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
9841	2026-05-31	Interlayer-aware postoperative facial appearance prediction in orthognathic surgery with bio-geometric guidance 2026-May-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae752e PMID:42214412	research paper	提出一种生物几何引导的下颌骨手术后面部外观预测网络，通过层间混合专家机制模拟骨与软组织的非线性耦合变形	首次引入层间混合专家机制将骨骼-表面变形传播解耦为三个生物力学启发的代理表示，并通过门控路由网络自适应加权各层贡献，同时设计生物几何卷积模块捕捉区域骨骼影响	NA	实现正颌手术后面部外观的高精度预测以辅助手术规划	88名正颌手术患者的三维面部与骨骼数据	computer vision	oral and maxillofacial diseases	deep learning	混合专家网络与生物几何卷积模块	三维面部与骨骼图像	88名正颌手术患者	PyTorch	Interlayer Mixture-of-Experts, Bio-Geometric Convolution	mean whole-face error, clinician acceptance rate	NA
9842	2026-05-31	MethyNano: supervised contrastive pretraining enables robust and generalizable methylation detection from nanopore sequencing 2026-May-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag348 PMID:42209437	研究论文	本文提出MethyNano，一种利用对比学习策略从纳米孔测序数据中检测5-甲基胞嘧啶的深度学习框架，并验证了其在跨物种和跨序列背景下的鲁棒泛化能力	首次在甲基化检测中采用监督对比预训练策略，增强对稀有序列背景的敏感性和预测稳定性，实现跨物种、跨序列背景的鲁棒泛化	NA	开发一种鲁棒且可泛化的纳米孔测序甲基化检测方法，解决现有方法在跨物种和跨序列背景下泛化性差、序列与电流信号整合不优的问题	拟南芥、水稻和人的纳米孔测序数据中的5mC甲基化位点	机器学习	NA	纳米孔测序	对比学习深度学习模型	序列信号	来自拟南芥、水稻和人三种物种的纳米孔测序数据集	PyTorch	MethyNano框架	准确率、精确率、召回率、F1分数、AUC	NA
9843	2026-05-31	Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy 2026-May-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73813-7 PMID:42209536	研究论文	开发多模态深度学习模型，用于术前预测肾癌患者根治性肾切除术后肾功能快速下降的风险，辅助临床治疗决策	首次构建多模态深度学习模型整合增强CT影像与临床数据，实现术前预测根治性肾切除术后肾小球滤过率快速下降风险，为复杂肾癌患者选择保留肾单位手术提供决策支持	回顾性研究设计可能存在选择偏倚，模型性能在外部测试集上AUC为0.788-0.873，仍有改进空间	开发能够术前预测根治性肾切除术后肾功能快速下降风险的多模态深度学习模型，辅助复杂肾癌患者的治疗决策	接受根治性肾切除术的复杂肾细胞癌患者	计算机视觉, 机器学习	肾细胞癌	增强CT成像	多模态深度学习模型	图像, 临床数据	1621例患者（多中心回顾性研究）	NA	多模态深度学习架构	AUC（曲线下面积）	NA
9844	2026-05-31	Research on road traffic condition prediction of smart city based on spatio-temporal multi-source information fusion 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18300-7 PMID:42209540	研究论文	提出一种基于时空多源信息融合的深度学习模型，用于智能城市道路交通流量预测，并应对异常事件的影响	结合动态图网络和多头注意力机制，以及多任务学习，提出适用于正常和异常交通状态的城市道路预测方法	未明确讨论模型的泛化能力或对其他城市数据集的适用性	探索适用于公共交通系统交通流预测的方法，并应对异常交通事件对预测的挑战	城市道路交通流量和异常交通事件	机器学习	NA	NA	深度学习模型（动态图网络、多头注意力机制）	交通流数据（PEMS04, PEMS08, Highways England）	三个真实交通数据集	NA	动态图网络、多头注意力机制、多任务学习	MAE, RMSE	NA
9845	2026-05-31	Quantum-inspired optimization of transformer-capsule networks for accurate brain tumor segmentation and classification 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53840-6 PMID:42209605	研究论文	提出量子启发优化的Transformer-胶囊网络框架，用于脑肿瘤分割和分类	首次将量子启发哈里斯鹰优化算法与Swin Transformer U-Net及图注意力胶囊网络结合，同时解决长程空间依赖建模、特征冗余和结构关系缺失问题	未提及在真实临床环境中的部署验证和计算成本分析	开发高精度且可靠的脑肿瘤自动诊断框架	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	Transformer, 胶囊网络, CNN	图像	BraTS 2019和BraTS 2020基准数据集，以及Figshare脑肿瘤数据集	PyTorch（推断）	Swin Transformer U-Net, EfficientNetV2, 图注意力胶囊网络	准确率, F1分数, Dice-WT分数, AUC	NA
9846	2026-05-31	Deep learning based cricket batting shot classification and performance analysis using computer vision 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52617-1 PMID:42209604	研究论文	利用计算机视觉和深度学习技术对板球击球镜头进行分类，并进行球员表现分析	结合光流计算和姿态估计进行预处理，使用3D卷积神经网络对击球镜头进行分类，并与专业球员的击球进行对比分析以提供改进建议	可能缺乏对高等级生物力学评估、实时反馈系统和AI教练支持等功能的整合	分类不同类型的击球镜头并分析球员表现，通过与专业球员的对比提供改进洞察	板球球员的击球视频	计算机视觉	NA	光流计算、姿态估计	3D卷积神经网络	视频	NA	NA	3D卷积神经网络	评估指标（未指定具体名称）	NA
9847	2026-05-31	Dual-attention residual U-Net with Huber loss for robust and efficient porosity prediction from well logs 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55558-x PMID:42209649	研究论文	提出了一种结合双注意力机制的残差U-Net架构，使用Huber损失函数，从测井数据中高效、稳健地预测孔隙度	首次将1D U-Net架构与ResNet块、双注意力机制及Huber损失相结合，实现了对测井噪声的鲁棒处理和多尺度特征的保留，解决了LSTM的顺序瓶颈和CNN-Transformer模型多尺度表示不足的问题	未提及在非碳酸盐岩储层或不同地质条件下的通用性验证，且Huber损失中δ值的校准依赖训练残差的经验分布，可能需针对新数据集重新调整	提高从测井数据预测孔隙度的准确性和效率，解决现有深度学习方法在计算效率和多尺度特征捕获方面的局限性	碳酸盐岩储层的测井数据	机器学习	NA	NA	U-Net	测井数据	NA	PyTorch	ResNet, U-Net	R², RMSE	NA
9848	2026-05-31	Cross-material catalyst discovery via deep learning 2026-May-28, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02622-6 PMID:42209792	研究论文	展示一种跨材料催化剂发现的深度学习方法，通过整合不同实验数据集构建统一预测模型	提出跨育种神经网络（CBNN），实现不同催化剂家族间的知识迁移，突破传统单一材料类别的限制	仅基于两种实验数据集（碳基单原子催化剂和钙钛矿氧化物催化剂）进行验证，泛化到其他材料体系需进一步实验支持	开发跨材料催化剂发现方法，加速高性能催化剂设计	碳基单原子催化剂和钙钛矿氧化物催化剂	机器学习	不适用	机器学习、自然语言分析	跨育种神经网络	实验数据集	两个实验数据集：碳基单原子催化剂和钙钛矿氧化物催化剂	不适用	跨育种神经网络	过电位	不适用
9849	2026-05-31	VMAM-NET: A Model Agnostic Meta-Learning Network for Rare De Novo Glioblastoma Diagnosis 2026-May-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02027-6 PMID:42209815	研究论文	提出VMAM-NET混合深度元学习模型，用于罕见新发胶质母细胞瘤诊断	结合VGG-16特征提取与模型无关元学习(MAML)框架，在数据稀缺环境下实现快速自适应小样本学习，并通过Grad-CAM提高模型可解释性	未提及模型的泛化能力验证及外部数据集测试，且仅针对胶质母细胞瘤单一病种	解决罕见新发胶质母细胞瘤在数据稀缺和肿瘤异质性下的诊断难题	IV级脑肿瘤（新发胶质母细胞瘤）	机器学习	胶质母细胞瘤	NA	混合深度元学习模型（VGG-16 + MAML）	MRI图像	四个可靠MRI数据集，包含星形细胞瘤和胶质母细胞瘤样本	NA	VGG-16	准确率，F1分数	NA
9850	2026-05-31	Please follow the rules: surgical workflow recognition constrained by linear temporal logic 2026-May-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03724-x PMID:42209907	研究论文	利用可微时间逻辑定义手术流程约束，提高手术工作流识别的时间一致性	提出使用可微时间逻辑（DTL）和Allen区间代数（AIA）算子定义手术动作的程序性约束，并在训练中引导网络遵循这些约束，增强时间一致性和可解释性	帧级准确率提升有限，仅在部分条件下存在显著差异	通过引入逻辑规则约束手术工作流识别模型，提升预测的时间一致性和鲁棒性	三种手术数据集：机器人辅助子宫切除术内部数据集、AutoLaparo和Cholec80公开数据集	计算机视觉, 机器学习	NA	NA	双向LSTM, MS-TCN, Transformer	视频	三种数据集：内部子宫切除术数据集、AutoLaparo、Cholec80（具体数量未提供）	PyTorch	Bi-LSTM, MS-TCN, ASFormer	准确率, Edit分数, 分段F1分数	NA
9851	2026-05-31	Rapid Generation of Subject-Specific Human Models With Detailed Tissue Structures for Timely Individualized SAR Assessment 2026-May-28, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70409 PMID:42210642	研究论文	提出一种混合框架，结合超快MRI、深度数据扫描和深度学习，快速生成个体化人体模型，用于MRI中局部比吸收率的实时评估	通过半监督教师-学生学习和部分类别标注策略训练深度学习模型，实现MRI图像中主要组织类型的自动分割，并将MRI解剖分割与摄像头外部几何数据融合，生成无缝的个体化人体模型	NA	实现个体化全身解剖模型的快速生成，用于MRI中患者特异性的躯干局部比吸收率预测	人体模型生成和SAR评估	数字病理学	NA	MRI, 深度数据扫描	深度学习模型	图像	20名志愿者	NA	NA	峰值SAR10g误差, 归一化均方根误差	NA
9852	2026-05-31	Advances in multispectral and hyperspectral inversion for soil heavy metal contamination: Mechanisms, machine learning algorithms, and future perspectives 2026-May-28, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142542 PMID:42214863	综述	综述了多光谱和高光谱反演土壤重金属污染的机理、机器学习算法及未来展望	结合文献计量分析与方法学进展，系统梳理了从传统线性回归到深度学习的模型演变，并构建了大规模高精度反演的综合框架	空间尺度扩展和卫星观测引入的混合像素、水分干扰及样本稀缺等问题限制了模型鲁棒性和跨区域泛化能力	为大规模、高精度的土壤重金属光谱反演提供技术发展全面框架和未来方向指导	土壤重金属污染物，特别是铜、铅和锌	机器学习	NA	多光谱遥感、高光谱遥感	机器学习、深度学习	光谱数据	NA	NA	CNN, Transformer, XGBoost	NA	NA
9853	2026-05-31	Multimodal GPT-5 for Predicting Poor Functional Outcomes After Intracerebral Hemorrhage in the Emergency Department: Validation Study 2026-May-27, JMIR AI DOI:10.2196/87062 PMID:42202259	研究论文	本研究评估了GPT-4.1和GPT-5模型在急诊科利用多模态数据预测脑出血患者不良功能结局的表现，并与传统机器学习模型进行了比较	首次系统评估多模态GPT-5在急诊科脑出血预后预测中的应用，包括零样本预测和提示增强策略，并与传统机器学习模型进行全面比较	GPT模型校准性差，倾向于低估预测概率，整体预测准确性不如传统机器学习模型，仅在较高阈值概率下展示临床净收益	评估基于GPT的大型语言模型在急诊科利用常规可获取的多模态数据预测脑出血后不良功能结局的性能和临床效用	脑出血患者	自然语言处理	脑出血	多模态数据分析，非对比CT成像	GPT，逻辑回归	临床数据，CT图像	一所三级医院的脑出血患者，具体数量未说明	Azure OpenAI Service	GPT-4.1，GPT-5	AUROC，校准Brier评分，Nagelkerke R²，组内相关系数，决策曲线分析	NA
9854	2026-05-31	A hybrid transformer-zero-shot learning framework with Muon optimization for intelligent channel estimation in MIMO wireless systems 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33791-0 PMID:42204164	研究论文	提出一种结合Transformer、零样本学习和Muon优化器的混合框架，用于MIMO无线系统的智能信道估计	首次将零样本学习与Transformer架构及Muon优化器结合，实现在未知信噪比和衰落条件下的精准信道估计而无需重新训练	仅在仿真环境下验证，未在真实无线通信系统中测试；Muon优化器的实际硬件实现复杂性待评估	开发一种能泛化到未知信道条件、无需重复训练的智能MIMO信道估计方法	MIMO无线系统中的信道估计问题	自然语言处理	NA	NA	Transformer、零样本学习、Muon优化器	NA	NA	NA	Transformer	均方误差(MSE)	NA
9855	2026-05-31	Tocotrienol as a multi-target inhibitor of ICAM-1, VCAM-1, and E-selectin: Comparison using AutoDock and GNINA docking with molecular dynamics simulation 2026-May-27, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109136 PMID:42214856	研究论文	本研究通过分子对接和分子动力学模拟，比较评估了生育三烯醇异构体对ICAM-1、VCAM-1和E-selectin的多靶点抑制能力	首次基于计算证据对生育三烯醇异构体在靶向炎症和血管相关通路中的多靶点效力进行全面区分，并比较了传统分子对接工具AutoDock Vina与基于深度学习的AI辅助对接工具GNINA的性能差异	AI辅助对接工具GNINA因受体模型结构限制未能生成对VCAM-1的对接结果；研究结果仍需进一步的实验验证来确认这些计算预测及其生物学意义	评估生育三烯醇异构体对E-selectin、ICAM-1和VCAM-1的分子结合亲和力和相互作用特征，揭示其在抗动脉粥样硬化中的潜在作用	α-、β-、γ-和δ-生育三烯醇异构体以及E-selectin、ICAM-1和VCAM-1蛋白受体	计算机辅助药物设计	动脉粥样硬化	分子对接	卷积神经网络	蛋白质结构数据和配体分子结构	4种生育三烯醇异构体和3种蛋白受体	AutoDock Vina, GNINA	NA	结合亲和力（kcal/mol）、氢键相互作用、疏水相互作用、范德华力	NA
9856	2026-05-31	A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era 2026-May-26, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c02081 PMID:42096352	综述	系统综述和基准测试了基础模型时代深度学习在分子性质预测中的应用	提出了统一分类法，连接分子表征、模型架构和跨学科应用，并提出了三个前瞻性方向（嵌入量子一致性、可信推理、整合计算与实验数据）	基准设计中存在数据拆分不一致、立体化学不一致、分析来源异质以及随机或定义不明拆分下的可重复性限制	梳理分子性质预测中深度学习的四种互补范式并评估当前基准设计，推动更透明、时间-支架意识的现代化方法	深度学习模型在分子性质预测中的性能与基准设计	机器学习	NA	NA	NA	数据	涵盖广泛使用的数据集及反映工业视角的数据集	NA	NA	NA	NA
9857	2026-05-31	Magnetic susceptibility source separation (χ-separation) in quantitative susceptibility mapping 2026-May-26, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110708 PMID:42203157	综述	梳理定量磁化率成像中磁化率源分离方法，比较多序列与仅梯度回波技术的优劣	全面分类磁化率源分离方法为多序列方法和仅梯度回波方法，并评估深度学习框架如χ-sepnet，指出简化采集协议的趋势	弛豫常数准确测定和静态去相假设仍存生物物理难题，缺乏体内金标准影响准确性评估	综述磁化率源分离技术，区分亚体素磁源以定量铁和髓鞘生物标志物	磁化率源分离方法，包括多序列方法（如SEMI-TWInS, APART-QSM）、仅梯度回波技术（如DECOMPOSE-QSM, QSM-ARCS）和深度学习框架（如χ-sepnet）	机器学习	NA	磁共振成像	深度学习	磁共振图像	NA	NA	χ-sepnet	NA	NA
9858	2026-05-31	An interpretable multimodal model integrating clinical, spectral CT imaging, and deep learning analysis of intra- and peritumoral regions for preoperative prediction of perineural invasion in gastric cancer: A prospective, multicenter study 2026-May-24, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102776 PMID:42214885	research paper	开发一种多模态融合模型，整合临床、光谱CT影像和深度学习特征，用于胃癌术前预测神经侵犯	首次将瘤内及瘤周区域的光谱CT参数与深度学习特征结合，构建可解释的多模态融合模型，在多个中心验证了其优越性能	NA	术前预测胃癌中的神经侵犯，以改善风险分层和治疗规划	经病理确诊的胃癌患者	digital pathology, machine learning	gastric cancer	Spectral CT imaging	ResNet-50	image, clinical data	250名患者（训练集138例，内部验证集59例，外部验证集53例）	NA	ResNet-50	AUC, calibration curve, decision curve analysis, Hosmer-Lemeshow test	NA
9859	2026-05-31	Explicit modeling of beam geometry improves three-dimensional dose prediction for esophageal cancer radiotherapy under heterogeneous beam configurations 2026-May-22, Radiation oncology (London, England) DOI:10.1186/s13014-026-02844-7 PMID:42174687	研究论文	该研究探索了在异质性射束配置的食管癌放疗中，通过显式建模射束几何结构来提升三维剂量预测的准确性、鲁棒性和临床工作流程效率	首次将基于射线追踪的射束几何表示（归一化射束覆盖和重叠图）整合到深度学习剂量预测模型中，突破传统仅依赖解剖数据的局限性，显著提升异质性射束配置下的预测性能	回溯性研究设计且为单中心数据；模型仅适用于食管癌调强放疗（IMRT），泛化性需进一步验证	提升食管癌调强放疗中三维剂量预测的准确性、鲁棒性和临床实用性	751例食管癌调强放疗患者的治疗计划和剂量分布数据	数字病理学	食道癌	影像引导放疗，射线追踪	AS-NeSt骨干网络	影像，剂量分布图	751例患者（训练组618例，测试组100例，罕见射束配置组33例，临床验证组42例）	NA	AS-NeSt	剂量误差百分比，骰子相似系数，计划时间	NA
9860	2026-05-31	Clinically reliable and stable automated segmentation of DLBCL lesions on PET/CT using self-configuring nnU-Net for robust TMTV quantification 2026-May-22, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112721 PMID:42214823	研究论文	系统比较三种深度学习架构（经典U-Net、注意力U-Net和自配置nnU-Net）在PET/CT图像中分割弥漫性大B细胞淋巴瘤病灶的性能，以建立稳健的分割框架	首次通过系统性三向比较明确自配置nnU-Net在DLBCL病灶分割中的性能优势，并证明其优越性主要来自整体流程优化而非单一架构改进	当前为单中心研究，缺乏外部验证，且未与临床结局（如生存率）进行相关性分析	识别临床TMTV量化中最可靠且鲁棒的分割框架	弥漫性大B细胞淋巴瘤患者的PET/CT图像病灶分割	数字病理学	弥漫性大B细胞淋巴瘤	PET/CT	U-Net, 注意力U-Net, nnU-Net	医学图像	217例全身PET/CT扫描	nnU-Net, PyTorch	U-Net, Attention U-Net, nnU-Net	Dice相似系数, 交并比, 灵敏度, 特异性	NA