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
741	2026-06-05	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	提出一种数据驱动的气候韧性指数，用于评估欧洲谷物系统在气候变异性下的农业韧性	将长期生产力趋势与短期气候波动分离，利用机器学习与深度学习模型（包括TCN-LSTM混合架构）构建多维度的气候韧性指数，并通过主成分分析整合气候暴露指标	未明确提及具体研究限制	量化欧洲谷物系统在气候变异性下的农业韧性，建立综合的多维度评估框架	欧洲谷物系统，包括不同国家的产量时间序列数据	机器学习	不适用	气候指数分析、产量时间序列分解	随机森林、CatBoost、CNN、LSTM、TCN、TCN-LSTM混合模型	产量时间序列数据、气候极端指数数据	未明确说明具体样本数量，但涉及多个欧洲国家	未明确说明	TCN-LSTM混合模型、LSTM、TCN、CNN、随机森林、CatBoost	R²（决定系数）	NA
742	2026-06-05	Interpretable graph deep learning framework for drug synergy prediction by integrating functional and clinical similarities 2026-Jun-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02830-z PMID:42236581	研究论文	提出一个名为DSimSynergy的图深度学习框架，用于预测药物协同作用	通过整合生物过程与临床应用的药物相似性网络，结合图注意力机制处理分子指纹和基因表达，实现高精度预测并具备可解释性	未提及具体限制	开发高效的药物协同预测模型，降低实验成本并揭示协同作用的生物机制	药物组合协同效应预测及分子机制挖掘	机器学习	肿瘤	NA	图深度学习	药物分子指纹、细胞系基因表达、药物相似性网络	多个独立数据集	NA	图卷积网络、图注意力网络	预测准确性	NA
743	2026-06-05	A multimodal deep learning model predicting hyperprogressive disease for PD-1 blockade in advanced hepatocellular carcinoma 2026-Jun-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02834-9 PMID:42236582	研究论文	开发了一种基于Transformer的多模态深度学习模型HOPE，用于预测晚期肝细胞癌患者接受PD-1抑制剂治疗后出现超进展疾病的风险	首次构建融合动脉期和门静脉期CT影像与结构化临床因素的多模态Transformer模型，用于PD-1抑制剂治疗前的超进展疾病风险分层	回顾性研究设计可能引入选择偏倚，外部验证集AUC较低（0.687）表明模型泛化性有待提升	开发并验证一种可靠的预处理工具，用于识别晚期肝细胞癌患者接受PD-1抑制剂治疗后发生超进展疾病的高风险人群	接受PD-1抑制剂为基础三联疗法的晚期肝细胞癌患者	计算机视觉	肝细胞癌	CT影像	Transformer	影像和临床结构化数据	665例晚期肝细胞癌患者	NA	Transformer	AUROC	NA
744	2026-06-05	LG-Transformer: learned-graph transformer framework enabling diverse physicochemical properties prediction toward fuel design 2026-Jun-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73853-z PMID:42236708	研究论文	提出一种基于学习图特征融合的Transformer框架（LG-Transformer），结合对比学习构建分子间关系图，实现燃料多种理化性质预测	通过对比学习构建基于拓扑描述符和性质相似性的分子间关系图，利用Transformer层进行性质感知的特征传播，突破传统图神经网络仅关注分子内信息的局限	未提及模型在更大分子库或实际发动机测试中的验证结果，且数据库的覆盖范围可能影响泛化能力	实现高精度、可解释的燃料理化性质预测，加速绿色燃料设计	1850种不同化学类别的燃料分子及17种与发动机性能相关的理化性质	机器学习	NA	对比学习、图神经网络、Transformer	Transformer（Graph-based）	分子结构数据、理化性质数据	1850种燃料分子，涵盖26个化学类别	PyTorch	LG-Transformer（学习图特征融合Transformer）	相关系数R（平均0.900）	NA
745	2026-06-05	River depths and widths dataset for the territory of Poland 2026-Jun-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07537-0 PMID:42236741	研究论文	介绍一个高分辨率河流宽度与深度数据集，用于波兰境内	首次为波兰地区提供高分辨率、基于实地测量的河流宽度与深度数据集，具有严格质量控制并与公开数据集验证	未明确说明局限性	提供用于遥感及机器学习训练与验证的高质量河流参数参考数据集	波兰246条河流的宽度、深度、水位及中心点坐标	机器学习	NA	现场大地测量断面测量	深度学习	数值数据	20782条记录，源自246条河流的断面测量	NA	NA	相关系数(R=0.93), 均方根误差(RMSE=35.1米), 中位数距离(1.8米)	NA
