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
4081	2026-06-19	Are We Underestimating Overfitting? 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00518 PMID:42206593	研究论文	探讨定量构效关系建模中过拟合与过参数化的新认知，指出过度参数化模型仍可能准确预测外部数据	挑战传统QSAR中过拟合必须避免的教条，提出过参数化模型可能包含额外SAR信息并提高预测准确性	NA	重新评估过拟合在定量构效关系建模中的角色及其对模型预测能力的影响	定量构效关系和定量结构-性质关系模型中的过拟合与过参数化现象	机器学习	NA	NA	机器学习模型	NA	NA	NA	NA	NA	NA
4082	2026-06-19	A Large-Scale Nanocrystal Database with Aligned Synthesis and Properties, Enabling Generative Inverse Design 2026-Jun-08, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c03070 PMID:42253088	研究论文	开发了NanoExtractor和NanoDesigner两个大语言模型，分别用于从非结构化文献中提取纳米晶体合成路线与性质数据以及实现生成式逆向设计，并构建了包含近16万条条目的纳米晶体合成-性质数据库	通过设计数据增强策略的大语言模型，首次实现了从非结构化文献中自动提取对齐的纳米晶体合成路线与性质数据，并在此基础上构建了大规模数据库，进而开发出生成式逆向设计模型并通过实验验证	未明确说明局限性	弥合非结构化文献与数据驱动合成之间的差距，提供人机协作范式加速材料发现	纳米晶体的合成路线与物理化学性质	机器学习	NA	NA	大语言模型（LLM）	文本	近16万条对齐的纳米晶体合成-性质条目	NA	NA	加权平均分数, F1分数	NA
4083	2026-06-19	Predicting 5-Year Mortality in Non-Small-Cell Lung Cancer Using the Korean Central Cancer Registry: Model Development and Validation Study 2026-Jun-08, JMIR medical informatics IF:3.1Q2 DOI:10.2196/80574 PMID:42258797	研究论文	利用韩国中央癌症登记数据开发深度学习模型预测非小细胞肺癌5年死亡率	通过置换检验量化特征重要性，实现模型的高判别能力与临床可解释性结合	仅使用韩国单一中心登记数据，可能限制模型泛化性；基因突变影响仅在肺腺癌亚组中显著	开发预测非小细胞肺癌5年死亡率的深度学习模型，并评估特征重要性	3144名2014-2017年间诊断的非小细胞肺癌患者	机器学习	肺癌	临床数据、肺功能检测、组织学信息、基因组数据、分期信息	深度学习模型	表格数据	3144名患者样本	NA	5种深度学习模型架构	AUC、准确率、F1分数、精确率、召回率、Brier分数	NA
4084	2026-06-19	Structural damage assessment in the spine of patients with axial spondyloarthritis - results from an international OMERACT multi-reader exercise using MRI-based synthetic CT 2026-Jun-04, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2026.153013 PMID:42308963	研究论文	开发并初步验证基于MRI的合成CT在轴性脊柱关节炎患者脊柱结构性损伤评估中的应用	首次在OMERACT国际多读片练习中建立脊柱新骨形成的共识定义，并验证MRI合成CT作为评估脊柱结构性损伤的新型结局指标的可行性	初步横断面验证，样本量有限（20例患者和5例健康对照），需要更大规模的纵向研究进一步确认	开发和初步验证基于MRI的脊柱结构性损伤评估结局指标	轴性脊柱关节炎患者和健康对照者的脊柱新骨形成	数字病理学	脊柱关节炎	MRI, 合成CT (sCT), 深度学习算法 (BoneMRI v1.8)	深度学习模型	MRI图像, CT图像	20例轴性脊柱关节炎患者和5例健康对照者	NA	BoneMRI v1.8	灵敏度, 特异性, 组内相关系数, Kappa值	NA
