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
201	2026-09-07	Spatiotemporal self-attention network ST-GranNet for granary temperature prediction 2026-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70849 PMID:42390028	研究论文	本文提出了一种基于自注意力机制的时空预测框架ST-GranNet，用于粮仓温度预测，并在实际玉米存储数据集上验证了其有效性。	创新性地提出了ST-GranNet，采用通道嵌入和点嵌入分别捕获传感器间的空间相关性和温度序列的长期依赖性，并通过新型融合方法整合时空特征，克服了传统方法难以有效提取时空特征的局限。	未提及具体的局限性。	开发高精度的粮仓温度预测工具，以支持智能储粮管理、实时监控和风险预警，减少粮食损失并优化存储条件。	粮仓内的温度传感器及其采集的温度序列数据，以及外部特征变量。	机器学习、时间序列预测	不适用	自注意力机制、深度学习	自注意力网络	时间序列数据	来自Sinograin重庆仓库的玉米存储数据集，具体样本数量未提供。	未提及	ST-GranNet（包含通道嵌入、点嵌入和融合模块）	平均绝对误差、均方误差	未提及
202	2026-09-07	Whole-Genome Deep Learning Predicts Chemotherapy Response in Colorectal Cancer 2026-Oct, Biochemical genetics IF:2.1Q3 DOI:10.1007/s10528-026-11368-4 PMID:41964737	研究论文	开发了一种结合CNN和BiLSTM的混合深度学习框架，利用全基因组体细胞突变、进化保守性、染色质可及性和3D基因组架构预测结直肠癌化疗反应	首次将全基因组非编码变异与深度学习相结合预测化疗反应，识别出TP53、KRAS和PIK3CA调控区域中的非编码预测因子，并揭示了新的非编码耐药机制	未明确提及限制，但可能包括依赖于TCGA队列的回顾性研究设计，以及需要外部前瞻性验证	预测结直肠癌化疗反应并揭示非编码耐药机制，以推进精准肿瘤学	结直肠癌患者及其全基因组体细胞突变数据	深度学习	结直肠癌	全基因组测序（WGS）数据，结合进化保守性、染色质可及性和3D基因组结构分析	混合模型：卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM），结合注意力机制	基因组变异数据	2,546名TCGA结直肠癌患者	未提及，可能为TensorFlow或PyTorch	CNN和BiLSTM	AUC，ΔAUC，风险比（HR），p值	未提及
203	2026-09-07	Machine learning-driven smart colorimetric sensor arrays for food freshness monitoring: Advances, challenges, and future prospects 2026-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150455 PMID:42468430	综述	本文综述了机器学习驱动的比色传感器阵列在食品新鲜度监测中的进展、挑战和未来前景	系统性地探讨了机器学习集成于比色传感器阵列数据分析中的最新进展，并强调了从传统算法到深度学习模型的过渡，以及其在便携式、智能手机和嵌入式平台上的应用	实际部署受限于传感器退化、环境变异性、响应不一致性以及缺乏标准化成像和评估协议	旨在全面分析机器学习加强的比色传感器阵列在食品新鲜度监测中的应用，以提升监测的快速性、非破坏性和可靠性，并探讨未来发展方向	食品新鲜度监测中的比色传感器阵列及其与机器学习的集成应用	机器学习	NA	比色传感器阵列	传统机器学习算法与深度学习模型	图像和比色响应数据	NA	NA	多种，未具体指定	灵敏度、特异性、分类准确度	NA
204	2026-09-07	Using Sydney Triage to Admission Risk Tool With Artificial Intelligence (START-AI) to Predict Inpatient Admitting Specialty for Emergency Department Patients: Single Centre Deep Learning Analysis 2026-Oct, Emergency medicine Australasia : EMA IF:1.7Q2 DOI:10.1111/1742-6723.70341 PMID:42692462	研究论文	本研究旨在评估基于人工智能的悉尼分诊至入院风险工具（START-AI）模型能否利用急诊科患者的临床记录预测特定的住院接收专科团队	利用预训练语言模型（Bio-ClinicalBERT）微调，将急诊科患者的临床病史记录分类到20个专科住院接收团队，展示了在单中心急诊科环境中预测入院专科的创新应用	研究为单中心设计，未涉及多中心外部验证，限制了泛化性；预测精度（阳性预测值）中等，可能影响临床实用性	旨在验证START-AI模型是否能基于急诊科的临床记录准确预测住院患者的接收专科团队，以支持分诊和资源规划	主要研究对象为澳大利亚悉尼一家内城三级转诊医院急诊科中，2023年1月至2025年6月期间所有被收入住院病房的成年患者	自然语言处理	非特定疾病	电子病历分析	预训练语言模型	文本数据（临床病史记录）	共40,054例病例	PyTorch（推断，未明确说明）	Bio-ClinicalBERT（基于Transformer架构）	AUROC（加权平均0.97），精度（加权平均0.71），准确率（0.75），前二预测准确率（0.88）	未指定
