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
61	2026-07-18	Cross-Domain Knowledge Transfer from Expert-Annotated Gated CT via Synthetic Ungated CT Improves Coronary Artery Calcium Scoring on CT Attenuation Correction Scans 2026-Jul-06, medRxiv : the preprint server for health sciences DOI:10.64898/2026.07.02.26356002 PMID:42465914	研究论文	提出一种基于知识迁移的深度学习模型，利用合成非门控CT图像提升超低剂量CT衰减校正扫描中冠状动脉钙化评分的准确性和风险分层	通过合成低剂量非门控CT图像，将专家标注的门控CAC评分知识迁移至非门控域，显著提高冠状动脉钙化分割模型性能	未明确说明，但可能包括合成图像与真实图像的差异、模型对扫描参数变化的鲁棒性等	开发和验证一种新方法，用于超低剂量CT衰减校正扫描中基于深度学习的冠状动脉钙化分割，提高非专用CT上的CAC量化准确性	冠状动脉钙化分割模型，使用合成低剂量非门控图像进行训练	数字病理学（医学影像分析）	冠状动脉疾病	标准CT（门控与非门控）	卷积长短期记忆网络（ConvLSTM），知识适应模型（KAD-CAC）	CT图像	外部队测试中涉及5969例患者（中位年龄64岁，50.2%为男性）	NA	卷积LSTM	Cohen's kappa，净重新分类改善指数（死亡或心肌梗死风险）	NA
62	2026-07-18	Association of Lacunes with Risk Factors, Cognition, and Atrophy: The Multi-Ethnic Study of Atherosclerosis (MESA) 2026-Jul-06, medRxiv : the preprint server for health sciences DOI:10.64898/2026.07.02.26357192 PMID:42465945	研究论文	利用深度学习量化社区队列中的腔隙灶，并分析其与血管风险因素、脑萎缩和认知功能的关系	采用深度学习方法自动量化腔隙灶体积，克服传统手工评估的变异性，并首次在多民族社区队列中验证深部腔隙灶负担作为年龄和心血管风险的介导因素对脑萎缩和认知的影响	横断面设计限制了因果推断；腔隙灶体积较小，自动分割可能受成像参数影响；需手动验证以提高准确性	探讨腔隙灶（尤其是深部与叶部）与心血管风险因素、脑小血管病标志物、脑萎缩及认知功能的关系	多民族动脉粥样硬化研究（MESA）的1038名参与者	计算机视觉、机器学习	脑小血管病、心血管疾病	深度学习磁共振成像	深度学习分割模型	磁共振图像	1038名多民族社区参与者（平均年龄50岁以上）	NA	深度学习分割网络	NA	NA
63	2026-07-18	De novo design of RNA pseudoknots with deep learning 2026-Jul-03, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.21.726960 PMID:42239184	研究论文	通过深度学习实现RNA假结的从头设计，表明当前AI工具能生成复杂RNA结构	首次利用生成式AI方法在Eterna竞赛中完成57个假结设计挑战，性能与人类专家相当，且设计分子形成有序三维折叠	未建模设计过程中非规范三级相互作用，且依赖先验化学图谱数据训练的RNet基础模型	探索无需先解决RNA三维结构预测即可完成复杂RNA设计任务的可行性	RNA假结二级结构	自然语言处理	NA	深度学习	生成式AI	化学图谱数据	57个假结设计挑战	NA	RNet	单核苷酸分辨率化学图谱、补偿突变、冷冻电镜	NA
64	2026-07-18	DrugDL: dual-modal deep learning framework for multi-property drug prediction and targeted therapy discovery 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag392 PMID:42296331	研究论文	提出了一个双模态深度学习框架DrugDL，用于多属性药物预测和靶向治疗发现	通过整合跨模态对比学习和单模态特征增强算法，实现了药物化学空间与靶蛋白生物空间的联合表示学习，并在多任务预测框架中优于现有方法，尤其在冷启动任务中表现突出	未明确提及局限性，可能包括对大规模数据依赖和模型泛化性的进一步验证需求	开发一个全面的药物分子表示和多下游任务预测框架，以加速药物开发过程	药物分子、靶蛋白生物大分子、药物-靶标相互作用、结合亲和力、结合位点、理化性质、毒性、药物-药物相互作用	机器学习	NA	跨模态对比学习、单模态特征增强、多任务预测	深度学习模型	药物分子数据、靶蛋白序列数据	NA	PyTorch	双模态深度学习框架（DrugDL）	AUROC, AUPR, 精确率, 召回率, F1分数	NA
