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
781	2026-08-28	AI-based multimodal fusion for preoperative prediction of breast microcalcifications: combining mammography and tomosynthesis 2026-Aug-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02673-w PMID:42638095	研究论文	本研究旨在开发基于乳腺X线摄影（MG）和数字乳腺断层合成（DBT）的人工智能模型，用于无创术前区分良恶性乳腺微钙化。	首次将乳腺X线摄影和断层合成的放射组学特征与深度学习评分通过多模态融合技术结合，以提升乳腺微钙化术前诊断的准确性。	未明确提及局限性。	开发并验证基于MG和DBT图像的人工智能模型，以提高乳腺微钙化良恶性鉴别的无创术前诊断准确性。	190例经病理确诊的乳腺微钙化患者。	医学影像分析	乳腺癌	影像组学、深度学习、多模态融合	卷积神经网络（CNN）	医学图像（乳腺X线摄影和断层合成影像）	190例患者，按7:3比例分为训练集和测试集	未明确提及	ResNet-50	AUC（曲线下面积）、DeLong检验	未明确提及
782	2026-08-28	Deep Learning for Ear-EEG-Based Brain-Computer Interface: A Systematic Comparison and Design Insights 2026-Aug-12, Biosensors DOI:10.3390/bios16080437 PMID:42645055	研究论文	本研究系统比较了23种深度学习架构在耳部脑电（ear-EEG）脑机接口中的表现，并提供了设计见解	首次对耳部脑电进行如此广泛的深度学习架构系统比较，并联合考虑统计显著性和性能-成本权衡来确定最优架构	未在论文标题和摘要中明确提及局限性	为耳部脑电脑机接口提供可靠的解码策略，并识别适用于该信号域的最佳深度学习架构	耳部脑电信号中的心理意象分类任务	机器学习, 数字信号处理	NA	脑电图（EEG）	深度神经网络（包括FBLightConvNet等）	时间序列信号（耳部EEG数据）	NA（回顾性分析先前研究的数据集）	NA	FBLightConvNet, 其他22种深度神经网络架构	分类准确率, 参数量, 计算成本	NA
783	2026-08-28	Cross-Device Risk Calibration for Surface-Enhanced Raman Spectroscopy-Based Urologic Disease Classification 2026-08-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c02588 PMID:42503664	研究论文	本研究提出了一种跨设备风险校准方法，用于基于表面增强拉曼光谱的泌尿系统疾病分类，以提高分类的可靠性和泛化能力	创新性地结合导数引导的双流分类器与软风险保留/延迟分诊机制，并采用支持依赖的少样本协方差对齐来处理跨设备/采集条件的复合分布偏移，同时引入双证据门控增强对未知输入的识别能力	外部验证仅覆盖四个已知类别，且前列腺癌作为未知输入的测试仅在特定条件下进行，可能限制了方法的全面泛化评估	解决SERS结合深度学习在泌尿系统疾病分类中面临的过度自信预测和跨设备分布偏移问题，实现可靠的分类输出	泌尿系统疾病患者的光谱数据，包括已知类别的样本和作为未知输入的前列腺癌样本	数字病理学, 机器学习	泌尿系统疾病, 前列腺癌	表面增强拉曼光谱（SERS）	双流分类器（具体可能为CNN或其他深度学习模型）	光谱数据	未明确给出具体数量，涉及内部和外部数据集中的患者样本	未明确指定	导数引导的双流分类器，包含软风险保留/延迟分诊机制和双证据门控	准确率（accuracy），未知患者延迟率（defer rate）	未明确指定
784	2026-08-28	Process-Aware Deep Learning for Low-Cost Greenhouse Gas Sensing: Insights from Composting toward Scalable Anthropogenic Activities Applications 2026-08-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00490 PMID:42503795	研究论文	开发了一种名为GHGsNet的低成本、过程感知深度学习框架，用于预测堆肥过程中CO2、CH4和N2O的排放	创新性地将过程感知信息（气体状态变量和关键过程参数）嵌入深度学习架构，显著提高了低成本传感器在高温高湿条件下的温室气体预测准确性	摘要中未明确提及局限性，可能需要进一步研究其他人为活动的适用性	实现低成本温室气体监测，克服低成本传感器的信号漂移、交叉敏感性和极端环境下的不稳定响应问题	堆肥过程中的温室气体排放，包括CO2、CH4和N2O	机器学习	NA	低成本气体传感器、16S rRNA测序	深度学习	气体传感器信号、气体状态变量、过程参数、微生物数据	使用大规模堆肥数据进行独立验证，具体样本量未在摘要中说明	NA	GHGsNet（气体特异深度学习架构）	R²	NA
785	2026-08-28	Multimodal Raman-Gene Framework for Interpretable Phenotypic Antibiotic Resistance and Health Risk Stratification 2026-08-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01863 PMID:42578845	研究论文	开发了一种无培养的多模态拉曼-基因-深度学习策略，用于尿液样本中抗生素耐药性的表型分析和健康风险评估	首次将SERS表型指纹与靶向基因信息整合，实现无需细菌分离培养的直接耐药性表征，并新增了健康风险评估功能	未提及具体局限性，但作为概念验证研究，可能需进一步验证其临床适用性和广泛性	实现快速、无培养的抗生素耐药性表型分析和健康风险评估，以支持临床决策和感染控制	临床尿液样本中的抗生素耐药菌	机器学习	抗生素耐药性感染	表面增强拉曼光谱（SERS）、靶向基因检测	深度学习模型	光谱数据、基因数据	未明确说明样本数量	NA	NA	准确性	NA
786	2026-08-28	MSA-CNN: A Multi-Scale Attention Convolutional Neural Network for fNIRS-Based Emotion Recognition 2026-Aug-09, Biosensors DOI:10.3390/bios16080434 PMID:42645052	研究论文	提出了一种多尺度注意力卷积神经网络（MSA-CNN）用于基于功能性近红外光谱（fNIRS）的跨被试情绪识别，在自采集数据集和公开的ENTER数据集上进行了LOSO评估	将多尺度时间卷积与双注意力机制（通道注意力和时间注意力）有效集成，用于提取不同时间分辨率下的血流动力学特征并自适应强调重要脑区和关键时间片段	受试者群体规模有限；仅进行了单一数据集内的跨被试评估，未进行跨数据集训练测试；未来需要扩展被试群体并结合多模态神经信号以提升鲁棒性和泛化性	解决fNIRS情绪识别中神经反应显著个体差异导致的跨被试情绪识别难题，提高LOSO协议下的识别性能	fNIRS记录的情绪相关脑血流动力学信号（氧气和脱氧血红蛋白浓度变化时间序列）	机器学习	NA	功能性近红外光谱（fNIRS）	卷积神经网络（CNN）	时间序列数据（fNIRS信号）	自采集的fNIRS情绪数据集和公开的ENTER数据集（具体受试者数量未在摘要中说明）	NA	多尺度时间卷积结构（包含不同卷积核尺寸的并行分支），结合通道注意力模块和时间注意力模块，构成了多尺度注意力卷积神经网络（MSA-CNN）	准确率（Accuracy）、F1分数（F1-score）、精确率（Precision）、召回率（Recall）	NA
787	2026-08-28	scDAU: a disentangled representation learning method for cross-modal translation in single-cell multi-omics data 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag610 PMID:42605072	研究论文	提出scDAU，一种结合条件扩散特征正则化和多尺度跨模态翻译网络的深度学习方法，用于单细胞多组学数据的跨模态翻译	采用特征解耦策略分离共享语义与模态特异性成分，结合条件扩散正则化和U-Net架构实现精确的双向翻译，并在跨数据集和未见细胞类型上表现优越	未明确提及局限性	实现单细胞多组学数据的跨模态翻译，以重建缺失模态并支持整合分析	单细胞多组学数据，包括转录组和染色质可及性数据，以及转录组-蛋白质组翻译	深度学习，单细胞多组学	胶质母细胞瘤	单细胞多组学测序	扩散模型、U-Net	单细胞多组学数据（基因表达、染色质可及性、蛋白质组）	多个基准数据集和一个人类胶质母细胞瘤数据集	PyTorch	U-Net	准确性，精确度，召回率，F1分数，AUC等	NA
788	2026-08-28	Synthetic sequence alignments as programmable probes of learned conformational landscapes in deep learning protein structure predictors 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag605 PMID:42581579	研究论文	本文介绍了一种使用合成多重序列比对作为可编程探针，来探究深度学习蛋白质结构预测器（如AlphaFold2、AlphaFold3和RoseTTAFold）所学习的构象景观的方法	提出了一种通过在蛋白质结构预测器中插入设计好的合成多重序列比对来系统性地偏置其预测构象状态的新方法，并能够引导模型访问通过自然序列信息无法获得的替代构象	未明确提及	探究深度学习蛋白质结构预测器内部所学习的构象景观，并开发一种能够引导模型访问生物学相关隐藏状态的方法	折叠转换蛋白及深度学习蛋白质结构预测器	蛋白质结构预测	NA	逆向折叠、分子动力学模拟、多重序列比对设计	深度学习模型	蛋白质序列和结构数据	未明确提及	NA	AlphaFold2, AlphaFold3, RoseTTAFold	构象状态偏向成功率、序列依赖性分析	NA
789	2026-08-28	Swarm Intelligence-Guided Hybrid Transfer Learning for Gastrointestinal Polyp Classification 2026-Aug-03, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080541 PMID:42645260	研究论文	本文提出一种基于群体智能增强的多骨干深度学习框架，用于胃肠道息肉分类，在Kvasir基准上实现八类病变分类，并探索了分类头架构搜索和特征融合策略。	创新点在于使用群体智能算法（如粒子群优化、人工蜂群等）自动搜索分类头架构，并融合四种CNN骨干特征，同时利用群体智能引导的类别权重优化提升临床重要类别的F1分数，此外还引入了基于梯度的类激活映射和最小充分区域分析以提供可解释性。	存在对单一数据集的依赖、跨数据集评估有限以及训练种子未收敛的风险。	旨在通过自动化的多骨干特征融合和群体智能引导的架构搜索，提高胃肠道病变分类的准确性和可解释性，以辅助早期结直肠癌检测。	研究对象为胃肠道内镜图像，具体为Kvasir数据集中的八类病变图像。	计算机视觉	结直肠癌	迁移学习、特征提取、PCA降维	CNN	图像	Kvasir v1、Kvasir v2和HyperKvasir数据集，具体样本数量未在摘要中说明	未明确提及	ResNet50, DenseNet121, MobileNetV2, EfficientNetB3	准确率, F1分数, Wilcoxon检验	未明确提及
790	2026-08-28	Deep Learning-Based Prediction of Epithelial Cytokine Responses for the Selection of Functionally Consistent Airway Organoids 2026-Aug-03, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080547 PMID:42645267	研究论文	提出了一种基于深度学习、非破坏性的成像引导框架，用于预测气道类器官的细胞因子反应，并选择功能一致的类器官培养皿。	首次利用明场图像和TabNet模型，非破坏性地预测类器官培养皿的炎症反应，实现功能一致性的选择。	仅研究了两种细胞因子（TSLP和IL-33），可能未涵盖所有炎症反应。	开发成像引导的深度学习框架，预测类器官培养皿的细胞因子反应，选择功能一致的类器官，提高实验可重复性	人气道类器官培养皿（Matrigel dome）	数字病理学	气道炎症	RT-qPCR	TabNet	明场图像	未明确说明培养皿数量	PyTorch	TabNet	平衡准确率	未提及
791	2026-08-28	Predicting the onset of myopia in children and adolescents using artificial intelligence: A systematic review and meta-analysis 2026-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105546 PMID:42285273	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估人工智能模型在预测儿童和青少年近视发病中的性能。	首次对AI预测近视发病的模型进行系统综述和荟萃分析，采用PROBAST+AI评估偏倚风险，并应用GRADE评估证据确定性。	纳入研究数量有限（仅7项），异质性高，研究存在高偏倚风险，缺乏外部验证，且地域分布不均衡。	评估AI模型预测儿童和青少年近视发病的性能，并探讨其临床实用性。	儿童和青少年近视发病预测模型。	机器学习	近视	NA	传统机器学习模型和深度学习模型	NA	7项研究，共24个模型	NA	NA	曲线下面积（AUC）、异质性（I²）、证据确定性（GRADE）	NA
792	2026-08-28	PhosSight: A Unified Deep Learning Framework Boosting and Accelerating Phosphoproteome Identification to Enable Biological Discoveries 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75856 PMID:42201678	研究论文	提出了一个统一深度学习框架PhosSight，用于增强和加速磷酸化蛋白质组鉴定，以促进生物学发现	PhosDetect模型显式编码磷酸化特异性理化特征以准确预测肽段可检测性，并利用该预测引导DDA数据重打分和DIA库修剪，提升鉴定深度和搜索效率	未提及具体局限性	开发统一深度学习框架以增强磷酸化蛋白质组鉴定深度和加速搜索效率，从而支持生物学发现	磷酸化肽段和蛋白质组数据，包括合成数据集和真实世界数据集	蛋白质组学	子宫内膜癌	质谱法	深度学习框架	蛋白质组学数据	大规模子宫体子宫内膜癌队列	NA	PhosDetect	敏感性、定量能力	NA
