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
1	2026-10-08	A deep learning-assisted whole-cell biosensor for catechol monitoring: Synergizing BphC recognition with a multi-feature fusion vision transformer 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130638 PMID:42766880	研究论文	本文开发了一种便携式基于图像的生物传感平台，将基因工程全细胞生物催化剂与多特征融合视觉Transformer（MF-ViT）相结合，用于 catechol（Cat）的定量监测，实现了高灵敏度和选择性检测	1. 构建了表达BphC的全细胞生物传感器，特异性将Cat转化为黄色产物；2. 开发了MF-ViT模型，融合全局视觉表示与预定义比色统计特征，在环境光照下实现信号解码；3. 结合分子对接和分子动力学模拟阐明了传感器的选择性机制；4. 实现了便携式、算法辅助的酚类污染物快速筛查	摘要中未明确提及研究限制	开发一种便携式、算法辅助的 catechol 监测平台，用于现场环境分析，替代传统的台式仪器方法	catechol（Cat）污染物，以及海水和自来水样本中的加标回收测试	计算机视觉	NA	全细胞生物传感器、分子对接、分子动力学模拟、深度学习	Vision Transformer（ViT）	图像	摘要中未提供具体样本数量	NA	Multi-Feature Fusion Vision Transformer（MF-ViT），并与常规简单RGB和卷积神经网络（CNNs）进行比较	预测准确度（R = 0.944）、线性范围（12.5 to 400 nM）、检测限（1.66 nM）、加标回收测试的统计一致性	NA
2	2026-10-08	High-throughput pharmaceutical classification via short-range interferometric hyperspectral imaging 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130550 PMID:42702094	研究论文	利用深度学习处理短程干涉图，实现高通量、全场短波红外高光谱成像的药品分类	直接处理原始干涉图，绕过传统傅里叶变换，仅需200个数据点和10微米镜位移即可实现高精度分类；短程干涉测量与深度学习结合，对振动鲁棒	未明确说明；可能受限于训练数据的药品类型和实验条件	开发高通量、非破坏性的药品质量控制和筛选方法	11种非处方药片	高光谱成像, 深度学习	NA	短波红外高光谱成像, 傅里叶变换光谱, 干涉测量	深度学习	干涉图, 高光谱图像	11种非处方药产品；未提供具体药片数量	NA	NA	像素级分类准确率, 整片分类准确率	NA
3	2026-10-08	Integrated GC-MS, LC-MS/MS and FTIR-deep-learning analysis for chemical differentiation and rapid discrimination of four porcini mushroom species 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130595 PMID:42721737	研究论文	该研究结合GC-MS、LC-MS/MS、FTIR和深度学习，对四种牛肝菌进行化学区分和快速鉴别	提出两级分析平台，将色谱-质谱联用的化学注释与FTIR结合深度学习的快速鉴别相结合，并利用SHAP解释模型	未明确说明样本的地理来源、采集时间以及模型的泛化能力验证	实现四种牛肝菌的化学区分和快速无损鉴别，用于质量评价	四种野生牛肝菌：Boletus bainiugan、Butyriboletus roseoflavus、Lanmaoa asiatica、Rugiboletus extremiorientalis	机器学习	NA	GC-MS, LC-MS/MS, FTIR, 化学计量学, 深度学习, SHAP	BPNN, CNN	光谱数据（FTIR）、代谢组学数据（GC-MS、LC-MS/MS）	四种牛肝菌，具体样本数量未提及	NA	BPNN, CNN	F1分数	NA
4	2026-10-08	Early diagnosis of cadmium stress in rice by intelligent profiling of multiple response indicators with portable Raman SERS and deep learning 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130586 PMID:42731264	研究论文	该研究开发了一种结合便携式拉曼SERS和深度学习的快速准确方法，用于判别水稻中的镉胁迫水平	合成精氨酸修饰的花状银纳米颗粒（Ag NPs-Arg）以增强与三种胁迫响应指标（水杨酸、丙二醛和过氧化物酶活性）相关的拉曼信号，并建立CNN-Transformer模型进行定量预测和胁迫水平判别，使用客观加权方法整合多个指标	摘要中未明确提及	开发一种快速准确的方法，用于水稻中镉胁迫的早期诊断	水稻中的镉胁迫水平	机器学习	NA	便携式拉曼SERS、精氨酸修饰的花状银纳米颗粒（Ag NPs-Arg）、深度学习	CNN-Transformer	拉曼光谱数据、生理指标数据	NA	NA	CNN-Transformer	Rp值（水杨酸0.889、丙二醛0.832、过氧化物酶活性0.802）、准确率（95.83%）	NA
5	2026-10-08	A neural network with multi-type attention for enhancing motor imagery EEG decoding 2027-Jan-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2026.116482 PMID:42764074	研究论文	本文提出了一种具有多类型注意力的新型端到端神经网络（MTANet），用于提取运动想象脑电信号中的时-频-空耦合特征，以增强运动想象脑电解码性能	提出了MTANet网络，包含EEG inception注意力模块和并行时序注意力模块，能够高效提取并加权脑电信号中固有的时-频-空特征，并通过并行时序卷积网络增强特征表示	未明确提及	解决运动想象脑电解码中因脑电信噪比低以及时域、频域和空间域中运动想象相关信息探索不足而导致解码性能有限的问题	运动想象脑电信号	脑机接口、机器学习	NA	脑电图（EEG）	CNN	脑电信号（时序信号）	BCI Competition IV数据集IIa和IIb以及BCI Competition III数据集IIIa	NA	MTANet（包含EEG inception注意力模块和并行时序注意力模块）	准确率	NA
6	2026-10-08	Artificial intelligence-supported total parenteral nutrition management in neonatal intensive care units: A systematic review of clinical efficacy, safety, and system integration 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106681 PMID:42697157	系统综述	本文系统综述了人工智能支持的新生儿重症监护病房全肠外营养管理的临床疗效、安全性及系统整合证据	综合评估了从CPOE自动化向深度学习模型演进的研究趋势，并提出三个优先研究方向：多中心随机对照试验、标准化TPN数据仓库和可解释AI设计	仅纳入十三项定量原始研究，证据确定性以中低为主，系统整合方面的GRADE证据质量较低，且仅三分之一的美国NICU使用了CDSS	综合评估AI支持的全肠外营养管理在新生儿重症监护病房中的临床疗效、患者安全及系统整合证据	新生儿重症监护病房中接受全肠外营养管理的新生儿	医学信息学	新生儿疾病	人工智能，机器学习，计算机化医嘱录入，临床决策支持系统	Transformer，机器学习算法	文本	13项定量原始研究，样本量范围为30至9330，另3项记录仅提供历史与架构背景	NA	Transformer	Pearson R，R2，用药错误率	NA
7	2026-10-08	Bridging the gap between model performance and clinical practice: A scoping review of artificial intelligence models for drug-drug interaction prediction 2026-Dec, Research in social & administrative pharmacy : RSAP IF:3.7Q1 DOI:10.1016/j.sapharm.2026.08.002 PMID:42581000	综述	本文是一项范围综述，系统梳理了基于人工智能的药物相互作用预测研究，分析了输入特征、训练策略、验证方法、性能指标及临床应用性	首次通过范围综述系统性地绘制了AI驱动DDI预测研究的方法学稳健性与临床就绪度之间的差距，揭示了外部验证和患者层面变量整合的严重不足	仅纳入五个数据库的963条记录中的131项研究，可能存在发表偏倚和选择偏倚；未进行定量荟萃分析；对模型可解释性和临床工作流整合的评估有限	绘制AI-based DDI预测研究的全景，评估其方法学稳健性和临床转化准备度，识别从算法性能到临床实践之间的转化差距	131项符合纳入标准的基于人工智能的药物相互作用预测研究	机器学习	NA	深度学习、监督学习	CNN, LSTM, GAN	文本、分子结构数据、知识库数据	963条筛选记录，最终纳入131项研究	NA	NA	AUROC, AUPR, F1-score	NA
8	2026-10-08	Noise removal and intensity inhomogeneity correction in brain MRI: A comprehensive review from classical filters to transformer and diffusion models 2026-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110779 PMID:42674231	综述	本文综述了151篇关于脑部MRI噪声去除和强度不均匀性校正的文献，涵盖从经典滤波器到Transformer和扩散模型的各类方法	对深度学习偏置场校正方法进行了独立分类（直接场回归、对抗翻译、联合估计、频域概率公式），并强调了监督方式而非架构是该领域的限制因素；同时系统梳理了2023-2026年最新模型如Swin-UNet Transformer、扩散概率模型和自监督框架等	仍存在跨扫描仪泛化、超越PSNR和SSIM的临床意义评估、以及缺乏公开可用的多厂商脑MRI去噪基准等开放挑战	综述脑部MRI中噪声去除和强度不均匀性校正的方法，从经典滤波器到最新的Transformer和扩散模型，并分析该领域的发展趋势和开放挑战	脑部MRI图像中的Rician噪声和强度非均匀性（偏置场）	医学图像处理	脑部疾病	磁共振成像	CNN, GAN, 去噪自编码器, Transformer, 去噪扩散概率模型, 自监督框架	图像	151篇出版物，涵盖1985年至2026年初的四十年间	NA	3D-Parallel-RicianNet, BM3D, Swin-UNet Transformer, Imaging Transformer, HTC-Net, CHARMS CNN-Transformer, 去噪扩散概率模型, Coil2Coil, SURE-Net, Rep2Rep, Efficient Collaborative Diffusion Model	PSNR, SSIM	NA
9	2026-10-08	Exposing and addressing the clinical safety gap in ESI-free emergency department triage: Imbalance-aware, interpretable deep learning 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106682 PMID:42691868	研究论文	该研究揭示了无ESI急诊分诊中准确率优化模型存在临床安全缺口，并提出使用不平衡感知训练和双注意力模型DA-V2来提高高风险患者检测率	首次暴露了无ESI急诊分诊中普遍存在的临床安全缺口，即AUROC接近0.80但高风险患者检测率低于1%；证明了不平衡感知训练而非特定架构是解决该缺口的关键；提出了可解释且经外部验证的DA-V2模型	外部验证仅基于代理标签且为近似检查；注意力与SHAP仅显示秩一致性，而非因果忠实性	暴露并解决无ESI急诊分诊中的临床安全缺口，评估不平衡感知训练对不同模型家族的效果	MIMIC-IV-ED中的成年急诊就诊记录以及NHAMCS-ED 2022数据	机器学习	NA	NA	双注意力模型, MLP, TabNet	表格数据	MIMIC-IV-ED中407,735次成年就诊；NHAMCS-ED 2022中12,598名成人	NA	DA-V2（双注意力模型）, MLP, TabNet	AUROC, 高风险召回率, Spearman相关系数	NA
10	2026-10-08	Multimodal multi-task deep learning for preoperative prediction of central and lateral lymph node metastasis in papillary thyroid carcinoma 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106700 PMID:42705040	研究论文	该研究开发了一种多任务深度学习模型，利用术前肿瘤超声和C6水平脂肪组织CT图像，预测甲状腺乳头状癌患者不同解剖部位的颈部淋巴结转移	构建了多任务特征交互网络（MT-FINet），整合肿瘤超声、脂肪CT和临床特征，并通过多任务策略缓解中央区和侧区淋巴结转移任务之间的特征竞争	回顾性研究设计，样本仅来自两个医疗中心，可能存在选择偏倚，外部验证集规模有限	开发多任务深度学习模型，用于甲状腺乳头状癌患者中央区和侧区淋巴结转移的术前预测	620例经病理确诊的甲状腺乳头状癌患者	医学图像分析，数字病理学	甲状腺癌	超声成像，CT成像，逻辑回归	多任务深度学习，ResNet50	图像，临床数据	620例经病理确诊的甲状腺乳头状癌患者，来自两个医疗中心	NA	ResNet50，多任务特征交互网络（MT-FINet）	AUC	NA
11	2026-10-08	Scalable multiple imputation for national-scale healthcare registries and EHR pipelines 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106717 PMID:42743616	研究论文	开发并评估了一个名为bigMICE的可扩展多重插补框架，用于在标准个人计算机上处理国家规模医疗登记和电子健康记录中的缺失数据	通过内存与存储之间的动态数据交换以及本地机器多线程分布式计算来限制内存使用，使MICE能够在大规模登记数据上运行，并且在插补质量和计算效率上优于传统MICE和深度学习方法MIWAE	未明确说明在不同数据模态或极端缺失模式下的适用性，也未详述对非数值型变量的支持情况	开发并评估一个可扩展的多重插补框架，使其能够在标准个人计算机上运行，适用于大规模医疗登记数据	瑞典国家糖尿病登记（NDR）数据集及其他登记数据	机器学习	糖尿病	多重插补链式方程（MICE）	NA	表格数据	来自瑞典国家糖尿病登记（NDR）的大型数据集，包含不同样本量、变量数和缺失水平	NA	NA	运行时间, 内存消耗, 插补质量	标准个人计算机
12	2026-10-08	Artificial intelligence in clinical neurophysiology: IFCN handbook chapter 2026-Dec, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2026.2112407 PMID:42785050	综述	本章概述了人工智能在临床神经生理学中的当前和新兴应用，涵盖EEG、EMG、NCS和超声等模态，并讨论了临床实施的挑战	系统性地总结了AI在临床神经生理学各模态中的应用，并强调了多模态整合和大型国际数据集的使用	数据异质性、标签噪声、泛化性有限、深度学习黑箱缺乏可解释性，以及监管、法律和伦理挑战	概述AI在临床神经生理学中的当前和新兴临床应用，并讨论临床实施的障碍	临床神经生理学中的EEG、EMG、NCS和超声数据	机器学习	神经系统疾病	EEG, EMG, NCS, 超声	机器学习, 深度学习	时间序列信号, 图像	NA	NA	NA	NA	NA
13	2026-10-08	Magnetic nanorobots in oncology: From targeted drug delivery to smart theranostic systems 2026-Dec, Materials today. Bio DOI:10.1016/j.mtbio.2026.103709 PMID:42834993	综述	本综述系统总结了磁性纳米机器人（MNRs）在肿瘤治疗中的应用，涵盖靶向药物递送、刺激响应释放、光热治疗（PTT）、化学动力学治疗（CDT）以及多模态协同治疗，并探讨了人工智能在导航与疗效优化中的作用	系统整合了磁性纳米机器人在材料设计、新型评估体系、多模态协同治疗方面的最新代表性研究，并首次讨论了深度学习与人工智能在优化MNRs导航和治疗效果中的应用	MNRs的临床转化仍受限于生物相容性、可规模化制造、实时成像及体内追踪等挑战	全面梳理磁性纳米机器人在肿瘤精准治疗中的临床应用路径，总结当前瓶颈并提出潜在解决方案	磁性纳米机器人（MNRs）及其在肿瘤治疗中的应用	机器学习	肺癌	NA	NA	文本	NA	NA	NA	NA	NA
14	2026-10-08	Clinical evaluation of three deep learning contouring models for head and neck organs at risk and lymph node levels 2026-Dec, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2026.100437 PMID:42835896	研究论文	该论文比较了三种商用深度学习轮廓勾画模型（Mirada DLCExpert、Limbus AI、MVision AI Contour+）在头颈部危及器官和淋巴结水平上的准确性与临床可接受性	首次对三种商用深度学习轮廓勾画模型进行头颈部危及器官和淋巴结水平的系统比较，并采用独立于所有模型的参考轮廓进行敏感性分析	样本量较小（20例患者），且仅针对下咽/喉肿瘤患者，可能限制结论的普适性	比较三种深度学习轮廓勾画模型在头颈部危及器官和淋巴结水平上的准确性和临床可接受性	20例回顾性选取的下咽/喉肿瘤患者（2020至2023年）	数字病理学	头颈部癌症	深度学习轮廓勾画	CNN	图像	20例患者的CT图像	NA	NA	Dice相似系数, 95% Hausdorff距离, 中位表面距离, Jaccard指数	NA
15	2026-10-08	Integrating mathematical modelling and artificial intelligence to combat emerging viral syndemics: A systematic review 2026-Dec, New microbes and new infections IF:2.9Q3 DOI:10.1016/j.nmni.2026.101843 PMID:42840247	系统综述	本文系统综述了整合数学建模与人工智能的“硅盾”计算框架，用于应对新发病毒性协同流行病	提出“硅盾”三层架构（数据管道、模型流水线、决策接口），将SIR/SEIR/ABM等机制模型与CNN、Transformer、pLM等深度学习架构融合，并强调贝叶斯不确定性量化和因果推断（DAG）以减轻生态偏倚	需要跨学科合作、标准化临床验证，且需关注全球卫生公平性；现有文献存在关键空白	综合证据以构建一个主动的计算框架，整合数学建模与人工智能，用于大流行病防范与应对	新发病毒性协同流行病及相关的生物社会决定因素	机器学习	传染病	系统综述、MeSH检索、PRISMA 2020、贝叶斯更新、因果推断（DAG）	CNN, Transformer, pLM, SIR, SEIR, ABM	文本	364个来源	NA	ViraMiner, TCINet, EVEscape, xHAIM	AUROC, 加权区间分数（WIS）, 连续排序概率分数（CRPS）	NA
16	2026-10-08	A comparative analysis of artificial intelligence generated 3d facial models from 2D photos: A procrustes-based validation of landmark accuracy in Orthodontics 2026-Dec, Seminars in orthodontics IF:2.2Q2 DOI:10.1053/j.sodo.2025.10.014 PMID:42840780	研究论文	本研究评估了深度学习AI模型从单张2D照片重建3D面部几何的准确性和精确度，通过Procrustes分析比较了人工放置的面部标志点坐标与金标准扫描仪模型之间的差异	首次使用Procrustes分析验证3DDFA-V2深度学习模型从2D照片生成3D面部模型在正畸学中标志点放置的准确性，并发现了AI重建中的系统性偏差	样本量较小（47例），仅使用了单一AI模型（3DDFA-V2）和单一金标准扫描仪（Bellus 3D），未评估不同种族、年龄或面部特征的影响	评估深度学习AI模型从单张2D照片重建3D面部几何的准确性和精确度，并识别AI重建中的维度变化和系统性偏差	47例来自太平洋大学数据库的匿名患者记录	计算机视觉	NA	深度学习三维面部重建	CNN	图像	47例患者记录（每例包含一张2D照片和对应的Bellus 3D扫描模型）	NA	3DDFA-V2	Procrustes归一化误差（欧几里得误差），平均误差0.19 ± 0.08单位（范围0.08-0.45），约相当于0.2毫米比例偏差	NA
17	2026-10-08	Patterns of interspecific variation in labial microarchitecture among anthropoid primates and the evolution of the hominin lips 2026-Nov, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70103 PMID:41334680	研究论文	该研究对15种灵长类动物的唇部微结构进行组织学和形态计量学分析，揭示人类独特的唇部特征及其与言语进化的潜在关联	首次对多种灵长类动物的唇部微结构进行系统性的组织学和形态计量学研究，结合深度学习分割技术，发现人类具有独特的弯曲钩状口轮匝肌、与口轮匝肌分离的皮肤插入型直接唇部牵引系统以及高脂肪低结缔组织的组织特征	未提供直接的功能性证据来支持唇部结构与言语精确性之间的因果关系	探究灵长类动物唇部微结构的种间变异模式，并探讨人类唇部衍生特征在面部表情和言语进化中的作用	15种灵长类动物的唇部组织，包括人类、非人大型猿类、猴科、卷尾猴科和狐猴科	数字病理学	NA	组织学染色（Masson三色染色）、形态计量学分析	深度学习分割模型	图像	15种灵长类动物的矢状面唇部切片	NA	NA	NA	NA
18	2026-10-08	Deep Supervised Adversarial Robust Hashing for Retrieval 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725315 PMID:42611668	研究论文	本文提出了一种名为DSARH的深度监督对抗鲁棒哈希框架，利用相似性矩阵和可学习的哈希码构建梯度最坏情况扰动，实现高效的对抗训练和鲁棒特征学习，用于跨模态和图像检索任务	提出端到端框架DSARH，利用相似性矩阵和可学习哈希码构建梯度最坏情况扰动，解决了检索任务中缺乏显式标签导致对抗优化困难的问题，实现了大规模检索场景下的高效对抗训练	摘要中未明确提及研究的局限性	增强深度哈希模型在检索任务中的对抗鲁棒性，实现可靠的推理	深度哈希模型、对抗攻击、跨模态检索和图像检索任务	计算机视觉	NA	NA	CNN	图像、文本	NA	NA	NA	NA	NA
19	2026-10-08	DeltaGNN: Graph Neural Network With Information Flow Control 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725398 PMID:42611664	研究论文	本文提出了一种名为DeltaGNN的图神经网络架构，通过信息流控制机制和线性复杂度的信息流分数来同时处理长程和短程节点交互，缓解过平滑和过挤压问题	提出了信息流控制机制和线性复杂度的信息流分数，构建了首个兼具可扩展性和泛化性的DeltaGNN架构，能够有效处理具有不同同质性、密度和拓扑结构的图	未明确讨论模型在极大规模图上的实际可扩展性，也未提及信息流分数计算中是否存在超参数敏感性问题	解决图神经网络在半监督节点分类中因过平滑和过挤压导致的长程节点交互检测困难的问题	图结构数据，包括10个真实世界数据集中的图，具有不同规模、拓扑、密度和同质性比例	机器学习	NA	NA	GNN	图	10个真实世界图数据集	NA	DeltaGNN	NA	NA
20	2026-10-08	PI-H2T: Enhancing Long-Tailed Visual Recognition With Permutation-Invariant and Head-to-Tail Feature Fusion 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3711911 PMID:42424207	研究论文	提出PI-H2T方法，通过置换不变表示融合和头到尾特征融合解决长尾视觉识别中的表示空间变形和分类器偏置问题	提出置换不变表示融合（PIF）生成更聚集的特征和自动类间隔，以及头到尾融合（H2TF）从头类向尾类转移语义信息；方法即插即用，可无缝集成到现有方法中	摘要未提及	增强长尾视觉识别性能，解决数据不平衡导致的头类偏好和尾类忽略问题	长尾分布数据集上的视觉识别任务	计算机视觉	NA	NA	NA	图像	NA	NA	NA	识别准确率	NA