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
3221	2026-06-15	READRetro: natural product biosynthesis predicting with retrieval-augmented dual-view retrosynthesis 2024-09, The New phytologist DOI:10.1111/nph.20012 PMID:39081009	研究论文	提出了一种名为READRetro的检索增强双视角逆合成工具，用于预测植物天然产物的生物合成途径	融合了先进的深度学习架构、集成方法和两个检索器，以优化复杂代谢途径的预测能力	NA	开发一种实用的生物逆合成工具，用于预测植物天然产物的完整生物合成途径	植物天然产物（如单萜吲哚生物碱和门尼糖苷内酯）的代谢途径	机器学习	NA	NA	深度学习模型	文本（分子结构与逆合成数据）	NA	PyTorch	深度学习架构、集成方法和检索器	单步和多步逆合成评估指标	NA
3222	2026-06-15	Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review 2024-08-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02310-6 PMID:39198744	综述	系统评价了处理临床结构化数据集中缺失值的最佳插补方法	基于缺失机制、模式和比例，构建证据图谱推荐插补方法	仅包括截至2023年9月20日的已发表文章，可能遗漏最新研究	确定临床结构化数据集中处理缺失值的最合适插补方法	PubMed、Web of Science、Scopus和IEEE Xplore数据库中讨论临床结构化数据集缺失值插补方法的文章	机器学习	NA	NA	传统统计方法、机器学习、深度学习、混合插补	表格数据	纳入58篇论文（从2955篇中筛选）	NA	NA	NA	NA
3223	2026-06-15	Can supervised deep learning architecture outperform autoencoders in building propensity score models for matching? 2024-08-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02284-5 PMID:39095707	研究论文	评估监督式深度学习架构与无监督自编码器在倾向得分匹配中的表现，并与传统方法比较	首次系统比较监督式深度学习与无监督自编码器在倾向得分估计中的偏差和方差准确性	基于单一数据集（右心导管插入术）的模拟研究，可能限制泛化能力	评估监督式深度学习和无监督自编码器用于倾向得分估计的性能	倾向得分匹配模型，包括监督式深度学习、无监督自编码器、逻辑回归和样条方法	机器学习	心血管疾病	NA	监督式深度学习、无监督自编码器	观察性数据（右心导管插入术数据集）	NA	NA	NA	偏差、标准误差、覆盖概率	NA
3224	2026-06-15	Demographic bias in misdiagnosis by computational pathology models 2024-04, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	该文章通过分析计算病理学模型在不同人口群体中的表现差异，揭示了性别和种族等因素导致的诊断偏差	首次系统性评估了计算病理学模型在乳腺癌、肺癌亚型分类和胶质瘤IDH1突变预测中的人口统计偏差，并比较了自监督视觉基础模型与偏见缓解策略的效果	自监督视觉基础模型未能完全消除人口统计偏差，表明需要进一步研究更有效的偏见缓解方法	评估并量化计算病理学模型在不同人口群体中的性能差异，并探讨自监督视觉基础模型对减少偏见的作用	乳腺癌、肺癌、胶质瘤患者全切片图像及其人口统计信息（种族、性别等）	数字病理学	乳腺肿瘤, 肺肿瘤, 胶质瘤	全切片图像 (WSI) 分析	CNN, 自监督视觉基础模型	图像	涉及TCGA、EBRAINS脑肿瘤图谱及内部患者数据，具体样本数量未在摘要中明确	PyTorch	ResNet, 自监督视觉基础模型 (如BYOL, SwAV等)	AUC, 接收者操作特征曲线下面积	NA
