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	2026-06-14	A multi-task learning framework for diagnosing partial discharge types and assessing severity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57520-3 PMID:42286070	研究论文	提出一种多任务学习框架PD-IntelliFusionNet，用于同时诊断局部放电类型和评估严重程度	将声学和电磁传感、物理建模、多尺度特征提取与多任务深度学习集成到统一架构中，实现局部放电类型诊断和严重程度评估的同时进行	NA	开发一种能同时完成局部放电类型诊断和严重程度评估的统一框架，提高电力变压器绝缘系统可靠性并降低维护成本	电力变压器中的局部放电现象	机器学习	NA	声发射传感、超高频信号传感、多尺度特征提取	多任务深度学习、注意力机制、强化学习	声发射信号、超高频电磁信号	NA	NA	PD-IntelliFusionNet	诊断准确率、鲁棒性	NA
182	2026-06-14	Sequence-based prediction of drug-target binding using machine learning, deep learning and ensemble models without 3D structural information 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57478-2 PMID:42286075	研究论文	提出了一种完全基于序列的药物-靶点结合预测框架，无需三维结构信息，即可实现与分子对接相当的预测性能	通过统一表征整合理化性质、3-gram序列模式和药物编码信息，并利用堆叠集成策略（随机森林、支持向量机和逻辑回归）实现高效预测，同时通过特征重要性分析提升模型可解释性	未明确提及，但可能依赖公共数据库数据质量和SMOTE过采样导致的潜在偏差	开发无需三维结构的序列化药物-靶点相互作用预测方法，替代传统结构依赖方法	药物-靶点相互作用对（DTIs）	机器学习	非特定疾病（药物发现通用领域）	SMOTE过采样、分子对接	机器学习、深度学习、集成模型（随机森林、支持向量机、逻辑回归）	序列数据（蛋白质序列和药物化学序列）	未明确说明具体样本数量	NA	随机森林、支持向量机、逻辑回归	ROC-AUC	NA
183	2026-06-14	Simulation of long-term spatio-temporal environmental dynamics using a unified benchmark of neighbor augmenting, LSTM and graph attention models 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56762-5 PMID:42286150	研究论文	提出了一个统一的基准框架，用于比较基于邻域、图和注意力机制的时空深度学习模型在长期地理空间环境动态预测中的表现	不引入新模型，而是通过对比工程实验评估邻域时序模型在图注意力模型占优的地理空间长期预测任务中表现更优的条件	未明确提及数据时间范围外的泛化能力、模型计算效率或对极端气候事件的适应性	比较基于邻域、图和注意力机制的时空深度学习模型在长期地理空间环境动态预测中的性能	基于2000-2023年年度卫星数据的NetCDF格式资料，2024年作为完全未见的测试集	计算机视觉, 机器学习	NA	卫星遥感数据，NetCDF格式	LSTM, GAT, 图注意力网络, 时序注意力模型	图像, 时序数据	2000年至2023年的年度卫星数据，2024年作为测试集	NA	LSTM, GAT-LSTM, GAT-Temporal Attention, MLP/FFN	相关系数R, RMSE, MAE, MAPE, 相关系数	NA
184	2026-06-14	Causal inference-integrated temporal graph convolutional networks for dynamic prediction and optimization of enterprise total factor productivity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57633-9 PMID:42286196	研究论文	提出一种将因果推断与时间图卷积网络结合的因果时间图卷积网络（CT-GCN），用于企业全要素生产率的动态预测与优化	将因果推断技术集成到时间图卷积网络中，以区分真实因果机制与虚假相关，同时捕捉企业间的网络依赖关系，并引入优化决策机制生成差异化战略建议	未明确提及局限性，但可能包括对数据质量、模型泛化能力或因果假设的依赖	实现企业全要素生产率的动态预测与优化，并识别真正的生产率驱动因素	中国制造业企业	机器学习	NA	NA	时间图卷积网络	面板数据	12,847家中国制造业企业，2008-2022年数据	PyTorch	CT-GCN	RMSE	NA
