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
41	2026-08-16	Quantifying agricultural resilience under climate variability: a data-driven climate resilience index for European cereal systems 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54921-2 PMID:42236573	研究论文	本文提出了一种数据驱动的气候韧性指数（CRI），用于评估欧洲谷物系统在气候变率下的韧性，并结合机器学习与深度学习模型验证其预测有效性	首次将长期生产力趋势与短期气候波动分离，提出综合气候暴露、产量变率和恢复能力的三维度量指标（CRI），并利用TCN-LSTM混合模型实现高精度预测	未提及具体局限性	量化欧洲谷物系统在气候变率下的农业韧性，为农业可持续性比较提供实证框架	欧洲谷物系统（不同国家的年度产量序列）	机器学习	NA	NA	随机森林（RF）、CatBoost、卷积神经网络（CNN）、长短期记忆网络（LSTM）、时间卷积网络（TCN）、TCN-LSTM混合模型	时间序列数据（年度产量数据）	未明确说明具体样本数量（涉及欧洲多个国家的谷物系统）	NA	TCN-LSTM混合模型、TCN、LSTM、CNN、RF、CatBoost	R值（0.8347）、主成分解释率（68.4%）	NA
42	2026-08-16	Cross-modal latent alignment enables efficient compression of wearable sEMG and accelerometer signals 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52577-6 PMID:42236780	研究论文	提出一种跨模态对齐框架，通过训练时对齐sEMG和加速度计信号的潜在表征，实现高效压缩，并在推理时无额外计算开销	首次在训练时显式对齐sEMG与加速度计信号的帧级对应和时序动态一致性，且对齐模块仅作为训练正则化项，推理时完全移除，不增加部署负担	未提及具体局限性	实现带宽受限可穿戴设备中多模态生物信号的高效压缩，同时保持任务相关特征	表面肌电（sEMG）和加速度计信号	机器学习	NA	NA	自编码器	生物信号（sEMG和加速度计）	两个Ninapro数据集	NA	五种骨干架构（具体未列出）	相关系数、信噪比（SNR）、准确率、跨模态漂移	代表性嵌入式平台（具体未列出）
43	2026-08-16	Smart meter health state prediction based on residual-connected self-attention ConvLSTM network 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54371-w PMID:42236786	研究论文	提出一种基于残差连接自注意力ConvLSTM网络的智能电表健康状态预测框架，实现准确的状态分类与维护决策支持	在堆叠的ConvLSTM层间引入残差捷径连接以缓解梯度消失和网络退化问题，并集成自注意力机制动态调整时空特征表示，从而同时捕获复杂时空退化模式与长程依赖	跨区域验证仍待开展，计算可扩展性和可解释性需进一步提升	实现智能电表健康状态的准确预测，支撑计量可靠性与状态维护	智能电表	机器学习	不适用	不适用	卷积长短期记忆网络（ConvLSTM）	时间序列数据	12,860只智能电表，跨越36个月	不适用	残差连接自注意力ConvLSTM	准确率、宏F1分数	不适用
44	2026-08-16	Quantitative measurement of agonistic behaviors of intra- and interspecifics of Gryllus bimaculatus and Acheta domesticus by using DeepLabCut 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55331-0 PMID:42236810	研究论文	利用DeepLabCut对双斑蟋和家蟋蟀的种内和种间争斗行为进行定量测量	首次使用无标记姿态估计工具DeepLabCut对蟋蟀的种内和种间争斗行为进行定量分析，并与传统人工评分方法进行了比较验证	文中未明确提及局限性，但可能包括样本仅限于两种蟋蟀、行为背景较单一等	开发并验证一种基于深度学习的无标记姿态估计方法，用于定量分析双斑蟋和家蟋蟀的种内和种间争斗行为	双斑蟋（Gryllus bimaculatus）和家蟋蟀（Acheta domesticus）的成对个体	计算机视觉, 机器学习	NA	深度学习姿态估计	深度神经网络	图像/视频	未明确具体数量，涉及多对蟋蟀个体	NA	DeepLabCut	平均似然值, 低似然百分比, 敏感性, 精确性, GLMM分析	NA
