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
3441	2026-07-30	MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism 2024-04, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4966 PMID:38532681	研究论文	提出了一种基于注意力机制的多模态特征融合新型抗癌肽预测框架MA-PEP	利用多种注意力机制增强和融合不同模态的特征，提升抗癌肽预测性能	未明确提及局限性	改进抗癌肽预测方法，实现更准确高效的预测	抗癌肽（ACPs）	机器学习	癌症	NA	注意力机制	肽序列及化学特征	多个基准数据集	NA	MA-PEP	预测性能指标	NA
3442	2026-07-30	Construction and validation of artificial intelligence pathomics models for predicting pathological staging in colorectal cancer: Using multimodal data and clinical variables 2024-04, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6947 PMID:38545828	研究论文	开发和验证基于HE和Ki67病理切片的AI病理组学模型，用于预测结直肠癌病理分期	整合多模态病理组学数据（HE和Ki67）与临床病理变量构建联合模型和列线图，并发现Ki67切片在病理组学建模中优于HE切片	样本量较小（267例），为单中心回顾性研究，需外部验证	实现AI辅助的结直肠癌准确病理分期，支持临床决策	结直肠癌患者	数字病理学	结直肠癌	HE染色，免疫组化（Ki67）	逻辑回归	图像（病理切片）	267例结直肠癌患者（训练集213例，测试集54例）	NA	NA	AUC	NA
3443	2026-07-30	Comparison of deep learning-based recurrence-free survival with random survival forest and Cox proportional hazard models in Stage-I NSCLC patients 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6479 PMID:37644818	研究论文	比较深度学习模型DeepSurv、随机生存森林和Cox比例风险模型在I期非小细胞肺癌患者无复发生存预测中的性能	首次在I期非小细胞肺癌患者中系统比较深度学习生存模型与传统统计和机器学习方法在复发预测中的表现	单中心回顾性研究，样本量有限（268例），且未提及基因突变等分子标志物对复发的影响	评估不同统计和机器学习方法在I期非小细胞肺癌复发预测中的效能，为临床决策提供依据	接受手术切除的I期非小细胞肺癌患者	机器学习	肺癌	NA	DeepSurv, 随机生存森林, Cox比例风险模型	临床数据	268例I期非小细胞肺癌患者（训练集和测试集随机划分）	NA	DeepSurv	Harrell's C指数	NA
3444	2026-07-30	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	提出SLEAP，一个用于多动物姿态追踪的深度学习系统	结合了可访问的图形用户界面、标准化数据模型、可重复配置系统、30多种模型架构以及两种部分分组和身份追踪方法，实现了多动物无标记姿态估计的高准确度和实时处理速度	未明确提及	开发能够处理多动物姿态追踪挑战的机器学习系统，支持社交行为研究	多动物姿态追踪	计算机视觉	不适用	未明确提及	深度学习模型	图像	涵盖苍蝇、蜜蜂、小鼠和沙鼠共七个数据集	未明确提及	超过30种模型架构	准确度（accuracy）、速度（frames per second）、延迟（latency）	未明确提及
3445	2026-07-29	Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds 2026-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122076 PMID:42242428	研究论文	利用可穿戴设备衍生的昼夜节律生物标志物进行抑郁发作的提前一周预测	首次整合心率衍生的余弦峰相位和基于睡眠时间的褪黑素相位代理指标，并采用基于风险的阈值进行性能评估	需要外部验证、概率校准、可迁移性评估和前瞻性发作评估	实现抑郁发作的早期检测和风险分层	情感障碍患者	机器学习	情感障碍	可穿戴设备监测	时间序列模型	心率、睡眠时间等可穿戴设备数据	144名参与者，90281人-天	NA	NA	AUROC、阳性预测值	NA
3446	2026-07-29	CARES-Net: a channel-attention residual network for multi-disease classification in small-sample 1H NMR metabolomics data 2026-08-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345614 PMID:42191258	研究论文	提出CARES-Net，一种用于1H NMR代谢组学小样本多疾病分类的通道注意力残差网络	将残差连接与通道注意力机制整合，自适应重加权光谱特征，增强有效代谢信号并抑制噪声和冗余变量	NA	提升基于小样本NMR代谢组学的疾病分类准确性	儿童营养不良和胰腺导管腺癌（PDAC）患者的血清1H NMR数据集	机器学习	营养不良, 胰腺导管腺癌	NMR代谢组学	CNN	光谱数据	儿童营养不良和PDAC患者的小样本血清样本	PyTorch	残差网络，通道注意力机制	准确率	NA