3225	2026-06-14	Hypnodensity sleep metrics from fingertip photoplethysmography are better associated with daytime sleepiness and fatigue than traditional metrics from polysomnography 2026-Dec, Pulmonology IF:10.4Q1 DOI:10.1080/25310429.2026.2683326 PMID:42283077	研究论文	该研究探讨了源自指尖光电容积描记法的高频睡眠密度度量与传统多导睡眠图睡眠指标在日间嗜睡和疲劳关联性上的优劣	首次证明指尖光电容积描记法衍生的睡眠密度度量比传统人工评分的多导睡眠图指标能更好地与阻塞性睡眠呼吸暂停患者的日间嗜睡和疲劳相关	NA	评估高频睡眠密度度量在阻塞性睡眠呼吸暂停患者中与患者报告结局的相关性是否优于传统睡眠指标	阻塞性睡眠呼吸暂停患者的日间嗜睡和疲劳状态	机器学习	睡眠呼吸障碍	光电容积描记法	深度学习模型	生理信号数据	2280名患者（65%为男性，平均年龄62岁，平均呼吸暂停低通气指数23.5次/小时）	NA	NA	皮尔逊相关系数、逻辑回归显著性水平	NA
3226	2026-06-14	DMRNet: a dynamic multi-scale residual network for Shamrock view and lumbar plexus segmentation 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2677269 PMID:42284483	研究论文	提出一种名为DMRNet的动态多尺度残差网络，用于超声图像中三叶草视图和腰丛的分割	集成了自适应多尺度扩张模块、密集注意力残差模块、注意力增强混合模块以及边界感知空间注意力机制和增强残差多头注意力机制，有效提升多尺度特征捕获和复杂上下文模式识别能力	未提及在多样化数据集或临床应用中的验证情况，可能受限于特定超声成像条件	准确分割三叶草视图超声图像中的肌肉、神经和骨骼结构，辅助腰丛神经阻滞操作	三叶草视图超声图像中的腰丛、肌肉和骨骼结构	计算机视觉, 医学图像分析	无特定疾病，应用于区域麻醉技术	超声成像	卷积神经网络	图像	NA	NA	Adaptive Multi-Scale Dilated Module, Dense Attention Residual Module, Attention-Enhanced Hybrid Module, Boundary-Aware Spatial Attention Mechanism, Enhanced Residual Multi-Head Attention Mechanism	平均交并比, 平均Dice系数	NA
3227	2026-06-14	Investigating cognitive fatigue recovery through mechanical massage and binaural beats: An AI-driven fNIRS study 2026-Jul, Journal of bodywork and movement therapies IF:1.2Q3 DOI:10.1016/j.jbmt.2026.04.004 PMID:42264810	研究论文	通过AI驱动的功能性近红外光谱技术，研究机械按摩和双耳节拍对认知疲劳恢复的影响	首次使用功能性近红外光谱技术分类机械按摩和双耳节拍脑按摩下的认知疲劳，并进行深度学习与传统机器学习模型的全面比较	样本量较小（10名受试者），治疗类型有限	探索机械按摩和双耳节拍脑按摩对认知疲劳恢复的影响，并比较深度学习与传统机器学习模型的效能	认知疲劳及其恢复效果	机器学习	NA	功能性近红外光谱	时间卷积网络, 支持向量机	脑血流信号	10名受试者	NA	时间卷积网络, 支持向量机（径向基函数）	准确率	NA
3228	2026-06-14	Spatial-temporal recurrence patterns of grade 4 glioma using deep learning integrated multiparametric MRI and molecular pathology 2026-Jun-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01557-0 PMID:42286261	研究论文	利用深度学习整合多参数MRI和分子病理预测4级胶质瘤的空间-时间复发模式	首次结合深度学习分割、多参数MRI影像特征与分子病理标记物（MGMT、IDH）预测4级胶质瘤的时空复发模式，并发现肿瘤组成比例（CEcore/NE体积比）独立于年龄和MGMT状态的预后价值	样本来自多中心但以挪威和TCIA数据为主，可能需更多外部验证；HD95距离与进展时间的相关性需进一步因果验证	探索基于诊断时的分子和影像特征预测4级胶质瘤时空复发模式，以优化放疗靶区边界制定	4级胶质瘤患者（挪威多中心和TCIA数据，2015-2025）	计算机视觉, 机器学习	胶质瘤	多参数MRI	深度学习分割模型	MRI图像（对比增强T1、非增强T2/FLAIR）	390对MRI扫描（390例患者）	NA	NA（仅提及深度学习分割，未指定具体架构如U-Net等）	Hausdorff-95距离, 风险比（HR）, 总生存期（OS）, 进展时间, p值	NA
3229	2026-06-14	PathTIGR: A pathway topology-informed graph representation learning framework for immunotherapy response prediction 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aed6373 PMID:42268974	研究论文	提出了PathTIGR框架，通过整合生物通路拓扑知识与基因组变异信息预测免疫治疗反应	首次将通路拓扑知识融入图表示学习框架，并设计三分量结构（通路图编码器、Transformer模块、多层感知机）以捕获复杂分子相互作用	NA	提高免疫治疗反应预测的准确性并揭示反应异质性的分子决定因素	免疫治疗患者的基因组变异数据及生物通路网络	机器学习	癌症	基因组变异分析	图神经网络	基因组变异数据、通路拓扑数据	多个独立免疫治疗队列	NA	多头注意力图编码器、Transformer、多层感知机	预测性能（与现有生物标志物和深度学习方法对比）	NA
3230	2026-06-14	Structurally-Informed 3D Gaussian Splatting for Limited-Angle CBCT 2026-Jun-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3703335 PMID:42284162	研究论文	提出了一种结构感知的三维高斯溅射框架，用于有限角度锥束计算机断层扫描，通过生成式初始化与物理优化结合显著提升重建质量	首次将生成式结构先验引入三维高斯溅射初始化，通过几何条件网络从稀疏投影预测完整高斯参数，克服传统方法对初始化的敏感性	研究仅基于模拟有限角度投影数据，未在真实临床环境中验证，且对超稀疏投影场景下的泛化能力待评估	解决有限角度锥束计算机断层扫描重建中投影数据不完整导致的伪影和病态问题，实现高质量快速成像	有限角度锥束计算机断层扫描影像重建任务	计算机视觉	NA	锥束计算机断层扫描成像	三维高斯溅射	图像	公开数据集（具体数量未在标题/摘要中说明）	PyTorch	三维高斯溅射，几何条件生成网络	峰值信噪比，结构相似性指数	NA
3231	2026-06-14	LIAUNet: Rethinking the Application of Loss Information in Medical Image Segmentation 2026-Jun-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3703176 PMID:42284169	研究论文	提出一种利用损失信息聚合的新网络LIAUNet，用于提高医学图像分割的准确性	首次提出了损失信息聚合网络LIAUNet，包括多尺度混合池化损失提取模块（MHPLE）、信息保留多尺度注意力聚合器（IMAA）和频谱门控卷积块（SGCB），有效利用编码器下采样中的损失信息	未明确提及限制，可能需要在更多样化的医学图像数据集上进一步验证	改善医学图像分割中因编码器下采样导致的信息丢失问题，提高分割精度	医学图像分割任务中的损失信息	数字病理学	NA	深度学习	卷积神经网络	医学图像	多个医学图像数据集	NA	编码器-解码器架构	分割精度	NA
3232	2026-06-14	Explaining deep learning for ECG using time-localized clusters 2026-Jun-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3702945 PMID:42284164	研究论文	提出一种基于时间局部聚类的后验解释方法，用于解释深度学习在心电图分析中的决策过程	通过聚类CNN特征激活并量化分配熵作为逐时间戳不确定性，首次将时间局部聚类与心电生理标志物对齐，提供超越传统Grad-CAM的类依赖表征稳定性分析	仅基于1D-ResNet架构验证，未测试其他CNN变体；聚类方法对心电信号异常形态的鲁棒性有待进一步评估	开发可解释性方法以提高深度学习心电分析模型的临床接受度和电生理洞察力	1D-ResNet在PTB-XL和CODE-15%数据集上的特征激活模式	机器学习	心血管疾病	NA	1D-ResNet、随机森林	心电图信号	PTB-XL数据集（超类分类，10折交叉验证）和CODE-15%数据集（年龄回归）	NA	1D-ResNet	准确率、AUROC	NA
