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
221	2026-08-20	Deep learning-based prediction of drug bitterness using molecular structures 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.2026.107616 PMID:42472560	研究论文	开发了一种基于分子结构的多任务图神经网络，用于直接预测药物苦味，并以甜味作为辅助任务，提高预测性能。	采用多任务图神经网络结合甜味辅助任务进行苦味预测，并引入骨架交叉验证和外部验证，显著优于单任务模型。	未提及具体局限性，但可能受限于训练数据覆盖度和模型泛化能力。	提高药物苦味的预测性能，支持早期药物研发中的苦味化合物筛选和制剂设计。	药物分子结构，特别是儿科口服药物化合物。	机器学习	NA	SMILES分子表示、图神经网络	图神经网络（GNN）	分子结构数据（SMILES）	外部验证使用185个儿科药物化合物，其中157个为已知苦味药物。	NA	多任务图神经网络	ROC-AUC、F1分数、灵敏度、精确度、平均精度	NA
222	2026-08-19	Cilia SubQ: a modular suite of semi- and fully automated pipelines for analysis of primary cilia and ciliary subdomains 2026-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.07.002 PMID:42409087	研究论文	介绍Cilia SubQ，一个基于Zeiss arivis Pro的模块化半自动和全自动流水线套件，用于分析初级纤毛及其亚结构域，并集成了深度学习模型Cilia.AI	开发了深度学习模型Cilia.AI，能够以最少的人工修正识别初级纤毛，并提供了模块化流水线用于分割纤毛亚结构域，显著减少分析时间约8倍	未在摘要中明确提及局限性，但可能依赖于Zeiss arivis Pro平台，对用户技术有一定要求	开发自动化、无偏且精确的工具，用于分割和量化初级纤毛及其亚结构域，适用于健康和病理条件，并提供高吞吐量的可重复分析	初级纤毛、中心粒周围物质、基体、过渡区、纤毛尖端，以及哺乳动物初级纤毛中的鞭毛内运输动力学	数字病理学、计算机视觉、深度学习	纤毛病（一组发育障碍）	荧光显微镜成像（推测）、深度学习分割、运动轨迹分析（kymograph生成）	深度学习模型（具体类型未指明）	图像（显微镜图像）	未提供具体样本数量，涉及哺乳动物初级纤毛	Zeiss arivis Pro（集成框架）	未具体说明，但为深度学习模型，可能基于卷积神经网络结构	未明确列出，但提到分析时间减少约8倍	未在摘要中指定，但依赖Zeiss arivis Pro软件
223	2026-08-18	Current progress and obstacles for automated classification of causes of death based on death certificates: A systematic review 2026-Oct, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106549 PMID:42320083	系统评价	系统回顾了2018至2024年间基于死亡证明自动分类死因的研究，总结了方法论、性能及实施进展与障碍。	首次系统性地评估了深度学习工具在死因自动分类中的应用，并比较了其与基于规则的工具的性能和障碍。	纳入研究间的性能和设置差异大，且深度学习对罕见死因分类效果不佳，直接比较有限。	评估自动化死因分类工具的当前实施情况，包括方法论、性能以及应用进展与障碍。	2018至2024年间使用自动化工具编码或分类死亡原因的46项研究。	自然语言处理、机器学习	不限（死因分类）	深度学习、规则方法	循环神经网络、Transformer	文本（死亡证明）	46项研究，训练样本大小从165到10,519,268人不等。	未提及	循环神经网络、Transformer	召回率（灵敏度）、精确率（阳性预测值）	未提及
224	2026-08-18	Real-time deep learning-based vascular recognition in clinical breast photoacoustic imaging 2026-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100863 PMID:42603879	研究论文	提出一种基于深度学习的实时血管识别方法，用于临床乳腺光声成像，实现同步扫描与识别	采用物理信息模拟工作流训练网络，缓解临床数据稀缺问题；优化HAR-UNet实现端到端18.08 fps的实时处理速度，支持临床实时血管识别	未明确提及局限性	实现临床乳腺光声成像中的实时血管识别，辅助乳腺癌评估与诊断	乳腺光声成像图像中的血管结构	计算机视觉	乳腺癌	光声计算断层成像	卷积神经网络（基于U-Net的改进模型）	图像（光声图像）	23例有效临床病例	未明确提及	HAR-UNet（混合注意力残差U-Net）	帧率（fps）、p值	未明确提及
