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
261	2026-06-02	Artificial Intelligence in Clinical Decision-Making: Current Applications, Challenges, and Future Directions in Modern Healthcare 2026-Apr, Cureus DOI:10.7759/cureus.107847 PMID:42220854	综述	综述人工智能在临床决策中的应用、挑战与未来方向	全面分析了AI在医疗影像、电子健康记录分析、精准医学、风险分层、手术支持和药物发现等多个关键领域的应用，并深入探讨了算法偏见、数据隐私、可解释性等实施障碍及伦理法律问题	作为叙述性综述，未进行系统性文献检索或定量分析，且依赖现有文献可能产生选择性偏差	系统总结人工智能在临床决策中的作用、应用现状、挑战及未来发展方向	现代医疗体系中临床决策的AI应用，涵盖诊断、风险预测、治疗规划和操作效率等场景	机器学习、自然语言处理、计算机视觉	NA	NA	机器学习、深度学习	医疗影像、电子健康记录、文本	NA	NA	NA	NA	NA
262	2026-06-02	MFDR-DTI: Multisource Feature Decoupling and Dual-Level Reorganization Fusion for Accurate Drug-Target Interaction Prediction 2026-Mar-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c13460 PMID:41939349	研究论文	提出MFDR-DTI框架，通过多源特征解耦表示和双级动态重组融合机制预测药物-靶标相互作用	创新性地将特征解耦为拓扑结构、物理化学性质和上下文语义三个正交空间，并通过同质特征集成和共享权重跨性质注意力网络实现双级动态重组融合，同时设计基于梯度统计的自适应协同优化策略以平衡训练中不同特征分支的贡献	未明确说明局限性（摘要中仅提及模型优势，未讨论潜在限制）	提高药物-靶标相互作用预测的准确性和泛化能力	药物与靶标之间的相互作用	机器学习	NA	NA	深度神经网络	生物化学特征数据（来自异构数据源）	多个广泛使用的数据集	NA	NA	准确率、精确率、召回率、F1分数、AUC	NA
263	2026-06-02	Comparative Evaluation of Deep Learning Graph Neural Networks and Classical Machine Learning Models for Predicting Heats of Combustion as a Key Hazard Indicator under GHS/CLP Standards 2026-Mar-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c10417 PMID:41939413	研究论文	系统评估了四种机器学习模型（XGBoost、多层感知器、图卷积网络和神经网络卷积）在预测燃烧热方面的性能，并分析其在GHS/CLP标准下危害分类中的应用	首次在4516种化合物数据集上系统比较描述符基和图基模型对燃烧热的预测性能，并评估其在实际危险分类标准（GHS/CLP）中的分类准确性	未明确提及模型的可迁移性及对数据分布变化的鲁棒性	评估不同机器学习模型预测燃烧热的能力，并探讨其在化学品安全评估中的监管应用价值	4516种化合物	机器学习	NA	NA	XGBoost, 多层感知器, 图卷积网络, 神经网络卷积	分子结构数据	4516种化合物	NA	XGBoost, MLP, GCN, NNConv	决定系数, 测试误差, 训练时间	NA
264	2026-06-02	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-03, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology IF:6.1Q1 DOI:10.1002/uog.70168 PMID:41575808	研究论文	利用深度学习模型从三维超声图像评估早期胎儿生长受限中的胎儿脑成熟延迟	首次使用深度学习模型基于三维超声体积评估早期FGR胎儿的脑成熟度，并探索其与新生儿并发症的关联	单中心前瞻性研究，样本量较小（43例），且仅包括32周前的胎儿，可能限制结果的普适性	量化早期FGR胎儿的脑成熟延迟，并探讨其与围产期并发症的关系	早期FGR胎儿（伴随或不伴随脑保护效应）的三维超声脑部图像	计算机视觉	胎儿生长受限	三维超声	深度学习模型（未指定具体类型，基于卷积神经网络）	三维超声图像	43例早发型FGR胎儿三维超声扫描（13例有脑保护效应）	NA	NA	估计胎龄与实际胎龄的差异（ΔGA，天）	NA
