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
5061	2026-07-01	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2026-Jun-24, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag446 PMID:42340665	研究论文	提出基于高斯积分和深度学习的框架，从静态蛋白质结构推断动力学信息	首次将30维高斯积分描述符与注意力机制一维CNN结合，实现从静态结构预测蛋白质动力学，替代昂贵的分子动力学模拟	模型基于Cα骨架拓扑，可能未完全捕获侧链和溶剂效应；训练数据限于ATLAS数据库的1,374个蛋白链，泛化性待验证	开发可扩展的结构基方法，从静态蛋白质结构推断动力学特性	蛋白质柔性及协同运动偏差	机器学习	NA	高斯积分描述符，分子动力学模拟	注意力机制1D-CNN，回归模型	蛋白质结构数据（Cα骨架拓扑）	1,374个ATLAS蛋白链，含MD模拟推导的RMSF值	PyTorch	1D-CNN	AUC，皮尔逊相关系数，R²	NA
5062	2026-07-01	Cross-domain transfer learning strategy enhances interpretability of deep learning model explanations 2026-06-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59076-8 PMID:42342760	研究论文	研究归纳迁移学习如何增强深度学习模型在心电图房颤检测中的临床可解释性	提出使用归纳迁移学习强化双分支卷积神经网络中特定领域特征分离的方法，并通过深度泰勒分解分析解释特征归因的领域特异性	准确率范围85.70%-95.23%，与原始架构和先前方法相比各有高低，缺乏实际临床部署验证	探索归纳迁移学习能否提升深度学习模型解释的临床可解释性，使特征归因与临床相关ECG区域更好地对齐	基于xECGArch双分支卷积神经网络的心电图房颤检测模型及其解释方法	机器学习, 数字病理学	房颤	心电图分析	卷积神经网络	心电图信号	NA	NA	xECGArch, 双分支卷积神经网络	准确率	NA
5063	2026-07-01	Preoperative prediction of lymphovascular and perineural invasion in locally advanced gastric cancer via CT habitat analysis and deep learning: A dual-center study 2026-Jun-24, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113041 PMID:42372557	研究论文	开发并验证一种整合CT生境分析与深度学习特征的联合模型，用于术前预测局部进展期胃癌的淋巴血管及神经侵犯	首次将CT生境分析与深度学习特征相结合，用于预测局部进展期胃癌的淋巴血管和神经侵犯，并通过双中心外部验证提高了模型的泛化能力	未在标题和摘要中明确提及局限性，需要从全文获取更多细节	术前准确预测局部进展期胃癌的淋巴血管和神经侵犯状态，以指导个体化治疗策略	611名局部进展期胃癌患者，包括训练集（374例）、内部验证集（161例）和外部验证集（76例）	计算机视觉、数字病理学	胃癌	CT影像	深度学习模型（如卷积神经网络），K-means聚类	图像（静脉期CT）	611名局部进展期胃癌患者	PyTorch, Scikit-learn	ResNet	AUC, DCA（决策曲线分析）	NA
5064	2026-07-01	Machine learning applications in the detection and treatment of esophageal cancer 2026-Jun-23, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05477-0 PMID:42334709	综述	总结机器学习在食管癌检测与治疗中的应用进展	系统梳理了人工智能在食管癌内镜与影像辅助诊断、治疗反应预测及预后评估中的最新应用，并指出了临床转化面临的挑战	大多基于回顾性、单一中心或区域受限的数据集，存在人群异质性、数据标准化不足、外部验证有限和模型可解释性差等问题，阻碍了临床转化	评估人工智能和机器学习在食管癌精准诊疗中的应用潜力与现状	食管癌的内镜和影像数据、临床信息、放射组学特征及生物标志物	机器学习	食管癌	NA	深度学习模型	图像、文本	NA	NA	NA	NA	NA
5065	2026-07-01	Interpretable deep learning for rotator cuff calcific tendinopathy diagnosis: a multi-center study 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51016-w PMID:42331876	研究论文	开发和评估两种基于深度学习和混合深度学习-机器学习方法的自动框架，用于肩关节X光片的二分类诊断	在大型平衡数据集上微调VGG19架构的卷积神经网络，并构建混合模型通过提取深层特征结合传统机器学习分类器，同时对两种框架进行可解释性评估	仍需要进行前瞻性真实世界验证、在常规患病率条件下评估以及与人类阅片者的直接比较	实现肩关节X光片的二分类诊断并提高人工智能系统的可解释性	肩关节X光片	计算机视觉	肩袖钙化性肌腱炎	不适用	卷积神经网络	图像	训练集4,268张肩关节X光片，内部验证集480张，外部验证集308张	不适用	VGG19	AUC	不适用
5066	2026-07-01	IUM-hybrid model for enhanced CAD diagnosis using deep learning and VS Grad-CAM visualization 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57536-9 PMID:42331954	研究论文	提出了一种融合 InceptionV3、U-NetR 和 MobileNetV2 的混合模型 IUM，并结合 VS Grad-CAM 可视化技术，用于增强冠状动脉疾病的 CAD 诊断	通过动态加权机制融合三种深度学习模型（InceptionV3、U-NetR 和 MobileNetV2）以提高分类性能，并首次采用 VS Grad-CAM 可视化生成精确热力图以增强模型可解释性	未在真实临床大规模数据集上验证，且混合模型可能增加计算复杂性，可能限制资源受限环境中的部署	提高冠状动脉疾病的早期诊断准确性和可解释性，减少人工错误，实现实时临床诊断	冠状动脉疾病患者	计算机视觉, 机器学习	冠心病	血管造影	混合模型 (CNN + Transformer)	图像	未提及	NA	InceptionV3, U-NetR, MobileNetV2	准确率, F1分数, 特异性, 灵敏度	NA
5067	2026-07-01	Cross-attention guided explainable deep transformer model for multi-level classification of rare neurological disorders using MRI images 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58491-1 PMID:42332136	研究论文	提出一个基于交叉注意力可解释深度Transformer模型，用于利用MRI图像对罕见神经系统疾病进行多级分类	引入交叉注意力机制促进局部与全局表示动态交互，结合CNN和Transformer网络区分视觉相似的罕见疾病模式，并集成图神经网络、深度信念网络和堆叠自编码器提升鲁棒性与泛化能力	未明确提及局限性，但可能依赖开放MRI数据集，实际临床资源有限环境下需进一步验证	开发一种鲁棒且可解释的深度学习模型，用于罕见神经系统疾病的多标签分类，提升临床诊断可靠性	罕见神经系统疾病（神经退行性、神经生物性和神经发育性障碍）的多级分类	计算机视觉, 深度学习	神经系统疾病, 罕见病	MRI成像	Transformer, CNN, 图神经网络, 深度信念网络, 堆叠自编码器	MRI图像数据	开放访问MRI数据集，具体样本量未提及	TensorFlow, PyTorch（推测，基于GitHub代码）	CNN+Transformer, GNN, DBN, SAE, EigenCAM	多标签分类性能指标（具体如准确率、F1分数等未明确提及）	未提及，但代码公开于GitHub
5068	2026-07-01	GreenAid: a confidence-weighted ensemble deep learning system for real-time plant disease detection and management 2026-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57979-0 PMID:42324331	研究论文	提出GreenAid系统，集成置信度加权集成深度学习方法，用于实时植物病害检测和管理	将竞争性分类、边缘部署与完整农业交付管道（包括移动应用、网络仪表板和NLP聊天机器人）进行可复现集成，而非仅关注集成机制本身	NA	开发一个端到端的植物病害检测与管理系统，弥合实验室级深度学习性能与实际农业部署之间的差距	植物病害检测和管理系统	计算机视觉	植物病害	NA	CNN（卷积神经网络）	图像	87,000幅图像，38个类别，14个物种（PlantVillage基准数据集）	TensorFlow Lite	VGG16, ResNet50, InceptionV3	准确率, F1分数	中端智能手机（用于部署推理）
5069	2026-07-01	Machine learning-based prediction model for long-term mortality after ischemic stroke 2026-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53797-6 PMID:42324308	研究论文	基于机器学习构建缺血性脑卒中后长期死亡率预测模型	首次将时间感知的生存分析方法应用于脑卒中后长期死亡率预测，并与传统风险评分比较，具有更好的性能	样本来自特定地区医院，可能存在选择偏倚；模型未考虑影像学数据	开发一种便捷、时间感知的机器学习预测模型，用于急性脑卒中患者的长期死亡率预测	缺血性脑卒中患者	机器学习	脑血管疾病	NA	Gradient Boosting Cox Proportional Hazards模型	临床数据	开发队列：3411名患者（来自两家三级医院）；外部测试队列：502名患者（来自一家二级心血管中心）	NA	Gradient Boosting Cox模型	C-index	NA
5070	2026-07-01	Classifying mental stress from eye tracking data: deep learning approaches for out-of-the-lab conditions 2026-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58429-7 PMID:42323438	研究论文	本文研究了在非实验室条件下，利用单模态眼动追踪时间序列数据进行无任务依赖的应激状态检测	首次在非受控环境中仅使用眼动追踪信号（瞳孔直径和注视行为）进行任务无关的应激分类，并比较了两种不同数据集的性能差异	性能在不同数据集中差异显著，有效学习强烈依赖于数据质量、校准、信号特征和任务设计	探究单模态眼动追踪数据在非受控场景下进行无任务依赖的应激检测的可行性	虚拟现实守门员任务和虚拟工作面试数据集中的眼动追踪信号	机器学习	NA	眼动追踪	深度学习模型（具体类型未明确）	时间序列信号	虚拟现实守门员任务数据集和虚拟工作面试数据集（具体样本量未说明）	NA	NA	宏平均F1分数	NA
5071	2026-07-01	A Comprehensive Inference-Time Augmentation Framework in Physiological Signals: Application to PPG-Based AF Detection 2026-Jun-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae7d82 PMID:42297024	研究论文	提出一种统一的推断时增强框架，用于提高基于PPG信号的心房颤动检测的鲁棒性	首次将13种涵盖时域、幅域、频域及伪影注入的增强方法系统性地纳入推断时增强框架，并通过贝叶斯优化自动调优超参数	未提及方法在真实部署场景中的计算开销及对极端噪声的适应性	开发一种无需重新训练的模型无关推断时增强方法，提升生理信号分类在实际部署中的鲁棒性	基于光电容积脉搏波的30秒PPG信号	数字病理学	心房颤动	光电容积脉搏波	GPT-PPG、ResNet	PPG信号	超过400名患者、约9800小时PPG记录，来自5个数据集	PyTorch	GPT-PPG、ResNet	AUROC、AUPRC、FPR	未提及
5072	2026-07-01	Chaotic dynamics of Tai Chi public attention revealed by an integrated framework of horizontal visibility graphs, autoencoders, and sparse identification 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55384-1 PMID:42243391	研究论文	利用水平可视图、自编码器和稀疏辨识的集成框架揭示太极拳公众关注的混沌动力学	将复杂网络理论、深度学习与动力学系统分析相结合，首次通过水平可视图、自编码器和SINDy的集成框架，定量揭示了太极拳公众关注的混沌动力学，并在多个分析维度上实现了交叉验证	未提及明显的局限性	理解太极拳等传统文化实践公众关注的动力学模式，以助力文化遗产保护和推广	2014-2024年中国四个代表性省份（北京、上海、广东、河南）的百度指数日度数据	机器学习	NA	NA	自编码器 (Autoencoder)	时间序列数据	四个省份（北京、上海、广东、河南）的2014-2024年每日百度指数数据	PyTorch	SINDy, 自编码器	重构相关性, 归一化均方根误差 (NRMSE)	NA
5073	2026-07-01	UniPTMs: a unified multi-type PTM site prediction model via master-slave architecture-based multi-stage fusion strategy and hierarchical contrastive loss 2026-Jun-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06516-x PMID:42243656	研究论文	提出UniPTMs，一种基于主从架构的多阶段融合策略和层次对比损失的多类型蛋白质后翻译修饰（PTM）位点预测统一框架	创新性地建立了主从双路径协作架构：主路径通过双向门控交叉注意力模块动态整合蛋白质序列、结构和进化信息的高维表示，从路径使用低维融合网络优化结构特征与传统特征之间的差异与重新校准；结合多尺度自适应卷积金字塔和双向层次门控融合网络，并引入层次对比损失函数优化特征一致性	文中未明确说明局限性	实现多类型PTM位点的统一和准确预测，超越单类型预测范式	蛋白质后翻译修饰（PTM）位点	机器学习	NA	NA	深度学习模型	蛋白质序列、结构、进化信息	涉及五种修饰类型，具体样本量未提及	PyTorch	双向门控交叉注意力模块、多尺度自适应卷积金字塔、双向层次门控融合网络、层次动态加权融合机制	马修斯相关系数（MCC）、平均精度（Average Precision）	NA
5074	2026-07-01	Direct Detection and Atomic Modeling of Ligands in Cryo-EM Maps Using Deep Learning 2026-Jun-04, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.01.729423 PMID:42282590	research paper	提出Emap2lig，一个两阶段深度学习框架，用于直接从低温电子显微镜图谱中自动检测配体并生成原子模型	首次实现从实验性冷冻电镜图谱中同时可靠检测配体密度并重建其原子结构，且不依赖于预先定义的结合位点或高分辨率大分子结构	NA	开发一个能够直接从冷冻电镜图谱中自动检测和建模小分子配体的深度学习框架	冷冻电镜图谱中的小分子配体	machine learning	NA	cryo-EM	扩散生成模型	冷冻电镜图谱	NA	PyTorch	Emap2lig-Find、Emap2lig-Build	NA	NA
5075	2026-07-01	An open-source stereotaxic container with an integrated cutting guide for human brain fixation during magnetic resonance imaging and sectioning for histology 2026-Jun-04, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.01.729391 PMID:42282745	research paper	开发了一个开源的人类死后脑固定容器，集成了立体定位切割导板，用于磁共振成像和组织学切片，以实现高精度配准	首次设计并3D打印出兼具MRI兼容性、高机械强度及耐固定剂特性的立体定位切割导板系统，支持从成像到切片的单次扫描工作流，减少组织变形	仅针对人类死后脑组织，活体应用受限；容器设计可能对特定脑区（如小脑或脑干）的适应性需进一步验证	实现死后脑组织MRI与组织学的高精度配准，支持神经退行性疾病的多模态研究	人类死后脑组织	digital pathology	neurodegenerative disease	MRI, 3D printing	NA	image	215个人类死后脑样本	NA	NA	NA	NA
5076	2026-07-01	Deep Learning Reconstruction of Diffusion-weighted MRI Enables Shorter Examination Times While Maintaining Image Quality in Head and Neck Imaging 2026-Jun, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01604-6 PMID:41498976	研究论文	评估深度学习重建技术在头颈部弥散加权成像中减少扫描时间的同时保持图像质量和诊断信心的表现	结合基于深度学习的k空间到图像重建与超分辨率处理，实现加速的头颈部DWI成像，扫描时间减少55%-67%且不影响图像质量	单中心回顾性设计，样本量较小（30例患者），未评估不同病理类型或病变大小对结果的影响	评估加速的深度学习重建DWI（DWIDL）在头颈部成像中的图像质量和诊断信心表现	接受临床指征头颈部DWI检查的患者（平均年龄55±19岁，24-84岁，18名男性）	深度学习	头颈部疾病	弥散加权成像（DWI）	深度学习模型	磁共振图像	30例患者	NA	基于深度学习的k空间到图像重建和超分辨率处理的组合网络	视觉Likert评分（图像锐度、伪影、噪声、整体图像质量、诊断信心）、信噪比（SNR）、对比噪声比（CNR）、表观弥散系数（ADC）	NA
5077	2026-07-01	Clinical Validation of AI-Assisted Evaluation of Indeterminate Biliary Strictures in Digital-Single Operator Cholangioscopy: A Transcontinental Multicentric Study 2026-Jun-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001015 PMID:41805080	研究论文	在一项横跨多洲的多中心研究中，验证了一个用于数字单操作胆道镜图像分析的深度学习模型，用于检测和区分不确定的胆道狭窄	首次在多洲、多中心、多设备环境下验证了AI辅助数字单操作胆道镜分析的真实世界性能，显示出鲁棒的准确度	NA	验证深度学习模型在数字单操作胆道镜下辅助分析胆道狭窄的有效性	胆道狭窄患者，包括恶性胆道狭窄	机器学习	胆道疾病	数字单操作胆道镜	深度学习模型	图像	来自129名患者的135次数字单操作胆道镜检查（其中61次为恶性胆道狭窄）	NA	NA	准确性, 敏感性, 特异性, 阳性预测值, 阴性预测值, 曲线下面积, 交并比	NA
5078	2026-07-01	Comparison of Deep Learning Tools for Optic Nerve Axon Quantification Finds Limited Generalizability Upon Independent Validation 2026-May-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060647 PMID:42351892	研究论文	比较深度学习工具对视神经轴突量化的性能，发现独立验证时泛化能力有限	通过系统综述和独立验证，揭示了公开深度学习模型在不同图像数据集上泛化能力下降的问题	验证数据集规模有限，未评估模型在不同实验条件下的表现	评估公开深度学习模型在独立数据集上量化视神经轴突的泛化能力	大鼠和老鼠视神经组织图像数据集	深度学习	青光眼	NA	深度学习模型	图像	大鼠数据集44张图像，6941个轴突；老鼠数据集74个全横截面	NA	AxoNet, AxonDeepSeg, AxoNet 2.0	相关系数, 精度, 召回率, Dice系数	NA
5079	2026-07-01	DigitAb: Domain-Adaptive Cell Type Prediction Method from Light Microscopy Images 2026-May-21, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.19.726313 PMID:42239069	研究论文	DigitAb是一个深度学习框架，能从H&E染色切片直接分类细胞类型，无需特殊检测	首次利用对抗域适应模块实现无标签肝活检样本的细胞类型预测，无需免疫染色	NA	开发可扩展、可访问的无标签细胞分割方法，用于研究和临床病理	来自29个人类肾组织样本的约350万细胞	数字病理	肾移植排斥反应、糖尿病肾病	光显微镜成像、免疫染色、多重成像技术	语义分割模型、对抗域适应模块	H&E染色组织图像	29个人类肾组织样本，来自四个多机构数据集	深度学习框架	语义分割模型、对抗域适应模块	平均准确率0.78	基于云的工具
5080	2026-07-01	An explainable multi-stage framework for brain tumor classification using hybrid feature fusion and EfficientNetB5 model 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53862-0 PMID:42168316	研究论文	提出一种融合手工特征与深度特征的混合特征融合高效网络模型，用于脑肿瘤分类，并集成可解释性机制	首次将手工特征（SIFT、LBP、HoG、Canny）与DenseNet201深度特征融合，使用EfficientNetB5分类器，并结合遮挡图可解释性方法提升临床可信度	未提及在多种MRI采集设备或噪声条件下的泛化性验证，特征融合策略未与更先进的特征选择方法对比	实现脑肿瘤严重等级的高精度自动分类，并提供可解释的诊断依据	脑肿瘤MRI图像中的肿瘤区域及其严重程度划分	计算机视觉，数字病理学	脑肿瘤	MRI成像	EfficientNetB5， DenseNet201	图像	7023张MRI图像	NA	EfficientNetB5， DenseNet201	AUC，精确率， F1分数，准确率	NA