65	2026-07-18	Deep Learning-Based Reconstruction Improves Image Quality in Canine Cranial Abdominal MRI: A Prospective Pilot Study 2026-Jul, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70193 PMID:42216717	研究论文	本研究评估了深度学习重建在犬颅腹MRI中的应用效果	首次在犬颅腹部MRI中应用深度学习重建技术，证明其能在不延长采集时间的前提下显著提升图像质量	样本量较小（仅10只健康犬），未纳入疾病或体态异常个体；缺乏运动伪影的显著改善	评估深度学习重建（DLR）在犬颅腹部MRI中能否比传统MRI提供更优的图像质量	10只临床健康犬	数字病理学	不适用	磁共振成像（MRI）	CNN（基于深度学习的重建网络）	图像	10只临床健康犬；每个序列生成原始图像和DLR图像，共计多组配对数据	NA	Embedded DLR network（内置DLR重建网络）	信噪比（SNR）、对比噪声比（CNR）、边缘锐度、器官显著度、运动伪影、粗糙度、总体图像质量	NA
66	2026-07-18	STELLAR-CB: Synthetic Temporal LSTM for Livestock Activity Recognition-Cow Behaviour 2026-Jul, Veterinary medicine and science IF:1.8Q2 DOI:10.1002/vms3.70827 PMID:42223978	研究论文	提出一个结合LSTM与SMOTE的框架，用于牲畜活动识别，尤其解决数据不平衡问题	将简单SMOTE与非重叠窗口分割结合，保留时序模式的同时增强少数类，无需复杂变体，降低计算开销	未提及跨场景验证、部署后计算资源消耗或对极端个性化行为的适应性	解决精准畜牧业中因类别不平衡导致的少数行为（如逃跑、被骑跨）识别难题	三头不同品种的奶牛	机器学习	NA	加速度计传感器	LSTM	加速度计时间序列数据	三头奶牛的综合加速度计数据集	NA	LSTM	准确率、精确率、召回率、F1分数	未提及
67	2026-07-18	Artificial Intelligence Methods in Early Detection of Autism Spectrum Disorder: A DSM-5 Criterion-Based Systematic Review 2026-Jul, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70279 PMID:42226557	系统评价	本系统评价评估了基于人工智能（AI）方法在儿童自闭症谱系障碍（ASD）早期检测中的应用，并按照DSM-5标准分析了其实验性能和分布	首次基于DSM-5标准系统评估AI方法在ASD早期检测中的分布和性能，揭示了AI在社交沟通缺陷检测中的潜力，并对方法学质量进行了严格评估	Criterion B（限制性重复行为）覆盖不足、研究地域偏向高收入国家、方法学不一致性限制了临床适用性	评估AI方法在早期检测自闭症谱系障碍中的分布、性能、与DSM-5标准的对齐程度以及方法学质量	儿童（年龄0-18岁）的临床诊断ASD病例	机器学习	自闭症谱系障碍	NA	经典机器学习、深度学习、混合方法	行为数据	43项研究	NA	卷积神经网络、支持向量机	准确率	NA
68	2026-07-18	Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial 2026-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.1609 PMID:42240998	研究论文	开发并验证了基于智能手机、媒体辅助的人工智能系统，用于普通人群眼表恶性肿瘤的主动自我筛查	将智能手机成像、AI诊断和定向媒体推广整合为一个闭环移动健康模型，为罕见眼表恶性肿瘤的群体筛查提供了可扩展、易获取的策略	未提及明确的局限性	开发和验证用于普通人群眼表恶性肿瘤主动自我筛查的智能手机AI系统	来自中国多中心的眼表病变患者	计算机视觉	眼表恶性肿瘤	智能手机成像	深度学习模型	图像	614名参与者完成家中自我筛查，年龄范围4-87岁，其中301名女性、313名男性	NA	NA	AUC, 敏感性, 特异性	NA
