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	2026-06-16	Performance and Statistical Assessment of Deep Learning Frameworks for Low-Temperature Selective Catalytic Reduction of NO x 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c01308 PMID:42294189	研究论文	探索深度学习架构在预测乙醇辅助选择性催化还原系统中NOx转化效率的应用	首次将LSTM、TCN及其混合模型应用于低温SCR的NOx转化效率预测，并使用贝叶斯优化进行超参数调优	未提及模型的泛化能力或在不同催化剂和发动机条件下的测试	评估深度学习框架在预测低温选择性催化还原中NOx转化性能的潜力	乙醇辅助SCR系统中的NOx转化效率模型	机器学习	NA	NA	LSTM, TCN, 混合TCN-LSTM	实验数据（来自双缸柴油发动机的Ag-Sn-P基催化剂）	未明确说明样品数量	NA	LSTM, TCN, 混合TCN-LSTM	平均绝对误差（MAE）, Theil's U	NA
102	2026-06-16	Reliability-Aware Deep Learning Framework for Chemical Genotoxicity Prediction with Uncertainty Quantification 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00885 PMID:42160670	研究论文	提出一个可靠性感知的深度学习框架，用于化学物质遗传毒性预测，并整合不确定量化	通过实验可靠性层级标注数据和两阶段层次学习策略，将数据可靠性纳入模型训练，并引入保形预测进行无分布假设的不确定性量化	依赖基于实验可靠性的人工标注层级，对低可靠性数据的自适应加权可能仍存在偏差，且方法在更大规模或更复杂数据集上的泛化性需进一步验证	开发一种结合数据可靠性和不确定性量化的计算模型，替代传统实验方法进行遗传毒性预测	8,389种化合物的实验遗传毒性数据集，标注了基于协议质量、可重复性和审查状态的可靠性层级	机器学习	不适用	NA	消息传递神经网络、随机森林、支持向量机、逻辑回归	分子指纹和分子结构图	8,389种化合物（含高、中、低可靠性层级）	PyTorch、Scikit-learn	消息传递神经网络、随机森林、RBF核支持向量机、逻辑回归	AUC、Brier分数、经验覆盖率	NA
103	2026-06-16	The Tsetlin Machine: A "Third Way" in QSAR Modeling 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03109 PMID:42208944	研究论文	本文提出Tsetlin Machine作为QSAR建模的第三种范式，结合规则方法、神经网络学习和内在可解释性	首次将Tsetlin Machine引入QSAR建模，实现规则基础方法、神经网络迭代学习与内在可解释性的融合，并开发了分子属性图(TM-MPM)和WAC评分来提供可解释性分析	由于TM-QSAR的二元性质，当前在处理离散化连续描述符时性能受限	提出并验证Tsetlin Machine在QSAR建模中的有效性，作为虚拟筛选工具包的标准方法学	化合物分子的定量结构-活性关系预测（包含MOR和CYPA4靶标）	机器学习	NA	QSAR建模，分子描述符（ECFP4），子结构指纹	Tsetlin Machine	分子描述符数据（ECFP4指纹）	NA	NA	Tsetlin Machine	ROC-AUC, PRC-AUC, PPV	NA
104	2026-06-16	Are We Underestimating Overfitting? 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00518 PMID:42206593	研究论文	探讨量化构效关系模型中过拟合与过参数化的传统观点，并质疑其有效性，提出过参数化模型可能提升预测外部数据的能力	挑战传统QSAR研究中过拟合必须避免的定论，引入过参数化模型可能具有预测准确性的新观点，并支持信息论论证	未提及具体实验验证或大规模数据支持，主要依赖理论讨论和示例	重新评估过拟合在量化构效关系建模中的理解，探讨过参数化模型的预测能力	QSAR和QSPR建模中的过拟合和过参数化现象	机器学习	NA	NA	深度学习模型	NA	NA	NA	NA	NA	NA
105	2026-06-16	Deep learning-enhanced X-space reconstruction for magnetic particle imaging: a physics-consistent approach 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae737d PMID:42202833	研究论文	提出一种物理一致性的深度学习框架X-Space-PC-Restore，用于改善磁粒子成像中X-space重建的图像质量	将混合U-Net编码器-解码器架构与Transformer注意力机制和PSF引导损失函数结合，实现物理一致性的深度学习重建	基于合成数据集评估，未在真实临床数据上验证；PSF精度对重建结果有潜在影响	提升磁粒子成像X-space重建的空间分辨率，同时保持物理一致性	磁粒子成像中的X-space重建图像	计算机视觉	不适用	磁粒子成像	混合U-Net编码器-解码器与Transformer注意力机制	合成图像	1600个合成样本，涵盖4种体模类型（线、圆、椭圆、十字）	PyTorch	U-Net, Transformer	峰值信噪比, 归一化均方根误差, 半高宽	未明确说明
106	2026-06-16	The impact of a novel deep learning reconstruction algorithm on image quality in ultralow-dose CT: a quantitative phantom study 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00751-w PMID:42257775	研究论文	评估新型深度学习重建算法在超低剂量CT中对图像质量的影响	首次在体模研究中系统评估深度学习重建算法在超低剂量CT下对低碘浓度检测和图像质量的双重提升效果	临床意义需要进一步验证，且研究基于体模而非人体	评估深度学习重建算法在超低剂量CT中降噪、提高对比度噪声比和低碘浓度检测能力	九孔体模（碘浓度0-40 mg/mL）	计算机视觉	不适用	CT成像	深度学习重建	图像	一个九孔体模，扫描时使用多种管电压（60-120 kVp）和碘浓度（0-40 mg/mL）	NA	深度学习重建算法	噪声，对比度噪声比，CT值准确性（通过Bland-Altman分析），低碘浓度检测（CNR ≥ 3）	NA
107	2026-06-16	A round-robin exercise for the precise prediction of aqueous solubility of organic chemicals using chemometric, machine learning, and stacking ensemble of deep learning models 2026-Jun-08, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00854-x PMID:42258020	研究论文	使用化学计量学、机器学习和深度学习堆叠集成模型对有机化学品水溶性进行精确预测的循环实验	通过六组不同算法的大型循环实验，采用排序差异和一致性排名策略选择最佳模型，并揭示了结构-理化特征对水溶性的影响机制	未明确提及局限性，但暗示先前模型因数据整理不当而可能高估统计性能	开发高鲁棒性和外部预测性能的水溶性预测模型，以支持药物筛选和生态毒理学评估	超过6000种有机化合物的水溶性预测	机器学习	NA	NA	深度学习、机器学习、堆叠集成模型	化学结构数据	超过6000种化合物	NA	Deep q-RASPR模型、堆叠集成模型	平均绝对误差、均方根误差	NA
108	2026-06-16	Overestimating zero-shot fitness prediction: Broad benchmarks mask local failures and practical limitations 2026-Jun-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.04.730121 PMID:42292907	研究论文	评估蛋白质零样本适应度预测模型在不同基准条件下的性能，揭示聚合指标可能掩盖局部失败和实际限制	通过系统分析输入模态、实验变异性和蛋白丰度相关性等因素，揭示零样本预测模型在排名功能突变和优先处理新功能方面的实际局限性	研究未涵盖所有现有蛋白质模型，且仅基于特定基准数据集进行验证，未探索不同模型架构的全面性能差异	评估蛋白质序列和结构模型在零样本适应度预测中的实际效用，并探讨影响其性能的关键因素	蛋白质突变适应度预测任务中的零样本预测模型	自然语言处理, 机器学习	NA	深度学习模型零样本预测	蛋白质序列和结构模型	蛋白质序列和结构数据	多个基准数据集，具体数量未明确说明	NA	NA	聚合指标，如准确率、相关性等，但研究强调其局限性	NA
