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
161	2026-06-07	Deep learning based on multiparametric MRI for differentiating benign from malignant PI-RADS 3 prostate lesions: a dual-center study 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56643-x PMID:42249012	研究论文	开发基于多参数MRI的深度学习模型，用于区分PI-RADS 3前列腺病变的良恶性	针对PI-RADS 3前列腺病变这一诊断难题，首次提出结合深度学习和影像组学的非侵入性模型，并在双中心数据中验证其高效性	研究为回顾性设计，样本量有限，且仅来自两个中心，可能存在选择偏倚	开发一种非侵入性工具，准确区分良恶性PI-RADS 3前列腺病变，减少不必要的活检	PI-RADS 3前列腺病变患者	医学影像,深度学习	前列腺癌	多参数磁共振成像（mpMRI）	ResNet101, 影像组学	医学影像（T2WI, DWI, ADC）	382名患者	PyTorch	ResNet101	AUC	NA
162	2026-06-07	VerbaFake, EchoFake, and PixelFake: lightweight architectures with advanced augmentation for unimodal deepfake detection 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56292-0 PMID:42249019	研究论文	本文提出一种基于多种深度学习模型的单模态深度伪造检测框架，覆盖图像、文本和音频三种模态	提出了三种轻量级自建模型（VerbaFake、EchoFake、PixelFake），并集成先进数据增强策略，实现高精度单模态深度伪造检测	未充分讨论跨模态泛化能力以及模型在真实复杂场景下的鲁棒性	开发一种轻量级、实时可用的深度伪造检测系统，提升对伪造图像、文本、音频的识别能力	深度伪造内容，包括图像、文本和音频三种模态	计算机视觉,自然语言处理,机器学习	NA	NA	CNN, 注意力机制, GRU, BiLSTM, 胶囊网络	图像, 文本, 音频	超过26,000张图像样本、20,000个音频片段和31,429条文本条目	NA	MobileNetV2, EfficientNetV2-S, PixelFake, VerbaFake, Efficient-CapsNet, Attention-based BiLSTM, Xception, DenseNet201, EchoFake	准确率	NA
163	2026-06-07	Enhanced vertebrae localization in CT volumes: a two-stage deep learning framework 2026-Jun-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02455-4 PMID:42249287	研究论文	提出一种两阶段深度学习框架，用于增强CT体积中椎骨定位的精确性	首次结合改进的挤压激励V-Net（ISE-VNet）进行粗分割与3D空间广义微分空间到数值变换（DSNT）模块实现精确定位	未提及具体计算资源或大规模临床验证	解决CT体积中椎骨定位面临的空间跨度大和形态高度相似等挑战	CT扫描中的椎骨	计算机视觉	脊柱疾病	CT	CNN	三维医学图像	未在摘要中明确说明	NA	改进的挤压激励V-Net（ISE-VNet）、三维空间广义微分空间到数值变换（DSNT）模块	识别率、定位误差	未在摘要中提供
164	2026-06-07	A MOOC-based and high-fidelity surgical simulation-integrated clinical internship mode in optometry teaching for ophthalmology graduate students 2026-Jun-05, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09610-z PMID:42249367	研究论文	针对眼科研究生在视光学理论与临床实践结合上的困难，开发并评估了结合大规模开放在线课程（MOOC）与数字孪生支持的高保真手术模拟（HFS）的混合临床实习模式	首次提出并验证了“理论→模拟→实践”三段式混合教学模式，将MOOC的灵活性与HFS的逼真性有效协同，重新定义了教师角色并构建了能力导向的框架	需进一步开展多中心、长期研究以确认泛化性	优化视光学临床教育，提升研究生理论联系实践的能力及教学满意度	54名眼科研究生和16名受过培训的教师	数字化病理	NA	数字孪生、高保真手术模拟（HFS）	NA	问卷数据（包括课程体验问卷、学习过程问卷、教师满意度问卷）、考试成绩	54名研究生（实验组27人，对照组27人），16名教师	NA	NA	t检验、非参数检验	NA
165	2026-06-07	Deep Learning Inverse Design of Phase-Change Reconfigurable Terahertz Metadevices for Multidimensional Secure Communication 2026-Jun-05, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73630 PMID:42249641	研究论文	提出了一种基于深度学习的逆向设计框架，用于创建动态可重构的太赫兹超构器件，实现多维安全通信	利用残差神经网络将目标电磁响应直接映射到器件几何结构，消除传统迭代设计瓶颈，实现快速高精度生成多样化超构架构，并实现八通道加密全息和双密钥安全协议下的通用逻辑操作	NA	设计用于6G网络物理层安全通信的可重构太赫兹超构器件	太赫兹超构器件中的相变材料（GeSbTe，GST）及其电磁响应	机器学习	NA	太赫兹波技术	残差神经网络（ResNet）	电磁响应数据	NA	NA	残差神经网络	串扰水平、近衍射极限保真度	NA
166	2026-06-07	Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis 2026-Jun-04, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110339 PMID:42248000	研究论文	通过街景图像评估绿色空间暴露与死亡率的关联，研究对象为多种族动脉粥样硬化研究参与者	首次量化不同类型绿色空间（如树木、草地、其他绿色植被）对死亡率的差异影响，并探讨种族和社会经济因素的调节作用	未分析树木覆盖率的关联；仅使用街景图像可能无法全面捕捉绿色空间暴露；研究人群为特定队列，结果外推性受限	评估不同类型绿色空间暴露与全因死亡率风险的关联	多种族动脉粥样硬化研究（MESA）中的6795名参与者	机器学习	心血管疾病	NA	Cox比例风险模型	图像（街景图像）和表格数据	6748名参与者，总计973,608人年	NA	深度学习算法（用于图像分割，未具体说明架构类型）	风险比（HR），95%置信区间	NA
167	2026-06-07	PMB-NN: Physiology-centered hybrid AI for personalized hemodynamic monitoring from photoplethysmography 2026-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109479 PMID:42248129	研究论文	提出一种基于生理模型与深度学习混合的PMB-NN方法，用于从光电容积描记信号个性化监测血流动力学参数	将深度学习和基于Windkessel的2元件生理模型统一为混合AI框架，以R和C参数作为物理约束，实现血压和血流动力学参数的可解释估计	在自主神经挑战下数值误差增加，且舒张压性能低于纯深度学习模型	开发一种生理可解释的混合AI方法，用于个性化无创血压和血流动力学监测	光电容积描记信号和人口统计信息	机器学习	心血管疾病	光电容积描记法	神经网络	时序数据	10名健康年轻成人（初级队列）和37名年龄18-88岁的多样化队列	NA	生理模型基神经网络	中位数平均绝对误差，生理合理性相关性，参数估计保真度	NA
168	2026-06-07	Multimodal neuroimaging-based deep learning framework for pattern analysis and early prediction of neurodegenerative diseases 2026-Jun-04, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.06.005 PMID:42248234	研究论文	提出一种结合CNN与优化时空双向门控LSTM的混合深度学习框架，用于神经退行性疾病的多模态神经影像模式分析与早期预测	首次将优化时空双向门控LSTM（O‑SBGC‑LSTM）与CNN结合，有效捕获多模态临床数据中的复杂时空模式	未来需扩展到更大规模的多中心数据集并探索实时临床部署	实现神经退行性疾病的早期准确检测	轻度认知障碍、阿尔茨海默病及认知正常受试者	计算机视觉, 机器学习	阿尔茨海默病, 神经退行性疾病	多模态神经影像	CNN, LSTM	影像	1000个多模态样本	NA	优化时空双向门控LSTM (O‑SBGC‑LSTM)	准确率, 精确率, 召回率, F1分数	NA
169	2026-06-07	Image-based high-throughput phenotyping enables genetic analyses of pod morphological traits in mungbean (Vigna radiata (L.) R. Wilczek) 2026-Jun-03, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag106 PMID:42048549	研究论文	利用基于图像的深度学习表型分析对绿豆荚果形态性状进行遗传剖析	首次将图像分析高通量表型与全基因组关联研究(GWAS)和基因组预测相结合，揭示绿豆荚果性状的遗传基础，并证明基于图像的表型在复杂形状性状上比手动测量有高达22%的精度提升	研究中未提及光照条件、图像分辨率等环境因素对表型提取稳定性的影响，且仅基于两年数据，可能未完全覆盖环境变异	开发并验证基于图像的深度学习表型方法，用于绿豆荚果形态性状的遗传分析和基因组预测	爱荷华绿豆多样性(IMD)群体的372个基因型，共2,418张荚果图像	数字病理学、机器学习	不适用	深度学习图像分析、全基因组关联研究(GWAS)、基因组预测	深度学习模型（具体架构未明确说明）	图像（荚果图像）和基因组数据	372个基因型，2,418张图像	NA	NA（论文未指定具体架构名称）	皮尔逊相关系数(r)、基因组预测准确度	NA
170	2026-06-07	Multi-omics and artificial intelligence for precision drug discovery and potential clinical applications 2026-Jun-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02631-6 PMID:42230553	综述	综述了多组学技术与人工智能在精准药物发现及潜在临床应用中的整合应用	系统阐述了多组学与AI融合在药物研发全流程中的变革性作用，包括靶点识别、药物重定位和从头化合物发现，并强调其在肿瘤、神经退行性疾病和心血管疾病中的应用前景	多组学数据整合、结果可重复性保证及算法偏倚缓解等挑战仍待解决	探讨多组学与AI结合在药物发现和临床转化中的潜力与应用框架	多组学数据（基因组、转录组、蛋白质组、代谢组）与AI方法在药物研发中的应用	机器学习, 数字病理学	肿瘤, 神经退行性疾病, 心血管疾病	全基因组关联分析, 转录组测序, 蛋白质组互作图谱, 代谢组测序	深度学习架构	组学数据	NA	NA	NA	NA	NA
171	2026-06-07	A Hybrid Deep Learning Framework with Supervised Contrastive Learning for Robust Seizure Detection in Long-Term EEG 2026-Jun-03, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02395-0 PMID:42234066	研究论文	提出一种名为CNN-SwT的混合深度学习框架，结合CNN和Swin Transformer，并采用监督对比学习，用于长程脑电图中的鲁棒性癫痫发作检测	结合CNN和Swin Transformer捕获脑电图时空局部特征与全局依赖关系，用监督对比学习替代传统交叉熵损失以处理极端数据不平衡问题	NA	实现长程脑电图中癫痫发作的自动、准确和鲁棒检测	癫痫发作检测中的脑电图信号	机器学习	癫痫	EEG	CNN, Swin Transformer	脑电图信号	CHB-MIT公开数据库和SH-SDU数据库，具体样本数未提及	PyTorch	CNN, Swin Transformer	事件级灵敏度，假阳性率	NA
172	2026-06-07	Contrastive adapter training and consensus knowledge distillation for multi-source-free domain adaptation in skin cancer diagnosis 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103465 PMID:42247734	研究论文	提出对比适配器训练与共识知识蒸馏方法，用于多源无源域自适应的皮肤癌诊断	在冻结的ViT骨干中引入轻量级ConvPass适配器，通过监督对比学习建立共享域不变特征空间，并使用共识知识蒸馏聚合多源模型logits作为监督信号，避免灾难性遗忘和过拟合	未提及在数据集大小极度不平衡或罕见病变类型上的性能，且仅基于公开皮肤病变数据集验证	解决多源无监督域适应中源数据不可访问时的域偏移问题，提升皮肤癌诊断的隐私保护性	皮肤病变图像，包括黑色素瘤和良性痣	数字病理学	皮肤癌	无明确技术（基于图像处理）	ViT	图像	五个公开皮肤病变数据集	PyTorch	ViT, ConvPass适配器	AUROC	NA
