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	2026-06-02	Prediction of intrinsic clearance using an explainable learning framework integrating molecular fingerprints and graph representation 2026-Oct-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118996 PMID:42176654	研究论文	开发了一个融合分子指纹和图结构表示的可解释学习框架，用于预测固有清除率	提出了一个动态结合机器学习和深度学习预测的集成策略，并通过可解释性分析揭示了预测背后的生化决定因素	模型的性能受限于公开数据质量和数据筛选过程	提高固有清除率预测的准确性和可解释性，为早期药物筛选提供支持	固有清除率数据及分子结构特性	机器学习	NA	NA	随机森林、支持向量机、梯度提升等传统机器学习模型及双分支深度学习架构	分子指纹和图结构特征	从公共数据库收集并经人工验证的固有清除率数据	PyTorch	双分支深度学习架构（结合分子指纹和图神经网络）	R	NA
2	2026-06-02	CDP-KDNet: Curriculum-Guided Dynamic Pruning and Knowledge Distillation for Resource-Efficient Ultrasound Elastography 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251399875 PMID:41466179	研究论文	提出一种结合动态剪枝、知识蒸馏和课程学习的模型压缩方法CDP-KDNet，用于资源高效的超声弹性成像运动估计	首次将动态剪枝、知识蒸馏与课程学习相结合应用于超声弹性成像模型压缩，在保持性能的同时大幅降低参数量和计算成本	未提及在极端资源受限设备上的实际部署验证，以及对不同超声成像系统的泛化性需进一步研究	实现高效、轻量化的超声弹性成像运动估计模型，便于部署于资源受限设备	超声弹性成像中的射频（RF）和B模式（BM）数据运动估计	计算机视觉	NA	超声弹性成像	卷积神经网络（CNN）	超声图像数据	模拟、仿体及体内超声数据（具体数量未提及）	NA	UMEN-Net, DP-Net, CDP-KDNet	信噪比（SNR）、对比度噪声比（CNR）	NA
3	2026-06-02	RFDNet: Robust Frequency-Based Denoising Network for 3D Ultrasound Vascular Imaging Using a Row-Column Addressed Array 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251398442 PMID:41466464	研究论文	提出一种鲁棒频率去噪网络（RFDNet），用于行-列寻址阵列的3D超声血管成像，通过深度融合频率过滤模块抑制坡道噪声并改善图像一致性	将深度频率滤波模块集成到标准去噪模型中，自适应编码器中的频率分量，动态平衡频谱内容以减少域偏移和切片间强度不一致的影响，同时保留血管细节	未来工作需探索3D训练和架构优化以提高计算效率，当前方法仍基于2D切片训练	提升3D超声血管成像中行-列寻址阵列的图像质量，解决点扩散函数各向异性导致的坡道噪声问题	多普勒体模、颈动脉和腹部数据集中的3D超声血管图像	计算机视觉	心血管疾病	超声成像	CNN	图像	包含多普勒体模、颈动脉和腹部数据集样本	PyTorch	深度频率滤波模块集成于标准去噪编码器架构（具体基础架构未指定）	PSNR, SSIM, RMSE	NA
4	2026-06-02	Cloud EEG Privacy Using Red-Billed Blue Magpie Optimized Physics-Penalized Dual-Branch Spectral-Spatial Neural Network for Epileptic Seizure Prediction 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70031 PMID:42063259	研究论文	提出一种红嘴蓝鹊优化的物理惩罚双分支谱空间神经网络，用于基于云脑电图的癫痫发作预测，实现高精度、安全且有效的预测	首次将红嘴蓝鹊优化算法与物理惩罚双分支谱空间神经网络结合，并集成基于物联网的实时脑电监测、形状感知网格归一化滤波、二次相位四元数域傅里叶变换特征提取和无密钥托管属性基加密，同时提升预测精度和数据隐私安全	未提及在更大规模或多样化真实临床数据集上的验证，以及优化算法和加密方法的计算开销评估	实现基于云脑电图的癫痫发作精确、安全且实时预测，以支持及时干预和预防严重神经系统并发症	癫痫患者及其脑电图数据	机器学习	癫痫	脑电图（EEG）监测	神经网络	脑电图信号	使用Bonn脑电图数据集和CHB-MIT数据集	NA	物理惩罚双分支谱空间神经网络（PP-DBSSNN）	准确率、精确率、特异度	NA
5	2026-06-02	STELLAR-CB: Synthetic Temporal LSTM for Livestock Activity Recognition-Cow Behaviour 2026-Jul, Veterinary medicine and science IF:1.8Q2 DOI:10.1002/vms3.70827 PMID:42223978	研究论文	提出一种结合LSTM与SMOTE的框架，用于解决奶牛行为识别中数据集不平衡问题	将简单SMOTE与非重叠窗口分割相结合，保留合成数据生成过程中的时序模式，同时增强少数类，降低计算复杂性	未提及具体局限性	利用深度学习与数据平衡技术提高奶牛行为识别的准确性和鲁棒性	奶牛行为数据集，包括放牧、休息、行走、逃跑和被骑跨等行为	机器学习	NA	加速度传感器	LSTM	加速度计时序数据	来自三头不同奶牛的复合加速度计数据集	PyTorch	LSTM	准确率、精确率、召回率、F1分数	NA
6	2026-06-02	Machine learning accelerated nonadiabatic molecular dynamics of defect-mediated recombination in alkali metal passivated Cu2ZnSnS4 2026-Jun-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0336824 PMID:42223102	研究论文	开发机器学习加速框架，模拟碱金属钝化Cu2ZnSnS4中缺陷介导的非辐射电子-空穴复合的非绝热分子动力学	将非绝热耦合演化构建为时间序列预测问题，基准测试37种深度学习架构，并采用扩展长短期记忆模型实现高精度预测，计算成本降低超过五个数量级	NA	提出机器学习加速非绝热分子动力学框架，高效模拟缺陷介导的非辐射复合过程并揭示其机制	含CuZn反位缺陷和CuZn+ZnCu反位对的Cu2ZnSnS4材料，以及碱金属（Li, Na, K）钝化效应	机器学习	NA	第一性原理非绝热分子动力学模拟，时间序列预测	递归神经网络，卷积神经网络，Transformer，混合模型，扩展长短期记忆模型	非绝热耦合时间序列数据	NA	NA	扩展长短期记忆模型，递归神经网络，卷积神经网络，Transformer	R方	NA
7	2026-06-02	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-06-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	research paper	提出一个结合预训练RNA语言模型和Transformer的序列驱动框架，仅从3'UTR序列预测mRNA半衰期	首次将预训练RNA语言模型（RNA-FM）与Transformer结合，仅从3'UTR序列实现mRNA半衰期预测，并整合了生物可解释性分析	模型在已知基因的新异构体上进行评估，可能对全新基因预测效果有限；单个基序效应量中等	开发一种仅基于3'UTR序列预测mRNA半衰期的计算框架，兼具预测准确性和生物学可解释性	酿酒酵母（Saccharomyces cerevisiae）转录本的3'UTR序列与mRNA半衰期	自然语言处理, 机器学习	NA	RNA-seq	Transformer, RNA-FM	序列数据	酿酒酵母转录本的3'UTR序列（具体样本数未明确提及）	PyTorch	RNA-FM, Transformer	RMSE, MAE, R	NA
8	2026-06-02	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	提出一种基于深度学习模型的自动化方法，使用标准超声心动图视频检测新生儿肺动脉高压	首次利用时空卷积神经网络结合偏心指数对新生儿超声心动图进行自动化PH检测，并通过显著图增强可解释性	仅基于单一中心的回顾性数据，未在外部多中心数据集中验证，且样本年龄范围有限（3-90天）	开发并验证一种深度学习模型，用于从标准超声心动图中自动检测新生儿肺动脉高压	新生儿（3-90天）的超声心动图视频，包括五个标准视图	计算机视觉	肺动脉高压	超声心动图	卷积神经网络（CNN）	图像（超声心动图视频帧）	训练与验证集975个视频，保留测试集378个视频，共13530帧	NA	空间卷积神经网络、时空卷积神经网络	AUROC	NA
9	2026-06-02	Harnessing the power of artificial intelligence for clinical trials in cancer 2026-Jun, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2026.2642221 PMID:41797434	综述	综述了人工智能在肿瘤临床试验全生命周期中的应用，包括试验设计、招募、数据管理和结果评估	系统总结了Trial Pathfinder、TrialGPT和PRISM等AI工具如何模拟试验标准、加速患者匹配和提高资格准确性	面临算法偏差、可解释性、问责制以及FDA和EMA监管框架演变等关键挑战	探讨AI如何推动肿瘤临床试验更高效、更包容、更数据驱动	肿瘤临床试验中的AI应用案例和工具	自然语言处理, 机器学习	癌症	NA	深度学习, 大语言模型	NA	NA	NA	NA	NA	NA
10	2026-06-02	Interpretable multi-modality consensus QSAR framework: integrating machine and deep learning for enhanced multi-endpoint toxicity assessment 2026-Jun, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2026.2643659 PMID:41839829	研究论文	开发了一种可解释的多模态共识QSAR框架，结合机器学习和深度学习方法，用于增强多端点毒性评估	整合多种分子表征形式与机器学习及深度学习，构建加权多模态共识预测器，实现八种毒性端点的高效预测，并通过SHAP分析增强模型可解释性	依赖单一描述符或算法以及中小规模数据集，限制了鲁棒性和普适性；未提及对罕见化学类型的覆盖能力	实现可靠、可解释的广谱毒性预测及多端点化学安全评估	30,160种不同化合物，涵盖皮肤致敏、呼吸毒性、AMES致突变性、肝毒性、发育毒性、心脏毒性、药物性肾毒性和神经毒性八种毒性端点	机器学习	NA	QSAR	CNN, LSTM, GAN	分子表征（描述符）	30,160种化合物	Scikit-learn, TensorFlow	多模态共识模型（如随机森林、支持向量机、神经网络等组合）	AUC, 平衡准确率（BACC）	NA
11	2026-06-02	Artificial intelligence in antimicrobial drug discovery: predictive and generative strategies 2026-Jun, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2674968 PMID:42154787	综述	总结了人工智能在抗菌药物发现中的预测和生成策略的最新进展与挑战	综述了AI驱动的预测和生成策略在抗菌药物发现中的整合应用，并展望了未来十年的‘自主发现’范式	当前持久存在的挑战包括数据偏差、缺乏标准化基准测试框架和临床转化差距	综述人工智能在抗菌药物发现中的应用现状与未来方向	针对细菌、真菌和病毒感染的抗菌药物（包括小分子、肽、噬菌体和蛋白质药物）的发现策略	机器学习	感染性疾病	NA	机器学习、深度学习、自然语言处理	NA	NA	NA	NA	NA	NA
12	2026-06-02	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的深度学习模型，用于锥形束CT中下牙槽神经的自动分割	引入任务特定的CNN-注意力混合架构，包括阶段限制的排列自适应实例归一化和解码器阶段上下文细化模块，以提高薄管状神经分割的鲁棒性和解剖连续性	与nnU-Net相比改进幅度有限，且需在更大数据集上验证泛化能力	开发一种改进的自动分割框架，准确识别CBCT中的下牙槽神经，预防口腔颌面手术中的神经损伤	下牙槽神经与锥形束CT影像	计算机视觉	口腔颌面神经损伤	锥形束CT	混合CNN-Transformer	医学影像	来自两个机构的130个CBCT扫描	nnU-Net	CNN-注意力混合架构（含排列自适应实例归一化与解码器注意力模块）	Dice相似系数, HD95, 平均对称表面距离	未指定
13	2026-06-02	[Automatic micro-CT pulp cavity image segmentation based on few-shot transfer learning] 2026-Jun-01, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20260226-00134 PMID:42219731	研究论文	开发基于少样本迁移学习的微CT牙髓腔图像分割模型PulpSAM实现高效准确分割	通过跨域适应策略将自然图像分割基础模型SAM迁移至牙髓腔图像分割任务并提出PulpSAM模型	未在临床多中心数据验证，样本仅来自单一医院且为病理原因拔除的牙齿	开发微CT牙髓腔图像自动分割模型以支持三维解剖研究和数字化根管治疗	因病理原因拔除的牙齿微CT扫描图像	计算机视觉	牙科疾病	微CT	SAM（Segment Anything Model）	图像	110颗牙齿，分为训练集（10颗）、测试集（90颗）和独立测试集（10颗）	NA	PulpSAM（基于SAM）	交并比、Dice系数、精确率、准确率、95%豪斯多夫距离、平均对称表面距离	NA
14	2026-06-02	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Jun-01, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	利用机器学习方法对地中海贫血及其亚型进行分类诊断，比较传统模型与新型混合模型ThalP的性能	提出一种混合堆叠模型ThalP，将支持向量机、逻辑回归和XGBoost的概率输出通过神经网络元分类器集成，基于常规血液学参数实现地中海贫血亚型的高效分类	合成训练数据集基于真实数据的统计特性生成，可能无法完全模拟真实世界数据的异质性；模型在外部真实数据集上的准确率为83.1%，仍有提升空间	评估机器学习算法用于地中海贫血及其亚型的分类，探索混合模型作为临床决策支持工具的潜力	地中海贫血患者，包括α地中海贫血和β地中海贫血（轻型、中间型和重型）	机器学习	地中海贫血	常规血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	表格数据	合成训练数据集1534个样本，外部真实数据集349名患者	NA	支持向量机、逻辑回归、XGBoost、人工神经网络、ThalP混合堆叠模型	准确率、宏F1分数	NA
15	2026-06-02	Deep blueprint: A literature review and guide to automated image classification for ecologists 2026-Jun-01, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.70271 PMID:42220300	综述论文	为生态学家提供基于深度学习的自动化图像分类实用指南与综述，涵盖从数据获取到模型部署的完整流程	整合常用软件工具并构建模块化工作流，同时提供Python和R代码及图形用户界面，以YOLOv8和YOLOv11模型对比分析为案例，揭示复杂模型并非总是最优	仅聚焦于图像分类任务，未涉及目标检测或图像分割等其他自动化图像分析任务；案例数据集可能具有特定性	降低深度学习在生态学研究中的应用门槛，促进计算机视觉技术的广泛采用，支持可重复、标准化和可持续的生态监测	生态学家及其自动化图像分类研究项目	计算机视觉	NA	深度学习、计算机视觉	CNN	图像	挪威海的深海生物群落ROV数据集	Ultralytics ML平台	YOLOv8系列、YOLOv11系列	准确率、宏平均性能指标	NA
16	2026-06-02	Artificial intelligence-assisted urine cytology based on the Paris System for Reporting Urothelial Carcinoma 2026-Jun, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70120 PMID:42223163	研究论文	开发并验证了一种基于巴黎报告系统的人工智能辅助尿液细胞学系统，用于尿路上皮癌检测	首次将巴黎报告系统与深度学习技术结合，模拟细胞病理医师工作流程，实现自动化细胞检测、分割和分类	AI与专家判读和病理结果之间的差异主要出现在相邻类别中，且研究样本为单中心回顾性数据	开发和验证基于AI的尿液细胞学系统，用于临床和筛查场景中尿路上皮癌检测	回顾性临床病例328例和前瞻性健康筛查样本1489例	数字病理学	尿路上皮癌	液基细胞学	深度学习、支持向量机	图像	328例回顾性临床样本、1489例前瞻性健康筛查样本、269张标注训练幻灯片（56710个细胞）	NA	深度学习网络（细胞检测与分割）、支持向量机	加权κ值、患病率调整偏倚调整κ值、阴性预测值、阴性符合率、误漏率	NA
17	2026-06-02	Estimating mechanical impedance from hydrophone measurements 2026-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043957 PMID:42223265	研究论文	提出一种利用稀疏水听器测量估算薄球壳机械阻抗的方法	无需训练阶段即可高效计算机械阻抗，适用于实时和低能耗场景	性能受频率升高引起的指向性限制	开发无需额外训练步骤的低能耗实时阻抗估算方法	薄球壳散射体的机械阻抗	机器学习	NA	水听器测量	NA	水听器测量数据	10个水听器	NA	NA	绝对百分比误差	NA
18	2026-06-02	The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors 2026-Jun-01, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-026-07316-7 PMID:42223485	研究论文	评估机器学习和深度学习模型利用MRI影像组学特征对儿童后颅窝肿瘤进行分类	比较多种机器学习模型（GBM、DT、RF及其集成）与深度学习模型ResNet101V2在儿童后颅窝肿瘤MRI分类中的性能，并指出EP和DMG区分困难的挑战	样本量较小（63例），对EP和DMG的准确区分仍具挑战，深度学习模型在扩散序列上表现较低	评估机器学习和深度学习模型利用MRI特征对儿童后颅窝肿瘤进行分类的效果	儿童后颅窝肿瘤，包括髓母细胞瘤、毛细胞星形细胞瘤、室管膜瘤和弥漫性中线胶质瘤	机器学习, 计算机视觉, 数字病理学	儿童后颅窝肿瘤	MRI	CNN, 梯度提升机, 决策树, 随机森林	影像数据（MRI：T2加权成像、弥散加权成像、表观弥散系数序列、T1加权成像、对比增强T1加权成像）	63例儿科患者，包括21例MB、20例PA、11例EP、11例DMG	TensorFlow	ResNet101V2, 梯度提升机, 决策树, 随机森林	准确率	NA
19	2026-06-02	Predicting Metastatic Potential from Histopathological Whole Slide Images of Primary Tumors in Head and Neck Squamous Cell Carcinoma Using Attention-Based Deep Learning and Signaling Pathway Alterations 2026-Jun-01, Head and neck pathology DOI:10.1007/s12105-026-01920-4 PMID:42223560	研究论文	提出一种基于注意力机制和残差网络的深度学习框架，从头颈部鳞状细胞癌的原发性全切片图像中预测远处转移风险	结合自注意力机制与残差网络（ResNet），解决病理切片预处理中patch级别变异性带来的挑战，提升预测性能	未报告模型的可解释性细节，未来需整合多模态数据并推广至其他癌症类型	开发深度学习模型以预测HNSCC患者远处转移的可能性，支持早期干预和临床决策	头颈部鳞状细胞癌（HNSCC）患者的全切片病理图像	数字病理学	头颈部鳞状细胞癌	NA	CNN, 自注意力机制, 残差网络（ResNet）	图像（全切片病理图像）	TCGA-HNSCC数据集（未明确样本数量）及外部验证集TCGA-ESCA	PyTorch	自注意力机制 + ResNet	准确率, AUC, F1分数	NA
20	2026-06-02	Evaluation of super-resolution deep learning reconstruction on three-dimensional constructive interference in steady state for enhanced visualization of vestibular schwannomas 2026-Jun-01, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01073-7 PMID:42223818	研究论文	评估超分辨率深度学习重建在三维稳态干涉序列中增强前庭神经鞘瘤可视化的效果	首次将超分辨率深度学习重建应用于前庭神经鞘瘤的3D-CISS MRI，相比传统DLR和ZIP显著提升图像锐度和病变可见性	未提及算法局限性或计算资源需求，可能样本量较小（39例）	比较SR-DLR、DLR和ZIP三种重建技术在前庭神经鞘瘤可视化中的表现	39例前庭神经鞘瘤患者的三维稳态干涉MRI图像	计算机视觉, 医学影像	前庭神经鞘瘤	3D-CISS MRI	超分辨率深度学习重建	图像	39例前庭神经鞘瘤患者	NA	NA（未指定具体架构）	锐度评分, 边缘上升距离, 边缘上升斜率, 信噪比, 对比噪声比, 对比度比	NA