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	2026-06-21	Heritability of the olfactory bulb and its associated brain network 2026-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122021 PMID:42235655	研究论文	研究了嗅球体积及其相关脑网络的遗传度	首次在大型双胞胎样本中，结合深度学习分割和支持向量机框架，探讨嗅球及嗅觉网络结构特征的遗传度	未说明	探究嗅球体积及其在嗅觉网络中的整合程度是否受遗传决定	健康年轻成年双胞胎（单卵和异卵）	机器学习	NA	NA	深度学习分割模型、支持向量机	脑结构磁共振成像	941名健康年轻成年人（22-35岁），包括单卵和异卵双胞胎	NA	NA	准确率	NA
2	2026-06-21	MicroKAN: Mapping human brain microstructure using diffusion MRI and adaptive nonlinear modeling 2026-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122032 PMID:42259478	研究论文	提出基于Kolmogorov-Arnold网络的MicroKAN框架，用于从扩散磁共振成像高效映射人脑微观结构	首次将Kolmogorov-Arnold网络与自适应样条激活函数应用于扩散磁共振成像微观结构建模，支持有监督和自监督两种范式，自监督版本无需真实标签即可估计模型参数	未提及具体局限性	开发一种高效、灵活的框架，用于从扩散磁共振成像数据中快速、准确地估计大脑微观结构参数	人脑微观结构	机器学习	NA	扩散磁共振成像，扩散张量成像，神经突方向分散和密度成像	Kolmogorov-Arnold网络	图像	多个扩散磁共振成像数据集	PyTorch	Kolmogorov-Arnold网络	准确性	NA
3	2026-06-21	GeoAI for polar vegetation mapping and hydrological interactions: A systematic review 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181891 PMID:42224875	综述	系统综述了2005-2025年间地理空间人工智能（GeoAI）在极地植被测绘与水文交互中的应用	首次基于PRISMA 2020方法对极地环境中GeoAI应用进行系统性合成，揭示从孤立监测向集成数据融合框架的转变，并提出无人机-卫星层次融合、开放基准数据集和可解释生态AI的发展路径	多数研究仍停留在景观尺度，无人机到卫星的完全整合应用较少；地下和基于过程的水文监测仍有限；空间分辨率和验证差距持续存在	系统评估人工智能增强遥感技术在北极和南极植被与水文监测中的应用现状、一致性和方法学质量	北极和南极环境中的植被与水文交互过程	计算机视觉, 机器学习	NA	遥感, 无人机多光谱成像, 卫星存档, 深度学习	经典机器学习, 卷积神经网络	图像	116项研究（2005-2025年）	NA	卷积神经网络	NA	NA
4	2026-06-21	Machine learning-based prediction of antibiotic resistance gene distribution in agricultural soils under different climate change scenarios 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181905 PMID:42224874	研究论文	利用机器学习模型预测不同气候变化情景下农业土壤中抗生素抗性基因的分布	首次利用全球2301个土壤样本和六种机器学习模型，结合CMIP6气候模型，预测气候变化对ARG分布的非线性加速影响，并识别关键环境阈值	未提及模型在实际应用中的验证或潜在偏差（如数据来源不均）	预测未来气候变化情景下农业土壤中抗生素抗性基因的分布模式，支持One Health策略	农业土壤中的抗生素抗性基因分布	机器学习	抗生素耐药性	宏基因组测序	LightGBM, XGBoost, 随机森林, 支持向量机, 深度神经网络, 逻辑回归	宏基因组序列数据	2301份土壤样本，来自67个国家	LightGBM, XGBoost, Scikit-learn, TensorFlow	LightGBM, XGBoost, 随机森林, 支持向量机, 深度神经网络, 逻辑回归	AUC-ROC, 精确率, 召回率, F1分数, 马修斯相关系数	NA
5	2026-06-21	UGP-RAP: A DI-QDa-MS powered deep learning platform for automated identification of ultrafine granular powders 2026-Aug, Phytomedicine : international journal of phytotherapy and phytopharmacology IF:6.7Q1 DOI:10.1016/j.phymed.2026.158387 PMID:42275880	研究论文	开发了一种基于DI-QDa-MS和深度学习超细粉末快速自动化识别平台UGP-RAP	首次将一维卷积神经网络与全离子余弦相似度及二元余弦相似度集成在统一框架中，用于中药超细粉末的快速自动识别	未提及	建立快速自动化的超细粉末鉴定平台，解决传统方法在分析通量与可靠性间的平衡问题	中药来源的超细粉末	机器学习	不适用	DI-QDa质谱分析	一维卷积神经网络（1D-CNN）	质谱数据	530批样品用于模型开发，63批外部验证样品	PyTorch	1D-CNN	准确率, 预测置信度	NA
6	2026-06-21	Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis 2026-Jul, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110339 PMID:42248000	研究论文	基于街景图像评估绿色空间暴露与死亡率之间的关联，研究对象为多种族动脉粥样硬化研究参与者	首次区分不同绿色空间类型（树木、草地、其他绿色植被）对死亡率影响的差异，并探讨种族和社会经济状态的调节作用	未详细说明街景图像深度学习算法的具体架构和验证过程，可能忽视未测量的混杂因素	量化特定绿色空间类型与全因死亡率风险之间的关联	6,795名MESA参与者，基线年龄62岁，随访19年	计算机视觉	心血管疾病	街景图像深度学习分析	深度学习模型	图像	6,748名参与者（973,608人年），1898例死亡	NA	NA	风险比	NA
7	2026-06-21	Asymmetric Drug-Drug Interaction Prediction Based on Generative Adversarial Networks and Knowledge Graph 2026-Jul, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261443345 PMID:42206523	研究论文	提出一种基于知识图谱和生成对抗网络的药物相互作用预测方法KGGAN-DDI，用于预测潜在的药物相互作用	首次考虑药物相互作用的非对称性，结合知识图谱嵌入模块捕捉药物对之间的非对称关联，并采用双生成器生成对抗网络来提高预测准确性	文献中未明确提及局限性	解决药物相互作用预测中非对称性被忽略导致的特征学习信息损失问题	药物对之间的相互作用	机器学习	NA	知识图谱嵌入	生成对抗网络	知识图谱数据	NA	NA	双生成器生成对抗网络	预测准确性	NA
8	2026-06-21	A PLM-based method for predicting protein ion channel modulators for drug discovery and safety evaluation 2026-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70689 PMID:42321971	研究论文	提出一个基于蛋白质语言模型的方法IonNTxPred，用于预测蛋白质离子通道调节剂，支持药物发现和安全性评估	首次将蛋白质语言模型（PLM）应用于离子通道调节剂的预测，并融合进化信息与BLAST结果，在最大非冗余数据集上达到AUROC 0.98的优异性能	未明确提及限制，可能包括对序列相似性低于40%的蛋白泛化能力需进一步验证	开发预测蛋白质离子通道调节剂的方法，用于药物发现、药物重定位及生物安全性评估	离子通道调节蛋白，包括钠、钾、钙等通道特异性蛋白及多通道调节蛋白	机器学习, 计算生物学	NA	蛋白质语言模型（PLM）, BLAST, MERCI	ESM2-t33	蛋白质序列	最大非冗余离子通道调节蛋白数据集（序列同一性≤40%）	PyTorch	ESM2	AUROC	用户友好型网络服务器（https://webs.iiitd.edu.in/raghava/ionntxpred/）
9	2026-06-21	Validation of MRI-based nnU-Net model for automated segmentation of neck lymph nodes in head and neck squamous cell carcinoma: a multicenter study 2026-Jun-20, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04070-0 PMID:42321574	研究论文	开发和验证基于MRI的nnU-Net模型用于头颈部鳞状细胞癌颈部淋巴结自动分割的多中心研究	首次基于MRI的多中心研究开发并验证用于3D颈部淋巴结自动分割的深度学习框架，并评估两种不同标注策略（边缘排除法和边界贴合法）对分割准确性的影响	未明确说明局限性	开发和外部验证基于MRI的深度学习框架用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，并评估分割准确性、体积一致性和时间效率	头颈部鳞状细胞癌患者的颈部淋巴结	计算机视觉, 数字病理学	头颈部鳞状细胞癌	MRI	nnU-Net	MRI图像（对比增强T1加权、T1加权、T2加权）	内部验证队列99例，外部测试队列150例，时间效率评估队列851例	nnU-Net	nnU-Net	Dice相似系数, 一致性相关系数, 分割时间	NA
10	2026-06-21	Differentiating Ischemic From Nonischemic T-Wave Inversion Using a Multimodal Vision-Language Model With Reinforcement Learning (ECG-R1): Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87227 PMID:42319812	研究论文	开发并验证了一种基于强化学习的多模态视觉语言模型ECG-R1，用于区分缺血性与非缺血性T波倒置	采用强化学习范式训练多模态视觉语言模型（Qwen2-VL-2B），结合组相对策略优化算法和结构化推理输出，显著提升了诊断准确性和跨域鲁棒性，避免了传统监督微调的过拟合问题	未提及模型在更广泛临床场景或不同种族、年龄群体中的验证结果，也未讨论计算资源消耗或实时部署可行性	开发一种能够准确区分缺血性与非缺血性T波倒置的多模态诊断框架，并提供可解释的推理过程	心电图波形图像及其关联的临床文本数据	计算机视觉、自然语言处理	心血管疾病	心电图分析	视觉语言模型	图像、文本	12,917例T波倒置病例的多模态数据集	PyTorch, Hugging Face Transformers	Qwen2-VL-2B	准确率、敏感度、AUC	未提及
11	2026-06-21	Public antibody clonotypes and deep learning identify SARS-CoV-2 and HIV broadly neutralizing antibodies in immune repertoires 2026-Jun-19, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117582 PMID:42319828	研究论文	提出整合公共抗体克隆型与深度学习模型的ClonoDeep平台，从大规模免疫库中直接识别针对SARS-CoV-2和HIV的广谱中和抗体	首次将公共抗体克隆型与基于序列的深度学习模型结合，无需抗原特异性免疫即可高效发现广谱中和抗体	NA	开发一种高通量计算方法，从非病原体特异性免疫形成的抗体库中挖掘中和抗体，为疫苗设计提供指导	SARS-CoV-2和HIV的广谱中和抗体	机器学习	SARS-CoV-2感染, HIV感染	抗体库测序, 深度学习	深度学习模型（序列型）	抗体序列数据	大规模免疫库（含SARS-CoV-2和HIV队列数据）	NA	NA	中和抗体比例, 广谱中和能力	NA
12	2026-06-21	Online Sepsis Prediction Using Vital Signs and Multiscale Temporal-Aware Contrastive Learning: Model Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/82762 PMID:42320034	research paper	提出一种基于多尺度时间感知对比学习的在线脓毒症预测模型，仅使用心率、体温等易获取的生命体征数据	首次将多尺度时间建模与对比学习结合用于脓毒症预测，实现变长输入序列的高效处理，且不依赖实验室检测结果	仅使用了6种生命体征特征，可能遗漏其他重要预测指标；模型评估样本量相对较小（400余名患者）	开发仅依靠易获取生命体征的在线脓毒症实时预测模型	重症监护室患者	machine learning	脓毒症	NA	对比学习模型	时序生命体征数据	400余名患者	PyTorch	多尺度时间感知对比学习网络	AUC, sensitivity, specificity, 归一化平均绝对误差	NA
13	2026-06-21	Current progress and obstacles for automated classification of causes of death based on death certificates: A systematic review 2026-Jun-19, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106549 PMID:42320083	综述	系统回顾了基于死亡证明的死亡原因自动分类工具的当前进展与障碍	首次系统比较了深度学习与传统规则方法在死亡原因自动分类中的性能，并识别了实施中的主要障碍	深度学习方法在罕见死因上表现不佳，且与规则工具的正面比较证据不足	系统评估自动化死亡原因编码/分类工具的当前实施情况，总结方法、性能、进展及障碍	使用自动工具编码或分类死亡原因的研究	自然语言处理	NA	NA	深度学习、规则方法	文本	165至10,519,268人	NA	递归神经网络、Transformer	召回率、精确度	NA
14	2026-06-21	Full-spectrum EEM end-member unmixing with statistical validation: A deep learning framework for organic pollution source apportionment in complex watersheds 2026-Jun-19, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130206 PMID:42320213	研究论文	提出一种基于全光谱EEM端元解混与深度学习框架的方法，用于复杂流域有机污染源解析	首次将全光谱EEM图像作为源特异性端元，结合CNN解混架构与统计验证（SSIM和ANOSIM），实现多源重叠情况下的精准污染源贡献估计	框架在实地应用中仅验证了初步适用性，未提及对极端混合复杂度或噪声鲁棒性的评估，且样本数据集可能未涵盖所有潜在污染源类型	开发一种改进的有机污染源解析方法，解决传统荧光方法因索引简化而导致的分辨率不足问题	复杂混合土地利用流域中的有机污染源，包括八种候选端元（如农业、城市等来源）	机器学习	NA	荧光激发-发射矩阵（EEM）光谱成像	CNN（卷积神经网络）	图像（EEM光谱图像）	来自混合土地利用流域的污染源样本组成的EEM数据集，包含八种端元类型	PyTorch	CNN解混架构	Pearson相关系数（r）、结构相似性指数（SSIM）、ANOSIM R、PERMANOVA R、平均绝对误差（MAE）	NA
15	2026-06-21	Comparing Deep Learning Models for Identifying Maxillary Transverse Deficiency from Intraoral Photographs 2026-Jun-19, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109689 PMID:42320262	研究论文	本研究开发并比较了多种深度学习模型，旨在通过口腔内正面照片识别上颌骨横向发育不足	首次将深度学习应用于从口腔内正面照片自动识别上颌骨横向发育不足，避免了传统CBCT的高辐射、高成本和临床负担	NA	评估深度学习模型从口腔内正面照片识别上颌骨横向发育不足的可行性	上颌骨横向发育不足患者的口腔内正面照片和CBCT图像	计算机视觉	上颌骨横向发育不足	CBCT	CNN	图像	826名内部患者和192名外部患者	PyTorch	DenseNet 121, ResNet 18, EfficientNet B0/B3, MobileNetV3 Small/Large	准确率, 精确率, 召回率, F1分数, AUC	NA
16	2026-06-21	From diagnostic labels to radiology reports: a unified multi-modal framework for lesion detection and segmentation 2026-Jun-19, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae7f8e PMID:42320491	研究论文	本文提出了一种统一的多模态框架TextDSNet，用于结合放射学报告进行病变检测和分割	引入了一种新的范式“病灶感知分割”，能够识别特定病灶目标，促进粗粒度定位和细粒度分割的联合优化；此外，首次将全文本放射学报告作为跨模态指导融入医疗图像分析	公开数据集中配对的全文本报告稀缺，当前仅在ISLES 2022数据集上进行了验证	利用放射学报告中的全面细粒度语义信息，实现病灶检测和分割的联合优化	ISLES 2022数据集中的医疗影像及其对应的放射学报告	计算机视觉	NA	NA	多模态深度学习模型	图像和文本	ISLES 2022数据集	PyTorch	TextDSNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NA
17	2026-06-21	Retinal Microvascular Signatures as Early Predictors of Cardiovascular Risk: Integrating Pathophysiology, Molecular Insights, and Artificial Intelligence 2026-Jun-19, The American journal of cardiology DOI:10.1016/j.amjcard.2026.05.035 PMID:42320613	综述	整合病理生理学、分子见解和人工智能，探讨视网膜微血管特征作为心血管疾病早期预测因子的潜力	系统性地将视网膜微血管变化、分子机制与人工智能技术相结合，提出非侵入性心血管风险早期评估的新策略	未具体说明	探索视网膜微血管特征在心血管疾病早期风险预测中的应用价值	视网膜微血管结构和功能变化	计算机视觉、机器学习	心血管疾病	OCT-A（光学相干断层扫描血管成像）	深度学习	图像	未具体说明	NA	NA	NA	NA
18	2026-06-21	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Jun-19, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了一个名为AutoRV的自动化监测流程，利用深度学习从二维经食管超声心动图中评估机械通气患者的右心室结构和功能	首次提出全自动端到端解决方案AutoRV，利用深度学习地标检测实现右心室功能的自动化定量评估，显著提高时间效率	样本量较小（仅51例患者），且仅针对机械通气患者，可能无法推广至其他人群	开发并验证一个自动化的右心室功能评估管道，用于重症监护室机械通气患者的床旁监测	机械通气患者的二维经食管超声心动图图像	计算机视觉、数字病理学	心血管疾病	二维经食管超声心动图	深度卷积神经网络（CNN）	图像	51例患者的超声心动图图像	PyTorch	U-Net	准确性、时间效率、误差（如距离误差TAPSE、RVFAC、RVSglobal误差）	NA
19	2026-06-21	An interpretable attention-based TabTransformer framework with feature fusion for green architecture classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50347-y PMID:42321232	研究论文	提出一种基于可解释注意力机制的TabTransformer框架，用于绿色建筑自动分类，以分析环境影响	首次将TabTransformer架构与特征融合、可解释AI（注意力热图、LIME、SHAP）相结合，应用于绿色建筑分类任务	未提及模型在不同地理区域或建筑标准下的泛化能力，以及计算资源消耗	实现绿色与非绿色建筑的自动分类，推动可持续建筑评估的规模化、数据驱动化	建筑项目数据	机器学习	NA	PCA降维	TabTransformer	表格数据（建筑、能源、上下文属性）	NA	PyTorch	TabTransformer	准确率	NA
20	2026-06-21	An Attention-Enhanced ViT-HLNN Hybrid Ensemble Framework for Multi-Class Gastrointestinal Disease Classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51410-4 PMID:42321239	研究论文	提出一种结合视觉Transformer与层次化LSTM神经网络的混合集成框架，用于多类胃肠疾病分类	首次将Vision Transformer与层次化LSTM神经网络通过Bagging和Stacking集成学习结合，同时捕获全局依赖和局部时空特征	NA（摘要未明确提及局限性）	开发早期、准确且可扩展的胃肠疾病诊断工具，提高多类疾病分类精度	内窥镜图像中的胃肠疾病（息肉、食管炎、溃疡性结肠炎等八类）	计算机视觉	胃肠疾病	内窥镜成像	混合深度学习模型（Vision Transformer + 层次化LSTM）	图像	超过8000张标注内窥镜图像（Kvasir-v2数据集，八类），测试集每类100张	NA	Vision Transformer, 层次化LSTM神经网络	准确率, 宏F1分数, Cohen's kappa系数	NA