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
441	2026-06-14	Rethinking the use of deep learning methods for photovoltaic power forecasting 2026-Jun-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73817-3 PMID:42285936	research paper	重新评估深度学习在光伏发电预测中的应用，提出Cross-Unet架构，融合多尺度时间编码、相关性感知通道注意力和分层交叉注意力解码，以整合历史发电数据和天气预报	强调全编码器-解码器架构和通道依赖性建模的重要性，提出融合多尺度时间编码、相关性感知通道注意力和分层交叉注意力解码的Cross-Unet架构，并集成先进天气预报系统实现端到端预测	未明确提及局限性	改进光伏发电预测的深度学习方法，提升预测准确性，支持电网调度和能源交易	光伏发电预测模型	machine learning	NA	深度学习	CNN, Transformer	时间序列数据，包括历史发电数据、数值天气预报、卫星反演辐照度、AI天气模型预报	中国北方四个公用事业级电站和澳大利亚中部一个聚合电站的数据	PyTorch	Cross-Unet, Transformer	accuracy	NA
442	2026-06-14	Vertexformer: the interpretable predictive research on thermocapillary convection of large Prandtl number liquid bridges 2026-Jun-12, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-026-00616-x PMID:42285978	研究论文	本研究开发了一种可解释的深度学习框架Vortexformer-SHAP，用于预测大普朗特数液桥的热毛细对流并揭示其物理机制	首次将轻量级Vortexformer模型与SHAP可解释性分析结合，重新发现了几何效应并揭示了冷端液桥温度的分岔效应和内在振荡周期律	未提及明确局限性	为空间复杂热流体系统的实时预测和智能控制提供技术基础和理论见解	大普朗特数液桥在微重力下的热毛细对流	机器学习	NA	热毛细对流实验	Vortexformer	实验数据	未明确提及样本数量	TensorFlow, PyTorch	Vortexformer	R², RMSE	NA
443	2026-06-14	Enzyme-aware soil fertility prediction using dual optimization with improved SCSO 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56124-1 PMID:42286015	研究论文	提出一种基于改进沙猫群优化的酶感知土壤肥力预测框架，实现特征选择与超参数调优的统一优化	首次在土壤肥力预测中引入酶活性特征，将特征选择与超参数调优整合为统一优化过程，并加入随机逃逸最差更新机制和余弦调制搜索行为	未提及跨区域土壤类型验证及实际部署中的计算资源消耗评估	利用酶活性指标和优化算法提升土壤肥力预测的准确性与可解释性	土壤样本的酶活性相关属性及作物适宜性映射	机器学习	NA	酶活性检测	梯度提升、决策树、随机森林及混合模型	数值型土壤属性数据	NA	Scikit-learn	改进沙猫群优化、梯度提升、决策树、随机森林	准确率、精确率、召回率、F1分数	NA
444	2026-06-14	Optimization algorithm for improving the prediction accuracy of API solubility in green solvent 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51115-8 PMID:42286012	研究论文	提出一种混合人工智能框架用于预测活性药物成分在超临界二氧化碳中的溶解度	将可解释深度学习（TabNet）和直方图梯度提升（HGB）与三种元启发式优化算法（ALO、EVO、BOA）结合，用于超参数调优和预测性能提升	通用性受限于当前编译数据集，未来需扩展实验溶解度数据集以提升泛化能力	提高药物在超临界二氧化碳中溶解度的预测精度和可解释性	活性药物成分在超临界二氧化碳中的溶解度	机器学习	NA	NA	TabNet, HGB, ALO, EVO, BOA	数值型实验数据	超过350个实验测量的溶解度数据点	NA	TabNet, 直方图梯度提升(HGB)	决定系数(R²), 五折交叉验证, 预测区间自举法, 多目标帕累托前沿分析	NA
