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
3621	2026-07-27	DeepAden: an explainable machine learning method for predicting the substrate specificity of nonribosomal peptide synthetases 2026-Jul-03, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag656 PMID:42406630	研究论文	提出DeepAden，一种两阶段深度学习模型，用于预测非核糖体肽合成酶中腺苷酸化结构域的底物特异性	结合图注意力网络与预训练语言模型进行底物口袋定位和底物预测，并采用SHAP引导的数据增强策略处理类别不平衡问题	文中未明确讨论局限性，但可能受限于非蛋白源底物数据量及口袋定位的准确性	实现非核糖体肽合成酶中腺苷酸化结构域底物特异性的准确预测	非核糖体肽合成酶的腺苷酸化结构域及其结合的氨基酸底物	机器学习	NA	对比学习、SHAP数据增强	图注意力网络、预训练语言模型	蛋白质序列和结构数据	基准数据集（具体数量未提及）及两个链霉菌NRPS基因簇	PyTorch（基于深度学习架构推断）	GAT、对比学习语言模型	与现有方法的竞争性表现（具体指标如准确率等未明确列出）	NA
3622	2026-07-27	SpaBiT: enhancing spatial transcriptomics resolution via bidirectional attention transformers 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag443 PMID:42391614	研究论文	提出SpaBiT，一种通过双向注意力机制提升空间转录组学分辨率的框架	采用双向交叉注意力模块实现组织学图像特征与空间拓扑邻域信息的高效融合，显式建模局部形态与空间图结构之间的协同约束	未明确定义局限性，可能包括对计算资源的需求或对其他模态数据的依赖	提升空间转录组学数据的空间分辨率以获得高保真基因表达图谱	空间转录组学数据中的低分辨率表达谱和组织学图像特征	计算生物学	NA	空间转录组学测序	注意力机制	基因表达数据和组织学图像	NA	PyTorch	双向交叉注意力模块和图注意力网络	多种定量指标（具体未命名）	NA
3623	2026-07-27	WUSTCA: enhanced UAV RF signal classification with wavelet transform and STCA attention mechanisms 2026-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54780-x PMID:42386888	研究论文	提出一种结合小波变换与STCA注意力机制的无人机射频信号分类框架WUSTCA，实现高精度分类	首次将小波变换特征提取与分层U-Net架构结合，并引入分裂时间交叉注意力（STCA）和残差连接	仅在CardRF数据集上验证，未提及在更大规模或多样化场景下的泛化能力及实时部署功耗	提升无人机射频信号分类的准确性和鲁棒性，降低计算复杂度与噪声干扰	无人机及其控制器的射频信号	信号处理	NA	小波变换、射频信号分类	WUSTCA（基于U-Net的混合模型）	射频信号	CardRF数据集（具体数量未提及）	PyTorch	U-Net	平均分类准确率	NA
3624	2026-07-27	3DICE: interpretable 3D cross-modal learning for drug-target interaction prediction and large-scale drug discovery 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag488 PMID:42390120	研究论文	提出了一种利用3D结构信息与共注意力融合的可解释深度学习框架3DICE，用于药物-靶标相互作用预测和大规模药物发现	首次将大规模预训练的3D结构编码器（Uni-Mol和ESM-IF1）与共注意力融合模块结合，实现药物与蛋白质3D结构感知的特征学习，并内置可解释性机制以突出关键原子或残基	现有方法在冷启动场景中的泛化性和性能仍受限于药物和靶标特征表示的低效学习，且多数模型缺乏可解释性	开发一种高效、准确且可解释的药物-靶标相互作用预测方法，以降低药物研发成本和时间	药物分子和靶标蛋白质的3D结构	机器学习	NA	大规模预训练3D结构编码器	深度学习模型	药物SMILES字符串和蛋白质FASTA序列	两个基准数据集（DrugBank和KIBA）	PyTorch	Uni-Mol, ESM-IF1, 共注意力融合模块	多个指标（具体未列出，但暗示包含准确率等）	NA
