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
21	2026-07-15	GCN combined with snake convolution for enhanced topological perception in thrombotic hepatic portal vein segmentation 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104050 PMID:41932133	研究论文	提出一种结合图卷积网络和蛇形卷积的SnakeGCN模型，用于增强血栓性肝门静脉分割中的拓扑感知能力	将3D蛇形卷积模块作为插件与nnU-Net特征提取对齐以捕捉曲线血管结构，并在瓶颈层引入图卷积网络增强全局拓扑感知，同时整合关系损失处理血栓导致的血管段缺失	未提及计算资源消耗和模型推理速度，可能对多中心数据集的泛化性需进一步验证	解决肝硬化及血栓病变导致的肝门静脉血管分割中血管不连续、段缺失和错误连接问题	肝门静脉血管结构，包括血栓性病变患者的门静脉系统	机器视觉, 数字病理学	肝硬化, 血栓性肝门静脉病变	深度学习分割	图卷积网络, 蛇形卷积, nnU-Net	医学影像（CT/MRI）	多中心临床数据集及两个公开数据集（MSD-HepaticVessel和3D-IRCADb）	PyTorch	nnU-Net, GCN, 3D蛇形卷积	Dice系数, 连通分量	NA
22	2026-07-15	A predictive framework for land subsidence risk in Silakhor: integrating machine and deep learning 2026-Jun, Environmental science and pollution research international DOI:10.1007/s11356-026-37988-2 PMID:42377794	研究论文	该研究利用机器学习和深度学习模型预测Silakhor地区地面沉降风险，并识别主要驱动因素	综合使用RF、RNN、LSTM和CNN四种先进模型评估地面沉降，并通过SHAP分析明确贡献因素	深度学习模型的特异性低于随机森林模型，且RNN性能相对较差	预测Silakhor平原的地面沉降强度并识别高风险区域	Silakhor平原的地面沉降现象	机器学习	NA	NA	随机森林、循环神经网络、长短期记忆网络、卷积神经网络	地理空间数据（土地利用、排水密度、土壤性质、地下水位等）	NA	NA	RF, RNN, LSTM, CNN	决定系数R、均方误差MSE、精确率、召回率	NA
23	2026-07-13	MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs 2026-Jun, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.012 PMID:41856821	研究论文	提出一种基于Transformer的深度学习模型MorphMaskFormer，用于从全景X光片中自动估计第三磨牙发育的Demirjian阶段	将轻量级Transformer注意力模块（受Mask2Former启发）集成到UNet架构中，同时实现二值分割（牙齿/背景）和多类分割（A-H阶段），实现高精度和快速推理	NA	开发先进的深度学习模型，利用Demirjian分类从全景X光片中自动确定第三磨牙发育阶段，提高牙齿年龄估计的准确性和客观性	888张7至30岁个体的全景X光片及对应的Demirjian A-H阶段标注	计算机视觉, 数字病理学	NA	全景X光片	CNN-Transformer混合模型	图像	888张全景X光片	PyTorch	UNet, Mask2Former, MorphMaskFormer	IoU, Dice系数, 精确率, 召回率, 推理时间	NA
24	2026-07-12	Artificial intelligence-based prediction of boar reproductive fitness and health: Current status in research and practice 2026-Jun, Animal reproduction science IF:2.2Q1 DOI:10.1016/j.anireprosci.2026.108172 PMID:41861691	综述	本文综述了人工智能和机器学习在公猪繁殖健康评估中的研究与实践现状，重点介绍了基于成像数据（如流式细胞术、CASA）和光谱技术（如拉曼光谱、近红外）的精液质量预测方法，以及在实际生产中的应用	系统总结了AI/ML技术从传统精液描述性评估向预测性、精确化、整体性繁殖管理转变的进展，涵盖了超声灰度分析、跛行检测和精液运输监控等新应用领域	数据标准化不足、模型可解释性差、经济可行性受限是当前主要挑战	总结AI和ML技术在公猪繁殖能力和健康预测方面的创新与应用，推动猪业繁殖管理的转型	公猪（boar）精液质量、繁殖健康相关数据（如精子形态、活力、运输过程等）	机器学习	NA	深度学习方法应用于成像数据（流式细胞术、CASA）、拉曼/近红外光谱、超声灰度分析	深度学习模型（如CNN等）、机器学习模型	图像数据（成像流式细胞术、CASA图像）、光谱数据、超声图像数据	NA	NA	NA	NA	NA