45	2026-08-16	ScaHybNet: a scalogram-based hybrid ensemble network for ECG arrhythmia classification 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53755-2 PMID:42236839	研究论文	提出了一种基于尺度图（scalogram）的混合集成深度学习模型ScaHybNet，用于心电图心律失常的多分类任务	结合了残差块CNN、BiLSTM和Transformer编码器的混合架构，并采用尺度图图像表示和分层平衡及逆频率类别加权策略来处理类别不平衡问题	未在摘要中明确说明	通过深度学习集成模型实现准确的心律失常多分类，以帮助预防心源性猝死	心电图心跳信号，涵盖五种心跳类别（正常、室上性异位、室性异位、融合和未知）	深度学习、生物医学信号处理	心血管疾病	连续小波变换（CWT）	集成深度学习模型（CNN、BiLSTM、Transformer）	一维心电信号（转换为224×224 RGB尺度图图像）	109,446个心电信号样本	NA	残差块CNN、BiLSTM、Transformer编码器	准确率、精确率、召回率、F1分数	NA
46	2026-08-16	Deep learning-based cross-modal MR-CT registration for brain metastases radiotherapy with multi-scale feature refinement and brainstem guidance 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55496-8 PMID:42236931	研究论文	提出基于深度学习的MSFRTransMorph框架，用于脑转移瘤放疗中MR-CT图像的跨模态可变形配准	引入多尺度特征细化模块增强Transformer架构的层级特征交互和细粒度形变建模，并利用脑干分割作为解剖引导且不依赖肿瘤标注	配准精度提升伴随局部形变折叠比例增加，拓扑规律性降低，需在精度与形变稳定性间权衡	提高脑转移瘤放疗中MR-CT跨模态配准的准确性	脑转移瘤患者的MR和CT图像对	医学图像配准	脑转移瘤	MR成像、CT成像	Transformer	图像	141对MR-CT图像	NA	TransMorph、MSFR模块	Dice相似系数、95% Hausdorff距离、雅可比行列式指标	NA
47	2026-08-16	PepPharmaHub: a cloud-based platform integrating multimodel language architectures with curated data resources for therapeutic peptide discovery 2026-Jun-03, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02625-4 PMID:42237327	研究论文	PepPharmaHub是一个基于云端的平台，集成多模型语言架构与精选数据资源，用于治疗性肽的发现，支持自定义建模和高通量功能筛选。	创新点在于提供一个云端、无代码的端到端平台，结合先进的基于序列的语言模型、精选基准数据集和交互式可视化模块，并包含一个由24个模型组成的高通量筛选模块和自定义训练流程。	摘要中未明确提及局限性，但可能包括对特定数据集的依赖、计算资源需求或模型可解释性的限制。	该研究旨在开发一个基于云端的无代码平台，以克服现有工具的局限性，实现治疗性肽功能的高通量预测和筛选。	治疗性肽，包括从2023年1月至2025年6月新报道的生物活性肽（3475个样本），以及24个公共数据集。	计算肽组学, 机器学习	不适用	序列建模，基于语言模型，基准测试	深度学习模型（基于语言模型）	肽序列数据	3475个新报道的生物活性肽，24个公共数据集	不适用（未明确提及框架，但可能使用如TensorFlow或PyTorch，但摘要未说明）	语言模型（如Transformer，但未明确具体架构）	准确性（accuracy）	基于云端的平台（未提及具体GPU或云服务商）
48	2026-08-16	Hybrid spatial-field attention network for meteorological data downscaling 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53017-1 PMID:42230883	研究论文	提出了一种基于深度学习的混合空间场注意力网络（HSFANet），用于气象数据降尺度，以提高粗分辨率气象数据的空间精度	提出了混合空间场注意力模块，联合建模局部空间依赖、全局空间相关性和不同气象变量间的交叉场交互；引入了动态层信息整合模块自适应聚合多级表征；并加入地面目标交叉注意力机制捕获气象场与下垫面特征的耦合关系	未明确提及	解决现有气象产品中粗空间分辨率数据在工程和决策场景中的适用性限制，实现高精度气象数据降尺度	近地表气象变量（如温度、湿度等）的降尺度问题	机器学习	不适用	深度学习	注意力网络	气象再分析数据	CLDAS V2.0再分析数据集（具体样本量未提及）	PyTorch（推测）	混合空间场注意力网络（HSFANet），包含混合空间场注意力模块、动态层信息整合模块和地面目标交叉注意力机制	精度（未明确具体指标，可能包括MSE、MAE等）	未明确提及
49	2026-08-16	Design of an AI-based security anomaly detection system for IoT terminals based on the ViT-transformer fusion model 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55476-y PMID:42230914	研究论文	提出一种基于ViT-Transformer融合模型的物联网终端AI安全异常检测系统，采用端边云协同架构和多模态数据融合，实现高效且安全的异常检测	首次将ViT-Transformer融合模型与端边云协同架构结合，通过tokenization实现跨模态特征融合，集成剪枝、蒸馏和量化优化策略将模型压缩率提升至70%，并引入CL-PKE加密和BLS批量认证保障数据安全，同时采用联邦学习聚合边缘模型更新	实验主要在公开数据集和自建测试台上进行，未在真实大规模物联网环境中验证；模型在低算力设备上仍有延迟和内存占用，可能影响更复杂场景的适用性	解决物联网终端在资源受限和隐私保护条件下的安全异常检测问题，提供高效可靠的AI安全检测技术方案	物联网终端（包括水系统、医疗、交通等应用场景），涉及低算力设备如RPi4B和Arduino	机器学习	NA	网络流量分析、传感器时序分析、侧信道分析	Transformer	多模态数据（网络流量、传感器时序、侧信道信号）	使用了公开数据集IoT-23和UCI（含多种样本），以及自制测试台数据，具体样本量未在摘要中说明	NA	ViT-Transformer融合模型	准确率、F1分数、推理延迟、内存占用、防御成功率、批量认证时间	适用于低算力设备如RPi4B和Arduino，未提供具体GPU信息
50	2026-08-16	Clinical determinants of retinal age gap estimated from fundus photographs in glaucoma patients 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55984-x PMID:42230934	研究论文	本研究探讨了青光眼患者眼底照片中视网膜年龄差距的临床决定因素，发现晶状体状态等因素显著影响视网膜年龄估计。	首次评估眼部因素，特别是晶状体状态，对视网膜年龄差距的影响，并提出在解释视网膜年龄时应考虑眼部状况。	研究为单中心回顾性观察，样本量有限，可能影响结果的普适性。	确定青光眼患者中视网膜年龄差距的临床决定因素，并评估其作为生物学年龄生物标志物的可靠性。	283只眼，来自山梨大学医院2010年2月至2025年4月接受45度彩色眼底摄影的成人患者。	计算机视觉	青光眼	眼底摄影	深度学习算法	眼底图像	283只眼	NA	NA	NA	NA
51	2026-08-16	Artificial Intelligence in Periodontology: A Systematic Review 2026-Jun, Journal of periodontal research IF:3.4Q1 DOI:10.1111/jre.70107 PMID:41907011	系统综述	对人工智能在牙周病学中的应用进行系统综述，涵盖基于深度学习的影像诊断和非影像类AI应用	首次全面综述AI在牙周病学中影像和非影像应用，采用PRISMA指南和PICO框架进行结构化分析	非影像部分因异质性高未进行正式偏倚风险评估，且多数研究为单中心数据，泛化性受限	提供AI在牙周病学中应用的全面综述，分两部分评估深度学习影像诊断和基于非影像数据的AI应用	牙周病诊断、分类、风险分层、进展和治疗结果建模及相关AI应用	机器学习	牙周病	NA	深度学习模型	影像数据（如全景X光片、CBCT、口内X光片、照片）和非影像数据（如文本、临床数据）	PICO 1包含29项研究，PICO 2包含65项研究	NA	NA	准确率、AUROC	NA
52	2026-08-16	Artificial Intelligence-informed Architectural Insights of 3-dimensional Glandular Networks Identify Patients With Prostate Cancer at a Higher Risk of Biochemical Recurrence 2026-May-25, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.101018 PMID:42190816	研究论文	利用人工智能分析三维腺体网络结构特征，预测前列腺癌患者生化复发风险	首次使用开顶光片显微镜和深度学习框架GlaSkeN分析三维腺体结构，提取分支长度、角度、扭转和曲率等体积特征，与二维切片相比能捕获更多空间信息	两个队列使用不同的采样方法，且样本量有限	探索三维腺体组织特征与前列腺癌进展和生化复发的关系，以补充当前组织病理学分级	两个存档的前列腺切除术队列（华盛顿大学和宾夕法尼亚大学）的样本	数字病理学	前列腺癌	开顶光片显微镜	深度学习模型（用于分割）	三维组织图像	两个队列：华盛顿大学（模拟1毫米芯针活检）和宾夕法尼亚大学（3×1毫米打孔活检），具体样本数量未提供	NA	GlaSKeN	C指数，风险比，P值	NA
53	2026-08-16	Cataract-LMM Large-Scale Multi-Source Multi-Task Benchmark for Deep Learning in Surgical Video Analysis 2026-May-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07464-0 PMID:42173959	研究论文	本文介绍了白内障手术视频分析的大规模多源多任务基准数据集Cataract-LMM，包含3000个超声乳化手术视频及四层标注，并展示了深度学习模型在四项任务上的性能。	该数据集具有多源采集、多任务标注（包括手术阶段、实例分割、器械组织交互和技能评分）以及领域适应基线，填补了现有白内障手术资源多样性不足的空白。	摘要中未明确提及局限性。	旨在提供大规模、深度标注的基准数据集，促进手术视频分析中可泛化的多任务深度学习模型的开发。	3000个超声乳化白内障手术视频，来自两个手术中心，涵盖不同经验水平的外科医生。	计算机视觉, 数字病理学	白内障	NA	深度学习模型（具体类型未提及）。	手术视频	3000个白内障手术视频，来自两个手术中心。	NA	NA	NA	NA
54	2026-08-16	Simultaneous partial volume correction and denoising of brain PET images, using transformers and transfer learning 2026-May-22, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-026-01448-2 PMID:42171947	研究论文	本研究提出了一种基于Transformer和U-Net的深度学习部分体积校正与去噪方法，用于从低计数或快速脑PET扫描中生成全计数、部分体积校正的图像，无需MRI输入。	该方法是首个同时处理低计数噪声和部分体积效应的深度学习方案，并利用迁移学习策略结合临床和体模数据，仅需PET输入即可在推理时进行部分体积校正，无需MRI。	结果主要基于特定示踪剂和数据集，可能未涵盖所有临床场景；未提及计算资源或模型复杂度等细节。	评估一种深度学习方法能否从低计数或快速非PCV的脑PET扫描中生成全计数、部分体积校正的图像，并在临床和体模数据上验证其性能。	使用18F-FDG和18F-Florbetapir示踪剂的临床和体模脑PET数据集。	数字病理学、计算机视觉	神经退行性疾病	PET成像、深度学习	Swin U-Net Transformer	图像（PET）	临床和体模数据集，具体规模未说明	未在标题和摘要中提及	Swin U-Net Transformer	结构相似指数、峰值信噪比、相对均方根误差	未在标题和摘要中提及
55	2026-08-16	Enhancing esophageal cancer detection using a deep learning framework and a novel spectrum-aided vision enhancer for virtual narrow band imaging 2026-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52501-y PMID:42162031	研究论文	提出一种名为频谱辅助视觉增强器（SAVE）的图像处理算法，将白光内镜图像转换为类似窄带成像的图像，结合深度学习模型提升食管癌检测性能。	创新性地利用高光谱数据原理提出SAVE算法，无需额外硬件即可增强黏膜对比度，提高病变可见性，并集成多种深度学习模型用于分类和检测。	未提及	开发一种经济高效、软件驱动的计算机辅助诊断系统，以提高食管癌早期检测的准确性。	食管鳞状细胞癌和异型增生病变的内镜图像。	计算机视觉、数字病理、医学图像分析	食管癌	高光谱图像处理、内镜图像增强	YOLOv8、InceptionV3、Inception-ResNet-V2、ConvNeXt-V2、MobileNetV2	内镜图像	未提及具体样本数量	未提及	YOLOv8、InceptionV3、Inception-ResNet-V2、ConvNeXt-V2、MobileNetV2	分类准确率、检测性能（具体指标未提及）	未提及
56	2026-08-16	Transformer based breast cancer classification from histopathological images using sequential residual recurrent multiscale attention network 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51422-0 PMID:42086722	研究论文	提出了一种基于Transformer的乳腺癌组织病理图像分类框架BrCTransNet，集成了自适应高斯双边滤波、多尺度注意力特征提取和优化Transformer分类器	首次将自适应高斯双边滤波、顺序残差循环多尺度注意力网络和极化自注意力Transformer结合，并使用切比雪夫海星优化算法进行超参数调优	未提及外部数据集验证及计算资源需求	提高乳腺癌组织病理图像分类的准确性和鲁棒性	乳腺癌组织病理图像	数字病理学	乳腺癌	NA	Transformer	图像	乳腺癌组织病理图像数据集（具体数量未提及）	NA	S2RMANet, OPATransNet	准确率, 召回率, F1分数, 特异性, 均方误差	NA
57	2026-08-16	Quantum computing applications in drug discovery 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag274 PMID:42218713	综述	本文探讨了量子计算在药物发现早期阶段，包括基于深度学习的虚拟筛选、基于分子对接的虚拟筛选以及分子动力学三个计算策略中的应用，并强调了在嘈杂中等尺度量子（NISQ）约束下的模块化协同处理角色	提出量子计算在药物发现中的实际作用不是完全替代经典流程，而是作为决策敏感子程序的模块化协同处理器，并给出了各场景下量子模块插入的具体位置，以及评估进展的关键标准	未提供具体的实验数据或性能比较，仅作理论探讨	分析量子计算在药物发现早期阶段的应用可能性和挑战，并给出近期评估标准	量子计算在药物发现中的应用场景，包括深度学习虚拟筛选、分子对接筛选和分子动力学	量子计算、药物发现	不适用	量子计算	深度生成模型、预测模型	不适用	不适用	不适用	不适用	可重复性、与决策相关的增益、运行时间、资源消耗	嘈杂中等尺度量子（NISQ）设备
58	2026-08-16	A hypergraph-based model for tumor prognosis using local and global information fusion on H&E-stained histology images 2026-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103991 PMID:41702177	研究论文	提出了一种基于超图的肿瘤预后模型，通过融合H&E染色组织学图像的局部和全局信息来提高预后预测性能	提出了HeMiCoRe模型，首次将超图神经网络应用于多癌种预后预测，并整合了聚类受限的局部特征和跨聚类的全局表示	未明确提及局限性，但可能包括对多中心数据集的泛化能力仍需进一步验证	利用组织学图像有效建模幻灯片级上下文信息，提高肿瘤预后预测的准确性和泛化性	来自10种癌症类型的5196张H&E染色幻灯片	数字病理学	多种癌症（未具体列出，但涉及10种癌症类型）	H&E染色组织学成像	超图神经网络	组织学图像	5196张H&E染色幻灯片，覆盖10种癌症类型	PyTorch	超图神经网络（HeMiCoRe）	C-index	NA
59	2026-08-16	Transformer-based Siamese multimodal imaging model for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer 2026-Apr-30, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16049-4 PMID:42062990	研究论文	本研究开发并验证了一种基于Transformer的Siamese多模态影像框架，用于预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解	提出了一种融合多模态MRI特征（手工放射性组学特征和深度学习特征）的Transformer-based Siamese框架，整合治疗前后的影像数据以提高pCR预测性能	摘要中未明确提及局限性	开发非侵入性生物标志物，以准确预测LARC患者nCRT后的pCR，从而支持器官保留策略并避免不必要的手术	来自三个中心的440例LARC患者，接受nCRT和多模态MRI检查	医学影像分析	直肠癌	多模态MRI，放射性组学特征提取	Transformer	影像数据	440例LARC患者	PyRadiomics，PyTorch（基于深度学习特征的提取）	ResNet101, Transformer	AUC, 决策曲线分析, 校准曲线, 生存分析	NA
60	2026-08-16	External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy 2026-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.01.014 PMID:41525968	研究论文	本文旨在外部验证一个基于心电图的深度学习算法，用于预测心脏再同步化治疗后的反应	该算法仅使用心电图数据，通过可解释的生成因素预测CRT反应，并首次在外部验证中评估其对不同医院低风险人群的泛化能力	外部验证仅针对容积性无反应，未评估临床结局，且样本量较小	验证可解释的深度学习算法（FactorECG）在不同医院患者中预测心脏再同步化治疗无反应的有效性	接受心脏再同步化治疗的患者	深度学习	心脏疾病	心电图（ECG）	深度学习算法	心电图数据	训练集：1306名患者；外部验证集：161名患者	NA	FactorECG	C-statistic	NA