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	2026-06-09	Deep Learning-Based OCT Segmentation for Stiffness Quantification in Evaluating Low-Level Laser Therapy for Wound Healing 2026-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70291 PMID:42252133	研究论文	本研究通过深度学习OCT分割评估低强度激光疗法对伤口愈合过程皮肤僵硬度的影响	将U-Net深度学习模型应用于OCT图像自动分割以实现无接触测量皮肤僵硬度，并首次分析低强度激光疗法的短期生物力学响应	仅评估短期效应，未涉及长期伤口愈合结果或更大规模样本	评估低强度激光疗法对伤口组织短期生物力学响应的影响	不同肢体区域的伤口组织	计算机视觉、数字病理	伤口愈合	OCT成像、空气压痕系统	U-Net	OCT图像	未明确提及样本数量及类型	PyTorch	U-Net	分割准确率 (92%)	NA
1122	2026-06-09	A Multimodal Deep Learning Model for Objective Identification of Sub-health Status in Traditional Chinese Medicine 2026-Jun-01, Combinatorial chemistry & high throughput screening IF:1.6Q3 DOI:10.2174/0113862073484389260528213445 PMID:42253198	研究论文	提出一种融合舌象、面部图像和红外热像的多模态深度学习模型，结合专家经验，用于亚健康状态的中医体质客观识别	首次将中医体质分类理论与多模态深度学习结合，并通过结构化提示将专家知识嵌入数据驱动框架，以优化特征融合和分类性能	PDC和QDC体质性能相对较低（准确率约0.77，AUC约0.73），且样本量有限（1389名参与者），未提及外部验证	实现亚健康状态的客观量化与准确分类，为早期筛查和健康管理提供技术参考	1389名参与者的中医体质状态（包括平和质、气虚质等八种体质）	计算机视觉，机器学习	亚健康	不适用	卷积神经网络（CNN），注意力机制	图像（舌图像、面部图像、红外热图像）	1389名参与者	PyTorch	ResNet-18，交叉注意力融合机制	准确率、召回率、精确率、特异性、AUC	不适用
1123	2026-06-09	Comparison of deep learning and particle smoother EM methods for estimation of Rb-82 myocardial perfusion PET kinetic parameters 2026-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.70512 PMID:42253226	研究论文	对比深度学习和粒子平滑器期望最大化方法用于铷-82心肌灌注PET动力学参数估计	首次开发并评估基于粒子平滑器的期望最大化（PSEM）方法和卷积神经网络（CNN）用于铷-82心肌灌注PET的动力学参数估计，并证明CNN在参数估计准确性上显著优于传统方法	CNN在输入函数分布外条件下性能下降；PSEM方法在不同参数上表现不一，需进一步方法优化	评估两种替代动力学分析方法（PSEM和CNN）用于铷-82心肌灌注PET参数估计的效果	铷-82心肌灌注PET的动力学参数（F, k3, k4）	计算机视觉	心血管疾病	PET	CNN	图像	NA	NA	卷积神经网络	相对误差	NA
1124	2026-06-09	From satellite imagery to material outflows: master plan and deep learning-based quantification of demolition materials to support circular construction 2026-Jun, Journal of environmental health science & engineering DOI:10.1007/s40201-026-00978-0 PMID:42253472	研究论文	提出一种基于城市总体规划与深度学习的方法，从卫星影像中量化建筑拆除材料以支持循环建设	首次将城市总体规划与Mask RCNN模型结合，自动识别潜在拆除建筑并量化其材料组成，为城市尺度循环经济提供新路径	模型仅依赖单一城市（阿斯塔纳）数据，且历史拆除活动依赖手动识别，可能影响泛化性	通过卫星影像和深度学习量化拆除废料，支持循环经济在城市建筑领域的应用	哈萨克斯坦阿斯塔纳市的建筑拆除活动及产生的材料	计算机视觉	无相关疾病	卫星影像分析	CNN	图像	2016-2022年间近4500个拆除工程，涉及约108 Mt拆除材料	ArcGIS, PyTorch	Mask RCNN	基于对象的召回率（≥50%重叠）、足迹面积平均误差	NA
