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	2026-06-14	Deep Learning-Guided Reverse Translation Enhances Soluble Expression of Recombinant Proteins in Escherichia coli 2026-Jun-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115131 PMID:42278656	研究论文	开发了一种结合同义密码子生成模型和基因表达水平预测模型的深度学习框架，用于优化异源蛋白在大肠杆菌中的可溶性表达	首次提出结合同义密码子生成模型（SCG）与基因表达水平预测模型（GELP）的集成深度学习框架，并揭示核心回避密码子优化策略	研究仅针对两种工业酶进行验证，样本范围有限；计算资源信息未在标题和摘要中提及	设计能够提高重组蛋白在大肠杆菌中可溶性表达的DNA序列	异源蛋白在大肠杆菌中的可溶性表达	机器学习	NA	DNA序列优化	深度学习模型	基因组数据、基因表达数据	两种工业酶：α-葡聚糖磷酸化酶和异淀粉酶	NA	NA	可溶性表达倍数变化、单因素方差分析、单样本t检验	NA
202	2026-06-14	Artificial Intelligence in Tumor Evolution: Understanding Cancer Complexity Through Multi-Modal Data Integration in Precision Oncology 2026-Jun-03, Cells IF:5.1Q2 DOI:10.3390/cells15111031 PMID:42274624	综述	综述人工智能在肿瘤进化研究中的应用，强调通过多模态数据整合理解癌症复杂性	全面分析AI如何整合多组学、影像和临床数据以解码肿瘤进化机制，包括功能基因组预测、深度学习成像和预测性建模	未详细讨论具体AI模型性能比较，缺乏对数据隐私、算法偏见等伦理挑战的量化分析	探索AI在肿瘤进化研究中的潜力，推动精准肿瘤学发展	肿瘤进化过程中的遗传和表型异质性、耐药性、转移机制	机器学习	肿瘤	多组学整合、深度学习	NA	多模态数据（多组学、影像、临床数据）	NA	NA	NA	NA	NA
203	2026-06-14	CLARISA: Connexin-43 Lateralization Automated ROI-Based Image Signal Analyzer 2026-Jun-02, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115033 PMID:42278561	研究论文	提出CLARISA，一种无需分割、基于ROI的深度学习框架，用于直接从荧光图像分类CX43阳性区域为终末或侧向化	采用无分割的ROI基深度学习方法，避免传统方法中对单个心肌细胞分割的依赖，并利用双流EfficientNetV2-S分类器同时捕获局部和上下文ROI形态	需要在更大、独立且更异质的数据集上进一步验证其鲁棒性、跨成像条件的可移植性和转化应用性	实现心脏组织中CX43侧向化的可扩展、无分割定量评估	Wistar大鼠心脏左心室冷冻切片中CX43阳性区域的分布模式	计算机视觉	心律失常	荧光成像	卷积神经网络	图像	来自Wistar大鼠心脏的专家标注数据集（具体数量未提及）及一个独立分析的组织切片	PyTorch	EfficientNetV2-S	ROC-AUC, PR-AUC	NA
204	2026-06-14	From Molecules to Machines: An Integrative Framework Linking Molecular Pathogenesis, Multi-Factorial Risk, Risk Stratification, Clinical Management, and Artificial Intelligence in QT Prolongation and Sudden Cardiac Death 2026-Jun, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70370 PMID:42274161	综述	本文综合了QT间期延长与心源性猝死在分子发病机制、多因素风险、危险分层、临床管理及人工智能预测等方面的研究	首次将分子机制、代谢/营养因素、AI预测等多个维度整合为统一框架，强调非经典基因突变、营养暴露及非穿透性LQTS的风险，并验证了机器学习优于传统临床评分	前瞻性数据仍显不足，算法工具指导临床决策前需进一步验证	整合QT间期延长与心源性猝死的多维度研究，构建精准管理策略	QT间期延长与心源性猝死相关的分子、代谢、遗传、临床及AI预测因素	机器学习	心血管疾病	NA	机器学习、深度学习	心电图数据、临床数据	NA	NA	NA	NA	NA
