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
1841	2026-06-06	Temporal Memory Mechanisms and Biome-Specific Drivers of Ecosystem Carbon Flux: Insights From Explainable Deep Learning Modeling 2026-Jan, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70722 PMID:41589685	研究论文	利用可解释深度学习框架揭示不同生物群落生态系统碳通量的时间记忆机制与特定驱动因素	首次通过LSTM-Attention框架结合梯度归因方法识别出三种不同的时间记忆模式，并发现时间记忆在环境驱动因素识别中的关键作用	未明确说明	揭示不同生物群落中生态系统碳通量的时间依赖性及其环境驱动因素	北美8个生物群落的71个站点的涡度协方差通量测量数据	机器学习	NA	涡度协方差通量测量	LSTM-Attention	时间序列通量数据	71个站点，覆盖8个北美生物群落	NA	LSTM, 注意力机制	Kendall's Tau	NA
1842	2026-06-06	FM-DLM: A new method for image classification based on the fusion of multi-level deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338137 PMID:41592008	研究论文	提出一种基于多级深度学习模型融合的图像分类新方法，旨在平衡分类范围与计算资源限制	通过百度AI平台作为0级模型进行广范围分类，结合1级模型差异预测和2级模型标签分类的多级融合策略，提升分类准确性	未提及具体实验数据集大小、计算资源消耗及模型部署后实际推理时间等限制	解决大型模型无法部署到小型设备而小型模型标签数量有限的问题	图像分类任务	计算机视觉	NA	深度学习	多级深度学习模型	图像	未提及	NA	多级模型融合架构（0级大规模模型、1级差异模型、2级标签分类模型）	分类准确率	百度AI平台
1843	2026-06-06	A deep learning-based computational pipeline predicts developmental outcome in retinal organoids 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003597 PMID:41592127	研究论文	利用深度学习预测视网膜类器官的发育结果	通过深度学习在形态学变化肉眼可见之前预测视网膜类器官的分化路径和组织形成，有效绕过类器官异质性挑战	未明确说明局限性	开发计算流程预测视网膜类器官的早期发育轨迹和组织形成结果	视网膜类器官中的视网膜色素上皮（RPE）和晶状体组织	计算机视觉	NA	时间延迟成像	深度学习模型	高分辨率时间延迟成像	约1000个类器官，超过10万张图像	NA	NA	NA	NA
1844	2026-06-06	Mutagenesis-Centered Integrative Approaches for Identifying Binding Sites in Ion Channels and Uncovering Modulatory Mechanisms 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07523-9_3 PMID:41606273	研究论文	本文介绍如何利用诱变研究结合序列、结构和计算信息来识别离子通道结合位点及揭示调控机制	将诱变方法与序列、结构及计算信息相结合，提供了一种系统方法以识别离子通道中的结合区域，并揭示其调控机制	NA	展示诱变研究在识别离子通道结合位点及揭示其调控机制方面的应用	离子通道，包括钾通道、钠离子、脂质（如PI(4,5)P和胆固醇）以及G蛋白βγ亚基	机器学习	NA	诱变、双突变循环分析、深度学习	深度学习模型	序列、结构、计算信息	NA	NA	NA	NA	NA
1845	2026-06-06	Variant calling in genomics: A comparative performance analysis and decision guide 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339891 PMID:41642910	研究论文	对七种常用变异检出软件进行性能评估和选择指南	通过全面基准测试七种工具（GATK、FreeBayes、DeepVariant、Samtools、Strelka2、Octopus和Varscan2），揭示其算法权衡，提供基于证据的选择指导	仅使用NA12878基因组数据，未涵盖更多样本和复杂基因组区域	评估不同变异检出软件的性能，并提供选择指南	NA12878基因组的全基因组测序数据	基因组学	NA	全基因组测序	深度学习	测序数据	1个样本（NA12878基因组）	NA	DeepVariant	精度、召回率、F1分数	NA
