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
5181	2026-06-07	Fast reconstruction of degenerate populations of conductance-based neuron models from spike times 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014337 PMID:42166500	研究论文	提出一种结合深度学习和动态输入电导的方法，从峰电位时间快速重建基于电导的神经元模型的简并群体	将深度学习和动态输入电导理论框架相结合，通过轻量级神经网络将峰电位时间直接映射到阈值的DIC密度，然后用迭代补偿算法生成简并的CBM群体，实现快速、可扩展的重建	未明确说明，但在本摘要中未提及具体限制	解决从实验可获得的峰电位记录中推断电导基础模型参数的反问题，处理神经元简并性	神经元模型，包括两个神经元模型（如spiking、bursting和不规则模式）	机器学习, 计算神经科学	NA	深度学习, 动态输入电导框架	神经网络（轻量级神经网络）	峰电位时间序列	两个神经元模型（未具体说明样本数量）	NA	轻量级神经网络（未具体说明架构）	高准确性、鲁棒性（未具体列出指标，如准确率等）	标准硬件（如普通计算机），毫秒级运行速度
5182	2026-06-07	Hybrid Deep Learning Framework for Enhanced Melanoma Detection 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3596589 PMID:40811190	research paper	提出了一种名为SegFusion框架的混合深度学习方法，结合U-Net和EfficientNet，用于黑色素瘤检测	创新性地融合了U-Net的精确分割能力和EfficientNet的强大分类性能，构建了一个统一的混合框架SegFusion，在黑色素瘤检测任务上取得了显著优于现有模型的效果	NA	提高黑色素瘤检测的准确性和效率	黑色素瘤检测方法	computer vision	melanoma	NA	CNN	image	使用HAM10000数据集和ISIC 2020数据集	NA	U-Net, EfficientNet	accuracy, precision, recall, F1 score, MCC	NA
5183	2026-06-07	Spatial Multiomics Reveal Insights Into ADC Efficacy 2026-05, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.70190 PMID:42083302	综述	综述空间多组学技术如何揭示抗体药物偶联物（ADC）疗效的生物学见解	提出将空间转录组学和蛋白质组学与机器学习/深度学习分析相结合的综合框架，用于患者分层、毒性预测和ADC设计优化	未讨论具体实验验证或临床应用案例	探讨空间多组学在解码ADC作用机制和耐药性中的应用，并建议整合人工智能分析方法	抗体药物偶联物（ADC）及其靶点（NECTIN-4、HER2、TROP2），主要针对转移性尿路上皮癌	数字病理学	转移性尿路上皮癌	空间多组学（空间转录组学、多重蛋白质成像）	机器学习/深度学习模型	空间转录组学数据、多重蛋白质成像数据	NA	NA	NA	NA	NA
5184	2026-06-07	Simulated wildfire smoke particulate matter elicits STING-dependent astrocyte-mediated inflammatory signaling and neurotoxicity 2026-May, Neurotoxicology IF:3.4Q2 DOI:10.1016/j.neuro.2026.103473 PMID:42190922	研究论文	研究模拟野火烟雾颗粒物通过STING信号通路诱导星形胶质细胞介导的炎症反应和神经毒性	首次揭示野火烟雾暴露通过cGAS-STING通路触发星形胶质细胞炎症反应和神经毒性的分子机制，并整合了体外和体内转录组数据	研究主要基于体外培养的星形胶质细胞混合胶质细胞，可能无法完全反映体内复杂微环境	探究野火烟雾颗粒物导致神经退行性疾病的细胞和分子机制	野火烟雾颗粒物对星形胶质细胞的影响及其炎症信号传导	数字病理学	神经退行性疾病	高通量显微镜、深度学习图像分析、转录组学	深度学习	图像、转录组数据	原代星形胶质细胞富集的混合胶质细胞培养物（具体数量未说明）	NA	NA	NA	NA
5185	2026-06-07	The association of environmental exposure with multiple sclerosis severity score: A study based on sequential data modeling 2026-Apr-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106295 PMID:41616738	研究论文	利用人工智能方法，结合临床数据和环境暴露信息，预测多发性硬化症严重程度评分（MSSS）	首次将环境暴露数据（空气污染和天气条件）与纵向临床数据结合，通过深度学习模型预测MSSS，并采用自动机器学习进行特征选择，发现环境变量是重要预测因子	研究基于意大利帕维亚单一中心的回顾性数据，环境数据基于患者居住地，可能受位置精度和混杂因素影响；预测性能在不同历史窗口长度下降可比，但未探索更长时间窗口的收益	研究环境暴露与多发性硬化症严重程度评分之间的关联，并评估深度学习模型在预测MS进展中的有效性	多发性硬化症患者的纵向临床记录和环境暴露数据（空气污染和天气条件）	机器学习	多发性硬化症	NA	循环神经网络、长短期记忆网络、门控循环单元	临床记录和环境时间序列数据	535名患者的4022次就诊记录	AutoML（自动机器学习）	循环神经网络、长短期记忆网络、门控循环单元	曲线下面积（AUC）	NA
5186	2026-06-07	Multimodal deep feature fusion with transformer for brain tumor classification from magnetic resonance imaging 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44957-9 PMID:41965397	研究论文	提出一种多模态深度特征融合框架，结合Transformer进行脑肿瘤MRI图像的自动检测与分割	融合CapsNet、ResNet-50和AlexNet的多模态特征提取，结合双向卷积长短期记忆网络与Transformer的TBConvL-Net分类模型，以及nnUNet精确分割	NA	开发多模态深度学习模型，实现脑肿瘤的精确检测和分割	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN, LSTM, Transformer	图像	NA	NA	CapsNet, ResNet-50, AlexNet, TBConvL-Net, nnUNet	准确率	NA
5187	2026-06-07	Lightweight attention enhanced YOLOv11 for accurate multi class detection of brinjal diseases 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47734-w PMID:41965414	研究论文	提出一种轻量级注意力增强的YOLOv11模型，用于茄子病害的多类别精准检测	结合EMA（高效多尺度注意力）模块、IRMB（倒置残差移动块）和LDFM（局部细节特征模块）提取细粒度病变特征，并采用改进的MPDIoU损失函数提升目标定位精度	未提及在真实田间环境下的部署测试或对不同光照、遮挡条件的鲁棒性验证	开发可实时、准确识别茄子多种病害的轻量级深度学习模型，用于精准农业	茄子叶片病害图像，涵盖6种真菌、2种细菌、3种病毒和1种线虫感染类别	计算机视觉	茄子病害	深度学习图像识别	YOLOv11（目标检测模型）	图像	未明确样本总数，但包含6种真菌、2种细菌、3种病毒和1种线虫感染的多类别数据集	PyTorch	IEMA-YOLOv11（改进的高效多尺度注意力YOLOv11），包含EMA、IRMB、LDFM模块	精确率、召回率、mAP@50、mAP@50:95	NA
5188	2026-06-07	CRViT-YOLO: A method for multi-morphological blood cell detection using convolution-restructured vision transformer 2026-Apr, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2026.103312 PMID:41529371	研究论文	提出一种基于卷积重构视觉变换器的CRViT-YOLO方法，用于多形态血细胞检测	在YOLOv9架构中引入卷积重构视觉变换器（CRViT）模块，同时捕获局部和全局上下文信息，并设计特征增强模块（FEM）和集成EIoU损失函数，提升密集或重叠细胞的定位精度	未提及	提高血细胞检测的准确性和效率	多形态血细胞（包括正常和病理细胞）	计算机视觉	血液疾病	NA	YOLOv9	图像	四个公开数据集：BCCD、BCDD、LISC和BBBC041	PyTorch	CRViT, FEM	平均精度（mAP@50）	NA
5189	2026-06-07	HeartUnloadNet: A cycle-consistent graph network with reduced supervision for predicting unloaded cardiac geometry from diastolic states 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109243 PMID:41529595	研究论文	提出HeartUnloadNet，一种基于图注意力网络的深度学习框架，用于从舒张期状态直接预测心脏卸载几何形状，具有减少监督的特点	首次结合图注意力网络、循环一致双向训练策略和生理参数（压力、心肌硬度、纤维方向）实现高效准确的无负载心脏几何预测，并大幅减少监督需求	论文未明确说明局限性，但可能包括仅针对左心室建模，未考虑右心室或其他心脏结构，以及模拟数据与真实临床数据的潜在差异	开发一种高效准确的深度学习框架，直接从临床舒张末期状态预测左心室无负载几何形状，替代传统逆有限元求解器	左心室无负载几何形状的预测	机器学习	心血管疾病	有限元模拟	图注意力网络	有限元模拟生成的网格数据	10,350个有限元模拟样本	NA	图注意力网络	Dice相似系数、Hausdorff距离、平均距离、节点误差标准差	NA
5190	2026-06-07	Deep learning-enhanced QSAR modeling for predicting developmental neurotoxicity based on molecular initiating events from adverse outcome pathways 2026-Apr, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11454-6 PMID:41575478	研究论文	提出了一种深度学习增强的QSAR建模框架，用于预测与农药污染大麻相关的发育神经毒性	首次将深度学习与AOP框架中的分子起始事件结合，用于预测发育神经毒性，并利用SHAP值增强模型可解释性	NA	开发深度学习增强的QSAR模型以预测化学物质的发育神经毒性	分子起始事件和关键事件的结合亲和力	机器学习	发育神经毒性	QSAR建模	深度神经网络	分子结构数据	24,476种化合物，来自ChEMBL数据库	NA	深度神经网络	相关系数，均方根误差	NA
5191	2026-06-07	Artificial intelligence in animal anatomy: Exploring the technologies, applications, benefits, and challenges 2026-Apr, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2026.152796 PMID:41577147	综述	探讨人工智能在动物解剖学中的应用，包括技术、应用、优势和挑战	系统综述了机器学习与深度学习在兽医解剖学中的应用，尤其是计算机视觉和三维建模的整合，以及数字化尸体在教育和诊断中的创新使用	数据稀缺、物种间不一致、标准化数据集有限，以及数据异质性和质量问题	综述人工智能在动物解剖学中的技术、应用、益处和挑战	动物解剖学中的数字技术、机器学习、深度学习、计算机视觉和三维建模	机器学习	兽医疾病	微计算机断层扫描、图像处理	CNN、深度学习模型	图像	不适用	不适用	EspINA、ZeBraInspector、Anatomage Table	不适用	不适用
5192	2026-06-07	Integrating artificial intelligence (AI) into colorectal cancer reporting 2026-Apr, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70029 PMID:41588707	综述	探讨将人工智能整合到结直肠癌报告中的进展，包括标准化病理报告和发现新的预后生物标志物	提出将传统病理特征与AI衍生预后指标相结合的协调方法以改进风险分层	未在文中明确说明，但综述性质可能缺乏实证验证	综述AI在结直肠癌病理报告标准化和新型预后生物标志物发现中的应用	结直肠癌病理报告和预后评估	自然语言处理, 机器视觉	结直肠癌	深度学习, 多模态视觉语言模型	深度学习, 视觉语言模型	全切片图像, 文本	不适用	不适用	不适用	不适用	不适用
5193	2026-06-07	Accurate enzyme specificity constant prediction with iESC 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134067 PMID:41592658	研究论文	提出了一种基于酶序列和底物结构预测酶特异性常数（包括米氏常数和转换数）的深度学习模型iESC	首次仅基于酶序列和底物结构即可准确预测酶特异性常数，无需耗时实验测量	NA	准确预测酶特异性常数，加速酶特性表征	酶-底物对的动力学参数（K和k值）	机器学习	NA	深度学习	深度学习模型	酶序列和底物结构	41,907个酶-底物动力学参数	NA	集成多种先进特征提取和深度学习技术	决定系数R、均方根误差RMSE、平均绝对误差MAE	NA
5194	2026-06-07	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	综述	综述深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知与感知过程建模及自动视频标注	针对胎儿、婴儿和幼儿神经影像数据稀缺、解剖变异大的挑战，系统总结深度学习在该领域的应用，并提供面向非AI专业人员的DL概念概述	应用案例为非穷尽选择，未涵盖所有相关研究；主要针对FIT领域，可能不适用于其他医学影像领域	为FIT研究社区（包括临床医生、神经科学家和发展科学家）提供深度学习在神经影像中应用的易懂综述	胎儿、婴儿和幼儿神经影像数据	医学影像分析	NA	NA	深度学习	图像、视频	NA	NA	NA	NA	NA
5195	2026-06-07	Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology 2026-Apr, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105160 PMID:41616992	综述	总结人工智能与多组学整合在乳腺癌诊断、预后和精准肿瘤学中的进展、挑战与未来方向	系统总结深度学习在多模态融合中的代表性框架，提出缺失感知融合、可解释建模及工作流评估等可落地方向	缺乏前瞻性临床验证，多中心异质性、跨平台标准化不足、模型可解释性有限等关键障碍	促进多模态AI与多组学整合在乳腺癌临床管理中的可靠应用	乳腺癌多组学数据（基因组、转录组、表观组、蛋白质组、代谢组）与临床、影像、病理数据	机器学习	乳腺癌	多组学测序（基因组、转录组、表观组、蛋白质组、代谢组）	深度学习	多组学数据、影像、病理、临床变量	NA	NA	多模态融合架构、深度表示学习	NA	NA
