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
6961	2026-06-14	Structurally-Informed 3D Gaussian Splatting for Limited-Angle CBCT 2026-Jun-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3703335 PMID:42284162	研究论文	提出了一种结构感知的三维高斯溅射框架，用于有限角度锥束计算机断层扫描，通过生成式初始化与物理优化结合显著提升重建质量	首次将生成式结构先验引入三维高斯溅射初始化，通过几何条件网络从稀疏投影预测完整高斯参数，克服传统方法对初始化的敏感性	研究仅基于模拟有限角度投影数据，未在真实临床环境中验证，且对超稀疏投影场景下的泛化能力待评估	解决有限角度锥束计算机断层扫描重建中投影数据不完整导致的伪影和病态问题，实现高质量快速成像	有限角度锥束计算机断层扫描影像重建任务	计算机视觉	NA	锥束计算机断层扫描成像	三维高斯溅射	图像	公开数据集（具体数量未在标题/摘要中说明）	PyTorch	三维高斯溅射，几何条件生成网络	峰值信噪比，结构相似性指数	NA
6962	2026-06-14	LIAUNet: Rethinking the Application of Loss Information in Medical Image Segmentation 2026-Jun-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3703176 PMID:42284169	研究论文	提出一种利用损失信息聚合的新网络LIAUNet，用于提高医学图像分割的准确性	首次提出了损失信息聚合网络LIAUNet，包括多尺度混合池化损失提取模块（MHPLE）、信息保留多尺度注意力聚合器（IMAA）和频谱门控卷积块（SGCB），有效利用编码器下采样中的损失信息	未明确提及限制，可能需要在更多样化的医学图像数据集上进一步验证	改善医学图像分割中因编码器下采样导致的信息丢失问题，提高分割精度	医学图像分割任务中的损失信息	数字病理学	NA	深度学习	卷积神经网络	医学图像	多个医学图像数据集	NA	编码器-解码器架构	分割精度	NA
6963	2026-06-14	Explaining deep learning for ECG using time-localized clusters 2026-Jun-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3702945 PMID:42284164	研究论文	提出一种基于时间局部聚类的后验解释方法，用于解释深度学习在心电图分析中的决策过程	通过聚类CNN特征激活并量化分配熵作为逐时间戳不确定性，首次将时间局部聚类与心电生理标志物对齐，提供超越传统Grad-CAM的类依赖表征稳定性分析	仅基于1D-ResNet架构验证，未测试其他CNN变体；聚类方法对心电信号异常形态的鲁棒性有待进一步评估	开发可解释性方法以提高深度学习心电分析模型的临床接受度和电生理洞察力	1D-ResNet在PTB-XL和CODE-15%数据集上的特征激活模式	机器学习	心血管疾病	NA	1D-ResNet、随机森林	心电图信号	PTB-XL数据集（超类分类，10折交叉验证）和CODE-15%数据集（年龄回归）	NA	1D-ResNet	准确率、AUROC	NA
6964	2026-06-14	Data-driven global ocean model resolving atmospherically forced ocean dynamics 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aed1225 PMID:42284423	研究论文	提出基于深度学习的全球三维海洋环流模型KIST-Ocean，能够模拟大气强迫下的海洋动力过程	首次实现深度学习模型在三维全球海洋环流模拟中再现Kelvin波、Rossby波传播及风应力旋度驱动的垂直运动等关键大气强迫海洋动力学过程	NA	开发基于深度学习的三维全球海洋环流模型，以模拟大气强迫下的海洋动力学响应	全球海洋环流及其对大气强迫的响应	机器学习	NA	深度学习	深度神经网络	海洋环流数据	NA	PyTorch	三维卷积神经网络	模拟技巧、计算效率	NA
