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
881	2026-06-13	Online detection of apple moldy core using near-infrared spectroscopy with flexible transmission tray and deep learning 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127682 PMID:41797157	研究论文	提出了一种结合柔性传输托盘、近红外光谱和深度学习的方法，用于在线检测苹果霉心病	设计柔性传输托盘以稳定苹果位置、减少环境光干扰并引导近红外光穿透果芯，从而获取可重复的透射光谱；结合SCARS-SPA波长选择与CNN-LSTM混合架构实现高精度的二分类和三分类	未提及在更大规模或不同品种苹果上的验证，也未讨论实时分拣系统的实际部署挑战	实现苹果霉心病早期感染的精确、高通量在线检测	苹果霉心病（健康/患病，包括轻度/重度）	机器学习, 计算机视觉	苹果霉心病	近红外光谱（NIR），透射光谱	CNN, LSTM, 混合CNN-LSTM	光谱数据	未提供具体样本数量	NA	CNN-LSTM	分类准确率（98.82%二分类，97.65%三分类）	NA
882	2026-06-13	A hybrid adaptive preconditioned gradient method with momentum for deep learning 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108758 PMID:41764807	研究论文	提出了一种用于深度学习的新型二阶自适应优化器，结合动量与混合策略	首次将自适应预条件梯度方法与动量结合，提出混合自适应预条件梯度法以在AdapGradm与随机梯度下降之间平滑过渡，保持计算效率的同时捕捉二阶曲率信息	文中未明确提及局限性，但可能面临大规模模型或复杂任务的泛化挑战	设计一种高效的二阶自适应优化器以提升深度学习训练性能	深度神经网络训练中的优化算法	机器学习	NA	NA	自适应预条件梯度法	图像与文本数据	NA	NA	三种常见神经网络架构（未具体命名）	训练误差	NA
883	2026-06-11	Feasibility of Implicit Neural Representation Learned Motion Compensation for 3D Stack-of-Spirals Free-Breathing Cardiac Quantitative Susceptibility Mapping 2026-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70325 PMID:41772752	研究论文	提出了一种利用隐式神经表示（INR）学习运动补偿的自由呼吸心脏定量磁化率成像（QSM）方法	首次将隐式神经表示（INR）用于自由呼吸3D心脏QSM中的心脏和呼吸运动补偿，结合螺旋采样和深度学习实现无前瞻性导航的门控采集	样本量较小（仅10名健康受试者），未评估在患者群体中的性能	实现无创、快速、鲁棒的自由呼吸心脏QSM测量，以评估心脏血氧差异（ΔSO2）	健康受试者的心脏MRI数据，用于评估胸号血氧差异	机器学习	心血管疾病	MRI（定量磁化率成像）	隐式神经表示（INR）	图像（心脏MRI图像）	10名健康受试者	NA	隐式神经表示（INR）	图像质量（p值）、ΔSO2测量一致性（相关系数r、偏差及一致性界限）	NA
884	2026-06-10	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	开发了一种基于开放集深度学习的LIBS传感器，用于无标签、现场识别未知病原体粉末	将分类重构开放集识别（CROSR）策略集成到残差网络（ResNet）中，构建改进的开放集深度学习模型，显著提升对未知样本的拒识能力	文中未明确提及局限性	实现现场、无标签的病原体粉末识别，提高生物安全与生物恐怖主义的应对能力	病原体粉末，包括五种已知目标病原体和九种未知样本（生物样本、培养基、非生物干扰物）	机器学习	病原体感染相关疾病	激光诱导击穿光谱（LIBS）	残差网络（ResNet）	光谱数据	包含五种已知目标病原体和九种未知样本的测试集	PyTorch	ResNet, CROSR	识别准确率	未提及
885	2026-06-09	Automated Triage for New Keratoconus Referrals Using Multimodal Deep Learning 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101208 PMID:42256004	研究论文	利用多模态深度学习模型，基于多模态成像和临床数据预测圆锥角膜进展风险，实现风险分层的患者监测	首次开发多模态融合架构（整合前段OCT、Placido地形图和表格数据）预测圆锥角膜两年进展风险，并通过长短期记忆网络纳入时序就诊数据，显著提升预测性能	NA	开发并验证用于预测圆锥角膜进展风险的深度学习模型，实现风险分层的患者监测路径	圆锥角膜患者	机器学习	圆锥角膜	前段光学相干断层扫描、Placido角膜地形图	深度学习模型（多模态融合架构、循环神经网络、长短期记忆网络）	图像、表格数据	内部数据集：3893名患者的7396只眼睛；外部验证数据集：519名患者的963只眼睛	NA	多模态融合架构、长短期记忆网络	AUROC、灵敏度、特异度、预测值	NA
