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
1341	2026-04-19	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	本研究提出了一种名为Hybrid-Sumo的深度学习模型，通过整合蛋白质结构和序列特征来预测SUMOylation位点	结合了三种先进的特征提取技术（HSE、PSSM-DWT和BERT），并利用SHAP算法进行最优特征选择，显著提高了预测准确性	未明确提及模型在更广泛或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一个准确预测SUMOylation位点的计算工具，以加速蛋白质功能和修饰分析的研究	蛋白质的SUMOylation位点	机器学习	NA	NA	DNN	蛋白质序列和结构特征	基准数据集和独立数据集（平衡与不平衡）	NA	Deep Neural Network	准确率	NA
1342	2026-02-28	Global solar energy potential forecasting through machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41357-x PMID:41741590	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1343	2026-04-19	Deep residual and hybrid CNN models for confidence-aware real-world waste classification for sustainable waste management 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41001-8 PMID:41741626	研究论文	本文提出了一种基于深度学习的多类别废物分类系统，用于处理真实世界中的混合、变形和污染废物，以促进可持续废物管理	引入了混合模型（如ResNet101与InceptionV3结合）以提高复杂类别（如纺织品和杂项垃圾）的分类精度，并提出了置信度评分评估策略来评估模型可靠性	NA	开发一个稳健且可扩展的智能废物分类系统，用于真实世界、可持续性驱动的环境	真实世界废物流中的混合、变形和污染物品	计算机视觉	NA	深度学习	CNN	图像	使用RealWaste数据集	NA	InceptionV3, ResNet101, DenseNet, VGG, EfficientNet, MobileNet	验证准确率, 损失, F1分数	NA
1344	2026-02-25	Clinical accuracy of cephalometric analysis using deep learning-based automated landmark identification on CBCT in class I and class II malocclusions 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41408-3 PMID:41730989	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1345	2026-04-19	A novel approach to mural enhancement using MSR CAB and lacuna extraction from ancient mural paintings using random forest 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36973-6 PMID:41735343	研究论文	本文提出了一种用于古代壁画中颜料层缺失区域（lacunae）自动提取的新方法	提出了一种结合MSR-CAB、自适应混合和双边滤波的新型预处理方法，用于增强低光照、灰尘遮挡和光照不均条件下的壁画图像质量，并采用成本敏感的随机森林分类器处理类别不平衡问题	方法在典型文化遗产领域的小型数据集上进行验证，可能面临数据量有限的挑战	开发一种低资源消耗且可解释的自动化方法，用于古代壁画损伤区域的检测与提取，以支持文化遗产机构的文档记录、监测和保护规划	阿尔及利亚Bey's Palace等地的古代壁画图像	计算机视觉	NA	图像处理，机器学习分类	随机森林	RGB图像	NA	Scikit-learn	随机森林	准确率，精确率，召回率	NA
1346	2026-04-19	A switching-based deep learning framework for personalized and adaptive E-commerce recommendations 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40024-5 PMID:41735446	研究论文	本文提出了一种基于切换的深度学习框架，用于个性化且自适应的电子商务推荐系统	提出了一种创新的基于切换的混合推荐系统，通过将用户分为新手、轻度用户和重度用户三类，并优化包括产品浏览在内的多目标，以应对数据稀疏性、冷启动、跨域推荐和实时适应性等挑战	NA	开发一个能够适应不同用户档案（基于交互历史和参与度）的推荐系统，以解决推荐系统中的数据稀疏性、冷启动、跨域推荐、个性化与多样性权衡以及实时适应性等挑战	电子商务推荐系统中的用户，特别是根据交互历史和参与度分类的新手、轻度用户和重度用户	机器学习	NA	NA	深度学习	隐式反馈数据（如产品浏览）	NA	NA	基于切换的混合推荐系统	验证损失, HR@10, NDCG@10, 准确率, 精确率, 召回率, F1分数	NA
1347	2026-04-19	Contextual anatomy-guided deep learning for accurate fovea segmentation in diabetic retinopathy fundus images 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40287-y PMID:41735453	研究论文	本文提出了一种利用解剖学上下文信息的深度学习框架，用于在糖尿病视网膜病变眼底图像中实现精确的中央凹分割	提出了一种以数据为中心的方法，通过在训练过程中逐步融入关键解剖标志（视盘、视网膜和血管）的上下文信息，并设计了一个多类别约束机制框架来显式利用这些解剖结构间的相互依赖关系，而非单纯增加模型架构复杂度	训练数据集规模相对较小（81张图像），且未提及模型在更广泛或更具挑战性的临床场景（如严重病变图像）中的泛化能力	开发一种准确分割糖尿病视网膜病变眼底图像中中央凹区域的方法，以辅助糖尿病性黄斑水肿的临床管理决策	糖尿病视网膜病变患者的眼底图像	数字病理学	糖尿病视网膜病变	深度学习，图像分割	深度学习模型	图像	81张精心标注的眼底图像（54张训练，27张测试）	NA	MNv4Fovea	IoU, F1分数, 平均欧几里得距离	NA
1348	2026-04-19	Real-time identification and quantification of apple scab on fruit in preharvest and postharvest conditions using YOLO11: a deep learning approach 2026-Feb-22, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01508-7 PMID:41725009	研究论文	本研究提出了一种基于深度学习的框架，利用YOLO11模型实时识别和量化苹果黑星病在果实上的症状，以克服传统视觉评估方法的局限性	采用两阶段微调过程，结合高分辨率图像，显著提升了细尺度病变分割的准确性，相比先前YOLO架构，mAP50-95提高了50%以上，并支持实时图像和视频处理	面临光照变化和症状异质性等挑战，病变分割模型的精度（0.64）相对较低	开发一种准确、可扩展的苹果黑星病表型分析方法，以自动化疾病评估	苹果果实上的黑星病症状	计算机视觉	苹果黑星病	深度学习	YOLO	图像	在果园和实验室条件下收集的彩色图像	NA	YOLO11	精度, 召回率, mAP50, mAP50-95	NA
1349	2026-03-29	Electrocardiogram-based deep learning score for coronary artery calcification reclassifies cardiovascular risk and identifies screening candidates 2026-Feb-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03400-9 PMID:41723484	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1350	2026-04-19	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	本研究提出了一种多分支融合通道注意力网络（MBFCA-Net），用于基于纵向结构磁共振成像数据分析和诊断阿尔茨海默病	提出MBFCA-Net网络，利用纵向扫描的时间相关性进行疾病检测，并进行回顾性可解释性分析以量化不同疾病阶段脑区的贡献	未明确说明样本规模、计算资源细节以及模型在外部验证集上的性能	研究阿尔茨海默病的纵向进展模式，实现早期诊断和病理理解	阿尔茨海默病患者与正常衰老人群的脑结构变化	数字病理学	阿尔茨海默病	结构磁共振成像（sMRI）	深度学习	图像	NA	NA	多分支融合通道注意力网络（MBFCA-Net）	NA	NA
