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
81	2026-11-14	A systematic review of EC number prediction algorithms based on reaction chemical structures 2026-Nov-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag834 PMID:43023412	综述	系统回顾基于反应化学结构预测EC编号的计算方法，并比较其性能与稳健性	系统比较基于反应相似性与机器/深度学习的方法，并将这些方法应用于药物代谢反应的EC编号预测	摘要未明确说明具体限制	综述并评估从反应化学结构预测EC编号的计算工具，以改善未表征代谢通路的功能注释	反应化学结构、EC编号、生化反应数据库、药物代谢反应	生物信息学	NA	计算预测方法（反应相似性、机器/深度学习）	NA	化学结构数据	NA	NA	NA	NA	NA
82	2026-11-14	A deep learning approach for brain tumor classification using hybrid efficient net and inception networks in MRI images 2026-Nov-13, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261505561 PMID:43023424	研究论文	本文提出了一种混合EfficientNet B7和Inception V4（ENETV4）的深度学习模型，用于从MRI图像中分类脑肿瘤	提出了一种混合EfficientNet B7和Inception V4的网络架构，通过拼接两个模型提取的特征来形成统一特征，以提高分类性能	未明确提及	开发一种高效的混合深度学习模型，用于从MRI图像中早期检测脑肿瘤	脑肿瘤MRI图像（胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI成像	CNN	图像	Figshare数据集（包含胶质瘤、脑膜瘤和垂体瘤的MRI图像），具体数量未提及	NA	EfficientNet B7, Inception V4	准确率	NA
83	2026-11-14	CT-based machine learning and multimodal prediction in acute pancreatitis: a narrative review 2026-Nov-12, Abdominal radiology (New York) DOI:10.1007/s00261-026-05875-6 PMID:43018702	综述	本文是一篇叙述性综述，探讨基于CT的影像组学、深度学习和临床-影像联合模型在急性胰腺炎严重程度及不良结局预测中的应用	系统梳理CT影像组学、深度学习和临床-影像多模态模型在急性胰腺炎预测中的研究进展，并对比临床模型提供背景参考	证据以回顾性研究为主，预测时间节点不明确，校准度和阈值报告不完整，缺乏前瞻性影响评估；检索策略非穷尽性，仅选取代表性研究	总结CT相关机器学习和多模态模型预测急性胰腺炎严重程度及不良结局的研究现状与转化障碍	急性胰腺炎患者	医学影像人工智能	急性胰腺炎	CT影像组学, 深度学习	机器学习, 深度学习	CT图像, 临床数据	80条独特文献记录，其中10项CT相关代表性研究和8项临床背景研究纳入详细比较	NA	NA	AUC	NA
84	2026-11-14	Artificial intelligence methods for HER2 status assessment: a systematic review and diagnostic meta-analysis 2026-Nov-12, Abdominal radiology (New York) DOI:10.1007/s00261-026-05843-0 PMID:43018704	系统综述与诊断性Meta分析	该文系统综述并诊断性Meta分析了人工智能方法用于HER2状态评估的研究进展与诊断性能	系统整合了从传统机器学习、影像组学到深度学习、Vision Transformer、可解释AI和多模态框架的AI方法演进，并对AI评估HER2的诊断性能进行了合并定量分析	数据集异质性大、外部验证有限、评估方法不一致，合并估计需谨慎解读，临床转化仍存在障碍	评估基于人工智能的HER2状态评估方法的诊断性能、方法学发展和研究质量	乳腺癌和胃癌等恶性肿瘤的HER2状态评估相关研究	数字病理学, 医学影像分析, 人工智能	乳腺癌, 胃癌, 胆囊癌	免疫组织化学(IHC), 荧光原位杂交(FISH), 组织病理学, 磁共振成像(MRI)	传统机器学习, 深度学习, Vision Transformer, 可解释AI, 多模态框架	图像, 组织病理学图像, 医学影像	定性综合纳入51项研究，诊断性Meta分析纳入14项研究	NA	Vision Transformer, 深度学习模型, 传统机器学习模型, 多模态框架	灵敏度, 特异度, SROC AUC	NA
