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
101	2026-06-19	DeepPTMPred: a multi-modal deep learning framework for accurate prediction of protein post-translational modification sites 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag321 PMID:42308422	研究论文	提出一个多模态深度学习框架DeepPTMPred，用于准确预测蛋白质翻译后修饰位点	通过多模态整合和AlphaFold预测，结合增强型CNN-Transformer架构，能够预测17种翻译后修饰类型，并有效捕捉序列局部依赖、结构特征和进化模式中的复杂空间关系与全局上下文依赖	未明确说明局限性	开发一个高效准确的模型，用于预测蛋白质翻译后修饰位点，以加深对翻译后修饰的理解并推动功能注释研究	蛋白质翻译后修饰位点，包括羟化、丙二酰化、O-连接糖基化和磷酸化等17种类型	机器学习	NA	AlphaFold	CNN-Transformer	序列数据、结构特征、进化模式	NA	NA	增强型CNN-Transformer	AUC	NA
102	2026-06-19	MAPLE: interpretable deep learning identifies selective antimicrobial peptides using joint evolutionary-physicochemical analysis 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag318 PMID:42308420	研究论文	提出可解释深度学习框架MAPLE，通过联合进化-理化分析识别选择性抗菌肽	提出双流框架结合蛋白质语言模型嵌入与理化描述符，实现14类活性类别系统功能谱分析，并揭示效力-溶血耦合具有基序区依赖性	主要受限于二元注释不完整和结构整合不足	开发可解释性深度学习模型，识别兼具抗菌效力和低哺乳动物毒性的选择性抗菌肽	抗菌肽序列及其多类别活性功能谱	机器学习	NA	蛋白质语言模型、k-mer富集分析	双流深度学习框架	肽序列	基准数据集和序列无重叠独立验证集	PyTorch	蛋白质语言模型、双流网络	准确率、精确率、召回率、F1分数、AUC	NA
103	2026-06-19	Extending Tanner's framework: the digital clinical judgment model for nursing education 2026-May-02, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04703-y PMID:42069542	研究论文	提出数字临床判断模型（DCJM），以支持护理教育中临床判断的教学与学习	将Tanner的临床判断模型与社会文化学习、脚手架和深度学习理论相结合，提出一个支持数字和混合学习环境中临床判断教学的教学设计模型	需要进一步的实证研究来确定其在实践中的有用性及其对学生学习和教育设计的影响	开发一个教学模型以支持数字护理教育中临床判断的教学与学习	护理教育中的临床判断数字学习环境设计	自然语言处理	NA	NA	概念模型	NA	NA	NA	数字临床判断模型（DCJM）	NA	NA
104	2026-06-19	Quantification, radiomics and artificial intelligence in infection imaging: Current status and future directions in nuclear medicine 2026-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2026.02.002 PMID:41826111	综述	探讨定量成像、影像组学和人工智能在核医学感染成像中的当前应用与未来方向	首次将定量成像、影像组学与人工智能整合为“计算组学”概念，提出从定性模式识别转向客观、可重复、数据驱动的感染表征新范式	定量精度与影像组学稳定性高度依赖采集、重建和处理参数；AI图像增强可能改变体素统计量，影响定量指标和纹理特征；特征定义、分割方法和分析管线的差异限制可重复性	总结定量成像、影像组学和人工智能在核医学感染成像中的现状，并提出未来发展方向	核医学感染成像中的定量指标、影像组学特征和AI模型	计算机视觉, 机器学习	感染性疾病	核医学成像（PET/SPECT）	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
105	2026-06-19	Deep learning for H&E-based meningioma molecular classification and outcome prediction: a retrospective cohort study 2026-May, The Lancet. Digital health DOI:10.1016/j.landig.2026.100986 PMID:42248714	研究论文	基于深度学习从H&E染色切片进行脑膜瘤分子分型及预后预测的回顾性队列研究	首次应用深度学习模型仅通过H&E染色即可识别单个脑肿瘤实体（脑膜瘤）的分子亚型并预测预后，无需资源密集的基因组分析	NA	评估深度学习能否从H&E染色切片稳健地识别脑膜瘤分子亚型、预测复发风险及染色体拷贝数变异	脑膜瘤患者的H&E染色组织切片和配对DNA甲基化数据	数字病理学	脑膜瘤	DNA甲基化测序	深度学习模型	图像	训练集：美国国家癌症研究所439例及加拿大大学健康网络166例；测试集：美国梅奥诊所67例WHO 2级脑膜瘤	NA	NA	AUC, 平衡准确率	NA
