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
1	2026-07-28	Pretreatment multiparametric MRI-based habitat radiomics and 2.5D deep learning for predicting early complete response to induction chemoimmunotherapy in locally advanced nasopharyngeal carcinoma 2026-Sep, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.108072 PMID:42435493	研究论文	开发并外部验证一种基于治疗前多参数MRI的联合影像模型，整合传统影像组学、生境影像组学和2.5D深度学习特征，用于预测局部晚期鼻咽癌诱导化学免疫治疗后的早期完全缓解	首次结合传统影像组学、生境影像组学和2.5D深度学习特征构建多参数MRI联合模型，用于预测LANPC诱导化学免疫治疗早期CR，并通过SHAP分析揭示了不同特征类型的贡献	回顾性研究设计，需要前瞻性多中心验证	开发一种非侵入性工具，在治疗前对LANPC患者进行反应分层，预测诱导化学免疫治疗的早期完全缓解	局部晚期鼻咽癌（LANPC）患者	机器学习, 医学影像	鼻咽癌	MRI	CNN, 2.5D深度学习模型	影像	500名LANPC患者，其中训练集195例、内部验证集84例、外部测试集221例	NA	2.5D深度学习网络	AUC, 敏感度, 阴性预测值	NA
2	2026-07-28	Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal 2026-Aug, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2555516 PMID:40985643	研究论文	提出一种联邦学习启用的统一变换器模型，用于利用脑电图信号进行癫痫发作检测	结合联邦学习与Paillier同态加密保护数据隐私，并采用混合图注意力框架（边缘增强图卷积网络与频谱图注意力）进行空间和频率特征提取	未提及模型在不同医疗设备或真实临床环境中的泛化能力及计算开销	解决癫痫发作检测中的数据隐私和时空特征提取难题	癫痫患者的脑电图信号	机器学习	癫痫	脑电图信号处理	统一变换器（Unified Transformer）	脑电图信号	三个数据集	NA	统一变换器	准确率、安全性、精确率	NA
3	2026-07-28	[The digital patient journey : Performing radiological examinations] 2026-Aug, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01633-3 PMID:42360419	综述	综述放射学检查中数字流程的应用及其对工作流程、人员结构和患者护理的影响	全面阐述了数字技术和AI在放射学检查室工作流程各环节（如自动规划、深度学习重建、实时质量控制和远程扫描）的潜在优化作用	未具体提及本文的局限性（基于摘要信息视为NA）	展示放射学检查中使用的数字流程并评估其对工作流程、人员结构和患者护理的影响	放射学成像过程中的数字工作流程、自动规划、深度学习重建、实时质量控制和远程扫描概念	数字病理	NA	深度学习重建、实时质量控制	深度学习模型	图像	NA	NA	NA	NA	NA
4	2026-07-28	3D Freehand Ultrasound Reconstruction of the Carotid Artery 2026-Aug, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.03.005 PMID:42086379	研究论文	提出一种无需传感器的三维自由手部超声重建颈动脉的方法，利用两流物理启发学习预测姿态模型（PLPPI）结合散斑去相关和空间信息进行帧对齐	创新地将散斑去相关作为归纳偏置（时间信息）与空间信息整合到两流物理启发学习预测姿态模型（PLPPI）中，通过相关层协同时空线索实现自由手部帧对齐，显著提升重建精度并降低计算资源需求	未明确说明局限性，但可能受限于志愿者样本量较小（20人）以及仅针对颈动脉的特定解剖部位	开发一种传感器less的三维自由手部超声重建方法，提高重建精度和计算效率	20名人类志愿者（10男10女）的颈动脉B模式超声数据	计算机视觉	心血管疾病	超声成像	残差神经网络（ResNet）	二维超声图像	20名志愿者（10男10女）	PyTorch	ResNet	全局像素重建误差、最终漂移、最终漂移率	NA
