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
3281	2026-06-13	Graph neural network-based prediction and interpretation of Daphnia toxicity using distinct scale molecular representations 2026-Jun-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125676 PMID:41795367	研究论文	基于图神经网络的多尺度分子表征预测和解释水蚤毒性	首次整合分子和宏观层面特征，比较三种图分子表示方法，并证实基于SMARTS子图表示具有最佳鲁棒性和可解释性	未提及具体局限性	开发基于深度学习的框架以预测水蚤致死浓度并解释毒性机制	化学物质对水蚤的毒性（LC值）	机器学习	NA	SMILES, SMARTS, 图分子表示	图神经网络	分子结构数据	涵盖五种作用机制类别（麻醉、极性麻醉、非特异性反应、特定机制、未分类）的化学物质	PyTorch	图神经网络变体（标准GNN优于复杂变体）	决定系数R²	NA
3282	2026-06-13	Frontiers and challenges in the design of binders for intrinsically disordered proteins 2026-Jun, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103256 PMID:41887012	综述	探讨针对固有无序蛋白的配体设计领域的最新进展与挑战	系统比较了从物理原理到深度学习驱动的设计策略，并指出该快速进展领域的关键挑战与未来方向	未提供具体的计算验证或实验数据支持，侧重于方法学讨论与展望	综述固有无序蛋白配体设计策略的原理、优势、局限及其应用	固有无序蛋白及其特异性配体	机器学习	普通疾病类别（未明确指出具体疾病）	计算机辅助蛋白设计	NA	NA	NA	NA	NA	NA	NA
3283	2026-06-13	Harnessing artificial intelligence in healthcare: Advancing diagnosis, treatment, and patient-centered care 2026-Jun, Journal of the National Medical Association IF:2.5Q1 DOI:10.1016/j.jnma.2026.02.007 PMID:41833484	综述	探讨人工智能在医疗保健中的整合应用及其对诊断、治疗和患者护理的影响	系统评估AI在临床实践中的整合效果，涵盖诊断工具、药物发现、管理系统和远程医疗，并强调可解释性和伦理对齐的未来方向	AI融入常规临床实践面临系统整合复杂性、数据依赖性及伦理挑战，如数据隐私风险、算法偏见和决策透明度不足	评估AI技术对医疗保健可及性、质量和效率的提升作用，并分析其实际应用中的障碍	同行评审文献、报告和案例研究	机器学习	NA	NA	深度学习、人工神经网络	文本、图像	NA	NA	NA	诊断准确性	NVIDIA Clara
3284	2026-06-13	Leveraging deep learning semantic segmentation for imaging coral skeletons 2026-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108313 PMID:41819390	研究论文	利用基于U-Net的深度学习模型对石珊瑚骨骼的显微CT图像进行语义分割，以分析骨骼结构特性	首次系统比较了多种U-Net变体（Attention U-Net、U-Net++和标准U-Net）在珊瑚骨骼显微CT图像分割中的性能，并展示了该方法在分析骨骼健康与疾病状态差异方面的应用	基于U-Net的深度学习分割存在准确率限制，可能导致假阳性或假阴性分类	建立一种用于钙化组织语义分割的深度学习模型训练和部署框架，以增进对跨物种和病理背景下骨骼生成和生长模式的理解	石珊瑚（Montastraea cavernosa和Porites astreoides）的骨骼显微CT图像	计算机视觉	石珊瑚组织损失病	显微CT	卷积神经网络	图像	来自两种石珊瑚（Montastraea cavernosa和Porites astreoides）的显微CT数据集	NA	Attention U-Net, U-Net++, 标准U-Net	计算效率, 准确率, 泛化能力	NA
3285	2026-06-13	Integration of traditional Chinese medicine and machine learning: Opportunities, obstacles, and implications for future of healthcare 2026-May, Journal of integrative medicine DOI:10.1016/j.joim.2026.02.004 PMID:41765716	综述	本文综述了机器学习在传统中医中的应用现状，探讨了其机遇、障碍及对未来医疗的影响	将传统中医的哲学理念与机器学习技术相结合，提出通过知识图谱和深度学习优化诊断、治疗和预后评估，并讨论凸机器学习在增强测试算法中的潜力	未具体说明实验结果或定量评估，主要基于文献综述和理论分析	探讨机器学习与传统中医整合的机遇与挑战，并为未来医疗提供建议	传统中医实践中的诊断、治疗和预后评估流程	机器学习	非特定疾病	NA	深度学习	文本、知识图谱	NA	NA	知识图谱、深度学习	NA	NA
3286	2026-06-13	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	提出XNet，一种基于注意力多域融合和视觉分析的双域深度学习模型，用于增强身体活动强度评估	提出层级多头架构和两阶段注意力特征融合模块，首次将频率域特征用于提高跨数据集的泛化能力，并集成视觉分析框架实现可解释的健康监测	未提及在极端真实环境（如传感器噪声或缺失严重）下的性能表现，以及模型对不同人群的公平性验证尚不充分	开发一种准确且泛化的身体活动强度分类和能量消耗估计方法	身体活动强度监测中的加速度计数据和生理信号（心率、心电图）	机器学习	久坐行为相关健康问题	加速度计传感、生理信号采集	深度学习模型（层级多头架构）	时间序列信号（加速度计、心率、心电图）	多个公开数据集和一个包含105名参与者的新数据集	PyTorch	卷积神经网络（1D-CNN）、Transformer、图注意力网络（GAT）	F1分数、真阳性率、推理延迟、准确率、效率、鲁棒性	NA
3287	2026-06-13	A scoping review of radiation dose and image quality in paediatric CT: Towards safe imaging protocols and diagnostic reference levels in Jordan 2026-May, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102207 PMID:41780085	综述	系统综述国际儿科CT辐射剂量与图像质量证据，评估约旦当前实践，并提出建立国家诊断参考水平和优化成像方案的建议	首次系统梳理约旦儿科CT辐射剂量现状，对比国际标准，明确缺乏标准化方案和先进降剂量技术是导致剂量偏高的关键因素	NA	为约旦建立儿科CT国家诊断参考水平和优化成像方案提供循证建议	儿科CT辐射剂量与图像质量的相关研究	机器学习	NA	CT成像，深度学习重建	NA	文本	28项研究	NA	NA	NA	NA
3288	2026-06-13	Preoperative identification of deep myometrial invasion in endometrial cancer: a multicenter MRI study with a vision foundation model-enhanced multimodal deep learning framework 2026-May, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2026.115018 PMID:41780136	研究论文	开发并验证一种视觉基础模型增强的多模态深度学习放射组学框架，用于无创预测子宫内膜癌患者深肌层浸润	首次将视觉基础模型与多模态深度学习相结合，通过跨序列引导注意力模块实现MRI序列间的语义对齐与协同特征表示，并整合关键临床病理变量构建预测模型	未明确提及局限性	评估视觉基础模型增强的多模态深度学习放射组学框架在预测子宫内膜癌深肌层浸润中的性能	1376例子宫内膜癌患者的多中心MRI影像及临床病理数据	计算机视觉, 数字病理学	子宫内膜癌	MRI	深度学习模型	图像, 文本	1376例子宫内膜癌患者的多中心样本	PyTorch	视觉基础模型, 跨序列引导注意力模块	AUC	NA
3289	2026-06-13	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-May, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	开发基于卷积神经网络（CNN）的模型，用于预测院外心脏骤停（OHCA）患者的自主循环恢复（ROSC），并识别新的心电图表型	同时预测ROSC概率和分类可电击心律，并通过K-means聚类从CNN特征表示中识别出五种具有不同形态和ROSC概率的新心电图表型	回顾性研究设计，仅使用韩国OHCA登记数据，结果通用性可能受限	开发CNN模型预测OHCA患者的ROSC并识别新的心电图表型	院外心脏骤停（OHCA）患者	机器学习	心脏骤停	NA	卷积神经网络（CNN）	心电图信号	3452名患者（中位年龄73岁，34.4%女性）	NA	一维卷积神经网络	受试者工作特征曲线下面积（AUC）	NA
3290	2026-06-13	Artificial-intelligence-guided autophagy modulation and nanomedicine design for precision photodynamic cancer therapy 2026-May, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104633 PMID:41794170	综述	讨论人工智能如何通过整合多组学和成像数据，指导纳米药物设计、靶点选择及自噬调节，以优化光动力癌症治疗的精准性	首次系统阐述人工智能（机器学习和深度学习）在指导自噬调节与纳米医学设计中的整合应用，以实现精准光动力癌症治疗	当前光敏剂递送不足、肿瘤异质性和自噬的上下文依赖性作用尚未解决	探讨基于纳米医学和人工智能的精准光动力癌症治疗策略	癌症治疗中的光动力疗法、自噬调节和纳米药物设计	机器学习	癌症	NA	NA	多组学数据、影像数据	NA	NA	NA	NA	NA
3291	2026-06-13	An educational machine learning demonstration framework for plastic surgeons using open datasets 2026-Apr, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2026.02.010 PMID:41762764	研究论文	提出一个用于整形外科医生的教育性机器学习演示框架，利用公开数据集开展黑色素瘤分类教学案例	为整形外科医生构建了基于开放数据、可复现的深度学习模型训练与部署的教育框架，并将轻量级MobileNetV3-Small模型转换为TensorFlow.js实现浏览器端部署，便于智能手机上实时推理	仅使用单一公开数据集（SIIM-ISIC 2020），未在真实临床环境中验证；模型性能需额外比较更多皮肤科医生基准；教育框架的普适性需通过更广泛的应用场景评估	演示整形外科医生如何利用开放数据集构建透明、可部署的AI工具，通过黑色素瘤分类案例促进数据科学教育	SIIM-ISIC 2020黑色素瘤公开数据集中患者级分层后的皮肤镜图像	数字病理学, 机器学习	黑色素瘤	患者级分层, 图像缩放, 色彩平衡, 数据增强, 深度学习训练, TensorFlow.js转换	卷积神经网络 (CNN)	图像	SIIM-ISIC 2020数据集（具体样本量未明确说明，基于公开数据集规模较大）	TensorFlow, TensorFlow.js	EfficientNet-B3, MobileNetV3-Small	准确率, 召回率, 特异性, AUC-ROC, F1分数	未具体描述GPU资源，但提及模型可部署至标准智能手机（推理时间<2秒）
3292	2026-06-13	Critical assessment of machine learning approaches for classification, dynamic prediction and surrogate Modeling in food fermentation 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118403 PMID:41763759	研究论文	对葡萄酒发酵中机器学习方法在分类、动态预测和替代建模三任务上进行批判性评估	首次在有限数据条件下系统比较监督式机器学习与传统知识模型在食品发酵中的表现，并开发了将知识预测与残差神经网络结合的混合模型	ML模型在有限数据或训练条件外预测时表现不佳，依赖大规模和多样化数据集	评估监督式ML技术（决策树、SVM、神经网络）与知识模型在食品发酵中的优劣，探索互补性	葡萄酒发酵过程中的酵母菌株分类、发酵动态预测和快速替代建模	机器学习	NA	NA	决策树、支持向量机、神经网络、深度学习、残差神经网络	时间序列数据和合成数据	葡萄酒发酵实验数据，具体样本量未提及	PyTorch	残差神经网络	准确率、归一化均方根误差	NA
3293	2026-06-13	Simultaneous detection and visualization of lipid and protein oxidation in frozen-thawed chicken meat using hyperspectral imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118463 PMID:41763786	研究论文	使用高光谱成像技术同时检测并可视化冷冻解冻鸡肉中的脂质和蛋白质氧化	提出了一种新颖的多任务深度学习框架，将Gramian角差场（GADF）与多任务卷积神经网络（MTCNN）集成，实现端到端的同时预测脂质和蛋白质氧化指标，避免了传统方法需要为每个指标单独训练模型的低效问题	未提及具体限制	评估冷冻解冻鸡肉中的脂质和蛋白质氧化程度	冷冻解冻鸡肉样品	计算机视觉	NA	高光谱成像	多任务卷积神经网络	高光谱图像	经过十次冻融循环的鸡肉样品	NA	Gramian角差场（GADF），多任务卷积神经网络（MTCNN）	相关系数（R），均方根误差（RMSEP），残差预测偏差（RPD）	NA
3294	2026-06-13	Seeing structure, sensing softening: Decoding the microstructural mediation between optical properties and peach firmness using spatial frequency domain imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118510 PMID:41763828	研究论文	利用空间频域成像解码桃子光学性质与硬度的微观结构介导机制	构建多维“光学-结构-力学”框架，采用Cellpose-SAM深度学习模型实现复杂细胞形态的高通量稳健分割，通过中介分析和结构方程模型揭示了光学性质与硬度之间的生物物理机制	NA	揭示桃子光学性质与硬度之间的微观结构介导机制，为光学品质评估提供生物物理学基础	‘沪景’桃子在成熟和储藏阶段的光学性质、生理属性及微观结构特征	计算机视觉, 机器学习	NA	空间频域成像（SFDI）	深度学习模型（Cellpose-SAM）	图像	NA	PyTorch	Cellpose-SAM	决定系数（R²）	NA
3295	2026-06-13	Efficacy of Automatic 3D Segmentation of the Upper Airway in CBCT or CT Scans via Artificial Intelligence Versus Manual Segmentation by Human Experts: A Systematic Review and Meta-Analysis 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70314 PMID:41764765	系统综述与荟萃分析	通过系统综述和荟萃分析，比较人工智能与人类专家在CBCT或CT扫描中对上呼吸道进行自动3D分割的效果	首次通过荟萃分析系统评估AI在上呼吸道3D分割中的效能	纳入研究数量有限（11项），需要更多研究才能得出决定性结论	评估人工智能在CBCT或CT扫描中自动3D分割上呼吸道的效能	上呼吸道	计算机视觉	NA	CBCT, CT扫描	深度学习, 机器学习	图像	11项研究，其中6项纳入荟萃分析	NA	NA	精确率, Dice相似系数, 交并比, 召回率, 总体积差异	NA
3296	2026-06-13	Has AI Reshaped Drug Discovery, or Is There Still a Long Way to Go? 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70257 PMID:41766174	研究论文	本文探讨了人工智能（AI）在药物发现中的应用现状、优势与局限性，并分析了其重塑药物研发的潜力与挑战	系统评估了AI在药物发现全流程中的实际效果，揭示了尽管AI加速了早期阶段，但尚无AI独立研发的药物获得完全监管批准，这一发现挑战了当前乐观预期	数据质量差、模型可解释性不足、计算预测与化学可行性之间存在差距，以及生物系统复杂性导致转化成功率低	评估AI对药物发现流程的实际影响，分析其是否已根本改变传统研发模式	传统药物发现流程与AI辅助药物发现流程的比较分析	人工智能	不适用	分子属性预测、蛋白质结构建模、自然语言处理、ADME/Tox预测	深度学习	文本	不适用	NA	NA	NA	NA
3297	2026-06-13	The Evaluation of Machine Learning Models Using Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF-MS) Spectra for the Prediction of Antibiotic Resistance in Klebsiella pneumoniae 2026-Apr, MicrobiologyOpen IF:3.9Q2 DOI:10.1002/mbo3.70257 PMID:41771780	综述	评估利用MALDI-TOF-MS质谱数据构建机器学习模型预测肺炎克雷伯菌抗生素耐药性的研究	系统评估了MALDI-TOF-MS结合机器学习在抗生素耐药性快速检测中的应用，展示了高准确率（高达97%）和AUROC值（可达0.99以上），强调其将诊断时间从数天缩短至数分钟或数小时的优势	模型受限于有限的外部验证、质谱预处理协议差异以及不同MALDI-TOF-MS平台间的变异性，影响泛化能力和临床转化	评估利用MALDI-TOF-MS质谱数据创建机器学习模型预测肺炎克雷伯菌抗生素耐药性的有效性和局限性	肺炎克雷伯菌的抗生素耐药性预测	机器学习	肺炎克雷伯菌感染	MALDI-TOF-MS	集成算法（随机森林、XGBoost、LightGBM）、深度学习模型（CNN）	质谱数据	35至超过15,000个分离株	NA	随机森林、XGBoost、LightGBM、CNN	AUROC、准确率	NA
3298	2026-06-13	Understanding flow experiences in online EFL learning: Perspectives from Vietnamese undergraduates 2026-Apr, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106580 PMID:41793996	研究论文	调查越南英语学习者在线上学习环境中的心流体验	从八个心流维度全面分析越南大学生在线英语学习中的心流体验，并探讨了影响心流的内部和外部障碍	仅针对越南大学生群体，样本来源有限，可能影响结果的普适性	识别越南大学生在线英语学习中体验心流的程度、关键维度及其描述	越南英语专业大学生	自然语言处理	NA	NA	NA	调查问卷与半结构化访谈数据	239名大学生参与问卷调查，12人参与半结构化访谈	NA	NA	NA	NA
3299	2026-06-13	Curiosity as a catalyst for conceptual change: A schema-based model of learning and development 2026-Apr, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106570 PMID:41795553	研究论文	本文提出了SEEK模型，探讨好奇心作为知识发展驱动力的机制，并整合了动机、情感和认知维度	首次通过基于图式理论的四机制交互框架（增补、调谐、重构和图式形成）系统阐释好奇心驱动长期知识发展的计算过程	未提供实证数据验证模型各机制的动态交互关系，且未能明确区分自动好奇与有意好奇的神经基础差异	构建统一的认知发展模型以解释好奇心如何促进深层学习与创造性思维	不同发展阶段的个体（从早期感知驱动好奇到后期元认知引导探究）	机器学习	NA	NA	图式理论驱动的计算模型（SEEK框架）	NA	理论模型未涉及具体样本	NA	增补机制、调谐机制、重构机制、图式形成机制	NA	NA
3300	2026-06-13	Bioactive peptide matrikines: discovery approaches for skin rejuvenation 2026-Apr-01, American journal of physiology. Cell physiology DOI:10.1152/ajpcell.00881.2025 PMID:41770626	综述	综述了生物活性肽基质素在皮肤年轻化中的发现方法及其演变	强调从传统体外测试到计算机预测的转变，并介绍了一种从计算机到体内的发现流程，整合了衰老相关裂解预测与体内外测试，识别出两种协同作用的四肽	未明确说明，但可能涉及早期方法依赖重复体外测试的低效性及计算机预测方法的验证挑战	探索生物活性肽基质素用于皮肤年轻化的发现策略，并推动新型肽的转化应用	生物活性肽基质素，特别是用于皮肤再生和修复的肽序列	机器学习和计算机预测	皮肤老化	计算机预测、蛋白酶裂解预测、蛋白质序列基序筛选、分子对接、机器学习算法	深度学习模型	蛋白质序列数据	NA	NA	深度学习裂解预测模型	NA	NA