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
7541	2026-06-25	Robustness of Protein-Ligand Binding Affinity Prediction Models to Docked and Predicted Structures 2026-Jun-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00592 PMID:42334929	研究论文	量化蛋白质-配体结合亲和力预测模型在处理计算生成结构（对接或预测结构）时的性能下降	首次系统评估晶体结构与计算生成结构（包括AlphaFold3预测结构）之间的性能差异，揭示交互水平分布变化是性能下降的原因	未完全覆盖所有可能的真实应用场景，仅使用CASF-2016基准进行有限结构类型比较	评估结构深度学习模型在对接或预测结构下的鲁棒性，为模型开发者和用户提供实践指导	蛋白质-配体结合亲和力预测模型在晶体结构、GNINA对接结构和AlphaFold3共折叠结构上的性能	机器学习	NA	蛋白质-配体对接、AlphaFold3结构预测	深度学习模型	晶体结构、对接结构、AlphaFold3预测结构	NA	NA	NA	性能比较（具体指标未明确说明）	NA
7542	2026-06-25	Multimodal deep learning using pre-transplant CT images predicts cardiovascular events after liver transplantation 2026-Jun-23, Liver transplantation : official publication of the American Association for the Study of Liver Diseases and the International Liver Transplantation Society IF:4.7Q1 DOI:10.1097/LVT.0000000000000874 PMID:42335013	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7543	2026-06-25	Exploring the Lived Experience of Acne in the United States and the United Kingdom: Social Media Analysis 2026-Jun-23, JMIR dermatology DOI:10.2196/91126 PMID:42335467	研究论文	利用人工智能分析英美社交媒体上关于痤疮的讨论，评估其对生活质量的影响	首次大规模利用AI（深度学习）分析社交媒体数据，定量评估痤疮对生活质量的影响，并识别未满足需求	仅分析社交媒体数据，可能存在样本偏差；采用手动标注识别未满足需求，具有一定主观性	评估痤疮对生活质量的影响，识别讨论主题和未满足需求	英美社交媒体用户发布的痤疮相关帖文	自然语言处理	痤疮	社交媒体数据挖掘	深度学习模型、位词主题模型	文本	646,809条消息，来自432,234名用户	自然语言处理工具、机器学习算法	位词主题模型、深度学习算法	NA	NA
7544	2026-06-25	Exploring ChatGPT's potential in dialogic teaching: A comparative neurocognitive study of AI and human instruction 2026-Jun-23, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107268 PMID:42335853	研究论文	探索ChatGPT在对话式教学中的潜力，并与人类教师在神经认知层面进行对比	首次采用脑电图（EEG）对比分析ChatGPT与人类教师在对话式教学中的神经认知差异，揭示AI教学与人类教学在知识迁移和深层学习上的不同机制	对话后的微状态分析基于较短的静息时间窗口，结果需谨慎解读	评估ChatGPT作为对话式教学伙伴的潜力，并比较其与人类教师在神经认知过程上的差异	34名大学生，分为ChatGPT组和人类教师组	自然语言处理, 数字图像处理, 神经科学	NA	脑电图	大型语言模型	脑电图信号, 行为数据	34名大学生	NA	NA	保留分数, 迁移分数, θ波功率, γ波功率, 微状态分析	NA
7545	2026-06-25	Comparative evaluation of deterministic and Bayesian neural networks for chlorophyll-a time series forecasting in eutrophic lakes: A case study of Dianchi Lake, China 2026-Jun-23, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125082 PMID:42336124	研究论文	比较确定性与贝叶斯神经网络在富营养化湖泊叶绿素-a时间序列预测中的性能，以中国滇池为例	首次系统性比较MLP、LSTM及其贝叶斯变体（通过蒙特卡洛丢弃法）在多步叶绿素-a预测中表现，并量化预测不确定性及其来源分解	研究基于单个湖泊（滇池）的数据，可能限制了模型在其他富营养化湖泊的泛化性	评估贝叶斯神经网络在富营养化湖泊水质概率预测中的实用性和不确定性量化能力	滇池的叶绿素-a浓度及七项环境理化变量	机器学习	NA	NA	MLP, LSTM, Bayesian-MLP, Bayesian-LSTM	时间序列	为期3年（2022-2025）的1461天每日观测数据	PyTorch	MLP, LSTM	相关系数 (R)	NA
7546	2026-06-25	Improved Detection of Lentigo Maligna with AI-Assisted Dermoscopy: A Reader Study in Facial Pigmented Lesions 2026-Jun-23, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2026.06.089 PMID:42336217	研究论文	开发并评估基于深度学习的面部色素性皮损模型，并研究AI辅助皮肤镜对皮肤科住院医师诊断性能的影响	针对光老化皮肤这一AI研究中代表性不足的场景，开发了面部色素性皮损的深度学习模型，并通过读者研究验证AI辅助能显著提升住院医师的诊断准确率，尤其是对恶性雀斑样痣的检出提升明显	回顾性设计、缺乏多模态临床数据、读者研究仅包含住院医师	开发深度学习模型辅助皮肤镜诊断面部色素性皮损中的恶性雀斑样痣，并评估其对皮肤科住院医师诊断性能的改善效果	面部色素性皮损（含恶性雀斑样痣、色素性光化性角化病、脂溢性角化病）	计算机视觉	皮肤癌	皮肤镜成像	卷积神经网络	图像	722个皮损（894张皮肤镜图像），其中恶性雀斑样痣190个，色素性光化性角化病230个，脂溢性角化病302个	NA	Xception	准确率、敏感性、特异度	NA
7547	2026-06-25	Privacy-aware diabetic retinopathy grading and visual lesion-focused interpretability through mixture-of-experts federated deep learning with explainable AI 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58292-6 PMID:42336935	研究论文	提出了一种基于联邦混合专家系统的隐私保护糖尿病视网膜病变分级方法，结合可解释人工智能进行视觉病灶解释	首次将混合专家系统与联邦学习结合用于糖尿病视网膜病变分级，通过专家专业化应对非独立同分布数据问题，并整合可解释性分析	CNN-LSTM骨干在EyePACS上准确率仅76.2%，所有病变类型的平均交并比值均低于0.03，说明可视化属于粗略探索性质，定位质量有限	开发一种可扩展、隐私保护的糖尿病视网膜病变自动筛查系统，解决联邦学习中非独立同分布数据分布等问题	糖尿病视网膜病变的眼底图像	计算机视觉	糖尿病视网膜病变	眼底照相	CNN, CNN-LSTM, Vision Transformer	图像	科威特眼科网络和亚太远程眼科协会2019年眼底数据集（具体样本数未说明）	NA	CNN, CNN-LSTM, Vision Transformer	准确率, AUC, Intersection-over-Union	NA
7548	2026-06-25	CaReS-BiNet: A multi-scale deep learning framework for ECG arrhythmia classification 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58810-6 PMID:42336980	研究论文	提出一种名为CaReS-BiNet的多尺度深度学习框架，用于心电图心律失常分类	集成并行多尺度一维卷积分支、残差连接、轻量级挤压激励通道注意力和双向LSTM时序建模于统一端到端框架中，并采用高斯噪声注入增强对类别不平衡和信号变异性的鲁棒性	NA	解决心电图心律失常分类中形态复杂性、严重类别不平衡和跨异构数据集泛化能力差的问题	心电图心律失常信号	机器学习, 数字病理学	心血管疾病	ECG	CNN, 双向LSTM	信号	MIT-BIH心律失常数据库、PTB诊断心电图数据库及额外异构心电图数据集	PyTorch	多尺度1D-CNN, 残差连接, SE注意力, 双向LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
7549	2026-06-25	An adaptive LASSO-GARCH framework for robust EV parking occupancy forecasting and uncertainty management 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59402-0 PMID:42337009	研究论文	提出一种基于自适应回归和动态波动建模的混合框架，用于预测电动汽车公共停车场的占用容量	设计两阶段机制，在冷启动阶段利用相似日信息，随后平滑连接GARCH算法跟踪日间波动，并加入物理处理步骤确保输出正确、离散且非负	未明确讨论模型在极端情况下的表现或对超参数选择的敏感性	实现电动汽车停车位占用预测及其不确定性管理	公共电动汽车停车场的占用容量	机器学习	NA	NA	LASSO回归与GARCH算法结合	时间序列数据	基于Caltech ACN-Data的真实数据集	NA	LASSO, GARCH	RMSE, 绝对误差, MPIW, PICP	NA
7550	2026-06-25	Multimodal integration of pathomics and clinical features improves recurrence risk prediction in pediatric medulloblastoma 2026-Jun-23, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-026-05203-0 PMID:42337025	研究论文	通过整合深度学习提取的病理组学特征与临床变量，显著改善儿童髓母细胞瘤复发风险预测	首次将深度学习提取的H&E染色切片病理组学特征与临床变量整合，构建多模态模型用于儿童髓母细胞瘤复发风险分层，优于仅用临床或放射组学模型	单中心研究，样本量较小（109例），需要外部验证	评估整合深度学习病理组学特征是否能改善儿童髓母细胞瘤复发风险分层	儿童髓母细胞瘤患者	数字病理学, 机器学习	儿童髓母细胞瘤	H&E染色	XGBoost, ResNet-18	图像, 临床数据	109例儿童髓母细胞瘤患者（33例复发）	NA	ResNet-18, XGBoost	AUC, 平均精度, 三年无复发生存率	NA
7551	2026-06-25	Adaptive attention and severity estimation framework for robust pearl millet leaf disease identification 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58262-y PMID:42337346	研究论文	提出一种自适应严重度感知的Swin注意力网络（ASA-SAN），用于珍珠粟叶片病害的鲁棒检测与严重度估计	结合Swin Transformer编码器与ResUNet++解码器，引入自适应通道注意力和双流分类网络，并设计自适应病害严重度指数（ADSI）用于综合量化病害进展	未明确说明局限性	实现复杂田间条件下珍珠粟叶片病害的精确分割、分类与严重度估计，提升稳健性与可解释性	珍珠粟叶片，重点关注霜霉病和锈病等叶部病害	计算机视觉	植物病害	图像分割与分类	Swin Transformer + ResUNet++	图像	珍珠粟叶片数据集	PyTorch	Swin Transformer, ResUNet++, 自适应通道注意机制, 双流分类网络	Dice系数, IoU, 分类准确率, F1分数	NA
7552	2026-06-25	Semi-automatic mask guidance enhances 3D tumor segmentation in medical imaging 2026-Jun-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01735-y PMID:42337366	研究论文	提出一种半自动掩膜引导的3D肿瘤分割方法，通过少量用户交互提升分割精度	结合用户点击生成任务特定引导掩膜，增强CNN对非典型病灶的关注，降低假阴性率	仍需要用户进行交互点击，依赖软件界面操作；未评估在更大规模或更多样化人群中的泛化性	改善复杂腹部肿瘤的分割准确性，减少完全自动化方法的遗漏和误分类	肝、肾、胰腺肿瘤的CT扫描	计算机视觉	肿瘤	CT扫描	卷积神经网络 (CNN)	影像数据	726名患者的1,217次CT扫描	NA	CNN	Dice系数, 假阴性率 (FNR)	NA
7553	2026-06-25	Single-model deep learning approach for simultaneous cervical vertebral maturation staging and skeletal jaw relationship on lateral cephalograms using YOLOv8 and CNN 2026-06-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08578-y PMID:42337484	研究论文	开发一种基于YOLOv8和CNN的集成人工智能管道，用于在头颅侧位片上同时进行颈椎骨成熟分期和骨骼颌关系分类，并与人类观察者的结果进行验证	首次采用单一深度学习模型同时完成颈椎骨成熟分期和骨骼颌关系分类两项任务，并验证了与人类专家的一致性	研究样本可能局限于特定年龄范围（8-18岁）和特定人群，未对模型在不同设备或条件下的泛化性进行测试	验证集成AI模型在头颅侧位片上自动化评估颈椎骨成熟分期和骨骼颌关系的准确性和临床可行性	720张正畸科头颅侧位片，患者年龄8-18岁，根据McNamara标准分为6个颈椎阶段，根据ANB角分为骨骼I、II、III类	计算机视觉	NA	头颅侧位片	CNN, YOLOv8	图像	720张头颅侧位片（训练集540张，测试集180张）	NA	YOLOv8, CNN	加权kappa系数, Cohen's kappa系数	NA
7554	2026-06-25	CT-based automatic segmentation of key CSF regions for detecting disproportionately enlarged subarachnoid space hydrocephalus 2026-Jun-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00814-5 PMID:42337617	研究论文	开发并验证一种基于AI的CT图像分割模型，用于自动提取脑脊液关键区域以检测不成比例扩大的蛛网膜下腔脑积水	首次利用Cycle-GAN从MRI生成合成CT训练数据，并基于真实CT手动标注训练高精度分割模型，实现平扫CT上DESH相关脑脊液区域的自动化量化评估	基于合成CT的分割精度不足，最终依赖手动标注的真实CT数据；高凸面蛛网膜下腔和外侧裂池的分割Dice评分较低	开发并验证基于人工智能的CT图像分割模型，用于自动提取脑积水的脑脊液关键区域	平扫CT图像中的四个脑脊液区域：总脑室、总蛛网膜下腔、高凸面蛛网膜下腔、外侧裂及基底池	计算机视觉	特发性正常压力脑积水	CT成像	深度学习分割模型	图像	外部验证集60例（30例DESH和30例非DESH）；第二独立验证集115例连续患者	PyTorch	UNet	Dice系数, AUC, 灵敏度, 特异度	NA
7555	2026-06-25	Harmonized Dual Deep Learning Architectures for Image-Based Diagnostics of Skin Neglected Tropical Diseases: Benchmark Study via Novel Funnel Framework 2026-Jun-23, JMIR dermatology DOI:10.2196/91544 PMID:42337620	研究论文	通过新颖漏斗框架，为皮肤被忽视热带疾病设计基于图像的诊断基准模型	提出了一种新的漏斗框架方法，用于级联选择方法和模型，以及一种集成的数据增强方法，显著提升了模型性能	数据集较小且存在严重类别不平衡，建议未来使用更先进类别平衡方法和更多数据，并整合其他临床数据类型	设计一个用于皮肤被忽视热带疾病的基于图像的诊断基准模型	皮肤被忽视热带疾病的图像	计算机视觉	皮肤被忽视热带疾病	图像分类	卷积神经网络	图像	1495张图像，3个类别	NA	DenseNet121, MNv2	准确率, F1分数, 灵敏度	NA
7556	2026-06-25	Outer nuclear layer thinning as an in vivo biomarker for discriminating probable FTLD-tau from probable FTLD-TDP with PET-supported subtyping 2026-Jun-23, Alzheimer's research & therapy DOI:10.1186/s13195-026-02111-7 PMID:42337644	研究论文	本研究探讨外核层（ONL）变薄作为区分PET支持的疑似FTLD-tau与FTLD-TDP的体内生物标志物的价值	首次发现ONL变薄优先出现在疑似FTLD-tau中，并在基于PET的FTLD亚型区分中展现出探索性鉴别能力	需要神经病理学确认和液体生物标志物验证的进一步研究	评估ONL厚度能否为PET支持的疑似FTLD-tau与FTLD-TDP提供亚型信息性视网膜信号	FTLD患者的视网膜ONL厚度及认知评分	机器学习	额颞叶变性	扫频源光学相干断层扫描（SS-OCT）	深度学习算法	图像	86名参与者（21例pFTLD-tau、27例pFTLD-TDP和38名正常对照）	NA	NA	AUC，乐观校正AUC，Cohen's d，部分相关系数	NA
7557	2026-06-25	Hybrid Physics-Driven Deep Learning for Enhanced Ultrasound Image Quality and Speckle Noise Suppression 2026-Jun-23, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346261452679 PMID:42338181	研究论文	提出一种物理正则化自监督去噪U-Net（PR-SSD-Net），用于提升超声图像质量并抑制散斑噪声	将物理特性明确融入深度学习网络，通过物理正则化约束引导网络产生符合预期统计行为的残差噪声模式，实现高质量图像恢复	现有方法在去除噪声时难以同时保留关键细节，且未显式纳入散斑噪声的物理特性	提高超声图像质量和诊断可靠性	超声图像中的散斑噪声	计算机视觉	NA	NA	U-Net	图像	六个不同的超声数据集	PyTorch	U-Net	峰值信噪比, 结构相似性指数, Fleiss' kappa	NA
7558	2026-06-25	Causally-informed deep learning towards explainable and generalizable outcome prediction in critical care 2026-Jun-22, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103478 PMID:42335637	研究论文	提出一种因果引导的深度学习框架，用于重症监护中可解释且泛化的结局预测	将因果发现与深度学习相结合，同时识别临床结局的因果驱动因素并进行预测，实现决策透明化并提升泛化能力	未明确说明局限性	解决深度学习模型在临床应用中的黑箱性和泛化性不足问题	重症监护中的临床结局预测，包括急性肾损伤、心肌梗死、循环衰竭等	机器学习	重症疾病	因果发现	深度学习（因果引导）	临床数据	未明确说明	NA	NA	准确率	NA
7559	2026-06-25	Accurate identification of cytochrome P450 proteins using multimodal integration of protein language models 2026-Jun-21, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.153150 PMID:42324002	研究论文	提出一种整合蛋白质语言模型的多模态深度学习框架，用于高精度识别细胞色素P450蛋白	首次将蛋白质序列信息、语义嵌入和进化保守信号等多模态特征融合，并系统评估了超过1000种模态组合，揭示最优组合的互补性	未提及跨物种泛化能力验证及对极端序列变异的鲁棒性评估	解决CYP450蛋白亚家族间序列多样性高、同源性低导致的远程同源检测难题，提升大规模蛋白质组数据中识别准确性	细胞色素P450（CYP450）蛋白超家族	机器学习	不适用	蛋白质预训练语言模型（PLMs）、多模态特征融合	深度学习框架（多模态集成模型）	蛋白质序列数据（序列信息、语义嵌入、进化保守信号）	未明确说明训练/测试集样本量	PyTorch	蛋白质语言模型（PLMs）基础架构	准确率, AUROC	未明确说明
7560	2026-06-25	Beyond diagnosis: AI-based surgical risk assessment in Acanthamoeba keratitis with real-world validation 2026-Jun-18, The ocular surface DOI:10.1016/j.jtos.2026.06.014 PMID:42309390	研究论文	开发并外部验证基于裂隙灯照片的深度学习模型，用于区分棘阿米巴角膜炎患者是否需要手术治疗	首次将深度学习应用于棘阿米巴角膜炎的严重程度分类，并通过外部验证证明了模型的稳健泛化能力	NA	开发并验证深度学习模型，用于从裂隙灯照片中识别需要手术治疗的棘阿米巴角膜炎患者	棘阿米巴角膜炎患者的裂隙灯图像	计算机视觉	角膜炎（棘阿米巴角膜炎）	裂隙灯摄影	卷积神经网络（CNN）	图像	104名患者的1410张裂隙灯图像；外部验证集含110张图像	NA	ResNet50	准确率、敏感度、特异性、AUC、平均精密度、F1分数	NA