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
5321	2026-07-01	Automated quantification of interstitial lung abnormalities and emphysema on computed tomography: a predictive marker for postoperative pulmonary complications after esophagectomy 2026-Jul, Esophagus : official journal of the Japan Esophageal Society IF:2.2Q3 DOI:10.1007/s10388-026-01208-0 PMID:42126669	研究论文	基于深度学习自动量化CT上肺间质异常和肺气肿，预测食管切除术后肺部并发症	首次使用深度学习自动量化方法评估CT纹理特征与食管切除术后肺部并发症的关联	单中心回顾性研究，可能引入选择偏倚；样本中男性占比较大，结果普遍性受限	评估术前CT纹理特征（肺间质异常和肺气肿）与食管切除术后肺部并发症的关联	2016年至2022年间接受食管切除术的765名患者	计算机视觉	食管癌术后肺部并发症	CT	深度学习模型（用于肺间质异常和肺气肿量化）	图像（CT扫描）	765名患者（平均年龄64.72±8.27岁，91.2%男性）	NA	NA	风险比	NA
5322	2026-07-01	Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder 2026-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en26007 PMID:41889261	研究论文	使用深度学习模型估计年轻女性创伤后应激障碍患者的脑年龄，发现其脑老化加速约2.1年，并与认知和情绪症状严重程度相关	在年轻女性群体中首次直接通过神经影像学证据证实创伤后应激障碍加速脑老化，并利用群体特异性深度学习模型精确计算脑年龄差距	样本量相对较小且仅限于年轻女性，可能限制了结果的泛化性	研究年轻女性创伤后应激障碍患者是否出现加速脑老化及其与症状严重程度的关系	85名40岁以下女性（34名创伤后应激障碍患者和51名年龄匹配的健康对照）	机器学习	创伤后应激障碍	NA	深度学习	T1加权磁共振成像	85名女性参与者（34名创伤后应激障碍患者和51名健康对照）	NA	NA	脑年龄差距、p值、标准化回归系数	NA
5323	2026-07-01	Mechanism-Based Multitarget Modeling for Pathway-Level Prediction of PI3K/Akt Signaling Perturbation Induced by Liquid Crystal Monomers 2026-Jun-30, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c00371 PMID:42311097	研究论文	构建了以通路为中心的PI3K/Akt信号扰动多靶点预测框架，用于评估液晶单体的系统毒性机制	首次提出基于机制的多靶点建模框架，整合深度学习与KEGG通路富集，实现通路级信号扰动预测，并应用于新兴污染物LCMs	基于ChEMBL数据训练，可能覆盖范围有限；实验验证仅限A549细胞，需更多细胞系和体内验证	开发可转移的机制知情毒性评估框架，用于LCMs等污染物的化学优先排序	液晶单体和PI3K/Akt信号通路相关的19种蛋白靶点	机器学习	NA	深度学习、分子对接、转录组分析	多任务深度学习模型	分子结构数据、IC50活性数据、转录组数据	53694种分子，62440个数据点（ChEMBL训练集）；1412种LCMs（预测集）	NA	多任务神经网络	准确率	NA
5324	2026-06-19	Correction to "Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Teas Identification" 2026-Jun-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c03715 PMID:42312887	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5325	2026-07-01	Agentic Artificial Intelligence-Driven Explainable Deep Learning for Deciphering Noncoding Pathogenic Mechanisms of Delirium Through Genomic Big Data Integration 2026-Jun-29, Big data IF:2.6Q2 DOI:10.1177/2167647X261463929 PMID:42367167	研究论文	开发了一种主体式人工智能驱动可解释深度学习管道，整合基因组大数据以解析谵妄的非编码致病机制	