1125	2026-06-09	Use of Artificial Intelligence in the Early Diagnosis of Oral Cancer: Current Update, Limitations and Future Perspectives 2026-Jun, Journal of dentistry (Shiraz, Iran) DOI:10.30476/dentjods.2025.105757.2609 PMID:42253830	comments	探讨人工智能在口腔癌早期诊断中的应用、局限性与未来展望	概述了机器学习与深度学习算法在口腔癌检测中的最新应用，强调了AI在分析临床图像、患者数据及其他诊断工具中的作用，以识别癌前病变并减少诊断延误	NA	评估人工智能在口腔癌早期诊断中的整合应用，并讨论未来前景	口腔癌早期诊断中的AI技术应用案例及相关数据	machine learning	口腔癌	NA	机器学习与深度学习模型	临床图像、患者数据及诊断工具数据	NA	NA	NA	NA	NA
1126	2026-06-09	ArabiCCR: A commercial Arabic ruling court cases dataset with judicial decisions 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112844 PMID:42254583	研究论文	本文介绍了一个从沙特司法部官网收集的商业法庭判决数据集，包含阿拉伯语司法判决，并公开提供以支持阿拉伯语法律文本处理研究	首次系统收集并公开沙特商业法庭判决数据集，包含案件叙述、法律推理和最终判决，经匿名化处理支持可重复分析	未明确提及限制，但数据集仅聚焦商业案件类型，可能无法覆盖其他案件领域	为阿拉伯语法律文本处理和司法推理研究提供数据集资源	沙特商业法庭判决案件的文本数据	自然语言处理	NA	NA	NA	文本	多个商业法庭判决案例，具体数量未在摘要中说明	NA	NA	NA	NA
1127	2026-06-09	Prompt mechanisms in medical imaging: A comprehensive survey 2026-Jun-01, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101271 PMID:42254959	综述	全面调研基于提示机制在医学影像中的深度学习方法，分析其性能提升与临床部署挑战	系统梳理文本指令、视觉提示、可学习嵌入等多种提示模态，揭示其在图像生成、分割、分类等任务中的双重优势（性能提升与方法论创新）	提示设计优化、数据异质性与临床可扩展性仍存在持续挑战	评估提示工程在医学影像中的发展现状，推动临床诊断与个性化治疗规划的革命	医学影像中的提示机制（文本指令、视觉提示、可学习嵌入）及其在生成、分割、分类任务中的应用	计算机视觉, 数字病理	NA	NA	深度学习模型	医学影像	NA	NA	NA	准确率, 鲁棒性, 数据效率	NA
1128	2026-06-09	Natural-language-processing and safety-engineering-based fault identification technique for electrochemical ESSs 2026-Jun-01, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101277 PMID:42254964	研究论文	提出一种结合自然语言处理、深度学习和安全工程的电化学储能系统故障诊断框架，用于识别和分析ESS故障	首次将自然语言处理与安全工程方法（Bow-Tie和故障模式分析）相结合，利用大语言模型生成合成故障案例以增强数据多样性，并引入自注意力增强卷积神经网络实现高精度分类	未提及具体限制	开发一种能够实时监测、智能诊断和主动管理电化学储能系统故障的综合方法	电化学储能系统的故障日志和非结构化报告	自然语言处理, 机器学习	NA	自然语言处理, 深度学习, 安全工程	CNN	文本	全球ESS故障日志，经大语言模型增强以平衡各类别数据，具体样本量未提及	NA	自注意力增强CNN	准确率, F1分数	NA