265	2026-06-02	Deep learning-driven protein binder design for crop improvement 2026-Mar, aBIOTECH IF:4.6Q1 DOI:10.1016/j.abiote.2025.100018 PMID:41940160	综述	探讨深度学习驱动的蛋白质结合体设计在作物改良中的应用潜力，并概述从目标选择到实验验证的完整流程	首次系统总结深度学习工具（如BindCraft、AlphaFold、RoseTTAFold等）在植物蛋白质结合体设计中的端到端流程，并将设计选择与农业实际测试联系起来	亲和力预测存在不确定性，许多植物蛋白的结构信息有限，从早期成功案例到稳健农业应用仍需大量工作	探索深度学习驱动的蛋白质结合体设计在作物改良中的潜力，提供从目标选择到实验测试的实践指南	植物蛋白质结合体及其与靶标的相互作用，涉及抗病性、逆境耐受性和发育相关的关键通路	机器学习	NA	深度学习（蛋白结合体设计）	ProteinMPNN、RFdiffusion	蛋白质结构数据	NA	NA	AlphaFold、RoseTTAFold、BindCraft	界面质量和稳定性指标	NA
266	2026-06-02	Novel discovery framework: harnessing adaptive learning for breakthroughs in drug development and clinical applications 2026-01-16, Integrative biology : quantitative biosciences from nano to macro IF:1.5Q4 DOI:10.1093/intbio/zyaf024 PMID:41665938	综述	本文提出了一种名为自适应学习的新型深度学习框架，旨在通过动态自组织模型推动药物开发和临床应用中的突破	首次从转化医学视角系统梳理了动态分析架构的演进，提出了自适应学习概念，整合了液态神经网络、图注意力算法、数字孪生等前沿技术	当前讨论多聚焦静态深度学习架构，缺乏对深度学习方法在转化医学中局限性的系统性认识	提出并定义自适应学习框架，以解决药物研发中的高损耗率和临床患者分层与疗法匹配不足等挑战	药物研发和临床应用中的深度学习算法与分析方法	机器学习	NA	NA	液态神经网络、图注意力算法、数字孪生	动态时间序列数据	NA	NA	液态神经网络、图注意力机制	NA	NA
267	2026-06-02	Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation 2026, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2463430 PMID:39945579	综述	综述化学计量学在食品微生物组学数据分析中的潜力、挑战与未来方向	系统总结了化学计量学在食品微生物组学研究中的应用现状及未来与深度学习结合的迫切需求	化学计量学工具特性各异，选择合适技术并实现多组学数据融合分析仍面临巨大挑战	探讨化学计量学在食品微生物组学数据分析中的应用原理、挑战及前景	食品微生物组及其多组学数据	机器学习	NA	组学技术	深度学习	多组学数据	NA	NA	NA	预测准确性	NA
268	2026-06-02	Multicenter Validation of Video-based Deep Learning to Evaluate Defecation Patterns on 3-dimensional High-definition Anorectal Manometry 2026-Jan, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2025.06.038 PMID:40706732	研究论文	在多个医疗中心验证基于视频的深度学习算法，通过三维高分辨率肛门直肠测压评估排便模式	使用视频深度学习进行时空分析以识别排便协同失调，并发现两种新的排便协同失调亚型	NA	验证基于视频的深度学习算法在三维高分辨率肛门直肠测压中的多中心有效性	2018年至2022年间三个大型医疗系统的1214例连续肛门直肠测压研究	计算机视觉, 机器学习	消化道动力疾病	三维高分辨率肛门直肠测压	深度学习模型	视频数据	1214例肛门直肠测压研究	NA	NA	曲线下面积（AUC）	NA
