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
101	2026-07-15	Deep learning for discriminating cochlear malformations on temporal bone CT 2026 Jul-Aug, Brazilian journal of otorhinolaryngology IF:1.7Q2 DOI:10.1016/j.bjorl.2026.101811 PMID:42054756	研究论文	评估深度学习在颞骨CT图像中诊断耳蜗畸形的效用	首次系统评估深度学习模型在耳蜗畸形诊断中的性能，并与耳科医生进行对比	未在文中明确提及	评估深度学习分析在颞骨CT图像中诊断耳蜗畸形的效用	颞骨CT图像中的耳蜗	计算机视觉	耳蜗畸形	CT成像	Swin UNETR, ResNet50, EfficientNet-B0, DenseNet121	图像	373例颞骨CT（187例正常，186例耳蜗畸形）	NA	Swin UNETR, ResNet50, EfficientNet-B0, DenseNet121	Dice系数, AUC	NA
102	2026-07-15	CIM-VTP: Correlation-Guided Image Modeling With Visual-Textual Task Prompt for Universal Medical Image Registration 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3690772 PMID:42090536	研究论文	提出一种基于关联引导图像建模与视觉-文本任务提示的通用医学图像配准框架	提出两阶段通用配准框架，包括基于关联引导图像建模的预训练策略和视觉-文本任务提示模块，通过提示学习自适应调整解码器参数，提升跨任务配准的通用性和零样本表现	依赖任务分类器识别输入任务类型，可能对未见任务类型分类不准确；多分辨率提示模块增加了模型复杂度	实现单一模型处理多种医学图像配准任务的通用配准方法，提升跨任务泛化能力和零样本配准性能	六种不同的医学图像配准任务	数字病理学, 机器学习	不适用	深度学习图像配准	CNN（卷积神经网络）	医学图像	六种配准任务涉及的不同医学图像数据集	PyTorch	U-Net, 多头自注意力	配准精度、Dice系数	NVIDIA GPU（具体类型未指定）
103	2026-07-15	DSHARP: Deep Incompressible Motion Estimation With Sinusoidal-Transformed Harmonic Phase for Tagged MRI 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3693998 PMID:42139136	research paper	提出了一种名为DSHARP的深度无监督学习方法，将谐波相位与深度学习配准框架结合，用于估计标记磁共振成像中的微分同胚且近似不可压缩的运动场	首次将谐波相位（HARP）方法集成到无监督深度学习配准框架中，通过正弦变换去除相位包裹不连续性以实现端到端训练，并利用雅可比行列式损失项鼓励不可压缩性	NA	开发一种快速、精确且能够保证微分同胚和不可压缩性的标记磁共振成像运动估计方法	2D和3D模拟不可压缩运动的体模数据、真实3D人类舌头数据（健康与舌切除受试者）以及公开STACOM 2011基准的心脏标记MRI数据	computer vision	geriatric disease	标记磁共振成像	CNN	image	包括模拟体模数据、真实人类舌头数据（健康与舌切除受试者）以及公共心脏标记MRI数据集	PyTorch	U-Net	追踪精度、计算速度、不可压缩性保持	NA
104	2026-07-15	Decoding common and rare noncoding variant effects across cellular and developmental contexts 2026-Jul, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02619-6 PMID:42298188	研究论文	通过深度学习模型解读人类发育过程中细胞和组织特异性非编码变异的影响	首次大规模应用深度学习预测不同胎儿和成人细胞情境下的染色质可及性，区分常见与罕见非编码变异的细胞类型特异性效应，并开发FLARE框架整合进化约束优先化具有极端调控效应的变异	未提及具体限制	研究非编码变异在人类发育和不同细胞类型中的调控效应及其对疾病的影响	胎儿和成人细胞中的非编码变异，包括常见变异和超罕见变异	机器学习	发育性疾病, 精神分裂症	深度学习序列模型, 单细胞染色质可及性分析	深度学习序列模型	染色质可及性预测数据, 群体遗传学数据	30亿次深度学习预测	NA	NA	NA	NA