3447	2026-07-29	Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal 2026-Aug, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2555516 PMID:40985643	研究论文	提出一种联邦学习启用的统一Transformer模型，用于癫痫发作检测，解决数据隐私和时空特征提取问题	将联邦学习与Paillier同态加密结合，并采用混合图注意力框架（边缘增强图卷积网络和谱图注意力）及统一Transformer模型，同时实现隐私保护、时空特征提取和分类精度提升	未提及具体局限性	开发一种保护数据隐私的癫痫发作检测方法，提高分类准确性	脑电图（EEG）信号中的癫痫发作特征	机器学习	癫痫	EEG信号处理、多尺度小波系数、独立成分分析	Transformer、图卷积网络	EEG信号	三个数据集	NA	统一Transformer、边缘增强图卷积网络、谱图注意力	准确率、安全性、精确率	NA
3448	2026-07-29	Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development 2026-Aug, The Journal of hospital infection IF:3.9Q1 DOI:10.1016/j.jhin.2026.04.019 PMID:42069224	系统综述	对人工智能在医院感染防控中的实际实施、影响及模型开发后的差距进行系统综述	区分了已实施集成的系统与未实施的开发/验证研究，并关注非预期后果（如不必要的隔离或警报疲劳）的量化	研究证据碎片化，多局限于回顾性模型开发；实施研究常缺乏标准化感染结局和后续监测；未控制混杂因素的自身前后对照评价造成偏倚风险	综合评估人工智能/机器学习在急性护理医院感染防控中的实际实施效果、影响及模型开发后的差距	急性护理医院的感染防控系统	机器学习	医院感染	NA	传统机器学习、自然语言处理、深度学习、基于规则或专家系统	NA	59项研究（其中9项为实际实施，50项为开发/验证）	NA	NA	NA	NA
3449	2026-07-29	Generating Synthetic MR Perfusion Maps From DWI and FLAIR in Acute Ischemic Stroke: Development and External Validation of a Deep Learning Model 2026-Aug, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.126.055813 PMID:42312380	研究论文	利用深度生成模型从弥散加权成像和液体衰减反转恢复序列合成急性缺血性卒中患者的MR灌注图，并进行了外部验证	首次从非对比MRI序列（DWI和FLAIR）生成合成T-max灌注图，避免了对比剂注射，缩短了成像时间	基于回顾性数据，样本量有限（355名患者），外部验证的Dice系数较低（0.59）	开发一种无需对比剂的深度学习模型，从常规MRI序列推断灌注信息，简化急性卒中成像流程	急性前循环卒中患者的MRI数据（DWI、FLAIR、DSC灌注）	机器学习	急性缺血性卒中	MRI（弥散加权成像、液体衰减反转恢复、动态磁敏感对比增强灌注）	去噪扩散概率模型和生成对抗网络	图像	355名急性前循环卒中患者（来自欧洲两个中心）	NA	去噪扩散概率模型（2.5维架构）	图像相似度度量、Dice系数	NA
3450	2026-07-29	Diagnostic assessment of artificial intelligence reconstruction on accelerated prostate MRI: a retrospective, paired, multi-reader multi-case study 2026-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12479-7 PMID:41925836	研究论文	评估AI重建技术在加速前列腺MRI中维持前列腺癌检测性能的效果	首次在多读者多病例研究中验证AI重建可实现六倍加速而不显著降低前列腺癌检测性能	更高加速倍数下诊断性能下降趋势需进一步前瞻性评估	评估AI重建加速前列腺MRI在保持诊断性能方面的有效性	120例来自UMCG的多线圈T2加权前列腺MRI扫描和312例来自NYU的公开扫描数据	医学影像	前列腺癌	MRI	深度学习模型	MRI图像	432例前列腺MRI扫描（120例UMCG + 312例NYU）	NA	NA	AUROC, 图像质量Likert评分	NA
3451	2026-07-29	A Multitask Deep Learning Model for Pediatric Echocardiography Analysis 2026-Jul-28, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.126.080619 PMID:42517220	研究论文	EchoAI-Peds是一个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测28种先天性心脏缺陷及异常	首个基于视频的视觉Transformer多任务儿科超声心动图模型，整合多视图信息，显著优于成人基础模型	未在摘要中明确说明局限性	开发一个专门适用于儿科人群的多任务深度学习模型，自动解析超声心动图诊断先天性心脏缺陷	儿科超声心动图视频，涵盖28种先天性心脏缺陷、结构功能异常、修复及干预	计算机视觉	先天性心脏缺陷	超声心动图	视觉Transformer	视频	训练集10,815项研究（>700,000个视频），验证集1,294项研究，内部测试集1,336项研究，外部测试集2,121项研究	NA	视觉Transformer	AUROC	NA
