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
2341	2026-07-10	Computational glycosyltransferases masked deoxynivalenol toxicity and halted FHB spread in wheat grains 2026-05, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.08.045 PMID:40858235	research paper	本研究开发了一种深度学习模型用于预测糖基转移酶的底物杂泛性，并成功鉴定了两种可解毒脱氧雪腐镰刀菌烯醇的UDP-糖基转移酶	首次将transformer框架应用于糖基转移酶底物杂泛性预测，实现高效的计算酶挖掘，为农业生物技术中功能性酶发现提供了数据驱动的新方法	酶源数量有限，仅验证了两种UDP-糖基转移酶的功能，且转基因小麦的田间表现有待进一步评估	开发深度学习模型预测糖基转移酶的底物杂泛性，计算性鉴定新的脱氧雪腐镰刀菌烯醇解毒酶	糖基转移酶、脱氧雪腐镰刀菌烯醇、禾谷镰刀菌、转基因小麦	machine learning	小麦赤霉病	深度学习模型预测、酶活性验证、转基因小麦生物测定	Transformer	序列数据	NA	Transformer	Transformer	NA	NA
2342	2026-07-10	Explainable AI in Cardiology Diagnostics: A Systematic Review of Machine Learning, Meta-heuristic Optimization, and Clinical Text Mining for Coronary Artery Disease 2026-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106321 PMID:41653696	综述	系统综述了机器学习、元启发优化和可解释人工智能在冠心病诊断中的应用	综合评估了机器学习、自然语言处理、元启发优化和可解释AI在冠心病诊断中的应用，并强调混合框架的潜力	数据稀缺、外部验证有限、缺乏标准化和临床医生为中心的可解释性，阻碍临床采纳	探讨并评估各种人工智能方法在预测和诊断冠心病中的性能及可解释性	61项关于AI在冠心病诊断中的研究	自然语言处理, 机器学习	冠心病	机器学习, 自然语言处理, 元启发优化	Transformer, BioBERT, ClinicalBERT, 遗传算法, 粒子群优化	文本, 结构化数据	61项研究	NA	Transformer, 遗传算法, 粒子群优化	准确率	NA
2343	2026-07-10	Artificial intelligence approaches for non-invasive diabetes prediction using ECG signals: A systematic review 2026-May-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109264 PMID:41643489	综述	系统综述了基于心电图信号的人工智能方法用于无创糖尿病预测的研究	首次系统评估基于心电图信号的机器学习和深度学习模型在无创糖尿病预测中的应用，并强调外部验证和公平性审查的重要性	大多数研究使用小型单中心横截面数据集，缺乏外部验证和亚组性能评估；未针对农村或服务不足人群，代码开源率低	批判性评估基于心电图信号的机器学习和深度学习模型在无创预测糖尿病和糖尿病前期的应用	机器学习和深度学习模型	机器学习	糖尿病	心电图信号，人工智能	机器学习，深度学习	心电图信号	25项研究，样本量从24到超过190,000人不等	NA	NA	准确率（>90%）	NA
2344	2026-07-10	GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103377 PMID:41713110	研究论文	提出GFASNet，一种基于步态特征注意力驱动的深度序列网络，用于识别痴呆相关的步态模式	在序列深度学习架构中引入特征级注意力机制，增强模型可解释性，并量化单个步态参数的相对贡献，使其可作为候选数字生物标志物	NA	开发可解释的深度学习模型，识别痴呆相关的步态变化，并评估其作为数字生物标志物的潜力	232名参与者的时空步态数据，包括痴呆患者和非痴呆者	机器学习	痴呆症	NA	LSTM, BiLSTM, GRU, BiGRU	步态序列数据	232名参与者，每人8个连续步幅的步态序列	NA	GFASNet（基于注意力机制的递归神经网络变体）	分类准确率	NA
2345	2026-07-10	Reduction of Acquisition Time in FTIR Spectroscopy via Spectral Super-Resolution by Deep Learning 2026-04-28, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07660 PMID:41987594	研究论文	提出基于深度学习的频谱超分辨率方法，减少傅里叶变换红外光谱（FTIR）的采集时间，同时保持光谱质量	首次将残差网络和U-Net（SSR-ResUNet）结合一维、二维和三维CNN，将低分辨率红外光谱图像（16 cm⁻¹）重建为高分辨率图像（2 cm⁻¹），实现高达87.5%的采集时间缩减	仅测试于肾脏移植组织切片图像，未涵盖其他组织类型；性能与多项式插值比较有限，未明确临床适用性验证	通过频谱超分辨率深度学习模型，解决FTIR成像采集时间长的瓶颈，加速临床诊断中的分子分析	傅里叶变换红外光谱（FTIR）图像，特别是来自肾脏移植组织切片的红外光谱图像	计算机视觉	肾脏疾病	FTIR光谱成像	CNN	图像	来自肾脏移植组织切片的真实FTIR图像，具体样本量未说明	NA	ResNet, U-Net	均方根误差（RMSE）, 结构相似性指数（SSIM）	NA
2346	2026-07-10	Association between deep learning-based coronary artery calcium score on non-gated chest CT and progression of chronic kidney disease: a retrospective observational cohort study 2026-04-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02365-5 PMID:42032494	研究论文	基于深度学习在非门控胸部CT上的冠状动脉钙化评分与慢性肾病进展的关联性研究	首次探讨深度学习量化的冠状动脉钙化评分（DL-CACS）与慢性肾病（CKD）进展之间的具体关联	样本量有限（509名患者），MACE事件数量少导致置信区间宽，可能影响结果精确性	评估基于深度学习的冠状动脉钙化评分与慢性肾病进展及主要不良心血管事件的关系	慢性肾病患者	机器学习	慢性肾病	NA	深度学习算法	非门控胸部CT图像	509名慢性肾病患者（中位年龄64岁，317名男性）	NA	NA	风险比, 95%置信区间	NA
2347	2026-07-10	Multiparameter concept-based interpretable model for early breast cancer diagnosis and structured reporting: a multi-center, multi-reader, radiologist-in-the-loop study 2026-04-23, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04889-7 PMID:42026532	研究论文	开发一种基于概念瓶颈模型的可解释深度学习框架，用于乳腺癌早期MRI诊断和结构化报告生成	首次将放射科医生特定知识整合到概念瓶颈模型中，实现内在可解释性与结构化报告自动生成，并通过多中心多读片者研究验证临床效用	回顾性研究设计、概念准确性范围较宽（0.64-1.00）、未涉及其他影像模态或多序列对比	提高乳腺MRI早期诊断准确性和报告一致性，减少不必要的活检	1,634名患者的1,695个病理确认的乳腺病灶（857个恶性，838个良性）	计算机视觉	乳腺癌	磁共振成像（MRI）	概念瓶颈模型（CBM）	图像	1,634名患者的1,695个乳腺病灶	NA	概念瓶颈网络	AUC, 诊断准确率, 概念准确率, Gwet's AC1	NA
2348	2026-07-10	Antioxidative and Robust Fluorescent Hydrogel for Deep Learning-Assisted Non-Destructive Detection of Hg2 2026-04-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00277 PMID:41954231	研究论文	介绍了一种兼具抗氧化性和强韧荧光的水凝胶，结合深度学习实现Hg²⁺的非破坏性检测	通过藻蓝蛋白-聚丙烯酰胺水凝胶同时实现机械柔韧性、水下强粘附性、稳定红色荧光和内在抗氧化保护，解决了荧光响应与氧化稳定性之间的权衡问题，并耦合深度学习模型实现智能手机成像的便携定量检测	未在摘要中明确提及局限性	开发一种灵活、粘附且智能的传感平台，用于环境和食品安全中Hg²⁺的现场非破坏性检测	Hg²⁺离子及鱼体表面污染	机器学习	NA	荧光水凝胶传感技术	深度学习模型	荧光图像	未在摘要中明确提及样本数量	NA	NA	检测限（6.21 nM）	智能手机成像
2349	2026-07-10	A comprehensive review on wine authentication and traceability: Current issues, solutions and future perspectives 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148456 PMID:41719666	综述	全面总结葡萄酒欺诈问题，回顾现代分析技术和机器学习方法在葡萄酒认证与溯源中的应用	将光谱学、色谱法、质谱法等传统技术与新兴智能传感技术及先进机器学习方法相结合，强调其演化整合趋势	未来仍需聚焦快速检测、深度学习与传统分析技术的整合、葡萄酒指纹数据库构建及区块链供应链透明度提升	提升葡萄酒认证与溯源的准确性和效率，保障消费者和生产者利益	葡萄酒	机器学习	NA	光谱学、色谱法、质谱法、智能传感技术	机器学习、深度学习	数据、指纹信息	NA	NA	NA	NA	NA
2350	2026-07-10	Deep-Learning-Assisted Fluorescence Sensor Array for Quantitative Screening of Perfluoroalkyl Substances in Water 2026-04-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00730 PMID:41925146	研究论文	该文章介绍了一种将荧光传感器阵列与深度学习算法相结合的传感平台，用于水样中全氟烷基物质（PFAS）的定量筛查	该策略利用残差神经网络算法解析富含信息的三维荧光光谱，实现了五种PFAS的同时定量，方法简便快速，拓展了分析传感的方法学边界	NA	开发一种能够同时定量检测复杂水样中多种PFAS的高效分析平台	五种全氟烷基物质（PFAS）	机器学习	NA	荧光传感器阵列	残差神经网络（ResNet）	荧光光谱数据	复杂水样	NA	残差神经网络（ResNet）	NA	NA
2351	2026-07-10	Targeting protein protein interactions and their modulators to enable new therapeutic strategies for human diseases 2026-04-13, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00698-z PMID:41975191	综述	探讨人工智能与深度学习结合传统实验方法在蛋白质-蛋白质相互作用（PPI）映射与分析中的进展，以及系统生物学利用PPI网络建模疾病和确定新治疗靶点的挑战与未来方向	将人工智能和深度学习与传统实验方法相结合，系统性地推进PPI映射和分析，并强调多组学整合、AI驱动创新和基于网络的药物开发	未具体说明实际应用中的局限性，仅提出挑战和未来方向	总结PPI及其调节剂在疾病机制中的作用，并探索AI和DL如何增强PPI研究以支持新治疗策略开发	蛋白质-蛋白质相互作用及其调节剂	机器学习	NA	NA	深度学习模型	NA	NA	NA	NA	NA	NA
2352	2026-07-10	Database of Chemicals for Organophosphorus (DCOP): An Information Application Platform for Organophosphorus Compounds 2026-04-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06885 PMID:41894161	研究论文	构建了一个集成了有机磷化合物相关化学信息学数据、优先高产量有机磷化合物识别以及基于图神经网络轻量级深度学习模型预测串联质谱数据的综合信息应用平台DCOP	首次整合并结构化分类了结构多样的有机磷化合物库，开发了基于图神经网络的轻量级深度学习模型直接预测有机磷化合物的串联质谱数据，克服了现有库中大部分有机磷化合物参考质谱数据有限的瓶颈	NA	为有机磷化合物的环境监测、风险评估和监管决策提供综合性分析工具和开放获取软件平台	有机磷化合物（包括有机磷酸酯及其他结构多样的有机磷化合物）	机器学习, 化学信息学	NA	质谱分析, 图神经网络	图神经网络	化学结构数据, 串联质谱数据	NA	NA	图神经网络	NA	NA
2353	2026-07-10	Deep learning-based high-information-content graph representation of early stage bacterial biofilms 2026-04-03, NPJ biofilms and microbiomes IF:7.8Q1 DOI:10.1038/s41522-026-00971-3 PMID:41932927	研究论文	提出一种基于深度学习的框架，将早期细菌生物膜建模为高信息含量的无向相互作用图，结合Mask R-CNN细胞分割和BINet交互预测网络，实现对生物膜生长、结构基序和定植模式的分析	首次将生物膜建模为高信息含量的相互作用图，结合细胞分割和交互预测网络，实现从图像到图特征的自动分析，能够预测生物膜发育阶段和材料类型	目前仅在早期生物膜阶段验证，未涉及成熟生物膜的复杂动态；对多样本类型和条件的泛化能力有待进一步验证	开发一种自动化的、具有高信息含量的计算框架，用于早期细菌生物膜的结构分析和表型分类	早期细菌生物膜中的单细胞和细胞间相互作用	计算机视觉, 深度学习	慢性感染相关疾病	显微镜成像	Mask R-CNN, 自定义神经网络（BINet）	显微镜图像	未明确说明	PyTorch, OpenCV	Mask R-CNN, BINet	分类准确率, 预测精度	未明确说明
2354	2026-07-10	Artificial intelligence in the diagnosis of Hirschsprung disease: A scoping review and rationale for a multicentric approach 2026-Apr, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.162932 PMID:41565153	综述	系统综述基于人工智能（AI）在先天性巨结肠（HD）诊断中的应用研究，并指出当前研究局限及未来方向	首次系统综述AI在HD诊断中的应用，整合多种数据源，强调多中心协作和可解释性需求	训练数据多样性不足、缺乏外部验证及可解释性（XAI），且计算成本和模型权重信息缺失	评估AI诊断策略的有效性及识别研究空白以指导未来多中心研究	18岁以下HD患者的组织学切片、临床或影像数据	机器学习、数字病理学	先天性巨结肠	组织学切片分析、临床或影像特征提取	机器学习、深度学习	图像（组织学切片、影像）、文本（临床数据）	6项回顾性研究	NA	NA	准确率、召回率、AUC	NA
2355	2026-07-10	Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging 2026-Apr, Prenatal diagnosis IF:2.7Q2 DOI:10.1002/pd.70103 PMID:41761049	研究论文	评估基于AI的3D胎儿脑部分割方法在跨厂商超声数据集上的表现，并引入临床视觉评估框架	首次在跨厂商3D超声数据集上评估深度学习分割方法的鲁棒性，并引入临床医生视觉评估框架作为Dice系数的补充	侧脑室后角分割表现较差（73.9%充分），且数据集仅来自单一胎龄范围（19-26+6周）	评估自动化胎儿脑部分割方法在不同超声厂商数据集上的泛化能力，并建立临床可视化评价标准	胎儿脑部五个亚皮质结构（透明隔腔、侧脑室后角、脉络丛、小脑、皮质板）	计算机视觉	胎儿神经影像疾病	3D超声	深度学习	3D超声图像	270个容积（141个胎儿，胎龄19-26+6周）	NA	NA	Dice相似系数，视觉分级（1-4级）	NA
2356	2026-07-10	Deep learning-based segmentation of caries, implants, fixed prosthesis, and restorations on bitewing radiographs: A retrospective study 2026 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504261439717 PMID:41960635	研究论文	评估基于深度学习的人工智能系统在咬翼片X光片上自动检测牙齿、龋齿、植入物、修复体和固定修复体的性能	首次在大规模咬翼片X光片数据集上系统评估AI系统对多种牙科病变（包括龋齿、修复体、固定修复体和植入物）的检测能力，并与口腔放射科医生进行对比验证	龋齿检测的特异性略低（0.842），且数据来源仅限于单一人群（315名成人患者），可能存在选择偏倚	评估基于AI的自动化系统在咬翼片X光片上检测牙齿、龋齿、植入物、修复体和固定修复体的诊断准确性	407张来自315名成年患者的咬翼片X光片，包含2,829个牙齿级别观测数据	数字病理学	口腔疾病	咬翼X线摄影	深度学习	图像	407张咬翼片X光片（来自315名患者），2,829个牙齿级别观测	未明确说明	未明确说明	Cohen's kappa系数, 敏感性, 特异性	未明确说明
2357	2026-07-10	Deep Learning Guided Optimization of Primary Electron Source Parameters in Geant4 for Clinical Linac Modeling 2026 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_24_26 PMID:42422118	研究论文	开发数据驱动代理框架，利用深度学习优化Geant4中临床直线加速器初级电子源参数	首次将前馈神经网络与梯度提升回归器结合，替代传统耗时的蒙特卡罗试错调优过程	仅在单一直线加速器（Elekta Synergy）的10 MeV电子模式中验证，未涉及光子模式或其他加速器型号	建立高效代理模型预测伽马通过率并识别影响剂量分布的关键电子束参数	Elekta Synergy直线加速器的10 MeV电子束初级源参数	机器学习	NA	Geant4蒙特卡罗模拟	前馈神经网络，梯度提升回归器	模拟剂量分布与实验测量剂量分布	训练和测试数据集由蒙特卡罗模拟生成（具体样本数未明确提及）	TensorFlow, Scikit-learn	前馈神经网络	R²	NA
2358	2026-07-10	Artificial Intelligence in Chest Computed Tomography Optimization: A Task-based Framework for Balancing Detectability and Radiation Dose 2026 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_57_26 PMID:42422132	review	本文综述了基于任务驱动框架下人工智能在胸部CT优化中的应用，重点探讨了病变可检测性、诊断效能与辐射剂量降低之间的平衡	提出一种任务驱动的AI辅助胸部CT优化框架，侧重于病变可检测性而非传统整体图像质量指标，并强调AI重建需与剂量优化策略整合而非单独应用	不同诊断任务、研究设计和评估指标下的获益程度存在差异，且需进一步验证以维持诊断效能	探讨AI在胸部CT协议优化中的应用框架，以兼顾病变可检测性与辐射剂量降低	成人胸部CT中的AI辅助采集、深度学习重建及辐射剂量优化研究	machine learning	NA	CT	深度学习重建模型	文本、图像	NA	NA	NA	NA	NA
2359	2026-07-10	Optimizing Chest Computed Tomography Imaging Protocols: A Narrative Review on Dose Reduction and Diagnostic Efficacy 2026 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_7_26 PMID:42422138	综述	系统回顾胸部CT辐射剂量优化策略，重点介绍基于体模的方案优化、深度学习重建方法和循证方案修改	结合体模验证与先进重建算法，提出实现剂量降低70%不损诊断质量的新路径	未提及跨中心验证和任务特异性方案优化的安全性重复性	全面梳理胸部CT辐射剂量优化文献，降低辐射暴露而不损诊断效能	胸部CT成像协议、辐射剂量优化策略	数字影像学	肺癌、心脏疾病、呼吸系统疾病	CT成像	深度学习重建模型	图像	未提供具体样本量	NA	迭代重建、模型重建、深度学习重建	图像质量、噪声、解剖细节保留	NA
2360	2026-07-10	A cough sound-based deep learning algorithm for accessible prompt detection of chronic obstructive pulmonary disease with smartphones 2026-03-28, NPJ primary care respiratory medicine IF:3.1Q2 DOI:10.1038/s41533-026-00486-6 PMID:41896558	研究论文	提出了一种基于智能手机咳嗽声音的深度学习算法，用于快速检测慢性阻塞性肺疾病	首次利用智能手机记录的自主咳嗽声音，结合Transformer神经网络模型，实现低成本、易获取的COPD检测方法	外部验证中健康对照组可能招募了非COPD的呼吸疾病患者，可能影响特异性；研究为回顾性，需前瞻性验证；训练数据中COPD组与非COPD组样本量不平衡	开发一种基于咳嗽声音的深度学习方法，实现COPD的便捷、早期诊断	慢性阻塞性肺疾病（COPD）患者和非COPD参与者	机器学习	慢性阻塞性肺疾病	咳嗽声音记录	Transformer	音频	训练队列：406名COPD患者和1631名非COPD；内部验证：151名COPD和225名非COPD；外部验证：105名COPD和617名非COPD	PyTorch	Transformer	AUC, 灵敏度, 特异性	智能手机