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
7281	2026-01-05	Neural networks and foundation models: two strategies for EEG-to-fMRI prediction 2025, Frontiers in systems biology DOI:10.3389/fsysb.2025.1715692 PMID:41479845	研究论文	本文探讨了从脑电图（EEG）预测功能磁共振成像（fMRI）活动的两种策略：使用传统机器学习和深度学习模型，以及利用预训练的大型语言模型（LLMs）和多模态模型	首次将EEG到fMRI的预测任务同时表述为分类和回归问题，并比较了传统深度学习模型与预训练基础模型两种策略，还探索了思维链方法让LLMs从EEG推断认知功能再预测fMRI	两种策略的自然结合（即在EEG-fMRI数据集上微调LLM）并不直接，需要进一步研究，且研究基于特定神经反馈任务和哈佛-牛津皮质图谱定义的脑区域	从EEG活动预测fMRI活动，以结合两种神经成像技术的优势，为神经科学研究和神经技术应用开辟新途径	执行神经反馈任务的受试者的EEG和fMRI数据	机器学习	NA	EEG, fMRI	MLP, CNN, RNN, transformer, LLMs, 大型多模态模型	时间序列数据（EEG）, 图像数据（fMRI）	NA	NA	MLP, CNN, RNN, Transformer	NA	NA
7282	2026-01-05	A multidimensional data-driven approach to surgical plan optimization and postoperative residual tumor prediction in ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1705428 PMID:41479903	研究论文	本研究开发了一种融合临床特征和腹水免疫微环境特征的多维数据驱动深度学习模型，用于预测卵巢癌术后残留肿瘤状态并辅助手术决策	首次将临床特征与腹水免疫微环境特征整合到深度学习模型中，用于预测卵巢癌术后残留肿瘤状态，并通过梯度特征数量验证优化了特征选择	模型在区分R0和R1状态方面存在局限性，需要进一步优化；样本量相对较小（118例），未来需要扩大数据集	预测卵巢癌术后残留肿瘤状态并优化手术决策	118例FIGO III/IV期高级别浆液性卵巢癌患者	数字病理学	卵巢癌	密度梯度离心，流式细胞术	深度学习模型	临床数据，免疫微环境数据	118例高级别浆液性卵巢癌患者	NA	NA	准确率，精确率，召回率，F1分数	NA
7283	2026-01-05	Secure pulmonary diagnosis using transformer-based approach to X-ray classification with KL divergence optimization 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1716066 PMID:41480524	研究论文	本文提出了一种基于MedViT和Swin Transformer的深度学习新方法，用于X射线图像的肺部疾病分类，并通过KL散度优化提升性能	结合了MedViT和Swin Transformer两种先进模型，并利用Kullback-Leibler散度作为损失函数来有效处理类别不平衡问题	未提及模型在外部验证集上的泛化能力或计算效率的具体分析	开发一种可靠的自动化肺部疾病分类方法以支持临床决策	肺部X射线图像数据集，包含正常、肺部不透明和病毒性肺炎三类	计算机视觉	肺癌	X射线成像	Transformer, CNN	图像	10,425张X射线图像（正常3,750张，肺部不透明3,375张，病毒性肺炎3,300张）	NA	MedViT, Swin Transformer	准确率, 损失值	NA
7284	2026-01-04	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2026-Mar, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息，提高了预测准确性	结合Molr和ProtTrans网络进行特征提取，并引入转置注意力机制与三重损失自监督学习方法，以改进传统模型在蛋白质特征忽略和GPCR数据集标签反转任务上的性能	未明确说明模型在其他类型数据集上的泛化能力或计算效率的具体限制	预测药物与靶点之间的结合亲和力，以推进虚拟药物筛选和药物发现	小分子药物和蛋白质靶点，特别是G蛋白偶联受体（GPCR）数据集和人类靶点数据集	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	NA	NA	MolrProtTrans, TransformerCPI	AUC	NA
