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
1121	2026-07-31	Pre-Training for Large-Scale Functional Connectome Fingerprinting Supports Generalization and Transfer Learning in Functional Neuroimaging 2026-Jul-29, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0370-25.2026 PMID:42527301	研究论文	本文通过将功能连接组指纹识别作为神经网络预训练任务，学习了大脑功能的通用表示，并在多个fMRI数据集上实现了高识别准确率	受说话人识别研究启发，首次将功能连接组指纹识别大规模应用于神经网络预训练，学习到可泛化的脑功能表示，支持跨数据集和跨性别识别	NA	解决fMRI数据集规模小、个体间差异大和扫描协议异质性等限制深度学习应用的问题，开发可扩展的迁移学习方法	多个公开fMRI数据集（MPI-Leipzig、NKI-Rockland、OASIS-3、HCP）中的个体大脑功能连接组	机器学习	NA	功能磁共振成像（fMRI）	神经网络预训练模型	功能磁共振影像	使用MPI-Leipzig、NKI-Rockland、OASIS-3和HCP等多个公开数据集，具体样本数未说明	NA	NA	识别准确率（分别为93%、94%、73%、99%）	NA
1122	2026-07-31	Uncertainty-Aware Risk Stratification in Pediatric Low-Grade Glioma Using Multimodal Data 2026-Jul-29, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9550 PMID:42527308	研究论文	开发了一种不确定性感知的多模态生存框架，整合T2加权MRI的深度学习特征、分子亚型和临床信息，用于儿童低级别胶质瘤的风险分层	首次将不确定性量化引入pLGG风险分层，通过自助重采样估计每个患者的预测不确定性，并采用晚期融合策略整合影像-临床模型和临床-分子模型	未提及	改进儿童低级别胶质瘤的风险分层方法	儿童低级别胶质瘤患者	机器学习, 医学影像分析	儿童低级别胶质瘤	T2加权MRI, 肿瘤组织基因组分析	深度学习生存模型, 临床-分子生存模型	影像, 临床数据, 分子亚型信息	360例影像数据, 493例分子亚型信息, 294例同时有影像和分子数据	NA	Clinico-ResNet, 晚期融合模型	Harrell's C-index	NA
1123	2026-07-31	Comparative Study of Training Strategies for Projection-Domain Denoising in Multislice Helical CT 2026-Jul-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02145-1 PMID:42527791	研究论文	对多层螺旋CT投影域去噪中多种深度学习模型的训练策略进行比较研究	首次系统比较了U-Net、EDCNN、生成对抗网络及扩散模型在锥束CT投影域去噪中的表现，并聚焦于不同训练策略的影响	仅使用了数学体模的投影数据进行训练，未涉及真实临床投影数据的验证	评估深度学习模型在CT投影域去噪中的性能，并强调物理建模和数据一致性的重要性	低剂量CT投影域中的噪声和条状伪影	计算机视觉	不适用	锥束CT投影数据、滤波反投影重建	U-Net、EDCNN、生成对抗网络、扩散模型	图像（锥束CT投影）	不适用（文中未明确样本数量）	不适用	U-Net、边缘增强密集特征传播网络、生成对抗网络、扩散模型	不适用（文中未明确列出性能指标）	不适用
1124	2026-07-31	A Thyroid Nodule Differentiation Model for Benign-Malignant Identification by Fusing Transfer Learning and Gradient Boosting Decision Tree 2026-Jul-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02120-w PMID:42527788	研究论文	提出一种融合迁移学习和梯度提升决策树的甲状腺结节良恶性鉴别优化模型	通过ResNet50迁移学习提取超声图像高级语义特征，并结合XGBoost分类器构建两阶段诊断架构，充分发挥深度学习特征表示与梯度提升树高效分类的优势	需要独立外部队列进一步验证才能进行更广泛的临床应用	提升甲状腺结节良恶性鉴别的准确性和可靠性，降低传统超声诊断的主观性和单一人工智能模型在小样本场景中泛化能力不足的问题	甲状腺结节超声图像	计算机视觉	甲状腺疾病	超声成像	CNN和梯度提升决策树	图像	多中心临床超声数据集	TensorFlow, PyTorch	ResNet50, XGBoost	准确率, 精确率, 召回率, F1分数	NA
