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
21	2026-06-18	Important progress in antimicrobial peptide prediction research in the past five years 2026-Sep, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116141 PMID:42092576	综述	综述了过去五年抗菌肽预测研究的重要进展	系统梳理了2020-2024年间涌现的创新预测方法，从传统机器学习到前沿深度学习和生成模型，并比较了不同方法在不同数据集上的表现，同时前瞻性地提出了未来发展方向	未明确提及具体局限性，但基于当前研究瓶颈讨论了未来趋势	总结抗菌肽预测研究进展并展望未来发展方向	抗菌肽（AMPs）	机器学习	感染性疾病	特征编码技术	机器学习, 深度学习, 生成模型	序列数据	NA	NA	NA	预测性能（具体指标未明确）	NA
22	2026-06-18	Preoperative prediction of hepatocellular carcinoma histological grade using MRI-based artificial intelligence models: A systematic review and meta-analysis 2026-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112939 PMID:42167003	系统综述与Meta分析	评估基于MRI的人工智能模型在术前预测肝细胞癌组织学分级的诊断性能	首次系统评价MRI-based AI模型在HCC分级预测中的诊断准确性，并比较深度学习和机器学习模型的性能差异	证据确定性极低，研究间异质性显著，外部验证性能下降，主要估计值可能为乐观上界	评估MRI-based AI模型术前预测HCC组织学分级的诊断效能	术前使用MRI-based AI模型预测肝细胞癌组织学分级的诊断性研究	机器学习	肝细胞癌	MRI	深度学习模型, 机器学习模型	图像	18项研究（内部验证16项，外部验证6项）	NA	NA	敏感性, 特异性, 诊断优势比, 曲线下面积	NA
23	2026-06-16	Deep learning-driven quantitative spectroscopic photoacoustic imaging for segmentation and oxygen saturation estimation 2026-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108092 PMID:41990476	研究论文	利用深度学习驱动的定量光谱光声成像进行血管分割和血氧饱和度估计	开发了Hybrid-Net深度神经网络，同时实现血氧饱和度估计和血管分割，无需直接估计光学通量	仅基于模拟数据和简单组织模拟体模验证，尚未在体内实验或复杂异质性组织中进行测试	提高光谱光声成像中血氧饱和度估计的准确性	血液中的血氧饱和度及血管组织	机器学习	NA	光谱光声成像	深度神经网络（Hybrid-Net）	模拟数据和实验数据	模拟数据：不同噪声水平（0-35 dB），实验数据：含嵌入血池的简单组织模拟体模	NA	Hybrid-Net	分割准确率，血氧饱和度均方误差	NA
24	2026-06-16	CardioRadNet: Cardiac mass diagnosis through integrated segmentation and radiomic analysis 2026-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109448 PMID:42176411	研究论文	提出CardioRadNet，首个结合深度学习分割和影像组学分类的集成框架，用于区分心脏肿块的良恶性	首次将深度学习分割与影像组学集成于无对比剂T1加权心脏磁共振成像，用于全面区分良恶性心脏肿块，支持半自动分割以提高临床适用性	NA	开发一个准确、无对比剂的综合框架，用于心脏肿块分类，支持早期风险分层和患者管理	127例经病理确诊的心脏肿块患者（62例恶性，65例良性）	医学影像分析，数字病理学	心脏疾病	心脏磁共振成像（无对比剂T1加权），影像组学	深度学习分割网络（含点引导），影像组学分类模型	图像	127例患者（62例恶性，65例良性）	NA	NA	Dice系数，平衡准确率，ICC	NA
25	2026-06-16	Denoising preclinical MRI with vendor-neutral deep learning-based image reconstruction 2026-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110813 PMID:42176781	研究论文	评估了基于人类临床MRI图像训练的中立供应商深度学习图像重建方法在去噪小鼠脑部临床前MRI图像中的有效性	首次评估了利用人类临床MRI图像训练的中立供应商DLR方法直接应用于小鼠脑部MR图像的去噪效果，此前未被研究	未明确提及，但从内容推断可能包括样本量小（6只小鼠）、仅使用一种MRI扫描仪（4.7 T）、未与其他去噪方法进行广泛比较	评估中立供应商深度学习图像重建方法在去噪临床前小鼠脑部MRI图像中的适用性和有效性	小鼠脑部MRI图像	机器学习, 计算机视觉, 数字病理学	NA	MRI	深度学习（DLR）	图像	6只FVB小鼠	NA	NA	信噪比、对比度噪声比、锐度指数	NA
26	2026-06-16	TRIDENT: A multi-task, triple-branch deep learning framework for EEG-based recognition, severity estimation, and future high-anger prediction in an on-road Wizard-of-Oz paradigm 2026-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108613 PMID:42235288	研究论文	提出TRIDENT多任务深度学习框架，用于基于脑电图（EEG）的道路愤怒状态识别、严重程度评估及未来高愤怒状态预测	首次在受控道路情境下使用多任务、三分支深度学习框架同时实现四级愤怒状态识别、连续严重程度估计及未来高愤怒预测	样本量较小（仅24名参与者），基于Wizard-of-Oz范式可能不完全反映真实驾驶情境中的愤怒状态	构建基于生理信号的道路愤怒情感识别模型，以支持情感感知车载界面和个性化干预设计	24名持证驾驶员在受控道路情境下的愤怒相关情感状态（基于脑电图、自我报告及情境信息）	机器学习, 数字病理学	NA	EEG	多任务深度学习模型, 时序卷积, 脑网络表征	脑电图信号, 自我报告数据, 情境信息	24名参与者的多级愤怒状态数据集	PyTorch	多尺度时序卷积网络, 脑网络表征模块, 序列建模 (TRIDENT)	准确率 (85% 愤怒状态分类, 87% 未来高愤怒预测)	NA
27	2026-06-16	Use of Artificial Intelligence in prostate MRI: A rapid scoping review highlighting limited evidence in screening context 2026-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112930 PMID:42142521	综述	本文通过快速范围综述，调查了人工智能在前列腺MRI解读中的应用证据，特别聚焦于无症状男性筛查场景	首次聚焦AI在无症状男性前列腺癌筛查场景的MRI解读证据，并扩展讨论未来实施的关键考量	纳入研究数量极少（仅2项），AI检测协议与专家一致性差（kappa 0.17-0.42），且存在高过度检测率和低特异性	综合评估AI在前列腺癌筛查中MRI解读应用的现有证据	无症状男性人群的前列腺MRI影像数据	机器学习	前列腺癌	NA	深度学习	图像	2项研究	NA	ProstateAI软件工具	kappa	NA
28	2026-06-16	Federated learning: A new frontier in the exploration of multi-institutional medical imaging data 2026-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109454 PMID:42190445	综述	本文综述了联邦学习在多机构医学影像数据探索中的应用，促进深度学习模型训练时数据隐私的保护	系统性地阐述了联邦学习在医学影像领域的概念、算法与挑战，并提供了开放框架与现实应用的全面综述	未详细比较不同联邦学习聚合算法的性能差异，且未涉及具体实验验证	探索联邦学习在整合多机构医学影像数据中的应用，以实现数据隐私保护的分布式深度学习模型训练	多机构医学影像数据及联邦学习系统	机器学习	NA	NA	深度学习模型	医学影像	NA	NA	NA	NA	NA
29	2026-06-16	Rational design for improved thermostability of methionine adenosyltransferase based on FoldX, Rosetta, and multidimensional virtual screening 2026-Sep-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119535 PMID:42270249	研究论文	提出一种结合物理力场与深度学习算法的理性设计策略，用于提升甲硫氨酸腺苷转移酶的热稳定性，并应用于S-腺苷-L-甲硫氨酸的高效生物合成	首次整合FoldX、Rosetta和基于深度学习的多维虚拟筛选系统，建立正交验证流程以消除单一算法偏差，并通过全原子分子动力学模拟与实验验证获得催化活性和热稳定性协同提升的突变体	未探讨该设计框架在其他酶工程中的通用性，且突变体的长期工业应用稳定性未涉及	通过理性设计提高甲硫氨酸腺苷转移酶的热稳定性，以促进S-腺苷-L-甲硫氨酸的工业化生产	甲硫氨酸腺苷转移酶及其突变体	机器学习	NA	分子对接、B因子分析、饱和诱变、FoldX、Rosetta、深度学习、全原子分子动力学模拟	深度学习模型	蛋白质结构数据、分子动力学轨迹数据	209个突变体，最终筛选6个核心突变体进行实验验证	FoldX, Rosetta, 深度学习工具	NA	熔解温度、半衰期、比活度	NA
30	2026-06-16	Hierarchical cross-attention guided deformable registration with multi-level feature fusion for medical images 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108908 PMID:41965176	研究论文	提出了一种基于层次交叉注意力引导的可变形配准框架HCA-Morph，通过多级特征融合实现医学图像的高精度配准	首次提出空间对应感知模块（SCAM）和跨尺度注意力模块（CSAM），分别从局部到全局学习可解释空间对齐、动态融合多级特征并增强表示一致性，且模型参数仅2.05 MB	仅针对脑MRI图像验证，在其他医学图像模态或解剖结构上的泛化能力尚待探索	解决可变形医学图像配准中空间对应捕捉不足、多尺度特征融合困难及缺乏可解释性的问题	脑MRI图像（OASIS和IXI数据集）	计算机视觉	神经系统疾病	NA	CNN, Transformer, Mamba	图像	OASIS和IXI数据集（具体数量未提及）	PyTorch	U-Net风格（基于CNN的配准框架，含SCAM和CSAM模块）	Dice系数, HD95, 折叠区域数(\|J ≤ 0\|)	GPU（具体型号未提及，内存消耗4.08-9.02 GB）
31	2026-06-16	Opportunistic screening for osteoporosis using chest X-rays and deep learning: A systematic review and meta-analysis 2026-Sep, Bone IF:3.5Q2 DOI:10.1016/j.bone.2026.117923 PMID:42106051	系统综述与荟萃分析	评估深度学习算法在胸部X光片上检测骨质疏松症的诊断性能并分析其临床实施潜力	首次对基于胸部X光片和深度学习模型的骨质疏松症机会性筛查进行系统综述与荟萃分析，综合量化了模型的敏感性和特异性，并评估了其临床决策支持工具的潜在价值	内部验证存在显著异质性，且外部验证研究数量有限，影响模型的泛化能力和临床可推广性	评估深度学习模型在胸部X光片上早期筛查骨质疏松症的诊断准确性及其临床实施可行性	骨质疏松症患者及胸部X光片数据	数字病理学	骨质疏松症	胸部X光成像	卷积神经网络	医学图像	12项研究，共200,796名患者和20个独特深度学习模型	NA	CNN	敏感性、特异性、AUC	NA
32	2026-06-16	An efficient methodology for modeling imbalanced traffic crashes through deep learning techniques 2026-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108598 PMID:42190349	研究论文	提出ENN-CTGAN混合方法解决交通碰撞数据类别不平衡问题，并混合LSTM-GRU模型预测碰撞伤害严重程度	开发了ENN-CTGAN混合方法处理类别不平衡，提出结合互信息差和模型效率的合成数据质量评估框架，并比较不同合成数据比例对预测模型的影响	NA	提高交通碰撞伤害严重程度预测的准确性，解决数据集类别不平衡问题	交通碰撞伤害严重程度预测	机器学习	NA	数据重采样技术（SMOTE、随机过采样、随机欠采样）	LSTM-GRU、LSTM、GRU、CNN、MLP、XGBoost、随机森林	表格数据（碰撞记录）	未明确说明，但涉及合成数据比例（1:1、1:2、1:4、1:6）	NA	LSTM-GRU混合模型、LSTM、GRU、CNN、MLP、XGBoost、随机森林	AUC、G-mean、敏感性、特异性、准确率	NA
33	2026-06-15	Quantification via gaussian latent space representations 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	提出一种基于高斯潜在空间表示的端到端神经网络，用于量化（类别盛行率估计）任务	首次利用高斯分布潜在空间获得样本袋的不变表示，将量化问题作为直接优化问题处理，无需中间分类器	未在论文标题和摘要中明确说明	开发一种基于深度学习的量化方法，直接优化与量化任务相关的损失函数	未知类别分布的样本袋	机器学习	NA	NA	神经网络	NA	NA	PyTorch	高斯混合网络	NA	NA
34	2026-06-15	Training instabilities favor flatter solutions in gradient descent 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108874 PMID:41932126	研究论文	研究表明梯度下降中的训练不稳定性通过旋转Hessian矩阵主特征向量，促使参数收敛到更平坦的损失景观区域，从而提升泛化能力	首次提出基于特征向量旋转极性（RPE）的几何机制，证明训练不稳定性并非有害，而是隐式偏好平坦解并改善泛化，且该框架可扩展至随机梯度下降（SGD）和Adam优化器	NA	研究梯度下降中训练不稳定性对模型泛化性能的影响及其内在机制	深度学习模型的训练过程及损失景观的几何性质	机器学习	NA	NA	NA	NA	NA	NA	NA	泛化性能	NA
35	2026-06-13	TFMPHGNN: Two-Fold multi-perspective heterogeneous graph neural network for sentiment analysis 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108885 PMID:41904902	研究论文	提出一种双阶段多视角异构图神经网络（TFMPHGNN）用于情感分析，联合建模情感、情绪和上下文依赖关系	首次将双阶段异构图框架与胶囊网络、多通道图卷积网络和变分自编码器结合，从拓扑、语义和协作三个视角联合建模情感-情绪对，在VaKSent-2025语料上显著优于当前最优方法	未明确说明局限性	解决传统深度学习模型难以捕捉情感表达、上下文线索和情感特征之间复杂交织关系的问题，实现细粒度情感理解	异构数据源中的情感表达、情绪特征和上下文依赖关系	自然语言处理	NA	NA	图神经网络	文本	VaKSent-2025语料库（具体样本数量未说明）	PyTorch	异构图神经网络、胶囊网络、多通道图卷积网络、变分自编码器	准确率、F1-micro、F1-weighted	NA
36	2026-06-13	VGM-UNet: A hybrid visual graph deformable mamba with fourier neural operator U-Net for medical image segmentation 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108890 PMID:41916237	研究论文	提出一种名为VGM-UNet的混合视觉图变形Mamba与傅里叶神经算子U-Net架构，用于医学图像分割	首次将结构化状态空间对偶算法与图神经网络、稀疏注意力及Mamba-2结合到U-Net中，构建了2D状态空间模型和八向多扫描模块，并引入基于快速傅里叶变换的前馈网络模块，提升了小物体捕捉精度和模型表达能力	仅对Synapse和ACDC基准数据集进行了验证，未在其他数据集或实际临床场景中测试；未详细讨论计算资源需求和训练时间	提高U形分割模型在医学图像分割中的准确性和表现力，突破传统U-Net架构的性能瓶颈	医学图像分割任务，特别是Synapse和ACDC数据集中的腹部多器官和心脏图像	计算机视觉, 数字病理学	NA	NA	Mamba-2, Graph Neural Network, U-Net	图像	Synapse数据集和ACDC数据集（具体样本数未提及）	PyTorch（推断）	VGM-UNet（包含Vision Mamba-2、图神经网络模块、傅里叶前馈网络）	分割准确率	NA
37	2026-06-09	Matrix-dependent analytical strategies for the detection of drug-infused foods: A comprehensive review 2026-Sep, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112982 PMID:42068667	综述	系统综述了在法医调查中检测添加药物食品的基质依赖性分析策略	首次系统整合二十种高报告频率食品基质与药物类别、提取策略及色谱-质谱检测技术之间的基质依赖性关系，并讨论新兴技术如织物相吸附萃取（FPSE）和深度学习辅助质谱在鉴定新型精神活性物质（NPS）中的应用	综述中可能未涵盖所有食品基质类型，且新兴技术的实际应用效果需进一步验证	为法医调查中检测添加药物食品提供全面的分析方法和关键考量因素的综述	二十种高报告频率的添加药物食品基质	法医毒理学、分析化学	药物滥用相关案件（药物辅助犯罪等）	色谱-质谱（LC-MS、GC-MS）、QuEChERS提取、液液萃取、织物相吸附萃取（FPSE）、深度学习辅助质谱	深度学习	质谱数据	NA	NA	NA	NA	NA
38	2026-06-08	Developing and validating a sequence-aware deep learning model for infection risk prediction in home care 2026-Sep-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106485 PMID:42172726	研究论文	开发并验证了一种序列感知深度学习模型，用于预测家庭护理中感染相关的住院或急诊就诊风险	首次将家庭护理电子健康记录的纵向结构化数据与自然语言处理从临床笔记中提取的特征整合进序列感知深度学习模型，并衍生出三级风险分层工具	未在外部数据集验证，且未明确讨论模型泛化性及潜在偏差	评估可整合纵向结构化EHR数据和NLP衍生特征以预测感染相关住院或急诊就诊风险的序列感知深度学习方法，并评估其性能、可解释性和公平性	家庭护理患者（23321次家庭护理事件）	自然语言处理, 机器学习	感染性疾病	自然语言处理（NLP）	双向长短期记忆网络（BiLSTM）	结构化电子健康记录数据、非结构化临床笔记文本	23321次家庭护理事件（1528次感染相关事件）	NA	双向长短期记忆网络（BiLSTM）	AUROC, AUPRC, F1分数	未提及
39	2026-06-07	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-Sep, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出了一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神疾病的分类与可解释性分析	引入了基于变换的特征提取器PyramidPat，结合可解释性模块DLob将特征转换为基于脑叶和通道的语义描述，兼顾高分类准确率与可解释性	未明确讨论方法的泛化能力或对其他类型信号（如fMRI）的适用性，且依赖特定数据集	开发一种可解释的特征工程方法，实现脑电图精神疾病的多类分类并提供可解释的输出	六类脑电图精神疾病数据集中的多通道脑电图信号	机器学习	精神疾病	脑电图（EEG）	kNN	信号	六类精神疾病数据集，未明确样本数量，采用留一被试交叉验证（LOSO）	NA	PyramidPat, INCA, tkNN, DLob	准确率（accuracy）	NA
40	2026-06-07	Artificial intelligence in drug discovery for fungal diseases: a scoping review 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103461 PMID:42202565	综述	系统梳理人工智能在真菌药物发现中的应用现状	首次采用系统性综述方法全面评估AI预测生物活性技术在抗真菌药物发现和再利用中的证据，揭示了高级深度学习模型与实验验证不足之间的脱节	仅包含截至2025年7月的研究，可能存在发表偏倚；未对纳入研究进行质量评估	绘制AI方法在抗真菌药物发现中预测生物活性的应用证据图谱	106篇关于AI在真菌药物发现中应用的原发性研究	machine learning	真菌感染	NA	集成模型, 深度学习	文本	106篇研究	NA	PASS, 集成模型, 深度学习架构	NA	NA