746	2026-06-05	Deep learning-based Desikan-Killiany parcellation of the brain using diffusion MRI 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54446-8 PMID:42236782	research paper	提出一种基于深度学习的框架，仅使用扩散磁共振成像（dMRI）数据进行基于Desikan-Killiany图谱的脑部分割，避免了对解剖MRI和模态间配准的需求	首次提出仅利用dMRI衍生数据的直接脑部分割方法，采用两阶段层次化分割网络，并通过消融研究优化了扩散参数组合	未明确指出具体限制，但可能包括对数据集依赖性和泛化能力的潜在局限	实现更实用的基于dMRI的脑部分割，无需解剖MRI和配准步骤	基于Desikan-Killiany图谱的脑部区域分割	medical imaging	NA	dMRI	两阶段层次化分割网络	脑部MRI数据	Human Connectome Project和Consortium for Neuropsychiatric Phenomics数据集	NA	两阶段层次化分割网络	Dice相似系数，同质性指标（相对标准差）	NA
747	2026-06-05	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	提出一种跨模态潜在对齐框架，用于高效压缩可穿戴设备采集的表面肌电信号和加速度计信号	首次引入跨模态潜在对齐机制，通过帧级对应和时间动态一致性在训练时对齐两种模态的潜在表示，且对齐模块在推理时完全移除，不增加额外计算开销	未提及在更复杂传感器组合或真实临床噪声环境下的性能评估	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	表面肌电信号和加速度计信号	机器学习	NA	NA	自动编码器	时序信号	两个Ninapro数据集（具体样本数量未说明）	NA	五种骨干架构（未具体列出，如ResNet、VGG、Transformer等，但提及为骨干无关）	相关系数，信噪比（SNR），准确率	NA
748	2026-06-05	An explainable meta-learned hybrid CNN-transformer model with dual attention for leukemia diagnosis from peripheral blood smears 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55606-6 PMID:42236788	研究论文	提出一种基于元学习的混合CNN-Transformer模型Meta-Conformer-XAI，用于从外周血涂片图像进行白血病的无创诊断	整合了双注意力特征融合块、元学习路径控制器和基于强化学习的置信度估计器三大创新，并融合多种可解释性方法提升临床可信度	未提及在多中心、大规模真实临床环境中的验证，以及模型对罕见亚型的泛化能力	开发一种非侵入性、精确且可解释的深度学习框架，用于急性淋巴细胞白血病的早期诊断	外周血涂片显微镜图像中的白血病细胞和正常细胞	机器学习	白血病	NA	CNN-Transformer混合模型	图像	两个基准数据集：ALL Image Dataset和C-NMC Leukemia Dataset	PyTorch	CNN与Vision Transformer混合架构、Grad-CAM、SHAP、LIME、Integrated Gradients	准确率、AUC-ROC	NA
749	2026-06-05	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卷积长短时记忆网络 (ConvLSTM) 的智能电表健康状态预测方法	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，并集成自注意力机制根据诊断相关性动态重新校准时空特征表示	尚未进行更广泛的跨区域验证，计算可扩展性和可解释性仍有待改进	实现智能电表健康状态的准确预测，确保计量可靠性并支持智能计量基础设施中的状态维护	智能电表的健康状态	机器学习	NA	NA	残差连接自注意力ConvLSTM网络	时间序列数据	12860个智能电表跨越36个月的数据	NA	Residual-Connected Self-Attention ConvLSTM	总体准确率、宏F1分数	NA
750	2026-06-05	A multi-layer airport security framework using YOLO-based X-ray detection, video anomaly analysis, IoT sensor monitoring and blockchain logging 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52894-w PMID:42236795	研究论文	提出一种多层机场安全框架，集成基于YOLO的X光检测、视频异常分析、物联网传感器监控和区块链日志记录	创新性地将YOLO基X光违禁物品检测、3D-CNN自编码器视频异常检测和LSTM自编码器物联网传感器异常检测三种互补模块与区块链安全日志系统融合，并通过统一多模态风险评分机制实现协同决策	未提及具体局限性，但可能包括模型在极端遮挡或微小目标场景下的检测性能、区块链系统在超大规模部署中的扩展性等潜在问题	开发自动化、可扩展且安全的机场安检监控系统，提升威胁检测的实时性和可靠性	机场安检场景中的X光行李图像、监控视频和物联网传感器数据	计算机视觉, 机器学习, 物联网	NA	X射线成像, 视频监控, 物联网传感, 区块链	YOLO, 3D-CNN自编码器, LSTM自编码器	图像, 视频, 时间序列数据	使用CLCXray数据集训练X光检测模块，未见具体样本数量	PyTorch	YOLOv11-s, YOLOv8-s, 3D-CNN自编码器, LSTM自编码器	mAP, ROC-AUC, 重建误差, 检测延迟, 每秒交易数	未提及具体计算资源信息