185	2026-06-14	Transferable human mobility network reconstruction with neuroGravity 2026-Jun-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-01003-y PMID:42286365	研究论文	开发了神经重力模型，从有限观测中可靠重建城市间流动网络并实现跨城市迁移	将物理启发的重力模型与深度学习结合，提出无需旅行调查数据仅利用城市设施和人口分布重建流动网络，并发现空间收入隔离是影响模型迁移性的关键因素	未提及模型在极端数据稀缺或非常规城市形态下的性能及未对迁移性预测进行跨区域验证	解决欠发达地区因缺乏旅行调查数据而无法准确建模人类流动性的问题	全球超过1200个城市的城市设施分布、人口分布及人类流动网络	机器学习	NA	NA	物理启发式深度学习模型	城市设施位置数据、人口分布数据	超过1200个城市的流动网络数据	PyTorch	神经重力网络	相关系数、迁移性预测准确率	NA
186	2026-06-14	DVNDTA: a dual virtual node based heterogeneous interaction model for accurate prediction of drug-target affinity 2026-Jun-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06481-5 PMID:42286477	研究论文	提出了一种基于双虚拟节点的异质交互模型DVNDTA，用于准确预测药物-靶标亲和力	引入双虚拟节点捕捉药物和靶标口袋的全局上下文信息，并通过动态加权全局-局部协同感知机制和双向反馈机制增强模型对结合模式的捕获能力	可能仍受限于仅依赖3D复合物结构信息，对复杂结合机制的完整捕捉存在潜在不足	提高药物-靶标亲和力预测的准确性，加速药物发现过程	药物分子和靶标蛋白的3D复合物结构	机器学习	NA	NA	深度学习模型（基于图神经网络）	3D复合物结构数据	多个基准数据集	NA	DVNDTA（双虚拟节点异质交互模型）	精准度、泛化能力（具体指标如均方误差、一致性指数等未明确列出）	NA
187	2026-06-14	A weakly supervised deep learning-based recurrence prediction and risk stratification of lung adenocarcinoma from pathology whole-slide images 2026-Jun-12, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16340-4 PMID:42286527	research paper	基于弱监督深度学习从病理全切片图像预测肺腺癌术后复发并进行风险分层	利用常规苏木精-伊红染色图像，在弱监督多实例学习框架下结合自动感兴趣区域检测，实现肺腺癌术后复发的准确预测，并与转录组分析整合增强生物学可解释性	未在摘要中明确提及具体限制	预测肺腺癌术后复发并表征相关生物学特征，以指导临床决策	肺腺癌术后复发	digital pathology	lung adenocarcinoma	NA	CNN	图像	399名患者（329名来自FHWMU，70名来自CPTAC）	PyTorch, TensorFlow, Keras, Scikit-learn	Inception_V3, ResNet18, DenseNet121	AUC, Kaplan-Meier生存分析, Cox比例风险回归	NA
188	2026-06-14	Deep learning models for the detection of dental-findings and tooth-types using video data 2026-Jun-12, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08861-y PMID:42286590	研究论文	利用手持牙刷式口腔内设备获取视频数据，开发并验证深度学习模型检测口腔发现和识别牙型	首次基于视频数据而非静态图像开发深度学习模型用于口腔检测，并集成到日常口腔护理设备中	未提及具体局限性，但视频捕获序列缺乏标准化，可能影响模型泛化性	开发并验证能够使用视频数据检测口腔发现和识别牙型的深度学习模型	通过视频图像检测口腔发现（如龋齿、填充物、牙菌斑、染色）和识别牙型	计算机视觉	口腔疾病	视频图像提取与标注	YOLOv8s	视频图像帧	708个视频，提取16552帧，最终用于牙科发现模型7963帧和牙型模型3799帧	NA	YOLOv8s	平均精度均值(mAP), F1分数	NA
189	2026-06-14	Early intensive antihypertensive treatment in high-risk population of intracerebral haemorrhage expansion identified by artificial intelligence (ARCHES): study protocol for a multicentre randomised controlled trial 2026-Jun-12, Trials IF:2.0Q3 DOI:10.1186/s13063-026-09833-x PMID:42286617	研究论文	该文章介绍了一项多中心随机对照试验（ARCHES）的研究方案，旨在评估由人工智能识别的脑出血血肿扩大高风险患者中，早期强化降压治疗对比标准降压治疗的疗效和安全性	创新点在于利用基于非对比CT影像和临床预测因子的深度学习系统，结合5点评分系统，对脑出血患者进行血肿扩大高风险筛查，并针对这一特定人群评估早期强化降压治疗的效果	局限性可能包括样本量（预计680人）对亚组分析的限制，以及开放标签设计可能引入的偏倚	研究目的是验证早期强化降压治疗能否减少高风险脑出血患者的血肿扩大，并改善功能预后，同时确保治疗安全性	研究对象为发病6小时内、经人工智能评分≥3分的脑出血血肿扩大高风险患者	机器学习	脑出血	非对比CT影像	深度学习系统	影像（CT）和临床预测因子	预计680名脑出血患者	NA	NA	NA	NA
190	2026-06-14	A Machine Learning Approach to Voice-Based Parkinson Disease Screening Using Multiview Spectrogram and Speech Recognition Features: Diagnostic Study 2026-Jun-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/94063 PMID:42274996	研究论文	提出一种基于多视角语谱图和语音识别特征的机器学习方法，用于帕金森病的语音筛查	结合多视角语谱图（梅尔、短时傅里叶变换、常数Q变换）与语音识别置信度特征（识别比），显著提升帕金森病语音检测的灵敏度	在多样化真实环境中的验证仍需要进一步开展	开发非侵入性、可扩展的帕金森病数字化语音筛查工具	203名参与者（121名帕金森病患者和82名健康对照者）的语音录音	机器学习	帕金森病	语音录音	卷积神经网络	语音数据（语谱图及语音识别特征）	203名参与者（121名患者，82名健康对照）	NA	并行卷积神经网络分支	准确率、标准差、假阴性率	NA
191	2026-06-14	Identification of a novel aβ-overlapping binding site on the TREM2 Ectodomain engaged by the small-molecule agonist VG-3927 2026-Jun-11, Bioorganic & medicinal chemistry letters IF:2.5Q2 DOI:10.1016/j.bmcl.2026.130712 PMID:42276260	研究论文	利用深度学习盲对接算法DiffDock-L鉴定VG-3927在小胶质细胞免疫受体TREM2胞外域上的新结合位点，并验证其与Aβ的竞争性相互作用	首次发现小分子激动剂VG-3927除了作为跨膜分子胶外，还能结合TREM2胞外域的疏水沟槽，且该位点与Aβ结合位点重叠，揭示了此前未被识别的胞外域相互作用模式	未说明具体局限性信息	探究小分子激动剂VG-3927是否与TREM2胞外域结合及其作用机制	TREM2蛋白结构与VG-3927小分子化合物的结合模式	自然语言处理	阿尔茨海默病	深度学习的盲对接算法（DiffDock-L）、微量热泳动（MST）、报告基因实验	深度学习盲对接模型	蛋白质结构数据和分子对接数据	NA	NA	DiffDock-L	NA	NA
192	2026-06-14	Clinical relevance of intracranial stenosis as false-positive findings of a deep learning algorithm trained to detect large vessel occlusions: a retrospective cohort study of a supraregional stroke centre 2026-Jun-11, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-113081 PMID:42276805	研究论文	探讨深度学习算法在检测大血管闭塞时将高等级颅内动脉狭窄误报为假阳性的临床意义	首次系统评估专用于大血管闭塞检测的深度学习算法识别高等级颅内动脉狭窄的能力，并分析其对临床诊疗的影响	单中心回顾性研究，样本量相对有限，算法敏感度较低（33%），可能受狭窄位置和影像质量影响	评估人工智能算法在检测大血管闭塞时对高等级颅内动脉狭窄的识别能力及其假阳性发现的临床相关性	2023年1月至12月在某三级医疗中心卒中中心治疗的连续卒中病例	计算机视觉	脑血管疾病	CT血管造影	深度学习算法	图像	934名患者（52.7%男性，平均年龄71.7±13.6岁，范围25-101岁）	NA	NA	敏感度, 特异度, 阴性预测值, 阳性预测值	NA
193	2026-06-14	Deep learning-based prediction of gene expression from histopathology identifies NR5A1 as a candidate biomarker and druggable target in high-grade serous ovarian carcinoma 2026-Jun-11, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02166-y PMID:42277915	研究论文	基于深度学习的组织病理学基因表达预测方法，识别出NR5A1作为高级别浆液性卵巢癌的候选生物标志物和可药物靶点	首次从常规H&E全切片图像中通过自监督虚拟转录组学框架预测基因表达，并识别出NR5A1作为铂类应答相关的新候选标志物	需要在更大规模多中心队列中验证模型稳健性、生物学相关性和临床实用性	开发从组织病理学图像预测基因表达的计算方法，以识别卵巢癌生物标志物和药物靶点	高级别浆液性卵巢癌患者	计算病理学	卵巢癌	RNA-seq, RT-qPCR	自监督学习模型与随机森林	H&E全切片图像与RNA测序数据	TCGA-OV队列含1,371张H&E WSI，独立队列含10例HGSOC肿瘤	PyTorch（推测）	MoCo v2, 多输出随机森林回归	皮尔逊相关系数，变异系数	NA
194	2026-06-14	FSCL-BC: Federated supervised contrastive learning for breast cancer diagnosis with high sensitivity 2026-Jun-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109500 PMID:42285014	研究论文	提出FSCL-BC方法，通过联邦监督对比学习实现多医院协作的乳腺癌超声诊断，在保护隐私的同时提升诊断敏感性	将监督对比学习集成到联邦学习框架中，首次解决医疗多中心数据隐私保护与乳腺癌超声诊断敏感性提升的双重挑战	未明确说明样本异质性（如不同超声设备、操作者差异）对模型泛化能力的影响，且仅在模拟联邦场景中验证，缺乏真实多中心部署结果	开发无需数据共享的多医院协作乳腺癌AI诊断模型，重点提升对恶性肿瘤的检测敏感性	乳腺癌患者的超声图像	计算机视觉, 数字病理学	乳腺癌	超声成像	CNN	图像	NA	PyTorch	ResNet	敏感性, Youden指数, F1分数, 马修斯相关系数, 平衡准确率	NA
195	2026-06-14	Extracranial vascular association of moyamoya disease: a systematic review and machine learning analysis 2026-Jun-10, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-026-09168-0 PMID:42265449	研究论文	基于系统综述和机器学习分析，探讨烟雾病患者的颅外血管受累情况及其临床特征	首次通过系统综述和机器学习方法分析烟雾病颅外血管受累的多部位分布模式，并对比了多种机器学习与深度学习模型的预测性能	仅包含英文文献，存在语言偏倚；深度学习整体表现不如机器学习；分析基于小样本数据	描述烟雾病颅外血管受累的分布特征并评估临床变量的预测价值	烟雾病（MMD）患者的颅外血管受累情况	机器学习	烟雾病	NA	逻辑回归、随机森林、一维卷积神经网络	文本	74项研究共143名患者（59.4%女性，平均年龄24.9岁）	NA	逻辑回归、随机森林、一维卷积神经网络	准确率、F1分数、ROC面积	NA
196	2026-06-14	Understanding Transformer-Based Classifications of Medical Text Using a Large Language Model for the Attribution of Feature Importance: Proof-of-Concept Algorithm Development and Validation Study 2026-Jun-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/81644 PMID:42268907	研究论文	提出并验证了使用大型语言模型GPT-4o作为独立扰动解释器，为基于BioLinkBERT的医学文本分类模型生成特征重要性归因的方法	首次将生成式大型语言模型GPT-4o作为端到端的扰动解释器，用于解释基于Transformer的医学文本分类模型的决策过程，替代传统的SHAP和集成梯度方法	GPT-4o作为独立扰动解释器在解释忠实度上远低于SHAP和集成梯度，计算成本高且时间长	评估GPT-4o作为解释器对BioLinkBERT文本分类模型特征重要性归因的有效性，并与SHAP和集成梯度进行对比	200篇来自McMaster Premium Literature Service (PLUS)和Clinical Hedges数据库的生物医学文献	自然语言处理	NA	NA	大型语言模型 (LLM), Transformer	文本	200篇生物医学文献	NA	BioLinkBERT, GPT-4o	AOPC (面积大于扰动曲线), Pearson相关系数	GPT-4o通过应用程序接口调用，计算成本高且耗时；集成梯度时间效率最高
197	2026-06-14	An empirical study of machine learning robustness and scalability for imbalanced tabular clinical data in emergency and critical care 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56413-9 PMID:42270687	研究论文	针对急诊和重症监护环境中不平衡表格临床数据的机器学习鲁棒性与可扩展性实证研究	系统比较了六种模型族（包括传统机器学习、深度学习和表格基础模型）在不平衡表格临床数据上的鲁棒性和可扩展性，发现模型选择具有上下文依赖性，且表格基础模型正快速缩小与强基线模型的性能差距	未提出通用解决方案，结论依赖于特定数据集和任务，且基础模型未进行任务特定优化或重加权	评估机器学习模型在不平衡表格临床数据中的预测鲁棒性和计算可扩展性，为高时间敏感性临床环境中的模型选择提供实证依据	MIMIC-IV-ED和eICU两个大型临床数据集上的七项临床预测任务	机器学习	急诊与重症监护疾病（未指定具体疾病）	NA	决策树、随机森林、XGBoost、TabNet、TabICL、TabPFN v2.6	表格数据	MIMIC-IV-ED和eICU两个大规模临床数据集（具体样本数未说明）	NA	决策树、随机森林、XGBoost、TabNet、TabICL、TabPFN v2.6	Macro F1-score	NA
198	2026-06-14	MIRAGE: a multimodal deep learning framework for interpretable risk assessment of high myopia from genetic and retinal imaging data 2026-Jun-09, Human molecular genetics IF:3.1Q2 DOI:10.1093/hmg/ddag040 PMID:42262223	研究论文	开发了一种结合全外显子基因型和眼底图像的深度学习框架MIRAGE，用于高风险近视的个性化预测	在深度学习框架中首次整合全外显子基因型数据和眼底图像，通过门控注意机制融合两种模态，并使用深层基因风险模型捕捉非线性交互作用	NA	早期识别高度近视风险个体，实现个性化预测和临床干预	高度近视患者和对照组的基因型与眼底图像数据	机器学习	高度近视	全外显子测序	深度学习	基因型数据, 眼底图像	1991名个体	PyTorch	DeepExGRS, CNN, 门控注意机制	AUC	NA
199	2026-06-14	Harnessing computational intelligence for synthetic lethality: A roadmap from network biology to interpretable deep learning in precision oncology 2026-Jun-09, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2026.06.001 PMID:42264143	综述	本文综述了计算智能在合成致死性发现中的应用，从网络生物学到可解释深度学习，为精准肿瘤学提供了路线图	提供了从传统网络模型到先进图变换器和知识图谱推理的架构比较综合，并提出了基于证据的最佳实践方法，包括数据分割、不平衡指标选择和负采样策略，同时整合了合成救援机制	未提及具体局限性	弥合计算预测与精准肿瘤学中可行临床见解之间的差距	合成致死性基因-基因相互作用	机器学习	癌症	NA	图变换器、知识图谱推理、网络模型	多组学数据	NA	NA	图变换器、知识图谱推理、网络模型	NA	NA
200	2026-06-14	Observational study of predictors and outcomes of lung cancer in never-smokers in the UK (OLIVE): study protocol 2026-Jun-09, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2025-003966 PMID:42264884	研究论文	本研究协议旨在设立一项英国多中心观察性队列，探索从不吸烟者肺癌的预测因素和结局	聚焦英国人群的LCINS，结合深度学习和自然语言处理分析自由文本数据，并通过回顾性和前瞻性队列设计填补当前研究空白	尚未涵盖所有EHR外的暴露因素，未来可能需要额外数据采集；单中心可行性试验样本量有限（225名患者）	扩大对LCINS的理解，尤其在英国背景下改善诊断和治疗路径	从不吸烟的肺癌成人患者	自然语言处理	肺癌	NA	NA	文本	225名患者（单中心可行性试验），后续扩展至多中心	NA	NA	NA	NA