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
221	2026-07-07	Deep Learning-Based Prediction and Regulation for Remaining Shelf Life of Blueberries 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71266 PMID:42402711	研究论文	提出一种结合AHP-PCA-LSTM和GPR的闭环框架，用于蓝莓剩余货架期的预测与调控	首次将AHP-PCA-LSTM架构与高斯过程回归结合，构建动态闭环系统，实现基于温度的蓝莓剩余货架期精准预测与最优存储条件反向推导	主要数据通过插值扩充至600个样本，小样本量和插值处理可能影响模型泛化能力；实验仅在单一相对湿度条件下进行，未考虑其他环境因素	实现蓝莓剩余货架期的精准预测与基于温度的调控，以优化供应链管理并减少食品浪费	蓝莓果实的新鲜度指标（包括过氧化氢酶等品质参数）及温度存储条件	机器学习	不适用	三阶样条插值、自编码器	长短期记忆网络、高斯过程回归	数值数据	72个原始观测（6个温度×12个采样点），经插值扩充至600个样本	不适用	AHP-PCA-LSTM，高斯过程回归	误差率	不适用
222	2026-07-07	Effect of an annotation-free artificial intelligence system for simultaneous detection and diagnosis on breast ultrasonography: a multireader, multicase study across diverse healthcare professionals 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.26033 PMID:42403203	研究论文	评估无需标注的深度学习AI系统在乳腺超声中辅助不同医疗专业背景读者提升检测与诊断性能的多读者、多病例研究	首次研究无标注AI系统在不同专业背景读者（放射科医师、外科医生、内科医生、放射技师）中对乳腺超声诊断的辅助效果，并全面分析了经验水平对性能变化的影响	AI辅助后内科医生和放射技师的诊断特异性显著下降，部分读者（无专科培训或经验不足的放射科医师）的敏感性和准确性提升伴随特异性降低	评估无需标注的AI系统在乳腺超声检测与诊断中对不同专业背景读者的辅助效果	1000张乳腺超声图像（500例恶性、250例良性、250例阴性）	计算机视觉	乳腺癌	NA	深度学习	图像	1000张乳腺超声图像（500恶性、250良性、250阴性），15名读者（6名放射科医师、3名外科医生、3名内科医生、3名放射技师）	NA	NA	AULROC, 敏感性, 特异性, 准确性	NA
223	2026-07-07	A new single-sagittal-plane deep learning approach for continuous bladder volume monitoring: a feasibility study 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25258 PMID:42403208	研究论文	提出一种基于单矢状切面B超图像的深度学习模型用于连续膀胱容量监测	利用单矢状面B超图像结合深度学习实现膀胱容量估计，克服了传统双平面法需同时采集横切面与矢状切面易引入配准误差和形状系数偏差的局限	单中心研究、样本量小（测试集n=53）、仅评估仰卧位、未验证临床连续监测场景的鲁棒性	开发一种基于单矢状切面超声图像的、患者特异性的膀胱容量连续监测方法	膀胱容量估计的可行性和准确性	计算机视觉	泌尿系统疾病	超声成像	卷积神经网络	B超图像	53例患者（测试集）	PyTorch，OpenCV	轻量级CNN结合自注意力机制	R²，平均绝对误差，平均绝对百分比误差，Bland-Altman分析	NA
224	2026-07-06	Full-spectrum EEM end-member unmixing with statistical validation: A deep learning framework for organic pollution source apportionment in complex watersheds 2026-Jul-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130206 PMID:42320213	研究论文	提出一种基于全光谱EEM端元解混与统计验证的深度学习框架，用于复杂流域有机污染源解析	首次将全光谱EEM图像作为源特异性端元，结合统计验证（SSIM/ANOSIM）和CNN解混架构，实现多源重叠情况下污染源的精确区分	野外应用仅验证了初步空间一致性，未充分讨论不同流域特征对框架泛化性的影响	开发一种基于深度学习的有机污染源解析方法，解决传统荧光指标方法在多源混合流域中示踪能力不足的问题	混合土地利用流域中的有机污染源样品及实地河流样品	机器学习	NA	EEM光谱成像	CNN	图像	包含8种端元类型，混合物实验涉及2-5种成分，以及实地流域样本	PyTorch	CNN解混架构	Pearson相关系数, SSIM, ANOSIM R值, PERMANOVA R值, R值, MAE	NA
225	2026-07-06	Fine-scale drivers of plateau pika burrow distribution: Integrating UAV deep learning and GAMM to reveal topography-vegetation interactions 2026-Jul-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130179 PMID:42296825	研究论文	结合无人机深度学习与广义加性混合模型，揭示高原鼠兔洞穴分布的精细尺度驱动因素	首次将无人机影像、深度学习语义分割模型（U-net）与广义加性混合模型结合，在精细尺度上解析植被-地形交互作用对鼠兔洞穴分布的影响，并发现生态阈值	NA	揭示高原鼠兔洞穴分布的精细尺度驱动因素，为高寒草地生态系统的精准监测与管理提供新范式	青藏高原高寒草甸中的高原鼠兔洞穴及其分布	计算机视觉,机器学习	NA	无人机影像，深度学习	U-net语义分割模型	图像	30米飞行高度下的无人机影像数据	NA	U-net	精确率（Precision），相关系数（R）	NA
226	2026-07-06	Improving arrhythmic risk prediction using cardiac magnetic resonance within deep learning in ischemic heart disease 2026-Jul-05, NPJ cardiovascular health DOI:10.1038/s44325-026-00142-5 PMID:42401751	研究论文	利用心脏磁共振和深度学习改善缺血性心脏病患者心律失常风险预测	通过暴力特征选择策略确定瘢痕熵为关键预测因子，并比较多种机器学习生存模型（Cox比例风险、随机生存森林、DeepSurv）的性能，发现非线性模型优于传统Cox回归	未提及	评估LGE-CMR特征在缺血性心脏病心律失常风险预测中的增量价值，并比较不同机器学习生存建模方法	缺血性心脏病患者	机器学习	缺血性心脏病	LGE-CMR	DeepSurv, 随机生存森林, Cox比例风险模型	临床数据和LGE-CMR衍生变量	两个独立队列：数据集1（n=399，54个事件），数据集2（n=424，50个事件）	NA	NA	NA	NA
227	2026-07-06	A Unified Molecular Graph and Protein Language Model Framework for Predicting Human Drug-Hormone Receptor Interactions with Structure-Aware Validation 2026-Jul-05, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00806 PMID:42402023	研究论文	提出一个统一的分子图和蛋白质语言模型框架，用于预测药物-激素受体相互作用，并通过结构感知验证确保预测的生物学相关性	整合了分子图转换器与预训练ESM2蛋白质语言模型，首次在DHRI预测中显式融入激素受体特异性序列信息，并采用三种拆分策略和分子对接进行验证	未提及计算资源消耗及小型数据集或多受体场景下的适用性限制	开发一个受体感知的深度学习框架，用于准确预测药物与激素受体的相互作用，提升内分泌安全评估能力	药物分子与人类激素受体（包括雌激素、雄激素、糖皮质激素受体）的相互作用	机器学习, 计算机视觉	内分泌相关疾病	分子图转换器, 蛋白质语言模型（ESM2）	多层神经网络	分子特征（Morgan指纹+图转换器特征）, 蛋白质序列	独立数据集（具体数量未提供）	PyTorch	图转换器, ESM2	准确率, 灵敏度, 特异性, 精确率, F1分数, MCC	NA
228	2026-07-06	Beyond complex architectures: a streamlined CNN pipeline for robust Alzheimer's disease classification from brain MRI 2026-Jul-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04088-4 PMID:42400646	研究论文	采用简化卷积神经网络流水线，基于脑部MRI图像实现对阿尔茨海默病的稳健分类	提出一种精简的CNN流水线，避免复杂架构，在ADNI和OASIS数据集上取得超过99%的分类准确率	未提及模型泛化能力验证及临床实际应用中的潜在挑战	利用深度学习技术从脑部MRI图像中早期识别阿尔茨海默病	ADNI和OASIS数据集中的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络	图像	ADNI数据集21,324张MRI图像（7,572张MCI、5,904张健康对照、7,848张阿尔茨海默病），OASIS数据集6,400张MRI图像	NA	CNN	准确率	NA
229	2026-07-06	Deep learning for contrast-enhanced MRI in pediatric brain imaging 2026-Jul-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04073-x PMID:42400647	研究论文	测试一个基于深度学习的对比增强算法在儿科脑MRI中的跨人群泛化能力	首次验证仅用成人数据训练的深度学习算法在儿科患者（包括0-2岁婴幼儿）中的有效性，展示了跨人群应用的潜力	数据集为单中心回顾性研究且样本量较小（仅22例），可能影响结果的普适性	评估深度学习对比增强算法在儿科脑肿瘤MRI中的跨人群表现	儿科脑肿瘤患者（0-17岁）的MRI图像	机器学习	脑肿瘤	MRI	CNN	图像	22例儿科患者（0-17岁）	NA	深度学习对比增强算法	对比噪声比, 对比增强百分比, 病灶背景比, SSIM, log-Jacobian范围	NA
230	2026-07-06	Security Analysis of a Federated Learning Framework for Medical Image-to-Image Translation 2026-Jul-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02436-8 PMID:42400864	研究论文	评估联邦学习在医学图像到图像翻译框架中的安全性，分析其对三种代表性攻击的脆弱性及防御机制的有效性	首次系统性评估联邦I2I翻译框架在面对深度梯度泄漏、成员推理攻击和数据投毒等威胁时的鲁棒性，并验证了安全聚合和拜占庭鲁棒聚合等防御机制的实际效果	仅针对MRI到sCT翻译任务进行评估，且攻击设置可能无法覆盖所有实际威胁场景，防御机制在低噪声条件下效果不一致	验证联邦I2I翻译框架是否固有安全，并评估现有防御机制的有效性	联邦MRI到sCT翻译框架（FedSynthCT-Brain）的三个代表性攻击类别及其对应防御机制	计算机视觉	NA	MRI成像	CNN	医学图像	多个客户端的数据，具体样本量未明确说明	TensorFlow, PyTorch	U-Net, GAN	SSIM, PSNR, AUC	NA
231	2026-07-06	Decoding seasonal urban heat dynamics at neighborhood-scale using explainable deep learning for climate-resilient, digital twin-ready green planning 2026-Jul-04, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181973 PMID:42401150	研究论文	利用可解释深度学习解码街区尺度城市季节性热动态，为气候适应型和数字孪生就绪的绿色规划提供依据	结合无监督聚类与可解释CNN模型，在街区尺度（200米分辨率）分析城市地表温度的季节性驱动因素，并构建迈向城市气候数字孪生的建模框架	未明确说明数据局限性或模型泛化能力限制	理解城市地表温度的时空动态，为气候适应的绿色规划提供基于可解释深度学习的分析方法	意大利博洛尼亚城市的街区尺度地表温度及其与城市形态、社会经济变量的关系	机器学习	NA	卫星遥感、K均值聚类、可解释深度学习	CNN（卷积神经网络）、支持向量机、随机森林、XGBoost	图像（卫星地表温度）、数值型（城市形态、社会经济变量）	200米网格分辨率下的博洛尼亚城市区域数据	NA	CNN	模型性能通过配对统计检验评估，未明确具体指标	NA
232	2026-07-06	Pupil-DLC: an open-source deep learning pipeline for scalable, marker-less tracking of pupil dynamics across conscious and unconscious states 2026-Jul-04, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110848 PMID:42401399	研究论文	提出了Pupil-DLC，一个基于DeepLabCut的开源深度学习流水线，用于可扩展的无标记瞳孔追踪，主要针对小鼠设计，并能在清醒和药物诱导状态下准确追踪瞳孔动态	采用双模型架构（通用模型和个体模型），在21750张手动标注帧上训练，最大化瞳孔大小变异性以实现模型泛化，且无需重训练即可扩展到人类视频数据	仅针对头固定小鼠设计，未提及在自由活动小鼠中的验证效果；数据集依赖手动标注，可能引入标注偏差	开发一种可扩展、鲁棒性强的瞳孔追踪工具，用于量化清醒和无意识状态下的脑状态动态	小鼠（头固定状态）和人类受试者（多种条件下的视频）	计算机视觉	NA	DeepLabCut深度学习流水线	卷积神经网络（基于DeepLabCut）	视频图像	超过140段视频，包含21750张手动标注帧	DeepLabCut, TensorFlow或PyTorch（基于DeepLabCut依赖）	通用模型和个体模型（基于ResNet的DeepLabCut架构）	准确性、帧保留率、计算效率	NA
233	2026-07-06	Positional interpretation of cis-regulatory code and nucleosome organization with deep learning models 2026-Jul-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74807-1 PMID:42401553	研究论文	介绍了PISA方法，通过深度学习模型解读顺式调控密码和核小体组织的位置信息	提出了成对影响序列归因方法PISA，能够组合解码特定基因组坐标下碱基的贡献，可视化转录因子基序效应、检测复杂贡献模式的未知基序并揭示实验偏差	未明确说明局限性	提升序列到功能神经网络的可解释性，理解顺式调控密码和核小体组织的机制	MNase-seq数据中的核小体占据情况和基因组序列	机器学习	NA	MNase-seq	序列到功能神经网络	基因组序列	NA	N/A	序列到功能神经网络架构	NA	NA
234	2026-07-06	Deep learning-accelerated NEGF formalism for autonomous design of quantum transport in microscopic heterostructures 2026-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57362-z PMID:42401620	研究论文	提出了DeePTB-NEGF框架，结合深度学习紧束缚哈密顿量与量子输运模拟，用于微观异质结构中的量子输运自主设计	将深度学习构建的紧束缚哈密顿量（DeePTB）与高效量子输运模拟（DPNEGF）相结合，实现比传统DFT-NEGF快超过1000倍的速度提升，支持高通量自主设计	NA	开发一种计算高效的方法，用于准确预测二维材料的量子输运行为，并实现微观异质结构的自主高通量设计	五种典型二维材料（石墨烯、六方氮化硼、MoS₂、WSe₂和黑磷）及其异质结构（如石墨烯/h-BN/石墨烯）	机器学习	NA	NA	深度学习神经网络	数值模拟	NA	PyTorch	深紧束缚模型（DeePTB）	波段结构、传输谱一致性、计算速度提升倍数	NA
235	2026-07-06	Precise ECG diagnosis and validation of educational utility for acute myocardial infarction using deep learning and explainable artificial intelligence 2026-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58956-3 PMID:42401625	研究论文	提出一种基于深度学习与可解释人工智能的框架，用于从12导联心电图图像中精确诊断急性心肌梗死并定位梗死部位，同时验证其在医学教育中的效用	首次将ResNet、Faster R-CNN与集成方法结合，实现对STEMI、NSTEMI和非ACS的三分类及梗死部位定位，并开发可解释人工智能网络查看器以增强模型透明度	未在文中明确提及局限性	提高急性心肌梗死的心电图诊断准确性，尤其是非ST段抬高型心肌梗死的检测，并克服深度学习模型的“黑箱”问题	心电图图像中的急性心肌梗死，包括STEMI、NSTEMI和非ACS病例	计算机视觉，机器学习	心血管疾病	NA	卷积神经网络，区域卷积神经网络	图像	2070份验证心电图	PyTorch	ResNet，Faster R-CNN	AUROC，准确率，F1分数	NA
236	2026-07-06	A Pulmonary Ultrasound Dataset for Tumor Segmentation and Classification 2026-Jul-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07715-0 PMID:42401626	研究论文	提出一个用于肺部肿瘤超声图像分割与分类的公开数据集PU2756，并建立基准结果	首个公开的、经专家标注的肺部超声数据集，提供像素级病变掩膜、病理确认的良恶性标签及患者级元数据	未提及具体限制	解决肺部超声数据稀缺问题，推动AI辅助肺部超声分析研究	肺部肿瘤B模式超声图像	计算机视觉	肺癌	超声成像	机器学习与深度学习模型	图像	2756张B模式超声图像，来自2756名患者	NA	NA	NA	NA
237	2026-07-06	Interpretable deep learning to predict one year glycemic control in type 1 diabetes using real world data 2026-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59937-2 PMID:42401631	研究论文	利用8999名1型糖尿病患者的真实世界数据开发可解释深度学习模型，预测一年后的血糖控制状况	通过缩放分箱校准技术提升模型校准性能，并利用图形化表示量化各变量对患者风险评分的贡献，实现临床可解释性	未给出具体局限性说明（根据摘要推断可能未明确提及）	开发临床可解释的预测模型，以支持个体化治疗决策和医疗资源优化	1型糖尿病患者的一年血糖控制状态（基于HbA1c二进制结果）	机器学习	1型糖尿病	NA	深度学习	真实世界数据	8999名1型糖尿病患者	NA	NA	ROC曲线下面积（AUC），F1分数，校准误差	NA
238	2026-07-06	Enhancing brain tumor detection through deep learning and explainable AI techniques 2026-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60334-y PMID:42401645	研究论文	提出一种结合深度学习和可解释人工智能的脑肿瘤检测框架	通过患者分层五折交叉验证与数据增强解决小样本问题，并综合多种XAI方法（Grad-CAM与遮挡敏感性相关性>0.8）提供定量可解释性分析	未提及模型的泛化能力在不同MRI设备或人群中的验证，以及XAI方法在复杂脑肿瘤亚型中的适用性	实现脑肿瘤MRI图像的自动检测，并建立可解释的临床AI系统	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	CNN	图像	包含内部测试集（10%数据）和3000张外部未见图像	TensorFlow, Keras	InceptionV3	准确率, 损失值	NA
239	2026-07-06	Deep learning & PSO-based optimisation of data centre energy costs using renewable sources 2026-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60463-4 PMID:42401704	研究论文	提出一种结合太阳能与电网能源的数据中心能源管理框架	利用深度Q网络（DQN）与粒子群优化（PSO）算法分别处理可再生能源间歇性问题和最大化可再生能源使用	未提及	降低数据中心对电网的能源消耗影响，促进可再生能源使用	数据中心能源消耗与可再生能源（太阳能）的匹配策略	机器学习	NA	NA	DQN, PSO	NA	NA	NA	NA	NA	NA
240	2026-07-06	Explainable foundation model for dementia screening and risk stratification using retinal fundus images 2026-Jul-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02968-w PMID:42401717	研究论文	评估基于基础模型的视网膜眼底照片深度学习用于痴呆检测和未来发病风险预测	首次系统评估多种视觉基础模型在痴呆筛查中的应用，并展示了模型输出作为独立风险因素的价值	该研究基于韩国人群，需在不同种族人群中进行验证	探索基于基础模型的深度学习从视网膜眼底照片中识别痴呆和预测未来发病风险的可行性	超过36000名韩国个体的健康检查数据	计算机视觉	痴呆	视网膜眼底成像	视觉基础模型	图像	超过36000名韩国个体	未明确指定	RETFound-MAE	AUROC（受试者工作特征曲线下面积）、C指数（一致性指数）	未明确描述