751	2026-06-05	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定量测量双斑蟋和家蟋的种内和种间攻击行为	首次使用基于深度学习的无标记姿态估计工具DeepLabCut，对双斑蟋和家蟋的种内和种间社会行为进行综合量化分析，替代传统人工观察方法	种间攻击行为强度相对较弱，且可能因物种组合差异导致某些性别组合中攻击行为不明显	展示一种使用DeepLabCut分析双斑蟋和家蟋种内和种间社会行为的综合方法，验证其作为量化工具的准确性和可靠性	双斑蟋（Gryllus bimaculatus）和家蟋（Acheta domesticus）的配对交互行为	计算机视觉	不适用	DeepLabCut姿态估计	深度学习模型	视频	多对配对蟋蟀（具体数量未明确提及）	NA	DeepLabCut	平均似然值（0.94）、低似然百分比（3.85%）、敏感性（0.8）、精确度（0.7）	NA
752	2026-06-05	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的混合集成网络ScaHybNet，用于心电图心律失常多分类	结合残差块CNN、双向LSTM和Transformer编码器构建混合模型，并采用尺度图变换和类别平衡策略处理数据不均衡	未在真实临床环境中验证，且对未知类别性能可能有限	实现准确及时的心律失常检测，预防心脏猝死	心电图心跳分类数据集，包括109446个样本和五种心跳类别	计算机视觉	心血管疾病	连续小波变换	CNN, LSTM, Transformer	图像	109446个样本，五种心跳类别	NA	残差块CNN，BiLSTM，Transformer编码器	准确率、精确率、召回率、F1分数	NA
753	2026-06-05	Adaptive spatiotemporal graph learning for multi-horizon probabilistic wind power forecasting 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53844-2 PMID:42236856	研究论文	提出自适应时空图神经网络框架用于多时域概率风电功率预测	集成站点特定气象输入和SCADA数据到动态演化图结构，边缘自适应重新加权以捕捉由风气候驱动的站间相关性变化；采用统一多目标损失函数，结合平均误差最小化、连续排序概率得分和时域平滑正则化	未明确说明，但从上下文推断可能依赖高分辨率数据和特定风电场簇，泛化性需进一步验证	提高风电功率预测的准确性、可靠性和时域一致性，优化现代电力系统运营	12个地理分散站点的风电场簇的高分辨率数据	机器学习	NA	SCADA数据、气象数据	时空图神经网络	时序数据	两年高分辨率数据，来自12个地理分散站点	NA	ST-GNN	RMSE, CRPS, 校准误差, 时域秩一致性	NA
754	2026-06-05	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	提出一种基于深度学习的多尺度特征细化与脑干引导的MR-CT跨模态配准框架，用于脑转移瘤放疗的精准靶区勾画	引入多尺度特征细化模块增强层次化特征交互，并利用脑干分割作为解剖先验指导训练，在不依赖肿瘤标注的情况下提升配准精度	配准精度的提高伴随局部变形折叠比例增加，拓扑正则性降低，表明高容量Transformer框架需在精度与变形稳定性间显式平衡	改进MR与CT跨模态可变形配准，实现脑转移瘤放疗中靶区的精确定位	脑转移瘤患者的MR与CT图像对，重点针对脑干及肿瘤区域	计算机视觉，数字病理	脑转移瘤	MRI，CT	Transformer	图像	141对脑转移瘤患者的MR-CT图像	PyTorch	TransMorph，MSFRTransMorph	Dice相似系数，95%豪斯多夫距离，雅可比变形度量	NA
755	2026-06-05	Gsformer: a dual-architecture deep learning framework with CNN-self-attention and sparse-attention for genomic selection 2026-Jun-03, Genetics, selection, evolution : GSE DOI:10.1186/s12711-026-01055-8 PMID:42237097	研究论文	提出Gsformer，一种结合CNN自注意力与稀疏注意力的双架构深度学习框架，用于基因组选择表型预测	首次提出双架构深度学习方法（CSA结合CNN与自注意力捕获局部和长程基因组依赖，NSA采用原生稀疏注意力提升计算效率），并在多种动植物的六大数据集上验证有效性	在部分性状上Gsformer-NSA的准确性略低于Gsformer-CSA，且需要调整topN超参数以优化性能	开发高效的深度学习框架进行基因组选择，提升表型预测能力	猪、牛、鸡、小鼠、小麦和玉米等动植物基因组与表型数据	机器学习	NA	高通量测序（基因组SNP数据）	CNN-自注意力（CSA）、稀疏注意力（NSA）	基因组SNP数据和表型数据	六组数据集覆盖多种动植物物种，具体样本数未在摘要中说明	PyTorch（基于深度学习的实现）	CSA（CNN与自注意力结合）、NSA（稀疏注意力机制）	准确性、SHAP值	未在摘要中说明，但建议使用GPU以减少计算成本
