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	2026-06-23	Explainable deep learning assisted SERS detection of cathinones in environmental water 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127905 PMID:42000141	研究论文	提出了一种可解释深度学习辅助的表面增强拉曼光谱技术，用于环境水中卡西酮类物质的检测与识别	结合了通道与空间注意力机制的一维卷积神经网络，并利用Grad-CAM算法增强模型的可解释性，准确识别卡西酮类物质的SERS特征峰	仅针对四种标准卡西酮物质进行检测，未涉及实际环境中多种卡西酮混合体系或更低浓度下的性能评估	开发高灵敏度、可解释的SERS检测方法，实现环境水中合成卡西酮类物质的准确分类	四种合成卡西酮标准物质及环境水加标样品	机器学习	NA	表面增强拉曼光谱（SERS）、密度泛函理论计算	一维卷积神经网络（1D-CNN）	光谱数据	四种标准卡西酮物质及阴性样本的SERS光谱数据	PyTorch	通道与空间注意力机制增强的1D-CNN	分类准确率	NA
2	2026-06-23	Extraction of Raman spectral features and rapid identification of rice origin and storage years 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127896 PMID:42008962	研究论文	结合拉曼光谱与深度学习提取光谱特征，快速识别大米产地和储存年份	首次将宏观成分分析（常规拉曼光谱）与微量代谢物表征（银纳米粒子增强SERS）结合，通过淀粉微结构和腺嘌呤信号实现大米产地和储存年份的化学可解释性鉴别	NA	开发一种结合拉曼光谱与深度学习的方法，用于特征化并识别大米的产地和储存年份，以应对产地伪造和陈米欺骗营销问题	中国七大主要产区的九个大米样品（包括一个代表品种的三年储存系列）	机器学习	NA	拉曼光谱，常规拉曼光谱，表面增强拉曼散射（SERS），银纳米粒子	NA	光谱	9个大米样品，包括一个品种的三年龄系列	NA	卷积神经网络（CNN）	准确率（98.57%）	NA
3	2026-06-23	Comorbidity-aware transfer learning for neuro-developmental disorder diagnosis 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108980 PMID:42001626	研究论文	提出了一种共病感知迁移学习框架，用于基于fMRI数据的神经发育障碍诊断	首次将共病信息融入迁移学习，通过伪标签和编码器-解码器结构分离任务相关特征与混淆因素，提供跨疾病神经动力学的机制见解	未在更多样化的数据集或真实临床环境中验证，且模型轻量级CNN可能无法完全捕捉fMRI的复杂时空模式	开发基于fMRI的计算机辅助诊断系统，提升神经发育障碍（如自闭症谱系障碍和注意力缺陷多动障碍）的诊断准确性	神经发育障碍患者（自闭症谱系障碍和注意力缺陷多动障碍）	机器学习	神经发育障碍	fMRI	CNN	图像	未明确报告样本数量，仅提及基准数据集	NA	编码器-解码器架构、轻量级卷积神经网络	准确率	NA
4	2026-06-23	A knowledge-based deep learning model for accurate urban drainage system prediction under spatiotemporally variable rainfall 2026-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125930 PMID:41997102	研究论文	提出一种融合先验知识与稀疏监测数据的深度学习模型，用于城市排水系统水位预测	无需显式降雨输入，通过知识驱动传播观测信号实现空间-时间校正，在极端稀疏传感器条件下仍保持高精度，并具有物理可解释性	未提及模型在不同城市排水系统间的迁移能力或长期运行稳定性验证	实现城市排水系统水位的准确、快速预测，支持实时洪涝预警	城市排水管网水位动态变化	机器学习	不适用	不适用	深度学习模型	合成降雨数据和真实降雨事件数据	未明确样本数量，但包含合成降雨与多个真实降雨事件	不适用	知识增强型深度学习网络	均方根误差, NSE, 峰值预测误差, 溢流检测精度	不适用
