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
661	2026-06-09	Channel and Spatial Parallel Attention for ECG-Based Prediction of Concealed Accessory Pathways and Atrioventricular Nodal Reentry Tachycardia 2026-Jun, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.70373 PMID:42256115	研究论文	提出CSPANet深度学习架构，通过通道和空间并行注意力机制增强心电图特征提取，用于区分隐匿性旁路和房室结折返性心动过速	整合通道和空间并行注意力模块，通过平行处理通道注意力和空间注意力机制增强心电图特征提取，实现两种疾病的高精度鉴别	未明确说明	利用深度学习从窦性心律心电图中区分隐匿性旁路和房室结折返性心动过速，提供临床诊断工具	隐匿性旁路和房室结折返性心动过速患者	机器学习	心血管疾病	心电图分析	CNN（ResNet50， CSPANet）	心电图信号	未明确说明样本数量	PyTorch	CSPANet， ResNet50， ResNet20	准确率，灵敏度，特异性，精确率	未明确说明
662	2026-06-09	Passive Acoustic Monitoring and Deep Learning Reveal a Lag From Rainfall to Gibbon Song Across a Mosaic Forest Landscape 2026-Jun, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.73717 PMID:42256124	research paper	利用被动声学监测和深度学习技术，揭示了雨林景观中降雨与长臂猿鸣叫之间的滞后关系	首次在大空间和时间尺度上，利用预训练的深度学习检测器分析三种森林类型中白须长臂猿的鸣叫活动，并发现了降雨事件后约51-52天的鸣叫峰值，表明鸣叫活动反映了对季节性降雨的滞后物候响应	研究仅在一个区域进行，可能无法推广到其他地理区域；未考虑人为干扰和气候变化对鸣叫行为的直接影响；深度学习检测器可能存在假阳性或假阴性误差	利用被动声学监测和深度学习技术，研究不同森林类型中濒危白须长臂猿的鸣叫行为及其与季节性降雨的关系	濒危物种——婆罗洲白须长臂猿的鸣叫活动	machine learning	NA	被动声学监测	深度学习检测器	音频数据	8个自主录音单元，18个月收集23,244小时音频数据，识别出83,956次大叫声	NA	预训练深度学习检测器	NA	NA
663	2026-06-09	Airway segmentation on CT - A systematic review of machine learning tools 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100764 PMID:42256489	综述	全面评估机器学习方法在CT图像中全自动气道分割的性能与局限性	系统性地分析了气道分割中拓扑指标（分支检出率、树长检出率）与体素精度指标的差异，并评估了深度学习相对于传统机器学习的优势	纳入研究的MAIC-10质量评分中等（6-8/10），在安全性/隐私性、可解释性和透明度方面报告不足；外部验证数据集有限（15项中有9项使用EXACT'09测试集）	评价机器学习方法在胸部CT成像中实现全自动气道分割的效能与临床转化潜力	32项发表于2010-2025年的全自动机器学习气道分割研究（其中28项使用深度学习）	计算机视觉，数字病理学	呼吸系统疾病	CT成像	深度学习	影像	32项研究	NA	NA	Dice相似系数，分支检出率，树长检出率	NA
664	2026-06-09	The implicit regularizing effect of stochastic resetting in deep learning analysis of anomalous diffusion 2026-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0304564 PMID:42257593	研究论文	研究了随机重置技术在异常扩散轨迹深度学习解码中的隐式正则化效应	首次将随机重置技术应用于异常扩散轨迹解码任务，并揭示了其正则化机制；引入随时间变化的动态重置策略，超越固定概率效果	未说明具体限制	探索随机重置能否提升异常扩散轨迹的解码性能	异常扩散轨迹数据	机器学习	NA	NA	神经网络	轨迹数据	NA	NA	NA	验证损失	NA
665	2026-06-09	Physics-Aware Representation Learning on Electronic Charge Density for Materials Property Prediction 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00235 PMID:42212372	研究论文	提出一种物理信息驱动的深度学习框架，从电子电荷密度直接预测材料力学和热力学性能	首次利用三维卷积自编码器对高维电子电荷密度进行无监督降维，并结合注意力3D CNN和LightGBM回归模型实现高效预测，将计算资源消耗降至传统DFT方法的1/25	NA	实现从电子电荷密度快速预测材料特性，验证其作为物理可解释描述符的迁移性	无机晶体材料的力学性能（体积模量、杨氏模量、剪切模量）和热力学性能（生成能、德拜温度）	机器学习	NA	密度泛函理论	三维卷积自编码器、注意力3D卷积神经网络、LightGBM	三维电子电荷密度网格	约6059种无机化合物，涵盖多种晶体对称性	PyTorch	三维卷积自编码器、注意力3D卷积神经网络、LightGBM	相关性系数R	计算资源消耗为传统DFT方法的1/25
666	2026-06-09	GraFSyn: An Interpretable Deep Learning Framework for Anticancer Drug Synergy via Graphlet Fingerprints 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00458 PMID:42213476	研究论文	提出GraFSyn框架，利用图小波指纹显式编码药物连通子结构单元，结合动态多尺度卷积和交互模块预测抗癌药物协同作用	首次使用图小波指纹将药物编码为显式连通子结构单元，保留预定义化学子结构及其拓扑身份，并引入动态多尺度卷积模块处理高维稀疏图小波特征，实现结构可追溯的协同预测	未提及局限性	开发准确且结构可追溯的药物协同预测方法，加速发现有效的抗癌联合疗法	抗癌药物及其组合在特定细胞环境中的协同效应	机器学习	癌症	NA	深度学习框架，包含动态多尺度卷积和交互模块	分子图、细胞系基因表达数据	两套基准数据集（Merck和AstraZeneca）	NA	动态多尺度卷积模块、交互模块	ROC-AUC, PR-AUC	NA
667	2026-06-09	Fewest-Switches Surface Hopping with Combined Deep Learning Potential and Long Short-Term Memory Network Propagator for Simulating Realistic Photochemical Processes 2026-May-28, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00170 PMID:42207866	研究论文	结合深度学习势和长短期记忆网络传播器的最少跳跃面跳跃方法用于模拟真实光化学过程	重新设计了LSTM的输入特征和训练流程以有效表示高维核自由度，并将等变神经网络与LSTM整合构建基态和激发态的绝热势能面	仅使用10条参考轨迹训练LSTM网络，可能对复杂系统泛化能力有限	开发扩展的LSTM-FSSH框架以模拟真实光化学反应	CHNH分子和偶氮苯的光异构化过程	机器学习	NA	LSTM-FSSH动力学模拟	长短期记忆网络（LSTM）	分子动力学轨迹数据	10条参考轨迹用于训练	PyTorch	LSTM, 等变神经网络	激发态寿命, 产物产率	NA
668	2026-06-09	A novel hybrid deep learning framework for customer churn prediction using RFM and embedding clustering 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53220-0 PMID:42209595	研究论文	提出一种整合RFM特征工程、深度嵌入式聚类与深度学习模型的混合框架，用于电子商务客户流失预测	首次将RFM特征工程、深度嵌入式聚类与深度学习模型统一集成，实现客户细分与流失预测的联合学习	传统模型（如逻辑回归、SVM）在异构数据分布上适应性有限	解决电子商务客户流失预测中缺乏标签数据及传统模型无法捕捉复杂行为模式的问题	电子商务平台客户行为数据	机器学习	NA	NA	自编码器、GRU、LSTM	交易数据	两个真实数据集（Online Retail数据集和Events数据集），规模与行为复杂度不同	NA	深度自编码器、深度嵌入式聚类、GRU、LSTM	准确率	NA
669	2026-06-09	Artificial intelligence in cancer immunotherapy: current trends in predicting response and personalizing treatment 2026-May-28, Journal of the Egyptian National Cancer Institute IF:2.1Q3 DOI:10.1186/s43046-026-00371-w PMID:42209845	综述	综述了人工智能在癌症免疫治疗中预测治疗反应和个性化治疗的最新趋势	整合多模态AI模型（基因组学、转录组学、放射组学、数字病理学、循环生物标志物和临床证据）来创建具有显著更好辨别能力的复合预测特征，并扩展到CAR-T细胞治疗的临床转化流程	前瞻性和多中心验证稀少，外部验证性能下降，临床实施受数据异质性、偏差、纵向验证不足、可重复性有限和模型缺乏透明度阻碍	探讨人工智能在癌症免疫治疗中实现个性化治疗和精准预测的潜力及挑战	癌症免疫治疗中的AI预测模型和多模态数据融合方法	机器学习	癌症	NA	深度学习, 集成模型	图像, 文本, 组学数据	NA	NA	NA	AUC	NA
670	2026-06-09	EZPro-Multi: Contrastive Learning-Enhanced Multi-property Prediction for Enzyme Engineering 2026-May-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00821 PMID:42199085	研究论文	提出一种基于对比学习的统一深度学习框架EZPro-Multi，用于预测酶突变体的多种生化性质，包括催化效率、稳定性和溶解度	首次通过交叉注意力机制整合ProtT5蛋白表征和Molformer底物表征来捕获突变体-底物相互作用，并引入监督对比学习增强特征区分性，同时采用辅助分类头提升主回归任务性能	未提及具体局限	加速酶工程和优化生物催化系统，实现酶突变体多种功能属性的准确预测	酶突变体及其底物相互作用对	机器学习	NA	未明确提及具体测序技术	深度学习模型	蛋白质序列和分子结构数据	包含多种酶-底物对的数据集，深度突变扫描（DMS）数据集	ProtT5, Molformer	EZPro-Multi	回归准确性、分类一致性、命中率	NA
671	2026-06-09	Automated assessment of coronal lower extremity alignment on long-leg radiographs using a deep-learning model: validation, efficiency gains, and superiority of an edge-based tibial joint-line definition 2026-May-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09980-x PMID:42185802	研究论文	提出并验证了基于深度学习的全自动下肢冠状位力线评估系统，在长腿X光片上同时测量15个参数并定位畸形	首次系统比较了两种胫骨关节线定义在深度学习测量中的适用性，并发现基于边缘的定义方法优于最低点定义	需要前瞻性研究验证基于边缘的关节线定义（方法2）与临床预后（如骨关节炎进展、手术结果）的相关性	开发和验证自动化深度学习系统以高效评估下肢冠状位力线并比较两种胫骨关节线定义	站立位长腿X光片中的下肢冠状位力线参数和畸形定位	计算机视觉	骨关节炎	NA	YOLOv5	图像	309张（训练/验证/测试60/20/20分割）和外部验证集75张	PyTorch	YOLOv5	绝对误差、临床失败率（≥2°或≥2%）、运行时间、Bland-Altman分析	NA
672	2026-06-09	Nuclear DNA-Gated Electrochemiluminescence Microscopy with Deep Learning for Single-Cell Apoptosis Profiling 2026-May-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01234 PMID:42177648	研究论文	开发了一种基于核DNA门控电化学发光显微镜与深度学习的方法，用于单细胞凋亡分析	利用核DNA作为内在共反应物，将凋亡相关的染色质凝聚和碎片化转化为空间分辨的ECL强度下降，并结合深度学习实现高通量分类	未明确提及局限性	实现单细胞水平上抗癌药物反应的定量和可扩展分析	药物处理的癌细胞	数字病理学	癌症	电化学发光显微镜	深度学习模型	图像	NA	NA	NA	NA	NA
673	2026-06-09	A rapid total-body PET imaging approach for pediatric patients using non-attenuation-corrected PET scans 2026-May-22, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00889-x PMID:42171886	研究论文	提出一种名为SnapPET的深度学习框架，利用极短的非衰减校正2D PET最大密度投影图像生成高质量衰减校正图像，用于儿科淋巴瘤患者的快速全身PET成像	首次提出基于潜扩散自编码器的CT免除框架，利用2秒超短非衰减校正PET MIP图像直接生成高质量衰减校正PET MIP图像，实现快速筛查与分流	NA（摘要中未明确提及局限性）	开发一种降低儿科淋巴瘤患者累积辐射剂量的快速全身PET成像方法	200例FDG亲和性淋巴瘤儿科患者的全身PET/CT扫描数据	机器学习, 数字病理学	淋巴瘤	PET/CT成像	潜扩散自编码器	图像（PET MIP二维图像）	200例儿科患者	PyTorch（推断）	U-Net, GAN, DDPM（对比模型）, 潜扩散自编码器（SnapPET）	PSNR, SSIM, NMSE, SUVmax, SUVmean, ROC曲线, ALROC曲线, 5点Likert评分	NA（摘要中未明确说明）
674	2026-06-09	SNooPy: a statistical framework for long-read metagenomic variant calling 2026-May-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag556 PMID:42234577	研究论文	提出了一种名为SNooPy的统计框架，用于长读长宏基因组变异检测	首次设计了专门针对长读长宏基因组数据的变异检测工具，不假设单倍型数量、进化关系或序列差异	未与深度学习方法集成，未来需进一步整合以提升性能	解决现有长读长变异检测工具无法适应宏基因组数据复杂性的问题	宏基因组样本中的单核苷酸多态性（SNP）	机器学习	NA	长读长测序	传统统计模型与深度学习模型对比	宏基因组序列数据	NA	NA	NA	变异检测准确性	NA
675	2026-06-09	Mechanistic Dissection of Conformational Transition of Bicyclic Peptide via Molecular Modeling and Deep Learning 2026-May-14, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.12.711417 PMID:41959345	研究论文	通过分子建模和深度学习，对双环肽的构象转变进行机制解析	引入深度学习模型ICoN-v1，学习分子动力学模拟数据以揭示环肽构象动力学，能有效生成分子动力学输出中缺失的平滑转变路径	NA	解析环肽构象转变机制，为分子设计提供信息	六环肽（NMR结构）、MYC靶向双环肽（立体多样化或单点LEU-to-ILE突变）	机器学习	NA	分子动力学模拟	深度学习模型	分子动力学模拟数据	NA	NA	ICoN-v1	NA	NA
676	2026-06-09	A Deep Learning Framework for Spatiotemporal Modeling of Visual Task fMRI 2026-May-09, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.05.722117 PMID:42146685	研究论文	提出一个名为STREAM的深度学习框架，用于模拟视觉任务fMRI中的时空动态，揭示有效连接和全脑信息流	首次将深度学习框架应用于任务fMRI的时空建模，通过学习神经转换函数来表征有效连接和全脑信息流，发现默认模式网络作为高级调节枢纽具有广泛传出影响，挑战其被动特征	NA	开发一种新计算方法，以揭示驱动局部动态的方向性信号机制，理解大脑如何灵活重构功能架构以实现复杂认知	1074名参与者的视觉类别处理任务fMRI数据	机器学习	NA	fMRI	深度学习框架	图像	1074名参与者	PyTorch	STREAM	激活图重建准确性	NA
677	2026-06-09	AI-enabled virtual immunopeptidomics links quantitative neoantigen presentation to immunogenicity 2026-May-08, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.05.722287 PMID:42146452	研究论文	开发了深度学习框架epiVIP，利用(sc)RNA-seq数据预测HLA-I肽段丰度，联系新抗原的定量展示与免疫原性	首次通过AI方法从RNA-seq数据预测肽段丰度，并揭示丰度与非我性在决定抗原性中的补偿关系，为TCR亲和力理论提供定量支持	NA	定量联系新抗原展示与其免疫原性，以改进癌症免疫疗法	HLA-I肽段及其丰度、新抗原的免疫原性	自然语言处理	癌症	RNA-seq, 单细胞RNA-seq	深度学习模型	基因表达数据、肽段序列	170万免疫肽段及配对基因表达谱，3.3万个来自临床数据集的新抗原	NA	epiVIP	预测准确性、泛化性、肿瘤反应预测	NA
678	2026-06-09	Generating synthetic tau-PET scans in Alzheimer's disease from MRI, blood biomarkers and demographics with deep learning 2026-May-07, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.06.26352540 PMID:42145644	研究论文	开发一种深度学习模型，利用结构磁共振成像、人口统计学和血液生物标志物合成阿尔茨海默病患者的tau-PET扫描	首次使用深度学习从易获取的数据（MRI、人口统计学和血液生物标志物）合成tau-PET扫描，并证明其临床预后价值	NA	评估深度学习模型从多模态数据合成tau-PET扫描的可行性和临床效用	阿尔茨海默病连续谱系或其他神经疾病患者	数字病理学	阿尔茨海默病	PET, MRI	3D U-Net, 残差网络, 注意力机制	图像, 人口统计学数据, 血液生物标志物	来自13个队列的5191名参与者，平均年龄70岁，51%为女性	PyTorch	3D U-Net	R, 危险比, p值	NA
679	2026-06-09	Deep learning-based assessment of periodontitis progression using serial panoramic radiographs: a multicenter study incorporating indirect and direct grading approaches 2026-May-06, Journal of periodontal & implant science DOI:10.5051/jpis.2504860243 PMID:42252881	研究论文	使用序列全景X光片，基于深度学习模型评估牙周炎进展的多中心研究	首次在序列全景X光片上应用YOLOv8模型进行间接和直接两种分级评估牙周炎进展，并验证其临床可行性	直接分级表现略低，因评估序列图像复杂度较高	评估深度学习模型用于通过序列全景X光片诊断牙周炎进展的诊断性能和临床可行性	1378名患者的7106张全景X光片	计算机视觉	牙周炎	全景X光成像	YOLOv8	图像	1378名患者的7106张全景X光片	PyTorch	YOLOv8	准确率、敏感度、特异度、AUC	NA
680	2026-06-09	Classification of spinal tuberculous infection, pyogenic infection and spinal metastasis from magnetic resonance imaging using machine learning 2026-May-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09838-2 PMID:42082966	研究论文	利用机器学习从磁共振成像中分类脊柱结核感染、化脓性感染和脊柱转移瘤	开发并评估了多种深度学习模型（包括自定义致密神经网络和预训练卷积神经网络）用于脊柱结核、化脓性脊柱炎和脊柱转移瘤的自动分类，并比较了不同模型在全图和分割图上的性能	近乎完美的性能可能反映数据集同质性和数据增强效应，而非完全泛化；激活热图显示注意力区域定位不一致，存在过拟合和可视化可解释性有限的问题	开发和评估深度学习模型，用于自动分类脊柱结核、化脓性感染和脊柱转移瘤	120名患者的T2加权矢状位MRI扫描图像，每类疾病40例	机器学习, 医学影像分析	脊柱结核, 脊柱化脓性感染, 脊柱转移瘤	磁共振成像	单层感知机, 自定义致密神经网络, 预训练卷积神经网络	医学图像	120例患者（每类疾病40例），经过数据增强后每类生成1000个合成样本	NA	ResNet50, VGG16, InceptionV3	准确率, 精确率, 召回率, F1分数	NA