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
7841	2026-04-24	Exploring the Power of Machine Learning in Analysing Protein-Protein Sequences 2026 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70066 PMID:42018649	综述	全面回顾了用于蛋白质序列分析的机器学习与深度学习方法，重点评估其在预测蛋白质结构和相互作用方面的应用	系统性地基于方法论基础、数据集和性能特征对现有方法进行分类，并比较其优缺点，为研究人员提供结构化的技术选择参考	未详细说明各方法的具体性能指标和计算资源需求，且对新兴AI驱动蛋白质建模的趋势仅作概述性讨论	帮助研究人员系统评估和选择适用于特定生物学应用的蛋白质序列分析方法	蛋白质序列、蛋白质-蛋白质相互作用、蛋白质结构与功能的关系	机器学习, 自然语言处理	NA	蛋白质序列分析技术（同源建模、机器学习、深度学习、自然语言处理等）	机器学习模型, 深度学习模型	蛋白质序列数据	NA	NA	NA	性能特征（具体指标未详述）	NA
7842	2026-04-24	Enhancing age and gender verification in OTT accounts using deep learning techniques 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1763101 PMID:42022145	研究论文	提出一种基于卷积神经网络的年龄和性别验证方法，用于OTT平台，以限制儿童访问不适当内容	将CNN模型定制用于OTT账户中的年龄和性别识别，并开发了基于OpenCV和Flask框架的用户界面，实现自动化年龄验证	未提及模型在不同数据集上的泛化能力、计算效率或实际部署中的挑战	提高OTT平台中用户年龄和性别验证的准确性，以保护儿童免受不适当内容的影响	OTT平台用户的年龄和性别识别	计算机视觉	NA	深度学习	卷积神经网络	图像	UTK Face数据集（具体数量未提及）	OpenCV, Flask	CNN（定制化卷积神经网络）	准确率	NA
7843	2026-04-24	AI-driven magnetoencephalography biomarkers in dementia risk prediction: current evidence, challenges and future perspectives 2026, Frontiers in dementia DOI:10.3389/frdem.2026.1743627 PMID:42022294	综述	系统梳理基于人工智能的脑磁图生物标志物在痴呆风险预测中的现有证据、挑战与未来展望	首次系统综述AI驱动MEG分析在痴呆分类、预测和预后中的应用，覆盖传统机器学习与深度学习架构，并强调多模态整合与光学泵磁力计等下一代MEG技术潜力	纳入研究间存在方法学异质性，缺乏标准化预处理流程，样本量有限且多为单中心数据	评估AI结合MEG在轻度认知障碍和痴呆分类、预测及预后中的当前证据、方法学进展及临床转化潜力	健康对照、主观认知下降、轻度认知障碍、阿尔茨海默病及其他痴呆患者	机器学习	痴呆	脑磁图	支持向量机、随机森林、卷积神经网络	脑磁图信号	共14项研究，涵盖健康对照至痴呆患者多种人群	NA	支持向量机、随机森林、卷积神经网络	分类准确率	NA
7844	2026-04-24	Morphology-guided attention networks for explainable skin cancer detection under clinical uncertainty 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1804329 PMID:42022332	研究论文	提出一种形态引导注意力框架，用于在临床不确定性下实现可解释且可靠的皮肤癌检测	融合病变分割保留形态结构，结合注意力机制提升可解释性，并加入不确定性估计模块量化预测置信度	未提及具体局限性，但可能依赖公开数据集，真实临床场景泛化性需进一步验证	解决皮肤镜图像中视觉变异大、病变重叠及临床不确定性导致的检测挑战	皮肤镜图像中的皮肤病变分类（恶性与良性）	计算机视觉, 数字病理学	皮肤癌	皮肤镜成像	注意力网络	图像	公开皮肤镜数据集（具体样本量未说明）	NA	形态引导注意力网络（含分割模块、注意力分类网络、不确定性估计模块）	准确率, 召回率	NA
7845	2026-04-24	Artificial intelligence in drug discovery from advanced molecular representation to pipeline applications 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1755843 PMID:42022447	综述	本文综述了人工智能在药物发现中的应用，从先进的分子表示到管线集成，强调通过模拟复杂生物系统加速研发流程	系统性地覆盖了从字符串方法到图神经网络（GNNs）、三维感知几何深度学习（GDL）、量子机器学习（QML）及混合量子-经典神经网络（HQNNs）等先进分子表示，并提出了集成量子计算、自主实验和生成模型的Q-BioFusion框架	三维分子预测和生成的几何保真度有待提高，数据效率需要增强，生物测定中固有的数据稀疏问题仍未完全解决	利用人工智能技术，通过先进分子表示加速药物发现管线的研发过程，降低成本和失败率	药物发现管线中的分子表示、模型性能、计算资源与集成框架	机器学习	NA	量子机器学习 (QML), 混合量子-经典神经网络 (HQNNs)	图神经网络 (GNNs), 三维感知几何深度学习 (GDL), 量子机器学习 (QML)	分子表示数据	NA	NA	图神经网络, 三维感知几何深度学习, 量子机器学习, 混合量子-经典神经网络	药效(PD)预测, 毒理效应预测	NA
7846	2026-04-24	Deep learning for intracranial hemorrhage detection and classification in brain CT scans: a systematic review and hybrid model approach 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1703634 PMID:42022505	系统综述	该论文对深度学习在颅内出血CT影像检测与分类中的应用进行了系统综述，并提出了混合模型方法	系统回顾了传统CNN、3D CNN、混合集成框架及新兴Transformer架构在该领域的应用，并评估了Grad-CAM等可解释性方法	存在泛化能力不足、数据集异质性及临床验证缺失等挑战	整合分析基于机器学习和深度学习的非增强CT颅内出血检测与分类方法	从非增强CT影像中检测和分类颅内出血及其亚型（硬膜外、硬膜下、脑实质内、脑室内和蛛网膜下腔出血）	计算机视觉	颅内出血	CT成像	CNN, 3D CNN, Transformer	CT影像	NA	NA	卷积神经网络, 三维卷积神经网络, Transformer	灵敏度, 特异性	NA
7847	2026-04-24	A multimodal deep learning model for predicting impending rupture in symptomatic abdominal aortic aneurysms using CTA and clinical data 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1771669 PMID:42022533	研究论文	开发并验证一个可解释的多模态深度学习模型，用于预测症状性腹主动脉瘤的即将破裂风险	首次结合CTA序列图像和六种关键临床生物标志物，通过双向交叉注意力机制构建多模态模型，显著优于传统临床规则和CTA征象基线	回顾性研究设计，样本量有限（263例），需要前瞻性验证确认临床适用性	开发可解释的多模态深度学习模型，评估症状性AAA患者的破裂风险，支持急诊决策	症状性腹主动脉瘤（AAA）患者	医学影像分析	腹主动脉瘤	CTA	多模态深度学习模型（基于ResNet-50图像编码器和双向交叉注意力机制）	CTA图像（序列切片）和临床数据（生物标志物）	263例症状性AAA患者（230例开发队列，33例独立时序测试集）	PyTorch	ResNet-50	AUC, 灵敏度, 阴性预测值	NA
7848	2026-04-24	MVBeetle: an interpretable multi-view deep learning model for fine-grained classification of Galerucinae and Alticinae (Coleoptera: Chrysomelidae) 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798135 PMID:42023004	研究论文	提出一种可解释的多视图深度学习模型MVBeetle，用于细粒度分类萤叶甲亚科和跳甲亚科	首次将多视图融合框架与可解释性分析结合用于萤叶甲亚科和跳甲亚科的细粒度分类，通过Grad-CAM揭示不同亚科的关键形态特征（跳甲亚科关注跳跃腿，萤叶甲亚科关注触角）	未明确指出限制，但可能包括数据集仅涵盖43种物种、未考虑野外复杂背景或不同光照条件下的泛化能力	提供一种高精度且便捷的叶甲分类模型，并探究亚科间形态进化差异	萤叶甲亚科和跳甲亚科的43种叶甲物种（23种萤叶甲与20种跳甲）	计算机视觉	NA	多视图图像采集	卷积神经网络	图像	43种叶甲物种的多视图图像（背、侧、腹面）	PyTorch	ResNet18, ResNet50, VGG16, MobileNetV2	准确率	NA