1125	2026-07-31	Deep learning-based prediction of drug-target interactions between antiviral drugs and SARS-CoV-2 proteins using an image-based representation approach 2026-Jul-28, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109264 PMID:42526192	研究论文	应用基于图像的表示方法，通过深度学习预测抗病毒药物与SARS-CoV-2蛋白之间的药物-靶标相互作用	提出MPS2IT-DTI深度学习框架，将分子和蛋白质序列编码为k-mer频率图像，利用卷积神经网络捕捉与生化相互作用相关的空间组成模式	未明确说明	开发一种计算高效且具有生物学意义的药物-靶标相互作用预测方法，用于抗病毒药物重定位	33种FDA批准的抗病毒药物和6种SARS-CoV-2非结构蛋白	机器学习	COVID-19	序列到图像编码（k-mer频率编码）	卷积神经网络（CNN）	分子SMILES序列和蛋白质FASTA序列	83,165个结合相互作用的FDA药物-靶标数据集（含1640个配体和3270个靶标）	NA	MPS2IT-DTI（Molecule and Protein Sequence to Image Transformer for Drug-Target Interaction）	结合分数（基于KIBA评分系统）	NA
1126	2026-07-31	A Hybrid Perception Network for Accurate and Interpretable Brain Tumor Classification Using Multi-Modal Imaging 2026-Jul-26, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.7.2525 PMID:42522813	研究论文	提出一种混合感知网络HyPerNet，融合多模态影像实现脑肿瘤的精确分类与可解释性	创新整合3D卷积神经网络与图神经网络进行混合特征提取，并引入动态注意力机制与Grad-CAM可解释性组件，同时实现高精度与轻量化	未提及在真实临床环境中的泛化能力验证及对不同肿瘤亚型的细粒度分类表现	开发准确、可解释且高效的脑肿瘤分类模型以辅助临床诊断	脑肿瘤的MRI、CT和PET多模态医学影像	数字病理学	脑肿瘤	多模态影像融合（MRI、CT、PET）	3D卷积神经网络、图神经网络	图像	8256张多模态医学影像	PyTorch	DenseNet121, ResNet101, MobileNetV3	准确率, 精确率, 召回率, F1分数, 特异度	移动与边缘设备（参数仅166万）
1127	2026-07-31	A deep learning-based framework for the malignancy analysis of thyroid lesions in contrast-enhanced ultrasound videos 2026-Jul-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103500 PMID:42526280	研究论文	提出一个基于深度学习的框架LSTAC，用于甲状腺结节的增强超声（CEUS）视频中的恶性分析，包括自动结节分割和时间-强度曲线分析	集成改进的YOLOv5分割网络与峰值强度帧提取算法，实现全自动的CEUS视频分析，提高了效率和一致性	未明确提及限制	自动化甲状腺结节在CEUS视频中的分割和TIC分析，以改善恶性预测效率	甲状腺结节	计算机视觉	甲状腺癌	对比增强超声	YOLOv5	视频	623名患者的三家医院CEUS数据	PyTorch	改进的YOLOv5	时间精度,结构相似性（SSIM）,AUC	NA
1128	2026-07-31	[Advances in the application of artificial intelligence in antimicrobial resistance research] 2026-Jul-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.260218 PMID:42522608	综述	系统阐述人工智能在抗菌药物耐药性研究中的应用进展，包括多组学数据、机制分析和新型分子设计	首次全面梳理人工智能驱动的生物医学大数据生态，并深度整合多级耐药机制分析与智能分子设计两大应用方向	数据质量参差不齐、算法可解释性不足、临床转化困难以及伦理治理挑战	为研究人员提供人工智能在抗菌药物耐药性领域的应用全景、现有挑战和未来路径	抗菌药物耐药性研究中的多组学数据、表型与临床数据、文献知识数据	机器学习	抗菌药物耐药性	多组学数据整合、深度学习	NA	多组学数据、表型数据、临床数据、文献知识数据	NA	NA	NA	NA	NA