3625	2026-07-27	ChemoCardioNet: An Explainable Multimodal Transformer for Early Prediction of Chemotherapy-Induced Cardiotoxicity 2026-Jul-02, Journal of cardiovascular translational research IF:2.4Q3 DOI:10.1007/s12265-026-10807-2 PMID:42390624	研究论文	提出一种可解释的多模态深度学习框架ChemoCardioNet，整合心电图、超声心动图、临床变量和血清生物标志物，在临床症状出现前预测化疗引起的心脏毒性风险	结合1D卷积Transformer用于ECG序列、CNN-ViT混合模块用于超声心动图帧、多层感知机用于临床和生物标志物特征，并通过交叉注意力融合Transformer对齐多模态潜在表征，捕获化疗周期中的时间演化	NA	在化疗诱导的心脏毒性（CIC）临床显现前进行早期预测，改善心脏肿瘤学监测	接受化疗的癌症患者	机器学习	心血管疾病	NA	Transformer, 卷积神经网络（CNN）, 视觉Transformer（ViT）, 多层感知机（MLP）	心电图序列, 超声心动图帧, 临床变量, 血清生物标志物	1200名患者	PyTorch	1D卷积Transformer, CNN-ViT混合模块, 多层感知机, 交叉注意力融合Transformer	AUC	NA
3626	2026-07-27	Prediction of Clinically Significant Depressive Symptoms at 2-Year Follow-Up in Older Adults: Machine Learning Study Using the English Longitudinal Study of Ageing 2026-Jul-02, JMIR formative research IF:2.0Q4 DOI:10.2196/84744 PMID:42390822	研究论文	利用英国老龄化纵向研究数据，应用机器学习模型预测老年人两年后出现临床显著抑郁症状的可行性	首次使用ELSA数据应用机器学习模型预测英国老年人两年后的临床显著抑郁症状，并系统比较了序数编码与独热编码策略对分类医疗变量的影响	预测准确性中等（AUROC最高0.75），深度学习模型表现不如传统机器学习模型	开发和评估机器学习模型以预测老年人两年后出现临床显著抑郁症状，并比较不同编码策略和模型架构的效果	英国老龄化纵向研究中年龄≥50岁且基线无明显抑郁症状的参与者	机器学习	老年抑郁症	NA	随机森林、极端梯度提升、支持向量机、深度学习模型等8种机器学习模型	表格数据	多个ELSA波次数据，包含超过120个社会人口学、心理和健康相关特征	NA	随机森林、极端梯度提升、支持向量机、深度学习架构等	AUROC, F1分数	NA
3627	2026-07-27	An interpretable deep learning framework uncovers features governing CRISPR-Cas9 genome-editing efficiency 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag483 PMID:42391025	研究论文	提出了一种可解释的深度学习框架DeepCC9，用于揭示调控CRISPR-Cas9基因组编辑效率的序列特征	结合显式序列特征提取与残差块深度架构，实现可解释性提升；首次系统揭示sgRNA内序列基序的位置效应	未提及具体局限性	开发可解释的深度学习模型以识别影响CRISPR-Cas9编辑效率的序列组成和位置特征	CRISPR-Cas9系统中的单引导RNA序列	机器学习	NA	CRISPR-Cas9基因组编辑	残差网络	序列数据	NA	Python	残差块	预测性能	NA
3628	2026-07-27	Optimizing lung cancer diagnosis using improved fungal growth optimizer-based medical image segmentation 2026-07-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58817-z PMID:42393213	研究论文	提出一种改进的真菌生长优化器（结合正交学习策略）用于肺癌CT图像的多级阈值分割	将正交学习策略引入真菌生长优化器，增强解多样性并加快收敛速度，实现高效可靠的医学图像分割	未提及	优化多级阈值分割方法，提升肺癌CT图像分割的准确性和可靠性	来自公开肺癌数据集的20张胸部CT图像	数字病理, 计算机视觉	肺癌	多级阈值分割, 图像分割	真菌生长优化器（FGO）	图像	20张胸部CT图像	MATLAB	OLFGO（正交学习真菌生长优化器）	峰值信噪比、结构相似性指数、特征相似性指数、通用质量指数、Dice系数	未提及
3629	2026-07-27	Dual branch fundus deep learning network as an enhanced multi classification system for ocular disease detection via hybrid feature fusion 2026-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58277-5 PMID:42393152	研究论文	提出一种基于双分支眼底深度学习网络的多分类系统，通过混合特征融合实现眼部疾病检测	采用双分支特征提取框架，结合ConvNeXt架构获取复杂语义特征和U-Net编码器捕获多尺度细粒度结构特征，并通过SENet块进行通道重校准特征增强	未明确提及局限性，但研究中仅使用单一数据集（OIA-ODIR）且采用单标签多分类设定，可能限制对多病共存情况的处理能力	开发用于多种眼部疾病多分类的深度学习诊断工具，提高早诊准确率	眼底图像，涵盖黄斑变性、白内障、青光眼、高血压、糖尿病视网膜病变、近视等八类疾病及正常病例	数字病理学	眼部疾病	NA	深度学习模型	图像	OIA-ODIR数据集包含六类眼部疾病及正常和多病共存的眼底照片，但未明确样本总数	NA	ConvNeXt, U-Net, SENet	精确率, 召回率, F1分数, 准确率	NA
3630	2026-07-27	Artificial intelligence assisted telemedicine, clinical decision support for anesthesia and critical care in intensive care units: a scoping review 2026-Jul-02, BMC anesthesiology IF:2.3Q2 DOI:10.1186/s12871-026-03997-4 PMID:42393540	综述	通过范围综述绘制人工智能辅助远程医疗在重症监护室麻醉与重症监护中的临床决策支持证据图谱	系统梳理了非生成式AI（机器学习和深度学习）在远程ICU、预测分析及临床决策支持中的应用现状，并明确了其促进远程监测和早期临床恶化的能力	证据多为观察性研究，缺乏前瞻性临床验证；数据质量、互操作性、模型透明度和伦理问题突出	评估AI在重症监护室麻醉与重症监护领域远程医疗和临床决策支持中的应用证据	重症监护室中的AI远程医疗系统、预测分析、远程监测和临床决策支持技术	自然语言处理	心血管疾病	NA	CNN	NA	NA	NA	NA	NA	NA
3631	2026-07-27	Mechanisms and integrative machine learning approaches to blood-brain barrier biomarker profiling for personalized ischemic stroke management 2026-Jul, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.71003 PMID:42397170	综述	整合血脑屏障破坏的分子细胞机制与机器学习方法，实现个性化缺血性脑卒中管理	首次系统性地将血脑屏障破坏的分子细胞机制与机器学习方法相结合，用于生物标志物分析和个性化治疗	数据异质性、纵向数据集有限以及模型可解释性不足是临床转化的主要障碍	探索血脑屏障生物标志物图谱在个性化缺血性脑卒中管理中的应用	缺血性脑卒中患者的血脑屏障损伤生物标志物	机器学习	缺血性脑卒中	NA	深度学习	神经影像、分子、临床、多组学数据	NA	NA	深度神经网络	NA	NA
3632	2026-07-27	Diagnostic performance of machine learning-based radiomics models for predicting epidermal growth factor receptor mutation status in lung adenocarcinoma in Chinese patients: A systematic review and meta-analysis 2026-Jul, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605261460311 PMID:42396618	系统综述与荟萃分析	系统评估基于机器学习的影像组学模型预测中国肺腺癌患者表皮生长因子受体突变状态的诊断性能	首次通过荟萃分析系统比较深度学习与传统机器学习、计算机断层扫描与正电子发射断层扫描-计算机断层扫描、外部验证与内部验证等亚组对模型性能的影响	纳入研究均为回顾性设计且存在显著异质性	评估基于机器学习的影像组学模型在预测中国肺腺癌患者EGFR突变状态中的诊断准确性	中国肺腺癌患者	机器学习	肺腺癌	影像组学	深度学习、传统机器学习	医学影像（计算机断层扫描、正电子发射断层扫描-计算机断层扫描）	13项研究，共6628名患者	NA	深度学习模型、传统机器学习模型	敏感性、特异性、曲线下面积	NA