3233	2026-06-14	Data-driven global ocean model resolving atmospherically forced ocean dynamics 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aed1225 PMID:42284423	研究论文	提出基于深度学习的全球三维海洋环流模型KIST-Ocean，能够模拟大气强迫下的海洋动力过程	首次实现深度学习模型在三维全球海洋环流模拟中再现Kelvin波、Rossby波传播及风应力旋度驱动的垂直运动等关键大气强迫海洋动力学过程	NA	开发基于深度学习的三维全球海洋环流模型，以模拟大气强迫下的海洋动力学响应	全球海洋环流及其对大气强迫的响应	机器学习	NA	深度学习	深度神经网络	海洋环流数据	NA	PyTorch	三维卷积神经网络	模拟技巧、计算效率	NA
3234	2026-06-14	Deep learning-enabled versatile shape perception for soft robots via single-ended multimode fiber 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aef6263 PMID:42284416	研究论文	介绍了一种基于单端多模光纤和深度学习实现的软体机器人通用形变感知方法	利用光学混沌散斑场编码高维形状信息，通过可重构神经解码器将单一物理通道解析为多种感知模式，突破了硬件适应性限制	未提及具体局限性	实现软体机器人在多样化交互中的连续形变感知，特别是空间受限的介入场景	软体夹爪、仿生灵巧手和软体手术机器人	计算机视觉	NA	光学传感、多模光纤	深度学习神经网络	图像（散斑场）	NA	PyTorch	可重构神经解码器	准确率、空间分辨率增强倍数、交并比	NA
3235	2026-06-14	Predictions of protein-protein interactions and co-complex models with deep learning 2026-Jun-12, Current opinion in chemical biology IF:6.9Q1 DOI:10.1016/j.cbpa.2026.102703 PMID:42284691	综述	综述了基于深度学习的蛋白质-蛋白质相互作用预测及共复合物建模方法	从方法学范式对三种密切相关的任务（全蛋白质组PPI预测、PPI界面预测和PPI共复合物结构预测）进行分类，并总结其优势与限制	NA	概述深度学习在蛋白质相互作用研究中的最新进展及应用	蛋白质相互作用和共复合物模型	自然语言处理, 机器学习	NA	深度学习	CNN, LSTM, GAN	蛋白质序列和结构数据	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确性, 精确率, 召回率, F1分数, AUC, Dice系数	NA
3236	2026-06-14	Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: Clinical insights, pitfalls, and observer agreement analyses 2026-Jun-12, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105832 PMID:42284693	research paper	提出一个全面的评估框架，用于评估深度神经网络在PET/CT图像中检测和量化淋巴瘤的性能，包括临床见解、陷阱和观察者一致性分析	提出了一个临床相关的评估框架，不仅使用Dice相似系数，还引入了基于临床病灶测量的预测误差分析、传统病灶特异性检测标准以及基于代谢特征的新分割标准，同时进行了观察者间和观察者内变异性分析	小和低代谢活性的病灶对网络和医生都具有挑战性	建立一种更一致、更有意义的淋巴瘤分割模型评估方法，以支持患者护理中的稳健决策	四种常用的深度学习分割网络（ResUNet、SegResNet、DynUNet、SwinUNETR）在611例PET/CT多机构数据集上的性能	computer vision	淋巴瘤	PET/CT成像	CNN	image	611例PET/CT病例（来自多机构数据集，涵盖不同淋巴瘤亚型和病灶特征）	PyTorch	ResUNet, SegResNet, DynUNet, SwinUNETR	Dice相似系数	NA