85	2026-11-14	Latent Representation Learning from 3D Brain MRI for Latent Analysis and Prediction in Multiple Sclerosis 2026-Nov-12, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-026-09827-9 PMID:43018840	研究论文	本文提出InfoVAE-Med3D，一种适用于三维脑部MRI的InfoVAE框架变体，通过放松输入与潜在表示之间的互信息正则化惩罚来学习信息丰富的潜在表示，并用于多发性硬化症的潜在分析与预测	将InfoVAE框架适配到三维脑部MRI，并显式放松输入与潜在表示之间的互信息正则化惩罚，以捕获更丰富的输入MRI信息；完全移除互信息正则化惩罚时效果最佳	仅在两个数据集上评估，样本量相对有限；主要与VAE变体进行比较，与深度学习预测模型的比较仍具竞争力但未显著超越	学习信息丰富的脑部MRI潜在表示，支持脑相关特征分析及下游认知生物标志物预测	健康对照受试者和多发性硬化症患者的三维脑部MRI数据	医学影像分析	多发性硬化症	三维脑部MRI	VAE	图像	健康对照数据集和布拉格查理大学第一医学院多发性硬化症中心收集的多发性硬化症数据集（具体样本量未在摘要中给出）	NA	InfoVAE-Med3D	MRI重建性能、脑龄预测、SDMT评分预测	NA
86	2026-11-14	Assessment of autosomal dominant polycystic kidney disease severity using deep learning-based kidney volumetry in CT 2026-Nov-12, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00840-w PMID:43018898	研究论文	本研究开发并验证了一种基于非增强CT的深度学习方法，自动测量常染色体显性多囊肾病患者的肾脏总体积并分配Mayo影像分类	利用3D UNet自动分割肾脏并结合主成分分析计算肾脏轴向，实现非增强CT上的肾脏总体积量化和Mayo影像分类自动化，减少人工工作量并支持纵向评估	样本量较小（训练60例、内部测试30例、外部测试28例），单中心回顾性设计，仅使用非增强CT	开发并验证基于深度学习的非增强CT方法，自动化测量肾脏总体积并分配Mayo影像分类以评估疾病严重程度	常染色体显性多囊肾病患者	医学图像分析	多囊肾病	非增强CT成像、深度学习图像分割	3D UNet	CT图像	训练集60例患者，内部连续扫描测试30例患者（中位间隔3.6年），外部验证28例患者扫描	NA	3D UNet	Dice相似系数（DSC）、组内相关系数（ICC）、平均体积误差、Mayo影像分类匹配率、阳性预测值	NA
87	2026-11-14	ARCNet: Embedding Operations Research Insights Into an Attention-Based Ranking and Contrastive Learning Framework for the Container Relocation Problem 2026-Nov-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3746045 PMID:43019276	研究论文	该文提出ARCNet，将运筹学洞察嵌入基于注意力的排序与对比学习框架，以解决集装箱重定位问题	将运筹学理论嵌入深度学习模型，结合图注意力网络和Transformer，使用对比学习灌输运筹学洞察，并采用课程学习实现从小规模到大规模场景的泛化	未明确提及	高效减少集装箱重定位问题中的不必要移动，提升集装箱码头运营效率	集装箱重定位问题（CRP）	组合优化	NA	深度学习、对比学习、课程学习	图注意力网络、Transformer	NA	NA	NA	图注意力网络、Transformer	近似最优结果、显著优于现有启发式方法	NA
88	2026-11-14	Building a cell engineering toolbox 2026-Nov-12, Science (New York, N.Y.) DOI:10.1126/science.aen0898 PMID:43019431	研究论文	该文章利用生物多样性和深度学习来发现细胞工程工具	结合生物多样性与深度学习进行发现	NA	构建细胞工程工具箱	细胞	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
89	2026-11-14	Retrieving mangrove biochemical traits under oil pollution using hyperspectral data and transfer learning 2026-Nov-12, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.120557 PMID:43019750	研究论文	该研究提出一种基于高光谱影像和迁移学习的多任务卷积神经网络框架，用于油污染下红树林物种分类和冠层生化性状（色素、糖类、酚类）的反演	采用教师-学生架构与伪标签的多任务卷积神经网络（MTS-CNN），实现从机载高分辨率（0.5米）到卫星低分辨率（PRISMA 5米、EnMAP 30米）的跨尺度迁移学习，并能够区分油污染与其他胁迫因素引起的生化特征	卫星数据分类精度相对较低（PRISMA约70%，EnMAP约60%），且地面数据稀缺可能影响模型泛化能力	利用高光谱遥感和迁移学习实现红树林生态系统的广域健康监测，特别是油污染胁迫下的生化性状反演	红树林植被（物种分类及冠层生化性状）	遥感深度学习	NA	高光谱遥感成像	多任务卷积神经网络（MTS-CNN）	高光谱影像	NA	NA	多任务卷积神经网络（MTS-CNN），教师-学生架构	准确率	NA
90	2026-11-14	An integrative single-cell epigenomic atlas annotates the regulatory genome of the adult mouse brain 2026-Nov-12, Cell IF:45.5Q1 DOI:10.1016/j.cell.2026.10.022 PMID:43020033	研究论文	该研究通过联合分析成年小鼠大脑中250万个细胞核的四种组蛋白修饰和转录组，整合染色质可及性、DNA甲基化和三维基因组组织数据，构建了一个跨100多个脑细胞亚类的统一表观基因组图谱，并基于此开发了深度学习模型	首次在单细胞水平上联合分析四种组蛋白修饰和转录组，整合多组学数据构建了覆盖81%基因组的统一表观基因组图谱，并开发了能够从DNA序列预测细胞类型特异性表观基因组特征和基因表达的深度学习模型	研究仅针对成年小鼠大脑，未涉及其他物种或发育阶段；深度学习模型的预测精度和泛化能力未在摘要中详细说明	构建成年小鼠大脑的综合单细胞表观基因组图谱，注释调控基因组，并开发预测模型以解释非编码疾病风险变异	成年小鼠大脑	表观基因组学	NA	单细胞多组学测序（四种组蛋白修饰和转录组联合分析）、染色质可及性测序、DNA甲基化测序、三维基因组组织分析	深度学习模型	单细胞表观基因组数据、转录组数据、染色质可及性数据、DNA甲基化数据、三维基因组数据	250万个细胞核	NA	NA	NA	NA
91	2026-11-14	Circuit-aligned specialization of human basal ganglia astrocytes 2026-Nov-12, Cell IF:45.5Q1 DOI:10.1016/j.cell.2026.09.041 PMID:43020029	研究论文	该文章通过整合单核转录组、表观基因组和空间转录组技术，对人类基底神经节星形胶质细胞的多样性及其与神经回路的对应关系进行了研究	首次系统地鉴定了人类基底神经节中三种解剖学组织的星形胶质细胞亚群，并发现其分子特征与神经递质转运体和突触相关程序相关，且这些特征在脑内具有普遍性；利用深度学习序列模型识别了亚群特异性增强子代码	摘要中未明确提及研究的局限性	探究人类基底神经节中星形胶质细胞的多样性和特化机制	人类基底神经节星形胶质细胞	神经科学	NA	单核转录组学, 表观基因组学, 空间转录组学	深度学习序列模型	转录组数据, 表观基因组数据, 空间转录组数据	NA	NA	NA	NA	NA
92	2026-11-14	PIANO enables generative modeling of gene expression and scales multi-omics integration to 100 million cells 2026-Nov-12, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101661 PMID:43020064	研究论文	开发了PIANO深度学习框架，用于单细胞基因表达的生成建模及大规模多组学数据整合，可处理超过1亿个细胞	提出概率推断自编码器网络用于多组学，核心特征是基因表达数据的生成模型，能同时实现强批次效应校正、大规模扩展（百万级细胞）和协变量对基因表达影响的建模，训练速度比先前方法快10倍	未明确说明	解决单细胞转录组数据整合中的三个挑战：校正强批次效应、扩展到数百万细胞、建模协变量如何影响基因表达	单细胞RNA测序数据、空间转录组数据、跨物种单细胞数据、癌症细胞、阿尔茨海默病人脑组织	机器学习, 生物信息学	阿尔茨海默病, 癌症	单细胞RNA测序, 空间转录组学	自编码器, 生成模型, 概率模型	基因表达数据, 单细胞转录组数据, 空间转录组数据	超过1亿个癌症细胞及跨物种单细胞数据	NA	概率推断自编码器网络	NA	NA
93	2026-11-14	Attention-Guided Hybrid Deep Learning Framework for Automated Oral Lichen Planus Classification 2026-Nov-12, European journal of dentistry DOI:10.1055/s-0046-1829453 PMID:43020129	研究论文	该研究开发了一个可解释的人工智能框架，利用注意力引导的混合深度学习模型和混合特征优化，实现口腔扁平苔藓的自动分类	结合两个注意力引导的CNN提取互补深度特征，使用混合灰狼优化器与变异局部搜索进行特征优化，并增强模型可解释性	需要在大型多中心队列中进一步验证	开发可解释的自动口腔扁平苔藓分类框架	口腔扁平苔藓临床图像	计算机视觉	口腔扁平苔藓	深度学习	CNN	图像	1345张临床图像（747张OLP和598张非OLP）	NA	LichenNet-CBAM, Inception-LichenNet-CBAM, 朴素贝叶斯, AdaBoost, 随机森林	准确率, ROC-AUC	NA
94	2026-11-14	Cue modality modulates dynamic functional network organization during motor imagery: Evidence from EEG functional connectivity and spatiotemporal decoding 2026-Nov-12, Biological psychology IF:2.7Q2 DOI:10.1016/j.biopsycho.2026.109426 PMID:43020372	研究论文	结合功能连接分析与CNN-TemporalConv-MLP时空解码模型，研究视觉与听觉提示以及动觉与视觉运动想象对脑电功能连接的影响	同时考察提示模态与想象类型对运动想象后功能连接的联合影响，并采用CNN-TemporalConv-MLP时空解码模型对PLV特征进行解码	未明确说明样本量、计算资源及具体性能指标数值，整体想象类型分类判别力较低	探究提示模态和想象类型如何共同影响运动想象期间的功能连接	运动想象任务中的脑电信号	脑机接口	NA	脑电	CNN, TemporalConv, MLP	脑电信号	NA	NA	CNN-TemporalConv-MLP	解码性能（未明确具体指标）	NA
95	2026-11-14	Interpreting and Validating a Deep Learning Model Predictive of Spatial Morphologic-Molecular Patterns in Lung Adenocarcinoma, Using Ground Truth Immunohistochemistry Images 2026-Nov-12, The American journal of pathology DOI:10.1016/j.ajpath.2026.10.009 PMID:43020427	研究论文	开发了一个可解释的深度学习模型XpressO-Lung，从H&E全切片图像中预测肺腺癌肿瘤及其微环境中基因表达的空间异质性，并用免疫组化图像进行了外部验证	提出可解释的深度学习模型XpressO-Lung，能够将H&E全切片图像的组织形态与bulk转录组数据关联，实现对肿瘤及其微环境中基因表达空间模式的可解释预测，并在外部临床样本上用免疫组化验证了模型预测的空间模式与观察到的组织形态特征的一致性	研究使用的TCGA肺腺癌病例数量有限（200例），外部验证样本来自单一机构；模型仅基于bulk转录组数据学习空间表达模式，而非真正的空间转录组数据；预测AUC在部分基因上相对较低（如0.64）	弥合组织病理学与bulk转录组学之间的差距，利用深度学习从常规H&E诊断全切片图像中预测基因表达的空间异质性，推进肺腺癌的生物标志物发现、治疗分层和精准肿瘤学	肺腺癌（LUAD）患者及其肿瘤和微环境组织	数字病理学	肺癌	H&E全切片图像分析、bulk转录组测序、免疫组化（IHC）	深度学习模型（可解释模型）	图像（全切片图像）、转录组数据	200例来自TCGA的肺腺癌病例，外加Dartmouth Health的外部临床样本集	NA	XpressO-Lung	AUC	NA
96	2026-11-14	Benchmark Accuracy Does Not Transfer: Domain Adaptive Deep Learning for Diabetic Retinopathy Detection in a Bangladeshi Clinical Setting 2026-Nov-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02454-5 PMID:43020978	研究论文	本文研究了深度学习糖尿病视网膜病变检测模型从基准数据集到孟加拉国临床环境的域偏移问题，并提出了一种结合视网膜预处理、渐进微调、软投票和测试时增强的域自适应流程	量化了基准准确率到临床准确率之间44.46-46.85个百分点的严重性能下降，并提供了一致的定量证据；提出了一个综合多种技术的域自适应流程，将平均个体模型准确率提升27.1个百分点	仍存在假阴性率；单中心设计限制了临床就绪性的声明；仅使用单一眼科医生的分级作为参考标准	调查深度学习糖尿病视网膜病变筛查模型在基准数据集与真实临床环境之间的性能差距，并探索域自适应方法来恢复目标域性能	来自APTOS 2019数据集的3662张图像用于源域训练，来自孟加拉国诊所的500张平衡眼底图像（250张DR，250张无DR）用于目标域评估	医学图像分析	糖尿病视网膜病变	眼底成像	CNN	图像	源域3662张图像（APTOS 2019）；目标域500张眼底图像（250 DR，250无DR），由一位经验丰富的眼科医生分级	NA	NA	准确率，敏感度，特异性，精确率，F1分数，Fréchet距离，MMD，Wilson置信区间	NA
97	2026-11-14	Corrigendum to: Untangling Breast Cancer: Trailing Towards Nanoformulations-based Drug Development 2026-Nov-12, Recent patents on nanotechnology IF:2.0Q3 DOI:10.2174/1872210521999261112114106 PMID:43023370	更正	本文是对已发表文章《解开乳腺癌：迈向基于纳米制剂的药物开发》的更正，修正了原文中不清晰或不一致的术语表述	不适用	仅修正措辞和术语，不改变数据、结果、科学解释或结论	确保已发表记录的准确性和清晰度，修正不清晰或不一致的术语	已发表文章中的特定段落和术语	数字病理学	乳腺癌	不适用	不适用	文本	不适用	不适用	不适用	不适用	不适用
98	2026-11-14	A Deep Learning Approach for Thickness Determination of AZO Thin Films 2026-Nov-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c10558 PMID:43022942	研究论文	开发了一个数据库和机器学习模型，从光学透射光谱预测铝掺杂氧化锌（AZO）薄膜的厚度	结合自编码器与跳跃连接提取透射光谱中最具信息量的特征，显著提高了厚度预测精度	模型仅适用于AZO薄膜，因为训练数据源自AZO测量，但方法论可推广到其他成分的薄膜	利用深度学习从光学透射光谱中确定AZO薄膜的厚度	铝掺杂氧化锌（AZO）薄膜	机器学习	NA	光学透射光谱测量	全连接神经网络, 自编码器	光谱数据	145个实验薄膜样品，厚度在100-1500 nm之间；生成的合成数据库包含120万个样本（每个区域24万个，共5个区域）	NA	全连接神经网络, 自编码器（带跳跃连接）	平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
99	2026-11-14	Artificial Intelligence in Diabetes Mellitus Management: A Narrative Review of Advances, Architectures, and Translational Challenges 2026-Nov-10, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998507302261019052129 PMID:43023517	综述	本文综述了人工智能在糖尿病管理中的应用进展、模型架构及转化挑战，涵盖风险预测、血糖预测、并发症检测及隐私保护框架	不同于以往仅关注单一应用领域或将1型和2型糖尿病视为单一群体的综述，本文围绕两类糖尿病各自不同的AI设计需求进行组织，并将应用分类为实验性、商业化和监管批准三类	大多数高性能模型仅经过内部验证，泛化能力有限；可解释性和外部验证仍是临床采用的核心障碍	探讨人工智能如何弥补传统糖尿病管理在药物耐药、依从性差和个性化不足方面的缺陷	糖尿病管理相关的AI研究文献（2020年1月至2025年12月）	机器学习	糖尿病	NA	CNN, LSTM, SVM, Transformer	文本	NA	NA	卷积神经网络, 长短期记忆网络, 支持向量机, Transformer	NA	NA
100	2026-11-14	SILC-G: Instance-level contrastive learning on semantic-enhanced graphs for fine-grained DTI prediction 2026-Nov-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109867 PMID:43019889	研究论文	提出了一种语义增强的实例级对比学习框架SILC-G，用于细粒度药物-靶标相互作用预测	将预训练语言模型（ChemBERTa和ESM）的语义知识注入药物和靶标图节点，结合跨模态交叉注意力建模原子-残基依赖，并引入动态记忆辅助的实例级对比学习策略提升泛化能力	摘要中未明确说明	提升细粒度药物-靶标相互作用预测性能，并在分布偏移下保持稳健性	药物化合物和靶标蛋白质	机器学习	NA	预训练语言模型（ChemBERTa、ESM）、图建模、对比学习	跨模态交叉注意力、图神经网络、对比学习	图数据（药物分子图、靶标蛋白质图）及语义嵌入	多个基准数据集（未具体说明样本量）	NA	ChemBERTa, ESM, 跨模态交叉注意力, 动态记忆辅助的实例级对比学习	NA	NA