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
10361	2026-04-27	Trustworthy deep learning for malaria diagnosis using explainable artificial intelligence 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28387-7 PMID:41419508	研究论文	本研究利用可解释人工智能技术，评估深度学习模型在疟疾诊断中的性能与可解释性	结合四种CNN模型与两种混合架构，并采用三种XAI技术（Grad-CAM、LIME、SHAP）分别从空间、超像素和像素层面解释模型决策，揭示误诊样本中的形态和染色伪影	未提及模型在不同疟原虫种类或混合感染场景下的泛化能力，且外部验证仅依赖单一数据集	开发高精度、可解释且泛化能力强的疟疾自动诊断框架，适用于资源有限的医疗环境	血涂片图像中的疟疾感染情况	计算机视觉	疟疾	血涂片成像	CNN（卷积神经网络）	图像	27,090张来自Kaggle疟疾数据集的血涂片图像，外加哈佛Dataverse的厚涂片图像	TensorFlow, Keras	MobileNetV2, VGG19, InceptionV3, ResNet18, Xception, Inception-ResNetV2	F1分数, 准确率	NA
10362	2026-04-27	Multi-sensor observer-based residual learning with Auto-Permutation Feature Importance for fault diagnosis of multistage centrifugal pumps under variable pressures 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32726-z PMID:41402517	研究论文	提出一种融合多传感器观测器残差学习和自动排列特征重要性的框架，用于变压力下多级离心泵故障诊断	首次将自回归观测器残差建模与自动排列特征重要性机制结合，在变压力条件下实现高精度、低数据需求的故障诊断	未提及在更复杂故障模式或多工况组合下的验证，且未讨论模型对传感器故障的鲁棒性	实现变压力条件下离心泵故障的高效、可解释诊断，减少对大量标注数据的依赖	多级离心泵在3、3.5和4巴压力水平下的正常与故障状态信号	机器学习	NA	多传感器融合、自回归建模	高斯混合模型	多传感器时序信号	不同压力水平下的多组数据，具体数量未提及	NA	自回归观测器、自动排列特征重要性、高斯混合模型	准确率、t-SNE可视化、ROC曲线、混淆矩阵	NA
10363	2026-04-27	Reliable wrist PPG monitoring by mitigating poor skin sensor contact 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31883-5 PMID:41407831	研究论文	提出一种深度学习框架，用于缓解静坐条件下皮肤传感器接触不良导致的光电容积描记信号失真问题	首次系统性关注静坐条件下皮肤-传感器接触不良问题，提出对抗训练深度生成模型与定制损失函数相结合的CP-PPG框架	NA	提升可穿戴设备在非运动场景下PPG信号的可靠性和生理参数监测精度	受接触压力干扰的腕部PPG信号	机器学习	心血管疾病	光电容积描记法	对抗生成网络	生理信号	NA	PyTorch	生成对抗网络	平均绝对误差	NA
10364	2026-04-27	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	提出一种结合轻量级MnasNet CNN与自适应补丁机制的混合框架，用于土木基础设施自动裂缝检测	首次将混沌理论和莱维飞行动力学应用于结构健康监测的优化算法（ULEO），并采用动态补丁机制根据图像复杂度调整补丁大小，无需增加运行时间即可提升精度	NA	开发一种高效、低资源消耗的视觉裂缝检测框架，适用于实时和移动平台	土木基础设施中的裂缝	计算机视觉	NA	CNN	MnasNet CNN，ULEO优化算法	图像	CRACK500数据集	NA	MnasNet，VGG16，OpenMV-CNN，XGBoost，XAI/t-SNE	准确率，敏感度，特异度，F1分数	每张图像计算时间0.05秒，适用于移动和嵌入式平台
10365	2026-04-27	Explore antibody repertoire in the era of AI 2025-Dec-16, Acta biochimica et biophysica Sinica IF:3.3Q1 DOI:10.3724/abbs.2025230 PMID:41403245	review	本综述介绍了人工智能时代下抗体库研究的新概念，并讨论了深度学习方法在理解抗体库中的应用	系统性地将深度学习技术应用于抗体库研究，涵盖从抗体克隆型定义到免疫诊断的全链条创新	NA	探讨深度学习在抗体库研究中的应用，包括抗体结合预测、特异性抗体生成和免疫诊断	抗体库（抗体克隆型）及其进化特征	natural language processing	NA	高通量测序、深度学习	深度学习模型	抗体库序列数据	NA	NA	NA	NA	NA