225	2026-08-16	Clinically-aligned explainable AI for atrial fibrillation detection: A U-Net inspired multi-lead ECG analysis framework 2026-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109474 PMID:42314562	研究论文	开发了一个基于U-Net的可解释深度学习框架，用于心房颤动的多导联ECG检测，并通过形态和节律特征提取阐明模型决策过程	提出将层间解释与临床ECG阅读顺序对齐，从QRS定位到P波形态，实现了高诊断性能与透明、临床对齐的可视化解释的结合	仍需外部验证才能确保更广泛的临床泛化性	开发一个临床可解释的U-Net启发式深度学习框架，用于心房颤动（AFib）检测，通过形态和节律特征提取阐明模型决策	12导联心电图（ECG）数据，特别是心房颤动相关的心律不齐模式	深度学习、医学图像分析	心房颤动	ECG信号处理、Grad-CAM可视化	U-Net（编码器-解码器）	12导联ECG信号	PTB-XL数据库（具体样本数未在摘要中提及）	未明确提及	U-Net	AUC、敏感性、特异性、阳性预测值（PPV）	未明确提及
226	2026-08-16	Short-term prediction of nitrate plus nitrite in riverine systems using hybrid deep learning models 2026-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126320 PMID:42364502	研究论文	本研究开发了五种深度学习模型（CNN、LSTM、TGCN、CNN-LSTM和TGCN-LSTM），用于提前7天预测河流中硝酸盐加亚硝酸盐的日浓度，并在两条对比鲜明的中国河流上进行了评估	结合图卷积网络（TGCN）和长短期记忆网络（LSTM）的混合模型，利用低成本传感器数据（pH、溶解氧和水温）作为替代变量，同时采用蒙特卡洛丢弃集成提供预测区间，并在传感器故障时提供可操作的预测	部署时需要保持硝酸盐传感器的连续性，否则预测精度会降低；研究仅基于两条中国河流，可能限制泛化性	提高河流中硝酸盐加亚硝酸盐浓度的短期预测精度，利用低成本传感器网络实现实时水质监测	两条中国河流（受农业影响的黄甫川河和受城市影响的香溪河）的日硝酸盐加亚硝酸盐浓度数据（n = 1461天）	机器学习	不适用	不适用	混合深度学习模型（TGCN-LSTM、CNN-LSTM、TGCN、LSTM、CNN）	时间序列数据（水质指标）	每条河流四年的日数据，共1461个样本	TensorFlow	TGCN-LSTM、CNN-LSTM、TGCN、LSTM、CNN	决定系数（R²）、均方根误差（RMSE）、预测区间覆盖率	未提及
227	2026-08-16	Comment on "Automated detection of superior mesenteric artery occlusion on post-contrast CT using a 3D deep learning model" 2026-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110883 PMID:42392008	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
228	2026-08-16	A temporal causal deep learning for real-time traffic risk prediction on freeway merging areas 2026-Oct, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108669 PMID:42407355	研究论文	该研究提出了一种基于时间因果深度学习的框架，用于高速公路合流区域的实时交通风险预测，并验证了其高精度与因果可解释性	整合多尺度时间因果卷积和多头因果注意力机制的TC-iTransformer模型，并引入回归相关性传播（RRP）来推断跨时滞因果结构，增强了模型的因果可解释性	研究仅在两个高速公路合流点的轨迹数据上进行了验证，可能限制模型在不同交通场景下的泛化能力	实现高速合流区域交通冲突风险的实时预测，并提供因果解释以支持主动安全干预	高速合流区域的车辆轨迹数据，包括自我车辆行为、跟车交互以及多方向周围车辆交互	机器学习	NA	无（基于无人机高分辨率车辆轨迹数据）	TC-iTransformer（集成时间因果卷积和注意力机制的深度学习模型）	轨迹数据（时间序列）	两个高速合流点的轨迹数据	NA	iTransformer（TC-iTransformer）	平均绝对误差（MAE）、均方根误差（RMSE）	NA