109	2026-06-16	TearNET: Validation of a convolutional neural network for grading of tear ferning patterns using deep learning 2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102654 PMID:41967396	研究论文	验证基于卷积神经网络的TearNET模型用于泪液蕨类模式自动分级	首个专门用于泪液蕨类模式自动分级的卷积神经网络模型，实现了根据Rolando分级系统的客观、一致的分级	样本量有限（80名参与者），模型在区分所有类型模式时仍有提升空间	验证深度学习算法TearNET在泪液蕨类模式自动分级中的性能，用于干眼症筛查	健康参与者的泪液样本及其蕨类模式显微图像	计算机视觉	干眼症	显微成像	卷积神经网络	图像	80名健康参与者（160只眼睛）的泪液样本	NA	TearNET卷积神经网络	敏感性, 特异性, 召回率, F分数, 准确率	NA
110	2026-06-16	A deep learning approach for predicting sensory-motor integration in postural stability 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03567-3 PMID:41973399	研究论文	提出一种基于深度学习的方法，通过足底压力中心信号预测姿势稳定性中的感觉运动整合	结合STFT和WT特征提取方法，采用GoogleNet和残差注意力网络架构，并引入特征分布平滑技术以缓解类别不平衡导致的性能下降	NA	评估姿势稳定性，通过估计感觉输入能力（平衡评分）和相应的运动反应（运动策略）	静态站立时的足底压力中心信号	机器学习	头晕疾病	NA	深度学习	信号	NA	NA	GoogleNet, 残差注意力网络	平均误差	NA
111	2026-06-16	Deep learning for EEG-based sleep stage classification: a review 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03583-3 PMID:42062687	综述	系统综述了基于深度学习的脑电图睡眠分期模型，分析架构演变、输入表征策略及评估方法	揭示了现有模型性能高度依赖数据集、评估系统过度依赖整体准确率而忽视少数阶段和病理数据的问题	未提出新的模型或实验验证，仅基于文献分析，且跨数据集对比可能受数据分布差异影响	引导睡眠分期研究从算法创新向临床可靠应用转变	睡眠脑电图信号及其分期分类模型	深度学习	神经疾病	EEG	多种深度学习模型	EEG信号	使用多个公开数据集，具体数量未提及	NA	多种架构，如CNN、RNN等	准确率、F分布	NA
112	2026-06-16	Spatiotemporal deep learning for scar screening in cardiovascular magnetic resonance: Toward selective use of gadolinium 2026 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102730 PMID:41999922	research paper	开发并评估一种基于电影影像的时空深度学习模型，用于识别无心肌瘢痕患者，从而减少钆对比剂的使用	首次提出利用电影影像中的时空信息进行无对比剂心肌瘢痕筛查，采用因子化卷积提取时空特征并结合残差注意力机制	外部验证队列中模型敏感性较高但特异性有限，可能漏诊部分有瘢痕患者	开发一种深度学习模型，仅使用电影影像即可识别无心肌瘢痕患者，避免不必要的钆对比剂注射	接受心血管磁共振检查的已知或疑似心血管疾病患者	计算机视觉	心血管疾病	心血管磁共振	深度学习模型	图像	训练集3000例患者，内部验证500例，外部验证1792例	PyTorch	因子化卷积与残差注意力机制结合的时空深度学习架构	AUC, 敏感性, 特异性	NA
113	2026-06-16	[Artificial intelligence as decision support tool in urological oncology: current evidence and challenges] 2026-Jun, Urologie (Heidelberg, Germany) DOI:10.1007/s00120-026-02831-6 PMID:42126599	综述	系统回顾人工智能在泌尿肿瘤治疗决策中的应用现状，分析性能指标与临床实施挑战	首次系统比较机器学习、深度学习和大型语言模型在泌尿肿瘤治疗决策中的表现，特别关注检索增强生成技术提升指南依从性的能力	现有证据以概念验证研究为主，缺乏前瞻性验证研究，数据保护和技术挑战未解决，模型可解释性有限	评估人工智能在泌尿肿瘤治疗决策中的应用潜力和现状	泌尿系统肿瘤（前列腺癌、尿路上皮癌、肾细胞癌）的治疗决策过程	机器学习	泌尿肿瘤	NA	机器学习模型、深度学习模型、大型语言模型	临床数据	NA	NA	NA	F1分数（0.75-0.99）	NA
