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	2026-06-04	The impact of scan time on dynamic [Formula: see text]-FAPI-04 total-body PET parametric imaging generated by deep learning models 2026-Jun-03, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00895-z PMID:42234386	研究论文	探讨扫描时间对深度学习模型生成的动态⁶⁸Ga-FAPI-04全身PET参数图像质量的影响	首次系统评估不同扫描时间下的静态PET图像对深度学习生成的动态PET参数图像质量的影响，并确定了最佳扫描时间窗口	仅使用单一放射性示踪剂⁶⁸Ga-FAPI-04，且数据集可能规模有限，未涵盖其他示踪剂或更广泛的临床场景	确定静态PET图像的最佳采集时间，以优化深度学习生成动态PET参数图像的质量	动态⁶⁸Ga-FAPI-04全身PET/CT图像数据	机器学学习, 数字病理学	NA	PET/CT, ⁶⁸Ga-FAPI-04示踪剂	深度学习模型	图像	提取了5帧动态PET图像（帧50、76、80、86、92）	NA	NA	参数图像质量评估指标	NA
22	2026-06-04	MarineTox Predictor: An Online Library Platform for Enhancing Low-Resourced Saltwater Ecotoxicity Prediction via Knowledge Sharing from Freshwater Ecotoxicity 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15496 PMID:42009490	研究论文	开发了一个在线文库平台，通过多任务深度学习和跨领域知识共享机制，增强低资源海水生态毒性预测	首次实现跨领域知识共享从淡水生态毒性到海水生态毒性预测，并构建了涵盖多种化学物质的多物种毒性预测工具	NA	解决海水生态毒性数据稀缺问题，开发能够预测多种海洋物种毒性终点的计算工具	化学物质对26种海洋生物（涵盖5个门类）的31项盐毒性任务	机器学习	NA	NA	多任务深度学习	分子结构数据、生态毒性数据	约68,000种化学物质，涵盖1.2百万条生态毒性记录	NA	多任务神经网络	决定系数 (R²)	NA
23	2026-06-04	PlasticAnalytics: A Deep Learning-Powered Spectral Library and Analytical Suite 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c01309 PMID:42138063	研究论文	PlasticAnalytics提供了一个自动化工作流，利用深度残差网络和不确定性感知质量分类器，对拉曼光谱和傅里叶变换红外光谱数据进行预处理和分类，实现微塑料的高效分析	结合迭代非对称惩罚最小二乘基线校正算法、混合规则与机器学习方法去除伪峰，并使用深度残差网络与不确定性感知质量分类器，在光谱成像中自动化背景去除和高速度推理，处理时间减少超过90%	未明确提及局限性	开发自动化工作流解决振动光谱分析微塑料中的关键瓶颈，包括预处理、分类和光谱成像加速	纯塑料、消费后塑料和环境老化塑料的光谱数据	机器学习	NA	拉曼光谱, 傅里叶变换红外光谱	深度残差网络	光谱数据	NA	NA	深度残差网络	准确率	NA
24	2026-06-04	AI-Driven Design and Clinical Translation of Nucleotide-Peptide and Peptide-Drug Conjugates 2026-Jun-02, ACS biomaterials science & engineering IF:5.4Q2 DOI:10.1021/acsbiomaterials.6c00187 PMID:42228500	综述	探讨人工智能驱动的核苷酸-肽和肽-药物偶联物的设计及临床转化进展	系统整合人工智能和深度学习技术用于预测肽-药物相互作用、优化连接子和虚拟筛选活性支架，重新定义精准治疗药物管线	面临酶降解、快速系统清除等体内稳定性挑战，以及肽可用性、连接子优化和可规模化合成等瓶颈问题	加速多功能生物分子构建体从理论到临床的转化，推动精准医学发展	核苷酸-肽偶联物和肽-药物偶联物的设计原理、偶联化学及临床应用	自然语言处理	癌症, 神经退行性疾病, 炎症性疾病	人工智能, 深度学习	NA	NA	NA	NA	NA	NA	NA