7285	2026-01-04	Structure-Guided Engineering of High-Affinity Antibodies Against Zika Virus Using Deep Learning and Molecular Dynamics 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502769 PMID:41205205	研究论文	本研究利用深度学习和分子动力学模拟，对靶向寨卡病毒包膜蛋白DIII区域的中和抗体进行结构引导的工程化改造，以优化其结合亲和力	结合高分辨率晶体结构、深度学习模型（DeepPurpose）和分子动力学模拟，系统性地对单克隆抗体进行双点突变库的设计与评估，以计算驱动的方式发现高亲和力抗体变体	研究结果基于计算预测，尚未进行实验验证；突变库的设计范围可能有限，未涵盖所有可能的突变组合	开发针对寨卡病毒的高亲和力抗体疗法	寨卡病毒包膜蛋白（ZIKV E）的DIII区域及其中和抗体ZV-64的突变变体	计算生物学，生物信息学	寨卡病毒感染	晶体结构分析，分子对接，分子动力学模拟，深度学习	深度学习模型（DeepPurpose）	蛋白质三维结构数据，序列数据	通过双点突变设计的抗体变体库（具体数量未明确说明），重点关注了Variant-213和Variant-206两个变体	DeepPurpose	NA	预测结合亲和力，预测溶解度，结构稳定性，结合能（-76.90 kcal/mol）	NA
7286	2026-01-04	Histopathology Images-Based Deep Learning Prediction of Histological Types in Endometrial Cancer 2026-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71509 PMID:41469815	研究论文	本研究开发并验证了一个名为EC-AIHIS的深度卷积神经网络，用于基于子宫内膜癌H&E染色图像预测其组织学类型	开发了EC-AIHIS模型，首次利用深度学习从H&E染色图像中预测子宫内膜癌的侵袭性与非侵袭性组织学类型，并在多队列中验证了其泛化能力和临床实用性	未明确说明模型在更广泛或多样化人群中的性能，以及可能存在的样本选择偏差	开发并验证一个深度学习模型，以准确预测子宫内膜癌的组织学类型，辅助病理学家诊断	子宫内膜癌标本的H&E染色图像	数字病理学	子宫内膜癌	H&E染色	CNN	图像	1187个子宫内膜癌标本	NA	EC-AIHIS	AUC, 灵敏度, 特异性	NA
7287	2026-01-04	A cycle-aware and physics-informed framework for battery remaining useful life prediction 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28505-5 PMID:41476082	研究论文	本文提出了一种结合领域知识的电池剩余使用寿命预测框架，通过循环感知分段和物理信息一致性损失提升预测准确性	在输入和目标层面注入领域知识，包括基于实际充放电周期的循环感知分段和物理信息一致性损失正则化	NA	准确预测锂离子电池的剩余使用寿命，以支持安全和高效的能源系统	锂离子电池	机器学习	NA	NA	图神经网络	多变量时间序列数据	NA	NA	Bat-T-GNN	NA	NA
7288	2026-01-04	A Systematic Review of Drug-Related InteractionsUtilizing Deep Learning and LLMs for Prediction and Mitigation 2025-Dec-23, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04997 PMID:41476460	综述	本文系统回顾了2020年至2025年间发表的100多篇论文，探讨了深度学习、机器学习和大型语言模型在药物发现中的应用，重点关注药物-药物相互作用、药物-靶点相互作用和药物不良反应三个关键领域	强调了自然语言处理和大型语言模型在从生物医学文献和化学数据中提取有意义见解的变革性影响，并提出了一个更全面的方法来填补现有研究中的空白	现有研究缺乏同时处理药物-药物相互作用、药物-靶点相互作用和药物不良反应提取的综合研究	审查机器学习和深度学习技术在药物发现中的整合，以筛选潜在治疗方法并降低疾病管理的成本和时间	药物-药物相互作用、药物-靶点相互作用和药物不良反应	自然语言处理	NA	深度学习、机器学习、图学习、混合模型、自然语言处理	深度学习模型、大型语言模型	生物医学文献、化学数据	超过100篇论文	NA	NA	性能指标	NA