114	2026-06-16	Benchmarking deep learning methods for Cα atom prediction in cryo-EM density maps 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag350 PMID:42234518	研究论文	针对冷冻电镜密度图中Cα原子预测任务，建立了一个综合评价基准，对四种深度学习方法在多个维度上进行系统评估	首次建立专门针对Cα预测模块的全面基准，引入了多阈值RMSD指标和点云相似度度量（Chamfer距离、Earth Mover距离），提供了可复现的评估框架	评估限于四种特定方法，未涵盖所有现有工具；基准数据集的分辨率范围和噪声水平可能无法完全代表真实应用中的复杂情况	建立冷冻电镜密度图中Cα原子预测深度学习方法的标准评估基准，指导方法开发并推动自动化结构测定	四种深度学习方法（ModelAngelo、DeepMainMast、EModelX、CryoAtom）在冷冻电镜密度图中的Cα原子预测性能	计算机视觉	NA	冷冻电镜	深度学习模型	冷冻电镜密度图	涵盖1-8Å分辨率、不同分子量和噪声水平的多样的数据集	NA	ModelAngelo, DeepMainMast, EModelX, CryoAtom	多阈值RMSD（1-3Å）、Chamfer距离、Earth Mover距离	NA
115	2026-06-16	Application of deep learning for surgical decision support during single-incision laparoscopic cholecystectomy 2026-Jun, Surgical endoscopy DOI:10.1007/s00464-026-12868-5 PMID:42115370	research paper	本研究旨在开发基于Mask2Former的深度学习模型，用于在单孔腹腔镜胆囊切除术中识别安全与危险区域，以提供手术决策支持	首次将Mask2Former模型应用于单孔腹腔镜胆囊切除术的安全与危险区域分割，实现高灵敏度与高阳性预测值	危险区域的像素级重叠指标（Dice和IOU）低于物体级F1分数，且训练数据仅来自两名外科医生，可能影响泛化性	开发人工智能模型以在单孔腹腔镜胆囊切除术中实时识别解剖安全与危险区域，降低胆管损伤风险	186个单孔腹腔镜胆囊切除术视频（9521帧图像），由两家机构的两名外科医生操作，经三位专家标注	computer vision	NA	NA	Mask2Former	image	186个SILC手术视频（127个训练集，59个测试集；共9521帧图像）	PyTorch	Mask2Former	Intersection over Union, Dice Score, F1 Score, Accuracy, Sensitivity, Positive Predictive Value	NA
116	2026-06-16	Assessment of Deep Learning-Generated Ultra-Widefield Fluorescein Angiography From Fundus Images in Diabetic Retinopathy 2026-Jun-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.6.12 PMID:42257411	研究论文	评估生成对抗网络从眼底照片生成的超广角荧光素血管造影图像在糖尿病视网膜病变中的临床有效性	首次系统评估GAN生成的合成UWFA图像在糖尿病视网膜病变中的临床有效性，并比较了两种不同GAN模型在像素级相似性和诊断准确性上的差异	样本量相对较小，且数据来源单一（仅使用Optos California P200DTx设备），模型的泛化能力需进一步验证	评估生成对抗网络从眼底照片生成超广角荧光素血管造影图像的临床有效性	糖尿病视网膜病变患者的超广角眼底照片和对应超广角荧光素血管造影图像	计算机视觉	糖尿病视网膜病变	生成对抗网络	GAN	图像	2084对图像（无DR: 124；非增殖性DR: 795；重度NPDR: 770；增殖性DR: 395）	PyTorch	RegGAN, UWAFA-GAN	F1分数, SSIM, PSNR, 准确率, 精确率, 召回率	NA
117	2026-06-16	Multimodal models based on radiomics and deep learning in the classification of gastric stromal tumors and gastric leiomyomas 2026-Jun, Surgical endoscopy DOI:10.1007/s00464-026-12803-8 PMID:42257953	研究论文	基于影像组学和深度学习的多模态模型用于胃间质瘤和胃平滑肌瘤的分类	首次将影像组学特征、深度学习特征与临床表格数据整合，构建多模态模型来区分胃间质瘤和胃平滑肌瘤，并利用变量重要性排序和局部可解释可视化增强模型可解释性	样本量较小（200例），来自单中心，可能影响模型的泛化能力；未进行外部验证	建立并验证基于影像组学和深度学习的多模态模型，用于胃间质瘤和胃平滑肌瘤的分类	胃黏膜下肿瘤患者，具体为胃间质瘤（137例）和胃平滑肌瘤（63例）	计算机视觉	胃间质瘤、胃平滑肌瘤	影像组学、深度学习	XGBoost、卷积神经网络	图像（白光内镜、超声内镜、CT图像）、临床表格数据	200例患者（137例胃间质瘤、63例胃平滑肌瘤）	NA	XGBoost、卷积神经网络	曲线下面积（AUC）、灵敏度、特异度、假阴性率、决策曲线分析净收益、校准度、十折分层交叉验证稳定性	NA
118	2026-06-16	From Molecules to Machines: An Integrative Framework Linking Molecular Pathogenesis, Multi-Factorial Risk, Risk Stratification, Clinical Management, and Artificial Intelligence in QT Prolongation and Sudden Cardiac Death 2026-Jun, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70370 PMID:42274161	综述	本文综合了QT间期延长和心脏性猝死在分子发病机制、多因素风险、风险分层、临床管理和人工智能预测方面的研究	首次将分子发病机制、获得性/代谢性/营养性风险、临床分层、治疗和人工智能预测等多个维度整合在一个框架中，强调了营养和代谢决定因素在QT管理中的重要性	前瞻性数据仍然不足，算法工具在实际临床决策中应用前需要更多验证	整合QT间期延长和心脏性猝死的多维度研究，为精准QT管理提供综合策略	QT间期延长和心脏性猝死的分子机制、风险因素、临床管理和人工智能预测方法	机器学习	心血管疾病	NA	机器学习, 深度学习	心电图数据	NA	NA	NA	NA	NA
119	2026-06-15	Radiology: Cardiothoracic Imaging Highlights 2025 2026-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.260065 PMID:42274320	综述	综述《放射学：心胸成像亮点2025》精选2024年11月至2025年10月期间发表的最新研究成果和技术进展	由早期职业编委会主导，总结光子计数CT、加速心脏MRI、基于AI的定量分析等前沿技术在心胸血管成像中的应用，并引入基于心脏MRI的肌少症作为新型预后标志物	仅收录特定期刊在设定时间段内的文章，可能遗漏其他高质量研究；未对各项技术的临床实用性进行系统比较或元分析	总结并突出2024-2025年间心、胸和血管成像领域的最新研究亮点和未来方向	2024年11月至2025年10月期间发表在《放射学：心胸成像》期刊的精选文章	医学影像	心血管疾病, 肺部疾病, 血管疾病	心脏CT, 光子计数CT, 心脏MRI, 加速心脏MRI, 深度学习	深度学习模型	影像数据（CT、MRI）	NA	NA	NA	NA	NA
120	2026-06-16	Single-Sequence Deep Learning Delivers Crystal-Quality Models of Covalent K-Ras G12 Hotspot Complexes 2026-Jun, IUBMB life IF:3.7Q2 DOI:10.1002/iub.70108 PMID:42287093	研究论文	使用公开可用的结构预测工具Chai-1，无需多重序列比对即可准确预测共价K-Ras G12热点复合物，输出近晶体质量的三维模型	首次展示无需MSA的单序列深度学习预测共价K-Ras复合物，性能接近晶体学精度，并提供约40倍于AlphaFold3的吞吐量	在捕获离去基团、键性质和立体化学等化学细节方面存在局限	加速共价药物发现，尤其针对半胱氨酸以外的挑战性靶点	共价K-Ras G12C/G12D/G12S抑制剂复合物，包括ARS-853和BBO-8520	机器学习	肺癌	结构预测	Chai-1	NA	多种化学多样性K-Ras(G12C)抑制剂，具体数量未提及	Chai-1	Chai-1	口袋对齐RMSD	NA