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
4161	2026-07-10	Tightly coupled equivariant flow matching for molecular docking with multimodal physical constraints 2026-Jul-09, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11638-8 PMID:42423919	研究论文	提出一种基于多模态物理约束的紧耦合等变流匹配分子对接方法MPFDock，生成物理有效且高精度的对接构象	在笛卡尔空间中融入几何基础的配体-蛋白质物理相互作用进行训练，并采用力场引导的流匹配进行推理，实现紧耦合建模，减少推理步骤的同时提升物理合理性	未明确讨论，但可能包括对复杂管道计算成本的敏感性及在更大数据集上的泛化性	解决现有深度学习和扩散方法在分子对接中物理有效性不足和推理效率低下的问题	分子对接中的配体-蛋白质复合物	机器学习	NA	流匹配	等变流匹配模型	分子结构数据	PoseBusters和DeepDockingDare基准测试中的样本	PyTorch	等变流匹配网络	PoseBusters指标、对接精度、物理真实性	NA
4162	2026-07-10	Machine learning models predicting extubation success in mechanically ventilated patients: a systematic review and meta-analysis 2026-Jul-09, Intensive care medicine experimental IF:2.8Q2 DOI:10.1186/s40635-026-00934-0 PMID:42424011	系统综述与荟萃分析	系统评估机器学习模型预测机械通气患者拔管成功的性能及临床就绪度	首次对机器学习模型预测拔管结局进行系统性荟萃分析，并基于改良QUADAS-C工具评估偏倚风险	高异质性（预测变量选择及模型设计差异大）、仅两项研究报告外部验证AUC、缺乏前瞻性验证	评估机器学习模型预测机械通气成人患者拔管成功的性能与临床适用性	接受计划拔管的机械通气危重症成年患者	机器学习	重症监护相关疾病	NA	经典机器学习模型与深度学习模型	临床数据	14项研究共34,322例患者（47个模型纳入荟萃分析）	NA	NA	受试者工作特征曲线下面积（AUC）	NA
4163	2026-07-10	End-to-end molecular structure elucidation from multimodal NMR spectra images using vision transformers 2026-Jul-08, Chemical science IF:7.6Q1 DOI:10.1039/d6sc02352e PMID:42205809	研究论文	提出NMRViT，一种基于视觉Transformer的框架，直接从原始NMR波谱信号（一维H、C和二维HSQC）进行端到端分子结构解析	首次将视觉Transformer直接用于原始NMR波谱信号，并实现了HSQC谱的结构预测基准；引入基于化学位移的后处理策略提升候选结构排序	模拟实验数据与真实数据之间存在领域差距；仅需少量实验样本微调即可缩小差距，但尚未完全消除	开发基于原始NMR波谱图像的直接分子结构解析方法，减少对专家经验和文本标注的依赖	NMR波谱图像（一维H、C谱和二维HSQC谱）以及对应的有机分子结构	计算机视觉	NA	核磁共振波谱（NMR）	视觉Transformer（Vision Transformer）	图像（NMR波谱图像）	大规模模拟数据集及两个实验基准数据集（含一维和二维NMR谱）	PyTorch	Vision Transformer（ViT）	准确率、候选结构排序性能指标	NA
4164	2026-07-10	Topology-aware segmentation for tubular structure in 3D microscopy 2026-Jul-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae8216 PMID:42341831	研究论文	提出一种拓扑感知的3D管状结构分割框架，用于提高显微图像中血管和神经网络的连接完整性与形态一致性	将局部半径估计直接整合到连通性约束中实现半径感知拓扑，并引入自适应拓扑误差调制机制强化对关键拓扑错误的监督	未提及方法的计算效率或在大规模数据集上的扩展性，可能受限于特定显微模态的成像参数	解决3D显微图像中微血管和神经突等管状结构分割时的连接断裂、伪连接和末端缺失问题	电镜血管、光学显微血管和荧光标记神经纤维等三类公开3D显微数据集	计算机视觉	NA	3D显微成像	CNN	3D体图像	三个公开数据集：SELMA3D、Mini-vessel和FISBe，具体样本数量未提及	PyTorch	NA	Dice系数, clDice分数	NA
