for Early Gastric Cancer Detection Based on Capsule Endoscopy 2026-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030356 PMID:41899887	研究论文	本研究提出了一种名为DuDeM的双网络模型，用于基于胶囊内镜的早期胃癌检测，通过整合ResNet50卷积分支和CapsuleNet分支，结合动态路由和注意力加权策略，以应对胃部解剖部位、患者姿势变化和胃蠕动带来的干扰	开发了结合ResNet50卷积分支与CapsuleNet动态路由的双网络模型，采用注意力加权特征融合策略，有效建立局部-全局特征关联，提升了在干扰条件下的早期胃癌检测鲁棒性	未明确说明模型在不同医院数据间的泛化能力细节，也未提及对严重图像扰动（如重度运动伪影）的鲁棒性测试	开发一种鲁棒的深度学习模型，以解决胶囊内镜中早期胃癌检测因胃部解剖部位、患者姿势变化和胃蠕动带来的挑战	胶囊内镜图像	计算机视觉	胃癌	胶囊内镜	CNN, CapsuleNet	图像	来自中国九家医院和公共数据集的胶囊内镜图像（具体数量未在摘要中说明）	NA	ResNet50, CapsuleNet	AUC, F1-score, 灵敏度, 特异性, 精确度	NA
513	2026-03-31	AI-Based Myocardial Segmentation and Attenuation Mapping Improved Detection of Myocardial Ischemia and Infarction on Emergency CT Angiography 2026-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030355 PMID:41899885	研究论文	本研究探讨了基于AI的心肌分割与衰减映射技术是否能改善急诊CT血管造影中心肌缺血和梗死的检测	首次将深度学习心肌分割与基于体素的衰减归一化映射相结合，用于急诊CT血管造影，并证明其能提高检测敏感性和阅片者间一致性	研究为回顾性设计，样本量有限（119例），且仅纳入48小时内接受侵入性冠状动脉造影的患者，可能存在选择偏倚	改进急诊CT血管造影中心肌缺血和梗死的检测准确性	119例急性胸痛患者	数字病理学	心血管疾病	心电图门控CT血管造影	深度学习	医学影像	119例患者	nnU-Net	U-Net	敏感性，阅片者间一致性	NA
514	2026-03-31	MM-WAE: Multimodal Wasserstein Autoencoders for Semi-Supervised Wafer Map Defect Recognition 2026-Mar-18, Micromachines IF:3.0Q2 DOI:10.3390/mi17030367 PMID:41900253	研究论文	本文提出了一种基于多模态Wasserstein自编码器的半监督晶圆图缺陷识别方法，以解决实际产线中标记数据稀缺、类别分布长尾和特征表示有限的问题	提出了多模态Wasserstein自编码器框架，通过空间、频率和纹理三个并行特征分支，结合多头注意力和门控机制进行自适应多模态融合，并引入最大均值差异损失和逆类别频率加权交叉熵损失进行联合优化	未明确说明模型在极端长尾分布或新型未知缺陷模式下的泛化能力，也未讨论计算复杂度对工业实时部署的影响	提高集成电路制造中晶圆图缺陷模式识别的准确性和鲁棒性，特别是在标记数据稀缺和类别不平衡的条件下	晶圆图缺陷模式	计算机视觉	NA	NA	自编码器	图像	NA	NA	多模态Wasserstein自编码器	准确率	NA
515	2026-03-31	Yixin Yangshen Granules Target HIF-1 Signaling to Modulate the Neuroimmune Microenvironment in Alzheimer's Disease: Insights from Integrative Multi-Omics and Deep Learning 2026-Mar-18, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19030502 PMID:41901348	研究论文	本研究通过整合多组学分析和深度学习，揭示了益心养神颗粒通过靶向HIF-1信号通路调节阿尔茨海默病神经免疫微环境的多靶点作用机制	首次结合单核RNA测序、多组学整合分析和深度学习框架DTIAM，系统揭示了益心养神颗粒在阿尔茨海默病中的多靶点作用机制，并识别出其关键活性成分甘孢内酯A	研究主要基于Aβ诱导的动物模型，尚未在更广泛的AD模型或临床样本中进行验证；深度学习预测的活性成分结合机制仍需进一步的实验验证	阐明益心养神颗粒在阿尔茨海默病中的多靶点作用机制	阿尔茨海默病小鼠模型、HT22细胞系、人AD海马体单核RNA测序数据	生物信息学, 深度学习	阿尔茨海默病	UPLC-QTOF-MS, snRNA-seq, 转录组学, 蛋白质组学, ELISA, qRT-PCR, Western blot, 分子对接, 分子动力学模拟	深度学习	单细胞RNA测序数据, 转录组数据, 蛋白质组数据, 分子结构数据	公共人类AD海马体snRNA-seq数据集、Aβ诱导的小鼠模型、HT22细胞系	DTIAM	NA	NA	NA
516	2026-03-31	VIS-NIR-SWIR Hyperspectral Imaging and Advanced Machine and Deep Learning Algorithms for a Controlled Benchmark of Bean Seed Identification and Classification 2026-Mar-18, Plants (Basel, Switzerland) DOI:10.3390/plants15060933 PMID:41901452	研究论文	本文利用VIS-NIR-SWIR高光谱成像和先进的机器学习与深度学习算法，对32种豆类种子进行识别和分类的基准测试	首次将VIS-NIR-SWIR高光谱成像与多种机器学习及深度学习模型结合，用于豆类种子的非破坏性分类，并探索了波段缩减对传感器设计的指导意义	研究在受控实验室条件下进行，结果可能无法直接推广到实际部署环境；波段缩减发现仅为传感器设计提供探索性指导，而非已验证的部署就绪规格	开发一种非破坏性、可扩展的种子种质鉴定方法，以支持种质资源保护、可追溯性和育种工作	32种豆类种子，包括30个普通豆地方品种和2个外群豆类	计算机视觉	NA	VIS-NIR-SWIR高光谱成像	线性判别分析, 支持向量机, 多层感知机, 卷积神经网络, 循环神经网络, 注意力机制	高光谱图像	3200颗种子（每种100颗）	NA	MLP_Wide, 卷积神经网络, 循环神经网络, 注意力机制	准确率, 宏F1分数, 平衡准确率, 精确率, 召回率	NA
517	2026-03-31	The Evolving Landscape of COPD Typization 2026-Mar-18, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62030564 PMID:41901645	综述	本文综述了慢性阻塞性肺疾病（COPD）分型领域的最新进展，重点分析了生物标志物、先进定量成像和多组学技术的整合应用	提出了向GETomics（遗传、环境、时间）框架的转变，作为超越传统分类系统局限性和实现真正个性化医疗的基础前提	作为一篇叙述性综述，未涉及原始研究数据或具体实验验证	分析COPD表征的演变格局，探讨精准医疗背景下从通用症状管理向特定可治疗特征识别的范式转变	慢性阻塞性肺疾病（COPD）的临床和生物学异质性	数字病理学	肺病	生物标志物、先进定量成像、多组学技术	深度学习	影像数据、组学数据	NA	NA	NA	NA	NA
518	2026-03-31	Physics-Guided Variational Causal Intervention Network for Few-Shot Radar Jamming Recognition 2026-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s26061900 PMID:41902069	研究论文	提出一种物理引导的变分因果干预网络，用于解决雷达主动干扰识别中训练样本稀缺和因果混淆问题	首次将物理先验与因果推断结合，通过结构化因果模型解耦信号特征，并引入变分信息瓶颈优化互信息，以消除环境混淆因素导致的虚假相关性	方法基于半物理仿真数据集验证，在真实复杂电磁环境中的泛化性能尚未充分评估	提高在训练样本稀缺条件下雷达主动干扰识别的准确性和鲁棒性	雷达主动干扰信号	机器学习	NA	半物理仿真	深度学习模型	时频图像表示	极低样本量机制下的数据集	NA	物理引导的变分因果干预网络	识别准确率	NA
519	2026-03-31	A Multimodal Biomedical Sensing Approach for Muscle Activation Onset Detection 2026-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s26061907 PMID:41902075	研究论文	提出一种轻量级时序注意力方法，用于慢速肌肉激活起始检测，结合表面肌电信号和光学运动图像数据，在低计算复杂度下提升检测性能	引入轻量级时序特征编码、慢激活感知的时序注意力机制及噪声抑制的稳定决策策略，有效增强对渐进激活信号的建模能力	未提及具体的数据集规模或跨受试者设置的详细限制	解决慢速肌肉激活起始检测中的准确识别问题，应用于康复训练、姿势调节和精细运动控制等场景	表面肌电信号和同步获取的光学运动图像数据	生物医学传感	NA	表面肌电信号分析，光学运动成像	深度学习	信号，图像	包含多种慢激活运动类型的数据集，使用五折交叉验证	NA	轻量级时序注意力框架	准确率，召回率，精确率，平均检测误差，检测延迟，假阳性率	NA
520	2026-03-31	C-EMDNet: A Nonlinear Morphological Deep Framework for Robust Speech Enhancement 2026-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s26061917 PMID:41902086	研究论文	本文提出了一种名为C-EMDNet的非线性语音增强方法，结合了CEEMDAN的自适应分解能力和深度卷积架构，直接在时间-本征模态函数域中操作	将CEEMDAN的本征模态函数解释为形态学潜在空间，以捕捉语音的多尺度结构，并采用U-Net类网络估计模态掩码，实现选择性噪声抑制	NA	开发一种鲁棒的语音增强框架，通过非线性形态学表示提升语音去噪性能	噪声语音信号	自然语言处理	NA	CEEMDAN, 深度卷积架构	CNN, U-Net	语音信号	标准噪声语音数据集	NA	U-Net	NA	NA