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	2026-07-12	High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127748 PMID:41863219	研究论文	提出一种基于实验与理论交叉验证的高置信度拉曼光谱方法，用于肿瘤生物标志物蛋白检测	结合超滤纯化实验与第一性原理密度泛函理论计算，实现实验光谱与理论光谱的相互验证，并通过理论-实验交叉验证提升AI蛋白质分类准确率7.62%	仅针对乳腺癌的四种肿瘤生物标志物蛋白进行验证，且需要高计算资源进行DFT理论计算，可能限制其在大规模应用中的效率	开发一种快速、准确且低成本的肿瘤生物标志物蛋白检测方法，用于癌症筛查和组织活检病理诊断	四种乳腺癌肿瘤生物标志物蛋白	机器学习	乳腺癌	拉曼光谱, 密度泛函理论, 超滤纯化	深度学习模型（文中未明确具体类型）	拉曼光谱数据	四种蛋白质样品	NA	NA	准确率	需要高计算资源进行DFT计算（未具体说明GPU型号）
2	2026-07-12	Hierarchical attention-assisted feature pyramid network with Variational Sparse Autoencoder for cancer classification using gene data 2026-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109005 PMID:41861429	研究论文	提出一种结合分层注意力辅助特征金字塔网络与变分稀疏自编码器的癌症基因分类方法	创新地将稀疏感知表征学习、结构诱导空间嵌入与分层多尺度注意力融合在一个框架中，并使用改进梯度下降优化超参数	未提及	提高基于基因表达数据的癌症分类性能	基因表达数据中的癌症类型分类	机器学习	癌症	基因表达数据降维与图像转换	变分稀疏自编码器（VSAE）、分层注意力辅助特征金字塔网络（HA-FPN）	基因表达数据	两个公开数据集	NA	VSAE、HA-FPN	准确率、精确率、召回率、F1分数	NA
3	2026-07-12	A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding 2026-Jul, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500267 PMID:41856938	研究论文	提出一种轻量级双注意力神经网络DA-EEGNet，用于高效鲁棒的运动想象脑电解码	通过集成通道注意力模块和深度注意力模块扩展EEGNet骨干网络，以紧凑参数实现有效空间-时间特征建模，仅含3.97k可训练参数即达到或超越现有深度学习方法	未明确提及局限性	解决运动想象脑机接口中空间-时间特征建模与模型参数紧凑化的平衡问题	运动想象脑电图信号	机器学习	NA	脑电图	卷积神经网络，注意力机制	脑电图信号	两个广泛使用的运动想象基准数据集	NA	DA-EEGNet	分类准确率，消融研究，可视化分析	NA
4	2026-07-12	Enhancing the accuracy of seawater intrusion vulnerability assessment using a hybrid GALDIT framework in tropical low-lying coastal settings 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119585 PMID:41861586	研究论文	提出一种结合GALDIT框架与混合深度学习技术的海水入侵脆弱性评估方法，并在热带低洼沿海地区验证了其准确性	首次大规模应用CNN-XGBoost混合模型进行海水入侵脆弱性评估，通过集成土壤介质和井密度层改进GALDIT框架，并使用AHP和Wilcoxon符号秩检验优化参数权重与排序	传统GALDIT和修改后的Mod-GALDIT模型无法充分捕捉海水入侵的非线性空间复杂性，且研究可能受限于特定区域（奥里萨邦沿海）的数据和条件	提高热带低洼沿海地区海水入侵脆弱性评估的准确性，为地下水枯竭、盐分入侵和沿海水管理提供稳健解决方案	奥里萨邦沿海区域的海水入侵脆弱性	机器学习	NA	NA	CNN, XGBoost	空间数据（地理层、水文数据）	NA	NA	CNN, XGBoost	AUC, R值	NA
5	2026-07-12	MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs 2026-Jun, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.012 PMID:41856821	研究论文	提出一种基于Transformer的深度学习模型MorphMaskFormer，用于从全景X光片中自动估计第三磨牙Demirjian发育阶段	在经典UNet架构中引入轻量级Transformer注意力模块，借鉴Mask2Former设计，同时实现二值分割和A-H多分类分割	论文摘要未明确指出具体局限	提高牙龄估计的准确性和客观性，应用于法医和临床领域	全景X光片中的第三磨牙发育阶段	数字病理学	口腔疾病	深度学习	CNN、Transformer	图像	888张全景X光片，年龄7至30岁	PyTorch	UNet、Mask2Former	IoU, Dice系数, 精确度, 召回率, 推理时间	NA