25	2026-06-04	From Empirical Ratio Tuning to Mechanistic Insight: Decoding NiO-ZnO Heterojunction Effects in Gas Sensing via Explainable Machine Learning 2026-Jun-02, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.6c00675 PMID:42228598	研究论文	通过可解释机器学习解码NiO-ZnO异质结在气体传感中的比例调控机制	将深度学习多任务框架与可解释人工智能（SHAP及特征交互网络）相结合，首次揭示NiO-ZnO复合比例对气体传感性能的非单调调控机理，打破传统经验比例调优的局限	可能仅在特定气体种类和有限浓度范围内验证，材料的长期稳定性和实际环境干扰未讨论	阐明NiO-ZnO复合比例调控气体传感性能的内在机制，并为复合气体传感器的结构优化和可解释设计提供新范式	七种不同摩尔比的NiO-ZnO气体传感器及六种代表性挥发性有机化合物	机器学习	NA	金属氧化物半导体气体传感	深度学习多任务网络	气体传感器响应信号数据	七种NiO-ZnO传感器，六种VOC气体样本	PyTorch	多任务神经网络	气体分类准确率、浓度回归误差、平均响应、最大响应	NA
26	2026-06-04	MEG-mod: A Multiview Enhanced Graph Neural Network for Knockdown Efficiency Prediction of Chemically Modified siRNA 2026-Jun-02, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00411 PMID:42228641	研究论文	提出MEG-mod，一个用于预测化学修饰siRNA敲低效率的多视图增强图神经网络框架	通过集成文献阅读代理、人工筛选和公共数据库构建扩展数据集，联合建模序列上下文、理化性质、化学修饰特征和双链结构关系，利用结构感知的Transformer基图神经网络捕获碱基配对和相邻依赖关系，并通过修饰-碱基融合模块建模上下文依赖的修饰效应	未提及具体限制	预测化学修饰siRNA的敲低效率，为合理设计提供工具	化学修饰的siRNA	机器学习	未指定	siRNA化学修饰	图神经网络（GNN）	序列数据、理化性质数据	扩大的数据集（具体数量未提及）	NA	Transformer基图神经网络	皮尔逊相关系数	NA
27	2026-06-04	Global-Local Interaction and Recalibration Network for Salient Object Detection in Optical Remote Sensing Images 2026-Jun-02, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3696712 PMID:42228667	研究论文	提出一种全局-局部交互与重校准网络，用于光学遥感图像中的显著目标检测，利用Transformer的全局上下文和CNN的局部细节的互补性，同时调和其内在差异	设计双分支编码器结合Transformer和CNN特征，提出多尺度特征交互模块促进特征互补，以及特征重校准模块调和特征差异	未提及具体限制	提升光学遥感图像中显著目标检测的性能	光学遥感图像中的显著目标	计算机视觉	NA	深度学习	CNN, Transformer	图像	两个公开数据集	PyTorch	GLIR-Net, CNN, Transformer	定性分析和定量指标	NA
28	2026-06-04	PepAnno: A structure-aware deep learning framework for bioactive peptide prediction, structural visualization, and physicochemical profiling 2026-Jun-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014369 PMID:42228741	研究论文	PepAnno是一种深度融合结构与序列信息的多视图几何深度学习框架，用于多肽生物活性预测、结构可视化和理化性质分析	创新性地提出了结合预训练序列嵌入和预测三维结构图的双流架构（Transformer+GATv2网络），并采用跨模态注意力机制融合语义与几何表征，实现多任务多功能预测	文中未明确提及局限性，但可能依赖预测的3D结构而非实验解析结构，且数据集规模有限可能影响泛化能力	开发一个全面且用户友好的多肽功能注释网络服务器，提高多肽分析效率和可解释性	具有不同生物活性的多肽序列，包括抗菌和抗癌活性等7类关键生物活性	机器学习, 计算生物学	感染性疾病, 癌症	深度学习, 三维结构预测	Transformer, GATv2网络	序列数据, 图数据（3D结构图）	7个精心整理的生物活性数据集	PyTorch	双流架构：Transformer+GATv2网络	区分能力, 稳定性	NA