4165	2026-07-10	Transformer-Based Deep Learning Model for Predicting Hemoglobin Response to Mircera® in Hemodialysis Patients 2026-Jul-08, Blood purification IF:2.2Q2 DOI:10.1159/000552078 PMID:42418351	研究论文	开发了一个基于Transformer的深度学习模型，用于预测血液透析患者对Mircera®治疗的血红蛋白反应	首次应用Transformer架构预测血液透析患者个体化血红蛋白反应，并引入药代动力学特征以捕捉延迟促红细胞生成效应	模型依赖序列化的临床数据且药物治疗方案固定，实际应用中的不确定性和长期预测准确性需进一步验证	实现基于机器学习的个体化促红细胞生成素（ESA）剂量调整，以提高血红蛋白目标的达标率	血液透析患者中接受静脉注射Mircera®和铁剂治疗的成年患者	机器学习	肾脏疾病（血液透析相关贫血）	药物剂量、实验室检测和临床数据的结构化处理	Transformer	结构化事件数据（包括血红蛋白、Mircera®和铁剂剂量、透析参数）	728名血液透析患者，平均年龄63±14岁，共涵盖114±56 mg/周铁剂和149±92 µg/月Mircera®的治疗记录	PyTorch	Transformer	平均绝对百分比误差（MAPE）	NA
4166	2026-07-10	AI derived Whole-Body MRI metrics in multiple myeloma patients reveal unique insights into body composition and outcomes 2026-Jul-08, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2026020852 PMID:42418394	research paper	本论文开发了一种基于AI的管道，用于从多发性骨髓瘤患者的全身MRI中自动提取身体成分指标，并揭示这些指标与治疗结果之间的关联	首次开发了基于AI的管道，从多发性骨髓瘤患者常规临床全身MRI中自动定量非病变组织的影像表型，实现身体成分的无创评估	NA	利用AI技术从全身MRI中量化身体成分，并评估其作为多发性骨髓瘤患者风险分层和预后生物标志物的潜力	多发性骨髓瘤患者	computer vision, digital pathology	多发性骨髓瘤	MRI	深度学习模型	image	NA	NA	深度学习管道	concordance-index	NA
4167	2026-07-10	Artificial Intelligence Diagnosis of Obstructive Sleep Apnea Using Overnight Pulse Oximetry: A Systematic Review and Bayesian Meta-Analysis 2026-Jul-08, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80349 PMID:42418449	meta分析	系统评价与贝叶斯荟萃分析人工智能模型基于整夜脉搏血氧饱和度诊断阻塞性睡眠呼吸暂停的准确性	首次对仅基于血氧饱和度数据的人工智能模型进行汇总量化综合，并评估了发表偏倚和方法学局限性	仍需在不同人群和低患病率环境中进行前瞻性外部验证，才能广泛实际应用	评估基于脉搏血氧饱和度读数的人工智能模型诊断阻塞性睡眠呼吸暂停的准确性	整夜脉搏血氧饱和度记录及对应呼吸暂停低通气指数参考标准	机器学习	阻塞性睡眠呼吸暂停	脉搏血氧饱和度监测	神经网络	血氧饱和度时间序列	25项研究，共23,171名参与者，年龄40至63岁，体质指数25至37 kg/m²	NA	神经网络分类器、深度学习特征提取模型	灵敏度、特异度、曲线下面积	NA
4168	2026-07-10	Functional and morphometric outcome of adaptable slicing condylectomy in transverse condylar hyperplasia: A deep learning-enhanced 3D study 2026-Jul-08, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104649 PMID:42418925	研究论文	利用深度学习增强的三维分析评估适应性切片髁状突切除术在横向髁突增生中的功能和形态结果	首次使用深度学习辅助的三维CBCT分析系统评估适应性切片髁状突切除术（ASC）在横向髁突增生中的治疗效果，并与双颌正颌手术进行对比	单中心回顾性研究、样本量有限（55例）、未提及深度学习模型的泛化性和潜在误差	评估适应性切片髁状突切除术在治疗横向髁突增生中的安全性和有效性	55例横向单侧髁突增生患者（36例接受ASC，19例接受双颌正颌手术）	数字病理学	髁突增生	CBCT	3D U-Net	三维医学图像	55例患者	MONAI	3D U-Net	髁突头体积、平均骨密度、中心位移、轴向角变化、术后不对称度	NA
4169	2026-07-10	Mining the code of life for new antibiotics 2026-Jul-08, Cell host & microbe IF:20.6Q1 DOI:10.1016/j.chom.2026.06.007 PMID:42419272	综述	探讨从传统筛选向数字发现策略的转变，以加速抗生素创新，应对 antimicrobial resistance（AMR）	系统综述了从传统“土壤挖掘”和表型筛选到数字发现（包括计算机辅助虚拟筛选、元基因组挖掘和生成式 AI 设计）的范式转变，强调将化学结构与生物序列作为可搜索和可工程的底物	未明确提及具体局限性	总结抗生素发现策略的演进，提出更快速、更广泛、更系统的方法以应对 AMR	抗生素发现方法，包括微生物培养、宏观化学库筛选、基因组与元基因组挖掘以及 AI 设计	机器学习	感染性疾病	宏基因组测序、微生物培养、高通量筛选	生成式 AI	文本、序列、化学结构	NA	NA	NA	NA	NA
4170	2026-07-10	Artificial intelligence for predicting antiretroviral therapy outcomes in people living with HIV: A systematic review of predictive models, predictors and clinical readiness 2026-Jul-08, HIV medicine IF:2.8Q2 DOI:10.1111/hiv.70277 PMID:42419730	综述	系统回顾了人工智能模型在预测HIV感染者抗逆转录病毒治疗效果方面的应用，重点关注预测因子、方法学严谨性、验证实践和临床整合准备度	首次系统评估AI模型预测ART效果的临床整合准备度，并提出了一种探索性的临床信息学框架来评估转化就绪性	多数研究存在高偏倚风险或不明确，外部验证不足，校准评估有限，报告完整性欠佳，以及随机数据分割可能导致数据泄露	系统回顾基于AI的模型在预测HIV感染者ART结局中的应用，评估其方法学稳健性和临床与数字健康整合的适用性	HIV感染者中预测ART结局的AI模型	机器学习	HIV感染	NA	集成方法（随机森林、XGBoost）、深度学习	临床数据	26项研究	NA	随机森林、XGBoost、深度学习模型	AUC	NA
4171	2026-07-10	Explainable machine learning revealing the impact of mental and physical health on arthritis 2026-Jul-08, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101955 PMID:42419862	研究论文	开发可解释的机器学习框架预测关节炎风险，识别身心健康风险因素	结合堆叠集成模型、GAN插补和重采样技术处理不平衡数据，利用SHAP实现特征可解释性	仅基于美国调查数据，未验证跨种族或国际群体的泛化能力	建立稳健且可解释的关节炎风险预测模型，识别疾病关键风险因素	BRFSS 2019/2021和NHIS 2020/2022四个数据集中的成年人关节炎风险	机器学习	关节炎	问卷调查数据	堆叠集成模型、生成对抗网络（GAN）	表格数据	NA（未明确说明具体样本数）	NA	堆叠集成模型（结合11种机器学习和深度学习架构，含GAN插补、RUS/ROS重采样）	AUROC、敏感性、特异性、平衡准确率	NA
4172	2026-07-10	LeafLiteX mobile application for leaf disease detection using U-Net segmentation and lightweight deep learning 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60625-4 PMID:42420345	研究论文	介绍LeafLiteX移动应用，利用U-Net分割和轻量级深度学习实现叶片疾病实时检测与分类	结合U-Net分割与MobileNetV3-Light轻量分类，在移动设备上实现端到端处理，并集成可解释性，支持离线运行与低延迟推理	NA	开发一种低成本、易用且支持离线诊断的移动应用，用于早期叶片疾病检测，助力智慧农业	公开农作物病害数据集中的多种叶片图像	计算机视觉	作物叶片病害	NA	U-Net 与 MobileNetV3-Light	图像	公开农作物病害数据集，包含多种病害类型的叶片图像	TensorFlow	U-Net, MobileNetV3-Light	准确率	移动设备端推理
