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	2026-06-03	LANTERN: TCR-peptide binding prediction via large language model representations 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20980 PMID:41940380	研究论文	提出LANTERN框架，利用大型语言模型表示预测TCR-肽结合	结合预训练的蛋白质和分子语言模型（ESM和MolFormer）以及跨模态融合机制，提升零样本和小样本场景下的泛化能力	未明确指出，可能包括对标记数据依赖以及在新型表位上的泛化挑战	预测T细胞受体与肽主要组织相容性复合体相互作用，推动靶向免疫治疗和个性化医学	TCR序列和肽SMILES字符串	自然语言处理, 机器学习	NA	语言模型表示, 跨模态融合	大型语言模型, 多头交叉注意力	序列数据	NA	PyTorch	ESM, MolFormer, 多头交叉注意力	竞争性指标（具体未列明，如在TCHard基准上的表现）	NA
182	2026-06-03	Correlation-Guided Recursive Pyramid Network for Deformable Brain MRI Registration 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695369 PMID:42202187	研究论文	提出一种关联指导的递归金字塔网络，用于脑部MRI的可变形配准	将显式关联建模直接嵌入递归优化中，提出关联指导的层内递归策略，实现连续精化匹配精度并防止跨尺度误差传播	NA	解决可变形图像配准中同时处理大变形和精确特征匹配的挑战	脑部MRI图像	计算机视觉	脑部疾病	MRI	CNN	图像	三个脑部成像数据集	PyTorch	CRPNet	配准精度、鲁棒性	NA
183	2026-06-03	Self-Expressive High-Order Tensor Unrolling Network for Unsupervised Hyperspectral and Multispectral Image Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695389 PMID:42202190	研究论文	提出一种自表达高阶张量展开网络，用于无监督的高光谱与多光谱图像融合	引入重叠图像块间的自表达关系作为高阶模式表示，以保持空间结构；采用交替优化策略设计专用模块，构建可解释的端到端训练流程；引入预训练策略以提高跨传感器泛化能力	未明确说明，但依赖模拟和真实数据集验证，可能未涉及实际部署中的计算效率或极端噪声场景	解决高光谱与多光谱图像融合中空间结构破坏和可解释性不足的问题	低分辨率高光谱图像与高分辨率多光谱图像	计算机视觉	NA	高光谱成像、多光谱成像	深度学习网络（展开网络）	图像	未明确说明，但包含模拟和真实数据集	PyTorch	Self-Expressive High-Order Tensor Unrolling Network (SHOTUN)	未在摘要中明确列出，通常包括峰值信噪比（PSNR）、结构相似性指数（SSIM）等	NA
184	2026-06-03	Longitudinal MRI Temporal Transformer Fusion Model for Predicting Induction Chemotherapy Efficacy in Locally Advanced Nasopharyngeal Carcinoma 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261457511 PMID:42224133	研究论文	开发并评估一种基于时间Transformer的融合模型，整合治疗前后MRI预测局部晚期鼻咽癌诱导化疗疗效	提出双分支独立网络结合注意力时间Transformer融合模块，建模治疗前后肿瘤表征的非线性纵向交互与动态演化模式	未明确提及	实现早期风险分层并指导局部晚期鼻咽癌的个体化治疗管理	488例经病理确诊的局部晚期鼻咽癌患者	医学图像分析	鼻咽癌	MRI	Transformer	影像	488例患者（来自两个机构）	PyTorch	Twins-SVT, 时间Transformer融合模块	AUC, 95%置信区间	NA
185	2026-06-03	3D object detection for vehicle-mounted LiDAR based on deep learning and euclidean clustering algorithm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348581 PMID:42224307	研究论文	提出一种基于深度学习和改进欧几里得聚类算法的车载激光雷达3D目标检测方法	集成布料模拟滤波（CSF）进行地面与非地面点分离，结合KD树结构和自适应参数机制增强聚类鲁棒性和效率；改进PointNet架构，引入多尺度分组（MSG）、多分辨率分组（MRG）和跳跃连接以增强局部特征提取和多级特征融合，整体结合密度感知分割与层次特征聚合，解决稀疏和非均匀LiDAR数据的关键瓶颈	未提及具体局限性	提高自动驾驶环境感知中3D目标检测的精度和效率	基于车载LiDAR的点云数据中的3D目标检测	计算机视觉	NA	LiDAR点云处理	PointNet（改进型）	点云数据	KITTI和NuScenes基准数据集	NA	改进的PointNet（含MSG、MRG和跳跃连接）	分割准确率、平均检测准确率、单帧处理时间、检测帧率	NA