6965	2026-06-14	Deep learning-enabled versatile shape perception for soft robots via single-ended multimode fiber 2026-Jun-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aef6263 PMID:42284416	研究论文	介绍了一种基于单端多模光纤和深度学习实现的软体机器人通用形变感知方法	利用光学混沌散斑场编码高维形状信息，通过可重构神经解码器将单一物理通道解析为多种感知模式，突破了硬件适应性限制	未提及具体局限性	实现软体机器人在多样化交互中的连续形变感知，特别是空间受限的介入场景	软体夹爪、仿生灵巧手和软体手术机器人	计算机视觉	NA	光学传感、多模光纤	深度学习神经网络	图像（散斑场）	NA	PyTorch	可重构神经解码器	准确率、空间分辨率增强倍数、交并比	NA
6966	2026-06-14	Predictions of protein-protein interactions and co-complex models with deep learning 2026-Jun-12, Current opinion in chemical biology IF:6.9Q1 DOI:10.1016/j.cbpa.2026.102703 PMID:42284691	综述	综述了基于深度学习的蛋白质-蛋白质相互作用预测及共复合物建模方法	从方法学范式对三种密切相关的任务（全蛋白质组PPI预测、PPI界面预测和PPI共复合物结构预测）进行分类，并总结其优势与限制	NA	概述深度学习在蛋白质相互作用研究中的最新进展及应用	蛋白质相互作用和共复合物模型	自然语言处理, 机器学习	NA	深度学习	CNN, LSTM, GAN	蛋白质序列和结构数据	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确性, 精确率, 召回率, F1分数, AUC, Dice系数	NA
6967	2026-06-14	DeepAdapter: a generalisable algorithm integrating self-supervised learning and unsupervised domain adaptation for robust retinopathy of prematurity screening 2026-Jun-12, The British journal of ophthalmology DOI:10.1136/bjo-2025-328559 PMID:42285743	研究论文	提出DeepAdapter算法，结合自监督学习和无监督域适应，提升早产儿视网膜病变筛查模型的泛化能力	首次将自监督学习与无监督域适应集成，通过预训练通用眼底表征和域自适应模块有效降低域偏移，显著提升模型在跨中心、跨种族数据集上的泛化性能	未提及算法在计算资源需求或更广泛疾病场景下的适用性限制	开发和验证一种泛化性强的深度学习算法，用于早产儿视网膜病变的稳健筛查	早产儿视网膜病变（ROP）的筛查模型	计算机视觉	早产儿视网膜病变	自监督学习、无监督域适应	深度学习模型	图像（彩色眼底照片）	50万张无标注图像和39,456张有标注图像	PyTorch	未指定具体模型架构	准确率、CORAL距离	NA
6968	2026-06-14	Vertexformer: the interpretable predictive research on thermocapillary convection of large Prandtl number liquid bridges 2026-Jun-12, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-026-00616-x PMID:42285978	研究论文	本研究开发了一种可解释的深度学习框架Vortexformer-SHAP，用于预测大普朗特数液桥的热毛细对流并揭示其物理机制	首次将轻量级Vortexformer模型与SHAP可解释性分析结合，重新发现了几何效应并揭示了冷端液桥温度的分岔效应和内在振荡周期律	未提及明确局限性	为空间复杂热流体系统的实时预测和智能控制提供技术基础和理论见解	大普朗特数液桥在微重力下的热毛细对流	机器学习	NA	热毛细对流实验	Vortexformer	实验数据	未明确提及样本数量	TensorFlow, PyTorch	Vortexformer	R², RMSE	NA
6969	2026-06-14	Deep feature extraction and explanation consistency analysis for fine-grained aircraft type classification in remote sensing imagery 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54628-4 PMID:42286024	研究论文	提出一个可解释的飞机分类框架EC-AT，集成迁移学习、解释一致性分析和可信度评估，用于遥感图像中的细粒度飞机类型识别	设计了一种基于IoMin的空间重叠度量来定量评估不同解释方法生成区域的一致性，并引入多源AI记分卡表（MAST）对模型可信度进行结构化评估	未提及	提升遥感图像中细粒度飞机类型分类的性能和可解释性，为高可信度智能遥感分析提供参考	MAR20数据集中的八种代表性飞机类别	计算机视觉	NA	迁移学习	深度神经网络	图像	MAR20数据集中的八类飞机样本（具体数量未提及）	PyTorch	Grad-CAM, LIME, RISE	分类准确率、IoMin空间重叠度量、MAST多维度评估（准确率、一致性、逻辑论证、可视化）	NA
