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
21	2026-06-01	Deciphering the Language of Protein-DNA Interactions: A Deep Learning Approach Combining Contextual Embeddings and Multi-Scale Sequence Modeling 2024-11-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168769 PMID:39214282	研究论文	提出一种结合上下文嵌入和多尺度序列建模的深度学习方法，用于预测蛋白质-DNA相互作用位点	将预训练蛋白质语言模型（如ProtTrans）的上下文嵌入与多窗口卷积神经网络架构相结合，以捕捉DNA结合位点的局部和全局模式，显著提升了预测性能	未在文中明确提及局限性	从蛋白质序列直接预测与DNA相互作用的残基，以加速理解关键细胞过程和疾病通路	蛋白质序列中的DNA结合位点	机器学习	NA	深度学习方法、预训练语言模型（ProtTrans）、卷积神经网络	多窗口卷积神经网络	蛋白质序列数据	使用整理好的基准数据集进行综合评估，具体样本量未提及	PyTorch	多窗口CNN	ROC曲线下面积（AUC）达0.89	NA
22	2026-05-31	iACP-DFSRA: Identification of Anticancer Peptides Based on a Dual-channel Fusion Strategy of ResCNN and Attention 2024-11-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168810 PMID:39362624	研究论文	提出了一种基于深度学习的双通道融合策略模型iACP-DFSRA，用于识别抗癌肽	结合了ProtBert_BFD预训练语言模型和手工特征进行序列编码，采用LightGBM进行特征选择，并利用ResCNN和注意力机制分别提取局部和全局特征，最后通过注意力机制深度融合关键特征	未明确提及，但可能依赖于现有数据集和特定特征编码技术，泛化性需进一步验证	开发一种准确且成本有效的抗癌肽识别方法	抗癌肽序列的识别	自然语言处理	癌症	蛋白质序列嵌入技术	ResCNN和注意力机制	序列数据	未明确说明，但使用了独立测试数据集和额外数据集	PyTorch	ResCNN, Attention机制, LightGBM	特异性(Sp), 敏感性(Sn), 准确率(Acc), 马修斯相关系数(MCC)	NA
23	2026-05-30	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	通过构建多任务深度学习模型MT-TopLap，预测SARS-CoV-2 RBD突变对不同物种ACE2的结合自由能变化，识别增强人畜交叉传播的关键突变	首次通过多任务深度学习模型同时预测SARS-CoV-2 RBD突变对多种动物宿主ACE2的结合影响，揭示人畜交叉传播的潜在突变机制	NA	识别增强SARS-CoV-2人畜交叉传播的RBD突变，评估病毒在动物宿主适应后增强人类传染性的风险	SARS-CoV-2的受体结合域（RBD）突变及其对跨物种传播的影响	机器学习	新型冠状病毒病（COVID-19）	深度突变扫描	多任务深度学习模型	突变扫描数据	包含人类、猫、蝙蝠、鹿和仓鼠多个物种的深度突变扫描数据集	NA	MT-TopLap	NA	NA
24	2026-05-30	Mesoscopic structure graphs for interpreting uncertainty in non-linear embeddings 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109105 PMID:39265479	研究论文	提出一种名为ManiGraph的节点链接可视化技术，用于解释非线性降维中的不确定性	通过构建动态介观结构图并测量区域自适应可信度，重新审视高维和低维空间之间的邻域保真度，同时解决大规模数据集散点图可视化中的过度绘制问题	文中未明确提及局限性	解决概率非线性降维方法中由于全局与局部结构保持的权衡以及计算随机性导致的失真错误和误导可视化问题	非线性降维结果中的不确定性	机器学习, 计算机视觉, 计算生物学	结直肠癌	单细胞RNA测序	概率非线性降维模型（t-SNE, UMAP）	图像, 文本	使用Fashion-MNIST、单细胞RNA测序数据集和Histopathology-MNIST进行案例分析	NA	ManiGraph	区域自适应可信度	NA
25	2026-05-30	Improving deep learning-based automatic cranial defect reconstruction by heavy data augmentation: From image registration to latent diffusion models 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109129 PMID:39265478	研究论文	使用数据增强技术改进基于深度学习的颅骨缺损自动重建方法	首次系统比较多种数据增强技术，包括经典几何变换、图像配准、变分自编码器、生成对抗网络和潜在扩散模型，并证明潜在扩散模型结合向量量化变分自编码器在生成增强策略中表现最优	未提及具体限制	提高深度学习颅骨缺损自动重建方法的泛化能力，使其适用于真实临床场景	颅骨缺损患者	数字病理学，计算机视觉	颅骨损伤	CT成像	深度学习模型	图像	SkullBreak和SkullFix数据集	PyTorch	变分自编码器，生成对抗网络，潜在扩散模型，向量量化变分自编码器	Dice系数	NA
26	2026-05-30	SpeechBrain-MOABB: An open-source Python library for benchmarking deep neural networks applied to EEG signals 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109097 PMID:39265481	研究论文	介绍 SpeechBrain-MOABB，一个用于深度神经网络在脑电图信号上基准测试的开源 Python 库	该工具包引入了完整的实验协议，标准化了超参数搜索和模型评估等关键阶段，原生支持多步超参数搜索和多种子训练评估，以增强结果稳健性	未明确提及局限性，但可能包括对特定数据集或网络架构的通用性限制	提供基于深度学习的综合脑电图解码流水线开发工具，解决可重复性危机	脑电图信号解码任务	机器学习	NA	EEG 信号处理	深度神经网络	脑电图信号	NA	Python, SpeechBrain, MOABB, braindecode	NA	准确率	NA
27	2026-05-30	FvFold: A model to predict antibody Fv structure using protein language model with residual network and Rosetta minimization 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109128 PMID:39270460	研究论文	提出FvFold模型，利用ProtT5-XL-UniRef50蛋白质语言模型结合残差网络和Rosetta最小化，预测抗体Fv结构	首次将ProtT5-XL-UniRef50蛋白质语言模型与残差网络及Rosetta最小化相结合用于抗体Fv结构预测，在多个基准测试中实现更低的RMSD和OCD值	未提及具体局限性	提高抗体Fv结构预测的准确性，特别是针对互补决定区（CDRs）和整体Fv区域	抗体可变片段（Fv）结构	机器学习	癌症	蛋白质语言模型	残差网络	蛋白质结构数据	NA	Rosetta	ProtT5-XL-UniRef50, Residual Network	RMSD（均方根偏差）, OCD（方向坐标距离）	NA
28	2026-05-30	CT perfusion parameter estimation in stroke using neural network with transformer and physical model priors 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109134 PMID:39278163	研究论文	提出一种结合Transformer和物理模型先验的深度学习网络CTPerformer-Net，用于CT灌注参数估计	首次将Transformer模型和物理先验（一致性先验、平滑性先验、物理模型先验）结合用于CT灌注参数估计	在真实临床数据上的梗死核心分割Dice系数仅为0.36，性能仍有提升空间	利用深度学习方法改进CT灌注参数估计的准确性和鲁棒性	急性缺血性卒中患者的CT灌注图像及物理模型生成的仿真数据集	计算机视觉, 医学影像分析	急性缺血性卒中	CT灌注成像	Transformer	图像（CT灌注序列图像）	仿真数据集（未说明具体样本量）和ISLES 2018挑战数据集中的103幅真实CTP图像	NA	Transformer（CTPerformer-Net）	相关系数, 系统误差, 随机误差, Dice系数	NA
29	2026-05-30	Visual interpretation of deep learning model in ECG classification: A comprehensive evaluation of feature attribution methods 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109088 PMID:39353296	研究论文	对心电图分类中深度学习模型的特征归因方法进行全面评估	首次大规模评估11种流行特征归因方法在五个大型心电图数据集上的表现，并结合自动评估和人类专家评估	特征归因方法在17种不同诊断中的有效性存在差异	确定适用于心电图数据集的合适特征归因方法	基于ResNet-18架构的深度学习模型	计算机视觉、机器学习	心血管疾病	深度学习模型	CNN	心电图信号数据	五个大型心电图数据集	PyTorch	ResNet-18	自动评估指标、人类专家评估	NA