173	2026-06-07	Whitening black boxes: Interpretable and explainable DL-based systems for trustworthy healthcare 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103458 PMID:42247733	综述	本文对用于医学图像分类的可解释人工智能方法进行了分类综述，分析了不同解释技术的优缺点及其在医疗环境中的影响	提出了基于反向传播、扰动、注意力和概念四种类别的XAI方法分类法，并系统评估了分类器类型对解释技术选择的影响	仅涵盖2020年1月至2025年7月间Scopus和Google Scholar收录的论文，且专注于图像分类领域，未涉及其他医学数据类型或任务	综述可解释人工智能方法在医疗图像分类中的应用，推动透明且临床可靠的深度学习系统发展	2019-2024年间发表的69篇关于可解释人工智能与医学图像分类的论文	数字病理学	NA	NA	深度学习模型	医学图像	69篇相关论文	NA	NA	NA	NA
174	2026-06-07	Artificial intelligence in predicting anesthetic complications: current techniques, clinical applications, and limitations 2026-Jun-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106527 PMID:42248065	综述	本文系统综述了人工智能在预测麻醉并发症中的应用，涵盖技术方法、临床挑战及未来方向	首次系统梳理AI在麻醉各阶段（术前、术中、术后）的应用进展，并提出P4医学框架下的决策支持工具定位	未涉及实际临床部署效果评估，缺乏跨机构验证数据，未解决算法偏见与数据可靠性等关键问题	评估AI在预测麻醉并发症中的技术应用与临床价值，探讨实施障碍及伦理考量	82项相关研究，涵盖机器学习、深度学习、自然语言处理、计算机视觉等AI技术	计算机视觉, 自然语言处理, 机器学习	麻醉并发症（术中低血压、呼吸衰竭、术后恶心呕吐、疼痛控制）	机器学习（随机森林、支持向量机）、深度学习、自然语言处理、计算机视觉、贝叶斯模型、模糊逻辑	随机森林, 支持向量机, 深度学习模型	文本（医学记录）、图像（术中监测影像）、时间序列（生理信号）	82项系统检索的研究	NA	NA	AUC（0.85-0.94 vs 传统方法0.76-0.88），阿片类药物使用减少率（15-35%）	NA
175	2026-06-07	Heritability of the olfactory bulb and its associated brain network 2026-Jun-02, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122021 PMID:42235655	研究论文	通过深度学习分割和机器学习方法，研究了嗅觉球体积及其相关脑网络结构的遗传度	首次在大型双胞胎样本中结合深度学习分割和机器学习分类，系统评估嗅觉球及其相关脑网络的遗传贡献，发现网络水平遗传效应强于单一结构	样本仅限于健康年轻成人，无法推广到其他年龄段或疾病人群；未直接测量基因型，基于双胞胎设计推断遗传度	探究嗅觉球体积及其在全脑网络中的整合程度受遗传因素影响的程度	健康年轻成人双胞胎（单卵和双卵）的嗅觉球和嗅觉相关脑区	机器学习，数字病理学	神经退行性疾病，精神疾病	NA	支持向量机	脑部MRI图像	941名健康成人（年龄22-35岁），包括单卵和双卵双胞胎	PyTorch, Scikit-learn	深度学习分割模型（未指定具体架构）	准确率	NA
176	2026-06-07	Prediction of circular RNA-RNA binding protein binding sites based on structural feature and dynamic feature screening 2026-Jun-02, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152870 PMID:42235771	研究论文	提出 circGMST 模型，基于结构特征和动态特征筛选预测环状RNA与RNA结合蛋白的结合位点	首次同时整合全序列和单核苷酸分辨率预测，并设计门控多尺度融合块以解决动态特征选择问题	未在摘要中明确说明局限性	预测环状RNA与RNA结合蛋白的结合位点，阐明调控机制并识别潜在治疗靶点	包含七种RNA结合蛋白的乳腺癌特异性可变长度环状RNA序列	机器学习	乳腺癌	NA	Gated Multiscale Fusion (GMF)	序列数据	由七种RNA结合蛋白的可变长度环状RNA序列构成的乳腺癌特异性数据集	PyTorch	Gated Multiscale Fusion (GMF)	准确性、精确性、召回率、F1分数、AUC	NA