445	2026-06-14	Deep feature extraction and explanation consistency analysis for fine-grained aircraft type classification in remote sensing imagery 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54628-4 PMID:42286024	研究论文	提出一个可解释的飞机分类框架EC-AT，集成迁移学习、解释一致性分析和可信度评估，用于遥感图像中的细粒度飞机类型识别	设计了一种基于IoMin的空间重叠度量来定量评估不同解释方法生成区域的一致性，并引入多源AI记分卡表（MAST）对模型可信度进行结构化评估	未提及	提升遥感图像中细粒度飞机类型分类的性能和可解释性，为高可信度智能遥感分析提供参考	MAR20数据集中的八种代表性飞机类别	计算机视觉	NA	迁移学习	深度神经网络	图像	MAR20数据集中的八类飞机样本（具体数量未提及）	PyTorch	Grad-CAM, LIME, RISE	分类准确率、IoMin空间重叠度量、MAST多维度评估（准确率、一致性、逻辑论证、可视化）	NA
446	2026-06-14	Fast surface reconstruction of human brain MRI: benchmarking deep-learning based morphometry tools 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55397-w PMID:42286078	研究论文	评估三种深度学习模型结合表面重建流水线在脑部MRI处理中的性能，寻找快速可靠的替代方案	首次将DeepSCAN、FastSurferCNN和QuickNAT三种深度学习模型与基于FreeSurfer的快速表面重建流水线结合，系统评估其在大规模人脑MRI数据上的性能和可靠性	主要评估了与FreeSurfer的重建一致性，未充分探讨在病理变异性、临床诊断中的实际应用效果	探索深度学习模型作为快速、可靠的脑结构MRI处理工具的可行性，为大规模研究项目和临床应用铺路	公开可用的人脑MRI数据集和带有已知指标的合成数据集	计算机视觉	未指定	MRI结构成像	深度学习模型（DeepSCAN、FastSurferCNN、QuickNAT）	图像（MRI）	公开的人脑MRI数据集（多个）和一个合成数据集	NA	DeepSCAN、FastSurferCNN、QuickNAT	与FreeSurfer重建的一致性、同一会话内重扫的再现性、年龄跨度稳定性、灰白质对比度敏感性、合成表面指标准确性	NA
447	2026-06-14	A multi-task learning framework for diagnosing partial discharge types and assessing severity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57520-3 PMID:42286070	研究论文	提出一种多任务学习框架PD-IntelliFusionNet，用于同时诊断局部放电类型和评估严重程度	将声学和电磁传感、物理建模、多尺度特征提取与多任务深度学习集成到统一架构中，实现局部放电类型诊断和严重程度评估的同时进行	NA	开发一种能同时完成局部放电类型诊断和严重程度评估的统一框架，提高电力变压器绝缘系统可靠性并降低维护成本	电力变压器中的局部放电现象	机器学习	NA	声发射传感、超高频信号传感、多尺度特征提取	多任务深度学习、注意力机制、强化学习	声发射信号、超高频电磁信号	NA	NA	PD-IntelliFusionNet	诊断准确率、鲁棒性	NA
448	2026-06-14	Sequence-based prediction of drug-target binding using machine learning, deep learning and ensemble models without 3D structural information 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57478-2 PMID:42286075	研究论文	提出了一种完全基于序列的药物-靶点结合预测框架，无需三维结构信息，即可实现与分子对接相当的预测性能	通过统一表征整合理化性质、3-gram序列模式和药物编码信息，并利用堆叠集成策略（随机森林、支持向量机和逻辑回归）实现高效预测，同时通过特征重要性分析提升模型可解释性	未明确提及，但可能依赖公共数据库数据质量和SMOTE过采样导致的潜在偏差	开发无需三维结构的序列化药物-靶点相互作用预测方法，替代传统结构依赖方法	药物-靶点相互作用对（DTIs）	机器学习	非特定疾病（药物发现通用领域）	SMOTE过采样、分子对接	机器学习、深度学习、集成模型（随机森林、支持向量机、逻辑回归）	序列数据（蛋白质序列和药物化学序列）	未明确说明具体样本数量	NA	随机森林、支持向量机、逻辑回归	ROC-AUC	NA
449	2026-06-14	Simulation of long-term spatio-temporal environmental dynamics using a unified benchmark of neighbor augmenting, LSTM and graph attention models 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56762-5 PMID:42286150	研究论文	提出了一个统一的基准框架，用于比较基于邻域、图和注意力机制的时空深度学习模型在长期地理空间环境动态预测中的表现	不引入新模型，而是通过对比工程实验评估邻域时序模型在图注意力模型占优的地理空间长期预测任务中表现更优的条件	未明确提及数据时间范围外的泛化能力、模型计算效率或对极端气候事件的适应性	比较基于邻域、图和注意力机制的时空深度学习模型在长期地理空间环境动态预测中的性能	基于2000-2023年年度卫星数据的NetCDF格式资料，2024年作为完全未见的测试集	计算机视觉, 机器学习	NA	卫星遥感数据，NetCDF格式	LSTM, GAT, 图注意力网络, 时序注意力模型	图像, 时序数据	2000年至2023年的年度卫星数据，2024年作为测试集	NA	LSTM, GAT-LSTM, GAT-Temporal Attention, MLP/FFN	相关系数R, RMSE, MAE, MAPE, 相关系数	NA
450	2026-06-14	Causal inference-integrated temporal graph convolutional networks for dynamic prediction and optimization of enterprise total factor productivity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57633-9 PMID:42286196	研究论文	提出一种将因果推断与时间图卷积网络结合的因果时间图卷积网络（CT-GCN），用于企业全要素生产率的动态预测与优化	将因果推断技术集成到时间图卷积网络中，以区分真实因果机制与虚假相关，同时捕捉企业间的网络依赖关系，并引入优化决策机制生成差异化战略建议	未明确提及局限性，但可能包括对数据质量、模型泛化能力或因果假设的依赖	实现企业全要素生产率的动态预测与优化，并识别真正的生产率驱动因素	中国制造业企业	机器学习	NA	NA	时间图卷积网络	面板数据	12,847家中国制造业企业，2008-2022年数据	PyTorch	CT-GCN	RMSE	NA
451	2026-06-14	Transferable human mobility network reconstruction with neuroGravity 2026-Jun-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-01003-y PMID:42286365	研究论文	开发了神经重力模型，从有限观测中可靠重建城市间流动网络并实现跨城市迁移	将物理启发的重力模型与深度学习结合，提出无需旅行调查数据仅利用城市设施和人口分布重建流动网络，并发现空间收入隔离是影响模型迁移性的关键因素	未提及模型在极端数据稀缺或非常规城市形态下的性能及未对迁移性预测进行跨区域验证	解决欠发达地区因缺乏旅行调查数据而无法准确建模人类流动性的问题	全球超过1200个城市的城市设施分布、人口分布及人类流动网络	机器学习	NA	NA	物理启发式深度学习模型	城市设施位置数据、人口分布数据	超过1200个城市的流动网络数据	PyTorch	神经重力网络	相关系数、迁移性预测准确率	NA
452	2026-06-14	DVNDTA: a dual virtual node based heterogeneous interaction model for accurate prediction of drug-target affinity 2026-Jun-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06481-5 PMID:42286477	研究论文	提出了一种基于双虚拟节点的异质交互模型DVNDTA，用于准确预测药物-靶标亲和力	引入双虚拟节点捕捉药物和靶标口袋的全局上下文信息，并通过动态加权全局-局部协同感知机制和双向反馈机制增强模型对结合模式的捕获能力	可能仍受限于仅依赖3D复合物结构信息，对复杂结合机制的完整捕捉存在潜在不足	提高药物-靶标亲和力预测的准确性，加速药物发现过程	药物分子和靶标蛋白的3D复合物结构	机器学习	NA	NA	深度学习模型（基于图神经网络）	3D复合物结构数据	多个基准数据集	NA	DVNDTA（双虚拟节点异质交互模型）	精准度、泛化能力（具体指标如均方误差、一致性指数等未明确列出）	NA
453	2026-06-14	A weakly supervised deep learning-based recurrence prediction and risk stratification of lung adenocarcinoma from pathology whole-slide images 2026-Jun-12, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16340-4 PMID:42286527	research paper	基于弱监督深度学习从病理全切片图像预测肺腺癌术后复发并进行风险分层	利用常规苏木精-伊红染色图像，在弱监督多实例学习框架下结合自动感兴趣区域检测，实现肺腺癌术后复发的准确预测，并与转录组分析整合增强生物学可解释性	未在摘要中明确提及具体限制	预测肺腺癌术后复发并表征相关生物学特征，以指导临床决策	肺腺癌术后复发	digital pathology	lung adenocarcinoma	NA	CNN	图像	399名患者（329名来自FHWMU，70名来自CPTAC）	PyTorch, TensorFlow, Keras, Scikit-learn	Inception_V3, ResNet18, DenseNet121	AUC, Kaplan-Meier生存分析, Cox比例风险回归	NA
454	2026-06-14	Deep learning models for the detection of dental-findings and tooth-types using video data 2026-Jun-12, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08861-y PMID:42286590	研究论文	利用手持牙刷式口腔内设备获取视频数据，开发并验证深度学习模型检测口腔发现和识别牙型	首次基于视频数据而非静态图像开发深度学习模型用于口腔检测，并集成到日常口腔护理设备中	未提及具体局限性，但视频捕获序列缺乏标准化，可能影响模型泛化性	开发并验证能够使用视频数据检测口腔发现和识别牙型的深度学习模型	通过视频图像检测口腔发现（如龋齿、填充物、牙菌斑、染色）和识别牙型	计算机视觉	口腔疾病	视频图像提取与标注	YOLOv8s	视频图像帧	708个视频，提取16552帧，最终用于牙科发现模型7963帧和牙型模型3799帧	NA	YOLOv8s	平均精度均值(mAP), F1分数	NA
455	2026-06-14	Early intensive antihypertensive treatment in high-risk population of intracerebral haemorrhage expansion identified by artificial intelligence (ARCHES): study protocol for a multicentre randomised controlled trial 2026-Jun-12, Trials IF:2.0Q3 DOI:10.1186/s13063-026-09833-x PMID:42286617	研究论文	该文章介绍了一项多中心随机对照试验（ARCHES）的研究方案，旨在评估由人工智能识别的脑出血血肿扩大高风险患者中，早期强化降压治疗对比标准降压治疗的疗效和安全性	创新点在于利用基于非对比CT影像和临床预测因子的深度学习系统，结合5点评分系统，对脑出血患者进行血肿扩大高风险筛查，并针对这一特定人群评估早期强化降压治疗的效果	局限性可能包括样本量（预计680人）对亚组分析的限制，以及开放标签设计可能引入的偏倚	研究目的是验证早期强化降压治疗能否减少高风险脑出血患者的血肿扩大，并改善功能预后，同时确保治疗安全性	研究对象为发病6小时内、经人工智能评分≥3分的脑出血血肿扩大高风险患者	机器学习	脑出血	非对比CT影像	深度学习系统	影像（CT）和临床预测因子	预计680名脑出血患者	NA	NA	NA	NA
456	2026-06-14	Identification of a novel aβ-overlapping binding site on the TREM2 Ectodomain engaged by the small-molecule agonist VG-3927 2026-Jun-11, Bioorganic & medicinal chemistry letters IF:2.5Q2 DOI:10.1016/j.bmcl.2026.130712 PMID:42276260	研究论文	利用深度学习盲对接算法DiffDock-L鉴定VG-3927在小胶质细胞免疫受体TREM2胞外域上的新结合位点，并验证其与Aβ的竞争性相互作用	首次发现小分子激动剂VG-3927除了作为跨膜分子胶外，还能结合TREM2胞外域的疏水沟槽，且该位点与Aβ结合位点重叠，揭示了此前未被识别的胞外域相互作用模式	未说明具体局限性信息	探究小分子激动剂VG-3927是否与TREM2胞外域结合及其作用机制	TREM2蛋白结构与VG-3927小分子化合物的结合模式	自然语言处理	阿尔茨海默病	深度学习的盲对接算法（DiffDock-L）、微量热泳动（MST）、报告基因实验	深度学习盲对接模型	蛋白质结构数据和分子对接数据	NA	NA	DiffDock-L	NA	NA
457	2026-06-14	Deep learning-based prediction of gene expression from histopathology identifies NR5A1 as a candidate biomarker and druggable target in high-grade serous ovarian carcinoma 2026-Jun-11, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02166-y PMID:42277915	研究论文	基于深度学习的组织病理学基因表达预测方法，识别出NR5A1作为高级别浆液性卵巢癌的候选生物标志物和可药物靶点	首次从常规H&E全切片图像中通过自监督虚拟转录组学框架预测基因表达，并识别出NR5A1作为铂类应答相关的新候选标志物	需要在更大规模多中心队列中验证模型稳健性、生物学相关性和临床实用性	开发从组织病理学图像预测基因表达的计算方法，以识别卵巢癌生物标志物和药物靶点	高级别浆液性卵巢癌患者	计算病理学	卵巢癌	RNA-seq, RT-qPCR	自监督学习模型与随机森林	H&E全切片图像与RNA测序数据	TCGA-OV队列含1,371张H&E WSI，独立队列含10例HGSOC肿瘤	PyTorch（推测）	MoCo v2, 多输出随机森林回归	皮尔逊相关系数，变异系数	NA
458	2026-06-14	FSCL-BC: Federated supervised contrastive learning for breast cancer diagnosis with high sensitivity 2026-Jun-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109500 PMID:42285014	研究论文	提出FSCL-BC方法，通过联邦监督对比学习实现多医院协作的乳腺癌超声诊断，在保护隐私的同时提升诊断敏感性	将监督对比学习集成到联邦学习框架中，首次解决医疗多中心数据隐私保护与乳腺癌超声诊断敏感性提升的双重挑战	未明确说明样本异质性（如不同超声设备、操作者差异）对模型泛化能力的影响，且仅在模拟联邦场景中验证，缺乏真实多中心部署结果	开发无需数据共享的多医院协作乳腺癌AI诊断模型，重点提升对恶性肿瘤的检测敏感性	乳腺癌患者的超声图像	计算机视觉, 数字病理学	乳腺癌	超声成像	CNN	图像	NA	PyTorch	ResNet	敏感性, Youden指数, F1分数, 马修斯相关系数, 平衡准确率	NA
459	2026-06-14	Extracranial vascular association of moyamoya disease: a systematic review and machine learning analysis 2026-Jun-10, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-026-09168-0 PMID:42265449	研究论文	基于系统综述和机器学习分析，探讨烟雾病患者的颅外血管受累情况及其临床特征	首次通过系统综述和机器学习方法分析烟雾病颅外血管受累的多部位分布模式，并对比了多种机器学习与深度学习模型的预测性能	仅包含英文文献，存在语言偏倚；深度学习整体表现不如机器学习；分析基于小样本数据	描述烟雾病颅外血管受累的分布特征并评估临床变量的预测价值	烟雾病（MMD）患者的颅外血管受累情况	机器学习	烟雾病	NA	逻辑回归、随机森林、一维卷积神经网络	文本	74项研究共143名患者（59.4%女性，平均年龄24.9岁）	NA	逻辑回归、随机森林、一维卷积神经网络	准确率、F1分数、ROC面积	NA
460	2026-06-14	Understanding Transformer-Based Classifications of Medical Text Using a Large Language Model for the Attribution of Feature Importance: Proof-of-Concept Algorithm Development and Validation Study 2026-Jun-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/81644 PMID:42268907	研究论文	提出并验证了使用大型语言模型GPT-4o作为独立扰动解释器，为基于BioLinkBERT的医学文本分类模型生成特征重要性归因的方法	首次将生成式大型语言模型GPT-4o作为端到端的扰动解释器，用于解释基于Transformer的医学文本分类模型的决策过程，替代传统的SHAP和集成梯度方法	GPT-4o作为独立扰动解释器在解释忠实度上远低于SHAP和集成梯度，计算成本高且时间长	评估GPT-4o作为解释器对BioLinkBERT文本分类模型特征重要性归因的有效性，并与SHAP和集成梯度进行对比	200篇来自McMaster Premium Literature Service (PLUS)和Clinical Hedges数据库的生物医学文献	自然语言处理	NA	NA	大型语言模型 (LLM), Transformer	文本	200篇生物医学文献	NA	BioLinkBERT, GPT-4o	AOPC (面积大于扰动曲线), Pearson相关系数	GPT-4o通过应用程序接口调用，计算成本高且耗时；集成梯度时间效率最高