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
4101	2026-07-12	Foodie traps within facebook cannabis promotional posts: Deploying multimodal deep learning AIs to monitor audience engagement 2026-Jun-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2026.113128 PMID:41861608	研究论文	利用多模态深度学习AI分析Facebook上大麻推广帖子中的视觉策略与观众互动的关系	首次结合多模态大型语言模型（LLaVA和GPT-4o）系统分析社交媒体大麻广告的视觉线索与受众参与度的关联，揭示食物线索和特定颜色（红、黄、橙）对互动的显著影响	未提及样本的全面代表性及因果推断的可能性，可能存在平台特异性或时效性限制	监测大麻促销内容对青少年和年轻成人的暴露风险，并为公共卫生与监管政策提供依据	Facebook平台2021至2022年间的大麻促销帖子及其视觉内容	自然语言处理, 计算机视觉	NA	多模态深度学习	多模态大型语言模型	图像, 文本	Facebook帖子数据集，涵盖2021年至2022年期间	NA	LLaVA, GPT-4o	NA	NA
4102	2026-07-12	Independent evaluation of deep learning models for detecting focal cortical dysplasia 2026-May, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2026.107778 PMID:41861767	研究论文	独立评估三种深度学习工具在磁共振图像中检测局灶性皮质发育不良的性能	首次对三种最先进的FCD检测工具（DeepFCD、MELD分类器和MELDGraph）进行独立评估，并校准DeepFCD的预测阈值以提高特异性	深度学习模型在FCD诊断中的准确性、可靠性和可解释性有限，测试-重测一致性较低	评估深度学习模型在FCD诊断中的临床应用潜力	局灶性皮质发育不良（FCD）病变	计算机视觉, 机器学习	癫痫	MRI	深度学习	磁共振图像	101名FCD阳性癫痫患者和101名FCD阴性癫痫患者，共21人进行重复MRI扫描	NA	DeepFCD, MELD分类器, MELDGraph	准确率, 敏感性, 特异性, 阳性预测值, Dice系数	NA
4103	2026-07-12	Multifunctional Flexible Sensor with Bionic Micro-Nano Hierarchical Structure for Dual-Mode Pressure and Temperature Sensing 2026-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.73163 PMID:41858305	研究论文	提出一种受生物启发的多功能柔性传感器，具有微纳分级结构，可实现压力和温度双模式传感	模仿蚂蚁、蜘蛛、蚊子和荷叶的生物结构，设计微纳分级结构，同时实现高疏水性和压力温度双模传感，且传感器性能优异	未提及	开发一种多功能柔性传感器，用于压力和温度双模式传感，并应用于医疗健康、智能机器人和人机交互	多功能柔性传感器	机器学习	NA	MXene涂覆三聚氰胺泡沫和碳纳米管/聚偏氟乙烯纳米纤维膜制备	深度学习	图像	NA	NA	NA	压力灵敏度、温度灵敏度、响应时间	NA
4104	2026-07-12	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	提出一个名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	显式结合蛋白质序列残基级信息和配体信息进行结合残基预测，显著优于现有序列和结构基线方法	NA	开发一种能考虑配体信息的序列结合残基预测模型，提升虚拟筛选和药物发现中的性能	蛋白质-配体结合残基	机器学习	NA	NA	深度学习模型	蛋白质序列和配体信息	NA	NA	NA	NA	NA
4105	2026-07-12	Leveraging Residual Graph Convolutional Networks with Cross-Attention Mechanisms for High-Accuracy Protein Function Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00101 PMID:41861353	研究论文	提出RCHGO框架，利用残差图卷积网络和交叉注意力机制从蛋白质序列预测基因本体注释	创新性地融合残差图卷积网络与交叉注意力机制，分别利用手工特征和蛋白质语言模型特征进行决策级融合，实现了蛋白质功能的高精度预测	未明确说明局限性	开发一种从蛋白质序列直接推断基因本体注释的高精度深度学习方法	1,493个非冗余蛋白质	机器学习	NA	蛋白质语言模型	残差图卷积网络, 交叉注意力机制	蛋白质序列	1,493个非冗余蛋白质	NA	残差图卷积网络, 交叉注意力机制	准确率, 精确率, 召回率, F1值, AUC	NA
4106	2026-07-12	Predicting Recurrence and Outcomes After Stressor-Associated Atrial Fibrillation Using ECG-Based Deep Learning 2026-Apr-07, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.047146 PMID:41859908	研究论文	利用心电图深度学习模型预测应激相关房颤复发及预后	首次将基于心电图的AI模型用于评估应激相关房颤的复发风险，并验证其优于传统临床因素模型	研究为回顾性设计，可能存在选择偏倚；ECG模型基于既往验证，未在外部数据集中独立验证	评估心电图深度学习模型预测应激相关房颤患者房颤复发风险的能力	住院期间出现应激相关房颤的心内科及初级保健患者	机器学习	心血管疾病（房颤）	心电图（ECG）	深度学习模型（AI模型）	心电图信号数据	3371名应激相关房颤患者	NA	NA	AUC（ROC曲线下面积）	NA
4107	2026-07-12	StructEIT: realistic 3D EIT model generation from CT scans for deep learning applications 2026-Apr-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5587 PMID:41861463	研究论文	提出了StructEIT框架，用于从CT扫描生成解剖学和生物物理学上真实的3D电阻抗断层成像模拟模型	首次整合了结构提取、表面电极附着和组织属性分配三个模块，弥合了CT成像与EIT之间的差距，实现了高保真EIT数据集的灵活生成	NA	解决EIT重建中缺乏真实解剖几何和电导率分布数据集的问题，促进监督和数据驱动重建方法的发展	人体CT扫描生成的胸部EIT模拟数据集（Chest-EIT）	计算机视觉, 数字病理学	NA	CT扫描, 电阻抗断层成像（EIT）	NA	图像（CT图像）、仿真数据（EIT数据）	超过1400例公开CT数据	NA	NA	NA	NA
4108	2026-07-12	EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151520 PMID:41861881	研究论文	提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT	首次将转录因子结合谱与交叉注意力机制显式整合到Transformer模型中，以捕捉增强子与启动子间的协同调控关系	未提及	利用DNA序列和转录因子结合信息准确预测增强子-启动子相互作用	K562和GM12878细胞系中26种转录因子的ChIP-seq信号	机器学习	NA	ChIP-seq	Transformer	序列数据	K562和GM12878两种细胞系的转录因子结合谱数据	PyTorch	Cross-Attention Transformer, 双通道卷积交叉注意力结构	AUROC, AUPRC	NA
4109	2026-07-12	A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time 2026-Apr, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2026.02.005 PMID:41863188	研究论文	开发并验证一种基于深度学习的乳腺活检自动分诊系统，通过模拟研究评估其在马来西亚病理工作流中减少资源消耗和诊断周转时间的潜力	首次将深度学习分诊系统与离散事件模拟相结合，在马来西亚资源有限环境下评估其对病理工作流效率的实际影响，并使用大规模合成全切片图像数据集进行训练和验证	研究基于模拟数据而非真实世界数据，需要临床验证来确认实际效果	评估深度学习分诊系统在减轻病理医生工作负担、缩短诊断时间方面的潜在效益	马来西亚一个典型医院的乳腺活检病例	数字病理学	乳腺癌	全切片图像模拟	卷积神经网络	图像	大规模合成全切片图像数据集，包括良性和可疑样本	NA	NA	AUC	NA
4110	2026-07-12	Deep Learning Empowered Microstructure Codebook: New Paradigm for Multi-Parameter Tissue Characterization Estimation 2026-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70513 PMID:41857810	研究论文	提出一种基于深度学习微观结构码本的新框架，用于多参数组织特征估计	创新性地将球平均技术与混合Mamba-CNN架构及可学习组织隔室核相结合，学习微观结构码本，实现跨协议泛化并适应新的微观指标，增强了可解释性和适应性	未明确提及局限性	实现精准、快速、多参数的微观结构成像，并克服当前深度学习方法协议泛化能力差和难以扩展至新指标的限制	扩散MRI中的微观组织特征，基于8种广泛使用的生物物理扩散模型估计24个微观结构指标	机器学习	NA	扩散磁共振成像（dMRI），球平均技术（SMT）	混合Mamba-CNN架构	MRI图像	多个数据集，具体样本规模未提及	PyTorch	Mamba、CNN	准确性、泛化性、可迁移性	NA
4111	2026-07-12	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	提出基于深度学习的同时预测框架DeepMAP，利用地球静止卫星数据量化多种空气污染物的共暴露	首次利用深度学习同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2），并开发共暴露指数以识别污染热点区域	未明确提及模型对极端污染事件的预测能力及数据源的时间覆盖限制	开发数据驱动框架以高时空分辨率评估多种污染物共暴露，支持空气质量管理和公共卫生决策	东亚地区六种空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）的每小时浓度	机器学习	环境健康（未指定具体疾病）	地球静止卫星观测数据	深度学习	时空数据（卫星观测、化学传输模型、地面监测站数据）	未明确说明样本数量，但覆盖东亚区域及2021年3月事件	未明确指定	DeepMAP（具体架构未描述）	归一化均方根误差（NRMSE）	NA
4112	2026-07-12	Artificial intelligence for acute appendicitis diagnosis: A systematic review of current evidence, challenges, and future directions 2026-Mar-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048094 PMID:41861187	综述	系统综述了人工智能在急性阑尾炎诊断中的应用现状、挑战及未来方向	首次系统整合临床、实验室和影像学多模态AI模型，并比较不同数据模态和算法（如深度学习用于CT、超声和MRI）的诊断性能	纳入研究多为回顾性、单中心，缺乏外部验证和方法学报告不一致，无法进行荟萃分析	评估人工智能在急性阑尾炎诊断中的准确性、挑战及未来转化潜力	2015年1月至2025年9月发表的英文诊断模型研究，涉及临床、实验室或影像数据	机器学习	急性阑尾炎	NA	深度学习、机器学习	临床数据、实验室数据、影像数据（CT、超声、MRI）	NA（系统综述，未提及具体样本量）	NA	NA	AUC、准确率、灵敏度、特异性、预测值	NA
4113	2026-07-12	Simultaneous multi-disease detection from the same leaf: a generalized approach using deep learning and image splitting 2026-Mar-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15141-3 PMID:41857409	研究论文	提出一种基于深度学习与图像分割的通用方法，实现同一叶片上多种植物病害的同步检测与识别	创新性地通过图像分割隔离小叶片区域，实现多种病害的独立同步检测，且模型可泛化至未见过的作物类型	在受控环境下表现良好，但在真实田间条件下的稳定性仍需深入研究	解决现有深度学习应用无法从同一叶片同时检测多种病害的挑战，提供一种高效通用的农业病害检测方案	植物叶片图像中的多种病害	数字病理学	植物病害（通用）	深度学习与图像分割	CNN	图像	NA	NA	Small Inception, MiniVGGNet, LeNet5	分类性能	NA
4114	2026-07-12	Scalable and Robust Artificial Intelligence for Spine Alignment Assessment: Multicenter Study Enabled by Real-Time Data Transformation 2026-Mar-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78396 PMID:41861366	研究论文	本研究开发了一种实时数据转换方法，增强了深度学习模型在青少年特发性脊柱侧弯评估中的鲁棒性，并在多中心X光片上验证了其有效性	提出了一种基于像素强度的实时数据转换方法，可即插即用，有效解决多中心影像数据异质性带来的模型性能下降问题	未提及显著局限性	开发一种实时、即插即用的数据转换方法，增强深度学习模型在脊柱X光评估中对数据异质性的鲁棒性	青少年特发性脊柱侧弯患者的全脊柱X光影像	计算机视觉	青少年特发性脊柱侧弯	X光影像	CNN	图像	7家医院的3899张全脊柱X光片（香港2家3034张，内地5家865张）	NA	SpineHRNet+	残差分析、线性回归R²、Bland-Altman分析、灵敏度、特异度、精确度、阴性预测值、准确率、混淆矩阵	NA
4115	2026-07-12	A proof-of-concept machine learning model for short-term suicide risk stratification in depressed youth 2026-Mar-19, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-03944-4 PMID:41856968	研究论文	基于602名中国抑郁青少年前瞻性数据，构建机器学习模型以预测治疗后30天内的自杀企图，验证了短期风险分层的技术可行性	首次在抑郁青少年群体中验证了结合支持向量机与弹性网络的集成模型用于短期自杀风险预测，通过正则化和简约性模型选择有效降低过拟合风险	低事件数导致模型稳定性不足，单一国家队列限制泛化性，缺乏时间验证无法评估模型漂移	开发用于抑郁青少年短期自杀风险分层的机器学习模型	602名15-24岁中国抑郁患者	机器学习	抑郁症	NA	支持向量机、弹性网络、随机森林、深度学习	临床与心理社会预测因子	602名患者，其中30起自杀事件	NA	支持向量机、弹性网络、LASSO	AUC	NA
4116	2026-07-12	SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41890-9 PMID:41857089	研究论文	提出一种融合SiaCon-DetNet和HySHO算法的面部表情识别深度学习框架	将卷积特征学习与Transformer注意力机制结合用于细粒度面部特征检测，并创新性地将生物启发式拓扑优化与深度学习相集成以自适应调整模型参数	未明确提及局限性	开发一种鲁棒性强、泛化能力好的面部表情识别模型	面部表情图像中的情感识别	计算机视觉	NA	NA	Transformer	图像	JAFFE数据库	NA	SiaCon-DetNet	准确率, 精确率, 召回率, F1分数	NA
4117	2026-07-12	Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44754-4 PMID:41857156	research paper	评估在数据稀缺条件下使用浅层反向传播神经网络进行短期医院口罩需求预测的可行性	在极端数据稀缺条件下，验证浅层反向传播神经网络用于短期医院物资需求预测的可行性，并与常用统计和深度学习基线模型进行比较	结果仅作为可行性验证，而非可部署的预测系统，且需使用更大规模、多中心数据集进一步验证	评估数据稀缺条件下浅层反向传播神经网络用于短期医院物资需求预测的可行性	中国某三级医院连续24天的口罩消耗数据	machine learning	NA	NA	反向传播神经网络	时间序列数据	连续24天的口罩消耗数据	NA	NA	均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差	NA
4118	2026-07-12	Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation 2026-03-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02266-7 PMID:41857518	研究论文	比较YOLOv8、YOLO11与U-Net在慢性伤口图像分割中的性能	首次系统比较YOLOv8和YOLO11与U-Net在慢性伤口分割中的表现，并在跨数据集验证中证明了YOLO模型的优越性	NA	评估YOLO深度学习算法在慢性伤口医学图像分割中的有效性和泛化能力	慢性伤口图像	计算机视觉	慢性伤口	NA	YOLO, U-Net	图像	使用FUSeg和Wound Data两个数据库进行训练和测试	PyTorch	YOLOv8, YOLO11, U-Net	IoU, 精度, 召回率, DSC	NA
4119	2026-07-12	Automated Segmentation and Characterization of Retinal Hyperreflective Foci in Age-Related Macular Degeneration 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.20 PMID:41860312	研究论文	开发了一种名为Foci-Net的卷积神经网络，用于自动分割年龄相关性黄斑变性中的视网膜高反射灶	通过用精细到粗糙的特征提取块替换瓶颈层，改进U-Net架构，以同时分割小和大尺寸的HRF	NA	实现视网膜高反射灶的自动检测和特征描述，以支持AMD进展的生物标志物预测	诊断为中度至晚期AMD的患者眼和健康对照眼	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	61个体积OCT扫描（50个AMD和11个健康对照眼），来自50名参与者	NA	Foci-Net	F1分数, AUC, 精确率, 灵敏度, 特异度	NA
4120	2026-07-12	Development and validation of a high-resolution hyperspectral imaging system for the retina 2026-Mar, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.3.036006 PMID:41858558	研究论文	开发并验证一种用于视网膜的高分辨率高光谱成像系统	结合快照式高光谱相机、高分辨率RGB相机、分束器和成像内窥镜构建系统，并采用深度学习全色锐化算法同时提取视网膜血管直径和血氧饱和度	未明确提及局限性	创建高分辨率视网膜高光谱成像系统，用于早期检测阿尔茨海默病、糖尿病视网膜病变或黄斑变性	小鼠视网膜	计算机视觉	阿尔茨海默病, 糖尿病视网膜病变, 黄斑变性	高光谱成像	深度学习	图像（高光谱图像和RGB图像）	小鼠视网膜，具体数量未提供	NA	全色锐化算法（深度学习）	均方根误差 (RMSE)、相关系数 (CC)、光谱角评分 (Spectral Angle Score)、误差相对全局无量纲合成 (ERGAS)	NA