30	2026-05-30	3DECG-Net: ECG fusion network for multi-label cardiac arrhythmia detection 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109126 PMID:39255656	研究论文	提出3DECG-Net深度学习模型，用于通过12导联心电图融合数据进行多标签心律失常检测	采用递归图技术将12导联心电信号转换为3D数据，并结合残差架构与多头注意力机制，实现七种心脏状态的准确分类	未明确说明，但可能包括模型泛化能力验证不足或数据集的局限性	开发一种自动化心电图分析方法，用于多标签心律失常检测，提高诊断效率	七种不同心脏状态的心律失常检测	数字病理学	心血管疾病	心电图（ECG）	深度学习模型（残差网络与多头注意力机制）	心电图信号	未明确说明	PyTorch	残差网络，多头注意力机制	微平均F1分数（micro F1-score）	未明确说明
31	2026-05-30	Siamese based deep neural network for ADHD detection using EEG signal 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109092 PMID:39255658	研究论文	利用基于孪生网络的深度神经网络通过脑电图信号检测儿童注意缺陷多动障碍	首次将孪生卷积神经网络用于基于EEG功率谱密度脑图的ADHD检测，并结合Grad-CAM可解释AI方法识别关键特征脑区	NA	利用深度学习技术分析儿童EEG信号的功率谱密度脑图，实现ADHD的自动检测	儿童注意缺陷多动障碍患者与健康对照组的EEG信号	机器学习	注意缺陷多动障碍	EEG	CNN	图像	NA	NA	Siamese CNN	准确率	NA
32	2026-05-30	Can generative AI replace immunofluorescent staining processes? A comparison study of synthetically generated cellpainting images from brightfield 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109102 PMID:39255659	研究论文	评估生成式AI替代免疫荧光染色过程的可行性，比较五种基于不同骨干网络的IF图像生成模型	提出了一套全面的分析流程来评估生成器在IF图像合成中的效能，并系统比较了CNN、GAN和扩散模型三种类型的生成骨干网络	模型泛化性、批次效应、特征相关性和计算成本等问题仍需进一步研究和验证	对比并确定最佳性能的IF图像生成模型，分析生成式AI替代免疫荧光染色过程的潜力	从明场图像合成免疫荧光图像的生成模型	计算机视觉	不适用	生成式AI、深度学习	CNN, GAN, 扩散模型	图像	公开数据集	NA	CNN, GAN, 扩散模型	NA	NA
33	2026-05-29	Recent advances in fish cutting: From cutting schemes to automatic technologies and internet of things innovations 2024-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70039 PMID:39495567	综述	综述鱼类切割技术的最新进展，包括切割方案、自动化技术和物联网创新	系统总结了智能化切割技术与工业4.0框架（物联网、人工智能、大数据和区块链）的结合应用，展示了从人工到自动化的转变过程	未提及具体性能数据或方法比较，可能缺乏技术细节验证	探讨鱼类切割从传统方案到自动化和物联网技术的演进及其在工业4.0背景下的应用	鱼类切割方案（去头去尾、切片、去骨、去皮、修整和骨检）及相关自动技术	计算机视觉, 机器学习	NA	机器视觉, 深度学习, 传感器, 物联网	NA	图像	NA	NA	NA	NA	NA
34	2026-05-29	Machine vision combined with deep learning-based approaches for food authentication: An integrative review and new insights 2024-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70054 PMID:39530613	综述	本文综述了基于机器视觉和深度学习的方法在食品真实性鉴别中的应用，包括掺假识别、品种鉴定、新鲜度检测和质量鉴别等，并探讨了相关局限性与未来趋势	系统性地整合了机器视觉与深度学习（包括轻量级DL）在食品真实性分析中的最新进展，并单独探讨了智能手机和便携式设备结合机器视觉系统的应用前景	深度学习仍存在过拟合、可解释性差、数据隐私、算法偏差等挑战，且传感设备小型化和轻量级DL的设计部署有待改进	探讨机器视觉结合深度学习算法在食品真实性快速、无损检测中的应用、局限性与未来发展	食品真实性分析相关技术和方法，包括掺假、品种、新鲜度及质量鉴别等应用场景	计算机视觉	NA	机器视觉	深度学习模型，轻量级深度学习模型	图像	NA	NA	NA	NA	NA
35	2026-05-20	AI-readiness for Biomedical Data: Bridge2AI Recommendations 2024-Nov-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.23.619844 PMID:39484409	评论	本文介绍了Bridge2AI项目提出的生物医学数据AI就绪性评估方法及数据标准	提出生物医学数据AI就绪性的评估标准，并整合可解释人工智能以及伦理、法律和社会影响考量	领域快速演进，所提标准为初步基础框架，可能需持续更新	制定生物医学数据AI就绪性的评估方法和数据标准，确保科学严谨性和伦理设计	Bridge2AI项目开发的旗舰数据集及相关AI/ML分析方法	机器学习	未指定	NA	NA	生物医学数据	NA	NA	NA	NA	NA
36	2026-05-20	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	使用生成对抗网络增强高场非对称离子迁移谱（FAIMS）谱图数据以改进深度学习分析性能	首次将生成对抗网络（GAN）引入FAIMS谱图数据增强，通过生成高保真度和多样性的谱图有效扩展数据集，无需增加额外实验成本	未提及模型对复杂混合物中未知或罕见成分的泛化能力，以及生成数据的潜在偏差或过拟合风险	解决FAIMS深度学习分析中因数据质量不足和样本多样性低导致的识别性能差的问题	通过FAIMS收集的15类真实混合谱图数据	机器学习	NA	高场非对称离子迁移谱（FAIMS）	生成对抗网络（GAN）、VGG、ResNeXt	谱图数据	15类混合谱图样本	NA	VGG, ResNeXt	准确率, 精确率, 召回率, F1分数	NA
37	2026-05-20	Protein-peptide binding residue prediction based on protein language models and cross-attention mechanism 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115637 PMID:39121938	研究论文	设计了一种基于蛋白质语言模型和交叉注意力机制的端到端深度学习方法E2EPep，用于蛋白质-肽结合残基预测	首次将两种预训练蛋白质语言模型与交叉注意力特征融合模块结合，实现仅基于蛋白质序列的端到端预测，无需依赖第三方工具提取显式特征	方法在独立测试集上的性能仍有提升空间，且仅适用于学术用途，未提及临床或工业部署的可行性	提高蛋白质-肽结合残基预测的准确性和计算效率，推动药物发现	蛋白质-肽结合残基	自然语言处理，机器学习	不适用	不适用	深度学习模型	蛋白质序列	两个独立测试数据集	PyTorch	蛋白质语言模型，交叉注意力机制	AUC， Matthew相关系数	不适用
38	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心	NA	NA	NA	NA
39	2026-05-16	Large-scale deep learning identifies the antiviral potential of PKI-179 and MTI-31 against coronaviruses 2024-11, Antiviral research IF:4.5Q1 DOI:10.1016/j.antiviral.2024.106012 PMID:39332537	研究论文	结合机器学习与体外验证，发现PKI-179和MTI-31对冠状病毒具有抗病毒潜力	利用多种技术克服SARS-CoV-2数据不足，实现深度神经网络的端到端训练，并通过体外测试验证两种PI3K-mTOR抑制剂对多种冠状病毒具有广谱抗病毒活性	未提及	通过机器学习加速发现潜在抗病毒化合物，提高药物研发效率	PKI-179和MTI-31化合物，SARS-CoV-2及其变异株，其他冠状病毒	机器学习	冠状病毒病(COVID-19)	NA	深度神经网络	生物医学测定数据	未明确样本数量，使用了多种生物医学测定数据补充	NA	NA	NA	NA
40	2026-05-16	Validation of an Artificial Intelligence-Based Prediction Model Using 5 External PET/CT Datasets of Diffuse Large B-Cell Lymphoma 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268191 PMID:39362767	研究论文	在5个独立临床试验中验证基于人工智能的深度学习模型对弥漫性大B细胞淋巴瘤的预后预测性能	在5个独立外部数据集上验证深度学习模型，无需肿瘤勾画即可预测治疗结果，且性能优于国际预后指数（IPI）	该模型在预后性能上低于基于影像组学的模型（如PET模型）	验证深度学习模型在弥漫性大B细胞淋巴瘤患者治疗结局预测中的有效性	弥漫性大B细胞淋巴瘤患者	机器学习	弥漫性大B细胞淋巴瘤	PET/CT	深度学习模型	图像（PET/CT最大强度投影）	1,132例患者（296例训练，836例外部验证）	NA	NA	AUC, Kaplan-Meier曲线	NA