229	2026-08-14	RMAF: A deep learning-based framework for automatic assessment of spinal cord injured rats locomotor performance using the horizontal ladder test 2026-Oct-02, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2026.116362 PMID:42425175	研究论文	提出了一种基于深度学习的框架RMAF，用于自动评估脊髓损伤大鼠在水平梯测试中的运动表现	将大鼠检测、运动分类和运动能力评分整合到端到端流程中，结合YOLOv4和ResNet-LSTM实现自动评估，提供客观、可重复的替代人工评估的方法	未在摘要中明确说明	开发自动评估脊髓损伤大鼠运动功能的框架，以提高行为学研究的准确性、可扩展性和可重复性	脊髓损伤大鼠	计算机视觉	脊髓损伤	NA	CNN, LSTM	视频	NA	NA	YOLOv4, ResNet, LSTM	NA	NA
230	2026-08-13	Sensitivity gains under theoretical AI assistance in paediatric elbow fracture detection: a methodological concern and clinical implications 2026-10, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113031 PMID:42364540	信件	本文讨论Da Costa等人关于深度学习辅助儿童肘部骨折检测研究的方法学问题，指出其回顾性设计及理论OR规则的局限性	对既有研究的敏感度提升进行方法学质疑，强调敏感度提升与阈值降低的混淆，并指出孤立关节积液对结果的贡献	未提供新实验结果，仅基于对他人研究的批判性分析	评估AI辅助儿童肘部骨折检测的敏感度增益的可靠性及临床转化前景	儿童肘部骨折检测中的AI辅助诊断	医学影像分析	儿童肘部骨折	深度学习	人工智能安全网模型	回顾性影像数据	NA	NA	NA	敏感度、特异性、阳性预测值	NA
231	2026-08-12	Deep learning-based prediction of trace silver concentrations in marine sediments from mid-infrared spectroscopy 2026-Oct, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119930 PMID:42214983	研究论文	本研究利用南海低银沉积物的中红外光谱，通过三种机器学习模型预测银浓度，并识别出关键特征波数带	首次将深度学习模型RS-SE-ResNet-1D应用于低银海洋沉积物的中红外光谱预测，并识别出碳酸根离子振动吸收带作为关键特征，为银的生物地球化学循环提供新见解	未明确提及局限性	开发基于中红外光谱的机器学习模型，用于快速预测海洋沉积物中的银浓度，并探究其控制因素	南海低银沉积物样本	机器学习	不适用	中红外光谱	深度学习模型（ResNet）、随机森林、偏最小二乘回归	光谱数据	未明确提及样本数量	未明确提及	RS-SE-ResNet-1D（残差网络与挤压激励注意力）、随机森林、偏最小二乘回归	相关系数(R)、均方根误差(RMSE)、相对百分偏差(RPD)	未明确提及
232	2026-08-09	Digital dimension of plant science research: A bird's eye view of AI integration 2026-Oct, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.113297 PMID:42336290	研究论文	本文综合概述了人工智能在植物科学研究中的整合应用，涵盖从分子信号到生态系统层面的数据数字化，以及AI驱动的表型分析、精准农业和作物改良等方向	提出了AI与植物科学整合的平台视角，强调了从描述性生物学向预测性、系统级和设计导向研究领域的转变，并涵盖了IoT、机器人、微流体和数字孪生等新兴技术的集成	指出了数据标准化、基础设施需求、模型可解释性和数字素养差距等挑战，这些因素限制了技术的广泛采用	提供一个AI与植物科学整合的全面概述，并总结关键见解以帮助弥合技术采用障碍，推动可持续、数据驱动的植物研究	植物科学领域中的AI整合应用，包括作物改良、精准农业、生物多样性保护等	机器学习	NA	高通量表型分析、多组学、物联网、机器人技术、微流体、数字孪生	机器学习、深度学习	多模态数据（分子、表型、生态系统层面）	NA	NA	NA	NA	NA