106	2026-06-19	Detection of young-onset type 2 diabetes using deep learning across primary and secondary care: a nationwide, retrospective cohort study 2026-May, The Lancet. Digital health DOI:10.1016/j.landig.2025.100968 PMID:42025543	研究论文	利用深度学习模型，基于丹麦全国初级和二级医疗数据，预测年轻发病2型糖尿病的风险	首次结合初级和二级医疗数据开发深度学习模型用于年轻发病2型糖尿病的早期预测，并在全国范围内进行验证	研究基于丹麦医疗登记数据，可能无法推广到其他医疗体系或种族群体；预测模型依赖历史医疗记录，未纳入生活方式和遗传因素	提高年轻发病2型糖尿病的检测率，减少长期的医疗负担	丹麦全国医疗登记数据中的患者健康轨迹，包括医院诊断、初级医疗处方和健康服务事件	机器学习	2型糖尿病	NA	深度学习模型（具体未说明）	文本（医疗记录数据）	3,435,638名个体，其中16,828人发展为年轻发病2型糖尿病	NA	NA	相对风险、检测阳性预测值（5%阈值）	NA
107	2026-06-19	Noninvasive Risk Stratification Based on Renal Tubular Injury Phenotypes: A Deep Learning Study for Predicting Vesicoureteral Reflux in Children 2026-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.71172 PMID:42108518	研究论文	开发基于肾小管损伤表型的深度学习模型MedSwinNet，用于无创预测儿童膀胱输尿管反流风险分层	首次利用99mTc-DMSA肾静态显像的管状功能障碍表型特征，结合Swin Transformer骨干网络、多尺度表征融合、卷积块注意力模块和门控选择策略构建深度学习模型，实现VUR风险的无创量化与分层	研究为单中心回顾性设计，样本量有限（346例），且模型性能依赖DMSA图像质量，可能存在数据集偏移；模型对轻微VUR分级的区分能力未充分验证	开发基于DMSA显像的深度学习模型，为非侵入性识别需要VCUG检查的VUR高危患儿提供量化决策支持，减少不必要侵入性操作	346例发热性尿路感染儿童（2019年1月至2023年1月温医大附二院收治）的99mTc-DMSA肾静态显像数据	计算机视觉	膀胱输尿管反流	99mTc-DMSA肾静态显像	深度学习模型	医学图像	346例儿童	PyTorch	Swin Transformer, 卷积块注意力模块(CBAM)	准确率	NA
108	2026-06-19	Standardizing attenuation across tube voltages and vertebral levels for opportunistic osteoporosis screening on low-dose chest CT 2026-May, Radiology advances DOI:10.1093/radadv/umag026 PMID:42311861	研究论文	提出在低剂量胸部CT上跨管电压与椎体水平的标准化衰减方法，用于机会性骨质疏松筛查	首次利用对数线性混合效应模型实现椎体CT值在不同管电压和椎体水平的群体级标准化，为机会性CT筛查提供一致性参考	未明确说明	在低剂量胸部CT上为机会性骨质疏松筛查建立跨管电压与椎体水平的椎体衰减标准化方法	589名患者的低剂量胸部CT图像及椎体衰减测量数据	计算机视觉	骨质疏松	低剂量胸部CT、双能X线吸收测定法	对数线性混合效应模型	图像	589名患者（女性336名，平均年龄65.9±12.4岁）	NA	对数线性混合效应模型	Pearson相关系数、平均偏差、95%一致性界限	NA
109	2026-06-19	Editorial \| Artificial Intelligence-Augmented Breast Ultrasound: Advancing Diagnostic Precision and Equity in Cancer Care in Kuwait 2026-May, The Gulf journal of oncology PMID:42312825	评论	评估人工智能增强型乳腺超声在提升科威特癌症诊断精准度和公平性中的应用潜力	首次系统探讨人工智能增强超声技术在科威特乳腺癌诊断中提升敏感性、降低假阳性率及减少观察者间差异的潜力，并解决区域结构性医疗不公问题	未提供具体实验数据或实证结果，仅限于文献综述和理论评估	评估人工智能辅助乳腺超声在科威特提高乳腺癌早期诊断精准度、标准化及公平性的潜力，并提出整合建议	科威特乳腺癌患者及其诊断流程	计算机视觉	乳腺癌	NA	深度学习	图像	NA	NA	NA	敏感性、假阳性率、观察者间变异性	NA
110	2026-06-19	Fluoroscopic image-driven deep learning model for predicting intussusception irreducibility during air enema in children 2026-Apr-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02385-1 PMID:42062943	研究论文	利用空气灌肠透视图像开发深度学习模型预测儿童肠套叠不可复性	提出混合集成深度学习模型，通过透视图像客观预测肠套叠不可复性，优于传统主观判读，并显著提升放射科医生诊断准确性	未明确说明	开发基于深度学习的框架，利用空气灌肠透视图像客观预测肠套叠不可复性	儿童肠套叠患者的空气灌肠透视图像	计算机视觉	儿科疾病	NA	混合集成深度学习模型	图像	训练集：770例不可复性、1214例可复性；真实世界测试集：46例不可复性、802例可复性；外部测试集：9例不可复性、101例可复性，均来自儿童患者	NA	混合集成架构（具体未指定）	AUC、平衡准确率、特异性	NA