756	2026-06-05	THC-net: an attention-based deep learning model for chromatin compartment prediction from histone modifications 2026-Jun-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06504-1 PMID:42237102	研究论文	提出了一种基于注意力机制的深度学习模型THC-Net，用于从组蛋白修饰数据预测染色质区室	首次将Transformer自注意力、Hyena算子的长序列建模能力和CNN局部特征提取优势融合，实现跨细胞系的高精度染色质区室预测	模型主要依赖活性增强子或启动子的强信号来定义A区室，可能对弱信号依赖的染色质结构预测存在局限	开发一种低成本、高效的计算方法，替代Hi-C实验以预测跨细胞类型的染色质A/B区室动态变化	六种人类细胞系（IMR90、HMEC、K562、GM12878、HUVEC、NHEK）中的染色质区室	机器学习	NA	深度学习	混合模型（Transformer + Hyena + CNN）	组蛋白修饰信号	6种细胞系	PyTorch	THC-Net（基于自注意力机制的混合架构）	AUROC	NA
757	2026-06-05	Integrating multimodal features with deep learning for protein solubility prediction 2026-Jun-03, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01225-2 PMID:42237181	研究论文	结合多模态特征与深度学习进行蛋白质溶解性预测	从蛋白质序列中提取理化性质和共进化特征，并融合基于图的蛋白质表示和表面特征作为输入；开发了两个模型ProSolNet和ProSolNet分别用于预测蛋白质是否可溶和突变引起的溶解性变化	未明确提及局限性	提高蛋白质溶解性预测的准确性，加速功能性蛋白质的开发	天然和突变蛋白质	机器学习	NA	蛋白质序列分析	深度学习	文本（蛋白质序列）	NA	NA	ProSolNet	准确率	NA
758	2026-06-05	Utility of deep learning for degree calculation of aortic arch calcification in chest-X ray 2026-Jun-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02370-8 PMID:42237240	research paper	提出一种基于变压器模型的方法用于自动计算胸部X光片中的主动脉弓钙化分级	创新性地将多注意力模块与变压器机制结合，利用层次化16块表示实现细粒度钙化分布分析	未明确提及限制条件	提高主动脉弓钙化分级的准确性和一致性	胸部X光片中的主动脉弓钙化	computer vision	cardiovascular disease	NA	transformer	image	NA	PyTorch	Multi-Attention with Transformer Model, MATM	accuracy	NA
759	2026-06-05	Knowledge-guided brain tumor segmentation via synchronized visual-semantic-topological prior fusion 2026-Jun-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02189-3 PMID:42237259	研究论文	提出一种知识引导的同步视觉-语义-拓扑先验融合框架，用于脑肿瘤分割	首次显式整合三种异质知识先验（病理驱动差异特征、无监督语义描述、持续同调几何约束），并通过双级融合架构动态分配权重	未提及计算资源需求及在更大规模临床数据集上的验证	提高多序列MRI脑肿瘤分割在模糊边界区域的准确性	BraTS 2020数据集中的脑肿瘤MRI图像	计算机视觉	脑肿瘤	多序列MRI	CNN	图像	BraTS 2020数据集（具体样本数未提及）	NA	双级融合架构（含超网络生成条件向量）	Dice系数	NA
760	2026-06-05	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 是一个基于云的平台，整合了多模型语言架构和精选数据资源，用于治疗性肽的发现	提供了一个基于云的无代码端到端平台，集成了先进的基于序列的语言建模、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，针对20种治疗特性	NA	开发一个基于云的、无代码的平台，用于治疗性肽的高通量功能预测和定制化建模	治疗性肽	机器学习	NA	序列分析	语言模型	序列数据	24个公共数据集和3475个新报道的生物活性肽	NA	NA	准确率	云平台