105	2026-07-15	Integrating computed tomography and deep learning to assess tibiotarsus cortical bone area for leg health evaluation in purebred male turkeys 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101854 PMID:42314622	研究论文	利用计算机断层扫描和深度学习评估纯种雄性火鸡胫跗骨皮质骨面积，用于腿部健康评价	首次将深度学习与CT影像结合来衍生火鸡胫跗骨皮质骨面积指标，并估计其遗传参数及其与生产性状的相关性	Ct.Ar不能完全反映骨骼完整性，需进一步探索其他CT衍生腿部健康性状	从CT图像中通过深度学习提取Ct.Ar，估计其遗传参数，并评估与生产性状的关联	纯种雄性火鸡（品系A和品系B）	计算机视觉, 数字病理学	骨骼疾病	计算机断层扫描	深度学习	图像	2605只纯种雄性火鸡（品系A）和3337只（品系B）	PyTorch	Detectron2 panoptic segmentation	遗传力估计值，相关系数	NA
106	2026-07-15	Effect of Signal-Strength Filtering on 3D Convolutional Neural Network-Based Visual Field Estimation From Macular OCT 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.17 PMID:42439429	研究论文	探讨低信号强度OCT扫描对基于3DCNN的视野估计的影响	首次系统评估信号强度过滤对深度学习视野估计模型的影响，发现包含低信号强度扫描可提升模型鲁棒性	仅使用NIDEK设备数据，未验证其他OCT设备；未明确信号强度<7的阈值效应	评估训练数据中排除低信号强度OCT扫描是否改善基于深度学习的视野估计性能	黄斑OCT体积与视野检查的配对数据	计算机视觉，数字病理学	NA	OCT成像	3D卷积神经网络（3DCNN）	图像（OCT体积）	79,803次配对检查，来自5个机构的8511名患者	PyTorch	EfficientNet 3D	平均绝对误差（MAE），平均偏差绝对误差（MD误差）	NA
107	2026-07-13	A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding 2026-Jul, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500267 PMID:41856938	研究论文	提出了一种轻量级双注意力神经网络DA-EEGNet，用于稳健高效的运动想象脑电解码	在EEGNet骨干网络中集成了通道注意力模块和深度注意力模块，以紧凑的参数量实现了优于或匹敌现有深度学习方法的性能	未明确说明局限性	实现运动想象脑电信号的高效空间-时间特征建模，同时保持紧凑的模型参数量	运动想象脑电信号及其解码	机器学习	NA	脑电图	注意力神经网络	脑电信号	两个广泛使用的运动想象基准数据集	NA	DA-EEGNet	分类准确率	NA
108	2026-07-12	Enhancing the accuracy of seawater intrusion vulnerability assessment using a hybrid GALDIT framework in tropical low-lying coastal settings 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119585 PMID:41861586	研究论文	提出一种结合GALDIT框架与混合深度学习技术的海水入侵脆弱性评估方法，并在热带低洼沿海地区验证了其准确性	首次大规模应用CNN-XGBoost混合模型进行海水入侵脆弱性评估，通过集成土壤介质和井密度层改进GALDIT框架，并使用AHP和Wilcoxon符号秩检验优化参数权重与排序	传统GALDIT和修改后的Mod-GALDIT模型无法充分捕捉海水入侵的非线性空间复杂性，且研究可能受限于特定区域（奥里萨邦沿海）的数据和条件	提高热带低洼沿海地区海水入侵脆弱性评估的准确性，为地下水枯竭、盐分入侵和沿海水管理提供稳健解决方案	奥里萨邦沿海区域的海水入侵脆弱性	机器学习	NA	NA	CNN, XGBoost	空间数据（地理层、水文数据）	NA	NA	CNN, XGBoost	AUC, R值	NA