1129	2026-06-09	Pediatric Risk Mapping From Co-Exposure to Extreme Temperatures and Air Pollutants 2026-Jun, GeoHealth IF:4.3Q1 DOI:10.1029/2025GH001743 PMID:42255323	研究论文	通过无监督机器学习和深度学习方法，在连续美国范围内构建儿科脆弱性指数，分析极端温度与空气污染物联合暴露的风险区域	首次在人口普查区尺度上整合五种降维方法（包括无监督学习和深度学习）构建儿科脆弱性指数，并联合分析极端温度与空气污染物双重暴露的空间分布	未说明具体局限性	识别儿童因极端温度与空气污染物联合暴露导致不良健康结果的高风险区域	连续美国范围内的人口普查区	机器学习	儿科疾病（呼吸系统疾病、热相关疾病、发育障碍）	NA	PCA（主成分分析）	环境暴露数据（极端温度、PM₂.₅、黑碳）及脆弱性因素数据	2012-2024年极端温度数据及2010-2020年PM和黑碳暴露数据	NA	PCA（主成分分析）	NA	NA
1130	2026-06-09	Counterfeit Citri Reticulatae Pericarpium Identification: Multi-Class Detection Using Vis/NIR Spectroscopy and Residual Neural Networks 2026-Jun, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71975 PMID:42255696	研究论文	本研究提出了一种结合可见/近红外光谱与深度学习的模型，用于快速无损识别正宗陈皮（CRP）及其四种假冒品	首次将WGAN-GP数据增强与Inception-ResNet模型结合于陈皮光谱分类，提升了模型泛化能力和分类鲁棒性	未提及具体限制	开发一种快速无损的假冒陈皮多类检测模型	正宗陈皮及四种类型假冒陈皮样本	机器视觉, 机器学习	不适用	可见/近红外光谱	残差神经网络	光谱数据	正宗陈皮和四种假冒陈皮样本	NA	Inception-ResNet	准确率	NA
1131	2026-06-09	Channel and Spatial Parallel Attention for ECG-Based Prediction of Concealed Accessory Pathways and Atrioventricular Nodal Reentry Tachycardia 2026-Jun, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.70373 PMID:42256115	研究论文	提出CSPANet深度学习架构，通过通道和空间并行注意力机制增强心电图特征提取，用于区分隐匿性旁路和房室结折返性心动过速	整合通道和空间并行注意力模块，通过平行处理通道注意力和空间注意力机制增强心电图特征提取，实现两种疾病的高精度鉴别	未明确说明	利用深度学习从窦性心律心电图中区分隐匿性旁路和房室结折返性心动过速，提供临床诊断工具	隐匿性旁路和房室结折返性心动过速患者	机器学习	心血管疾病	心电图分析	CNN（ResNet50， CSPANet）	心电图信号	未明确说明样本数量	PyTorch	CSPANet， ResNet50， ResNet20	准确率，灵敏度，特异性，精确率	未明确说明
1132	2026-06-09	Passive Acoustic Monitoring and Deep Learning Reveal a Lag From Rainfall to Gibbon Song Across a Mosaic Forest Landscape 2026-Jun, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.73717 PMID:42256124	research paper	利用被动声学监测和深度学习技术，揭示了雨林景观中降雨与长臂猿鸣叫之间的滞后关系	首次在大空间和时间尺度上，利用预训练的深度学习检测器分析三种森林类型中白须长臂猿的鸣叫活动，并发现了降雨事件后约51-52天的鸣叫峰值，表明鸣叫活动反映了对季节性降雨的滞后物候响应	研究仅在一个区域进行，可能无法推广到其他地理区域；未考虑人为干扰和气候变化对鸣叫行为的直接影响；深度学习检测器可能存在假阳性或假阴性误差	利用被动声学监测和深度学习技术，研究不同森林类型中濒危白须长臂猿的鸣叫行为及其与季节性降雨的关系	濒危物种——婆罗洲白须长臂猿的鸣叫活动	machine learning	NA	被动声学监测	深度学习检测器	音频数据	8个自主录音单元，18个月收集23,244小时音频数据，识别出83,956次大叫声	NA	预训练深度学习检测器	NA	NA
