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	2026-04-27	Assumption-Agnostic Deep Learning Framework for Holistic Clinical Trial Monitoring 2026-May, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-026-00915-1 PMID:41703352	研究论文	提出一种无需假设的深度学习框架，用于全面监测临床试验中的异常，特别是质量容忍限度偏差	采用层次化、非参数的多维偏差评分方案结合长短期记忆自编码器，无需参数假设或先验知识，可处理异构和纵向数据	未明确提及，但可能依赖于模拟数据评估，真实世界验证有限	实现临床试验中异常（包括QTL偏差）的持续集中检测，提高安全性和运营效率	临床试验中的数值变量、层次结构（项目、研究、中心和受试者）文本数据的数值表示	机器学习	NA	NA	长短期记忆自编码器	数值数据、文本数据的数值表示	基于真实世界试验结构和异常模式的模拟数据，以及一项案例研究	NA	LSTM自编码器	异常信号区分度、不必要的随访减少、计算可扩展性	NA
2	2026-04-27	A Transformer for Reaction-Aware Compound Explorations with GFlowNet in QSAR-Guided Molecular Design 2026-Apr-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00181 PMID:42033344	研究论文	提出一种结合化学反应路径与生成流网络的Transformer模型TRACE-GFN，用于QSAR引导的分子优化，以平衡生物活性与合成可行性	首次将Transformer模型显式学习化学反应与GFlowNet结合，在分子设计中同时考虑合成路径和QSAR指导	NA	在药物发现中实现高生物活性与合成化学可行性的平衡	分子生成模型与化学反应路径	机器学习	NA	NA	Transformer	分子结构数据	NA	PyTorch	Transformer	QSAR值、多样性	NA
3	2026-04-27	EAC-Net: Predicting Real-Space Charge Density via Equivariant Atomic Contributions 2026-Apr-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00283 PMID:42033354	研究论文	介绍一种通过等变原子贡献预测实空间电荷密度的新方法EAC-Net	通过将总电荷密度分解为对称一致的、与实空间耦合的原子中心贡献，桥接了基于基函数预测和直接网格预测两种范式，兼具高精度、高效训练和物理可解释性	NA	开发一种准确、高效且具有物理基础的电荷密度预测框架，加速电子结构计算	元素周期表中的各类原子和化学环境	机器学习	NA	深度学习	等变神经网络	电荷密度网格数据	NA	PyTorch	等变原子贡献网络	误差百分比	NA
4	2026-04-27	Image Quality Assessment of the External Carotid Artery and Its Branches on Ultra-High-Resolution Head and Neck Computed Tomography Angiography Using a High-Resolution 0.25-mm Detector and Deep Learning Reconstruction 2026-Apr-25, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9375 PMID:42034565	研究论文	评估使用高分辨率0.25毫米探测器和深度学习重建的超高分辨率头颈CT血管造影中颈外动脉及其分支的图像质量	首次系统评估深度学习重建在超高分辨率CTA中对小口径颈外动脉分支和肿瘤供血血管可视化能力的提升	样本量较小（24例），需要在更大队列中进一步验证	评估深度学习重建在超高分辨率CTA中对颈外动脉系统图像质量的改善效果	24名接受超高分辨率CTA检查的头颈肿瘤或茎突过长患者	医学影像	头颈肿瘤	CTA	深度学习重建	图像	24名患者	NA	NA	图像噪声、信噪比、对比噪声比、边缘上升距离、边缘上升斜率、主观评分（四分Likert量表）	NA
5	2026-04-27	Prediction of infiltration degree of ground-glass nodules using a fusion of CT radiomics and deep learning 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50328-1 PMID:42034781	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6	2026-04-27	Hyperspectral image classification network based on multiscale spatial-spectral fusion and semantic enhancement encoder 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46407-y PMID:42034807	research paper	提出了一种基于多尺度空间-光谱融合和语义增强编码器的高光谱图像分类网络	设计多尺度空间-光谱融合模块，通过并行分支分别提取多尺度空间特征和判别性光谱信息，并实现特征协同交互；引入语义增强编码器，利用多头注意力机制显式建模全局特征依赖，增强语义关键区域表示	NA	解决现有深度学习方法在处理复杂空间结构和高度可变光谱响应时，难以有效提取判别性联合空间-光谱特征的问题	高光谱遥感图像	计算机视觉	NA	主成分分析, 多尺度空间-光谱融合, 语义增强编码器	CNN, 多头注意力机制	高光谱图像	Pavia University数据集和Salinas数据集	NA	MSNet	总体准确率	NA
7	2026-04-27	A multi-cognitive PCB defect detection model integrating Mamba 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49734-2 PMID:42034824	研究论文	提出了一种多认知混合框架PCB-MMF，结合Mamba状态空间模型与CNN，用于PCB缺陷检测	提出MM-NET主干网络融合CNN局部特征提取与Mamba全局建模，并设计三阶段多感受野模块、多认知视觉增强模块和轻量级分组共享检测头	未提及模型在极端纹理复杂或光照变化条件下的性能，以及实际工业部署中的实时性验证	解决PCB缺陷检测中微小目标特征提取不足、特征利用率低和模型复杂度高的问题	印刷电路板（PCB）上的各类表面缺陷	计算机视觉	不适用	深度学习、Mamba状态空间模型	混合模型（CNN与Mamba）	图像	HRIPCB、DeepPCB、DsPCBSD+和NEU-DET四个数据集，具体样本数量未明确给出	PyTorch	MM-NET、TSMR、MC-VAM、LGSD	mAP50、参数量、FLOPs	未明确说明
8	2026-04-27	Robust service migration for autonomous vehicles leveraging deep learning and cooperative V2V protocols 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48717-7 PMID:42034846	研究论文	提出一种基于深度学习和协作V2V协议的自适应服务迁移框架，用于自动驾驶车辆	采用长短期记忆网络预测内存页面变化并主动忽略，结合内容感知语义压缩引擎（混合自编码器和Z-standard策略）以及深度强化学习代理优化迁移时机，实现主动式服务迁移	模拟环境测试，实际道路场景的鲁棒性、计算开销和部署成本未验证	解决自动驾驶车辆在高速移动中网络边缘服务的持续性和稳定性问题	自动驾驶车辆的服务迁移过程	机器学习	NA	深度学习、V2V通信协议	长短期记忆网络、深度强化学习	内存页面变化数据、传感器日志	模拟数据，未明确样本数量	NA	长短期记忆网络、混合自编码器、Z-standard	数据传输量减少率、服务停机时间减少率	NA
9	2026-04-27	S2A-RConvNet: standalone self-attention enabled deep learning model for brain tumor classification with MRI images 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46010-1 PMID:42034851	研究论文	提出一种基于独立自注意力机制的重复卷积网络（S2A-RConvNet），用于MRI图像中的脑肿瘤分类	引入独立自注意力模块增强对肿瘤区域的关注，并提取结构化ResNet注意力灰度级特征以减少计算复杂度	未提及实际临床应用验证及多中心数据集测试	准确分类脑肿瘤类型以降低死亡率	脑肿瘤MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN与自注意力机制结合的混合模型	图像	使用BraTS 2021数据集，训练占90%	NA	RConvNet, ResNet	灵敏度、精确率、F1分数、特异性、准确率	NA
10	2026-04-27	Deep learning-based double-sided fudge detection system with integrated physical components 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49625-6 PMID:42034913	研究论文	提出一种基于深度学习的双面翻转软糖缺陷检测系统，结合多模型融合策略和物理翻转机制，实现大规模生产中的实时缺陷检测	首次将多模型融合策略（置信度加权投票、基于规则的缺陷选择与非极大值抑制）与物理翻转机构结合，实现双面检测，显著提高软糖缺陷检测的准确率和鲁棒性	该系统在特定缺陷类别（如孔洞）的初步检测准确率较低（47.5%），依赖双面翻转提升效果，且未提及对更多缺陷类型或复杂场景的泛化能力	开发自动化软糖缺陷检测系统，替代人工目检，实现大规模生产中的实时、高精度缺陷筛查	软糖样品中的正常样品和四种缺陷类型（孔洞、泄漏、白斑等）	计算机视觉	NA	深度学习、图像识别	SSD、YOLOv4/YOLOv5/YOLOv7/YOLOv8/YOLOv11	图像	1,000个真实生产样品	PyTorch	SSD、YOLOv4、YOLOv5、YOLOv7、YOLOv8、YOLOv11	准确率、mAP@0.5、mAP@0.5:0.95	NA
