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
1	2026-07-18	Temperature shocks and food inflation: Multicountry evidence from visual time-series transformers and attention-based feature selection 2026-Jul-31, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130268 PMID:42335556	研究论文	结合可视化时间序列表示与深度学习，研究月度温度变化对九国食品价格通胀的预测能力	首次将视觉时间序列变压器（BEiT）与注意力特征选择（A2FS）结合，构建GAFWave-A2FSNet混合框架，实现多国食品通胀预测并解释温度冲击的异质性影响	仅使用月度数据，可能忽略更高频温度波动影响；未考虑其他气候因素（如降水、极端事件）	探究月度温度变化是否包含食品价格通胀的预测信息，并评估混合深度学习框架的预测效果	巴西、法国、德国、印度、日本、墨西哥、荷兰、俄罗斯和美国的消费者食品价格指数及相关预测因子（温度变化、汇率、布伦特油价、工业产值、经济政策不确定性、VIX指数）	机器学习	NA	时间序列分析与可视化（Gramian Angle Field, 连续小波变换）	CNN, GRU, LSTM, SVR, RF, KNN, LGBM, BEiT, 自编码器	时间序列数据	9个国家各自的月度时间序列数据，时间跨度未明确说明	PyTorch, Scikit-learn	BEiT（视觉时间序列变压器）、AutoEncoder-Attention特征选择（A2FS）	预测准确性（具体指标未说明）、分组特征重要性、部分依赖图（PDP）、点导数敏感性、残差CUSUM/CUSUMSQ诊断	NA
2	2026-07-18	Simulation-driven deep learning for the diagnosis of middle ear pathologies using wideband acoustic immittance 2026-Jul-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae885d PMID:42425143	研究论文	提出一种基于有限元建模的模拟驱动深度学习方法，用于宽频声导抗诊断中耳疾病	通过拉丁超立方采样生成标准化虚拟WAI数据集，并开发专为多通道WAI输入设计的轻量卷积神经网络WAIHybrid，实现数据有限场景下的自动化诊断	模拟与临床数据间存在残余差异，且需在更大、更平衡、临床异质性更高的队列中进一步验证	解决临床数据稀缺和复杂响应模式对自动诊断的阻碍，实现中耳疾病的计算机辅助诊断	中耳病理条件（正常耳、听骨链中断、听骨链固定、分泌性中耳炎）	医疗影像	中耳疾病	宽频声导抗测试	卷积神经网络	声导抗信号	12000个模拟样本和206个临床WAI记录	PyTorch	WAIHybrid	宏观F1分数、平衡准确率	NA
3	2026-07-18	PanMB2-Net: a deep learning framework for preoperative MB2 canal risk assessment on panoramic radiographs 2026-Jul-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-09075-y PMID:42464285	研究论文	开发并验证了一个用于全景X光片上MB2根管术前风险评估的深度学习框架PanMB2-Net	提出了一种结合灰度引导注意力、感受野块、对比正则化和Sobel边缘损失的ResNet50网络，专门针对全景X光片进行上颌第一磨牙第二近颊根管的风险评估	准确性仍有提升空间（验证准确率72.9%），不能替代CBCT，仅为临床决策提供辅助支持	开发并验证用于全景X光片上MB2根管术前风险评估的临床导向人工智能框架	上颌第一磨牙的第二近颊根管	计算机视觉	牙科疾病	全景X光成像	卷积神经网络	图像	388张全景X光片	PyTorch	ResNet50，YOLOv5	定位准确率、准确率、精确率、召回率、F1分数	NA
4	2026-07-18	AI-based techniques in sperm detection 2026-Jul-17, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001430 PMID:42464782	综述	总结了人工智能辅助精子检测的最新进展及其潜在临床应用	首次综述了AI在无精症和隐匿性精子症患者精子检测中的应用，包括增强现实平台和集成AI的微流控系统等新技术	需要进一步验证，当前临床数据有限	评估AI辅助精子检测技术的进展和临床应用前景	无精症和隐匿性精子症患者	计算机视觉	男性不育症	NA	深度学习	图像	NA	NA	NA	灵敏度，检测速度	NA