5	2026-06-23	Adaptive real-time dosing strategy for advanced phosphorus removal using model predictive control and time-series analysis in WWTPs 2026-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125925 PMID:42001571	研究论文	提出一种结合机器学习、遗传算法和模型预测控制的自适应实时磷投药策略，用于污水处理厂高效除磷	将1DCNN-LSTM混合深度学习模型与Smith预测器增强的模型预测控制相结合，实现精准实时化学投药调整，显著降低化学消耗	基于模拟结果和单一污水处理厂数据验证，实际应用需进一步测试不同场景和规模	开发智能实时投药控制框架，优化污水处理厂化学除磷过程，实现稳定达标和可持续运营	污水处理厂中的化学除磷过程	机器学习, 控制优化	NA	深度学习, 遗传算法, 模型预测控制	1DCNN-LSTM	时间序列监控数据（多源监测数据）	12个月全规模污水处理厂数据	TensorFlow, 其他控制算法框架	1DCNN-LSTM, 遗传算法	出水总磷浓度合规性, 化学消耗降低百分比	NA
6	2026-06-23	A modular deep learning pipeline for stromal TILs scoring in breast cancer H&E slides 2026-Aug-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109374 PMID:42013559	研究论文	本文提出了一种模块化深度学习流水线，用于在乳腺癌H&E切片中自动进行基质肿瘤浸润淋巴细胞评分	开发了结合TIL分割模型、增强型DeepLabV3+基质分割网络和轻量级回归模块的模块化流水线，并通过病理学家引导的主动学习优化分割模型，同时引入了一种新的自适应聚合策略将斑块级预测整合为有临床意义的分数	未在更大规模或更多样化的数据集上进行验证，可能影响泛化能力	实现符合国际免疫肿瘤学生物标志物工作组指南的完全自动化和连续的基质TILs评分	乳腺癌H&E切片中的肿瘤浸润淋巴细胞和基质区域	数字病理学	乳腺癌	H&E染色	卷积神经网络（CNN）	图像	两份独立数据集，分别包含60和112张全切片图像	PyTorch	DeepLabV3+	皮尔逊相关系数, 组内相关系数	NA
7	2026-06-23	Morphology-informed deep learning for risk assessment of filamentous bulking in a full-scale industrial wastewater treatment plant 2026-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124520 PMID:41997279	研究论文	提出了一种形态学驱动的深度学习框架，直接基于污泥显微镜图像评估工业废水处理厂丝状菌膨胀风险	首次将深度学习与形态学分析结合，从显微镜图像直接连续量化丝状菌膨胀风险，克服了传统替代指标方法反应延迟和可靠性不足的问题	研究基于单一工业废水处理厂的数据集，模型泛化性需进一步验证；图像标签仅为二分类，可能限制对更细粒度形态变化的刻画	开发一种基于显微镜图像的前瞻性丝状菌膨胀风险评分方法，为工业废水处理厂污泥监测提供主动预警工具	工业规模饥饱交替序批式反应器废水处理厂的活性污泥系统	计算机视觉	NA	显微镜成像	卷积神经网络与视觉Transformer	图像	两年时间跨度的工业废水处理厂显微镜图像数据集	PyTorch	ConvNeXt-nano, CrossViT-18	准确性, 敏感性, 假阳性率, 非膨胀期准确率	NA
8	2026-06-23	Diagnostic Accuracy of Ultrasound Radiomics for Cervical Lymph-Node Metastasis in Papillary Thyroid Carcinoma: Evidence Predominantly From Chinese Cohorts 2026-Jul, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.017 PMID:41997788	meta-analysis	通过荟萃分析量化超声影像组学在预测甲状腺乳头状癌颈部淋巴结转移中的诊断准确性并评估方法学质量	首次系统汇总超声影像组学诊断甲状腺乳头状癌颈部淋巴结转移的准确率，并引入分层荟萃回归分析侧方淋巴结分区、建模流程和验证策略的影响，同时利用Radiomics Quality Score评估研究的标准化程度	纳入研究主要来自中国，可能限制对其他人群的通用性；各研究间异质性高（I² > 80%），且外部验证队列表现较低（AUC = 0.79）	量化超声影像组学诊断甲状腺乳头状癌颈部淋巴结转移的准确性，并评估现有研究的方法学质量和标准化水平	60项研究共10852例甲状腺乳头状癌患者，其中4716例伴有淋巴结转移	计算机视觉,机器学习	甲状腺癌	超声影像组学	机器学习模型,深度学习模型	超声医学图像,临床变量数据	60项研究，10852例患者（4716例淋巴结转移阳性）	NA	NA	敏感度,特异度,诊断优势比,ROC曲线下面积	NA
9	2026-06-23	Deep learning-based segmentation of enamel, cementum, alveolar bone, and gingiva in periodontal ultrasound images 2026-Jul, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106705 PMID:42009189	研究论文	开发基于深度学习的多类分割模型，用于超声图像中牙釉质、牙骨质、牙槽骨和牙龈的同步分割，并实现牙骨质-釉质交界处、牙槽骨嵴和牙龈缘的精确定位	提出了一种新颖的双流深度学习架构，并采用随机模块打乱技术，实现了超声图像中牙周结构的同步四类分割和三个解剖标志的精确自动定位	NA	开发深度学习模型以实现牙周超声图像的多类分割和解剖标志定位，提高超声技术在牙周评估中的临床实用性	牙周结构：牙釉质、牙骨质、牙槽骨和牙龈，以及相关解剖标志：牙骨质-釉质交界处、牙槽骨嵴和牙龈缘	计算机视觉	牙周疾病	超声成像	深度学习	图像	内部数据集752张图像，外部测试集111张图像	NA	双流深度学习架构	Dice相似系数、交并比、精确度、灵敏度、95%豪斯多夫距离、平均对称表面距离	NA
10	2026-06-23	From structural complexity to causal representation: A dynamic fractal-attention framework for fine-grained ovarian tumor classification in ultrasound 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104101 PMID:42035560	研究论文	提出一种结构感知和因果正则化的深度学习框架，用于超声图像中卵巢肿瘤的细粒度分类	动态可学习分形建模、边缘引导结构精炼和因果推理辅助模块的集成	NA	实现超声图像中卵巢肿瘤的准确、鲁棒且可解释的细粒度分类	卵巢肿瘤的超声图像	计算机视觉，机器学习	卵巢肿瘤	超声成像	CNN，基于Transformer的模型，自监督方法，因果基线	图像	大型私有卵巢超声队列和公共MMOTU基准	NA	动态分形注意力网络	准确率，宏F1，召回率， F1分数	NA
11	2026-06-23	Artificial intelligence in rare pediatric solid tumor research and clinical care: A scoping review 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163140 PMID:41999969	综述	本综述系统描述了人工智能和机器学习在罕见儿童实体瘤研究与临床护理中的应用现状	首次系统梳理AI/ML在罕见儿童实体瘤中的应用，强调了其在诊断、风险分层和预后方面优于传统方法的潜力	仅包含23项研究，且多数缺乏外部验证，限制了临床适用性	评估AI/ML在罕见儿童实体瘤中的当前应用，并识别未来研究方向	罕见儿童实体瘤（如肝母细胞瘤、儿童甲状腺癌）	机器学习	罕见儿童实体瘤	NA	监督学习、无监督学习、深度学习、混合/集成模型	高维数据（如临床、基因组、影像）	23项研究（2009-2025年）	NA	NA	AUC	NA
12	2026-06-23	Deep learning-based Wilms tumor segmentation to create 3D models for surgical planning: Implementation in the clinical workflow 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163151 PMID:42044738	研究论文	基于深度学习的肾母细胞瘤分割方法用于创建手术规划3D模型的前瞻性评估	首次在临床工作流中前瞻性验证基于深度学习的肾母细胞瘤自动分割方法，用于创建手术规划3D模型	样本量较小（56名回顾性患者和10名前瞻性患者），部分患者分割效果不佳（肿瘤边界欠分割和肿瘤/肾脏边界错误识别）	评估深度学习分割方法在临床工作流中创建肾母细胞瘤患者3D手术规划模型的可行性	肾母细胞瘤患者的术前MRI图像	机器学习	肾母细胞瘤	NA	nnU-Net	图像	66名患者，其中56名为回顾性数据集，10名为前瞻性连续病例	NA	nnU-Net	Dice分数	NA
