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
2361	2026-06-23	Predicting student mental health through entropy-based features and interpretable cross-attention transformer networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347294 PMID:42013061	研究论文	开发了一种基于熵特征和可解释交叉注意力Transformer网络的模型，用于预测学生心理健康风险	提出了一种结合FT-Transformer和LSTM的集成深度学习模型，并引入交叉注意力归因层（CAAL），通过融合特征注意力和时间注意力实现内在可解释性；基于熵和不确定性模式的特征工程增强了对细微风险信号的检测能力	未提及模型在不同数据集上的泛化能力验证，也未讨论计算资源需求或实际部署中的实时性能	开发一个可解释的深度学习模型，用于准确预测学生心理健康风险，支持教育环境中的心理健康监测	大学生的心理健康风险（焦虑、抑郁、压力等）	机器学习	心理健康疾病	NA	FT-Transformer, LSTM	数值数据	NA	PyTorch	FT-Transformer, LSTM, 交叉注意力归因层	准确率	NA
2362	2026-06-23	Dual-temporal inflow-outflow dependency modeling for short-term metro outflow prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347131 PMID:42013086	research paper	提出一种双时间尺度流入-流出依赖模型用于短期地铁客流预测	采用非对称特征提取方案区分流入与流出序列、通过双分支交叉注意力机制隐式学习空间相关性、引入样本级OD矩阵作为注意力偏置以嵌入先验站点关系	未提及模型在极端天气或突发事件下的鲁棒性测试	改进短期地铁客流预测中流出对流入依赖的建模不足问题	短期地铁客流预测中的站点间流入与流出动态依赖关系	machine learning	NA	NA	深度学习模型（DTIOD）	数值型时间序列数据（地铁客流数据）	杭州地铁数据集（具体样本量未提供）	PyTorch	双分支交叉注意力机制、全连接层	RMSE, MAE, WMAPE	70秒内完成训练（具体GPU型号未说明）
2363	2026-06-23	Cognitive load and pedagogical tension in multi-platform online learning: Evidence from Chinese higher education 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347566 PMID:42013118	研究论文	调查多平台在线学习环境对学生体验的矛盾影响	通过序贯中介模型揭示平台多样性增加外在认知负荷，进而导致工具疲劳，最终影响学习体验的机制	未提及具体限制	探究中国高等教育中多平台在线学习环境下学生体验的矛盾效应	中国高等教育学生	机器学习	NA	NA	序贯中介模型	横断面调查数据	8616名大学生	NA	序贯中介模型	NA	NA
2364	2026-06-23	Toward leveraging intrinsic point cloud features in 3D adversarial attacks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344574 PMID:42013122	研究论文	本文探索利用点云内在特征进行3D对抗攻击，提出一种基于特征预测的攻击方法，并验证其跨模型泛化能力	将对抗攻击的焦点从模型特定漏洞转向点云的内在特征，提出数据驱动的特征预测方法，无需反复反向传播即可生成攻击	攻击成功率略低于模型特定攻击方法	理解3D对抗攻击中关键点云特征的重要性，并设计基于内在特征的攻击方法	3D点云中的对抗点预测及生成攻击	计算机视觉	NA	NA	随机森林回归、多元线性回归；点云模型：PointNet、PointNet++、DGCNN、PointConv	3D点云	未明确说明	NA	PointNet, PointNet++, DGCNN, PointConv	成功率（Drop100和Drop200设置）	NA
