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
361	2026-06-21	Deep learning reveals antimicrobial peptides within prions 2026-Jun-19, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-026-02408-1 PMID:42321536	研究论文	利用深度学习技术从朊病毒相关蛋白中筛选出抗菌肽	首次通过深度学习系统筛查大量朊病毒相关蛋白片段，发现并验证了具有抗菌活性的‘prionins’肽段	仅合成了75种候选肽进行验证，且体内实验仅限于一种细菌感染模型	挖掘朊病毒及类朊病毒蛋白中的抗菌肽潜力	2897个经整理的朊病毒相关蛋白及其1930万个片段	机器学习	感染性疾病	NA	深度学习	序列数据	2897个蛋白质，1930万个片段，其中75个合成肽，59个活性肽，2个经小鼠体内实验	NA	NA	抑菌活性、膜扰动能力、体内感染负荷	NA
362	2026-06-21	Deep learning-based myocardial infarction detection using echocardiography 2026-Jun-19, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-026-06033-y PMID:42321627	研究论文	提出基于EfficientNet_SpinalNet深度学习模型的心肌梗死超声心动图检测方法	将EfficientNet-B3-attn-2与SpinalNet融合形成Efficient_SpinalNet架构，结合混合滤波预处理和FLICM分割实现高精度心肌梗死检测	未详细说明模型在噪声环境下及小样本场景的鲁棒性，计算资源需求未明确阐述	实现基于超声心动视频的早期心肌梗死实时检测	心肌梗死患者的二维超声心动视频	计算机视觉	心肌梗死	超声心动图	EfficientNet_SpinalNet（EfficientNet+B3+SpinalNet的融合架构）	视频	HMC-QC和CAMUS两个公开数据集	NA	EfficientNet-B3-attn-2, SpinalNet	准确率, 灵敏度, 特异度	NA
363	2026-06-21	FD-MSP: feature decoupling network with multi-scale prototypes for domain-adaptive polyp segmentation 2026-Jun-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02446-5 PMID:42321673	研究论文	提出了一种特征解耦网络与多尺度原型结合的无监督域自适应方法，用于跨域息肉分割	通过重新设计UDA流程，明确将特征分布对齐与多尺度语义原型学习解耦，而非在同一目标中纠缠	现有UDA模型将域不变和域特定特征纠缠，且依赖单尺度特征无法捕捉息肉的极端尺寸变化	解决结肠镜图像息肉分割中的域适应问题，提升模型在不同成像设备和未见数据集上的表现	结肠镜图像中的息肉分割	计算机视觉	结直肠癌	深度学习	CNN	图像	三个公开结肠镜数据集	PyTorch	解耦网络、多尺度原型层	分割性能指标（如Dice系数）	NA
364	2026-06-21	Next Generation Digital Morphology: Blast Preclassification in Bone Marrow Aspirates 2026-Jun-19, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.70174 PMID:42322062	综述	系统回顾了人工智能在骨髓穿刺涂片原始细胞预分类中的数字化形态学应用	首次系统综述了深度学习方法在骨髓穿刺样本原始细胞识别中的性能，并比较了经典机器学习与深度学习的差异	骨髓穿刺分析性能因细胞复杂性高而变异性大，且当前平台对未成熟细胞和肿瘤细胞识别准确性不足	评估人工智能技术用于骨髓穿刺涂片原始细胞自动分类和白血病筛查的现状与潜力	骨髓穿刺涂片中的原始细胞及外周血涂片的白细胞	数字病理学	急性白血病	深度学习, 卷积神经网络	卷积神经网络	图像	NA	NA	卷积神经网络	灵敏度, 特异性, 准确性	NA
365	2026-06-21	Reconstructing shared visual experiences from human brain activity across individuals 2026-Jun-18, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104157 PMID:42320451	研究论文	提出一种统一生成框架MindShow，在队列训练设置下实现跨被试的fMRI到图像的重建	提出层次化条件专家混合编码器以解耦群体共享潜在表征与被试特异神经特征，并引入门控感知器瓶颈解决多尺度表征错配以及多粒度最优传输损失对齐脑特征与视觉语言模型潜在空间	未在摘要中明确提及局限性，可能包括对校准数据量的依赖以及图像重建质量在细节上的不足	实现跨个体的fMRI图像重建，提升脑机接口的可扩展性和转化潜力	人类视觉经验对应的脑活动fMRI信号	计算机视觉	NA	fMRI	扩散模型	图像、文本	未在摘要中明确给出样本数量	PyTorch	Mixture-of-Experts, Perceiver, 扩散模型	高层重建指标、结构保真度指标	NA
366	2026-06-21	Super-resolution deep learning-enhanced 2D MRCP improves main pancreatic duct visualization compared with 3D MRCP 2026-Jun-16, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113022 PMID:42320143	研究论文	超级分辨率深度学习重建增强的2D MRCP比3D MRCP更好地改善了主胰管可视化	首次比较了超级分辨率深度学习重建（SR-DLR）结合2D和3D MRCP对主胰管可视化的效果，发现2D-SR在整体图像质量和病变清晰度方面优于传统技术	对局灶性狭窄的假阳性率分析样本量小（仅3例真阳性），结果属于探索性和假设生成性质	评估超级分辨率深度学习重建（SR-DLR）对MRCP图像质量和主胰管可视化的影响，并探索其对胰管异常诊断性能的改善	174名接受磁共振胰胆管成像（MRCP）评估胰腺的患者	计算机视觉	胰腺疾病	MRCP	深度学习超级分辨率重建（SR-DLR）	医学图像	174名患者	NA	超级分辨率深度学习重建网络	信噪比（SNR）, 对比度比（CR）, 对比噪声比（CNR）, 图像质量评分, 运动伪影评分, 边缘锐利度, 囊性病变清晰度, 假阳性率	NA
367	2026-06-21	Ratiometric copper nanocluster fluorescence probe coupled with deep learning for intelligent recognition of tetracycline antibiotics in food 2026-Jun-16, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128268 PMID:42320161	研究论文	开发了比率型铜纳米簇荧光探针结合深度学习的方法，用于食品中四环素类抗生素的智能识别	首次将比率型铜纳米簇荧光探针与改进的多任务学习ResNet50模型结合，实现四环素类抗生素的分类和浓度预测，检测限低至9.26 nmol/L	仅检测了三种四环素类抗生素，实际样品基质仅涉及牛奶、鸡蛋和蜂蜜，其他食品基质和更多抗生素种类尚未验证	实现食品基质中四环素类抗生素的快速、准确和智能检测	四环素、金霉素和强力霉素三种四环素类抗生素	机器学习, 数字病理学	NA	荧光探针, 深度学习	ResNet50	图像	加标牛奶、鸡蛋和蜂蜜样品	PyTorch	ResNet50	分类准确率, 浓度预测准确率, R²	NA
368	2026-06-21	Research on dynamic monitoring of nitrogen-driven quality changes throughout the entire growth period of cucumbers based on deep learning 2026-Jun-13, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150064 PMID:42320321	研究论文	基于高光谱成像与深度学习，提出多变量黄瓜品质预测框架，实现氮驱动品质动态监测	首次将CNN模型与全光谱输入结合，实现多指标（硝酸盐、可溶性糖、可溶性固形物）同步预测及空间分布可视化，克服了传统单指标方法局限性	未明确说明样本量大小及模型对不同品种黄瓜的泛化能力	建立基于深度学习的高光谱成像技术，实现黄瓜生长周期中氮素驱动品质变化的动态监测	不同氮水平与生长阶段下的黄瓜果实	深度学习、高光谱成像	不适用	高光谱成像	CNN	高光谱图像	不适用（未在标题和摘要中说明具体样本数量）	不适用	CNN	R值（校准集R>0.913）	不适用
369	2026-06-21	Clinical relevance of intracranial stenosis as false-positive findings of a deep learning algorithm trained to detect large vessel occlusions: a retrospective cohort study of a supraregional stroke centre 2026-Jun-11, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-113081 PMID:42276805	研究论文	评估深度学习算法在大血管闭塞检测中偶发颅内动脉狭窄假阳性结果的临床意义	首次系统评估专用于检测大血管闭塞的深度学习算法对高等级颅内动脉狭窄的识别能力及其临床相关性，指出假阳性结果可能具有临床价值	单中心回顾性研究，样本量有限（934例），算法灵敏度较低（33%），且未进行前瞻性验证	探讨基于人工智能的大血管闭塞检测算法在识别高等级颅内动脉狭窄中的假阳性发现及其临床意义	颅内动脉狭窄患者及大血管闭塞疑似病例	计算机视觉	缺血性卒中	CTA	深度学习算法	图像	934例患者（52.7%男性，平均年龄71.7±13.6岁）	NA	NA	灵敏度、特异度、阴性预测值、阳性预测值	NA
370	2026-06-21	A unified multimodal model for generalizable zero-shot and supervised protein function prediction 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag356 PMID:42244114	研究论文	提出了一种名为FunBind的多模态AI模型，通过联合学习五种生物数据模态来提升蛋白质功能预测的准确性和泛化能力	首次实现了五种生物数据模态的统一表征学习，并同时支持零样本预测和监督微调两种模式	未明确提及局限性	开发一种能够泛化到新功能术语的通用蛋白质功能预测方法	蛋白质功能预测中的多模态生物数据	机器学习	NA	对比学习、自监督预训练、监督微调	多模态AI模型	蛋白质序列、文本描述、结构、领域注释、基因本体术语	NA	PyTorch	对比学习网络	准确率	NA
371	2026-06-21	Application of deep learning for surgical decision support during single-incision laparoscopic cholecystectomy 2026-Jun, Surgical endoscopy DOI:10.1007/s00464-026-12868-5 PMID:42115370	研究论文	基于Mask2Former的深度学习模型在单孔腹腔镜胆囊切除术中识别安全与危险区域的应用	首次将Mask2Former模型应用于单孔腹腔镜胆囊切除术的手术决策支持，实时识别手术安全与危险区域	危险区域的像素级重叠度量（Dice和IOU）低于物体级F1分数，且研究仅基于两所医疗机构186个视频数据	开发基于深度学习的AI模型，在单孔腹腔镜胆囊切除术中识别安全与危险解剖区域，降低胆管损伤风险	单孔腹腔镜胆囊切除术视频中的安全与危险区域	计算机视觉	胆囊疾病	NA	Mask2Former	视频	186个手术视频（127个训练，59个测试），包含9521帧图像	PyTorch	Mask2Former	IOU, Dice分数, F1分数, 准确率, 敏感性, 阳性预测值	NA
372	2026-06-21	Explainable Temporal Deep Learning for EEG-Based Depression Detection Using Resting-State Brain Dynamics 2026-06, International journal of methods in psychiatric research IF:2.4Q2 DOI:10.1002/mpr.70088 PMID:42298924	研究论文	提出一种可解释的深度学习框架，利用静息态脑电数据检测抑郁症	将CNN-BiLSTM架构与注意力机制结合，并集成Grad-CAM和SHAP可解释性技术，实现对脑电时空特征的有效建模与可视化解释	排除了轻度和亚临床抑郁症病例（BDI 14-19），降低了模型对轻度抑郁的适用性	开发一种高准确率且可解释的深度学习模型，用于基于静息态脑电的抑郁症检测	静息态脑电数据	机器学习	抑郁症	EEG	CNN-BiLSTM	脑电信号	106名受试者（76名健康对照，30名抑郁症患者）	PyTorch	CNN-BiLSTM	准确率、F1分数、AUC	NA
373	2026-06-19	Integrating van't Hoff Equation with Artificial Neural Network for the Prediction of H2S Solubility in Ionic Liquids 2026-Jun-18, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01869 PMID:42237580	研究论文	将范特霍夫方程与人工神经网络融合，用于预测离子液体中硫化氢的溶解度	提出一种物理信息混合人工神经网络，将范特霍夫方程直接嵌入模型架构，确保预测在未知化学空间中保持物理一致性，克服了纯数据驱动模型在复杂化学外推任务中的局限性	NA	开发一种可靠、可解释且具有良好泛化能力的预测模型，以加速高性能离子液体在硫化氢捕获中的发现	离子液体中硫化氢的溶解度	机器学习	NA	NA	混合人工神经网络	NA	NA	NA	混合人工神经网络（集成范特霍夫方程）	决定系数	NA
374	2026-06-19	A universal deep learning framework for empowering nanopore identification by reinforcing temporal signals 2026-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74507-w PMID:42309994	研究论文	提出一种名为SEDA-Former的通用深度学习框架，通过增强时间信号特征来提高纳米孔单分子识别的准确性	首次引入多窗口滑动标准差方法进行特征增强，并采用渐进式自适应注意力训练策略，基于学习难度动态重加权样本损失，有效提取弱判别特征	未提及在更复杂生物分子（如蛋白质或聚糖）上的直接验证，也未讨论框架在不同实验条件下的鲁棒性	开发一种高性能的深度时间学习框架，解决纳米孔传感中高相似度离子电流数据的分类难题	纳米孔信号数据，包括15种糖苷、24种人参皂苷、8种DNA分子和17种胆酸共轭物的信号	机器学习	NA	纳米孔传感	Transformer, 时序卷积网络	时间序列信号	涉及15种糖苷、24种人参皂苷、8种DNA分子和17种胆酸共轭物的纳米孔信号样本	NA	SEDA-Former	分类准确率	NA
375	2026-06-19	An in situ non-contact 3D microscopic measurement system for temporal bone anatomy based on stereo imaging 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56801-1 PMID:42310033	研究论文	开发了一种基于立体成像的原位非接触式颞骨解剖三维显微测量系统	集成显微立体标定、基于深度学习的视差估计、三维重建和交互式测量流程，实现高精度原位非接触测量	作为技术原型，仅在有限样本（四块颞骨）上验证，尚未在术中实际应用	实现颞骨微解剖结构的精确、非接触、原位三维定量测量	颞骨微解剖结构（来自两具新鲜冷冻尸头的四块颞骨）	计算机视觉	N/A	立体成像、深度学习、三维重建、显微成像	深度学习模型（用于视差估计）	图像（显微立体图像）	四块颞骨（来自两具尸体头部）	N/A	N/A	均方根误差、平均误差、最大误差	N/A
376	2026-06-19	Inferring translational efficiency from transcriptomes improves noncanonical neoantigen prioritization and cancer patient stratification 2026-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01567-y PMID:42310075	研究论文	本研究提出一个多维框架，通过从转录组推断翻译效率来改善非经典新抗原的优先排序和癌症患者分层	首次评估基于计算推断的翻译组在临床中的应用价值，揭示了标准RNA-seq无法发现的“暗蛋白质组”，并将其整合到新抗原管道中，修正了表达谱方法导致的高危患者误分类	NA	验证从RNA-seq推断翻译效率的策略能否提供超越标准RNA-seq的临床效用，并开发一个翻译感知的新抗原优先排序管道	15个独立数据集中的肿瘤样本，包括胶质瘤患者队列	机器学习	胶质瘤	RNA-seq, 核糖体足迹测序	深度学习模型	转录组数据	15个独立数据集（具体样本数量未说明）	NA	Translatomer	生存分析	NA
377	2026-06-19	Deep integration of clinical metadata with [18F]FDG PET/CT imaging for histological subtyping in non-small cell lung cancer: a multi-center study 2026-Jun-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-08010-1 PMID:42310216	研究论文	开发并验证一种多模态深度学习框架，整合临床元数据与[18F]FDG PET/CT成像，用于非小细胞肺癌的组织学亚型分类	提出基于特征线性调制（FiLM）的多任务网络，动态注入临床元数据到视觉骨干网络，并采用3D Transformer进行基于边界框的肿瘤定位	在独立外部测试集上，多模态模型与单模态模型间的AUC差异未达到统计学显著性	通过整合临床元数据和PET/CT成像，解决非小细胞肺癌中重叠代谢表型的组织学亚型分类问题	非小细胞肺癌患者的[18F]FDG PET/CT影像数据和临床元数据	计算机视觉, 数字病理学	肺癌	PET/CT	Transformer, 多任务网络	图像, 文本	780名非小细胞肺癌手术患者（675名用于开发，105名用于独立外部测试）	PyTorch	3D Transformer, FiLM	AUC, F1分数	NA
378	2026-06-19	Agricultural sustainability monitoring in arid regions using hybrid deep learning and Landsat 8 imagery in Najran City, Saudi Arabia 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58271-x PMID:42310417	研究论文	提出一种混合深度学习方法，结合DenseNet121与XGBoost，利用Landsat 8影像对沙特阿拉伯纳季兰市的农业用地进行高精度监测	将DenseNet121的深度学习特征提取能力与XGBoost的高效分类性能相结合，在干旱区域农业监测中实现了98.82%的总体精度，优于传统卷积神经网络	研究仅针对2020年单一年份的Landsat 8影像，未验证模型在不同时间或气候条件下的泛化能力	开发一种精确高效的农业用地监测工具，支持干旱地区的可持续土地管理	沙特阿拉伯纳季兰市的农业区域及其他土地覆盖类型	计算机视觉	NA	Landsat 8影像	混合深度学习模型（DenseNet121 + XGBoost）	图像	NA	NA	DenseNet121, XGBoost	总体精度, Kappa系数	NA
379	2026-06-19	Financial time series forecasting with a hybrid VMD-CSA-BiT framework 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58302-7 PMID:42310433	研究论文	提出VMD-CSA-BiT集成框架，结合变分模态分解、卷积自注意力和双向变换器，提升金融时间序列预测的鲁棒性	首次将VMD、CSA和BiT三种技术融合，通过VMD分解原始价格序列为固有模态函数，CSA精炼时间步表示，BiT建模双向长程时间依赖，系统性地解决了非线性、非平稳和高噪声的挑战	未明确讨论局限性，但暗示未来需进行架构优化和扩展至更多金融应用，可能当前框架在极端市场条件下的泛化性有待验证	提升金融时间序列预测的准确性和稳定性	多种金融资产的市场特征数据	计算机视觉,自然语言处理,机器学习,数字病理学	NA	变分模态分解（VMD）、卷积自注意力（CSA）、双向变换器（BiT）	变分模态分解-卷积自注意力-双向变换器（VMD-CSA-BiT）	时间序列数据	多种金融资产的数据集	NA	VMD, CSA, BiT	关键误差指标	NA
380	2026-06-19	Generating Synthetic MR Perfusion Maps From DWI and FLAIR in Acute Ischemic Stroke: Development and External Validation of a Deep Learning Model 2026-Jun-18, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.126.055813 PMID:42312380	研究论文	旨在利用深度学习从非对比MRI生成急性缺血性卒中患者的合成T-max灌注图，并完成开发和外部验证	提出一种无创、可扩展的框架，直接从DWI和FLAIR结合梗死核心掩模生成合成T-max灌注图，无需对比增强灌注扫描，缩短扫描协议并加速治疗决策	外部验证中T-max>6s区域的Dice系数相对较低，可能受不同中心和扫描参数的影响，且样本量为回顾性数据，未来需前瞻性研究	验证深度学习模型能否从常规非对比MRI序列生成可靠的合成灌注图，提高急性卒中成像效率并减少对比剂依赖	355例前循环卒中患者的急性MRI数据，包括DSC灌注图像，来自两个欧洲中心	计算机视觉，机器学习	急性缺血性卒中	MRI（DWI、FLAIR、DSC灌注）、深度学习	去噪扩散概率模型（DDPM），生成对抗网络（GAN）	医学影像	355例患者（来源于Heidelberg和Bordeaux两个中心）	PyTorch	2.5D DDPM，GAN	图像相似度指标，Dice系数，不匹配体积分布	GPU（未明确指定具体型号）