793	2026-08-28	Challenging cases for AlphaFold: two multidomain proteins with zinc-binding-, phosphorylation- or dimerization-driven conformational changes 2026-Aug, European biophysics journal : EBJ DOI:10.1007/s00249-026-01854-3 PMID:42371046	研究论文	本研究测试了AlphaFold对两个具有复杂构象变化的多结构域蛋白（LicT和P1）的结构预测性能，发现其无法同时正确预测所有结构域	针对AlphaFold难以处理的多结构域蛋白，特别是具有锌结合、磷酸化或二聚化驱动的构象变化的蛋白质，评估其预测局限性	AlphaFold无法同时正确预测所有结构域，表明其在处理复杂构象变化方面的局限性	评估AlphaFold对具有复杂构象景观的多结构域蛋白的结构预测能力	LicT蛋白（来自枯草芽孢杆菌）和P1蛋白（来自水稻黄斑驳病毒）	蛋白质结构预测	不适用	AlphaFold	AlphaFold（深度学习模型）	氨基酸序列	两个多结构域蛋白	不适用	AlphaFold	预测准确性（未明确指标）	不适用
794	2026-08-28	Evaluation of AI-derived LAD artery dose metrics for survival stratification in stage III NSCLC: A secondary analysis of RTOG 0617 trial 2026-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.70621 PMID:42545172	研究论文	本研究评估了三种深度学习自动分割模型在RTOG 0617试验数据集上自动分割左前降支动脉的可行性，并验证其能否在群体水平上重现剂量-生存关联	首次在大型多中心临床试验数据集上验证自动分割模型在临床结局分析中的可行性，并评估了不同模型的生存分层性能	缺乏配对的手动轮廓进行比较，且需要预先指定的截断值进行进一步验证	评估自动LAD分割在群体水平上能否重现已知的剂量-生存关联	RTOG 0617试验中的460例III期非小细胞肺癌患者	医学影像分析	非小细胞肺癌	深度学习自动分割	深度学习模型	CT影像	460例非小细胞肺癌患者	NA	三种不同的深度学习自动分割模型	风险比、生存曲线、p值、平均绝对误差	NA
795	2026-08-28	CLDN18.2 antibody design with protein language models: A deep learning optimization framework 2026-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014499 PMID:42623408	研究论文	本研究提出基于GPT-2的深度学习框架cdrGPT，用于从头生成CDRH3序列，并结合结构模板、拒绝采样和多参数目标函数优化，以设计针对CLDN18.2的高亲和力且可开发性良好的抗体变体。	创新性地将GPT-2语言模型应用于CDRH3序列的从头生成，并整合结构模板、多参数目标函数（亲和力和MHC II类结合风险）以及迭代优化流程，实现了抗体亲和力与可开发性的同步优化。	摘要中未提及明确的局限性。	开发一种深度学习优化框架，用于设计针对CLDN18.2的抗体CDRH3序列，以同时优化亲和力和可开发性。	CLDN18.2抗原及其治疗性抗体，特别是CDRH3区域序列。	机器学习	癌症	蛋白质语言模型（GPT-2、ESM2）与AlphaFold3结构预测。	GPT-2（生成模型）、ESM2（嵌入模型）、AlphaFold3（结构预测模型）	蛋白质序列和结构数据	生成初始50,000条序列，筛选出313条高置信度候选序列，并验证其中7条代表性序列。	NA	GPT-2、ESM2、AlphaFold3	RMSD、余弦相似度、位置偏差	NA
796	2026-08-28	Multimodal contrastive learning for integrating molecular representations and cellular phenotypes in drug-target interaction prediction 2026-Aug-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag368 PMID:42635222	研究论文	提出一种双阶段对比学习框架，整合药物结构、蛋白质序列和细胞绘画形态特征，用于药物-靶点相互作用预测	首次将细胞绘画形态特征整合到药物-靶点相互作用预测中，通过多正样本对比学习对齐分子结构与细胞表型表征	跨模态检索在骨架划分下性能下降显著（Recall@10从0.77降至0.33），可能受限于分子结构相似性分布差异	通过整合分子结构信息和细胞表型数据，提高药物-靶点相互作用预测的准确性和生物可解释性	药物分子结构、蛋白质序列、细胞绘画形态图像及其相互作用关系	机器学习、计算生物学	NA	细胞绘画高通量成像	对比学习模型	图像、序列、分子图	未在摘要中明确说明，涉及Cell Painting形态谱和BIOSNAP数据集的外部验证	PyTorch	多模态对比学习框架（双阶段结构）	Recall@10、AUC	NA
