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
8561	2026-06-09	A Multimodal Deep Learning Model for Objective Identification of Sub-health Status in Traditional Chinese Medicine 2026-Jun-01, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073484389260528213445 PMID:42253198	研究论文	提出一种融合舌象、面部图像和红外热像的多模态深度学习模型，结合专家经验，用于亚健康状态的中医体质客观识别	首次将中医体质分类理论与多模态深度学习结合，并通过结构化提示将专家知识嵌入数据驱动框架，以优化特征融合和分类性能	PDC和QDC体质性能相对较低（准确率约0.77，AUC约0.73），且样本量有限（1389名参与者），未提及外部验证	实现亚健康状态的客观量化与准确分类，为早期筛查和健康管理提供技术参考	1389名参与者的中医体质状态（包括平和质、气虚质等八种体质）	计算机视觉，机器学习	亚健康	不适用	卷积神经网络（CNN），注意力机制	图像（舌图像、面部图像、红外热图像）	1389名参与者	PyTorch	ResNet-18，交叉注意力融合机制	准确率、召回率、精确率、特异性、AUC	不适用
8562	2026-06-09	Comparison of deep learning and particle smoother EM methods for estimation of Rb-82 myocardial perfusion PET kinetic parameters 2026-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.70512 PMID:42253226	研究论文	对比深度学习和粒子平滑器期望最大化方法用于铷-82心肌灌注PET动力学参数估计	首次开发并评估基于粒子平滑器的期望最大化（PSEM）方法和卷积神经网络（CNN）用于铷-82心肌灌注PET的动力学参数估计，并证明CNN在参数估计准确性上显著优于传统方法	CNN在输入函数分布外条件下性能下降；PSEM方法在不同参数上表现不一，需进一步方法优化	评估两种替代动力学分析方法（PSEM和CNN）用于铷-82心肌灌注PET参数估计的效果	铷-82心肌灌注PET的动力学参数（F, k3, k4）	计算机视觉	心血管疾病	PET	CNN	图像	NA	NA	卷积神经网络	相对误差	NA
8563	2026-06-09	From satellite imagery to material outflows: master plan and deep learning-based quantification of demolition materials to support circular construction 2026-Jun, Journal of environmental health science & engineering DOI:10.1007/s40201-026-00978-0 PMID:42253472	研究论文	提出一种基于城市总体规划与深度学习的方法，从卫星影像中量化建筑拆除材料以支持循环建设	首次将城市总体规划与Mask RCNN模型结合，自动识别潜在拆除建筑并量化其材料组成，为城市尺度循环经济提供新路径	模型仅依赖单一城市（阿斯塔纳）数据，且历史拆除活动依赖手动识别，可能影响泛化性	通过卫星影像和深度学习量化拆除废料，支持循环经济在城市建筑领域的应用	哈萨克斯坦阿斯塔纳市的建筑拆除活动及产生的材料	计算机视觉	无相关疾病	卫星影像分析	CNN	图像	2016-2022年间近4500个拆除工程，涉及约108 Mt拆除材料	ArcGIS, PyTorch	Mask RCNN	基于对象的召回率（≥50%重叠）、足迹面积平均误差	NA
8564	2026-06-09	Use of Artificial Intelligence in the Early Diagnosis of Oral Cancer: Current Update, Limitations and Future Perspectives 2026-Jun, Journal of dentistry (Shiraz, Iran) DOI:10.30476/dentjods.2025.105757.2609 PMID:42253830	comments	探讨人工智能在口腔癌早期诊断中的应用、局限性与未来展望	概述了机器学习与深度学习算法在口腔癌检测中的最新应用，强调了AI在分析临床图像、患者数据及其他诊断工具中的作用，以识别癌前病变并减少诊断延误	NA	评估人工智能在口腔癌早期诊断中的整合应用，并讨论未来前景	口腔癌早期诊断中的AI技术应用案例及相关数据	machine learning	口腔癌	NA	机器学习与深度学习模型	临床图像、患者数据及诊断工具数据	NA	NA	NA	NA	NA
8565	2026-06-09	ArabiCCR: A commercial Arabic ruling court cases dataset with judicial decisions 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112844 PMID:42254583	研究论文	本文介绍了一个从沙特司法部官网收集的商业法庭判决数据集，包含阿拉伯语司法判决，并公开提供以支持阿拉伯语法律文本处理研究	首次系统收集并公开沙特商业法庭判决数据集，包含案件叙述、法律推理和最终判决，经匿名化处理支持可重复分析	未明确提及限制，但数据集仅聚焦商业案件类型，可能无法覆盖其他案件领域	为阿拉伯语法律文本处理和司法推理研究提供数据集资源	沙特商业法庭判决案件的文本数据	自然语言处理	NA	NA	NA	文本	多个商业法庭判决案例，具体数量未在摘要中说明	NA	NA	NA	NA
8566	2026-06-09	Prompt mechanisms in medical imaging: A comprehensive survey 2026-Jun-01, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101271 PMID:42254959	综述	全面调研基于提示机制在医学影像中的深度学习方法，分析其性能提升与临床部署挑战	系统梳理文本指令、视觉提示、可学习嵌入等多种提示模态，揭示其在图像生成、分割、分类等任务中的双重优势（性能提升与方法论创新）	提示设计优化、数据异质性与临床可扩展性仍存在持续挑战	评估提示工程在医学影像中的发展现状，推动临床诊断与个性化治疗规划的革命	医学影像中的提示机制（文本指令、视觉提示、可学习嵌入）及其在生成、分割、分类任务中的应用	计算机视觉, 数字病理	NA	NA	深度学习模型	医学影像	NA	NA	NA	准确率, 鲁棒性, 数据效率	NA
8567	2026-06-09	Natural-language-processing and safety-engineering-based fault identification technique for electrochemical ESSs 2026-Jun-01, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101277 PMID:42254964	研究论文	提出一种结合自然语言处理、深度学习和安全工程的电化学储能系统故障诊断框架，用于识别和分析ESS故障	首次将自然语言处理与安全工程方法（Bow-Tie和故障模式分析）相结合，利用大语言模型生成合成故障案例以增强数据多样性，并引入自注意力增强卷积神经网络实现高精度分类	未提及具体限制	开发一种能够实时监测、智能诊断和主动管理电化学储能系统故障的综合方法	电化学储能系统的故障日志和非结构化报告	自然语言处理, 机器学习	NA	自然语言处理, 深度学习, 安全工程	CNN	文本	全球ESS故障日志，经大语言模型增强以平衡各类别数据，具体样本量未提及	NA	自注意力增强CNN	准确率, F1分数	NA
8568	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
8569	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
8570	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
8571	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
8572	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
8573	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）
8574	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
8575	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
8576	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
8577	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
8578	2026-06-09	Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome 2026-May, La Radiologia medica DOI:10.1007/s11547-026-02188-y PMID:41670888	研究论文	本研究采用动态肩部超声并结合深度学习技术，用于临床区分肩峰下撞击综合征	首次将Faster R-CNN与自迁移学习CNN（STL-CNN）在动态超声中的标志点定位性能进行比较，并集成一维卷积神经网络（1D-CNN）基于运动指标进行SIS分类	当前工作流程需要离线视频分析，未来需实现实时实施并提高泛化能力	评估深度学习模型在动态肩部超声中预测肩峰下撞击综合征的诊断性能	肩峰下撞击综合征患者和健康对照者的动态肩部超声图像	计算机视觉	肩峰下撞击综合征	动态超声成像	Faster R-CNN, STL-CNN, 1D-CNN	超声影像	59名SIS患者和59名对照者	NA	Faster R-CNN, STL-CNN, 1D-CNN	准确率, 平均距离误差	NA
8579	2026-06-09	Unraveling Glycation-Induced Structure-Function Nexus in Food Proteins: From Analytical Innovations to AI-Assisted Design 2026-05, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70477 PMID:41957905	综述	探讨糖化反应引起的食物蛋白质结构-功能关系，涵盖分析技术创新与人工智能辅助设计	提出利用人工智能（特别是深度学习和逆向设计）整合多维数据，预测并优化糖化模式，以加速功能性蛋白质的理性开发	依赖综述性质，缺乏实验验证；人工智能方法在糖化蛋白质领域的实际应用尚处于起步阶段	阐明糖化诱导的结构修饰如何改变蛋白质功能性能，并为功能性蛋白质的理性开发提供系统性框架	糖化修饰的食物蛋白质及其结构-功能关系	机器学习	NA	糖化反应、位点定位、构象分析、多源数据挖掘、深度学习	深度学习模型、逆向设计模型	结构数据、功能数据、多源数据	NA	PyTorch, TensorFlow	深度神经网络、逆向设计架构	NA	NA
8580	2026-06-09	Artificial Intelligence for Food Packaging: A Life Cycle-Oriented Review of Material Performance, Functionality, Safety, and Sustainability 2026-05, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70486 PMID:42021492	综述	系统分析人工智能在食品包装全生命周期中的应用，涵盖材料性能、功能、安全性和可持续性	提出面向生命周期的框架，将主要AI范式与食品包装六大关键领域相关联，并强调混合模型在复杂系统中的鲁棒性优势	数据质量、模型泛化能力和法规接受度等方面的挑战	评估AI在食品包装材料设计、生产优化、质量预测、安全保障、智能标签与追溯、回收等环节的应用现状与潜力	2021-2025年Web of Science核心合集中与AI在食品包装应用相关的同行评审研究	机器学习	NA	NA	监督学习、无监督学习、强化学习、深度学习、混合模型	NA	NA	NA	NA	NA	NA