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
5801	2026-06-15	Wesselsbron Virus-Induced Hepatitis in Ewes and Lambs Unraveled Through Machine Learning-Driven Digital Histopathology 2026, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/tbed/7912840 PMID:41693730	研究论文	通过机器学习的数字组织病理学分析Wesselsbron病毒诱导的母羊和羔羊肝炎	首次利用机器学习驱动的数字组织病理学方法全面分析WSLV诱导的肝炎，结合全切片成像和深度学习对肝脏病变进行客观量化	NA	评估数字组织病理学在检测WSLV诱导肝炎中的价值，并揭示病毒感染的肝脏病理特征	感染WSLV clade I (rSA999) 和 clade II (SAH117) 毒株的母羊和羔羊	数字病理学	肝炎	免疫组化染色（CD3, PAX5, Iba1, NS1, 精氨酸酶1/Ki67双染）、RT-qPCR	深度学习模型	全切片图像	20只绵羊（6只rSA999感染、8只SAH117感染、6只对照组）	NA	NA	NA	NA
5802	2026-06-15	Better data for better predictions: data curation improves deep learning for sgRNA/Cas9 prediction 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20706 PMID:41695711	研究论文	采用数据为中心的方法优化sgRNA/Cas9预测模型的输入数据和过滤策略，提升模型性能与泛化能力	首次系统评估数据为中心的优化方法（调整靶位点侧翼序列长度、控制条件读取计数过滤）对深度学习预测模型性能的影响，并证明数据质量优于架构创新	仅针对细菌SpCas9和eSpCas9酶，未测试其他Cas变体或真核系统；数据过滤可能引入偏差	通过数据优化提升sgRNA/Cas9切刻活性预测的准确性和泛化能力	sgRNA序列及其靶位点的切刻活性数据	机器学习	不适用	CRISPR-Cas9基因编辑	深度学习模型	序列数据	含两个重建的Cas9数据集（具体样本数量未说明）	NA	crisprHAL	预测准确率、泛化性能	NA
5803	2026-06-15	An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342339 PMID:41706751	研究论文	提出一种基于超声图像的“两模型三步骤”人工智能框架，用于预测困难气道	将超声定量参数与深度学习结合，构建分层决策框架，实现从初筛到风险分级的连贯评估流程	缺乏外部验证，未在多中心队列中测试；模型性能有限，尤其是VIDIAC-A模型精确度和F1分数较低	构建并内部验证基于超声图像的人工智能框架，用于困难气道预测	903例接受择期全麻手术的患者	机器学习	气道管理	颈部超声图像	卷积神经网络	图像	903例患者（训练验证752例，内部测试151例）	NA	CL-AI, VIDIAC-AI	AUC、准确率、灵敏度、特异度、精确度、F1分数	NA
5804	2026-06-15	ProMMF_Kron: a multimodal deep learning model for immunotherapy response prediction in stomach adenocarcinoma 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1602846 PMID:41743737	研究论文	开发了一种名为ProMMF_Kron的多模态深度学习模型，用于预测胃腺癌患者的免疫治疗反应	采用Kronecker积运算和反向投影模块的双阶段特征融合策略，实现基因表达与病理图像特征的高效交互	研究仅基于282例患者的多中心数据集，样本量相对有限	为胃腺癌患者开发可靠的免疫治疗反应预测工具	胃腺癌患者的分子谱和病理图像数据	数字病理学, 机器学习	胃腺癌	NGS, 病理图像分析	多模态深度学习	基因表达数据, 病理图像	282例胃腺癌患者	PyTorch	预训练深度卷积神经网络, Kronecker乘积模块, 反向投影模块	AUC	NA
5805	2026-06-15	Explainable AI for gait speed analysis from multimodal data fusion 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341067 PMID:41758888	研究论文	提出一种通过多模态数据融合和深度学习进行步速分类的先进框架，并利用层相关传播（LRP）进行优化	首次将LRP应用于多模态融合的步速分析模型，以优化特征相关性并验证鲁棒性，同时提出CNN+LSTM混合架构和多流CNN两种新颖网络结构	NA	开发高精度且稳健的步速分析工具，通过多模态数据融合和LRP驱动特征优化，克服单传感器限制	50名无损伤成年人在不同速度下的步态数据	机器学习	NA	全身运动捕捉、肌电图、测力板	CNN, LSTM, 混合CNN+LSTM, 多流CNN, 时序卷积网络, Transformer, 门控循环单元	运动捕捉数据、肌电图信号、测力板数据	50名无损伤成年人的4个公开数据集	NA	CNN+LSTM, 多流CNN, TCN, Transformer, GRU, 线性判别分析, 二次判别分析, 支持向量机	F1分数, ROC曲线, 混淆矩阵, t检验, 扰动分析	NA
5806	2026-06-15	The Evolution of Machine Learning in Medicinal Chemistry: A Comprehensive Bibliometric Analysis 2026, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X384988250430093924 PMID:40370247	综述	对2001年至2023年间药物化学领域人工智能研究的文献进行了综合计量分析	首次对药物化学中机器学习研究进行全面的文献计量分析，识别了研究前沿关键词和未来趋势，包括多模态和大语言模型	仅分析了2001年至2023年的文献，可能存在时间覆盖范围有限；文献计量方法依赖已发表数据，可能遗漏未发表或非英语研究	系统分析人工智能在药物化学中的应用研究，确定发展趋势和研究热点	2001年至2023年间发表的药物化学中人工智能研究文献	自然语言处理	NA	文献计量分析	NA	文本	来自92个国家或地区的文献，涉及196个研究机构	R，CiteSpace，VOSviewer	NA	NA	NA
5807	2026-06-14	Hypnodensity sleep metrics from fingertip photoplethysmography are better associated with daytime sleepiness and fatigue than traditional metrics from polysomnography 2026-Dec, Pulmonology IF:10.4Q1 DOI:10.1080/25310429.2026.2683326 PMID:42283077	研究论文	该研究探讨了源自指尖光电容积描记法的高频睡眠密度度量与传统多导睡眠图睡眠指标在日间嗜睡和疲劳关联性上的优劣	首次证明指尖光电容积描记法衍生的睡眠密度度量比传统人工评分的多导睡眠图指标能更好地与阻塞性睡眠呼吸暂停患者的日间嗜睡和疲劳相关	NA	评估高频睡眠密度度量在阻塞性睡眠呼吸暂停患者中与患者报告结局的相关性是否优于传统睡眠指标	阻塞性睡眠呼吸暂停患者的日间嗜睡和疲劳状态	机器学习	睡眠呼吸障碍	光电容积描记法	深度学习模型	生理信号数据	2280名患者（65%为男性，平均年龄62岁，平均呼吸暂停低通气指数23.5次/小时）	NA	NA	皮尔逊相关系数、逻辑回归显著性水平	NA
5808	2026-06-14	DMRNet: a dynamic multi-scale residual network for Shamrock view and lumbar plexus segmentation 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2677269 PMID:42284483	研究论文	提出一种名为DMRNet的动态多尺度残差网络，用于超声图像中三叶草视图和腰丛的分割	集成了自适应多尺度扩张模块、密集注意力残差模块、注意力增强混合模块以及边界感知空间注意力机制和增强残差多头注意力机制，有效提升多尺度特征捕获和复杂上下文模式识别能力	未提及在多样化数据集或临床应用中的验证情况，可能受限于特定超声成像条件	准确分割三叶草视图超声图像中的肌肉、神经和骨骼结构，辅助腰丛神经阻滞操作	三叶草视图超声图像中的腰丛、肌肉和骨骼结构	计算机视觉, 医学图像分析	无特定疾病，应用于区域麻醉技术	超声成像	卷积神经网络	图像	NA	NA	Adaptive Multi-Scale Dilated Module, Dense Attention Residual Module, Attention-Enhanced Hybrid Module, Boundary-Aware Spatial Attention Mechanism, Enhanced Residual Multi-Head Attention Mechanism	平均交并比, 平均Dice系数	NA
5809	2026-06-14	Investigating cognitive fatigue recovery through mechanical massage and binaural beats: An AI-driven fNIRS study 2026-Jul, Journal of bodywork and movement therapies IF:1.2Q3 DOI:10.1016/j.jbmt.2026.04.004 PMID:42264810	研究论文	通过AI驱动的功能性近红外光谱技术，研究机械按摩和双耳节拍对认知疲劳恢复的影响	首次使用功能性近红外光谱技术分类机械按摩和双耳节拍脑按摩下的认知疲劳，并进行深度学习与传统机器学习模型的全面比较	样本量较小（10名受试者），治疗类型有限	探索机械按摩和双耳节拍脑按摩对认知疲劳恢复的影响，并比较深度学习与传统机器学习模型的效能	认知疲劳及其恢复效果	机器学习	NA	功能性近红外光谱	时间卷积网络, 支持向量机	脑血流信号	10名受试者	NA	时间卷积网络, 支持向量机（径向基函数）	准确率	NA
5810	2026-06-14	PathTIGR: A pathway topology-informed graph representation learning framework for immunotherapy response prediction 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aed6373 PMID:42268974	研究论文	提出了PathTIGR框架，通过整合生物通路拓扑知识与基因组变异信息预测免疫治疗反应	首次将通路拓扑知识融入图表示学习框架，并设计三分量结构（通路图编码器、Transformer模块、多层感知机）以捕获复杂分子相互作用	NA	提高免疫治疗反应预测的准确性并揭示反应异质性的分子决定因素	免疫治疗患者的基因组变异数据及生物通路网络	机器学习	癌症	基因组变异分析	图神经网络	基因组变异数据、通路拓扑数据	多个独立免疫治疗队列	NA	多头注意力图编码器、Transformer、多层感知机	预测性能（与现有生物标志物和深度学习方法对比）	NA
5811	2026-06-14	Data-driven global ocean model resolving atmospherically forced ocean dynamics 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aed1225 PMID:42284423	研究论文	提出基于深度学习的全球三维海洋环流模型KIST-Ocean，能够模拟大气强迫下的海洋动力过程	首次实现深度学习模型在三维全球海洋环流模拟中再现Kelvin波、Rossby波传播及风应力旋度驱动的垂直运动等关键大气强迫海洋动力学过程	NA	开发基于深度学习的三维全球海洋环流模型，以模拟大气强迫下的海洋动力学响应	全球海洋环流及其对大气强迫的响应	机器学习	NA	深度学习	深度神经网络	海洋环流数据	NA	PyTorch	三维卷积神经网络	模拟技巧、计算效率	NA
5812	2026-06-14	Deep learning-enabled versatile shape perception for soft robots via single-ended multimode fiber 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aef6263 PMID:42284416	研究论文	介绍了一种基于单端多模光纤和深度学习实现的软体机器人通用形变感知方法	利用光学混沌散斑场编码高维形状信息，通过可重构神经解码器将单一物理通道解析为多种感知模式，突破了硬件适应性限制	未提及具体局限性	实现软体机器人在多样化交互中的连续形变感知，特别是空间受限的介入场景	软体夹爪、仿生灵巧手和软体手术机器人	计算机视觉	NA	光学传感、多模光纤	深度学习神经网络	图像（散斑场）	NA	PyTorch	可重构神经解码器	准确率、空间分辨率增强倍数、交并比	NA
5813	2026-06-14	Predictions of protein-protein interactions and co-complex models with deep learning 2026-Jun-12, Current opinion in chemical biology IF:6.9Q1 DOI:10.1016/j.cbpa.2026.102703 PMID:42284691	综述	综述了基于深度学习的蛋白质-蛋白质相互作用预测及共复合物建模方法	从方法学范式对三种密切相关的任务（全蛋白质组PPI预测、PPI界面预测和PPI共复合物结构预测）进行分类，并总结其优势与限制	NA	概述深度学习在蛋白质相互作用研究中的最新进展及应用	蛋白质相互作用和共复合物模型	自然语言处理, 机器学习	NA	深度学习	CNN, LSTM, GAN	蛋白质序列和结构数据	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确性, 精确率, 召回率, F1分数, AUC, Dice系数	NA
5814	2026-06-14	DeepAdapter: a generalisable algorithm integrating self-supervised learning and unsupervised domain adaptation for robust retinopathy of prematurity screening 2026-Jun-12, The British journal of ophthalmology DOI:10.1136/bjo-2025-328559 PMID:42285743	研究论文	提出DeepAdapter算法，结合自监督学习和无监督域适应，提升早产儿视网膜病变筛查模型的泛化能力	首次将自监督学习与无监督域适应集成，通过预训练通用眼底表征和域自适应模块有效降低域偏移，显著提升模型在跨中心、跨种族数据集上的泛化性能	未提及算法在计算资源需求或更广泛疾病场景下的适用性限制	开发和验证一种泛化性强的深度学习算法，用于早产儿视网膜病变的稳健筛查	早产儿视网膜病变（ROP）的筛查模型	计算机视觉	早产儿视网膜病变	自监督学习、无监督域适应	深度学习模型	图像（彩色眼底照片）	50万张无标注图像和39,456张有标注图像	PyTorch	未指定具体模型架构	准确率、CORAL距离	NA
5815	2026-06-14	Deep feature extraction and explanation consistency analysis for fine-grained aircraft type classification in remote sensing imagery 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54628-4 PMID:42286024	研究论文	提出一个可解释的飞机分类框架EC-AT，集成迁移学习、解释一致性分析和可信度评估，用于遥感图像中的细粒度飞机类型识别	设计了一种基于IoMin的空间重叠度量来定量评估不同解释方法生成区域的一致性，并引入多源AI记分卡表（MAST）对模型可信度进行结构化评估	未提及	提升遥感图像中细粒度飞机类型分类的性能和可解释性，为高可信度智能遥感分析提供参考	MAR20数据集中的八种代表性飞机类别	计算机视觉	NA	迁移学习	深度神经网络	图像	MAR20数据集中的八类飞机样本（具体数量未提及）	PyTorch	Grad-CAM, LIME, RISE	分类准确率、IoMin空间重叠度量、MAST多维度评估（准确率、一致性、逻辑论证、可视化）	NA
5816	2026-06-14	Fast surface reconstruction of human brain MRI: benchmarking deep-learning based morphometry tools 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55397-w PMID:42286078	研究论文	评估三种深度学习模型结合表面重建流水线在脑部MRI处理中的性能，寻找快速可靠的替代方案	首次将DeepSCAN、FastSurferCNN和QuickNAT三种深度学习模型与基于FreeSurfer的快速表面重建流水线结合，系统评估其在大规模人脑MRI数据上的性能和可靠性	主要评估了与FreeSurfer的重建一致性，未充分探讨在病理变异性、临床诊断中的实际应用效果	探索深度学习模型作为快速、可靠的脑结构MRI处理工具的可行性，为大规模研究项目和临床应用铺路	公开可用的人脑MRI数据集和带有已知指标的合成数据集	计算机视觉	未指定	MRI结构成像	深度学习模型（DeepSCAN、FastSurferCNN、QuickNAT）	图像（MRI）	公开的人脑MRI数据集（多个）和一个合成数据集	NA	DeepSCAN、FastSurferCNN、QuickNAT	与FreeSurfer重建的一致性、同一会话内重扫的再现性、年龄跨度稳定性、灰白质对比度敏感性、合成表面指标准确性	NA
5817	2026-06-14	Transferable human mobility network reconstruction with neuroGravity 2026-Jun-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-01003-y PMID:42286365	研究论文	开发了神经重力模型，从有限观测中可靠重建城市间流动网络并实现跨城市迁移	将物理启发的重力模型与深度学习结合，提出无需旅行调查数据仅利用城市设施和人口分布重建流动网络，并发现空间收入隔离是影响模型迁移性的关键因素	未提及模型在极端数据稀缺或非常规城市形态下的性能及未对迁移性预测进行跨区域验证	解决欠发达地区因缺乏旅行调查数据而无法准确建模人类流动性的问题	全球超过1200个城市的城市设施分布、人口分布及人类流动网络	机器学习	NA	NA	物理启发式深度学习模型	城市设施位置数据、人口分布数据	超过1200个城市的流动网络数据	PyTorch	神经重力网络	相关系数、迁移性预测准确率	NA
5818	2026-06-14	A weakly supervised deep learning-based recurrence prediction and risk stratification of lung adenocarcinoma from pathology whole-slide images 2026-Jun-12, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16340-4 PMID:42286527	research paper	基于弱监督深度学习从病理全切片图像预测肺腺癌术后复发并进行风险分层	利用常规苏木精-伊红染色图像，在弱监督多实例学习框架下结合自动感兴趣区域检测，实现肺腺癌术后复发的准确预测，并与转录组分析整合增强生物学可解释性	未在摘要中明确提及具体限制	预测肺腺癌术后复发并表征相关生物学特征，以指导临床决策	肺腺癌术后复发	digital pathology	lung adenocarcinoma	NA	CNN	图像	399名患者（329名来自FHWMU，70名来自CPTAC）	PyTorch, TensorFlow, Keras, Scikit-learn	Inception_V3, ResNet18, DenseNet121	AUC, Kaplan-Meier生存分析, Cox比例风险回归	NA
5819	2026-06-14	Identification of a novel aβ-overlapping binding site on the TREM2 Ectodomain engaged by the small-molecule agonist VG-3927 2026-Jun-11, Bioorganic & medicinal chemistry letters IF:2.5Q2 DOI:10.1016/j.bmcl.2026.130712 PMID:42276260	研究论文	利用深度学习盲对接算法DiffDock-L鉴定VG-3927在小胶质细胞免疫受体TREM2胞外域上的新结合位点，并验证其与Aβ的竞争性相互作用	首次发现小分子激动剂VG-3927除了作为跨膜分子胶外，还能结合TREM2胞外域的疏水沟槽，且该位点与Aβ结合位点重叠，揭示了此前未被识别的胞外域相互作用模式	未说明具体局限性信息	探究小分子激动剂VG-3927是否与TREM2胞外域结合及其作用机制	TREM2蛋白结构与VG-3927小分子化合物的结合模式	自然语言处理	阿尔茨海默病	深度学习的盲对接算法（DiffDock-L）、微量热泳动（MST）、报告基因实验	深度学习盲对接模型	蛋白质结构数据和分子对接数据	NA	NA	DiffDock-L	NA	NA
5820	2026-06-14	Deep learning-based prediction of gene expression from histopathology identifies NR5A1 as a candidate biomarker and druggable target in high-grade serous ovarian carcinoma 2026-Jun-11, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02166-y PMID:42277915	研究论文	基于深度学习的组织病理学基因表达预测方法，识别出NR5A1作为高级别浆液性卵巢癌的候选生物标志物和可药物靶点	首次从常规H&E全切片图像中通过自监督虚拟转录组学框架预测基因表达，并识别出NR5A1作为铂类应答相关的新候选标志物	需要在更大规模多中心队列中验证模型稳健性、生物学相关性和临床实用性	开发从组织病理学图像预测基因表达的计算方法，以识别卵巢癌生物标志物和药物靶点	高级别浆液性卵巢癌患者	计算病理学	卵巢癌	RNA-seq, RT-qPCR	自监督学习模型与随机森林	H&E全切片图像与RNA测序数据	TCGA-OV队列含1,371张H&E WSI，独立队列含10例HGSOC肿瘤	PyTorch（推测）	MoCo v2, 多输出随机森林回归	皮尔逊相关系数，变异系数	NA