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
281	2026-06-16	Generative machine learning for multivariate angular simulation 2026, Extremes IF:1.1Q3 DOI:10.1007/s10687-025-00522-7 PMID:42293257	研究论文	引入多种生成式深度学习方法用于多元角度模拟，并评估其在复杂数据上的表现	首次将生成对抗网络、归一化流和流匹配等生成式深度学习技术系统应用于多元角度模拟任务，相较于经典有限混合vMF模型提供了更高灵活性和可扩展性	在维度极高或混合成分数量显著增长时，固定成分的混合模型可能仍无法捕捉数据中的精细特征	探索生成式深度学习在多元角度变量模拟中的适用性，并与经典方法进行对比	多元角度变量（如气象海洋数据中的角度分布）	机器学习	NA	NA	生成对抗网络、归一化流、流匹配	模拟数据及气象海洋观测数据	NA	NA	生成对抗网络、归一化流、流匹配	多种评估指标（原文未明确具体指标名称）	NA
282	2026-06-16	Multimodal Fusion of Structural and Diffusion MRI for Intelligence Prediction 2026, Proceedings. IEEE Southwest Symposium on Image Analysis and Interpretation DOI:10.1109/ssiai68148.2026.11553807 PMID:42293571	研究论文	提出一种基于深度学习的多模态融合框架，利用结构MRI和扩散MRI预测儿童认知结果	综合比较三种融合策略（简单拼接、多头注意力、Transformer编码器）并采用引导Grad-CAM提供可解释性	仅使用灰质密度和白质各向异性分数两种模态，预测相关性较低（0.44）	开发多模态神经影像融合框架预测儿童智力表现	来自ABCD研究的儿童	机器学习	NA	结构MRI, 扩散MRI	CNN	神经影像（MRI）	ABCD数据集（具体数量未提及）	PyTorch	CNN, 多头注意力, Transformer编码器	相关性（test correlation）	NA
283	2026-06-16	Research integrity and data ethics in AI-driven integrated healthcare: a critical appraisal 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1838551 PMID:42293622	综述	对人工智能驱动的整合医疗中研究诚信与数据伦理问题进行批判性审视	提出综合治理模型，将技术验证与伦理监督相结合，强调前瞻性临床试验、多元利益相关者参与及适应性监管路径	未提供实证数据或具体案例验证所提模型的可行性	评估人工智能在整合医疗中引发的科学严谨性与伦理责任问题，并提出治理建议	2019至2025年间同行评审文献中关于算法透明度、模型验证与可重复性、偏差检测、隐私保护、知情同意范式及治理框架的研究	机器学习	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
284	2026-06-16	DFU-GCNet: a global context-enhanced inception network for robust and interpretable diabetic foot ulcer classification 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1811311 PMID:42294045	研究论文	提出DFU-GCNet，结合Inception模块和全局上下文块，用于糖尿病足溃疡的稳健可解释分类	创新性地融合Inception模块与全局上下文块，提取多尺度特征并建模全局空间依赖，同时集成GradCAM++、LIME和SHAP等可解释性技术提高临床透明度	未提及	开发稳健且可解释的糖尿病足溃疡自动分类方法	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	NA	CNN	图像	Kaggle DFU数据集（具体数量未提及）	NA	Inception, Global Context Block, GradCAM++, LIME, SHAP	准确率, F1分数, 马修斯相关系数	NA
285	2026-06-16	Speech impairment detection in children using time frequency features of speech and deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1766439 PMID:42294104	研究论文	提出一种基于语音时间频率特征和深度学习的儿童语音障碍检测方法	首次将DWT特征与GRU-CNN模型结合用于语音障碍检测，并达到99.67%的最高准确率；所有语音信号（包括元音、辅音和不同音节）合并输入单一模块，而非现有方法的每个语音类型单独模块	未提及	开发一种高效、准确的儿童语音障碍自动检测方法，以支持早期治疗	儿童语音信号（包括元音、辅音和不同音节）	机器学习	儿童语音障碍	语音信号处理	浅层学习（MLP、SVM）、浅层集成学习（GBoost、XGBoost、CatBoost、LightGBM、Stacking）、深度学习（ConvLSTMs、BiLSTMs、CNN-LSTM、GRU-CNN）	语音信号	NA	Scikit-learn, PyTorch	GRU-CNN	准确率	NA