1129	2026-07-31	KongNet: A multi-headed deep learning model for detection and classification of nuclei in histopathology images 2026-Jul-25, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104233 PMID:42526077	研究论文	提出一种名为KongNet的多头深度学习架构，用于组织病理学图像中细胞核的检测与分类	采用共享编码器和并行、细胞类型特化解码器的多头架构，通过多任务学习联合预测细胞核质心、分割掩膜和轮廓，并引入空间和通道挤压激励注意力模块及复合损失函数	未提及具体限制	提高组织病理学图像中细胞核检测与分类的准确性和效率	组织病理学图像中的细胞核	数字病理学	NA	NA	深度学习模型	图像	多个公开数据集，包括MONKEY、PUMA、PanNuke和CoNIC挑战赛数据集	NA	KongNet	准确率、排名	NA
1130	2026-07-31	MAFSyn: Drug synergy prediction via hierarchical attentive fusion and biological context integration 2026-Jul-23, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109262 PMID:42526193	研究论文	提出了MAFSyn，一种通过分层注意力融合和生物学背景整合进行药物协同作用预测的深度学习框架	首次采用分层注意力融合策略整合药物分子层次结构，并通过蛋白质相互作用网络传播多组学数据生成生物学信息丰富的细胞系嵌入	依赖O'Neil基准数据集进行验证，未提及跨多种癌症类型的广泛适用性或计算效率优化	开发准确且泛化能力强的深度学习模型，预测癌症治疗药物协同组合	药物分子结构、细胞系多组学数据及蛋白质相互作用网络信息	机器学习	癌症	NA	深度学习模型	药物分子结构数据、细胞系多组学数据	使用O'Neil基准数据集（未提及具体样本数量）	Pytorch（推断）	图神经网络，多头自注意力机制	均方误差 (MSE)，均方根误差 (RMSE)	NA
1131	2026-07-31	Next-generation bloodstain pattern analysis: methodological gaps, digital advances, and forensic admissibility 2026-Jul-22, Legal medicine (Tokyo, Japan) DOI:10.1016/j.legalmed.2026.102937 PMID:42526128	综述	批判性评估血迹模式分析从传统经验方法向现代计算方法的演进，并提出混合法医范式	提出将人类专家推理与物理动力学约束算法相结合的混合法医范式，并强调构建验证性真实数据集和似然比贝叶斯推断模型	方法碎片化严重、数据集存在偏差、缺乏多变量基质验证，以及对Daubert法律框架下误差传播建模不足	推动血迹模式分析从经验依赖转向定量化、多学科的法医科学，提升其在法庭上的证据价值和可靠性	血迹模式分析领域的传统方法、计算技术进步及法律可采性挑战	计算机视觉	不适用	3D激光扫描、地面LiDAR、人工智能驱动计算机视觉	深度学习模型	图像	不适用	不适用	不适用	再现性、分类速度	不适用
1132	2026-07-31	LSMS-Net: Resolving multiple scattering via physics-constrained deep learning for photoacoustic imaging in porous media 2026-Jul-22, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108241 PMID:42526395	研究论文	提出一种物理约束深度学习框架LSMS-Net，用于解决多孔介质中光声成像的多重散射问题	通过分层剥离的课程学习策略和物理约束网络解决逆多重散射问题，集成Ghost Network、自适应散射点扩散函数层和频谱一致性约束	NA	实现多孔介质中深层结构的高保真光声成像重建	多孔介质中的深层结构	计算机视觉	骨相关疾病	光声成像	深度学习网络	仿真数据和体模实验图像	NA	PyTorch	Ghost Network，自适应散射点扩散函数层	NA	NA