69	2026-07-18	[MRI-based deep learning model for preoperative prediction of urothelial carcinoma with variant histology of bladder: a retrospective, multicenter study] 2026-Jul-01, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20260327-00132 PMID:42203654	研究论文	开发基于MRI的深度学习模型，用于术前预测膀胱尿路上皮癌伴变异组织学类型，并评估其预测性能和预后分层价值	首次利用3D ResNet50结合自注意力机制，融合MRI T2WI和DWI影像，构建非侵入性深度学习模型DeepVUC，实现术前预测膀胱尿路上皮癌伴变异组织学类型，并在多中心队列中验证其良好的诊断效能和预后分层能力	研究为回顾性设计，样本量在变异组织学亚型中可能不足，且外部测试集样本来自六家中心，但训练集和验证集主要来自一家中心，可能存在选择偏倚	评估基于MRI的深度学习模型在术前预测膀胱尿路上皮癌伴变异组织学类型中的诊断性能和预后分层价值	膀胱癌患者中的纯尿路上皮癌和伴变异组织学的尿路上皮癌	机器学习	膀胱癌	MRI	CNN	图像	1221例膀胱癌患者（1032例男性，189例女性），其中1078例纯尿路上皮癌，143例伴变异组织学尿路上皮癌	PyTorch	3D ResNet50	AUC，准确率，灵敏度，特异度	NA
70	2026-07-18	Modelling stem cell differentiation related processes-A practical overview for biologists 2026-Jul-01, FEBS letters IF:3.0Q3 DOI:10.1002/1873-3468.70395 PMID:42384568	综述	为实验生物学家介绍可用于理解干细胞分化相关过程的各类计算模型，包括机制动态模型、多尺度模型和数据驱动深度学习方法，并说明如何选择与验证模型	以实践为导向，针对实验生物学家设计，系统对比多种建模类型与研究方法匹配性，明确各类模型所需数据及验证策略	未深入讨论具体模型实例或性能比较，主要面向生物学背景读者简化了技术细节	帮助实验生物学家为干细胞分化相关研究选择恰当的计算建模方法，促进模型与实验工作流程整合	干细胞分化相关过程的计算模型与应用	机器学习	NA	NA	常微分方程模型、抽象模型、多尺度模型、深度学习模型	NA	NA	NA	NA	NA	NA
71	2026-07-18	The application of artificial intelligence in adrenal imaging: current state of knowledge, challenges, and future directions 2026-Jul-01, Endocrine connections IF:2.6Q3 DOI:10.1530/EC-26-0267 PMID:42396958	综述	本文综述了人工智能在肾上腺影像学中的应用现状，包括病灶检测、分割和分类，并探讨了当前挑战和未来方向	系统总结了AI在肾上腺病变分割、检测和表征中的最新进展，强调了多模态整合方法的优势，并指出从辅助决策向独立诊断系统过渡的局限性	大部分研究为回顾性、单中心研究，样本量小或选择偏倚，缺乏外部验证和标准化影像协议，限制了可重复性和泛化性	评估人工智能在肾上腺影像学中的应用潜力，识别当前知识空白并为未来研究提供方向	肾上腺偶发瘤的影像学特征，包括腺瘤、嗜铬细胞瘤、肾上腺皮质癌、转移瘤及功能性肿瘤的检测、分割与分类	计算机视觉	肾上腺疾病	影像组学、深度学习	CNN、分割网络	CT、MRI、PET/CT影像	NA	NA	NA	Dice系数、AUC、敏感性、特异性	NA
72	2026-07-18	Federated learning for privacy-preserving multi-center tuberculosis diagnosis using chest imaging data 2026-Jul, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.011 PMID:42457301	研究论文	提出一个联邦学习框架，用于隐私保护的、基于胸部影像数据的多中心肺结核诊断	引入联邦学习框架实现多中心协作训练深度学习模型，无需共享原始患者数据，并融合差分隐私、安全聚合和加密技术以平衡隐私保护与诊断准确性	未提及具体限制，但联邦学习可能面临通信开销及模型收敛速度等挑战	开发一种保护隐私的、可扩展的、安全的医学影像分析协作范式，用于多中心肺结核诊断	胸部X光影像数据，包括来自深圳、蒙哥马利和NIH ChestX-ray14数据集的多中心数据	计算机视觉，机器学习	肺结核	NA	CNN（卷积神经网络），CNN-Transformer混合架构	图像（胸部X光影像）	多中心数据集：深圳、蒙哥马利、NIH ChestX-ray14（具体样本数未明确）	NA	卷积神经网络（CNN），Transformer	准确率（94.8%）、灵敏度（93.5%）、特异度（95.2%）	NA