1133	2026-06-09	Airway segmentation on CT - A systematic review of machine learning tools 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100764 PMID:42256489	综述	全面评估机器学习方法在CT图像中全自动气道分割的性能与局限性	系统性地分析了气道分割中拓扑指标（分支检出率、树长检出率）与体素精度指标的差异，并评估了深度学习相对于传统机器学习的优势	纳入研究的MAIC-10质量评分中等（6-8/10），在安全性/隐私性、可解释性和透明度方面报告不足；外部验证数据集有限（15项中有9项使用EXACT'09测试集）	评价机器学习方法在胸部CT成像中实现全自动气道分割的效能与临床转化潜力	32项发表于2010-2025年的全自动机器学习气道分割研究（其中28项使用深度学习）	计算机视觉，数字病理学	呼吸系统疾病	CT成像	深度学习	影像	32项研究	NA	NA	Dice相似系数，分支检出率，树长检出率	NA
1134	2026-06-09	The implicit regularizing effect of stochastic resetting in deep learning analysis of anomalous diffusion 2026-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0304564 PMID:42257593	研究论文	研究了随机重置技术在异常扩散轨迹深度学习解码中的隐式正则化效应	首次将随机重置技术应用于异常扩散轨迹解码任务，并揭示了其正则化机制；引入随时间变化的动态重置策略，超越固定概率效果	未说明具体限制	探索随机重置能否提升异常扩散轨迹的解码性能	异常扩散轨迹数据	机器学习	NA	NA	神经网络	轨迹数据	NA	NA	NA	验证损失	NA
1135	2026-06-09	Physics-Aware Representation Learning on Electronic Charge Density for Materials Property Prediction 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00235 PMID:42212372	研究论文	提出一种物理信息驱动的深度学习框架，从电子电荷密度直接预测材料力学和热力学性能	首次利用三维卷积自编码器对高维电子电荷密度进行无监督降维，并结合注意力3D CNN和LightGBM回归模型实现高效预测，将计算资源消耗降至传统DFT方法的1/25	NA	实现从电子电荷密度快速预测材料特性，验证其作为物理可解释描述符的迁移性	无机晶体材料的力学性能（体积模量、杨氏模量、剪切模量）和热力学性能（生成能、德拜温度）	机器学习	NA	密度泛函理论	三维卷积自编码器、注意力3D卷积神经网络、LightGBM	三维电子电荷密度网格	约6059种无机化合物，涵盖多种晶体对称性	PyTorch	三维卷积自编码器、注意力3D卷积神经网络、LightGBM	相关性系数R	计算资源消耗为传统DFT方法的1/25
1136	2026-06-09	GraFSyn: An Interpretable Deep Learning Framework for Anticancer Drug Synergy via Graphlet Fingerprints 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00458 PMID:42213476	研究论文	提出GraFSyn框架，利用图小波指纹显式编码药物连通子结构单元，结合动态多尺度卷积和交互模块预测抗癌药物协同作用	首次使用图小波指纹将药物编码为显式连通子结构单元，保留预定义化学子结构及其拓扑身份，并引入动态多尺度卷积模块处理高维稀疏图小波特征，实现结构可追溯的协同预测	未提及局限性	开发准确且结构可追溯的药物协同预测方法，加速发现有效的抗癌联合疗法	抗癌药物及其组合在特定细胞环境中的协同效应	机器学习	癌症	NA	深度学习框架，包含动态多尺度卷积和交互模块	分子图、细胞系基因表达数据	两套基准数据集（Merck和AstraZeneca）	NA	动态多尺度卷积模块、交互模块	ROC-AUC, PR-AUC	NA
1137	2026-06-09	Fewest-Switches Surface Hopping with Combined Deep Learning Potential and Long Short-Term Memory Network Propagator for Simulating Realistic Photochemical Processes 2026-May-28, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00170 PMID:42207866	研究论文	结合深度学习势和长短期记忆网络传播器的最少跳跃面跳跃方法用于模拟真实光化学过程	重新设计了LSTM的输入特征和训练流程以有效表示高维核自由度，并将等变神经网络与LSTM整合构建基态和激发态的绝热势能面	仅使用10条参考轨迹训练LSTM网络，可能对复杂系统泛化能力有限	开发扩展的LSTM-FSSH框架以模拟真实光化学反应	CHNH分子和偶氮苯的光异构化过程	机器学习	NA	LSTM-FSSH动力学模拟	长短期记忆网络（LSTM）	分子动力学轨迹数据	10条参考轨迹用于训练	PyTorch	LSTM, 等变神经网络	激发态寿命, 产物产率	NA
1138	2026-06-09	A novel hybrid deep learning framework for customer churn prediction using RFM and embedding clustering 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53220-0 PMID:42209595	研究论文	提出一种整合RFM特征工程、深度嵌入式聚类与深度学习模型的混合框架，用于电子商务客户流失预测	首次将RFM特征工程、深度嵌入式聚类与深度学习模型统一集成，实现客户细分与流失预测的联合学习	传统模型（如逻辑回归、SVM）在异构数据分布上适应性有限	解决电子商务客户流失预测中缺乏标签数据及传统模型无法捕捉复杂行为模式的问题	电子商务平台客户行为数据	机器学习	NA	NA	自编码器、GRU、LSTM	交易数据	两个真实数据集（Online Retail数据集和Events数据集），规模与行为复杂度不同	NA	深度自编码器、深度嵌入式聚类、GRU、LSTM	准确率	NA
1139	2026-06-09	Artificial intelligence in cancer immunotherapy: current trends in predicting response and personalizing treatment 2026-May-28, Journal of the Egyptian National Cancer Institute IF:2.1Q3 DOI:10.1186/s43046-026-00371-w PMID:42209845	综述	综述了人工智能在癌症免疫治疗中预测治疗反应和个性化治疗的最新趋势	整合多模态AI模型（基因组学、转录组学、放射组学、数字病理学、循环生物标志物和临床证据）来创建具有显著更好辨别能力的复合预测特征，并扩展到CAR-T细胞治疗的临床转化流程	前瞻性和多中心验证稀少，外部验证性能下降，临床实施受数据异质性、偏差、纵向验证不足、可重复性有限和模型缺乏透明度阻碍	探讨人工智能在癌症免疫治疗中实现个性化治疗和精准预测的潜力及挑战	癌症免疫治疗中的AI预测模型和多模态数据融合方法	机器学习	癌症	NA	深度学习, 集成模型	图像, 文本, 组学数据	NA	NA	NA	AUC	NA
1140	2026-06-09	EZPro-Multi: Contrastive Learning-Enhanced Multi-property Prediction for Enzyme Engineering 2026-May-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00821 PMID:42199085	研究论文	提出一种基于对比学习的统一深度学习框架EZPro-Multi，用于预测酶突变体的多种生化性质，包括催化效率、稳定性和溶解度	首次通过交叉注意力机制整合ProtT5蛋白表征和Molformer底物表征来捕获突变体-底物相互作用，并引入监督对比学习增强特征区分性，同时采用辅助分类头提升主回归任务性能	未提及具体局限	加速酶工程和优化生物催化系统，实现酶突变体多种功能属性的准确预测	酶突变体及其底物相互作用对	机器学习	NA	未明确提及具体测序技术	深度学习模型	蛋白质序列和分子结构数据	包含多种酶-底物对的数据集，深度突变扫描（DMS）数据集	ProtT5, Molformer	EZPro-Multi	回归准确性、分类一致性、命中率	NA