205	2026-06-14	AI-enhanced Wrist-Hand US Image Acquisition: Development and Initial Clinical Evaluation 2026-Jun, Radiology IF:12.1Q1 DOI:10.1148/radiol.251268 PMID:42262241	research paper	开发深度学习模型用于动态腕手超声检查中的标准平面识别和解剖分割，并在临床实践中评估其性能	基于残差网络和高分辨率网络构建AI工具，在腕手超声标准平面识别中达到96.2%的F1分数，并在解剖分割中实现0.647的平均交并比，优于EfficientNet、MobileNet、SegFormer和DeepLabV3等基线模型	临床评估仅涉及36名健康志愿者，且仅由初级和高级新手肌肉骨骼超声医师操作，样本量和医师经验水平有限	开发并评估AI辅助腕手超声图像采集的深度学习模型，以提高新手肌肉骨骼超声医师的扫描质量和效率	来自20家医院430名志愿者的66,743张正常腕手超声图像，以及36名健康志愿者在临床评估阶段的数据	computer vision	musculoskeletal disease	ultrasound	ResNet, High-Resolution Network	image	430名志愿者（66,743张图像）用于模型开发；36名健康志愿者用于临床评估	NA	ResNet, High-Resolution Network	F1 score, mean intersection over union	NA
206	2026-06-14	Predicting Post-Radiotherapy Epigenetic Age Acceleration From Pre-Treatment Data Using a Machine Learning Framework in Head and Neck Cancer Patients 2026-Jun, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72014 PMID:42277901	论文	该研究开发并验证了一个机器学习框架，利用头颈癌患者放疗前的社会人口学信息、症状报告、临床测量和免疫生物标志物，预测放疗后的表观遗传年龄加速（EAA）	首次利用低成本、常规收集的放疗前数据而非昂贵表观遗传检测，基于机器学习框架预测头颈癌患者放疗后的表观遗传年龄加速轨迹，尤其是深度学习模型TabNet优于传统算法	样本量可能有限（具体未说明），预测准确性在不同患者亚群间存在较大差异（RMSE范围1.70-4.34），且结果仅针对头颈癌患者，泛化性需进一步验证	开发一种无需昂贵表观遗传检测的方法，利用放疗前临床数据预测头颈癌患者放疗后的表观遗传年龄变化，以实现早期高风险患者识别和靶向干预	接受放疗的头颈癌患者，利用其放疗前（Time 1）的社会人口学信息、症状报告、临床测量和免疫生物标志物数据进行预测	机器学习	头颈癌	NA	深度学习模型（TabNet）及传统机器学习模型	数值型数据（社会人口学信息、症状报告、临床测量和免疫生物标志物）	具体样本数量未在标题和摘要中说明	NA	TabNet	均方根误差（RMSE）	NA
207	2026-06-14	Towards Interpretable Seizure Detection: An Excitation/Inhibition Dynamic Polynomial Network Framework for Electroencephalography 2026-Jun-01, Sensors (Basel, Switzerland) DOI:10.3390/s26113488 PMID:42281002	研究论文	提出一种基于兴奋/抑制动力学多项式网络的可解释癫痫检测框架	首次将兴奋/抑制双路径与威尔逊-考恩动力学模块结合，实现生理可解释的癫痫检测，并利用物理信息优化策略确保模型符合神经生理原理	未提及	开发一种兼顾高准确率与生理可解释性的癫痫脑电检测方法	癫痫脑电信号中的兴奋/抑制失衡动态及其与癫痫发作的关系	机器学习	癫痫	脑电图	E/I-DynPolyNet	脑电信号	CHB-MIT与Bonn两个数据集	PyTorch	E/I-DynPolyNet	准确率	NA