73	2026-07-18	A methodological review of AI/ML and evolutionary computation in hydrology and hydraulics: from ANN/SVM to deep learning, symbolic regression, and physics-informed models 2026-Jul, Water science and technology : a journal of the International Association on Water Pollution Research IF:2.5Q2 DOI:10.2166/wst.2026.304 PMID:42460564	综述	本文综述了人工智能和进化计算在水文与水力学领域的方法论演进，涵盖从早期机器学习到深度学习、符号回归和物理信息模型的进展	强调算法选择应基于水文理解、数据约束和操作需求而非模型复杂度，并描述了从纯数据驱动预测向混合、物理感知、不确定性量化框架的转变	未明确提及方法的局限性，但可能受限于案例研究（仅来自墨西哥）和特定应用领域	总结人工智能和进化计算在水文与水力学中的方法论演进，并提出未来研究议程	水文与水力学中的模型校准、径流预报、水文区域化、水库调度和液压模拟替代模型	机器学习	NA	NA	人工神经网络、支持向量机、模糊系统、元启发式、长短期记忆、卷积神经网络、卷积长短期记忆、图神经网络、符号回归	Sentinel-1图像	NA	NA	U-Net	NA	NA
74	2026-07-18	Intelligent diagnostic method for composite insulator surface temperature distribution realized by visible images 2026-Jul-01, The Review of scientific instruments DOI:10.1063/5.0335384 PMID:42461108	研究论文	提出基于可见光图像和深度学习算法直接诊断复合绝缘子表面温度分布的方法	首次利用可见光图像替代红外热像仪，通过YOLOv7定位和物理改进的U-Net模型实现复合绝缘子表面温度分布的无失真诊断	文中未明确提及方法在复杂背景或极端光照条件下的鲁棒性，且温度诊断范围仅限于15-125°C	开发一种低成本、高精度的复合绝缘子表面温度分布诊断方法，以替代传统红外热像仪	复合绝缘子的表面温度分布	计算机视觉	NA	深度学习	目标检测网络（YOLOv7）、语义分割网络（改进U-Net）	可见光图像	未明确提及样本数量	NA	YOLOv7, 物理改进U-Net	平均绝对误差（MAE）、均方根误差（RMSE）、诊断时间	NA
75	2026-07-18	Test-fairness deep learning with influence score 2026-Jul, PLOS digital health DOI:10.1371/journal.pdig.0001513 PMID:42461835	研究论文	提出基于影响得分的特征选择方法，通过排除与数据集相关的特征来改善深度学习模型在跨群体上的测试公平性	首次将影响得分（I-score）这种统计量用于深度学习模型的特征选择，以消除数据集相关的特征导致的性能差异，实现在保持预测性能的同时提高测试公平性	提及实验基于两个皮肤病变数据集（ISIC 2019和ASAN），但未详细说明方法在其他类型数据或更复杂场景下的泛化能力	提升深度学习模型在测试集上的公平性，减少不同敏感群体或数据源之间的性能差异	影响得分（I-score）和深度学习模型的特征选择机制	机器学习	皮肤病变	特征选择	深度学习模型	图像	ISIC 2019和ASAN两个皮肤病变数据集，具体样本量未提及	NA	NA	分类性能, 测试公平性（跨数据集亚组性能差异）	NA
76	2026-07-18	Contextual Representation Learning With ResNet Refinement and Deep Classification for Enhanced Drug Target Interaction Prediction 2026-Jul, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70358 PMID:42464502	研究论文	提出一种结合预训练BERT、ResNet精炼和深度分类的深度学习框架，用于增强药物-靶标相互作用预测	利用预训练BERT模型提取蛋白质和药物序列的上下文嵌入，并通过专用ResNet子网络进行精炼以保留生化特征，再将精炼嵌入输入深度前馈神经网络进行预测	NA	提升药物-靶标相互作用预测的准确性和泛化能力	蛋白质序列和药物小分子序列	机器学习	复杂疾病	NA	深度神经网络（BERT, ResNet, 前馈神经网络）	序列数据	四个标准DTI数据集（DrugBank, Caenorhabditis elegans, BindingDB, GPCR）及一个药物重定位数据集	NA	BERT, ResNet, 深度前馈神经网络	F1分数, 分类准确率	NA
