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
981	2026-09-23	CEEMDAN-decomposed time series forecasting of reported hepatitis B cases using KOA-optimised deep learning: a nationwide study in mainland China (2004-2027) 2026-Sep-18, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.16.04200 PMID:42757779	研究论文	该研究利用CEEMDAN分解结合KOA优化的深度学习模型，对中国大陆2004年至2025年报告的乙型肝炎病例进行时间序列预测，并外推至2027年	将CEEMDAN多尺度分解与KOA超参数优化相结合，并系统比较GRU、CNN、SVM和Transformer四种模型在乙型肝炎病例预测中的表现	仅基于报告病例数进行建模，未纳入慢性 reservoir、免疫力变化及监测实践变化等潜在影响因素，预测结果可能受报告偏差影响	对中国大陆报告的乙型肝炎病例进行短期至中期可靠预测，为诊断规划、护理路径、抗病毒药物供应和针对性预防提供依据	中国大陆2004年1月至2025年12月全国月度乙型肝炎报告病例时间序列	机器学习	乙型肝炎	CEEMDAN时间序列分解, KOA超参数优化	GRU, CNN, SVM, Transformer	时间序列	2004年1月至2025年12月的全国月度乙型肝炎报告病例序列，共264个月度观测值，并使用12个月滑动窗口和24个月预测horizon	NA	GRU, CNN, SVM, Transformer encoder	R2, RMSE, MAE, MAPE, 回归诊断	NA
982	2026-09-23	High-speed reservoir computing using photonic integrated circuit optical parametric oscillators 2026-Sep-18, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb3077 PMID:42758843	研究论文	本文报道了一种基于薄膜铌酸锂光学参量振荡器的高速光子集成电路储备池计算机，并在多个基准任务上实现了超过93%的准确率	首次在薄膜铌酸锂上实现基于光学参量振荡器的光子集成电路储备池计算系统，以全光方式同时实现线性和非线性操作，工作时钟速率约10吉赫兹，延迟可低于纳秒	摘要中未明确提及研究限制	开发高速、低延迟、节能的全光神经网络硬件，用于实时数据处理和模拟深度学习计算	光子集成电路光学参量振荡器储备池计算系统	机器学习	NA	光子集成电路，光学参量振荡器，薄膜铌酸锂	储备池计算	时间序列数据	NA	NA	光学参量振荡器网络	准确率	光子集成电路
983	2026-09-23	Deep learning-enabled screening of chronic kidney disease from echocardiography 2026-Sep-18, Med (New York, N.Y.) DOI:10.1016/j.medj.2026.101296 PMID:42759502	研究论文	本研究开发了一种深度学习模型，利用超声心动图视频从患者中筛查慢性肾脏病，并在多个独立队列中进行了外部验证	首次利用超声心动图视频通过深度学习模型检测慢性肾脏病，利用CKD与心血管疾病之间的关系实现无创筛查，并在两个独立外部临床中心验证了模型的稳健性	摘要中未明确提及研究的局限性	开发并验证一种基于深度学习的超声心动图模型，用于无创筛查和检测慢性肾脏病	来自Cedars-Sinai医疗中心、Stanford Healthcare和Kaiser-Permanente北加州三个机构的慢性肾脏病患者及对照人群的超声心动图视频数据	计算机视觉	慢性肾脏病	超声心动图	CNN	视频	训练集：来自62,818名患者的325,377个胸骨旁长轴超声心动图视频（CSMC）；外部验证集1：2,762名患者（SHC）；外部验证集2：41,611名患者（KPNC）	NA	NA	AUC	NA
984	2026-09-23	A deep learning-assisted whole-cell biosensor for catechol monitoring: Synergizing BphC recognition with a multi-feature fusion vision transformer 2026-Sep-18, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130638 PMID:42766880	研究论文	本研究开发了一种基于深度学习的全细胞生物传感器，用于儿茶酚检测，结合了基因工程全细胞生物催化剂与多特征融合视觉Transformer（MF-ViT）模型	将基因工程全细胞生物催化剂与多特征融合视觉Transformer相结合，实现了儿茶酚的便携式图像检测；利用分子对接和分子动力学模拟解释了传感器的选择性机制；MF-ViT在环境光照下结合全局视觉表示与预定义比色统计特征，性能优于传统RGB和CNN方法	未明确提及	开发一种便携式、基于图像的生物传感平台，用于儿茶酚的现场快速检测	儿茶酚（Cat）及其结构类似物，海水和自来水样本	计算机视觉	NA	全细胞生物传感、分子对接、分子动力学模拟	Vision Transformer	图像	海水和自来水加标样本（具体数量未提及）	NA	多特征融合视觉Transformer（MF-ViT）	预测准确度（R=0.944）、线性范围（12.5-400 nM）、检测限（1.66 nM）	NA
985	2026-09-23	LGBind: A structure-guided deep learning framework for accurate prediction of protein-ligand binding sites 2026-Sep-18, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119336 PMID:42767002	研究论文	该文章提出了一个结构引导的深度学习框架 LGBind，用于准确预测蛋白质-配体结合位点，通过整合蛋白质语言模型与三维结构信息，并引入动态相互引导机制，实现了对未见分子的泛化预测	1. 将受体拓扑建模为三维几何图以追踪原子级结构依赖；2. 提出动态相互引导的交互机制，根据配体化学性质动态对齐受体几何约束，学习内在物理结合基序；3. 协同使用蛋白质语言模型（ESM2 和 Ankh）与三维结构注释构建特征空间	摘要中未明确提及研究的局限性	解决现有蛋白质-配体结合位点预测模型中结合口袋表征与查询分子性质脱节、静态单向映射导致泛化能力受限的问题，实现通用且配体条件下的结合位点识别	蛋白质-配体结合位点，涉及蛋白质残基与配体分子的相互作用	机器学习	NA	蛋白质语言模型（ESM2、Ankh）、三维结构注释、分子对接	深度学习框架（基于三维几何图与动态交互机制）	蛋白质序列、三维结构数据、分子拓扑数据	NA	NA	蛋白质语言模型（ESM2、Ankh）、三维几何图网络、动态相互引导交互机制	NA	NA
986	2026-09-23	Integrating Artificial Intelligence with Liposomal Nanocarriers for Advanced Drug Delivery 2026-Sep-18, Recent advances in drug delivery and formulation DOI:10.2174/0126673878475998260827065237 PMID:42770442	综述	本文综述了过去十年中人工智能与机器学习在脂质体配方开发、微流控制造、质量属性预测及治疗性能评估中的应用	系统性地将人工智能与微流控平台整合用于脂质体药物递送，实现实时过程监控、提高重现性并支持连续制造，超越了传统试错优化策略	作为综述性文章，未开展原始实验验证；所纳入研究的异质性可能影响结论的普适性	评估人工智能与机器学习在脂质体药物递送系统开发中的应用价值，涵盖配方设计、制造工艺、质量预测及治疗性能评估	脂质体药物递送系统及其相关的配方变量、工艺参数和质量属性	机器学习	NA	脂质体纳米载药技术、微流控制造	神经网络, 深度学习, 集成学习	文本	NA	NA	NA	NA	NA
987	2026-09-23	Integrative Multi-Omics and Humanized Mouse Modelling to Predict Immunotherapy Response in Triple-Negative Breast Cancer 2026-Sep-18, Anti-cancer agents in medicinal chemistry IF:2.6Q3 DOI:10.2174/0118715206488396260901111840 PMID:42770448	综述	本文综述了多组学技术、人源化小鼠模型和计算免疫肿瘤学在预测三阴性乳腺癌免疫治疗反应中的最新进展	提出了整合多组学数据与人源化小鼠模型表型数据及复杂计算模型的综合组学模型AI生态系统策略，用于预测肿瘤学结局	预测的实现依赖于临床验证和监管机构对底层模型的接受	探讨如何预测三阴性乳腺癌患者对免疫治疗的反应，以改善免疫治疗应答者的识别并实现更个性化的治疗	三阴性乳腺癌患者	机器学习	三阴性乳腺癌	基因组学、转录组学、蛋白质组学、代谢组学、表观基因组学、单细胞多组学	机器学习、深度学习、基于网络的建模	多组学数据、图像	NA	NA	NA	NA	NA
988	2026-09-23	AI-Based Sepsis Prediction in Hospitalized Adults: Systematic Review, Subgroup Meta-Analysis, and Contextual Analysis of Clinical Burden 2026-Sep-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95665 PMID:42753195	系统综述与荟萃分析	本文系统综述并荟萃分析了基于机器学习和深度学习的住院成人脓毒症预测模型，并按预测窗口和验证成熟度进行亚组分析，同时利用韩国国家住院索赔数据描述脓毒症相关医疗负担	强调预测窗口和验证成熟度分层解释而非单一合并AUROC，并识别MIMIC和PhysioNet队列重复使用导致的非独立性，同时结合韩国国家索赔数据提供疾病负担的独立背景证据	大多数纳入研究为回顾性模型开发或验证研究，公共数据集重复使用导致非独立性，报告不一致，缺乏前瞻性随机和实施研究，预测区间重叠显示不确定性大，韩国索赔分析未验证AI模型	综合评估ML和DL脓毒症预测模型在住院成人中的性能，重点关注预测窗口和验证成熟度，并单独描述脓毒症相关医疗负担	住院成人脓毒症患者，以及韩国国家住院样本中的脓毒症相关住院 episode	机器学习	脓毒症	NA	机器学习, 深度学习	结构化临床数据, 索赔数据	34项研究纳入系统综述和荟萃分析，韩国国家住院样本数据用于负担分析	NA	NA	AUROC, 95%置信区间, 95%预测区间	NA
989	2026-09-23	D-TICNN: A dual encoder network with simplified transformer-involution and U-Net-based decoder for enhanced polyp and skin cancer segmentation 2026-Sep-17, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109642 PMID:42766948	研究论文	提出双编码器网络D-TICNN，结合简化Transformer-Involution和U-Net解码器，用于息肉和皮肤癌图像分割	简化Transformer（无注意力，仅层归一化和MLP）降低计算复杂度；引入Involution层增强局部特征学习；设计卷积-Involution细化注意力机制；U-Net解码器中加入统计特征块（最小值、最大值、标准差、均值）与解码器输出融合	未明确提及	提高息肉和皮肤癌图像分割性能	息肉图像和皮肤癌图像	计算机视觉	结直肠癌, 皮肤癌	NA	CNN, Transformer	图像	7个公开数据集；训练：CVC-ClinicDB和Kvasir-SEG（息肉），ISIC 2017（皮肤癌）；测试：CVC-ColonDB、Etis-LaribDB、CVC-300（息肉泛化），ISIC 2016（皮肤癌评估）	NA	U-Net	Dice系数	NA
990	2026-09-23	Harnessing snake venom cardiotoxins for antimicrobial peptide discovery 2026-Sep-16, npj drug discovery DOI:10.1038/s44386-026-00073-2 PMID:42749748	研究论文	该研究结合两种计算毒素挖掘策略，从眼镜蛇心脏毒素中识别抗菌肽候选物，并通过抗菌筛选和机制研究验证其活性。	首次将AMPA引导的序列挖掘与序列比对及共识序列分析相结合，从心脏毒素中挖掘抗菌肽，并发现CTX-p5具有抗菌活性。	当前计算优先级排序方法存在局限，肽面板整体抗菌活性有限，截短或化学修饰未能提高CTX-p5的抗菌效力，需要更准确的毒素挖掘工作流程。	从蛇毒心脏毒素中发现抗菌肽候选物，并评估其抗菌活性和作用机制。	眼镜蛇（Naja spp.）心脏毒素（CTXs）及其衍生的抗菌肽候选物	机器学习	NA	AMPA引导的序列挖掘、序列比对、共识序列分析、原子力显微镜、流式细胞术、荧光显微镜、膜通透性测定	机器学习、深度学习	序列、图像	14条CTX衍生肽，包括CTX-p5的两个修饰衍生物	NA	NA	抗菌活性（对革兰氏阴性和阳性细菌）、膜完整性破坏	NA
991	2026-09-23	Temperature-Modulated MEMS Gas Sensor Array Enabled by Physics-Informed Deep Learning for Thermal-Runaway Characteristic Gas Discrimination 2026-Sep-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77784 PMID:42750262	研究论文	本文提出了一种2×2集成单芯片MEMS气体传感器阵列，结合温度调制和物理信息深度学习，用于热失控特征气体的判别	提出了2×2集成单芯片MEMS气体传感器阵列，通过改变加热电极线宽实现四个不同温度区，开发了分层Kolmogorov-Arnold专家混合（HK-MoE）模型，实现了可靠的多气体判别，并在30天连续老化后仍保持良好性能	传感器阵列在30天连续老化后性能有所下降，尽管模型表现出满意的鲁棒性，但漂移问题仍未完全解决	实现热失控特征气体的可靠判别，用于电池安全早期监测	热失控特征气体（H2、CO、CH4和CO2）	机器学习	NA	MEMS气体传感器阵列，温度调制	分层Kolmogorov-Arnold专家混合模型（HK-MoE）	传感器响应数据	NA	NA	HK-MoE，Transformer	F1分数	NA
992	2026-09-23	A deep learning-assisted Biological Early Warning System using composite behavioral indicators in Daphnia magna with field-collected river water 2026-Sep-16, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126973 PMID:42767073	研究论文	该研究开发了一种深度学习辅助的生物早期预警系统，结合YOLO轨迹生成与多参数行为分析，利用大型蚤和野外采集河水评估其适用性	将YOLO-based轨迹生成与复合行为指标相结合，实现了在野外河水基质条件下对亚致死毒性的检测，突破了传统BEWS仅能检测急性高浓度暴露响应的局限	研究仅为探索性评估，复合行为指标的效果需进一步验证，且未在其他物种或更广泛的污染物类型中测试	开发深度学习辅助的BEWS，整合YOLO轨迹生成与多参数行为分析，评估其在野外河水基质条件下检测亚致死毒性的适用性	大型蚤（Daphnia magna）及野外采集的河水样本	计算机视觉	NA	深度学习辅助生物早期预警、行为监测	CNN	视频（行为轨迹数据）	大型蚤在七天的暴露期间（预暴露、暴露和恢复阶段）连续监测，河水来自不同采样点	NA	YOLO	精确率、真阳性率	NA
993	2026-09-23	Deep learning-assisted classification of phototherapy-induced cellular responses mediated by gold shell-isolated nanoparticles 2026-Sep-16, Journal of photochemistry and photobiology. B, Biology DOI:10.1016/j.jphotobiol.2026.113569 PMID:42767131	研究论文	本文研究利用无标记光学显微镜图像和深度卷积神经网络对黑色素瘤细胞在光疗后的细胞响应进行分类	将深度学习应用于无标记光学显微镜图像分类光疗诱导的细胞表型，并结合Grad-CAM揭示模型依赖的纹理和空间特征	未明确说明样本量、计算资源等具体细节	研究是否可以利用深度学习辅助的光学显微镜图像对光疗后黑色素瘤细胞的治疗相关表型进行分类	黑色素瘤细胞（A375和SH-4细胞系），经光敏纳米结构处理	计算机视觉	黑色素瘤	无标记光学显微镜成像	CNN	图像	NA	NA	深度卷积神经网络	准确率	NA
994	2026-09-23	DeepMASS v.2: An enhanced deep learning platform for large-scale discovery and structural annotation of unknown plant metabolites 2026-Sep-14, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101976 PMID:42363597	研究论文	本文介绍了DeepMASS v.2，一个用于大规模发现和结构注释未知植物代谢物的增强深度学习平台	结合Spec2Vec语义光谱表示、HNSW图检索和基于分子指纹的统一化学空间，实现对未知代谢物的准确注释	未明确提及	解决植物代谢组学中未知代谢物结构注释的瓶颈问题	未知植物代谢物	机器学习	NA	液相色谱-串联质谱	深度学习	质谱数据	来自GNPS、NIST和内部资源的数百万张光谱	NA	Spec2Vec, HNSW	NA	NA
995	2026-09-23	Artificial intelligence in trigeminal neuralgia: trigeminal nerve segmentation and neurovascular conflict detection: a systematic review and meta-analysis 2026-Sep-14, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-026-04486-5 PMID:42734878	系统综述与荟萃分析	本文系统综述并荟萃分析了人工智能模型在三叉神经痛诊断中用于三叉神经分割和神经血管冲突检测的性能	首次通过系统综述和荟萃分析综合评估AI模型在三叉神经痛MRI诊断中分割三叉神经和检测神经血管冲突的诊断准确性	仅纳入5项研究，样本量有限，且各研究间存在异质性，可能影响结果的普遍性	评估深度学习和机器学习模型在通过MRI自动分割三叉神经和检测神经血管冲突以提高三叉神经痛诊断准确性方面的潜力	确诊为三叉神经痛的患者	医学图像分析	三叉神经痛	MRI	深度学习，机器学习	医学图像	5项研究，共577名确诊三叉神经痛的患者	NA	NA	灵敏度，特异度，准确率，AUC，阳性诊断似然比，阴性诊断似然比，诊断优势比	NA
996	2026-09-23	Data-driven approaches in green microbiology: strategies for plant growth-promoting bacteria 2026-Sep-14, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107711 PMID:42735891	系统综述	本文系统综述了机器学习与深度学习在植物促生菌（PGPB）表征中的应用，分析了算法选择、性能与目标植物系统，并指出了该领域的研究空白与挑战	系统性地评估了ML/DL与PGPB表征相结合的研究进展，统计了248项观察中仅6.0%直接涉及PGPB筛选这一显著空白，并提出了整合基因组数据与功能验证的可解释AI框架需求	该领域受限于数据集不足、高计算需求以及多物种和宿主相关相互作用的建模困难	评估机器学习和深度学习在植物促生菌表征与筛选中的应用进展，识别当前研究空白并指明未来方向	植物促生菌（PGPB）相关研究文献及其中涉及的机器学习与深度学习应用	机器学习	NA	高通量测序	CNN	图像, 基因组数据, 生理数据, 生态数据	248项观察（研究记录）	NA	卷积神经网络（CNN）	NA	NA
997	2026-09-23	Explainable ultrasound-based multimodal deep learning for outcome prediction after needle release in carpal tunnel syndrome: a multicenter study 2026-Sep-13, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113251 PMID:42766999	研究论文	该研究开发了一种可解释的多模态深度学习模型（CTSNet-P），基于超声影像、电生理参数和临床信息预测腕管综合征患者经皮针释术后的6个月治疗效果，并验证了其辅助放射科医生决策的潜力	首次将可解释的多模态深度学习应用于超声引导下腕管综合征针释术后的预后预测，结合超声影像、电生理参数和临床信息，并通过Shapley值和Grad-CAM实现模型可解释性，同时验证了AI辅助策略对放射科医生预测性能的提升效果	研究结论仍需在更大规模队列中进一步验证	开发可解释的多模态深度学习模型以增强腕管综合征针释术后预后预测的个体化决策能力	腕管综合征患者	医学影像分析、数字病理	腕管综合征	超声成像、彩色多普勒成像、电生理检查	多模态深度学习	超声图像、电生理参数、临床文本信息	回顾性收集449例来自四个临床中心的患者用于训练、验证和内部测试，前瞻性招募169例用于外部测试，共618例	NA	CTSNet-P	AUC、准确率	NA
998	2026-09-23	Molecular docking versus co-folding for protein-peptide pose prediction: effects of protein flexibility and training set overlap 2026-Sep-11, Digital discovery IF:6.2Q1 DOI:10.1039/d6dd00242k PMID:42769622	研究论文	本文系统比较了三种共折叠方法（AFM、AF3、Boltz-2）与两种分子对接方法（ADCP、HADDOCK）在蛋白质-多肽结合构象预测中的表现，重点关注蛋白质柔性和训练集重叠的影响	首次系统性地将深度学习共折叠方法与多肽优化的分子对接方法进行基准测试，并构建了基于训练集冗余度分类的独立测试集以评估泛化性能，同时揭示了ipTM和pLDDT等评分指标的互补价值	研究主要基于PepPro数据集及其衍生的独立测试集，数据集规模有限，可能无法完全代表所有类型的蛋白质-多肽复合物；未涉及其他类型的多肽（如环肽或翻译后修饰肽）	评估和比较共折叠方法与分子对接方法在蛋白质-多肽结合构象预测中的准确性、排序性能和泛化能力	蛋白质-多肽复合物，包括来自PepPro数据集的结构以及构建的独立非冗余测试集	机器学习	NA	分子对接、共折叠结构预测	AlphaFold-Multimer, AlphaFold3, Boltz-2	蛋白质-多肽复合物结构数据	PepPro数据集及构建的独立测试集（具体数量未在摘要中说明）	NA	AlphaFold-Multimer, AlphaFold3, Boltz-2	ipTM, pLDDT, 构象预测准确率, 排序性能	NA
999	2026-09-23	moTSart: accelerating automated transition state search with generative models in a low-data regime 2026-Sep-11, Digital discovery IF:6.2Q1 DOI:10.1039/d6dd00259e PMID:42769678	研究论文	本文提出了一个生成式机器学习框架，用于加速自动化过渡态搜索，并在低数据量下通过生物正交点击反应的高通量筛选进行了验证。	将生成式模型嵌入全自动过渡态搜索流程，并在仅544个反应的低数据制度下实现了约40%的优化周期减少。	文章未明确说明限制，可能涉及框架在其他反应类型上的泛化能力及数据依赖性。	加速自动化过渡态搜索，实现可靠的高通量反应发现。	生物正交点击反应的反应空间。	机器学习	NA	生成式机器学习，量子力学计算	生成模型，深度学习模型	SMILES表示，反应数据	544个反应	NA	NA	过渡态优化周期减少百分比	NA
1000	2026-09-23	Artificial Intelligence Across the PET Reconstruction Pipeline: An Update 2026-Sep-09, AJR. American journal of roentgenology DOI:10.2214/AJR.26.34681 PMID:42714438	综述	本文综述了人工智能在PET重建流程中的应用，涵盖采集、校正、重建和后处理阶段，并讨论了技术基础、临床意义以及监管和实际部署问题	系统性地综述了AI在PET重建全流程中的应用，并强调了AI增强而非替代传统物理重建框架的定位，同时讨论了从研究到临床转化的验证、互操作性、可追溯性和软件生命周期管理等实际问题	本文为综述性文章，未提供原始实验数据或新的算法验证	探讨AI在PET重建流程中的应用，讨论技术基础、临床意义以及监管和实际部署问题	PET重建流程	医学图像重建	NA	PET	深度学习	图像	NA	NA	NA	NA	NA