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	2026-07-15	Interpretable feature-transformer framework for cross-subject MCI detection using nonlinear dynamical and graph-theoretic EEG features 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10458-8 PMID:42428048	研究论文	提出一种可解释的特征变换框架，利用非线性动力学和图论脑电图特征进行跨被试轻度认知障碍检测	将手工设计的熵与图论特征与Transformer网络结合，并利用SHAP分析实现模型可解释性	未明确提及局限性	探索基于熵和图论的脑电图特征在区分轻度认知障碍与正常对照中的有效性	轻度认知障碍患者与健康对照者的静息态闭眼脑电图数据	机器学习	轻度认知障碍	脑电图	Transformer	信号	183名参与者（127名健康对照，56名轻度认知障碍），每人20通道脑电图数据，分割为3秒片段	NA	Transformer	准确率	NA
2	2026-07-15	Incremental diagnostic value of multiregional single-slice CT muscle areas over L3 for sarcopenia: a deep learning-based segmentation study 2026-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05237-9 PMID:42095933	研究论文	比较多区域CT肌肉评估与传统单层面L3评估在肌少症诊断中的性能	首次系统比较多区域CT肌肉测量（包括六个解剖层面）与单层面L3评估在肌少症中的诊断增量价值，并采用深度学习分割软件进行自动量化	单中心回顾性研究，样本量较小（83例），且未在独立外部验证集上验证结果	评估基于多区域CT肌肉测量对肌少症的诊断性能是否优于传统单一L3层面评估	接受多区域非对比CT检查并完成肌少症评估的83名成年人	计算机视觉	肌少症	非对比CT	深度学习分割模型	CT图像	83名成年人	NA	DeepCatch	AUC, 皮尔逊相关系数, 斯皮尔曼相关系数	NA
3	2026-07-15	Classification of marine plastic debris using hyperspectral imaging and band selection: A patch-based and pixel-based fusion approach 2026-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119781 PMID:42097087	研究论文	提出一种基于高光谱成像和波段选择的海洋塑料碎片分类方法，融合了基于补丁的轻量级卷积神经网络和基于像素的随机森林分类器	提出不确定性感知融合方法，结合LSS-HCNN和随机森林分类器，并基于SE块权重和特征重要性进行波段选择，在保持高准确率的同时显著降低计算复杂度	NA	开发轻量级、高精度的海洋塑料碎片分类模型，适用于能量受限的实时监测平台	五种常见聚合物（HDPE、LDPE、PET、PP、PS）及天然有机物和背景材料	计算机视觉,机器学习	NA	高光谱成像	卷积神经网络,随机森林	高光谱图像	NA	PyTorch, Scikit-learn	LSS-HCNN, Squeeze-and-Excitation	准确率	NA
4	2026-07-15	Boundary-aware dual-attention U-Net for multi-class oil spill segmentation in SAR imagery 2026-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119825 PMID:42097091	研究论文	提出一种基于深度学习的双注意力瓶颈U-Net（DAB-UNet），用于SAR影像中多类石油泄漏的识别与分割	引入双重注意力模块和边界感知学习技术，结合复合损失函数以解决类别不平衡和复杂石油形态问题	未提及在多源SAR数据或极端场景下的泛化能力，且计算资源需求未说明	实现SAR影像中多类石油泄漏的高精度自动分割	Sentinel-1 SAR影像中的石油泄漏区域	计算机视觉	NA	SAR成像	U-Net	图像	使用M4D公开数据集中的Sentinel-1 SAR影像	TensorFlow、PyTorch	U-Net、卷积块注意力模块	准确率、精确率、F值、召回率	NA