5	2026-07-18	Live-Cell Imaging Enables Reporter-Free Monitoring Of The Circadian Rhythm In Individual Synechocystis Cells 2026-Jul-17, Plant & cell physiology DOI:10.1093/pcp/pcag099 PMID:42466603	研究论文	通过结合微流控培养技术和延时显微镜成像，实现单个集胞藻细胞无报告基因的昼夜节律监测	首次实现单个集胞藻细胞无报告基因的昼夜节律监测，并证明相衬和反向散射可能测量细胞折射率的相同节律性变化	未明确提及，但可能包括对细胞类型的局限性和方法在不同条件下的可重复性验证	开发一种无需报告基因即可监测单个细胞昼夜节律的方法，并解析节律的个体细胞驱动机制	集胞藻（Synechocystis sp. PCC 6803）单个细胞，包括野生型、ΔkaiC3缺失突变体和互补菌株	数字病理学	NA	微流控培养技术、延时显微镜成像、深度学习细胞分割	CNN	图像（延时显微镜图像序列）	数百个延时图像序列	PyTorch	U-Net	NA	NA
6	2026-07-18	Artificial Intelligence Applications in Antimicrobial Resistance: Comprehensive Review of Predictive Models, Diagnostic Innovations, and Clinical Integration 2026-Jul-17, Microbial drug resistance (Larchmont, N.Y.) DOI:10.1177/10766294261467803 PMID:42466699	综述	综述人工智能在抗菌药物耐药性预测、诊断和临床整合中的应用进展	系统总结了AI在AMR领域的多模态数据应用（基因组、光谱、临床）、高精度模型（Deeparg-LS、XGBoost、视觉Transformer）以及决策支持系统减少抗生素错配67%等创新成果	数据集异质性、计算强度大、模型可迁移性有限，以及数据隐私、偏见和可解释性等伦理问题	评估AI在抗菌药物耐药性预测、抗菌发现和临床决策支持中的能力与挑战	人工智能模型（如Deeparg-LS、XGBoost、视觉Transformer）、临床决策支持系统、生成算法、深度学习框架	机器学习	抗菌药物耐药性相关疾病	基因组测序、光谱分析、显微成像	深度学习、梯度提升、生成算法	基因组数据、光谱数据、临床数据、宏基因组数据、显微图像	NA	NA	Deeparg-LS, XGBoost, 视觉Transformer	AUC, 敏感性, 特异性	NA
7	2026-07-18	Dynamic driving risk quantification and Informer-based prediction for heavy vehicles during right turns at intersections 2026-Jul-17, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2026.2677690 PMID:42466969	研究论文	针对重型车辆在交叉口右转时的动态驾驶风险进行量化并利用基于Informer的模型进行预测	提出了一种基于滑动时间窗口的熵权法动态量化重型车辆右转风险，并引入Informer深度学习模型进行高效预测	传统静态风险分析方法的局限性，缺乏对高风险右转场景的动态风险量化与预测	提出动态风险量化方法并引入先进深度学习模型有效预测驾驶风险	城市交叉口重型车辆的右转驾驶风险	机器学习	NA	NA	Informer	时间序列数据	NA	PyTorch	Informer, LSTM, CNN-Bi-Attention-LSTM, Transformer	预测精度, 推理时间	NA
8	2026-07-18	From data to scent: validating an ensemble AI model that predicts novel insect odourant interactions 2026-Jul-17, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06844-y PMID:42467279	研究论文	评估不同深度学习模型预测昆虫气味受体结构与结合能力，并提出加权组合元模型以提高准确性	首次系统评估多种深度学习模型对昆虫OR的预测能力，并提出加权组合元模型显著提升结合亲和力预测准确性，并通过实验验证	现有深度学习模型在预测配体结合亲和力及区分结合物与非结合物方面存在高变异性，即使目标非常相似	提高昆虫气味受体-配体相互作用的计算预测准确性	昆虫气味受体及其与配体的相互作用	机器学习	NA	深度学习模型预测	深度学习模型（AlphaFold2, Boltz2等）与元模型	蛋白质结构数据与配体结合数据	涉及一系列高反应性气味受体，具体数量未提及	NA	加权组合元模型	结合亲和力预测准确性	NA
9	2026-07-18	Deep learning-based automated assessment of alveolar bone loss in CBCT for periodontitis 2026-Jul-17, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-07008-1 PMID:42467296	研究论文	开发并验证基于深度学习的CBCT自动系统，用于评估牙周炎的牙槽骨损失	提出结合nnU-Net框架与边缘约束最短路径算法，实现CBCT图像中牙齿、牙槽骨和牙釉质-牙骨质界（CEJ）的自动分割及牙槽骨损失（RBL）的量化计算	未在文中明确说明局限性	提高牙周炎诊断中放射学牙槽骨损失评估的准确性与效率	来自四个中心的110名牙周炎患者（2796颗牙齿）的CBCT图像	医学影像分析	牙周炎	CBCT成像	nnU-Net	图像	110名患者（2796颗牙齿）	PyTorch	nnU-Net	Dice相似系数（DSC），斯皮尔曼相关系数（ρ），组内相关系数（ICC），准确率	NA
10	2026-07-18	Emerging trends in amino acid detection: wearable devices and machine learning-assisted signal processing 2026-Jul-16, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d6ay00596a PMID:42396893	综述	回顾氨基酸分析领域的最新进展，重点介绍柔性可穿戴传感设备和机器学习辅助信号处理两大新兴趋势	系统整合了非侵入式可穿戴传感技术与多种机器学习模型在氨基酸分析中的应用	未详细讨论实际临床验证和大规模应用中的挑战	总结氨基酸分析在个性化健康监测中的进展，并指出未来研究方向	氨基酸及其在血液、汗液、间质液等生物体液中的检测	机器学习	癌症、神经退行性疾病、心血管疾病	NA	深度学习模型、支持向量机、集成学习、树模型、经典化学计量线性回归模型	信号	NA	NA	NA	NA	NA
11	2026-07-18	Automated deep learning-based arousal detection complies with ten expert scorers in unseen data 2026-Jul-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag191 PMID:42460976	研究论文	开发了一种基于深度学习的自动觉醒评分模型，并在多位专家评分者的独立数据集中验证了其性能	在独立数据集中以1秒分辨率与十位来自不同睡眠中心的专家评分者进行对比，模型的中位一致性评分超过了专家之间的一致性	未明确提及，但可能涉及模型在更大或更多样化人群中的泛化性需进一步验证	评估深度学习模型在不同睡眠记录中自动觉醒评分的可靠性和泛化能力	来自MESA队列和睡眠革命队列的多导睡眠图数据，包括205个内部测试样本和50个独立测试样本	机器学习	睡眠相关疾病	多导睡眠图分析	全卷积神经网络	多导睡眠图信号	1,847个MESA队列训练样本，205个MESA测试样本，50个睡眠革命队列独立测试样本	NA	全卷积神经网络	F1分数、Cohen's κ系数、组内相关系数	NA
12	2026-07-18	The expanding role of Artificial intelligence in medical diagnosis: from molecular diagnostics and multi-omics to digital health and medical imaging 2026-Jul-16, Expert review of molecular diagnostics IF:3.9Q1 DOI:10.1080/14737159.2026.2706000 PMID:42461212	综述	综述人工智能在医学诊断中的扩展作用，涵盖分子诊断、多组学、数字健康和医学影像等领域	全面总结了人工智能在医学诊断中的多种应用，包括分析多源复杂数据（如医学图像、基因序列和电子健康记录），并探讨了其在风险分类、诊断工作流和疾病风险预测中的潜力	有效应用于临床需解决数据隐私、严格验证和减少医疗数据偏差等问题	评估人工智能在医学诊断中的当前应用、优势及挑战，强调其改善诊断结果的潜力	医学诊断中的人工智能应用，包括分子诊断、多组学、数字健康和医学影像	机器学习, 计算机视觉, 自然语言处理	NA	NA	机器学习, 深度学习	医学图像, 基因序列, 电子健康记录	NA	NA	NA	NA	NA
13	2026-07-18	UNMR-Net: A Unified Deep Reconstruction Network for Multitask Compressed Sensing NMR Spectroscopy 2026-Jul-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01352 PMID:42461221	研究论文	提出一种统一的深度重建网络UNMR-Net，用于多任务压缩感知核磁共振波谱重建	通过展开经典迭代收缩阈值算法，该框架充分利用压缩感知求解器的理论基础和多任务适应性，打破任务定制化网络设计，实现单一网络同时应用于两个核磁共振稀疏重建任务；同时结合模型驱动可靠性和数据驱动表达能力，提供优于专门为单个任务定制的现有模型的性能，并通过阶段可视化提高重建过程的透明度	未说明	解决现有深度学习模型在核磁共振波谱重建中适应性和可解释性不足的问题	核磁共振波谱稀疏重建任务	压缩感知、深度学习	NA	核磁共振波谱（NMR spectroscopy）	深度展开网络	核磁共振波谱数据	NA	NA	迭代收缩阈值算法展开网络	重建性能（具体指标未明确）	NA
14	2026-07-18	LINKER: Learning Interactions between Functional Groups and Residues with Chemical Knowledge-Enhanced Reasoning and Explainability 2026-Jul-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00527 PMID:42461227	研究论文	提出LINKER模型，利用序列输入预测蛋白质残基与配体功能基团间的相互作用，强调化学意义和可解释性	首个基于序列的模型，能从生物定义相互作用类型预测残基-功能基团相互作用，利用功能基团抽象和结构监督训练，无需三维结构输入	NA	开发一种仅依赖蛋白质序列和配体SMILES表示的可解释性方法，用于准确识别残基-功能基团相互作用，以支持大规模药物设计	蛋白质-配体相互作用中的残基和功能基团	机器学习	NA	NA	深度学习模型	序列（蛋白质序列和配体SMILES）	NA	NA	NA	NA	NA
15	2026-07-18	The Role of Artificial Intelligence and Machine Learning in Predictive Virology: Forecasting, Tracking, and Combating Viral Threats 2026-Jul-16, Vector borne and zoonotic diseases (Larchmont, N.Y.) DOI:10.1177/15303667261469037 PMID:42461270	综述	系统回顾人工智能和机器学习在预测病毒学中的作用，包括预测、追踪和对抗病毒威胁	将预测病毒学作为人工智能驱动的学科，整合大量基因组数据、多模式监测信号和先进计算模型预测病毒出现和进化，并提出涵盖零样本突变适应性预测、多模式预警系统、神经微分方程传播建模、生成抗病毒药物和疫苗设计以及生态风险评估的核心支柱	存在数据偏差、对历史模式的过拟合、缺乏前瞻性验证以及跨场景的泛化能力有限，此外还涉及机制可解释性、全球数据整合和负责任部署的问题	评估人工智能和机器学习在预测病毒学中的应用潜力，推动病毒学从反应性向预测性学科转变	病毒威胁（如SARS-CoV-2、流感及其他疫情）的预测、追踪和防控技术	机器学习	传染病	NA	大型蛋白质语言模型、生成式AI、神经微分方程	基因组数据、废水监测数据、数字流行病学数据、移动性数据、社交媒体数据	NA	NA	大型蛋白质语言模型、生成对抗网络	准确性	NA
16	2026-07-18	Recent Advances in AI for Automated ICD Coding: A Systematic Literature Review 2026-Jul-16, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02429-7 PMID:42461368	综述	系统回顾了基于人工智能的自动化ICD编码研究现状，分析模型对多种临床文档的适用性并提出了研究议程	提出了5P证据驱动的研究议程（人群多样性、性能鲁棒性、罕见代码预测、溯源透明性、实际整合）并系统揭示了从传统机器学习到深度学习的架构演化趋势	过度依赖单语言单机构数据集限制了泛化性、罕见代码预测困难未解决、模型可解释性不足、评估协议不一致	探索人工智能在自动化ICD编码领域的研究进展并提出解决当前挑战的研究方向	2019至2024年间发表的54篇自动化ICD编码研究论文及相关临床文档（出院小结、电子健康记录、护理记录、病理报告）	自然语言处理	NA	NA	卷积神经网络、循环神经网络、Transformer、混合模型	文本	54篇论文（来自4,280篇初始引用）	NA	卷积神经网络、循环神经网络、Transformer、混合架构	准确率	NA
17	2026-07-18	EEG-DBNet: a dual-branch framework for temporal-spectral representation learning of motor imagery electroencephalography 2026-Jul-16, Brain informatics DOI:10.1186/s40708-026-00321-1 PMID:42461518	研究论文	提出一个名为EEG-DBNet的双分支神经网络框架，用于运动想象脑电图信号的时频特征学习	提出局部与全局卷积模块相结合的双分支设计，实现多尺度特征提取，同时建模EEG信号的时间动态和频谱表示	仍需在更大的自采数据集上进行进一步验证	开发稳健的深度学习框架，用于有效解码运动想象脑电图信号	运动想象脑电图信号	机器学习	NA	EEG	CNN	信号	使用了两个公开数据集（BCI Competition IV-2a和IV-2b）以及一个自采的CQUPT数据集	NA	双分支卷积神经网络	平均性能	NA
18	2026-07-18	A Generative Multi-modal Deep Learning Framework for Non-invasive Prediction of Ki-67 Expression in Papillary Thyroid Microcarcinoma Using Preoperative Ultrasound 2026-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3714034 PMID:42461734	研究论文	提出一种生成式多模态深度学习框架，通过术前B超非侵入性预测甲状腺微小乳头状癌的Ki-67表达	首次提出基于Pix2Pix的BUS2USE网络合成虚拟超声弹性成像图，设计可靠性感知融合机制平衡真实与生成特征，并引入多尺度注意力精炼模块和VEGF预测辅助任务	合成图像可能引入噪声，融合机制的鲁棒性需进一步验证	实现甲状腺微小乳头状癌Ki-67表达的非侵入性预测以辅助风险分层和预后评估	甲状腺微小乳头状癌患者术前B超图像及弹性成像图像	计算机视觉	甲状腺微小乳头状癌	超声成像	生成对抗网络	图像	未明确说明	PyTorch	Pix2Pix	准确率, AUC	NA
19	2026-07-18	Long-Sequence Lower Limb Action Recognition via Action-Specific Attention and Logic Correction for Daily Rehabilitation 2026-Jul-16, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3713524 PMID:42461747	研究论文	提出一种结合动作特定注意力机制和逻辑校正的混合深度学习框架，用于日常康复中的长序列下肢动作识别	通过滑动窗口的动作特定注意力机制增强对稀疏关键过渡动作的敏感性，并利用马尔可夫链逻辑校正模块消除生理上不合理的状态转换	初步评估仅在老年人群中进行，且系统在更复杂场景下的泛化能力有待验证	提升康复场景中人机协作控制的安全性和精确性	下肢连续运动序列，特别关注站立到坐、蹲到站等过渡动作	机器学习	康复医学	表面肌电图（sEMG）和惯性测量单元（IMU）多模态数据融合	BiLSTM（双向长短期记忆网络）	时间序列数据（sEMG信号和IMU数据）	包含老年受试者（OOD评估中n=5）在内的受试者数据	NA	ASAM-BiLSTM-MC（结合动作特定注意力机制和马尔可夫链逻辑校正）	总体准确率、宏F1分数	NA
20	2026-07-18	Deep Learning Improves Sensitivity to Change in Sinus Computed Tomography: Evidence From Two Randomized Controlled Trials 2026-Jul-16, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70218 PMID:42461843	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA