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	2026-06-07	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-Sep, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出了一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神疾病的分类与可解释性分析	引入了基于变换的特征提取器PyramidPat，结合可解释性模块DLob将特征转换为基于脑叶和通道的语义描述，兼顾高分类准确率与可解释性	未明确讨论方法的泛化能力或对其他类型信号（如fMRI）的适用性，且依赖特定数据集	开发一种可解释的特征工程方法，实现脑电图精神疾病的多类分类并提供可解释的输出	六类脑电图精神疾病数据集中的多通道脑电图信号	机器学习	精神疾病	脑电图（EEG）	kNN	信号	六类精神疾病数据集，未明确样本数量，采用留一被试交叉验证（LOSO）	NA	PyramidPat, INCA, tkNN, DLob	准确率（accuracy）	NA
2	2026-06-07	Artificial intelligence in drug discovery for fungal diseases: a scoping review 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103461 PMID:42202565	综述	系统梳理人工智能在真菌药物发现中的应用现状	首次采用系统性综述方法全面评估AI预测生物活性技术在抗真菌药物发现和再利用中的证据，揭示了高级深度学习模型与实验验证不足之间的脱节	仅包含截至2025年7月的研究，可能存在发表偏倚；未对纳入研究进行质量评估	绘制AI方法在抗真菌药物发现中预测生物活性的应用证据图谱	106篇关于AI在真菌药物发现中应用的原发性研究	machine learning	真菌感染	NA	集成模型, 深度学习	文本	106篇研究	NA	PASS, 集成模型, 深度学习架构	NA	NA
3	2026-06-07	Multimodal deep learning neuroimaging approach to enhance CT-based diagnosis of Alzheimer's disease 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112234 PMID:42085916	研究论文	提出一种多模态深度学习框架，利用MRI特征增强CT影像对阿尔茨海默病的诊断能力	通过从MRI中学习互补特征表征并迁移至CT，克服了CT影像对早期阿尔茨海默病神经退行性变化诊断不足的问题，实现了低成本、高普及度的CT检查的高精度诊断	研究数据来自单一数据集（OASIS-3），可能影响泛化能力；MRI特征迁移至CT的有效性需在更大规模多中心数据中验证	提升CT影像在阿尔茨海默病诊断中的准确性和临床适用性	阿尔茨海默病的CT和MRI影像数据	计算机视觉	阿尔茨海默病	MRI, PET, CT	卷积神经网络	图像	772名参与者（正常对照组300人、轻度认知障碍250人、阿尔茨海默病222人），包含352名男性和420名女性	NA	自定义卷积神经网络	准确率、灵敏度、特异度	NA
4	2026-06-07	Alzheimer's disease with progression analysis using a novel dilated convolutional attention based long short term memory model 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112232 PMID:42090937	研究论文	提出一种基于扩张卷积注意力机制的长短期记忆模型，用于阿尔茨海默病的分类与进展预测	引入扩张卷积注意力机制增强LSTM模型对高维EEG信号中复杂时空模式的特征提取能力	仅使用单一CAU-EEG数据集验证，未在多种人群或跨机构数据上进行泛化测试	开发自动化深度学习诊断系统，实现阿尔茨海默病的早期检测与进展分析	阿尔茨海默病患者的脑电图信号	机器学习	阿尔茨海默病	脑电图	LSTM	信号	未提及具体样本数量，仅标注使用CAU-EEG数据集	NA	DC-ALSTM	准确率、精确率、召回率、F1分数	NA
5	2026-06-07	Diagnosing autism spectrum disorders using ensemble-aided weighted fused features and attention-based residual LSTM with brain MRI images 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112230 PMID:42090939	研究论文	提出一种基于集成辅助加权融合特征和注意力残差长短期记忆网络的深度学习方法来诊断自闭症谱系障碍	采用集成深度卷积神经网络（EDCNN）提取特征，通过改进的随机均匀数辅助洪堡乌贼优化算法优化融合权重，并引入注意力残差长短期记忆网络进行诊断	未明确提及局限性	开发一种先进的深度学习方法用于自闭症谱系障碍的诊断	脑部MRI图像	计算机视觉	自闭症谱系障碍	神经影像学（MRI）	卷积神经网络，长短期记忆网络	图像	NA	NA	VGG16, ResNet, Inception, 注意力残差长短期记忆网络	NA	NA
6	2026-06-07	Optimized quadrangle attention consolidated convolutional multi-scale vision transformer based autism detection 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112251 PMID:42202658	研究论文	提出一种基于优化四边形注意力整合卷积多尺度视觉Transformer的深度学习框架，用于高效准确地检测自闭症谱系	首次将随机螺旋开发黑猩猩优化算法（RS-COA）用于超参数调优，并结合自适应中值高斯滤波（AMGF）去噪、生成对抗网络（GAN）数据增强以及深层多尺度多级封闭注意力DarkNet（DMM-AND）特征提取，构建OQA-CMVT模型	未提及模型在实际临床环境中的泛化能力验证，也未讨论数据集的多样性及模型可解释性	开发基于深度学习的自闭症谱系检测方法，提高检测准确性和效率	自闭症儿童面部图像数据集和Autism_Image_Data数据集	计算机视觉	自闭症	NA	生成对抗网络（GAN）、深度多尺度多级封闭注意力DarkNet（DMM-AND）、优化四边形注意力整合卷积多尺度视觉Transformer（OQA-CMVT）	图像	两个数据集：自闭症儿童面部数据集和Autism_Image_Data数据集，具体样本数未提及	NA	DarkNet、卷积多尺度视觉Transformer	准确率（Accuracy）	NA
7	2026-06-07	Cellulose handsheet-based piezoresistive sensor with screen-printing-inspired microisland arrays for wearable handwriting recognition 2026-Aug-15, Carbohydrate polymers IF:10.7Q1 DOI:10.1016/j.carbpol.2026.125419 PMID:42230030	研究论文	开发了一种基于纤维素手抄纸的压阻传感器，采用丝网印刷启发的微岛阵列结构，用于可穿戴手写识别	通过丝网印刷启发的策略在纤维素手抄纸上制备微岛阵列结构，利用碳纳米管形成渗流网络增强导电性和结构稳定性，实现了高灵敏度和耐久性的压阻传感器	未明确提及实验限制，但手写识别准确率（78.8%）可能受限于数据集大小或模型复杂度	开发环保、可降解、生物相容的可穿戴电子设备，实现稳定的机械信号到电信号的转换，用于实时活动检测、健康监测和手写识别	纤维素手抄纸和多壁碳纳米管（MWCNTs）组成的压阻传感器	计算机视觉、机器学习	NA	丝网印刷、碳纳米管渗流网络构建	深度学习模型（未具体说明）	文本（手写字母词）	未明确说明样本数量，涉及多字母手写词的识别	NA	NA	灵敏度、耐用性、压力范围、响应时间、恢复时间、识别准确率（78.8%）	NA
8	2026-06-07	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	使用深度学习基于颅骨CT预测经颅超声插入损失	提出了一种改进的双路径Inception神经网络（mDPI-Net），基于颅骨CT扫描实现快速准确的插入损失预测，相比传统数值方法大幅提升了计算效率	NA	利用深度学习方法从颅骨CT中预测经颅超声插入损失，以优化超声传输	20个人类颅骨样本	深度学习	NA	CT扫描，经颅超声	神经网络	图像	20个人类颅骨样本	PyTorch（推测）	mDPI-Net（改进双路径Inception网络）	峰值压力误差，插入损失偏差	NA
9	2026-06-07	Calibrating Biased Distribution in VFM-Derived Latent Space via Cross-Domain Geometric Consistency 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3662389 PMID:41662554	研究论文	提出一种利用跨域几何一致性校准视觉基础模型派生潜在空间中偏态分布的方法	首次揭示视觉基础模型（如CLIP、DINOv2）提取的特征分布的几何形状具有跨域可迁移性，并基于此设计分布校准框架	未在标题和摘要中明确提及研究局限性	解决由数据异质性和样本不平衡引起的信息缺失问题	跨域几何形状的可迁移性及其在分布校准中的应用	机器学习	NA	特征提取	视觉基础模型（VFM）	图像	NA	NA	CLIP, DINOv2	NA	NA
10	2026-06-07	DREAM: A Benchmark Study for Deepfake PhotoRealism AssessMent 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663547 PMID:41671124	研究论文	提出名为DREAM的基准测试，用于评估深度伪造视频的逼真度	首次系统研究深度伪造的逼真度评估，包含大规模人工标注和多种评估方法的综合分析，并提出了描述对齐的CLIP方法	未提及具体局限性	推动深度伪造逼真度自动评估的研究方向	深度伪造视频的逼真度评估方法	计算机视觉	NA	深度伪造生成	CLIP	视频	来自3500名标注者的140,000个逼真度评分及文本描述	NA	CLIP	NA	NA
11	2026-06-07	Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices 2026-Jul, Applied ergonomics IF:3.1Q2 DOI:10.1016/j.apergo.2026.104743 PMID:41628493	研究论文	评估基于智能手机的无标记运动捕捉系统在职业搬运任务中测量三维关节运动学的表现，并提出任务特定模型以提高准确性	针对OpenCap平台在职业搬运任务中性能不足，提出并训练了任务特定的标记增强模型，显著降低了运动学误差及其变异性	任务特定模型仅针对职业搬运任务，对其他活动可能性能下降，未提及在真实作业环境中光照、遮挡等条件下的鲁棒性评估	评估并改进无标记运动捕捉技术在职业搬运任务中测量三维关节运动学的准确性，以用于人机工程学应用	职业搬运任务中的三维关节运动学数据	计算机视觉, 数字人体建模	NA	无标记运动捕捉（markerless MoCap）	深度学习模型（标记增强器）	视频关键点数据	大量多样的手动搬运任务数据集，未提供具体样本数量	PyTorch	标记增强模型（基于OpenCap的标记增强器，具体架构未明确）	均方根误差（RMSE）, 标准差（SD）	使用智能手机作为采集设备，未说明训练时GPU类型或云计算平台
12	2026-06-07	50 Years of Automated Face Recognition 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3664269 PMID:41686677	综述	回顾人脸识别技术从早期手工特征到现代深度学习架构50年的发展历程	系统梳理了人脸识别在数据集构建、损失函数设计、网络架构和特征融合方面的关键创新，并分析了数据规模与模型泛化的关系	更大规模的图库会导致假阳性率上升，部署规模越大错误率越高	梳理人脸识别技术的历史演进和未来发展方向	人脸识别算法和系统	计算机视觉	NA	NA	深度学习架构	图像	超过1000万身份的大型图库	NA	NA	错误识别率、假阳性识别率	NA
13	2026-06-07	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	提出可解释性神经网络的对齐可逆正则化方法	首次形式化定义可解释性的两个基本属性——对齐性和可逆性，并基于此提出即插即用的优化器Bort，无需复杂模型修改即可提升可解释性	未提及实际应用中的计算开销或大规模部署限制	提升深度神经网络的可解释性，使其适用于高可靠性行业	深度神经网络的内部变量和模型表示	机器学习	NA	NA	神经网络	图像	NA	NA	ResNet, DeiT	分类准确率	NA
14	2026-06-07	Microscopic detection of nematodes in entomopathogenic nematode-enriched samples using a lightweight deep learning model 2026-Jul, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108594 PMID:41796953	研究论文	提出超轻量无锚框目标检测框架LightDetectorMS，用于实验室分离的Steinernema feltiae感染期幼虫的显微图像自动检测	设计超轻量（0.46 MB，62991参数）且计算高效（152.5 FPS）的anchor-free目标检测框架，在保持高检测可靠性（mAP@0.5达0.9119）的同时实现比人工计数快数千倍的处理速度	研究仅针对实验室培养的单一物种Steinernema feltiae，尚未验证对野外复杂环境或多种昆虫病原线虫的适用性	开发高效自动化的昆虫病原线虫显微检测方法，替代传统人工计数方法	实验室分离的Steinernema feltiae感染期幼虫的显微图像	计算机视觉	NA	显微成像	目标检测网络	显微图像	50个样本用于人工计数对比验证	NA	LightDetectorMS	mAP@0.5, mAP@0.5:0.95, 精确率, 召回率, FPS	NA
15	2026-06-07	On Demographic Group Fairness Guarantees in Deep Learning 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3674484 PMID:41838507	研究论文	提出一个理论框架分析数据分布与深度学习公平性保证之间的关系，并引入一种实用的训练目标以减少群体间差距	首次建立明确考虑不同人口群体间数据分布异质性的公平性界，提出形式化分析框架最小化预期损失差异，并导出公平误差和收敛率的界，刻画分布差异对公平性与准确性权衡的影响	未提及具体局限性	分析和理解深度学习模型中不同人口群体间的数据分布差异如何影响模型公平性，并为开发更公平的算法提供理论基础	深度学习模型在不同人口群体上的公平性表现	机器学习	眼病, 胸腔积液, 皮肤病变	深度学习	神经网络	图像, 表格数据, 文本	多个数据集：FairVision（眼病检测）、CheXpert（胸腔积液检测）、HAM10000（皮肤病变分类）、FairFace（面部属性识别）、ACS Income（收入预测）、CivilComments-WILDS（有毒评论检测）	NA	NA	AUC, ES-AUC	NA
16	2026-06-07	Discovery of WRN helicase inhibitors by 3D-CNN docking and ML consensus from traditional Chinese medicine monomers 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109376 PMID:41934827	研究论文	利用3D-CNN分子对接和机器学习共识方法从传统中药单体中筛选WRN解旋酶抑制剂	首次将基于深度学习的3D-CNN分子对接与机器学习分类器集成，应用于传统中药单体库的虚拟筛选，以发现WRN解旋酶抑制剂，并通过分子动力学模拟验证候选物的稳定性	尽管静态对接排名较高，但候选物desmethylglycitein在模拟中理论亲和力显著下降，表明流程仍需进一步优化以过滤假阳性；研究仅基于计算模拟，缺乏实验验证	识别WRN解旋酶抑制剂，为微卫星不稳定癌症提供潜在治疗靶点	WRN解旋酶的D1/D2界面	计算机辅助药物发现	微卫星不稳定癌症	分子对接、机器学习分类、分子动力学模拟	3D卷积神经网络、随机森林、XGBoost、支持向量机	分子结构数据	2940种传统中药单体	GNINA	3D-CNN、随机森林、XGBoost、SVM	共识评分、自由能计算	NA
17	2026-06-07	MCDNet: Morphological-conditional dual-view fusion for 3D tubular structure segmentation 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108614 PMID:41616702	研究论文	提出了一种名为MCDNet的形态条件双视角融合网络，用于三维管状结构分割	提出形态条件卷积（MCConv），能够自适应不同管状几何结构，并通过双视角融合机制联合建模全局和局部形态特征	现有方法依赖特定结构形态先验，泛化能力有限，且全局与局部形态联合建模不足	提高三维医学图像中管状结构分割的准确性和泛化能力	三维管状结构（如结肠道、血管、动脉等）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	三维医学图像	四个基准数据集	PyTorch	MCConv, Cross-Fusion, Residual Self-Attention Fusion	Dice系数, Hausdorff距离	NA
18	2026-06-07	Automated detection of tooth loss using tooth numbering segmentation in 3D intraoral scans from a population-based sample with artificial intelligence 2026-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106674 PMID:41946428	研究论文	本研究验证了一种利用人工智能从三维口内扫描中自动检测牙齿缺失的方法，并与临床评估进行比较	首次在基于人群的样本中验证了深度学习模型自动从口内扫描中检测牙齿缺失的可行性，且比临床评估更准确	模型在FDI编号识别方面不如临床评估，尤其是对于拔除的前磨牙和模糊的磨牙	验证自动化方法从口内扫描中检测牙齿缺失的准确性及在流行病学研究中的可行性	1982年佩洛塔斯出生队列的453名参与者的897份口内扫描数据	计算机视觉	口腔疾病	口内扫描	深度学习模型	三维口内扫描图像	453名参与者，897份口内扫描	NA	NA	F1-score, macro-F1	NA
19	2026-06-07	Capturing induced-fit effects: A geometry-aware and interpretable framework for robust drug-target affinity prediction 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109429 PMID:42066524	研究论文	提出一种几何感知且可解释的框架DCR-DTA，用于稳健的药物-靶标亲和力预测	通过动态上下文正则化显式建模双向诱导契合效应，稳定结构锚而非原始3D位移	未明确说明，但可能受限于基准数据集规模及冷启动场景的泛化能力	提高药物-靶标亲和力预测的鲁棒性与可解释性，解决静态建模和黑盒问题	药物-靶标相互作用的动态适应过程与诱导契合效应	机器学习	NA	NA	DCR-DTA	药物-靶标相互作用数据	Davis和KIBA基准数据集	NA	DCR-DTA	均方误差, r值, 一致性指数	NA
20	2026-06-07	Disproportionately elevated sulcal index (DESI): An automatically driven index representing disproportionate subarachnoid space enlargement in brain MRI scans 2026-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111928 PMID:42105919	研究论文	提出一种基于深度学习的自动测量指标DESI，用于客观量化正常压力脑积水患者的脑沟不对称扩大	首次提出完全自动化的深度学习体学标志物DESI，实现对蛛网膜下腔不成比例扩大的客观量化，替代传统主观定性评估	研究未提及局限性	开发并验证一种自动化的脑沟不对称扩大量化指标，用于鉴别特发性正常压力脑积水	特发性正常压力脑积水患者、健康对照、阿尔茨海默病和血管性痴呆患者	数字病理学	正常压力脑积水	磁共振成像	U-Net	T1加权MRI图像	训练集1248例，外部验证集94例	NA	EfficientNet-B0编码器结合U-Net	AUC、敏感性、特异性	NA