3633	2026-07-27	The application of artificial intelligence in adrenal imaging: current state of knowledge, challenges, and future directions 2026-Jul-01, Endocrine connections IF:2.6Q3 DOI:10.1530/EC-26-0267 PMID:42396958	综述	探讨人工智能在肾上腺影像学中的应用现状、挑战与未来方向	全面总结AI在肾上腺病变检测、分割和特征分类中的最新进展，并指出多模态整合（影像与临床数据结合）可提升诊断性能	大多数研究为回顾性、单中心研究，基于小型或选择性队列，缺乏外部验证和标准化方法，限制了可重复性和泛化能力	评估AI技术在肾上腺影像学中的应用潜力，并分析当前障碍和未来发展方向	肾上腺病变（包括腺瘤、嗜铬细胞瘤、肾上腺皮质癌、转移瘤及功能性肿瘤）的影像学数据	计算机视觉	肾上腺疾病	放射组学, 深度学习, CT影像, MRI, PET/CT	分割模型, 检测模型, 分类模型	影像数据	NA	NA	NA	Dice系数, 敏感性, 特异性, 曲线下面积	NA
3634	2026-07-27	A deep learning framework for efficient pathology image analysis 2026-07-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74918-9 PMID:42386722	研究论文	介绍EAGLE，一种模仿病理学家选择性分析信息区域的深度学习框架，用于高效病理图像分析	提出EAGLE框架，通过任务无关的瓷砖选择与详细特征提取相结合，模拟病理学家工作流程，显著提升计算效率并保持高性能	NA	开发一种高效、可审计的深度学习框架，用于病理图像分析，减少计算资源需求并提升性能	来自9种癌症类型的43项任务，涵盖形态学、生物标志物预测、治疗反应和预后	数字病理学	癌症	NA	深度学习框架	全切片图像	43项任务涉及9种癌症类型	NA	NA	分类性能、计算时间	NA
3635	2026-07-27	Correction: TB-DROP: deep learning-based drug resistance prediction of Mycobacterium tuberculosis utilizing whole genome mutations 2026-Jul-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-13064-4 PMID:42387368	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3636	2026-07-27	Opportunistic screening for incident cardiometabolic disease in metabolically healthy non-obese individuals: a prospective cohort study 2026-Jul-01, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-026-03265-2 PMID:42387503	研究论文	本研究通过前瞻性队列分析，探讨内脏脂肪与皮下脂肪体积比在代谢健康非肥胖个体中识别突发心血管代谢疾病风险的价值	首次在代谢健康非肥胖人群中验证内脏脂肪与皮下脂肪比例优于传统腰围的风险分层能力，基于深度学习从全身MRI中量化脂肪分布	未提供限制信息	评估内脏脂肪与皮下脂肪比例在代谢健康非肥胖个体中预测突发心血管疾病和2型糖尿病的附加价值	22040名英国生物样本库中代谢健康非肥胖参与者，其中位随访4.2年	机器学习	心血管疾病	全身MRI成像，深度学习	深度学习框架	影像数据	22040名代谢健康非肥胖参与者	NA	深度学习框架	净重新分类改善指数，一致性指数，风险比	NA
3637	2026-07-27	Automated AI-Based Aortic Measurements From Attenuation Correction CT as an Adjunctive Cardiovascular Risk Biomarker: An International Multicenter Study 2026-Jul, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.019726 PMID:42389791	研究论文	利用人工智能从心肌灌注成像CT衰减校正扫描中自动测量主动脉尺寸，作为辅助性心血管风险生物标志物	首次在多中心大规模队列中证明，从常规心肌灌注成像CT衰减校正扫描中自动获取的主动脉尺寸测量值与不良预后相关，无需额外成像或辐射	未明确提及研究限制	评估基于人工智能的主动脉尺寸测量是否与不良结局相关，并作为辅助性心血管风险生物标志物	接受PET/CT和SPECT/CT心肌灌注成像的患者	机器学习	心血管疾病	CT衰减校正扫描	深度学习模型	CT图像	29339名患者（56%男性，中位年龄66岁）	NA	NA	调整风险比、置信区间、P值	NA
3638	2026-07-27	Impact of Subretinal Drusenoid Deposits on Ellipsoid Zone-Related Thickness Metrics 2026-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.67.8.10 PMID:42390175	研究论文	评估视网膜下玻璃疣沉积对椭圆体区相关厚度测量的影响	首次量化视网膜下玻璃疣沉积对椭圆体区-视网膜色素上皮厚度测量的干扰，并提出了光感受器外节特定指标和SDD/EZ比值来改善老年性黄斑变性的终点评估	样本量有限（83只眼，44名患者），且仅来自阿米什人群，可能影响普适性	评估视网膜下玻璃疣沉积对非新生血管性老年性黄斑变性中椭圆体区定量指标的影响	老年性黄斑变性患者	数字病理学	老年性黄斑变性	谱域光学相干断层扫描	深度学习	图像（OCT）	83只眼（44名患者）	NA	半自动深度学习分割模型	厚度测量、SDD/EZ比值、纵向变化（∆POS、∆EZ-RPE）、相关性系数（R²）	NA
3639	2026-07-27	Explicit Inclusion of Diabetes Mellitus Without Retinopathy Within Diabetic Retinopathy Prediction 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.3 PMID:42390159	研究论文	评估将无视网膜病变的糖尿病作为独立阶段纳入深度学习模型，以预测糖尿病视网膜病变严重程度	首次将无DR的DM作为独立阶段显式建模，通过分割视盘和视网膜血管分析区域对分类性能的影响，并利用显著性图与视盘距离揭示随DR严重程度变化的特征依赖	NA	评估显式建模无DR的DM是否能使深度学习检测早期视网膜变化，实现DR严重程度的早期风险识别	糖尿病视网膜病变（DR）和无视网膜病变的糖尿病（DM）	数字病理学	糖尿病视网膜病变	NA	深度学习分类模型	彩色眼底图像	6069张彩色眼底图像，包括1996例无DM、1852例DM无DR、2221例DR（其中516例轻度、220例中度、103例重度、1382例增殖性DR）	NA	NA	AUC	NA
3640	2026-07-27	A robust deep learning framework for automated fetal behavioral state classification: leveraging multi-center datasets to improve antepartum heart rate monitoring 2026-Jul-01, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2026.110209 PMID:42394954	研究论文	提出一种基于残差注意力U-Net的深度学习框架，利用多中心数据集自动分类胎儿行为状态，以改进产前心率监测	首次在胎儿行为状态分类中结合残差注意力U-Net架构、大规模无标签预训练及多中心多设备数据微调，实现高泛化性能	未明确说明模型在低质量信号或极端胎龄下的表现、未讨论不同标注者间一致性差异对模型的影响	开发客观、快速且可复现的胎儿行为状态自动分类方法，辅助临床评估神经系统成熟度	不同产前阶段孕妇的胎心率记录（CTG traces），包括7000+无标签记录和236有标签记录	数字病理学	胎儿神经系统发育异常	胎心宫缩图（CTG）	残差注意力U-Net	时序信号	7000+份无标签胎心率记录与236份多中心有标签记录	PyTorch	残差注意力U-Net	宏F1分数（91%），平衡准确率（93%）	NA