5	2026-07-15	Radiomics in musculoskeletal imaging: what is its role in the era of deep learning? 2026-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05257-5 PMID:42159632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6	2026-07-15	Development of a real-world, therapeutic drug monitoring-informed model to predict teicoplanin daily dose in pediatric intensive care unit patients with bacterial infections 2026-Aug, International journal of clinical pharmacy IF:2.6Q2 DOI:10.1007/s11096-026-02124-0 PMID:41995939	研究论文	开发基于真实世界治疗药物监测数据指导儿科重症监护室患者替考拉宁每日剂量的预测模型	首次将治疗药物监测数据与机器学习模型（尤其是TabNet结合）用于预测儿科重症监护病房患者的替考拉宁每日剂量，实现个体化给药决策	回顾性单中心研究设计，样本量有限（257名患者），需外部验证其泛化性	开发并验证一个基于真实世界治疗药物监测的机器学习模型，以预测儿科ICU患者临床医师调整后的替考拉宁每日剂量	儿科重症监护室中接受替考拉宁治疗的细菌感染患者	机器学习, 数字病理学, 药物监测	细菌感染	治疗药物监测, 基于随机森林的缺失值填补	TabNet, 梯度提升, XGBoost, LightGBM	临床数据, 治疗药物监测数据	257名儿科ICU患者（595份替考拉宁给药记录）	PyTorch, XGBoost库, LightGBM库, Scikit-learn	TabNet	决定系数R², 均方根误差RMSE, 平均绝对误差MAE	未提及
7	2026-07-15	Labeled dataset of Sentinel-1 SAR imagery Despeckled with multitemporal fusions 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112999 PMID:42440416	研究论文	提出一个用于支持Sentinel-1 SAR影像监督去噪的多时相标注数据集	提供了不同数量多时相融合（5至25景）的参考图像，支持分析去噪效果与融合次数的关系；数据集全球采样，包含极化特定的后向散射阈值筛选和ESA土地覆盖图	NA	为SAR影像散斑噪声减少的机器学习和深度学习模型提供结构化、可复现的训练与评估资源	Sentinel-1合成孔径雷达影像的散斑噪声减少	计算机视觉	NA	合成孔径雷达干涉测量	NA	图像	512×512像素的SAR区域，包含VV和VH极化，全球采样	Python, Google Earth Engine	NA	等效视数、均方误差、结构相似性指数、峰值信噪比	NA
8	2026-07-15	Deep learning-enabled self-powered bimodal flexible sensor for intelligent access control 2026-Jul-14, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ae83c1 PMID:42372767	研究论文	开发了一种基于单电极摩擦纳米发电机的自供电双模态柔性传感器，结合深度学习实现智能门禁系统	提出微金字塔阵列结构的PDMS摩擦电层设计，实现自供电双模态传感与深度学习信号解耦的集成方案，在无外部电源下达到高精度识别	文中未明确提及大规模部署成本、长期稳定性测试及多传感器协同工作的挑战	解决传统生物识别技术对电源依赖强、隐私风险高和环境敏感性问题，开发低功耗高安全性的智能门禁系统	双模态柔性传感器的结构设计与性能优化，以及深度学习模型对摩擦电信号的特征提取与分类	机器学习	NA	摩擦纳米发电机	卷积神经网络	波形信号	未明确提及样本数量，涉及材料识别和用户认证任务	NA	卷积神经网络	准确率	NA
9	2026-07-15	AI-Augmented Fluorescence Imaging of Non-Small Cell Lung Cancer Protease Activity via a Dual-Enzyme Nanoprobe 2026-Jul-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01259 PMID:42378464	研究论文	提出一种基于AI增强的双酶纳米探针荧光成像技术，用于非小细胞肺癌蛋白酶活性分析	采用金硒键增强纳米探针稳定性，并结合深度学习（Cellpose和U-Net）实现单细胞和整体图像的高通量定量分析	NA	开发一种能够同时定量检测多种蛋白酶活性的稳定、高通量平台	非小细胞肺癌相关的KLK6和uPA两种蛋白酶	数字病理学	非小细胞肺癌	荧光成像	深度学习分割模型	荧光图像	NA	Cellpose, U-Net	Cellpose, U-Net	测量重现性、蛋白酶活性分布定量、肿瘤背景比	NA
10	2026-07-15	Multimatrix QuantAI-LFIA: An On-Device Deep-Learning Biosensing Platform with Charge-Transfer-Active Labels for Intelligent Quantitative Analysis 2026-07-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00994 PMID:42381115	研究论文	提出一种集成深度学习与电荷转移活性标签的在线设备平台，用于多生物基质中金黄色葡萄球菌肠毒素B的智能化定量检测	首次将电荷转移活性标签Fe-PDA与深度学习结合，集成于智能手机设备实现高灵敏度、宽动态范围的智能化定量分析	未提及实际临床应用中的大规模验证及长期稳定性评估	开发一种快速、准确、可适应多生物基质的床旁POCT定量检测平台	金黄色葡萄球菌肠毒素B，以及血清和尿液样本	机器学习, 数字病理	感染性疾病	侧流免疫分析, 智能手机成像	深度学习模型（未明确具体类型，但用于定量分析）	图像	未明确提及样本数量	NA	NA	检测限, 相关系数R, 曲线下面积AUC	智能手机
11	2026-07-15	Unveiling subject-specific causal latency in motor imagery: a physiologically transparent BCI via Riemannian tangent space fusion 2026-Jul-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae857a PMID:42392147	研究论文	提出一种基于黎曼切空间融合的个性化延迟嵌入框架，用于揭示运动想象中个体特异性功能网络延迟，并构建可解释的脑机接口	首次将偏相关真实传递熵提取的个体化功能因果延迟嵌入黎曼切空间，解决了拓扑退化问题，实现了生理可解释的脑机接口架构	未明确提及计算资源消耗或实时应用可行性，延迟提取依赖训练折叠可能增加计算复杂度	阐明运动想象期间个体特异性功能网络延迟，并设计融合该延迟的生理透明脑机接口系统	109名受试者的四类运动想象脑电图数据（来自PhysioNet数据集）以及BCI Competition IV-2a数据集进行外部验证	脑机接口、信号处理	NA	脑电图（EEG）	黎曼几何、转移熵	脑电图时间序列	PhysioNet数据集109名受试者，BCI Competition IV-2a数据集9名受试者	NA	TSF-PDER（切空间融合-个性化延迟嵌入黎曼框架）	准确率、Wilcoxon符号秩检验p值	NA
12	2026-07-15	Learning High-Resolution Protein Embeddings from Multimodal Data via Self-Supervised Integration 2026-Jul-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00618 PMID:42312747	研究论文	提出一种多模态自监督学习方法，整合序列、结构、基因本体注释和显微图像数据学习高分辨率蛋白质嵌入	创新性在于首次联合掩码重建与对比学习多模态融合框架，从序列和结构中提取氨基酸级特征，再通过交叉注意力融合模块获得统一蛋白质嵌入	未明确提及具体局限，但训练数据量和模态覆盖范围可能限制泛化性	通过融合多模态数据学习高分辨率蛋白质嵌入以提升蛋白质功能注释性能	蛋白质，包括氨基酸序列、结构、基因本体注释和显微图像数据	机器学习, 生物信息学	不适用	自监督学习, 多模态融合, 对比学习, 掩码重建	交叉注意力融合模块	序列, 结构, 注释, 图像	96,862个蛋白质	PyTorch（基于常用深度学习框架推断）	自监督结构（joint masked reconstruction + contrastive learning + cross-attention fusion）	性能超越现有方法（具体指标如准确性、F1分数等未明列）	未提及