286	2026-06-16	TNM staging of esophageal cancer using fine-tuned pathology foundation models and multiple instance learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1832365 PMID:42294306	研究论文	提出一种结合微调病理基础模型和多实例学习的深度学习新方法，用于从全切片图像自动进行食管癌TNM分期	创新性地将微调后的病理基础模型集成到多实例学习框架中，引入特征注意力机制和自适应多尺度特征融合层，并设计类加权交叉熵损失函数处理分期不平衡问题	未明确提及局限性	开发基于全切片的深度学习工具，提高食管癌TNM分期的准确性和效率	食管癌患者的全切片组织病理图像	数字病理学	食管癌	全切片成像	深度学习模型	图像	TCGA-ESCA数据集	NA	病理基础模型	准确率, 宏F1分数, AUC	NA
287	2026-06-16	HPV genotype-specific p16/Ki67 expression with machine learning-assisted assessment in cervical neoplasia 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1819567 PMID:42294317	研究论文	基于机器学习的p16/Ki67表达HPV基因型特异性评估在宫颈病变中的应用	结合深度学习辅助分析，首次系统描述不同HPV基因型背景下p16/Ki67双免疫表达的差异，并评估基于ResNet50的计算流水线的可行性	受限于有限测试集规模和单中心设计，性能指标应视为初步结果，外部多中心验证前不宜考虑临床应用	阐明不同HPV基因型对p16/Ki67免疫表达的影响，并探索深度学习辅助评分方法的可行性	100名HPV阳性女性的宫颈上皮细胞，按HPV16单感染、非16型高危单感染和多基因型混合感染分为三组	机器学习和数字病理	宫颈病变	p16/Ki67免疫组化	ResNet50	全切片图像	100名HPV阳性女性（训练集75份，独立测试集25份）	PyTorch	ResNet50	准确率、AUC-ROC	NA
288	2026-06-16	Emerging applications of artificial intelligence for risk stratification in head and neck cancer: a scoping review 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1803391 PMID:42294322	综述	系统梳理人工智能在头颈癌风险分层中的新兴应用证据	首次采用范围综述方法系统整合AI在头颈癌风险分层中的多种技术路径（机器学习、深度学习、影像组学）及多模态数据应用	纳入研究存在显著方法学异质性、以回顾性设计为主、缺乏外部验证及临床影响评估不足	识别并描述AI在头颈癌风险分层中的新兴应用科学证据	2015年1月至2026年1月间发表的44项AI应用于头颈癌诊断与预后风险分层的研究	机器学习	头颈癌	影像组学, 机器学习, 深度学习	机器学习模型, 深度学习架构	CT影像, MRI影像, 数字组织病理图像, 结构化临床变量	44项研究	NA	NA	预测性能（中等至高等）	NA
289	2026-06-16	Artificial intelligence in transarterial chemoembolization for hepatocellular carcinoma: from treatment response prediction to refractoriness assessment 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1822689 PMID:42294337	综述	系统回顾人工智能在肝细胞癌经动脉化疗栓塞中的应用，涵盖治疗反应预测、生存预后、难治性预测及分子机制，并批判性评估文献方法学质量	首次系统梳理AI在TACE中的多维度应用（反应预测、生存预后、难治性评估及分子机制），结合PROBAST、IBSI、TRIPOD+AI等框架评估方法学质量，并指出内部与外部验证间的泛化差距	方法学质量参差不齐，多数研究在分析领域存在高或不明确的偏倚风险，IBSI合规特征报告和公共代码发布稀少，外部验证不足，样本量有限，存在地理偏差，标准化程度低，可解释性不足	探讨人工智能在肝细胞癌经动脉化疗栓塞中的应用，从治疗反应预测到难治性评估，并推动从经验驱动向数据驱动的精准治疗转变	接受经动脉化疗栓塞的肝细胞癌患者	机器学习	肝细胞癌	放射组学	CNN, 梯度提升, 支持向量机, 随机森林	临床数据与影像数据	NA	NA	CNN	AUROC	NA
290	2026-06-16	Decoding the cGAS-STING-eosinophils predictive and natural therapeutic molecular signature in burn injury progression and keloid formation: insights from artificial intelligence-driven multiomics 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1846856 PMID:42294436	研究论文	利用人工智能驱动的多组学方法解码cGAS-STING-嗜酸性粒细胞在烧伤进展和瘢痕疙瘩形成中的预测和自然治疗分子特征	首次识别出与cGAS-STING和嗜酸性粒细胞相关的基因特征，用于预测烧伤患者瘢痕疙瘩形成，并发现CCL5作为致病因子和淫羊藿苷的治疗靶点	未明确提及，但可能包括样本量有限和缺乏临床验证	研究cGAS-STING通路在调节嗜酸性粒细胞中在烧伤进展和瘢痕疙瘩形成的作用	烧伤患者和瘢痕疙瘩患者的多组学数据	机器学习	烧伤、瘢痕疙瘩	多组学分析	机器学习模型、深度学习算法	基因表达数据、单细胞数据	NA	NA	NA	NA	NA