3237	2026-06-14	Predicting the Onset of Myopia in Children and Adolescents Using Artificial Intelligence: A Systematic Review and Meta-analysis 2026-Jun-12, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105546 PMID:42285273	系统综述与荟萃分析	评估人工智能模型在预测儿童和青少年近视发生方面的性能	首次对AI预测近视发生的模型进行系统综述和荟萃分析，比较了传统机器学习和深度学习的表现，并评估了研究偏倚和证据质量	现有研究偏倚风险高、缺乏外部验证、地区不平衡，且证据质量被评定为'低'	评估AI模型预测儿童和青少年近视发生的性能	儿童和青少年的近视发生预测	机器学习	近视	NA	机器学习模型（传统机器学习、深度学习）	NA	7篇研究（24个模型）	NA	NA	曲线下面积（AUC）	NA
3238	2026-06-14	DeepAdapter: a generalisable algorithm integrating self-supervised learning and unsupervised domain adaptation for robust retinopathy of prematurity screening 2026-Jun-12, The British journal of ophthalmology DOI:10.1136/bjo-2025-328559 PMID:42285743	研究论文	提出DeepAdapter算法，结合自监督学习和无监督域适应，提升早产儿视网膜病变筛查模型的泛化能力	首次将自监督学习与无监督域适应集成，通过预训练通用眼底表征和域自适应模块有效降低域偏移，显著提升模型在跨中心、跨种族数据集上的泛化性能	未提及算法在计算资源需求或更广泛疾病场景下的适用性限制	开发和验证一种泛化性强的深度学习算法，用于早产儿视网膜病变的稳健筛查	早产儿视网膜病变（ROP）的筛查模型	计算机视觉	早产儿视网膜病变	自监督学习、无监督域适应	深度学习模型	图像（彩色眼底照片）	50万张无标注图像和39,456张有标注图像	PyTorch	未指定具体模型架构	准确率、CORAL距离	NA
3239	2026-06-14	Rethinking the use of deep learning methods for photovoltaic power forecasting 2026-Jun-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73817-3 PMID:42285936	research paper	重新评估深度学习在光伏发电预测中的应用，提出Cross-Unet架构，融合多尺度时间编码、相关性感知通道注意力和分层交叉注意力解码，以整合历史发电数据和天气预报	强调全编码器-解码器架构和通道依赖性建模的重要性，提出融合多尺度时间编码、相关性感知通道注意力和分层交叉注意力解码的Cross-Unet架构，并集成先进天气预报系统实现端到端预测	未明确提及局限性	改进光伏发电预测的深度学习方法，提升预测准确性，支持电网调度和能源交易	光伏发电预测模型	machine learning	NA	深度学习	CNN, Transformer	时间序列数据，包括历史发电数据、数值天气预报、卫星反演辐照度、AI天气模型预报	中国北方四个公用事业级电站和澳大利亚中部一个聚合电站的数据	PyTorch	Cross-Unet, Transformer	accuracy	NA
3240	2026-06-14	Vertexformer: the interpretable predictive research on thermocapillary convection of large Prandtl number liquid bridges 2026-Jun-12, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-026-00616-x PMID:42285978	研究论文	本研究开发了一种可解释的深度学习框架Vortexformer-SHAP，用于预测大普朗特数液桥的热毛细对流并揭示其物理机制	首次将轻量级Vortexformer模型与SHAP可解释性分析结合，重新发现了几何效应并揭示了冷端液桥温度的分岔效应和内在振荡周期律	未提及明确局限性	为空间复杂热流体系统的实时预测和智能控制提供技术基础和理论见解	大普朗特数液桥在微重力下的热毛细对流	机器学习	NA	热毛细对流实验	Vortexformer	实验数据	未明确提及样本数量	TensorFlow, PyTorch	Vortexformer	R², RMSE	NA