205	2026-09-07	Deriving OCT-Equivalent Retinal Nerve Fiber Layer Thickness Maps from Fundus Photographs with Deep Learning Improves Glaucoma Diagnosis 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101325 PMID:42699245	研究论文	开发并评估一种深度学习模型，从眼底照片直接预测等效于OCT的视网膜神经纤维层厚度图，并评估其对青光眼视野缺损的诊断价值	与既往只预测RNFLT汇总值的研究不同，该模型生成完整的RNFLT厚度图，更好地支持青光眼分类且优于仅使用眼底图像	未在摘要中明确提及具体局限	评估从眼底照片预测RNFLT厚度图及其在青光眼检测中的诊断价值	15031对眼底照片和频谱域OCT扫描（来自马萨诸塞州眼耳医院，2011-2022年）	医学影像分析, 深度学习	青光眼	眼底照相, 光学相干断层扫描	U-Net	图像（眼底照片和OCT图像）	15031对配对眼底照片和OCT扫描	NA	U-Net	平均绝对误差, 结构相似性指数, ROC曲线下面积, 准确率	NA
206	2026-09-06	Deep learning-based parasite detection for early and comprehensive diagnosis of animal trypanosomosis from thin blood smears 2026-Oct, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2026.110898 PMID:42647969	研究论文	本研究评估了基于深度学习的目标检测模型用于动物锥虫病早期全面诊断的可行性	利用YOLO模型实现锥虫的早期检测，并通过不同物种和样本来源验证了模型的泛化能力	信息未在标题和摘要中提供	评估深度学习目标检测模型在动物锥虫病早期和全面检测中的应用	包括刚果锥虫在内的锥虫寄生虫，以及感染小鼠的薄血涂片	计算机视觉	动物锥虫病	显微镜检查（薄血涂片）	YOLO（目标检测模型）	图像	14,380张薄血涂片图像，包含47,276个寄生虫细胞	未指定	YOLO	精确度	未提供
207	2026-09-04	Deep Learning Model for Extensive Diagnosis of Corneal Deposits 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004018 PMID:41236421	研究论文	开发了一种扩展的深度学习模型（CorneAI），用于分类角膜沉积相关疾病，并评估其性能与专家和住院医师的比较。	首次在CorneAI中集成深度学习模型，以诊断7种角膜沉积相关疾病，包括多种罕见类型。	模型在分类淀粉样变性和凝胶状滴状营养不良方面精度不足。	提高CorneAI诊断角膜沉积相关疾病的能力。	角膜沉积相关疾病（包括淀粉样变性、带状角膜病变、颗粒状角膜营养不良、格子状角膜营养不良、凝胶状滴状营养不良、施奈德角膜营养不良、斑点状角膜营养不良）。	计算机视觉	角膜疾病	裂隙灯成像	卷积神经网络（CNN）	图像（裂隙灯图像）	1546张裂隙灯图像（训练），303张测试图像	PyTorch	YOLOv5	阳性预测值	NA
208	2026-08-31	Challenges and future directions in AI-driven biomaterials for microbiome-associated oral infectious diseases: A systematic review 2026-Oct, Dental materials : official publication of the Academy of Dental Materials IF:4.6Q2 DOI:10.1016/j.dental.2026.04.025 PMID:42086397	系统综述	本研究系统综述了人工智能驱动的生物材料在微生物组相关口腔感染性疾病中的应用，涵盖核心机制、技术瓶颈及未来方向	首次系统整合AI在口腔生物材料设计、性能预测和动态调控方面的应用，提出精准传感-响应回路和多机制协同生物膜破坏策略	未明确指出具体局限性	综述AI驱动的生物材料在微生物组相关口腔感染性疾病中的研究进展，并分析其挑战与未来方向	微生物组相关口腔感染性疾病（龋病、牙周炎、种植体周炎、根管感染）及AI驱动的口腔生物材料	材料科学与人工智能交叉领域	口腔感染性疾病	机器学习、深度学习、多物理场模拟	NA	文本数据（文献数据）	99篇文献	NA	NA	NA	NA
