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
241	2026-07-06	Intensity-modulated radiotherapy alone versus concurrent chemoradiotherapy ± induction chemotherapy in older patients with low-risk stage II or T3N0M0 nasopharyngeal carcinoma 2026-Jul-04, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16457-6 PMID:42401810	研究论文	该研究比较了单纯调强放疗与同步放化疗±诱导化疗在老年低风险II期或T3N0M0鼻咽癌患者中的长期疗效和毒性	首次针对老年低风险鼻咽癌患者提出单纯放疗作为优选策略，并通过深度学习Hover-Net模型分析肿瘤微环境免疫细胞浸润，揭示其生物学基础	回顾性设计可能导致选择偏倚，且肿瘤微环境分析仅基于部分患者样本	确定老年低风险II期或T3N0M0鼻咽癌的最佳治疗策略	老年（≥60岁）低风险II期或T3N0M0鼻咽癌患者	数字病理学	鼻咽癌	NA	深度学习模型（Hover-Net）	图像（苏木精-伊红染色切片）	1265例老年患者（来自三个中心，2010-2022年）	NA	Hover-Net	5年癌症特异性生存率、无进展生存期、局部区域无复发生存率、无远处转移生存率	NA
242	2026-07-06	Deep learning-based super-resolution ultrashort echo time MRI for pulmonary nodule detection and longitudinal assessment in emphysema 2026-Jul-04, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-026-04468-9 PMID:42401825	研究论文	评估基于深度学习的超分辨率超短回波时间MRI在肺气肿患者中检测肺结节和纵向评估结节大小的性能	首次系统评估深度学习SR-UTE MRI在肺气肿患者中检测小结节和实性结节的优势，特别是在重度肺气肿中对磨玻璃结节的检测率提升显著	未提及	评估深度学习SR-UTE MRI在肺气肿患者中检测肺结节和纵向结节大小评估的可靠性	127名伴有肺结节和肺气肿的患者	计算机视觉, 医学影像	肺气肿, 肺结节	超声短回波时间MRI, 低剂量CT	深度学习	图像	127名患者	NA	NA	信噪比, 对比噪比, 拉普拉斯方差, 检出率, 灵敏度, 组内相关系数	NA
243	2026-07-06	Inflammatory marker-driven deep learning model for postoperative gastric cancer prognosis 2026-Jul-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03661-4 PMID:42401875	研究论文	提出一种结合梯度提升决策树、树驱动编码器和一维卷积神经网络的深度学习框架，用于胃癌术后预后预测	首次将梯度提升决策树与树驱动编码器及一维卷积神经网络结合，捕捉系统性炎症标志物与临床病理特征之间的非线性分层关系	未来需要独立队列的外部验证和实时临床应用，同时需增强模型可解释性以促进临床采纳	开发基于炎症标志物的深度学习模型以改进胃癌术后预后预测的准确性和鲁棒性	胃癌患者术后的预后预测	机器学习	胃癌	NA	深度学习（梯度提升决策树、树驱动编码器、一维卷积神经网络）	表格数据	NA	NA	一维卷积神经网络	预测准确性、鲁棒性、泛化能力	NA
244	2026-07-06	Rapid species authentication and protein prediction of porcini mushrooms using FTIR-2DCOS coupled with deep learning 2026-Jul-02, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128347 PMID:42401141	研究论文	利用傅里叶变换红外光谱和二维相关光谱结合深度学习快速鉴别牛肝菌种类并预测蛋白质含量	首次将二维相关光谱成像与残差卷积神经网络结合，实现牛肝菌种类100%准确分类，并通过多特征筛选方法融合优化蛋白质预测性能	未提及	开发一种快速、准确的方法来鉴别牛肝菌种类并预测其粗蛋白含量	商业脱水牛肝菌样品	机器学习和数字病理学	NA	傅里叶变换红外光谱和二维相关光谱	残差卷积神经网络	光谱图像	未提及	PyTorch	ResNet	准确率	NA
245	2026-07-06	AI-Driven Mapping of Seizure Spread Patterns 2026-07, Annals of neurology IF:8.1Q1 DOI:10.1002/ana.78203 PMID:42101065	研究论文	利用深度学习分析癫痫发作传播模式，并探讨其与手术结果及脑结构连接的关系	首次将自动化癫痫分析从发作起始扩展到传播模式，整合深度学习检测和弥散加权成像，揭示常见传播模式及其与结构连接的关系	仅使用了小部分患者（71例275个发作）进行算法开发，可能限制泛化性，且未明确标注样本外验证	将自动化癫痫分析与临床实践对齐，标准化医生间变化的注释，理解癫痫发作传播的常见模式	71例癫痫患者的275次癫痫发作	机器学习	癫痫	NA	深度学习	脑电图、弥散加权成像	71例患者的275次癫痫发作	PyTorch	NA	发作起始接触点排名性能（对比线长度、绝对斜率和功率）	NA
246	2026-07-06	Calceolarioside B alleviates airway barrier dysfunction and inflammation via targeting P2Y6R in OVA-triggered asthma 2026-Jul-01, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2026.118209 PMID:42386004	研究论文	本研究鉴定出木通提取物中的活性成分Calceolarioside B通过靶向P2Y6R缓解OVA诱导的哮喘小鼠模型中的气道屏障功能障碍和炎症反应	首次发现Calceolarioside B通过靶向P2Y6R的LYS-25位点发挥抗哮喘作用，利用AI辅助深度学习、虚拟靶标钓取和分子动力学模拟鉴定靶点	未提及	探索传统中药木通提取物缓解哮喘的分子机制并鉴定其活性成分和靶点	OVA诱导的哮喘小鼠模型及细胞模型	机器学习, 计算机视觉	哮喘	转录组学分析, 网络药理学, 分子对接, 点突变实验, 体外结合实验	深度学习	文本, 图像	小鼠哮喘模型样本量未明确	NA	NA	NA	NA
247	2026-07-06	MMFVS-Net: A triple-symmetric cross-attention network for multimodal optical image fusion and high-accuracy virtual staining of breast cancer tissues 2026-Jul-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109536 PMID:42401051	研究论文	提出一种基于三重对称交叉注意力的多模态光学图像融合网络，用于乳腺癌组织的高精度虚拟染色	设计三重对称交叉注意力模块处理多模态图像特征交互信息，引入多尺度判别器确保全局特征与局部细节捕捉，应用迁移学习解决多分支梯度稀释问题	仅以乳腺癌组织为研究对象，未验证在其他组织类型上的泛化能力	实现基于多模态光学图像融合的高精度虚拟染色，解决跨模态交互信息挖掘和多分支模型训练的关键挑战	乳腺癌组织	计算机视觉	乳腺癌	明场成像、自发荧光成像、相衬成像	CNN	图像	NA	NA	三重对称交叉注意力网络	图像相似度指标、核统计指标	NA
248	2026-07-06	MRI/MRCP and endoscopic ultrasound in pancreatobiliary disease: defining complementary roles in diagnostic and therapeutic decision-making 2026-Jul-01, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113046 PMID:42401074	综述	定义MRI/MRCP与内镜超声在胰胆疾病诊断和治疗决策中的互补作用	提出了一种基于临床需求的选择性影像路径，并讨论了新兴的基于深度学习MRI重建技术	内镜超声在解剖结构改变、胃出口梗阻、胰尾病变和多灶性神经内分泌肿瘤中存在局限	明确MRI/MRCP与内镜超声在胰胆疾病中的互补角色，优化诊断和治疗决策	胰胆疾病患者，特别是小实性胰腺病变、胰腺囊性病变、胰胆微结石、自身免疫性胰腺炎类似病变及治疗性内镜超声应用	医学影像	胰胆疾病	MRI、MRCP、内镜超声	深度学习	影像数据	NA	NA	深度学习重建模型	NA	NA
249	2026-07-06	Dihydroberberine regulates the ferroptosis-autophagy positive feedback loop in colorectal cancer by targeting PANX2 2026-Jul-01, Phytomedicine : international journal of phytotherapy and phytopharmacology IF:6.7Q1 DOI:10.1016/j.phymed.2026.158537 PMID:42401068	研究论文	通过生物信息学-机器学习集成方法识别PANX2为结直肠癌中铁死亡的关键抑制基因，并发现天然小分子二氢小檗碱作为其抑制剂，通过调节铁死亡-自噬正反馈环路发挥抗肿瘤作用	首次鉴定PANX2为结直肠癌铁死亡抑制基因，发现二氢小檗碱作为PANX2靶向小分子抑制剂，并揭示铁死亡-自噬正反馈环路的新机制	研究对象仅限于结直肠癌，需要进一步验证在其他癌症中的普适性；机制研究主要依赖体外细胞实验和异种移植瘤模型，缺乏更复杂的肿瘤微环境模拟	识别结直肠癌中铁死亡过程的关键调控靶点，筛选针对该靶点的小分子调节剂，并阐明其抗肿瘤机制	结直肠癌细胞系和异种移植瘤模型	机器学习	结直肠癌	分子对接、分子动力学模拟、DARTS、CETSA、SPR	CNN	文本和分子结构数据	包含结直肠癌细胞系和异种移植瘤模型，具体样本数量未给出	TensorFlow, PyTorch, Keras	Transformer, ResNet	准确率、精确率、召回率、F1分数、AUC	NVIDIA RTX 3090
250	2026-07-05	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Jul-04, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	基于深度学习的上腹部超声标准切面识别与多器官分割	提出两阶段框架，先使用卷积神经网络识别标准切面，再对识别出的切面进行多器官分割，实现了两项互补任务的有效结合	单中心数据且样本量有限，外部验证尚未进行，脾脏和胰腺分割性能较低（胰腺测试IoU仅53.76%）	开发并评估用于上腹部超声标准切面识别和下游多器官分割的深度学习模型	上腹部超声检查视频中的标准切面帧	计算机视觉, 医学影像分析	NA	超声成像	卷积神经网络（CNN）	超声图像	465段上腹部超声检查视频，5535张标准切面图像	NA	NA	精确率, 召回率, 特异度, 准确率, 交并比（IoU）	NA
251	2026-07-05	Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery 2026-Jul-04, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05289-x PMID:42399390	研究论文	评估商用深度学习算法在全脊柱X光片上测量脊椎-骨盆参数的准确性，并分析其在融合手术后的局限性	首次评估商业AI软件在脊柱融合术后患者中的测量可靠性下降，并量化了与放射科医生的诊断一致性	对腰椎前凸参数的测量一致性仅为中等（ICC 0.68），且在脊柱内固定术后患者中测量偏差增大，相关性降低	评估商用AI算法在站立位全脊柱X光片中自动测量脊柱-骨盆参数的诊断准确性	临床队列的全脊柱X光片，包含495份影像，其中包含脊柱融合术后亚组	计算机视觉	脊柱疾病	深度学习算法，全脊柱X光成像	CNN	医学图像	495份全脊柱X光片	NA	商用AI算法（未具体说明架构）	平均绝对误差，组内相关系数，Spearman相关系数，敏感性，特异性，预测值	NA
252	2026-07-05	Deep Learning-Based Panoramic Radiograph Retrieval from Antemortem Images for Forensic Identification 2026-Jul-04, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03905-y PMID:42399502	研究论文	评估基于深度学习的全景放射照片检索方法在法医鉴识中的应用	提出了一种专家辅助的半自动化卷积神经网络框架，用于大规模检索法医身份识别，并采用ConvNeXt-Tiny骨干网络实现最佳性能	未提及限制信息	评估基于深度学习的方法在法医鉴识中大规模检索全景牙科X光片的适用性	全景放射照片（牙科X光片）	计算机视觉	NA	NA	卷积神经网络（CNN）	图像（全景X光片）	842名个体的2,440张全景X光片	PyTorch	ConvNeXt-Tiny	Top-1准确率, Top-3准确率, Top-5准确率	NA
253	2026-07-05	High-resolution real-time mechanochromic tactile sensors 2026-Jul-03, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aee5236 PMID:42397916	研究论文	提出一种高分辨率实时机械变色触觉传感器，通过将机械应变直接编码为结构色，实现无需深度学习增强的快速触觉感知	首次实现机械变色材料与触觉传感结合，无需深度学习即可达到约100微米分辨率，同时消除计算延迟，突破传统触觉传感器在分辨率与响应速度间的权衡	未在论文标题和摘要中明确说明	开发高分辨率、实时响应的触觉传感器，用于机器人抓取、触觉产品检测和人机交互	机械变色触觉传感器（基于可拉伸机械变色布拉格反射器）	计算机视觉	NA	机械变色传感（基于结构色编码机械应变）	NA	触觉压力分布图像（结构色映射）	展示了指尖、一便士硬币和叶子的拓扑映射，未给出具体样本数量	NA	可拉伸机械变色布拉格反射器嵌入两层软硅胶层	空间分辨率（约100微米）	无需深度学习计算资源，未详细说明硬件
254	2026-07-05	Beech latewood density as a proxy for temperature reconstruction 2026-Jul-03, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aee1305 PMID:42397920	研究论文	利用欧洲山毛榉晚材密度作为夏季温度重建的替代指标，并通过微CT和深度学习分析揭示木材解剖结构对温度信号的驱动机制	首次证明阔叶树种（欧洲山毛榉）的晚材密度可用于高分辨率夏季温度重建，突破传统针叶树材的限制，并整合微CT与深度学习解剖分析揭示细胞结构对密度温度敏感性的影响	NA	探索欧洲山毛榉晚材密度作为夏季温度重建代理指标的可行性及其内在驱动机制	欧洲山毛榉的晚材密度与木材解剖结构（导管和纤维）及其对温度的响应	机器学习, 数字病理学	NA	X射线显微计算机断层扫描(micro-CT), 深度学习图像分割	深度学习分割模型	图像, 时间序列数据	1833年至2022年间的欧洲山毛榉样本	NA	深度学习分割网络	相关系数 (r=0.73)	NA
255	2026-07-05	Enhancing Volumetric Imaging in Linear-Array Photoacoustic Tomography: multiview fusion with deep learning 2026-Jul-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3709999 PMID:42397995	研究论文	提出一种基于模型深度学习框架MV-FISTA-Net，通过多视角融合提升线性阵列光声断层扫描的三维成像分辨率	将快速迭代收缩阈值算法展开为可学习的3D架构，并设计两阶段训练策略弥合合成数据与真实实验数据之间的差距	未提及	解决线性阵列光声断层扫描中三维成像的各向异性空间分辨率问题，特别是提升仰角方向分辨率	光声断层扫描成像	计算机视觉	NA	光声断层扫描	深度学习模型	图像	仿真数据、体模数据、人体在体数据集	PyTorch	FISTA, MV-FISTA-Net	分辨率提升倍数	未提及
256	2026-07-05	Graph Network Feature Space Fusion for Predicting Irregularly Sampled Medical Time-Series Data: Deep Learning Model Development and Validation Study 2026-Jul-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/81145 PMID:42398019	研究论文	提出一种基于图网络特征空间融合的方法，用于预测不规则采样的医疗时间序列数据	将时间序列数据转换为图网络结构，并通过图卷积神经网络和门控卷积注意力机制分别提取点特征空间和边权重空间，实现特征融合，提高预测准确性和可解释性	未提及具体局限性	解决医疗数据中缺失值和不规则采样时间间隔对预测结果的影响，开发更有效的预测模型	急诊患者的复杂动态条件与临床数据	机器学习	NA	图卷积神经网络、门控卷积注意力机制	图网络模型	时间序列数据	4个数据集（具体样本数量未说明）	NA	图卷积神经网络、门控卷积注意力机制	准确率、曲线下面积、平均绝对误差	NA
257	2026-07-05	EssTFNet: integration of adaptive time-frequency and DNA language models for interpretable human essential gene prediction 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag349 PMID:42398069	研究论文	提出EssTFNet，一个结合自适应时频分析与DNA语言模型的可解释深度学习框架，用于准确预测人类必需基因并实现生物学机制解释	首次将自适应时频分析（ATFNet架构）与DNA语言模型相结合，将DNA序列映射为等效时间序列信号以提取周期性和非平稳特征，在预测精度、模型可解释性和跨组织泛化能力之间取得良好平衡	未提及具体局限性，但可能包括对非人类物种的泛化能力未验证，以及需要更多实验验证识别的功能基序	开发一个可解释的深度学习框架，实现人类必需基因的准确预测并提供生物学机制见解	人类必需基因	机器学习	NA	DNA语言模型、自适应时频分析	深度学习框架（基于ATFNet架构）	DNA序列数据	S1基准任务数据集	PyTorch	ATFNet	AUC, AUPRC	NA
258	2026-07-05	A historical journey of metabolite-protein interaction discovery: from data harmonization to AI-driven prediction 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag355 PMID:42398072	综述	追溯代谢物-蛋白质相互作用研究的历史，从数据协调到人工智能驱动预测的演进过程	提出以标准驱动的数据集成和校准的结构感知建模为核心的历史结构化路线图，为系统级代谢物-蛋白质相互作用图谱提供支持	未具体说明研究局限性，但指出数据碎片化、未解析代谢物身份和生理背景有限等持续挑战限制代谢组学的机制解释	梳理代谢物-蛋白质相互作用研究的历史发展，并展望未来方向以促进机制性理解和治疗设计	代谢物-蛋白质相互作用的相关数据、资源、预测工具及建模方法	机器学习	NA	代谢组学、蛋白质组尺度结构预测	深度学习	文本	NA	NA	NA	NA	NA
259	2026-07-05	Bridging local-global transmembrane protein contexts with contrastive pretraining for alignment-free pathogenicity prediction 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag352 PMID:42398071	研究论文	提出Mem-Patho深度学习框架，通过对比预训练方法预测跨膜蛋白突变致病性	提出蛋白质内部标签指导的监督对比预训练策略，无需多序列比对或实验结构即可直接学习序列编码的生物物理信号	依赖蛋白质语言模型和序列推导的局部结构代理，可能无法捕获复杂的构象变化	实现跨膜蛋白突变致病性的准确预测，为精准医学提供无需序列比对的计算工具	跨膜蛋白突变体	机器学习	遗传性疾病	深度学习	对比学习模型	序列数据	跨膜蛋白基准数据集和独立KCNQ1离子通道队列	PyTorch	蛋白质语言模型, 对比学习网络	准确率	NA
260	2026-07-05	A multimodal deepsurv approach: integrating radiomics and clinical factors for brain metastasis survival prediction 2026-Jul-03, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.112180 PMID:42398164	研究论文	提出一种结合影像组学和临床因素的多模态深度生存模型，用于脑转移瘤患者生存预测	首次将影像组学特征与临床因素整合至DeepSurv框架，用于脑转移瘤生存预测，并利用时间依赖的AUROC评估不同时间点预测性能	样本量相对较小且来自单一机构，不同原发肿瘤来源类别不平衡，需外部多机构验证后方可临床应用	开发并评估基于影像组学的深度学习模型，利用治疗前MRI和临床数据预测脑转移瘤患者的生存结局	199例来自Pretreat-MetsToBrain-Masks数据集的脑转移瘤患者	数字病理学	脑转移瘤	MRI	DeepSurv	影像数据（MRI序列）、临床数据	199名患者	PyRadiomics, PyTorch	DeepSurv	C-index, 综合Brier分数, 综合负二项对数似然分数, 时间依赖AUROC	NA