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
181	2026-09-18	Multiobjective learning and design of bacteriophage specificity 2026-Sep-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101712 PMID:42679817	研究论文	本文应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以实现增强感染性、预定义特异性和对未见菌株的高通用性	将多目标机器学习应用于噬菌体宿主靶向特异性的设计与优化，比较了四种模型架构，并对26个任务进行了实验验证，发现T7靶向能力具有高度可塑性，相反特异性有时仅由几个突变分隔	需要进行低通量验证预测命中的实验，可能限制了大规模筛选的效率	利用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，实现增强感染性、预定义特异性和对未见菌株的高通用性	T7噬菌体受体结合蛋白及其宿主靶向特异性	机器学习	NA	深度学习	NA	序列数据	26个任务	NA	NA	NA	NA
182	2026-09-18	Mapping the combinatorial coding between olfactory receptors and perception with deep learning 2026-Sep-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101711 PMID:42685697	研究论文	开发了MolOR方法，通过深度学习预测气味分子与嗅觉受体的相互作用及其感知	使用图神经网络和蛋白质语言模型嵌入的交叉注意力预测OR激活，并利用预测的OR谱作为辅助特征提高感知预测，尽管结合和感知数据集之间没有分子重叠	摘要中未明确提及	预测分子-OR相互作用并将其与感知联系起来	气味分子和嗅觉受体	机器学习	NA	深度学习	图神经网络, 蛋白质语言模型	分子结构, 蛋白质序列	NA	NA	交叉注意力	NA	NA
183	2026-09-18	Image-based high-dimensional deep learning framework for spatiotemporal modeling, prediction and transfer learning of microbial cultivation processes 2026-Sep-16, Bioprocess and biosystems engineering IF:3.5Q2 DOI:10.1007/s00449-026-03426-3 PMID:42747502	研究论文	本文开发了一个基于图像的高维深度学习框架，用于枯草芽孢杆菌培养过程的时空建模、预测和迁移学习	提出了一种基于受控图像采集系统的分析方法，结合CNN和ConvLSTM网络进行微生物培养过程的高维分析和时间序列预测，并展示了迁移学习在独立培养条件下的适应能力	与Abs450的相关性不一致，且研究仅针对枯草芽孢杆菌，方法的普适性有待验证	开发基于图像的高维分析框架，用于微生物培养过程的监测和预测，以补充传统低维传感器监测方法	枯草芽孢杆菌培养过程	机器学习	NA	受控成像系统、深度学习	CNN、ConvLSTM	图像	未提及具体样本量，涉及时间序列图像数据	NA	CNN、ConvLSTM	像素级预测性能、相关性分析	NA
184	2026-09-18	Beyond conventional imaging: curvelet-AI convergence for non-invasive microalgal lipid quantification and biofuel optimization 2026-Sep-16, Bioprocess and biosystems engineering IF:3.5Q2 DOI:10.1007/s00449-026-03423-6 PMID:42747505	综述	本文综述了Fast Discrete Curvelet Transform（FDCT）与人工智能相结合用于微藻脂质无损定量及生物燃料优化的研究进展	指出多分辨率图像表示而非网络架构本身是分析精度的主要决定因素，并评估了FDCT作为深度学习脂质定量关键预处理框架的潜力	数据稀缺、计算复杂度高以及成像变异性仍是关键障碍	评估基于曲波变换的图像处理与AI融合在微藻生物燃料技术中的应用前景	微藻生物质及脂质积累的成像数据	计算机视觉	NA	Fast Discrete Curvelet Transform（FDCT）、显微镜成像、GC-MS	SVM, Random Forests, CNN, U-Net, ResNet	图像	NA	NA	SVM, Random Forest, CNN, U-Net, ResNet	准确率、分割精度、与GC-MS的相关性	NA
