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
21	2026-06-15	Pushing the Limits of One-Dimensional NMR Spectroscopy for Automated Structure Elucidation Using Artificial Intelligence 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00905 PMID:42260727	研究论文	利用深度学习框架，仅凭一维氢谱和碳谱就能自动解析分子结构	首次证明通过基于Transformer的深度学习架构，能在完整元素覆盖范围内，仅利用一维NMR预测含有最多40个非氢原子的分子结构，克服了化学空间的组合爆炸问题	预测准确率为60.4%，在15次预测内，仍有进一步提高空间；方法可能对某些复杂或异常结构不适用	实现仅用一维核磁共振光谱自动推导有机化合物结构，覆盖药物类化学空间中大部分分子	有机化合物和天然产物，其中分子最多含40个非氢原子，元素涵盖C、N、O、H、P、S、Si、B和卤素	机器学习, 自然语言处理	NA	一维核磁共振波谱（氢谱和碳谱）	Transformer	文本（分子结构数据）	NA	PyTorch	Transformer	准确率	NA
22	2026-06-15	Integrating van't Hoff Equation with Artificial Neural Network for the Prediction of H2S Solubility in Ionic Liquids 2026-Jun-03, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01869 PMID:42237580	研究论文	提出一种将van't Hoff方程与人工神经网络相结合的物理信息混合模型，用于预测硫化氢在离子液体中的溶解度	首次将van't Hoff方程直接嵌入神经网络架构，确保预测在热力学上一致，并在未见过的阳离子-阴离子组合上表现出优异的泛化能力	未提及模型在不同温度范围或更复杂离子液体体系中的表现，以及计算资源需求	结合物理知识提升机器学习模型在复杂化学体系中的预测可靠性和可解释性	离子液体中硫化氢的溶解度	机器学习	NA	NA	物理信息混合人工神经网络（hybrid ANN）	数值数据（溶解度、温度、阳离子-阴离子结构特征）	NA	NA	混合神经网络（hybrid ANN）	决定系数（R²）	NA
23	2026-06-15	Overrepresentation Bias Leads to Performance Overestimation in Blood-Brain Barrier Permeability Prediction Models: Characterization and Mitigation 2026-Jun-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02891 PMID:42226621	研究论文	本研究探讨了过表示偏差导致血脑屏障通透性预测模型性能被高估的问题，并提出了自动检测算法和偏差感知数据处理流程	首次系统性地识别和量化了过表示偏差对药物性质预测模型性能评估的显著影响，并提出了实用的自动检测算法和数据处理方法	需进一步验证该方法在不同药物数据库和预测任务中的泛化能力	揭示并解决药物数据库中的过表示偏差问题，确保模型性能评估的可靠性	血脑屏障通透性预测模型及其评估方法	机器学习	NA	NA	NA	NA	NA	NA	NA	曲线下面积, 宏平均F1分数	NA
24	2026-06-15	Development of a Prediction Model for Progression Risk in High-Grade Gliomas Based on Habitat Radiomics and Pathomics 2026-06, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70304 PMID:41486586	研究论文	基于生境影像组学和病理组学构建高分级胶质瘤进展风险预测模型	首次结合生境影像组学与病理组学构建联合模型，并整合临床信息用于高分级胶质瘤进展风险预测	样本量较小（72例），且为回顾性研究	评估基于生境影像组学和病理组学构建模型的可行性，以预测高分级胶质瘤的进展风险	高分级胶质瘤患者的术前磁共振图像和病理切片	数字病理学	胶质瘤	核磁共振成像、全切片成像	深度学习	图像	72例高分级胶质瘤患者（52例训练集，20例测试集）	NA	多种网络架构（具体未提及）	C指数、AUC	NA
25	2026-06-15	Probabilistic vehicle speed prediction and reliability-based design optimization of mountainous freeway renovation using Transformer and active learning surrogates 2026-Jun, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108453 PMID:41702043	研究论文	提出一种结合Transformer和主动学习代理模型的山地高速公路改造概率速度预测与可靠性设计优化框架	首次将Transformer架构用于高速公路线形与附属设施到车速分布的概率映射，并结合主动学习Kriging代理模型求解安全与成本平衡的RBDO问题	未提及实验数据的规模及来源，也未讨论模型在不同道路环境下的泛化能力	实现基于可靠性的高速公路线形设计优化，平衡驾驶安全与改造成本	典型的山区高速公路及其改造设计参数（纵向坡度、曲线半径等）	机器学习	NA	NA	Transformer, Kriging代理模型	数值数据	针对一条典型的山区高速公路进行数值实验	NA	Transformer, Kriging	NA	NA
26	2026-06-15	Efficient self-supervised Barlow Twins from limited tissue slide cohorts for colonic pathology diagnostics 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104004 PMID:41793844	研究论文	针对结直肠息肉病理诊断，提出一种基于Barlow Twins自监督学习的高效计算模型，旨在减轻病理学家工作负担并提升筛查效率	优化了Barlow Twins框架的超参数、数据增强策略和编码器以适应病理数据特性；首次探索结直肠息肉筛查的最佳视场（FoV）；提出新的结直肠癌筛查基准数据集；证明自监督表示比监督表示更有意义且Swin Transformer在病理数据上的优势	当前研究缺乏有效应用自监督学习框架分析病理数据的方法	开发高效率计算模型辅助结直肠息肉活检筛查，优化病理学家工作流程	结直肠息肉活检切片，包括四种息肉类型和正常组织	数字病理学	结直肠癌	NA	Barlow Twins, Swin Transformer	全切片图像	使用MHIST和NCT-CRC-7K数据集进行下游任务	PyTorch	Swin Transformer	准确性、精确率、召回率、F1分数	NA
27	2026-06-15	AI in ophthalmology: A bibliometric analysis of retinal imaging innovations and global research collaboration 2026-Jun, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105458 PMID:41932561	综述	通过文献计量和科学图谱分析，系统探究人工智能在眼科视网膜成像领域的知识结构、主题演变和全球合作动态	首次综合运用文献计量与科学图谱分析方法，揭示AI在视网膜诊断领域的研究轨迹、主题聚类及作者/机构合作影响力，并识别出从基础算法研究向多模态和个性化诊疗创新的转变趋势	存在真实世界临床整合不足、监管框架缺失以及低资源地区代表性欠缺等问题	阐明AI在眼科学研究中的知识景观、主题演变及全球合作动力学	涵盖AI驱动视网膜诊断的相关文献，包括发表趋势、引文影响、关键词共现、作者与机构网络	自然语言处理，机器学习	糖尿病视网膜病变	光学相干断层扫描	深度学习	文献数据	NA	NA	NA	NA	NA
28	2026-06-15	Artificial Intelligence-Driven Segmentation of Three Oral Diseases: Enabling Precision Diagnosis and Decision Support 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109486 PMID:41880827	研究论文	本研究引入了包含三种常见口腔黏膜疾病的高质量数据集，并评估了五种深度学习模型在病变分割和分类中的性能	创建了首个针对三种口腔黏膜疾病（口腔扁平苔藓、口腔白斑和口腔良性溃疡）的标准化基准数据集，并结合像素级分割掩码和诊断标签，为AI辅助口腔诊断提供了可复现的评估框架	数据集规模有限（808张图像），仅涵盖三种疾病，可能无法代表所有口腔黏膜病变；深度学习模型性能有待进一步提升	通过高质量数据集和深度学习模型评估，推动AI在口腔疾病精确诊断和临床决策支持中的应用	三种口腔黏膜疾病：口腔扁平苔藓、口腔白斑和口腔良性溃疡	计算机视觉	口腔疾病	临床图像采集	卷积神经网络	图像	808张高分辨率临床图像	NA	五种深度学习架构（具体未列出）	Dice系数，准确率	NA
29	2026-06-15	Benchmarking deep learning methods for Cα atom prediction in cryo-EM density maps 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag350 PMID:42234518	研究论文	建立了一个基准测试，用于评估四种深度学习模型在冷冻电镜密度图中预测Cα原子的性能	引入了多阈值RMSD指标和点云相似性度量，提供了一个全面且可复现的Cα预测评估框架	方法性能高度依赖评价标准和数据特性，且计算成本高	评估深度学习方法在冷冻电镜密度图中预测Cα原子的性能	四种深度学习方法：ModelAngelo、DeepMainMast、EModelX和CryoAtom	计算机视觉	NA	Cryo-EM	深度学习	图像	涵盖1-8Å分辨率、多种分子量和噪声水平的多样数据集	NA	ModelAngelo， DeepMainMast， EModelX， CryoAtom	RMSD， Chamfer距离， Earth Mover距离	NA
30	2026-06-15	PestCLIP: an incremental pest recognition framework based on a vision-language model 2026-Jun, Pest management science IF:3.8Q1 DOI:10.1002/ps.70664 PMID:41715983	research paper	提出了PestCLIP框架，一种基于视觉-语言模型（CLIP）的增量式害虫识别方法，通过双提示调整和概念池策略克服灾难性遗忘问题	创新性地融合CLIP模型与双提示调整、概念池策略及预测分布校准技术，实现了在无需大量数据回放的情况下完成增量式害虫识别任务	NA	解决农业害虫识别中类增量学习场景下的灾难性遗忘问题，实现动态环境下的持续可靠识别	农业害虫图像数据集（Li's、AgriInsect200、Farm Insect）及通用基准数据集mini-ImageNet	计算机视觉	NA	对比语言-图像预训练（CLIP）	CLIP模型	图像	NA	PyTorch	CLIP（Vision-Language Model）	准确率	NA
31	2026-06-15	Radiology: Cardiothoracic Imaging Highlights 2025 2026-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.260065 PMID:42274320	综述	综述《放射学：心胸成像亮点2025》精选2024年11月至2025年10月期间发表的最新研究成果和技术进展	由早期职业编委会主导，总结光子计数CT、加速心脏MRI、基于AI的定量分析等前沿技术在心胸血管成像中的应用，并引入基于心脏MRI的肌少症作为新型预后标志物	仅收录特定期刊在设定时间段内的文章，可能遗漏其他高质量研究；未对各项技术的临床实用性进行系统比较或元分析	总结并突出2024-2025年间心、胸和血管成像领域的最新研究亮点和未来方向	2024年11月至2025年10月期间发表在《放射学：心胸成像》期刊的精选文章	医学影像	心血管疾病, 肺部疾病, 血管疾病	心脏CT, 光子计数CT, 心脏MRI, 加速心脏MRI, 深度学习	深度学习模型	影像数据（CT、MRI）	NA	NA	NA	NA	NA
32	2026-06-15	Parameter-efficient contrastive language-image pre-training (CLIP) adaptation for few-shot anomaly detection in ultra-widefield fundus images 2026-Jun, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105461 PMID:41966507	研究论文	提出一种基于CLIP的参数高效微调方法，结合双路径检测机制与异常合成算法，用于超广角眼底图像中的少样本异常检测	提出轻量级混合低秩适配器实现参数高效微调，设计双路径检测机制，并利用泊松混合异常合成算法解决异常样本稀缺和多样性问题	未详细说明模型在极端异常模式或低质量图像上的泛化能力，且评估数据集可能未涵盖所有临床场景	开发一种计算和数据需求低、能在少样本条件下高效检测超广角眼底图像异常的自动化诊断系统	超广角眼底图像中的异常病变种类	计算机视觉	眼底疾病	CLIP微调、泊松混合	CLIP	图像	32对训练样本，8个独立跨源数据集共29739张图像，覆盖50多种异常模式	PyTorch	CLIP	AUC	NA
