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
1	2026-07-18	A hybrid chemometric and deep learning model for monitoring quality loss in thermally processed edible oils 2026-Aug-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119497 PMID:42215142	研究论文	结合化学计量学与深度学习模型监测热处理食用油品质损失	首次将1D-CNN深度学习模型与CARS-PLS、RF-PLS等化学计量学方法结合，利用FTIR光谱和介电测量多模态数据预测食用油热降解，并引入SHAP可解释性分析揭示关键光谱特征	仅针对花生油、芝麻油和餐馆回收油，未涵盖其他常见食用油类型；研究为实验室概念验证，缺乏实际烹饪场景验证	建立非破坏性、灵敏的食用油热降解监测方法，通过整合光谱、介电分析和预测模型实现品质损失评估	花生油、芝麻油及餐馆回收油的热降解行为	机器学习	NA	傅里叶变换红外光谱、介电测量	1D-CNN	光谱数据、介电常数、酸值	三种食用油（花生油、芝麻油、餐馆回收油）的热处理样本	NA	1D-CNN	R值、RMSE	NA
2	2026-07-18	Multimodal neuroimaging-based deep learning framework for pattern analysis and early prediction of neurodegenerative diseases 2026-Aug-28, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.06.005 PMID:42248234	研究论文	提出一种结合卷积神经网络与优化时空双向门控长短期记忆网络的多模态神经影像深度学习框架，用于神经退行性疾病的模式分析与早期预测	首次将卷积神经网络与优化时空双向门控长短期记忆网络结合，有效捕获多模态临床数据中的复杂时空模式，在早期检测中取得显著性能提升	仅在单中心1000例样本上验证，未来需扩展至更大规模的多中心数据集，并实现实时临床部署	开发准确、可扩展且临床适用的诊断工具，实现神经退行性疾病的早期检测	轻度认知障碍、阿尔茨海默病及认知正常患者的神经影像数据	机器学习	神经退行性疾病	多模态神经影像	卷积神经网络和优化时空双向门控长短期记忆网络	图像	1000例多模态样本	NA	卷积神经网络、优化时空双向门控长短期记忆网络	准确率、精确率、召回率、F1分数	NA
3	2026-07-18	Machine Learning and Deep Learning for Neurological Disease Analysis: A Systematic Review Across Five Major Disorders 2026-Aug-28, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.05.036 PMID:42250854	系统综述	系统综述了2021年1月至2026年3月间针对五种主要神经系统疾病的机器学习和深度学习研究	全面分析了阿尔茨海默病、中风、帕金森病、脑肿瘤和创伤性脑损伤这五种重大疾病的ML和DL研究，并总结了新兴范式（联邦学习、自监督学习、基础模型）的应用	在泛化性、可解释性和临床转化方面仍存在挑战，需要更稳健且临床可靠的AI系统	系统综述2021年至2026年间五种主要神经系统疾病的机器学习和深度学习研究进展	阿尔茨海默病、中风、帕金森病、脑肿瘤和创伤性脑损伤	机器学习	神经系统疾病	NA	CNN, 编码器-解码器架构, Transformer, 混合模型, 多模态模型	神经影像、临床数据、生理数据、可穿戴设备数据	206篇符合条件的研究文章	NA	卷积神经网络, 编码器-解码器架构, Transformer, 混合模型	NA	NA
4	2026-07-18	Robust end-to-end stratification of amyotrophic lateral sclerosis patients via recurrent variational autoencoder and consensus clustering 2026-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105059 PMID:42235808	研究论文	提出一种结合递归变分自编码器与共识聚类的数据驱动方法，用于肌萎缩侧索硬化症患者的分层	将窥孔长短期记忆网络集成到变分深度嵌入架构中，同时学习潜在表示和聚类分配，并采用共识聚类提高稳定性	NA	基于纵向疾病进展模式对肌萎缩侧索硬化症患者进行数据驱动的分层	肌萎缩侧索硬化症患者	机器学习	肌萎缩侧索硬化症	NA	递归变分自编码器（RVA），窥孔长短期记忆网络（Peephole LSTM），变分深度嵌入（VaDE）	多变量时间序列数据	3076名肌萎缩侧索硬化症患者（来自PRO-ACT数据集）	NA	递归变分自编码器（RVA）结合窥孔长短期记忆网络（Peephole LSTM）	轮廓系数、戴维斯-布尔丁指数、卡林斯基-哈拉巴斯指数	NA
5	2026-07-18	Deep learning applications in cancer treatment Prediction: Comprehensive research foundation for systematic review and Meta-Analysis 2026-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105068 PMID:42276181	系统综述与meta分析	评估深度学习模型在癌症治疗结果预测中的性能、方法学质量和临床应用	首次跨癌种系统综述深度学习在治疗预测中的应用，涵盖多种模型架构和治疗方式	高异质性(I>70%)、方法学不一致、高风险偏倚、外部验证有限，仅9%模型临床实施	综合评估深度学习在癌症治疗预测中的预测性能、方法学质量和临床实施情况	158项符合条件的研究，其中89项纳入定量合成	机器学习	多种癌症（乳腺癌、肺癌、结直肠癌、前列腺癌等）	深度学习	Transformer、多模态模型等	NA	158项研究（89项纳入meta分析）	NA	Transformer、多模态模型	AUC、C指数、风险比、净获益、决策曲线	NA
6	2026-07-18	Rapid Screening of Spreading-Type Bacillus Using a YOLO-Based Classifier on Sheet Media 2026-Aug, Journal of food protection IF:2.1Q3 DOI:10.1016/j.jfp.2026.100838 PMID:42309367	研究论文	基于YOLO的扩散型芽孢杆菌快速筛查分类器在片状培养基上的应用	首次利用YOLO深度学习算法在片状培养基上自动区分并计数芽孢杆菌与非芽孢杆菌菌落，实现快速筛查	未详细说明在复杂食品基质或混合菌落中的表现，可能受菌落重叠或形态变异影响	开发快速、准确的分类器，用于食品中芽孢杆菌的自动检测和计数，保障食品安全	枯草芽孢杆菌亚种作为芽孢杆菌代表，大肠杆菌作为非芽孢杆菌代表，以及34种46株菌株和66种即食食品样本	计算机视觉	NA	16S rDNA测序	YOLO	图像	60张图像含4549个菌落，46株34种菌株，66种即食食品	NA	YOLO	准确率、平均准确率、精确率	NA
7	2026-07-18	Semiautomated magnetic resonance imaging-based breast density measurement from routine sequences: comparison with mammography 2026-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107405 PMID:42401077	研究论文	评估基于常规磁共振成像序列的半自动乳腺密度测量方法，并与钼靶摄影进行对比	首次利用常规MR序列实现半自动乳腺密度测量，无需专用序列或特定软件，且评估结果与钼靶摄影分类性能相当	单中心回顾性研究，样本量有限（113例），需要进一步验证和工作流程标准化	评估基于常规磁共振成像序列的半自动乳腺密度测量方法的可行性及其诊断性能	同时接受乳腺MRI和钼靶摄影的女性患者（平均年龄60.8岁）对侧正常乳腺	计算机视觉	乳腺癌	MRI	深度学习辅助自动分割	影像数据	113例女性患者	NA	NA	相关系数, AUC (ROC曲线下面积)	3.0T MRI扫描仪
8	2026-07-18	Deep learning for visceral pleural invasion in non-small cell lung cancer 2026-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107393 PMID:42296936	研究论文	评估并比较多种深度学习模型与传统临床-影像特征模型在非小细胞肺癌术前CT预测脏层胸膜侵犯中的诊断性能	首次系统比较Res2Net_3D8F等五种深度学习架构与临床-影像模型在脏层胸膜侵犯预测中的表现，并揭示两者在敏感性和阳性预测值上的优劣差异	所有模型均未达到最佳临床效用，深度学习模型阳性预测值低，且非侵入性预测仍面临重大挑战	评估深度学习模型和传统临床-影像特征模型在术前CT预测非小细胞肺癌脏层胸膜侵犯中的诊断表现	来自四家医院的3406例非小细胞肺癌患者的术前CT影像数据	计算机视觉	肺癌	CT成像	CNN (Res2Net_3D8F, ResNet变体)	图像	3406名非小细胞肺癌患者	NA	Res2Net_3D8F, ResNet变体	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