11	2026-04-27	Deep Learning Model Using Transfer Learning for Detecting Left Ventricular Systolic Dysfunction: Retrospective Algorithm Development and Validation Study 2026-Apr-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83127 PMID:42030497	研究论文	本研究提出并验证了一种利用纵向患者数据进行再校准的深度学习模型，用于检测左心室收缩功能障碍，从而提高预测准确性	创新性地提出了一种患者特定的再校准策略，通过整合历史左心室射血分数和既往AI-ECG输出来调整未来预测，从而减少混杂效应并提升模型在不同合并症患者中的一致性和准确性	未明确指出局限性	通过引入纵向患者数据再校准方法，增强AI-ECG模型在检测左心室收缩功能障碍中的预测性能，并评估其在持续监测中的临床效用	左心室收缩功能障碍患者的心电图和超声心动图数据	机器学习	心血管疾病	NA	深度学习模型（DeepECG LVSD模型）	心电图和超声心动图数据	来自韩国两家医院的多中心回顾性队列，包含配对经胸超声心动图和心电图数据	NA	DeepECG	ROC曲线下面积	NA
12	2026-04-27	Prediction of Pregnancy-Related Cardiovascular Outcomes Using Electrocardiogram-Based Deep Learning Estimation of Cardiorespiratory Fitness 2026-Apr-24, JACC. Advances DOI:10.1016/j.jacadv.2026.102764 PMID:42034100	研究论文	利用基于心电图的深度学习模型估算心肺适能，并评估其与妊娠相关心血管并发症风险的关联	首次将深度学习预测的峰值耗氧量用于大规模产前妊娠相关心血管并发症风险分层，提供可扩展的无创评估工具	研究为回顾性观察设计，可能残留混杂因素；ECG估计峰值耗氧量未与直接测量的峰值耗氧量进行验证，需前瞻性验证	检验基于深度学习的ECG预测峰值耗氧量与妊娠相关心血管并发症的关联	妊娠期至产后1年的女性心血管并发症风险	机器学习	心血管疾病, 妊娠相关并发症	NA	深度学习模型	12导联静息心电图数据	3,650次妊娠（来自3,437名女性）	NA	NA	调整后的比值比（OR）, 95%置信区间（CI）, P值	NA
13	2026-04-27	AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance 2026-Apr-24, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.003 PMID:42034503	研究论文	前瞻性多中心评估基于AI的去噪技术在小儿胸部X光片模拟降剂量中的图像质量和诊断性能	首次通过前瞻性多中心设计验证基于深度学习的供应商无关去噪系统在模拟降剂量小儿胸部X光片中的图像质量改善效果	诊断性能的非劣效性未达到预设边界，需要进一步用临床实际低剂量数据进行验证	评估基于深度学习的去噪系统能否在约50%剂量降低下改善图像质量并评估诊断性能变化	420名接受临床胸部X光检查的儿科患者	计算机视觉	儿科疾病	基于物理的泊松-高斯噪声插入框架	深度残差卷积神经网络	图像	420名儿科患者	NA	深度残差CNN	结构相似性、噪声特征、AUC、ΔAUC	NA
14	2026-04-27	The promise of AlphaFold for gene structure annotation 2026-Apr-23, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag369 PMID:42033219	研究论文	探索AlphaFold蛋白结构预测得分在基因注释质量评估中的应用	首次系统评估AlphaFold 3、Foldseek和InterProScan等多工具组合得分对基因模型手动改进的判别能力，并发现快速替代方法Protenix-Mini具有相同判别效能	仅选取三种病原真菌进行验证，物种代表性有限；依赖AlphaFold等深度学习模型的计算资源需求较高	验证蛋白结构预测得分能否作为无实验数据时评估基因模型质量的可靠指标	三种病原真菌（禾谷镰刀菌、弓形虫、烟曲霉）的基因模型	生物信息学	NA	AlphaFold 3, Foldseek, InterProScan	深度学习模型	蛋白结构预测得分	三种病原真菌基因组，经历超过1000次手动注释事件	NA	AlphaFold, Protenix-Mini	判别能力（支持手动改进变更的比例65-84%）	NA
15	2026-04-27	A high-speed attention network for MHC-bound peptide identification and 3D modeling 2026-Apr-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101364 PMID:41923631	研究论文	提出了SwiftMHC框架，用于快速准确的肽-MHC结合亲和力预测和三维结构建模	结合任务特定深度学习与物理模拟合成数据，实现超快速（每例0.009秒）pMHC结合预测和全原子3D结构生成，性能与AlphaFold2微调相当但计算成本更低	目前仅针对HLA-A∗02:01 9聚体肽优化，其他等位基因的扩展性有待验证	开发用于癌症免疫治疗中表位发现的高通量、高精度pMHC建模工具	主要组织相容性复合体（MHC）结合肽段及其三维结构	机器学习	癌症	深度学习、物理模拟合成数据	注意力网络	物理衍生合成数据	未明确说明	NA	注意力网络	Cα-RMSD、结合亲和力预测速度	单张NVIDIA A100 GPU
16	2026-04-27	MarineTox Predictor: An Online Library Platform for Enhancing Low-Resourced Saltwater Ecotoxicity Prediction via Knowledge Sharing from Freshwater Ecotoxicity 2026-Apr-20, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15496 PMID:42009490	研究论文	开发了MarineTox Predictor，通过多任务深度学习与跨领域知识共享机制，从淡水生态毒性数据中迁移知识，实现了对31个海水毒性任务的有效预测	首次构建了面向多种海洋物种的端到端毒性预测模型，通过跨领域知识共享机制将淡水生态毒性数据中的子结构特征迁移至低资源海水毒性任务，显著提升了预测能力	仅基于现有淡水数据共享子结构特征，可能无法完全覆盖海水系统中特有的化学-生物交互机制	解决海水生态毒性数据稀缺问题，开发可预测多种海洋物种毒性终点的计算工具，支撑化学品海洋生态风险评估	26种海洋生物（涵盖五门）的31项毒性终点任务，以及约68,000种化学品的生态毒性预测	机器学习	NA	多任务深度学习、跨域知识迁移（子结构特征共享）	多任务深度神经网络（MT-DNN）	分子结构特征（子结构指纹）、生态毒性数值数据	31个海水毒性任务（含18个低资源任务），26种生物，约68,000种化学品预测，120万条生态毒性记录	PyTorch	多任务深度神经网络	决定系数(R²)	NA
17	2026-04-27	Deep Learning-Aided SERS Detection of Microplastics in Water Samples with a Hierarchically Porous Gold Sponge Substrate 2026-Apr-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06552 PMID:42010957	研究论文	提出一种免预处理的微塑料检测方法，将静电功能化SERS基底与可解释深度学习框架结合，实现水样中微塑料的快速准确分类	首次将层级多孔金海绵基底与二元卷积神经网络（一对多架构）结合实现免预处理微塑料检测，并通过Grad-CAM提供化学可解释性	NA	开发一种免预处理、高灵敏度的水样微塑料SERS检测方法，并利用深度学习实现自动分类和化学解释	五种代表性微塑料：聚四氟乙烯、聚丙烯、聚苯乙烯、聚氯乙烯和聚对苯二甲酸乙二醇酯	机器学习	NA	表面增强拉曼散射、静电功能化基底	卷积神经网络	拉曼光谱数据	评估数据集中的拉曼光谱样本（具体数量未提及）	NA	二元卷积神经网络、一对多架构	精确率	NA
18	2026-04-27	Multimodal cardiovascular risk profiling using self-supervised learning of polysomnography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	开发并评估一种自监督深度学习框架，从多导睡眠图数据中识别与心血管疾病结果相关的生理模式	首次采用自监督学习框架从多导睡眠图数据中提取可解释的投影评分，用于心血管风险分层，无需依赖手动注释（如睡眠阶段）	未提及具体局限性	探索多导睡眠图数据在评估未来健康风险（特别是心血管疾病）中的潜力，并开发可解释的风险分层工具	多导睡眠图信号（脑电图、心电图、呼吸信号）	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	生理信号（脑电图、心电图、呼吸信号）	4398名参与者（训练集），1093名参与者（外部验证集）	NA	自监督深度学习模型	曲线下面积	NA
19	2026-04-27	Reduction of Acquisition Time in FTIR Spectroscopy via Spectral Super-Resolution by Deep Learning 2026-Apr-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07660 PMID:41987594	研究论文	本研究开发了基于残差网络和U-Net的光谱超分辨率模型（SSR-ResUNet），通过深度学习将低分辨率FTIR光谱图像重建为高分辨率图像，从而减少采集时间并保持光谱质量	首次将深度学习超分辨率方法应用于FTIR光谱领域，通过1D、2D和3D CNN组合实现从16 cm⁻¹低分辨率到2 cm⁻¹高分辨率光谱的重建，显著降低采集时间达87.5%	未提及模型的泛化能力或在其他组织类型上的表现，且仅对肾移植组织切片进行了测试	提高傅里叶变换红外光谱（FTIR）的光谱分辨率，减少红外图像采集时间，为临床诊断提供快速、高分辨率的分子分析	肾移植组织切片的FTIR光谱图像	计算机视觉	肾病/肾移植相关疾病	FTIR光谱成像	CNN	图像（FTIR光谱图像）	肾移植组织切片样本	NA	ResNet, U-Net	均方根误差（RMSE）, 结构相似性指数（SSIM）	NA
20	2026-04-27	AngioCAD: A public x-ray angiography dataset and an adaptive fusion framework for stenosis detection 2026-Apr-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109368 PMID:42033972	研究论文	本文提出了一个公开的X射线血管造影数据集AngioCAD和一个自适应融合框架用于狭窄检测	AngioCAD数据集提供了包含时间连续性、动脉特异性标注和临床上下文信息的血管造影视频序列及结构化临床数据，并提出了一个基于自适应融合模块的深度学习框架，该模块通过学习注意力权重来优先选择最具信息量的特征流	未明确提及	通过提供高质量数据集和适应性框架，提升冠状动脉狭窄自动检测的准确性	冠状动脉狭窄检测	计算机视觉	冠状动脉疾病	X射线血管造影	卷积神经网络（CNN）	图像（血管造影视频序列）和结构化临床数据	413名患者的数据	NA	两个卷积神经网络结合自适应融合模块	F1分数, PR-AUC	NA