2365	2026-06-23	Controlled comparative study of YOLOv8-Pose, YOLOv11-Pose, and Detectron2 for vertebrae detection and keypoint estimation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347290 PMID:42013146	研究论文	系统比较YOLOv8-Pose、YOLOv11-Pose和Detectron2在椎骨检测与关键点估计中的性能表现	首次在相同训练条件下对三种姿态估计深度学习模型进行可控、任务驱动的对比研究，重点关注临床可用性相关的检测完整性和重复检测问题	未明确说明	评估不同姿态估计模型在椎骨检测与关键点定位任务上的准确性、检测精度、推理速度和临床适用性	包含单类别椎骨边界框标注和每椎骨4个解剖关键点的医学影像数据集	计算机视觉	脊柱疾病	NA	姿态估计模型	医学图像	单类别椎骨数据集	PyTorch, Detectron2	YOLOv8n-Pose, YOLOv11n-Pose, Keypoint R-CNN with ResNet-50, Keypoint R-CNN with ResNet-101, YOLOv8l-Pose	关键点定位准确率, 检测精度, 推理速度, 检测完整性, 重复检测率	NA
2366	2026-06-23	Siamese Capsule Network (SNNCap): Cognitive Analysis for Alzheimer's Disease Classification From MRI Data 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3683547 PMID:42009326	研究论文	提出一种基于暹罗胶囊网络的阿尔茨海默病MRI图像分类方法，模拟认知推理过程	将暹罗网络与胶囊网络结合，利用胶囊层保留空间和部分-整体关系，并通过参考样本对比模拟认知推理，提升泛化能力	未提及模型在外部数据集上的验证、计算资源需求及与现有方法的全面比较	有效分类阿尔茨海默病MRI图像为正常、极轻度、轻度和中度痴呆四类	阿尔茨海默病患者的脑部MRI图像	计算机视觉	阿尔茨海默病	MRI	暹罗胶囊网络	图像	未明确提及具体样本数量	PyTorch	ResNet-18, 胶囊网络	分类报告, 混淆矩阵	NA
2367	2026-06-23	A hybrid CNN-XLSTM-GRU deep learning model with autoencoder-based feature selection for hypothyroidism diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347203 PMID:42013160	研究论文	提出一种融合CNN、eXtended LSTM和GRU的混合深度学习模型FusionNet-CXG，用于甲状腺功能减退症的诊断	首次将CNN、eXtended LSTM和GRU三种组件融合构建混合深度学习模型FusionNet-CXG，并通过自编码器进行特征选择，结合SMOTE-NC处理类别不平衡问题	仅在单一公开数据集上验证，缺乏外部真实世界队列的验证，未纳入时间序列临床数据	开发一种高准确率的混合深度学习模型用于甲状腺功能减退症的预测诊断	甲状腺功能减退症的诊断预测	机器学习	甲状腺功能减退症	NA	混合深度学习模型（CNN、eXtended LSTM、GRU）	表格数据	3772条记录，30个特征	Scikit-learn	CNN、eXtended LSTM、GRU	准确率、F1分数、AUC-ROC	NA
2368	2026-06-22	GeoAI for polar vegetation mapping and hydrological interactions: A systematic review 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181891 PMID:42224875	综述	系统综述了2005年至2025年间人工智能增强遥感技术（GeoAI）在极地植被制图与水文交互中的应用	首次基于PRISMA 2020方法对极地GeoAI研究进行系统性综述，揭示了从孤立监测向数据融合框架的快速转变，并提出层级式无人机-卫星融合、开放基准数据集和可解释生态AI的未来路径	大部分研究仍限于景观尺度，无人机-卫星完全整合的研究较少，且地下和基于过程的水文监测有限	系统梳理GeoAI在极地植被与水文监测中的应用现状、趋势和方法学质量，为下一代极地监测奠定经验基础	极地（北极和南极）植被与水文系统	机器学习和数字病理学	NA	遥感、无人机多光谱成像、卫星影像、深度学习	卷积神经网络、经典机器学习	图像（遥感影像、多光谱数据）	116项研究（2005-2025年）	NA	卷积神经网络	NA	NA
2369	2026-06-22	Machine learning-based prediction of antibiotic resistance gene distribution in agricultural soils under different climate change scenarios 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181905 PMID:42224874	研究论文	利用机器学习预测不同气候变化情景下农业土壤中抗生素抗性基因的分布	首次综合全球2301个土壤样本，使用六种机器学习模型（含LightGBM）预测ARG分布，并耦合气候情景进行未来风险制图，发现梯度提升方法优于深度学习	NA	预测未来气候变化情景下农业土壤中抗生素抗性基因的分布模式，支持One Health策略	农业土壤中的抗生素抗性基因（ARGs）及其环境驱动因子	机器学习	抗生素耐药性	宏基因组测序	机器学习模型（LightGBM、XGBoost、随机森林、支持向量机、深度神经网络、逻辑回归）	宏基因组序列数据、环境变量	2301份土壤样本，来自67个国家	LightGBM, XGBoost, Scikit-learn, 深度学习框架	LightGBM, XGBoost, 随机森林, 支持向量机, 深度神经网络, 逻辑回归	AUC-ROC、精确率、召回率、F1分数、马修斯相关系数	NA
2370	2026-06-22	A PLM-based method for predicting protein ion channel modulators for drug discovery and safety evaluation 2026-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70689 PMID:42321971	研究论文	介绍了一种基于蛋白质语言模型的预测蛋白质离子通道调节剂的方法IonNTxPred，用于药物发现和安全性评估	提出基于进化信息蛋白质语言模型（ESM2-t33）的方法，在大规模非冗余数据集上训练，整合BLAST输出使AUROC提升至0.98，并用于支持药物重定位和生物安全性评估	未明确提及，但可能受限于序列同源性过滤阈值（40%）以及依赖已知离子通道调节蛋白的数据集，对全新类型蛋白质的预测能力可能有限	开发并验证一种预测蛋白质离子通道调节剂的计算方法，以支持药物发现和安全评估	离子通道调节蛋白，包括钠、钾、钙等通道特异性蛋白和跨通道调节蛋白	机器学习, 计算生物学	神经疾病, 心血管疾病	蛋白质语言模型（PLM）、BLAST、MERCI、机器学习、深度学习	蛋白质语言模型（ESM2-t33）、机器学习模型、深度学习模型	蛋白质序列	最大非冗余离子通道调节蛋白数据集，蛋白质间序列一致性不超过40%	PyTorch	ESM2-t33, BLAST	AUROC	NA
2371	2026-06-22	Online Sepsis Prediction Using Vital Signs and Multiscale Temporal-Aware Contrastive Learning: Model Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/82762 PMID:42320034	研究论文	提出一种基于生命体征和多尺度时间感知对比学习的在线脓毒症预测模型	提出多尺度时间感知对比学习（MSTCL）模型，仅使用易于获取的生命体征（如心率和体温），结合对比学习技术区分脓毒症进展轨迹的正负样本，实现变长输入序列的高效在线预测	依赖公开重症监护数据库数据，未提及在真实临床环境中的验证效果	开发仅使用可实时获取的生命体征进行在线脓毒症检测的预测模型	重症监护病房患者	机器学习	脓毒症	NA	多尺度时间感知对比学习（MSTCL）	时间序列数据（生命体征）	超过400名脓毒症和非脓毒症患者	NA	多尺度时间感知对比学习（MSTCL）	ROC曲线下面积（AUC）、灵敏度、特异性、归一化平均绝对误差	NA
2372	2026-06-22	From trial-and-error to inverse design: how AI is redefining drug delivery systems 2026-Jun-18, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104725 PMID:42314831	综述	本文综述了人工智能在药物递送系统设计中的应用，重点介绍了预测建模和逆向设计策略如何改变传统试错法	系统梳理了人工智能方法在药物递送系统设计中的应用，包括机器学习、深度学习及物理信息方法，并创新性地讨论了它们与制药流程的整合	数据异质性、有限泛化能力、模型可解释性及监管验证是阻碍临床转化的主要障碍	为人工智能驱动的药物递送系统设计提供结构化概述，并评估其临床转化挑战	药物递送系统及其设计方法	机器学习	不适用	机器学习、深度学习、物理信息方法	不适用	不适用	不适用	不适用	不适用	不适用	不适用
2373	2026-06-22	Hybrid deep learning-based rapid broad-Spectrum antimicrobial susceptibility prediction from whole-genome assemblies 2026-Jun-17, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107597 PMID:42309394	研究论文	开发一种基于混合深度学习的模型，从全基因组组装数据快速预测广谱抗菌药物敏感性	提出将CNN、BiLSTM和注意力机制结合的混合深度学习模型，利用6-mer频率编码和基因组-抗生素配对特征，实现从细菌全基因组数据快速预测广谱抗菌药物敏感性	模型在抗生素和细菌组间的预测性能存在差异，AUPRC仅为0.489，表明对耐药样本识别能力有限	开发一种快速、广谱的抗菌药物敏感性预测方法，以辅助临床决策对抗菌药物耐药性	699个细菌基因组组装数据和对应的22种抗生素药敏结果	机器学习	抗菌药物耐药性相关感染	全基因组测序	CNN-BiLSTM-Attention混合模型	基因组序列数据	699个细菌基因组样本，每个样本与22种抗生素配对	NA	CNN, BiLSTM, Attention机制	准确率, AUROC, 平衡准确率, AUPRC	NA
2374	2026-06-22	Artificial intelligence and machine learning in robotic, teleoperated, and remote surgery: a bibliometric and knowledge mapping analysis (2015-2025) 2026-Jun-16, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-026-03600-5 PMID:42298236	研究论文	对2015-2025年间人工智能和机器学习在机器人、遥操作及远程手术中应用的研究进行文献计量和知识图谱分析	首次对AI和ML在远程手术领域的全球研究进行系统的文献计量和知识图谱分析，揭示研究趋势、协作结构和新兴主题	仅纳入Scopus数据库中英文发表的研究文章，可能存在文献覆盖不全的局限性	分析AI和ML在机器人、遥操作及远程手术领域的全球研究格局、协作结构和新兴主题趋势	2015-2025年间发表的2201篇相关研究论文	机器学习	NA	文献计量分析	NA	文献数据	112个国家的2201篇出版物	NA	NA	年发表趋势、引文分析、共现分析	NA
2375	2026-06-22	ToxiSpecies: Task-Aware Meta-Learning for Cross-Species Modeling of Acute Chemical Toxicity under Distribution Shift 2026-Jun-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01358 PMID:42301306	研究论文	提出一种任务感知元学习框架ToxiSpecies，用于解决跨物种急性化学毒性建模中的分布偏移问题	引入双适配器架构，解耦物种级特征适应与终点级毒性语义建模，实现低资源下跨物种和毒性终点的鲁棒知识迁移	未明确讨论模型在极端数据稀缺或完全未见物种场景下的泛化能力，以及计算资源的详细需求	开发一种能够处理跨物种毒性预测中异质性多任务问题的框架，支持低资源条件下的毒理学建模	跨物种急性化学毒性预测任务，涉及107个终点-物种任务、42个物种和78,820种化合物	机器学习	急性毒性	NA	元学习	化学特征数据	78,820种化合物	PyTorch	双适配器架构	均方根误差、预测准确性与相关性	NA
2376	2026-06-22	An Interpretable Deep Learning Framework Leveraging RNA Foundation Model and Capsule Networks for Accurate Prediction of RNA 2'-O-Methylation Sites 2026-Jun-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01274 PMID:42296393	研究论文	提出了一种结合RNA基础模型和胶囊网络的可解释深度学习框架Caps-2OMe，用于准确预测RNA 2'-O-甲基化位点	首次将混沌博弈表示分支与RNA-FM分支相结合，并通过胶囊架构进行自适应融合和解码，实现了对RNA 2OMe位点的高精度可解释预测	亚型特异性模型迁移性有限，跨核苷酸评估显示泛化模型稳定但子类型间存在差异	开发一种准确且可解释的计算方法，用于预测RNA 2'-O-甲基化位点	RNA 2'-O-甲基化（2OMe）修饰位点	机器学习	NA	混沌博弈表示（CGR），RNA基础模型（RNA-FM）	胶囊网络	RNA序列数据	独立测试集（具体数量未提及）	PyTorch（推测）	CGR分支、RNA-FM分支、胶囊网络	准确率（Accuracy）、AUC	NA
2377	2026-06-22	Performance of Deep Learning in Classifying Age-Related Macular Degeneration From Images: Systematic Review and Meta-Analysis 2026-Jun-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/97174 PMID:42296531	系统综述与荟萃分析	系统评估深度学习在视网膜图像中分类年龄相关性黄斑变性的诊断性能，并与眼科医生进行对比	首次通过荟萃分析直接对比深度学习与不同经验水平眼科医生在AMD检测和湿性/干性AMD分类中的诊断性能，并引入PROBAST+AI工具评估偏倚风险	研究间异质性高、预测区间宽、多为回顾性设计且内部验证可能膨胀性能，结果仍属初步阶段而非实际部署就绪	比较深度学习算法与眼科医生在检测AMD及区分湿性和干性AMD中的诊断性能，并识别影响深度学习性能的因素	年龄相关性黄斑变性（AMD）患者及正常视网膜图像	机器学习	老年性疾病	NA	深度学习	图像	AMD检测77,485个样本；湿性vs干性AMD分类28,705个样本	NA	NA	敏感性、特异性、准确率、曲线下面积	NA
2378	2026-06-22	AirNet: A Deep Learning-Driven Auto Baseline Correction Algorithm Balancing Global Smoothness and Local Fidelity 2026-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01550 PMID:42272034	研究论文	提出一种名为AirNet的深度学习驱动的自动基线校正算法，旨在平衡全局平滑性和局部保真度	结合深度学习与化学计量学，通过ResUnet模型识别拉曼峰和基线，并采用多指标评估策略自适应选择最优平滑参数，同时引入Dr-airPLS方法优化权重，实现高精度和高泛化能力	未提及具体限制，可能需依赖训练数据质量，且对急剧变化的背景梯度可能仍有挑战	开发一种可自动校正拉曼/表面增强拉曼光谱中非拉曼散射背景的基线算法，提高光谱分析的准确性和可靠性	拉曼光谱数据（包括模拟和实验光谱）	机器学习, 数字化学	不适用	拉曼光谱, 表面增强拉曼光谱	ResUnet, Dr-airPLS	光谱数据	不适用	PyTorch	ResUnet, Dr-airPLS	准确性, 泛化能力	不适用
2379	2026-06-22	Deep Learning-Driven Saccharide Online Sequencing for Elucidating the Pathological Alterations of Heparan Sulfate in APAP-Induced Acute Liver Injury 2026-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00995 PMID:42272111	研究论文	利用深度学习驱动的化学衍生-串联质谱策略，首次对APAP诱导的急性肝损伤中硫酸乙酰肝素的结构域变化进行测序	首次通过深度学习驱动的化学衍生-串联质谱策略直接对病理状态下硫酸乙酰肝素的域变化进行测序，并成功解码了生物活性域内的序列变化，而非仅分析其组成变化	仅针对APAP诱导的急性肝损伤模型，未在其他病理模型或大规模样本中验证，且测序深度仅限于八糖以内的生物活性域	阐明APAP诱导的急性肝损伤中硫酸乙酰肝素的病理改变，推动基于硫酸乙酰肝素的治疗药物在生物医学领域的应用	APAP诱导的急性肝损伤小鼠模型中的硫酸乙酰肝素	机器学习	急性肝损伤	质谱分析	深度学习模型	质谱数据	未提及	未提及	未提及	未提及	未提及
2380	2026-06-22	3-dimensional gradient and spin-echo magnetic resonance cholangiopancreatography with deep learning reconstruction at 3T: Achieving superior image quality with reduced acquisition time 2026-Jun-08, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110726 PMID:42264279	research paper	评估基于深度学习的GRASE技术在3T磁共振胆胰管成像中的图像质量和临床可行性	首次应用GRASE结合深度学习重建技术实现MRCP的快速采集并显著提升图像质量及诊断性能	NA（摘要未明确提及局限性）	比较GRASE-DLR与常规技术（无DLR的GRASE及TSE-DLR）在图像质量和采集时间上的差异	连续65名接受MRCP检查的患者	computer vision	biliary disease, pancreatic disease	MRCP	deep learning reconstruction (CNN-based)	image	65例患者（其中8例屏气能力差）	NA（未指定框架）	deep learning reconstruction network	acquisition time, image quality metrics, sensitivity, accuracy, area under the receiver operating characteristic curve (AUC)	NA（未提及具体计算资源）