33	2026-06-15	Artificial intelligence for epiretinal membrane detection using ultrawidefield scanning laser ophthalmoscopy 2026-Jun, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105468 PMID:41966504	研究论文	开发并验证用于超广角扫描激光检眼镜图像上视网膜前膜自动检测的深度学习模型	首次提出并验证了使用超广角扫描激光检眼镜图像检测视网膜前膜的深度学习模型，并系统比较了基于黄斑区和后极部两个不同视野训练的模型性能	研究为回顾性设计，可能引入选择偏倚；模型在外部验证集中的表现仍需进一步评估	开发并验证一个用于超广角扫描激光检眼镜图像上自动检测视网膜前膜的深度学习模型，以支持临床筛查和诊断	超广角扫描激光检眼镜图像中的视网膜前膜，以及眼科医生（不同专业水平）的诊断表现	计算机视觉	眼科疾病（视网膜前膜）	超广角扫描激光检眼镜	深度学习（Inception-v3）	图像	920张原始超广角扫描激光检眼镜图像	NA	Inception-v3	特异性、敏感性、AUC、诊断准确率	NA
34	2026-06-15	Automatic adaptive radiotherapy triggering based on CBCT using deep learning for esophageal cancer underwent volumetric modulated arc therapy 2026-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70651 PMID:42267478	研究论文	基于深度学习利用CBCT自动触发食管癌容积旋转调强放疗的自适应放疗	首次提出利用深度学习直接从CBCT预测解剖变化和剂量体积指标，以自动触发自适应放疗，无需额外患者预约和资源	仅针对食管癌接受VMAT的患者，可能存在选择性偏倚；触发决策的准确性依赖于CBCT和自动分割的质量	开发基于深度学习的自动ART触发程序，通过预测解剖变化和OARs剂量体积指标，平衡ART收益和频率	接受VMAT的食管癌患者	数字病理学、机器学习	食管癌	CBCT、深度学习	U-Net	图像	136名食管癌患者的CBCT和rCT数据	NA	U-Net	Dice系数、AUC、准确率、敏感性、特异性	NA
35	2026-06-15	Unifying pKa and Protonation Prediction with Sequence-Based Deep Learning 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00556 PMID:42214058	研究论文	提出了T5pKa，一种基于序列的深度学习模型，用于统一预测小分子的微观pKa值和质子化状态	首次将序列到序列模型应用于微观pKa预测，通过多任务学习在一个框架内同时完成微态枚举和pKa预测	未明确提及局限性，但可推断自建数据集pKaCHU规模有限（9000条），且模型依赖于序列表示而非图结构，可能遗漏分子结构信息	开发一种统一的序列深度学习框架，结合微态枚举与pKa预测，提升小分子电离性质的预测能力	小分子微观pKa值和质子化/去质子化状态	机器学习, 自然语言处理	NA	NA	Transformer	文本（SMILES序列）	9000条实验微观pKa数据（pKaCHU数据集）	NA	Transformer（T5Chem基座模型）	与现有工具和模型性能相当（未列出具体指标）	NA
36	2026-06-15	SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00363 PMID:42214054	研究论文	提出SSPSPredictor模型，融合序列和结构信息预测相分离蛋白	首次融合蛋白质语言模型ESM-2的结构序列信息和图神经网络GVP的结构洞察，实现多模态预测相分离蛋白，无需监督即可识别驱动区域	NA	开发高效、可解释的相分离蛋白预测工具，探索相分离与疾病的联系	相分离蛋白（PSPs）、折叠蛋白、固有无序蛋白（IDPs）、人类蛋白质组中的致病突变	计算机视觉	NA	蛋白质语言模型、图神经网络	多模态深度学习模型	蛋白质序列、蛋白质结构	多个数据集（具体数量未提供）、人类蛋白质组	PyTorch	ESM-2, GVP	平衡性能（未具体列出指标）	在线Web服务器（https://bio-comp.ucas.ac.cn/SSPSPredictor/）
37	2026-06-15	Artificial Intelligence-Supported Colorimetric Multibiomarker Sensor to Enable Critical Neonatal Monitoring 2026-May-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04171 PMID:42205010	研究论文	提出一种非侵入性、基于人工智能支持的多生物标志物监测传感器，通过体液比色分析实现关键新生儿监测	首次将丝基传感器与十二种比色墨水及深度学习结合，实现新生儿多生物标志物实时高精度监测	未提及在实际临床环境中对大量新生儿样本的验证	开发一种非侵入性、经济高效的临床监测方法，以改善新生儿监测的舒适性和准确性	早产新生儿及相关的生物标志物（温度、pH值、钠、葡萄糖）	计算机视觉	新生儿疾病	比色分析	深度学习模型	图像	NA	NA	NA	平均绝对误差, AP@IoU=0.5	NA
38	2026-06-15	'Man vs. Machine: can ML algorithms diagnose headaches as accurately as clinicians? A systematic review.' 2026-May-26, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13853-7 PMID:42189256	综述	系统评价人工智能与机器学习模型在头痛疾病诊断中与临床医生的准确性对比	首次系统评估AI/ML模型诊断头痛障碍的准确性、方法学质量及临床适用性，并基于QUADAS-AI工具分析偏倚风险	多数研究存在严重的方法学缺陷（病例对照设计偏差、数据泄露、缺乏外部验证），临床实施前需前瞻性真实世界验证	评估AI/ML模型依据国际头痛分类标准诊断头痛障碍的准确性及临床可行性	已发表的AI/ML诊断头痛障碍研究（74项）	机器学习	头痛障碍	机器学习（传统ML、深度学习、混合/规则方法）	传统机器学习、深度学习、混合模型	神经影像、多模态数据、神经生理信号、临床问卷	154,856名参与者（74项研究）	NA	NA	敏感度、特异度、AUC-ROC	NA
39	2026-06-15	Deep learning-driven intraoperative assessment of pulp stumps for precision pulpotomy 2026-May-26, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106796 PMID:42203099	研究论文	开发并验证基于自监督DINOv2视觉Transformer架构的AI框架，用于术中牙髓切断术时牙髓断端图像的自动化分类	首次将自监督DINOv2架构应用于牙髓断端的客观分类，实现与专家相当的诊断准确性并显著优于新手	外部测试集样本量较小（21张图像），且仅评估了颜色-纹理特征，未考虑其他影响因素	开发术中牙髓断端客观分类的AI工具，弥合临床经验差距并防止过度诊断	牙髓切断术中的牙髓断端显微图像	计算机视觉	牙髓疾病	显微镜成像	自监督DINOv2视觉Transformer	高分辨率显微图像	443张训练图像，93张内部测试图像，21张外部测试图像	PyTorch	DINOv2	准确率, 敏感性, 特异性	NA
40	2026-06-15	TailBoost: Tail-Synthetic Learning for Boosting Long-Tailed Skin Cancer Image Classification 2026-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s26113343 PMID:42280864	研究论文	提出TailBoost框架，通过尾部合成学习提升长尾皮肤癌图像分类性能	利用显著性图引导的头尾类图像混合策略（SPMix）保留并增强尾类图像的判别特征，并融合监督对比学习与类中心重平衡以优化表示	未明确讨论对极端长尾分布或噪声标签的鲁棒性，且方法计算复杂度可能较高	解决皮肤癌图像分类中的长尾分布问题，提升尾类样本的分类性能	长尾分布下的皮肤癌图像数据	计算机视觉	皮肤癌	显著性图引导的混合（SPMix）、监督对比学习	NA	图像	ISIC2018、ISIC2019、PAD-UFES-20数据集（具体样本数未提及）	NA	NA	分类准确率、F1分数、AUC（推测，原文未列全）	NA