4173	2026-07-10	Leveraging a vendor-neutral deep learning reconstruction algorithm to reduce scan time and enhance image quality in T2-weighted liver MRI 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60802-5 PMID:42420358	研究论文	评估了一种供应商中立的深度学习重建算法在加速单次屏气T2加权肝脏MRI中减少扫描时间并提升图像质量的效果	首次评估供应商中立的深度学习重建算法在加速肝脏T2WI中的表现，实现了单次屏气扫描并维持或提升图像质量	运动伪影在加速协议中更明显，且某些病灶显著性改善未达到统计学显著性	评估供应商中立的深度学习重建算法能否在加速T2WI中提升图像质量并缩短扫描时间	86名在2024年8月接受非增强3T肝脏MRI的患者	医学影像	肝脏疾病	深度学习重建	深度学习模型	图像（MRI）	86名患者，其中49例有局灶性肝脏病变	供应商中立的深度学习框架	SwiftMR	信号噪声比，锐利度，运动伪影，空间匹配，病灶显著性	NA
4174	2026-07-10	A robust biometric system using wrist and dorsal vein images for person authentication 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60896-x PMID:42420369	研究论文	提出了一种利用手腕和手背静脉图像进行身份认证的鲁棒生物特征系统	引入了混合生物特征模板保护方法，结合混沌加密和创新扰动算法，通过特征融合和基于扰动的加密技术增强安全性	未提及计算资源和模型类型的能耗或实时性表现	解决生物特征数据在数据库中存储的潜在安全风险，提升身份认证系统的鲁棒性	手腕和手背静脉图像	计算机视觉	不适用	图像预处理，线跟踪方法，曲率分析	深度学习模型（ResNet）	图像（静脉图像）	未在标题和摘要中明确提及样本量	NA	ResNet	准确率（99.85%），等错误率（EER，0.017），相关系数分析，像素变化率（NPCR），直方图检验，熵评估	未在标题和摘要中明确提及
4175	2026-07-10	3Br-MGD: few-shot toxicity prediction with a three-branch deep encoder and meta-learning framework 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60814-1 PMID:42420390	研究论文	提出一个三分支深度编码器和元学习框架3Br-MGD，用于小样本分子毒性预测	通过结合三种互补分子表示（指纹编码、图卷积网络和深度卷积神经网络），并在原型网络框架下实现小样本学习，提高低数据条件下的预测性能和泛化能力	未在标题和摘要中明确提及限制	开发一种能有效利用小样本数据预测药物化合物毒性的方法	药物化合物的分子毒性	机器学习	NA	分子指纹、图卷积网络、深度卷积神经网络、小样本学习	三分支架构（FingerprintMLP、GCN、1D-CNN）结合原型网络	分子结构数据（MoleculeNet基准数据集）	NA	NA	FingerprintMLP, 图卷积网络(GCN), 一维深度卷积神经网络(1D-CNN), 原型网络	预测准确性、鲁棒性、泛化能力（具体指标未列出）	NA
4176	2026-07-10	Retraction Note: Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61322-y PMID:42420399	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4177	2026-07-10	Hybrid deep learning with attention mechanism for monitoring and classifying physical exercise postures using sensor data 