25	2026-07-12	Reliability of Rectus Femoris Ultrasound Measurements and Relationship With Truncal Muscle Mass in Healthy Individuals Using Concurrent CT Measurements as the Reference Standard: A Pilot Study 2026-Jun-01, Ultrasound quarterly IF:0.7Q4 DOI:10.1097/RUQ.0000000000000737 PMID:41860417	研究论文	评估健康个体中股直肌超声测量的可靠性及其与CT躯干肌质量的关系	首次评估自动与手动超声测量方法的一致性，并结合深度学习和CT参考标准验证超声在肌质量评估中的可靠性	样本量较小（40例），仅针对健康肝脏捐献者，相关性较弱，可能限制临床推广	评估股直肌超声测量（横截面积和剪切波弹性成像）的可靠性，并探索其与CT躯干肌质量的关系	40名接受腹部CT的健康活体肝脏捐献者	机器学习	NA	超声成像，CT成像，深度学习	深度学习模型	图像（超声和CT图像）	40名健康活体肝脏捐献者	NA	NA	组内相关系数，Dice系数，皮尔逊相关系数，调整R²	NA
26	2026-07-12	Foodie traps within facebook cannabis promotional posts: Deploying multimodal deep learning AIs to monitor audience engagement 2026-Jun-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2026.113128 PMID:41861608	研究论文	利用多模态深度学习AI分析Facebook上大麻推广帖子中的视觉策略与观众互动的关系	首次结合多模态大型语言模型（LLaVA和GPT-4o）系统分析社交媒体大麻广告的视觉线索与受众参与度的关联，揭示食物线索和特定颜色（红、黄、橙）对互动的显著影响	未提及样本的全面代表性及因果推断的可能性，可能存在平台特异性或时效性限制	监测大麻促销内容对青少年和年轻成人的暴露风险，并为公共卫生与监管政策提供依据	Facebook平台2021至2022年间的大麻促销帖子及其视觉内容	自然语言处理, 计算机视觉	NA	多模态深度学习	多模态大型语言模型	图像, 文本	Facebook帖子数据集，涵盖2021年至2022年期间	NA	LLaVA, GPT-4o	NA	NA
27	2026-07-12	Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada 2026-Jun, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2026.110076 PMID:41862033	研究论文	通过比较秘鲁利马和加拿大蒙特利尔两个患者队列，研究基于人工智能的咳嗽声学分析在COVID-19检测中的表现，揭示咳嗽声学特征的人群差异及其对模型泛化能力的影响	首次系统比较不同地理人群（利马与蒙特利尔）的咳嗽声学特征差异，并评估基于XGBoost和深度学习的COVID-19筛查模型在跨人群场景下的迁移能力	样本仅来自两个城市且规模有限（605例），未涵盖多种流行病学背景，可能导致模型泛化结论的局限性；未探讨声学特征差异背后的具体环境或生理机制	评估基于咳嗽声学分析的AI模型在不同人群中的COVID-19检测性能，探索人群特异性对模型迁移性的影响	秘鲁利马和加拿大蒙特利尔的COVID-19疑似患者	机器学习	COVID-19	NAAT诊断、声学特征提取	XGBoost、深度神经网络	咳嗽录音、临床数据	605名成年患者	XGBoost, 深度学习框架（未明确指定）	XGBoost, 深度神经网络（未具体说明结构）	AUC	NA
28	2026-07-10	Tailored Deep Learning-Assisted In Situ SERS: Overcoming Surface Irregularities-Induced Large Signal Variation on Biological Tissues 2026-06-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01156 PMID:42275583	研究论文	提出一种定制深度学习辅助的原位表面增强拉曼光谱（SERS）策略，用于克服生物组织表面不规则导致的大信号变化	提出定制一维卷积神经网络（1D-CNN）结合递减卷积核尺寸（57-37-11-3），显著提高在非均匀生物表面上SERS定量的可重复性和鲁棒性	未明确说明局限性，但可能依赖于特定样本制备和基底选择	解决非均匀生物表面上SERS信号变异性问题，提高定量准确性	苹果皮上的噻菌灵检测	计算机视觉	NA	表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA	PyTorch	定制1D-CNN（递减卷积核尺寸57-37-11-3）	决定系数R²	NA
29	2026-07-10	RTsDEN: reverse task attention enabled deep learning model for lung cancer detection using computed tomography 2026-Jun-29, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2026.2689719 PMID:42312470	研究论文	提出了一种基于逆向任务注意力机制的分布式Elman卷积神经网络模型，用于CT图像中的肺癌检测	结合逆向任务注意力模块和分布式Elman概念，利用自适应叶和多粒度结节分割阶段，从复杂背景和变化环境条件下捕获复杂疾病模式	未明确讨论，可能包括模型泛化性、计算效率或数据集偏倚等方面	提高肺癌检测性能，缓解现有方法在实时应用中的挑战	计算机断层扫描（CT）图像中的肺癌	计算机视觉	肺癌	计算断层扫描（CT）	CNN（卷积神经网络）	图像	LUNA 16数据集和LIDC-IDRI数据集（具体样本数量未说明）	NA	逆向任务注意力启用的分布式Elman卷积神经网络（RTsDEN）	准确率，精确率，召回率	NA
30	2026-07-10	Plant-derived compounds and artificial intelligence: Outsmarting microbial pathogens and antimicrobial resistance 2026-Jun-29, Phytomedicine : international journal of phytotherapy and phytopharmacology IF:6.7Q1 DOI:10.1016/j.phymed.2026.158512 PMID:42419123	综述	系统回顾植物源化合物的抗菌特性及其与人工智能结合的研究进展	首次将人工智能技术（如机器学习和自然语言处理）整合到植物化学研究中，用于加速抗菌药物靶点选择和毒性预测	NA	评估植物源化合物作为新型抗菌药物的潜力，并探索人工智能在植物化学研究中的应用	植物源次级代谢产物及其抗微生物机制	自然语言处理	抗菌药物耐药性	NA	NA	NA	NA	NA	BioGPT, DOCK6, SwissADME, DeepTox	NA	NA
31	2026-07-10	iDeepLC: Chemical Structure Information Yields Improved Retention Time Prediction of Peptides with Unseen Modifications 2026-06-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08017 PMID:42253128	研究论文	提出iDeepLC模型，利用化学结构信息改进肽段保留时间预测，尤其适用于训练中未见过的修饰	通过引入化学结构信息（SMILES表示）而非仅依赖化学组成，显著提升了模型对未知修饰肽段保留时间预测的准确性	具体局限性未在摘要中提及	提高液相色谱-质谱数据中肽段保留时间预测的准确性，特别是对具有化学修饰的肽段	化学修饰肽段的保留时间预测	机器学习	NA	液相色谱-质谱联用	深度学习	文本	NA	NA	NA	预测准确性	NA
32	2026-07-10	Laser Light Scattering-Enhanced Deep Computer Vision Method for the Detection of Trace Mineral Oil in Vegetable Oils 2026-06-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00302 PMID:42275108	研究论文	提出一种基于激光光散射增强的深度计算机视觉方法，用于检测植物油中微量矿物油污染	将皂化诱导的相变和浊度对比与激光增强散射可视化结合，将微量矿物油转化为视觉可辨信号，并提出轻量高效深度学习模型Oil-MobileNet	未在真实复杂样品（如不同植物油品种、老化样品）中验证，且激光光源需特定设备可能限制现场部署	开发一种现场兼容的检测方法，用于识别植物油中的矿物油污染	植物油中的矿物油污染检测，涉及皂化反应、激光照明和深度学习图像分析	计算机视觉, 深度学习	NA	激光光散射增强成像、皂化反应	CNN (轻量级卷积神经网络)	图像（激光散射增强图像）	NA（未具体说明样品数量）	NA	Oil-MobileNet（自定义轻量架构）	分类准确率、检测限（0.05%）、与人类视觉对比（0.1%）及商业试剂盒对比（0.9-3%）	NA（未提及具体GPU或平台）
33	2026-07-10	Tumor-naïve ctDNA detection with deep learning-enhanced error suppression for sensitive mutation calling 2026-06-23, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01694-y PMID:42332784	研究论文	开发了一种名为DEEPctMUT的计算流程，用于肿瘤初治循环肿瘤DNA（ctDNA）检测，通过深度学习增强的错误抑制实现高灵敏度突变检测	整合唯一分子标识符（UMI）与三种互补错误修正策略（基于机器学习的测序错误抑制、基于深度学习的背景噪声过滤DeepES、克隆性造血和胚系变异去除），在肿瘤初治方法中实现0.03%变异等位基因频率（VAF）的检测灵敏度，性能媲美肿瘤知情方法	未明确提及局限性	开发一种兼具高灵敏度和临床适用性的肿瘤初治ctDNA检测方法	循环肿瘤DNA（ctDNA）中的体细胞突变	机器学习	结直肠癌	NGS（测序）	深度学习模型（DeepES）	测序数据	细胞系、掺入样本、健康及结直肠癌血浆样本	Nextflow	DeepES（深度神经网络）	灵敏度、变异等位基因频率（VAF）	未明确提及
34	2026-07-10	A Two-Stage, Semi-Supervised Deep Learning Framework for the Detection and Classification of Ambient Pollen using Evanescent Wave Scattering 2026-Jun-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c06126 PMID:42337390	研究论文	提出一种基于倏逝波散射的两阶段半监督深度学习框架，用于环境花粉的检测与分类	首次利用倏逝波散射显微镜识别空气花粉，结合两阶段半监督框架和人工标签细化，显著提升分类性能	未在原文中明确说明局限性	开发一种可扩展的自主环境花粉分析框架，支持公共卫生干预	空气花粉	machine learning	过敏性疾病	倏逝波散射显微镜	YOLOv8、RT-DETR、EfficientNetB0	图像	41种花粉物种（阶段1），19个形态学组（阶段2）	NA	YOLOv8n, YOLOv8l, RT-DETR, EfficientNetB0	召回率、F1分数、精确率、召回率	NA
35	2026-07-10	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Vision Transformer与层次化LSTM的混合集成框架，用于多类胃肠道疾病分类	首次将ViT与层次化LSTM集成，通过Bagging和Stacking集成学习增强性能，在Kvasir-v2数据集上达到99.99%准确率	仅基于公开数据集Kvasir-v2，外部验证仅用GastroVision数据集和类别留出测试，未在真实临床环境中验证	开发早期、准确且可扩展的胃肠道疾病自动诊断工具	胃肠道疾病（息肉、食管炎、溃疡性结肠炎等8类）	计算机视觉，机器学习	胃肠道疾病	内窥镜成像	Vision Transformer，层次化长短期记忆神经网络	图像	超过8000张标注内窥镜图像（Kvasir-v2数据集），测试集每类100张图像	NA	ViT， HLNN， Bagging， Stacking	准确率，宏F1分数， Cohen的kappa系数	NA
36	2026-07-10	PhenoBIC: operator-free single-cell spatial phenotyping in multiplex imaging data using deep learning of cell staining patterns 2026-Jun-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.11.731702 PMID:42368023	研究论文	开发了一种无操作员干预的深度学习模型PhenoBIC，用于多重成像数据中基于细胞染色模式的单细胞空间表型分类	提出了无需人工门控的预训练深度学习模型，利用细胞多重生物标志物信号的图像分类实现自动化细胞表型分析，并在多个生物标志物、组织采样策略和成像平台上验证	NA	实现多重成像数据中无操作员干预的自动化单细胞空间表型分类	细胞表型及其生物标志物表达模式	数字病理学, 计算机视觉	NA	多重成像	深度学习模型	图像	约140万人工标注的细胞表达真值标签	NA	NA	F1分数	NA
37	2026-07-10	Deep learning completes US flood hazard maps revealing millions exposed to previously unrecognized risk 2026-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74336-x PMID:42297807	研究论文	基于深度学习生成美国洪水灾害地图，揭示数百万人口面临未识别的洪水风险	首次利用深度学习框架生成全美连续30米分辨率洪水灾害地图，填补官方未绘图区域的空白，并更新过时洪水数据的范围	依赖现有官方地图数据质量，可能无法完全捕捉局部地形变化或极端气候事件的影响	解决大规模洪水制图在准确性、规模与成本之间的矛盾，扩大风险信息可及性，支持公平的气候适应	美国本土的洪水灾害地图、官方洪水数据库、人口统计及建筑分布数据	计算机视觉, 自然语言处理	不适用	深度学习	卷积神经网络 (CNN)	图像（卫星遥感图像）、文本（社会经济数据）	917座城市的社会经济分析数据	PyTorch	U-Net	准确性、规模覆盖率、成本效益	NVIDIA RTX 3090
38	2026-07-10	Decoding Smell from Receptor Structure 2026-Jun-14, Research square DOI:10.21203/rs.3.rs-9947738/v1 PMID:42326533	研究论文	利用AlphaFold3预测的受体结构和ESM2蛋白序列嵌入，结合大规模测序数据，开发了预测气味受体-配体相互作用的深度学习框架	首次将AlphaFold3预测的受体三维结构与深度学习结合，实现气味受体-配体相互作用的大规模预测，并揭示了受体空间与化学空间的关系	NA	验证受体结构是否可以解释气味识别机制，并建立预测气味受体编码的框架	气味受体与气味分子（配体）之间的相互作用	机器学习	NA	AlphaFold3结构预测，ESM2蛋白序列嵌入，大规模测序	深度学习框架	蛋白质结构与序列数据，气味分子化学结构数据	涵盖化学多样性气味面板的大规模体内嗅觉感觉神经元激活数据	NA	深度神经网络	NA	NA
39	2026-07-10	De Novo Design of Miniature and Efficient Metallo-Ketoreductases 2026-06-03, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c00732 PMID:42160334	研究论文	报道了一种深度学习引导的工作流程，用于从理论活性位点设计金属酮还原酶，实现酮的不对称还原	首次通过深度学习从理论活性位点设计出微型金属酮还原酶，实现非生物氢化物转移机制的不对称催化	NA	开发能够催化非生物转化的从头设计酶，用于不对称合成	金属酮还原酶（metallo-ketoreductases）	机器学习	NA	深度学习引导的蛋白质设计	深度学习模型	序列数据	NA	NA	NA	转化数（TON）、对映体过量值（e.e.）	NA
40	2026-07-10	Artificial intelligence for predicting the pubertal growth spurt using cephalometric and hand-wrist radiographs: a systematic review and meta-analysis 2026-06-03, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08627-6 PMID:42231323	系统综述与Meta分析	通过系统综述和Meta分析评估人工智能模型利用头颅测量和手-腕X线片识别青春期生长突增的性能	首次对人工智能模型在头颅测量和手-腕X线片上预测青春期生长突增的性能进行系统综述和Meta分析，并比较不同影像模态和算法类型的诊断性能	研究间异质性高、外部验证有限、方法学弱点降低了证据的确定性和普适性	评估人工智能模型从头颅测量和手-腕X线片识别青春期生长突增的诊断性能，并比较不同影像模态和算法类型间的表现	年龄≤21岁的个体，其头颅测量和/或手-腕X线片被用于人工智能模型预测青春期生长突增或分类相关骨骼成熟阶段	机器学习和自然语言处理	NA	X线成像	深度学习、传统机器学习、大语言模型	影像数据	21项研究（2020-2025年发表）	NA	NA	准确率、灵敏度、特异度	NA