1846	2026-06-06	SonoMind: deep learning-based voice analysis for mental health monitoring 2026 Jan-Feb, Rivista di psichiatria IF:1.0Q4 DOI:10.1708/4641.46506 PMID:41665892	研究论文	提出SonoMind，一种基于深度学习的语音分析框架，用于早期抑郁症检测	创新点包括Adaptable Spectral Pairing降噪、SynchroSonic Learning同步特征提取和Adaptive Krill-Wolf Optimization最优特征选择的自适应集成方法	NA	开发一种非侵入性、客观、隐私保护的语音检测抑郁症方法	抑郁症患者的语音信号	机器学习	抑郁症	语音信号处理	深度学习	语音数据	使用DAIC-WOZ临床访谈数据集	NA	自适应深度学习框架	准确率, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差	NA
1847	2026-06-06	Antimicrobial peptides: Bioinformatic advances and translational therapeutics to combat antibiotic resistance 2026, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2025.10.017 PMID:41581929	综述	全面概述抗菌肽研究现状，重点介绍生物信息学进展和转化治疗策略以应对抗生素耐药性	整合机器学习与深度学习架构实现高通量肽筛选和理性设计，引入量子增强计算和自适应算法进化等前沿技术	未明确提及具体局限性，但涵盖临床转化障碍如药代稳定性、靶点特异性和免疫相容性等挑战	阐明抗菌肽作为下一代治疗候选物的潜力，并探索生物信息学和计算技术对肽发现与开发的推动作用	抗菌肽（包括宿主防御肽）及其在抗病原体应用中的结构、机制和治疗开发	机器学习	抗生素耐药性相关疾病	分子对接、原子模拟、自由能扰动分析	深度学习架构	文本	NA	NA	NA	NA	量子增强计算系统
1848	2026-06-06	Artificial intelligence for cell-free systems 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.08.009 PMID:41581993	研究论文	探讨人工智能与无细胞系统的整合，包括预测实验、设计蛋白质和优化反应条件	首次系统综述人工智能在无细胞系统中的最新进展，涵盖机器学习、深度学习和生成模型的应用，并通过具体案例展示了AI驱动无细胞系统在生物制造、制药和诊断中的潜力	存在数据需求、模型可迁移性和可扩展性等挑战	探索人工智能与无细胞系统的整合，聚焦最新进展、工业应用及合成生物学的未来方向	无细胞系统，包括蛋白质合成、代谢途径、抗菌肽发现和缓冲液优化	机器学习	NA	无细胞蛋白质合成	贝叶斯优化、神经网络	实验数据	NA	NA	深度神经网络	蛋白质产量、抗菌活性	NA
1849	2026-06-06	HANeRV: Hierarchically Adaptive Neural Representation for Video Compression 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3696103 PMID:42213559	研究论文	提出了一种层次自适应神经表示视频压缩方法HANeRV，通过动态架构调整和结构适应提升压缩性能	首次在基于隐式神经表示的视频压缩中引入层次自适应结构优化，包括动态架构级调整、动态帧级调整和层次结构适应，以更好地捕捉视频序列内的动态和空间信息	未明确提及局限性，但可能包括对计算资源的高需求或泛化到其他视频类型的挑战	改进基于隐式神经表示的视频压缩方法，提升对视频序列动态变化和帧间结构的自适应能力	视频序列中的帧间动态信息和帧内空间结构信息	计算机视觉, 机器学习	NA	隐式神经表示	隐式神经网络	视频	多个数据集上的实验，未具体说明样本数量	PyTorch（推测）	层次自适应结构，包括DAA, DFA, HSA	压缩性能（峰值信噪比、结构相似性等），超越H.266/VVC	NA
1850	2026-06-06	Local Semantics Refinement of Adaptive Representations for Robust Noisy Label Learning 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3696107 PMID:42213558	研究论文	提出局部语义精炼自适应表示框架（LFDA），用于鲁棒处理带噪标签学习问题	通过局部一致性评分模块和可靠性感知表示对齐模块，自适应区分干净与噪声标签，缓解确认偏差并利用难样本信息	未明确讨论对极端噪声比例或高度重叠类别数据的适应性	解决深度学习中带噪标签学习问题，提升模型鲁棒性和泛化能力	带噪标签数据集中的样本表示和标签质量	机器学习	NA	NA	深度学习模型（框架级方法）	图像数据（合成和真实噪声数据集）	未明确说明具体样本数量	NA	NA	准确率、鲁棒性、泛化能力	NA
1851	2026-06-06	3D object detection for vehicle-mounted LiDAR based on deep learning and euclidean clustering algorithm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348581 PMID:42224307	研究论文	提出一种基于深度学习和改进欧几里得聚类算法的车载LiDAR三维目标检测方法，旨在提升点云分割与目标检测的精度和效率	创新融合布料模拟滤波（CSF）与KD树自适应参数机制提升聚类鲁棒性，同时改进PointNet架构加入多尺度分组（MSG）、多分辨率分组（MRG）和跳跃连接以增强局部特征提取与多级特征融合	可能受限于稀疏和不均匀LiDAR数据的处理瓶颈，且仅在与传统欧几里得聚类及其他基线方法的对比中验证，未涉及与其他先进检测框架的全面比较	提高自动驾驶环境感知中三维目标检测的准确性与实时性	车载LiDAR点云数据中的地面与非地面点以及各类物体	计算机视觉	NA	LiDAR点云处理	PointNet	点云	KITTI和NuScenes基准数据集	PyTorch	改进型PointNet（含MSG、MRG、跳跃连接）	分割准确率、平均检测准确率、单帧处理时间、检测帧率、p值	NA
