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
121	2026-06-07	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	提出可解释性神经网络的对齐可逆正则化方法	首次形式化定义可解释性的两个基本属性——对齐性和可逆性，并基于此提出即插即用的优化器Bort，无需复杂模型修改即可提升可解释性	未提及实际应用中的计算开销或大规模部署限制	提升深度神经网络的可解释性，使其适用于高可靠性行业	深度神经网络的内部变量和模型表示	机器学习	NA	NA	神经网络	图像	NA	NA	ResNet, DeiT	分类准确率	NA
122	2026-06-07	Microscopic detection of nematodes in entomopathogenic nematode-enriched samples using a lightweight deep learning model 2026-Jul, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108594 PMID:41796953	研究论文	提出超轻量无锚框目标检测框架LightDetectorMS，用于实验室分离的Steinernema feltiae感染期幼虫的显微图像自动检测	设计超轻量（0.46 MB，62991参数）且计算高效（152.5 FPS）的anchor-free目标检测框架，在保持高检测可靠性（mAP@0.5达0.9119）的同时实现比人工计数快数千倍的处理速度	研究仅针对实验室培养的单一物种Steinernema feltiae，尚未验证对野外复杂环境或多种昆虫病原线虫的适用性	开发高效自动化的昆虫病原线虫显微检测方法，替代传统人工计数方法	实验室分离的Steinernema feltiae感染期幼虫的显微图像	计算机视觉	NA	显微成像	目标检测网络	显微图像	50个样本用于人工计数对比验证	NA	LightDetectorMS	mAP@0.5, mAP@0.5:0.95, 精确率, 召回率, FPS	NA
123	2026-06-07	On Demographic Group Fairness Guarantees in Deep Learning 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3674484 PMID:41838507	研究论文	提出一个理论框架分析数据分布与深度学习公平性保证之间的关系，并引入一种实用的训练目标以减少群体间差距	首次建立明确考虑不同人口群体间数据分布异质性的公平性界，提出形式化分析框架最小化预期损失差异，并导出公平误差和收敛率的界，刻画分布差异对公平性与准确性权衡的影响	未提及具体局限性	分析和理解深度学习模型中不同人口群体间的数据分布差异如何影响模型公平性，并为开发更公平的算法提供理论基础	深度学习模型在不同人口群体上的公平性表现	机器学习	眼病, 胸腔积液, 皮肤病变	深度学习	神经网络	图像, 表格数据, 文本	多个数据集：FairVision（眼病检测）、CheXpert（胸腔积液检测）、HAM10000（皮肤病变分类）、FairFace（面部属性识别）、ACS Income（收入预测）、CivilComments-WILDS（有毒评论检测）	NA	NA	AUC, ES-AUC	NA
124	2026-06-07	Discovery of WRN helicase inhibitors by 3D-CNN docking and ML consensus from traditional Chinese medicine monomers 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109376 PMID:41934827	研究论文	利用3D-CNN分子对接和机器学习共识方法从传统中药单体中筛选WRN解旋酶抑制剂	首次将基于深度学习的3D-CNN分子对接与机器学习分类器集成，应用于传统中药单体库的虚拟筛选，以发现WRN解旋酶抑制剂，并通过分子动力学模拟验证候选物的稳定性	尽管静态对接排名较高，但候选物desmethylglycitein在模拟中理论亲和力显著下降，表明流程仍需进一步优化以过滤假阳性；研究仅基于计算模拟，缺乏实验验证	识别WRN解旋酶抑制剂，为微卫星不稳定癌症提供潜在治疗靶点	WRN解旋酶的D1/D2界面	计算机辅助药物发现	微卫星不稳定癌症	分子对接、机器学习分类、分子动力学模拟	3D卷积神经网络、随机森林、XGBoost、支持向量机	分子结构数据	2940种传统中药单体	GNINA	3D-CNN、随机森林、XGBoost、SVM	共识评分、自由能计算	NA
125	2026-06-07	MCDNet: Morphological-conditional dual-view fusion for 3D tubular structure segmentation 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108614 PMID:41616702	研究论文	提出了一种名为MCDNet的形态条件双视角融合网络，用于三维管状结构分割	提出形态条件卷积（MCConv），能够自适应不同管状几何结构，并通过双视角融合机制联合建模全局和局部形态特征	现有方法依赖特定结构形态先验，泛化能力有限，且全局与局部形态联合建模不足	提高三维医学图像中管状结构分割的准确性和泛化能力	三维管状结构（如结肠道、血管、动脉等）	计算机视觉	NA	深度学习	卷积神经网络（CNN）	三维医学图像	四个基准数据集	PyTorch	MCConv, Cross-Fusion, Residual Self-Attention Fusion	Dice系数, Hausdorff距离	NA
126	2026-06-07	Automated detection of tooth loss using tooth numbering segmentation in 3D intraoral scans from a population-based sample with artificial intelligence 2026-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106674 PMID:41946428	研究论文	本研究验证了一种利用人工智能从三维口内扫描中自动检测牙齿缺失的方法，并与临床评估进行比较	首次在基于人群的样本中验证了深度学习模型自动从口内扫描中检测牙齿缺失的可行性，且比临床评估更准确	模型在FDI编号识别方面不如临床评估，尤其是对于拔除的前磨牙和模糊的磨牙	验证自动化方法从口内扫描中检测牙齿缺失的准确性及在流行病学研究中的可行性	1982年佩洛塔斯出生队列的453名参与者的897份口内扫描数据	计算机视觉	口腔疾病	口内扫描	深度学习模型	三维口内扫描图像	453名参与者，897份口内扫描	NA	NA	F1-score, macro-F1	NA
127	2026-06-07	Capturing induced-fit effects: A geometry-aware and interpretable framework for robust drug-target affinity prediction 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109429 PMID:42066524	研究论文	提出一种几何感知且可解释的框架DCR-DTA，用于稳健的药物-靶标亲和力预测	通过动态上下文正则化显式建模双向诱导契合效应，稳定结构锚而非原始3D位移	未明确说明，但可能受限于基准数据集规模及冷启动场景的泛化能力	提高药物-靶标亲和力预测的鲁棒性与可解释性，解决静态建模和黑盒问题	药物-靶标相互作用的动态适应过程与诱导契合效应	机器学习	NA	NA	DCR-DTA	药物-靶标相互作用数据	Davis和KIBA基准数据集	NA	DCR-DTA	均方误差, r值, 一致性指数	NA
128	2026-06-07	Disproportionately elevated sulcal index (DESI): An automatically driven index representing disproportionate subarachnoid space enlargement in brain MRI scans 2026-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111928 PMID:42105919	研究论文	提出一种基于深度学习的自动测量指标DESI，用于客观量化正常压力脑积水患者的脑沟不对称扩大	首次提出完全自动化的深度学习体学标志物DESI，实现对蛛网膜下腔不成比例扩大的客观量化，替代传统主观定性评估	研究未提及局限性	开发并验证一种自动化的脑沟不对称扩大量化指标，用于鉴别特发性正常压力脑积水	特发性正常压力脑积水患者、健康对照、阿尔茨海默病和血管性痴呆患者	数字病理学	正常压力脑积水	磁共振成像	U-Net	T1加权MRI图像	训练集1248例，外部验证集94例	NA	EfficientNet-B0编码器结合U-Net	AUC、敏感性、特异性	NA
129	2026-06-07	Classification of familial and non-familial ADHD using auto-encoding network and binary hypothesis testing 2026-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111966 PMID:42190896	研究论文	利用自编码网络和二元假设检验对家族性与非家族性注意缺陷/多动障碍进行分类	首次将基于自编码器的深度学习架构与二元假设检验框架相结合，用于区分家族性ADHD和非家族性ADHD的神经影像学特征	样本量相对较小，且研究仅基于结构MRI和扩散MRI数据，未纳入其他模态数据	识别区分家族性ADHD、非家族性ADHD和健康对照的关键神经影像学特征	129名家族性ADHD儿童、159名非家族性ADHD儿童和150名匹配的健康对照	机器学习	注意缺陷/多动障碍	结构MRI、扩散MRI	自编码器	磁共振影像	438名儿童（129例ADHD-F、159例ADHD-NF、150例对照）	NA	自编码网络	准确率、灵敏度、特异度、AUC	NA
130	2026-06-07	Radiomics and deep learning models for predicting glioma p53 status: A diagnostic accuracy systematic review and meta-analysis of magnetic resonance imaging studies 2026-Jul, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110817 PMID:42127565	系统综述与荟萃分析	基于MRI的放射组学和深度学习模型预测胶质瘤p53状态诊断准确性的系统综述与荟萃分析	首次系统评估MRI放射组学和深度学习模型预测胶质瘤p53状态的诊断性能，并生成放射组学模型的合并估计值	纳入研究数量有限，部分研究未提供完整数据，且异质性可能存在	系统评估MRI放射组学和深度学习模型预测胶质瘤p53状态的诊断性能	胶质瘤p53状态	机器学习, 数字病理学	胶质瘤	MRI	CNN, 放射组学模型	图像	17项研究（其中6项用于放射组学模型荟萃分析，5项用于组合模型荟萃分析）	NA	放射组学模型, 深度学习模型（如CNN）	灵敏度, 特异性, 阳性似然比, 阴性似然比, 诊断优势比, AUROC	NA
131	2026-06-07	Deep Robust Reversible Watermarking 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3670969 PMID:41790824	研究论文	提出一种基于深度学习的鲁棒可逆水印方案DRRW，通过整数可逆水印网络实现覆盖图像和水印在无损通道中的完美恢复及有损通道下的鲁棒提取	首次引入整数可逆水印网络构建整数数据分布间的可逆映射，采用编码器-噪声层-解码器框架实现端到端自适应鲁棒性，提出溢出惩罚损失和自适应权重调整策略	未提及具体局限性，可能包括对高维数据的计算开销或特定失真类型的泛化能力限制	解决传统鲁棒可逆水印方法设计复杂、计算成本高、鲁棒性差的问题，推动该技术的实际部署	数字图像水印的嵌入与提取系统	计算机视觉	NA	深度学习、整数可逆映射、算术编码、可逆数据隐藏	整数可逆水印网络（iIWN）	图像	多个数据集（具体数量未说明）	PyTorch（假设基于深度学习框架，未明确说明但常见于此类工作）	整数可逆水印网络	鲁棒性、隐写图像质量、辅助比特流长度	NA
132	2026-06-07	Screening and classification of anti-angiogenic VEGFR2 inhibitors with supervised machine learning, deep learning and molecular docking and molecular dynamics simulation 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109397 PMID:42013619	研究论文	通过机器学习、深度学习、分子对接和分子动力学模拟筛选和分类抗血管生成的VEGFR2抑制剂	引入了基于ECFP-like指纹的支持向量机模型，并结合了分子对接和动力学模拟，还开发了用户友好的图形界面VEGFR2pred，整合了预训练的机器学习和深度学习模型	NA	开发高效可扩展的方法来识别新型VEGFR2抑制剂，以克服现有药物的耐药性、脱靶毒性和低发现成功率等问题	VEGFR2抑制剂候选化合物，从三个公共数据库中获得的17750个化合物	机器学习	癌症	机器学习、深度学习、分子对接、分子动力学模拟	支持向量机、随机森林、XGBoost等机器学习模型，以及深度学习模型	分子结构数据（SMILES表示）	17750个化合物	Scikit-learn, TensorFlow, PyTorch	支持向量机、随机森林、XGBoost，以及自定义的深度学习架构	测试准确率、马修斯相关系数	NA
