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	2026-06-09	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
102	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
103	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
104	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
105	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
106	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
107	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
108	2026-06-09	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	research paper	评估由生成对抗网络从超广角眼底照片生成的合成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	首次评估两种生成对抗网络模型将超广角眼底照片转换为合成超广角荧光素血管造影图像的临床相关性，并比较了像素级相似性与诊断特征保留之间的差异	数据集仅来自单一设备（Optos California P200DTx），且样本量有限；生成图像在低对比度区域仍存在细节失真	验证生成对抗网络生成的合成超广角荧光素血管造影图像能否作为非侵入性替代工具用于糖尿病视网膜病变的诊断	糖尿病视网膜病变患者的超广角眼底照片和真实超广角荧光素血管造影图像对	machine learning	diabetic retinopathy	生成对抗网络	生成对抗网络	图像	2084对图像（其中无糖尿病视网膜病变124对，非增殖性糖尿病视网膜病变795对，重度非增殖性糖尿病视网膜病变770对，增殖性糖尿病视网膜病变395对）	NA	RegGAN, UWAFA-GAN	F1分数, SSIM, PSNR, 诊断准确率, 精确率, 召回率	NA
109	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
110	2026-06-09	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	首次整合临床表格数据、影像组学特征和深度学习特征构建多模态模型，用于区分胃间质瘤和胃平滑肌瘤，性能优于单一模态	未在摘要中明确说明局限性	建立并验证基于影像组学和深度学习的多模态模型，用于分类胃间质瘤和胃平滑肌瘤	胃间质瘤和胃平滑肌瘤患者	数字病理学, 机器学习	胃间质瘤, 胃平滑肌瘤	CT影像, 白光内镜, 超声内镜	卷积神经网络, XGBoost	图像, 表格数据	200名患者（137例胃间质瘤，63例胃平滑肌瘤）	XGBoost	卷积神经网络, XGBoost	AUC, 敏感性, 特异性, 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
111	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
112	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
113	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
114	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
115	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
116	2026-06-09	Artificial Intelligence-Supported Colorimetric Multibiomarker Sensor to Enable Critical Neonatal Monitoring 2026-May-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04171 PMID:42205010	研究论文	提出一种基于人工智能的非侵入式比色多生物标志物传感器，用于新生儿关键监测	首次将深度学习与丝基比色传感技术结合，实现对体温、pH、钠和葡萄糖四种生物标志物的同时、非侵入、实时追踪，且传感器在微型化、高湿度和运动等临床相关条件下表现优异	未提及在真实新生儿患者上的临床验证，可能缺乏实际适用性评估	开发一种非侵入式、人工智能支持的比色多生物标志物传感器，以满足新生儿等重症患者的持续监测需求	早产新生儿，特别是危重早产新生儿	数字病理学, 机器学习	新生儿疾病	比色分析, 深度学习	深度学习模型	图像（比色响应）	NA	NA	深度学习模型（未具体说明架构）	平均绝对误差, 平均精度@IoU=0.5	NA
117	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
118	2026-06-09	Automated assessment of coronal lower extremity alignment on long-leg radiographs using a deep-learning model: validation, efficiency gains, and superiority of an edge-based tibial joint-line definition 2026-May-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09980-x PMID:42185802	研究论文	提出并验证了基于深度学习的全自动下肢冠状位力线评估系统，在长腿X光片上同时测量15个参数并定位畸形	首次系统比较了两种胫骨关节线定义在深度学习测量中的适用性，并发现基于边缘的定义方法优于最低点定义	需要前瞻性研究验证基于边缘的关节线定义（方法2）与临床预后（如骨关节炎进展、手术结果）的相关性	开发和验证自动化深度学习系统以高效评估下肢冠状位力线并比较两种胫骨关节线定义	站立位长腿X光片中的下肢冠状位力线参数和畸形定位	计算机视觉	骨关节炎	NA	YOLOv5	图像	309张（训练/验证/测试60/20/20分割）和外部验证集75张	PyTorch	YOLOv5	绝对误差、临床失败率（≥2°或≥2%）、运行时间、Bland-Altman分析	NA
119	2026-06-09	Nuclear DNA-Gated Electrochemiluminescence Microscopy with Deep Learning for Single-Cell Apoptosis Profiling 2026-May-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01234 PMID:42177648	研究论文	开发了一种基于核DNA门控电化学发光显微镜与深度学习的方法，用于单细胞凋亡分析	利用核DNA作为内在共反应物，将凋亡相关的染色质凝聚和碎片化转化为空间分辨的ECL强度下降，并结合深度学习实现高通量分类	未明确提及局限性	实现单细胞水平上抗癌药物反应的定量和可扩展分析	药物处理的癌细胞	数字病理学	癌症	电化学发光显微镜	深度学习模型	图像	NA	NA	NA	NA	NA
120	2026-06-09	A rapid total-body PET imaging approach for pediatric patients using non-attenuation-corrected PET scans 2026-May-22, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00889-x PMID:42171886	研究论文	提出一种名为SnapPET的深度学习框架，利用极短的非衰减校正2D PET最大密度投影图像生成高质量衰减校正图像，用于儿科淋巴瘤患者的快速全身PET成像	首次提出基于潜扩散自编码器的CT免除框架，利用2秒超短非衰减校正PET MIP图像直接生成高质量衰减校正PET MIP图像，实现快速筛查与分流	NA（摘要中未明确提及局限性）	开发一种降低儿科淋巴瘤患者累积辐射剂量的快速全身PET成像方法	200例FDG亲和性淋巴瘤儿科患者的全身PET/CT扫描数据	机器学习, 数字病理学	淋巴瘤	PET/CT成像	潜扩散自编码器	图像（PET MIP二维图像）	200例儿科患者	PyTorch（推断）	U-Net, GAN, DDPM（对比模型）, 潜扩散自编码器（SnapPET）	PSNR, SSIM, NMSE, SUVmax, SUVmean, ROC曲线, ALROC曲线, 5点Likert评分	NA（摘要中未明确说明）