10366	2026-04-27	Association of deep learning-derived optic nerve morphology with Parkinson's disease and drug-induced Parkinsonism: Findings from the LIFE Study 2025-12-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123751 PMID:41223743	研究论文	利用深度学习分析眼底照片中的视神经形态（杯盘比）与帕金森病及药物诱发的帕金森综合征的关联	首次在大规模人群研究中探讨深度学习衍生的视神经形态（杯盘比）与帕金森病和药物诱发性帕金森综合征的关联	未发现杯盘比与药物诱发性帕金森综合征的显著关联，可能受限于样本量或混杂因素	探究非侵入性成像标志物（杯盘比）在帕金森病及药物诱发性帕金森综合征中的潜在诊断价值	14,280名40-64岁日本社区参与者	计算机视觉, 机器学习	帕金森病, 药物诱发性帕金森综合征	深度学习（眼底照片分析）	深度学习模型	图像（眼底照片）	14,280名参与者（其中帕金森病131例，药物诱发性帕金森综合征152例）	未提及	未提及	比值比（OR）、95%置信区间（CI）	未提及
10367	2026-04-27	Deep learning for head and neck radiation dose prediction: a systematic review and meta-analysis 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28442-3 PMID:41361342	meta分析	对基于深度学习的头颈部放射治疗剂量预测方法进行系统综述和荟萃分析	通过荟萃分析系统评估了不同卷积神经网络架构在头颈部放疗剂量预测中的性能差异，并探讨了放疗技术、网络设计和癌症类型等亚组因素的影响	异质性较高（I²>99%）限制了结果的可解释性，且对脊髓以外其他危及器官的泛化能力有限	评估卷积神经网络及其相关架构在头颈部放疗剂量预测中的有效性	头颈部放疗患者	机器学习	头颈部癌症	放射治疗	卷积神经网络（CNN）	放射治疗剂量分布数据	不适用（系统综述和荟萃分析，未涉及具体样本量）	NA	经典CNN、高级CNN（包括密集块等）	平均绝对误差（MAE）	NA
10368	2026-04-27	Accurate Mediterranean Sea forecasting via graph-based deep learning 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31177-w PMID:41353460	研究论文	SeaCast是一种基于图的深度学习模型，用于高分辨率区域海洋预报，在地中海海域的实验中展示了优于传统数值模型的性能	提出SeaCast模型，利用图框架处理海洋网格的复杂几何结构，并整合外部强迫数据，实现了高分辨率区域海洋预报的显著性能提升	仅在单一地中海区域进行验证，未提及模型在其他海域或不同分辨率下的适用性	开发一种快速、节能的神经网络模型，用于高分辨率区域海洋预报	地中海海域的海洋动力过程预报	机器学习	NA	NA	图神经网络	海洋网格数据、外部强迫数据	地中海海域10天和15天预报窗口的实验数据	PyTorch	图神经网络	所有可用指标（未具体说明）	NA
10369	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10370	2026-04-27	From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202509459 PMID:41147065	研究论文	提出基于深度学习的框架，根据核酸纳米颗粒的序列预测免疫反应（IFN-β和IL-6）	首次利用基于注意力的Transformer架构，通过系统性的链置换训练，实现无需手动特征工程的序列-免疫反应定量结构-活性关系建模，并保持生物学可解释性	仅基于176个结构多样的NANPs进行训练和验证，样本量有限，可能影响模型对更广泛序列空间的泛化能力	建立从核酸纳米颗粒序列到免疫反应预测的快速计算方法，以指导NANPs的理性设计和优化	核酸纳米颗粒（NANPs）诱导的细胞因子反应，具体为干扰素-β和白细胞介素-6	机器学习，数字病理学	NA	序列分析，深度学习	Transformer	序列数据	176个结构多样、单独组装且经实验表征的NANPs	PyTorch	Transformer	皮尔逊相关系数R，均方根误差RMSE	NA
10371	2026-04-27	Predicting drug solubility in binary solvent mixtures using graph convolutional networks: a comprehensive deep learning approach 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28272-3 PMID:41318549	研究论文	本研究提出基于图卷积网络（GCN）的综合深度学习框架，用于预测药物在二元溶剂混合物中的溶解度	首次系统评估GCN结合多头注意力机制和多层级分子表征学习在药物溶解度预测中的效能，通过消融研究和注意力可视化揭示结构-溶解度关系，将实验工作量减少60-80%	对于结构显著异于训练数据的化合物预测误差可能超过MAE<0.5 logS单位，模型泛化性需进一步验证	开发高效的药物溶解度预测方法以加速制剂开发，降低传统实验的时间和资源消耗	123种小分子溶质在44种溶剂和110种二元溶剂组合中的溶解度数据	机器学习	NA	NA	图卷积网络	分子结构数据、溶解度实验值	27,000个溶解度测量值，涵盖273-373 K温度范围	PyTorch	多头注意力GCN，层级池化	平均绝对误差（MAE）	NA
10372	2026-04-27	Optimized YOLOv8s framework with deformable convolution for underwater object detection 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28989-1 PMID:41309854	研究论文	提出一种优化YOLOv8s框架（O-YOLOv8s-DC），融合可变形卷积与多尺度注意力机制，用于水下目标检测	创新集成可变形卷积特征模块（C2f_DC）、深度加权双向特征金字塔（DeepBiFPN）、内容感知特征重组（CARAFE）和高效多尺度注意力（EMA），有效提升小目标与遮挡目标检测性能	未提及在极端浑浊水质或极高密度目标场景下的性能表现，且仅使用两个数据集进行验证	解决水下目标检测中小目标、遮挡目标、形态多变及低图像质量等关键挑战	水下环境中的目标物体	计算机视觉	NA	可变形卷积、深度学习	YOLOv8s（优化框架）	图像	两个数据集：LFIW和OI数据集	PyTorch	YOLOv8s, C2f_DC, DeepBiFPN, CARAFE, EMA	AP@[0.50:0.05:0.95], AP@0.75, 消融实验指标	未提及具体计算资源，但可推断需GPU支持训练
10373	2026-04-27	A smart assistive system for visually challenged people through efficient object detection using deep learning with tunicate swarm algorithm 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29947-7 PMID:41309919	research paper	提出了一种基于深度学习和海鞘群算法的智能辅助系统，用于视觉障碍人群的物体检测	结合YOLOV8、CapsNet、深度信念网络和海鞘群算法，通过参数优化提升物体检测精度	仅在室内物体检测数据集上验证，未测试室外场景和实时性能	开发一种自动物体检测系统，辅助视觉障碍者完成日常任务	视觉障碍者	computer vision	NA	median filtering, object detection, deep learning	YOLOV8, CapsNet, DBN, TSA	image	使用Indoor Object Detection数据集，具体数量未提及	NA	YOLOV8, CapsNet, Deep Belief Network	accuracy	NA
10374	2026-04-27	Modifier guided resilient CNN inference enables fault-tolerant edge collaboration for IoT 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28454-z PMID:41310049	研究论文	提出一种无需云端参与的边缘分布式CNN架构，通过轻量级修饰模块实现容错推理，适用于资源受限的物联网场景	设计轻量级修饰模块，利用故障模拟训练机制实时生成失效设备的预测结果，避免模型复制或云端回退，实现完全边缘侧容错	仅在MNIST和CIFAR-10数据集上验证，未在更复杂的真实物联网数据上测试；对超过五个设备同时故障的场景未充分评估	实现资源受限物联网场景下鲁棒且准确的分布式深度学习推理，消除对云端的依赖	物联网环境中的边缘设备及其分布式CNN推理过程	机器学习	NA	NA	CNN	图像	MNIST和CIFAR-10数据集，实验中最多模拟五个设备同时故障	NA	CNN	准确率、错误率	NA
10375	2026-04-27	EnCTN: an enhanced AI-enabled deep learning framework for security enhancement in blockchain transactions 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29160-6 PMID:41310051	研究论文	提出一种增强型卷积时间网络，用于提升基于AI的区块链交易安全	将区块链与深度学习结合，通过增强型卷积时间网络和自动编码器技术实现交易分析中的异常检测，同时采用扩张卷积捕获长期依赖关系	文中未明确说明局限性	提升区块链交易的安全性和异常检测能力，解决数据机密性和匿名性问题	区块链网络中的交易数据	机器学习	NA	NA	增强型卷积时间网络	时间序列数据	使用NSL-KDD数据集进行评估	Python	增强型卷积时间网络, 自动编码器	异常分类准确率	NA
10376	2026-04-27	Integration of corpus linguistics and deep learning techniques for enhanced semantic-driven emotion detection on textual data 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28929-z PMID:41310067	research paper	提出一种基于集成词向量表示和多模型深度神经网络的文本情感检测方法（EDTIWVR-MDNN），以提升自然语言中的情感理解	融合TF-IDF、BERT和GloVe技术进行词嵌入，并采用基于注意力的时间卷积网络与双向门控循环单元的混合模型（AM-T-BiG）进行情感分类	未在多种数据集上验证泛化能力，可能对特定领域或非英语文本的适应性有限	开发有效的文本情感识别方法，增强情感分析、社交媒体监控、心理健康评估和人机交互等应用的理解能力	文本数据中的情感表达	natural language processing	NA	词嵌入（TF-IDF, BERT, GloVe）, 深度神经网络	时间卷积网络（TCN）, 门控循环单元（GRU）	文本	基于文本情感检测数据集，具体样本数量未提及	NA	AM-T-BiG（注意力机制时间卷积网络与双向GRU）	准确率	NA
10377	2026-04-27	Deep learning-based AI model for predicting academic success and engagement among physical higher education students 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29000-7 PMID:41310101	研究论文	提出基于深度学习的HybridStackNet堆叠集成模型，用于预测体育高等教育学生的学业成功与参与度	构建结合随机森林和支持向量机作为基学习器、逻辑回归作为元学习器的堆叠集成模型，并引入偏依赖图和LIME实现可解释性分析	基于500条公开数据集进行训练，样本规模有限可能影响泛化能力；未提及跨机构或纵向数据的验证	开发可解释的机器学习模型以早期识别体育教育学生的学业风险	体育高等教育学生的学业表现与参与行为	机器学习	不适用	SMOTE过采样、随机森林特征选择	堆叠集成模型（HybridStackNet）	结构化表格数据	500个实例，包含学业、行为和身体属性	Scikit-learn	随机森林、支持向量机、逻辑回归	准确率、精确率、召回率、F1分数、AUC、Jaccard系数、Kappa系数、Hamming损失	未提及
10378	2026-04-27	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-11-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	探讨深度学习在神经影像学分析中用于神经退行性疾病诊断与监测的最新进展、挑战与机遇	通过涵盖更广泛的神经退行性疾病类型（包括阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症和多发性硬化症），并关注空间/时间信息处理方法，扩展了现有文献	回顾的模型在小样本上取得高准确性但临床应用有限；存在推理冲突、忽略扫描仪间及站点内/间变异；数据整合面临协调性、不完整性、类别不平衡和高成本等挑战	总结深度学习在神经影像学中诊断与监测神经退行性疾病的最新进展，并讨论相关挑战	神经影像学数据（脑体积成像数据），涵盖从单个患者到多队列研究	计算机视觉, 机器学习	神经退行性疾病	神经影像学	深度学习模型	图像	NA	NA	NA	NA	NA
10379	2026-04-27	The coming era of nudge drugs for cancer 2025-Nov-10, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2025.08.004 PMID:40939589	研究论文	提出一种基于肿瘤微环境逐步重塑的癌症治疗新策略，通过深度学习分析扰动肿瘤的单细胞图谱来设计“推动”药物	首次提出“推动药物”概念，利用深度学习识别肿瘤微环境原型间的基因和细胞网络转换，实现治疗顺序的设计	NA	开发针对晚期癌症的渐进式肿瘤微环境重塑治疗策略	肿瘤微环境及其在不同患者和组织来源中的保守原型	机器学习	癌症	单细胞测序	深度学习模型	单细胞图谱数据	NA	NA	NA	NA	NA
10380	2026-04-27	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	综述	系统综述脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究现状	综合总结深度学习在脑年龄预测中的应用进展，强调脑年龄差距作为早期诊断标志物的潜力	存在站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等挑战	系统评估脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究进展和局限性	脑年龄预测模型和脑年龄差距指标	机器学习	阿尔茨海默病	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA