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
801	2026-06-16	Automated assessment of Knosp grade from pituitary adenoma MRI: Experimental comparison of a rule-based and a machine learning-based approach 2026, Brain & spine DOI:10.1016/j.bas.2026.106117 PMID:42292284	研究论文	比较基于规则和基于机器学习的方法自动评估垂体腺瘤MRI中Knosp分级的准确性	首次系统比较了基于几何规则的传统方法与基于深度学习的统计方法在垂体腺瘤Knosp分级自动评估中的表现	当前自动方法的准确率不足以独立用于临床，最准确的方法（几何法结合手动分割）仅达44.95%准确率	开发和比较两种自动评估垂体腺瘤MRI中Knosp分级的方法，并评估其区分海绵窦侵犯风险、全切除率和内分泌缓解率的能力	垂体腺瘤患者的术前MRI扫描	计算机视觉	垂体腺瘤	MRI	深度学习分类器	图像	训练集394张标注MRI扫描，验证集99张扫描，及两位额外专家评分	NA	NA	准确率, Cohen's Kappa系数	NA
802	2026-06-16	Artificial intelligence for optimization of immunotherapy: current applications and transformative potential 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1777580 PMID:42292410	综述	本文综述了人工智能在癌症免疫治疗中的当前应用和变革潜力，涵盖传统机器学习、深度学习及生成式AI等技术在治疗优化和药物开发中的作用	首次系统性地将生成式AI和基础模型纳入免疫治疗AI应用的讨论，并展望了多智能体AI与人类在环的协同框架	数据质量控制、患者安全及伦理困境等挑战阻碍了AI在免疫治疗中的常规临床应用	探讨AI技术如何优化癌症免疫治疗的递送和药物开发，并推动精准肿瘤学发展	AI技术在免疫治疗中的应用，包括细胞疗法、检查点抑制剂和癌症疫苗	机器学习	癌症	NA	传统机器学习、深度学习、生成式AI、基础模型、智能体AI	文本、临床数据、实验室数据	NA	NA	NA	预测准确性、患者分层效果、不良事件预测指标	NA
803	2026-06-16	KAN-Former: a lightweight ECG model for real-time atrial fibrillation detection on wearable devices 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1824364 PMID:42292530	研究论文	提出KAN-Former轻量级混合ECG分类模型，用于在可穿戴设备上实时检测房颤	结合多尺度卷积前端、Nyström近似Transformer模块、时频前馈网络和稀疏优化残差KAN分类器，在极低参数量（1.16M）和推理延迟（3.8 ms）下实现高准确率，且经剪枝和INT8量化后精度下降低于0.5%	NA	解决深度学习模型在资源受限可穿戴设备上部署时计算和实时性挑战，实现房颤实时检测	可穿戴设备上的心电图信号	机器学习	心房颤动	心电图	混合模型（CNN + Transformer + KAN）	心电图信号	PhysioNet 2017和CPSC 2018公开数据集	NA	多尺度卷积、Nyström近似Transformer、时频前馈网络、稀疏优化残差KAN	准确率	NA
804	2026-06-16	WaveST-Yield: a novel spatio-temporal deep learning framework with frequency-domain refinement for UAV-based maize yield prediction 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1838598 PMID:42293002	研究论文	提出WaveST-Yield深度学习框架，用于基于无人机多光谱遥感的玉米产量预测	集成时空表型编码器（SPE）、多尺度频率空间细化器（MFSR）和自适应产量敏感重校准器（AYSR）三个核心模块，利用小波下采样保留图像细节并解耦噪声，通过3D-CBAM注意力机制增强产量相关特征提取	未明确提及模型在极端环境条件或不同玉米品种上的泛化能力，可能对数据采集质量敏感	开发准确且可泛化的地块尺度玉米产量预测方法	基于无人机多光谱遥感的玉米田产量预测	计算机视觉	NA	多光谱遥感	时空深度学习模型（ConvLSTM、3D注意力机制）	多光谱图像序列	两个独立的玉米实验田数据	NA	ConvLSTM, 3D-CBAM	R²	NA
805	2026-06-16	Predicting wheat yield and grain quality with UAV multispectral imagery and deep learning 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1812052 PMID:42293015	研究论文	利用无人机多光谱影像和深度学习预测小麦产量及籽粒品质	系统比较了基于手工特征和基于图像的端到端建模范式，并引入3D-CNN和混合2D-CNN-LSTM架构利用空间和多时相信息，发现多时相数据优于单一生育期数据	研究仅基于2022年南达科他州七个冬小麦试验点数据，结果可能受年际和地域差异影响	评估多时相无人机多光谱影像结合深度学习预测冬小麦产量、籽粒蛋白质含量和容重的可行性	冬小麦的产量、籽粒蛋白质含量和容重	机器学习	NA	无人机多光谱遥感	深度学习	多光谱影像	来自美国南达科他州七个冬小麦试验点的多时相无人机影像数据	NA	支持向量回归、随机森林回归、深度神经网络、一维卷积神经网络、二维卷积神经网络、三维卷积神经网络、混合2D-CNN-LSTM架构	决定系数R²	NA
806	2026-06-16	Research integrity and data ethics in AI-driven integrated healthcare: a critical appraisal 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1838551 PMID:42293622	综述	对人工智能驱动的整合医疗中研究诚信与数据伦理问题进行批判性审视	提出综合治理模型，将技术验证与伦理监督相结合，强调前瞻性临床试验、多元利益相关者参与及适应性监管路径	未提供实证数据或具体案例验证所提模型的可行性	评估人工智能在整合医疗中引发的科学严谨性与伦理责任问题，并提出治理建议	2019至2025年间同行评审文献中关于算法透明度、模型验证与可重复性、偏差检测、隐私保护、知情同意范式及治理框架的研究	机器学习	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
807	2026-06-16	DFU-GCNet: a global context-enhanced inception network for robust and interpretable diabetic foot ulcer classification 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1811311 PMID:42294045	研究论文	提出DFU-GCNet，结合Inception模块和全局上下文块，用于糖尿病足溃疡的稳健可解释分类	创新性地融合Inception模块与全局上下文块，提取多尺度特征并建模全局空间依赖，同时集成GradCAM++、LIME和SHAP等可解释性技术提高临床透明度	未提及	开发稳健且可解释的糖尿病足溃疡自动分类方法	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	NA	CNN	图像	Kaggle DFU数据集（具体数量未提及）	NA	Inception, Global Context Block, GradCAM++, LIME, SHAP	准确率, F1分数, 马修斯相关系数	NA
808	2026-06-16	Speech impairment detection in children using time frequency features of speech and deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1766439 PMID:42294104	研究论文	提出一种基于语音时间频率特征和深度学习的儿童语音障碍检测方法	首次将DWT特征与GRU-CNN模型结合用于语音障碍检测，并达到99.67%的最高准确率；所有语音信号（包括元音、辅音和不同音节）合并输入单一模块，而非现有方法的每个语音类型单独模块	未提及	开发一种高效、准确的儿童语音障碍自动检测方法，以支持早期治疗	儿童语音信号（包括元音、辅音和不同音节）	机器学习	儿童语音障碍	语音信号处理	浅层学习（MLP、SVM）、浅层集成学习（GBoost、XGBoost、CatBoost、LightGBM、Stacking）、深度学习（ConvLSTMs、BiLSTMs、CNN-LSTM、GRU-CNN）	语音信号	NA	Scikit-learn, PyTorch	GRU-CNN	准确率	NA
809	2026-06-16	TNM staging of esophageal cancer using fine-tuned pathology foundation models and multiple instance learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1832365 PMID:42294306	研究论文	提出一种结合微调病理基础模型和多实例学习的深度学习新方法，用于从全切片图像自动进行食管癌TNM分期	创新性地将微调后的病理基础模型集成到多实例学习框架中，引入特征注意力机制和自适应多尺度特征融合层，并设计类加权交叉熵损失函数处理分期不平衡问题	未明确提及局限性	开发基于全切片的深度学习工具，提高食管癌TNM分期的准确性和效率	食管癌患者的全切片组织病理图像	数字病理学	食管癌	全切片成像	深度学习模型	图像	TCGA-ESCA数据集	NA	病理基础模型	准确率, 宏F1分数, AUC	NA
810	2026-06-16	HPV genotype-specific p16/Ki67 expression with machine learning-assisted assessment in cervical neoplasia 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1819567 PMID:42294317	研究论文	基于机器学习的p16/Ki67表达HPV基因型特异性评估在宫颈病变中的应用	结合深度学习辅助分析，首次系统描述不同HPV基因型背景下p16/Ki67双免疫表达的差异，并评估基于ResNet50的计算流水线的可行性	受限于有限测试集规模和单中心设计，性能指标应视为初步结果，外部多中心验证前不宜考虑临床应用	阐明不同HPV基因型对p16/Ki67免疫表达的影响，并探索深度学习辅助评分方法的可行性	100名HPV阳性女性的宫颈上皮细胞，按HPV16单感染、非16型高危单感染和多基因型混合感染分为三组	机器学习和数字病理	宫颈病变	p16/Ki67免疫组化	ResNet50	全切片图像	100名HPV阳性女性（训练集75份，独立测试集25份）	PyTorch	ResNet50	准确率、AUC-ROC	NA
811	2026-06-16	Emerging applications of artificial intelligence for risk stratification in head and neck cancer: a scoping review 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1803391 PMID:42294322	综述	系统梳理人工智能在头颈癌风险分层中的新兴应用证据	首次采用范围综述方法系统整合AI在头颈癌风险分层中的多种技术路径（机器学习、深度学习、影像组学）及多模态数据应用	纳入研究存在显著方法学异质性、以回顾性设计为主、缺乏外部验证及临床影响评估不足	识别并描述AI在头颈癌风险分层中的新兴应用科学证据	2015年1月至2026年1月间发表的44项AI应用于头颈癌诊断与预后风险分层的研究	机器学习	头颈癌	影像组学, 机器学习, 深度学习	机器学习模型, 深度学习架构	CT影像, MRI影像, 数字组织病理图像, 结构化临床变量	44项研究	NA	NA	预测性能（中等至高等）	NA
812	2026-06-16	Artificial intelligence in transarterial chemoembolization for hepatocellular carcinoma: from treatment response prediction to refractoriness assessment 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1822689 PMID:42294337	综述	系统回顾人工智能在肝细胞癌经动脉化疗栓塞中的应用，涵盖治疗反应预测、生存预后、难治性预测及分子机制，并批判性评估文献方法学质量	首次系统梳理AI在TACE中的多维度应用（反应预测、生存预后、难治性评估及分子机制），结合PROBAST、IBSI、TRIPOD+AI等框架评估方法学质量，并指出内部与外部验证间的泛化差距	方法学质量参差不齐，多数研究在分析领域存在高或不明确的偏倚风险，IBSI合规特征报告和公共代码发布稀少，外部验证不足，样本量有限，存在地理偏差，标准化程度低，可解释性不足	探讨人工智能在肝细胞癌经动脉化疗栓塞中的应用，从治疗反应预测到难治性评估，并推动从经验驱动向数据驱动的精准治疗转变	接受经动脉化疗栓塞的肝细胞癌患者	机器学习	肝细胞癌	放射组学	CNN, 梯度提升, 支持向量机, 随机森林	临床数据与影像数据	NA	NA	CNN	AUROC	NA
813	2026-06-16	Decoding the cGAS-STING-eosinophils predictive and natural therapeutic molecular signature in burn injury progression and keloid formation: insights from artificial intelligence-driven multiomics 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1846856 PMID:42294436	研究论文	利用人工智能驱动的多组学方法解码cGAS-STING-嗜酸性粒细胞在烧伤进展和瘢痕疙瘩形成中的预测和自然治疗分子特征	首次识别出与cGAS-STING和嗜酸性粒细胞相关的基因特征，用于预测烧伤患者瘢痕疙瘩形成，并发现CCL5作为致病因子和淫羊藿苷的治疗靶点	未明确提及，但可能包括样本量有限和缺乏临床验证	研究cGAS-STING通路在调节嗜酸性粒细胞中在烧伤进展和瘢痕疙瘩形成的作用	烧伤患者和瘢痕疙瘩患者的多组学数据	机器学习	烧伤、瘢痕疙瘩	多组学分析	机器学习模型、深度学习算法	基因表达数据、单细胞数据	NA	NA	NA	NA	NA
814	2026-06-15	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	提出一种多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地定位结合界面并构建几何约束结合区域，通过结构引导交叉模态注意力模块融合结构特征和序列特征，并利用CNN和LSTM提取全长序列的局部和长程依赖特征，有效减少冗余计算和噪声干扰	未明确说明，可能包括依赖实验数据质量或计算资源需求较高	开发高精度预测蛋白质-蛋白质结合亲和力的深度学习方法，推动AI驱动的抗体药物发现	蛋白质-蛋白质复合物的结合亲和力，包括抗体-抗原复合物	机器学习	NA	深度学习	CNN, LSTM, MLP	蛋白质序列和结构数据	NA	NA	CNN, LSTM, MLP	NA	NA
815	2026-06-15	Toward Complete Molecular Structure Prediction from Infrared Spectroscopy Using Deep Learning 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01834 PMID:41403343	研究论文	提出一种基于深度学习的双损失架构，从红外光谱数据预测完整分子结构（SMILES字符串）	借鉴图像描述模型的双损失深度学习架构，首次实现从红外光谱直接预测完整分子结构（SMILES字符串），而非仅预测官能团	测试集上单次预测完整结构的准确率仅16.26%，且依赖高质量计算资源生成训练数据	提高红外光谱分析中分子结构预测的自动化与完整度	有机化合物的分子结构，以SMILES字符串表示	机器学习, 光谱分析	NA	红外光谱（IR），密度泛函理论（DFT）计算	深度学习	光谱数据（红外吸收光谱）	超过17,000个独特红外光谱（训练集）；测试集1,710个光谱	NA	双损失深度学习架构（受图像描述模型启发）	完整结构预测准确率（16.26%），官能团预测准确率（最高88%）	劳伦斯伯克利国家实验室Lawrencium集群的高性能计算资源
816	2026-06-15	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出一种混合Mamba-Transformer架构的模型MambaTransDTA，用于药物-靶标结合亲和力预测	首次将Mamba架构与Transformer架构混合用于药物-靶标亲和力预测，结合Mamba的长距离依赖捕获能力和Transformer的局部交互建模能力	未明确说明局限性	提升药物-靶标亲和力预测的准确性、鲁棒性和泛化能力	药物-靶标结合亲和力	机器学习	NA	NA	Mamba, Transformer	数值数据（药物-靶标亲和力）	四个基准数据集: Davis, KIBA, Metz, BindingDB	PyTorch	Mamba, Transformer	均方误差（MSE）	NA
817	2026-06-15	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	提出了一种名为LGABAN的新型深度学习框架，通过并行提取局部和全局特征并利用双线性注意力网络整合多尺度特征对，以增强药物-蛋白质相互作用预测的准确性和可解释性	首次将双分支结构并行提取药物和蛋白质的局部与全局特征，并通过双线性注意力网络融合四种特征对（局部-局部、局部-全局、全局-局部、全局-全局），同时引入多头图注意力网络增强药物图表示能力	未明确说明局限性（需结合全文），但可能涉及模型复杂度及多尺度交互关系处理的进一步优化空间	提高药物-蛋白质相互作用预测的准确性和模型可解释性，以缩短药物研发周期和降低成本	药物与蛋白质之间的相互作用关系	机器学习	NA	NA	双线性注意力网络 (BAN)、多头图注意力网络 (GAT)	分子结构数据、序列数据	四个公开数据集	NA	双线性注意力网络 (BAN)、多头图注意力网络 (GAT)	NA	NA
818	2026-06-15	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	提出两个基于注意力的深度学习模型（BGC-MAC和BGC-MAP），用于生物合成基因簇（BGC）分类和产物匹配，以增强BGC注释和天然产物发现	利用实验验证的BGC-天然产物对训练模型；引入交叉注意力机制实现可解释人工智能，无需先验注释即可识别关键蛋白质结构域和BGC-子结构关系；模型在分类和匹配任务上超越现有工具如antiSMASH和DeepBGC	标题和摘要中未明确说明局限性，可能包括对实验验证数据依赖性强及泛化能力需进一步验证	通过深度学习模型提升BGC注释的准确性和可解释性，加速天然产物发现	生物合成基因簇（BGC）及其对应的天然产物	机器学习	NA	深度学习	注意力机制模型	序列数据（BGC序列和天然产物结构数据）	NA（未明确说明样本数量）	PyTorch（根据软件仓库推断）	多头注意力机制	分类准确率、匹配性能（具体指标未在摘要中明确列出）	NA（未提及计算资源信息）
819	2026-06-15	A Comparative Study of Deep Learning and Classical Modeling Approaches for Protein-Ligand Binding Pose and Affinity Prediction in Coronavirus Main Proteases 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02481 PMID:41429653	研究论文	比较深度学习与传统建模方法在冠状病毒主蛋白酶中预测蛋白质-配体结合姿态与亲和力的性能	首次系统评估了多种姿态生成策略（分子对接、基于配体叠加和深度学习建模）在SARS-CoV-2和MERS-CoV主蛋白酶上的结合姿态预测性能，并提出了结合MM-GBSA能量分解与机器学习的配体-残基相互作用轮廓评分函数LRIP-SF，用于亲和力预测	基于配体叠加的方法FlexS在姿态预测上准确性较低深，且深度学习模型计算成本较高	评估不同方法在蛋白质-配体结合姿态和亲和力预测中的效果，特别是针对冠状病毒主蛋白酶	SARS-CoV-2和MERS-CoV的主蛋白酶与配体的相互作用	机器学习	冠状病毒疾病	分子对接、基于配体叠加、深度学习建模	AlphaFold3, Boltz-2, DiffDock, Gnina	蛋白质-配体复合物结构数据	ASAP抗病毒挑战2025数据集中的样本	NA	AlphaFold3, Boltz-2, DiffDock, Gnina	成功率, 平均配体均方根偏差, 平均绝对误差, 均方根误差	NA
820	2026-06-15	AttentionScore: A Target-Specific, Bias-Aware Scoring Function for Structure-Based Virtual Screening: A Case Study on METTL3 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02142 PMID:41435908	研究论文	介绍一种基于深度学习的METTL3靶标特异性打分函数AttentionScore，用于结构-based虚拟筛选，并验证其在减少偏倚方面的优势	通过多注意力编码器、联合自编码器潜在表示和多尺度融合模块，整合配体与蛋白-配体相互作用信息，并采用相似性约束分割实现偏倚感知评估	仅针对METTL3一个靶标进行了验证，未在其他靶标上评估泛化能力	开发一种靶标特异性、偏倚感知的打分函数，提升结构-based虚拟筛选的准确性	METTL3靶标及其配体分子	机器学习	NA	结构-based虚拟筛选，深度学习	深度学习模型（多注意力编码器、自编码器）	分子结构数据和蛋白-配体相互作用指纹	NA（未明确说明具体样本数量）	NA（未提及具体框架）	多注意力编码器、联合自编码器、多尺度融合模块，集成PLEC指纹和Avalon/ECFP4配体指纹	PR-AUC, Precision, Recall, F1, MCC，并通过配对Wilcoxon检验、Bootstrap置信区间和效应量评估	NA（未提及计算资源）