186	2026-06-03	Residual-guided hybrid framework for adversarially robust deep learning-based network intrusion detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350737 PMID:42224364	研究论文	提出一种结合强化学习鲁棒性适应与知识驱动正则化的混合对抗训练框架，用于提升网络入侵检测系统在FGSM和PGD攻击下的鲁棒性	首次将强化学习启发的鲁棒性自适应与知识驱动正则化相结合，同时优化干净准确率和对抗鲁棒性，并通过校准误差、梯度动态和泛化差距监控确保稳定收敛	未详细说明框架在更复杂攻击（如C&W、自适应攻击）下的表现，也未提及真实网络流量环境中的部署验证	增强深度学习网络入侵检测系统对抗对抗性攻击的鲁棒性	网络入侵检测数据集中的侦察、shellcode和蠕虫三类攻击流量	机器学习	NA	NA	深度学习混合模型（卷积神经网络CNN与长短期记忆网络LSTM的混合架构）	网络流量数据	包含侦察、shellcode和蠕虫三类数据集（具体样本数未提及）	NA	CNN-LSTM混合架构	准确率、校准误差、梯度范数、泛化差距	NA
187	2026-06-03	The Use and Importance ofArtificial Intelligence in Vaccine Research, Development, and Production 2025-Sep, Archives of Razi Institute DOI:10.32598/ARI.80.5.3442 PMID:42226986	综述	评估人工智能技术在疫苗研究、开发和制造中的应用及其重要性	系统综述了人工智能在疫苗靶点识别、配方优化、制造流程精简及供应链优化中的多重作用，并展望了量子计算等未来技术对疫苗开发的增强潜力	伦理问题（数据隐私、算法偏见）及AI与现有框架的整合挑战	评估AI技术（ML、DL、NLP）在疫苗研究、开发和生产中的角色，加速疫苗上市	人工智能在疫苗研发及制造中的应用	机器学习	传染病	NA	NA	文本	NA	NA	NA	NA	NA
188	2026-06-03	C2FAU-Net: A Deep Learning Approach with Multi-scale Strategy for Automated Delineation of Organs-at-risk in Cervical Cancer High-dose Rate Brachytherapy 2025 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_65_25 PMID:41939154	研究论文	提出一种基于多尺度策略的深度学习模型C2FAU-Net，用于宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画	采用粗到细的注释策略与变形数据增强，结合三维注意力U-Net架构，显著降低了手动勾画时间，同时保持与手动勾画相当的剂量学参数	未提及具体限制	提高宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画效率与临床适用性	宫颈癌患者盆腔高危器官（膀胱、直肠、乙状结肠）	计算机视觉	宫颈癌	高剂量率近距离治疗	三维注意力U-Net	医学图像	100例宫颈癌患者（80例训练，10例验证，10例测试）	NA	C2FAU-Net（基于三维注意力U-Net）	体积Dice相似系数（DSC）、第95百分位数豪斯多夫距离（HD95）、平均对称表面距离（ASSD）、精确率、召回率	NA
189	2026-06-03	Overview of Deep Learning Algorithms and Optimizers for Brain Tumor Segmentation 2025 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_12_25 PMID:41939149	综述	分析用于脑肿瘤分割的不同深度学习架构及优化器的性能	全面比较不同深度学习架构与优化器的组合效果，并总结各方法在脑肿瘤分割中的表现	计算复杂度高、数据集不平衡、跨临床场景泛化能力不足	综述深度学习算法及优化器在脑肿瘤分割中的应用现状与挑战	脑肿瘤分割任务中的深度学习模型与优化方法	计算机视觉	脑肿瘤	NA	卷积神经网络	医学图像	NA	NA	卷积神经网络	Dice系数, 精确率, 准确率, 平均交并比	NA
190	2026-06-03	Advancing neuro-ophthalmic diagnostics: a multimodal imaging approach integrating OCT angiography and AI-enhanced MRI for improved visual pathway analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1690082 PMID:41939693	研究论文	提出一种多模态成像框架，整合OCT血管成像与AI增强MRI，用于改善视觉通路分析	提出NeuroGraphPath模型，将视觉通路表示为有向图，包含解剖定义的节点和参数化变换，并引入交叉流逆推策略实现双向推理，实现生物可解释的诊断	常规诊断工具（如MRI和OCT）受限于空间分辨率、跨模态整合和可解释性，尤其在压迫性神经病变、脱髓鞘疾病或不明原因视野缺损中导致诊断不确定性	开发一种整合OCT血管成像与AI增强MRI的多模态框架，提升神经眼科诊断的精确性和可解释性	视觉通路病变（包括压迫性神经病变、脱髓鞘疾病、不明原因视野缺损）	计算机视觉，自然语言处理	神经眼科疾病	OCT血管成像，MRI	NeuroGraphPath	图像	NA	NA	NeuroGraphPath	病变定位性能、不确定性感知推理、可解释性	NA