5196	2026-06-07	Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study 2026-Apr, Addictive behaviors IF:3.7Q1 DOI:10.1016/j.addbeh.2026.108624 PMID:41610630	研究论文	本研究探究深度学习模型能否利用被动收集的数据（如加速度计、心率等）检测和预测重度抑郁症患者的酒精使用情况	首次在重度抑郁症患者中系统评估被动数据结合深度学习对酒精使用检测和预测的效果，并发现时间模式（如星期几）本身已包含主要预测信号	被动数据并未显著提升预测性能，模型效果与仅使用时间信息作为预测因子的基线方法相当，表明模型附加价值有限	评估被动数据（来自智能手机和智能手表）对酒精使用的检测和预测能力，并与时间模式基线对比	300名临床确诊的重度抑郁症患者	机器学习	重度抑郁症、酒精使用障碍	被动数据采集（加速度计、心率、呼吸频率、屏幕使用、GPS数据）	深度学习模型（具体未明确指定）	时间序列数据、自我报告数据	300名临床重度抑郁症患者，90天纵向研究	NA	NA	AUC	NA
5197	2026-06-07	Artificial intelligence for single-omics in ovarian cancer: a methodological review 2026-Apr, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society IF:4.1Q2 DOI:10.1016/j.ijgc.2025.104452 PMID:41617590	综述	对2021至2024年间14项应用人工智能于卵巢癌单组学数据的研究进行方法学综述	系统总结了AI在卵巢癌基因组、转录组、代谢组、微生物组和表观基因组中的应用，并强调了数据预处理、归一化和特征选择等关键方法学因素	样本量小、回顾性单中心设计、验证数据集使用不一致、回归方法应用不足	综述AI与组学数据整合在卵巢癌诊断、预后和个性化治疗中的最新进展与挑战	上皮性卵巢癌患者的基因组、转录组、代谢组、微生物组和表观基因组数据集	机器学习	卵巢癌	NA	CNN, LSTM, GAN	组学数据（基因组、转录组、代谢组、微生物组、表观基因组）	14项研究，样本量描述不具体	NA	深度学习, 随机森林, 支持向量机	分类准确率, AUC	NA
5198	2026-06-07	Predicting functional bioactivities in fermented milk using deep learning on liquid chromatography-mass spectrometry metabolomics 2026-Apr, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27048 PMID:41581659	研究论文	利用深度学习从液相色谱-质谱代谢组学数据预测发酵乳的功能生物活性	提出了一个结合稳健预处理、正则化和数据增强的1D-CNN框架，能够在有限样本量下从LC-MS代谢组学签名高精度预测多项体外生物活性指标	样本量较小（仅18个发酵乳样品），且生物活性评估仅限于9项体外试验，可能无法完全代表体内功效	探索深度学习能否作为传统化学分析的更快、更高效的替代方案，用于评估发酵乳制品的健康促进性能	18份来自骆驼奶和牛奶并用不同细菌菌株发酵的发酵乳样品及其LC-MS代谢组学数据和9项体外生物活性测量值	机器学习	NA	液相色谱-质谱（LC-MS）	一维卷积神经网络（1D-CNN）	代谢组学数据（LC-MS谱图）	18个发酵乳样品（来自骆驼奶和牛奶，不同菌株发酵）	NA	1D-CNN	平均绝对误差（MAE）	NA
5199	2026-06-07	Comparative machine learning and deep learning frameworks for robust carcinogenicity prediction and activity cliff analysis 2026-Mar-25, Environmental science. Processes & impacts DOI:10.1039/d5em01001b PMID:41575273	研究论文	本研究利用机器学习与深度学习方法，构建了大鼠致癌性预测模型，并结合活性悬崖分析进行功能解析	融合基于特征与化学语言建模方法，利用c-RASAR和ARKA框架识别活性悬崖并解释误预测原因	未明确说明外部数据规模和跨物种验证局限性	开发稳健的致癌性预测模型并分析活性悬崖	大鼠致癌性二元数据（与人类致癌性相关的工业化学品）	机器学习	致癌性疾病	NA	线性判别分析、人工神经网络、逻辑回归、长短期记忆网络	SMILES字符串、分子描述符	未明确说明样本数量	NA	LSTM	NA	NA
5200	2026-06-07	VitalDB Arrhythmia Database: An Anesthesiologist-Validated Large-scale Intraoperative Arrhythmia Dataset with Beat and Rhythm Labels 2026-Mar-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07076-8 PMID:41862491	研究论文	介绍VitalDB心律失常数据库，一个经麻醉医师验证的大型术中心律失常数据集，包含心搏和心律标签，用于开发术中心律失常检测算法	首个专门为手术患者设计的大型术中心电图数据库，包含经五位麻醉医师严格验证的心搏和心律标签，并开发了自定义深度学习心搏分类器作为自动筛选工具	未明确提及限制	开发并验证手术患者中心律失常检测算法，提供临床验证的术中心律失常数据并支持多模态分析	术中患者心电数据及心律失常节律	机器学习	心律失常	ECG	深度学习	心电信号	482名手术患者的734,528秒连续心电图数据	NA	NA	Cohen's kappa	NA