77	2026-07-15	Deep learning-enabled self-powered bimodal flexible sensor for intelligent access control 2026-Jul-14, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ae83c1 PMID:42372767	研究论文	开发了一种基于单电极摩擦纳米发电机的自供电双模态柔性传感器，结合深度学习实现智能门禁系统	提出微金字塔阵列结构的PDMS摩擦电层设计，实现自供电双模态传感与深度学习信号解耦的集成方案，在无外部电源下达到高精度识别	文中未明确提及大规模部署成本、长期稳定性测试及多传感器协同工作的挑战	解决传统生物识别技术对电源依赖强、隐私风险高和环境敏感性问题，开发低功耗高安全性的智能门禁系统	双模态柔性传感器的结构设计与性能优化，以及深度学习模型对摩擦电信号的特征提取与分类	机器学习	NA	摩擦纳米发电机	卷积神经网络	波形信号	未明确提及样本数量，涉及材料识别和用户认证任务	NA	卷积神经网络	准确率	NA
78	2026-07-15	AI-Augmented Fluorescence Imaging of Non-Small Cell Lung Cancer Protease Activity via a Dual-Enzyme Nanoprobe 2026-Jul-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01259 PMID:42378464	研究论文	提出一种基于AI增强的双酶纳米探针荧光成像技术，用于非小细胞肺癌蛋白酶活性分析	采用金硒键增强纳米探针稳定性，并结合深度学习（Cellpose和U-Net）实现单细胞和整体图像的高通量定量分析	NA	开发一种能够同时定量检测多种蛋白酶活性的稳定、高通量平台	非小细胞肺癌相关的KLK6和uPA两种蛋白酶	数字病理学	非小细胞肺癌	荧光成像	深度学习分割模型	荧光图像	NA	Cellpose, U-Net	Cellpose, U-Net	测量重现性、蛋白酶活性分布定量、肿瘤背景比	NA
79	2026-07-15	Multimatrix QuantAI-LFIA: An On-Device Deep-Learning Biosensing Platform with Charge-Transfer-Active Labels for Intelligent Quantitative Analysis 2026-07-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00994 PMID:42381115	研究论文	提出一种集成深度学习与电荷转移活性标签的在线设备平台，用于多生物基质中金黄色葡萄球菌肠毒素B的智能化定量检测	首次将电荷转移活性标签Fe-PDA与深度学习结合，集成于智能手机设备实现高灵敏度、宽动态范围的智能化定量分析	未提及实际临床应用中的大规模验证及长期稳定性评估	开发一种快速、准确、可适应多生物基质的床旁POCT定量检测平台	金黄色葡萄球菌肠毒素B，以及血清和尿液样本	机器学习, 数字病理	感染性疾病	侧流免疫分析, 智能手机成像	深度学习模型（未明确具体类型，但用于定量分析）	图像	未明确提及样本数量	NA	NA	检测限, 相关系数R, 曲线下面积AUC	智能手机
80	2026-07-15	Learning High-Resolution Protein Embeddings from Multimodal Data via Self-Supervised Integration 2026-Jul-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00618 PMID:42312747	研究论文	提出一种多模态自监督学习方法，整合序列、结构、基因本体注释和显微图像数据学习高分辨率蛋白质嵌入	创新性在于首次联合掩码重建与对比学习多模态融合框架，从序列和结构中提取氨基酸级特征，再通过交叉注意力融合模块获得统一蛋白质嵌入	未明确提及具体局限，但训练数据量和模态覆盖范围可能限制泛化性	通过融合多模态数据学习高分辨率蛋白质嵌入以提升蛋白质功能注释性能	蛋白质，包括氨基酸序列、结构、基因本体注释和显微图像数据	机器学习, 生物信息学	不适用	自监督学习, 多模态融合, 对比学习, 掩码重建	交叉注意力融合模块	序列, 结构, 注释, 图像	96,862个蛋白质	PyTorch（基于常用深度学习框架推断）	自监督结构（joint masked reconstruction + contrastive learning + cross-attention fusion）	性能超越现有方法（具体指标如准确性、F1分数等未明列）	未提及