191	2026-06-03	Network anomaly detection using Deep Autoencoder and parallel Artificial Bee Colony algorithm-trained neural network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2333 PMID:41937808	研究论文	提出基于深度自编码器与并行化人工蜂群算法的神经网络进行网络异常检测	将深度自编码器与向量化、并行化的人工蜂群算法结合，用于训练前馈神经网络，以解决传统训练算法易陷入局部最优和检测率低的问题	未明确说明局限性，但可能包括算法复杂度高、对特定数据集依赖性强等	提高网络入侵检测的性能，特别是检测率和降低误报率	网络流量数据中的异常或入侵行为	机器学习	NA	深度自编码器，人工蜂群算法	前馈神经网络	数值型网络流量特征数据	使用了UNSW-NB15和NF-UNSW-NB15-v2两个数据集	NA	深度自编码器	检测率，误报率	NA
192	2026-06-02	Prediction of intrinsic clearance using an explainable learning framework integrating molecular fingerprints and graph representation 2026-Oct-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118996 PMID:42176654	研究论文	开发了一个融合分子指纹和图结构表示的可解释学习框架，用于预测固有清除率	提出了一个动态结合机器学习和深度学习预测的集成策略，并通过可解释性分析揭示了预测背后的生化决定因素	模型的性能受限于公开数据质量和数据筛选过程	提高固有清除率预测的准确性和可解释性，为早期药物筛选提供支持	固有清除率数据及分子结构特性	机器学习	NA	NA	随机森林、支持向量机、梯度提升等传统机器学习模型及双分支深度学习架构	分子指纹和图结构特征	从公共数据库收集并经人工验证的固有清除率数据	PyTorch	双分支深度学习架构（结合分子指纹和图神经网络）	R	NA
193	2026-06-02	CDP-KDNet: Curriculum-Guided Dynamic Pruning and Knowledge Distillation for Resource-Efficient Ultrasound Elastography 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251399875 PMID:41466179	研究论文	提出一种结合动态剪枝、知识蒸馏和课程学习的模型压缩方法CDP-KDNet，用于资源高效的超声弹性成像运动估计	首次将动态剪枝、知识蒸馏与课程学习相结合应用于超声弹性成像模型压缩，在保持性能的同时大幅降低参数量和计算成本	未提及在极端资源受限设备上的实际部署验证，以及对不同超声成像系统的泛化性需进一步研究	实现高效、轻量化的超声弹性成像运动估计模型，便于部署于资源受限设备	超声弹性成像中的射频（RF）和B模式（BM）数据运动估计	计算机视觉	NA	超声弹性成像	卷积神经网络（CNN）	超声图像数据	模拟、仿体及体内超声数据（具体数量未提及）	NA	UMEN-Net, DP-Net, CDP-KDNet	信噪比（SNR）、对比度噪声比（CNR）	NA
194	2026-06-02	RFDNet: Robust Frequency-Based Denoising Network for 3D Ultrasound Vascular Imaging Using a Row-Column Addressed Array 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251398442 PMID:41466464	研究论文	提出一种鲁棒频率去噪网络（RFDNet），用于行-列寻址阵列的3D超声血管成像，通过深度融合频率过滤模块抑制坡道噪声并改善图像一致性	将深度频率滤波模块集成到标准去噪模型中，自适应编码器中的频率分量，动态平衡频谱内容以减少域偏移和切片间强度不一致的影响，同时保留血管细节	未来工作需探索3D训练和架构优化以提高计算效率，当前方法仍基于2D切片训练	提升3D超声血管成像中行-列寻址阵列的图像质量，解决点扩散函数各向异性导致的坡道噪声问题	多普勒体模、颈动脉和腹部数据集中的3D超声血管图像	计算机视觉	心血管疾病	超声成像	CNN	图像	包含多普勒体模、颈动脉和腹部数据集样本	PyTorch	深度频率滤波模块集成于标准去噪编码器架构（具体基础架构未指定）	PSNR, SSIM, RMSE	NA
195	2026-06-02	Cloud EEG Privacy Using Red-Billed Blue Magpie Optimized Physics-Penalized Dual-Branch Spectral-Spatial Neural Network for Epileptic Seizure Prediction 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70031 PMID:42063259	研究论文	提出一种红嘴蓝鹊优化的物理惩罚双分支谱空间神经网络，用于基于云脑电图的癫痫发作预测，实现高精度、安全且有效的预测	首次将红嘴蓝鹊优化算法与物理惩罚双分支谱空间神经网络结合，并集成基于物联网的实时脑电监测、形状感知网格归一化滤波、二次相位四元数域傅里叶变换特征提取和无密钥托管属性基加密，同时提升预测精度和数据隐私安全	未提及在更大规模或多样化真实临床数据集上的验证，以及优化算法和加密方法的计算开销评估	实现基于云脑电图的癫痫发作精确、安全且实时预测，以支持及时干预和预防严重神经系统并发症	癫痫患者及其脑电图数据	机器学习	癫痫	脑电图（EEG）监测	神经网络	脑电图信号	使用Bonn脑电图数据集和CHB-MIT数据集	NA	物理惩罚双分支谱空间神经网络（PP-DBSSNN）	准确率、精确率、特异度	NA
196	2026-06-02	Machine learning accelerated nonadiabatic molecular dynamics of defect-mediated recombination in alkali metal passivated Cu2ZnSnS4 2026-Jun-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0336824 PMID:42223102	研究论文	开发机器学习加速框架，模拟碱金属钝化Cu2ZnSnS4中缺陷介导的非辐射电子-空穴复合的非绝热分子动力学	将非绝热耦合演化构建为时间序列预测问题，基准测试37种深度学习架构，并采用扩展长短期记忆模型实现高精度预测，计算成本降低超过五个数量级	NA	提出机器学习加速非绝热分子动力学框架，高效模拟缺陷介导的非辐射复合过程并揭示其机制	含CuZn反位缺陷和CuZn+ZnCu反位对的Cu2ZnSnS4材料，以及碱金属（Li, Na, K）钝化效应	机器学习	NA	第一性原理非绝热分子动力学模拟，时间序列预测	递归神经网络，卷积神经网络，Transformer，混合模型，扩展长短期记忆模型	非绝热耦合时间序列数据	NA	NA	扩展长短期记忆模型，递归神经网络，卷积神经网络，Transformer	R方	NA
197	2026-06-02	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-06-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	research paper	提出一个结合预训练RNA语言模型和Transformer的序列驱动框架，仅从3'UTR序列预测mRNA半衰期	首次将预训练RNA语言模型（RNA-FM）与Transformer结合，仅从3'UTR序列实现mRNA半衰期预测，并整合了生物可解释性分析	模型在已知基因的新异构体上进行评估，可能对全新基因预测效果有限；单个基序效应量中等	开发一种仅基于3'UTR序列预测mRNA半衰期的计算框架，兼具预测准确性和生物学可解释性	酿酒酵母（Saccharomyces cerevisiae）转录本的3'UTR序列与mRNA半衰期	自然语言处理, 机器学习	NA	RNA-seq	Transformer, RNA-FM	序列数据	酿酒酵母转录本的3'UTR序列（具体样本数未明确提及）	PyTorch	RNA-FM, Transformer	RMSE, MAE, R	NA
198	2026-06-02	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	提出一种基于深度学习模型的自动化方法，使用标准超声心动图视频检测新生儿肺动脉高压	首次利用时空卷积神经网络结合偏心指数对新生儿超声心动图进行自动化PH检测，并通过显著图增强可解释性	仅基于单一中心的回顾性数据，未在外部多中心数据集中验证，且样本年龄范围有限（3-90天）	开发并验证一种深度学习模型，用于从标准超声心动图中自动检测新生儿肺动脉高压	新生儿（3-90天）的超声心动图视频，包括五个标准视图	计算机视觉	肺动脉高压	超声心动图	卷积神经网络（CNN）	图像（超声心动图视频帧）	训练与验证集975个视频，保留测试集378个视频，共13530帧	NA	空间卷积神经网络、时空卷积神经网络	AUROC	NA
199	2026-06-02	Artificial intelligence in antimicrobial drug discovery: predictive and generative strategies 2026-Jun, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2674968 PMID:42154787	综述	总结了人工智能在抗菌药物发现中的预测和生成策略的最新进展与挑战	综述了AI驱动的预测和生成策略在抗菌药物发现中的整合应用，并展望了未来十年的‘自主发现’范式	当前持久存在的挑战包括数据偏差、缺乏标准化基准测试框架和临床转化差距	综述人工智能在抗菌药物发现中的应用现状与未来方向	针对细菌、真菌和病毒感染的抗菌药物（包括小分子、肽、噬菌体和蛋白质药物）的发现策略	机器学习	感染性疾病	NA	机器学习、深度学习、自然语言处理	NA	NA	NA	NA	NA	NA
200	2026-06-02	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的深度学习模型，用于锥形束CT中下牙槽神经的自动分割	引入任务特定的CNN-注意力混合架构，包括阶段限制的排列自适应实例归一化和解码器阶段上下文细化模块，以提高薄管状神经分割的鲁棒性和解剖连续性	与nnU-Net相比改进幅度有限，且需在更大数据集上验证泛化能力	开发一种改进的自动分割框架，准确识别CBCT中的下牙槽神经，预防口腔颌面手术中的神经损伤	下牙槽神经与锥形束CT影像	计算机视觉	口腔颌面神经损伤	锥形束CT	混合CNN-Transformer	医学影像	来自两个机构的130个CBCT扫描	nnU-Net	CNN-注意力混合架构（含排列自适应实例归一化与解码器注意力模块）	Dice相似系数, HD95, 平均对称表面距离	未指定