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	2026-08-20	Deep learning-based prediction of PFAS toxicity in zebrafish 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54973-4 PMID:42251091	研究论文	本研究提出了一种基于深度学习的方法来预测PFAS（全氟和多氟烷基物质）在斑马鱼中的毒性。	首次将深度学习技术应用于PFAS毒性的预测，特别是针对斑马鱼模型。	未提供具体的局限性信息。	开发一种基于深度学习的模型来预测PFAS化合物在斑马鱼中的毒性效应。	PFAS化合物及其对斑马鱼的影响。	机器学习	环境毒理学（非特定疾病）	NA	深度学习模型	分子结构数据（推测）	NA	NA	NA	NA	NA
1582	2026-08-20	Deep learning-based automated classification of endometrial lesions in IVF patients using hysteroscopic images 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57032-0 PMID:42251153	研究论文	开发基于深度学习的临床决策支持系统，利用宫腔镜图像对IVF患者的子宫内膜病变进行分类	利用高分辨率宫腔镜视频中的图像进行自动分类，并采用多种迁移学习架构比较性能，同时通过Grad-CAM提高模型可解释性	子宫内膜炎症病例基于宫腔镜特征而非病理确认，且未进行外部数据集验证	开发并评估深度学习模型，以辅助临床医生在辅助生殖技术中进行宫腔镜图像分析	IVF患者的子宫内膜病变，包括正常子宫内膜、子宫内膜息肉和子宫内膜炎	计算机视觉	子宫内膜病变	宫腔镜成像	CNN（卷积神经网络）	图像	200个临床视频中的1500张专家标注图像	NA	VGG-16, VGG-19, DenseNet-121, EfficientNet-B0	准确率、敏感性、AUC、精确率	NA
1583	2026-08-20	Artificial intelligence in prehospital assessment of acute coronary syndrome: a scoping review 2026-06-06, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01636-2 PMID:42251301	综述	本文通过范围综述，系统评估了人工智能在疑似急性冠脉综合征院前评估中的应用现状，并识别了现有知识缺口	首次系统性地对AI在ACS院前评估中的应用进行范围综述，涵盖诊断、风险分层和分诊，并强调了多模态数据整合的潜力	现有证据受方法学限制，缺乏前瞻性多中心研究，且研究间异质性较大	绘制AI在疑似ACS院前评估中的应用证据图谱，并识别知识缺口，以指导未来研究	疑似急性冠脉综合征患者，涉及319,709例患者	机器学习	急性冠脉综合征	NA	深度学习模型、多模态模型、风险预测模型	心电数据、文本数据	319,709例患者	NA	NA	AUC、敏感性、特异性	NA
1584	2026-08-20	Forecasting of PM2.5 concentration based on variational mode decomposition and deep learning 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56223-z PMID:42243388	研究论文	提出一种结合变分模态分解和深度学习的PM2.5浓度预测模型，通过分解、聚类和加权融合提升预测精度	将VMD与TCN-BiLSTM结合，并引入注意力机制对各频率分量预测模型进行自适应加权融合，以处理PM2.5时间序列的非线性和非平稳性	未提及	提高PM2.5浓度预测准确性，以支持空气质量监测	PM2.5浓度时间序列	机器学习	NA	NA	TCN-BiLSTM	时间序列数据	未提及	NA	TCN, BiLSTM	RMSE, MAE, R	NA
