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
961	2026-06-08	Specific-Source Insights into Changes of O3 Concentrations and Health Risks in China 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c01808 PMID:42226704	研究论文	开发了结合深度学习模型与源导向CMAQ模型的集成框架，用于重构2005-2020年中国O3浓度并将其归因于不同来源，评估健康风险	首次将深度学习模型与源导向空气质量模型耦合，突破了传统方法在精细尺度上归因源贡献的局限，揭示了O3浓度来源在时空异质性及健康影响之间的显著不对等关系	NA	量化中国不同来源对臭氧浓度的贡献并评估相应的健康风险，为制定面向健康、来源特定的臭氧管理策略提供科学依据	2005-2020年中国大气臭氧浓度及其来源贡献和健康风险	机器学习	呼吸系统疾病	NA	深度学习模型	时间序列数据、空间分布数据	2005-2020年的臭氧浓度数据	NA	深度学习模型	NA	NA
962	2026-06-08	Concerted Electron-Ion Transport by Polyacrylonitrile Elucidated with Reactive Deep Learning Potentials 2026-Jun-02, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c05078 PMID:42227688	研究论文	利用反应性深度学习势能阐明聚丙烯腈中协同电子-离子传输的机制	首次通过深度学习势能模拟非平衡反应性PAN构型，揭示了亲核攻击引发的锂耦合电子转移及环化反应动力学	模拟未考虑聚合物链间相互作用及更复杂电解液环境的影响	研究PAN在电池中作为离子导体的协同电荷传输机制	聚丙烯腈（PAN）聚合物构型与Li⁺的相互作用	机器学习	NA	深度学习势能、红外光谱（IR）、核磁共振（NMR）	深度学习势能（Deep Potential）	分子结构数据（PAN构型能与力）	非平衡反应性PAN构型（具体数量未提及）	DeepMD-kit	深度神经网络势能	反应自由能、反应速率、电荷分析	GPU（具体型号未提及）
963	2026-06-08	Efficient FPGA accelerator for low-power high-speed BCI motor imagery classification using novel deep learning 2026-Jun-02, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109105 PMID:42250530	研究论文	提出一种结合少样本学习与双注意力机制的SqueezeNet深度学习模型，并设计高效FPGA加速器，用于低功耗高速运动想象脑电信号分类	1) 首次将少样本学习与双注意力机制结合到SqueezeNet中，提升小样本和未见数据的分类精度；2) 设计基于双核DPU和双缓冲方案的低功耗硬件加速器，功耗仅12.14W，推理时间5.01ms，比CPU和GPU分别降低4.8倍和6.3倍	未提及对噪声鲁棒性的具体分析及模型在真实复杂环境下的验证情况	实现运动想象脑电信号的高精度、低功耗、高速分类，适用于边缘设备实时部署	脑电信号中的运动想象任务分类	机器学习	NA	脑电图	SqueezeNet、双注意力机制、少样本学习	脑电信号	BCI Competition IV 2a数据集（具体样本数未提及），以及其他公共数据集	NA	FSL-Dual Attention-based SqueezeNet	准确率	FPGA硬件加速器（双核DPU，双缓冲方案），CPU，GPU（功耗对比）
964	2026-06-08	Virtual fluorescent labeling of engineered vascular networks with embedded tracer particles 2026-Jun, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2026.04.059 PMID:42097439	研究论文	开发了一种深度学习虚拟标记方法，能从无标记图像中恢复细胞核、细胞骨架和内皮荧光，用于工程化血管网络的纵向研究	首次在厚三维共培养系统中实现多通道荧光标记的虚拟预测，并对散射微珠具有鲁棒性，采用通道特定损失函数提升重建质量	未提及限制	实现无破坏性的实时定量分析工程组织中的微血管形态发生及细胞外基质力学	含2μm二氧化硅微珠的纤维蛋白水凝胶中三维共培养的人脐静脉内皮细胞和肺成纤维细胞	数字病理学, 计算机视觉	不适用	三维荧光成像, 明场成像	3D U-Net	图像（明场和共焦荧光序列）	三维纤维蛋白水凝胶中细胞共培养样本（具体数量未提及）	PyTorch	3D U-Net	均方误差, 结构相似性, 峰值信噪比, 相关性, Dice系数	未提及
