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
41	2026-06-15	Interpretable Deep Learning for Single-Molecule Nanopore Fingerprinting Using Physics-Guided Preprocessing 2026-May-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04784 PMID:41719081	研究论文	提出一种基于物理引导预处理的深度学习方法，用于单分子纳米孔指纹识别	首次将物理引导的时频变换与紧凑神经分类器及特征归因图结合，直接处理原始脉冲信号，实现高精度且可解释的单分子纳米孔指纹识别	研究仅使用两种几何相似但结构不同的DNA纳米结构进行验证，未在更广泛样本上测试	开发一种可解释的机器学习框架，用于直接从原始脉冲中提取纳米孔传感信号特征，提高分子指纹识别的准确性和透明度	两种自组装DNA纳米结构	机器学习	不适用	纳米孔传感	神经网络	脉冲信号	两种自组装DNA纳米结构样本	PyTorch	紧凑神经分类器	准确率	NA
42	2026-06-15	A Novel 2.5-Dimensional Deep Learning Model for "Bone-on-Bone" Detection on Magnetic Resonance Imaging in Medial Unicompartmental Knee Arthroplasty Candidates 2026-May-20, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2026.05.043 PMID:42167455	研究论文	开发并验证一种基于多序列膝关节MRI的2.5D深度学习模型，用于自动检测内侧单间室膝关节置换候选者中的骨对骨骨关节炎	提出了一种结合相邻切片和多平面视图的2.5D深度学习模型，并融合影像组学和临床特征，提升了诊断性能，其准确性与资深骨科医生相当	未明确提及局限性	减少单间室膝关节置换术中因指征判断错误导致的失败，提供客观、可重复的软骨评估标准	191名拟行内侧单间室膝关节置换术或膝关节镜手术的患者术前膝关节MRI数据	计算机视觉	骨关节炎	MRI	CNN	图像	191名患者（64名骨对骨骨关节炎、62名部分软骨丢失、65名正常软骨）	NA	2.5D深度学习模型（结合相邻切片和多平面视图）	微曲线下面积（micro-AUC）、准确率	NA
43	2026-06-15	Reliable detection of focal onset impaired awareness seizures in patients with epilepsy using wearable ECG: Development and validation study 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109295 PMID:41764784	研究论文	开发并验证一种使用可穿戴心电图设备自动数据质量评估的局灶性意识障碍发作检测算法	首次将自动数据质量评估(ADQA)集成到基于可穿戴心电图的癫痫发作检测算法中，并探索了个体间自主神经发作特征的差异以识别潜在的系统应答者	仅38名患者的数据满足ADQA质量标准，样本量有限；数据质量筛查排除了部分患者和发作事件，可能影响结果的普遍性	开发和评估使用可穿戴心电图设备进行局灶性意识障碍发作检测的算法性能与可行性	癫痫患者中的局灶性意识障碍发作	机器学习	癫痫	心电图	深度学习模型	心电图信号	236名患者（其中49名至少有一次FIAS），经过数据质量筛查后38名患者的161次发作	NA	NA	灵敏度, 24小时假阳性率, 阳性预测值, F1分数	NA
44	2026-06-15	Assessment of socioeconomic and demographic risk factors for low birth weight using model-agnostic explainable ensembles 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109303 PMID:41785538	研究论文	提出一个整合机器学习、深度学习和模型无关可解释人工智能的预测框架，用于识别低出生体重的关键社会经济和人口统计学风险因素	开发了SmartFusion-LR5堆叠集成模型，结合五种基学习器，并利用模型无关的可解释人工智能方法提供全局和局部特征解释	未明确提及局限性	早期预测低出生体重并识别关键风险因素，以指导资源有限环境下的母婴健康干预	孟加拉国1574名参与者的社会经济和人口统计数据，包括母亲年龄、教育程度、家庭财富、地理区域、出生顺序和母亲体重指数等12个变量	机器学习	低出生体重	NA	堆叠集成模型（SmartFusion-LR5）	表格数据	1574名参与者	Scikit-learn	K-最近邻、逻辑回归、决策树、随机森林、朴素贝叶斯	准确率、精确率、召回率、AUC、F1分数、马修斯相关系数	NA
45	2026-06-15	A new automated 3d facial soft tissue landmarking method via deep learning 2026-May-06, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106742 PMID:42103064	研究论文	提出并评估了一种基于深度学习的新型面部软组织网络（FST-Net），用于自动检测34个常用三维软组织标志点和8项测量	通过特征融合和局部坐标回归实现了34个三维软组织标志点的全自动检测，无需手动标注	对依赖主观判断的6个标志点（Group 2）检测误差较大（4.39 ± 2.57毫米），需进一步优化；临床应用仍需医生验证侧脸区域	开发并验证一种用于正畸学中三维面部软组织标志点自动检测的深度学习方法	三维面部软组织标志点和软组织测量	计算机视觉	NA	NA	CNN	三维图像	297例患者，分为训练集207例、验证集30例、测试集60例	PyTorch	FST-Net	平均径向误差（MRE）、成功检测率（SDR）、组内相关系数（ICC）	NA
46	2026-06-15	CONTRA-IL6: an interpretable hybrid convolutional neural network and Transformer framework for accurate prediction of interleukin-6-inducing peptides using protein language models 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag250 PMID:42281397	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
47	2026-06-15	Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging 2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70125 PMID:41267329	研究论文	评估深度学习模型在高频超声图像中对皮肤病变进行二分类，比较单输入CNN与多模态融合架构的表现	首次系统比较B模式和Doppler模式的单输入CNN与Unity和Cascade多模态融合架构在高频超声皮肤病变分类中的性能差异	研究未明确说明数据集大小、数据增强策略、模型泛化能力以及临床验证等细节	评估基于CNN的深度学习模型在高频超声图像中进行皮肤病变良恶性二分类的性能	高频超声B模式和Doppler模式的皮肤病变图像	计算机视觉	皮肤病变	高频超声成像	CNN	图像	NA	NA	单输入CNN, Unity架构, Cascade架构	准确率, AUC	NA
48	2026-06-15	Minimum Clinically Achievable Dose for Detecting Liver Lesions Using Deep Learning Image Reconstruction: A Phantom and Patient Study 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.022 PMID:41781262	研究论文	本研究通过体模和患者前瞻性研究，评估了深度学习图像重建在约4.5 mGy超低剂量下检测局灶性肝脏病变的性能，并与标准剂量下的自适应统计迭代重建-V进行了比较	首次提出并验证了使用深度学习图像重建在4.5 mGy极低辐射剂量下实现与标准剂量迭代重建相当甚至更优的肝脏病变检测性能，显著降低了辐射剂量	单一中心前瞻性研究，样本量有限（84名参与者），且未评估不同深度学习图像重建强度水平的影响	研究深度学习图像重建在超低剂量（约4.5 mGy）下检测局灶性肝脏病变的有效性和安全性	Gammex CT体模模拟的局灶性肝脏病变以及84名接受三相上腹部CT检查的患者	计算机视觉	肝脏病变	CT扫描	深度学习图像重建	图像	84名参与者（平均年龄64岁，48名男性）和71个局灶性肝脏病变（平均大小12.8 mm）	NA	深度学习图像重建	图像噪声、信噪比、对比度噪声比、噪声功率谱峰值、可检测指数、图像质量评分（5分制）、病变检出率、敏感性、特异性	NA
49	2026-06-15	Context-Aware adaptive normalization LSTM (CAAN-LSTM) for immunotherapy decision support in cancer clinical data analysis 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105006 PMID:41794080	研究论文	提出了一种上下文感知自适应归一化长短期记忆网络（CAAN-LSTM），用于癌症免疫治疗临床决策支持	首次在序列处理中引入元学习的自适应归一化层，结合注意力机制、超网络和基于变压器的上下文编码器，动态融合患者特异性临床上下文	未提及具体局限性	通过动态归一化和上下文感知改进时间序列分析，提升癌症免疫治疗临床决策支持	临床时间序列数据中的癌症患者	机器学习	癌症	NA	长短期记忆网络（LSTM）	时间序列数据	在沙特医疗机构进行了试点验证，具体样本量未报告	NA	CAAN-LSTM（包含自适应归一化层、注意力机制、超网络、变压器上下文编码器、学习掩码策略和量化感知训练）	预测准确度	NA
50	2026-06-15	GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103377 PMID:41713110	研究论文	提出GFASNet，一种基于步态特征注意力的深度序列网络，用于痴呆相关步态模式分析	将特征级注意力机制融入序列深度学习架构，提升模型可解释性，并量化单个步态参数的相对贡献，挖掘潜在的数字化生物标志物	NA	识别痴呆相关的步态改变，通过模型注意力机制提供候选数字化生物标志物	痴呆患者的步态模式	机器学习	痴呆	压力传感器步态数据采集	LSTM, BiLSTM, GRU, BiGRU	时空步态序列数据	232名参与者，每人8个连续步幅的步态序列	PyTorch	LSTM, BiLSTM, GRU, BiGRU	分类准确率	NA
51	2026-06-15	H-DCA Net: Hierarchical dual-branch coordinate attention framework for multi-scale gastric histopathology diagnosis 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156403 PMID:41722294	研究论文	提出一种名为H-DCA Net的层级双分支坐标注意力网络，用于多尺度胃部组织病理学诊断	模仿病理学家多尺度诊断流程，设计异质双分支结构（高级语义分支与局部细节分支）并引入层级注意力机制，有效集成宏观组织结构与微观细胞细节信息	尚未提及泛化能力验证及在更大规模真实临床数据集上的评估	开发高精度深度学习框架解决计算机辅助诊断中的尺度失配问题，提升胃癌分类准确性和可靠性	胃部组织病理图像中的恶性病变分类	数字病理学	胃癌	组织病理学图像分析	CNN	图像	基于公共GasHisSDB数据集的三种图像块尺寸（80×80、120×120、160×160像素）进行训练和验证	PyTorch	EfficientNetV2-S, MobileNetV3-L	准确率, 精确率, 灵敏度, 特异度	NA
52	2026-06-15	A comprehensive review on wine authentication and traceability: Current issues, solutions and future perspectives 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148456 PMID:41719666	综述	全面综述葡萄酒真伪鉴别与溯源技术的当前问题、解决方案及未来展望	系统整合光谱、色谱、质谱及新兴智能传感技术，并强调与机器学习方法的融合，提出区块链用于供应链透明度的新思路	未明确实证数据支撑，未来需聚焦快速检测、深度学习与传统技术的结合以及指纹数据库构建	解决葡萄酒真实性验证和产地溯源中的问题，保障消费者和生产者利益	葡萄酒及其相关欺诈问题、分析技术、机器学习方法	机器学习	NA	光谱学、色谱法、质谱法、智能传感技术	机器学习	技术数据	NA	NA	NA	NA	NA
53	2026-06-15	Empirical evaluation of variability and multi-institutional generalizability of deep learning survival models: application to renal cancer CT scans 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111603 PMID:41806695	研究论文	系统评估深度生存模型在肾癌CT影像中的变异性与多机构泛化能力	首次系统性分析数据划分、数据顺序、模型初始化和数据增强策略对CT影像深度生存模型泛化性能的影响	样本量有限（525名患者），仅针对肾癌CT影像，未探索其他癌症类型或影像模态	探究方法论选择如何影响深度生存模型在外部验证队列中的泛化能力	肾癌患者的CT影像数据及生存预测	计算机视觉,医学影像分析	肾癌	CT扫描	3D ResNet-18	CT影像	525名患者，来自9个机构（TCGA-KIRC、TCGA-KICH、TCGA-KIRP和KITS19公共数据集）	NA	3D ResNet-18	一致性指数(C-index),风险比(HR)	NA
54	2026-06-15	Decoding immunotherapy response through computational modeling 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71364-5 PMID:41986319	综述	分析四种计算范式（经典机器学习、深度学习、图与网络建模、机制系统生物学）在免疫治疗反应预测中的应用，强调向多模态融合与可解释临床模型的转变	提出四种计算范式的融合视角，系统跟踪从相关性特征到表征学习、关系推理和肿瘤-免疫动力学因果模拟的演变	未提供具体的模型性能比较或定量评估；未讨论临床部署的实际障碍（如数据异质性、计算资源限制）	综述计算工具在免疫治疗反应解码中的应用，推动精准免疫肿瘤学发展	免疫治疗患者（癌症）、肿瘤-免疫动态数据	机器学习	癌症	NA	NA	多组学、影像	NA	NA	NA	NA	NA
55	2026-06-15	A Leaf-Level Dataset for Soybean-Cotton Detection and Segmentation 2026-Apr-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07092-8 PMID:41986374	研究论文	提出一个用于大豆和棉花叶片检测与分割的叶片级数据集	构建了包含多种生长阶段、杂草压力和光照变化的真实农田高分辨率叶片数据集，并提供精细的叶片实例级标注（边界框和分割掩膜），填补了现有数据集在复杂农田场景中的空白	未提及具体限制，如可能的数据集规模有限或标注偏差	为大豆-棉花管理中的选择性除草和害虫监测等高级应用提供支持，推动数据驱动策略的发展	大豆和棉花叶片	计算机视觉	NA	NA	YOLO11（目标检测与分割）	图像	640张高分辨率图像，包含7221个大豆叶片和5190个棉花叶片实例	NA	YOLO11	NA	NA
56	2026-06-15	Hi-Compass: a depth-aware deep learning framework for predicting cell-type-specific 3D genome organization from single-cell to spatial resolution 2026-Apr-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71877-z PMID:41980945	研究论文	提出Hi-Compass，一种深度感知的深度学习框架，利用染色质可及性数据预测细胞类型特异的三维基因组组织	首次利用染色质可及性数据作为单独输入预测细胞类型特异染色质组织，并动态适应测序深度变化，支持从单细胞到空间分辨率的多种数据规模	NA	预测细胞类型特异的三维基因组组织，解析染色质互作和疾病相关变异与靶基因的联系	细胞类型特异的三维基因组组织（染色质互作）	机器学习	NA	Hi-C，染色质可及性测序	深度学习框架	染色质可及性数据	NA	PyTorch	深度感知神经网络	一致性系数	NA
57	2026-06-15	Machine learning-assisted HS-GC-IMS for discrimination and traceability of baby bottles based on volatile fingerprints 2026-Apr-12, Journal of chromatography. A DOI:10.1016/j.chroma.2026.466833 PMID:41747496	研究论文	开发了结合顶空气相色谱-离子迁移谱与机器学习的分析方法，用于区分和追溯九种奶瓶的材料和品牌	首次将HS-GC-IMS与机器学习结合用于奶瓶的挥发性有机物指纹分析，并通过OPLS-DA的VIP评分与RF特征重要性整合确定关键判别标记，显著提升分类效率	NA	建立快速、可靠的奶瓶鉴别与追溯分析框架，用于食品接触材料的防伪与安全保障	九种不同材料和品牌的奶瓶	机器学习	NA	HS-GC-IMS	CNN, Transformer, RF, SVM, DT, OPLS-DA, PCA, HCA	挥发性有机物的质谱数据	九种奶瓶样品	NA	CNN, Transformer, RF, SVM, DT, OPLS-DA	分类效率（基于特征重要性优化）	NA
58	2026-06-15	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	结合结构建模和深度学习方法来计算大肠杆菌蛋白质互作组和功能网络	整合三种预测方法（PrePPI、Topsy-Turvy和ZEPPI）以提高蛋白质相互作用的预测性能，并使用AF3Complex算法预测374个蛋白质对的结构，通过聚类得到385个具有高功能一致性的子网络	未明确提及局限性	结合结构建模和深度学习方法，在大肠杆菌蛋白质组范围内预测两个蛋白质是否可能形成二元复合物，并构建功能网络	大肠杆菌蛋白质相互作用组和功能网络	机器学习	NA	蛋白质结构预测、蛋白质语言模型、进化信息分析	深度学习模型	蛋白质序列和结构数据	374个高置信度蛋白质对（用于结构预测）	NA	PrePPI、Topsy-Turvy、ZEPPI、AF3Complex	准确率、精确率、召回率、F1分数、AUC	NA
59	2026-06-15	Deep Learning for Content-Based Medical Image Retrieval in Picture Archiving and Communication Systems for Brain Tumor Detection: Algorithm Development and Validation 2026-Apr-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/78300 PMID:41941563	研究论文	开发并验证基于深度学习的脑肿瘤图像检索系统，集成到影像存档与通信系统中	将深度学习特征提取算法与开源项目相结合，成功将基于内容的医学图像检索系统嵌入到标准临床PACS环境中，并针对7种脑肿瘤类型进行优化	数据集来自单中心且不公开，可能影响泛化性；系统旨在提高检索效率而非直接提升诊断准确性	开发一个集成于PACS的基于内容的医学图像检索系统，辅助放射科医生检索相关历史医学图像，提供定量决策支持	脑磁共振图像中的7种不同脑肿瘤类型	数字病理学	脑肿瘤	MRI成像	深度学习模型	图像	658名参与者，共15873张图像	NA	GoogLeNet	平均精度均值, Precision@10	NA
60	2026-06-15	Domain adversarial gated bilinear attention networks for cross domain drug target interaction prediction 2026-Apr-02, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153448 PMID:41687302	研究论文	提出一种结合门控双线性注意力和域自适应的深度学习框架GBAN-DA，用于跨域药物-靶点相互作用预测	首次将门控双线性注意力机制与条件域对抗网络结合，实现亚结构级相互作用建模和跨域特征分布对齐	未提及具体计算资源消耗，且仅在两个公开数据集上验证，未见多中心或临床数据验证	提高药物-靶点相互作用预测在分布偏移数据上的泛化能力和准确性	药物分子和蛋白质靶点之间的相互作用	自然语言处理，机器学习	NA	深度学习，图卷积网络， CNN-Transformer混合模型	GBAN-DA：门控双线性注意力网络结合条件域对抗网络	药物分子结构数据和蛋白质序列数据	BindingDB和BioSNAP两个数据集	PyTorch	图卷积网络， CNN-Transformer，门控双线性注意力模块，条件域对抗网络	AUROC， AUPRC	NA