5	2026-07-28	A Unified Molecular Graph and Protein Language Model Framework for Predicting Human Drug-Hormone Receptor Interactions with Structure-Aware Validation 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00806 PMID:42402023	研究论文	提出一个整合分子图与蛋白质语言模型的统一框架，用于预测药物-激素受体相互作用并进行结构感知验证	首次将激素受体特异性序列信息（通过ESM2蛋白质语言模型编码）与药物分子图特征（摩根指纹与图Transformer相结合）融合，用于药物-激素受体相互作用预测，并采用多种数据划分策略（随机、冷药物、骨架划分）评估模型泛化能力	计算资源需求较高，依赖预训练蛋白质语言模型（ESM2）可能导致对未知或稀有受体序列的预测性能下降	开发一种考虑激素受体特异性信息的深度学习框架，以提高药物-激素受体相互作用预测的准确性和生物学意义	药物分子与人类激素受体（包括雌激素、雄激素、糖皮质激素受体）的相互作用	机器学习	内分泌相关疾病	分子对接、图神经网络、预训练蛋白质语言模型	多层神经网络、图Transformer	分子结构数据（SMILES）、蛋白质序列数据	独立测试集（具体数量未在摘要中说明）	PyTorch	ESM2、图Transformer、多层感知机	准确率、敏感度、特异度、精确率、F1分数、马修斯相关系数	NA
6	2026-07-28	Structural Proteomics-Based Deciphering of Hydrophobic Packing Fingerprints Informing Protein Thermostability in TIM Barrels 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01179 PMID:42411378	研究论文	开发了一种基于疏水堆积指纹的定量平台qPacking，用于分析TIM桶蛋白的热稳定性	首次定义了五种疏水堆积描述符（HPDs），并构建了qPacking平台，能够系统量化TIM桶蛋白中的疏水簇，揭示热稳定性的定量规则	仅针对TIM桶蛋白折叠类型，未涉及其他蛋白质结构	阐明疏水簇形成稳定性的定量规则，优化蛋白质热稳定性	TIM桶蛋白（三磷酸异构酶桶状结构）中的疏水簇	结构蛋白质组学	NA	结构蛋白质组学、蛋白质结构预测	NA	蛋白质结构数据	数百万个蛋白质结构	NA	NA	NA	NA
7	2026-07-28	LINKER: Learning Interactions between Functional Groups and Residues with Chemical Knowledge-Enhanced Reasoning and Explainability 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00527 PMID:42461227	研究论文	提出了LINKER，首个基于序列的模型，仅利用蛋白质序列和配体SMILES表示，预测残基与官能团之间的相互作用	首次采用基于序列的方法预测残基-官能团相互作用，通过官能团基序提取从三维结构中派生交互标签，并强调化学上有意义的子结构而非空间邻近性	NA	准确识别蛋白质残基与配体官能团之间的相互作用，以理解分子识别并指导合理药物设计	蛋白质-配体相互作用中的残基和官能团	自然语言处理, 机器学习	NA	SMILES表示, 官能团基序提取	神经网络	序列数据	NA	NA	NA	NA	NA
8	2026-07-28	Dynamic beat-to-beat blood pressure estimation using a multi-modal wearable deep learning approach 2026-Jul-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae85b4 PMID:42392163	研究论文	提出一种多模态深度学习框架，结合浅颞动脉张力测量、心电和光电容积描记信号，实现无袖带逐拍血压估计	首次将浅颞动脉张力测量与心电、PPG信号融合，利用时间卷积网络捕捉多模态特征与逐拍血压的复杂非线性关系，有效缓解校准漂移问题	数据来自10名健康志愿者的等长握力运动测试，样本量较小且未包含病理人群，泛化性需进一步验证	开发一种无需校准、抗漂移的连续逐拍血压估计方法	10名健康志愿者在动态等长握力运动下的多模态生理信号	机器学习	心血管疾病	浅颞动脉张力测量、心电、光电容积描记	TCN	多模态生理时间序列	29份记录，来自10名健康志愿者	NA	TCN	平均绝对差异	NA