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59240-0 PMID:42420401	研究论文	探讨利用混合深度学习模型和注意力机制，基于传感器数据监测和分类体育锻炼姿势	首次将胶囊网络与混合MLP-CNN-Transformer架构用于运动姿势分类，并实现了0.99的高准确率	未在实时应用场景中验证模型性能，且仅涵盖有限范围的体育活动	开发基于深度学习的高精度运动姿势识别系统，用于健身监测和个性化训练	智能设备采集的人体运动传感器数据，包括动作动态和姿势变化	机器学习	NA	传感器数据采集	卷积神经网络, 循环神经网络, 胶囊网络, 门控循环单元, 多层感知机, Transformer	传感器数据	未明确说明样本数量，使用了智能设备采集的运动数据	NA	CNN, RNN, CapsNet, GRU, MLP, Transformer, 混合MLP-CNN, 混合CNN-Transformer	准确率, 精确率, 召回率	NA
4178	2026-07-10	Prediction of incident atrial fibrillation from retinal fundus images using a multimodal foundation model 2026-Jul-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02969-9 PMID:42420432	研究论文	提出基于视网膜眼底图像的多模态基础模型生物标志物RetiAF评分，用于早期检测心房颤动	首次利用多模态基础模型从视网膜眼底图像中提取生物标志物用于房颤预测，并验证其跨种族、多中心数据集的鲁棒性表现	未提及具体局限性	开发基于视网膜眼底图像的非侵入性房颤筛查工具，评估其在多中心数据集中的预测性能	视网膜眼底图像及其衍生的生物标志物RetiAF评分	计算机视觉	心血管疾病	视网膜眼底成像	多模态基础模型	图像	UK Biobank开发和内部测试数据集、上海外部数据集	NA	多模态混合模型	AUROC	NA
4179	2026-07-10	Automated body composition quantification from non-contrast CT for urolithiasis classification and exploratory incident risk assessment 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61876-x PMID:42420441	研究论文	开发一种基于深度学习的非对比CT身体成分量化框架，用于尿石症分类（钙性、非钙性、无结石者）及基线无结石者新发尿路结石的风险分层	首次利用非对比CT自动量化身体成分并结合临床特征，实现尿石症分类与新发结石风险的初步评估	纵向队列中新发尿路结石事件仅8例，样本量小，需前瞻性验证	开发自动化身体成分量化方法，提升尿石症分类准确性并探索新发结石的风险预测	尿石症患者（钙性、非钙性）与无结石对照组，以及基线无结石的纵向随访个体	计算机视觉	尿石症	非对比CT	深度学习模型	影像	共781名参与者，分类队列481人（钙性246人、非钙性104人、无结石者131人），纵向队列300名基线无结石者	NA	NA	AUC、灵敏度、特异度	NA
4180	2026-07-10	A robust hybrid deep learning framework for IoT intrusion detection with adaptive feature embedding and imbalance-aware optimization 2026-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59121-6 PMID:42420463	研究论文	提出一种混合深度学习框架，结合Transformer编码、时序融合Transformer和轻量级CNN，用于物联网入侵检测	创新在于将Transformer特征编码、时序融合Transformer和轻量级CNN通过置信度驱动的自适应融合机制集成，并采用自适应合成采样处理类别不平衡和对比自监督嵌入增强表示质量	未来需关注实时部署和自适应安全机制，当前方法未在真实生产环境中验证	解决现有入侵检测系统特征表示弱、类别不平衡处理差和评估不一致的问题	物联网环境中的网络流量数据	机器学习	NA	NA	CNN, Transformer, 时序融合Transformer	网络流量数据	使用CIC-IDS2017和BoT-IoT数据集，具体样本数量未明确	NA	Transformer, Temporal Fusion Transformer, 轻量级CNN	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA