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
221	2026-06-09	Interpretable machine learning rationalizes carbonic anhydrase inhibition via conformal and counterfactual prediction 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39771-2 PMID:41673458	研究论文	提出一个可解释的机器学习框架，用于预测人碳酸酐酶亚型II、IX和XII的抑制活性，并结合一致性预测和反事实解释以指导选择性抑制剂设计	将一致性预测用于不确定性量化与反事实解释用于分子可解释性相结合，形成统一框架，并通过严格数据筛选和系统基准测试证明支持向量机结合扩展连接指纹优于复杂模型	未提及在多中心或更大规模数据上的验证，且模型依赖于现有实验数据质量，可能对新型抑制剂结构适用性有限	开发可解释的机器学习方法以实现对hCA亚型II、IX和XII的选择性抑制预测，指导抗癌抑制剂设计	人碳酸酐酶亚型II、IX和XII的抑制剂活性数据	机器学习	癌症（抗癌靶点相关）	机器学习建模，分子指纹分析，一致性预测，反事实解释	支持向量机，深度学习模型（如神经网络）	分子结构数据（扩展连接指纹）及对应的活性标签	未明确提及样本数量，但经过严格数据筛选和系统基准测试	Scikit-learn	支持向量机，多层感知机或其他深度学习架构	准确性、精确率、召回率、F1分数、AUC等	未提及具体GPU或云平台，但涉及标准计算环境
222	2026-06-09	Deep capsule neural network for identifying anticancer peptides using sequence to image transformation-based local embedded features 2026-Feb-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02547-1 PMID:41673852	研究论文	提出了一种基于深度胶囊神经网络pACP-CapsNet的模型，用于准确识别抗癌肽	首次将序列转图像技术与局部嵌入特征结合，利用SMR和RECM进行序列到结构图像转换，并通过HOG、DWT、CLBP提取多尺度特征，同时采用混洗蛙跳算法进行特征选择，最终用胶囊网络实现高精度预测	未提及在实际临床样本或大规模数据集上的验证，可能对更复杂肽序列的泛化能力有限	开发高效、低成本的计算机辅助方法识别抗癌肽，以推动抗癌药物研发	抗癌肽序列	机器学习	癌症	NA	胶囊神经网络	肽序列数据	ACP240和ACP740两个测试集	NA	CapsNet	准确率, AUC	NA
223	2026-06-09	AI-enhanced Centiloid quantification of amyloid PET images 2026-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.71162 PMID:41670187	研究论文	提出DeepSUVR深度学习方法，通过惩罚不合理的纵向轨迹来校正淀粉样蛋白PET图像的Centiloid量化，提高跨示踪剂和跨研究的一致性	创新性地利用惩罚生物学上不合理纵向轨迹的训练策略，使模型无需纵向数据即可学习标准化摄取值比校正因子，显著提升Centiloid量化的跨示踪剂一致性和纵向稳定性	未提及具体局限性	提高淀粉样蛋白PET图像Centiloid量化的准确性和一致性，增强认知评估、视觉读片和神经病理学的关联性	淀粉样蛋白PET扫描图像及其Centiloid量化值	计算机视觉	阿尔茨海默病	淀粉样蛋白PET成像	深度学习模型	图像	训练集：2,129名参与者（7,149次Aβ PET扫描）；验证集：10,543名参与者（15,807次Aβ PET扫描）	NA	DeepSUVR	相关性、变异性、认知关联度、视觉读片一致性、神经病理学关联性、纵向一致性、效应量	NA
224	2026-06-09	How does a deep neural network look at lexical stress in English words? 2026-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042429 PMID:41670352	研究论文	本研究探讨深度神经网络如何从英语双音节词的频谱表示中预测词汇重音位置，并利用层级相关传播技术解释模型决策	首次将层级相关传播用于分析神经网络对英语词汇重音的感知机制，并提出了特征特定相关性分析方法，揭示了模型依赖于自然语音中分布式的重音线索	研究仅关注双音节词，未涉及多音节词或更复杂的重音模式；数据集缺乏最小重音对可能导致模型偏向特定特征	解释深度神经网络在预测英语词汇重音时的决策依据，探索其能否捕捉自然语音中的分布式重音线索	英语双音节词的重音位置预测，包括无最小重音对词和最小重音对词	自然语言处理	NA	频谱分析	卷积神经网络（CNN）	语音频谱图	从朗读和自发言语中自动构建的英语双音节词数据集，具体数量未明确说明	NA	多种卷积神经网络架构	准确率	NA
225	2026-06-09	The Transformative Impact of Deep Learning and Artificial Intelligence on Parasitic Disease Diagnosis 2026-Feb-01, Clinical laboratory IF:0.7Q4 DOI:10.7754/Clin.Lab.2025.250543 PMID:41670505	评论	本文综述了深度学习与人工智能在寄生虫病诊断中的应用，重点讨论了卷积神经网络和机器学习在检测疟疾、利什曼病和血吸虫病中的潜力与挑战	系统分析了AI与便携式诊断设备结合在资源受限地区的应用前景，指出了数据异质性和算法偏差对诊断公平性的影响	缺乏具体的实验验证和量化性能对比，讨论基于现有文献而非新数据	评估深度学习与人工智能在寄生虫病诊断中的变革性影响及实施挑战	疟疾、利什曼病和血吸虫病的诊断方法	机器学习	寄生虫病	NA	卷积神经网络、机器学习	临床样本、影像数据、流行病学数据	NA	NA	卷积神经网络	敏感性、特异性	NA
226	2026-06-09	[Research on a Deep Learning-Based Model for Predicting Malignancy Risk of Pan-Endocrine System across Thyroid and Breast Nodules] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250417 PMID:41672617	研究论文	基于多任务深度学习构建跨器官AI模型，统一预测甲状腺和乳腺结节的恶性风险	首次提出基于Transformer架构的跨器官多任务深度学习模型，通过特征共享层与器官特定层结合的设计，实现甲状腺和乳腺结节恶性风险的统一预测，优于单器官模型并具备泛化能力	未明确提及，但根据摘要可能受限于回顾性数据源和有限的器官类型（仅甲状腺和乳腺）	构建跨器官的深度学习模型，实现甲状腺和乳腺结节恶性风险的统一预测	甲状腺结节和乳腺结节的临床数据，包括影像及诊断特征	机器学习	甲状腺结节、乳腺结节	NA	Transformer	临床数据（包含影像特征和诊断标签）	甲状腺结节2386例，乳腺结节2753例，内部训练；独立外部验证集835例	NA	Transformer	AUC、敏感性、特异性	NA
227	2026-06-09	[Advances in Application of Artificial Intelligence for Breast Cancer Radiotherapy] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250421 PMID:41672615	综述	系统回顾人工智能在乳腺癌放射治疗中的应用进展，涵盖医学图像处理与自动化放疗计划等关键领域	以深度学习技术为核心切入点，系统梳理AI在乳腺癌放疗全流程中的应用现状与技术挑战	未涉及具体算法性能比较或临床验证数据，缺乏对模型泛化能力的深入分析	为推动AI与乳腺癌放疗的深度融合提供系统性技术参考	乳腺癌放疗技术及AI应用方案	机器学习	乳腺癌	深度学习	NA	医学图像	NA	NA	NA	NA	NA
228	2026-06-09	[Deep Learning-Based Automated Segmentation Algorithms of Brain and Vertebral Substructures for Radiotherapy in Pediatric Medulloblastoma] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250219 PMID:41672616	研究论文	评估深度学习自动分割算法在儿童髓母细胞瘤放疗中脑部和脊椎子结构分割的可行性	提出FuseNet模型，通过动态多模态特征融合提升脑部子结构分割精度，并与nnU-Net和U-Net进行对比验证	样本量有限（60例），且未涵盖所有年龄亚组和不同影像设备的数据	评估nnU-Net和FuseNet在儿童髓母细胞瘤放疗中自动分割脑部和脊椎子结构的应用可行性	60例接受放疗的儿童髓母细胞瘤患者	计算机视觉	儿童髓母细胞瘤	CT-MRI融合影像，CT影像	CNN	影像	60例儿童患者（按5岁年龄分组：≤5岁和>5岁），20例外部病例用于泛化验证	PyTorch	U-Net, nnU-Net, FuseNet	Dice相似系数（DSC）, Hausdorff距离95%（HD95）, 相对体积差异（RAVD）, 手动校正时间	NA