965	2026-06-08	A deep learning multi-attention Bi-GRU framework for kcat prediction with segmentation-based insights 2026-Jun-01, Enzyme and microbial technology IF:3.4Q2 DOI:10.1016/j.enzmictec.2026.110915 PMID:42250496	研究论文	提出了一种名为KcatNeuroCortex的深度学习框架，用于预测酶催化效率，该框架结合了双向门控循环单元（Bi-GRU）与多注意力机制，并通过基于分段的策略捕捉局部功能基序	创新性地将双向GRU与多注意力机制结合，模仿酶的工作方式；采用基于分段的策略捕捉局部功能基序，并整合为全局表示，提高了可解释性和预测准确性	NA	开发一个可解释且新颖的深度学习框架，用于准确预测酶催化效率（kcat），以解决酶序列数据增长快于测量催化常数的问题	酶序列的催化效率（kcat）预测	机器学习	NA	NA	Bi-GRU	序列数据	NA	NA	Bi-GRU, 多注意力机制	R², RMSE	NA
966	2026-06-07	Deep learning reconstruction improves appendix visualization on pediatric magnetic resonance imaging (MRI): a single-center experience 2026-Jun-06, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06686-z PMID:42249942	研究论文	评估深度学习重建增强的2毫米磁共振成像在儿童阑尾炎中改善阑尾可视化和诊断性能的效果	首次应用深度学习重建技术于儿童薄层磁共振成像，在不降低信噪比的情况下提高阑尾可视化质量，并对比了传统的4毫米磁共振成像	单中心研究，样本量较小（82例），且部分比较未达到统计学显著性	评估2毫米T2加权磁共振成像结合深度学习重建相比传统4毫米磁共振成像在儿童阑尾炎中改善阑尾可视化和诊断性能	82例疑似阑尾炎的儿童患者（平均年龄9.6岁，年龄范围5-20岁）	计算机视觉	阑尾炎	磁共振成像（MRI）	深度学习重建（DLR）	医学影像	82例儿童患者	NA	NA	灵敏度、准确性、信噪比	NA
967	2026-06-07	Emerging Applications of Artificial Intelligence in Pediatric Care 2026-Jun-06, Indian journal of pediatrics IF:2.1Q2 DOI:10.1007/s12098-026-06254-1 PMID:42250093	综述	本文综述了人工智能在儿科护理中的应用，包括分诊、实时监测、风险分层及新生儿复苏等场景	系统总结了AI在新生儿黄疸评估、坏死性小肠结肠炎管理及早产儿视网膜病变筛查等儿科特有领域的创新应用	仍面临数据隐私、儿科高质量数据集缺乏、严格临床验证及透明度等伦理和实践挑战	探讨人工智能在儿科医疗中的应用现状及其对临床决策的支持	儿科患者群体，包括新生儿及儿童	机器学习	新生儿疾病	NA	机器学习、深度学习	健康数据	NA	NA	NA	NA	NA
968	2026-06-07	Scalable Boltzmann generators for equilibrium sampling of large-scale materials 2026-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73900-9 PMID:42243116	研究论文	提出了一种可扩展的玻尔兹曼生成器架构，用于大规模材料的平衡采样	通过结合增强耦合流与图神经网络，克服了玻尔兹曼生成器在大型材料系统中的扩展性限制，实现更快的训练、更低的资源消耗和更高的采样效率	NA	开发可扩展的平衡采样方法以高效生成大规模材料系统的平衡系综	Lennard-Jones晶体、mW水冰相和硅相图	机器学习	NA	NA	图神经网络、增强耦合流	NA	模拟晶胞超过一千个原子	NA	图神经网络、增强耦合流	采样效率	NA
969	2026-06-07	YOLO-geochemical integration for real-time aeolian dust monitoring: a critical review of signatures, health risks, and policy implications 2026-Jun-05, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15544-2 PMID:42247025	综述	批判性评估地球化学指纹分析与YOLO深度学习框架集成用于实时风成沙尘监测的方法，探讨其在源解析、健康风险评估和政策制定中的应用	首次提出将地球化学指纹分析（ICP-MS、SEM-EDS、XRD）与YOLO深度学习框架集成的多模态监测架构，实现成分解析的实时暴露映射，支持吸入健康风险评估	多模态框架的实际部署挑战、地球化学标签迭代训练的数据需求、不同地理区域的泛化能力尚未充分验证	推动沙尘源解析、健康风险评估和循证政策制定	风成沙尘颗粒及其地球化学组成、沙尘羽流的实时检测	计算机视觉	呼吸系统疾病、心血管疾病	ICP-MS, SEM-EDS, XRD, 高光谱成像, 多光谱成像	YOLO	图像、光谱数据	NA	NA	YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10	mAP	NA
970	2026-06-07	Infant Brain Age Estimation With T1w/T2w Ratio MRI: A Myelination-Aware Deep Learning Approach 2026-Jun-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70376 PMID:42247370	研究论文	利用T1w/T2w比值MRI和生物信息深度学习框架进行婴儿脑龄估计	首次将T1w/T2w比值MRI与生物信息深度学习结合，用于婴儿脑龄估计，并通过多任务学习和多尺度建模提升性能	外部验证样本量较小（10名婴儿），且仅限于健康婴儿，未在更大规模或异常发育群体中验证	开发并评估一种生物信息深度学习框架，利用T1w/T2w比值MRI进行婴儿脑龄估计	0-24个月婴儿的脑部MRI数据	计算机视觉	儿童发育相关疾病	T1w/T2w比值MRI	3D卷积神经网络	MRI图像	内部队列：629名婴儿（0-24个月），外部队列：10名健康婴儿（0-15个月）	PyTorch	3D-CNN	平均绝对误差，均方根误差，R²，皮尔逊相关系数，斯皮尔曼相关系数	NA
971	2026-06-07	GNN-based deep surrogate modeling of knee contact mechanics: generalizing neuromuscular control patterns across subjects 2026-Jun-05, The Knee DOI:10.1016/j.knee.2026.104523 PMID:42247863	研究论文	本研究利用基于图神经网络的深度代理模型，模拟膝关节接触力学，重点关注跨受试者神经肌肉控制模式的泛化能力	首次在固定解剖条件下，通过消息传递机制模拟应力传播，有效解码神经肌肉控制的异质性，克服了传统代理模型忽视运动策略的缺陷	未明确说明局限性，但可能包括基于固定解剖条件的假设、数据集较小以及未评估临床实际部署的实时性能	研究拓扑感知的MeshGraphNet在跨受试者神经肌肉控制模式下的泛化能力，以实现膝关节接触应力的实时评估	九名受试者的步态数据，通过OpenSim-FEBio协同仿真平台构建数据集	计算机视觉、机器学习	膝关节骨关节炎、半月板撕裂	有限元分析、步态分析	图神经网络	数值模拟数据	9名受试者的步态数据	PyTorch	MeshGraphNet, MLP, Laplacian-MLP	相关性, 峰值应力预测误差, 空间重叠度	未在摘要中明确说明
972	2026-06-07	Artificial intelligence in prostate cancer imaging: A mini-review of current applications and future directions 2026-Jun-05, Urologic oncology DOI:10.1016/j.urolonc.2026.05.013 PMID:42247882	综述	本文综述了人工智能在前列腺癌多参数磁共振成像中的应用现状、方法学挑战及未来方向	系统整合了最新研究证据，全面探讨了AI在前列腺癌mpMRI成像中的自动化病变检测与分割、PI-RADS评分标准化及影像组学风险预测等应用，并提出了可解释AI、联邦学习等未来方向	数据异质性、泛化能力不足、缺乏标准化特征提取、外部验证有限以及深度学习模型的“黑箱”特性影响临床信任和监管审批	总结AI在前列腺癌mpMRI成像中的当前应用、方法学挑战并展望未来发展方向	基于多参数磁共振成像的前列腺癌成像领域	机器学习	前列腺癌	NGS	机器学习, 深度学习	影像	NA	NA	NA	NA	NA