133	2026-06-07	Auditory brainstem response abnormalities in autism spectrum disorder: A deep learning approach to characterize time-frequency signatures 2026-Jul, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2026.109654 PMID:42114179	研究论文	提出一种深度学习框架，全面表征自闭症谱系障碍中听觉脑干反应（ABR）的时频特征	首次利用深度学习方法全面分析ABR全频带信号，通过双分支时频融合与Transformer网络（TF-TBN）识别与ASD相关的神经生理学标志物	未在摘要中明确说明局限性	识别与自闭症谱系障碍相关的可解释ABR特征，推进听觉脑干功能分析	自闭症谱系障碍患者（ASD）和典型发育对照组（TD）的ABR记录	机器学习	自闭症谱系障碍	听觉脑干反应（ABR）记录	双分支时频融合与Transformer网络（TF-TBN）	信号（波形和时频谱图）	1209个ABR录音（ASD：961个；典型发育对照组：248个）	NA	Transformer增强的一维CNN、视觉Transformer、融合模块	准确率	NA
134	2026-06-07	Integrating molecular representations for machine learning-based virtual screening of Glutaminyl Cyclase inhibitors 2026-Jul, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109441 PMID:42127661	研究论文	结合ChemBERTa预训练嵌入与扩展连接指纹（ECFP）的深度学习模型，用于虚拟筛选谷氨酰胺酰环化酶抑制剂	首次将ChemBERTa预训练嵌入与ECFP指纹组合用于谷氨酰胺酰环化酶抑制剂的虚拟筛选，并系统比较了多种分子表示方法的性能	仅基于ChEMBL数据库中的sQC靶点数据，外部验证局限于COCONUT天然产物数据库，需进一步实验验证	开发并验证一种结合多种分子表示的深度学习模型，用于高效虚拟筛选具有抑制sQC活性的化合物	谷氨酰胺酰环化酶（sQC）及其抑制剂	机器学习	阿尔茨海默病	分子对接、分子动力学模拟、MM/GBSA结合自由能计算	深度学习模型，传统机器学习算法（如随机森林、支持向量机等）	分子结构数据（SMILES表示、2D/3D分子描述符、扩展连接指纹）	NA	NA	ChemBERTa, ECFP, MolFormer	NA	NA
135	2026-06-07	A comprehensive benchmark of multi-generation YOLO architectures for forest species identification from macroscopic wood images 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54925-y PMID:42248978	研究论文	对三代YOLO架构进行综合基准测试，用于从宏观木材图像中识别森林树种	首次系统比较了三代YOLO（v8、11、26）共15个模型在宏观木材树种识别中的性能，实现了99.87%的测试准确率和100%的Top-3准确率，并提出YOLO26-medium作为资源受限设备部署的最佳候选	误差分析显示误分类仅发生在单个图像块，但未提及模型对未知采集协议的泛化能力	建立宏观木材图像树种识别的新基准，评估不同YOLO模型在准确性和效率上的表现	73种森林树种的宏观木材图像	计算机视觉	NA	宏观木材图像采集	YOLO（v8、11、26）	图像	77,865个448×448像素的图块，来自三种异质图像采集协议	PyTorch	YOLOv8, YOLO11, YOLO26	准确率, MCC, Top-3准确率, 帧率	NA
136	2026-06-07	High-fidelity CNN-based surrogate modeling for wildfire spread forecasting 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56080-w PMID:42249041	研究论文	提出一种基于卷积神经网络的高保真替代模型，用于快速预测野火蔓延	提出一种能够在不到一秒内预测野火蔓延的深度学习替代模型，显著降低了高分辨率野火建模的计算负担，并通过F1分数0.92验证了其高保真性	未提及	提高野火蔓延预测的速度和保真度，以支持应急管理、电力公司规划及消防团队决策	野火蔓延过程	计算机视觉, 机器学习	NA	NA	卷积神经网络	NA	NA	NA	卷积神经网络	F1分数	NA
137	2026-06-07	Deep learning reconstruction improves appendix visualization on pediatric magnetic resonance imaging (MRI): a single-center experience 2026-Jun-06, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06686-z PMID:42249942	研究论文	评估深度学习重建增强的2毫米磁共振成像在儿童阑尾炎中改善阑尾可视化和诊断性能的效果	首次应用深度学习重建技术于儿童薄层磁共振成像，在不降低信噪比的情况下提高阑尾可视化质量，并对比了传统的4毫米磁共振成像	单中心研究，样本量较小（82例），且部分比较未达到统计学显著性	评估2毫米T2加权磁共振成像结合深度学习重建相比传统4毫米磁共振成像在儿童阑尾炎中改善阑尾可视化和诊断性能	82例疑似阑尾炎的儿童患者（平均年龄9.6岁，年龄范围5-20岁）	计算机视觉	阑尾炎	磁共振成像（MRI）	深度学习重建（DLR）	医学影像	82例儿童患者	NA	NA	灵敏度、准确性、信噪比	NA
138	2026-06-07	Deep learning-driven inversion framework for shear modulus estimation in magnetic resonance elastography 2026-Jun-06, Magma (New York, N.Y.) DOI:10.1007/s10334-026-01375-2 PMID:42250046	研究论文	提出一种基于深度学习的磁共振弹性成像剪切模量估计反转框架，提升鲁棒性和准确性	通过有限元建模生成位移-刚度配对数据训练深度学习网络，使用小图像块捕捉局部波动行为，提高对全局变化的鲁棒性	未提及大规模临床验证及计算资源需求的具体细节	改进磁共振弹性成像中剪切模量估计的鲁棒性和准确性	组织剪切模量	机器学习	肝脏疾病	磁共振弹性成像	深度学习神经网络	图像	8名健康受试者和7名纤维化患者的体内肝脏MRE数据	NA	NA	相关系数r、决定系数R²	NA
139	2026-06-07	Emerging Applications of Artificial Intelligence in Pediatric Care 2026-Jun-06, Indian journal of pediatrics IF:2.1Q2 DOI:10.1007/s12098-026-06254-1 PMID:42250093	综述	本文综述了人工智能在儿科护理中的应用，包括分诊、实时监测、风险分层及新生儿复苏等场景	系统总结了AI在新生儿黄疸评估、坏死性小肠结肠炎管理及早产儿视网膜病变筛查等儿科特有领域的创新应用	仍面临数据隐私、儿科高质量数据集缺乏、严格临床验证及透明度等伦理和实践挑战	探讨人工智能在儿科医疗中的应用现状及其对临床决策的支持	儿科患者群体，包括新生儿及儿童	机器学习	新生儿疾病	NA	机器学习、深度学习	健康数据	NA	NA	NA	NA	NA
140	2026-06-07	Towards integrating domain knowledge, AutoML and few-shot learning for medical image analysis: a mini review of current trends and research gaps 2026-Jun-06, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01077-3 PMID:42250205	综述	综述了少样本学习、自动机器学习和领域知识在医学图像分析中的整合现状与研究空白	首次系统性地分析了少样本学习、自动机器学习与领域知识在医学图像分析中的潜在整合，并指出了关键研究空白	现有文献方法碎片化，少样本学习、自动机器学习和领域知识大多分开研究或仅部分结合	探索整合领域知识、自动机器学习和少样本学习以提升医学图像分析性能、可解释性和临床可靠性	医学图像分析中的少样本学习、自动机器学习及领域知识相关文献	机器学习, 计算机视觉	NA	NA	少样本学习, 自动机器学习	图像	NA	NA	NA	NA	NA