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
401	2026-06-07	Deep learning-based diagnosis of disease activity in patients with Graves' orbitopathy using orbital SPECT/CT 2023-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06312-2 PMID:37395800	研究论文	提出基于深度学习的GO-Net模型，利用眶部SPECT/CT自动检测Graves眼病炎症活动性	首次结合语义分割网络（SV-Net）与卷积神经网络（CNN），融合CT、SPECT及眼外肌掩膜进行甲状腺相关眼病活动性自动分类	未提及模型在不同医院或设备上的泛化能力验证，且手动勾画感兴趣区可能引入标注偏差	开发自动化方法检测Graves眼病炎症活动性，减轻医生解读负担	478例Graves眼病患者的956只眼（活动期475眼，非活动期481眼）	计算机视觉	Graves眼病	SPECT/CT	V-Net, 卷积神经网络	医学影像	956只眼（来自478例患者）	NA	语义V-Net分割网络（SV-Net），卷积神经网络（CNN）	敏感度，特异度，AUC，平均交并比	NA
402	2026-06-07	Parametric Modeling and Deep Learning for Enhancing Pain Assessment in Postanesthesia 2023-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3274541 PMID:37527300	研究论文	提出结合分数阶阻抗模型参数化与深度学习（CNN）的方法，用于术后麻醉期间疼痛评估，以提高可靠性	提出了递归识别方法结合分数阶阻抗模型参数化，以及利用时频数据和频谱图的CNN分类算法，实现个性化、客观的疼痛评估	样本量小（仅12名患者），尚处于概念验证阶段，需在更大规模临床中验证	通过术后创伤建模与分类增强疼痛评估的可靠性	术后麻醉患者的皮肤阻抗测量数据	机器学习	术后疼痛	皮肤阻抗测量	CNN	时频数据	12名患者	PyTorch	CNN	NRS评分相关性	NA
403	2026-06-07	Development and validation of MRI-based deep learning models for prediction of microsatellite instability in rectal cancer 2021-06, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.3957 PMID:33963688	研究论文	开发并验证基于MRI的深度学习模型，用于预测直肠癌中的微卫星不稳定性	首次将改进的MobileNetV2架构应用于直肠癌MRI图像，以预测微卫星不稳定性状态，并探索了结合临床因素的集成模型	单中心回顾性研究，样本量有限，可能存在选择偏倚；临床模型性能较低，深度学习模型间差异无统计学意义	术前预测直肠癌患者的微卫星不稳定性状态，以辅助制定个性化治疗策略	491例直肠癌患者，其微卫星状态经病理证实	计算机视觉	直肠癌	MRI成像	改进的MobileNetV2	图像（高分辨率T2加权MRI图像）	491例直肠癌患者，其中训练/验证队列395例，测试队列96例	PyTorch	MobileNetV2	准确率、AUC、95%置信区间	NA
404	2026-06-06	Early apple moldy core classification via multi-modal sensing and SE-ResNet18 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128056 PMID:42161033	研究论文	提出一种融合可见近红外光谱与电子鼻数据的多模态图像编码方法，结合SE-ResNet18深度学习模型，实现苹果霉心病早期无损检测	首次将格拉姆角场、马尔科夫转移场和递归图等图像编码技术用于融合一维时间序列和光谱数据，并构建基于通道注意力的双分支SE-ResNet18模型，有效增强模态融合和特征表征能力	文中未提及明显局限性	实现苹果霉心病的早期、高效、无损诊断	苹果霉心病（早期内部病变）	机器视觉, 深度学习	苹果霉心病	可见近红外光谱, 电子鼻	SE-ResNet18（加入通道注意力机制的残差网络）	一维时间序列数据（光谱数据与电子鼻传感器数据）, 图像（经编码转换）	未明确说明具体样本数量	PyTorch	SE-ResNet18	准确率	未明确说明
405	2026-06-06	Prediction of intrinsic clearance using an explainable learning framework integrating molecular fingerprints and graph representation 2026-Oct-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118996 PMID:42176654	研究论文	开发了一个融合分子指纹和图表示的可解释学习框架，用于预测药物固有清除率	提出了一种动态结合机器学习与深度学习预测的集成策略，并通过可解释性分析将模型输出与分子理化性质及潜在代谢位点联系起来	公开数据质量对模型性能的约束以及现有模型生物可解释性不足	为早期药代动力学筛选提供生物学信息支持的工具，并深入理解结构-代谢关系	药物固有清除率数据及分子结构特征	机器学习	NA	分子指纹提取与图表示学习	传统机器学习、深度学习（双分支架构）	分子结构数据	从公开数据库系统收集并经人工验证的固有清除率数据集	NA	双分支深度学习架构	R值（相关系数）	NA
406	2026-06-06	Enhancing saline soil quality using enriched sheep manure compost and organic fertilizer: A FTIR-Deep learning evaluation of physiochemical and electrical properties 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129880 PMID:42035676	研究论文	利用FTIR光谱与深度学习模型评估改良羊粪堆肥和有机肥对盐渍土壤理化和电学性质的提升效果	首次将傅里叶变换红外光谱与1D-CNN、LSTM深度学习模型结合，并引入SHAP解释方法，建立盐渍土壤性质预测与光谱特征解释的集成框架	NA	建立基于FTIR光谱和机器学习/深度学习的快速、准确且可解释的盐渍土壤评估与可持续改良策略	盐渍土壤样本经羊粪堆肥和有机肥处理后的理化和电学性质	机器学习	NA	FTIR光谱分析	1D-CNN, LSTM, PLSR	光谱数据	NA	NA	1D-CNN, LSTM	决定系数R	NA
407	2026-06-06	Dual-modal deep learning model with microstrip isoelectric focusing and imaging strategy for feed classification 2026-Sep-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345706 PMID:42242815	研究论文	提出一种双模态深度学习框架，结合阵列式微条等电聚焦装置与RGB成像，用于动物源性饲料分类	首次将微条等电聚焦生化指纹与数字图像宏观纹理通过双分支ResNet18模型融合，实现生化与视觉信息的互补，突破单模态盲区	未提及模型在极端样本或实际生产环境中的稳定性测试，且方法局限于饲料分类场景	开发一种低成本、高通量的智能饲料溯源分析方法，提升复杂基质中动物源性成分的识别准确性	15种不同动物源性饲料类别，包括可能具有生物同源性的样本	计算机视觉, 机器学习	不适用	等电聚焦, RGB成像	卷积神经网络	图像	15种饲料类别，每次运行可处理12-24个样本	PyTorch	ResNet18	准确率	不适用
408	2026-06-06	Artificial intelligence in pain assessment and management for older adults: A scoping review 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103455 PMID:42160993	综述	该综述探索了人工智能在老年人疼痛评估和管理中的应用，展示了趋势和现有差距	系统性地梳理了2014至2025年间人工智能在老年人疼痛管理中的应用现状，并指出多数工具仍处于早期阶段，缺乏老龄特异性动态	所纳入的研究数据有限，且缺乏针对老龄化的专门动态分析	调查人工智能在老年人疼痛管理中的应用趋势和现存空白	老年人疼痛管理相关文献	机器学习	老年疾病	NA	机器学习、深度学习、机器人技术、自然语言处理、基于规则的系统	临床记录、面部分析、影像、视频序列	96篇研究	NA	NA	NA	NA
409	2026-06-06	SiCLIP: An explainable multimodal framework for silicosis diagnosis 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103456 PMID:42190351	研究论文	提出基于CLIP-ViT的多模态检索框架SiCLIP用于矽肺诊断，结合胸部X光图像与患者结构化档案信息	首次将多模态检索框架应用于矽肺诊断，通过共享嵌入空间融合影像与结构化信息，并基于检索聚合实现可解释性预测	仅进行了内部评估，缺乏外部验证，临床部署前需要外部数据集验证	开发用于矽肺筛查与二分类的多模态诊断方法，提升早期检测能力	矽肺患者及高危工种的受照人群的胸部X光图像与患者结构化档案信息	计算机视觉，自然语言处理	矽肺	NA	CLIP-ViT	图像，结构化文本	矽肺诊断数据集SDD包含胸部X光图像与患者结构化档案信息（未明确样本总数）	PyTorch	CLIP, ViT	准确率, F1分数	NA
410	2026-06-06	A hybrid chemometric and deep learning model for monitoring quality loss in thermally processed edible oils 2026-Aug-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119497 PMID:42215142	研究论文	研究热加工食用油质量损失的混合化学计量学与深度学习模型	首次将傅立叶变换红外光谱与介电测量结合，并利用1D-CNN和SHAP可解释人工智能进行热加工食用油降解的多模态化学计量学建模和关键特征识别	NA	建立一种结合光谱和介电分析的灵敏、非破坏性方法，用于评估热加工过程中的食用油降解	热加工食用油（花生油、芝麻油和餐馆回收油）的聚合、氧化和水解降解过程	机器学习	NA	FTIR光谱，介电测量	1D-CNN	光谱数据，介电数据	三种油样（花生油、芝麻油和餐馆回收油）在加热过程中的多个时间点	PyTorch，Scikit-learn	1D-CNN	R值，RMSE	NA