886	2026-06-09	Hemispheric Asymmetry of Outer Retinal Structure and Function in Retinitis Pigmentosa 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101205 PMID:42256003	研究论文	利用深度学习管道自动化分割OCT图像中的椭圆体区，研究视网膜色素变性患者外层视网膜结构和功能的垂直半球不对称性	首次揭示RP患者存在一致的外部视网膜结构垂直半球不对称性，即上结构主导且下视野主导的保留模式，并证实此模式与基因型和年龄相关	NA	评估RP患者外层视网膜的垂直半球不对称性及其与基因型和年龄的关系	患有晚期视网膜色素变性的患者	计算机视觉	视网膜色素变性	谱域OCT, Goldmann视野计	深度学习	图像	496名患者的928只眼睛	NA	NA	椭圆体区面积(mm²), Goldmann视野角(°), 上/下比率, 年损失率(%)	NA
887	2026-06-08	Automated Detection of Pediatric Slipped Capital Femoral Epiphysis: A Deep Learning Approach Using Anatomically Informed Attention Guidance 2026-Jul-01, Journal of pediatric orthopedics DOI:10.1097/BPO.0000000000003279 PMID:41946451	研究论文	开发并验证一种基于注意力引导的深度学习模型，用于在儿科骨盆X光片上自动识别股骨头骨骺滑脱	引入解剖学信息引导的注意力机制，使模型聚焦于股骨头的解剖学感兴趣区域，提高可解释性	样本量较小（仅174张骨盆X光片），且为回顾性单中心研究，可能限制模型的泛化能力	开发并验证一种自动检测儿科股骨头骨骺滑脱的深度学习模型	儿科骨盆X光片中的股骨头骨骺滑脱病变	计算机视觉	股骨头骨骺滑脱	X光成像	U-Net++, EfficientNet B1	图像	174张骨盆X光片（139张训练，35张测试）	NA	U-Net++, EfficientNet B1	AUC, 准确率, 灵敏度, 特异度	NA
888	2026-06-08	A Bibliometric Examination of EEGLAB Publications in Scopus and WoS Indexed Sources: A 20-Year Study of Asia-Pacific and Arabian Countries 2026-Jul, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594261428714 PMID:42029425	研究论文	对EEGLAB在亚太和阿拉伯地区出版物的文献计量分析，覆盖20年的全球使用情况	首次对亚太和阿拉伯地区EEGLAB出版物进行全面的文献计量分析，结合联合国ESCAP和ESCWA区域划分，分析区域贡献和合作趋势	仅涵盖Scopus和WoS索引来源，数据截至2024年3月，可能遗漏最新研究或非索引出版物	了解亚太和阿拉伯地区EEGLAB出版物的区域贡献、趋势和国际合作模式	亚太和阿拉伯地区80个国家和地区的EEGLAB相关出版物	文献计量学，脑电图分析	NA	EEGLAB软件用于脑电图数据分析	NA	文献计量数据（引用、作者、出版物）	58个亚太国家和22个阿拉伯国家的出版物数据	R（Bibliometrix包）	NA	引用次数、洛特卡定律、布拉德福定律、共引网络	NA
889	2026-06-07	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	使用深度学习基于颅骨CT预测经颅超声插入损失	提出了一种改进的双路径Inception神经网络（mDPI-Net），基于颅骨CT扫描实现快速准确的插入损失预测，相比传统数值方法大幅提升了计算效率	NA	利用深度学习方法从颅骨CT中预测经颅超声插入损失，以优化超声传输	20个人类颅骨样本	深度学习	NA	CT扫描，经颅超声	神经网络	图像	20个人类颅骨样本	PyTorch（推测）	mDPI-Net（改进双路径Inception网络）	峰值压力误差，插入损失偏差	NA
890	2026-06-07	Calibrating Biased Distribution in VFM-Derived Latent Space via Cross-Domain Geometric Consistency 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3662389 PMID:41662554	研究论文	提出一种利用跨域几何一致性校准视觉基础模型派生潜在空间中偏态分布的方法	首次揭示视觉基础模型（如CLIP、DINOv2）提取的特征分布的几何形状具有跨域可迁移性，并基于此设计分布校准框架	未在标题和摘要中明确提及研究局限性	解决由数据异质性和样本不平衡引起的信息缺失问题	跨域几何形状的可迁移性及其在分布校准中的应用	机器学习	NA	特征提取	视觉基础模型（VFM）	图像	NA	NA	CLIP, DINOv2	NA	NA
891	2026-06-07	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	提出可解释性神经网络的对齐可逆正则化方法	首次形式化定义可解释性的两个基本属性——对齐性和可逆性，并基于此提出即插即用的优化器Bort，无需复杂模型修改即可提升可解释性	未提及实际应用中的计算开销或大规模部署限制	提升深度神经网络的可解释性，使其适用于高可靠性行业	深度神经网络的内部变量和模型表示	机器学习	NA	NA	神经网络	图像	NA	NA	ResNet, DeiT	分类准确率	NA
892	2026-06-07	Microscopic detection of nematodes in entomopathogenic nematode-enriched samples using a lightweight deep learning model 2026-Jul, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108594 PMID:41796953	研究论文	提出超轻量无锚框目标检测框架LightDetectorMS，用于实验室分离的Steinernema feltiae感染期幼虫的显微图像自动检测	设计超轻量（0.46 MB，62991参数）且计算高效（152.5 FPS）的anchor-free目标检测框架，在保持高检测可靠性（mAP@0.5达0.9119）的同时实现比人工计数快数千倍的处理速度	研究仅针对实验室培养的单一物种Steinernema feltiae，尚未验证对野外复杂环境或多种昆虫病原线虫的适用性	开发高效自动化的昆虫病原线虫显微检测方法，替代传统人工计数方法	实验室分离的Steinernema feltiae感染期幼虫的显微图像	计算机视觉	NA	显微成像	目标检测网络	显微图像	50个样本用于人工计数对比验证	NA	LightDetectorMS	mAP@0.5, mAP@0.5:0.95, 精确率, 召回率, FPS	NA
893	2026-06-07	On Demographic Group Fairness Guarantees in Deep Learning 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3674484 PMID:41838507	研究论文	提出一个理论框架分析数据分布与深度学习公平性保证之间的关系，并引入一种实用的训练目标以减少群体间差距	首次建立明确考虑不同人口群体间数据分布异质性的公平性界，提出形式化分析框架最小化预期损失差异，并导出公平误差和收敛率的界，刻画分布差异对公平性与准确性权衡的影响	未提及具体局限性	分析和理解深度学习模型中不同人口群体间的数据分布差异如何影响模型公平性，并为开发更公平的算法提供理论基础	深度学习模型在不同人口群体上的公平性表现	机器学习	眼病, 胸腔积液, 皮肤病变	深度学习	神经网络	图像, 表格数据, 文本	多个数据集：FairVision（眼病检测）、CheXpert（胸腔积液检测）、HAM10000（皮肤病变分类）、FairFace（面部属性识别）、ACS Income（收入预测）、CivilComments-WILDS（有毒评论检测）	NA	NA	AUC, ES-AUC	NA
894	2026-06-07	Discovery of WRN helicase inhibitors by 3D-CNN docking and ML consensus from traditional Chinese medicine monomers 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109376 PMID:41934827	研究论文	利用3D-CNN分子对接和机器学习共识方法从传统中药单体中筛选WRN解旋酶抑制剂	首次将基于深度学习的3D-CNN分子对接与机器学习分类器集成，应用于传统中药单体库的虚拟筛选，以发现WRN解旋酶抑制剂，并通过分子动力学模拟验证候选物的稳定性	尽管静态对接排名较高，但候选物desmethylglycitein在模拟中理论亲和力显著下降，表明流程仍需进一步优化以过滤假阳性；研究仅基于计算模拟，缺乏实验验证	识别WRN解旋酶抑制剂，为微卫星不稳定癌症提供潜在治疗靶点	WRN解旋酶的D1/D2界面	计算机辅助药物发现	微卫星不稳定癌症	分子对接、机器学习分类、分子动力学模拟	3D卷积神经网络、随机森林、XGBoost、支持向量机	分子结构数据	2940种传统中药单体	GNINA	3D-CNN、随机森林、XGBoost、SVM	共识评分、自由能计算	NA
895	2026-06-07	MCDNet: Morphological-conditional dual-view fusion for 3D tubular structure segmentation 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108614 PMID:41616702	研究论文	提出了一种名为MCDNet的形态条件双视角融合网络，用于三维管状结构分割	提出形态条件卷积（MCConv），能够自适应不同管状几何结构，并通过双视角融合机制联合建模全局和局部形态特征	现有方法依赖特定结构形态先验，泛化能力有限，且全局与局部形态联合建模不足	提高三维医学图像中管状结构分割的准确性和泛化能力	三维管状结构（如结肠道、血管、动脉等）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	三维医学图像	四个基准数据集	PyTorch	MCConv, Cross-Fusion, Residual Self-Attention Fusion	Dice系数, Hausdorff距离	NA
896	2026-06-07	Automated detection of tooth loss using tooth numbering segmentation in 3D intraoral scans from a population-based sample with artificial intelligence 2026-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106674 PMID:41946428	研究论文	本研究验证了一种利用人工智能从三维口内扫描中自动检测牙齿缺失的方法，并与临床评估进行比较	首次在基于人群的样本中验证了深度学习模型自动从口内扫描中检测牙齿缺失的可行性，且比临床评估更准确	模型在FDI编号识别方面不如临床评估，尤其是对于拔除的前磨牙和模糊的磨牙	验证自动化方法从口内扫描中检测牙齿缺失的准确性及在流行病学研究中的可行性	1982年佩洛塔斯出生队列的453名参与者的897份口内扫描数据	计算机视觉	口腔疾病	口内扫描	深度学习模型	三维口内扫描图像	453名参与者，897份口内扫描	NA	NA	F1-score, macro-F1	NA
897	2026-06-07	Capturing induced-fit effects: A geometry-aware and interpretable framework for robust drug-target affinity prediction 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109429 PMID:42066524	研究论文	提出一种几何感知且可解释的框架DCR-DTA，用于稳健的药物-靶标亲和力预测	通过动态上下文正则化显式建模双向诱导契合效应，稳定结构锚而非原始3D位移	未明确说明，但可能受限于基准数据集规模及冷启动场景的泛化能力	提高药物-靶标亲和力预测的鲁棒性与可解释性，解决静态建模和黑盒问题	药物-靶标相互作用的动态适应过程与诱导契合效应	机器学习	NA	NA	DCR-DTA	药物-靶标相互作用数据	Davis和KIBA基准数据集	NA	DCR-DTA	均方误差, r值, 一致性指数	NA
898	2026-06-07	Disproportionately elevated sulcal index (DESI): An automatically driven index representing disproportionate subarachnoid space enlargement in brain MRI scans 2026-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111928 PMID:42105919	研究论文	提出一种基于深度学习的自动测量指标DESI，用于客观量化正常压力脑积水患者的脑沟不对称扩大	首次提出完全自动化的深度学习体学标志物DESI，实现对蛛网膜下腔不成比例扩大的客观量化，替代传统主观定性评估	研究未提及局限性	开发并验证一种自动化的脑沟不对称扩大量化指标，用于鉴别特发性正常压力脑积水	特发性正常压力脑积水患者、健康对照、阿尔茨海默病和血管性痴呆患者	数字病理学	正常压力脑积水	磁共振成像	U-Net	T1加权MRI图像	训练集1248例，外部验证集94例	NA	EfficientNet-B0编码器结合U-Net	AUC、敏感性、特异性	NA
899	2026-06-07	Classification of familial and non-familial ADHD using auto-encoding network and binary hypothesis testing 2026-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111966 PMID:42190896	研究论文	利用自编码网络和二元假设检验对家族性与非家族性注意缺陷/多动障碍进行分类	首次将基于自编码器的深度学习架构与二元假设检验框架相结合，用于区分家族性ADHD和非家族性ADHD的神经影像学特征	样本量相对较小，且研究仅基于结构MRI和扩散MRI数据，未纳入其他模态数据	识别区分家族性ADHD、非家族性ADHD和健康对照的关键神经影像学特征	129名家族性ADHD儿童、159名非家族性ADHD儿童和150名匹配的健康对照	机器学习	注意缺陷/多动障碍	结构MRI、扩散MRI	自编码器	磁共振影像	438名儿童（129例ADHD-F、159例ADHD-NF、150例对照）	NA	自编码网络	准确率、灵敏度、特异度、AUC	NA
900	2026-06-07	Radiomics and deep learning models for predicting glioma p53 status: A diagnostic accuracy systematic review and meta-analysis of magnetic resonance imaging studies 2026-Jul, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110817 PMID:42127565	系统综述与荟萃分析	基于MRI的放射组学和深度学习模型预测胶质瘤p53状态诊断准确性的系统综述与荟萃分析	首次系统评估MRI放射组学和深度学习模型预测胶质瘤p53状态的诊断性能，并生成放射组学模型的合并估计值	纳入研究数量有限，部分研究未提供完整数据，且异质性可能存在	系统评估MRI放射组学和深度学习模型预测胶质瘤p53状态的诊断性能	胶质瘤p53状态	机器学习, 数字病理学	胶质瘤	MRI	CNN, 放射组学模型	图像	17项研究（其中6项用于放射组学模型荟萃分析，5项用于组合模型荟萃分析）	NA	放射组学模型, 深度学习模型（如CNN）	灵敏度, 特异性, 阳性似然比, 阴性似然比, 诊断优势比, AUROC	NA