1585	2026-08-20	A hybrid feature selection framework for dimensionality-optimized customer churn prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52160-z PMID:42248897	研究论文	提出一个混合特征选择框架，用于维度优化的客户流失预测，通过结合多种特征选择技术提高预测性能并降低特征维度	提出多阶段混合特征选择（MHFS）技术，结合互信息、递归特征消除、Boruta和并行模拟退火进行全局优化，并使用5×3嵌套分层交叉验证确保客观评估	文中未明确提及局限性	提高客户流失预测的准确性和效率，通过优化特征集减少特征维度	电信行业的客户流失预测	机器学习	NA	NA	随机森林、XGBoost、LightGBM、SVM、Extra Trees、逻辑回归、表格神经网络	表格数据	两个电信数据集：Cell2Cell和IBM Telco，具体样本数量未提供	NA	随机森林、XGBoost、LightGBM、SVM、Extra Trees、逻辑回归、表格神经网络	准确率	NA
1586	2026-08-20	Automated fruit maturity grading using deep learning with feature fusion 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54872-8 PMID:42248909	研究论文	提出AFMG-DLFF，一种结合外部RGB图像特征与内部生化属性的多模态深度学习框架，用于Nam Dok Mai Si Tong芒果的成熟度分级	首次将外部RGB图像特征与内部生化属性（如可溶性固形物、可滴定酸度、BrimA）融合进行果实成熟度分级，并使用萤火虫群优化算法进行超参数调优	依赖标准生化测量，可能不适用于所有果实种类，且仅在特定芒果品种上验证	开发一种实用、非破坏性、成本效益高的自动化果实成熟度分级方法，解决外部外观不足以反映成熟度的问题	Nam Dok Mai Si Tong (NDMST)芒果的成熟阶段	计算机视觉, 深度学习	不适用	RGB成像, 生化测量	深度学习模型（DenseNet201, Inception-ResNetV2, EfficientNetV2）和专用神经网络	图像和生化数据	未提供具体样本数量，但使用80:20训练测试划分	未指定	DenseNet201, Inception-ResNetV2, EfficientNetV2, 专用神经网络	分类准确率	未指定
1587	2026-08-20	Federated autoencoder-based clinical decision framework with hybrid class balancing 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55715-2 PMID:42248934	研究论文	提出一种基于联邦自动编码器的临床决策框架，结合混合类平衡技术，在不暴露原始患者数据的情况下实现高效的疾病分类	结合自动编码器驱动的层次化特征提取与混合类平衡机制（生成式增强技术与SMOTE），并采用自适应联邦平均算法以应对非独立同分布数据	未提及具体局限性	开发一种隐私保护的联邦学习架构，在多家医疗机构之间协作训练模型，同时保证高分类精度和低信息损失	分布式医疗数据集中的疾病分类任务	机器学习	未指定具体疾病	联邦学习、自动编码器、SMOTE	自动编码器、CNN、LSTM	医疗数据（具体类型未指定）	未明确提及	NA	自动编码器、CNN、LSTM	准确率	NA
1588	2026-08-20	Deep learning based on multiparametric MRI for differentiating benign from malignant PI-RADS 3 prostate lesions: a dual-center study 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56643-x PMID:42249012	研究论文	开发基于多参数磁共振成像的深度学习放射组学模型，用于区分PI-RADS 3前列腺病变的良恶性。	利用深度学习特征与放射组学特征结合，并建立临床-影像组学联合模型，以提高对不确定的前列腺病变的诊断准确性。	未在标题和摘要中明确提及局限性。	解决PI-RADS 3前列腺病变的诊断挑战，提供非侵入性工具以辅助临床决策并减少不必要的活检。	382例患者的PI-RADS 3前列腺病变。	医学影像	前列腺癌	多参数磁共振成像（mpMRI）	深度学习模型（ResNet101）	磁共振图像（T2WI, DWI, ADC）	382例患者	NA	ResNet101	AUC	未在标题和摘要中提及具体计算资源。