3452	2026-07-29	A Unified Molecular Graph and Protein Language Model Framework for Predicting Human Drug-Hormone Receptor Interactions with Structure-Aware Validation 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00806 PMID:42402023	研究论文	提出一种整合分子图与蛋白质语言模型的统一框架，用于预测药物-激素受体相互作用，并通过结构感知验证评估模型性能	首次将预训练的ESM2蛋白质语言模型与图变换器分子特征结合，显式整合激素受体特异性序列信息到深度学习中，实现更可靠的DHRI预测	未提及计算资源具体细节；模型泛化性可能受限于数据集大小和受体类型多样性	开发受体感知的深度学习框架，准确预测药物与激素受体的相互作用，提升内分泌安全评估和治疗效果	药物分子（通过摩根指纹和图变换器特征编码）与激素受体序列（使用ESM2模型编码）	机器学习	内分泌相关疾病	蛋白质语言模型（ESM2）、图变换器、分子对接	多层神经网络	分子结构数据（SMILES、图结构）与蛋白质序列数据	独立测试集数量未明确说明，涉及雌激素、雄激素和糖皮质激素受体	PyTorch	图变换器（Graph Transformer）、ESM2、多层感知机	准确率、灵敏度、特异度、精确率、F1分数、马修斯相关系数	NA
3453	2026-07-29	Interpretable Dual-Stream EEG-MRI Fusion Uncovers Structure-Function Signatures of Stroke Motor Recovery 2026-Jul-27, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3717334 PMID:42507557	研究论文	提出一种可解释的双流跨模态融合框架，融合脑电图和结构MRI以预测卒中后运动恢复	提出患者自适应双向跨模态注意力机制的可解释深度学习框架，首次将EEG功能连接与结构MRI区域对齐融合	样本量小（26人），结果需进一步验证；SHAP归因反映模型行为而非已验证的生物标志物	利用多模态神经影像融合预测亚急性缺血性卒中患者的运动恢复	26名亚急性缺血性卒中患者在运动想象任务中的脑电图和结构MRI数据	机器学习	卒中	脑电图、结构磁共振成像	深度学习双流交叉注意力模型	时间序列脑电图信号、结构MRI图像	26名受试者，每名执行四种运动想象任务（握力、强力握力、腕伸、腕屈）	NA	双流跨模态融合（带区域对齐嵌入、双向交叉注意力和患者自适应门控）	准确率	NA
3454	2026-07-29	Mapping Machine Learning-Driven Cybersecurity Solutions in Health Care: Scoping Literature Review 2026-Jul-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/93950 PMID:42507996	综述	系统梳理机器学习在医疗保健网络安全中的应用，并对照最新网络安全框架进行映射分析	首次将机器学习驱动的网络安全解决方案系统映射至美国国家标准与技术研究院网络安全框架2.0版全部六项功能（识别、保护、检测、响应、恢复、治理），构建了结构化且具有政策相关性的证据基础	存在语言偏倚、方法学异质性，且排除了医疗设备和专有解决方案	映射机器学习在医疗保健网络安全中的应用，总结其性能，并识别研究空白和实施考量	2019至2025年间基于机器学习的医疗保健组织级网络安全研究	自然语言处理	不适用	机器学习	经典机器学习，深度学习，自然语言处理	合成数据集，过时基准数据集	45项研究（覆盖18个国家），应用80个机器学习模型	不适用	不适用	报告指标不一致	不适用
3455	2026-07-29	Explainable deep learning self-supervised vision transformer for fundus-based myopia classification 2026-Jul-27, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.70205 PMID:42507991	研究论文	开发并验证一种基于自监督视觉变压器的近视分类方法，实现对正常眼、高度近视和病理性近视的准确分类	采用DINOv2自监督视觉变压器结合两阶段迁移学习协议，并引入双展开注意力机制提供解剖学上可解释的分类结果	需要外部和前瞻性验证来确认方法的普适性	实现从彩色眼底照片中对高度近视和病理性近视进行准确、稳健且透明的自动分类	彩色眼底照片	计算机视觉	近视	眼底照相	视觉变压器（ViT）	图像	未明确说明具体样本数量，但使用了10折分层交叉验证和独立测试集	PyTorch	DINOv2视觉变压器, ResNet-50, VGG-16, EfficientNet-B3	准确率, 宏平均F1分数	未明确说明
3456	2026-07-29	Deep Learning for Automated Classification and Dynamic Risk Prediction of Retained Products of Conception on Postpartum Ultrasound 2026-Jul-27, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70394 PMID:42508026	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3457	2026-07-29	MPLID (Membrane Protein-Lipid Interaction Database): A Large-Scale Experimental Resource of Residue-Level Protein-Lipid Contacts 2026-Jul-27, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag080 PMID:42508035	研究论文	MPLID是一个大规模实验性残基级别蛋白-脂质互作数据库，包含4704个膜蛋白和80439个实验验证的脂质接触注释	首次从实验数据角度直接识别蛋白质表面与脂质分子发生物理接触的残基，而非基于计算疏水性预测膜区域，并提供大规模标注数据集用于训练深度学习模型	由于纯化和结晶过程中大部分天然脂质相互作用丢失，观察到的接触率仅为下界，非接触类中必然存在假阴性；结构解析的接触仅代表生物学蛋白-脂质互作的子集	构建基于实验数据的残基级蛋白-脂质接触数据库，支持脂质介导变构研究、模拟脂质药物设计及脂质结合位点预测模型的训练	4704个膜蛋白（813个序列簇），8055325个残基，80439个实验验证脂质接触标注	机器学习	NA	X射线晶体学，冷冻电镜	深度学习模型（用于脂质接触预测）	蛋白质三维结构数据，序列数据，脂质配体注释数据	4704个膜蛋白，8055325个残基（包含80439个阳性接触标注）	NA	NA	NA	NA
3458	2026-07-29	NeuroOmics-Net: An interpretable multimodal deep learning framework for Alzheimer's disease diagnosis and progression prediction using neuroimaging, EEG, and genomic data 2026-Jul-27, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111879 PMID:42508236	研究论文	提出了一种可解释的多模态深度学习框架NeuroOmics-Net，整合神经影像、脑电图和基因组数据用于阿尔茨海默病的诊断和进展预测	首次提出结合层级多视角编码器、跨组学注意力融合模块和疾病进展图学习模块的多模态框架，实现跨域生物标志的自适应整合和进展关系建模	sMRI、EEG和基因表达数据来自独立非配对队列，所有跨模态关联仅反映群体水平的统计对应而非个体内生理耦合，同时公平性分析显示在人口多样化临床场景中准确率可能下降	开发整合神经影像、脑电图和基因组数据的多模态深度学习系统，提升阿尔茨海默病的诊断准确性和进展预测能力	正常对照、轻度认知障碍和阿尔茨海默病受试者，以及稳定MCI向进展性MCI转化的预测	机器学习	阿尔茨海默病	sMRI, EEG, 基因表达测序	深度学习多模态融合模型	影像、时间序列信号、基因表达数据	从ADNI、PhysioNet和GEO仓库获取的1120个诊断对齐样本	PyTorch	层级多视角编码器、跨组学注意力融合模块、疾病进展图学习模块	准确率、AUC	未在摘要中明确说明，输出NA
3459	2026-07-29	Artificial Intelligence-Assisted Triage in Emergency Departments: A Scoping Review of Clinical Applications, Outcomes, and Implementation Challenges 2026-Jul-27, Clinical and experimental emergency medicine IF:1.9Q2 DOI:10.15441/ceem.26.283 PMID:42509625	综述	系统梳理人工智能辅助急诊分诊的临床应用、效果及实施挑战	在急诊分诊领域首次全面整合传统机器学习、深度学习和大型语言模型的应用证据，并关注实施中的安全、公平性和监督机制	仅纳入2015-2026年英文文献，前瞻性验证、工作流整合及部署后监测的研究较少，大语言模型证据仍属初步	评估人工智能在急诊分诊中的应用现状、临床效果及实施障碍	急诊分诊系统及其临床决策支持工具	自然语言处理	急诊疾病	机器学习、深度学习、自然语言处理、人工神经网络、可解释机器学习、大型语言模型	人工神经网络、大型语言模型	结构化分诊变量和非结构化临床文本	27项研究	NA	NA	预测性能	NA
3460	2026-07-29	Automated measurement of hair density and projected apparent width via deep learning-based phototrichogram analysis 2026-Jul-27, International journal of cosmetic science IF:2.7Q2 DOI:10.1111/ics.70132 PMID:42509711	研究论文	提出一种基于深度学习的自动化光毛囊镜分析方法，用于测量头发密度和投影表观宽度	结合头发实例分割与主成分分析实现头发密度和投影宽度的自动化定量测量	主要针对深色头发人群，需在标准化成像条件下使用	开发自动化、可重复的光毛囊镜分析流程以替代人工测量	92名患者的259张高分辨率光毛囊镜图像（6000×4000像素）	计算机视觉	脱发相关疾病（泛化领域）	光毛囊镜成像	实例分割模型（未具体说明架构）	图像	259张图像来自92名深色头发患者	NA	NA（实例分割模型架构未指定）	平均精度（0.914）、召回率（0.870）、相关系数（r=0.732）、平均偏差（-12.08根/cm²）	NA