6	2026-07-12	Artificial intelligence-based prediction of boar reproductive fitness and health: Current status in research and practice 2026-Jun, Animal reproduction science IF:2.2Q1 DOI:10.1016/j.anireprosci.2026.108172 PMID:41861691	综述	本文综述了人工智能和机器学习在公猪繁殖健康评估中的研究与实践现状，重点介绍了基于成像数据（如流式细胞术、CASA）和光谱技术（如拉曼光谱、近红外）的精液质量预测方法，以及在实际生产中的应用	系统总结了AI/ML技术从传统精液描述性评估向预测性、精确化、整体性繁殖管理转变的进展，涵盖了超声灰度分析、跛行检测和精液运输监控等新应用领域	数据标准化不足、模型可解释性差、经济可行性受限是当前主要挑战	总结AI和ML技术在公猪繁殖能力和健康预测方面的创新与应用，推动猪业繁殖管理的转型	公猪（boar）精液质量、繁殖健康相关数据（如精子形态、活力、运输过程等）	机器学习	NA	深度学习方法应用于成像数据（流式细胞术、CASA）、拉曼/近红外光谱、超声灰度分析	深度学习模型（如CNN等）、机器学习模型	图像数据（成像流式细胞术、CASA图像）、光谱数据、超声图像数据	NA	NA	NA	NA	NA
7	2026-07-12	Reliability of Rectus Femoris Ultrasound Measurements and Relationship With Truncal Muscle Mass in Healthy Individuals Using Concurrent CT Measurements as the Reference Standard: A Pilot Study 2026-Jun-01, Ultrasound quarterly IF:0.7Q4 DOI:10.1097/RUQ.0000000000000737 PMID:41860417	研究论文	评估健康个体中股直肌超声测量的可靠性及其与CT躯干肌质量的关系	首次评估自动与手动超声测量方法的一致性，并结合深度学习和CT参考标准验证超声在肌质量评估中的可靠性	样本量较小（40例），仅针对健康肝脏捐献者，相关性较弱，可能限制临床推广	评估股直肌超声测量（横截面积和剪切波弹性成像）的可靠性，并探索其与CT躯干肌质量的关系	40名接受腹部CT的健康活体肝脏捐献者	机器学习	NA	超声成像，CT成像，深度学习	深度学习模型	图像（超声和CT图像）	40名健康活体肝脏捐献者	NA	NA	组内相关系数，Dice系数，皮尔逊相关系数，调整R²	NA
8	2026-07-12	Foodie traps within facebook cannabis promotional posts: Deploying multimodal deep learning AIs to monitor audience engagement 2026-Jun-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2026.113128 PMID:41861608	研究论文	利用多模态深度学习AI分析Facebook上大麻推广帖子中的视觉策略与观众互动的关系	首次结合多模态大型语言模型（LLaVA和GPT-4o）系统分析社交媒体大麻广告的视觉线索与受众参与度的关联，揭示食物线索和特定颜色（红、黄、橙）对互动的显著影响	未提及样本的全面代表性及因果推断的可能性，可能存在平台特异性或时效性限制	监测大麻促销内容对青少年和年轻成人的暴露风险，并为公共卫生与监管政策提供依据	Facebook平台2021至2022年间的大麻促销帖子及其视觉内容	自然语言处理, 计算机视觉	NA	多模态深度学习	多模态大型语言模型	图像, 文本	Facebook帖子数据集，涵盖2021年至2022年期间	NA	LLaVA, GPT-4o	NA	NA
9	2026-07-12	Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada 2026-Jun, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2026.110076 PMID:41862033	研究论文	通过比较秘鲁利马和加拿大蒙特利尔两个患者队列，研究基于人工智能的咳嗽声学分析在COVID-19检测中的表现，揭示咳嗽声学特征的人群差异及其对模型泛化能力的影响	首次系统比较不同地理人群（利马与蒙特利尔）的咳嗽声学特征差异，并评估基于XGBoost和深度学习的COVID-19筛查模型在跨人群场景下的迁移能力	样本仅来自两个城市且规模有限（605例），未涵盖多种流行病学背景，可能导致模型泛化结论的局限性；未探讨声学特征差异背后的具体环境或生理机制	评估基于咳嗽声学分析的AI模型在不同人群中的COVID-19检测性能，探索人群特异性对模型迁移性的影响	秘鲁利马和加拿大蒙特利尔的COVID-19疑似患者	机器学习	COVID-19	NAAT诊断、声学特征提取	XGBoost、深度神经网络	咳嗽录音、临床数据	605名成年患者	XGBoost, 深度学习框架（未明确指定）	XGBoost, 深度神经网络（未具体说明结构）	AUC	NA
10	2026-07-12	Independent evaluation of deep learning models for detecting focal cortical dysplasia 2026-May, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2026.107778 PMID:41861767	研究论文	独立评估三种深度学习工具在磁共振图像中检测局灶性皮质发育不良的性能	首次对三种最先进的FCD检测工具（DeepFCD、MELD分类器和MELDGraph）进行独立评估，并校准DeepFCD的预测阈值以提高特异性	深度学习模型在FCD诊断中的准确性、可靠性和可解释性有限，测试-重测一致性较低	评估深度学习模型在FCD诊断中的临床应用潜力	局灶性皮质发育不良（FCD）病变	计算机视觉, 机器学习	癫痫	MRI	深度学习	磁共振图像	101名FCD阳性癫痫患者和101名FCD阴性癫痫患者，共21人进行重复MRI扫描	NA	DeepFCD, MELD分类器, MELDGraph	准确率, 敏感性, 特异性, 阳性预测值, Dice系数	NA
11	2026-07-12	Multifunctional Flexible Sensor with Bionic Micro-Nano Hierarchical Structure for Dual-Mode Pressure and Temperature Sensing 2026-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.73163 PMID:41858305	研究论文	提出一种受生物启发的多功能柔性传感器，具有微纳分级结构，可实现压力和温度双模式传感	模仿蚂蚁、蜘蛛、蚊子和荷叶的生物结构，设计微纳分级结构，同时实现高疏水性和压力温度双模传感，且传感器性能优异	未提及	开发一种多功能柔性传感器，用于压力和温度双模式传感，并应用于医疗健康、智能机器人和人机交互	多功能柔性传感器	机器学习	NA	MXene涂覆三聚氰胺泡沫和碳纳米管/聚偏氟乙烯纳米纤维膜制备	深度学习	图像	NA	NA	NA	压力灵敏度、温度灵敏度、响应时间	NA
12	2026-07-12	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	提出一个名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	显式结合蛋白质序列残基级信息和配体信息进行结合残基预测，显著优于现有序列和结构基线方法	NA	开发一种能考虑配体信息的序列结合残基预测模型，提升虚拟筛选和药物发现中的性能	蛋白质-配体结合残基	机器学习	NA	NA	深度学习模型	蛋白质序列和配体信息	NA	NA	NA	NA	NA
13	2026-07-12	Leveraging Residual Graph Convolutional Networks with Cross-Attention Mechanisms for High-Accuracy Protein Function Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00101 PMID:41861353	研究论文	提出RCHGO框架，利用残差图卷积网络和交叉注意力机制从蛋白质序列预测基因本体注释	创新性地融合残差图卷积网络与交叉注意力机制，分别利用手工特征和蛋白质语言模型特征进行决策级融合，实现了蛋白质功能的高精度预测	未明确说明局限性	开发一种从蛋白质序列直接推断基因本体注释的高精度深度学习方法	1,493个非冗余蛋白质	机器学习	NA	蛋白质语言模型	残差图卷积网络, 交叉注意力机制	蛋白质序列	1,493个非冗余蛋白质	NA	残差图卷积网络, 交叉注意力机制	准确率, 精确率, 召回率, F1值, AUC	NA
14	2026-07-12	Predicting Recurrence and Outcomes After Stressor-Associated Atrial Fibrillation Using ECG-Based Deep Learning 2026-Apr-07, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.047146 PMID:41859908	研究论文	利用心电图深度学习模型预测应激相关房颤复发及预后	首次将基于心电图的AI模型用于评估应激相关房颤的复发风险，并验证其优于传统临床因素模型	研究为回顾性设计，可能存在选择偏倚；ECG模型基于既往验证，未在外部数据集中独立验证	评估心电图深度学习模型预测应激相关房颤患者房颤复发风险的能力	住院期间出现应激相关房颤的心内科及初级保健患者	机器学习	心血管疾病（房颤）	心电图（ECG）	深度学习模型（AI模型）	心电图信号数据	3371名应激相关房颤患者	NA	NA	AUC（ROC曲线下面积）	NA
15	2026-07-12	StructEIT: realistic 3D EIT model generation from CT scans for deep learning applications 2026-Apr-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5587 PMID:41861463	研究论文	提出了StructEIT框架，用于从CT扫描生成解剖学和生物物理学上真实的3D电阻抗断层成像模拟模型	首次整合了结构提取、表面电极附着和组织属性分配三个模块，弥合了CT成像与EIT之间的差距，实现了高保真EIT数据集的灵活生成	NA	解决EIT重建中缺乏真实解剖几何和电导率分布数据集的问题，促进监督和数据驱动重建方法的发展	人体CT扫描生成的胸部EIT模拟数据集（Chest-EIT）	计算机视觉, 数字病理学	NA	CT扫描, 电阻抗断层成像（EIT）	NA	图像（CT图像）、仿真数据（EIT数据）	超过1400例公开CT数据	NA	NA	NA	NA