269	2026-06-02	Development and validation of clinico-imaging machine learning and deep learning models to predict responses to initial antiseizure medications in epilepsy 2026-01, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18668 PMID:41133949	研究论文	利用临床和脑部MRI数据开发并验证人工智能模型，用于预测癫痫患者对初始抗癫痫药物的反应	融合3D视频ResNet、变换器编码器和双线性神经网络的多模态深度学习模型，综合多序列MRI、药物方案和临床特征，优于其他模型	需要在更大队列中进一步验证	开发并验证能预测癫痫患者对前两种抗癫痫药物反应的人工智能模型	新确诊的癫痫患者	机器学习	癫痫	脑部多模态MRI	深度学习、机器学习	图像、文本	开发队列154人，验证队列301人	PyTorch	3D视频ResNet、变换器编码器、双线性神经网络	F1分数	NA
270	2026-06-02	A review of remote sensing-based crop yield estimation: machine learning techniques and environmental, algorithmic, and hardware limitations 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1742689 PMID:41937763	综述	系统梳理了基于遥感技术的作物产量估算方法，重点关注机器学习技术及相关环境、算法与硬件限制	提出了四类遥感方法的系统性分类框架，并首次从环境、算法、硬件与无线传感器网络四个维度总结局限性	未涵盖不同作物类型的具体条件差异，对深度学习架构的可解释性讨论不足	综述遥感技术在作物产量估算中的应用及其发展挑战，为研究者提供指导	各类作物与植物的产量估算方法及机器学习模型	自然语言处理	NA	遥感	深度学习	遥感图像	NA	NA	NA	准确率、精确率、召回率、F1分数	NA
271	2026-06-02	Artificial Intelligence for Cardiovascular Risk Prediction: An Umbrella Review of Applications and Translational Challenges 2026, Vascular health and risk management IF:2.6Q2 DOI:10.2147/VHRM.S590502 PMID:41939694	综述	一篇伞状综述，评估人工智能在心血管风险预测中的应用、性能及转化挑战	通过伞状综述框架系统整合了人工智能模型的预测性能证据，并重点分析了从研究到临床转化的障碍	主要依赖内部验证，校准报告不一致，算法公平性评估有限，外部验证不足	评估人工智能模型用于心血管风险预测的应用、预测性能及转化局限性	心血管疾病风险预测	机器学习	心血管疾病	NA	机器学习、深度学习	图像、临床数据	48项研究（8项随机对照试验、28项队列研究、12项系统评价或荟萃分析）	NA	NA	AUC	NA
272	2026-06-02	Radiomics-integrated machine learning framework for quantitative breast cancer diagnosis 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1752413 PMID:41940107	研究论文	提出了一种结合深度学习、放射组学和机器学习的自动化流程，用于乳腺肿瘤的分割和分类	将放射组学特征与UNet分割模型及机器学习分类算法整合到统一自动化流水线中，实现从超声图像输入到肿瘤良恶性判别的端到端定量分析	未提及模型在外部数据集上的泛化验证，也未讨论计算资源消耗及实时性表现	开发自动化乳腺肿瘤分割与分类系统以辅助早期诊断	乳腺超声图像中的肿瘤区域	医学影像分析	乳腺癌	超声成像、放射组学	CNN、机器学习模型（未指定具体分类器）	图像（超声）	BUSI数据集（未说明具体样本数量）	NA	UNet	平均交并比（mIoU）、准确率	NA
