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
4461	2026-06-16	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT框架，整合迁移学习与Kolmogorov-Arnold网络，基于分子SMILES表示同时预测天然产物的功效与不良反应	首次将迁移学习与KAN架构统一用于天然产物的双标签预测，解决现有模型在天然产物预测中泛化能力不足的问题	未明确说明，但可推断模型依赖特定数据集且迁移学习策略仅部分缓解数据稀缺问题	开发一种可持续且资源高效的深度学习框架，用于天然产物的功效和不良反应预测，以加速新药发现	天然产物及其分子SMILES表示	机器学习	NA	分子SMILES表示	Kolmogorov-Arnold Network (KAN)	分子结构数据，文本（SMILES）	大约3800种药物用于预训练，400种天然产物用于微调	PyTorch	KAN	准确率，精确率，召回率，F1分数，AUC	NA
4462	2026-06-16	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种基于可解释神经网络的渐进性神经退行性疾病诊断学习模型	结合最小冗余最大相关性与ReliefF方法的混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并引入SHAP可解释性方法增强模型透明度	NA	开发可解释的深度学习模型用于亨廷顿病的精准诊断	亨廷顿病患者的临床特征数据	机器学习	亨廷顿病	临床数据分析	特征分词器-变换器模型	临床结构化数据	来自Kaggle的亨廷顿病数据集	NA	特征分词器-变换器	准确率	NA
4463	2026-06-16	IDMBD: Intelligent Diagnostic Modelling of Bipolar Disorder at its early onset 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57662-4 PMID:42288667	研究论文	提出一种基于移动计算设备的双相情感障碍早期发病智能诊断建模方法	利用移动计算设备采集多模态异质特征，结合深度神经网络实现高粒度患者画像，并采用标准量表预测双相情感障碍的危急状态	未明确提及评估的数据集规模及外部验证情况	开发基于移动计算设备的双相情感障碍早期智能诊断模型	双相情感障碍患者的早期状态评估	机器学习	双相情感障碍	多模态特征采集与分析	深度神经网络、随机森林、决策树	多模态异质特征数据	未明确提及	NA	深度神经网络、随机森林、决策树	多个性能指标（未具体列出）	移动计算设备
4464	2026-06-16	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究了基于视觉深度学习的字母手语识别方法，系统评估了多种卷积神经网络架构在美国手语字母数据集上的性能	构建了统一的实验框架，系统比较了ConvNeXtXLarge、EfficientNet、VGG19和ResNet-50等多种先进架构在字母手语识别中的表现	未提及具体局限性	探究视觉深度学习方法在手语字母图像数据中的识别效果，为可扩展可靠的手语识别系统提供模型选择依据	美国手语字母数据集中的手部姿势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	使用基准美国手语字母数据集，未提供具体样本数量	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
4465	2026-06-16	Correction: Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening 2026-Jun-13, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13695-8 PMID:42288739	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4466	2026-06-16	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	结合影像组学和深度学习特征的混合元启发式特征选择方法用于数字乳腺摄影中的乳腺癌检测	首次提出混合蝗虫优化算法与乌鸦搜索算法框架结合多约束适应度函数进行特征选择，并整合影像组学和深度学习特征	真实数据样本量小导致性能评估有限，合成实验中的崩溃预防惩罚尚未在真实乳腺摄影数据上得到经验验证	开发并验证一种结合影像组学和深度学习特征的混合元启发式特征选择框架用于乳腺癌检测	CBIS-DDSM数据集中的乳腺病变感兴趣区域	计算机视觉	乳腺癌	影像组学与深度学习特征提取	多层感知器	乳腺X线图像	CBIS-DDSM子集22例，合成数据集16例	NA	EfficientNet-B5	AUC, 灵敏度	NA
4467	2026-06-16	Identifying predictive factors of cyberbullying perpetration via deep learning: a two-stage training approach to class imbalance with weighted loss 2026-Jun-13, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04980-x PMID:42288893	研究论文	基于深度学习的两阶段训练与类别加权损失函数方法识别网络欺凌施暴者	结合两阶段训练策略与类别加权损失函数处理行为数据集中极端类别不平衡问题	未明确提及，但样本量较小且仅针对中国大学生群体	提高网络欺凌施暴者的识别准确率并解决类别不平衡问题	中国大学生的网络欺凌施暴行为预测因素	机器学习	NA	深度学习	深度神经网络	结构化行为数据	660名中国大学生（含54名自报施暴者）	NA	深度神经网络	召回率	NA
4468	2026-06-16	Denoising of low-dose chest computed tomography images using a U-net based convolutional autoencoder and transfer learning 2026-Jun-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出一种基于U-net卷积自编码器的轻量级算法，结合迁移学习实现低剂量胸部CT图像去噪，在有限训练数据下提升图像质量并增强肺结节可检测性	采用两步训练策略（先在模体图像上预训练，再通过迁移学习适配临床数据），解决了临床配对数据稀缺问题，同时设计了保留解剖结构和低对比度细节的轻型U-net自编码器	未明确提及局限性，但训练策略依赖模体数据模拟可能无法完全替代真实临床噪声特性	开发一种适用于低剂量胸部CT去噪的深度学习算法，在减少辐射剂量的同时保持诊断图像质量	胸部低剂量CT图像中的噪声和伪影去除优化	计算机视觉	肺部疾病	低剂量CT成像	卷积神经网络（CNN）	图像	LUng Nodule Analysis 2016数据集（未明确数量）	NA	UNet	噪声降低因子	NA
4469	2026-06-16	Artificial intelligence and machine learning in sports medicine: mapping clinical tasks and assessing clinical maturity - a scoping review 2026-Jun-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03615-w PMID:42286628	综述	概述人工智能和机器学习在运动医学中的应用现状、临床验证水平和实施准备程度	首次通过范围综述系统评估AI/ML在运动医学中临床任务的成熟度，并识别关键优先领域以指导未来进展	大多数研究依赖回顾性数据集和内部验证，校准报告不常见，前瞻性工作流程整合罕见，且建模方法、数据输入和结果定义存在显著异质性	评估AI/ML在运动医学中应用于损伤风险评估、诊断、康复和临床决策的临床验证水平和实施准备程度	运动医学相关个体	机器学习	运动医学相关疾病	NA	机器学习模型	NA	97项研究	NA	NA	判别性能（如准确率、灵敏度等）	NA
4470	2026-06-16	A Machine Learning Approach to Voice-Based Parkinson Disease Screening Using Multiview Spectrogram and Speech Recognition Features: Diagnostic Study 2026-Jun-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/94063 PMID:42274996	研究论文	提出一种基于多视角频谱图和语音识别特征融合的机器学习方法用于帕金森病筛查	首次将语音识别感知上下文特征（识别率向量）与多视角频谱图深度学习方法结合，显著降低假阴性率并提高筛查灵敏度	研究在受控录音环境中进行，需在多样化现实环境中进一步验证	开发非侵入性、可扩展的帕金森病数字筛查工具	203名参与者（帕金森病患者121例，健康对照82例）的语音录音	机器学习	帕金森病	语音频谱图提取（Mel频谱、短时傅里叶变换、常数Q变换）、自动语音识别	卷积神经网络	语音录音	203名参与者（121例患者+82例对照）	NA	多分支并行卷积神经网络	准确率、标准差、假阴性率	NA
4471	2026-06-16	Negative frequency-dependent selection: a positive outlook with deep learning 2026-Jun-11, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2025.0170 PMID:42272394	观点文章	利用深度学习区分负频率依赖性选择与其他平衡选择模式的基因组信号	提出结合资源高效的深度迁移学习、新型数据预处理和基因组自协方差建模方法，能有效检测和表征负频率依赖性选择，无需相位化基因型或时间序列数据	未明确讨论跨物种泛化能力及计算资源需求的具体评估	改进负频率依赖性选择下的基因组模式建模，以更好区分其与中性信号和其他选择过程的差异	负频率依赖性选择的基因组信号特征及其检测方法	机器学习	NA	深度迁移学习、基因组自协方差建模	深度迁移学习模型	基因组基因型数据（包括相位化和非相位化基因型，以及古DNA时间序列数据）	NA	NA	NA	NA	资源高效（具体资源未说明）
4472	2026-06-16	Label-Free Imaging of Single Proteins and Binding Dynamics via Deep Learning-Enhanced Plasmonic Scattering Microscopy 2026-Jun-10, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c04749 PMID:42189600	研究论文	结合深度学习等离激元散射显微镜的无标记单蛋白成像与结合动力学分析	利用时空深度学习框架持续从复杂背景中分离和追踪未标记的单蛋白，实现高吞吐量自动追踪，并直接区分瞬态和稳定结合事件，分辨纳米级蛋白质运动，量化结合热力学，建立区分特异性和非特异性相互作用的定量框架	无	实现无标记单蛋白结合动力学的成像与实时轨迹分析，解决生物传感中长期存在的特异性与非特异性相互作用区分难题	单蛋白质分子	计算机视觉, 机器学习	不适用	等离激元散射显微镜	递归神经网络	图像	不适用	不适用	递归神经网络	不适用	不适用
4473	2026-06-16	Development of an Interpretable Deep Learning-Based Segmentation Algorithm for Automated Assessment of Oral Diadochokinesis in Progressive Neurological Diseases 2026-Jun-10, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2026_JSLHR-25-00453 PMID:42112934	研究论文	开发一种基于深度学习的可解释分割算法，用于在进展性神经系统疾病中自动评估口腔交替运动	首次提出一种通用且全自动的分割算法，能够跨多种神经疾病、构音障碍类型及严重程度实现稳健的口腔交替运动分析	算法性能受构音障碍严重程度影响较大，重度构音障碍中准确率从94.7%降至83.1%，且未提及对不同病理机制的适用性分析	开发一种可解释的深度学习分割算法，用于自动评估神经系统疾病患者的口腔交替运动能力	231名受试者（80名健康对照和151名神经疾病患者）的序贯运动率录音	机器学习	神经退行性疾病	语音信号处理	卷积神经网络	音频数据	231个样本（80个健康对照，151个神经疾病患者录音）	NA	卷积神经网络	F1分数, 准确率	NA
4474	2026-06-16	Adaptive Riemannian optimization for multi-scale diffeomorphic matching 2026-Jun-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72508-3 PMID:42265084	研究论文	提出FireANTs算法，一种免训练、GPU加速的多尺度自适应黎曼优化方法，用于快速准确的密尔微分同胚图像匹配	首次结合多尺度自适应黎曼优化与GPU加速，实现无需训练、内存高效且泛化能力强的微分同胚图像匹配算法	未明确提及限制，但可能对极高分辨率图像或极端形变场景的适配性有待验证	开发一种快速、鲁棒且无需重新训练的微分同胚图像匹配方法，以克服传统配准方法速度慢和深度学习方法泛化性差的问题	生物医学图像中的多模态、多物种、多器官图像匹配问题	计算机视觉	无特定疾病，适用于生物医学图像分析	GPU加速计算、多尺度黎曼优化	微分同胚形变模型	生物医学图像	未明确说明，研究涉及多模态、多物种和多器官的多样化图像数据集	NA	多尺度微分同胚映射	速度（加速比）、内存消耗、泛化鲁棒性	GPU（未指定具体型号）、CPU
4475	2026-06-16	Random Attention Mechanism for Deep Quality Modeling and Online Prediction in Chemical Processes 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c02962 PMID:42294149	研究论文	本文提出一种随机注意力机制，用于化学过程中的深度质量建模与在线预测	在深度潜变量回归建模框架中引入随机注意力机制，通过从潜变量池中生成多种随机注意力来构建多个子模型，并设计信息融合策略整合预测结果	未提及对该随机注意力机制的数学理论分析或收敛性证明，且仅在两个化工案例上验证，可能缺乏在其他复杂化工过程中的泛化性	提升化学过程中质量预测的准确性	化工过程中的质量预测任务，以脱丁烷塔和CO吸收塔为案例	机器学习	NA	NA	深度潜变量模型	数值数据	两个化工过程案例（脱丁烷塔和CO吸收塔），具体样本量未说明	NA	深度潜变量回归模型	RMSE	NA
4476	2026-06-16	Performance and Statistical Assessment of Deep Learning Frameworks for Low-Temperature Selective Catalytic Reduction of NO x 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c01308 PMID:42294189	研究论文	探索深度学习架构在预测乙醇辅助选择性催化还原系统中NOx转化效率的应用	首次将LSTM、TCN及其混合模型应用于低温SCR的NOx转化效率预测，并使用贝叶斯优化进行超参数调优	未提及模型的泛化能力或在不同催化剂和发动机条件下的测试	评估深度学习框架在预测低温选择性催化还原中NOx转化性能的潜力	乙醇辅助SCR系统中的NOx转化效率模型	机器学习	NA	NA	LSTM, TCN, 混合TCN-LSTM	实验数据（来自双缸柴油发动机的Ag-Sn-P基催化剂）	未明确说明样品数量	NA	LSTM, TCN, 混合TCN-LSTM	平均绝对误差（MAE）, Theil's U	NA