185	2026-09-18	Turing problems in otolaryngology: a scoping review of the principal challenges of artificial ıntelligence and large language models 2026-Sep-16, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-026-10607-z PMID:42747528	综述	本文通过范围综述系统梳理了人工智能和大语言模型在耳鼻咽喉头颈外科中面临的主要挑战	首次系统性地将耳鼻咽喉头颈外科中AI和LLM的核心挑战归纳为六大领域，涵盖准确性、幻觉、转化鸿沟、可解释性、算法偏见及数据隐私与法律问责	仅纳入2020年1月至2025年6月的文献，且99.3%的深度学习研究仍停留在计算机模拟阶段，缺乏临床验证数据	识别并描述人工智能和大语言模型在耳鼻咽喉头颈外科中的主要转化与安全挑战	2020年至2025年间发表的耳鼻咽喉头颈外科领域AI和LLM相关研究文献	机器学习	NA	NA	大语言模型, 深度学习	文本	从3648条筛选记录中最终纳入68篇文献	NA	GPT-4, GPT-3.5, ChatENT	准确率, 错误率, 引用不相关率	NA
186	2026-09-18	MSDW-Net: A Multi-Scale Network for Medical Image Registration Using Dynamic Wavelet Transform 2026-Sep-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00845-4 PMID:42747785	研究论文	本文提出了一种基于动态小波变换的多尺度网络（MSDW-Net），用于医学图像配准，通过自适应频率分解和多流架构提升特征表示，并在四个脑MRI数据集上验证了其优越性能	引入动态小波变换模块，自适应调整频率分解滤波器，采用频率敏感的多流架构和多尺度范式，渐进精确估计位移场，并优化U-Net基线加入小波卷积模块以增强全局上下文信息提取	未明确提及	解决深度学习方法在表征复杂非刚性结构变形方面的困难，提升医学图像配准的准确性和鲁棒性	脑部MRI图像	医学图像配准	NA	动态小波变换、深度学习	CNN	3D医学图像	四个公开的脑MRI数据集	NA	U-Net、多尺度网络、小波卷积模块	配准保真度	NA
187	2026-09-18	Natural variation in IBF1 confers antimicrobial activity through altered flavonoid accumulation in rice hulls 2026-Sep-16, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag461 PMID:42747987	研究论文	本研究通过图位克隆发现水稻F-box蛋白IBF1的变异导致种内 hull color 和类黄酮积累差异，并影响抗菌活性	首次揭示IBF1 Kelch结构域变异通过影响与CHS1的互作导致种内类黄酮积累差异，并利用深度学习结构建模验证，发现该变异与抗菌活性相关	研究未明确具体抗菌机制，且主要基于两个品种，种内变异广度有限	解析水稻种内次生代谢物积累差异的遗传基础及其对抗菌活性的影响	水稻品种IR64和DJ123及其衍生的染色体片段代换系	机器学习	NA	图位克隆、酵母双杂交、深度学习结构建模、代谢组分析	NA	图像、文本	两个水稻品种（IR64和DJ123）及一个染色体片段代换系	NA	NA	NA	NA
188	2026-09-18	SpaMOAL is a deep learning method that enables accurate spatial domain identification from multi-omics data 2026-Sep-16, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003690 PMID:42748198	研究论文	本文提出了一种基于图对比学习的深度学习方法SpaMOAL，用于从空间多组学数据中准确识别空间域	提出了SpaMOAL，一种基于图的对比学习方法，通过整合空间坐标、组织学图像特征和分子谱，从空间多组学数据中学习聚类友好的表示，实现准确的空间组织域划分	未明确提及	解决当前计算方法在有效整合多组学分子信息、空间信息及高分辨率组织学图像方面面临的挑战	小鼠和人类的空间多组学数据集	空间多组学分析	NA	空间多组学技术（空间转录组学、表观基因组学、蛋白质组学）	图对比学习	空间多组学数据、组织学图像	多个来自小鼠和人类的空间多组学配对数据集	NA	图对比学习架构	NA	NA
189	2026-09-18	DeepEffector: A Protein Language Model-Driven Deep Learning Framework for Effector Prediction in Fungi and Oomycetes 2026-Sep-16, Plant physiology IF:6.5Q1 DOI:10.1093/plphys/kiag691 PMID:42748470	研究论文	开发了一个基于蛋白质语言模型的深度学习框架DeepEffector，用于预测真菌和卵菌中的效应蛋白	结合蛋白质语言模型（ProtT5和esm1b）生成功能语义嵌入，集成G-SMOTE解决类别不平衡，并采用多头自注意力和卷积神经网络的混合架构同时捕获全局上下文依赖和局部功能模式	未明确说明	高效识别病原体效应蛋白，以理解毒力机制和开发抗病作物	真菌和卵菌的效应蛋白	机器学习	作物病害	蛋白质语言模型	CNN, 自注意力机制	蛋白质序列	未明确说明	未明确说明	ProtT5, esm1b, 多头自注意力, CNN	未明确说明	未明确说明
190	2026-09-18	Radiomics and its application to neuro-oncology: A narrative review of advances, clinical application and implementation challenges 2026-Sep-16, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102568 PMID:42748856	综述	本文通过叙述性综述探讨了放射组学和人工智能在神经肿瘤学中的诊断、预后和治疗潜力	系统整合了放射组学与人工智能在神经肿瘤学中的应用进展，强调了放射基因组学将图像表型与基因改变相关联以促进个性化医疗	缺乏标准化协议、分割变异性大、缺乏经过验证的多中心研究	探索放射组学和人工智能在神经肿瘤学中的诊断、预后和治疗作用	神经肿瘤学相关的医学文献	数字病理学	脑肿瘤	放射组学，深度学习	深度学习	图像	NA	NA	NA	NA	NA
191	2026-09-18	Geometry-informed Bayesian deep learning for proactive driving risk assessment: a full spatiotemporal probabilistic risk field approach 2026-Sep-16, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108783 PMID:42748862	研究论文	本文提出了一种统一的主动驾驶风险评估框架，将几何信息引导的贝叶斯异方差卷积社交长短期记忆网络（GIBH-CS-LSTM）与全时空概率风险场（FSPRF）方法相结合，用于自动驾驶和高级驾驶辅助系统的主动风险评估	1. 提出了GIBH-CS-LSTM网络，通过异方差输出和变分推理同时量化偶然不确定性和认知不确定性；2. 引入几何边界约束和自适应双熵正则化（ADER）机制，确保空间可靠性并保持运动方差各向异性表示；3. FSPRF方法统一了同步交互风险、异步冲突风险和单车驶出路外风险的量化；4. 定义了基于集合的瞬时碰撞风险指数（ICRI），采用白化变换将集合间最小马氏距离转换为各向同性白化空间中的最小几何距离，修正了车辆边界附近的风险低估问题	摘要中未明确说明研究的局限性	解决传统冲突指标和风险场方法在统一捕捉固有运动不确定性和多维碰撞风险方面的局限性，以及纯数据驱动模型缺乏几何合理性、忽视认知不确定性的问题，实现主动驾驶风险评估	从高速公路曲线段和直线段提取的车辆轨迹数据	机器学习	NA	NA	CNN, LSTM, 贝叶斯深度学习	车辆轨迹数据（时序数据）	NA	NA	GIBH-CS-LSTM（几何信息引导的贝叶斯异方差卷积社交长短期记忆网络）	轨迹精度、道路偏离率	NA
192	2026-09-18	Robustness of deep learning-based denoising 4DCBCT methods 2026-Sep-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aea8c6 PMID:42748962	研究论文	本研究评估了深度学习4DCBCT去噪方法在患者呼吸周期变化下的鲁棒性，并提出了新的评估指标PSG	提出了一种新的无参考评估指标Power Spectral Gradient (PSG)，用于量化4DCBCT中的视图混叠伪影；系统性地分析了呼吸周期变化对深度学习去噪模型鲁棒性的影响	研究仅评估了监督和自监督可扩展深度学习方法，未涵盖其他类型的深度学习模型；PSG指标的普适性需要进一步验证	研究当患者呼吸周期变化影响训练数据中的噪声模式时，深度学习4DCBCT去噪方法的鲁棒性和性能	328名患者的4D锥形束CT扫描数据	计算机视觉	肺癌	4D锥形束计算机断层扫描(4DCBCT)	深度学习	图像	328名患者的4DCBCT扫描数据	NA	UNet	PSNR, PSG	NA
193	2026-09-18	Methodological considerations on opportunistic screening for osteoporosis using chest X-rays and deep learning 2026-Sep-16, Bone IF:3.5Q2 DOI:10.1016/j.bone.2026.118094 PMID:42749106	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
194	2026-09-18	Tumor-homing peptides in precision oncology: Mechanisms, design and recent advances 2026-Sep-16, Journal of controlled release : official journal of the Controlled Release Society IF:10.5Q1 DOI:10.1016/j.jconrel.2026.115360 PMID:42749136	综述	本文综述了肿瘤归巢肽在精准肿瘤学中的机制、设计及最新进展，涵盖从噬菌体展示到深度学习的设计方法，并分析了其临床转化现状	系统总结了肿瘤归巢肽从传统发现到深度学习驱动设计的演变，并深入分析了主要内化途径及临床转化案例	未提及具体实验数据或模型性能，缺乏对所述设计方法计算细节的深入讨论	探讨肿瘤归巢肽作为药物递送载体的机制、设计策略及临床应用前景	肿瘤归巢肽及其在精准肿瘤学中的应用	精准肿瘤学	胰腺癌	NA	NA	NA	NA	NA	NA	NA	NA
195	2026-09-18	Radiographic Classification of Low-Energy Distal Radius Fracture Status Using Automated Hand Segmentation 2026-Sep-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02264-9 PMID:42749875	研究论文	本文提出了一种基于手部X光片的低能量桡骨远端骨折分类框架，通过自动手部分割和深度学习模型实现骨折与非骨折的区分。	结合自动手部关键点检测和分割进行预处理，并采用迁移学习微调多种预训练网络架构，实现了高精度的骨折分类。	未明确提及，可能包括数据集的泛化能力、样本量限制或临床验证的不足。	开发一种自动化的放射学分类框架，利用手和腕部X光片区分低能量桡骨远端骨折与非骨折对照。	手和腕部X光片图像。	计算机视觉, 医学图像分析	桡骨远端骨折, 骨质疏松	手部关键点检测, 图像预处理, 迁移学习	CNN	图像	NA	NA	VGG-16, ResNet-18	准确率, AUC	NA
196	2026-09-18	MMBCFNet: multi modal hybrid deep learning framework for breast cancer detection using MRI, mammography, and ultrasound images 2026-Sep-16, Journal of ultrasound IF:1.3Q3 DOI:10.1007/s40477-026-01194-0 PMID:42749987	研究论文	本文提出了一种多模态混合深度学习框架MMBCFNet，结合MRI、乳腺X线和超声图像进行乳腺癌检测	提出了一种新颖的多模态深度学习框架，结合模态特定的混合模型和基于注意力的特征融合方法，有效利用多种成像模态的互补信息	未提及	提高乳腺癌诊断的准确性和患者预后	乳腺癌	计算机视觉	乳腺癌	深度学习	CNN, Transformer	图像	未提及	未提及	3D DenseNet, Swin Transformer, ResNet, EfficientNet, MobileNetV3, ResNeXt	准确率, 精确率, 灵敏度, 特异度, MCC	未提及
197	2026-09-18	Deep Learning-Powered Plasmonic Platform for Decoding Dynamic Protein Aggregation Landscapes in Parkinson's Disease Progression 2026-Sep-16, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.74985 PMID:42750405	研究论文	本文介绍了一种名为PANDA的等离子体纳米技术系统，结合深度神经网络，用于分析帕金森病患者血清中α-突触核蛋白聚集体的尺寸分布，以实现疾病分期	将等离子体纳米技术与深度学习相结合，通过免疫金簇的散射特征解码蛋白质聚集的亚分子结构，并首次揭示了帕金森病进展中“寡聚体到纤维”的病理生理转变	未明确提及样本量、计算资源等具体细节，可能受限于血清样本的异质性和临床验证的规模	开发一种非侵入性、人工智能增强的分子诊断框架，用于帕金森病的早期诊断和分期	人类血清样本中的α-突触核蛋白聚集体	数字病理学	帕金森病	等离子体纳米技术、免疫金聚类、深度神经网络	深度神经网络	图像/散射信号	NA	NA	NA	准确率、相关系数	NA
198	2026-09-18	Multimodal AI and single-cell transcriptomics integrate to construct a histopathological prognostic model for bladder cancer, revealing the RTN3-glycolysis axis in chemoresistance 2026-Sep-15, Experimental hematology & oncology IF:9.4Q1 DOI:10.1186/s40164-026-00825-w PMID:42745263	研究论文	本研究整合单细胞转录组学与多模态人工智能，构建膀胱癌组织病理学预后模型，并揭示RTN3-糖酵解轴在化疗耐药中的作用	结合单细胞CNV异质性与常规H&E病理图像构建多模态AI预后模型，首次发现RTN3通过JAK2/STAT3通路调控糖酵解介导吉西他滨耐药	摘要中未明确提及研究局限性	构建膀胱癌组织病理学预后模型并阐明化疗耐药机制	膀胱癌患者单细胞RNA测序数据和H&E染色病理切片	数字病理学	膀胱癌	单细胞RNA测序, inferCNV, 深度学习, 图像分析, 多组学分析, 体外和体内功能实验	多模态人工智能模型, 深度学习	图像, 文本（基因表达数据）	6个公共单细胞RNA测序数据集	NA	NA	生存预测（具体指标未明确）	NA
199	2026-09-18	Optimized efficient channel attention-based ShuffleNet framework for EEG graph-based brain topology modeling in motor imagery tasks 2026-Sep-15, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110910 PMID:42744108	研究论文	提出了一种基于优化的有效通道注意力ShuffleNet框架，用于运动想象任务中基于EEG图的脑拓扑建模，以提高分类准确率	结合了有效通道注意力机制的ShuffleNet轻量级卷积神经网络，并使用自改进红熊猫优化算法对超参数进行微调，同时引入混合加权节点中心性拓扑特征	未明确提及	提高运动想象信号的分类准确率	EEG信号、脑区交互图、运动想象任务	机器学习	NA	EEG	CNN	图、信号	NA	NA	ShuffleNet、有效通道注意力	准确率、平均准确率、中位数准确率、最大准确率	NA
200	2026-09-18	Application of machine learning methods for phenols degradation by Fe-based catalytic Fenton-like process 2026-Sep-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125686 PMID:42744176	研究论文	基于文献数据构建综合数据集，开发机器学习模型预测Fe基催化类Fenton体系中酚类去除效率，并进行可解释性分析	构建了包含酚类性质、Fe基催化剂组成与结构、水基质和反应条件的综合数据集；通过分组嵌套交叉验证比较多种机器学习和深度学习模型在不同泛化场景下的预测性能；集成SHAP、PFI和VIF分析揭示关键影响因素	未明确说明数据集的规模限制以及模型在未见过的新催化剂体系上的泛化能力	开发准确的机器学习预测模型，克服经验模型的局限性，为复杂操作条件下Fe基纳米复合材料在类Fenton体系中的性能预测提供可靠技术支持	Fe基催化类Fenton体系中酚类污染物的降解	机器学习	NA	NA	LSTM, 随机森林, 极端梯度提升	文本, 数值	NA	NA	长短期记忆网络, 随机森林, 极端梯度提升	R（决定系数）	NA