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
541	2026-06-16	Deciphering small sequence differences in T cell receptor-antigen pairing 2026-Jun-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73396-3 PMID:42288475	研究论文	开发深度学习模型pMTnet-omni，用于预测T细胞受体与抗原之间的结合及其强度差异	首次能够区分序列相似的TCR与抗原结合强弱差异，并集成实验室循环机制实现变体TCR的精准预测	依赖已知结合数据，可能无法完全覆盖所有低亲和力或稀有变异情况	解析TCR与抗原配对中微小序列变化对结合影响的生物学规则，并提供预测工具	T细胞受体与抗原肽-MHC复合物之间的结合关系	机器学习	NA	深度学习、高通量结合实验	深度学习模型	序列数据	NA	PyTorch	pMTnet-omni	结合/非结合预测准确率、结合强弱区分准确率	NA
542	2026-06-16	Research on comprehensive drought index prediction model based on CNN-LSTM 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50694-w PMID:42288522	研究论文	基于CNN-LSTM混合模型构建区域综合干旱指数预测模型，并在鄂尔多斯地区进行验证	首次将CNN与LSTM混合模型应用于区域综合干旱指数预测，相比单一模型显著提升了预测精度，降低了均方根误差和平均绝对误差	未说明模型的泛化能力是否适用于其他气候区域，且未探讨模型对长期干旱趋势的预测稳定性	提高区域干旱指数预测精度，为鄂尔多斯地区干旱监测和预测提供技术参考	鄂尔多斯地区的干旱事件及区域综合干旱指数	机器学习	NA	NA	CNN, LSTM, CNN-LSTM	数值数据（温度、降水、NDVI、土壤湿度、土地利用类型、DEM）	2001-2020年期间的数据用于模型训练、验证和测试	NA	CNN, LSTM, CNN-LSTM	相关系数, 均方根误差, 平均绝对误差	NA
543	2026-06-16	An intelligent ethereum blockchain technology for pest detection and smart irrigation in IoT using hybrid deep learning model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55818-w PMID:42288532	研究论文	该研究结合物联网与以太坊区块链技术，利用混合深度学习模型实现作物病虫害检测和智能灌溉，以提升智慧农业效率	提出混合卷积自适应递归移动网络（HC-ARMNet）结合改进秘书鸟优化（ISBO）算法，并将区块链用于物联网数据安全存储与传输	未来需改进特征提取策略以减少处理时间	构建基于物联网和区块链的安全高效智慧农业框架，实现植物病害分类、害虫检测和智能灌溉	植物病害、害虫、农田灌溉数据	物联网、智慧农业	植物病害、害虫	物联网传感器、以太坊区块链	混合深度学习模型	图像数据	PlantifyDr数据集（植物病害）、Pest Detection数据集（害虫检测）、田间手动采集的图像（智能灌溉）	NA	HC-ARMNet（混合卷积自适应递归移动网络）	准确率、精确率、假阴性率（FNR）、灵敏度、特异性、均方误差（MSE）、对称平均绝对百分比误差（SMAPE）、平均绝对缩放误差（MASE）	NA
544	2026-06-16	Deep learning model for real time moisture content detection and prediction in white tea withering using near infrared spectroscopy 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57739-0 PMID:42288587	研究论文	提出一种新型深度学习模型STA-BiGRU-XGBoost，用于利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	首次将时空注意力机制、双向门控循环单元与XGBoost算法集成，用于白茶萎凋水分含量的近红外光谱预测，并引入最大相关最小冗余算法进行关键变量选择	当前验证仅在特定生产季节和鲜叶来源区域进行，跨不同地理起源、品种和极端天气条件的泛化能力需要进一步的多季节和跨区域验证	利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	白茶萎凋过程中的茶叶样本	机器学习	NA	近红外光谱	深度学习模型	光谱数据	生产线上采集的数据集，来自2025年3-5月生产季的政和县，样本数量未明确说明	PyTorch	STA-BiGRU-XGBoost（时空注意力+双向GRU+XGBoost）	均方根误差、平均绝对误差、R平方	NA