209	2026-08-28	Single Au@Pt bimetallic nanoparticle collision electrochemistry: Deep learning-assisted prediction and ultrasensitive matrix metalloproteinase-9 sensing 2026-10-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345895 PMID:42618104	研究论文	本研究提出了一种结合金-铂双金属纳米颗粒电催化信号切换和深度学习算法的单颗粒碰撞电化学检测策略，用于超灵敏检测基质金属蛋白酶9（MMP-9）	首次将深度学习算法与单颗粒碰撞电化学相结合，实现了对复杂矩阵干扰下的肿瘤标志物的超灵敏和高特异性定量分析	未能提供具体局限性信息	开发一种高灵敏度、高特异性的单颗粒水平检测方法，用于复杂生物样品中基质金属蛋白酶9的定量分析	金-铂双金属纳米颗粒（Au@Pt NPs）和基质金属蛋白酶9（MMP-9）	电化学、纳米技术、深度学习	肿瘤疾病	电化学碰撞技术、深度学习	深度学习模型	电化学信号数据（i-t曲线）	不同浓度MMP-9触发的碰撞信号数据集	未提及	未提及具体架构	未提及具体指标	未提及
210	2026-08-28	PepOSX-AI: CPP - an interpretable transformer-based deep learning model for prediction of cell-penetrating peptides 2026-10-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345991 PMID:42567568	研究论文	开发了基于Transformer架构和六种理化描述符整合特征的深度学习模型PepOSX-AI: CPP，用于预测细胞穿透肽。	利用自注意力机制捕捉氨基酸序列的长程依赖，实现注意力模式的可解释性，并提供了新型计算工具和理论基础。	摘要中未提及局限性。	开发一个高效且可解释的深度学习模型，用于预测细胞穿透肽，以替代传统的耗时筛选方法。	细胞穿透肽（CPPs）	机器学习	NA	NA	Transformer	氨基酸序列	数据集（具体数量未提及）	NA	Transformer	AUC, 准确率	NA
211	2026-08-28	Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05289-x PMID:42399390	研究论文	评估商业深度学习算法在站立全脊柱X光片中测量脊柱骨盆参数的准确性，并探讨其在融合手术后的局限性。	首次评估商业AI软件在临床队列中测量脊柱骨盆参数的准确性，并特别关注其在脊柱融合术后患者中的表现。	AI在脊柱融合术后患者中的测量准确性下降，且对腰椎前凸的测量一致性仅为中等。	评估商业AI软件在站立全脊柱X光片中测量脊柱骨盆参数的准确性，并与放射科医生的测量结果进行比较。	495张站立全脊柱X光片，来自临床队列。	医学影像分析	脊柱疾病	X光	深度学习算法	图像	495张X光片（其中50张用于评估人类评分者间信度）	NA	NA	平均绝对误差, 组内相关系数, Spearman等级相关系数, 灵敏度, 特异度, 预测值	NA
212	2026-08-28	Deep learning-based CT-derived vertebral bone mineral density and metformin therapy: a longitudinal study in the Multi-Ethnic Study of Atherosclerosis 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05263-7 PMID:42218332	研究论文	本研究通过模拟目标试验，评估了二甲双胍治疗与基于深度学习的CT椎体骨密度变化之间的关联，并进行了亚组分析。	利用深度学习从CT图像中分割和校准椎体，量化骨密度，并结合目标试验模拟方法，对二甲双胍骨骼效应进行了纵向研究。	观察性研究，可能存在未测量的混杂因素，样本量有限，亚组分析的统计功效可能不足。	评估二甲双胍治疗对CT椎体骨密度的影响，并探讨不同亚组间的异质性，以支持二甲双胍的骨骼安全性。	来自动脉粥样硬化多种族研究（MESA）的参与者的CT影像数据。	医学影像分析	骨质疏松症	CT成像	深度学习模型	影像数据	238个试验条目（86个二甲双胍使用者，152个对照组）	NA	NA	NA	NA
213	2026-08-28	Deep learning-based chemical shift-artifact correction of ZTE MRI for enhanced bone depiction of the lumbar spine 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05290-4 PMID:42406056	研究论文	本研究评估了基于深度学习的化学位移校正重建在腰椎零回波时间MRI中增强骨骼描绘的效果，并与标准深度学习及非深度学习重建方法进行比较。	提出了一种结合化学位移校正的深度学习重建算法（DLCSC），能显著提高零回波时间MRI中骨骼的清晰度和图像质量。	该研究为单中心回顾性研究，样本量较小（38例），且未涉及多中心验证。	评估深度学习结合化学位移校正的重建方法对腰椎ZTE MRI骨骼描绘的改善效果。	腰椎ZTE MRI图像及骨骼结构	医学影像分析	骨骼疾病（腰椎相关）	ZTE MRI	深度学习（DL）	MRI图像	38例患者的腰椎ZTE MRI数据	NA	NA	图像锐度、信噪比、对比度噪声比、病理分类和骨骼描绘质量评分（4点量表）、加权Cohen's kappa	NA
214	2026-08-28	A bibliometric analysis of artificial intelligence applications to schizophrenia research (2005 - 2025) 2026-10, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117335 PMID:42492359	研究论文	基于Web of Science核心合集，对2005年至2025年间人工智能在精神分裂症研究中的应用进行了文献计量分析，揭示了发展趋势、国家、机构、作者、期刊和研究热点。	首次提供了人工智能在精神分裂症研究中应用的全球发展概况和演化趋势的文献计量视角，识别了从机器学习到深度学习再到自然语言处理的技术演进路径。	仅依赖Web of Science核心合集，可能遗漏其他重要数据库中的相关文献；文献计量分析本身无法深入评价研究质量。	梳理人工智能在精神分裂症研究中的发展脉络，分析全球合作模式，并预测未来研究方向。	2005年至2025年间发表的1839篇与人工智能和精神分裂症相关的出版物。	自然语言处理、机器学习	精神分裂症	文献计量分析、功能磁共振成像（fMRI）、脑电图（EEG）、自然语言处理	深度学习模型	文献元数据、关键词、引用数据	1839篇出版物	NA	NA	发文量、被引频次、合作网络指标	NA
215	2026-08-28	Machine Learning Methods to Predict Unmeasured Muscle Activation in Upper Limb Reaching Task for Assessing Population-Level Cross-Subject Generalizability 2026-Oct-01, Journal of biomechanical engineering DOI:10.1115/1.4072487 PMID:42566239	研究论文	本研究评估了深度学习模型在仅使用表面肌电信号预测上肢前伸任务中未测量肌肉激活的泛化能力，并与群体均值基线进行了比较	首次系统评估了多种深度学习架构（CNN、LSTM、混合CNN-LSTM）在预测未测量肌肉激活时的跨受试者泛化性能，并比较了不同预测肌肉数量、训练数据集规模和留一肌肉条件下的表现	深度学习模型未能一致优于简单的群体均值基线，预测性能依赖于目标肌肉、预测配置和受试者变异性，且训练数据量超过20人后性能提升趋于平缓	评估深度学习模型能否仅使用表面肌电信号学习可泛化的肌肉间激活关系，以预测未测量的肌肉激活	30名参与者在标准化前伸任务中的表面肌电信号和肌肉激活数据	机器学习	不适用	表面肌电信号	卷积神经网络（CNN）、长短期记忆网络（LSTM）、混合CNN-LSTM模型	生理信号（表面肌电信号）	30名参与者	未提及	CNN、LSTM、CNN-LSTM混合架构	均方根误差（RMSE）、相关系数	未提及
216	2026-08-24	Do deep learning models learn beyond average gait? A comparison of architectures, kinematic representations, and marker sparsity for vertical ground reaction force prediction 2026-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110269 PMID:42435638	研究论文	本研究比较了LSTM、BiLSTM和Transformer等深度学习模型在不同运动学输入表示和标记点稀疏性条件下预测垂直地面反作用力（vGRF）的性能，并探究模型是否仅学习健康步态的平均波形。	首次系统对比多种深度学习架构和运动学表示在vGRF预测中的表现，并引入训练集平均波形基线来评估模型是否真正超越平均步态学习能力，同时探索标记点减少到极少数的可行性。	研究主要基于健康步态数据，波形变异性有限，可能限制了对异常步态的泛化能力；此外，仅评估了特定数据集和模型配置，结果可能不适用于其他人群或临床场景。	评估不同深度学习模型和输入表示在从运动学数据预测vGRF时的准确性、鲁棒性及对标记点稀疏性的敏感性，并提出使用平均波形基线来避免过度解读。	健康个体的步态数据，包括3D标记点轨迹和关节角度，以及减少至3个或单个踝部标记点的输入设置。	机器学习, 生物医学工程	不适用	运动捕捉	LSTM, BiLSTM, Transformer	时间序列数据（运动学轨迹和角度）	未在摘要中明确指定样本数量	未在摘要中指定	LSTM, BiLSTM, Transformer	均方根误差（RMSE）, R平方（R2）	未在摘要中指定
217	2026-08-24	An explainable deep learning model classifies eight categories of pigmented skin lesions on clinical photographs: A multicenter retrospective internal validation study in Japan 2026-Oct, JAAD international DOI:10.1016/j.jdin.2026.07.002 PMID:42633241	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
218	2026-08-23	LncPNdeep: A long non-coding RNA classifier based on large language model with peptide and nucleotide embedding 2026-Oct, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2026.06.004 PMID:42621896	研究论文	开发了LncPNdeep，一种整合核苷酸和肽段嵌入的深度学习框架，用于准确区分长链非编码RNA与编码RNA，并在人类转录组和跨物种数据上取得了最优性能	首次结合掩码语言模型提取的核苷酸和肽段双模态嵌入，利用BigBird、Longformer和ProtTrans的上下文表示，通过拼接神经网络架构增强lncRNA分类能力	未在摘要中明确提及具体局限性，但可能包括对大规模计算资源的需求或对特定物种的依赖	开发一种整合核苷酸和肽段特征的长链非编码RNA分类工具，以提高分类准确性和跨物种泛化能力	人类转录组及跨物种数据集中的长链非编码RNA与编码RNA序列	机器学习	NA	掩码语言模型（BigBird、Longformer、ProtTrans）	深度学习模型	核苷酸序列和肽段序列数据	人类转录组数据集及跨物种数据集，具体数量未在摘要中说明	NA	BigBird、Longformer、ProtTrans、拼接神经网络	准确率、F1分数	NA
219	2026-08-20	Physics-informed LSTM neural network for personalized pharmacokinetic modeling of polymyxin B in critically Ill patients 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107609 PMID:42463031	研究论文	开发了一种物理信息长短期记忆神经网络，用于重症患者多粘菌素B的个性化药代动力学建模	将机理药代动力学原理与深度学习相结合，通过物理约束（如清除率与分布容积的关系）增强模型可解释性，并采用双向LSTM和多头注意力机制	模型基于模拟数据训练和验证，未在真实临床数据上测试，且未与多种PopPK模型进行广泛比较	为重症患者提供个性化的多粘菌素B浓度预测方法，作为传统群体药代动力学模型的补充	1000名模拟脓毒症患者，具有时变肾功能和个体化给药方案	机器学习	重症感染	NA	LSTM	模拟临床数据	1000名模拟脓毒症患者	PyTorch	双向LSTM，多头注意力	R², MAE, RMSE, 预测区间覆盖率	NA
220	2026-08-20	A Structure-Aware Multimodal Framework for Drug-Target Interaction Prediction via Heterogeneous Graph Learning 2026-Oct, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261469586 PMID:42478599	研究论文	提出PHGDTI，一种通过异构图学习整合序列与结构线索的多模态框架，用于药物-靶点相互作用预测	在序列嵌入基础上，显式建模原子-残基级关系，利用异构图（药物原子图、蛋白质残基图、原子-残基异构图）和自注意力机制提升结合预测性能	未提及	开发一种多模态深度学习框架，以提升药物-靶点相互作用预测的准确率	药物-靶点相互作用（含药物分子与蛋白质）	机器学习	NA	NGS	图注意力网络、自注意力模块	序列数据、结构数据	Davis激酶数据集和GalaxyDB数据集	NA	异构图编码器、SAGPooling、自注意力模块	准确率等（具体度量为提及）	NA