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
461	2026-06-14	An empirical study of machine learning robustness and scalability for imbalanced tabular clinical data in emergency and critical care 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56413-9 PMID:42270687	研究论文	针对急诊和重症监护环境中不平衡表格临床数据的机器学习鲁棒性与可扩展性实证研究	系统比较了六种模型族（包括传统机器学习、深度学习和表格基础模型）在不平衡表格临床数据上的鲁棒性和可扩展性，发现模型选择具有上下文依赖性，且表格基础模型正快速缩小与强基线模型的性能差距	未提出通用解决方案，结论依赖于特定数据集和任务，且基础模型未进行任务特定优化或重加权	评估机器学习模型在不平衡表格临床数据中的预测鲁棒性和计算可扩展性，为高时间敏感性临床环境中的模型选择提供实证依据	MIMIC-IV-ED和eICU两个大型临床数据集上的七项临床预测任务	机器学习	急诊与重症监护疾病（未指定具体疾病）	NA	决策树、随机森林、XGBoost、TabNet、TabICL、TabPFN v2.6	表格数据	MIMIC-IV-ED和eICU两个大规模临床数据集（具体样本数未说明）	NA	决策树、随机森林、XGBoost、TabNet、TabICL、TabPFN v2.6	Macro F1-score	NA
462	2026-06-14	MIRAGE: a multimodal deep learning framework for interpretable risk assessment of high myopia from genetic and retinal imaging data 2026-Jun-09, Human molecular genetics IF:3.1Q2 DOI:10.1093/hmg/ddag040 PMID:42262223	研究论文	开发了一种结合全外显子基因型和眼底图像的深度学习框架MIRAGE，用于高风险近视的个性化预测	在深度学习框架中首次整合全外显子基因型数据和眼底图像，通过门控注意机制融合两种模态，并使用深层基因风险模型捕捉非线性交互作用	NA	早期识别高度近视风险个体，实现个性化预测和临床干预	高度近视患者和对照组的基因型与眼底图像数据	机器学习	高度近视	全外显子测序	深度学习	基因型数据, 眼底图像	1991名个体	PyTorch	DeepExGRS, CNN, 门控注意机制	AUC	NA
463	2026-06-14	Harnessing computational intelligence for synthetic lethality: A roadmap from network biology to interpretable deep learning in precision oncology 2026-Jun-09, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2026.06.001 PMID:42264143	综述	本文综述了计算智能在合成致死性发现中的应用，从网络生物学到可解释深度学习，为精准肿瘤学提供了路线图	提供了从传统网络模型到先进图变换器和知识图谱推理的架构比较综合，并提出了基于证据的最佳实践方法，包括数据分割、不平衡指标选择和负采样策略，同时整合了合成救援机制	未提及具体局限性	弥合计算预测与精准肿瘤学中可行临床见解之间的差距	合成致死性基因-基因相互作用	机器学习	癌症	NA	图变换器、知识图谱推理、网络模型	多组学数据	NA	NA	图变换器、知识图谱推理、网络模型	NA	NA
464	2026-06-14	Observational study of predictors and outcomes of lung cancer in never-smokers in the UK (OLIVE): study protocol 2026-Jun-09, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2025-003966 PMID:42264884	研究论文	本研究协议旨在设立一项英国多中心观察性队列，探索从不吸烟者肺癌的预测因素和结局	聚焦英国人群的LCINS，结合深度学习和自然语言处理分析自由文本数据，并通过回顾性和前瞻性队列设计填补当前研究空白	尚未涵盖所有EHR外的暴露因素，未来可能需要额外数据采集；单中心可行性试验样本量有限（225名患者）	扩大对LCINS的理解，尤其在英国背景下改善诊断和治疗路径	从不吸烟的肺癌成人患者	自然语言处理	肺癌	NA	NA	文本	225名患者（单中心可行性试验），后续扩展至多中心	NA	NA	NA	NA
465	2026-06-14	Deep Learning-Guided Reverse Translation Enhances Soluble Expression of Recombinant Proteins in Escherichia coli 2026-Jun-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115131 PMID:42278656	研究论文	开发了一种结合同义密码子生成模型和基因表达水平预测模型的深度学习框架，用于优化异源蛋白在大肠杆菌中的可溶性表达	首次提出结合同义密码子生成模型（SCG）与基因表达水平预测模型（GELP）的集成深度学习框架，并揭示核心回避密码子优化策略	研究仅针对两种工业酶进行验证，样本范围有限；计算资源信息未在标题和摘要中提及	设计能够提高重组蛋白在大肠杆菌中可溶性表达的DNA序列	异源蛋白在大肠杆菌中的可溶性表达	机器学习	NA	DNA序列优化	深度学习模型	基因组数据、基因表达数据	两种工业酶：α-葡聚糖磷酸化酶和异淀粉酶	NA	NA	可溶性表达倍数变化、单因素方差分析、单样本t检验	NA
466	2026-06-14	Artificial Intelligence in Tumor Evolution: Understanding Cancer Complexity Through Multi-Modal Data Integration in Precision Oncology 2026-Jun-03, Cells IF:5.1Q2 DOI:10.3390/cells15111031 PMID:42274624	综述	综述人工智能在肿瘤进化研究中的应用，强调通过多模态数据整合理解癌症复杂性	全面分析AI如何整合多组学、影像和临床数据以解码肿瘤进化机制，包括功能基因组预测、深度学习成像和预测性建模	未详细讨论具体AI模型性能比较，缺乏对数据隐私、算法偏见等伦理挑战的量化分析	探索AI在肿瘤进化研究中的潜力，推动精准肿瘤学发展	肿瘤进化过程中的遗传和表型异质性、耐药性、转移机制	机器学习	肿瘤	多组学整合、深度学习	NA	多模态数据（多组学、影像、临床数据）	NA	NA	NA	NA	NA
467	2026-06-14	CLARISA: Connexin-43 Lateralization Automated ROI-Based Image Signal Analyzer 2026-Jun-02, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115033 PMID:42278561	研究论文	提出CLARISA，一种无需分割、基于ROI的深度学习框架，用于直接从荧光图像分类CX43阳性区域为终末或侧向化	采用无分割的ROI基深度学习方法，避免传统方法中对单个心肌细胞分割的依赖，并利用双流EfficientNetV2-S分类器同时捕获局部和上下文ROI形态	需要在更大、独立且更异质的数据集上进一步验证其鲁棒性、跨成像条件的可移植性和转化应用性	实现心脏组织中CX43侧向化的可扩展、无分割定量评估	Wistar大鼠心脏左心室冷冻切片中CX43阳性区域的分布模式	计算机视觉	心律失常	荧光成像	卷积神经网络	图像	来自Wistar大鼠心脏的专家标注数据集（具体数量未提及）及一个独立分析的组织切片	PyTorch	EfficientNetV2-S	ROC-AUC, PR-AUC	NA
468	2026-06-14	AI-enhanced Wrist-Hand US Image Acquisition: Development and Initial Clinical Evaluation 2026-Jun, Radiology IF:12.1Q1 DOI:10.1148/radiol.251268 PMID:42262241	research paper	开发深度学习模型用于动态腕手超声检查中的标准平面识别和解剖分割，并在临床实践中评估其性能	基于残差网络和高分辨率网络构建AI工具，在腕手超声标准平面识别中达到96.2%的F1分数，并在解剖分割中实现0.647的平均交并比，优于EfficientNet、MobileNet、SegFormer和DeepLabV3等基线模型	临床评估仅涉及36名健康志愿者，且仅由初级和高级新手肌肉骨骼超声医师操作，样本量和医师经验水平有限	开发并评估AI辅助腕手超声图像采集的深度学习模型，以提高新手肌肉骨骼超声医师的扫描质量和效率	来自20家医院430名志愿者的66,743张正常腕手超声图像，以及36名健康志愿者在临床评估阶段的数据	computer vision	musculoskeletal disease	ultrasound	ResNet, High-Resolution Network	image	430名志愿者（66,743张图像）用于模型开发；36名健康志愿者用于临床评估	NA	ResNet, High-Resolution Network	F1 score, mean intersection over union	NA
469	2026-06-14	Predicting Post-Radiotherapy Epigenetic Age Acceleration From Pre-Treatment Data Using a Machine Learning Framework in Head and Neck Cancer Patients 2026-Jun, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72014 PMID:42277901	论文	该研究开发并验证了一个机器学习框架，利用头颈癌患者放疗前的社会人口学信息、症状报告、临床测量和免疫生物标志物，预测放疗后的表观遗传年龄加速（EAA）	首次利用低成本、常规收集的放疗前数据而非昂贵表观遗传检测，基于机器学习框架预测头颈癌患者放疗后的表观遗传年龄加速轨迹，尤其是深度学习模型TabNet优于传统算法	样本量可能有限（具体未说明），预测准确性在不同患者亚群间存在较大差异（RMSE范围1.70-4.34），且结果仅针对头颈癌患者，泛化性需进一步验证	开发一种无需昂贵表观遗传检测的方法，利用放疗前临床数据预测头颈癌患者放疗后的表观遗传年龄变化，以实现早期高风险患者识别和靶向干预	接受放疗的头颈癌患者，利用其放疗前（Time 1）的社会人口学信息、症状报告、临床测量和免疫生物标志物数据进行预测	机器学习	头颈癌	NA	深度学习模型（TabNet）及传统机器学习模型	数值型数据（社会人口学信息、症状报告、临床测量和免疫生物标志物）	具体样本数量未在标题和摘要中说明	NA	TabNet	均方根误差（RMSE）	NA
470	2026-06-14	Towards Interpretable Seizure Detection: An Excitation/Inhibition Dynamic Polynomial Network Framework for Electroencephalography 2026-Jun-01, Sensors (Basel, Switzerland) DOI:10.3390/s26113488 PMID:42281002	研究论文	提出一种基于兴奋/抑制动力学多项式网络的可解释癫痫检测框架	首次将兴奋/抑制双路径与威尔逊-考恩动力学模块结合，实现生理可解释的癫痫检测，并利用物理信息优化策略确保模型符合神经生理原理	未提及	开发一种兼顾高准确率与生理可解释性的癫痫脑电检测方法	癫痫脑电信号中的兴奋/抑制失衡动态及其与癫痫发作的关系	机器学习	癫痫	脑电图	E/I-DynPolyNet	脑电信号	CHB-MIT与Bonn两个数据集	PyTorch	E/I-DynPolyNet	准确率	NA
471	2026-06-14	Multiagent First-Person Perspective Analysis for Leadership Assessment in Pediatric Emergency Simulations: A Feasibility Study 2026-Jun-01, Critical care explorations DOI:10.1097/CCE.0000000000001428 PMID:42283629	研究论文	本研究探讨了在多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	首次将多智能体时间同步的第一人称视角分析与深度学习对象检测（YOLOv8）结合，用于急救模拟中的领导力评估，提供客观的观察者无关指标	样本量小（仅两名领导者），视频帧排除较多（29.3%），且研究为探索性，结果仅为说明性	验证多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	儿科重症监护室（PICU）中的两名医生（一名重症监护专家和一名儿科住院医生）作为团队领导者	计算机视觉	NA	可穿戴智能眼镜、深度学习对象检测（YOLOv8）、注视向量估计	CNN	视频、注视数据	2名参与者（医生），每人完成一个场景	YOLO	YOLOv8	不适用	NA
472	2026-06-14	Discriminating HFrEF vs HFpEF from chest radiographs: Mitigating demographic performance gaps via augmentation and multimodal fusion 2026-Jun, PLOS digital health DOI:10.1371/journal.pdig.0001467 PMID:42284341	研究论文	本研究评估了深度学习模型在胸部X光片上区分射血分数降低型心力衰竭和射血分数保留型心力衰竭的性能，重点关注人口统计学性能差距，并提出了通过数据增强和多模态融合来缓解这些差距的方法	首次以公平性为中心，系统评估胸部X光深度学习模型在心力衰竭亚型区分中的人口统计学性能差距，并证明轻量级多模态融合能将最大AUC差距相对减少83%	这是一项概念验证研究，使用公开数据集MIMIC-CXR和MIMIC-IV，样本可能有限，且仅限于影像学肺水肿病例	提高胸部X光深度学习模型在心力衰竭表型区分中的公平性和鲁棒性	射血分数降低型心力衰竭和射血分数保留型心力衰竭患者	计算机视觉, 数字病理学	心血管疾病	胸部X光成像	DenseNet121, 多模态融合	图像, 人口统计学和合并症数据	源自MIMIC-CXR与MIMIC-IV数据集，限制为影像学肺水肿病例	NA	DenseNet121	AUC, 灵敏度, 特异性	NA
473	2026-06-14	A Lightweight Real-Time Tomato Leaf Disease Detection System for Edge-Based Smart Agriculture 2026-May-31, Sensors (Basel, Switzerland) DOI:10.3390/s26113474 PMID:42280990	研究论文	提出一种轻量级实时番茄叶部病害检测系统HGS-YOLO，适用于边缘计算的智能农业	在YOLOv11基础上通过HGNetV2骨干网络、HS-FPN颈部通道注意力和MPDIoU损失函数的系统级协同设计，并整合训练、优化、后训练量化和BPU加速的端到端边缘传感流水线，实现模型结构、优化与部署的协同优化	在受控成像条件下测量，未验证在开阔田间不同地点、季节和天气条件下的鲁棒性	开发部署于资源受限农业系统的轻量级番茄叶部病害实时检测系统	番茄叶部病害	计算机视觉	番茄叶部病害	深度学习	YOLO	图像	未明确说明样本数量	未明确说明，但包含BPU加速	HGS-YOLO（基于YOLOv11，含HGNetV2骨干、HS-FPN颈部）	mAP50, mAP@[0.5:0.95], 召回率, 精度, 延迟, FPS, 系统功耗	D-Robotics RDK X5手持平台，BPU加速
474	2026-06-14	Hybrid Feature Learning for Wearable Stress Detection: Combining Domain Knowledge with Supervised Deep Learning 2026-May-29, Sensors (Basel, Switzerland) DOI:10.3390/s26113451 PMID:42280967	研究论文	提出一种结合领域知识与监督深度学习的可穿戴压力检测混合特征学习方法	首次将20个手工生理特征与32个监督卷积自编码器深度特征结合，采用双头设计加权分类损失引导特征学习，超越传统无监督方法	样本量较小（WESAD数据集仅15名受试者），可能限制泛化能力；未提及实时部署的功耗与延迟问题	提升高压力职业（如消防员）可穿戴压力监测的准确性与实用性	可穿戴设备采集的皮肤电活动信号	机器学习	压力相关疾病	皮肤电活动信号分解（cvxEDA）、人工特征工程、监督卷积自编码器	K近邻分类器、卷积自编码器	生理信号（皮肤电活动、加速度计等）	15名受试者（WESAD数据集）	NA	监督卷积自编码器（双头设计）、K近邻	准确率、灵敏度、特异度、假阴性率	NA
475	2026-06-14	Pediatric post-acute sequelae of SARS-CoV-2 infection in Taiwan: Insights from the DISCOVER cohort 2026-May-29, Pediatrics and neonatology IF:2.3Q2 DOI:10.1016/j.pedneo.2026.03.007 PMID:42285845	研究论文	基于台湾DISCOVER队列，研究儿童SARS-CoV-2感染后遗症（PASC）的多系统临床表现、疫苗保护作用及维生素D干预效果	首次在台湾儿童队列中通过多模态方法（AI辅助诊断、肺功能评估、免疫标志物检测）系统研究PASC，并发现维生素D补充可减轻症状负担	初步单中心随机对照试验样本量有限，且结果仅体现早期证据	系统描述台湾儿童PASC的临床表现、免疫机制及干预策略	台湾儿童PASC患者（含疫苗接种状态分析）	机器学习	儿科疾病	脉冲振荡肺功能、深度学习辅助超声心动图、维生素D干预	深度学习模型	临床数据、影像数据、免疫标志物数据	单中心随机对照试验的初步队列（具体样本数未在摘要中说明）	NA	深度学习辅助超声心动图（具体架构未指定）	症状负担评分、促炎细胞因子谱、肺功能指标（小气道阻力）	NA
476	2026-06-14	Leakage-Safe Precision-Aware Dual-Branch FT-Transformer for Population-Scale Heart Disease Risk Prediction 2026-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s26113417 PMID:42280934	研究论文	提出一种防泄漏、精度感知的双分支FT-Transformer框架，用于大规模心脏病风险预测	设计双分支架构，分别处理召回导向的检测和精度导向的验证，并通过轻量级门控机制集成，在训练折内严格训练以防止信息泄露并实现受控错误仲裁	基线模型虽取得更高AUROC值，但本框架在操作筛查阈值下表现出更平衡且临床有意义的精确率-召回率行为	构建可靠的大规模心脏病风险预测模型，缓解类别不平衡、数据泄露和精确率-召回率权衡不稳定问题	BRFSS-2024数据集和独立NHANES队列	机器学习	心血管疾病	NA	FT-Transformer	表格数据	未明确说明样本数量，但提及BRFSS-2024数据集和NHANES队列	NA	双分支FT-Transformer	F1分数、召回率、AUPRC、AUROC	NA
477	2026-06-14	Graph and Hypergraph Theories Applied to Dynamic Protein-Protein Interaction Network Analysis, and Deep-Learning Frameworks for Protein Complex Network Prediction 2026-May-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27114750 PMID:42278281	综述	回顾图与超图理论在动态蛋白质相互作用网络分析中的应用，以及用于蛋白质复合物网络预测的深度学习框架	强调从静态网络向动态图与超图框架的演进，并整合深度学习方法来预测新的相互作用和重建瞬时蛋白质复合物	静态网络模型无法捕捉蛋白质复合物的动态和协同特性	通过数学模型和深度学习框架，从分子关系中提取有意义的结构框架，以深入理解生物过程并支持药物开发	蛋白质相互作用网络（PPINs）和蛋白质复合物网络（PCNs）	机器学习	NA	NA	深度学习	互动数据、功能注释、序列信息、细胞背景信息	NA	NA	NA	NA	NA
478	2026-06-14	Transformer-based emotion recognition in interactive art: A multimodal neural approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349859 PMID:42268906	research paper	采用多模态方法，结合神经振荡特征与主观情感评估，研究交互式数字艺术对情感状态的影响	利用多输出Transformer回归模型同时预测积极和消极情感变化，整合脑电图频带变化特征与主观情感评分	R²值仅为0.162，预测准确性有限；样本量可能较小	探究交互式数字艺术如何影响情感状态，推动情感神经科学与人机交互的接口研究	交互式数字艺术中的情感变化	machine learning	NA	EEG	Transformer, LSTM, Random Forest	EEG信号, 情感评分	公开数据集，包含交互前后EEG记录	PyTorch	Transformer, LSTM, Random Forest	R², MSE, MAE	NA
479	2026-06-14	Leveraging Machine Learning to Advance Alcohol Research: Current Applications, Challenges, and Opportunities 2026, Alcohol research : current reviews DOI:10.35946/arcr.v46.1.03 PMID:42272995	综述	综述了机器学习在酒精研究中的应用现状、挑战与机遇	系统总结了机器学习在酒精研究中从数据预测到个性化医学应用的过渡	大多数研究局限于单一模态数据、使用传统机器学习方法，且样本量不足	推动酒精使用障碍的个性化医疗发展	酒精消费行为及酒精使用障碍	机器学习	酒精使用障碍	NA	传统机器学习模型	NA	110篇原创研究论文	NA	NA	NA	NA
480	2026-06-14	Retraction: Enhanced heart disease diagnosis and management: A multi-phase framework leveraging deep learning and personalized nutrition 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351485 PMID:42284233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA