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
8241	2026-06-16	TripleBind: a generalizable deep learning framework for protein-nucleic acid and protein-ligand binding sites prediction based on pre-trained protein language models 2026-Apr-21, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11557-8 PMID:42012716	研究论文	提出一种基于预训练蛋白质语言模型的通用深度学习框架TripleBind，用于预测蛋白质-核酸和蛋白质-配体结合位点	整合三种基于Transformer的预训练蛋白质语言模型与专门设计的MBCN模块，仅使用序列信息即可实现高精度预测，并具备跨任务的通用预测能力和可解释性分析	未明确说明，但可能依赖于预训练模型的质量和特定数据集	开发高效可靠的序列级别预测工具，用于识别蛋白质-核酸和蛋白质-配体结合残基	蛋白质-核酸（DNA和RNA）及蛋白质-配体结合位点	机器学习	NA	NA	深度学习模型	序列数据	独立测试集：蛋白质-DNA数据集（未注明具体数量）和蛋白质-RNA数据集（未注明具体数量）	PyTorch	Transformer, 多分支卷积网络（MBCN）	MCC（马修斯相关系数）	NA
8242	2026-06-16	Advanced deep learning vision transformer models for intelligent grain counting in agricultural data analytics 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49819-y PMID:42014763	研究论文	本研究提出一种基于Swin Transformer的视觉转换器模型，用于农业数据分析中的智能谷物计数	首次将Swin Transformer的分层注意力机制迁移到谷物计数任务，结合可解释AI技术提升模型透明度	未提及	开发高精度、可解释的深度学习模型用于农业谷物自动计数	不同形态参数的谷物图像	计算机视觉	不适用	深度学习、计算机视觉	Swin Transformer	图像	未提及	PyTorch	Swin Transformer, ResNet-50, DINO	准确率	未提及
8243	2026-06-16	HybridViT-CAB: a vision transformer and convolutional attention network for precision weed detection in agricultural systems 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48652-7 PMID:42014737	研究论文	提出一种结合视觉Transformer与卷积注意力模块的混合深度学习架构，用于精准农业中的杂草检测	首次将Transformer的全局上下文建模与通道注意力机制的局部空间特征提取耦合，并在可解释性和类别平衡预测方面优于纯ViT模型	NA	实现精准农业中自动化杂草检测，提升分类可解释性和类别平衡性能	农业图像中的阔叶杂草、禾本科杂草、土壤和大豆作物四类对象	计算机视觉	NA	图像分类	视觉Transformer，CNN	图像	4795个样本，尺寸为224×224像素	PyTorch	Vision Transformer，卷积注意力模块	AUC，分类准确率	NA
8244	2026-06-16	Improving performance for multi-category anthropogenic debris detection in river environments by using a size-tailored annotation approach and data augmentation 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45309-3 PMID:42009734	研究论文	本文探讨了通过尺寸定制标注方法和数据增强技术提升河流环境中多类别人为碎片检测性能	首次采用尺寸定制标注方法构建多类别漂浮碎片数据集，并系统研究了MixUp增强在不同强度下对YOLOv10n、YOLOv11n和YOLOv12n模型的性能影响，揭示了模型特定的响应差异	水葫芦等特定类别检测精度仍然较低（mAP < 35.0%），且YOLOv10n无法受益于MixUp增强	提升河流环境中多类别人为碎片自动检测性能，解决标注数据集稀缺和目标尺寸变化大的挑战	河流环境中的多类别浮动人为碎片，包括塑料、水葫芦、福寿螺等	计算机视觉	NA	深度学习目标检测	YOLO	图像	多类别漂浮碎片数据集，具体样本数未在摘要中明确给出	PyTorch	YOLOv10n, YOLOv11n, YOLOv12n	mAP	NA
8245	2026-06-16	Intelligent earthquake prediction using animal vocal behavior analysis based on machine learning and deep learning approaches 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48690-1 PMID:42009810	研究论文	提出一种基于机器学习和深度学习的动物声音行为分析框架，用于预测地震	创新性地利用生物声学与ML/DL结合，通过分析历史动物声音预测地震，并采用数据增强和多种深度学习模型处理时序音频数据	未提及特征工程和模型的可解释性，可能受环境噪音和动物行为变化影响	开发一种低成本、有效的地震预警方法，弥补传统监测的不足	地震前动物声音行为（历史动物音频记录）	机器学习, 深度学习, 生物声学	非疾病（自然灾害预测）	音频分析（Librosa库提取特征）、数据增强	XGBoost, 随机森林, 多层感知机, 循环神经网络, 长短期记忆, 双向LSTM, 门控循环单元	音频数据	未明确说明样本数量	Librosa	双向LSTM, 门控循环单元, 长短期记忆, 循环神经网络	测试准确率, AUC	未提及
8246	2026-06-16	Accuracy in spinal level determination, including transitional vertebrae: an ASReview supported systematic review 2026-Apr-20, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09925-x PMID:42009915	系统性综述	利用ASReview机器学习工具辅助文献检索，系统性评估脊柱定位方法（包括移行椎）的准确性	首次结合机器学习工具ASReview进行文献筛选，并专门关注胸腰段移行椎对脊柱定位准确性的影响	纳入研究存在设计、患者选择和偏倚风险的不一致性；深度学习研究尚未适用于常规临床实践，且高级方法的成本效益有待评估	评估传统和高级方法（包含移行椎情况）在脊柱定位中的准确性，并提出临床建议	脊柱定位方法（包括荧光透视、超声、CT、MRI等常规方法以及术中导航、算法和机器学习等高级方法）	机器学习	脊柱疾病	机器学习（ASReview辅助文献检索）	深度学习（提及但未指定具体模型）	文献数据	29项研究	NA	NA	准确性（accuracy）	NA
8247	2026-06-16	Design and development of an SDR-based system for real-time detection and characterization of drone RF signatures 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48925-1 PMID:42009950	研究论文	提出一种基于软件定义无线电的低成本实时无人机射频信号检测与分类系统	利用无人机与控制器间的射频信号生成频谱图，结合深度学习实现低成本、可大规模部署的无人机检测方案	未提及实际部署中的干扰信号影响及多无人机场景下的识别性能	开发经济实用的射频信号检测系统以应对消费级无人机带来的安全挑战	消费级无人机及其控制器发射的射频信号	计算机视觉	NA	软件定义无线电（USRP B210）	YOLOv5, Faster R-CNN	频谱图图像	自建无人机与非无人机信号标注数据集（具体数量未提及）	PyTorch	YOLOv5, Faster R-CNN	检测准确率, 鲁棒性	USRP B210硬件平台
8248	2026-06-16	Residual-learning-enhanced extended Kalman filter for real-time swing angle estimation in quadrotor-suspended-payload systems 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49015-y PMID:42010326	研究论文	提出一种结合扩展卡尔曼滤波与残差学习LSTM网络的物理信息混合估计框架，用于四旋翼悬挂载荷系统的实时摆角估计	通过融合物理模型与数据驱动方法，利用LSTM网络补偿EKF因模型简化与外部扰动导致的误差，实现轻量级高精度实时估计	NA（摘要未明确指出局限）	实现四旋翼悬挂载荷系统的高精度实时摆角估计	四旋翼悬挂载荷系统的负载摆角	机器学习	NA	NA	LSTM	实验数据（传感器测量值）	NA（未明确说明样本数量）	PyTorch	扩展卡尔曼滤波（EKF）、残差学习LSTM	估计误差	NA（摘要未明确说明计算资源）
8249	2026-06-16	Low-light driver drowsiness detection for real-time safety assistance using dual attention mechanisms in deep learning model 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44442-3 PMID:42010315	研究论文	提出一种结合双注意力机制和可解释人工智能的实时驾驶员困倦检测系统，用于低光照等复杂场景下的安全辅助	在InceptionV3基线中集成空间和通道双注意力机制，并引入低光微调LLFormer增强低光照条件下的检测性能；结合可解释人工智能技术（Grad-CAM、LRP）提供模型预测的可解释性	未提及	开发一种鲁棒的实时驾驶员困倦检测系统，降低因困倦驾驶引发的交通事故风险	驾驶员的面部特征和困倦行为（头部倾斜、眨眼、打哈欠）	计算机视觉	无特定疾病	深度学习、注意力机制、可解释人工智能	InceptionV3、LLFormer、ResNet-50	图像（面部图像）	未提及	NA	InceptionV3, LLFormer, ResNet-50	准确率（最高达98.4%）	针对移动和嵌入式平台优化，但未指定具体GPU或云平台
8250	2026-06-16	Effective elimination of respiratory misregistration-induced attenuation correction errors in PET/CT via deep learning trained on data-driven gated PET from strictly respiratory-phase-matched PET/CT cases 2026-Apr-19, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00880-6 PMID:42002706	研究论文	评估基于深度学习的无CT衰减校正（DLAC）模型，用于减少PET/CT中因呼吸运动配准错误导致的“香蕉伪影”	利用数据驱动门控（DDG）PET获取严格呼吸相位匹配的配对数据训练深度学习模型，实现无CT衰减校正并高效消除呼吸误配准导致的伪影	研究为单中心回顾性分析，样本基于特定PET/CT机型（Discovery MI-25），且仅针对FDG示踪剂，泛化性需进一步验证	评估基于深度学习的无CT衰减校正方法在减少呼吸相位不匹配引起的衰减校正错误（香蕉伪影）中的效能	18F-FDG PET/CT临床病例数据集（含无伪影和带香蕉伪影的病例）	计算机视觉	NA	PET/CT成像、数据驱动门控（DDG）PET	深度学习（具体架构未指定）	图像（PET和CT图像）	1137例临床病例中筛选出255例配准良好病例和387例带香蕉伪影病例	NA	NA	平均绝对误差、均方根误差、峰值信噪比、结构相似性指数、Pearson相关系数	NA
8251	2026-06-16	Imaging-based machine learning for the diagnosis and prognosis of uveal melanoma: a systematic review and meta analysis 2026-Apr-18, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07230-3 PMID:41999415	系统综述与荟萃分析	系统综述和荟萃分析基于影像的机器学习模型在葡萄膜黑色素瘤诊断和预后中的应用表现	首次系统整合并量化分析了机器学习/深度学习模型在葡萄膜黑色素瘤诊断和预后预测中的灵敏度和特异性，通过亚组分析揭示了不同影像模态（眼底照相 vs 超声）对模型性能的显著影响	多数纳入研究为单中心回顾性设计，超声模型纳入研究数量有限，所有预后研究均缺少外部验证，研究间异质性较大	系统评估基于眼科影像的机器学习/深度学习模型在葡萄膜黑色素瘤诊断和预后预测中的性能	已发表的机器学习/深度学习模型	计算机视觉, 机器学习	葡萄膜黑色素瘤	NA	CNN, 变换器	图像（眼底照相、超声、超广角成像、OCT、自发荧光）	13项诊断研究，6项预后研究（最多4600名患者）	NA	CNN, 变换器	灵敏度, 特异性, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
8252	2026-06-16	A physics-guided temporal convolutional learning with XGBoost integration for degradation-aware and robust electric vehicle range prediction 2026-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49119-5 PMID:42000845	研究论文	提出一种物理引导的时间卷积学习与XGBoost集成方法，用于考虑退化的鲁棒电动汽车续航预测	首次引入物理推导的退化记忆指数（DMI），嵌入时间特征学习以区分相同荷电状态下的不同退化历史，结合时间卷积网络与XGBoost实现退化感知的高精度预测	仅基于单一数据集验证，未探讨不同电池化学类型或极端驾驶场景下的泛化能力	解决电动汽车续航预测中忽视电池退化和时间依赖性导致预测不准确的问题	电动汽车的行驶续航预测，涉及电池特性、驾驶行为、环境变量和充电基础设施	机器学习	NA	NA	时间卷积网络（TCN）、XGBoost	时序数据（含电池特性、驾驶行为、环境变量和充电指标）	大型真实电动汽车数据集（未明确样本量）	PyTorch, XGBoost	物理引导时间卷积网络（PG-TCN）结合XGBoost回归器	均方根误差（RMSE）、决定系数（R²）	未提及
8253	2026-06-16	Improved visualization of perivascular spaces on T2-weighted imaging with deep learning-based denoising and super-resolution reconstruction 2026-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48890-9 PMID:42000915	研究论文	本研究前瞻性评估基于深度学习的去噪与超分辨率重建（SR-DL）技术，在T2加权成像上改善血管周围间隙可视化的能力	首次将深度学习去噪与超分辨率重建结合应用于T2WI，在不延长采集时间的情况下显著提升PVS的定量可检测性和定性可见性	未明确说明样本量有限（仅10名健康志愿者）及研究未涉及病理情况下的评估	评估SR-DL技术在T2WI上改善PVS可视化的效果	血管周围间隙（PVS）	计算机视觉	NA	深度学习的去噪与超分辨率重建	深度学习模型	图像	10名健康志愿者	NA	SR-DL	可检测PVS数量、对比率、定性可见性评分	NA
8254	2026-06-16	Machine learning-based models for tumor mutation burden prediction in gastrointestinal cancers: a systematic review and meta-analysis 2026-Apr-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04807-6 PMID:42000933	meta分析	系统评价和荟萃分析基于机器学习的模型在预测胃肠癌肿瘤突变负荷方面的诊断性能	首次对机器学习模型预测胃肠癌TMB的诊断性能进行系统评价和荟萃分析，揭示了图神经网络在性能稳定性方面的优势	仅有3/10的研究进行了外部验证，校准指标报告不足，TMB定义不一致，且存在显著的发表偏倚	系统评估和荟萃分析基于机器学习的模型在胃肠癌TMB预测中的诊断性能、方法学严谨性和报告质量	机器学习或深度学习模型用于预测人类胃肠癌TMB的研究	机器学习	胃肠癌	全外显子测序	机器学习, 深度学习, 图神经网络	临床数据, 基因组数据	纳入10项研究	NA	图神经网络, 经典机器学习模型	AUC, 准确率	NA
8255	2026-06-16	A comprehensive framework for automated segmentation of perivascular spaces in brain MRI with the nnU-Net 2026-Apr-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03993-y PMID:41995815	研究论文	开发了一种基于nnU-Net的自动化脑MRI血管周围间隙分割框架	优化nnU-Net针对血管周围间隙分割，实现了跨MRI扫描仪和模态的鲁棒性能，且结合多模态图像同时分割PVS和WMH	样本量较小（30个T1加权图像），可能限制泛化性；稀疏标注策略可能导致某些区域偏差	优化深度学习框架nnU-Net实现脑MRI中血管周围间隙的自动分割	脑血管周围间隙（PVS）的结构分割	数字病理学	脑小血管病、阿尔茨海默病、帕金森病	核磁共振成像（MRI）	CNN（卷积神经网络）	图像（脑MRI）	30个T1加权MRI图像（来自三种扫描仪）	nnU-Net	nnU-Net	Dice相似系数（DSC）	NA
8256	2026-06-16	Decoding immunotherapy response through computational modeling 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71364-5 PMID:41986319	综述	通过四种汇聚范式（经典机器学习、深度学习、图与网络建模、机制系统生物学）分析免疫疗法反应的计算建模进展	首次系统整合四种计算范式并强调从相关特征到表征学习、关系推理及肿瘤免疫动态因果模拟的进化路径	未提供具体定量结果或模型比较；缺乏临床验证数据的支撑	推动精准免疫肿瘤学实现个性化癌症治疗	免疫疗法反应的计算模型与患者分层方法	机器学习	癌症	NA	NA	多组学、影像	NA	NA	NA	NA	NA
8257	2026-06-16	A Leaf-Level Dataset for Soybean-Cotton Detection and Segmentation 2026-Apr-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07092-8 PMID:41986374	研究论文	该论文介绍了一个用于大豆和棉花叶片检测与分割的数据集，包含640张高分辨率图像和超过12000个叶片实例的标注	提供了一个在真实农场条件下采集、涵盖多个生长阶段、杂草压力和光照变化的叶片级数据集，支持检测和分割重叠叶片，填补了现有数据集在复杂田间环境中的不足	仅涉及大豆和棉花两种作物，未涵盖其他作物或更广泛的杂草类型；数据集规模可能不足以推广至所有田间场景	创建并验证一个用于大豆-棉花叶片检测与分割的数据集，以支持可持续农业管理中的选择性除草和害虫监测等应用	大豆和棉花的叶片	计算机视觉	NA	高分辨率图像采集	YOLO11（用于检测和分割的目标检测与分割模型）	图像（高分辨率RGB图像）	640张图像，包含7,221个大豆叶片和5,190个棉花叶片的实例标注	NA	YOLO11	检测精度、分割精度（未具体列出指标名称，但提到state-of-the-art性能）	NA
8258	2026-06-16	Distinguishing cancer patients' mild and severe symptoms in radiotherapy via zero-shot and few-shot large language model-based probabilistic prompts 2026-Apr-15, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00547-z PMID:41987285	研究论文	本研究开发了一种基于少量示例的大语言模型预测框架，利用概率设计的提示语在异常检测框架下区分放疗期间和放疗后癌症患者的轻度和重度症状	创新性地将大语言模型与异常检测框架结合，通过六种概率设计的提示语实现少量患者数据下的症状严重程度分类，并提供可解释的推理过程	依赖提示语的设计质量，可能对特定症状或数据分布变化敏感；模型性能可能受限于少量示例的标注准确性和代表性	探索基于大语言模型的有效提示策略，以区分癌症患者放疗期间和放疗后的轻度和重度症状，实现实时监控和临床决策支持	前列腺癌患者在放疗过程中出现的肠道疼痛、抑郁和性功能障碍等症状	自然语言处理	前列腺癌	大语言模型	大语言模型	文本	NA	NA	NA	AUC, AUCPR, 精确率, 召回率, F1分数	NA
8259	2026-06-16	Hi-Compass: a depth-aware deep learning framework for predicting cell-type-specific 3D genome organization from single-cell to spatial resolution 2026-Apr-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71877-z PMID:41980945	研究论文	Hi-Compass是一种深度感知的深度学习框架，能从单细胞到空间分辨率预测细胞类型特异性三维基因组组织	首次提出深度感知框架，仅利用染色质可及性数据即可预测细胞类型特异性染色质组织，并动态适应测序深度变化，支持从稀疏单细胞到高覆盖度批量数据的鲁棒预测	依赖染色质可及性数据作为唯一细胞类型特异性输入，可能忽略其他表观遗传修饰的影响	预测细胞类型特异性三维基因组组织，解析染色质相互作用与基因调控的关系	细胞类型特异性染色质组织	机器学习	NA	Hi-C，染色质可及性测序	深度学习	染色质可及性数据	外周血和胚胎心脏数据集，海马组织空间分辨数据，小鼠系统	NA	NA	一致性，高置信度染色质环恢复	NA
8260	2026-06-16	Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative 2026-Apr-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07218-y PMID:41980990	研究论文	提供一个大型全身/全动态[18F]FDG-PET/CT数据集，包含CT-derived分割，用于深度学习训练和多模态图像分析	首次公开大规模全身和全动态[18F]FDG-PET/CT双模态数据集，包含1683例PET/CT图像及130个目标区域的CT-derived分割，填补了在临床管理中使用PET/CT数据的重要资源空白	个别分割可能由受训医师验证校正，存在主观差异；数据集主要为静止状态图像，缺乏动态或纵向数据	为深度学习训练、验证或多模态图像分析提供公开可用的大规模PET/CT数据集，推进PET/CT在临床管理中的应用	健康个体及恶性肿瘤和炎症疾病患者的PET/CT图像（包括关节炎、淋巴瘤、黑色素瘤、肺癌、头颈癌、泌尿生殖道癌等）	数字病理学、医学图像分析	肿瘤疾病（肺癌、淋巴瘤、黑色素瘤、头颈癌、泌尿生殖道癌）及炎症性疾病（关节炎）	PET/CT成像	NA	图像（PET/CT）	1683例PET/CT图像	NA	NA	NA	NA