233	2026-08-09	Age estimation from thoracic CT using 3D convolutional neural networks 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113014 PMID:42172947	研究论文	本研究探讨了使用三维深度学习模型从常规胸部CT扫描估算实足年龄的可行性，并检查不同CT重建窗对模型性能的贡献。	首次利用3D DenseNet架构结合多重建窗（肺窗、骨窗、纵隔窗）的三通道配置进行胸部CT年龄估算，并采用集成学习和Grad-CAM提供可视化解释。	研究为单中心回顾性设计，样本量有限（1278名成人），可能限制泛化性；未提供计算资源细节。	评估深度学习模型从胸部CT图像估算年龄的准确性，并分析不同重建窗的贡献。	1278名20-80岁成人的胸部CT扫描。	医学影像分析	无特定疾病	CT成像	3D卷积神经网络（3D CNN）	图像（CT扫描）	1278名成人的胸部CT扫描	NA	DenseNet（3D变体）	平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R²）、皮尔逊相关系数（r）	NA
234	2026-08-09	Acute effects of cadmium and zinc on crayfish (Procambarus clarkii): Insights from deep learning-based behavioral analysis and physiological assessments 2026-Oct-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2026.128607 PMID:42314823	研究论文	本研究利用深度学习姿态估计工具DeepLabCut定量分析了镉和锌对克氏原螯虾行为和生理的影响，发现镉暴露导致行为和生理毒性，而锌补充缓解了这些毒性效应。	首次将深度学习姿态估计（DeepLabCut）应用于水生生物行为毒理学研究，实现了对重金属暴露下细微行为变化的精确量化。	未涉及长期暴露效应和不同浓度的剂量-反应关系，且样本量可能有限。	评估亚致死浓度镉和锌对克氏原螯虾行为、生理、生化和肠道微生物组的影响，并验证深度学习行为分析的敏感性。	克氏原螯虾（Procambarus clarkii）。	计算机视觉	非疾病（生态毒理学）	行为分析（DeepLabCut）、组织病理学、生化分析（ROS、MDA、抗氧化酶）、肠道微生物组测序	深度学习（DeepLabCut）	视频、图像、生化数据、微生物组数据	未明确提供具体样本量，但涉及多组实验（对照、Cd、Zn、Cd+Zn等）	未明确说明，但DeepLabCut通常基于TensorFlow或PyTorch	DeepLabCut（基于卷积神经网络，如ResNet）	行为指标（速度、加速度、互动强度）、组织损伤评分、生化指标（ROS、MDA、抗氧化酶活性）、免疫指标（溶菌酶）、微生物组丰度	未明确说明，但DeepLabCut通常需要GPU加速（如NVIDIA）
235	2026-08-09	A novel and robust deep learning model for sibling firearm matching 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113061 PMID:42385549	研究论文	本文提出一种用于弹壳兄弟匹配的新型稳健深度学习模型，该模型利用弹壳底火区域的光度立体图像，并在前所未有的真实案例数据集上验证其性能。	引入三元组损失框架，结合半硬负样本挖掘和显式边距项，并加入预对比损失，这是该领域首次探索的方法。	摘要中未明确提及局限性，但可能包括数据集的特定性和模型泛化能力的潜在限制。	开发一种新颖且稳健的方法，用于从弹壳底火区域的光度立体图像中进行弹壳兄弟匹配。	弹壳底火区域的光度立体图像，包括来自老旧、磨损或故意修改枪支的弹壳。	计算机视觉	NA	光度立体成像	深度学习模型（基于三元组损失）	图像（光度立体图像）	包含真实世界案例工作的数据集，规模空前，具体样本数量未在摘要中说明。	NA	深度学习模型架构（具体未在摘要中说明）	成功率（前20个候选中的命中率）	NA
236	2026-08-09	Exploring the potential of neural networks for firearms classification on bullet images 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113066 PMID:42424904	研究论文	本研究探索了卷积神经网络在弹道图像上对同型号枪支进行分类的潜力，以回应PCAST报告对火器检验自动化和减少主观性的呼吁。	利用CNN处理原始图像以减少人类输入，聚焦于同型号枪支的自动分类，并强调了数据集结构对模型性能的重要性。	模型性能在不同数据集上表现差异大，预测准确率波动显著，显示神经网络的脆弱性，尤其是依赖于所用数据集。	评估深度学习算法在枪支分类中的有效性，以减少主观性并处理大量数据。	同型号枪支的弹道图像。	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	三个数据集，每个包含同型号枪支的子弹图像，具体数量未说明	NA	CNN（未指定具体架构，如ResNet等）	准确率	NA
237	2026-08-02	DHG-EPI: A dual-stream hypergraph learning framework with multi-level gating for essential protein identification 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109171 PMID:42288106	research paper	提出了一种名为DHG-EPI的双流超图学习框架，用于识别必需蛋白质，通过并行双流架构和多级门控机制提高识别性能。	采用三角形模体构建超图以捕获高阶拓扑结构，并结合多级门控机制（节点级向量门控和分支级门控注意力）实现自适应融合GO、亚细胞定位和蛋白质复合物等多模态信息。	未明确提及局限性。	提高必需蛋白质识别的准确性和鲁棒性，以支持药物靶标发现和细胞机制理解。	必需蛋白质识别，涉及蛋白质相互作用网络中的蛋白质节点。	机器学习	NA	超图卷积、多模态数据融合（GO、亚细胞定位、蛋白质复合物）	超图学习、门控注意力	蛋白质相互作用网络数据、生物语义数据	使用DIP、Krogan和BioGRID三个数据集	NA	双流架构（拓扑流和语义流），包含节点级向量门控模块和分支级门控注意力模块	准确性、富集分析	NA
238	2026-08-02	An advanced ensemble deep learning framework for accurate multi-class lung cancer classification using IUNet++ and MResNext 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109189 PMID:42302349	研究论文	提出了一种集成深度学习框架，用于从CT扫描图像中进行多类肺癌分类，结合IUNet++和MResNeXt模型	结合改进的UNet++（IUNet++）与卷积块注意力模块（CBAM）进行肿瘤区域分割，使用增强大象群优化算法（EEHOA）进行特征选择，并改进了ResNeXt架构（MResNeXt）以提高分类性能，同时降低模型复杂度和提升训练效率	未在摘要中明确提及局限性	开发一个自动化的、计算高效的肺癌诊断框架，用于从CT图像中准确分类肺癌为良性、恶性或正常	CT扫描图像中的肺癌区域	计算机视觉	肺癌	CT成像	集成深度学习模型（IUNet++和MResNeXt）	图像	使用公开的IQ-OTH/NCCD肺癌CT数据集（未明确样本数量）	NA	IUNet++, MResNeXt, CBAM, EEHOA	准确率，精确率，召回率，F1分数	NA
239	2026-08-02	An optimized cascaded transformer with progressive attention for lung and colon cancer diagnosis from histopathological images 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109205 PMID:42372510	研究论文	提出了一种基于优化级联变压器与渐进注意力的框架，用于肺和结肠癌组织病理图像分类，提高诊断准确性。	结合高斯自适应平滑卡尔曼滤波器、卷积初始封闭移动网络和渐进注意力优化级联变压器网络，并使用随机混沌秃鹰优化算法调整超参数。	未在摘要中提及具体局限性，可能需要更广泛的数据集验证或计算资源评估。	提高肺癌和结肠癌组织病理图像分类的准确性和效率，克服传统深度学习模型的过拟合和高计算成本问题。	肺癌和结肠癌的组织病理图像。	数字病理学	肺癌, 结肠癌	组织病理图像分析	变压器, 卷积神经网络	图像	包含肺癌和结肠癌数据集，具体样本量未提及。	NA	卷积初始封闭移动网络, 渐进注意力优化级联变压器网络	准确率, 精确度, 灵敏度, F1分数	NA
240	2026-08-02	IRESGet: A transformer framework-based model to predict internal ribosome entry sites 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109232 PMID:42419188	研究论文	提出了一种基于Transformer框架的IRESGet模型，用于预测内部核糖体进入位点序列	首次应用Transformer架构于IRES序列预测，并通过RNA-FM特征编码和Optuna超参数优化提升了性能	当前数据集限制可能导致某些假阳性结果	开发高效准确的IRES序列预测模型，以替代劳动密集的实验方法	内部核糖体进入位点(IRES)序列	机器学习	不适用	RNA序列分析	Transformer	序列数据	从已发表文献和公共数据库整理的IRES数据集	Optuna, PyTorch	Transformer	准确性, 计算效率, 特异性, q值	未明确说明，但推断使用CPU或GPU