7849	2026-04-24	An environment-guided visual-temporal deep learning framework for early disease detection in greenhouse horticultural crops 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1796407 PMID:42023011	研究论文	提出一种环境引导的视觉-时间深度学习框架，用于温室园艺作物的早期病害检测	通过环境引导的视觉注意力机制和时空联合建模，将环境变量从被动特征转化为主动先验，增强对微弱病害信号的敏感性	实验仅在真实温室多模态时序数据集上验证，未测试其他环境条件下的泛化能力	实现温室园艺作物早期病害的智能预警和精准调控	温室园艺作物及其相关环境变量（温度、湿度、蒸汽压差、二氧化碳浓度）	计算机视觉, 机器学习	温室作物病害	多模态时序数据采集	CNN, Transformer	图像, 文本（环境变量数值）	真实温室多模态时序数据集（未明确样本数量）	NA	Transformer, CNN	准确率, 召回率, F1分数, 早期精度, 早期召回率, 提前时间	NA
7850	2026-04-24	Application of deep learning-clinical baseline feature fusion model to predict postoperative mortality in elderly patients with hip fracture: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1784156 PMID:42023085	研究论文	构建深度学习与临床基线特征融合模型，预测老年髋部骨折患者术后死亡率	首次将深度学习模型提取的CT图像特征与临床基线特征融合，显著提升了预测性能	未提及具体限制	基于深度学习与临床基线特征融合，提高老年髋部骨折术后1年死亡率预测准确性	老年髋部骨折患者	机器学习	老年性疾病	计算机断层扫描（CT）	Densenet161 和 LightGBM	图像（CT骨骼肌组织图像）及临床基线数据	内部训练集221例（机构1），外部验证集113例（机构2）	NA	Densenet161, LightGBM	AUC、敏感性、特异性、F1分数	NA
7851	2026-04-23	Examining the development, effectiveness, and limitations of computer-aided diagnosis systems for retained surgical items detection: a systematic review 2026-May, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2487558 PMID:40208001	系统综述	本文系统综述了用于检测手术遗留物的计算机辅助诊断系统的开发、有效性和局限性	首次系统性地总结和评估了用于手术遗留物检测的CAD系统的特性，并提出了改进机会	大多数研究使用合成的RSI X光片开发CAD系统，这引发了泛化性问题；且基于深度学习的CAD系统未整合可解释人工智能技术以确保决策透明度	总结用于检测手术遗留物的CAD系统的特征，评估其开发、有效性和局限性，并提出改进机会	用于检测手术遗留物的计算机辅助诊断系统	计算机视觉	手术并发症	计算机辅助检测	深度学习	X光图像	NA	NA	NA	灵敏度, 特异性	NA
7852	2026-04-23	Relationships Between Vocal Fold Adduction Patterns, Vocal Acoustic Quality, and Vocal Effort in Individuals With and Without Hyperfunctional Voice Disorders 2026-May, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2023.12.012 PMID:38195336	研究论文	本研究旨在量化声带内收模式，并探讨其与声学质量和自我感知发声努力程度之间的关系	首次将一种先前为声带麻痹患者开发并验证的量化方法应用于功能性发声障碍患者，以客观量化声带内收模式	样本量相对较小（共60例喉镜检查），且未发现声带内收模式在组间存在显著差异，表明可能需要探索其他生理机制	探究功能性发声障碍中声带内收模式、发声努力程度和声学质量之间的关系	患有原发性肌紧张性发声障碍、声带创伤性病变的个体以及健康对照者	NA	功能性发声障碍	喉镜视频分析，声学分析（CPP, H1-H2）	深度学习	视频（喉镜视频），音频（语音样本）	60例喉镜检查（20例原发性肌紧张性发声障碍，20例声带创伤性病变，20例健康对照）	NA	Automated Glottic Action Tracking using artificial Intelligence	NA	NA
7853	2026-04-23	Evaluation of Vertical Level Differences Between Left and Right Vocal Folds Using Artificial Intelligence System in Excised Canine Larynx 2026-May, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2023.11.025 PMID:38216386	研究论文	本研究开发了一个基于人工智能的系统，用于分类声带发声时的垂直水平差异，并在离体犬喉模型上评估了其分类准确性	首次引入DenseNet121-ConvLSTM模型进行声带垂直水平差异的多类分类，实现了高精度的自动化评估	研究基于离体犬喉模型，可能无法完全模拟人类活体声带的生理条件，且外部数据集验证的样本规模未明确说明	建立人工智能系统以分类和评估声带发声时左右声带之间的垂直水平差异	离体犬喉模型中的声带	计算机视觉	单侧声带麻痹	高速摄像系统与全局快门彩色互补金属氧化物半导体相机	CNN, LSTM	图像	28,000张图像（20,000张用于建模，8,000张用于测试）	NA	DenseNet121-ConvLSTM	准确率, 精确率, 召回率, F1分数	NA
7854	2026-04-22	Local-Contextual Feature Fusion Network Based on Nonlinear Spiking Neural Model for Semantic Segmentation of Remote Sensing Images 2026-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500292 PMID:41873601	研究论文	提出了一种基于非线性脉冲神经元模型的局部上下文特征融合网络，用于遥感图像的语义分割	设计了一种使用新型非线性脉冲神经元模型的通道注意力-特征融合模块，以有效利用局部上下文特征，辅助解码器进行更好的特征恢复	NA	解决高分辨率遥感图像在复杂场景中物体纹理丰富、边缘复杂且分布不规则带来的语义分割挑战	遥感图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	ResNet-18, 局部上下文Transformer块	mIoU	NA
7855	2026-04-22	Deep learning-based early screening for porcine embryos with different developmental potential 2026-Jul-15, Theriogenology IF:2.4Q1 DOI:10.1016/j.theriogenology.2026.117900 PMID:41865699	研究论文	本研究通过建立胚胎滴状培养系统，开发并比较了多种深度学习模型，用于早期筛选具有高发育潜能的猪胚胎	提出了一种新型胚胎滴状培养系统，并首次将MaxViT_T模型应用于猪胚胎发育潜能的早期预测，在4细胞阶段达到最佳预测性能	研究仅使用孤雌激活胚胎数据，未涉及受精胚胎；模型在更早期胚胎阶段的预测性能可能有限	提高猪人工繁殖技术效率，通过早期胚胎筛选优化胚胎选择过程	猪孤雌激活胚胎，涵盖从1细胞到囊胚阶段的发育过程	计算机视觉	NA	胚胎滴状培养系统，亮场显微成像	深度学习	图像	10,041张猪孤雌激活胚胎的亮场图像	NA	MaxViT_T	预测性能	NA
7856	2026-04-22	An artificial intelligence model for accurate drug-target affinity prediction in medicinal chemistry 2026-Jul-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118840 PMID:41950652	研究论文	本文提出了一种结合进化蛋白质表征与多模态配体分析的人工智能模型，用于高精度预测药物-靶点亲和力	提出了一种新颖框架，通过PCA从ESM-2特征向量中提取进化信息，结合CNN提取的局部基序捕获多尺度特征；在配体侧整合分子图与多种化学描述符；引入分阶段交互机制结合交叉注意力和自注意力解析细粒度结合模式	未明确说明模型在更广泛数据集或真实药物发现场景中的泛化能力限制	开发高保真度的药物-靶点亲和力预测模型，以加速药物发现中的先导化合物优化	药物-靶点相互作用对	机器学习	NA	深度学习	CNN, 注意力机制	蛋白质序列特征向量, 分子图, 化学描述符	基准数据集（Davis和KIBA）	NA	结合PCA、CNN和注意力机制的混合架构	在Novel-pair和Novel-drug设置下的预测性能	NA
7857	2026-04-22	Biochemical biomarker-Driven deep learning framework with SHAP-based feature interpretation for diabetes classification 2026-Jul, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107601 PMID:41935405	研究论文	本研究提出了一种结合深度神经网络、特征排序和统计算法的预测模型，用于糖尿病的早期识别，并通过SHAP增强模型可解释性	整合深度神经网络与特征排序及统计算法，并应用SHAP进行特征解释，以提高糖尿病早期诊断的准确性和可解释性	未明确提及样本来源的多样性或模型在外部验证集上的泛化能力	开发一种早期糖尿病诊断方法，以减少严重并发症的风险	糖尿病患者及处于糖尿病前期状态的个体	机器学习	糖尿病	NA	深度神经网络	生化生物标志物数据	NA	NA	NA	准确率	NA
7858	2026-04-22	Scratcher: An automated machine-vision tool for dissecting the neural basis of itch 2026-May-25, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.03.046 PMID:41912065	研究论文	本文介绍了一种名为Scratcher的自动化机器视觉工具，用于分析小鼠的抓挠行为，以研究瘙痒的神经基础	开发了一种基于实时物体检测算法的GUI计算工具，实现半监督自动化分析小鼠抓挠行为，计算成本低	工具主要针对实验室小鼠和大鼠，可能需进一步验证以扩展到其他动物模型或人类研究	研究瘙痒诱导抓挠行为的神经回路机制	实验室小鼠	计算机视觉	NA	机器视觉、深度学习、光遗传学、化学遗传学	物体检测算法	视频	NA	NA	NA	NA	计算成本低，具体资源未指定
7859	2026-04-22	Deep learning-assisted portable fluorescence device for dynamic monitoring of mercury absorption in rice 2026-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148815 PMID:41812440	研究论文	本研究开发了一种基于深度学习辅助的便携式荧光设备，用于动态监测水稻中汞的吸收情况	结合氮掺杂碳点荧光探针、3D打印便携设备、智能手机图像采集以及卷积神经网络特征提取，实现了汞的高灵敏度现场定量检测	检测范围限定在1-50 μM，在更宽浓度范围或复杂基质中的性能未验证	开发一种简单有效的现场汞检测策略，用于环境监测和水稻汞吸收动态研究	水稻、自来水、河水、废水样品中的汞离子	计算机视觉	NA	荧光检测、水热合成法	CNN	图像	自来水、河水、废水样品及水稻应用	NA	NA	相关系数(R)、回收率	NA
7860	2026-04-22	Fusion-m6A: A lightweight hybrid deep learning framework for RNA m6A site prediction 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111669 PMID:41950858	研究论文	提出了一种名为Fusion-m6A的轻量级混合深度学习框架，用于高精度预测RNA m6A修饰位点	融合了Word2Vec序列嵌入、卷积层、带注意力的双向门控循环单元以及辅助k-mer特征，在保持高精度的同时实现了更快的推理速度和更低的内存占用	未明确说明模型在跨物种或低质量数据上的泛化能力	开发一种高效、准确的计算方法用于大规模和特定组织的RNA m6A位点预测	RNA N6-甲基腺苷（m6A）修饰位点	生物信息学	NA	计算预测方法	混合深度学习模型（CNN, BiGRU with attention）	RNA序列数据	多个人体组织和细胞系数据（具体数量未说明）	未明确说明	自定义混合架构（Word2Vec + CNN + BiGRU with attention + 全连接层）	准确率, 马修斯相关系数	未明确说明