7289	2026-01-04	A deep learning fusion network trained with medical records and laryngoscopic images in the early diagnosis of glottic carcinoma 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114231 PMID:41476948	研究论文	本研究开发了一种深度学习融合网络，通过整合结构化电子病历和喉镜图像分析，以实现声门癌的早期准确诊断	提出了一种融合多模态数据（结构化病历和喉镜图像）的深度学习网络，用于声门癌的早期诊断，并构建了人机对抗队列进行临床效用评估	研究数据主要来自中国的一家三级医院，外部验证仅涉及另外两个独立医疗中心，样本来源和多样性可能存在局限	开发一个用于声门癌早期诊断的深度学习融合模型	声门癌患者	数字病理学	喉癌	喉镜检查	深度学习融合网络	图像, 结构化文本	来自中国一家三级医院的数据进行训练和验证，并在另外两个独立医疗中心进行外部验证	NA	NA	AUC	NA
7290	2026-01-04	Image-Based Recognition of Children's Handwritten Arabic Characters Using a Confidence-Weighted Stacking Ensemble 2025-Dec-18, Sensors (Basel, Switzerland) DOI:10.3390/s25247671 PMID:41471665	研究论文	本文提出了一种基于置信度加权的堆叠集成框架，用于识别儿童手写的阿拉伯字符图像	引入了动态置信度阈值机制，通过优化阈值过滤不确定预测，并集成了三种高性能CNN模型（ConvNeXtBase、DenseNet201、VGG16）通过全连接元学习器进行融合	未明确提及模型在更大规模或更多样化儿童手写样本上的泛化能力，也未讨论计算效率或实时应用的限制	提高儿童手写阿拉伯字符图像识别的可靠性和准确性	儿童手写的阿拉伯字符图像	计算机视觉	NA	图像采集（扫描或摄像头捕获）	CNN, 集成学习	图像	使用了两个基准数据集：Hijja和Dhad（具体样本数量未在摘要中提供）	未明确提及，可能为TensorFlow或PyTorch	ConvNeXtBase, DenseNet201, VGG16	准确率, 宏F1分数	NA
7291	2026-01-04	Cellular interactions in the sentinel lymph node predict melanoma recurrence 2025-Dec-17, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.15.694104 PMID:41446197	研究论文	本文通过空间蛋白质组学分析，揭示了黑色素瘤前哨淋巴结中免疫细胞的空间组织与疾病复发的关系	首次应用Effect Size Interaction mapping (ESI-map)计算工具包分析前哨淋巴结中细胞间空间相互作用，并发现Tregs与耗竭CD8 T细胞的特异性空间相互作用可作为新的免疫标志物	研究仅针对I期和II期黑色素瘤患者，样本量可能有限，且未涉及更晚期疾病或长期随访数据	探究前哨淋巴结中免疫细胞空间组织如何影响黑色素瘤患者的疾病复发和预后	I期和II期黑色素瘤患者的前哨淋巴结组织样本	数字病理学	黑色素瘤	多重免疫荧光成像，空间蛋白质组学分析	深度学习	图像	未明确指定样本数量，但涉及I期和II期黑色素瘤患者的前哨淋巴结样本	未明确指定	未明确指定	未明确指定	未明确指定
