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
961	2026-09-23	Diagnostic accuracy & clinical importance of AI confidence for extremity fracture detection: 2,508-patient retrospective cohort 2026-Sep-22, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-026-02546-3 PMID:42768188	研究论文	评估深度学习算法在X光片上检测四肢骨折的诊断性能，并分析AI置信度分层及成人与儿童之间的差异	采用精细参考标准评估算法，并比较AI内置置信度（高 vs. 低）对阳性预测值的影响，以及成人与儿童之间的诊断性能差异	回顾性单中心研究，可能存在选择偏倚	估计深度学习算法在2岁及以上患者X光片上检测四肢骨折的诊断性能，并比较不同置信度水平及成人与儿童的诊断性能	2岁及以上疑似四肢骨折并接受X光检查的患者	计算机视觉	骨科疾病	X光摄影	CNN	图像	2508名患者（中位年龄34岁，范围2-105岁，1236名男性；815名患者共有1028处骨折）	NA	NA	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
962	2026-09-23	A deep learning-enhanced surface acoustic wave platform for contact-free in situ biomechanical characterization of embryos 2026-Sep-22, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01196e PMID:42770340	研究论文	本文介绍了一种新型生物传感器平台，结合声表面波（SAW）和深度学习，用于胚胎的非接触式力学表征	1. 微流控系统结合SAW和深度学习实现胚胎机械强度的自动化定量；2. 建立了SAW功率与声辐射力之间的定量拟合模型，用于精确机械加载；3. 首次提供了胚胎机械阈值的定量图谱，系统测量了导致发育停滞的表观最大压应力（MCS）和导致胚胎破裂的表观极限压强度（UCS）	摘要中未明确提及	评估胚胎的机械强度以评价其发育能力	胚胎（从受精卵到咽囊期）	数字病理学	NA	声表面波（SAW）	深度学习	图像	NA	NA	NA	表观最大压应力（MCS）、表观极限压强度（UCS）	NA
963	2026-09-23	Enhanced tactile coding in rat neocortex under darkness 2026-Sep-21, eLife IF:6.4Q1 DOI:10.7554/eLife.106554 PMID:42765594	研究论文	本研究探索了在黑暗条件下大鼠初级体感皮层（S1）中触觉神经编码的变化，发现触觉刺激的神经表征在黑暗中变得更加清晰，表明视觉输入缺失时感觉处理发生重组	首次使用卷积神经网络解码高维LFP信号，揭示了视觉剥夺下触觉神经表征的重组，而传统的基于振幅的分析未能捕捉到这些变化	研究仅基于大鼠模型，样本量有限，未涉及其他感觉模态或长期视觉剥夺的影响	探究视觉输入缺失如何改变大鼠初级体感皮层（S1）的触觉神经编码	训练在定制跑步机上的大鼠，接触不同触觉纹理（粗糙和光滑）	机器学习	NA	局部场电位（LFP）记录	CNN	时间序列信号（LFP）	NA	NA	卷积神经网络	NA	NA
964	2026-09-23	Deep learning-driven de novo discovery of binders targeting the transmembrane domain of BamA 2026-Sep-21, Archives of microbiology IF:2.3Q3 DOI:10.1007/s00203-026-05218-5 PMID:42766017	研究论文	本研究建立了一个人工智能驱动的框架，用于设计和筛选靶向BamA跨膜结构域的结合剂，通过多通道卷积神经网络和分子动力学模拟验证候选分子的稳定性和结合潜力	首次针对BamA跨膜结构域进行人工智能驱动的从头设计，开发了多通道卷积神经网络DeepTM-Bind整合异质蛋白质特征，建立了多维评估系统指导从头设计策略，并揭示了之前未识别的结合模式	摘要中未明确提及研究局限性	开发人工智能驱动的框架来设计和筛选靶向BamA跨膜结构域的结合剂，以应对多重耐药革兰阴性菌的挑战	BamA跨膜结构域及其结合剂	机器学习	抗微生物耐药性	深度学习、分子动力学模拟、多尺度机制分析	CNN	蛋白质特征数据	NA	NA	多通道卷积神经网络	预测准确性	NA
965	2026-09-23	Deep Generative and Graph-Based Representation Learning for Multiomics Survival Stratification in Ovarian Cancer: Secondary Analysis 2026-Sep-21, JMIR bioinformatics and biotechnology DOI:10.2196/89069 PMID:42766802	研究论文	该研究基于卵巢癌多组学数据，使用变分自编码器进行深度表征学习，结合聚类和生存分析实现患者预后分层	提出基于变分自编码器的五阶段深度学习流程用于多组学非线性降维和潜在表征学习，并描述了图卷积神经网络作为未来扩展方向	图卷积神经网络组件未被实证评估，样本量有限（291例患者），需要独立队列验证	解决多组学分析中的高维度、跨模态异质性、样本量有限等挑战，实现卵巢癌患者的生存分层	卵巢癌患者的多组学数据（基因组学、转录组学、表观基因组学）	机器学习	卵巢癌	多组学分析（基因组学、转录组学、表观基因组学）	变分自编码器（VAE），图卷积神经网络（GCN，仅描述未评估）	多组学数据（基因组学、转录组学、表观基因组学）	291例卵巢癌患者	NA	变分自编码器，图卷积神经网络（仅描述未评估）	轮廓系数，对数秩检验，风险比	NA
966	2026-09-23	Early diagnosis and molecular classification of gastric cancer peritoneal metastasis by deep learning-driven single-cell lipidomics 2026-Sep-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2026.103055 PMID:42767217	研究论文	该研究利用无标记代谢物质谱流式细胞术进行单细胞脂质组学分析，并结合深度学习，实现胃癌腹膜转移的早期诊断和分子分型	首次将单细胞脂质组学与深度学习相结合用于胃癌腹膜转移的早期检测，开发了基于图神经网络的分类器以识别腹膜生态系统中罕见的游离胃癌细胞，并提出了基于HER2亚型特异性脂质组学异质性的临床相关代谢分型	未明确说明	利用单细胞脂质组学结合深度学习实现胃癌腹膜转移的早期诊断和分子分类	胃癌腹膜转移患者样本中的游离胃癌细胞和良性腹膜细胞	数字病理学	胃癌	无标记代谢物质谱流式细胞术、单细胞脂质组学分析	图神经网络（GNN）	单细胞脂质组学数据	来自92个样本的41,627个单细胞脂质组学图谱	未明确说明	图神经网络	未明确说明	未明确说明
967	2026-09-23	Deep learning-based prediction of diffusion MRI responses from microvascular OCT angiograms 2026-Sep-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aeaa9f PMID:42767249	研究论文	该研究利用三维深度学习模型直接从微血管OCT血管造影图像预测扩散MRI响应，作为计算密集型模拟的快速替代方法	首次提出使用三维深度学习模型作为快速代理，直接从微血管OCT血管造影图像预测扩散MRI响应，速度提升四到六个数量级	留一受试者交叉验证性能下降（MSE=0.0173，R²=0.666），仅34.4%的留出样本R²≥0.80，泛化能力有限	探究三维深度学习模型能否作为快速代理，直接从微血管OCT血管造影图像预测扩散MRI响应	五个小鼠皮层OCT血管造影图像分割出的4,792个血管子图	医学影像分析，深度学习	NA	光学相干断层扫描血管造影（OCTA），扩散磁共振成像（dMRI），物理模拟	三维深度学习模型	图像（九通道三维体数据，编码血管几何、磁场梯度、血细胞比容、氧饱和度、氧分压、血流速度大小及三个速度分量）	5个OCT血管造影图像，4,792个血管子图	NA	AutoEncoder, BasicUNet, DenseNet169, EfficientNetB4, ResNet	MSE, MAE, R²	NA
968	2026-09-23	Deep learning prediction of radiation-induced xerostomia and personalized outcome-driven treatment planning in head and neck cancer 2026-Sep-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aeaac0 PMID:42767261	研究论文	本研究开发了一种基于3D ResNet的深度学习模型，用于预测头颈癌放疗后12个月的放射性口干症，并利用模型可解释性技术指导个体化治疗计划优化	结合了图谱归一化、模糊池化和自适应平均池化以提高空间对应性，并首次将类激活映射和体素剂量梯度图应用于个体化放疗计划优化，实现了从预测到干预的转化	回顾性研究设计，样本量有限（839例训练，30例测试），需要进一步的前瞻性验证来确认临床效用	开发稳健的深度学习模型预测放射性口干症，并利用模型可解释性技术指导个体化治疗计划优化	头颈癌患者	数字病理学, 医学影像分析	头颈癌, 放射性口干症	计划CT, 剂量体积, 唾液腺轮廓, 图谱归一化	CNN	图像, 数值	839例头颈癌患者（训练队列），30例独立测试病例	NA	3D ResNet, Grad-CAM++	AUC, 敏感度, 特异度	NA
969	2026-09-23	A Physically Constrained Deep Learning Framework for Total Nitrogen Prediction: A Case Study of a Reservoir in North China 2026-Sep-21, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125714 PMID:42767318	研究论文	本文提出一种物理约束深度学习框架，用于预测中国北方某水库的总氮浓度	将氮循环生物地球化学知识显式融入模型设计，结合双准则特征选择、可逆实例归一化（RevIN）和物理约束联合损失函数	未明确说明，但可能受限于特定水库数据集，泛化能力需进一步验证	提高水质时间序列预测中总氮预测的鲁棒性和泛化性能，应对非平稳性和分布偏移	中国北方某水库的总氮浓度时间序列数据	机器学习	NA	NA	深度学习	时间序列	NA	NA	NA	RMSE, R	NA
970	2026-09-23	Validation of Automated Strain Calculation Initialised by Deep Learning Segmentation for Abdominal Aortic Aneurysm Ultrasound 2026-Sep-21, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2026.09.041 PMID:42767328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
971	2026-09-23	Accuracy of Deep Learning in Detecting Cerebral Microbleeds: Systematic Review and Meta-Analysis 2026-Sep-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95041 PMID:42767630	系统综述与荟萃分析	该研究系统评估了深度学习模型在检测脑微出血方面的诊断准确性。	首次对基于深度学习的脑微出血检测模型进行系统综述与荟萃分析，并按病灶水平和患者水平进行亚组分析。	纳入研究数量较少，可能影响结果的普适性。	评估深度学习模型检测脑微出血的准确性，为智能检测工具的开发提供依据。	已发表的关于深度学习检测脑微出血的原始研究。	数字病理学、医学影像分析	脑血管疾病、脑微出血	磁共振成像	深度学习模型	图像	患者水平纳入5项研究，病灶水平纳入多项研究	NA	NA	灵敏度、特异度、阳性似然比、阴性似然比、诊断比值比	NA
972	2026-09-23	Chemist-aligned retrosynthesis by ensembling diverse inductive bias models 2026-Sep-21, Nature IF:50.5Q1 DOI:10.1038/s41586-026-11160-9 PMID:42767646	研究论文	该文分析了当前AI逆合成模型的失败模式，提出了RetroChimera——一种通过基于学习的新型集成策略整合两个具有互补归纳偏置组件的逆合成模型，并在大规模实验中验证了其优越性	提出RetroChimera模型，包含两个新开发的具有互补归纳偏置的组件，并通过基于学习的新型集成策略进行整合；系统分析了当前AI逆合成模型的失败模式；展示了零样本迁移和微调能力	摘要中未明确提及	解决化学合成中AI辅助逆合成规划的失败模式问题，提高对低频但关键反应的预测能力，减少与化学家期望不一致的错误预测	逆合成反应预测模型及化学反应数据	机器学习	NA	深度学习逆合成预测	深度学习集成模型	化学分子结构与反应数据	跨越数个数量级的数据规模；两家大型制药公司的内部数据集	NA	RetroChimera（由两个具有互补归纳偏置的组件通过基于学习的集成策略整合）	化学家偏好评估（成对和逐点设置）	NA
973	2026-09-23	The 'UPIC' cohort: a nationwide prospective study of mental health among adolescents and young adults in Sweden - a study protocol 2026-Sep-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-120432 PMID:42767737	研究方案	本研究旨在建立UPIC队列，通过多源数据（问卷调查、行为测试、登记数据和智能手机传感器）综合评估瑞典青少年和年轻人的心理健康状况及其变化轨迹	整合多源数据（调查、行为测试、国家健康登记、智能手机传感器和血液生物标志物）构建综合性队列数据集，并结合机器学习和深度学习技术开发心理健康结局的预测算法，同时评估在青少年和年轻人中开展纵向数据收集的可行性	本文为研究方案，尚未呈现实际数据收集结果和分析发现；样本量为2000人，血液样本仅从部分参与者中采集；随访时间为2年，可能不足以捕捉长期心理健康轨迹	建立综合数据集以评估青少年和年轻人的心理健康（包括心理疾病和幸福感），分析患病率、风险和保护因素，构建心理健康轨迹的预测模型，并评估纵向数据收集的可行性	瑞典普通人群中15-29岁的青少年和年轻人	机器学习	精神疾病	NA	深度学习	问卷调查数据, 行为测试数据, 登记数据, 智能手机传感器数据, 血液样本数据	2000名15-29岁的青少年和年轻人，随访2年，血液样本从部分参与者中采集	NA	NA	NA	NA
974	2026-09-23	Deep genomic models of allele-specific measurements 2026-Sep-21, Genome research IF:6.2Q1 DOI:10.1101/gr.282189.126 PMID:42767805	研究论文	该文章提出了DeepAllele，一种利用配对等位基因特异性输入的深度序列到功能模型，用于学习预测等位基因间基因调控细微变化的序列特征。	首次提出使用配对等位基因特异性输入的深度序列到功能模型（DeepAllele），直接从等位基因特异性测量中学习预测基因调控差异的序列特征，而非依赖传统的群体遗传关联分析。	方法要求数据集具有明确的定相信息，如F1杂交小鼠或其他受控遗传杂交，或Fiber-seq等长读长测序技术，限制了其在一般人群数据中的直接应用。	利用遗传变异揭示功能相关的调控基序，增强基因组学发现。	F1杂交小鼠免疫细胞中的等位基因特异性测量数据。	基因组学、机器学习	NA	Fiber-seq、长读长测序、等位基因特异性定量	深度学习序列到功能模型	基因组序列、等位基因特异性测量数据	NA	NA	NA	NA	NA
975	2026-09-23	DeepGVS: a bimodal deep learning framework integrating coding-sequence and protein-structural representations for virulence factor prediction 2026-Sep-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag698 PMID:42767986	研究论文	该文提出了一种双模态深度学习框架DeepGVS，整合编码序列特征与蛋白质序列及结构表征，用于毒力因子预测	首次将CDS来源的多尺度序列组成特征与ESMFold预测的蛋白质三维结构相结合，采用并行图注意力网络和双向Mamba架构处理结构与残基表征，并以神经加性模型作为元学习器整合基分类器预测	双模态整合的增量收益依赖于数据集和评价指标，分类学分析发现分类学可能是潜在混杂因素，无法完全复现完整模型的性能	提高毒力因子预测的准确性，以助于理解细菌致病机制和抗菌干预	毒力因子，包括蛋白质序列、编码DNA序列和蛋白质三维结构	机器学习	NA	NA	图注意力网络, 双向Mamba, 神经加性模型	序列, 结构	NA	NA	GAT, Bi-Mamba, NAM, ESMFold	准确率	NA
976	2026-09-23	AIDrugDesigner: a web server for drug-like molecules generation and optimization 2026-Sep-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag693 PMID:42767993	研究论文	该文章介绍了一个名为AIDrugDesigner的集成网络服务器，用于实际深度学习驱动的药物设计，包含生成和优化两个模块	将多种生成策略集成到一个统一界面中，降低了在药物发现中应用深度学习模型的技术门槛	摘要中未明确提及	开发一个实用的深度学习驱动的药物设计网络服务器，以加速发现具有所需性质和活性的新型化合物	药物分子	机器学习	NA	深度学习	生成模型	分子数据	NA	NA	NA	NA	NA
977	2026-09-23	MRI-based fetal gestational age estimation using a structure-aware self-supervised network 2026-Sep-21, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12845-5 PMID:42768216	研究论文	该研究开发了一种结构感知自监督深度学习模型，利用胎儿脑部MRI估计胎龄	提出了一种结构感知自监督网络，利用全局边缘信息来减少胎龄估计误差，与现有深度学习基线相比，实现了更低的MAE和更高的R²	需要在临床部署前进行前瞻性和多中心验证，且仅在选定病例中可能补充传统 dating 方法	开发一种结构感知自监督深度学习模型，利用全局边缘信息减少胎儿脑部MRI的胎龄估计误差，并提高临床可靠性	胎儿脑部冠状T2加权MRI图像	医学图像分析	NA	MRI	自监督深度学习	图像	207例单胎妊娠的1630张胎儿脑部MRI图像	NA	SSFN-Net	平均绝对误差（MAE）、决定系数（R²）	NA
978	2026-09-23	Morphology-Prior Guided Structural Boundary Refinement Network for Accurate Polyp Segmentation 2026-Sep-21, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02309-z PMID:42768279	研究论文	提出一种形态学先验引导的结构边界细化网络MGBR-Net，用于息肉分割，通过显式注入形态学先验来指导边界感知特征学习，提升低对比度临床场景下的分割精度	摒弃传统依赖脆弱强度梯度的边界感知方法，转向结构化几何建模，通过形态学边界提取模块（MBEM）利用腐蚀和膨胀操作生成鲁棒的边界结构先验，并设计结构先验整合模块（SPIM）在结构先验引导下融合边界、内部及周围上下文信息，同时引入全局与局部交互机制增强上下文表示和结构一致性	摘要中未明确提及	解决息肉分割中因成像伪影、息肉与周围组织低对比度以及跨数据集外观变化大而导致的边界分割难题，实现结直肠癌的早期检测和治疗	结肠息肉图像	计算机视觉, 医学图像分割	结直肠癌	形态学操作（腐蚀和膨胀）	CNN	图像	五个基准数据集（具体样本数量未提及）	NA	MGBR-Net	mDice, mIoU	NA
979	2026-09-23	Ancestral Sequences Cannot be Accurately Reconstructed via Interpolation in a Variational Autoencoder's Latent Space 2026-Sep-19, Bulletin of mathematical biology IF:2.0Q3 DOI:10.1007/s11538-026-01749-6 PMID:42762397	研究论文	本文测试了通过变分自编码器（VAE）潜在空间插值进行祖先序列重建（ASR）的假设，发现其性能显著低于传统方法	首次系统评估VAE潜在空间插值用于ASR，并揭示其失败原因在于自编码过程的信息损失而非潜在空间缺乏系统发育结构	VAE解码器无法生成足够保真的序列以满足ASR的精确需求；未考虑其他深度学习架构或改进的解码策略	探究基于VAE潜在空间插值的ASR方法能否比传统方法更准确地重建祖先序列	蛋白质家族序列（通过模拟蛋白质进化生成）	机器学习	NA	模拟蛋白质进化（包括有/无上位效应场景）	VAE	序列数据	NA	NA	变分自编码器（VAE）	NA	NA
980	2026-09-23	Deep learning-assisted portable fluorescent sensing array based on multiple carbon dots for rapid seafood freshness assessment 2026-Sep-19, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150837 PMID:42767026	研究论文	该文章开发了一种基于聚集诱导发光碳点的荧光传感阵列，结合深度学习模型MobileNetV3-Large和智能手机应用，用于海鲜新鲜度的快速评估	利用聚集诱导发光碳点克服了传统荧光传感阵列的聚集导致猝灭问题，并将轻量级深度卷积神经网络MobileNetV3-Large与便携式荧光传感阵列集成，实现了海鲜新鲜度的智能快速监测，同时开发了用户友好的智能手机应用	未明确提及	开发一种基于深度学习的便携式荧光传感阵列，用于实时监测海鲜新鲜度，确保食品安全并减少浪费	海鲜新鲜度，具体通过监测总挥发性盐基氮标志物	机器学习	NA	荧光传感阵列，聚集诱导发光碳点，深度卷积神经网络	CNN	图像	NA	NA	MobileNetV3-Large	准确率，检测限	NA