1852	2026-06-06	Residual-guided hybrid framework for adversarially robust deep learning-based network intrusion detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350737 PMID:42224364	研究论文	提出一种结合强化学习鲁棒性适应和知识驱动正则化的混合对抗训练框架，提升网络入侵检测系统对FGSM和PGD攻击的鲁棒性	首次将强化学习启发的鲁棒性适应与知识驱动正则化相结合，同时优化干净准确率和对抗鲁棒性，并监控校准误差和梯度动力学确保稳定收敛	研究仅针对侦察、Shellcode和蠕虫三类攻击数据集，未评估其他网络攻击类型；性能依赖于特定超参数设置	解决深度学习模型在网络安全入侵检测中面对对抗性扰动时鲁棒性不足的问题	网络入侵检测中的对抗性攻击（FGSM和PGD）以及深度学习模型的鲁棒性	机器学习	NA	NA	混合深度学习模型（CNN与LSTM基线对比）	网络流量数据（侦察、Shellcode、蠕虫数据集）	未明确样本数量，但使用了侦察、Shellcode和蠕虫三类数据集	NA	CNN, LSTM, 混合对抗训练框架	准确率, 校准误差, 梯度范数衰减, 运行效率	NA
1853	2026-06-06	ProtAttn-QuadNet: An attention-based deep learning framework for protein-protein interaction prediction using ProtBERT embeddings 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349433 PMID:42228714	研究论文	提出一种基于注意力的深度学习框架ProtAttn-QuadNet，利用ProtBERT嵌入预测蛋白质-蛋白质相互作用	采用四流注意力机制结合多层次自注意力和交叉注意力层，整合个体蛋白质特征、协同相互作用和互补差异，实现交互蛋白的平衡双向建模	NA	开发高效计算框架用于大规模蛋白质-蛋白质相互作用预测	蛋白质-蛋白质相互作用对	机器学习	NA	ProtBERT嵌入	注意力机制深度学习模型	蛋白质氨基酸序列	来自UniProt的大规模数据集	NA	ProtAttn-QuadNet	准确率, AUC-ROC	NA
1854	2026-06-06	FSAPF: A De-Scattering Framework With Stepwise Adjustment of Polarization Features 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3690316 PMID:42113664	研究论文	提出一种逐步调整偏振特征的去散射框架，用于透过散射介质的高性能成像	提出物理引导的分层学习机制和偏振学习模块，通过物理一致性约束和动态损失机制直接嵌入偏振先验，增强特征表示和鲁棒性	NA	实现透过散射介质的高性能成像，提升目标恢复任务的效果	散射环境下的偏振成像和目标恢复	计算机视觉	NA	偏振成像	深度学习模型	偏振图像	NA	PyTorch	NA	NA	NA
1855	2026-06-06	PSMA PET/MRI-based Swin Transformer architecture for Gleason Score prediction in prostate cancer 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70274 PMID:41556393	研究论文	开发基于Swin Transformer的深度学习框架，利用多中心PSMA PET/MRI数据非侵入性预测前列腺癌的Gleason评分	首次将Swin Transformer架构应用于融合PSMA PET/MRI多模态数据的Gleason评分预测，结合3D patch嵌入和滑动窗口注意力机制	样本量较小（225例），模型泛化性和预测准确性需更多中心数据进一步验证	实现前列腺癌Gleason评分的非侵入性预测，支持临床决策	前列腺癌患者的PSMA PET/MRI影像数据及病理Gleason评分	计算机视觉	前列腺癌	PSMA PET/MRI	Swin Transformer	影像（PET、ADC、T2WI）	225例前列腺癌患者	PyTorch	Swin Transformer（含3D patch嵌入层、4个Swin Transformer块、MLP分类头）	AUC、准确率、灵敏度、特异度、精确率	NA
1856	2026-06-06	Deep learning-based arterial waveform analysis for predicting postoperative cerebrovascular events in pediatric patients with Moyamoya disease 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350637 PMID:42241444	研究论文	使用深度学习分析术中动脉血压波形，预测儿童烟雾病患者术后脑血管事件	首次利用可解释的深度学习模型，基于术中动脉血压波形预测儿童烟雾病术后脑血管事件，并探索了与血压波形相关的生理特征	回顾性单中心研究，样本量有限，需要前瞻性多中心验证	开发基于术中动脉血压波形分析的深度学习分类模型，预测儿童烟雾病术后脑血管事件	181名接受血运重建手术的儿童烟雾病患者（≤18岁），独立时间验证队列79名患者	深度学习	烟雾病	NA	CNN, Vision Transformer (ViT)	血压波形图像	181名患者（训练）和79名患者（独立时间验证）	NA	ResNet50, ResNet34, DenseNet121, VGG16, VGG19	AUROC	NA
1857	2026-06-06	Estimation of battery SOC using a combined approach of temporal convolutional networks and Unscented Kalman Filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350331 PMID:42241468	研究论文	提出一种结合时间卷积网络和无迹卡尔曼滤波的方法，用于估计锂离子电池的荷电状态	通过扩展卷积和残差连接高效处理时间序列数据，并结合无迹卡尔曼滤波进一步提升精度并减少输出波动	文中未明确提及局限性	提高锂离子电池荷电状态估计的准确性和鲁棒性	锂离子电池的荷电状态	机器学习	NA	NA	时间卷积网络（TCN）和无迹卡尔曼滤波（UKF）	时间序列数据	使用马里兰大学的动态应力测试（DST）、US06测试和联邦城市驾驶方案（FUDS）数据集	NA	时间卷积网络（TCN）	平均绝对误差（MAE）、均方根误差（RMSE）	NA
1858	2026-06-06	Bilateral disease in the classic subtype of papillary thyroid carcinoma: clinical significance and development of an artificial intelligence-based multimodal prediction model 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1759451 PMID:42244944	研究论文	评估经典亚型甲状腺乳头状癌双侧病变的临床意义，并开发基于人工智能的多模态预测模型	首次针对经典亚型甲状腺乳头状癌的双侧病变，结合临床参数和超声图像开发多模态人工智能预测模型，并证明双侧病变而非多灶性是独立的复发风险因素	未明确提及限制，但回顾性研究设计可能带来选择偏倚，且外部验证样本量相对较小（120例）	评估经典亚型甲状腺乳头状癌双侧病变的临床病理特征和复发模式，并开发术前识别双侧病变的多模态人工智能模型	经典亚型甲状腺乳头状癌患者	机器学习, 计算机视觉	甲状腺癌	超声成像	深度学习, 机器学习, 逻辑回归	图像, 临床数据	1,218例患者（来自两家医院）	PyTorch	TresNet	AUC	NA
1859	2026-06-06	Pathological diagnosis of thyroid nodules directly from ultrasonography by a weakly supervised deep learning framework 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1834977 PMID:42244954	研究论文	提出一种弱监督深度学习框架，直接从甲状腺超声图像推断病理状态，无需昂贵的图像级标注	开发了名为ThyUS2Path的双注意力引导深度学习框架，通过两个关注不同维度结节特征的注意力模块，实现超声表型与组织学报告的关联	未明确说明局限性	实现甲状腺结节超声图像到组织学病理诊断的直接推断，提高诊断效率和一致性	甲状腺结节患者的超声图像与组织学病理结果	计算机视觉	甲状腺癌	超声成像	卷积神经网络	图像	603名患者的6014张图像用于训练和验证，1978张外部图像用于测试	深度学习框架（未具体指定）	ThyUS2Path（双注意力模块）	AUC, AUROC, AUPRC	NA
1860	2026-06-06	ecPICK: A deep learning-enabled spatial diagnostic platform for direct ecDNA identification and clinical prognosis across pan-cancer histopathology 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.134316 PMID:42244994	研究论文	开发了深度学习框架ecPICK，用于常规H&E染色全切片图像中ecDNA的识别与定位，并在20种癌症中验证其诊断效能和临床预后价值	首次实现基于常规病理切片的ecDNA空间定位，结合空间转录组学揭示ecDNA富集区域的独特微环境，提供无需测序的低成本ecDNA检测方案	NA	开发一种成本效益高、可临床转化的ecDNA定量与定位平台，实现泛癌组织病理学中的ecDNA直接识别与预后预测	ecDNA及其在肿瘤微环境中的空间分布	数字病理学	泛癌种	H&E染色	深度学习	图像	4280张图像，涵盖20种不同癌症	NA	深度学习框架ecPICK	AUC, R²	NA