7292	2026-01-04	Leveraging Time-Frequency Distribution Priors and Structure-Aware Adaptivity for Wideband Signal Detection and Recognition in Wireless Communications 2025-Dec-17, Sensors (Basel, Switzerland) DOI:10.3390/s25247650 PMID:41471645	研究论文	本文提出了一种基于时频分布先验和结构感知自适应性的新型模型TFDP-SANet，用于无线通信中的宽带信号检测与识别任务	引入了条带池化模块和坐标注意力机制以聚合长距离依赖关系，采用自适应椭圆高斯编码策略生成热图，并设计了利用先验信息调整预测框类别的时频聚类优化器	NA	提升宽带信号检测与识别的性能	宽带采样信号	机器学习	NA	NA	深度学习	时频表示	NA	NA	TFDP-SANet	NA	NA
7293	2026-01-04	Distributed Deep Learning in IoT Sensor Network for the Diagnosis of Plant Diseases 2025-Dec-17, Sensors (Basel, Switzerland) DOI:10.3390/s25247646 PMID:41471641	研究论文	本文提出了一种基于联邦学习的分布式深度学习框架，用于物联网传感器网络中的植物病害诊断	采用联邦学习框架，在物联网节点和边缘计算节点上协作训练EfficientNet B0模型，无需传输本地数据，并评估了标准单模型和分层两种训练管道	未明确提及具体局限性	早期检测植物病害以提高农业生产力并确保粮食安全	植物病害诊断	计算机视觉	植物病害	联邦学习	CNN	图像	NA	TensorFlow, PyTorch	EfficientNet B0	分类准确率, 鲁棒性, 延迟, 能耗	物联网节点, 边缘计算节点
7294	2026-01-04	Automatic crack detection in civil infrastructure based on a hybrid fine tuned MnasNet and adaptive patching 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28604-3 PMID:41402465	研究论文	本文提出了一种基于混合微调MnasNet和自适应分块的自动裂缝检测框架，用于民用基础设施的裂缝检测	首次将混沌理论和Levy飞行动力学应用于结构健康监测，通过ULEO算法自动调整超参数，并引入动态分块机制根据图像复杂度调整分块大小以提高精度	NA	开发一种高效、准确的自动裂缝检测方法，以保障民用基础设施的安全和耐久性	民用基础设施中的裂缝	计算机视觉	NA	图像处理	CNN	图像	CRACK500数据集	NA	MnasNet	准确率, 灵敏度, 特异性, F1分数	移动和嵌入式平台
7295	2026-01-04	A Cybersecurity NER Method Based on Hard and Easy Labeled Training Data Discrimination 2025-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s25247627 PMID:41471620	研究论文	本文提出了一种基于难易标注训练数据区分的网络安全命名实体识别方法，通过混合策略划分数据、调整比例并应用数据增强来优化模型性能	首次在网络安全NER中引入难易样本区分策略，结合深度学习与规则方法划分数据，并探索了难易样本比例对性能的影响，找到了1:1的最优平衡点	未公开提及具体数据集规模或隐私处理细节，且方法可能依赖于特定领域规则，泛化能力有待验证	提高网络安全领域命名实体识别的性能，解决标注数据缺乏的问题	网络安全文本数据中的命名实体	自然语言处理	NA	深度学习，规则方法，数据增强	NA	文本	NA	NA	NA	NA	NA
7296	2026-01-04	Forecasting Energy Demand in Quicklime Manufacturing: A Data-Driven Approach 2025-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s25247632 PMID:41471627	研究论文	本研究提出了一种基于深度学习的框架，用于预测生石灰生产公司的能源需求，旨在提高运营效率并支持工业可扩展性的数据驱动决策	将时间变量和操作变量（如负荷曲线、有功功率、班次指标和生产相关代理变量）整合到深度学习模型中，以捕捉制造过程中能源使用的动态变化	仅使用了一年的真实电力消耗数据，可能无法完全捕捉长期季节性变化或极端生产情况	预测生石灰制造过程中的短期能源需求，以优化运营效率和成本效益	生石灰生产公司的电力消耗数据及相关操作变量	机器学习	NA	NA	LSTM, GRU, CNN	时间序列数据（电力消耗、操作变量）	一年的真实电力消耗数据	NA	LSTM, GRU, Conv1D	RMSE, MAE, SMAPE	NA