29	2026-06-04	Advancing radiotherapy with deep Learning: A review of dose prediction models 2026-Jun-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105827 PMID:42229186	综述	综述深度学习在放疗剂量预测模型中的应用	全面梳理了用于放疗剂量预测的深度学习模型架构、数据集和方法学进展，并提出了未来研究方向	未对特定模型进行定量比较，未涵盖所有可能的深度学习变体	评估和综述深度学习在放疗剂量预测中的现状与未来方向	深度学习剂量预测模型及其在放疗中的应用	机器学习	NA	NA	深度学习	NA	NA	NA	NA	精度、效率、鲁棒性	NA
30	2026-06-04	On-device cough detection and respiratory disease classification enhanced by generative data augmentation 2026-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111784 PMID:42229246	研究论文	开发一种多层智能手机兼容的AI框架，用于自动咳嗽检测和呼吸道疾病分类，并通过生成式数据增强技术解决数据稀缺和类不平衡问题	首次提出一种包含五种变分自编码器变体的生成式增强策略，并结合概率性咳嗽级融合机制，在时间-频率域进行潜在特征优化，同时在时间域重建样本以确保声学可验证性	未明确讨论生成样本的临床有效性验证细节和模型的长期部署稳定性	开发智能手机兼容的AI框架，实现实时咳嗽检测和呼吸系统疾病分类，并提供可解释的生成式数据增强方法	哮喘、COVID-19和健康人群的咳嗽声音	数字病理学	呼吸系统疾病（哮喘、COVID-19）	声音信号分析	变分自编码器、支持向量机	音频	NA	NA	VAE, SVM	NA	商用安卓硬件
31	2026-06-04	AmygdalaGo-BOLT for boundary-aware segmentation of the human amygdala 2026-Jun-02, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101473 PMID:42229420	研究论文	开发了一种边界感知的深度学习模型 AmygdalaGo-BOLT，用于人脑杏仁核的自动分割	结合多尺度特征提取、空间先验和自注意力机制，在紧凑的编码器-解码器架构中增强边界检测能力，专门针对儿童和青少年 MRI 数据中杏仁核的复杂形态和小尺寸问题设计	未明确提及局限性，但依赖手动标注的数据集可能影响模型在未标注变异上的泛化能力	实现可靠、可扩展的杏仁核分割，支持大规模神经影像研究	儿童和青少年的人脑杏仁核	数字病理学	神经发育疾病	MRI	CNN	图像	1,086 个儿科 MRI 扫描	NA	编码器-解码器架构	与专家手动标注的一致性、效率、准确性	NA
32	2026-06-04	Denoising of low-dose chest computed tomography images using a U-net based convolutional Autoencoder and transfer learning 2026-Jun-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出一种基于U-Net卷积自编码器和迁移学习的低剂量胸部CT图像去噪方法	通过两步训练策略（先在体模图像上训练，再迁移学习到临床数据）解决临床数居有限问题，并采用轻量级U-Net卷积自编码器保留解剖结构和低对比度特征	NA	开发无需大量配对临床数据集的高效低剂量CT去噪算法	低剂量胸部CT图像中的噪声和伪影	计算机视觉	肺癌	NA	卷积自编码器	图像	LUNA16数据集（公开数据）	NA	U-Net	噪声降低因子（3.4 ± 0.6），结节可检测性	NA
33	2026-06-04	Accuracy of Automated Deep Learning versus Expert Clinicians for Diagnosis of Acute Lacunar Stroke on CT Perfusion 2026-Jun-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9445 PMID:42229993	研究论文	一项回顾性诊断准确性研究，比较新型自动化深度学习模型与专家卒中神经科医生在CT灌注成像上诊断急性腔隙性卒中的表现	首次系统评估深度学习模型在CT灌注成像上诊断急性腔隙性卒中的准确性，并直接与专家神经科医生进行对比	回顾性设计、样本量有限、仅涉及两个卒中中心、未进行前瞻性或外部验证	评估深度学习模型在CT灌注成像上诊断急性腔隙性卒中的准确性，并比较其与专家神经科医生的表现	疑似急性腔隙性卒中患者的CT灌注成像与弥散加权MRI（DWI）数据	计算机视觉	急性腔隙性卒中	CT灌注成像，弥散加权MRI	卷积神经网络	医学图像	485名患者（436名用于模型开发，49名用于独立验证）	NA	卷积神经网络	AUC，敏感度，特异度	NA
34	2026-06-04	Deep learning for freezing of gait assessment using inertial measurement units: a multicentre validation study 2026-Jun-02, NPJ Parkinson's disease DOI:10.1038/s41531-026-01407-7 PMID:42230618	研究论文	利用深度学习和惯性测量单元评估帕金森病中的冻结步态，并验证其在不同队列中的表现	首次通过多中心验证全面评估深度学习模型在冻结步态检测中的异质性效应，并提出基于人机协作的微调工作流和概念验证网络平台	外部队列中模型与专家的一致性降低，微调仅改善部分性能；异构性和评估方法差异仍需统一标准解决	评估深度学习模型在不同患者和评估方法异质性下的冻结步态检测性能，并探索微调和人工介入的改进策略	帕金森病患者的冻结步态检测性能，包括本地队列和六个外部队列的数据	深度学习	帕金森病	惯性测量单元	深度学习模型	惯性测量数据	本地队列85名参与者共2043次试验，外部队列256名参与者共1058次试验	NA	NA	组内相关系数	NA
35	2026-06-04	Robust deepfake video detection using spatio-temporal features and dynamic difference learning 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53545-w PMID:42230680	研究论文	提出一种结合时空特征与动态差异学习的深度伪造视频检测框架，通过面部关键点提取和Transformer编码器捕捉运动动态，实现高准确率检测	提出动态差异模块（DDM）用于强调面部异常突变运动，并利用Transformer编码器同时捕捉短期和长期运动动力学信息	未提及计算资源消耗和实际部署中的实时性表现	开发一种鲁棒的深度伪造视频检测方法，有效利用时空特征和动态差异学习来区分真实与伪造内容	深度伪造视频中的面部运动异常和时空不一致性	计算机视觉	NA	面部关键点检测（Dlib 68点检测器）、CNN、LSTM、Transformer	Transformer、CNN、LSTM	视频	使用FaceForensics++、UADFV和DFDC三个基准数据集进行实验验证	PyTorch	Transformer编码器、CNN、LSTM	准确率、精确率、召回率、F1分数	NA
36	2026-06-04	DeepRank-Ab: a scoring function for antibody-antigen complexes based on geometric deep learning 2026-Jun-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10408-4 PMID:42230751	研究论文	提出基于几何深度学习的抗体-抗原复合物评分函数DeepRank-Ab，结合约230万个诱饵的真实基准，显著提高近天然构象识别能力	首次将几何深度学习与Voronoi表面分解及抗体特异性特征结合，设计出针对抗体-抗原界面的评分函数，在多个独立测试集上一致超越AlphaFold3、HADDOCK等顶尖方法	NA	开发高准确性抗体-抗原复合物评分方法，解决现有方法在构象排序中的根本性局限	抗体-抗原复合物的三维结构	机器学习	NA	几何深度学习	图神经网络	蛋白质结构数据	来自1442个复合物的约230万个诱饵构象	NA	图神经网络	Top1成功率, Top1 DockQ, Top5成功率	NA
37	2026-06-04	Deep learning prediction of pathological complete response in breast cancer using Mamba architecture 2026-Jun-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02849-2 PMID:42230774	研究论文	开发基于Mamba架构的深度学习模型MCEN，利用穿刺活检图像预测乳腺癌新辅助化疗后的病理完全缓解	首次将Mamba架构应用于乳腺癌化疗疗效预测，替代传统CNN或Transformer方法	研究未明确说明外部测试集样本量和模型在不同亚群中的泛化能力	预测乳腺癌新辅助化疗后的病理完全缓解，辅助临床决策	1646名乳腺癌患者的穿刺活检样本，来自五家三级医院	数字病理学	乳腺癌	穿刺活检	Mamba架构	图像	1646例患者活检样本，其中1023例来自一家医院，分训练集（80%）和验证集（20%），其余四家医院作为外部测试集	NA	Mamba	AUROC	NA
38	2026-06-04	Hybrid spatial-field attention network for meteorological data downscaling 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53017-1 PMID:42230883	研究论文	提出一种用于气象数据降尺度的混合空间场注意力网络（HSFANet），以提升粗分辨率气象数据的空间精度	创新性地构建了混合空间场注意力模块，联合建模局部空间依赖性、全局空间相关性和不同气象变量间的交叉场交互；引入动态层信息集成模块自适应聚合多级特征；采用地物交叉注意力机制捕捉气象场与下垫面特征的耦合关系	未明确说明局限性	解决现有气象产品空间分辨率粗、难以满足高精度工程和决策需求的问题	近地表气象变量（如温度、湿度、风等）的降尺度重建	机器学习	NA	NA	注意力网络	气象再分析数据（CLDAS V2.0）	NA（未提及具体样本数量）	NA（未明确提及）	混合空间场注意力网络（HSFANet），包括混合空间场注意力模块、动态层信息集成模块和地物交叉注意力机制	准确率（Accuracy）等（具体指标未明确列出，但提及“更高精度”且与最先进方法比较）	NA（未提及具体计算资源）
39	2026-06-04	Design of an AI-based security anomaly detection system for IoT terminals based on the ViT-transformer fusion model 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55476-y PMID:42230914	研究论文	提出一种基于ViT-Transformer融合模型的物联网终端AI安全异常检测系统	采用端边云三级协同架构，融合网络流量、传感器时序和侧信道信号等多模态数据，通过tokenization实现跨模态特征融合；结合剪枝、蒸馏和量化优化策略将模型压缩比提升至70%；引入椭圆曲线无证书加密和批量列表签名批量认证确保数据安全，并使用联邦学习聚合边缘模型更新以优化全局性能	轻量级ViT融合模型在终端适应性和多模态数据融合应用方面仍有不足，端边云协作中动态调度与隐私保护的平衡仍需突破	解决物联网终端安全检测中的资源瓶颈和隐私风险，提供高效可靠的AI安全异常检测技术方案	物联网终端的多模态数据（网络流量、传感器时序、侧信道信号）	机器学习	NA	NA	ViT-Transformer融合模型	多模态数据（网络流量、传感器时序、侧信道信号）	使用IoT-23和UCI等公开数据集及自制测试平台	PyTorch	ViT, Transformer	准确率, F1分数, 推理延迟, 内存占用, 防御成功率	在低算力设备RPi4B和Arduino上部署，未提及具体GPU
40	2026-06-04	Modeling the interpretable geometric-performance relationship of metamaterials on small datasets using Kolmogorov-Arnold operator informed network 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55607-5 PMID:42230930	研究论文	提出Kolmogorov-Arnold算子信息网络方法，在小样本条件下实现轻量神经结构，用于超材料几何-性能关系建模	提出Kolmogorov-Arnold算子信息网络方法，在小样本条件下实现最轻的神经结构，同时提高精度和收敛速度	未提及	在小样本数据集下解释超材料的几何-性能关系并提高预测精度	梯度三周期极小曲面超材料	机器学习	NA	NA	Kolmogorov-Arnold算子信息网络	数值数据	50组数据	NA	Kolmogorov-Arnold算子信息网络	精度，收敛速度	NA