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
3861	2026-07-18	From data to scent: validating an ensemble AI model that predicts novel insect odourant interactions 2026-Jul-17, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06844-y PMID:42467279	研究论文	评估不同深度学习模型预测昆虫气味受体结构与结合能力，并提出加权组合元模型以提高准确性	首次系统评估多种深度学习模型对昆虫OR的预测能力，并提出加权组合元模型显著提升结合亲和力预测准确性，并通过实验验证	现有深度学习模型在预测配体结合亲和力及区分结合物与非结合物方面存在高变异性，即使目标非常相似	提高昆虫气味受体-配体相互作用的计算预测准确性	昆虫气味受体及其与配体的相互作用	机器学习	NA	深度学习模型预测	深度学习模型（AlphaFold2, Boltz2等）与元模型	蛋白质结构数据与配体结合数据	涉及一系列高反应性气味受体，具体数量未提及	NA	加权组合元模型	结合亲和力预测准确性	NA
3862	2026-07-18	Deep learning-based automated assessment of alveolar bone loss in CBCT for periodontitis 2026-Jul-17, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-07008-1 PMID:42467296	研究论文	开发并验证基于深度学习的CBCT自动系统，用于评估牙周炎的牙槽骨损失	提出结合nnU-Net框架与边缘约束最短路径算法，实现CBCT图像中牙齿、牙槽骨和牙釉质-牙骨质界（CEJ）的自动分割及牙槽骨损失（RBL）的量化计算	未在文中明确说明局限性	提高牙周炎诊断中放射学牙槽骨损失评估的准确性与效率	来自四个中心的110名牙周炎患者（2796颗牙齿）的CBCT图像	医学影像分析	牙周炎	CBCT成像	nnU-Net	图像	110名患者（2796颗牙齿）	PyTorch	nnU-Net	Dice相似系数（DSC），斯皮尔曼相关系数（ρ），组内相关系数（ICC），准确率	NA
3863	2026-07-18	Emerging trends in amino acid detection: wearable devices and machine learning-assisted signal processing 2026-Jul-16, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d6ay00596a PMID:42396893	综述	回顾氨基酸分析领域的最新进展，重点介绍柔性可穿戴传感设备和机器学习辅助信号处理两大新兴趋势	系统整合了非侵入式可穿戴传感技术与多种机器学习模型在氨基酸分析中的应用	未详细讨论实际临床验证和大规模应用中的挑战	总结氨基酸分析在个性化健康监测中的进展，并指出未来研究方向	氨基酸及其在血液、汗液、间质液等生物体液中的检测	机器学习	癌症、神经退行性疾病、心血管疾病	NA	深度学习模型、支持向量机、集成学习、树模型、经典化学计量线性回归模型	信号	NA	NA	NA	NA	NA
3864	2026-07-18	Automated deep learning-based arousal detection complies with ten expert scorers in unseen data 2026-Jul-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag191 PMID:42460976	研究论文	开发了一种基于深度学习的自动觉醒评分模型，并在多位专家评分者的独立数据集中验证了其性能	在独立数据集中以1秒分辨率与十位来自不同睡眠中心的专家评分者进行对比，模型的中位一致性评分超过了专家之间的一致性	未明确提及，但可能涉及模型在更大或更多样化人群中的泛化性需进一步验证	评估深度学习模型在不同睡眠记录中自动觉醒评分的可靠性和泛化能力	来自MESA队列和睡眠革命队列的多导睡眠图数据，包括205个内部测试样本和50个独立测试样本	机器学习	睡眠相关疾病	多导睡眠图分析	全卷积神经网络	多导睡眠图信号	1,847个MESA队列训练样本，205个MESA测试样本，50个睡眠革命队列独立测试样本	NA	全卷积神经网络	F1分数、Cohen's κ系数、组内相关系数	NA
3865	2026-07-18	The expanding role of Artificial intelligence in medical diagnosis: from molecular diagnostics and multi-omics to digital health and medical imaging 2026-Jul-16, Expert review of molecular diagnostics IF:3.9Q1 DOI:10.1080/14737159.2026.2706000 PMID:42461212	综述	综述人工智能在医学诊断中的扩展作用，涵盖分子诊断、多组学、数字健康和医学影像等领域	全面总结了人工智能在医学诊断中的多种应用，包括分析多源复杂数据（如医学图像、基因序列和电子健康记录），并探讨了其在风险分类、诊断工作流和疾病风险预测中的潜力	有效应用于临床需解决数据隐私、严格验证和减少医疗数据偏差等问题	评估人工智能在医学诊断中的当前应用、优势及挑战，强调其改善诊断结果的潜力	医学诊断中的人工智能应用，包括分子诊断、多组学、数字健康和医学影像	机器学习, 计算机视觉, 自然语言处理	NA	NA	机器学习, 深度学习	医学图像, 基因序列, 电子健康记录	NA	NA	NA	NA	NA