16	2026-07-12	EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151520 PMID:41861881	研究论文	提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT	首次将转录因子结合谱与交叉注意力机制显式整合到Transformer模型中，以捕捉增强子与启动子间的协同调控关系	未提及	利用DNA序列和转录因子结合信息准确预测增强子-启动子相互作用	K562和GM12878细胞系中26种转录因子的ChIP-seq信号	机器学习	NA	ChIP-seq	Transformer	序列数据	K562和GM12878两种细胞系的转录因子结合谱数据	PyTorch	Cross-Attention Transformer, 双通道卷积交叉注意力结构	AUROC, AUPRC	NA
17	2026-07-12	A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time 2026-Apr, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2026.02.005 PMID:41863188	研究论文	开发并验证一种基于深度学习的乳腺活检自动分诊系统，通过模拟研究评估其在马来西亚病理工作流中减少资源消耗和诊断周转时间的潜力	首次将深度学习分诊系统与离散事件模拟相结合，在马来西亚资源有限环境下评估其对病理工作流效率的实际影响，并使用大规模合成全切片图像数据集进行训练和验证	研究基于模拟数据而非真实世界数据，需要临床验证来确认实际效果	评估深度学习分诊系统在减轻病理医生工作负担、缩短诊断时间方面的潜在效益	马来西亚一个典型医院的乳腺活检病例	数字病理学	乳腺癌	全切片图像模拟	卷积神经网络	图像	大规模合成全切片图像数据集，包括良性和可疑样本	NA	NA	AUC	NA
18	2026-07-12	Deep Learning Empowered Microstructure Codebook: New Paradigm for Multi-Parameter Tissue Characterization Estimation 2026-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70513 PMID:41857810	研究论文	提出一种基于深度学习微观结构码本的新框架，用于多参数组织特征估计	创新性地将球平均技术与混合Mamba-CNN架构及可学习组织隔室核相结合，学习微观结构码本，实现跨协议泛化并适应新的微观指标，增强了可解释性和适应性	未明确提及局限性	实现精准、快速、多参数的微观结构成像，并克服当前深度学习方法协议泛化能力差和难以扩展至新指标的限制	扩散MRI中的微观组织特征，基于8种广泛使用的生物物理扩散模型估计24个微观结构指标	机器学习	NA	扩散磁共振成像（dMRI），球平均技术（SMT）	混合Mamba-CNN架构	MRI图像	多个数据集，具体样本规模未提及	PyTorch	Mamba、CNN	准确性、泛化性、可迁移性	NA
19	2026-07-12	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	提出基于深度学习的同时预测框架DeepMAP，利用地球静止卫星数据量化多种空气污染物的共暴露	首次利用深度学习同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2），并开发共暴露指数以识别污染热点区域	未明确提及模型对极端污染事件的预测能力及数据源的时间覆盖限制	开发数据驱动框架以高时空分辨率评估多种污染物共暴露，支持空气质量管理和公共卫生决策	东亚地区六种空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）的每小时浓度	机器学习	环境健康（未指定具体疾病）	地球静止卫星观测数据	深度学习	时空数据（卫星观测、化学传输模型、地面监测站数据）	未明确说明样本数量，但覆盖东亚区域及2021年3月事件	未明确指定	DeepMAP（具体架构未描述）	归一化均方根误差（NRMSE）	NA
20	2026-07-12	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-Mar-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	提出一种将长短期记忆网络与GPT-4集成的方法，用于生物医学信号分类并提供可读解释的概念验证研究	首次将LSTM与GPT-4显式集成，实现自动化生物医学信号分类及生成人类可读的临床解释，为资源受限环境下的应用奠定技术基础	概念验证阶段尚未进行前瞻性临床验证和现场研究，且LSTM模型分类性能在部分数据集上仍有提升空间	开发并评估一种集成LSTM与GPT-4的技术框架，用于自动化生物医学信号分类并提供可读解释，作为未来资源受限环境部署的基础	公开PhysioNet数据集中的心电图和脑电图信号，包括MIT-BIH、PTB等六个数据集	自然语言处理，机器学习	心血管疾病，神经系统疾病	NA	LSTM	信号	专家评估共150个测试案例（每个数据集50例），其中MIT-BIH每类30例、PTB每类25例、其他每类20例	PyTorch	2层LSTM（128→64单元）	准确率， F1分数， AUC	NA