229	2026-06-09	A survey of contrastive learning methods in molecular representation 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf731 PMID:41671347	综述	对分子表示中的对比学习方法进行全面综述	首次系统综述对比学习在分子表示中的应用	未深入探讨具体算法实现细节	总结对比学习在分子表示中的研究现状与未来方向	分子表示方法与对比学习框架	机器学习	不适用	不适用	对比学习	分子数据	不适用	不适用	不适用	不适用	不适用
230	2026-06-09	AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338799 PMID:41671210	研究论文	提出一种混合深度学习框架，用于检测短视频平台上的网络霸凌行为	首次集成CNN、BiLSTM和Transformer编码器，结合语义一致性验证层，实现跨模态对齐和分类优化	仅在CAVD和SocialVidMix两个公开数据集上测试，未在真实平台大规模部署验证	开发可实时部署的自动内容审核系统，用于检测短视频中的网络霸凌	Instagram Reels、TikTok和YouTube Shorts上的短视频中的视频、音频和字幕流	计算机视觉, 自然语言处理, 机器学习	NA	深度学习	CNN, BiLSTM, Transformer	视频, 音频, 文本	两个基准数据集: CAVD和SocialVidMix	PyTorch	CNN, BiLSTM, Transformer	准确率, 精确率, 召回率, F1分数	NA
231	2026-06-09	Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342349 PMID:41671245	研究论文	开发并验证一种深度学习模型（C2-Net），用于术前快速准确评估C2椎弓根螺钉置入可行性	提出C2-Net自动深度学习管道，集成了图像分割和螺钉置入概率评估模块，生成了注意力图以可视化决策过程，且性能与资深外科医生相当	当前研究中未明确提及局限性	开发并评估深度学习模型用于C2椎弓根螺钉置入的术前评估	C2椎弓根螺钉置入患者	计算机视觉	脊柱疾病	CT成像	CNN	CT图像	未明确提及样本量	PyTorch	C2-Net	准确率、灵敏度、特异度	NA
232	2026-06-09	A unified vision-language model for cross-product defect detection in glove manufacturing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339867 PMID:41671274	研究论文	提出一种统一的视觉语言模型用于手套制造中的跨产品缺陷检测	采用两阶段微调策略（监督微调与强化微调）和基于多面可验证奖励函数的视觉推理优化，实现单一模型动态处理多种产品和缺陷类型	在真实手套制造数据集上mAP为0.63，与专用YOLO基线（0.62）相当但未大幅超越，且依赖自然语言提示的泛化能力有限	验证使用单一灵活的多模态大语言模型替代多个刚性模型在复杂工业检测中的可行性，实现可扩展且经济的质量控制	手套制造过程中的缺陷检测	计算机视觉	NA	多模态大语言模型	MLLM	图像	含混合产品类别的真实手套制造数据集	PyTorch	MLLM	平均精确率	NA
233	2026-06-09	DeepDiff-SHAP: Interpretable deep learning for subgroup-specific causal hypothesis generation using conditional SHAP 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0052 PMID:41758180	研究论文	提出DeepDiff-SHAP框架，结合回归与深度学习进行差异化因果推断，识别患者亚组间的因果变化	首次将条件SHAP与深度学习结合，实现可解释的亚组特异性因果假设生成，解决传统因果推断忽略群体异质性的问题	仅应用于两个数据集（CDC糖尿病健康指标和UK Biobank败血症队列），需进一步验证普适性；未明确讨论非线性和高维数据中的计算效率	开发可解释的深度学习方法，从复杂生物医学数据中识别亚组特异性因果路径，推进精准医学	两个群体规模数据集：CDC糖尿病健康指标数据集和UK Biobank败血症队列（按高血压状态分层）	机器学习	糖尿病，败血症，高血压	条件SHAP，回归，深度学习	深度学习模型（具体未提及）	表格数据（临床指标：年龄、总体健康、碱性磷酸酶、胆固醇等）	CDC糖尿病健康指标数据集（未明确样本量），UK Biobank败血症队列（高血压状态分层，未明确样本量）	NA	NA	NA	NA
234	2026-06-09	Research on anomaly detection and operational status evaluation methods for smart electricity meters based on hybrid deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350561 PMID:42234697	research paper	提出一种基于特征图像组合和改进ResNet-18的电力质量扰动识别方法	采用特征融合思路，将变分模态分解生成的彩色特征-分量图像与连续小波变换生成的时频图结合，输入六通道改进ResNet-18进行训练，提升抗噪性和识别精度	仅针对单一图像特征信息不足的问题，未讨论多类型扰动信号实时处理或计算开销等局限性	克服传统电能质量扰动识别系统对单图像特征信息识别能力不足的问题	电力质量扰动信号	计算机视觉	NA	变分模态分解（VMD）、连续小波变换（CWT）	卷积神经网络	图像（彩色特征-分量图像和时频图）	NA	NA	ResNet-18（六通道改进型）	识别准确率	NA
235	2026-06-09	Integrating deep learning, biological hierarchies, and high-resolution imagery to create a new identification tool for cryptic coral reef fishes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349646 PMID:42241402	研究论文	开发了一种名为CryptoVision的新型分类感知卷积神经网络，结合高分辨率图像对隐存的珊瑚礁鱼类进行自动分类和监测	创新性地将生物分类层次结构（科、属、种）及其生物学约束融入深度学习模型，设计了三个输出头的分类感知网络，并提出了四种层次融合策略（标准、拼接、门控、注意力）	未明确提及局限性，但可推断数据集主要覆盖113种小型礁鱼，且依赖专家定义的形态特征进行模型注意力验证，可能对未包含的物种泛化能力有限	开发基于深度学习的自动化分类工具，用于识别和监测隐存的珊瑚礁鱼类，以拓宽生态监测和生物多样性科学的参与度	隐存的小型底栖珊瑚礁鱼类（cryptobenthic fishes），涉及113个物种	计算机视觉	NA	NA	卷积神经网络（CNN）	图像	约7,600张实验室标准图像和约18,800张网络来源图像	TensorFlow或PyTorch（未明确指定，但为深度学习常用框架）	ResNet50v2（增强版），集成Squeeze-and-Excitation模块	平均精确率（Average Precision, 90.5%）、期望校准误差（Expected Calibration Error, ≈0.01）	NA（未提及具体计算资源）
236	2026-06-09	KG-HiAttention: synergizing AI-based knowledge graphs and deep learning for explainable software vulnerability analysis 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1794125 PMID:42253291	研究论文	提出KG-HiAttention框架，结合知识图谱和深度学习进行可解释的软件漏洞分析	首次将符号化知识图谱与亚符号深度学习协同融合，构建基于CPG的轻量级程序图，并通过图注意力网络与预训练语言模型的多模态融合实现可解释性	未提及具体限制	解决深度学习模型在软件漏洞分析中缺乏透明性和语义结构利用的问题	软件函数中的漏洞分析	机器学习	NA	NA	图注意力网络、预训练CodeT5编码器	程序图结构和语义嵌入	BigVul数据集（具体样本数未提及）	PyTorch	GAT, CodeT5	AUC-ROC, 特异性	NA
237	2026-06-09	Multi-attribute prediction of protein composition and hardness using semantic segmentation for 3D-Printed plant-based meat analogues 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101458 PMID:42253341	研究论文	该研究开发了一种基于语义分割的多属性深度学习框架，用于从RGB表面图像中非破坏性预测3D打印植物基肉类似物的蛋白质组成和硬度	首次结合语义分割与多输出预测模型，实现从RGB图像同时预测3D打印食品的成分和质构属性，提供低成本、非破坏性的质量监控方法	未提及局限	开发一种用于3D食品打印过程中非破坏性、实时质量评估的深度学习框架	3D打印植物基肉类似物的蛋白质成分（小麦面筋、大豆分离蛋白、大米蛋白）和硬度	计算机视觉, 机器学习	NA	3D食品打印	DeepLabv3+, EfficientNet, 双向长短期记忆网络	图像	未明确提及样本数量，但使用五折交叉验证	PyTorch	DeepLabv3+ (ResNet-50骨干网络), EfficientNet-双向长短期记忆网络	平均交并比, 平均准确率, R值, 均方根误差	NA
238	2026-06-09	Green toxicology only becomes beautiful through AI 2026, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2026.1801623 PMID:42253404	综述	探讨人工智能如何将绿色毒理学从理念转化为实用框架，推动化学创新向可持续方向发展	提出人工智能与绿色毒理学整合的实践框架，利用深度学习、自然语言处理和可解释人工智能解决传统绿色毒理学中数据碎片化和验证障碍等瓶颈	未讨论具体验证案例和实施挑战，缺乏对数据隐私和算法偏见的深入分析	阐明人工智能在提升绿色毒理学预测能力、实现概率风险评估和促进可持续化学设计中的关键作用	绿色毒理学概念体系及其与人工智能技术的融合应用	机器学习	NA	NA	深度学习模型	文本和毒理学数据集	NA	NA	NA	预测准确性	NA
239	2026-06-09	Ensemble Learning to Categorize the Bethesda System of Reporting of Cervical Cytology 2026 Jan-Mar, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_130_25 PMID:42253708	研究论文	通过软投票集成深度学习模型，对宫颈细胞学涂片进行Bethesda系统分类	首次采用包含五种迁移学习架构的软投票集成模型对宫颈细胞学进行分类	中间类别病变（低度鳞状上皮内病变）的敏感性较低，数据集规模有限且未使用全切片图像分析	评估软投票集成深度学习模型在Bethesda系统下分类宫颈细胞学涂片的性能	宫颈细胞学涂片样本	计算机视觉	宫颈癌	NA	集成学习	图像	259例病例，1016张显微照片	NA	VGG16, ResNet50, InceptionV3, DenseNet121, MobileNetV2	敏感性, 特异性, 准确率, AUROC	NA
240	2026-06-09	Deep Learning in Cytopathology: The Potential for Multimodal Synergy of Clinical and Cytological Input Data 2026 Jan-Mar, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_14_25 PMID:42253703	综述	本文探讨了深度学习在细胞病理学中的应用潜力，特别是临床与细胞学输入数据的多模态协同作用	强调了多模态数据集成在细胞病理学中的重要性，以克服仅依赖图像数据时的性能瓶颈和潜在诊断风险	未提及具体实验验证或定量比较，主要基于定性评论	综述多模态深度学习在细胞病理学中的当前状态和潜在数据来源	细胞病理学中的多模态输入数据，包括人口统计学、临床调查、放射学、细胞学标本的染色准备、免疫细胞化学和分子检测	数字病理学	NA	NA	深度学习	图像、文本	NA	NA	NA	NA	NA