1589	2026-08-20	Enhanced vertebrae localization in CT volumes: a two-stage deep learning framework 2026-Jun-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02455-4 PMID:42249287	研究论文	本研究提出了一种两阶段深度学习框架，用于在CT体积中增强椎骨定位精度，并显著提升了识别率和降低了定位误差。	提出了改进的squeeze and excitation V-Net（ISE-VNet）结合3D空间泛化DSNT模块的两阶段框架，有效解决了椎骨大空间跨度和高形态相似性的挑战。	摘要中未提及具体限制。	开发一种稳健的椎骨定位方法，以提高CT体积中脊椎病症的诊断、术后评估和手术规划的准确性。	CT体积中的椎骨。	计算机视觉	脊柱相关疾病	CT成像	深度学习模型（V-Net和DSNT模块）	3D医学图像（CT体积）	未在摘要中说明具体样本量。	未在摘要中明确说明，可能使用PyTorch或类似框架。	ISE-VNet和3D DSNT模块	识别率、定位误差	未在摘要中提及。
1590	2026-08-20	Weakly-supervised deep learning on pathological whole-slide images for cutaneous vasculitis and its mimickers: a high-performance diagnostic support tool 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56421-9 PMID:42243228	研究论文	本研究利用弱监督深度学习技术开发了一个针对皮肤血管炎及其模拟疾病的全切片图像（WSI）诊断模型，旨在标准化和提升皮肤血管炎病理评估的一致性。	采用弱监督学习策略，仅需病理诊断报告作为标签，避免像素级人工标注的巨大资源消耗，并实现了高准确度的多分类诊断。	未提及	开发一个基于深度学习的WSI诊断模型，用于皮肤血管炎的准确诊断和标准化评估。	皮肤血管炎、水肿性皮炎、肉芽肿性炎症和脂膜炎的全切片图像（WSIs）。	数字病理学	皮肤血管炎	全切片图像（WSI）	弱监督深度学习模型	图像（病理全切片图像）	共1196张WSI，其中皮肤血管炎378张，水肿性皮炎285张，肉芽肿性炎症286张，脂膜炎247张。	未提及	未提及	AUC (98.39%)	未提及
1591	2026-08-20	Deep learning-based intelligent diagnosis and adaptive training system for university english oral proficiency 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51608-6 PMID:42243283	研究论文	本研究提出一个基于深度学习的大学英语口语智能诊断与自适应训练系统，结合多任务学习和强化学习，实现多维口语能力评估与个性化训练推荐	采用多任务学习框架（CNN-LSTM+注意力多模态融合）同时评估发音准确性、流利度、词汇语法复杂度和内容连贯性，并利用强化学习优化个性化练习推荐序列，实现训练内容的自适应调整	结果需在更广泛人群和更长周期内进一步验证，当前样本仅限于486名学生且训练周期仅为八周	开发并验证一个集成深度学习和多维评估理论的智能系统，以提高大学英语口语评估和训练的个性化与可扩展性	486名大学生的4,374份连续语音录音样本	机器学习, 自然语言处理, 数字病理学	不适用	深度学习, 多任务学习, 强化学习	CNN-LSTM, 注意力机制, 强化学习	语音数据, 文本数据（词汇语法维度）	486名学生，4,374份录音	不适用	CNN-LSTM, 注意力机制, 强化学习	相关系数, Cohen's d, 学习收益, 参与度	不适用
1592	2026-08-20	Adaptive classification and grading model of cigar wrapper leaf based on improved ResNet algorithm 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56083-7 PMID:42243274	研究论文	提出一种基于改进ResNet算法的雪茄外包皮烟叶自适应分类与分级模型	集成Mask4Ch模块和双头训练策略，结合分类与序数回归约束，提升分级精度	依赖单一品种和特定地区数据，泛化性有限	实现雪茄外包皮烟叶的自动分级，提升效率和标准化水平	雪茄外包皮烟叶图像	计算机视觉	不适用	深度学习图像分类	CNN（改进ResNet）	图像	8,637张烟叶图像	PyTorch	ResNet-50	准确率, F1分数, 加权Kappa, 平均精度均值	未提供