208	2026-06-14	Multiagent First-Person Perspective Analysis for Leadership Assessment in Pediatric Emergency Simulations: A Feasibility Study 2026-Jun-01, Critical care explorations DOI:10.1097/CCE.0000000000001428 PMID:42283629	研究论文	本研究探讨了在多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	首次将多智能体时间同步的第一人称视角分析与深度学习对象检测（YOLOv8）结合，用于急救模拟中的领导力评估，提供客观的观察者无关指标	样本量小（仅两名领导者），视频帧排除较多（29.3%），且研究为探索性，结果仅为说明性	验证多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	儿科重症监护室（PICU）中的两名医生（一名重症监护专家和一名儿科住院医生）作为团队领导者	计算机视觉	NA	可穿戴智能眼镜、深度学习对象检测（YOLOv8）、注视向量估计	CNN	视频、注视数据	2名参与者（医生），每人完成一个场景	YOLO	YOLOv8	不适用	NA
209	2026-06-14	Discriminating HFrEF vs HFpEF from chest radiographs: Mitigating demographic performance gaps via augmentation and multimodal fusion 2026-Jun, PLOS digital health DOI:10.1371/journal.pdig.0001467 PMID:42284341	研究论文	本研究评估了深度学习模型在胸部X光片上区分射血分数降低型心力衰竭和射血分数保留型心力衰竭的性能，重点关注人口统计学性能差距，并提出了通过数据增强和多模态融合来缓解这些差距的方法	首次以公平性为中心，系统评估胸部X光深度学习模型在心力衰竭亚型区分中的人口统计学性能差距，并证明轻量级多模态融合能将最大AUC差距相对减少83%	这是一项概念验证研究，使用公开数据集MIMIC-CXR和MIMIC-IV，样本可能有限，且仅限于影像学肺水肿病例	提高胸部X光深度学习模型在心力衰竭表型区分中的公平性和鲁棒性	射血分数降低型心力衰竭和射血分数保留型心力衰竭患者	计算机视觉, 数字病理学	心血管疾病	胸部X光成像	DenseNet121, 多模态融合	图像, 人口统计学和合并症数据	源自MIMIC-CXR与MIMIC-IV数据集，限制为影像学肺水肿病例	NA	DenseNet121	AUC, 灵敏度, 特异性	NA
210	2026-06-14	Single-Sequence Deep Learning Delivers Crystal-Quality Models of Covalent K-Ras G12 Hotspot Complexes 2026-Jun, IUBMB life IF:3.7Q2 DOI:10.1002/iub.70108 PMID:42287093	研究论文	Chai-1无需多序列比对即可准确预测共价K-Ras G12热点复合物结构，提供晶体级质量模型	首次展示Chai-1在无多序列比对条件下预测共价K-Ras复合物结构，且支持共价键抑制剂的精确构象预测，相较于AlphaFold3吞吐量提升约40倍	对离去基团、键属性和立体化学等化学细节的捕捉存在局限性	验证公开结构预测工具Chai-1在共价药物设计中的应用潜力，加速共价药物发现	不同化学结构的K-Ras G12C、G12D、G12S共价抑制剂（如ARS-853、BBO-8520）	机器学习	肺癌	结构预测	深度学习模型	蛋白质-配体共晶结构数据	若干K-Ras G12热点共价抑制剂复合物	NA	Chai-1	口袋对齐RMSD	NA
211	2026-06-14	A Lightweight Real-Time Tomato Leaf Disease Detection System for Edge-Based Smart Agriculture 2026-May-31, Sensors (Basel, Switzerland) DOI:10.3390/s26113474 PMID:42280990	研究论文	提出一种轻量级实时番茄叶部病害检测系统HGS-YOLO，适用于边缘计算的智能农业	在YOLOv11基础上通过HGNetV2骨干网络、HS-FPN颈部通道注意力和MPDIoU损失函数的系统级协同设计，并整合训练、优化、后训练量化和BPU加速的端到端边缘传感流水线，实现模型结构、优化与部署的协同优化	在受控成像条件下测量，未验证在开阔田间不同地点、季节和天气条件下的鲁棒性	开发部署于资源受限农业系统的轻量级番茄叶部病害实时检测系统	番茄叶部病害	计算机视觉	番茄叶部病害	深度学习	YOLO	图像	未明确说明样本数量	未明确说明，但包含BPU加速	HGS-YOLO（基于YOLOv11，含HGNetV2骨干、HS-FPN颈部）	mAP50, mAP@[0.5:0.95], 召回率, 精度, 延迟, FPS, 系统功耗	D-Robotics RDK X5手持平台，BPU加速
212	2026-06-14	Hybrid Feature Learning for Wearable Stress Detection: Combining Domain Knowledge with Supervised Deep Learning 2026-May-29, Sensors (Basel, Switzerland) DOI:10.3390/s26113451 PMID:42280967	研究论文	提出一种结合领域知识与监督深度学习的可穿戴压力检测混合特征学习方法	首次将20个手工生理特征与32个监督卷积自编码器深度特征结合，采用双头设计加权分类损失引导特征学习，超越传统无监督方法	样本量较小（WESAD数据集仅15名受试者），可能限制泛化能力；未提及实时部署的功耗与延迟问题	提升高压力职业（如消防员）可穿戴压力监测的准确性与实用性	可穿戴设备采集的皮肤电活动信号	机器学习	压力相关疾病	皮肤电活动信号分解（cvxEDA）、人工特征工程、监督卷积自编码器	K近邻分类器、卷积自编码器	生理信号（皮肤电活动、加速度计等）	15名受试者（WESAD数据集）	NA	监督卷积自编码器（双头设计）、K近邻	准确率、灵敏度、特异度、假阴性率	NA
213	2026-06-14	Pediatric post-acute sequelae of SARS-CoV-2 infection in Taiwan: Insights from the DISCOVER cohort 2026-May-29, Pediatrics and neonatology IF:2.3Q2 DOI:10.1016/j.pedneo.2026.03.007 PMID:42285845	研究论文	基于台湾DISCOVER队列，研究儿童SARS-CoV-2感染后遗症（PASC）的多系统临床表现、疫苗保护作用及维生素D干预效果	首次在台湾儿童队列中通过多模态方法（AI辅助诊断、肺功能评估、免疫标志物检测）系统研究PASC，并发现维生素D补充可减轻症状负担	初步单中心随机对照试验样本量有限，且结果仅体现早期证据	系统描述台湾儿童PASC的临床表现、免疫机制及干预策略	台湾儿童PASC患者（含疫苗接种状态分析）	机器学习	儿科疾病	脉冲振荡肺功能、深度学习辅助超声心动图、维生素D干预	深度学习模型	临床数据、影像数据、免疫标志物数据	单中心随机对照试验的初步队列（具体样本数未在摘要中说明）	NA	深度学习辅助超声心动图（具体架构未指定）	症状负担评分、促炎细胞因子谱、肺功能指标（小气道阻力）	NA
214	2026-06-14	Leakage-Safe Precision-Aware Dual-Branch FT-Transformer for Population-Scale Heart Disease Risk Prediction 2026-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s26113417 PMID:42280934	研究论文	提出一种防泄漏、精度感知的双分支FT-Transformer框架，用于大规模心脏病风险预测	设计双分支架构，分别处理召回导向的检测和精度导向的验证，并通过轻量级门控机制集成，在训练折内严格训练以防止信息泄露并实现受控错误仲裁	基线模型虽取得更高AUROC值，但本框架在操作筛查阈值下表现出更平衡且临床有意义的精确率-召回率行为	构建可靠的大规模心脏病风险预测模型，缓解类别不平衡、数据泄露和精确率-召回率权衡不稳定问题	BRFSS-2024数据集和独立NHANES队列	机器学习	心血管疾病	NA	FT-Transformer	表格数据	未明确说明样本数量，但提及BRFSS-2024数据集和NHANES队列	NA	双分支FT-Transformer	F1分数、召回率、AUPRC、AUROC	NA
215	2026-06-14	A Deep Learning Approach to Automatically Classify Ice Hockey Shooting Actions Using Acceleration Signals 2026-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s26113361 PMID:42280881	研究论文	利用加速度信号和深度学习模型自动分类冰球运动中的击球动作	首次使用全连接卷积神经网络对冰球七种击球动作进行分类，并验证了仅使用手部传感器配置的可行性	NA	评估深度学习模型在识别冰球常见击球动作（如传球、射门）中的预测能力	冰球运动员的击球动作信号	机器学习	NA	惯性测量单元传感器	卷积神经网络	加速度信号	43名精英运动员	NA	全连接卷积神经网络	F1分数	NA
216	2026-06-14	DiagPat: An Explainable Language Detection Model Using EEG Signals 2026-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s26113363 PMID:42280883	研究论文	提出了一种基于EEG信号的可解释语言检测模型DiagPat	首次利用对角模式分析从EEG通道和信号中提取基于转移表的特征，结合迭代邻域成分分析和可解释的符号语言，实现轻量级且高准确率的语言检测	10折交叉验证显示片段级性能，但与留一受试者交叉验证结果存在差异（LOSO准确率29.75%-83.50%），表明个体间泛化能力有限	开发一个准确、轻量级且可解释的EEG语言检测框架	阿拉伯语和土耳其语的阅读与听力模式下的EEG信号	机器学习	NA	EEG	k近邻分类器	时间序列	346名参与者（98名阿拉伯语者和248名土耳其语者），6364个EEG片段	NA	DiagPat	准确率, 平衡准确率, 宏F1分数	NA
217	2026-06-14	Graph and Hypergraph Theories Applied to Dynamic Protein-Protein Interaction Network Analysis, and Deep-Learning Frameworks for Protein Complex Network Prediction 2026-May-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27114750 PMID:42278281	综述	回顾图与超图理论在动态蛋白质相互作用网络分析中的应用，以及用于蛋白质复合物网络预测的深度学习框架	强调从静态网络向动态图与超图框架的演进，并整合深度学习方法来预测新的相互作用和重建瞬时蛋白质复合物	静态网络模型无法捕捉蛋白质复合物的动态和协同特性	通过数学模型和深度学习框架，从分子关系中提取有意义的结构框架，以深入理解生物过程并支持药物开发	蛋白质相互作用网络（PPINs）和蛋白质复合物网络（PCNs）	机器学习	NA	NA	深度学习	互动数据、功能注释、序列信息、细胞背景信息	NA	NA	NA	NA	NA
218	2026-06-14	Tebyan: An AI-powered system for estimating developmental levels from children's human figure drawings 2026 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261460248 PMID:42273788	研究论文	开发并评估一款基于AI的移动应用Tebyan，通过儿童人物画测试估算其发育水平，并支持早期识别发育问题	将深度学习方法应用于儿童人物画的发育年龄估算，通过预测年龄组与实际年龄的差距来辅助识别发育问题	系统并非诊断工具，仅提供辅助参考，且模型性能随类别粒度增加而下降	开发并评估基于AI的移动应用，以从儿童人物画中估算发育水平，支持发育问题的早期识别	儿童人物画测试（Draw-A-Person test）中的绘画作品	计算机视觉	发育性疾病	NA	深度学习模型	图像	未明确说明样本数量	NA	MobileNet, ResNet, EfficientNet	准确率, 敏感性, 特异性, 精确率, F1分数	NA
219	2026-06-14	Review Article \| Artificial Intelligence Applications in Prognosis and Treatment of Neuro-oncology: A review 2026-Jan, The Gulf journal of oncology PMID:42274067	综述文章	对人工智能在神经肿瘤治疗与预后中应用的最新研究进行综述	首次在一篇论文中同时回顾人工智能在神经肿瘤预后和治疗两个领域的研究，并提供了知识缺口和未来方向的见解	仅纳入21篇文章，范围有限；需要更多研究对现有应用进行验证	综述人工智能在神经肿瘤治疗与预后中的应用，并阐述挑战和未来方向	神经肿瘤患者	机器学习	神经肿瘤	人工智能	NA	文本	最大样本量41222例（预后），1585例（治疗）	NA	NA	NA	NA
220	2026-06-14	Transformer-based emotion recognition in interactive art: A multimodal neural approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349859 PMID:42268906	research paper	采用多模态方法，结合神经振荡特征与主观情感评估，研究交互式数字艺术对情感状态的影响	利用多输出Transformer回归模型同时预测积极和消极情感变化，整合脑电图频带变化特征与主观情感评分	R²值仅为0.162，预测准确性有限；样本量可能较小	探究交互式数字艺术如何影响情感状态，推动情感神经科学与人机交互的接口研究	交互式数字艺术中的情感变化	machine learning	NA	EEG	Transformer, LSTM, Random Forest	EEG信号, 情感评分	公开数据集，包含交互前后EEG记录	PyTorch	Transformer, LSTM, Random Forest	R², MSE, MAE	NA