177	2026-06-07	Deep learning-assisted proteomic dissection reveals sex-biased and shared proteomic patterns in Populus deltoides under waterlogging stress and subsequent recovery 2026-Jun-02, Tree physiology IF:3.5Q1 DOI:10.1093/treephys/tpag056 PMID:42041130	研究论文	利用深度学习辅助蛋白质组学分析，揭示美洲黑杨在涝渍胁迫及恢复过程中性别偏倚和共有的蛋白质组模式	首次将自编码器、图神经网络(GNN)和SHAP可解释性方法整合到iTRAQ定量蛋白质组学中，发现涝渍胁迫下美洲黑杨性别偏倚的蛋白质组可塑性是恢复潜力的关键决定因素	NA	探索美洲黑杨在涝渍胁迫及恢复过程中性别偏倚的蛋白质组模式，揭示功能二态性的隐藏层次	雌雄美洲黑杨个体	机器学习	NA	iTRAQ定量蛋白质组学	自编码器、图神经网络(GNN)、GraphSAGE、随机森林、XGBoost	蛋白质丰度数据	NA	NA	自编码器、GNN、GraphSAGE、随机森林、XGBoost	NA	NA
178	2026-06-07	Transformer-based nonlinear modeling in dynamic spectrum for noninvasive human blood component analysis 2026-Jun-02, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130058 PMID:42247740	研究论文	基于Transformer的动态光谱非线性建模用于无创人体血液成分分析	首次将Transformer神经网络应用于动态光谱与血液成分浓度之间的非线性关系建模，克服了传统模型因血液成分散射引起的非线性问题	需要进一步临床验证才能应用于实际	提高无创血液成分分析的预测精度	人类血液中的红细胞、尿素和葡萄糖成分	机器学习	NA	动态光谱（DS）、光电容积脉搏波（PPG）	Transformer	光谱数据	1400名参与者的动态光谱数据	NA	Transformer	R2系数, MAE, MSE	NA
179	2026-06-07	GFLearn: Generalized Feature Learning for Drug-Target Binding Affinity Prediction 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3538497 PMID:40031740	研究论文	提出GFLearn模型，通过集成图神经网络与自监督不变特征学习模块，提升药物-靶标结合亲和力预测的泛化能力	融合自监督不变特征学习与图神经网络，从药物和靶标中提取鲁棒且高度泛化的特征，有效应对数据分布偏移带来的性能下降问题	文中未明确提及局限性	解决现有方法预测新药物和新靶标时性能受限的问题，提升药物-靶标结合亲和力预测的泛化能力	药物-靶标结合亲和力预测	机器学习	NA	NA	图神经网络、自监督学习	NA	两个不同数据集，涵盖新药物、新靶标及组合三种挑战场景	NA	图神经网络、自监督不变特征学习模块	NA	NA
180	2026-06-07	A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3559909 PMID:40208763	研究论文	提出了基于深度学习的布鲁氏菌性脊柱炎MRI诊断框架BSMRINet，用于T2加权MR图像自动检测	首个专门用于MR图像检测布鲁氏菌性脊柱炎的深度学习模型，集成角点检测算法与ResNet、DenseNet架构，并引入scSE网络	未提及	开发全自动诊断框架以辅助布鲁氏菌性脊柱炎的放射学诊断并提升医生能力	布鲁氏菌性脊柱炎病变的椎体与脊柱MR图像	计算机视觉	布鲁氏菌性脊柱炎	MRI	CNN	图像	582例来自4家医院2018年1月至2023年8月的队列	PyTorch	ResNet, DenseNet, scSE	鲁棒性、泛化能力	NA