411	2026-06-06	Spiking neural networks for video analysis: An in-depth review of models and architectures 2026-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108844 PMID:41850015	综述	全面综述脉冲神经网络在视频分析中的模型、架构、训练策略和优化技术，并通过实验验证其性能	首次系统综述SNN在视频分析领域的最新进展，并引入SpikeActNet动作识别模型与传统CNN模型进行对比	未明确指出具体局限，但作为综述可能涵盖范围有限且实验对比仅涉及特定模型	综述SNN在视频分析中的最新进展，评估其作为下一代视频分析技术的潜力	脉冲神经网络模型、视频分析任务（如动作识别）	计算机视觉	不适用	脉冲神经网络（SNN）	脉冲神经网络（SNN）、卷积神经网络（CNN）	视频	不适用	不适用	SpikeActNet, C3D, I3D, ResNet	评估指标提及但未具体列出	不适用
412	2026-06-06	Lightweight Truncated Fused-MirrorNet for Classification and Analysis of Histopathology Images 2026-Jul, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70127 PMID:41636335	研究论文	提出一种轻量级截断融合镜像网络用于组织病理图像分类和分析	采用镜像架构、部分层冻结和特征融合方法，在保持分类精度的同时显著减少训练时间，适合低端设备部署	NA	开发一种轻量级深度学习模型用于组织病理图像分类，克服传统方法在计算资源和数据集上的限制	肾脏组织病理图像（TCGA肾脏数据集）和乳腺组织病理图像（BreakHis数据集）	数字病理学	肾细胞癌	NA	CNN（卷积神经网络）	图像	两个数据集：TCGA肾脏数据集和BreakHis数据集	NA	Fused-MirrorNet（融合镜像网络）	准确率	低端设备（适合低端基础设施）
413	2026-06-06	AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance 2026-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.003 PMID:42034503	研究论文	前瞻性多中心评估基于AI的去噪算法在模拟低剂量儿童胸部X光摄影中的图像质量和诊断性能	首次进行前瞻性多中心验证，使用供应商中立的深度学习去噪系统在约50%剂量降低条件下评估儿童胸部X光图像质量和诊断性能的变化	正式非劣效性未建立（ΔAUC的置信区间跨越预设边界），需通过临床获取的低剂量数据进行进一步前瞻性验证	评估基于深度学习的去噪系统在模拟低剂量儿童胸部X光摄影中改善图像质量及诊断性能的变化程度	420名接受临床指示胸部X光检查的儿科患者	计算机视觉	儿童疾病	Poisson-Gaussian噪声插入框架	深度残差卷积神经网络	图像	420名儿科患者，来自4家三级医院	PyTorch	深度残差卷积神经网络	接收者操作特征曲线下面积、结构相似性指数	NA
414	2026-06-06	Benchmarking Deep Learning for PROTAC Ternary Complex Prediction 2026-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.70117 PMID:41635150	研究论文	对四种深度学习工具（Chai-1、AlphaFold2、AlphaFold3和Protenix）预测PROTAC三元复合物的性能进行了基准测试	首次系统比较多个前沿深度学习模型在PROTAC三元复合物预测中的表现，并提供了详细的性能评估和挑战分析	所有预测工具在准确预测POI与E3连接酶取向（Cα-RMSD < 10 Å）以及小分子PROTAC位置（RMSD < 5 Å）方面仍面临重大挑战	评估深度学习模型预测PROTAC三元复合物的能力，为未来预测工具开发提供参考	PROTAC三元复合物	机器学习	NA	蛋白质结构预测	深度学习模型	蛋白质结构数据	未明确提及样本数量	NA	Chai-1, AlphaFold2, AlphaFold3, Protenix	Cα-RMSD	NA
415	2026-06-06	Deep Learning-Based Multimodal Fusion of Ultrasound, Cytology, and Clinical Features to Distinguish Follicular Thyroid Carcinoma from Adenoma: A Multicenter Study 2026-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.044 PMID:41982038	研究论文	开发并验证一种多模态深度学习模型，整合超声图像、细针穿刺细胞学和临床特征，用于术前区分滤泡状甲状腺癌与滤泡状甲状腺腺瘤	首次将超声（包括瘤内和瘤周区域）、细胞学图像和临床特征通过Transformer模块进行跨模态融合，并多中心验证其优于单模态模型，发现瘤周区域贡献显著增加	NA	术前区分滤泡状甲状腺癌与滤泡状甲状腺腺瘤，为细胞学不确定的滤泡状甲状腺肿瘤患者提供辅助诊断工具	滤泡状甲状腺肿瘤患者（滤泡状甲状腺癌和滤泡状甲状腺腺瘤）	计算机视觉, 数字病理学, 机器学习	甲状腺癌, 甲状腺腺瘤	超声成像, 细针穿刺细胞学	Swin Transformer, 基于注意力的多实例学习, 自注意力多层感知机, Transformer	图像（超声和细胞学）, 表格数据（临床特征）	714名患者，来自三个医学中心，分为训练集304例、内部验证集130例、外部验证集1（201例）和外部验证集2（79例）	NA	Swin Transformer, 注意力多实例学习, 自注意力多层感知机, Transformer融合模块	AUC, 校准曲线, 决策曲线分析	NA
416	2026-06-06	DeepCRI: real-time EEG-based prognostication after cardiac arrest 2026-Jul, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111102 PMID:42000027	研究论文	开发了一种名为DeepCRI的深度学习系统，用于实时预测心脏骤停后的神经功能预后	首次提出时间依赖性决策边界和锁定规则，避免瞬时阈值越界影响决策，实现持续更新的预后轨迹	外部验证中锁定分类率较低，残留肌电图伪影导致假阴性预测	实现心脏骤停后昏迷患者神经功能预后的实时、客观预测	心脏骤停后昏迷患者	机器学习	心脏骤停	脑电图	深度学习	脑电图信号	522名昏迷患者（开发），219名内部验证，167名外部验证	NA	NA	灵敏度、特异性	NA
417	2026-06-06	A physically guided and interpretable SWAT-BiLSTM framework with Bayesian optimization for bias correction in daily streamflow forecasting 2026-Jul, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2026.104952 PMID:42070306	研究论文	提出一种结合物理模型、优化深度学习和可解释分析工具的混合框架，用于日径流预测中的偏差校正	首次将SWAT过程模型、贝叶斯优化双向长短期记忆网络与SHAP可解释分析集成，同时提升预测精度和模型可解释性，并揭示耦合模型对物理模型缺陷的修正机制	仅适用于日径流预测场景，未探讨对其他时间尺度或不同水文区域的泛化能力	改进极端水文条件下的径流模拟精度和模型鲁棒性，增强预测可解释性	流域日径流序列数据（包含气象数据和SWAT模型输出）	机器学习	NA	SWAT水文模型、随机森林特征选择、相关性分析	BiLSTM（双向长短期记忆网络）	时间序列数据	未明确样本量，涉及流域日径流观测与气象数据时间序列	PyTorch, Scikit-learn	BiLSTM, 随机森林	相关系数(R), 纳什效率系数(NSE), 相对误差	NA
418	2026-06-06	pHLA-Bi-Mamba: A pan-specific deep learning model for peptide-HLA-Ⅰ binding affinity and eluted ligand prediction 2026-06-25, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153729 PMID:42013547	研究论文	提出一种基于双向Mamba架构的全新深度学习模型pHLA-Bi-Mamba，用于肽段-HLA-Ⅰ结合亲和力和洗脱配体预测	首次将双向Mamba架构应用于肽段-HLA-Ⅰ结合预测，突破了Transformer模型二次计算复杂度的限制，通过整合前后文信息有效建模全局序列依赖和空间约束	NA	开发一种高效、可解释的泛特异性模型，提升肽段-HLA-Ⅰ结合预测性能，用于免疫靶点发现和个性化免疫治疗	肽段-HLA-Ⅰ对的结合亲和力和洗脱配体	机器学习	NA	蛋白质语言建模	双向Mamba	序列数据	多个标准基准数据集和独立IEDB测试集	PyTorch	双向Mamba	R（相关系数）, AUPRC	NA
419	2026-06-06	MaxEnt with remote sensing for tea plantation suitability under climate change 2026-Jun-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115887 PMID:42245925	研究论文	集成Gaofen-6遥感影像、U-Net深度学习框架和MaxEnt模型，评估气候变化下中国东南部茶叶适宜性的未来变化	首次将空间去偏差的茶叶发生记录（源于高分六号影像和U-Net框架）与MaxEnt模型结合，用于未来多情景下的茶叶适宜性预测，并利用随机森林交叉验证模型稳健性	未明确提及但可能受限于单一作物和地区，以及CMIP6情景的不确定性	评估气候变化对茶叶种植适宜性的影响	中国福建省南平市的茶叶种植区域	机器学习、遥感图像处理	NA	遥感影像分析（Gaofen-6）、U-Net深度学习、MaxEnt生态位建模	MaxEnt、U-Net、随机森林	遥感图像、气象气候数据	基于高分六号影像和U-Net提取的茶叶发生记录（具体数量未提供）	NA	U-Net、MaxEnt、随机森林	模型稳健性通过随机森林交叉验证评估，具体指标未明确	NA
420	2026-06-06	Forecasting of PM2.5 concentration based on variational mode decomposition and deep learning 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56223-z PMID:42243388	研究论文	提出结合变分模态分解和深度学习的PM2.5浓度预测模型	采用VMD分解原始序列，结合样本熵和K-means聚类进行分量分组，并利用注意力机制自适应融合不同频率分量的预测结果	尚未在更广泛的地理和时间尺度上进行验证	提高PM2.5浓度预测的准确性	PM2.5浓度时间序列数据	机器学习	NA	NA	TCN-BiLSTM	时间序列	NA	NA	TCN, BiLSTM, 注意力机制	RMSE, MAE, R	NA