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
5941	2026-07-15	Learning High-Resolution Protein Embeddings from Multimodal Data via Self-Supervised Integration 2026-Jul-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00618 PMID:42312747	研究论文	提出一种多模态自监督学习方法，整合序列、结构、基因本体注释和显微图像数据学习高分辨率蛋白质嵌入	创新性在于首次联合掩码重建与对比学习多模态融合框架，从序列和结构中提取氨基酸级特征，再通过交叉注意力融合模块获得统一蛋白质嵌入	未明确提及具体局限，但训练数据量和模态覆盖范围可能限制泛化性	通过融合多模态数据学习高分辨率蛋白质嵌入以提升蛋白质功能注释性能	蛋白质，包括氨基酸序列、结构、基因本体注释和显微图像数据	机器学习, 生物信息学	不适用	自监督学习, 多模态融合, 对比学习, 掩码重建	交叉注意力融合模块	序列, 结构, 注释, 图像	96,862个蛋白质	PyTorch（基于常用深度学习框架推断）	自监督结构（joint masked reconstruction + contrastive learning + cross-attention fusion）	性能超越现有方法（具体指标如准确性、F1分数等未明列）	未提及
5942	2026-07-15	Vibrational Spectroscopy of Clinical Biofluids: Advances in FTIR and Raman-Based Biomarker Discovery for Disease Diagnosis and Monitoring 2026-Jul-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2026.2702636 PMID:42439220	综述	综述傅里叶变换红外光谱和拉曼光谱在临床生物流体诊断中的进展，涵盖从光谱采集到机器学习分类的完整流程	系统总结了五种临床生物流体的振动光谱诊断能力，强调了表面增强拉曼光谱的飞摩尔灵敏度和深度学习在多重分类中的优势	多中心临床投资是实现一线诊断工具的主要障碍，尚未解决仪器间变异性和分析前不可重复性等实际问题	评估振动光谱作为疾病诊断和监测工具的临床转化潜力	血清、尿液、唾液、脑脊液和泪液等临床生物流体	机器学习	癌症、神经退行性疾病、代谢性疾病、感染性疾病、肾脏疾病	FTIR光谱、拉曼光谱、ATR-FTIR、表面增强拉曼光谱、FT-拉曼	深度学习	光谱数据	NA	NA	NA	诊断准确率	便携式仪器、微流控基板、联邦学习、开放光谱数据库
5943	2026-07-15	Label-Free Prediction of EGFR Mutation Status Using Fluorescence Lifetime Imaging and Deep Learning in Lung Adenocarcinoma 2026-Jul-13, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-5589 PMID:42439806	研究论文	利用荧光寿命成像和深度学习无标记预测肺腺癌EGFR突变状态	首次提出基于深度学习的无标记、非破坏性方法，利用荧光寿命成像实现快速准确预测EGFR突变，无需组织染色和分子检测	未提及具体限制	开发非破坏性、无需标记的深度学习方法，从荧光寿命成像中快速准确预测非小细胞肺癌的EGFR突变状态	肺腺癌患者的荧光寿命成像图像	数字病理学、机器学习	肺癌	荧光寿命成像	深度学习	图像	未明确说明样本数量	NA	NA	受试者工作特征曲线下面积（AUC）	NA
5944	2026-07-15	Automated Ventricle Assessment via Three-dimensional Anatomical Reconstruction (AVA-TAR): a computational toolkit for autonomous lateral ventricle assessment in preclinical hydrocephalus models 2026-Jul-10, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122124 PMID:42431564	研究论文	开发并验证了一个用于啮齿动物脑部MRI侧脑室自动分割和三维形态分析的深度学习工具	首次提出基于U-Net++架构和不同编码器骨干网络的自动侧脑室分割方法，并结合三维重建和形态学分析，形成完整的自动化评估流程	未提及外部验证和跨物种泛化能力，且模型主要针对形态正常样本，对严重畸变脑室的适用性需进一步验证	开发一种用于脑积水临床前研究的侧脑室自动分割和形态分析工具	343张啮齿动物脑部MRI图像（298张大鼠，45张小鼠），每个图像带有手动分割的侧脑室金标准	机器学习	脑积水	MRI	U-Net++	图像	343张啮齿动物脑部MRI图像（298张大鼠，45张小鼠）	NA	U-Net++, EfficientNet-B1	Dice系数, 95百分位Hausdorff距离, Pearson相关系数, 组内相关系数	NA
5945	2026-07-15	A De Novo CO2 Reductase Featuring a Cysteine-Ligated Cobalt Porphyrin Cofactor 2026-Jul-09, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c07615 PMID:42425911	研究论文	利用深度学习蛋白质设计方法开发具有半胱氨酸配位钴卟啉辅因子的高稳定性CO还原酶	首次通过深度学习蛋白质设计方法构建含半胱氨酸配位钴卟啉辅因子的高稳定性CO还原酶，实现高效光催化CO还原并抑制竞争性氢析出反应	未明确提及局限性	开发人工CO还原酶以激活惰性小分子CO	含钴原卟啉IX辅因子的超热稳定CO还原酶	机器学习	NA	深度学习蛋白质设计, 光催化, X射线晶体学	深度学习模型	蛋白质结构数据	两种半胱氨酸配位设计	NA	NA	催化转化数, 反应速率	NA
5946	2026-07-15	Context-Aware Multilevel Classification of Semantic Relations in Drug-Adverse Drug Reaction (ADR) Networks-Predicting Drug-Induced Liver Injury (DILI) as a Case Study 2026-Jul-08, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00252 PMID:42419714	研究论文	提出一种层次化、上下文感知的知识图谱模型（以药物性肝损伤为例）预测药物不良反应	将翻译法和路径法结合，利用路径束作为图基本单元，并通过多层次统计建模考虑不同不良反应上下文和知识图谱中不同关系的依赖关系	对此外部数据集（如DeepDILI测试集）的评估显示组合模型虽能挽救部分假阴性但增加了有限假阳性	预测药物性肝损伤风险	药物	机器学习	药物性肝损伤	知识图谱建模	多层次知识图谱模型	结构化数据（知识图谱）	FDA DILIrank数据集（包括DILI阳性和阴性药物），另外以DeepDILI测试集的130种化合物子集进行验证	PyTorch	NA	AUC, 马修斯相关系数	NA
5947	2026-07-15	Magnetic Resonance Imaging-Based Artificial Intelligence in Predicting Prostate Cancer Biochemical Recurrence: Systematic Review and Meta-Analysis 2026-Jul-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85360 PMID:42412916	系统性综述与荟萃分析	本研究系统评估了基于磁共振成像的人工智能模型预测前列腺癌生化复发的诊断性能	首次实现了内部与外部验证队列中基于磁共振成像的人工智能模型性能的定量直接比较，全面评估了不同治疗模式下的人工智能性能，并整合了机器学习和深度学习方法	当前研究常缺乏多中心外部验证、样本量有限、存在显著的模型间变异性和过拟合问题	全面评估基于磁共振成像的人工智能模型预测前列腺癌生化复发的诊断性能	前列腺癌患者	机器学习	前列腺癌	磁共振成像	医疗神经网络、极端梯度提升、多核学习、支持向量机	图像	28项研究，内部验证2623名患者，外部验证1134名患者	NA	医疗神经网络、极端梯度提升、多核学习、支持向量机	敏感度、特异度、曲线下面积、诊断优势比	NA
5948	2026-07-15	High-resolution mri guided whole mouse brain neuronal cell type atlas using deep learning 2026-Jul-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10608-y PMID:42414549	研究论文	提出一种结合高扩散磁共振成像和光片显微镜的多模态框架，通过深度学习生成成年小鼠全脑神经元细胞类型图谱	首次利用高分辨率扩散磁共振成像与空间转录组学结合，通过深度学习预测全脑神经元细胞类型，实现10微米各向同性分辨率	仅基于成年小鼠脑部数据，未涉及人类或其他物种，且深度学习模型对细胞类型预测的准确性需进一步验证	开发高效的全脑神经元细胞类型图谱生成策略，揭示扩散磁共振成像对细胞类型的预测能力	成年小鼠全脑神经元细胞类型	数字病理学, 机器学习	神经退行性疾病	扩散磁共振成像, 光片显微镜, 空间转录组学	深度学习	图像	多个成年小鼠脑样本	NA	NA	相关性分析指标	未提及
5949	2026-07-15	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2026-Jul-06, Genome research IF:6.2Q1 DOI:10.1101/gr.281341.125 PMID:42409578	研究论文	提出基于深度学习的AccuSNV工具，用于细菌分离株的高精度单核苷酸变异检测	创新性地利用卷积神经网络整合多样本比对信息，自动学习跨样本模式，替代传统单样本处理与手动过滤，显著提高SNV检测精度	未明确讨论对低深度或极端复杂基因组区域的适用性	开发高精度、自动化的细菌SNV检测工具	细菌分离株的基因组突变	机器学习	NA	全基因组测序	卷积神经网络	模拟数据与真实细菌基因组数据	模拟数据涵盖6种细菌种，不同测序深度、分离株数量、突变及分歧水平；真实数据集包含多个有已知SNV的细菌数据集	NA	卷积神经网络	准确率、假阳性率、与现有工具比较的性能指标	NA
5950	2026-07-15	Anxiety detection using neural and physiological signals and artificial intelligence: A comprehensive review 2026-Jul, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2026.106669 PMID:41933676	综述	对使用神经和生理信号及人工智能进行焦虑检测的研究进行了全面综述	系统梳理了2015-2025年间从传统机器学习到深度学习的演变，强调了CNN-LSTM和Transformer等混合模型在多模态数据集成中的前沿地位	依赖有限实验室训练数据集、缺乏标准化验证程序、复杂模型透明度不足，阻碍临床转化	评估机器学习和深度学习技术在焦虑检测中的应用，并指出临床转化差距与未来研究方向	脑电图（EEG）、心电图（ECG）、光电容积描记法（PPG）和皮肤电活动（EDA）信号	机器学习, 数字心理健康	焦虑症	EEG, ECG, PPG, EDA	机器学习, 深度学习, CNN-LSTM, Transformer	神经信号, 生理信号	NA	NA	CNN-LSTM, Transformer	准确率	NA
5951	2026-07-15	An Enhanced Machine Learning-Based Multimodal Framework for Seizure Detection Using EEG and MRI Data 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70049 PMID:42273988	研究论文	提出一种基于机器学习的多模态框架，集成脑电图和磁共振成像数据用于癫痫发作检测	创新性地整合特征学习、跨模态融合、不平衡感知分类和置信度校准于同一统一学习管道中	仅针对实验设置进行验证，未提及真实临床环境下的泛化能力评估	解决癫痫发作检测中的类别不平衡和判别特征提取问题，提升诊断准确性	癫痫患者的脑电图和磁共振成像数据	机器学习	癫痫	EEG, MRI	改进激活函数深度卷积神经网络 (IADCNN), 极端梯度提升模型 (CLXGBoost)	图像, 时间序列信号	CHB-MIT 和 NITRC 公开数据集	NA	IADCNN, CLXGBoost	准确率 (99.56%)	NA
5952	2026-07-15	An Effective LRSF-DLNN-Based Autism Spectrum Disorder Prediction Using EEG and fMRI 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70047 PMID:42281195	研究论文	提出一种基于LRSF-DLNN的ASD预测方法，利用EEG和fMRI数据实现高效分类	首次将逻辑回归尺度函数与深度神经网络结合构建LRSF-DLNN分类器，并设计余弦巴特沃斯滤波器进行EEG去噪、加权惩罚因子变分模态分解和距离函数绿蟒优化算法进行特征选择	未提及模型在真实临床环境中的泛化能力验证及不同亚型ASD的区分效果	通过融合EEG和fMRI多模态数据实现自闭症谱系障碍的准确早期预测	自闭症谱系障碍患者与健康对照组的脑电信号和功能磁共振成像数据	机器学习	自闭症谱系障碍	EEG、fMRI	逻辑回归尺度函数深度神经网络	EEG信号和fMRI图像	NA	NA	LRSF-DLNN	准确率	NA
5953	2026-07-15	Sheep biometric identification based on multiple body parts 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101863 PMID:42398354	研究论文	基于计算机视觉和深度学习技术，利用多个身体部位（面部、背部、腿部）自动识别绵羊个体，并验证组合预测可提高识别准确率	首次在无人干预的饮水场景中，利用多个身体部位（面部、背部、腿部）的视觉特征组合进行绵羊个体识别，并整合视觉耳标识别进一步提升准确率	腿部特征单独识别准确率较低（0.64），组合时仅产生微小且不一致的效果；研究仅基于单一农场的85只绵羊数据，样本量有限	开发自动化的绵羊个体识别系统，验证多身体区域视觉特征组合与视觉耳标识别对识别准确率的提升作用	绵羊个体	计算机视觉	NA	RGB-D成像, 深度学习, 目标检测, 文本识别	卷积神经网络 (CNN), 目标检测模型	图像（RGB-D深度图像）	85只绵羊的287次饮水访问记录	YOLOv8, ResNet50, GLASS	YOLOv8 (用于目标检测), ResNet50 (用于特征提取), GLASS (用于文本识别)	准确率 (accuracy)	Intel RealSense D435 RGB-D相机, Jetson Orin设备
5954	2026-07-15	Human-like AI-based auto-field-in-field whole-brain radiotherapy treatment planning with conversation large language model feedback 2026-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70689 PMID:42418216	研究论文	提出了一种结合深度学习超参数预测模型和大语言模型对话界面的自动化全脑放疗计划生成流程	首次将深度学习超参数预测与大语言模型驱动的对话式交互结合，实现全脑放疗计划的自动化生成和交互式优化	研究样本量较小（训练55例，测试15例），且仅针对全脑放疗计划，泛化性有待验证	开发一种高效、临床可接受的全脑放疗自动计划系统，减少人工操作时间	全脑放疗患者计划中的临床靶区和危及器官几何特征	机器学习	肿瘤	NA	深度学习超参数预测模型、大语言模型（GPT-4o）	文本（医学报告）	55例训练，15例独立测试	NA	NA	临床指标、专家评审、剂量一致性、热点减少	计算时间小于1分钟，总工作流约7分钟
5955	2026-07-15	Deep learning for discriminating cochlear malformations on temporal bone CT 2026 Jul-Aug, Brazilian journal of otorhinolaryngology IF:1.7Q2 DOI:10.1016/j.bjorl.2026.101811 PMID:42054756	研究论文	评估深度学习在颞骨CT图像中诊断耳蜗畸形的效用	首次系统评估深度学习模型在耳蜗畸形诊断中的性能，并与耳科医生进行对比	未在文中明确提及	评估深度学习分析在颞骨CT图像中诊断耳蜗畸形的效用	颞骨CT图像中的耳蜗	计算机视觉	耳蜗畸形	CT成像	Swin UNETR, ResNet50, EfficientNet-B0, DenseNet121	图像	373例颞骨CT（187例正常，186例耳蜗畸形）	NA	Swin UNETR, ResNet50, EfficientNet-B0, DenseNet121	Dice系数, AUC	NA
5956	2026-07-15	Integrating computed tomography and deep learning to assess tibiotarsus cortical bone area for leg health evaluation in purebred male turkeys 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101854 PMID:42314622	研究论文	利用计算机断层扫描和深度学习评估纯种雄性火鸡胫跗骨皮质骨面积，用于腿部健康评价	首次将深度学习与CT影像结合来衍生火鸡胫跗骨皮质骨面积指标，并估计其遗传参数及其与生产性状的相关性	Ct.Ar不能完全反映骨骼完整性，需进一步探索其他CT衍生腿部健康性状	从CT图像中通过深度学习提取Ct.Ar，估计其遗传参数，并评估与生产性状的关联	纯种雄性火鸡（品系A和品系B）	计算机视觉, 数字病理学	骨骼疾病	计算机断层扫描	深度学习	图像	2605只纯种雄性火鸡（品系A）和3337只（品系B）	PyTorch	Detectron2 panoptic segmentation	遗传力估计值，相关系数	NA
5957	2026-07-15	AmesNet: A Task-Conditioned Deep Learning Model with Enhanced Sensitivity and Generalization in Ames Mutagenicity Prediction 2026-Jun-29, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.6c00082 PMID:42371678	研究论文	提出一种任务条件化的深度学习模型AmesNet，在Ames诱变性预测中实现增强的灵敏度和泛化能力	采用双分支架构，包含分子编码器和专用通道来条件化Ames检测上下文（如代谢活化和菌株类型），在保持高平衡准确度的同时提升灵敏度，避免现有模型的灵敏度折衷问题	未提及具体限制	开发一种高灵敏度的in silico Ames诱变性预测模型，解决现有模型在域外分子上的灵敏度下降问题	小分子药物的Ames诱变性	机器学习	NA	NA	条件化深度学习模型	分子结构数据	NA	NA	双分支架构（分子编码器+条件化通道）	灵敏度、平衡准确度	NA
5958	2026-07-15	State of the Art: Artificial Intelligence Approaches for Enhancing Medical Imaging in Burkina Faso - A Case Study on Early Detection of Breast Cancer from Pathology Imaging 2026-Jun-29, Studies in health technology and informatics DOI:10.3233/SHTI260812 PMID:42393974	综述	这篇综述回顾了人工智能方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用，分析了30/50项精选研究	该文章聚焦于资源有限地区的AI乳腺癌检测应用，强调了本地数据集和基础设施适应性的重要性	挑战包括数据可用性不足、模型可解释性差以及难以适应本地上下文	探讨AI方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用	乳腺癌检测的人工智能方法	数字病理学	乳腺癌	组织病理学成像	CNN	图像	30/50项精选研究	NA	CNN	灵敏度	NA
5959	2026-07-15	Mind Melodies: An NLP platform to examine music cognition 2026-Jun-16, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03059-0 PMID:42303808	研究论文	开发了一个结合艺术、科学和技术的交互平台Mind Melodies，用于研究希腊音乐调式对个体和集体引发的心理场景、情感和概念	首次将自然语言处理和深度学习算法与希腊音乐调式研究结合，提供定量且生态有效的音乐认知分析框架	初步试点研究样本量有限（142人），可能无法完全代表广泛人群的音乐认知反应	探究希腊音乐调式（伊奥尼亚、多利亚、弗里吉亚、吕底亚、混合吕底亚、爱奥尼亚、洛克里亚）对个体和集体引发的心理场景和情感影响	希腊音乐调式及其引发的心理场景、情感和概念	自然语言处理	NA	NA	深度学习	文本	142名参与者	NA	NA	NA	NA
5960	2026-07-15	Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125819 PMID:41930893	研究论文	提出基于超分辨率增强深度学习的街道尺度城市洪水高效精确模拟方法	通过集成多源异构数据、注意力机制和空间感知一致性损失函数，以及迁移学习机制，显著提升了城市洪水超分辨率重建的精度和鲁棒性	未明确说明，但可能包括对极端降雨场景或不同城市区域的泛化能力有待验证	实现街道尺度城市洪水的高效高精度模拟以支持风险管理与应急响应	城市洪水超分辨率重建模型及其在两种不同案例上的应用表现	计算机视觉	NA	超分辨率重建	深度学习模型	图像	12种降雨场景，案例1和案例2	PyTorch	UFSR	均方根误差	NA