111	2026-06-19	Embedding multilayer RNA networks for lncRNA-miRNA interaction prediction via LMI-MHGAT 2026-Apr-30, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02600-z PMID:42057106	研究论文	提出LMI-MHGAT框架，通过多层异构图注意力网络整合多模态生物数据，用于预测lncRNA-miRNA相互作用	创新性地采用图注意力机制动态学习不同关系层的信息权重，有效处理生物网络中的严重类别不平衡问题	NA	开发能够整合多模态生物数据并处理类别不平衡的lncRNA-miRNA相互作用预测方法	lncRNA和miRNA分子及其相互作用关系	机器学习	NA	RNA-seq	图注意力网络	RNA序列、表达谱、已知分子相互作用数据	人类LMI数据（正负样本比例1:60），大鼠和植物数据集	PyTorch	多层异构图注意力网络	NA	NA
112	2026-06-19	A phantom study on the evaluation of the YOLOv8 deep learning model in the detection of tooth ankylosis on cone-beam computed tomography images 2026-Apr-29, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-026-00607-z PMID:42057155	研究论文	本研究评估了YOLOv8深度学习算法在锥束计算机断层扫描图像上检测牙齿强直的效能	首次将YOLOv8算法应用于CBCT图像的牙齿强直检测，并实现了高精度和高召回率	基于体模数据，模型在临床实际应用中的泛化性有待验证，且样本量相对有限	评估深度学习算法在CBCT扫描中检测牙齿强直的性能	模拟牙齿强直的体模CBCT扫描图像，共60颗牙齿和4971个轴向切片	计算机视觉	牙齿强直	锥束计算机断层扫描	YOLOv8	图像	60颗牙齿样本，共4971个轴向切片（训练集42颗牙齿3822切片，测试集18颗牙齿1149切片）	NA	YOLOv8	Dice系数、精确率、召回率、F1分数	NA
113	2026-06-16	Frequency-adaptive deep learning for multi-horizon weather forecasting in environmental monitoring applications 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49641-6 PMID:42031997	研究论文	提出了一种面向天气的频率自适应网络（WFAN），通过频域归一化框架增强多时间尺度天气预报的准确性	首次将频域归一化应用于多时间尺度天气预报，通过实例级傅里叶变换自适应选择主导频率成分作为非平稳模式，并利用频率残差学习增强数据平稳性	方法对频域分解的计算效率有依赖，且模式演化模块可能无法完全捕捉极端天气的动态变化	解决气候时序数据非平稳性对天气预报精度的影响，提升多时间尺度环境监测预报能力	气象时间序列数据（如天气、气温、电力负荷等）	机器学习	NA	傅里叶变换、频域归一化	深度学习模型（DLinear, FEDformer, Informer, SCINet）	时间序列数据（数值型）	多个基准数据集，包含Weather, ETTh1, ECL等	PyTorch	DLinear, FEDformer, Informer, SCINet	均方误差（MSE）、增强迪基-富勒（ADF）检验、统计显著性检验	NA
114	2026-06-19	Analyzing digital consumer insights through RoBERTa LLM based sentiment analysis and topic modeling 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48162-6 PMID:42031839	研究论文	利用RoBERTa大语言模型进行情感分析和LDA主题建模，分析在线消费者评论以理解消费者行为	首次将RoBERTa-Large大语言模型应用于消费者评论的情感分析，结合SHAP和LIME增强模型可解释性	未提及	提升在线消费者评论情感分类性能，并识别消费者反馈中的主题模式	在线消费者评论文本	自然语言处理	NA	BERT、TF-IDF、LDA主题建模	大型语言模型（RoBERTa-Large），传统机器学习模型（如SVM、随机森林），深度学习架构	文本数据	公开可用的消费者评论数据集（未明确数量）	NA	RoBERTa-Large, LDA, SHAP, LIME	准确率（Accuracy）	NA
115	2026-06-19	Accurate and robust ambiguity detection in software requirements documents using a GloVe-BiLSTM deep learning framework with data augmentation 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48700-2 PMID:42031899	研究论文	提出一种基于GloVe词嵌入和双向长短期记忆网络（Bi-LSTM）的深度学习框架，用于自动检测软件需求文档中的模糊性，解决软件开发中的关键挑战	创新地结合GloVe词嵌入与Bi-LSTM模型进行软件需求文档模糊性检测，并采用回译数据增强技术缓解类别不平衡问题，通过消融研究验证各组件贡献	实验数据仅来源于公开的Fault-Prone SRS数据集，样本量为7061条，可能无法完全覆盖实际业务场景中更复杂的模糊类型	实现软件需求文档中模糊性的自动检测，提高精度并降低成本，增强软件开发流程的可靠性	软件需求文档中的模糊性类别（词汇、句法、语义、语法、语用及无模糊样本）	自然语言处理	NA	NA	双向长短期记忆网络（Bi-LSTM）	文本	7061条数据点（Fault-Prone SRS数据集）	NA	Bi-LSTM，CNN，CNN-RNN-LSTM，LSTM	精确率，召回率，F1分数，准确率	NA
116	2026-06-19	Deep learning-based multimodal radiopathomics for preoperative prediction of lymph node metastasis in papillary thyroid carcinoma 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48693-y PMID:42031943	研究论文	基于深度学习的多模态放射病理组学模型用于术前预测甲状腺乳头状癌淋巴结转移	结合超声图像和细针穿刺细胞学图像的多模态深度学习模型，显著优于单一模态模型，并使用梯度加权类激活映射揭示了细胞核特征的关键作用	NA（摘要未明确提及局限性）	术前准确预测甲状腺乳头状癌淋巴结转移，指导手术方式决策	甲状腺乳头状癌患者的淋巴结转移预测	数字病理学	甲状腺乳头状癌	NA（未明确提及具体技术）	CNN	图像	1095份细针穿刺液基细胞学标本及相应的2190张超声图像	NA（未明确提及）	ResNet-101	AUC, 准确率	NA（未明确提及）
117	2026-06-19	An ensemble-based sentiment analysis approach for precision medicine recommendation 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49122-w PMID:42031957	研究论文	提出一种基于集成学习的情感分析方法，用于精准医学推荐	提出SCL-MedStacker堆叠集成框架，以深度学习模型为基学习器、随机森林为元学习器，结合患者评论与人口统计学和临床特征提升推荐精度	未在真实临床环境中验证，且未讨论模型的可解释性	提升医学推荐系统的精准度和上下文相关性	患者生成的医疗评论数据及患者的人口统计学和临床属性	自然语言处理	不适用	不适用	Logistic Regression, Naïve Bayes, K-Nearest Neighbors, SVM, SNN, CNN, RNN_LSTM, Random Forest	文本	未明确说明样本数量，但使用了医疗评论数据集	NA	Simple Neural Network, CNN, RNN_LSTM, 随机森林	准确率	NA
118	2026-06-19	Automated estimation of drain output in postoperative patients using deep learning on clinical images 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49452-9 PMID:42031977	研究论文	提出一种基于深度学习的自动化系统，用于从临床图像中估计术后患者引流液输出量	首次提出结合目标检测和语义分割的方法，实现术后引流液量的无接触自动估算，并在真实医院条件下验证	未明确说明局限性	开发自动化系统，减少手动操作的工作量、生物危害暴露和记录错误，支持术后并发症的早期检测	术后患者的Jackson-Pratt引流管和引流袋的临床图像	计算机视觉	术后并发症	NA	深度学习（目标检测和语义分割）	图像	收集自真实医院条件下的多种引流液图像（包括血液、胃内容物、浆液）	NA	NA	交并比（IoU）、平均绝对误差（MAE）	NA
119	2026-06-19	Hybrid diagnostic framework for bone cancer detection using deep learning and radiomics analysis 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49681-y PMID:42031968	研究论文	提出了一种用于骨癌检测的混合诊断框架TriMedNet，利用多模态数据源进行分类	将影像数据（MRI扫描）、非结构化临床笔记文本和结构化患者指标（如血压、血糖水平）三种模态数据融合，通过CNN、BERT和全连接层分别提取特征，实现多模态协同诊断	NA	通过多模态数据融合提高骨癌诊断的准确性和临床决策支持能力	骨癌患者的多模态数据，包括MRI扫描、临床笔记文本和结构化患者指标	计算机视觉, 自然语言处理, 深度学习	骨癌	多模态数据融合	CNN, Transformer	图像, 文本, 数值	来自Roboflow公开数据集，包含活检和血液检测结果	NA	CNN, BERT, 全连接层	准确率, 精确率, 召回率	NA
120	2026-06-19	A large-scale fMRI dataset for vision-language semantic association 2026-Apr-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07248-6 PMID:42000762	研究论文	提出一个大规模fMRI数据集，用于研究视觉和语言语义关联的神经基础	不同于以往局限于单一模态的数据集，该研究同时采集了4400对中文描述和自然场景的神经响应，提供了更生态有效的实验条件	NA	探索视觉和语言信息在大脑中的神经编码和语义关联机制	八名健康被试，在判断中文描述与图片语义是否一致时的fMRI脑活动数据	机器学习, 自然语言处理	NA	功能性磁共振成像（fMRI）	深度神经网络	图像, 文本	8名健康被试，4400对中文描述和自然场景刺激	NA	NA	NA	NA