7297	2026-01-04	Dual-Branch Superpixel and Class-Center Attention Network for Efficient Semantic Segmentation 2025-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s25247637 PMID:41471634	研究论文	本文提出了一种基于注意力机制的双分支网络，用于高效语义分割，旨在解决边缘分割粗糙、上下文理解不足和高计算开销等问题	引入了超像素采样加权模块和类中心注意力模块，前者通过建模像素依赖关系增强对边界的敏感性，后者提取类中心特征并降低传统自注意力的计算冗余	未明确说明模型在极端场景或小样本数据上的泛化能力，也未详细讨论超参数调优对性能的影响	开发一种能够平衡分割精度与模型效率的语义分割算法	图像语义分割任务	计算机视觉	NA	NA	深度学习网络	图像	三个基准数据集（PASCAL VOC 2012、Cityscapes、ADE20K）	NA	双分支网络	mIoU, PA	NA
7298	2026-01-04	ES-YOLO: Multi-Scale Port Ship Detection Combined with Attention Mechanism in Complex Scenes 2025-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s25247630 PMID:41471625	研究论文	本文提出了一种结合注意力机制的ES-YOLO框架，用于复杂场景下的多尺度港口船舶检测	提出了新颖的边缘感知通道空间注意力机制（EACSA）以增强边缘信息提取，设计了轻量级空间-通道解耦下采样模块（LSCD）降低复杂度，并构建了新的分层尺度结构以平衡不同尺度目标的检测效果	NA	解决复杂环境（如云遮挡、波浪波动、港口复杂建筑和多船聚集）下船舶检测的局限性	港口船舶	计算机视觉	NA	遥感技术	YOLO	光学遥感图像	基于高分二号图像构建的TJShip遥感船舶数据集，涵盖从小渔船到大型货船的多尺度目标	NA	ES-YOLO	mAP, 精确率, 召回率, F1分数	NA
7299	2026-01-04	Glue Strips Measurement and Breakage Detection Based on YOLOv11 and Pixel Geometric Analysis 2025-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s25247624 PMID:41471624	研究论文	本文提出了一种结合YOLOv11深度学习模型与像素级几何分析的电池包涂胶检测方法，用于精确测量胶条尺寸并检测断胶缺陷	首次将YOLOv11模型与像素级几何分析相结合，通过自适应二值化、霍夫变换、连通域分析和多线统计策略，解决了复杂工业环境中金属反光、加热膜网格干扰、胶条方向不一致等难题，实现了高精度的胶条尺寸测量和100%准确率的断胶检测	论文未明确说明方法在极端光照条件或不同胶条颜色/材质下的泛化能力，也未讨论实时检测速度是否满足生产线节拍要求	提升新能源电池包涂胶工艺的质量控制精度与鲁棒性，实现胶条尺寸测量和缺陷检测的自动化	电池包涂胶工艺中的胶条	计算机视觉	NA	深度学习，图像处理	CNN	图像	NA	NA	YOLOv11	平均测量误差（宽度1.5%，长度2.3%），断胶检测准确率100%	NA
7300	2026-01-04	An Improved DQN Framework with Dual Residual Horizontal Feature Pyramid for Autonomous Fault Diagnosis in Strong-Noise Scenarios 2025-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s25247639 PMID:41471632	研究论文	本文提出了一种改进的DQN框架，结合双残差水平特征金字塔，用于强噪声场景下的自主故障诊断	引入了非线性时间步退化贪婪策略（NTDGS）和双残差水平特征金字塔（DRHFPN），以增强噪声抵抗能力和网络收敛速度	NA	解决强背景噪声和有限计算资源下故障诊断模型的实用化挑战	工业场景中的故障诊断	机器学习	NA	深度学习, 强化学习	DQN	NA	NA	NA	双残差水平特征金字塔（DRHFPN）	故障诊断准确率, 参数数量	NA