545	2026-06-16	MAE-YOLO improves small object detection for intelligent inspection 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57661-5 PMID:42288606	研究论文	提出一种名为MAE-YOLO的智能检测模型，通过多尺度边缘空间特征提取、自适应多尺度上下文融合和空洞共享检测头等技术，提升小目标检测的准确性和轻量化程度	创新性地提出了多尺度边缘空间特征提取模块来优化边缘和空间特征提取，引入自适应多尺度上下文融合网络有效整合不同尺度特征，并设计自适应空洞共享检测头进一步降低多尺度检测中的误检和漏检率	未提及具体局限性	解决复杂背景下小目标检测的高误检率和漏检率以及计算复杂度高的问题，实现实时、高精度的智能检测	工业场景中的小目标（如绝缘子裂纹、变压器腐蚀、车辆异常、机械表面缺陷、螺栓和阀门等小零件）	计算机视觉	NA	Sobel边缘增强	YOLO（MAE-YOLO）	图像	VisDrone2019公开数据集和自采集数据集	NA	YOLOv8n（改进版MAE-YOLO）	mAP@50, 准确率, 模型大小（MB）, 参数量减少比例	NA
546	2026-06-16	Deep learning based apple leaf disease detection using spatially modulated continuouslayer 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57763-0 PMID:42288613	研究论文	提出一种基于自定义ContinuousLayer的深度学习框架，用于自动检测苹果叶部病害	设计了一种空间自适应卷积层ContinuousLayer，利用可训练的高斯基函数实现空间特征调制，并通过混合复合损失函数正则化核的不规则性，以克服标准CNN的局限性	研究在受控环境中进行，模型在真实田间条件下的泛化能力未得到验证	开发一种高精度的苹果叶部病害自动检测方法，支持可持续农业中的精准病害管理	苹果叶片及其四种状态（黑腐病、锈病、疮痂病、健康）	计算机视觉	苹果叶部病害	深度学习	CNN	图像	3164张苹果叶片图像，通过双三次上采样平衡为均匀类别分布	PyTorch	ContinuousLayer	准确率, F1分数	NA
547	2026-06-16	Integrating AI for sustainable architectural space optimization and heritage-conscious street design 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56501-w PMID:42288626	研究论文	提出一种集成深度学习、图技术和强化学习的AI框架，用于优化历史文化街区空间布局，同时保留遗产价值	提供了一个动态、数据驱动的方法，能够根据行人流量、交通和环境条件的实时变化自适应调整，结合CNN、GNN和RL实现空间优化	文中未提及具体的局限性	优化历史文化街区的空间布局，平衡现代化与历史真实性保护	历史文化街区	计算机视觉	不适用	CNN、GNN、强化学习	CNN、GNN、强化学习	空间特征、网络连接性、动态布局调整数据	在多个具有历史意义的城市中测试，未给出具体样本数量	不适用	CNN, GNN, 强化学习	拥堵减少率、绿地增加率、行人可达性改善率	未提及
548	2026-06-16	Deep learning analysis of trajectories and spatial variations in HPV vaccine discussions on Chinese Weibo 2026-Jun-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01720-5 PMID:42288636	研究论文	利用深度学习分析中国微博上关于HPV疫苗讨论的时间轨迹和空间变化	首次应用深度学习驱动的社交媒体监听技术，大规模分析中国微博上HPV疫苗讨论的长期趋势和地理差异	NA	评估公众对HPV疫苗的看法、感知障碍和促进因素，利用深度学习进行社交媒体实时监听	2018年至2023年中国微博上关于HPV疫苗的讨论帖子	自然语言处理	宫颈癌	社交媒体监听、深度学习	深度学习模型（未具体说明架构）	文本（社交媒体帖子）	1,972,495条相关微博帖子，其中6,600条进行了人工注释	NA	NA	预测准确率（0.78-0.96）	NA
549	2026-06-16	Deep learning-based artificial intelligence can improve the diagnosis of small bowel obstruction: stratified comparison study and hierarchical Bayesian model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57999-w PMID:42288632	研究论文	开发基于深度学习的人工智能技术，用于自动提取小肠梗阻的CT影像特征，并评估其对医生诊断的改善效果	首次采用分层比较研究和层次贝叶斯模型分析，系统评估AI辅助对不同经验水平医生诊断小肠梗阻的效能提升	NA	评估深度学习AI技术在提高小肠梗阻诊断准确性及效率方面的临床可行性	158次增强CT检查（含5200张标注图像）用于训练，30名急诊疑似SBO患者的CT图像作为测试集；17名住院医师和10名外科医生参与诊断评估	计算机视觉	小肠梗阻	增强CT成像	深度学习模型（具体类型未明确）	医学图像（CT影像）	158次增强CT检查（训练集5200张图像），30名患者CT图像（测试集），27名医生（17名住院医师+10名外科医生）	NA	NA	精确率、召回率、Dice系数、诊断正确率、诊断时间	NA
550	2026-06-16	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT框架，整合迁移学习与Kolmogorov-Arnold网络，基于分子SMILES表示同时预测天然产物的功效与不良反应	首次将迁移学习与KAN架构统一用于天然产物的双标签预测，解决现有模型在天然产物预测中泛化能力不足的问题	未明确说明，但可推断模型依赖特定数据集且迁移学习策略仅部分缓解数据稀缺问题	开发一种可持续且资源高效的深度学习框架，用于天然产物的功效和不良反应预测，以加速新药发现	天然产物及其分子SMILES表示	机器学习	NA	分子SMILES表示	Kolmogorov-Arnold Network (KAN)	分子结构数据，文本（SMILES）	大约3800种药物用于预训练，400种天然产物用于微调	PyTorch	KAN	准确率，精确率，召回率，F1分数，AUC	NA
551	2026-06-16	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种基于可解释神经网络的渐进性神经退行性疾病诊断学习模型	结合最小冗余最大相关性与ReliefF方法的混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并引入SHAP可解释性方法增强模型透明度	NA	开发可解释的深度学习模型用于亨廷顿病的精准诊断	亨廷顿病患者的临床特征数据	机器学习	亨廷顿病	临床数据分析	特征分词器-变换器模型	临床结构化数据	来自Kaggle的亨廷顿病数据集	NA	特征分词器-变换器	准确率	NA
552	2026-06-16	IDMBD: Intelligent Diagnostic Modelling of Bipolar Disorder at its early onset 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57662-4 PMID:42288667	研究论文	提出一种基于移动计算设备的双相情感障碍早期发病智能诊断建模方法	利用移动计算设备采集多模态异质特征，结合深度神经网络实现高粒度患者画像，并采用标准量表预测双相情感障碍的危急状态	未明确提及评估的数据集规模及外部验证情况	开发基于移动计算设备的双相情感障碍早期智能诊断模型	双相情感障碍患者的早期状态评估	机器学习	双相情感障碍	多模态特征采集与分析	深度神经网络、随机森林、决策树	多模态异质特征数据	未明确提及	NA	深度神经网络、随机森林、决策树	多个性能指标（未具体列出）	移动计算设备
553	2026-06-16	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究了基于视觉深度学习的字母手语识别方法，系统评估了多种卷积神经网络架构在美国手语字母数据集上的性能	构建了统一的实验框架，系统比较了ConvNeXtXLarge、EfficientNet、VGG19和ResNet-50等多种先进架构在字母手语识别中的表现	未提及具体局限性	探究视觉深度学习方法在手语字母图像数据中的识别效果，为可扩展可靠的手语识别系统提供模型选择依据	美国手语字母数据集中的手部姿势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	使用基准美国手语字母数据集，未提供具体样本数量	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
554	2026-06-16	Correction: Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening 2026-Jun-13, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13695-8 PMID:42288739	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
555	2026-06-16	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	结合影像组学和深度学习特征的混合元启发式特征选择方法用于数字乳腺摄影中的乳腺癌检测	首次提出混合蝗虫优化算法与乌鸦搜索算法框架结合多约束适应度函数进行特征选择，并整合影像组学和深度学习特征	真实数据样本量小导致性能评估有限，合成实验中的崩溃预防惩罚尚未在真实乳腺摄影数据上得到经验验证	开发并验证一种结合影像组学和深度学习特征的混合元启发式特征选择框架用于乳腺癌检测	CBIS-DDSM数据集中的乳腺病变感兴趣区域	计算机视觉	乳腺癌	影像组学与深度学习特征提取	多层感知器	乳腺X线图像	CBIS-DDSM子集22例，合成数据集16例	NA	EfficientNet-B5	AUC, 灵敏度	NA
556	2026-06-16	Identifying predictive factors of cyberbullying perpetration via deep learning: a two-stage training approach to class imbalance with weighted loss 2026-Jun-13, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04980-x PMID:42288893	研究论文	基于深度学习的两阶段训练与类别加权损失函数方法识别网络欺凌施暴者	结合两阶段训练策略与类别加权损失函数处理行为数据集中极端类别不平衡问题	未明确提及，但样本量较小且仅针对中国大学生群体	提高网络欺凌施暴者的识别准确率并解决类别不平衡问题	中国大学生的网络欺凌施暴行为预测因素	机器学习	NA	深度学习	深度神经网络	结构化行为数据	660名中国大学生（含54名自报施暴者）	NA	深度神经网络	召回率	NA
557	2026-06-16	Denoising of low-dose chest computed tomography images using a U-net based convolutional autoencoder and transfer learning 2026-Jun-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出一种基于U-net卷积自编码器的轻量级算法，结合迁移学习实现低剂量胸部CT图像去噪，在有限训练数据下提升图像质量并增强肺结节可检测性	采用两步训练策略（先在模体图像上预训练，再通过迁移学习适配临床数据），解决了临床配对数据稀缺问题，同时设计了保留解剖结构和低对比度细节的轻型U-net自编码器	未明确提及局限性，但训练策略依赖模体数据模拟可能无法完全替代真实临床噪声特性	开发一种适用于低剂量胸部CT去噪的深度学习算法，在减少辐射剂量的同时保持诊断图像质量	胸部低剂量CT图像中的噪声和伪影去除优化	计算机视觉	肺部疾病	低剂量CT成像	卷积神经网络（CNN）	图像	LUng Nodule Analysis 2016数据集（未明确数量）	NA	UNet	噪声降低因子	NA
558	2026-06-16	Artificial intelligence and machine learning in sports medicine: mapping clinical tasks and assessing clinical maturity - a scoping review 2026-Jun-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03615-w PMID:42286628	综述	概述人工智能和机器学习在运动医学中的应用现状、临床验证水平和实施准备程度	首次通过范围综述系统评估AI/ML在运动医学中临床任务的成熟度，并识别关键优先领域以指导未来进展	大多数研究依赖回顾性数据集和内部验证，校准报告不常见，前瞻性工作流程整合罕见，且建模方法、数据输入和结果定义存在显著异质性	评估AI/ML在运动医学中应用于损伤风险评估、诊断、康复和临床决策的临床验证水平和实施准备程度	运动医学相关个体	机器学习	运动医学相关疾病	NA	机器学习模型	NA	97项研究	NA	NA	判别性能（如准确率、灵敏度等）	NA
559	2026-06-16	A Machine Learning Approach to Voice-Based Parkinson Disease Screening Using Multiview Spectrogram and Speech Recognition Features: Diagnostic Study 2026-Jun-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/94063 PMID:42274996	研究论文	提出一种基于多视角频谱图和语音识别特征融合的机器学习方法用于帕金森病筛查	首次将语音识别感知上下文特征（识别率向量）与多视角频谱图深度学习方法结合，显著降低假阴性率并提高筛查灵敏度	研究在受控录音环境中进行，需在多样化现实环境中进一步验证	开发非侵入性、可扩展的帕金森病数字筛查工具	203名参与者（帕金森病患者121例，健康对照82例）的语音录音	机器学习	帕金森病	语音频谱图提取（Mel频谱、短时傅里叶变换、常数Q变换）、自动语音识别	卷积神经网络	语音录音	203名参与者（121例患者+82例对照）	NA	多分支并行卷积神经网络	准确率、标准差、假阴性率	NA
560	2026-06-16	Negative frequency-dependent selection: a positive outlook with deep learning 2026-Jun-11, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2025.0170 PMID:42272394	观点文章	利用深度学习区分负频率依赖性选择与其他平衡选择模式的基因组信号	提出结合资源高效的深度迁移学习、新型数据预处理和基因组自协方差建模方法，能有效检测和表征负频率依赖性选择，无需相位化基因型或时间序列数据	未明确讨论跨物种泛化能力及计算资源需求的具体评估	改进负频率依赖性选择下的基因组模式建模，以更好区分其与中性信号和其他选择过程的差异	负频率依赖性选择的基因组信号特征及其检测方法	机器学习	NA	深度迁移学习、基因组自协方差建模	深度迁移学习模型	基因组基因型数据（包括相位化和非相位化基因型，以及古DNA时间序列数据）	NA	NA	NA	NA	资源高效（具体资源未说明）