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
161	2026-09-23	Data-driven approaches in green microbiology: strategies for plant growth-promoting bacteria 2026-Sep-14, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107711 PMID:42735891	系统综述	本文系统综述了机器学习与深度学习在植物促生菌（PGPB）表征中的应用，分析了算法选择、性能与目标植物系统，并指出了该领域的研究空白与挑战	系统性地评估了ML/DL与PGPB表征相结合的研究进展，统计了248项观察中仅6.0%直接涉及PGPB筛选这一显著空白，并提出了整合基因组数据与功能验证的可解释AI框架需求	该领域受限于数据集不足、高计算需求以及多物种和宿主相关相互作用的建模困难	评估机器学习和深度学习在植物促生菌表征与筛选中的应用进展，识别当前研究空白并指明未来方向	植物促生菌（PGPB）相关研究文献及其中涉及的机器学习与深度学习应用	机器学习	NA	高通量测序	CNN	图像, 基因组数据, 生理数据, 生态数据	248项观察（研究记录）	NA	卷积神经网络（CNN）	NA	NA
162	2026-09-23	Explainable ultrasound-based multimodal deep learning for outcome prediction after needle release in carpal tunnel syndrome: a multicenter study 2026-Sep-13, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113251 PMID:42766999	研究论文	该研究开发了一种可解释的多模态深度学习模型（CTSNet-P），基于超声影像、电生理参数和临床信息预测腕管综合征患者经皮针释术后的6个月治疗效果，并验证了其辅助放射科医生决策的潜力	首次将可解释的多模态深度学习应用于超声引导下腕管综合征针释术后的预后预测，结合超声影像、电生理参数和临床信息，并通过Shapley值和Grad-CAM实现模型可解释性，同时验证了AI辅助策略对放射科医生预测性能的提升效果	研究结论仍需在更大规模队列中进一步验证	开发可解释的多模态深度学习模型以增强腕管综合征针释术后预后预测的个体化决策能力	腕管综合征患者	医学影像分析、数字病理	腕管综合征	超声成像、彩色多普勒成像、电生理检查	多模态深度学习	超声图像、电生理参数、临床文本信息	回顾性收集449例来自四个临床中心的患者用于训练、验证和内部测试，前瞻性招募169例用于外部测试，共618例	NA	CTSNet-P	AUC、准确率	NA
163	2026-09-23	Molecular docking versus co-folding for protein-peptide pose prediction: effects of protein flexibility and training set overlap 2026-Sep-11, Digital discovery IF:6.2Q1 DOI:10.1039/d6dd00242k PMID:42769622	研究论文	本文系统比较了三种共折叠方法（AFM、AF3、Boltz-2）与两种分子对接方法（ADCP、HADDOCK）在蛋白质-多肽结合构象预测中的表现，重点关注蛋白质柔性和训练集重叠的影响	首次系统性地将深度学习共折叠方法与多肽优化的分子对接方法进行基准测试，并构建了基于训练集冗余度分类的独立测试集以评估泛化性能，同时揭示了ipTM和pLDDT等评分指标的互补价值	研究主要基于PepPro数据集及其衍生的独立测试集，数据集规模有限，可能无法完全代表所有类型的蛋白质-多肽复合物；未涉及其他类型的多肽（如环肽或翻译后修饰肽）	评估和比较共折叠方法与分子对接方法在蛋白质-多肽结合构象预测中的准确性、排序性能和泛化能力	蛋白质-多肽复合物，包括来自PepPro数据集的结构以及构建的独立非冗余测试集	机器学习	NA	分子对接、共折叠结构预测	AlphaFold-Multimer, AlphaFold3, Boltz-2	蛋白质-多肽复合物结构数据	PepPro数据集及构建的独立测试集（具体数量未在摘要中说明）	NA	AlphaFold-Multimer, AlphaFold3, Boltz-2	ipTM, pLDDT, 构象预测准确率, 排序性能	NA
164	2026-09-23	moTSart: accelerating automated transition state search with generative models in a low-data regime 2026-Sep-11, Digital discovery IF:6.2Q1 DOI:10.1039/d6dd00259e PMID:42769678	研究论文	本文提出了一个生成式机器学习框架，用于加速自动化过渡态搜索，并在低数据量下通过生物正交点击反应的高通量筛选进行了验证。	将生成式模型嵌入全自动过渡态搜索流程，并在仅544个反应的低数据制度下实现了约40%的优化周期减少。	文章未明确说明限制，可能涉及框架在其他反应类型上的泛化能力及数据依赖性。	加速自动化过渡态搜索，实现可靠的高通量反应发现。	生物正交点击反应的反应空间。	机器学习	NA	生成式机器学习，量子力学计算	生成模型，深度学习模型	SMILES表示，反应数据	544个反应	NA	NA	过渡态优化周期减少百分比	NA
165	2026-09-23	Artificial Intelligence Across the PET Reconstruction Pipeline: An Update 2026-Sep-09, AJR. American journal of roentgenology DOI:10.2214/AJR.26.34681 PMID:42714438	综述	本文综述了人工智能在PET重建流程中的应用，涵盖采集、校正、重建和后处理阶段，并讨论了技术基础、临床意义以及监管和实际部署问题	系统性地综述了AI在PET重建全流程中的应用，并强调了AI增强而非替代传统物理重建框架的定位，同时讨论了从研究到临床转化的验证、互操作性、可追溯性和软件生命周期管理等实际问题	本文为综述性文章，未提供原始实验数据或新的算法验证	探讨AI在PET重建流程中的应用，讨论技术基础、临床意义以及监管和实际部署问题	PET重建流程	医学图像重建	NA	PET	深度学习	图像	NA	NA	NA	NA	NA
166	2026-09-23	Machine Learning Model Using Pre-Cancer Therapy Cardiac Magnetic Resonance Images to Predict Cancer Therapy-Related Cardiac Dysfunction 2026-Sep, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.04.007 PMID:42212994	研究论文	该研究利用癌症治疗前的心脏磁共振图像构建深度学习模型，预测癌症治疗相关心脏功能障碍。	使用治疗前CMR短轴电影图像构建深度学习模型预测后续CTRCD，性能优于临床风险评分和常规影像模型。	样本量相对较小，且仅纳入HER2阳性乳腺癌女性患者，需要更大规模多中心验证。	评估基于治疗前CMR图像的深度学习方法能否预测后续CTRCD风险，并与临床和常规影像模型进行比较。	接受蒽环类药物和曲妥珠单抗治疗的HER2阳性乳腺癌女性患者	医学图像分析	乳腺癌, 心血管疾病	心脏磁共振成像, 超声心动图	深度卷积神经网络	图像	229名患者（内部开发队列176名，52例CTRCD事件；外部验证队列53名，14例CTRCD事件）	NA	深度卷积神经网络	AUC, F1分数	NA
167	2026-09-23	A multiperspective evaluation framework of spatial transcriptomics clustering methods 2026-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag075 PMID:42421749	研究论文	本文介绍了MultimetricST，一个基于Python的框架，用于统一灵活地评估空间转录组学聚类方法	提出了一个整合了前沿和先进的有标签和无标签指标的评估框架，克服了现有评估方法的局限性	未明确提及	系统评估空间转录组学聚类方法，提供比较和稳健评估以及方法选择的工具	空间转录组学聚类方法	空间转录组学	NA	空间转录组学	NA	基因表达数据	两个合成数据集和十三个来自七种空间转录组学技术的数据集	NA	NA	NA	NA
168	2026-09-23	A clinically grounded taxonomy and systematic review of artificial intelligence for cardiovascular diagnosis: From machine learning to multimodal and agentic systems 2026-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111859 PMID:42520754	系统综述	本文对心血管疾病诊断中的人工智能研究进行了系统综述，并提出了一个基于临床的六层分类体系，涵盖诊断目标、数据模态、建模范式、数据集成复杂度、可解释性与可信度以及部署成熟度	提出了一个基于临床的六层分类体系，用于组织心血管AI研究，并将临床验证技术与联邦学习、基础模型和智能体AI等新兴范式进行了区分	现有证据分散且碎片化，外部验证、数据集代表性、工作流程集成、可解释性、隐私、治理以及前瞻性临床部署等方面仍存在持续挑战	对心血管疾病诊断中的人工智能研究进行系统综述，并建立一个统一的分类框架，以评估下一代智能诊断系统的成熟度、可信度和临床就绪度	心血管疾病诊断中的人工智能研究，包括从传统机器学习到多模态和智能体系统的各类研究	机器学习	心血管疾病	NA	NA	文本	226条记录，其中76项主要实证研究纳入比较证据综合	NA	NA	NA	NA
169	2026-09-23	Longitudinal 3D quantification of joint space from CT images: Semi-automatic segmentation and feasibility of nnU-Net automation 2026-Sep, Osteoarthritis imaging DOI:10.1016/j.ostima.2026.100455 PMID:42635968	研究论文	该研究提出了一种基于CT图像的三维关节间隙量化方法，使用半自动分割和nnU-Net自动分割，并在纵向数据上验证了其可行性	利用CT图像进行三维关节间隙量化，并训练nnU-Net实现自动分割，以替代半自动分割	样本量较小，仅包含54名受试者，且仅针对内侧 compartment 骨关节炎患者	从CT图像中量化三维关节间隙，并评估nnU-Net自动分割的可行性	54名内侧 compartment 骨关节炎患者（Kellgren-Lawrence 2-3级）的膝关节CT图像	医学图像分析	骨关节炎	CT成像、深度学习分割	nnU-Net	三维CT图像	54名受试者（6名男性，48名女性），每个受试者在两个时间点（M00和M36）进行CT扫描，共108次扫描	NA	nnU-Net	均方根变异系数（RMSCV%）、均方根标准差（RMSSDmm）、平均偏差	NA
170	2026-09-23	ToxiGuard: an AOP-guided mechanistically interpretable framework for multi-organ toxicity prediction 2026-09, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-026-04436-6 PMID:42159741	研究论文	该研究提出了ToxiGuard，一个将器官特异性不良结局路径（AOP）结构嵌入模型架构的机制可解释深度学习框架，用于多器官毒性预测	将AOP的分子起始事件-关键事件-不良结局（MIE-KE-AO）连接性显式编码到深度学习架构中，约束表示学习到生物学合理的因果路径，实现化学和生物学双层面的互补可解释性	摘要中未明确提及研究局限性	实现具有机制可解释性的器官特异性毒性精准预测，用于化学安全评估和转化毒理学	四种器官毒性终点：肝毒性、心脏毒性、肾毒性和呼吸毒性	机器学习	NA	分子描述符、功能类别指纹、AOP网络分析、SHAP分析	深度学习	分子描述符、分子指纹、AOP网络数据	NA	NA	NA	NA	NA
171	2026-09-23	Machine learning prediction for epilepsy treatment selection and prognosis: achievements and challenges 2026-Sep, The Lancet. Digital health DOI:10.1016/j.landig.2026.101022 PMID:42692951	综述	本文综述了使用机器学习和深度学习技术预测癫痫治疗选择与预后的研究进展与挑战	系统总结了最先进的深度学习技术在癫痫药物和手术治疗结果预测中的应用，并展望了未来研究方向	缺乏可靠的替代生物标志物，治疗选择仍主要基于试错法，机器学习在临床管理中的整合面临挑战	探讨机器学习和统计方法在癫痫治疗选择和预后预测中的应用现状与未来方向	癫痫患者接受抗癫痫药物或手术治疗的研究	机器学习	癫痫	NA	深度学习	NA	NA	NA	NA	NA	NA
172	2026-09-23	Artificial Intelligence for Esophageal Precancerous Lesions and Esophageal Cancer 2026-Sep, The Korean journal of helicobacter and upper gastrointestinal research DOI:10.7704/kjhugr.2025.0079 PMID:42755000	综述	本文综述了人工智能在食管癌前病变（包括巴雷特食管）和食管癌内镜诊断中的应用发展	系统总结了深度学习模型在食管鳞状细胞癌诊断、浸润深度评估、微血管分类和病变边缘勾画中的最新应用进展	未提及具体的技术局限，但文中指出操作者经验差异、疲劳等因素仍是漏诊的主要原因	探讨当前人工智能模型在食管癌前病变和食管癌诊断中的开发与应用	食管癌前病变（巴雷特食管）和食管癌	数字病理学	食管癌	内镜	CNN	图像	NA	NA	NA	NA	NA