4085	2026-06-19	Machine Learning and Artificial Intelligence in Nutrition Research: Analytical Methods, Applications, and Key Considerations 2026-Jun, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2026.101528 PMID:41966331	综述	概述机器学习与人工智能技术在营养研究中的应用方法、分析流程及关键考虑因素	系统梳理了从数据预处理到深度学习的全分析流程，并针对营养研究特点强调了可解释性、样本量限制和过拟合等实际考虑	未具体比较不同方法的性能差异，且未讨论跨研究数据共享的挑战	为营养研究人员提供机器学习方法的实用指南，促进其在营养研究中的负责任应用	营养研究中的机器学习分析方法与应用案例	机器学习	NA	NA	随机森林、梯度提升回归、惩罚回归方法、LASSO、支持向量机、k近邻、卷积神经网络、循环神经网络、长短期记忆模型、自然语言处理、大语言模型	高维数据、非结构化数据、序列数据、文本数据	NA	NA	随机森林、梯度提升回归、LASSO、支持向量机、k近邻、CNN、RNN、LSTM、自然语言处理、大语言模型	NA	NA
4086	2026-06-19	Assessing changes in aortic motion and hemodynamics after valve-sparing aortic root surgery in Marfan syndrome using four-dimensional balanced steady-state free precession and four-dimensional flow cardiovascular magnetic resonance 2026 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102728 PMID:42001956	研究论文	使用四维平衡稳态自由进动和四维血流心血管磁共振评估马凡综合征患者保留瓣膜的主动脉根部手术后主动脉运动和血流动力学的变化	首次通过先进CMR技术（4D bSSFP和4D flow）结合深度学习分割管道（nnU-Net）评估马凡综合征患者保留瓣膜的主动脉根部术后主动脉生物力学和血流动力学的变化	样本量小（仅3例患者），无法确定这些变化是否与特定疾病表型相关，需要更大规模研究来验证参数组合是否能指示B型主动脉夹层的易感性	评估马凡综合征患者保留瓣膜的主动脉根部手术后主动脉运动和血流特征的变化	马凡综合征患者接受保留瓣膜的主动脉根部手术	计算机视觉, 医学影像分析	马凡综合征	四维平衡稳态自由进动（4D bSSFP）、四维血流心血管磁共振（4D flow CMR）	CNN（nnU-Net）	医学影像（MRI）	3例马凡综合征患者（年龄26-37岁，2男1女）	NA	nnU-Net	主动脉位移、顺应性、区域壁剪切应力、速度、全局脉搏波速度	NA
4087	2026-06-19	Multimodal models based on radiomics and deep learning in the classification of gastric stromal tumors and gastric leiomyomas 2026-Jun, Surgical endoscopy DOI:10.1007/s00464-026-12803-8 PMID:42257953	研究论文	建立并验证基于影像组学和深度学习的多模态模型，用于分类胃间质瘤和胃平滑肌瘤	整合临床表格数据、影像组学和深度学习特征，构建多模态模型，在分类性能上优于单一模态模型	未明确说明局限性	建立并验证一个多模态模型以区分胃间质瘤和胃平滑肌瘤	胃间质瘤和胃平滑肌瘤患者	数字病理学	胃癌	CT成像	XGBoost, 卷积神经网络	图像, 临床表格数据	200例（137例胃间质瘤, 63例胃平滑肌瘤）	Scikit-learn	XGBoost, 卷积神经网络	AUC, 敏感度, 特异度, 假阴性率, 决策曲线分析净收益, 校准度, 十折分层交叉验证稳定性	NA
4088	2026-06-19	Structural and immunogenic evaluation of silk proteins from Bombyx mori using advanced bioinformatics and deep learning for biomaterials applications 2026-Jun, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2026.100692 PMID:42309597	研究论文	利用AlphaFold3与免疫信息学分析家蚕丝蛋白结构与免疫原性关系，为生物材料设计提供依据	首次整合AlphaFold3结构预测与多算法免疫信息学分析，建立家蚕丝蛋白组结构-免疫原性关系，揭示P25低免疫原性及丝胶蛋白免疫原性异质性	仅依赖计算预测，缺乏体外或体内实验验证结果	系统表征家蚕丝蛋白（纤维蛋白亚基和丝胶蛋白亚型）的结构特征与免疫原性，指导低免疫原性生物材料设计	家蚕丝蛋白（FibH、FibL、P25及五种丝胶蛋白亚型）	计算生物学	NA	蛋白质结构预测（AlphaFold3）、免疫信息学分析（VaxiJen、NetMHCpan、BepiPred、AllerTOP、ToxinPred）	AlphaFold3	蛋白质序列	7种丝蛋白（2个纤维蛋白亚基、1个P25、5种丝胶蛋白亚型），无样品数量	AlphaFold3	AlphaFold3	pTM、ipTM/pTM、抗原性评分（VaxiJen）、MHC-I结合强度、MHC-II高优先级肽数量	NA
4089	2026-06-19	WheatRPred: deep learning framework for predicting disease resistance protein in wheat and its wild relatives 2026-Jun, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2026.100700 PMID:42309604	研究论文	提出一个基于深度学习的网络框架WheatRPred，用于预测小麦及其野生近缘种中的抗病蛋白	整合CNN、BiLSTM和Transformer模型，捕捉蛋白质序列的空间、序列和上下文特征，实现高精度分类，并构建了基于网络的便捷预测平台	未明确指出	开发高效准确的小麦抗病蛋白分类方法，加速抗病基因发现和育种	小麦及其野生近缘种中的抗病蛋白序列	机器学习	小麦病害	深度学习	CNN、BiLSTM、Transformer	蛋白质序列	经验证的抗病和非抗病蛋白数据集（具体数量未提及）	未明确指出	CNN、BiLSTM、Transformer	准确率（95-97%）	未明确指出
4090	2026-06-19	Deep learning-enabled temporal sequencing of metasurface for rewritable and customizable electromagnetic illusions 2026-Jun, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag263 PMID:42312237	研究论文	提出一个模块化超表面时域编程框架，利用深度生成模型直接映射目标假象到时间域调制序列，实现可重写和可定制的电磁假象	首次将深度生成模型与超表面时域编程结合，实现无需重新设计控制律即可灵活选择和排序调制单元来合成多样电磁假象	NA	实现可重写和可定制的电磁假象，建立从目标场景规范到可执行超表面控制的实用路径	电磁假象的时空调控、超表面时序编程与深度生成模型	机器学习，计算机视觉	NA	超表面时域编程，合成孔径成像	深度生成模型	图像	NA	PyTorch	生成对抗网络	结构相似性指数	NA
4091	2026-06-19	Detection of Left Ventricular Outflow Obstruction From Standard B-Mode Echocardiogram Videos Using Deep Learning 2026-Jun, JACC. Advances DOI:10.1016/j.jacadv.2026.102801 PMID:42312785	研究论文	利用深度学习从标准B型超声心动图视频中检测左心室流出道梗阻	首次从非多普勒B型超声心动图视频中通过深度学习模型检测左心室流出道梗阻，帮助改善梗阻性肥厚型心肌病的诊断不足	NA	开发深度学习模型以从非多普勒B型超声心动图中检测左心室流出道梗阻	左心室流出道梗阻患者及对照组的非多普勒心尖四腔面B型超声心动图视频	计算机视觉	肥厚型心肌病	超声心动图	深度学习模型	视频	2,396例梗阻患者和6,177例对照组（按年龄、性别和室间隔厚度匹配）	NA	NA	AUC	NA
4092	2026-06-19	Uncertainty-Aware, End-to-End Deep Learning for Functional Lung MRI Quantification Using 129Xe and 1H MRI 2026-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250371 PMID:42312934	研究论文	利用深度学习方法从配准的功能性超极化氙129 MRI和结构性质子MRI扫描中自动预测通气缺陷百分比（VDP）	提出了一种不确定性感知的端到端深度学习管道，无需手动分割即可预测VDP及其预测置信度	未明确提及	开发用于功能性肺MRI量化的自动深度学习管道	健康参与者及多种肺部疾病患者的超极化氙129 MRI和质子MRI扫描	机器学习	肺部疾病	MRI	CNN	图像	574对配准的氙129 MRI和质子MRI扫描，来自47名健康参与者和527名患者	NA	NA	中位数绝对误差，临床分类准确率	NA
4093	2026-06-19	Deep Learning-Based Positive Region Segmentation and Spatial Registration of Virtual Multiplex Immunohistochemical Whole-Slide Images 2026-May-25, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106139 PMID:42191021	研究论文	建立基于深度学习的分析框架，实现对多个免疫组化图像中阳性区域的精确分割与空间重建	首次将金字塔多尺度机制融入U-Net架构（Pyramid U-Net），结合SuperPoint特征提取、SuperGlue匹配和随机抽样一致性算法，实现虚拟多重IHC图像的高精度分割与空间配准，并集成DINO-ViTS16-WSI算法将阳性区域映射到HE图像上	仅基于80个小鼠肿瘤样本及公开数据集，可能缺乏大样本多中心验证；计算效率提升虽显著，但实际临床部署中硬件资源需求可能较高	促进虚拟多重染色技术发展，为肿瘤微环境分析和个性化治疗提供多参数空间分析支持	多种免疫组化标记物（Ki-67、TUNEL、TNF-α、ICAM-1）的阳性区域	数字病理学	肿瘤	免疫组化染色、HE染色	U-Net	全切片图像	22张HE染色WSI、86张连续单标记IHC WSI（来自80个小鼠肿瘤）、50张Ki-67染色图像（来自多重IHC病理图像分类数据库）、100张（来自Senaras2018DeepFocus数据集）	PyTorch, OpenCV	Pyramid U-Net, SuperPoint, SuperGlue, DINO-ViTS16	平均交并比（mIoU）、准确率、Dice相似系数、推理时间	NA
4094	2026-06-19	Functional brain growth trajectories across the first decade of life from a single longitudinal cohort 2026-May-14, Research square DOI:10.21203/rs.3.rs-9557891/v1 PMID:42183358	研究论文	基于单一纵向队列，建立了首个十年中功能性大脑生长轨迹的规范参考曲线	首次从单一纵向队列中推演出功能性连接成熟、网络拓扑和大尺度功能梯度的规范生长轨迹，并利用深度学习脑龄预测模型区分神经发育风险组	NA	建立功能性大脑发育的规范参考曲线并评估早期功能性连接测量的预后价值	从出生到10岁儿童的静息态功能磁共振成像扫描数据	机器学习	神经发育障碍	静息态功能磁共振成像	深度学习	影像	633名儿童，1436次扫描	NA	NA	NA	NA
4095	2026-06-19	DeepPTMPred: a multi-modal deep learning framework for accurate prediction of protein post-translational modification sites 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag321 PMID:42308422	研究论文	提出一个多模态深度学习框架DeepPTMPred，用于准确预测蛋白质翻译后修饰位点	通过多模态整合和AlphaFold预测，结合增强型CNN-Transformer架构，能够预测17种翻译后修饰类型，并有效捕捉序列局部依赖、结构特征和进化模式中的复杂空间关系与全局上下文依赖	未明确说明局限性	开发一个高效准确的模型，用于预测蛋白质翻译后修饰位点，以加深对翻译后修饰的理解并推动功能注释研究	蛋白质翻译后修饰位点，包括羟化、丙二酰化、O-连接糖基化和磷酸化等17种类型	机器学习	NA	AlphaFold	CNN-Transformer	序列数据、结构特征、进化模式	NA	NA	增强型CNN-Transformer	AUC	NA
4096	2026-06-19	MAPLE: interpretable deep learning identifies selective antimicrobial peptides using joint evolutionary-physicochemical analysis 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag318 PMID:42308420	研究论文	提出可解释深度学习框架MAPLE，通过联合进化-理化分析识别选择性抗菌肽	提出双流框架结合蛋白质语言模型嵌入与理化描述符，实现14类活性类别系统功能谱分析，并揭示效力-溶血耦合具有基序区依赖性	主要受限于二元注释不完整和结构整合不足	开发可解释性深度学习模型，识别兼具抗菌效力和低哺乳动物毒性的选择性抗菌肽	抗菌肽序列及其多类别活性功能谱	机器学习	NA	蛋白质语言模型、k-mer富集分析	双流深度学习框架	肽序列	基准数据集和序列无重叠独立验证集	PyTorch	蛋白质语言模型、双流网络	准确率、精确率、召回率、F1分数、AUC	NA
4097	2026-06-19	Extending Tanner's framework: the digital clinical judgment model for nursing education 2026-May-02, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04703-y PMID:42069542	研究论文	提出数字临床判断模型（DCJM），以支持护理教育中临床判断的教学与学习	将Tanner的临床判断模型与社会文化学习、脚手架和深度学习理论相结合，提出一个支持数字和混合学习环境中临床判断教学的教学设计模型	需要进一步的实证研究来确定其在实践中的有用性及其对学生学习和教育设计的影响	开发一个教学模型以支持数字护理教育中临床判断的教学与学习	护理教育中的临床判断数字学习环境设计	自然语言处理	NA	NA	概念模型	NA	NA	NA	数字临床判断模型（DCJM）	NA	NA
4098	2026-06-19	Quantification, radiomics and artificial intelligence in infection imaging: Current status and future directions in nuclear medicine 2026-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2026.02.002 PMID:41826111	综述	探讨定量成像、影像组学和人工智能在核医学感染成像中的当前应用与未来方向	首次将定量成像、影像组学与人工智能整合为“计算组学”概念，提出从定性模式识别转向客观、可重复、数据驱动的感染表征新范式	定量精度与影像组学稳定性高度依赖采集、重建和处理参数；AI图像增强可能改变体素统计量，影响定量指标和纹理特征；特征定义、分割方法和分析管线的差异限制可重复性	总结定量成像、影像组学和人工智能在核医学感染成像中的现状，并提出未来发展方向	核医学感染成像中的定量指标、影像组学特征和AI模型	计算机视觉, 机器学习	感染性疾病	核医学成像（PET/SPECT）	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
4099	2026-06-19	Deep learning for H&E-based meningioma molecular classification and outcome prediction: a retrospective cohort study 2026-May, The Lancet. Digital health DOI:10.1016/j.landig.2026.100986 PMID:42248714	研究论文	基于深度学习从H&E染色切片进行脑膜瘤分子分型及预后预测的回顾性队列研究	首次应用深度学习模型仅通过H&E染色即可识别单个脑肿瘤实体（脑膜瘤）的分子亚型并预测预后，无需资源密集的基因组分析	NA	评估深度学习能否从H&E染色切片稳健地识别脑膜瘤分子亚型、预测复发风险及染色体拷贝数变异	脑膜瘤患者的H&E染色组织切片和配对DNA甲基化数据	数字病理学	脑膜瘤	DNA甲基化测序	深度学习模型	图像	训练集：美国国家癌症研究所439例及加拿大大学健康网络166例；测试集：美国梅奥诊所67例WHO 2级脑膜瘤	NA	NA	AUC, 平衡准确率	NA
4100	2026-06-19	Detection of young-onset type 2 diabetes using deep learning across primary and secondary care: a nationwide, retrospective cohort study 2026-May, The Lancet. Digital health DOI:10.1016/j.landig.2025.100968 PMID:42025543	研究论文	利用深度学习模型，基于丹麦全国初级和二级医疗数据，预测年轻发病2型糖尿病的风险	首次结合初级和二级医疗数据开发深度学习模型用于年轻发病2型糖尿病的早期预测，并在全国范围内进行验证	研究基于丹麦医疗登记数据，可能无法推广到其他医疗体系或种族群体；预测模型依赖历史医疗记录，未纳入生活方式和遗传因素	提高年轻发病2型糖尿病的检测率，减少长期的医疗负担	丹麦全国医疗登记数据中的患者健康轨迹，包括医院诊断、初级医疗处方和健康服务事件	机器学习	2型糖尿病	NA	深度学习模型（具体未说明）	文本（医疗记录数据）	3,435,638名个体，其中16,828人发展为年轻发病2型糖尿病	NA	NA	相对风险、检测阳性预测值（5%阈值）	NA