109	2026-07-10	Explainable artificial intelligence in prostate cancer treatment recommendation: A decision support system for oncological expert panels 2026-Jul-26, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116849 PMID:42235465	研究论文	开发并评估了一种可解释的人工智能系统，用于再现多学科癌症会议中对前列腺癌的治疗决策	首次在大规模多目标框架下实现可解释的人工智能系统，能够生成与多学科癌症会议一致的前列腺癌治疗推荐，并纳入最多数量的临床输入与治疗输出参数	抗癌药物类别的较低性能可能因样本量较小导致，且需进一步前瞻性验证	构建可解释的AI决策支持系统以辅助肿瘤专家小组在前列腺癌治疗推荐中达成共识	2015年至2022年在多学科癌症会议中讨论的5478例组织学确诊前列腺癌患者的临床数据	机器学习	前列腺癌	NGS	机器学习与深度学习算法	结构化临床数据	5478例多学科癌症会议病例	NA	NA	F1分数	NA
110	2026-07-10	A chemistry-informed deep learning network for mitigating the stratospheric OH data gap 2026-Jul-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aee2319 PMID:42418589	研究论文	提出一种化学信息增强的深度学习网络DRCAT，利用卫星观测数据重建平流层OH自由基全球数据集	首次将化学机理知识融入深度学习网络，仅用2年训练数据实现2004年至今的连续OH剖面重建，并能泛化到极端火山喷发条件	未提及模型对训练数据质量和缺失值的敏感性，也未讨论其他短寿命物种的迁移学习效果	填补卫星观测缺失后的平流层OH自由基数据空白	平流层OH自由基垂直廓线	机器学习	NA	卫星遥感观测	深度学习	卫星观测数据	2年训练数据，重建数据集覆盖2004年底至今	PyTorch	DRCAT（化学信息增强深度学习网络）	与化学传输模型和稳态近似方法的比较结果	NA
111	2026-07-10	Discovery of flat-band 2D materials via physics-informed scoring and structure-based learning 2026-Jul-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea3611 PMID:42418592	研究论文	通过物理启发的评分和基于结构的深度学习，发现多种先前未知的平带二维材料	提出一个物理启发的平坦度分数，结合能带色散和态密度特征，能自动标记已知材料而无需人工检查；利用多模态深度学习模型直接从原子结构预测平带倾向，绕过密度泛函理论计算需求，实现大规模可解释筛选	NA	系统探索大材料空间中的平带二维材料，发现拓扑非平凡系统	超过10000种未标记的二维材料候选结构	机器学习	NA	密度泛函理论	多模态深度学习模型	原子结构数据	超过10000个未标记材料	NA	多模态深度学习模型	准确率	NA
112	2026-07-10	Beyond 0.29±0.02 mm intrinsic spatial resolution based on monolithic crystals using convolutional neural network: a simulation study 2026-Jul-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae796a PMID:42257692	研究论文	基于卷积神经网络和单晶体的正电子发射断层扫描(PET)探测器实现0.29±0.02毫米本征空间分辨率的仿真研究	提出基于深度学习的定位算法、晶体尺寸优化策略和定量评估机制，实现前所未有的0.2毫米峰值局部分辨率	目前仅基于仿真验证，缺乏实际探测器实验数据支持	突破单晶体PET探测器的空间分辨率极限，实现亚毫米级成像	PET探测器中的单晶体与光电探测器耦合结构	计算机视觉	NA	PET成像	卷积神经网络(CNN)	仿真数据	NA	NA	卷积神经网络(CNN) — 具体架构未在摘要中明确	本征空间分辨率(毫米)、局部分辨率(毫米)、平均分辨率±标准差	NA