1351	2026-04-19	Robust and interpretable unit level causal inference in neural networks for pediatric myopia 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02442-7 PMID:41714699	研究论文	本文提出了一种集成到神经网络中的因果推断框架，用于评估个体特征对预测的影响，并应用于儿童近视进展研究	将单位级因果推理融入深度学习，通过干预估计直接和间接因果效应，提高了AI系统的可解释性和可靠性	未明确说明具体模型架构或计算资源细节，可能限制方法的可复现性	开发透明可靠的AI系统，以支持精准医疗和公平医疗保健	超过3000名儿童的前瞻性儿科眼科队列，具有纵向随访数据	机器学习	近视	因果推断框架	神经网络	纵向临床数据	超过3000名儿童	NA	NA	NA	NA
1352	2026-04-19	Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02455-2 PMID:41714822	研究论文	开发并外部验证了一个用于自动化测量颈椎矢状面参数的分层深度学习流程，专门处理侧位X光片中C7椎体被遮挡的问题	提出了一种结合全局关键点检测器和基于多层感知机定位的C2/C7专家模型的粗到细分层流程，能有效校正C7遮挡导致的全局模型大误差	未明确说明模型在更广泛人群或不同成像设备中的泛化能力，以及计算效率的详细评估	开发一个在真实世界条件下可靠、可推广的颈椎对齐评估自动化工具	颈椎侧位X光片	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	5604张图像用于训练，并在内部和外部队列（C7遮挡率82%）进行测试	未明确指定	多层感知机，结合了全局关键点检测器和局部专家模型	组内相关系数，平均绝对误差，一致性界限	NA
1353	2026-04-19	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	本文提出了一种基于深度学习的术中甲状旁腺自动检测与分割方法，旨在辅助甲状腺切除术中甲状旁腺的识别	结合YOLOX定位子网络和新型语义分割模型Trans-U-HRNet，构建了PG-AI系统，实现了术中实时甲状旁腺的准确分割	数据集仅包含976张图像，来自121名患者，样本规模相对有限，且主要基于开放甲状腺切除术图像	开发一种自动化方法，以在甲状腺切除术中辅助识别和分割甲状旁腺，减少术中损伤风险	甲状腺切除术患者的术中图像，重点关注甲状旁腺的检测与分割	计算机视觉	甲状腺疾病	深度学习，近红外自发荧光成像	CNN, Transformer	图像	976张图像，来自121名患者（101名用于训练和内部验证，20名用于外部验证）	PyTorch	YOLOX, Trans-U-HRNet	准确率，召回率，识别率	NA
1354	2026-02-14	Multi-view deep learning for automated lymphoma staging from 18F-FDG PET/CT: physician-level accuracy with high-throughput workflow 2026-Feb-13, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01357-w PMID:41686381	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1355	2026-04-19	The Tea-Steeping Metaphor: Origin, Application, Advantages, Disadvantages, and Impact on Forensic Medicine Teaching 2026-Jan-13, Academic forensic pathology DOI:10.1177/19253621251409452 PMID:41541908	综述	本文探讨了茶浸隐喻在法医学教学中的起源、应用、优势、局限性及实际影响	将茶浸过程作为隐喻，为沉浸式、时间依赖性的学习提供了一个新颖的概念框架，尤其在法医学教育中强调了深度学习和专业身份形成	时间限制、潜在信息过载以及需要最佳学习条件等因素限制了其普遍适用性	探索茶浸隐喻在法医学教学中的应用及其教育价值	法医学教学中的教育方法和学习过程	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
1356	2026-04-19	Mimicking opioid analgesia in cortical pain circuits 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09908-w PMID:41501467	研究论文	本研究揭示了阿片类药物通过调节前扣带皮层神经元活动来缓解慢性神经病理性疼痛的机制，并开发了一种模拟阿片镇痛作用的化学遗传学基因疗法	首次结合深度学习行为分析和纵向神经记录，识别出神经损伤后皮层活动模式的持续性转变，并利用合成μ-阿片受体启动子开发出靶向阿片敏感神经元的精准基因疗法	研究基于小鼠模型，其发现向人类临床应用的转化仍需进一步验证；基因疗法的长期安全性和有效性有待评估	探究阿片类镇痛药如何调节皮层疼痛回路以产生镇痛作用，并开发更安全、精准的慢性疼痛治疗策略	小鼠的前扣带皮层神经元及其在神经病理性疼痛模型中的活动	神经科学	慢性神经病理性疼痛	深度学习行为分析，纵向神经记录，化学遗传学基因疗法	深度学习模型	行为视频数据，神经电生理记录数据	NA	NA	NA	NA	NA
1357	2026-04-19	Revisiting co-expression-based automated function prediction in yeast with neural networks and updated Gene Ontology annotations 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322689 PMID:41990018	研究论文	本文通过使用前馈神经网络基于基因共表达数据预测酵母中的基因本体标签，并与经典机器学习模型进行比较，探讨了神经网络在自动功能预测中的性能	首次将前馈神经网络应用于基于共表达的酵母自动功能预测，并直接与贝叶斯网络和自适应查询驱动搜索等经典模型进行性能比较，发现神经网络在区分训练数据中的错误标注负样本方面表现更优	研究仅针对酵母的线粒体组织相关基因进行预测，未扩展到其他生物过程或物种；比较的经典模型数量有限（仅两种）	比较神经网络与经典机器学习技术在基因自动功能预测中的性能差异	酵母基因及其基因本体标签	机器学习	NA	基因共表达数据	前馈神经网络	基因表达数据	未明确指定样本数量，但使用酵母基因共表达数据	未明确指定	前馈神经网络	未明确指定具体指标，但提及性能比较	未明确指定
1358	2026-04-19	A deep reinforcement based echo state network for network intrusion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333038 PMID:41990071	研究论文	提出了一种结合深度强化学习和回声状态网络的新型网络入侵分类方法	将深度强化学习与回声状态网络相结合，动态适应新型和不断演变的攻击模式，优于传统的静态深度学习模型	未明确说明模型的计算复杂度或实时部署的可行性限制	提高网络入侵检测的准确性和可靠性，以保护现代网络基础设施	网络流量数据中的入侵行为	机器学习	NA	深度强化学习，回声状态网络	深度强化学习，回声状态网络	网络流量数据	使用了多个基准数据集：NF-BoT-IoT、NF-UNSW-NB15、NF-ToN-IoT、NF-ToN-IoT-v2、NF-CSE-CIC-IDS2018和NF-UNSW-NB15-v3	NA	回声状态网络	准确性，可靠性	NA
1359	2026-04-19	Mukara: A deep learning alternative to the four-step travel demand model with a case study on interurban highway traffic prediction in the UK 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345576 PMID:41990075	研究论文	本研究提出了一种名为Mukara的深度学习框架，用于预测英国城际高速公路的交通流量，以替代传统的四步出行需求模型	提出了一种可直接从外部社会经济和网络特征映射到观测交通流量的深度学习框架，克服了传统模型依赖静态数据、校准复杂和行为假设简化的局限，并针对长期、路段级的战略规划任务进行了设计	模型性能（如R²为0.583）仍有提升空间，且研究主要针对英国高速公路，其普适性需在其他路网和地区进一步验证	开发一个数据驱动的深度学习模型，用于长期、路段级的交通流量预测，以支持交通战略规划	英国英格兰和威尔士的高速公路主干道路段	机器学习	NA	深度学习	深度学习模型	表格数据（社会经济、土地利用、路网特征、兴趣点等）	英格兰和威尔士八年的数据	NA	Mukara（特定提出的架构）	平均GEH, 平均绝对误差, R²	NA
1360	2026-04-19	LungNet: Leveraging state-space models with SE-enhanced skip connections for precise CT-based lung lesion segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346561 PMID:41990081	研究论文	本文提出了一种结合Mamba状态空间模型和改进UNet架构的深度学习框架，用于精确分割CT图像中的肺部病灶	将Mamba状态空间模型集成到UNet中，以解决长距离依赖建模问题，同时在跳跃连接中嵌入Squeeze-and-Excitation网络以减少特征冗余，并引入辅助损失来捕获细粒度病灶特征	未明确提及	开发一种先进的深度学习框架，以提升CT图像中肺部病灶的精确分割能力	肺部病灶	计算机视觉	肺癌	CT成像	CNN, Transformer	图像	NA	NA	UNet, Mamba	分割准确率	NA