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
461	2026-05-04	Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108522 PMID:41911624	研究论文	提出一种基于Hankel动态模态分解与时空图神经网络的混合模型，用于预测城市街区级别的交通事故风险	将Hankel-DMD的低秩时空模态提取能力与图神经网络的非线性残差学习相结合，兼顾了预测准确性与可解释性	模型依赖历史数据质量和外部因素（如天气、事件），可能无法完全捕捉异常行为模式；仅在单一城市数据上验证	实现短时（1-7天）街区级事故风险的准确且可解释性预测，支持主动交通安全管理	美国丹佛市78个街区2019-2021年的每日事故记录	机器学学习, 数字病理学	NA	DMD, 图神经网络	混合模型（Hankel-DMD + 图神经网络）	数值矩阵（街区-天事故计数）	78个街区 × 1095天（2019-2021年）	PyTorch	STGNN, Hankel-DMD	MAE, RMSE, 百分比改进	NA
462	2026-05-04	Non-invasive classification of coronary perfusion pressure during CPR using smartphone-based skin video and deep learning 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109348 PMID:41967268	研究论文	提出一种基于智能手机皮肤视频和深度学习的非侵入性方法，用于心肺复苏过程中冠状动脉灌注压的无创分类	首次利用智能手机拍摄的皮肤视频结合深度学习模型无创分类CPP，并集成Grad-CAM和YCrCb分析增强可解释性	研究基于动物模型（15头猪），尚未在人体临床试验验证	开发一种低成本、可及的非侵入性CPP分类方法，用于院外心肺复苏的实时质量评估和决策支持	15头猪在心肺复苏过程中的皮肤视频和生物信号数据	计算机视觉，深度学习	心脏骤停，心血管疾病	智能手机视频记录，深度学习	CNN，GRU	视频，生物信号	15头猪	PyTorch	EfficientNetV2-B0，ConvNeXt-Nano，FastViT-T8，CNN-backbone-GRU	准确率，F1分数	NA
463	2026-05-04	The nonlinear impact of road safety policy implementation on the severity of road traffic crashes: A fusion of deep learning and Bayesian random parameter methods 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108503 PMID:41990541	研究论文	通过融合深度学习和贝叶斯随机参数方法，分析道路安全政策实施对交通事故严重程度的非线性影响	首次将可解释机器学习技术与贝叶斯随机参数方法相结合，探索政策干预与事故严重程度之间的非线性关系及时空异质性	未明确提及研究局限性	探究道路安全政策实施对交通事故严重程度的非线性影响及其时空异质性	澳大利亚七个州的交通事故数据及道路安全政策强度数据	机器学习	NA	NA	深度学习模型、贝叶斯随机参数模型	结构化数据（交通事故记录、政策强度数据）	澳大利亚七个州的多项交通事故数据及政策强度数据，具体数量未提及	NA	可解释机器学习模型、贝叶斯随机参数模型	模型可靠性经过严格测试，具体指标未提及	NA
464	2026-05-04	Echo-SMADS: A hierarchical planning model for predicting ejection fraction using echocardiography 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109377 PMID:42019102	研究论文	提出一种基于层次规划的心室射血分数预测模型Echo-SMADS以提高临床可解释性	借鉴人工智能层次规划概念，将射血分数预测任务分解为三个临床相关子任务（结构识别、相位选择和容积估计），并设计为独立优化的模块化系统，提供可解释的中间输出	仅基于EchoNet-Dynamic数据集验证，未在更多临床场景中测试；模块化设计可能增加模型复杂度和训练成本	设计一种临床对齐的模块化系统，模拟医生诊断流程，提升射血分数评估的可解释性、稳定性和临床适用性	超声心动图像中的左心室结构与功能评估	计算机视觉, 数字病理学	心血管疾病	超声心动图	层次规划模型	图像	EchoNet-Dynamic数据集	NA	模块化层次规划架构	平均绝对误差, 均方根误差	NA
465	2026-05-04	Exploring three-dimensional reconstruction with Neural Radiance Field (NeRF) for coronary roadmap navigation and view-planning in X-ray coronary angiography: A feasibility study 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109349 PMID:42019103	研究论文	探索使用神经辐射场（NeRF）从X射线冠状动脉造影图像进行三维重建，用于冠状动脉路线图导航和视角规划	首次应用NeRF技术从少量X射线冠状动脉造影视图进行自动三维重建，并评估其在临床导航和规划中的可行性	NeRF在视角规划方面表现不佳，不足三分之一的预测视图被认为可接受，且在不同评估者之间存在评分差异，需要对三维冠状动脉拓扑结构进行进一步改进以提高模型鲁棒性	评估NeRF在X射线冠状动脉造影中生成冠状动脉路线图和预测最佳视角的临床可行性	X射线冠状动脉造影图像中的三维冠状动脉树	计算机视觉	冠状动脉疾病	X射线冠状动脉造影	Neural Radiance Field (NeRF)	图像	多种分割后的血管造影视图组合	NA	NeRF	定性问卷调查（图像质量、冠状动脉拓扑结构、视觉杂乱程度）	NA
466	2026-05-04	Development of a deep learning tool to detect drug-resistance epilepsy with EEG 2026-Jul, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2026.111028 PMID:41936310	研究论文	开发基于脑电图的深度学习工具检测耐药性癫痫	首次使用表面脑电图和卷积神经网络对耐药性癫痫与非耐药性癫痫进行分类	仅使用表面脑电图数据且数据集较小，模型性能中等，需通过添加神经影像和临床信息以及更大规模数据集来改进	开发一种卷积神经网络模型，利用表面脑电图分类癫痫患者为耐药性或非耐药性	癫痫患者	机器学习	癫痫	EEG	CNN	脑电图图像	180名癫痫患者（平均年龄41.1岁，52.8%女性）	NA	CNN	准确率、敏感度、特异度、F1分数、AUC-ROC、AUPRC	NA
467	2026-05-03	Explainable deep learning combined with SERS for simultaneous detection of nicotine and etomidate isomers in E-cigarettes 2026-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345514 PMID:42067301	research paper	本研究将深度学习与表面增强拉曼光谱结合，开发了一种用于检测电子烟中尼古丁和四种依托咪酯异构体的高灵敏度方法	首次将可解释深度学习与SERS结合，实现电子烟中非法药物添加剂的同步检测，并利用Grad-CAM揭示关键SERS峰以增强模型透明性	NA	开发准确快速的检测方法，用于电子烟中非法药物添加剂的筛查	尼古丁和四种依托咪酯异构体	machine learning	NA	表面增强拉曼光谱，密度泛函理论计算	深度学习网络	光谱数据	五种药物标准品	NA	NA	准确率	NA
468	2026-05-03	Improving consciousness assessment through neuroadaptive artificial intelligence and quantum-enhanced brain-computer interfaces 2026-Jul, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2026.109396 PMID:41850148	研究论文	探讨神经自适应人工智能和量子增强脑机接口在意识障碍患者意识评估中的改进应用	提出神经自适应AI和量子计算融合的方法，以提升脑机接口在意识评估中的灵敏度和可靠性	量子AI研究仍处于探索阶段，需要严格的临床验证和治理框架确保安全部署	改善意识障碍患者的意识评估准确性和临床实用性	意识障碍患者	机器学习, 计算机视觉	意识障碍	神经自适应人工智能, 量子增强机器学习	生成式自适应AI模型	神经生理信号	NA	NA	NA	NA	NA
469	2026-04-24	Deep learning-based segmentation of aneurysmal subarachnoid hemorrhage: toward accurate and scalable prognostic imaging 2026-Jul, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111993 PMID:41871480	research paper	开发并评估用于动脉瘤性蛛网膜下腔出血自动分割的深度学习模型，并验证其预后价值	利用nnU-Net实现了对动脉瘤性出血（包括SAH、IPH和IVH）的自动分割，处理时间较手动减少97%，且自动分割的病灶体积预测六个月GOS的能力与手动分割相当	仅基于回顾性数据，且外部验证仅限于部分公开数据集，可能未充分涵盖不同临床场景的出血变异性	开发一种准确且可扩展的动脉瘤性出血自动分割方法，并评估其对预后预测的影响	动脉瘤性蛛网膜下腔出血、脑实质出血和脑室内出血的CT扫描图像	digital pathology	动脉瘤性蛛网膜下腔出血	CT扫描	CNN	图像	实验1: 356名患者；实验2: 530名患者；测试集: 89名出血病例	PyTorch	nnU-Net	Dice系数, 召回率, 组内相关系数类型3, 体积差异中位数, AUC	NA
470	2026-04-22	Deep learning-based early screening for porcine embryos with different developmental potential 2026-Jul-15, Theriogenology IF:2.4Q1 DOI:10.1016/j.theriogenology.2026.117900 PMID:41865699	研究论文	本研究通过建立胚胎滴状培养系统，开发并比较了多种深度学习模型，用于早期筛选具有高发育潜能的猪胚胎	提出了一种新型胚胎滴状培养系统，并首次将MaxViT_T模型应用于猪胚胎发育潜能的早期预测，在4细胞阶段达到最佳预测性能	研究仅使用孤雌激活胚胎数据，未涉及受精胚胎；模型在更早期胚胎阶段的预测性能可能有限	提高猪人工繁殖技术效率，通过早期胚胎筛选优化胚胎选择过程	猪孤雌激活胚胎，涵盖从1细胞到囊胚阶段的发育过程	计算机视觉	NA	胚胎滴状培养系统，亮场显微成像	深度学习	图像	10,041张猪孤雌激活胚胎的亮场图像	NA	MaxViT_T	预测性能	NA
471	2026-04-22	An artificial intelligence model for accurate drug-target affinity prediction in medicinal chemistry 2026-Jul-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118840 PMID:41950652	研究论文	本文提出了一种结合进化蛋白质表征与多模态配体分析的人工智能模型，用于高精度预测药物-靶点亲和力	提出了一种新颖框架，通过PCA从ESM-2特征向量中提取进化信息，结合CNN提取的局部基序捕获多尺度特征；在配体侧整合分子图与多种化学描述符；引入分阶段交互机制结合交叉注意力和自注意力解析细粒度结合模式	未明确说明模型在更广泛数据集或真实药物发现场景中的泛化能力限制	开发高保真度的药物-靶点亲和力预测模型，以加速药物发现中的先导化合物优化	药物-靶点相互作用对	机器学习	NA	深度学习	CNN, 注意力机制	蛋白质序列特征向量, 分子图, 化学描述符	基准数据集（Davis和KIBA）	NA	结合PCA、CNN和注意力机制的混合架构	在Novel-pair和Novel-drug设置下的预测性能	NA
472	2026-04-22	Biochemical biomarker-Driven deep learning framework with SHAP-based feature interpretation for diabetes classification 2026-Jul, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107601 PMID:41935405	研究论文	本研究提出了一种结合深度神经网络、特征排序和统计算法的预测模型，用于糖尿病的早期识别，并通过SHAP增强模型可解释性	整合深度神经网络与特征排序及统计算法，并应用SHAP进行特征解释，以提高糖尿病早期诊断的准确性和可解释性	未明确提及样本来源的多样性或模型在外部验证集上的泛化能力	开发一种早期糖尿病诊断方法，以减少严重并发症的风险	糖尿病患者及处于糖尿病前期状态的个体	机器学习	糖尿病	NA	深度神经网络	生化生物标志物数据	NA	NA	NA	准确率	NA
473	2026-04-21	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	本文提出了一种名为TARS的即插即用方法，用于在时间偏移下实现稳健的表格学习，通过多时间尺度表示和自适应路由机制提升深度模型的性能	首次将时间偏移视为多尺度异质动态过程，并设计了显式时间编码器、隐式漂移编码器、漂移感知路由机制和特征-时间融合层四个互补模块，以自适应地加权相关时间尺度	未明确讨论计算开销或模型在极端时间偏移场景下的泛化能力，实验仅限于TabReD基准中的八个数据集	提升深度表格学习模型在时间偏移下的稳健性和长期性能	随时间演变的表格数据集	机器学习	NA	NA	MLP, DCNv2	表格数据	NA	NA	NA	平均相对改进	NA
474	2026-04-21	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于解决最优控制问题中的欧拉-拉格朗日系统	通过创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立了多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数组件	NA	解决最优控制问题中的欧拉-拉格朗日系统	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	NA	物理信息神经网络（PINNs）	数值模拟数据	基于五个数值示例	NA	物理信息神经网络（PINNs）	解决方案准确性、稳定性	NA
475	2026-04-21	MS-STFNN: A multi-scale spatio-temporal fusion neural network for fMRI-based depression diagnosis 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108685 PMID:41689977	研究论文	本研究提出了一种用于fMRI抑郁症诊断的多尺度时空融合神经网络，通过融合多粒度空间特征和多分辨率时间表征，实现了对不同抑郁症亚型的有效分类	提出了一种新颖的多尺度时空融合神经网络，首次同时整合了从局部到全局的多粒度空间特征、动态功能连接和原始fMRI序列的多分辨率时间表征，并通过多尺度特征融合实现分类	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算复杂度可能较高	开发一种基于fMRI的客观神经影像诊断方法，用于抑郁症的亚型分类	重度抑郁症患者的功能磁共振成像数据	数字病理学	抑郁症	功能磁共振成像	神经网络	功能磁共振成像序列	NA	NA	多尺度时空融合神经网络	分类准确率	NA
476	2026-04-21	L2G-Net: Local-to-global feature enhancement via cluster tokens for 3D place recognition 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108700 PMID:41691827	研究论文	提出了一种名为L2G-Net的新型网络，通过聚类令牌实现从局部到全局的特征增强，用于3D点云地点识别	设计了三个新模块：点特征增强模块补偿体素特征丢失的细粒度信息；聚类令牌Mamba模块通过状态空间模型高效捕获点云上下文信息；聚类令牌交叉注意力模块通过聚类令牌将局部特征一致性信息传递至全局描述符	NA	提升GPS拒止环境下基于3D点云的地点识别性能，以支持长期SLAM和自主定位	3D点云数据	计算机视觉	NA	深度学习	神经网络	3D点云	多个公开3D点云地点识别数据集	NA	L2G-Net（包含PFE、CTM、CTCA模块）	地点识别性能	NA
477	2026-04-21	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	提出了一种新的信息加权类激活映射框架，通过构建双流信息瓶颈模块，将中间特征激活显式分解为判别性特征流和任务无关噪声流，从而生成可靠的视觉解释	NA	增强视觉神经网络决策过程的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
478	2026-04-21	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，用于提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架提出归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在超大规模模型或不同领域数据集上的泛化能力	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	使用ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA
479	2026-04-21	Edge-updating graph neural networks for modeling feature interactions in tabular data 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108724 PMID:41722299	研究论文	本文提出了一种基于图同构网络的消息传递图神经网络，用于在表格数据中建模特征交互	提出了一种基于GIN的GNN架构，通过神经网络学习边属性，并利用节点和边的残差连接来缓解GNN中常见的过平滑问题	NA	开发一种图神经网络模型，以有效建模表格数据中的特征交互并提升分类性能	表格数据	机器学习	NA	NA	图神经网络	表格数据	12个公开可用数据集	NA	图同构网络	NA	NA
480	2026-04-11	Computational dual-loop frameworks bridging single-enzyme design and cascade tunnel network engineering for next-generation biosynthetic systems 2026 Jul-Aug, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108850 PMID:41763370	综述	本文综述了计算酶工程的最新进展，重点介绍了结构预测、突变效应建模、多尺度分子模拟和多酶网络工程，并将其置于一个连接分子水平酶设计与途径水平整合的双循环DBTL框架中	与现有主要关注单一计算方法或单酶优化的综述不同，本文强调在统一的DBTL框架内，将机制性酶建模与多酶网络设计相结合，提供了一个连接单酶设计与级联隧道网络工程的双循环框架	NA	总结计算酶工程的最新进展，并为下一代生物合成系统提供一个连接分子设计与系统集成的结构化框架	酶（单酶及多酶系统）	计算生物学	NA	结构预测、突变效应建模、分子动力学模拟、量子力学/分子力学分析	深度学习	NA	NA	NA	NA	NA	NA