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	2026-06-15	Quantification via gaussian latent space representations 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	提出一种基于高斯潜在空间表示的端到端神经网络，用于量化（类别盛行率估计）任务	首次利用高斯分布潜在空间获得样本袋的不变表示，将量化问题作为直接优化问题处理，无需中间分类器	未在论文标题和摘要中明确说明	开发一种基于深度学习的量化方法，直接优化与量化任务相关的损失函数	未知类别分布的样本袋	机器学习	NA	NA	神经网络	NA	NA	PyTorch	高斯混合网络	NA	NA
2	2026-06-15	Training instabilities favor flatter solutions in gradient descent 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108874 PMID:41932126	研究论文	研究表明梯度下降中的训练不稳定性通过旋转Hessian矩阵主特征向量，促使参数收敛到更平坦的损失景观区域，从而提升泛化能力	首次提出基于特征向量旋转极性（RPE）的几何机制，证明训练不稳定性并非有害，而是隐式偏好平坦解并改善泛化，且该框架可扩展至随机梯度下降（SGD）和Adam优化器	NA	研究梯度下降中训练不稳定性对模型泛化性能的影响及其内在机制	深度学习模型的训练过程及损失景观的几何性质	机器学习	NA	NA	NA	NA	NA	NA	NA	泛化性能	NA
3	2026-06-15	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	提出一种共病感知的迁移学习框架，用于基于fMRI的神经发育障碍诊断	首次通过统一半监督迁移学习范式显式建模神经发育障碍共病的共享神经生物学通路，引入增强表示生成网络结合伪标签技术分离混淆因素	未提及	开发基于fMRI的神经发育障碍计算机辅助诊断方法，提升诊断准确率	自闭症谱系障碍和注意力缺陷多动障碍的fMRI数据	机器学习	神经发育障碍	功能磁共振成像	轻量卷积神经网络	fMRI影像数据	基准数据集未说明具体样本量	NA	编码器-解码器架构，轻量CNN	准确率	NA
4	2026-06-15	Use of Artificial Intelligence in prostate MRI: A rapid scoping review highlighting limited evidence in screening context 2026-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112930 PMID:42142521	综述	快速范围综述，评估人工智能在无症状男性前列腺癌筛查中解读前列腺MRI的证据，并指出当前证据有限	扩展了筛查背景下AI应用的讨论，从已知证据延伸到对预期扩展的关键考虑，聚焦于无症状人群的筛查场景	证据基础有限，仅有两项研究符合纳入标准；AI与专家放射科医生的一致性从差到中等；AI过度检测倾向和高假阳性率；综述本身在筛查背景下的证据很少	综合AI在无症状男性前列腺癌筛查中解读前列腺MRI的证据	前列腺MRI解读中AI工具的应用，包括图像解读和活检指征	机器学习	前列腺癌	MRI	深度学习	图像	284条记录，47项研究评估资格，2项研究符合纳入标准	NA	ProstateAI软件	一致性（kappa系数）	NA
5	2026-06-15	Federated learning: A new frontier in the exploration of multi-institutional medical imaging data 2026-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109454 PMID:42190445	综述	本文综述了联邦学习在跨机构医学影像数据集成中的应用，提出了一种在保护数据隐私的同时训练深度学习模型的新方法	系统性地阐述了联邦学习在医学影像领域的数据整合、算法设计及实际部署中的创新性框架，克服了传统集中式学习的数据隐私和异构性挑战	未具体讨论联邦学习在医学影像中的性能量化评估及大规模临床验证结果	探讨联邦学习在解决多机构医学影像数据集成与隐私保护问题中的潜力	多机构医学影像数据集及联邦学习系统	机器学习	NA	联邦学习、深度学习	NA	医学影像	NA	NA	NA	NA	NA
6	2026-06-15	Rational design for improved thermostability of methionine adenosyltransferase based on FoldX, Rosetta, and multidimensional virtual screening 2026-Sep-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119535 PMID:42270249	研究论文	提出一种结合物理力场与深度学习算法的理性设计策略，用于改善甲硫氨酸腺苷转移酶的热稳定性，以实现S-腺苷-L-甲硫氨酸的高效生物合成	创新整合FoldX、Rosetta与多维深度学习的虚拟筛选系统，构建多层级筛选与正交验证框架，实现催化活性与热稳定性的协同提升	未说明	提高甲硫氨酸腺苷转移酶的热稳定性以促进S-腺苷-L-甲硫氨酸的工业生物合成	甲硫氨酸腺苷转移酶及其突变体	机器学习	不适用	分子对接、B因子分析、饱和突变筛选、全原子分子动力学模拟	FoldX、Rosetta、深度学习工具	蛋白质结构数据、分子动力学模拟数据	209个突变体经筛选，最终6个核心突变体用于实验验证	FoldX, Rosetta	不适用	熔解温度、半衰期、比活性	未说明
7	2026-06-15	Intelligent monitoring of coastal outfalls via multi-source remote sensing image fusion 2026-Aug, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119776 PMID:42026447	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8	2026-06-15	Convergence of multiplexed immunosensors, nanotechnology, and AI for early pancreatic cancer diagnosis 2026-Jul-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2026.121005 PMID:41985833	综述	本文综述了多重免疫传感器、纳米技术与人工智能在早期胰腺癌诊断中的融合应用	提出了多重免疫传感器、纳米技术信号放大和人工智能数据集成相结合的新型诊断框架，强调多分析物面板以捕捉肿瘤异质性和肿瘤-宿主相互作用	未提及具体实验验证或临床数据支持，缺乏对实际应用挑战的深入探讨	探索下一代早期胰腺癌诊断策略，整合多重免疫传感器、纳米技术和人工智能以改善检测性能	胰腺癌早期诊断的生物标志物（如循环蛋白、自身抗体、外泌体、循环肿瘤DNA、非编码RNA和肿瘤教育血小板）及检测平台	数字病理学	胰腺癌	多重免疫传感器、纳米技术（纳米颗粒、纳米线、量子点、二维材料）、微流控、芯片实验室、即时检测	机器学习、深度学习	生物传感器输出、临床数据、影像数据、基因组数据	NA	NA	NA	NA	NA
9	2026-06-15	Non-invasive differentiation of light chain amyloidosis and multiple myeloma based on Raman spectroscopy analysis using one-dimensional convolutional neural networks 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127591 PMID:41793999	研究论文	利用拉曼光谱和一维卷积神经网络对轻链淀粉样变性和多发性骨髓瘤进行非侵入性区分	首次将拉曼光谱分析与一维卷积神经网络结合，实现对轻链淀粉样变性和多发性骨髓瘤的非侵入性快速鉴别诊断，表现出优于传统机器学习方法的性能	样本量可能有限，且需要进一步验证模型的泛化能力；拉曼光谱技术仍需标准化才能应用于临床	开发一种基于血清拉曼光谱和深度学习的新型非侵入性辅助诊断方法，以区分轻链淀粉样变性和多发性骨髓瘤	轻链淀粉样变性患者和多发性骨髓瘤患者的血清样本	机器学习	浆细胞疾病	拉曼光谱	一维卷积神经网络	光谱数据	来自临床确诊患者的血清样本	PyTorch	1D-CNN	AUC, 准确率, 灵敏度, 特异度	NA
10	2026-06-15	Transforming tabular data into images for deep learning models 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108715 PMID:41691829	研究论文	提出一种将表格数值数据转化为灰度图像表示的方法，使卷积神经网络等深度学习模型能有效处理传统数值数据集	首次提出将无空间结构的表格数值数据通过归一化和矩阵重构转化为灰度图像，并利用ResNet-18和DAG-Net等深度学习架构进行高效分类	仅评估了四个公开数据集，未涉及大规模或真实场景下的复杂表格数据；转化过程可能丢失部分特征间关系信息	拓展深度学习对表格数值数据的处理能力，验证图像化转化方法的有效性和通用性	四个公开表格数据集：Rice MSC Dataset（RMSCD）、Optdigits、TUNADROMD、Spambase	机器学习	不适用	不适用	卷积神经网络（ResNet-18, DAG-Net）	表格数据（转化为灰度图像）	四个公开数据集，具体样本量未明确给出	PyTorch	ResNet-18, DAG-Net	准确率	未明确说明
11	2026-06-15	A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches 2026-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70301 PMID:41913432	研究论文	比较传统、贝叶斯和深度学习IVIM-MRI拟合技术在胶质瘤分级中的表现	首次将空间感知Transformer应用于IVIM参数估计，显著提升肿瘤分级准确性	样本量较小（仅20名患者），且为回顾性研究	评估不同IVIM拟合方法在胶质瘤分级中的临床效用	胶质瘤患者（2级、3级、4级）的术前DWI数据及分形噪声模拟数据	医学影像分析	胶质瘤	MRI（扩散加权成像，DWI），IVIM分析	空间感知Transformer（NATTEN-17，SA-17）	图像（MRI，DWI）	20名胶质瘤患者（5例2级，3例3级，12例4级），分形噪声模拟数据	PyTorch	NATTEN-17, SA-17, IVIM-NET	中位数绝对百分比误差（MDAPE），中位数百分比误差（bias），ROC-AUC	NA
12	2026-06-15	Advancing radiotherapy with deep Learning: A review of dose prediction models 2026-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105827 PMID:42229186	综述	综述深度学习在放疗剂量预测模型中的应用，重点介绍架构、数据集和方法论	系统总结深度学习在放疗剂量预测中的最新进展，涵盖模型精度、效率和鲁棒性方面的突破	现有模型缺乏通用性，依赖单机构数据，可解释性不足，难以处理罕见解剖变异	探讨深度学习提升放疗剂量预测的精准性和效率，并指出未来研究方向	放疗剂量预测的深度学习算法及其临床工作流程优化	机器学习	NA	深度学习	深度学习	NA	NA	NA	NA	准确性、效率、鲁棒性	NA
13	2026-06-15	Denoising of low-dose chest computed tomography images using a U-net based convolutional autoencoder and transfer learning 2026-Jun-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出了一种基于U-Net的卷积自编码器和迁移学习的低剂量胸部CT图像去噪方法	采用两阶段训练策略，先在体模图像上训练，再通过迁移学习适应临床数据，减少对大规模配对临床数据集的依赖	NA	解决低剂量CT图像噪声和伪影问题，提高图像质量和肺结节检测能力	低剂量胸部CT图像中的噪声和伪影	计算机视觉	肺部疾病	CT成像	U-Net卷积自编码器	图像	LUng Nodule Analysis 2016数据集	NA	U-Net	噪声降低因子	NA
14	2026-06-15	Hybrid deep learning model for brain age prediction using time-distributed convolutional and bidirectional LSTM networks 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54198-5 PMID:42286062	研究论文	提出一种结合时间分布式卷积和双向LSTM网络的混合深度学习模型用于脑年龄预测	创新性地将时间分布式卷积与双向LSTM相结合，利用VBM预处理和严格的数据增强流程提升预测精度	未明确讨论模型在其他数据集上的泛化能力以及计算成本	提高脑年龄预测的准确性，减小平均绝对误差	大脑MRI扫描图像	计算机视觉, 机器学习	神经退行性疾病（如阿尔茨海默病）, 精神分裂症	MRI, VBM（基于体素的形态测量）	混合深度学习模型（卷积神经网络+双向LSTM）	图像	来自OpenBHB数据集的大量样本，具体数量未提及	NA	时间分布式卷积层, 双向LSTM层	平均绝对误差, 决定系数	NA
15	2026-06-15	Artificial intelligence and machine learning in sports medicine: mapping clinical tasks and assessing clinical maturity - a scoping review 2026-Jun-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03615-w PMID:42286628	综述	概述人工智能和机器学习在运动医学中的应用现状，评估其临床验证和实施准备程度	系统梳理AI/ML在运动医学中涵盖的临床任务，评估其临床成熟度，并识别未来发展的关键优先事项	大多数研究依赖回顾性数据和内部验证，校准报告不常见，前瞻性工作流整合罕见	评估AI/ML在运动医学领域的临床验证水平和实施准备情况	运动医学背景下的个体（如运动员、患者）	机器学习	运动损伤、骨科疾病、神经系统疾病	NA	预测模型、估计模型	图像、文本	97项研究被纳入，原始文献共8,677项	NA	NA	判别性能	NA
16	2026-06-15	Negative frequency-dependent selection: a positive outlook with deep learning 2026-Jun-11, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2025.0170 PMID:42272394	研究论文	利用深度学习方法区分负频率依赖选择与其他平衡选择模式的基因组特征	使用资源高效的深度迁移学习结合新型数据预处理和基因组自协变异建模，有效检测和表征负频率依赖选择	未明确讨论方法的局限性	提高对负频率依赖选择基因组模式的建模能力，更好区分其中性信号和其他选择过程	负频率依赖选择的基因组特征	机器学习	NA	NA	深度迁移学习	基因组数据（相合或非相合基因型，古代DNA）	NA	NA	NA	NA	NA
17	2026-06-15	Deep learning applications in cancer treatment Prediction: Comprehensive research foundation for systematic review and Meta-Analysis 2026-Jun-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105068 PMID:42276181	系统综述与Meta分析	评估深度学习模型在癌症治疗结果预测中的性能、方法学质量和临床实施情况	首次跨癌症类型和模型架构对深度学习在治疗预测中的应用进行Meta分析综合	纳入研究间异质性显著（I²>70%），多数模型存在高偏倚风险、方法学不一致和有限的外部验证，仅9%模型进入临床应用	评价深度学习模型预测癌症治疗结果的性能、方法学质量和临床转化可行性	158项符合条件的深度学习癌症治疗预测研究（其中89项纳入定量综合）	机器学习	多种癌症（乳腺癌、肺癌、结直肠癌、前列腺癌等）	NA	深度学习模型（包括多模态和Transformer模型）	多模态数据	158项研究（89项纳入定量分析）	NA	Transformer	AUC, C-index, 风险比, 净收益, 决策曲线分析	NA
18	2026-06-15	A Multistage Virtual Screening Strategy Integrating Molecular Similarity, Deep Learning Scoring, and Molecular Docking toward the Discovery of Novel LRRK2 Inhibitors 2026-06-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00241 PMID:42187161	研究论文	整合分子相似性、深度学习评分和分子对接的多阶段虚拟筛选策略，用于发现新型LRRK2抑制剂	首次将Ouroboros分子表示模型（结合构象和药效团特征）与深度学习评分融入虚拟筛选流程，并成功识别出新型LRRK2抑制剂C-298	未明确说明临床前验证或体内实验数据，且候选化合物的数量较少（仅15个）	发现新型且有效的LRRK2抑制剂，用于帕金森病治疗	LRRK2蛋白及其G2019S突变体	计算机辅助药物设计	帕金森病	分子相似性搜索、深度学习评分、分子对接、分子动力学模拟	Ouroboros分子表示模型（深度学习模型）	化合物结构数据、酶活性数据、细胞活力数据、活性氧水平数据	从3种先导化合物生成多样化化合物库，最终选择15个候选化合物进行酶学评估，识别出4种新型抑制剂	NA	Ouroboros分子表示模型	IC50值、细胞活力、活性氧水平、磷酸化抑制程度	NA
19	2026-06-15	Adaptive Disorder as the Hallmark of Nanobodies Antigen-Binding Loops 2026-06-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00716 PMID:42170950	研究论文	本研究利用两种独立策略（序列层面与结构层面）表征纳米抗体互补决定区的序列与结构特征，揭示其无序性作为适应性标志的功能意义	首次通过深度学习与能量分解方法证实纳米抗体CDR区序列与结构的无序性具有适应性，为抗原结合区设计提供新规则	未提供具体样本量及实验验证；模型在合成或极端序列上的泛化能力未讨论	解析纳米抗体互补决定区（CDR）的序列与结构无序性特征，推动下一代免疫诊断和治疗方法的设计规则	纳米抗体蛋白的互补决定区（CDRs）	机器学习	NA	NA	深度学习模型	序列数据（蛋白质一级序列）	NA	NA	NA	NA	NA
20	2026-06-15	Pentagonal Porphyrin-Based Covalent Organic Framework with Switchable Dual-Enzyme Activity for Adaptive Catechol Sensing 2026-Jun-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00633 PMID:42258672	研究论文	构建了一种具有可切换双酶活性的五边形卟啉基共价有机框架，并开发了用于儿茶酚自适应性传感的深度学习辅助平台	首次通过希夫碱反应构建了五边形二维卟啉基共价有机框架（NiPor-BATA-COF），克服了传统二维COF的对称性限制，实现了过氧化物酶与过氧化氢酶活性的可切换“跷跷板”双酶活性，并整合YOLO v5-CC深度学习模型实现自适应比色传感和移动端定量检测	未明确指出具体限制	开发具有强催化活性和自适应性双酶功能的高性能纳米酶，用于智能化污染物监测系统	儿茶酚（CC）检测	自然语言处理, 机器视觉	NA	希夫碱反应	YOLO v5	图像	NA	PyTorch	YOLO v5	检测限, 线性检测范围	NA