173	2026-09-23	AlloPool is a deep learning framework that infers protein allostery from molecular dynamics simulations 2026-Sep, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3004002 PMID:42766632	研究论文	本文提出了一种基于图神经网络的深度学习框架 AlloPool，通过分析分子动力学模拟数据来推断蛋白质的变构调控机制	首次将时间注意力机制与图聚合相结合，从平衡和非平衡分子动力学模拟中学习动态相互作用图，通过迭代修剪残基-残基相互作用来揭示控制蛋白质构象动态的最小时间分辨相互作用网络	摘要中未明确提及	从分子动力学模拟中推断蛋白质变构效应，预测动态转变并重建驱动构象转变的相互作用网络	多种动态蛋白质系统，包括结合结构域、机械感受器、信号受体和酶	机器学习	NA	分子动力学模拟	GNN	分子动力学模拟数据	NA	NA	GNN, 时间注意力机制, 图聚合	NA	NA
174	2026-09-23	WiFo-2: a generalist foundation model unifies heterogeneous wireless system design 2026-Sep, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag500 PMID:42769576	研究论文	提出WiFo-2，一个空时频基础模型，用于统一无线通信与感知系统设计，并在异构数据集上进行预训练	首个面向统一无线通信与感知系统设计的空时频基础模型，在116亿信道状态信息点上预训练，展现缩放规律行为，实现零样本信道重建，仅需监督AI模型1%的训练样本即可在九项无线任务上达到最先进性能，并通过硬件原型验证了实际部署能力	摘要中未明确说明	解决现有深度学习方法在无线系统设计中泛化能力有限的问题，实现跨场景、跨配置、跨任务的统一无线通信与感知系统设计	无线通信与感知系统、信道状态信息	机器学习	NA	基础模型预训练	基础模型	信道状态信息	116亿信道状态信息点	NA	NA	零样本信道重建性能、九项无线任务性能	NA
175	2026-09-23	Short-pulsed AI-augmented third harmonic generation imaging visualizes negative-contrast cell nuclei in fresh mouse liver tissue without optical-induced damage 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.605242 PMID:42769664	研究论文	本文介绍了一种基于超短脉冲激光的第三次谐波产生（THG）成像系统，并利用深度学习框架增强低功率下的THG图像，以实现新鲜小鼠肝脏组织中负对比细胞核的无损伤可视化	首次发现新鲜小鼠肝脏组织中肝细胞核在THG成像中呈现负对比，并开发了深度学习框架将20 mW激光功率下的THG图像映射到40 mW等效图像，避免光学损伤	新鲜肝脏组织仅能耐受约20 mW激光功率而不产生明显累积光热损伤，但需要至少40 mW才能生成足够的负对比肝细胞核THG信号	探究THG成像能否在新鲜肝脏组织中提供细胞对比，并解决低激光功率下THG信号不足的问题	新鲜小鼠肝脏组织	数字病理学	肝癌	第三次谐波产生（THG）显微成像	深度学习	图像	NA	NA	NA	NA	NA
176	2026-09-23	DASHING-LSCI: deep learning-based anatomical multiclass segmentation for human intraoperative neurosurgical guidance - laser speckle contrast imaging 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.605293 PMID:42770010	研究论文	该研究评估了一种深度学习 multiclass 分割方法，用于将术中激光散斑对比成像（LSCI）图像自动分割为血管、皮层组织和背景，以支持神经外科手术导航。	首次在人体神经外科术中 LSCI 图像上应用深度学习进行三类解剖结构分割，并采用跨中心验证评估泛化能力。	血管分割性能较低且变异性大（Dice 0.41），源于血管细、稀疏；样本量较小（90 张图像，18 例手术）；仅验证了一个模型架构。	评估深度学习多类分割在术中 LSCI 图像上的可行性，以实现血管和皮层组织的自动 delineation，为实时连续血流和灌注分析提供基础。	90 张术中 LSCI 图像，来自 18 例独特的人体神经外科手术，跨三个前瞻性观察性临床研究（每个中心 30 张）。	计算机视觉，数字病理学	NA	激光散斑对比成像（LSCI）	CNN	图像	90 张术中 LSCI 图像（来自 18 例手术）	NA	nnU-Net (Version 2)	Dice 分数	NA
177	2026-09-18	HARU-Net: hybrid attention residual U-Net for edge-preserving denoising in cone-beam computed tomography 2026-Sep-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae9c46 PMID:42624131	研究论文	本文提出了一种混合注意力残差U-Net（HARU-Net），用于锥形束CT（CBCT）图像的高质量去噪，在抑制噪声的同时保留精细解剖结构。	创新点在于集成了三种互补的架构组件：在跳跃连接中嵌入混合注意力Transformer块、在瓶颈处使用残差混合注意力Transformer组、以及残差学习卷积块，从而在保持较低计算复杂度的同时实现优越的去噪性能。	受限于高分辨率CBCT数据稀缺，监督训练困难；实验仅基于尸体半下颌骨数据集，样本量有限，泛化能力有待验证。	开发一种高效深度学习框架，用于CBCT高质量去噪，有效抑制噪声、保留精细解剖结构并保持计算效率，以适用于实际临床部署。	人类半下颌骨尸体CBCT数据	计算机视觉	NA	锥形束CT（CBCT）成像	CNN, Transformer	图像	人类半下颌骨尸体CBCT数据集（具体数量未提及）	NA	U-Net, Transformer, ResNet	PSNR, SSIM, GMSD	NA
178	2026-09-18	Diagnostic accuracy of deep learning models for detecting wrist and distal forearm fractures in pediatric patients: A systematic review and meta-analysis 2026-Sep-17, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-026-02545-4 PMID:42749954	系统综述与诊断性荟萃分析	系统评价并荟萃分析深度学习模型在检测儿童腕部及远端前臂骨折中的诊断准确性	首次针对儿童腕部和远端前臂骨折这一特定临床场景，系统评价并定量合并深度学习模型的诊断准确性，并按影像模态和模型类型进行亚组比较	纳入证据有限、研究间存在方法学异质性、缺乏充分的外部验证，尚需前瞻性多中心研究验证	评估深度学习模型在检测儿童腕部和远端前臂骨折中的诊断准确性与临床应用价值	儿童腕部及远端前臂骨折患者的影像数据（包括X线、超声等）	医学影像分析	骨折	深度学习辅助影像诊断、系统综述与诊断性荟萃分析	深度学习模型	图像	未明确报告	NA	NA	合并敏感度、特异度、阳性似然比、阴性似然比、SROC曲线下面积	NA
179	2026-09-18	Impedance-based particle tracking at micrometer scale with limited training data: a deep learning architecture analysis and optimization framework 2026-Sep-16, Lab on a chip IF:6.1Q2 DOI:10.1039/d6lc00506c PMID:42610759	研究论文	本文提出并分析了一个深度学习框架，用于从连续电阻抗测量中实现微米级颗粒的实时定位，并针对有限训练数据进行了架构优化	提出了一种结合时序卷积网络、双向长短期记忆网络和全连接网络的混合架构，并集成了自动参数调优引擎，能够在数据稀缺条件下保持预测能力，同时分析了各组件对颗粒定位的作用	研究使用均匀聚苯乙烯微球验证方法，未涉及生物样本的异质性，且训练数据集规模较小（仅53个微球），可能限制泛化能力	为芯片实验室社区提供一个统一特征提取与数据驱动架构调优的框架，实现在有限训练数据下的实时微米级颗粒定位，并分析网络各要素的作用	微米级颗粒（8 μm和5 μm的聚苯乙烯微球）的电阻抗测量数据	机器学习	NA	电阻抗测量	时序卷积网络, 双向长短期记忆网络, 全连接网络	电阻抗时序数据	53个聚苯乙烯微球（8 μm和5 μm）	NA	TCN, BiLSTM, FCN	定位精度, 预测时间	NA
180	2026-09-18	Automated measurement of Little's Irregularity Index on intraoral photographs using a convolutional neural network 2026-09-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-09870-7 PMID:42745250	研究论文	本研究评估了使用卷积神经网络在口内照片上自动测量下颌前牙不规则度（Little不规则指数）	利用深度学习模型在口内照片上自动检测下颌前牙接触点并计算Little不规则指数	模型预测的LII与参考值的一致性界限超过了预定义的等效阈值（2毫米），目前仅能作为辅助工具推荐	评估深度学习模型在口内照片上自动测量下颌前牙不规则度的性能	下颌前牙的口内咬合照片	计算机视觉	口腔疾病	口内摄影	CNN	图像	未明确说明总样本量，但包含独立测试集，其大小基于等效阈值2毫米通过先验功效分析确定	NA	卷积神经网络	平均径向误差，平均绝对误差，Bland-Altman分析偏差和一致性界限，组内相关系数	NA