273	2026-06-02	Deep learning-based assessment of coronary artery disease using curved-multiplanar reconstruction: comprehensive evaluation of stenosis, calcification, and plaque 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1602119 PMID:41940098	研究论文	开发并验证了一种基于深度学习的框架在弯曲面重建影像中检测和量化冠状动脉狭窄、易损斑块和钙化	首次在弯曲面重建影像上使用2D nnU-Net框架同时实现狭窄和易损斑块的自动分割与量化，并在时间独立测试集中验证了高阴性预测价值	未提及模型的外部验证或在不同影像设备上的泛化性，且仅针对弯曲面重建影像单一模态	支持临床决策中对冠状动脉疾病的非侵入性筛查与标准化评估	冠状动脉的弯曲面重建影像中的血管狭窄、易损斑块和钙化区域	计算机视觉, 数字病理学	冠状动脉疾病	弯曲面重建影像	2D nnU-Net	影像（弯曲面重建切片）	训练集1,715名患者（5,112条血管），时间独立测试集824名患者（2,437条血管）	PyTorch	nnU-Net	Dice相似系数, 阳性预测值, 阴性预测值, 平均绝对误差, Bland-Altman分析, 组内相关系数, Kappa系数	NA
274	2026-06-02	Transformers meet CNNs for insights into breast mass classification from histopathological images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1770667 PMID:41940102	研究论文	利用深度学习对组织病理学图像中的乳腺肿瘤进行良恶性分类	比较了Swin Transformer V2和ConvNeXt V2两种视觉模型在乳腺组织病理学图像分类中的性能，发现Swin Transformer V2在捕捉细微形态和上下文变化方面具有优势	未明确提及	评估基于深度学习的视觉模型在乳腺组织病理学图像良恶性分类中的效果	乳腺组织病理学图像中的良性和恶性病变	数字病理学	乳腺癌	组织病理学成像	CNN, Transformer	图像	10000张高分辨率组织病理学图像	NA	Swin Transformer V2, ConvNeXt V2	准确率	NA
275	2026-06-02	Deep learning-based frame synthesis enables radiation dose reduction in digital subtraction angiography imaging: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1793962 PMID:42221093	研究论文	提出SAVE-Net深度学习模型，通过帧合成技术将DSA成像辐射剂量降至标准剂量的1/7，并经多中心验证保持临床诊断质量	首次将深度学习与光流估计结合用于DSA序列中间帧合成，实现仅需1/7标准辐射剂量即可生成临床可诊断的图像序列	未明确指出局限性（文中未提供）	降低数字减影血管造影（DSA）成像中的辐射剂量，同时保持临床诊断质量	脑血管疾病患者的DSA图像序列	计算机视觉, 深度学习	脑血管疾病	数字减影血管造影（DSA）	SAVE-Net（深度学习模型）	DSA图像序列	训练与内部验证：17,335条DSA序列（来自一家医院）；外部验证：3,255条DSA序列（来自两家其他医院）	NA	SAVE-Net（集成光流估计与深度学习的帧合成网络）	结构相似性指数（SSIM）、峰值信噪比（PSNR）、生成时间（秒/帧）、视觉图灵测试、质量评分	NA
276	2026-06-02	Voice features and deep learning models for identifying acute decompensated heart failure 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261452881 PMID:42221508	研究论文	评估语音特征与深度学习模型在识别急性失代偿性心力衰竭中的应用	首次探索语音作为非侵入性生物标志物用于急性失代偿性心力衰竭的检测，并利用深度学习模型分析语音特征区分失代偿与恢复状态	样本量较小（100例患者），测试组仅12例，可能影响模型泛化性；排除多种合并症患者，适用人群有限	评估语音特征能否作为非侵入性生物标志物用于早期检测急性失代偿性心力衰竭	因急性失代偿性心力衰竭住院的患者	机器学习	心血管疾病	NA	深度学习模型（ConvNeXt-large）	音频数据	100名患者，训练组88名，测试组12名	PyTorch	ConvNeXt-large	曲线下面积	NA
277	2026-06-02	Attention maps reveal stimulus-dependent retinal population codes 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1769478 PMID:42221576	研究论文	基于可扩展Transformer架构POYO解码大规模视网膜神经节细胞记录，并通过注意力机制揭示刺激依赖的群体编码	首次证明通用注意力机制无需监督即可自发恢复生物编码策略，识别功能不同的神经亚群	NA	探究深度学习模型的注意力机制能否提供具有生物学意义的洞察，验证Transformer架构在神经科学发现中的效用	大规模视网膜神经节细胞记录和两种对比刺激（均匀闪光和运动球）	机器学习	NA	大规模电生理记录	Transformer	神经电生理数据	NA	POYO	Transformer	解码性能	NA
278	2026-06-02	Improved FTIR-based classification for food authentication using a topological ensemble framework 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101441 PMID:42221873	研究论文	提出了一种结合滑动窗口嵌入与拓扑数据分析的集成框架，用于改善基于FTIR光谱的食品真实性分类	首次将拓扑数据分析与滑动窗口嵌入集成到食品真实性分类中，利用多尺度拓扑描述符增强光谱变异性解释能力，并以透明基学习器结合装袋集成学习提升非线性光谱数据分类的鲁棒性和可解释性	方法仅在UCR时间序列分类存档中的六个食品FTIR标准数据集上验证，未涉及真实世界中不同采集条件下的测量特异性效应评估	开发一种能够应对FTIR光谱基线漂移、散射效应和重叠吸收带的可靠分类方法，提升食品真实性鉴别的准确性、鲁棒性和可解释性	六种食品相关FTIR光谱数据集（来自UCR时间序列分类存档）	机器学习, 数字光谱分析	NA	FTIR光谱, 滑动窗口嵌入, 拓扑数据分析	装袋集成学习, 基学习器（透明模型）	光谱数据, 时间序列数据	六个UCR标准数据集，每个数据集具有固定训练-测试划分，具体数量未在摘要中说明	NA	滑动窗口嵌入, 拓扑数据分析, 装袋集成学习	分类精度, Macro-F1	NA
279	2026-06-02	Application of AIIR algorithm for quality improvement and noise reduction in pediatric abdominal contrast-enhanced CT 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1803622 PMID:42222137	研究论文	评估深度学习全模型迭代算法（AIIR）在儿童腹部增强CT中降低辐射剂量并提升图像质量的应用价值	首次将AIIR算法应用于儿童腹部增强CT，在80kVp低剂量条件下实现比传统混合迭代重建（HIR）更优的图像质量，辐射剂量降低23.61%	未明确提及研究局限性，可能包括样本量较小（100例）且为回顾性设计，以及未评估算法对诊断准确性的影响	评估深度学习全模型迭代算法在儿童腹部增强CT中降低辐射剂量并改善图像质量的可行性和价值	100例因临床指征接受腹部增强CT扫描的儿童患者	数字病理学	不适用	CT扫描	深度学习全模型迭代算法（AIIR）	图像	100例儿童患者，分为常规组（50例，100kVp）和实验组（50例，80kVp）	不适用	AIIR	主观图像质量评分（五点量表）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量指标（CTDIvol、DLP、ED）	不适用
280	2026-06-02	Hybrid handcrafted and deep feature fusion for automated acute myeloid leukemia classification using TCMA-Net on a class-balanced dataset 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774702 PMID:42222381	研究论文	提出一种基于手工特征与深度特征融合的急性髓系白血病自动分类框架，在类别平衡数据集上达到99.20%的测试准确率	融合DenseNet201和MobileNetV2提取的深度特征与手工特征形成混合描述符网络HADNet，结合基于Transformer的三块卷积多头注意力网络TCMA-Net分类器，同时提出合成采集伪影增强策略以缓解类别不平衡	仅基于LMU数据集进行主要实验，外部验证仅采用ALL数据集，未在更多临床场景或不同染色条件下验证泛化性	开发一种鲁棒且高性能的急性髓系白血病自动化分类框架，解决现有方法中类别不平衡和特征表示不足的问题	急性髓系白血病的细胞形态学图像	数字病理学	急性髓系白血病	NA	混合模型（手工特征与深度学习结合）	图像	使用LMU数据集，具体数量未说明；外部验证使用ALL数据集	TensorFlow、PyTorch	DenseNet201、MobileNetV2、HADNet、TCMA-Net	准确率	NA