1133	2026-07-31	Deep learning models accurately classify Parkinson's disease from eye-tracking fixation data 2026-Jul-20, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106626 PMID:42526265	研究论文	利用深度学习模型从眼动注视数据中准确分类帕金森病	首次使用原始注视间隔数据而非手工特征，结合先进的时间序列分类器（InceptionTime、ROCKET、Detach-ROCKET）进行帕金森病分类，并探索模型可解释性	样本量较小（84名参与者），且仅基于注视阶段数据，可能未能充分利用眼动全流程信息，需要更大数据集验证泛化能力	评估深度学习模型在眼动注视时序列数据上对帕金森病分类的性能，并探索其作为生物标志物发现的潜力	84名参与者（54名帕金森病患者和30名健康对照）在进行正向眼跳和反向眼跳任务时的眼动注视数据	机器学习	帕金森病	眼动追踪	深度时间序列分类模型（InceptionTime、ROCKET、Detach-ROCKET）	时间序列（原始注视间隔数据）	84名参与者（54名患者，30名健康对照）	NA	InceptionTime、ROCKET、Detach-ROCKET	准确率	NA
1134	2026-07-31	PRANA: A Deep Learning Method for Adapting Polygenic Risk Scores to Diverse Ethnic Groups 2026-Jul-15, medRxiv : the preprint server for health sciences DOI:10.64898/2026.07.12.26357860 PMID:42523604	研究论文	提出一种深度学习框架PRANA，用于将欧洲人群的多基因风险评分适应至其他祖先群体，减少基因组风险预测中的差异	利用预训练的欧洲人群PRS模型，通过目标人群的小规模队列进行迁移学习，无需大规模GWAS数据即可实现跨祖先适应性调整	对目标人群数据规模仍有依赖，且在极小样本亚群中性能可能受限；仅在部分人群和性状中验证，泛化性需进一步测试	开发可扩展的跨祖先PRS适应方法，提升非欧洲人群的遗传风险预测准确性，促进精准医学的公平应用	南亚、东亚、阿什肯纳兹犹太人群及亚东亚亚群中七种复杂性状的遗传风险预测	机器学习	复杂疾病	多基因风险评分、深度学习、迁移学习	神经网络	基因组数据	多个小规模目标人群队列，具体样本量未明确	PyTorch	PRANA（基于神经网络的架构）	效应量β值、Nagelkerke's R	NA
1135	2026-07-31	Processing strategies for improving cortical thickness correspondence between low-field and high-field MRI in young people 2026-Jul-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.07.08.737238 PMID:42523481	研究论文	评估多种低场MRI图像处理策略以提高年轻人中低场与高场MRI皮质厚度测量的一致性	首次在大样本年轻人中系统比较多种深度学习图像处理方法（SynthSR v1.0/2.0、recon-all-clinical、recon-any）对超低场（64mT）与高场（3T）MRI皮质厚度一致性的提升效果	未提及具体局限性	优化低场MRI皮质厚度评估方法，使其与高场MRI结果更一致，从而推动低场MRI在神经发育和精神病学中的应用	150名年轻人（平均年龄18.63岁，80位女性）的脑部MRI影像	医学影像处理	NA	深度学习图像处理（SynthSR、recon-all-clinical、recon-any）	深度学习模型	脑部MRI影像（T1加权、T2加权）	150名受试者的MRI数据	NA	SynthSR v1.0, SynthSR v2.0, recon-all-clinical, recon-any	皮尔逊相关系数, 组内相关系数, Steiger's Z检验, Fisher's Z检验	NA
1136	2026-07-31	Privacy-Preserving Surgical Video Analysis with Swarm Learning - Results from a Multinational Appendectomy Cohort 2026-Jul, NEJM AI DOI:10.1056/aioa2501116 PMID:42524460	研究论文	开发结合弱监督深度学习与群体学习的隐私保护手术视频分析流程，并在多国阑尾切除术队列中验证其性能	将弱监督深度学习与群体学习相结合，实现无需患者级别标注和中央数据汇聚的多中心协作手术视频分析	硬件故障及去中心化学习流程与电子病历整合有限，是临床实施的主要障碍	实现隐私保护的多中心协作手术视频分析，预测患者级别结局	397例国际六中心的腹腔镜阑尾切除术视频记录	计算机视觉, 机器学习	阑尾炎	弱监督深度学习, 群体学习	SurgTempoNet, SurgFrameNet, 多实例学习	手术视频	397例腹腔镜阑尾切除术视频	PyTorch	SurgTempoNet, SurgFrameNet	AUROC	NA
1137	2026-07-31	Integrated Radioproteomic Modeling for Early Recurrence Prediction and Metabolic Characterization in Hepatocellular Carcinoma 2026-Jul, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-25-00745 PMID:42525890	研究论文	开发可解释的深度学习框架，整合放射组学和蛋白质组学预测肝细胞癌术后早期复发并揭示代谢机制	首次将深度学习影像特征与蛋白质组学数据整合，揭示高风险肝细胞癌中丙酮酸代谢失调的生物学基础，并发现LDH抑制剂stiripentol的潜在治疗作用	需要进一步验证和前瞻性研究以确立临床实用性	开发可解释的深度学习模型预测肝细胞癌术后早期复发，并阐明其生物学机制	肝细胞癌患者术前多相CT影像及蛋白质组学数据	计算机视觉、机器学习	肝细胞癌	CT成像、蛋白质组学、代谢组学、免疫组化、酶活性检测、患者来源类器官	深度学习模型	影像、蛋白质组数据、代谢组数据	未明确样本数量	PyTorch	Multi-model_NC&ART&PV	生存分析、风险分层准确性	NA
1138	2026-07-31	Dental midline localization: development and validation of an automated deep learning pipeline 2026-Jun-02, European journal of orthodontics IF:2.8Q1 DOI:10.1093/ejo/cjag056 PMID:42522750	研究论文	开发并验证一种基于深度学习的自动化中线定位流程，用于在微笑照片中定位上颌牙齿中线	首次系统比较四种卷积神经网络骨干网络（EfficientNet-B0、ResNet-18、MobileNetV3-Small、HRNet-W18）在牙齿中线定位任务中的性能，并构建了包含人脸检测、眼间线旋转归一化、嘴部区域提取和关键点回归的全自动管线	样本仅来自单中心的标准化微笑照片，泛化能力需在更大队列和不同条件下验证	开发高精度牙齿中线自动定位方法，辅助正畸诊断和微笑美学评估	221张标准化正面微笑照片中的上颌牙齿中线	计算机视觉	正畸相关疾病	深度学习	卷积神经网络（CNN）	图像	221张标准化正面微笑照片	PyTorch	EfficientNet-B0, ResNet-18, MobileNetV3-Small, HRNet-W18	平均角度误差, ≤1°阈值准确率, ≤2°阈值准确率, 组内相关系数（ICC）, Bland-Altman偏差	NA
1139	2026-07-31	Artificial intelligence for chest radiography: an overview of techniques, challenges, and future directions 2026-Jun-02, npj health systems DOI:10.1038/s44401-026-00087-y PMID:42527557	综述	这篇论文批判性地分析了人工智能在胸片分析中的进展，从传统机器学习到深度学习及多模态方法的演变	综述了从传统机器学习到深度学习及多模态方法的演进，并讨论了大型语言模型和多模态系统的整合	仍然存在模型偏差、跨机构泛化能力有限和可解释性不足等挑战	分析人工智能在胸片分析中的技术进展、挑战和未来方向	胸片分析中的人工智能技术	计算机视觉	NA	NA	CNN, transformer	图像	NA	NA	CNN, transformer	诊断准确率	NA
1140	2026-07-31	KneeXNet-2.5D: a clinically-oriented and explainable deep learning framework for MRI-based knee cartilage and meniscus segmentation 2026-Feb-16, npj health systems DOI:10.1038/s44401-026-00072-5 PMID:42527501	研究论文	提出了一个面向临床且可解释的深度学习框架KneeXNet-2.5D，用于基于MRI的膝关节软骨和半月板分割	采用2.5D架构捕获片间空间上下文，结合合成噪声注入增强稳健性，并引入基于熵的AI可解释性策略提高透明度	未提及明显的局限性	实现准确高效的膝关节软骨和半月板分割，并确保模型的可解释性和临床适用性	膝关节软骨和半月板	自然语言处理	骨关节炎	NA	深度学习	MRI图像	一个金标准的膝关节MRI数据集，具体规模未提及	PyTorch	2.5D架构	分割准确性	适用于低资源医院和农村护理环境的计算基础设施，具体配置未提及