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
1021	2026-04-05	Analysis of passive bloodstain morphology across surface textures and drop heights using deep learning 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112890 PMID:41707408	研究论文	本研究利用深度学习分析被动血迹形态在不同表面纹理和滴落高度下的变化，验证了冲击角确定的一致性	首次将深度学习（特别是MobileNet模型）应用于血迹模式分析，以区分不同滴落高度产生的血迹，并强调了迁移学习在小型法医数据集中的价值	研究仅考虑垂直90°角滴落，未涵盖多角度冲击、运动相关效应或温度控制条件，未来需扩展以更真实模拟犯罪现场	探究基底类型和滴落高度对被动血迹形态的影响，以增强法医血迹模式分析（BPA）的准确性和适用性	被动血迹，在五种不同表面（弯曲杯、压碎图表纸、黄麻布、果冻石、混凝土）上从三个不同高度垂直滴落的血液样本	计算机视觉	NA	深度学习	CNN	图像	大型图像数据集，具体数量未明确说明	TensorFlow, PyTorch, Keras（基于MobileNet常用框架推断，但原文未明确指定）	MobileNet	准确率	NA
1022	2026-04-05	Redesigning myoglobin via functional site scaffolding for enhanced catalytic functions 2026-May-14, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153642 PMID:41855859	研究论文	本研究利用深度学习驱动的功能位点支架策略，重新设计肌红蛋白，以增强其催化功能	采用基于扩散的结构模型生成骨架架构，结合逆折叠设计优化序列，并通过结构预测算法评估一致性，从血红素结合口袋和二级配位球残基启动设计过程，实现了肌红蛋白的微型化改造	NA	通过蛋白质重新设计增强肌红蛋白的催化功能	肌红蛋白及其微型化变体bitMb	机器学习	NA	深度学习、扩散模型、逆折叠设计、结构预测算法	扩散模型、ProteinMPNN、AlphaFold、OmegaFold	蛋白质序列和结构数据	超过100,000个序列	NA	NA	NA	NA
1023	2026-04-05	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树的高效推荐检索器（DTR），通过软最大多类分类和损失函数修正方法，提升推荐效率并满足最大堆假设	提出DTR模型，将训练任务构建为同层树节点上的软最大多类分类，实现显式横向竞争和更优的top-k选择，同时引入损失函数修正和基于树的采样方法以提升泛化能力	未明确说明模型在大规模候选集下的计算成本或实际部署中的具体限制	提高深度推荐模型的推荐效率，同时保持推荐准确性	基于树结构的深度推荐模型	机器学习	NA	NA	深度树模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性, 推荐效率	NA
1024	2026-04-05	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和规模，且方法在极端分布偏移场景下的有效性有待验证	有效减少目标检测器中由分布外输入引发的幻觉错误	实时目标检测模型	计算机视觉	NA	深度学习	CNN, Transformer	图像	BDD-100K数据集	PyTorch	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
1025	2026-04-05	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出了首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集的脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	提出了首个深度学习框架SS2DS，能够调整稀疏脉冲流的时间分布，并首次构建了合成和真实的稀疏脉冲流数据集进行评估	未明确说明模型在极端低光照条件下的鲁棒性，以及计算复杂度和实时性方面的具体表现	解决脉冲相机在低光照高速视觉任务中脉冲信号稀疏导致的性能下降问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	合成和真实稀疏脉冲流数据集（具体数量未明确）	NA	SS2DS	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
1026	2026-04-05	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程提升配准的准确性和效率	设计了两种稀疏注意力机制：一致性感知自注意力通过选择具有全局一致对应关系的点子集来传播全局一致性；点引导交叉注意力将注意力限制在动态定义的“点”区域，以消除相似但不相关区域的干扰	未明确说明模型在极端噪声或严重遮挡场景下的性能，也未讨论计算资源消耗的具体量化数据	提升点云配准的准确性、效率和鲁棒性，并增强模型在未见领域的泛化能力	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性, 效率, 鲁棒性	NA
1027	2026-04-05	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	提出一种物理信息深度神经网络框架，用于复杂场景下的单光子成像，通过嵌入成像物理实现无监督学习	将成像物理嵌入深度神经网络，引入多尺度时空先验和体积渲染，并设计双分支结构以应对多深度和雾遮挡	未明确说明计算资源需求或模型在极端低信噪比下的性能边界	解决复杂场景下单光子成像的低信噪比和泛化问题	单光子成像系统捕获的3D结构数据	计算机视觉	NA	单光子成像	深度神经网络	图像	NA	NA	U-Net	均方根误差	NA
1028	2026-04-05	Rapid assessment of pesticide toxicity in aquatic ecosystems using deep learning-based automatic duckweed counting method 2026-May, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107791 PMID:41887020	研究论文	本研究利用基于深度学习的自动浮萍计数方法快速评估农药对水生生态系统的毒性	应用基于StarDist技术的优化自动浮萍计数工具，实现高通量、自动化的农药毒性评估	仅测试了28种常用农药，且毒性评估基于实验室条件，可能无法完全反映自然环境中的复杂效应	评估农药对水生植物的毒性，为农药环境风险评估提供快速有效的方法	浮萍（Wolffia globosa）	计算机视觉	NA	StarDist技术	深度学习	图像	28种常用农药（包括除草剂、杀菌剂和杀虫剂）对浮萍生长的测试	NA	StarDist	IC值（抑制浓度）	NA
1029	2026-04-05	Neuroimaging-Based Deep Learning Applications for Lesion Detection and Predicting the Outcome Following Epilepsy Surgery 2026-May, Neuroimaging clinics of North America IF:1.3Q3 DOI:10.1016/j.nic.2025.10.002 PMID:41932780	综述	本文综述了基于神经影像的深度学习在癫痫手术病灶检测和术后结果预测中的应用	总结了深度学习在癫痫手术病灶检测中的进展，并探讨了其在术后结果预测方面的探索性应用	基于神经影像的手术结果预测模型仍处于探索阶段，缺乏透明、可解释和前瞻性验证	评估深度学习在癫痫手术病灶检测和术后结果预测中的应用潜力	药物难治性局灶性癫痫患者	医学影像分析	癫痫	神经影像（如MRI）	深度学习模型	神经影像数据	多中心大型研究	NA	NA	NA	NA
1030	2026-04-05	Synthetic data-augmented machine learning for 30-day readmission prediction in patients with chronic conditions: a retrospective real-world study 2026-Apr-03, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-108273 PMID:41932702	研究论文	本研究开发并评估了一个结合合成数据增强的可解释机器学习框架，用于预测慢性阻塞性肺疾病、心力衰竭和2型糖尿病患者的30天非计划性再入院，并识别关键临床和社会预测因子	采用合成数据生成技术（包括高级重采样和基于深度学习的方法）来解决结果不平衡问题并改进模型训练，同时结合了结构化变量和非结构化临床笔记信息	研究基于单一三级学术医疗中心（MIMIC-IV数据库）的数据，可能限制了结果的普遍性，且为回顾性研究	开发一个可解释的机器学习框架，预测慢性病患者的30天非计划性再入院，并识别关键预测因子	患有慢性阻塞性肺疾病、心力衰竭或2型糖尿病的成年住院患者	机器学习	慢性阻塞性肺疾病, 心力衰竭, 2型糖尿病	合成数据生成（高级重采样和深度学习技术）	集成机器学习模型	电子健康记录数据（包括结构化变量和非结构化临床笔记）	慢性阻塞性肺疾病患者14,050人，心力衰竭患者7,097人，2型糖尿病患者12,735人	未明确指定（提及了多种机器学习方法）	未明确指定具体架构	未明确指定具体指标（但提及了使用五折交叉验证评估预测性能）	NA