9	2026-07-28	PSDTA: An Approach to Drug-Target Binding Affinity Prediction by Integrating Physicochemical and Structural Information to Reduce Feature Redundancy 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02783 PMID:42406514	研究论文	提出PSDTA方法，通过整合物理化学和结构信息减少特征冗余，实现药物-靶标结合亲和力预测	明确整合氨基酸结构信息以避免坐标直接使用导致的信息泄漏风险，并设计两个互补通道分别在残基和基团水平识别结合相关残基，减少特征冗余	未明确说明限制	提升药物-靶标结合亲和力预测的准确性和泛化性能	药物分子和靶标蛋白的结合亲和力	机器学习	NA	深度学习	PSDTA	序列数据、结构数据	PDBBind v2016、PDBBind v2020和Davis三个基准数据集	NA	双通道架构	性能指标未具体列出	NA
10	2026-07-28	DeepDPM: A Deep Learning Method for MoRFs Prediction Based on Wavelet Transform and Dynamic Convolutional Attention Mechanism 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01251 PMID:42417674	研究论文	提出基于小波变换和动态卷积注意力机制的深度学习方法DeepDPM，用于预测分子识别特征	设计了BioWaveKAN、DCAttention、BiLCrossAttention和MultiScaleSmoothing四个新模块，分别实现多频信息捕获、上下文建模增强、序贯与空间信息融合及特征平滑	未提及计算资源需求及模型泛化性验证	提高分子识别特征的预测准确性，解决多源特征建模、上下文依赖捕获和鲁棒特征融合的局限性	分子识别特征及其在蛋白质序列中的识别区域	自然语言处理	NA	深度学习	深度学习模型	蛋白质序列数据	基准数据集Test1	PyTorch	BioWaveKAN, DCAttention, BiLCrossAttention, MultiScaleSmoothing	MCC, AUC	NA
11	2026-07-28	Deep learning-enabled robust regional lung function assessment in mechanically ventilated AECOPD patients using EIT parameters 2026-Jul-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae88b5 PMID:42425162	研究论文	开发了一种基于深度学习的EIT鲁棒性评估器（EITRE），用于自动筛选适用于稳态区域参数估计的呼吸周期，以提升机械通气AECOPD患者区域肺功能评估的可靠性	创新性地将EfficientNet-b0空间编码器与注意力增强门控循环单元及XGBoost分类器相结合，直接从重建EIT图像序列中识别稳态呼吸，无需依赖原始电压数据	依赖同步呼吸机波形和统计偏差规则生成的操作参考标签，可能未能涵盖所有复杂的患者-呼吸机异步模式	实现自动化、可靠的区域肺功能评估，提升机械通气AECOPD患者EIT参数估算的测量一致性	机械通气的AECOPD患者	机器学习，数字病理学	慢性阻塞性肺疾病急性加重期（AECOPD）	电阻抗断层成像（EIT）	深度学习模型	EIT图像序列	58名AECOPD患者，140310个呼吸周期	PyTorch	EfficientNet-b0, 门控循环单元（GRU）, XGBoost	F1分数	NA
12	2026-07-28	Anatomically adaptive feature-wise linear modulation for deep learning-based low-dose CT denoising 2026-Jul-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae88af PMID:42425148	研究论文	提出一种基于双调制U-Net结构的解剖自适应噪声去除框架，用于低剂量CT图像降噪	通过全局与局部特征线性调制（FiLM）单元，分别建模整体噪声特性和组织特异性噪声，实现解剖区域自适应的噪声去除	NA	设计基于物理特性的深度学习框架，显式建模区域依赖性噪声特征以改善低剂量CT图像降噪性能	低剂量CT图像中的解剖区域（肺、软组织、骨骼）及其噪声特性	计算机视觉	NA	低剂量CT（LDCT）	U-Net	CT图像	使用AAPM-Mayo Clinic LDCT数据集训练，TCIA数据集测试	PyTorch	U-Net、特征线性调制（FiLM）单元	噪声去除百分比（37.14%肺部、48.75%软组织、35.18%骨骼）	NA
13	2026-07-28	NeuroPpred-PSCG: A Multimodal Framework Using ProtT5 and Structural Features for Neuropeptide Prediction Based on Gated Cross-Attention Mechanism and Multiscale Gated Convolution 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01123 PMID:42438422	研究论文	开发了一种名为NeuroPpred-PSCG的新型多模态深度学习框架，用于神经肽预测	首次结合ProtT5蛋白质语言模型和二级结构特征，利用双向交叉注意力机制和门控融合模块整合全局语义与局部构象信息，并采用多尺度门控卷积网络增强层次上下文信息	未提及具体局限性	实现神经肽的精确快速预测，以应对神经和代谢疾病诊断需求	神经肽序列及其二级结构数据	机器学习	神经系统疾病, 代谢性疾病	ProtT5蛋白质语言模型	多模态深度学习框架	蛋白质序列数据	独立测试集（具体数量未提及）	PyTorch	多尺度门控卷积网络, 双向交叉注意力机制	准确率, 灵敏度, F1分数, 马修斯相关系数	NA
14	2026-07-28	Insights into the Indexing of Powder X-ray Diffraction from a Robust Transformer Deep Learning 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01362 PMID:42439077	研究论文	提出了一种基于Transformer的端到端框架AIdex-R2，用于从粉末X射线衍射数据中进行消光群和晶胞参数的联合推断	首次将Transformer架构应用于PXRD索引问题，实现了消光群识别和晶胞参数预测的端到端联合推断，并在极端扰动条件下保持高成功率	未明确提及局限性	开发更鲁棒的粉末X射线衍射索引方法，克服传统方法对低对称性、大晶胞和非理想数据的局限性	粉末X射线衍射（PXRD）数据	机器学习	NA	粉末X射线衍射（PXRD）	Transformer	数值序列（低角度衍射反射序列）	NA	PyTorch	Transformer	Top-5准确率、平均绝对百分比误差（MAPE）、索引成功率	NA
15	2026-07-28	ProphDR: An Interpretable Deep Learning Model for Predicting Cancer Drug Response via Multi-Omics and Cross-Attention Mechanisms 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00167 PMID:42441428	研究论文	提出ProphDR，一个可解释的深度学习框架，通过多组学数据和交叉注意力机制预测癌症药物反应	提出层级注意力机制集成多组学数据和药物结构信息，采用Criss-Cross基因级多组学整合模块和交叉注意力模块，生成可解释的注意力图谱	未提及具体局限性	提高癌症药物反应预测的准确性和可解释性	癌症药物反应预测	机器学习	癌症	多组学数据整合	深度学习模型	多组学数据、药物结构信息	GDSC和CCLE数据集，具体样本量未提及	NA	层级注意力机制、Criss-Cross基因级多组学整合模块、交叉注意力模块	皮尔逊相关系数、均方根误差、AUC	NA
16	2026-07-28	RetroMPA: A Molecular Property-Aware Auxiliary Framework for Enhancing Retrosynthesis Prediction 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01506 PMID:42441944	研究论文	提出了一个分子性质感知的辅助框架 RetroMPA，用于增强逆向合成预测	首次提出模型无关的、即插即用的化学知识注入模块，无需修改原始模型架构或重新训练	NA	提升逆向合成预测的准确性，并将化学知识显式集成到数据驱动模型中	逆向合成反应数据集的预测路径	机器学习	NA	NA	NA	文本（SMILES序列）	USPTO-50K和USPTO-Full数据集	PyTorch	NA	Top-1准确率	NA
17	2026-07-28	Atomic Uncertainty Pinpoints Critical Failure Structures for Trustworthy Molecular Property Prediction 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00973 PMID:42447216	研究论文	提出一种原子不确定性感知的迭代网络AUINet，通过量化原子尺度不确定性提升分子属性预测的可信度	首次在原子级别量化并优化不确定性，通过不确定性引导的迭代更新细化原子特征，无需大规模预训练即可在低数据条件下超越现有模型	依赖蒙特卡洛dropout估计不确定性，可能在高计算资源需求下存在效率问题；未在真实工业场景中验证大规模适用性	开发可解释且可信的分子属性预测模型，解决传统全局不确定性掩盖局部歧义的问题	分子结构及其对应的物理化学属性（如溶解度）、蛋白质-蛋白质相互作用抑制剂任务的数据	机器学习	NA	NA	D-MPNN（消息传递神经网络）	分子图结构数据（原子与化学键特征）	分子属性基准数据集（具体数量未提及）及蛋白质-蛋白质相互作用抑制剂任务数据集	PyTorch（基于D-MPNN实现）	D-MPNN（定向消息传递神经网络）	预测性能（具体指标如均方误差、AUC等未明确提及）、拒采样实验中的误差信号对比	GPU（型号未指定）
18	2026-07-28	UNMR-Net: A Unified Deep Reconstruction Network for Multitask Compressed Sensing NMR Spectroscopy 2026-Jul-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01352 PMID:42461221	研究论文	提出一种统一的深度重建网络架构，用于多任务压缩感知核磁共振波谱成像	通过展开经典迭代收缩阈值算法，实现了单一网络同时适用于两种核磁共振稀疏重建任务，打破了任务定制化网络设计的限制，并借助模型驱动可靠性与数据驱动表达性的结合，提升了重建过程的透明度和性能	论文未明确提及局限性	开发一种统一且可解释的深度重建网络，以提高核磁共振波谱中压缩感知重建的适应性和可解释性	核磁共振波谱中的稀疏重建任务	机器学习	NA	核磁共振波谱	深度展开网络	核磁共振波谱数据	NA	NA	迭代收缩阈值算法展开网络	重建性能（具体指标未在摘要中明确）	NA
19	2026-07-28	Learning Fragment-Based Segmentation of Binding Sites from Molecular Dynamics: A Proof of Concept on Cardiac Myosin 2026-Jul-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00549 PMID:42454619	研究论文	提出基于片段的蛋白质结合位点分割方法FragBEST-Myo，利用3D U-Net从分子动力学轨迹中分割心脏肌球蛋白的奥美卡替维甲结合位点	首次将结合片段倾向性映射到结合位点表面，以监测配体结合能力变化，并将此任务表述为语义分割问题，使用深度学习解决	仅为概念验证，仅针对心脏肌球蛋白的单一配体结合位点，未推广到其他蛋白质和配体	开发基于片段的深度学习工具，从分子动力学轨迹中分割蛋白质结合位点，用于评估结合位点的配体偏好和筛选对接构象	心脏肌球蛋白的奥美卡替维甲结合位点	机器学习	心血管疾病	分子动力学模拟	3D U-Net	分子动力学轨迹	奥美卡替维甲结合的肌球蛋白在post-rigor和pre-powerstroke两种状态的分子动力学轨迹	PyTorch	3D U-Net	准确率, 平均交并比 (mIoU)	NA
20	2026-07-28	A Tutorial on Dimensionality Reduction and Clustering for Molecular Dynamics Trajectories: From Linear Algorithms to Deep Learning 2026-Jul-15, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01016 PMID:42454650	教程	系统介绍从线性算法到深度学习的分子动力学轨迹降维与聚类方法，帮助用户分析MD模拟轨迹、识别亚稳态和中间态、提取慢运动集体变量并构建自由能景观	整合线性降维、小波增强方法和深度学习三类方法，系统性提供分子动力学轨迹分析的多层次技术路线	NA	指导用户利用降维与聚类技术分析分子动力学模拟轨迹，支持生物分子构象变化研究	分子动力学模拟轨迹	机器学习	NA	分子动力学模拟（MD）	PCA、tICA、小波增强tICA、小波增强时间滞后自编码器、深度关键中间态识别	分子动力学轨迹数据	NA	Python	PCA、tICA、自编码器	NA	NA