3866	2026-07-18	The Role of Artificial Intelligence and Machine Learning in Predictive Virology: Forecasting, Tracking, and Combating Viral Threats 2026-Jul-16, Vector borne and zoonotic diseases (Larchmont, N.Y.) DOI:10.1177/15303667261469037 PMID:42461270	综述	系统回顾人工智能和机器学习在预测病毒学中的作用，包括预测、追踪和对抗病毒威胁	将预测病毒学作为人工智能驱动的学科，整合大量基因组数据、多模式监测信号和先进计算模型预测病毒出现和进化，并提出涵盖零样本突变适应性预测、多模式预警系统、神经微分方程传播建模、生成抗病毒药物和疫苗设计以及生态风险评估的核心支柱	存在数据偏差、对历史模式的过拟合、缺乏前瞻性验证以及跨场景的泛化能力有限，此外还涉及机制可解释性、全球数据整合和负责任部署的问题	评估人工智能和机器学习在预测病毒学中的应用潜力，推动病毒学从反应性向预测性学科转变	病毒威胁（如SARS-CoV-2、流感及其他疫情）的预测、追踪和防控技术	机器学习	传染病	NA	大型蛋白质语言模型、生成式AI、神经微分方程	基因组数据、废水监测数据、数字流行病学数据、移动性数据、社交媒体数据	NA	NA	大型蛋白质语言模型、生成对抗网络	准确性	NA
3867	2026-07-18	EEG-DBNet: a dual-branch framework for temporal-spectral representation learning of motor imagery electroencephalography 2026-Jul-16, Brain informatics DOI:10.1186/s40708-026-00321-1 PMID:42461518	研究论文	提出一个名为EEG-DBNet的双分支神经网络框架，用于运动想象脑电图信号的时频特征学习	提出局部与全局卷积模块相结合的双分支设计，实现多尺度特征提取，同时建模EEG信号的时间动态和频谱表示	仍需在更大的自采数据集上进行进一步验证	开发稳健的深度学习框架，用于有效解码运动想象脑电图信号	运动想象脑电图信号	机器学习	NA	EEG	CNN	信号	使用了两个公开数据集（BCI Competition IV-2a和IV-2b）以及一个自采的CQUPT数据集	NA	双分支卷积神经网络	平均性能	NA
3868	2026-07-18	A Generative Multi-modal Deep Learning Framework for Non-invasive Prediction of Ki-67 Expression in Papillary Thyroid Microcarcinoma Using Preoperative Ultrasound 2026-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3714034 PMID:42461734	研究论文	提出一种生成式多模态深度学习框架，通过术前B超非侵入性预测甲状腺微小乳头状癌的Ki-67表达	首次提出基于Pix2Pix的BUS2USE网络合成虚拟超声弹性成像图，设计可靠性感知融合机制平衡真实与生成特征，并引入多尺度注意力精炼模块和VEGF预测辅助任务	合成图像可能引入噪声，融合机制的鲁棒性需进一步验证	实现甲状腺微小乳头状癌Ki-67表达的非侵入性预测以辅助风险分层和预后评估	甲状腺微小乳头状癌患者术前B超图像及弹性成像图像	计算机视觉	甲状腺微小乳头状癌	超声成像	生成对抗网络	图像	未明确说明	PyTorch	Pix2Pix	准确率, AUC	NA
3869	2026-07-18	Long-Sequence Lower Limb Action Recognition via Action-Specific Attention and Logic Correction for Daily Rehabilitation 2026-Jul-16, 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.2026.3713524 PMID:42461747	研究论文	提出一种结合动作特定注意力机制和逻辑校正的混合深度学习框架，用于日常康复中的长序列下肢动作识别	通过滑动窗口的动作特定注意力机制增强对稀疏关键过渡动作的敏感性，并利用马尔可夫链逻辑校正模块消除生理上不合理的状态转换	初步评估仅在老年人群中进行，且系统在更复杂场景下的泛化能力有待验证	提升康复场景中人机协作控制的安全性和精确性	下肢连续运动序列，特别关注站立到坐、蹲到站等过渡动作	机器学习	康复医学	表面肌电图（sEMG）和惯性测量单元（IMU）多模态数据融合	BiLSTM（双向长短期记忆网络）	时间序列数据（sEMG信号和IMU数据）	包含老年受试者（OOD评估中n=5）在内的受试者数据	NA	ASAM-BiLSTM-MC（结合动作特定注意力机制和马尔可夫链逻辑校正）	总体准确率、宏F1分数	NA
3870	2026-07-18	Dynamics-enhanced molecular property prediction guided by deep learning 2026-Jul-16, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014515 PMID:42461947	研究论文	提出动态增强分子表征方法并结合深度学习进行分子性质预测	通过分子动力学模拟构建动态数据集，并提出动态增强分子表征方法，整合动力学信息到分子性质预测任务	未提及具体限制	结合动力学数据和深度学习方法提升分子性质预测性能	不同分子的分子动力学模拟数据及分子性质	机器学习	NA	分子动力学模拟	深度学习	分子动力学模拟帧数据	NA	NA	NA	NA	NA
3871	2026-07-18	Wiz regulates clustered protocadherin genes by restricting CTCF/cohesin loop extrusion in a genomic-distance biased manner 2026-Jul-16, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1012242 PMID:42461945	研究论文	提出基于深度学习的筛选工具COP，鉴定Wiz蛋白通过限制CTCF/cohesin环挤出调控簇集原钙黏蛋白基因	首次发现Wiz蛋白以基因组距离偏向方式调控CTCF/cohesin环挤出，从而影响增强子-启动子长距离接触	尚未阐明Wiz调控CTCF/cohesin环挤出的分子机制细节	探究锌指蛋白对簇集原钙黏蛋白基因的调控机制	小鼠簇集原钙黏蛋白基因座及Wiz蛋白	机器学习	NA	ChIP-seq, RNA-seq, 4C-seq	深度学习模型	DNA序列数据与蛋白质特征数据	小鼠神经元细胞及脑组织样本	NA	COP（C2H2-ZFP occupancy predictor）	NA	NA
3872	2026-07-18	A Hybrid CNN-Transformer Model with Crossover Boosted Cheetah Optimization for Prenatal Spina Bifida Identification from Ultrasound Images 2026-Jul-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70347 PMID:42462242	研究论文	提出一种混合CNN-Transformer模型，结合交叉增强猎豹优化算法，从超声图像中识别胎儿脊柱裂	首次将CNN与Transformer混合用于脊柱裂超声图像识别，并引入交叉增强猎豹优化算法进行超参数调优	未在多种超声设备或不同临床环境下进行验证，未探讨模型在低质量图像或噪声条件下的表现	开发一种自动化、可信赖的深度学习框架，用于从孕中期胎儿超声图像中准确识别脊柱裂	胎儿脊柱结构超声图像	计算机视觉	脊柱裂	超声成像	混合CNN-Transformer模型	图像	NA	NA	CNN-Transformer混合架构	准确率、F1分数、推理时间	NA
3873	2026-07-18	Parental burnout and children's short-form video and online game use: A specification curve and interpretable deep learning analysis 2026-Jul-16, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107412 PMID:42462491	研究论文	本研究考察了父母倦怠与子女短视频和网络游戏使用之间的关系，并探索了父母低头族的中介作用	首次运用规范曲线分析和可解释深度学习模型研究父母倦怠与儿童数字媒体使用之间的非线性关系	研究采用横截面设计，无法推断因果关系；且仅在中国北方地区取样，样本代表性有限	探明父母倦怠与儿童短视频和网络游戏使用之间关系的稳健性	来自中国北方34所学校的6020名小学生和5456名中学生及其父母	机器学习	心理健康问题	NA	可解释深度学习模型	文本（问卷调查数据）	6020名小学生（样本1）和5456名中学生（样本2），共计11476名学生及其父母	SHAP	NA	中位数β值（0.030-0.070）、B值（0.014-0.041）	NA
3874	2026-07-18	Automated ventricular and midline segmentation in cranial ultrasound with metrology 2026-Jul-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae8bb7 PMID:42462755	研究论文	提出一种深度学习系统，用于分割成人颅骨超声图像中的脑室和中线结构，并生成基于几何的度量叠加	针对颅骨超声图像中薄解剖结构难以一致勾画的问题，采用类别加权优化结合Dice和中线聚焦的focal-Tversky损失函数，并利用水平翻转测试时间平均处理类别不平衡	基于专有数据集，可能缺乏通用性；仅针对冠状面图像，未覆盖其他切面	实现颅骨超声图像中关键颅内结构的自动分割和标准化度量可视化	成人颅骨超声图像中的同侧和对侧侧脑室以及颅骨中线结构	计算机视觉	神经外科术后监测	颅骨超声成像	编码器-解码器分割架构	图像	457帧专有去标识超声图像	PyTorch	多种编码器-解码器分割架构（具体未指定）	Dice系数	NA
3875	2026-07-18	Deep Learning for Automated Microvascular Flow Quantification in Avian Tumor Models 2026-Jul-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70385 PMID:42462774	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3876	2026-07-18	The Advantages of AI for Computational Protein Studies and Looking Ahead at the Next Challenges: Single Structures Are Not Enough 2026-Jul-16, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2026.169949 PMID:42462965	观点文章	探讨人工智能在计算蛋白质研究中的优势及未来挑战，强调单一结构不足以全面理解蛋白质	指出大蛋白质语言模型和深度学习在结构预测中的巨大成功，并强调预测多状态蛋白质集合、构象转变及与实验数据整合的重要性	未明确具体实验验证或模型局限性	阐述人工智能在计算蛋白质研究中的进展及未来方向，推动对蛋白质结构机制与动力学的全面理解	蛋白质结构、配体结合位点、蛋白质相互作用、多状态蛋白质集合、构象转变	机器学习	NA	深度学习、大蛋白质语言模型	NA	NA	NA	NA	NA	NA	NA
3877	2026-07-18	Limitations of public chest radiography datasets for artificial intelligence: label quality, domain shift, bias and evaluation challenges 2026-Jul-16, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2025.0129 PMID:42463228	研究论文	系统分析公开胸部X光数据集在标签质量、领域偏移、偏见和评估实践中的局限性	跨数据集领域偏移评估显示外部性能显著下降，并训练源分类模型以近乎完美的准确率区分数据集，揭示年龄和性别亚组的性能降低，以及专业放射科医生与现有标签的重大分歧	NA	评估公开胸部X光数据集在人工智能应用中的缺陷，并提出改进数据集质量和评估框架的需求	MIMIC-CXR、ChestX-ray14、PadChest和CheXpert等公开胸部X光数据集	计算机视觉	NA	NAS	深度学习模型（多种架构）	图像（胸部X光片）	涉及MIMIC-CXR、ChestX-ray14、PadChest和CheXpert等数据集，每个包含数十万张标注图像	NA	多种模型架构（具体未指定）	AUPRC、F1分数	NA
3878	2026-07-18	YOLO11-guided swin transformer for molar occlusion classification 2026-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-62092-3 PMID:42463520	研究论文	提出一种结合YOLO11与Swin Transformer的自动磨牙咬合分类深度学习框架	首次将YOLO11实例分割与Swin Transformer分层注意机制结合，实现解剖定位引导的磨牙咬合自动分类，无需手动定义感兴趣区域	数据集仅包含1101张口内图像且为单一中心数据，未在更大规模多中心数据上验证；未说明模型对严重牙齿错位或图像质量较差情况的鲁棒性	开发自动化的磨牙咬合分类方法以辅助正畸诊断与治疗计划	口内照片中的磨牙区域与咬合关系	计算机视觉	NA	NA	CNN、Transformer	图像	1101张口内图像，涵盖5种咬合类别	NA	YOLO11、Swin Transformer、ResNet50V2、DenseNet201、MobileNetV3-Large、EfficientNetV2-S、Vision Transformer	Dice系数、准确率、召回率	NA
3879	2026-07-18	A Noise-Aware Robustness Evaluation Framework for Breast Cancer Classification in Ultrasound Imaging 2026-Jul-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02114-8 PMID:42463622	研究论文	提出一个噪声感知的鲁棒性评估框架，用于超声图像中的乳腺癌分类	首次在超声乳腺癌分类中系统性评估不同噪声类型（高斯、泊松、散斑）对模型性能的影响，并提出噪声匹配训练方法来提高模型鲁棒性	仅使用了公开的BUSI数据集，样本量有限（780张图像），且噪声模拟可能无法完全覆盖真实临床环境中的噪声变化	评估和提升深度学习模型在超声图像噪声条件下的乳腺癌分类鲁棒性	乳腺癌超声图像分类模型	计算机视觉, 数字病理	乳腺癌	超声成像	CNN, Inception V3	图像	780张超声图像，来自600名女性患者	NA	CNN, Inception V3	准确率, 恶性病变召回率	NA
3880	2026-07-18	AGFR-Net: anatomy-guided feature refinement for robust multi-label thoracic disease classification from chest X-rays 2026-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59302-3 PMID:42463703	研究论文	提出一种层级式解剖引导特征细化框架AGFR-Net，用于胸部X光片的鲁棒多标签疾病分类	通过渐进式从粗到细的特征优化策略，结合解剖定位与疾病特异性表示学习，并在级联注意力机制中整合通道、空间和元素级细化阶段	模型性能在严重病理案例中依赖于分割质量、数据集特征和输入图像分辨率	实现胸部X光片多标签疾病分类的鲁棒性提升，解决异常视觉模式模糊和标签分布不均问题	胸部X光片中的多标签疾病（特别是代表性不足的病变类别）	计算机视觉	胸部疾病	NA	CNN（分割网络）、注意力机制	图像	NIH ChestX-ray14数据集（数量未明确）、CheXpert数据集（用于跨数据集评估）	NA	AGFR-Net（层级解剖引导特征细化框架）	Dice系数、交并比（IoU）	NA