113	2026-07-10	LWF-YOLO: a lightweight framework based YOLO for blood cell detection 2026-Jul-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7d2f PMID:42296987	研究论文	提出了一种轻量级YOLO框架LWF-YOLO，用于血细胞检测，在保持高效的同时实现高精度	引入多尺度边缘感知特征增强模块和动态通道混合门控结构，结合Sobel算子与多尺度融合优化细胞边界分割，同时通过动态可变形卷积网络提升多尺度定位鲁棒性	未提及在极端低质量图像或罕见细胞类型上的表现，且跨领域验证范围有限	开发适用于资源受限设备的轻量级高精度血细胞检测框架	血细胞（红细胞、白细胞、血小板）	计算机视觉	贫血、白血病等血液疾病	深度学习目标检测	YOLOv11基础模型	图像	使用BCCD、全血细胞计数、LISC三个血细胞数据集	PyTorch	YOLOv11改进版（MSEFE模块、动态通道混合门控结构、动态可变形卷积网络）	mAP@50, 参数量, 计算量(GFLOPs)	NA
114	2026-07-10	Machine Learning-Based Models to Predict Drug-Induced Liver Injury (DILI) to Assist Medicinal Chemistry 2026-Jul-09, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c02888 PMID:42328973	综述	综述基于机器学习的药物性肝损伤预测模型，以辅助药物化学研究	系统梳理了DILI标注数据集从小型集合到大型综合资源的发展历程，以及计算方法从简单描述符模型到先进深度学习和集成方法的演进，并强调整合标准化因果关系框架、药物基因组学和机制模型的近期努力	未提及具体局限性	综述基于机器学习的DILI预测模型的发展，为药物化学和早期药物发现提供见解	药物性肝损伤（DILI）预测模型	机器学习	药物性肝损伤	NA	机器学习、深度学习、集成模型	药物结构和性质数据	NA	NA	NA	NA	NA
115	2026-07-10	Hybrid noise-resistant technique for malware classification 2026-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57376-7 PMID:42420330	研究论文	提出一种结合卷积自编码器潜在结构学习与局部二值模式纹理特征提取的混合恶意软件表征框架，用于鲁棒恶意软件分类	首次在内存取证恶意软件可视化设置中系统研究混合潜在-纹理表征学习，联合处理鲁棒性、扰动抵抗、可扩展性和跨数据集泛化	未明确说明局限性	提升恶意软件分类性能、鲁棒性和泛化能力	恶意软件家族	机器学习	NA	NA	卷积自编码器（CAE）、XGBoost	图像	134435个PE恶意软件样本，跨越581个恶意软件家族	NA	卷积自编码器（CAE）、局部二值模式（LBP）	准确率、精确率、召回率、F1分数	NA
116	2026-07-10	Epigenetic editing approaches maturity: AI-driven precision design, delivery innovation, and the road to clinical translation 2026-Jul-09, Clinical epigenetics IF:4.8Q1 DOI:10.1186/s13148-026-02194-x PMID:42421085	综述	分析表观遗传编辑技术的成熟过程，评估人工智能的贡献及临床转化现状，并指出未来挑战	提出2024-2025年表观遗传编辑达到临界点的三个量化标准（机制持久性、递送能力、临床验证），并分层评估人工智能在加速临床级脂质纳米颗粒筛选、AAV衣壳预测及小尺寸DNA结合蛋白从头设计中的实际与潜在贡献	尚未建立临床实施可逆性所需的监测和干预系统，制造准入障碍待解，长期人体验证仍是核心悬而未决问题	评估表观遗传编辑的技术成熟度、人工智能的贡献及临床转化现状，并识别未决挑战	表观遗传编辑技术（包括OTX-2002、TUNE-401和EPI-321临床试验）及人工智能工具（深度学习平台、AlphaFold3、从头设计的小于65个氨基酸的DNA结合蛋白）	机器学习	MYC驱动恶性肿瘤, 慢性乙型肝炎, 面肩肱型肌营养不良症	表观遗传编辑（靶向染色质和DNA甲基化修饰）	深度学习模型, AlphaFold3	NA	NA	NA	深度学习平台（用于脂质纳米颗粒配方筛选和AAV衣壳预测），AlphaFold3，DNA结合蛋白小于65个氨基酸的从头设计模型	NA	NA
117	2026-07-10	Using Deep Learning Models as a Genetic Architecture for the Simulation of Breeding Schemes 2026-Jul-09, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag187 PMID:42423184	研究论文	提出基于深度学习的遗传模拟模型，并与经典模型在保留加性遗传方差方面的表现进行比较	首次将深度学习模型作为遗传模拟架构，证明其能通过捕获非加性遗传效应来长期维持遗传方差	DL_simple模型完全丧失加性方差，且模型复杂性对结果有决定性影响	探索基于深度学习的遗传模拟模型在保留加性遗传方差方面的表现	模拟的全同胞猪育种方案	机器学习	NA	模拟遗传育种	深度学习模型（如DL_simple、DL_medium、DL_complex）	单倍型数据	20代截断选择模拟	NA	DL_simple, DL_medium, DL_complex	加性遗传方差保留率	NA
118	2026-07-10	LoMuS: Low-Rank Adaptation with Sequence Multi-representation Improves Protein Stability Prediction 2026-Jul-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag509 PMID:42423292	研究论文	LoMuS是一种基于多表征的深度学习模型，通过融合物理化学描述符和低秩适配的蛋白质语言模型嵌入，从序列直接预测蛋白质稳定性	首次将低秩适配与序列多表征融合，结合物理化学描述符和蛋白质语言模型嵌入，在多个标准稳定性基准上实现至少10%的斯皮尔曼秩相关系数绝对提升	依赖序列信息，在缺乏结构知识时可能面临数据异质性挑战，且未明确评估对高度同源序列的泛化能力	提升蛋白质稳定性预测的准确性，特别是在仅依赖序列信息且结构知识有限或不可用的情况下	蛋白质稳定性评分，包括绝对折叠稳定性评分、突变景观稳定性评分、留出蛋白质结构域、分布外标签及每个蛋白质评估	机器学习	NA	蛋白质语言模型、低秩适配	深度学习融合网络	序列数据	NA	PyTorch	融合网络（集成物理化学描述符与低秩适配蛋白语言模型）	斯皮尔曼秩相关系数	NA
119	2026-07-10	Artificial intelligence (AI) as a catalyst for mechanistic target discovery: Integrating systems pharmacology and multimodal data 2026-Jul-09, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70592 PMID:42423609	综述	探讨人工智能如何整合系统药理学与多模态数据，作为机制驱动靶点发现的催化剂，重塑药物发现过程	提出人工智能从预测工具演变为机制驱动药理学的计算基础设施，通过图神经网络、Transformer和物理信息神经网络融合多模态数据，实现跨生物尺度的计算模拟	NA	阐述人工智能通过整合网络药理学和先进深度学习架构，解决靶点验证中的数据偏差和模型可解释性挑战，加速精准医学发展	药物发现中的靶点验证、多模态数据融合、生物系统建模	机器学习	NA	图神经网络、Transformer、物理信息神经网络	图神经网络、Transformer、物理信息神经网络	基因组学数据、真实世界临床记录等多模态数据	NA	NA	图神经网络、Transformer、物理信息神经网络	NA	NA
120	2026-07-10	Automated scoliosis X-ray cobb angle classification: a deep learning approach with RadImageNet 2026-Jul-09, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10181-2 PMID:42423737	研究论文	开发一种基于RadImageNet预训练ResNet-50的深度学习模型，用于脊柱侧弯X光片的严重程度自动分类	首次评估RadImageNet迁移学习在成人脊柱侧弯严重程度分类中的应用，而非传统的直接Cobb角测量或青少年筛查	无外部验证队列、未评估最终分类的观察者间可靠性、不能直接测量Cobb角或评估进展、矢状面平衡及手术规划参数	评估RadImageNet迁移学习在标准化AP全长X光片上支持成人脊柱侧弯严重程度分类的能力	816张标准化的成人前后位全长X光片，包括退行性或特发性脊柱侧弯患者及无侧弯病例	计算机视觉	脊柱侧弯	NA	卷积神经网络	图像	816例成人前后位全长X光片，按80/20分训练/验证与测试	PyTorch	ResNet-50	准确率、精确率、召回率、F1分数、Cohen's Kappa、马修斯相关系数、AUROC	NA