13	2026-07-15	Vibrational Spectroscopy of Clinical Biofluids: Advances in FTIR and Raman-Based Biomarker Discovery for Disease Diagnosis and Monitoring 2026-Jul-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2026.2702636 PMID:42439220	综述	综述傅里叶变换红外光谱和拉曼光谱在临床生物流体诊断中的进展，涵盖从光谱采集到机器学习分类的完整流程	系统总结了五种临床生物流体的振动光谱诊断能力，强调了表面增强拉曼光谱的飞摩尔灵敏度和深度学习在多重分类中的优势	多中心临床投资是实现一线诊断工具的主要障碍，尚未解决仪器间变异性和分析前不可重复性等实际问题	评估振动光谱作为疾病诊断和监测工具的临床转化潜力	血清、尿液、唾液、脑脊液和泪液等临床生物流体	机器学习	癌症、神经退行性疾病、代谢性疾病、感染性疾病、肾脏疾病	FTIR光谱、拉曼光谱、ATR-FTIR、表面增强拉曼光谱、FT-拉曼	深度学习	光谱数据	NA	NA	NA	诊断准确率	便携式仪器、微流控基板、联邦学习、开放光谱数据库
14	2026-07-15	Label-Free Prediction of EGFR Mutation Status Using Fluorescence Lifetime Imaging and Deep Learning in Lung Adenocarcinoma 2026-Jul-13, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-5589 PMID:42439806	研究论文	利用荧光寿命成像和深度学习无标记预测肺腺癌EGFR突变状态	首次提出基于深度学习的无标记、非破坏性方法，利用荧光寿命成像实现快速准确预测EGFR突变，无需组织染色和分子检测	未提及具体限制	开发非破坏性、无需标记的深度学习方法，从荧光寿命成像中快速准确预测非小细胞肺癌的EGFR突变状态	肺腺癌患者的荧光寿命成像图像	数字病理学、机器学习	肺癌	荧光寿命成像	深度学习	图像	未明确说明样本数量	NA	NA	受试者工作特征曲线下面积（AUC）	NA
15	2026-07-15	Evaluation of deep learning-based reconstruction models on non-TOF BGO PET/CT: impact of acquisition times and BSREM penalization factors on lesion detectability and SNR 2026-Jul-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00919-8 PMID:42437412	研究论文	评估基于深度学习的重建模型在非TOF BGO PET/CT中的表现，研究采集时间和BSREM惩罚因子对病变可检测性和信噪比的影响	系统研究了DLb-TOF模型在不同采集时间和β值下对信噪比和病变可检测性的最佳平衡，填补了相关领域缺乏系统性研究的空白	仅涉及20名患者且使用固定注射剂量，DLb-TOF模型种类有限，未考虑其他临床因素和不同示踪剂的影响	优化临床协议，评估采集时间、信噪比和病变可检测性之间的权衡关系	20名接受[18F]FDG PET扫描的患者，每个患者有肝脏和两个活跃病变的兴趣区域	医学图像处理, 深度学习	NA	PET/CT, 深度学习重建	DLb-TOF模型（低、中、高三个变体）	医学图像	20名患者	NA	基于深度学习的TOF重建模型（BSREM框架）	信噪比（SNR），病变可检测性（SUVpeak_tumor/SUVpeak_liver）	NA
16	2026-07-15	Automated Ventricle Assessment via Three-dimensional Anatomical Reconstruction (AVA-TAR): a computational toolkit for autonomous lateral ventricle assessment in preclinical hydrocephalus models 2026-Jul-10, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122124 PMID:42431564	研究论文	开发并验证了一个用于啮齿动物脑部MRI侧脑室自动分割和三维形态分析的深度学习工具	首次提出基于U-Net++架构和不同编码器骨干网络的自动侧脑室分割方法，并结合三维重建和形态学分析，形成完整的自动化评估流程	未提及外部验证和跨物种泛化能力，且模型主要针对形态正常样本，对严重畸变脑室的适用性需进一步验证	开发一种用于脑积水临床前研究的侧脑室自动分割和形态分析工具	343张啮齿动物脑部MRI图像（298张大鼠，45张小鼠），每个图像带有手动分割的侧脑室金标准	机器学习	脑积水	MRI	U-Net++	图像	343张啮齿动物脑部MRI图像（298张大鼠，45张小鼠）	NA	U-Net++, EfficientNet-B1	Dice系数, 95百分位Hausdorff距离, Pearson相关系数, 组内相关系数	NA
17	2026-07-15	RMAF: A deep learning-based framework for automatic assessment of spinal cord injured rats locomotor performance using the horizontal ladder test 2026-Jul-09, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2026.116362 PMID:42425175	研究论文	提出一种基于深度学习的框架RMAF，用于自动评估脊髓损伤大鼠在水平梯测试中的运动表现	将大鼠检测、运动分类和运动能力评分整合到一个端到端管道中，结合YOLOv4目标检测与ResNet-LSTM时序运动分析	研究局限于大鼠模型，尚未在更广泛的动物模型或临床环境中验证	开发一种高效、客观且可复现的自动评估方法，以辅助脊髓损伤的临床前研究	脊髓损伤大鼠的运动恢复行为	计算机视觉, 机器学习	脊髓损伤	视频分析, 目标检测, 时序分析	YOLOv4, ResNet, LSTM	视频	NA	PyTorch	YOLOv4, ResNet-LSTM	准确性, 客观性, 可复现性	NA
18	2026-07-15	A De Novo CO2 Reductase Featuring a Cysteine-Ligated Cobalt Porphyrin Cofactor 2026-Jul-09, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c07615 PMID:42425911	研究论文	利用深度学习蛋白质设计方法开发具有半胱氨酸配位钴卟啉辅因子的高稳定性CO还原酶	首次通过深度学习蛋白质设计方法构建含半胱氨酸配位钴卟啉辅因子的高稳定性CO还原酶，实现高效光催化CO还原并抑制竞争性氢析出反应	未明确提及局限性	开发人工CO还原酶以激活惰性小分子CO	含钴原卟啉IX辅因子的超热稳定CO还原酶	机器学习	NA	深度学习蛋白质设计, 光催化, X射线晶体学	深度学习模型	蛋白质结构数据	两种半胱氨酸配位设计	NA	NA	催化转化数, 反应速率	NA
19	2026-07-15	Context-Aware Multilevel Classification of Semantic Relations in Drug-Adverse Drug Reaction (ADR) Networks-Predicting Drug-Induced Liver Injury (DILI) as a Case Study 2026-Jul-08, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00252 PMID:42419714	研究论文	提出一种层次化、上下文感知的知识图谱模型（以药物性肝损伤为例）预测药物不良反应	将翻译法和路径法结合，利用路径束作为图基本单元，并通过多层次统计建模考虑不同不良反应上下文和知识图谱中不同关系的依赖关系	对此外部数据集（如DeepDILI测试集）的评估显示组合模型虽能挽救部分假阴性但增加了有限假阳性	预测药物性肝损伤风险	药物	机器学习	药物性肝损伤	知识图谱建模	多层次知识图谱模型	结构化数据（知识图谱）	FDA DILIrank数据集（包括DILI阳性和阴性药物），另外以DeepDILI测试集的130种化合物子集进行验证	PyTorch	NA	AUC, 马修斯相关系数	NA
20	2026-07-15	Magnetic Resonance Imaging-Based Artificial Intelligence in Predicting Prostate Cancer Biochemical Recurrence: Systematic Review and Meta-Analysis 2026-Jul-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85360 PMID:42412916	系统性综述与荟萃分析	本研究系统评估了基于磁共振成像的人工智能模型预测前列腺癌生化复发的诊断性能	首次实现了内部与外部验证队列中基于磁共振成像的人工智能模型性能的定量直接比较，全面评估了不同治疗模式下的人工智能性能，并整合了机器学习和深度学习方法	当前研究常缺乏多中心外部验证、样本量有限、存在显著的模型间变异性和过拟合问题	全面评估基于磁共振成像的人工智能模型预测前列腺癌生化复发的诊断性能	前列腺癌患者	机器学习	前列腺癌	磁共振成像	医疗神经网络、极端梯度提升、多核学习、支持向量机	图像	28项研究，内部验证2623名患者，外部验证1134名患者	NA	医疗神经网络、极端梯度提升、多核学习、支持向量机	敏感度、特异度、曲线下面积、诊断优势比	NA