1593	2026-08-20	The accuracy-fairness-efficiency Trilemma in mobile image classification: a Pareto benchmark 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55546-1 PMID:42243400	研究论文	本文对移动图像分类中的准确性、公平性和效率三难问题进行了帕累托基准研究，提出了部署可行区概念并评估了多种优化策略	首次将准确性、公平性和效率联合形式化为约束多目标优化问题，提出了部署可行区（DFZ）作为可行性约束下的帕累托子集，并发现了帕累托膝点策略C2和公平性约束剪枝的优势	文中未明确提及局限性，但可从有限的数据集（2,821张图像）和单一设备约束推断其泛化性有限	在资源受限的移动设备上，同时优化图像分类的预测准确性、人口统计公平性和推理效率，并识别帕累托最优策略	移动图像分类深度学习模型及其在人口统计子组上的公平性表现	计算机视觉	NA	3D感知增强、公平性约束剪枝、自适应权重调度	深度学习分类器	图像	2,821张图像，24个交叉人口统计子组	NA	NA	F1分数、准确性、模型大小（MB）、推理时间（ms）	入门级片上系统（SoC）
1594	2026-08-20	PepPharmaHub: a cloud-based platform integrating multimodel language architectures with curated data resources for therapeutic peptide discovery 2026-06-03, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02625-4 PMID:42237327	研究论文	介绍PepPharmaHub，一个基于云端的平台，整合多模型语言架构与精选数据资源，用于治疗性肽的发现。	提供无代码云端平台，集成24种模型和20种治疗性质的高通量筛选模块，以及可定制的模型训练管道，性能优于现有工具。	未明确提及局限性。	开发一个云端、无代码平台，实现治疗性肽的可定制建模和高通量功能筛选。	治疗性肽及其功能预测。	机器学习	NA	NGS	语言模型	序列数据	3475个新报道的生物活性肽（2023年1月1日至2025年6月1日）	NA	NA	准确率	云端平台
1595	2026-08-20	A transparent, lightweight and sustainable Green Learning AI model for prostate cancer detection on MRI 2026-06, BJU international IF:3.7Q1 DOI:10.1111/bju.70203 PMID:41749494	研究论文	开发了一种透明、轻量且可持续的机器学习模型（Green Learning，GL），用于在前列腺MRI上自动分割和检测临床显著前列腺癌（csPCa）	提出了Green Learning模型，该模型透明、轻量、计算资源消耗低，比传统深度学习模型（如U-Net）参数更少、算力需求更低，同时性能相当	研究未提及模型的可解释性验证和外部数据集验证	开发透明的机器学习模型——Green Learning（GL），用于自动化前列腺分割和临床显著前列腺癌（csPCa）检测	男性患者的前列腺MRI图像和前列腺活检结果	医学影像分析	前列腺癌	MRI（双参数MRI）	Green Learning（GL）	图像（MRI图像）	602个MRI图像，其中483个用于训练，119个用于测试	不适用	GL（Green Learning）和U-Net	Dice相似系数（DSC）、AUC（曲线下面积）	不适用（未提及具体计算资源）
1596	2026-08-20	Artificial intelligence-based approaches to augmenting and automating surgical training 2026-06, BJU international IF:3.7Q1 DOI:10.1111/bju.70229 PMID:41817162	综述	本文综述了人工智能在手术训练中自动评估技能和提供反馈方面的最新进展。	系统总结了AI在手术技能评估和反馈中的多种方法（运动学、数据统计、计算机视觉和手势分析），并探讨了自动反馈对提升手术表现的效用。	现有AI模型主要能检测较大的性能差异，并提供基础反馈，尚需开发更精细化的技能评估和更详细的建设性反馈模型。	评估AI在改善手术训练中技能评估和反馈方面的潜力，以解决现有训练中的不足。	2015年至2025年间发表的关于AI用于手术训练的研究文章。	机器学习	不适用	不适用	AI模型（包括深度学习模型）	文本	不适用	不适用	不适用	不适用	不适用
