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
481	2026-07-15	AmesNet: A Task-Conditioned Deep Learning Model with Enhanced Sensitivity and Generalization in Ames Mutagenicity Prediction 2026-Jun-29, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.6c00082 PMID:42371678	研究论文	提出一种任务条件化的深度学习模型AmesNet，在Ames诱变性预测中实现增强的灵敏度和泛化能力	采用双分支架构，包含分子编码器和专用通道来条件化Ames检测上下文（如代谢活化和菌株类型），在保持高平衡准确度的同时提升灵敏度，避免现有模型的灵敏度折衷问题	未提及具体限制	开发一种高灵敏度的in silico Ames诱变性预测模型，解决现有模型在域外分子上的灵敏度下降问题	小分子药物的Ames诱变性	机器学习	NA	NA	条件化深度学习模型	分子结构数据	NA	NA	双分支架构（分子编码器+条件化通道）	灵敏度、平衡准确度	NA
482	2026-07-15	State of the Art: Artificial Intelligence Approaches for Enhancing Medical Imaging in Burkina Faso - A Case Study on Early Detection of Breast Cancer from Pathology Imaging 2026-Jun-29, Studies in health technology and informatics DOI:10.3233/SHTI260812 PMID:42393974	综述	这篇综述回顾了人工智能方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用，分析了30/50项精选研究	该文章聚焦于资源有限地区的AI乳腺癌检测应用，强调了本地数据集和基础设施适应性的重要性	挑战包括数据可用性不足、模型可解释性差以及难以适应本地上下文	探讨AI方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用	乳腺癌检测的人工智能方法	数字病理学	乳腺癌	组织病理学成像	CNN	图像	30/50项精选研究	NA	CNN	灵敏度	NA
483	2026-07-15	Mind Melodies: An NLP platform to examine music cognition 2026-Jun-16, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03059-0 PMID:42303808	研究论文	开发了一个结合艺术、科学和技术的交互平台Mind Melodies，用于研究希腊音乐调式对个体和集体引发的心理场景、情感和概念	首次将自然语言处理和深度学习算法与希腊音乐调式研究结合，提供定量且生态有效的音乐认知分析框架	初步试点研究样本量有限（142人），可能无法完全代表广泛人群的音乐认知反应	探究希腊音乐调式（伊奥尼亚、多利亚、弗里吉亚、吕底亚、混合吕底亚、爱奥尼亚、洛克里亚）对个体和集体引发的心理场景和情感影响	希腊音乐调式及其引发的心理场景、情感和概念	自然语言处理	NA	NA	深度学习	文本	142名参与者	NA	NA	NA	NA
484	2026-07-15	Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125819 PMID:41930893	研究论文	提出基于超分辨率增强深度学习的街道尺度城市洪水高效精确模拟方法	通过集成多源异构数据、注意力机制和空间感知一致性损失函数，以及迁移学习机制，显著提升了城市洪水超分辨率重建的精度和鲁棒性	未明确说明，但可能包括对极端降雨场景或不同城市区域的泛化能力有待验证	实现街道尺度城市洪水的高效高精度模拟以支持风险管理与应急响应	城市洪水超分辨率重建模型及其在两种不同案例上的应用表现	计算机视觉	NA	超分辨率重建	深度学习模型	图像	12种降雨场景，案例1和案例2	PyTorch	UFSR	均方根误差	NA
485	2026-07-15	Modeling and prediction of desalination performance in a scaled-up membrane capacitive deionization system using machine learning and deep learning 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125839 PMID:41934772	研究论文	利用机器学习和深度学习模型预测规模化膜电容去离子系统脱盐性能	首次将严格的时间序列数据切分策略用于泄漏评估，结合SHAP解释性分析揭示电流和pH的关键作用，建立了稳健的数据驱动建模框架	研究数据来自单一放大系统，模型泛化性可能受限于实际多变进水条件	探索数据驱动模型预测规模化MCDI系统出水电导率的可行性，并解释模型决策的物理化学逻辑	规模化膜电容去离子系统中在不同进水条件下的运行数据	机器学习	NA	膜电容去离子	随机森林、极端梯度提升、多层感知机、长短期记忆网络	时间序列数据	一种规模化MCDI系统在多种进水条件下的运行数据集	Scikit-learn, XGBoost, PyTorch	RF, XGBoost, MLP, LSTM	决定系数R²、均方根误差RMSE、平均绝对误差MAE	NA
486	2026-07-15	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-Jun-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	研究论文	提出结合预训练RNA语言模型与Transformer骨干网络的序列驱动框架，从3'UTR序列预测酵母mRNA半衰期	首次将RNA语言模型（RNA-FM）与Transformer结合用于3'UTR序列的mRNA半衰期预测，并实现高性能与生物可解释性的统一	仅基于已知基因的新型转录本进行验证，且单次突变效应量中等，可能存在遗漏复杂调控模式的风险	开发一种从3'UTR序列预测mRNA半衰期的深度学习方法，兼顾预测精度与机制可解释性	酿酒酵母转录本的3'非翻译区序列	机器学习	NA	RNA-seq	Transformer	序列	独立保留测试集，5折交叉验证	PyTorch	Transformer, RNA-FM	RMSE, MAE, R	NA
487	2026-07-15	Dose-aware diffusion model for 3D PET image denoising: Multi-institutional validation with reader study and real low-dose data 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104039 PMID:41930496	研究论文	提出一种剂量感知扩散模型DDPET-3D，用于3D低剂量PET图像去噪，并通过多中心验证和读者研究证明其有效性	首次将扩散模型应用于3D低剂量PET去噪，通过2.5D条件骨干网络实现3D一致重建，具备剂量感知能力，可泛化至不同噪声水平、扫描仪和临床方案	模型采用2.5D而非全3D扩散网络，可能在完全3D一致性上有局限；未详细讨论计算资源需求	开发一种通用性强、图像质量高的低剂量PET去噪方法，解决现有深度学习模型在3D一致性、噪声泛化性和细节保真度方面的不足	低剂量/低计数PET图像（包括低噪声水平和不同扫描协议）	数字病理学	NA	PET成像	扩散模型	图像	9783例F-FDG研究（来自1596名患者），低剂量水平从1%到50%	PyTorch	2.5D条件骨干网络	定性视觉评估、读者评分、蒙特卡洛仿真、病变分割网络评估	NA
488	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
489	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
490	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
491	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
492	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
493	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
494	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
495	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
496	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
497	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
498	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）
499	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
500	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