9	2026-07-18	Clinical and EEG features integrated by a deep learning method to investigate treatment outcomes in epilepsy with eyelid myoclonia 2026-Aug, Seizure DOI:10.1016/j.seizure.2026.05.020 PMID:42322699	研究论文	利用深度学习方法整合临床与脑电图特征，探究伴有眼睑肌阵挛的癫痫的治疗结局	首次提出并验证了整合临床与脑电图特征的EEM治疗反应预测神经网络模型，初步揭示了全面性阵发性快速活动作为难治性EEM的多变量依赖指标	因治疗组间单变量比较缺乏统计学显著性，该关联为探索性发现，需进一步验证	探究临床与脑电图因素与伴有眼睑肌阵挛的癫痫治疗结局的相关性	癫痫伴眼睑肌阵挛患者的临床特征和脑电图特征	机器学习	癫痫	脑电图	神经网络	临床数据、脑电图信号	两个医院队列，具体样本量未明确	NA	EEMTRP神经网络模型	准确率、曲线下面积	NA
10	2026-07-18	Deep learning-based automated assessment of pulmonary artery indices and surgical approach triage for tetralogy of Fallot from multicenter cardiac computed tomography (CT) 2026-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107404 PMID:42349352	研究论文	开发基于深度学习的自动化框架，用于从儿童法洛四联症的心脏CT中分割肺动脉、计算肺动脉指数并实现规则导向的手术分诊	首次提出基于改进3D nnU-Net架构的自动化分割与肺动脉指数计算框架，并集成规则导向的手术分诊，在多项心数据集中验证了分割性能和效率提升	外部数据集缺乏姑息性病例，因此手术分诊分析仅在内部主数据集进行，外部泛化性需进一步验证	实现儿童法洛四联症心脏CT中肺动脉指数的自动化量化，并辅助规则导向的手术分诊	儿童法洛四联症患者术前心脏CT扫描数据	数字病理	法洛四联症	心脏计算机断层扫描（CCT）	3D nnU-Net	图像（CT扫描）	122例法洛四联症患者（训练集n=80，内部验证集n=20，外部数据集n=22）	nnU-Net	改进型3D nnU-Net	Dice相似系数（DSC）、处理时间、AUC	NA
11	2026-07-18	Deep learning-based reconstruction for 5.0T magnetic resonance imaging (MRI) in nasopharyngeal carcinoma: comparison of image quality and diagnostic efficacy 2026-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107362 PMID:42361579	研究论文	探讨基于深度学习的重建技术对5.0T磁共振成像在鼻咽癌中图像质量和诊断效能的影响	首次将深度学习重建技术应用于5T MRI鼻咽癌成像，系统评估其对图像质量和T分期诊断准确性的影响	NA	评估深度学习重建技术对5T MRI图像质量和鼻咽癌诊断效能的影响	70名鼻咽癌患者的5T MRI图像	计算机视觉	鼻咽癌	MRI	深度学习重建模型	图像	70名鼻咽癌患者	NA	NA	信噪比、对比噪声比、5点Likert量表、Kappa系数	NA
12	2026-07-18	Deep learning reconstruction dual-energy computed tomography for gastrointestinal system tumors: low-kiloelectron volt imaging vs routine imaging 2026-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107403 PMID:42364263	研究论文	本研究定性和定量比较了基于深度学习重建的双能CT在胃肠道肿瘤中55 keV虚拟单能图像与常规70 keV图像的成像性能	首次系统评估深度学习图像重建在低keV双能CT中替代常规迭代重建的可行性与影响	样本量较小（仅47例患者），未评估不同肿瘤类型亚组的差异	比较DLIR与ASiR-V在55 keV与70 keV下对胃肠道肿瘤的成像质量及碘参数影响	47例胃肠道肿瘤患者的双能CT图像	数字病理学	胃肠道肿瘤	双能计算机断层扫描	深度学习重建模型	图像	47例胃肠道肿瘤患者	NA	深度学习图像重建	对比噪声比、信噪比、图像质量评分、病变显著度、诊断置信度	NA