1597	2026-08-20	AI-Based Forecasting of National Tourism Revenues: Integrating Economic, Fiscal, Political, and Environmental Determinants Through Regression-Oriented Hybrid Models 2026-Jun, Big data IF:2.6Q2 DOI:10.1177/2167647X261431683 PMID:41902908	研究论文	本研究提出一个先进框架，通过比较机器学习、深度学习和混合架构，预测国家旅游收入，并整合经济、财政、政治和环境决定因素	方法论创新在于提出一个面向回归的两阶段残差提升设计，该设计将Transformer作为主要预测器，通过LightGBM拟合其残差以纠正系统性误差，并生成分解预测，便于透明误差归因	实证结果是相关性的，反映预测关联性，不应被解释为政策干预的因果效应	提出并验证一个集成多种决定因素的混合模型框架，用于改进国家旅游收入的预测精度和解释能力	国家-年份面板数据，涵盖经济、财政、政治和环境变量	机器学习	NA	NA	混合模型（Transformer + LightGBM）	结构化面板数据	未明确说明	NA	Transformer, LightGBM	平均绝对误差，均方根误差，平均绝对百分比误差，决定系数	NA
1598	2026-08-20	A two-stage sperm holomorphological analysis method based on multi-output network construction 2026-May-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06478-0 PMID:42216116	研究论文	本研究提出了一种两阶段精子形态分析方法，结合UNet++网络和基于多输出分类的Multi-Head Mobilevit Net模型，实现精子头、中段和主段的自动检测	创新性地采用了基于多输出分类的Multi-Head Mobilevit Net模型，集成混合损失函数，实现单次检测精子多个部分，并结合数据增强技术提高检测准确性	基于CNN的模型可能难以处理复杂的精子形态，且数据增强仅使用改进的Papanicolaou染色数据集	开发一种客观、高效且自动化的精子形态分析方法，以辅助男性不育诊断	精子形态，包括头部、中段和主段	计算机视觉	男性不育	NA	CNN（卷积神经网络）	图像	10,802张改进的Papanicolaou染色的精子形态分类图像	NA	UNet++, Multi-Head Mobilevit Net	准确率	NA
1599	2026-08-20	EnzymeTuning improves enzyme-constrained metabolic modeling and proteome abundance prediction through deep learning 2026-May-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73744-3 PMID:42204163	研究论文	本文介绍了一种基于生成对抗网络的框架EnzymeTuning，用于优化酶动力学参数，特别是酶周转数k，以提高酶约束的基因组规模代谢模型的预测性能并扩大蛋白质组覆盖范围	首次将生成对抗网络应用于酶动力学参数的全局优化，并结合文献来源的蛋白质降解常数推断蛋白质合成速率，以系统评估其对模型性能的影响	未明确提及	提高酶约束的基因组规模代谢模型的预测精度，并扩大蛋白质组水平的覆盖范围，以促进多组学整合分析	多种生物体，包括酿酒酵母、乳酸克鲁维酵母、马克思克鲁维酵母、解脂耶氏酵母和大肠杆菌	机器学习	NA	基因组规模代谢建模	生成对抗网络	生物组学数据	多种生物体（具体样本数量未在摘要中提供）	NA	生成对抗网络	预测准确性	未提及
1600	2026-08-20	Personalized neoadjuvant treatment regimen selection in locally advanced rectal cancer based on regimen-specific response modeling 2026-May-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02798-w PMID:42192138	研究论文	开发并验证了一种基于深度学习的框架，用于局部晚期直肠癌新辅助治疗方案选择，通过估计多方案下的病理完全缓解概率来支持临床决策。	提出了一种硬门控混合专家模型，整合治疗前多参数MRI和临床变量，生成方案特异性pCR概率，实现数据驱动的个性化治疗选择。	摘要未明确提及局限性。	开发一种可泛化的数据驱动框架，用于个性化新辅助治疗选择，以避免过度或不足治疗。	局部晚期直肠癌（LARC）患者，多中心队列。	医学影像分析	直肠癌	多参数MRI	混合专家模型	医学影像和临床变量	多中心队列，具体数量未提供	NA	硬门控混合专家模型	AUC	NA