1031	2026-04-05	A High-Quality Endoscopic Image Dataset with Annotated Recurrent Laryngeal Nerve for AI-Assisted Thyroid Surgery 2026-Apr-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06961-6 PMID:41932923	研究论文	本文介绍了首个用于内窥镜甲状腺手术中喉返神经识别的全面体内数据集ThyRLN-PUMCH，并验证了其支持高精度分割任务的能力	填补了AI辅助头颈外科领域大规模、标注数据集的空白，提供时间连续、临床代表性的图像和标注	数据集仅包含28个临床病例，样本量相对有限，且依赖于特定医疗中心的病例	开发AI辅助的术中导航工具，以提升甲状腺手术中喉返神经识别的安全性和效率	内窥镜甲状腺手术中的喉返神经	数字病理	甲状腺疾病	内窥镜成像	分割模型	图像	28个临床病例，共18,178帧像素级标注图像	NA	NA	高精度分割	NA
1032	2026-04-05	Deep learning-based high-information-content graph representation of early stage bacterial biofilms 2026-Apr-03, NPJ biofilms and microbiomes IF:7.8Q1 DOI:10.1038/s41522-026-00971-3 PMID:41932927	研究论文	本研究提出了一种基于深度学习的高信息量图表示方法，用于分析早期细菌生物膜的结构	将生物膜建模为无向交互图，结合Mask R-CNN和自定义神经网络（BINet）实现细胞分割与交互预测，提供可扩展的高信息量分析框架	NA	开发自动化分析微生物群落的高信息量方法，揭示生物膜组织的非明显模式	早期形成阶段的细菌生物膜	计算机视觉	NA	显微镜可视化	CNN	图像	NA	PyTorch	Mask R-CNN, BINet	NA	NA
1033	2026-04-05	Hybrid deep learning techniques for adaptive routing and congestion control in urban VANET for wireless mobile networking 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33193-2 PMID:41932949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1034	2026-04-05	SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42207-6 PMID:41932959	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1035	2026-04-05	Single-channel EEG-based seizure prediction using deep learning 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44670-7 PMID:41932974	研究论文	本研究开发了一种基于单通道EEG的轻量级深度学习模型，用于癫痫发作预测，并在临床可操作标准下验证其性能	首次证明单通道EEG能在临床有意义的预警窗口内实现可靠的癫痫发作预测，且模型轻量化，计算需求大幅降低	模型性能依赖于患者特定的留一交叉验证，可能限制了在未见过患者数据上的泛化能力	开发并验证一种仅使用单通道EEG的轻量级深度学习模型，用于癫痫发作预测，以提高患者安全性	癫痫患者的单通道EEG数据	机器学习	癫痫	EEG信号处理，短时傅里叶变换（STFT）	CNN	EEG信号	SNUH和CHB-MIT数据集中的患者EEG数据	NA	MobileNet	准确率，假阳性率（FPR），敏感性	NA
1036	2026-04-05	Predicting repurchase behavior and optimizing marketing for e-commerce users with genetic algorithms and deep learning 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45903-5 PMID:41933056	研究论文	本文提出了一种结合深度学习与遗传算法的框架，用于预测电子商务用户的复购行为并优化精准营销策略	提出了一种新颖的DGA-EVMN框架，将动态遗传算法与增强型香草记忆网络结合，以捕获用户行为的时序依赖性和非线性关系，并优化个性化营销干预	未明确说明数据集的规模、时间跨度或用户群体的具体特征，可能限制模型的泛化能力	预测电子商务用户的复购行为并优化营销策略，以提高客户保留率和企业可持续成功	电子商务平台的用户行为数据	机器学习	NA	数据预处理（缺失值插补、去重、最小-最大归一化）、深度学习、遗传算法	深度学习模型、遗传算法	用户行为数据（数值特征）	真实世界电子商务数据集（具体数量未说明）	Python	增强型香草记忆网络（EVMN）	F1分数, AUC-ROC, 召回率, 精确率, 准确率	NA
1037	2026-04-05	Label-free pathological subtyping of non-small cell lung cancer using deep classification and virtual immunohistochemical staining 2026-Apr-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02557-x PMID:41933080	研究论文	本研究提出了一种无标记方法，利用自发荧光成像和深度学习技术对非小细胞肺癌进行病理亚型分类和虚拟免疫组化染色	采用无标记的自发荧光成像结合深度学习，实现非小细胞肺癌亚型的快速准确区分，并生成临床级虚拟免疫组化染色，避免了传统染色过程的耗时与成本	未明确说明样本来源的多样性或外部验证集的情况，可能影响模型的泛化能力	开发一种无标记、快速且准确的非小细胞肺癌病理亚型分类方法，以加速诊断流程	非小细胞肺癌组织样本，包括非癌组织、腺癌、鳞状细胞癌及其他亚型	数字病理学	肺癌	自发荧光成像（强度成像和寿命成像）	深度学习	图像	未明确说明具体样本数量	未明确说明	未明确说明具体架构	曲线下面积	未明确说明
1038	2026-04-05	A unified GRU model for cryptocurrency price prediction and harsh price movement detection using enhanced sentiment analysis 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46271-w PMID:41933101	研究论文	本研究提出了一种统一的GRU模型，通过增强的情感分析来预测加密货币价格并检测剧烈价格变动	提出了一种结合RoBERTa情感模型、PCA降维、衰减加权聚合以及数据驱动的K-means聚类与高斯噪声注入的情感特征构建与价格标签定义框架，强调特征工程与类别定义对性能提升的关键作用	研究仅针对比特币，时间范围限于2021年4月至8月，且未考虑其他市场因素或更长期的价格动态	研究情感表示与价格变化标签对短期比特币价格变动分类的影响，并构建稳健的情感驱动金融预测模型	比特币价格变动与相关的社交媒体推文情感	自然语言处理, 机器学习	NA	情感分析, 主成分分析(PCA), K-means聚类	GRU, TCN, LightGBM, 多项逻辑回归	文本, 时间序列数据	超过110万条比特币相关推文	NA	GRU, TCN	整体性能（具体指标未明确列出，如准确率、F1分数等）	NA
1039	2026-04-05	Air quality index prediction using a hybrid CEEMDAN-CNN-IGWO-BiGRU-Attention model 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46978-w PMID:41933122	研究论文	本文提出了一种结合CEEMDAN、CNN、BiGRU和注意力机制的混合模型，用于预测空气质量指数（AQI），并通过IGWO优化超参数，提高了预测精度	提出了一种集成CEEMDAN分解、CNN局部特征提取、BiGRU长期依赖捕获和注意力机制的混合模型，并引入改进的灰狼优化器（IGWO）自动调优超参数，解决了传统模型在特征提取和超参数调整方面的局限性	未明确说明模型在其他城市或不同时间尺度上的泛化能力可能存在的限制，以及计算资源需求的具体分析	精确预测空气质量指数（AQI），以支持环境管理和公共健康保护	空气质量指数（AQI）时间序列数据	机器学习	NA	时间序列分析，深度学习	CNN, BiGRU, 注意力机制	时间序列数据	广州2014年至2024年的长期数据集	NA	CEEMDAN-CNN-IGWO-BiGRU-Attention混合模型	MSE, 决定系数（R2）	NA
1040	2026-04-05	Multimodal deep learning for international investment arbitration outcome prediction and bilateral investment agreement negotiation strategy optimization 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47149-7 PMID:41933170	研究论文	本研究提出了一个多模态深度学习框架，用于预测国际投资仲裁结果并优化双边投资协议谈判策略	通过融合文本、数值和视觉数据，并利用基于注意力的融合架构捕获跨模态依赖关系，显著提升了仲裁结果预测的准确性	未明确说明模型在处理罕见案例或跨文化法律差异时的泛化能力，也未讨论数据隐私和伦理问题	开发一个强大的仲裁结果预测工具，以指导投资者、东道国和法律顾问的战略决策	国际投资仲裁案例，特别是投资者-国家争端解决机制下的案件	自然语言处理	NA	多模态深度学习	深度学习	文本, 数值, 视觉	1,247个仲裁案例	NA	基于注意力的融合架构	准确率	NA