13	2026-07-18	CoAff-DTI: Fine-grained drug-target interaction prediction using pre-trained language models and affinity-guided mechanisms 2026-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105076 PMID:42391908	research paper	提出了CoAff-DTI，一种利用预训练语言模型和亲和力引导机制进行细粒度药物-靶标相互作用预测的端到端深度学习框架	引入了三个关键创新组件：令牌级分解策略将全局嵌入转化为药效团和残基级别的表示；亲和力引导的交叉注意力模块显式建模配体子结构与蛋白质残基之间的细粒度相互作用；亲和力门控融合模块通过动态建模逐元素交互来增强跨模态特征整合	NA	解决传统全局嵌入方法在药物子结构和蛋白质结合位点之间细粒度、局部生化相互作用的表征不足问题，提升预测准确性和生物学可解释性	药物-靶标相互作用预测	machine learning	NA	NA	深度学习	分子结构数据和蛋白质序列数据	多个基准数据集	NA	Transformer	准确率	NA
14	2026-07-18	DETERIO-LLM: enhancing traditional deterioration risk scores with clinical context and advanced reasoning 2026-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag123 PMID:42466429	研究论文	提出DETERIO-LLM混合模型，选择性整合大语言模型与深度学习模型，利用临床笔记重分类边界风险警报以改善院内患者恶化风险预测	首次将大语言模型选择性整合到现有结构化EHR预测工作流中，仅针对高不确定性警报进行分析，显著降低假阳性率，提高临床实用性	未提及	通过整合临床笔记中的背景信息，降低传统恶化风险评分模型的假阳性率，缓解警报疲劳，提升预测精度	住院患者生理恶化的早期预警	自然语言处理	NA	大语言模型	混合模型（深度学习与大语言模型结合）	结构化电子健康记录数据与叙述性临床笔记	1000名住院患者（患者恶化患病率4.6%）	NA	DETERIO-LLM（基于DETERIO和LLM的混合模型）	敏感度、阳性预测值、F1分数	NA
15	2026-07-15	Development of a real-world, therapeutic drug monitoring-informed model to predict teicoplanin daily dose in pediatric intensive care unit patients with bacterial infections 2026-Aug, International journal of clinical pharmacy IF:2.6Q2 DOI:10.1007/s11096-026-02124-0 PMID:41995939	研究论文	开发基于真实世界治疗药物监测数据指导儿科重症监护室患者替考拉宁每日剂量的预测模型	首次将治疗药物监测数据与机器学习模型（尤其是TabNet结合）用于预测儿科重症监护病房患者的替考拉宁每日剂量，实现个体化给药决策	回顾性单中心研究设计，样本量有限（257名患者），需外部验证其泛化性	开发并验证一个基于真实世界治疗药物监测的机器学习模型，以预测儿科ICU患者临床医师调整后的替考拉宁每日剂量	儿科重症监护室中接受替考拉宁治疗的细菌感染患者	机器学习, 数字病理学, 药物监测	细菌感染	治疗药物监测, 基于随机森林的缺失值填补	TabNet, 梯度提升, XGBoost, LightGBM	临床数据, 治疗药物监测数据	257名儿科ICU患者（595份替考拉宁给药记录）	PyTorch, XGBoost库, LightGBM库, Scikit-learn	TabNet	决定系数R², 均方根误差RMSE, 平均绝对误差MAE	未提及
16	2026-07-15	Labeled dataset of Sentinel-1 SAR imagery Despeckled with multitemporal fusions 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112999 PMID:42440416	研究论文	提出一个用于支持Sentinel-1 SAR影像监督去噪的多时相标注数据集	提供了不同数量多时相融合（5至25景）的参考图像，支持分析去噪效果与融合次数的关系；数据集全球采样，包含极化特定的后向散射阈值筛选和ESA土地覆盖图	NA	为SAR影像散斑噪声减少的机器学习和深度学习模型提供结构化、可复现的训练与评估资源	Sentinel-1合成孔径雷达影像的散斑噪声减少	计算机视觉	NA	合成孔径雷达干涉测量	NA	图像	512×512像素的SAR区域，包含VV和VH极化，全球采样	Python, Google Earth Engine	NA	等效视数、均方误差、结构相似性指数、峰值信噪比	NA
17	2026-02-11	Methodological Considerations for Improving Deep Learning-Based Classification of Skin Lesions in High-Frequency Ultrasound Imaging 2026-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70201 PMID:41665130	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-07-12	High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127748 PMID:41863219	研究论文	提出一种基于实验与理论交叉验证的高置信度拉曼光谱方法，用于肿瘤生物标志物蛋白检测	结合超滤纯化实验与第一性原理密度泛函理论计算，实现实验光谱与理论光谱的相互验证，并通过理论-实验交叉验证提升AI蛋白质分类准确率7.62%	仅针对乳腺癌的四种肿瘤生物标志物蛋白进行验证，且需要高计算资源进行DFT理论计算，可能限制其在大规模应用中的效率	开发一种快速、准确且低成本的肿瘤生物标志物蛋白检测方法，用于癌症筛查和组织活检病理诊断	四种乳腺癌肿瘤生物标志物蛋白	机器学习	乳腺癌	拉曼光谱, 密度泛函理论, 超滤纯化	深度学习模型（文中未明确具体类型）	拉曼光谱数据	四种蛋白质样品	NA	NA	准确率	需要高计算资源进行DFT计算（未具体说明GPU型号）
19	2026-07-12	Hierarchical attention-assisted feature pyramid network with Variational Sparse Autoencoder for cancer classification using gene data 2026-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109005 PMID:41861429	研究论文	提出一种结合分层注意力辅助特征金字塔网络与变分稀疏自编码器的癌症基因分类方法	创新地将稀疏感知表征学习、结构诱导空间嵌入与分层多尺度注意力融合在一个框架中，并使用改进梯度下降优化超参数	未提及	提高基于基因表达数据的癌症分类性能	基因表达数据中的癌症类型分类	机器学习	癌症	基因表达数据降维与图像转换	变分稀疏自编码器（VSAE）、分层注意力辅助特征金字塔网络（HA-FPN）	基因表达数据	两个公开数据集	NA	VSAE、HA-FPN	准确率、精确率、召回率、F1分数	NA
20	2026-07-10	Advancing forward osmosis predictions: A deep learning-based surrogate modeling approach 2026-Aug-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70714 PMID:42117887	研究论文	提出一种基于深度学习的替代模型，用于快速准确预测不同操作条件下的正向渗透性能	首次将深度神经网络替代模型应用于正向渗透性能预测，在保持高准确性的同时大幅缩短计算时间，并通过SHAP分析解释模型捕获的物理关系	模型性能强烈依赖数据集大小，小数据集下DNN模型不如随机森林模型有效	开发快速准确的正向渗透性能预测方法，用于食品制造中的过程优化	正向渗透系统的性能预测，包括水通量等关键参数	机器学习	NA	正向渗透	深度神经网络	数值模拟数据	1563个数据点以上用于训练	NA	决策树, 随机森林, 支持向量机, 深度神经网络	归一化均方根误差 (NRMSE)	NA