973	2026-06-07	Deep learning-automatic 3D analysis of regional condylar remodeling and skeletal relapse following bimaxillary surgery: a two-year follow-up study 2026-Jun-05, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104627 PMID:42247969	研究论文	利用深度学习对双颌手术后区域髁突重塑及骨骼复发的三维自动分析进行为期两年的随访研究	首次应用基于深度学习的3D区域髁突体积分析，定量评估双颌手术后髁突体积变化与骨骼复发间的关系，并揭示年龄、性别和手术推进幅度是关键预测因素	样本量有限（40例），未探索髁突区域亚体积与手术移动方向的显著相关性，且研究为回顾性设计	量化双颌手术后区域髁突重塑及其在骨骼复发中的作用	接受双颌手术的下颌后缩患者	计算机视觉, 数字病理学	下颌后缩	CBCT扫描	深度学习模型（具体架构未明确）	3D图像（CBCT扫描数据）	40例患者	NA	NA	线性回归分析（预测因子显著性）	NA
974	2026-06-07	Multimodal deep learning integration of clinical, dosiomics, and radiomics features to predict toxicity in breast cancer patients undergoing hypofractionated radiotherapy 2026-Jun-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111799 PMID:42248053	研究论文	开发多模态深度学习模型整合临床、放射组学、剂量组学和深度特征，预测乳腺癌大分割放疗后的急性放射性皮炎	首次将临床、放射组学、剂量组学和深度学习特征整合到单一预测框架中，并引入CLAHE图像增强和SMOTE类别重平衡技术以提高预测性能	样本量较小（160例），纤维化分析仅5个事件（源于罕见事件设置），外部验证尚未进行	开发多模态机器学习模型以早期识别高风险患者，优化治疗计划并改善乳腺癌患者生活质量	2017-2022年间接受调强大分割放疗的早期乳腺癌患者	机器学习	乳腺癌	CT成像, 放射组学, 剂量组学, 深度学习特征提取	随机森林, XGBoost, LightGBM, DS-LightGBM	图像, 临床数据, 剂量分布数据	160例早期乳腺癌患者	PyTorch, Scikit-learn	DenseNet-121, LightGBM	准确率, ROC-AUC	NA
975	2026-06-07	Hybrid learning: a combination of self-supervised and supervised learning for joint MRI reconstruction and denoising in low-field MRI 2026-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae792b PMID:42248205	研究论文	提出一种结合自监督学习和监督学习的混合学习框架，用于低场MRI中的联合重建与去噪	首次将自监督学习和监督学习分阶段结合，利用低信噪比全采样数据生成伪参考再用于监督训练，解决了低场MRI中高质量参考数据难以获取和低信噪比下性能退化的问题	未提及在超高噪声或极端欠采样情况下的表现，且伪参考质量可能受自监督学习性能限制	开发一种能在仅低信噪比训练数据下实现联合MRI重建和去噪的新训练框架	低场MRI中的图像重建和噪声去除问题	机器学习	NA	MRI	深度学习模型	图像	包含乳腺、肺部和脑部的模拟和真实噪声MRI数据，场强从0.3T到3T，采样轨迹包括笛卡尔、螺旋和径向，未明确样本数量	NA	NA	结构相似性指数（SSIM）、归一化均方误差（NMSE）、高频误差范数（HFEN）	NA
976	2026-06-07	Hyperspectral Imaging for Breast-Conserving Surgery Margin Assessment: A Systematic Review 2026-Jun-05, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2025-0627-RA PMID:42248565	系统综述	系统评价高光谱成像在保乳手术切缘评估中的应用	首次系统梳理了高光谱成像在乳腺癌保乳手术切缘评估中的方法学、机器学习模型、诊断性能及与标准技术的对比	硬件庞大、校准要求高、光谱分辨率降低、监管批准困难，尚无设备获批用于术中切缘评估	评估高光谱或多光谱成像用于乳腺癌切缘评估的研究进展	新鲜保乳手术标本或组织切片的乳腺癌样本	机器学习、数字病理学	乳腺癌	高光谱成像、多光谱成像	线性判别分析、支持向量机、卷积神经网络、聚类算法	光谱图像	24项研究	NA	NA	敏感性、特异性、受试者工作特征曲线下面积	NA
977	2026-06-07	Performance Analysis of Machine Learning Techniques for Voice Spoofing Detection 2026-Jun-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.05.013 PMID:42248755	研究论文	对四种语音欺骗检测模型进行对比实验分析	在标准化设置下对比传统机器学习与深度学习模型，强调根据部署需求而非仅准确率选择模型	仅使用ASVspoof 2019逻辑访问数据集，未覆盖更广泛场景	分析不同机器学习技术在语音欺骗检测中的性能，为模型选择提供指导	语音欺骗检测模型（SVM、GMM、ResNet、Wav2Vec 2.0）	自然语言处理	NA	NA	SVM、GMM、ResNet、Wav2Vec 2.0	语音	ASVspoof 2019逻辑访问数据集	NA	SVM、GMM、ResNet、Wav2Vec 2.0	等错误率、串联检测成本函数、训练时间、推理时间	NA
978	2026-06-07	A novel-based Kolmogorov-Arnold Networks for high accuracy mapping of water and vegetation: a study of the global main rivers 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53332-7 PMID:42248949	研究论文	本研究提出基于Kolmogorov-Arnold网络的新型深度学习架构，用于全球主要河流水体与植被的高精度像素级分类	首次将具有可学习激活函数的KANs应用于遥感领域，在混合像素和边界像素分类上优于传统方法，且架构更紧凑，能有效利用有限光谱信息	在所有区域并未一致优于MLP模型	评估KANs在遥感水体与植被分类中的性能及其替代传统模型的潜力	全球九条主要河流（亚马逊河、卡伦河、恒河、密西西比河、尼罗河、莱茵河、塞纳河、阿拉伯河、长江）的水体与植被分布	机器学习	NA	Sentinel-2遥感影像	KAN (Kolmogorov-Arnold网络)和MLP（多层感知机）	图像（Sentinel-2影像）	2023年九条全球主要河流的观测数据集	NA	KAN、MLP	Kappa系数、准确率	NA
979	2026-06-07	An end-to-end deep learning framework with nonstationary weighting strategy for enhancing reservoir landslide displacement prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55915-w PMID:42248995	研究论文	提出一种带有非平稳加权策略的端到端深度学习框架，用于增强水库滑坡位移预测	提出动态权重生成器(DWG)，能学习历史窗口中每个变量和每个时间步的权重，克服传统深度学习模型采用固定滑动窗口且对所有变量和时间步赋予相同权重的局限性	NA	提高水库滑坡位移预测的准确性	水库滑坡位移	机器学习	NA	NA	CNN、LSTM、Transformer、Mamba	时间序列数据	NA	NA	CNN、LSTM、Transformer、Mamba	NA	NA
980	2026-06-07	VerbaFake, EchoFake, and PixelFake: lightweight architectures with advanced augmentation for unimodal deepfake detection 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56292-0 PMID:42249019	研究论文	本文提出一种基于多种深度学习模型的单模态深度伪造检测框架，覆盖图像、文本和音频三种模态	提出了三种轻量级自建模型（VerbaFake、EchoFake、PixelFake），并集成先进数据增强策略，实现高精度单模态深度伪造检测	未充分讨论跨模态泛化能力以及模型在真实复杂场景下的鲁棒性	开发一种轻量级、实时可用的深度伪造检测系统，提升对伪造图像、文本、音频的识别能力	深度伪造内容，包括图像、文本和音频三种模态	计算机视觉,自然语言处理,机器学习	NA	NA	CNN, 注意力机制, GRU, BiLSTM, 胶囊网络	图像, 文本, 音频	超过26,000张图像样本、20,000个音频片段和31,429条文本条目	NA	MobileNetV2, EfficientNetV2-S, PixelFake, VerbaFake, Efficient-CapsNet, Attention-based BiLSTM, Xception, DenseNet201, EchoFake	准确率	NA