首次将主体式AI与多组学数据结合，识别出APOE和TOMM40为谵妄的因果基因，并揭示其相反方向效应及脑层特异性表达模式	未明确说明，可能包括样本人群限制（仅FinnGen数据）或功能验证缺乏	利用主体式AI和多组学整合剖析谵妄的遗传结构，识别因果基因并探索潜在治疗靶点	谵妄患者的全基因组关联研究数据、转录组关联研究数据、空间转录组数据以及深度学习预测结果	机器学习	老年疾病	全基因组关联分析（GWAS）、因果转录组关联研究（cTWAS）、空间转录组分析（gsMap）、深度学习（Enformer, SpliceTransformer）	深度学习模型（Enformer, SpliceTransformer）	基因组数据、转录组数据、空间转录组数据	6854例谵妄病例和384461例对照	NA	Enformer, SpliceTransformer	后验包含概率（PIP）、显著性p值、SNP活性差异、最大Δ分数	NA
5326	2026-07-01	Artificial Intelligence for Opportunistic Screening for Osteoporosis and Spine Fractures Using Computed Tomography: A Systematic Review and Meta-Analysis 2026-Jun-29, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001899 PMID:42370443	系统综述与荟萃分析	系统评估人工智能算法利用CT进行骨质疏松和脊柱骨折机会性筛查的诊断性能	首次通过荟萃分析综合量化AI在CT机会性筛查骨质疏松和骨折中的诊断效能，并识别最常用的身体部位和算法类型	纳入研究间异质性较高（尤其骨折筛查），且多数研究为回顾性设计	评估AI算法在CT机会性筛查骨质疏松和脊柱骨折中的整体诊断性能	利用CT进行骨质疏松或骨折筛查的人工智能算法研究	计算机视觉	骨质疏松	计算机断层扫描	机器学习、深度学习	图像	31项研究（1258篇筛选后纳入）	NA	机器学习：支持向量机；深度学习：定制卷积神经网络	AUC、敏感性、特异性	NA
5327	2026-07-01	Deep learning approach for analyzing regional scheimpflug corneal images to assess keratoconus progression 2026-Jun-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07348-4 PMID:42371030	研究论文	利用深度学习模型分析不同角膜区域的Scheimpflug图像，以识别圆锥角膜的进展	首次使用YOLOv8L和YOLOv8X模型对中央3毫米后轴/矢状曲率图和后切向曲率图进行分析，以区分进展性和非进展性圆锥角膜	初步发现，需进一步纳入临床风险因素进行研究	评估深度学习模型在基线Scheimpflug角膜图像中区分进展性和非进展性圆锥角膜的能力	325名圆锥角膜患者的562只眼睛	计算机视觉	圆锥角膜	Scheimpflug成像	卷积神经网络	图像	562只眼睛（300只进展性，262只非进展性）	YOLOv8	YOLOv8L, YOLOv8X	准确率, 敏感性, 特异性	未提供
5328	2026-07-01	Artificial intelligence and multi-omics revealed the authentic regulation of ADP-ribosylation in modulation Treg/Th17 ecosystem and multi-target therapeutic strategy enrichment for HBV+ Hepatocellular Carcinoma patients 2026-Jun-29, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05487-y PMID:42371264	研究论文	本研究利用人工智能和多组学方法，揭示了ADP-核糖基化在调节HBV阳性肝细胞癌患者Treg/Th17生态系统中的真实调控机制，并富集了多靶点治疗策略	首次阐明ADP-核糖基化调节Treg/Th17生态系统的机制，并利用机器学习和深度学习管道识别治疗药物	NA	研究ADP-核糖基化在调节HBV阳性肝细胞癌患者Treg/Th17生态系统中的机制	HBV阳性肝细胞癌患者	机器学习	肝细胞癌	NA	机器学习	基因表达数据	NA	NA	NA	NA	NA
5329	2026-07-01	NanoRAPID: A Deep Learning-based Framework for Single-molecule RNA Structure Analysis Using Nanopore Direct RNA Sequencing 2026-Jun-29, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag052 PMID:42371794	研究论文	提出基于深度学习的框架NanoRAPID，利用纳米孔直接RNA测序数据精准分析RNA二级结构	首次利用卷积神经网络直接从纳米孔测序的原始电流信号中识别RNA结构探针修饰位点，实现转录组范围内RNA结构分析	未提及具体局限性	开发高精度工具用于从纳米孔直接RNA测序数据检测RNA结构探测信号	RNA二级结构及其修饰位点	机器学习	NA	Nanopore直接RNA测序	卷积神经网络	纳米孔测序原始电流信号	包括NAI-N3和DEPC处理的DRS数据集	NA	CNN	探针位点识别准确率	NA
5330	2026-07-01	Magnetic Resonance Spectroscopy Deep Learning with Magnetic Resonance Background Generator Enables In Vivo Metabolite Quantification of Hepatic Encephalopathy 2026-Jun-29, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3707534 PMID:42371892	研究论文	提出一种融合磁共振背景生成器的深度学习新方法，用于肝性脑病的在体代谢物定量分析	首次将背景信号（包括大分子、脂质和基线）显式融入深度学习定量框架中，解决现有方法忽视基线干扰的问题	NA	实现短回波质子磁共振波谱中代谢物的准确深度学习定量，并用于肝性脑病的临床诊断	大脑中的代谢物及背景信号（大分子、脂质和基线）	机器学习	肝性脑病	质子磁共振波谱	QNet（深度学习定量模型）	波谱数据	216个波谱（BigGABA数据集及不同厂商数据）用于验证，176个波谱用于肝性脑病分类	NA	QNet	NA	NA
5331	2026-07-01	Integrating stemness and epithelial-mesenchymal transition signatures with machine learning identifies RUNX1 as a therapeutic vulnerability in colorectal cancer 2026-Jun-29, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111826 PMID:42372471	研究论文	结合干性与上皮间质转化特征通过机器学习识别RUNX1作为结直肠癌治疗靶点	将单细胞RNA-seq数据与AI/ML模型整合，同时捕获肿瘤异质性，实现治疗靶点优先排序，并鉴定RUNX1为新型可药物转录因子，通过高通量虚拟筛选发现潜在抑制剂	研究主要基于计算分析和体外验证，缺乏体内实验和临床样本的进一步验证	识别结直肠癌中与上皮间质转化和干性相关的可药物转录因子，并发现潜在小分子抑制剂	结直肠癌单细胞RNA-seq数据中的42,535个细胞，特别是混合EMT状态细胞	机器学习	结直肠癌	单细胞RNA测序、高通量虚拟筛选、分子动力学模拟	深度学习、scVAEDer、GENIE3	单细胞转录组数据	42,535个结直肠癌细胞	PyTorch、Schrödinger	scVAEDer、GENIE3	NA	NA
5332	2026-07-01	An improved catch fish optimization based deep learning model for Parkinson disease classification using EEG signal 2026-Jun-29, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111812 PMID:42372473	研究论文	提出一种基于改进捕鱼优化算法的深度学习模型，用于利用EEG信号进行帕金森病分类	将改进捕鱼优化算法（ICFO）与多注意力双向长短期记忆网络（MA-BiLSTM）结合，优化模型超参数，提升分类性能	未提及模型在实际临床环境中的泛化能力以及计算效率的详细分析	实现基于EEG信号的帕金森病准确客观分类	EEG信号	机器学习	帕金森病	EEG信号采集与处理	编码器-解码器深度学习模型	EEG信号数据	两个公开数据集：圣地亚哥数据集和爱荷华数据集	NA	MA-BiLSTM（多注意力双向长短期记忆网络）	准确率、召回率、精确率、F分数、AUC	NA
5333	2026-07-01	Deep learning for time-series segmentation of mechanical ventilator waveforms 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58565-0 PMID:42366236	研究论文	开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形的吸气和呼气起始点分割	首次将注意力门控U-Net应用于呼吸机波形时间序列分割，在存在异步性的嘈杂真实世界数据中仍保持高鲁棒性	未明确提及外部验证或不同呼吸机品牌的泛化能力	实现机械通气波形的高精度、实时分割，以检测患者-呼吸机异步事件	33名患者的9719次呼吸波形数据	机器学习	呼吸系统疾病	NA	一维注意力门控U-Net	时间序列数据	33名患者的9719次呼吸	PyTorch	注意力门控U-Net	F1分数	NA
5334	2026-07-01	Phase-only synthesis of cosecant-squared patterns with reduced sidelobes in large planar arrays via physics-informed deep neural networks 2026-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58299-z PMID:42365069	研究论文	提出一种基于物理信息深度神经网络的框架，用于平面天线阵列中余割平方波束方向图的相位综合，以高效抑制旁瓣并最小化波纹	将物理约束嵌入深度学习训练过程，通过损失函数实现相位激励优化，无需外部监督或迭代求解，显著提高大规模阵列的波束合成效率	未提及高动态场景或非理想阵列环境的鲁棒性	高效实现平面天线阵列的余割平方波束方向图相位综合，同时抑制旁瓣电平并最小化波纹	大规模平面天线阵列的相位激励优化问题	机器学习	NA	NA	物理信息深度学习网络	数值模拟数据	未明确样本数量，基于大规模平面阵列仿真	NA	物理信息神经网络	方向图保真度、损失函数收敛性、计算时间	NA
5335	2026-07-01	SMURF: soft-segmentation for single-cell reconstruction and topological analysis of spatial transcriptomic data 2026-Jun-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74464-4 PMID:42350392	研究论文	提出SMURF（软分割与流形展开框架），一种跨平台软分割算法，利用深度学习将mRNA从捕获点映射到邻近细胞核，并展开复杂组织结构以分析细胞类型组织和基因表达梯度	首次将软分割与流形展开结合，实现空间转录组数据中单细胞mRNA精确分配和复杂组织拓扑结构的投影分析	对超过400,000个细胞的大规模数据处理可能对计算资源有较高要求，且算法性能依赖于Visium HD等高分辨率数据的可用性	开发能够准确分配转录本至单细胞并分析空间转录组数据中细胞组织和基因表达梯度的计算方法	小鼠回肠组织中的细胞以及来自多种空间转录组技术的数据	机器学习	NA	空间转录组测序	深度学习模型（具体架构未明确）	图像和基因表达数据	超过40万个来自小鼠回肠的细胞，使用Visium HD数据	PyTorch（基于描述提及深度学习）	NA	mRNA分配准确性、细胞类型组织分析、基因表达梯度识别	NA
5336	2026-07-01	A digital twin framework for adaptive treatment planning in radiotherapy 2026-Jun-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae835a PMID:42361838	研究论文	开发了一个数字孪生框架，用于前列腺立体定向体部放疗中适应性质子治疗的快速在线计划优化	整合深度学习多图谱可变形图像配准、每日患者解剖更新和基于知识的计划质量评估，形成预测性和适应性放疗框架	NA	开发数字孪生框架，实现快速在线适应性质子治疗计划，以减少再优化时间并保持临床计划质量	43例前列腺立体定向体部放疗病例，包括前列腺显性病灶强化计划	计算机视觉	前列腺癌	锥形束CT	深度学习	图像	43例前列腺立体定向体部放疗病例	NA	多图谱可变形图像配准	计划质量评分, V100覆盖率, 膀胱V20.8Gy, 直肠V23Gy, 尿道D10	NA
5337	2026-07-01	Real-time EEG-based epileptic seizure prediction using artificial intelligence: A systematic review 2026-Jun-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103476 PMID:42372640	系统综述	系统评估人工智能模型在实时脑电癫痫预测中的操作准备度，并分析架构性能及部署关键因素	提出标准化验证框架，要求同时评估患者特异性、患者非特异性和跨数据集外部验证，并引入端到端延迟预算和24小时假阳性率报告标准	仅纳入23项研究，且过度依赖单一儿童数据集（CHB-MIT占74%），缺乏前瞻性验证和标准化部署指标	评估AI模型对实时癫痫预测的临床转化准备度	2017-2025年发表的基于EEG的实时癫痫预测研究	机器学习	癫痫	EEG	深度学习架构（CNN、混合模型）及传统机器学习	脑电信号	23项研究（主要为CHB-MIT数据集，包含儿科患者）	NA	CNN、混合深度学习模型	灵敏度、假阳性率（次/小时）	NA
5338	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
5339	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
5340	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