797	2026-08-28	A decade of artificial intelligence research in ophthalmology: Global trends and transferable insights for medical AI 2026-Aug, PLOS digital health DOI:10.1371/journal.pdig.0001347 PMID:42640898	research paper	本文通过系统文献计量分析，总结2015-2025年间眼科人工智能研究的全球趋势，并为医学AI的演变提供可迁移的见解	利用LLM辅助管道对文献进行分类，并评估其与人工分级的一致性，首次揭示眼科AI领域从窄图像深度学习向评估研究、基础模型和多模态数据整合的演变轨迹	仅基于已发表的英文文献，可能遗漏非英文或未索引的研究；LLM辅助分类虽有评估，但可能仍有误差	表征眼科AI研究在2015-2025年的全球趋势，为医学AI的成熟过程提供参考	2015-2025年间Web of Science核心合集、Scopus和PubMed收录的眼科AI原始研究文章	数字病理学	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、角膜病、白内障、近视	眼科AI文献的文献计量分析	基础模型、经典深度学习	文本、图像（包括彩色眼底照相和视网膜光学相干断层扫描）	12,911篇文献	NA	经典深度学习、基础模型	复合年增长率、分类一致性	NA
798	2026-08-28	A hybrid deep learning and quantum computing framework enhances cybersecurity threat detection and analysis 2026-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61497-4 PMID:42637840	研究论文	本研究提出了一种混合深度学习和量子计算框架，用于增强网络安全威胁的检测与分析	首次将CNN、RNN与变分量子电路（VQC）相结合，构建混合模型以提升网络威胁检测的准确性和适应性	预处理阶段耗时且劳动密集，涉及标准化、特征选择、时间结构化和特征平衡等复杂步骤	开发一种可扩展、智能且实时的混合深度学习和量子计算框架，用于检测网络流量中的异常和网络攻击	网络流量数据，具体为CICIDS-2017数据集中的多种网络攻击类别	机器学习	NA	NA	CNN、RNN、变分量子电路（VQC）	网络流量数据	未明确说明，使用CICIDS-2017数据集	NA	卷积神经网络（CNN）、循环神经网络（RNN）、变分量子电路（VQC）	准确率、召回率、F1分数、ROC-AUC	NA
799	2026-08-28	Advances in Machine Learning-Assisted Optical Sensing Arrays for Disease Diagnosis 2026-Jul-31, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080531 PMID:42645248	综述	系统回顾了机器学习增强光学传感阵列在疾病诊断中的应用，重点探讨比色、荧光和表面增强拉曼散射三种传感模态与机器学习算法的协同作用	系统性地评估了无监督、监督和深度学习范式如何协同增强三种光学传感模态的诊断性能，并讨论了数据标准化、模型可解释性和临床转化等关键挑战	主要面临数据标准化不足、模型可解释性有限和临床转化困难等挑战	综述机器学习增强光学传感阵列在疾病诊断中的应用进展，并展望智能、即时检测和个性化诊断系统的发展方向	光学传感阵列、机器学习算法及相关疾病诊断应用案例	机器学习	癌症、传染病	比色传感、荧光传感、表面增强拉曼散射	机器学习模型（包括无监督、监督和深度学习模型）	光学传感阵列生成的多维复杂数据	未提及具体样本数量	未在标题和摘要中提及	未在标题和摘要中提及	未在标题和摘要中提及	未在标题和摘要中提及
800	2026-08-28	Explain COVIDNet: Explainable AI for Transparent and Reliable X-ray Screening 2026-Jul-30, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2026.07.001 PMID:42532199	研究论文	提出Explain-COVIDNet框架，通过结合小波对比度增强、Medical GoogLeNet和XGrad-CAM解释性技术，提高胸部X光图像中COVID-19检测的准确性、可解释性和临床可靠性	引入小波对比度增强器结合离散小波变换和对比度限制自适应直方图均衡化进行预处理，采用154层Medical GoogLeNet架构配合Leaky ReLU保留图像细节，并集成XGrad-CAM生成类特定热图以增强模型透明度	未明确提及，但可能局限于依赖X光图像数据及特定数据集，泛化性有待验证	开发一个可解释、可靠且计算高效的深度学习框架，用于从胸部X光图像中自动检测COVID-19	胸部X光图像	计算机视觉、数字病理	COVID-19	X光成像	CNN	图像	两个基准数据集（具体样本数未提供）	NA	Medical GoogLeNet、XGrad-CAM	准确率、F1分数、AUC、Cohen's Kappa	NA