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
1581	2026-05-31	Football cybersecurity threat severity prediction using multi-head transformer-based deep learning models 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44399-3 PMID:41965384	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1582	2026-05-31	A physic-guided YOLO framework for pavement deformation distress detection 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45400-9 PMID:41942480	研究论文	开发了一种基于YOLO并结合物理引导的自动方法，用于检测路面变形病害如车辙和波浪形	将物理信息神经网络（PINN）整合入YOLO框架，通过在损失函数中引入物理信息惩罚项，提高了边界框精度并减少假阳性	研究中的波浪形（corrugation）实例有限，可能导致模型对该类别检测性能的泛化能力不足	实现路面变形病害（车辙和波浪形）的自动检测与评估	路面图像中的车辙和波浪形病害	计算机视觉	NA	深度学习	YOLO, PINN	图像	未知数量的道路图像数据集	PyTorch	YOLOv5, 物理信息神经网络（PINN）	平均精度均值（mAP）	NA
1583	2026-05-31	Text guided cross attentive multimodal learning with visual feature modulation for automated skin lesion detection 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47271-6 PMID:41942550	研究论文	提出一种文本引导的交叉注意力多模态学习框架TG-CAVNet，用于自动化皮肤病变检测	首次将临床文本与皮肤镜图像通过文本引导的通道特征调制和交叉注意力机制深度融合，提升诊断准确性和可解释性	未明确说明局限性（基于摘要内容推测可能存在对罕见皮肤病或小样本场景的泛化能力不足）	提高自动化皮肤病变检测的诊断准确性和语义可解释性	皮肤病变的皮肤镜图像与对应临床文本数据	计算机视觉，自然语言处理	皮肤病变	多模态深度学习	多模态交叉注意力网络	图像，文本	6194个对齐的图像-文本样本	PyTorch	Bio-ClinicalBERT，EfficientNet-B4	准确率，宏Jaccard得分	NA
1584	2026-05-31	Scene classification in dance art using deep learning with squeeze and excitation networks and the Advanced Beluga Whale Optimization Algorithm 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46705-5 PMID:41942693	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1585	2026-05-31	Blockchain and bio-inspired deep learning for energy-efficient EV-to-grid optimization 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47136-y PMID:41942698	研究论文	提出一种基于生物启发式深度学习与区块链的电动汽车到电网（V2G）能量优化框架	将帝王蝶优化算法与门控循环单元网络结合，并嵌入基于以太坊的区块链层，实现充电调度、交易安全与电网协同的集成优化	研究结果基于仿真与协同仿真实验，未考虑实际部署中的通信延迟、硬件非理想性和监管因素	实现电动汽车到电网能量交换的高效、安全与实时优化	电动汽车充电与放电调度、电网负荷平衡、交易验证	机器学习, 区块链, 智能电网	NA	仿真实验	GRU网络, 帝王蝶优化算法	仿真数据	NA	MATLAB/Simulink, TensorFlow, Ethereum	GRU网络	充电成本降低率, 峰值负载削减效率, 预测准确率, 电网调节响应时间减少率, 电动汽车排队延迟减少率	NA
1586	2026-05-31	Structural instability in phenotype-oriented artificial intelligence: a conceptual perspective from a model system for primary care implementation 2026-04-03, Family practice IF:2.4Q2 DOI:10.1093/fampra/cmag026 PMID:42154988	评论文章	本文从概念角度探讨了面向非疾病表型的人工智能系统在初级保健应用中的结构不稳定性问题	提出了KNOW框架（知识导向的表型定义、规范数据治理、结果校准验证和工作流集成部署），以指导面向表型的人工智能系统在初级保健中更安全、更可靠的实施	基于35项多模态深度学习研究的结构化综合，样本量有限，且性能指标应视为跨情境性能分散度的指标而非确定的性能基准	探讨面向非疾病表型的人工智能系统在初级保健中的结构稳定性问题，并提出改进方向	35项应用于社区预防保健非疾病表型框架的多模态深度学习研究	机器学习	非疾病表型（如衰弱状态、抑郁风险、心代谢亚型、多维度健康构念）	多模态深度学习	深度学习模型	多模态数据	35项研究	NA	NA	灵敏度、特异度、准确性、I2值、95%预测区间	NA
1587	2026-05-31	NMR-Solver: automated structure elucidation via large-scale spectral matching and physics-guided fragment optimization 2026-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71315-0 PMID:41927575	研究论文	提出NMR-Solver框架，通过大规模谱图匹配和物理引导的分子优化，实现从氢和碳核磁共振波谱自动解析有机小分子结构	整合大规模谱图匹配与基于原子级结构-谱关系的物理引导分子优化，首次将计算NMR分析、深度学习和可解释化学推理统一为自动化系统	未明确提及局限性	开发自动化、可解释且实用的分子结构解析方法，解决核磁共振波谱分析中的逆问题	有机小分子结构	机器学习	NA	NMR光谱	深度学习模型	NMR谱图	模拟基准数据集、文献中精心整理的实验数据及真实实验数据	NA	NA	泛化能力、鲁棒性、实用性	NA
1588	2026-05-31	Cardiac myofibril networks induce shear stress 2026-Apr-02, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00696-1 PMID:41927581	研究论文	基于深度学习和有限元模型，分析心肌肌原纤维网络对细胞收缩时剪切应力的影响	首次使用深度学习分割z-disc并构建非线性有限元模型，揭示心肌肌原纤维网络产生的剪切应力与单向排列的差异，并发现剪切应力与z-disc取向的空间相关性	未明确说明，根据内容推测可能基于羊的心肌细胞模型，需进一步验证在人体或其他物种的普适性	探究心肌肌原纤维网络对细胞收缩过程中力的调节机制，特别是剪切应力的产生	羊左心室心肌细胞中的肌原纤维网络及其z-disc取向	数字病理学	心血管疾病	NGS, RNA-seq	CNN	图像	羊左心室心肌细胞的图像数据	NA	U-Net	均值、标准差等	NA
1589	2026-05-31	Multimodal AI model for early detection of hepatocellular carcinoma 2026-Apr-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01393-2 PMID:41927783	研究论文	开发了一种多模态AI模型用于早期肝细胞癌检测，结合组织病理学和转录组学特征	首次提出两阶段多尺度深度学习模型TMC-net，结合H&E图像和转录组标记基因构建多模态分类模型，超越病理基础模型和传统特征	未明确讨论模型在不同人群中的泛化能力及潜在偏差	早期肝细胞癌与高级别异型增生结节的精准区分及辅助诊断	早期肝细胞癌和癌前病变组织样本	数字病理学, 机器学习	肝细胞癌	H&E染色，比较转录组分析	深度学习模型（TMC-net），多模态分类模型	组织病理图像，转录组数据	内部测试集和外部测试集样本，具体数量未提及	未提及	TMC-net（多尺度深度学习网络）	AUROC	未提及
1590	2026-05-31	Analysing DCE-MRI scans using hybrid techniques for early detection of prostate cancer based on fusion features of handcrafted and deep learning features 2026-Apr, Journal of medical engineering & technology DOI:10.1080/03091902.2026.2627179 PMID:41700925	研究论文	提出一种融合人工特征与深度学习特征的混合框架，用于基于DCE-MRI扫描的前列腺癌早期检测	首次将广义量子伽马多项式特征、动力学信号强度特征与CNN深度特征融合，构建综合特征表示用于前列腺癌诊断	未提及具体的局限性	开发一种新型混合诊断框架，通过融合人工特征和深度学习特征提高前列腺癌早期检测的准确性	DCE-MRI扫描图像中的前列腺组织病变	数字病理学	前列腺癌	DCE-MRI, 广义量子伽马多项式特征提取, 动力学特征提取	CNN	图像	公共前列腺影像数据集中的样本	NA	CNN	准确率	NA
1591	2026-05-31	Interactive deep learning for myocardial scar segmentation using cardiovascular magnetic resonance 2026-Mar-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102720 PMID:41864346	研究论文	开发一种交互式深度学习系统，用于心血管磁共振图像中的心肌疤痕分割与量化	结合提示引导分割与视觉基础模型，并集成到临床交互界面，实现实时交互和自动量化	未提及具体局限性	开发一种交互式深度学习系统，用于心肌疤痕分割和量化，以提高准确性和可重复性	慢性心肌梗死患者的心血管磁共振图像中的心肌疤痕	计算机视觉	心血管疾病	晚期钆增强（LGE）心血管磁共振成像	深度学习模型	医学图像	348名慢性心肌梗死患者的LGE-CMR图像（244训练，51验证，53测试）	NA	提示引导分割模型，视觉基础模型	Dice相似系数，豪斯多夫距离，疤痕质量误差，一致性相关系数	NA
1592	2026-05-31	[Auto detection on morphological characteristics of termite legs based on deep learning] 2026-Mar, Ying yong sheng tai xue bao = The journal of applied ecology DOI:10.13287/j.1001-9332.202603.033 PMID:42209239	研究论文	基于深度学习自动检测白蚁腿形态特征	填补了深度学习在白蚁腿形态自动准确测量领域的应用空白	NA	开发基于深度学习的白蚁腿形态自动检测与分析软件	白蚁腿的股节、胫节、跗节长度及相关衍生特征	计算机视觉	NA	NA	关键点检测模型	图像	NA	NA	关键点检测模型	平均绝对误差、平均相对误差、均方根误差、皮尔逊相关系数	NA
1593	2025-09-15	A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images 2026-Feb, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2025.09.010 PMID:40945744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1594	2026-05-31	Accurate proteome-wide prediction of enzymes and catalytic sites using graph deep learning and protein language model 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag056 PMID:42126889	研究论文	提出EC-LMGraph框架，结合蛋白语言模型和图卷积网络，从序列特征和结构预测酶编号及催化位点	首次将蛋白语言模型与图卷积网络结合，同时预测酶功能编号和催化残基，并利用显著性映射定位关键残基	未提及计算资源消耗及在大规模数据集上的泛化性验证	准确预测酶的EC编号和催化位点，提升现有方法的预测性能	蛋白质的酶功能（EC编号）及其催化活性位点	机器学习	帕金森病	蛋白语言模型、图卷积网络	图卷积网络、蛋白语言模型	蛋白质序列特征和结构数据	229,160个蛋白质（使用AlphaFold2预测结构）	PyTorch	图卷积网络、蛋白语言模型	F1分数	NA
1595	2026-05-31	Detection of Hypokalemia, Hyponatremia, and Hyperkalemia in Heart Failure Patients Using Artificial Intelligence Techniques via Electrocardiography 2026-01-09, Turk Kardiyoloji Dernegi arsivi : Turk Kardiyoloji Derneginin yayin organidir DOI:10.5543/tkda.2025.18598 PMID:41063616	研究论文	开发基于心电图的人工智能模型以检测心力衰竭患者的电解质失衡	首次在多中心环境中使用深度学习模型通过心电图非侵入性地检测心力衰竭患者的低钾血症、低钠血症和高钾血症	NA	开发并评估基于心电图的深度学习模型用于检测心力衰竭患者的电解质失衡	心力衰竭患者（射血分数≤45%）	机器学习	心力衰竭	NA	深度学习模型 (DLM)	心电图信号	来自17个中心的患者样本	NA	NA	准确率, AUROC	NA
1596	2026-05-31	Pre-crash injury risk prediction with guaranteed confidence level: a conformal and interpretable framework 2026, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2025.2538725 PMID:40828994	研究论文	提出一种结合置信预测的预碰撞伤害风险预测框架，能够以90%置信水平输出概率性预测并增强解释性	首次将置信预测方法（包括朴素和类别条件）集成到预碰撞伤害风险预测模型中，以统计保证的90%置信水平输出风险分布及其概率，同时结合可解释机器学习提升模型透明度	未明确提及，但从内容推测可能包括数据限制（如严重伤害案例样本少）或方法对特定驾驶场景的泛化能力有待验证	开发一种预碰撞伤害风险预测框架，提供具有统计置信保证的概率性输出，并增强模型可解释性，以支持主动交通安全措施和数据驱动的道路安全政策	交通碰撞事故中的预碰撞伤害风险	机器学习	NA	机器学习与置信预测	集成学习模型与TabNet深度学习模型	结构化表格数据（28个预碰撞风险因素）	基于国家汽车采样系统碰撞数据系统（NASS-CDS）和碰撞调查采样系统（CISS）的数据	NA	梯度提升、随机森林等集成方法及TabNet	F1分数、严重伤害召回率	NA
1597	2026-05-31	Adaptive and multi-scale feature fusion for Chinese news headline classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345779 PMID:42201869	研究论文	提出两种针对中文新闻标题分类的深度学习模型，分别适用于大规模和小规模数据集，通过自适应特征融合与多尺度注意力机制提升分类性能	结合ERNIE自适应多层特征融合与SE增强CNN处理大规模数据，针对小规模数据引入多尺度SE注意力、深度可分离卷积和对抗训练以增强鲁棒性	未在论文中明确提及	解决中文新闻标题分类中特征稀疏、上下文有限和高歧义性问题	中文新闻标题	自然语言处理	NA	NA	深度神经网络	文本	THUCNews和Toutiao数据集	PyTorch	ERNIE, SE-CNN, 深度可分离卷积	准确率	NA
1598	2026-05-31	Development and validation of a multimodal clinical-radiomics-deep learning nomogram based on automated chest CT segmentation for classifying COPD severity: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1831103 PMID:42210927	研究论文	开发和验证一种结合临床特征、全肺CT影像组学特征和深度学习特征的综合列线图，用于慢性阻塞性肺疾病严重程度分级	首次将全肺自动分割的影像组学特征、三维深度学习特征与临床特征整合为多模态列线图，用于COPD严重程度分级，并在多中心数据中验证其优越性	回顾性研究设计，可能引入选择偏倚；列线图在外部验证中的AUC值仍有提升空间	开发和验证一个多模态列线图，用于精确分类COPD严重程度	来自三家医院的1794例COPD患者的胸部CT图像和临床数据	计算机视觉, 数字病理	慢性阻塞性肺疾病（COPD）	CT扫描, 影像组学, 深度学习	逻辑回归, 深度学习模型	图像（CT扫描）	1794例患者	NA	三维深度学习模型, 逻辑回归	AUC（受试者工作特征曲线下面积）, 决策曲线分析（DCA）, DeLong检验	NA
1599	2026-05-31	AI-based decision models for difficult airway assessment: from research innovation to clinical implementation-a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1818061 PMID:42210958	综述	综述2010-2025年间用于困难气道评估的AI决策模型，重点关注其性能、局限性与临床转化	指出AI模型在气道评估中（如面部图像分析灵敏度达80%-90%，深度学习模型平均AUC为0.84）优于传统方法，并提出胸部麻醉中利用常规术前CT进行全气道评估的可行路径	现有研究多为单中心、回顾性设计，缺乏外部验证、算法公平性、标准化结果及工作流程整合，且偏向评估上气道，存在转化鸿沟	评估AI决策模型在困难气道管理中的潜力和临床转化障碍，并提出未来发展方向	2010-2025年间关于气道评估的AI决策模型研究	机器学习	麻醉相关气道管理	卷积神经网络、半监督学习、多模态融合	卷积神经网络、深度学习模型	面部图像、CT图像	NA	NA	卷积神经网络	灵敏度、AUC	NA
1600	2026-05-31	Explainable hybrid CNN-transformer with self-supervised learning for structural analysis of paranasal sinus CT 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1778260 PMID:42211246	研究论文	提出一种可解释的混合CNN-Transformer框架，结合自监督3D卷积自编码器，用于副鼻窦CT结构分析	将自监督3D卷积自编码器与混合CNN-Transformer相结合，实现无需病理标签的异常检测，并集成Grad-CAM可解释性分析以关注临床相关区域	未明确提及局限性	开发可解释的深度学习方法，用于副鼻窦CT的结构分析，支持医学诊断和治疗	多机构CT-SCOPE数据集中的副鼻窦CT体积数据	计算机视觉, 数字病理学	耳鼻喉疾病	CT扫描	CNN-Transformer, 自编码器	CT图像	多机构CT-SCOPE数据集，包含不同医院和CT扫描仪模型的多样扫描数据	NA	CNN-Transformer混合架构, 3D卷积自编码器, Grad-CAM	Dice相似系数	NA