6970	2026-06-14	Fast surface reconstruction of human brain MRI: benchmarking deep-learning based morphometry tools 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55397-w PMID:42286078	研究论文	评估三种深度学习模型结合表面重建流水线在脑部MRI处理中的性能，寻找快速可靠的替代方案	首次将DeepSCAN、FastSurferCNN和QuickNAT三种深度学习模型与基于FreeSurfer的快速表面重建流水线结合，系统评估其在大规模人脑MRI数据上的性能和可靠性	主要评估了与FreeSurfer的重建一致性，未充分探讨在病理变异性、临床诊断中的实际应用效果	探索深度学习模型作为快速、可靠的脑结构MRI处理工具的可行性，为大规模研究项目和临床应用铺路	公开可用的人脑MRI数据集和带有已知指标的合成数据集	计算机视觉	未指定	MRI结构成像	深度学习模型（DeepSCAN、FastSurferCNN、QuickNAT）	图像（MRI）	公开的人脑MRI数据集（多个）和一个合成数据集	NA	DeepSCAN、FastSurferCNN、QuickNAT	与FreeSurfer重建的一致性、同一会话内重扫的再现性、年龄跨度稳定性、灰白质对比度敏感性、合成表面指标准确性	NA
6971	2026-06-14	Transferable human mobility network reconstruction with neuroGravity 2026-Jun-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-01003-y PMID:42286365	研究论文	开发了神经重力模型，从有限观测中可靠重建城市间流动网络并实现跨城市迁移	将物理启发的重力模型与深度学习结合，提出无需旅行调查数据仅利用城市设施和人口分布重建流动网络，并发现空间收入隔离是影响模型迁移性的关键因素	未提及模型在极端数据稀缺或非常规城市形态下的性能及未对迁移性预测进行跨区域验证	解决欠发达地区因缺乏旅行调查数据而无法准确建模人类流动性的问题	全球超过1200个城市的城市设施分布、人口分布及人类流动网络	机器学习	NA	NA	物理启发式深度学习模型	城市设施位置数据、人口分布数据	超过1200个城市的流动网络数据	PyTorch	神经重力网络	相关系数、迁移性预测准确率	NA
6972	2026-06-14	A weakly supervised deep learning-based recurrence prediction and risk stratification of lung adenocarcinoma from pathology whole-slide images 2026-Jun-12, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16340-4 PMID:42286527	research paper	基于弱监督深度学习从病理全切片图像预测肺腺癌术后复发并进行风险分层	利用常规苏木精-伊红染色图像，在弱监督多实例学习框架下结合自动感兴趣区域检测，实现肺腺癌术后复发的准确预测，并与转录组分析整合增强生物学可解释性	未在摘要中明确提及具体限制	预测肺腺癌术后复发并表征相关生物学特征，以指导临床决策	肺腺癌术后复发	digital pathology	lung adenocarcinoma	NA	CNN	图像	399名患者（329名来自FHWMU，70名来自CPTAC）	PyTorch, TensorFlow, Keras, Scikit-learn	Inception_V3, ResNet18, DenseNet121	AUC, Kaplan-Meier生存分析, Cox比例风险回归	NA
6973	2026-06-14	Identification of a novel aβ-overlapping binding site on the TREM2 Ectodomain engaged by the small-molecule agonist VG-3927 2026-Jun-11, Bioorganic & medicinal chemistry letters IF:2.5Q2 DOI:10.1016/j.bmcl.2026.130712 PMID:42276260	研究论文	利用深度学习盲对接算法DiffDock-L鉴定VG-3927在小胶质细胞免疫受体TREM2胞外域上的新结合位点，并验证其与Aβ的竞争性相互作用	首次发现小分子激动剂VG-3927除了作为跨膜分子胶外，还能结合TREM2胞外域的疏水沟槽，且该位点与Aβ结合位点重叠，揭示了此前未被识别的胞外域相互作用模式	未说明具体局限性信息	探究小分子激动剂VG-3927是否与TREM2胞外域结合及其作用机制	TREM2蛋白结构与VG-3927小分子化合物的结合模式	自然语言处理	阿尔茨海默病	深度学习的盲对接算法（DiffDock-L）、微量热泳动（MST）、报告基因实验	深度学习盲对接模型	蛋白质结构数据和分子对接数据	NA	NA	DiffDock-L	NA	NA
6974	2026-06-14	Deep learning-based prediction of gene expression from histopathology identifies NR5A1 as a candidate biomarker and druggable target in high-grade serous ovarian carcinoma 2026-Jun-11, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02166-y PMID:42277915	研究论文	基于深度学习的组织病理学基因表达预测方法，识别出NR5A1作为高级别浆液性卵巢癌的候选生物标志物和可药物靶点	首次从常规H&E全切片图像中通过自监督虚拟转录组学框架预测基因表达，并识别出NR5A1作为铂类应答相关的新候选标志物	需要在更大规模多中心队列中验证模型稳健性、生物学相关性和临床实用性	开发从组织病理学图像预测基因表达的计算方法，以识别卵巢癌生物标志物和药物靶点	高级别浆液性卵巢癌患者	计算病理学	卵巢癌	RNA-seq, RT-qPCR	自监督学习模型与随机森林	H&E全切片图像与RNA测序数据	TCGA-OV队列含1,371张H&E WSI，独立队列含10例HGSOC肿瘤	PyTorch（推测）	MoCo v2, 多输出随机森林回归	皮尔逊相关系数，变异系数	NA
6975	2026-06-14	FSCL-BC: Federated supervised contrastive learning for breast cancer diagnosis with high sensitivity 2026-Jun-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109500 PMID:42285014	研究论文	提出FSCL-BC方法，通过联邦监督对比学习实现多医院协作的乳腺癌超声诊断，在保护隐私的同时提升诊断敏感性	将监督对比学习集成到联邦学习框架中，首次解决医疗多中心数据隐私保护与乳腺癌超声诊断敏感性提升的双重挑战	未明确说明样本异质性（如不同超声设备、操作者差异）对模型泛化能力的影响，且仅在模拟联邦场景中验证，缺乏真实多中心部署结果	开发无需数据共享的多医院协作乳腺癌AI诊断模型，重点提升对恶性肿瘤的检测敏感性	乳腺癌患者的超声图像	计算机视觉, 数字病理学	乳腺癌	超声成像	CNN	图像	NA	PyTorch	ResNet	敏感性, Youden指数, F1分数, 马修斯相关系数, 平衡准确率	NA
6976	2026-06-14	Extracranial vascular association of moyamoya disease: a systematic review and machine learning analysis 2026-Jun-10, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-026-09168-0 PMID:42265449	研究论文	基于系统综述和机器学习分析，探讨烟雾病患者的颅外血管受累情况及其临床特征	首次通过系统综述和机器学习方法分析烟雾病颅外血管受累的多部位分布模式，并对比了多种机器学习与深度学习模型的预测性能	仅包含英文文献，存在语言偏倚；深度学习整体表现不如机器学习；分析基于小样本数据	描述烟雾病颅外血管受累的分布特征并评估临床变量的预测价值	烟雾病（MMD）患者的颅外血管受累情况	机器学习	烟雾病	NA	逻辑回归、随机森林、一维卷积神经网络	文本	74项研究共143名患者（59.4%女性，平均年龄24.9岁）	NA	逻辑回归、随机森林、一维卷积神经网络	准确率、F1分数、ROC面积	NA
6977	2026-06-14	An empirical study of machine learning robustness and scalability for imbalanced tabular clinical data in emergency and critical care 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56413-9 PMID:42270687	研究论文	针对急诊和重症监护环境中不平衡表格临床数据的机器学习鲁棒性与可扩展性实证研究	系统比较了六种模型族（包括传统机器学习、深度学习和表格基础模型）在不平衡表格临床数据上的鲁棒性和可扩展性，发现模型选择具有上下文依赖性，且表格基础模型正快速缩小与强基线模型的性能差距	未提出通用解决方案，结论依赖于特定数据集和任务，且基础模型未进行任务特定优化或重加权	评估机器学习模型在不平衡表格临床数据中的预测鲁棒性和计算可扩展性，为高时间敏感性临床环境中的模型选择提供实证依据	MIMIC-IV-ED和eICU两个大型临床数据集上的七项临床预测任务	机器学习	急诊与重症监护疾病（未指定具体疾病）	NA	决策树、随机森林、XGBoost、TabNet、TabICL、TabPFN v2.6	表格数据	MIMIC-IV-ED和eICU两个大规模临床数据集（具体样本数未说明）	NA	决策树、随机森林、XGBoost、TabNet、TabICL、TabPFN v2.6	Macro F1-score	NA
6978	2026-06-14	MIRAGE: a multimodal deep learning framework for interpretable risk assessment of high myopia from genetic and retinal imaging data 2026-Jun-09, Human molecular genetics IF:3.1Q2 DOI:10.1093/hmg/ddag040 PMID:42262223	研究论文	开发了一种结合全外显子基因型和眼底图像的深度学习框架MIRAGE，用于高风险近视的个性化预测	在深度学习框架中首次整合全外显子基因型数据和眼底图像，通过门控注意机制融合两种模态，并使用深层基因风险模型捕捉非线性交互作用	NA	早期识别高度近视风险个体，实现个性化预测和临床干预	高度近视患者和对照组的基因型与眼底图像数据	机器学习	高度近视	全外显子测序	深度学习	基因型数据, 眼底图像	1991名个体	PyTorch	DeepExGRS, CNN, 门控注意机制	AUC	NA
6979	2026-06-14	Observational study of predictors and outcomes of lung cancer in never-smokers in the UK (OLIVE): study protocol 2026-Jun-09, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2025-003966 PMID:42264884	研究论文	本研究协议旨在设立一项英国多中心观察性队列，探索从不吸烟者肺癌的预测因素和结局	聚焦英国人群的LCINS，结合深度学习和自然语言处理分析自由文本数据，并通过回顾性和前瞻性队列设计填补当前研究空白	尚未涵盖所有EHR外的暴露因素，未来可能需要额外数据采集；单中心可行性试验样本量有限（225名患者）	扩大对LCINS的理解，尤其在英国背景下改善诊断和治疗路径	从不吸烟的肺癌成人患者	自然语言处理	肺癌	NA	NA	文本	225名患者（单中心可行性试验），后续扩展至多中心	NA	NA	NA	NA
6980	2026-06-14	Deep Learning-Guided Reverse Translation Enhances Soluble Expression of Recombinant Proteins in Escherichia coli 2026-Jun-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115131 PMID:42278656	研究论文	开发了一种结合同义密码子生成模型和基因表达水平预测模型的深度学习框架，用于优化异源蛋白在大肠杆菌中的可溶性表达	首次提出结合同义密码子生成模型（SCG）与基因表达水平预测模型（GELP）的集成深度学习框架，并揭示核心回避密码子优化策略	研究仅针对两种工业酶进行验证，样本范围有限；计算资源信息未在标题和摘要中提及	设计能够提高重组蛋白在大肠杆菌中可溶性表达的DNA序列	异源蛋白在大肠杆菌中的可溶性表达	机器学习	NA	DNA序列优化	深度学习模型	基因组数据、基因表达数据	两种工业酶：α-葡聚糖磷酸化酶和异淀粉酶	NA	NA	可溶性表达倍数变化、单因素方差分析、单样本t检验	NA