291	2026-06-15	Quantification via gaussian latent space representations 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	提出一种基于高斯潜在空间表示的端到端神经网络，用于量化（类别盛行率估计）任务	首次利用高斯分布潜在空间获得样本袋的不变表示，将量化问题作为直接优化问题处理，无需中间分类器	未在论文标题和摘要中明确说明	开发一种基于深度学习的量化方法，直接优化与量化任务相关的损失函数	未知类别分布的样本袋	机器学习	NA	NA	神经网络	NA	NA	PyTorch	高斯混合网络	NA	NA
292	2026-06-15	Training instabilities favor flatter solutions in gradient descent 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108874 PMID:41932126	研究论文	研究表明梯度下降中的训练不稳定性通过旋转Hessian矩阵主特征向量，促使参数收敛到更平坦的损失景观区域，从而提升泛化能力	首次提出基于特征向量旋转极性（RPE）的几何机制，证明训练不稳定性并非有害，而是隐式偏好平坦解并改善泛化，且该框架可扩展至随机梯度下降（SGD）和Adam优化器	NA	研究梯度下降中训练不稳定性对模型泛化性能的影响及其内在机制	深度学习模型的训练过程及损失景观的几何性质	机器学习	NA	NA	NA	NA	NA	NA	NA	泛化性能	NA
293	2026-06-15	Non-invasive differentiation of light chain amyloidosis and multiple myeloma based on Raman spectroscopy analysis using one-dimensional convolutional neural networks 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127591 PMID:41793999	研究论文	利用拉曼光谱和一维卷积神经网络对轻链淀粉样变性和多发性骨髓瘤进行非侵入性区分	首次将拉曼光谱分析与一维卷积神经网络结合，实现对轻链淀粉样变性和多发性骨髓瘤的非侵入性快速鉴别诊断，表现出优于传统机器学习方法的性能	样本量可能有限，且需要进一步验证模型的泛化能力；拉曼光谱技术仍需标准化才能应用于临床	开发一种基于血清拉曼光谱和深度学习的新型非侵入性辅助诊断方法，以区分轻链淀粉样变性和多发性骨髓瘤	轻链淀粉样变性患者和多发性骨髓瘤患者的血清样本	机器学习	浆细胞疾病	拉曼光谱	一维卷积神经网络	光谱数据	来自临床确诊患者的血清样本	PyTorch	1D-CNN	AUC, 准确率, 灵敏度, 特异度	NA
294	2026-06-15	Transforming tabular data into images for deep learning models 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108715 PMID:41691829	研究论文	提出一种将表格数值数据转化为灰度图像表示的方法，使卷积神经网络等深度学习模型能有效处理传统数值数据集	首次提出将无空间结构的表格数值数据通过归一化和矩阵重构转化为灰度图像，并利用ResNet-18和DAG-Net等深度学习架构进行高效分类	仅评估了四个公开数据集，未涉及大规模或真实场景下的复杂表格数据；转化过程可能丢失部分特征间关系信息	拓展深度学习对表格数值数据的处理能力，验证图像化转化方法的有效性和通用性	四个公开表格数据集：Rice MSC Dataset（RMSCD）、Optdigits、TUNADROMD、Spambase	机器学习	不适用	不适用	卷积神经网络（ResNet-18, DAG-Net）	表格数据（转化为灰度图像）	四个公开数据集，具体样本量未明确给出	PyTorch	ResNet-18, DAG-Net	准确率	未明确说明
295	2026-06-15	A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches 2026-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70301 PMID:41913432	研究论文	比较传统、贝叶斯和深度学习IVIM-MRI拟合技术在胶质瘤分级中的表现	首次将空间感知Transformer应用于IVIM参数估计，显著提升肿瘤分级准确性	样本量较小（仅20名患者），且为回顾性研究	评估不同IVIM拟合方法在胶质瘤分级中的临床效用	胶质瘤患者（2级、3级、4级）的术前DWI数据及分形噪声模拟数据	医学影像分析	胶质瘤	MRI（扩散加权成像，DWI），IVIM分析	空间感知Transformer（NATTEN-17，SA-17）	图像（MRI，DWI）	20名胶质瘤患者（5例2级，3例3级，12例4级），分形噪声模拟数据	PyTorch	NATTEN-17, SA-17, IVIM-NET	中位数绝对百分比误差（MDAPE），中位数百分比误差（bias），ROC-AUC	NA
296	2026-06-15	Deep learning applications in cancer treatment Prediction: Comprehensive research foundation for systematic review and Meta-Analysis 2026-Jun-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105068 PMID:42276181	系统综述与Meta分析	评估深度学习模型在癌症治疗结果预测中的性能、方法学质量和临床实施情况	首次跨癌症类型和模型架构对深度学习在治疗预测中的应用进行Meta分析综合	纳入研究间异质性显著（I²>70%），多数模型存在高偏倚风险、方法学不一致和有限的外部验证，仅9%模型进入临床应用	评价深度学习模型预测癌症治疗结果的性能、方法学质量和临床转化可行性	158项符合条件的深度学习癌症治疗预测研究（其中89项纳入定量综合）	机器学习	多种癌症（乳腺癌、肺癌、结直肠癌、前列腺癌等）	NA	深度学习模型（包括多模态和Transformer模型）	多模态数据	158项研究（89项纳入定量分析）	NA	Transformer	AUC, C-index, 风险比, 净收益, 决策曲线分析	NA
297	2026-06-15	A Multistage Virtual Screening Strategy Integrating Molecular Similarity, Deep Learning Scoring, and Molecular Docking toward the Discovery of Novel LRRK2 Inhibitors 2026-06-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00241 PMID:42187161	研究论文	整合分子相似性、深度学习评分和分子对接的多阶段虚拟筛选策略，用于发现新型LRRK2抑制剂	首次将Ouroboros分子表示模型（结合构象和药效团特征）与深度学习评分融入虚拟筛选流程，并成功识别出新型LRRK2抑制剂C-298	未明确说明临床前验证或体内实验数据，且候选化合物的数量较少（仅15个）	发现新型且有效的LRRK2抑制剂，用于帕金森病治疗	LRRK2蛋白及其G2019S突变体	计算机辅助药物设计	帕金森病	分子相似性搜索、深度学习评分、分子对接、分子动力学模拟	Ouroboros分子表示模型（深度学习模型）	化合物结构数据、酶活性数据、细胞活力数据、活性氧水平数据	从3种先导化合物生成多样化化合物库，最终选择15个候选化合物进行酶学评估，识别出4种新型抑制剂	NA	Ouroboros分子表示模型	IC50值、细胞活力、活性氧水平、磷酸化抑制程度	NA
298	2026-06-15	Adaptive Disorder as the Hallmark of Nanobodies Antigen-Binding Loops 2026-06-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00716 PMID:42170950	研究论文	本研究利用两种独立策略（序列层面与结构层面）表征纳米抗体互补决定区的序列与结构特征，揭示其无序性作为适应性标志的功能意义	首次通过深度学习与能量分解方法证实纳米抗体CDR区序列与结构的无序性具有适应性，为抗原结合区设计提供新规则	未提供具体样本量及实验验证；模型在合成或极端序列上的泛化能力未讨论	解析纳米抗体互补决定区（CDR）的序列与结构无序性特征，推动下一代免疫诊断和治疗方法的设计规则	纳米抗体蛋白的互补决定区（CDRs）	机器学习	NA	NA	深度学习模型	序列数据（蛋白质一级序列）	NA	NA	NA	NA	NA
299	2026-06-15	Pentagonal Porphyrin-Based Covalent Organic Framework with Switchable Dual-Enzyme Activity for Adaptive Catechol Sensing 2026-Jun-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00633 PMID:42258672	研究论文	构建了一种具有可切换双酶活性的五边形卟啉基共价有机框架，并开发了用于儿茶酚自适应性传感的深度学习辅助平台	首次通过希夫碱反应构建了五边形二维卟啉基共价有机框架（NiPor-BATA-COF），克服了传统二维COF的对称性限制，实现了过氧化物酶与过氧化氢酶活性的可切换“跷跷板”双酶活性，并整合YOLO v5-CC深度学习模型实现自适应比色传感和移动端定量检测	未明确指出具体限制	开发具有强催化活性和自适应性双酶功能的高性能纳米酶，用于智能化污染物监测系统	儿茶酚（CC）检测	自然语言处理, 机器视觉	NA	希夫碱反应	YOLO v5	图像	NA	PyTorch	YOLO v5	检测限, 线性检测范围	NA
300	2026-06-15	Pushing the Limits of One-Dimensional NMR Spectroscopy for Automated Structure Elucidation Using Artificial Intelligence 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00905 PMID:42260727	研究论文	利用深度学习框架，仅凭一维氢谱和碳谱就能自动解析分子结构	首次证明通过基于Transformer的深度学习架构，能在完整元素覆盖范围内，仅利用一维NMR预测含有最多40个非氢原子的分子结构，克服了化学空间的组合爆炸问题	预测准确率为60.4%，在15次预测内，仍有进一步提高空间；方法可能对某些复杂或异常结构不适用	实现仅用一维核磁共振光谱自动推导有机化合物结构，覆盖药物类化学空间中大部分分子	有机化合物和天然产物，其中分子最多含40个非氢原子，元素涵盖C、N、O、H、P、S、Si、B和卤素	机器学习, 自然语言处理	NA	一维核磁共振波谱（氢谱和碳谱）	Transformer	文本（分子结构数据）	NA	PyTorch	Transformer	准确率	NA