13	2026-06-23	Exploring quantum frontiers in protein structure prediction: techniques, challenges, and opportunities 2026-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.04.006 PMID:41999908	综述	综述量子计算在蛋白质结构预测中的技术进展、挑战与机遇	提出量子计算（如量子退火、量子优化算法和混合量子-经典方法）利用量子特性（叠加、纠缠、隧穿）来解决传统蛋白质结构预测中构象搜索空间指数爆炸的问题	当前量子比特保真度有限、纠错和可扩展性不足等挑战仍然存在	探索量子计算作为蛋白质三维结构预测的新范式，以克服经典方法的计算瓶颈	蛋白质折叠过程的能量景观与构象空间	机器学习	NA	量子计算	量子退火、量子优化算法、混合量子-经典方法	NA	NA	NA	AlphaFold	CASP评分（92.4）	NA
14	2026-06-23	An intelligent fusion model for Ki-67 prediction in non-small cell lung cancer: A cloud-based prediction system integrating radiomics 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112866 PMID:42000471	研究论文	开发了一种融合影像组学和深度学习的智能模型，用于非小细胞肺癌患者Ki-67表达的术前预测	首次将瘤内与瘤周影像组学特征、深度学习评分及临床参数整合到随机森林模型中，并基于云端部署实现多中心验证，显著提升了预测性能与可解释性	未提及外部验证集的泛化性是否受不同扫描设备或影像参数影响，且仅基于CT图像，未纳入其他模态数据	实现对非小细胞肺癌患者Ki-67表达水平的无创、准确术前预测	非小细胞肺癌患者的术前CT影像及临床数据	机器学习, 计算机视觉, 医学影像分析	非小细胞肺癌	CT影像、影像组学分析、深度学习	随机森林	CT图像、临床参数	876例非小细胞肺癌患者（来自四个机构），分为训练集525例、测试集175例、外部验证集176例	PyTorch (用于ResNet101), Scikit-learn (用于随机森林)	ResNet101 (用于提取深度学习评分), 随机森林 (用于融合模型)	AUC, F1分数	NA
15	2026-06-23	Incremental value of deep learning denoising in low-dose coronary CT angiography in predominantly obese patients 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112859 PMID:42001841	研究论文	评估基于卷积神经网络的后处理去噪技术在低剂量冠状动脉CT血管成像中对以肥胖患者为主的队列的附加价值	首次在以肥胖患者为主的队列中系统验证CNN去噪技术对低剂量CCTA图像质量的独立于BMI的改善作用	单中心设计、样本量较小（56例）、回顾性研究性质	确定CNN去噪技术在低剂量CCTA中的临床附加价值	以肥胖患者为主的连续接受低剂量CCTA检查的患者	计算机视觉	冠状动脉疾病	CT冠状动脉成像，深度学习去噪	卷积神经网络	图像	56名参与者（57.1%女性，62.5%肥胖）	NA	卷积神经网络	信噪比、对比噪声比、主观图像质量评分	NA
16	2026-06-23	Chemometrics, VIS-NIR-SWIR spectroscopy, and deep learning algorithms to classify and predict qualitative attributes of rice in grain processing and storage units 2026-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149275 PMID:42008893	研究论文	利用化学计量学与VIS-NIR-SWIR光谱结合深度学习算法，对大米加工和储存过程中的品质属性进行分类和预测	将高光谱光谱技术与多种机器学习模型（包括深度学习算法）结合，用于大米品质的无损检测，并探索了光谱与物理化学属性之间的关系	NA	研究基于谷物缺陷的物理质量分类与碾米理化属性之间的关系，利用无损技术结合机器学习算法确定加工和储存中的谷物质量	白米、黑米、红米和蒸谷米的样品	机器学习	NA	高光谱光谱（350-2500 nm）	线性回归、支持向量机、随机森林、梯度提升、卷积神经网络、循环神经网络	光谱数据	NA	NA	支持向量机、随机森林、梯度提升、卷积神经网络、循环神经网络	NA	NA
17	2026-06-23	pHLA-Bi-Mamba: A pan-specific deep learning model for peptide-HLA-Ⅰ binding affinity and eluted ligand prediction 2026-Jun-25, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153729 PMID:42013547	研究论文	提出了一种基于双向Mamba架构的泛特异性深度学习模型pHLA-Bi-Mamba，用于预测肽-HLA-I结合亲和力与洗脱配体	首次将双向Mamba架构应用于肽-HLA-I结合预测，有效建模全局序列依赖性和肽结合沟槽内的空间约束，在基准数据集上达到最先进性能	NA	开发高效工具用于大规模免疫表位筛选，特别是识别高度不平衡数据集中的稀有结合物	肽-HLA-I对的结合亲和力和洗脱配体预测	机器学习	NA	蛋白质语言建模	双向Mamba	序列数据	NA	PyTorch	双向Mamba	R值, AUPRC	NA
18	2026-06-23	GAN-FixMatch: A generative-semi-supervised deep learning framework for small-sample quantitative analysis in near-infrared spectroscopy of agricultural and pharmaceutical materials 2026-Jun-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345451 PMID:41997678	研究论文	提出GAN-FixMatch框架，结合生成式与半监督学习，用于近红外光谱小样本定量分析	首次将生成式光谱建模与半监督一致性学习结合用于近红外定量分析，克服传统增强和GAN标注策略的固有局限	未明确提及局限性	实现近红外光谱小样本条件下的高精度定量建模	农业和制药材料的近红外光谱数据	机器学习	NA	近红外光谱	一维GAN, FixMatch	光谱数据	三个数据集：制药颗粒、玉米粒、西洋参	TensorFlow, PyTorch	1D CNN, GAN, FixMatch	决定系数R², 均方根误差RMSE, 残差预测偏差RPD	NA
19	2026-06-23	Physics-Aware Representation Learning on Electronic Charge Density for Materials Property Prediction 2026-Jun-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00235 PMID:42212372	研究论文	提出一种物理启发的深度学习框架，直接从电子电荷密度预测材料力学和热力学性质	首次利用三维卷积自编码器对电子电荷密度进行无监督降维，将高分辨率电荷密度网格压缩为紧凑的潜在表示，并结合组合特征提升预测精度	仅使用了约6059种无机化合物数据，可能限制模型对更广泛材料体系的泛化能力	建立基于电子电荷密度的可迁移、物理基础的描述符，用于快速预测材料性质	无机晶体材料的电子电荷密度及力学/热力学性质	机器学习	NA	密度泛函理论	三维卷积自编码器、LightGBM、注意力机制三维卷积神经网络	电子电荷密度网格数据	约6059种无机化合物	PyTorch, LightGBM	3D卷积自编码器、Attention-based 3D CNN	相关系数R	NA
20	2026-06-23	GraFSyn: An Interpretable Deep Learning Framework for Anticancer Drug Synergy via Graphlet Fingerprints 2026-Jun-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00458 PMID:42213476	研究论文	提出GraFSyn，一个基于图元指纹的可解释深度学习框架，用于预测抗癌药物协同作用	首次使用图元指纹将药物编码为显式连接子结构单元，保留预定义化学子结构及其拓扑身份，并引入动态多尺度卷积模块处理高维稀疏特征	NA	开发准确且结构可追溯的抗癌药物协同作用预测方法	抗癌药物组合的协同作用	机器学习	癌症	NA	深度学习框架	分子图结构数据、细胞系基因表达数据	Merck和AstraZeneca基准数据集	PyTorch	动态多尺度卷积模块	ROC-AUC, PR-AUC	NA