4477	2026-06-16	The Tsetlin Machine: A "Third Way" in QSAR Modeling 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03109 PMID:42208944	研究论文	本文提出Tsetlin Machine作为QSAR建模的第三种范式，结合规则方法、神经网络学习和内在可解释性	首次将Tsetlin Machine引入QSAR建模，实现规则基础方法、神经网络迭代学习与内在可解释性的融合，并开发了分子属性图(TM-MPM)和WAC评分来提供可解释性分析	由于TM-QSAR的二元性质，当前在处理离散化连续描述符时性能受限	提出并验证Tsetlin Machine在QSAR建模中的有效性，作为虚拟筛选工具包的标准方法学	化合物分子的定量结构-活性关系预测（包含MOR和CYPA4靶标）	机器学习	NA	QSAR建模，分子描述符（ECFP4），子结构指纹	Tsetlin Machine	分子描述符数据（ECFP4指纹）	NA	NA	Tsetlin Machine	ROC-AUC, PRC-AUC, PPV	NA
4478	2026-06-16	Deep learning-enhanced X-space reconstruction for magnetic particle imaging: a physics-consistent approach 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae737d PMID:42202833	研究论文	提出一种物理一致性的深度学习框架X-Space-PC-Restore，用于改善磁粒子成像中X-space重建的图像质量	将混合U-Net编码器-解码器架构与Transformer注意力机制和PSF引导损失函数结合，实现物理一致性的深度学习重建	基于合成数据集评估，未在真实临床数据上验证；PSF精度对重建结果有潜在影响	提升磁粒子成像X-space重建的空间分辨率，同时保持物理一致性	磁粒子成像中的X-space重建图像	计算机视觉	不适用	磁粒子成像	混合U-Net编码器-解码器与Transformer注意力机制	合成图像	1600个合成样本，涵盖4种体模类型（线、圆、椭圆、十字）	PyTorch	U-Net, Transformer	峰值信噪比, 归一化均方根误差, 半高宽	未明确说明
4479	2026-06-16	The impact of a novel deep learning reconstruction algorithm on image quality in ultralow-dose CT: a quantitative phantom study 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00751-w PMID:42257775	研究论文	评估新型深度学习重建算法在超低剂量CT中对图像质量的影响	首次在体模研究中系统评估深度学习重建算法在超低剂量CT下对低碘浓度检测和图像质量的双重提升效果	临床意义需要进一步验证，且研究基于体模而非人体	评估深度学习重建算法在超低剂量CT中降噪、提高对比度噪声比和低碘浓度检测能力	九孔体模（碘浓度0-40 mg/mL）	计算机视觉	不适用	CT成像	深度学习重建	图像	一个九孔体模，扫描时使用多种管电压（60-120 kVp）和碘浓度（0-40 mg/mL）	NA	深度学习重建算法	噪声，对比度噪声比，CT值准确性（通过Bland-Altman分析），低碘浓度检测（CNR ≥ 3）	NA
4480	2026-06-16	A round-robin exercise for the precise prediction of aqueous solubility of organic chemicals using chemometric, machine learning, and stacking ensemble of deep learning models 2026-Jun-08, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00854-x PMID:42258020	研究论文	使用化学计量学、机器学习和深度学习堆叠集成模型对有机化学品水溶性进行精确预测的循环实验	通过六组不同算法的大型循环实验，采用排序差异和一致性排名策略选择最佳模型，并揭示了结构-理化特征对水溶性的影响机制	未明确提及局限性，但暗示先前模型因数据整理不当而可能高估统计性能	开发高鲁棒性和外部预测性能的水溶性预测模型，以支持药物筛选和生态毒理学评估	超过6000种有机化合物的水溶性预测	机器学习	NA	NA	深度学习、机器学习、堆叠集成模型	化学结构数据	超过6000种化合物	NA	Deep q-RASPR模型、堆叠集成模型	平均绝对误差、均方根误差	NA