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
661	2026-05-19	Artificial Intelligence and Radiomics in Molecular Oncology Imaging 2026, Recent results in cancer research. Fortschritte der Krebsforschung. Progres dans les recherches sur le cancer DOI:10.1007/978-3-032-15314-2_12 PMID:42149186	综述	探讨人工智能和影像组学在分子肿瘤学成像中的应用与前景	系统比较了传统影像组学与深度学习方法（CNN、Transformer），并引入自监督学习和多模态学习等新兴技术	数据需求大、标准化不足、可解释性差、缺乏严格的临床验证	推动分子成像真正实现个性化癌症诊疗	分子肿瘤学成像中的影像组学和AI方法	医学影像分析	肿瘤	分子成像	CNN, Transformer	影像数据	NA	NA	卷积神经网络, Transformer	NA	NA
662	2026-05-19	Optical and Photoacoustic Imaging 2026, Recent results in cancer research. Fortschritte der Krebsforschung. Progres dans les recherches sur le cancer DOI:10.1007/978-3-032-15314-2_15 PMID:42149189	综述	本文综述了光学成像（荧光成像、生物发光成像和光声成像）在临床前肿瘤评估中的应用、各自优缺点及发展前景	综合比较三种光学成像技术的原理、优势与局限，并强调了基于深度学习的三维成像技术对推动其临床转化的作用	未详细讨论不同成像技术的临床验证周期或具体算法性能指标，也未涉及与其他成像方式（如PET、CT）的对比	评估光学成像技术在肿瘤发展、进展和治疗评估中的应用现状与未来方向	荧光成像、生物发光成像、光声成像三种体内光学成像技术	计算机视觉	肿瘤	光学成像，包括荧光成像、生物发光成像、光声成像	NA	图像	NA	NA	NA	NA	NA
663	2026-05-16	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects across Class A GPCRs 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01858 PMID:41532426	研究论文	介绍了一种基于Transformer的深度学习框架BOLD-GPCRs，用于预测A类GPCR的配体生物活性和突变效应	将迁移学习和基于Transformer的蛋白质语言模型与密集神经网络分类器相结合，通过用户友好的网页界面实现对A类GPCR配体生物活性和突变效应的预测	传统方法在配体或结构数据有限的受体上表现不佳，而BOLD-GPCRs虽然有效，但未明确说明其局限性	开发一种能够准确预测整个A类GPCR家族配体生物活性的方法，特别是针对研究不足的受体亚型	A类G蛋白偶联受体及其配体	机器学习	NA	深度学习，迁移学习，Transformer	Transformer，密集神经网络	配体数据，受体序列数据，信号相关突变数据	NA	PyTorch	Transformer，BERT	预测性能（具体指标未说明）	NA
664	2026-05-16	Open RGB imaging workflow for morphological and morphometric analysis of fruits using deep learning: a case study on almonds 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf157 PMID:41416705	研究论文	开发了一个基于深度学习的开源RGB成像工作流，用于水果的形态和形态测量分析，并以杏仁为例进行了验证	提出了一个结合AI的开源Python工作流，能够高效分析水果形态、颜色和形态测量特征，并在杏仁上进行了迄今为止最大规模的形态学研究	未提及具体的局限性	利用深度学习技术开发一个开放的工作流，用于高通量表型分析中的形态和形态测量特征提取	杏仁的核仁、坚果及其个体样本	计算机视觉	NA	RGB成像	深度学习模型（具体类型未明确）	图像	超过25000个核仁、20000个坚果以及600多个个体	Python (未指定具体框架，如TensorFlow或PyTorch)	NA（未指定具体架构，如U-Net等）	错误率（低于1%）、均方根误差（0.47）	NA
665	2026-05-16	Harnessing artificial intelligence for genomic variant prediction: advances, challenges, and future directions 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag004 PMID:41518203	综述	利用人工智能进行基因组变异预测的进展、挑战和未来方向	系统回顾从传统规则系统到现代机器学习、深度学习和蛋白质语言模型的演变，并基于当前变异影响预测器的评估提出预测器选择、多组学数据整合和计算工作流优化的策略	未提及具体局限性	提高基因组变异解读的准确性，推动精准医疗发展	基因组变异预测方法和预测器	机器学习	NA	多组学数据整合	机器学习模型、深度学习模型、蛋白质语言模型	多模态基因组数据	NA	NA	NA	NA	NA
666	2026-05-16	Computational redesign of a thermostable T7 RNA polymerase 2026-Jan-09, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzag008 PMID:41804789	研究论文	通过结构计算设计开发了一种高度稳定的T7 RNA聚合酶变体T7T+	结合现有稳定变体的突变与PROSS识别的新突变，并通过数据驱动启发式方法过滤以保留功能，最终设计出具有更高热稳定性的T7 RNA聚合酶	T7T+在37°C时仅保留59%的野生型活性，表明稳定性提升可能以部分活性损失为代价	提高T7 RNA聚合酶的热稳定性，拓展其在生物技术中的应用	T7 RNA聚合酶及其变体	机器学习	NA	结构计算设计与功能测定	NA	序列与结构数据	18个蛋白设计变体	NA	NA	热耐受性T50、表观熔解温度、活性保留率	NA
667	2026-05-16	Enhanced epileptic seizure detection using CNNs with convolutional block attention and short-term memory networks 2026-01-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2025.115831 PMID:40962227	研究论文	提出了一种结合卷积块注意力和长短期记忆网络的深度学习模型用于癫痫发作检测	在CNN和LSTM模型中引入卷积块注意力模块，增强对关键信息的提取能力	未提及局限性	开发精确的癫痫发作检测方法以改善患者生活质量	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	CNN, LSTM	脑电图信号	公开的波恩大学数据集，具体样本数未提及	NA	CNN_CBAM_LSTM	准确率	NA
668	2026-05-16	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	提出一种结合SE-CapsNet和CNN-BiLSTM的混合深度学习模型，用于超声图像中胆囊疾病的准确诊断	首次将Squeeze-and-Excitation胶囊网络与卷积双向长短期记忆网络结合，用于胆囊疾病超声图像的自动分类，并通过非局部均值滤波进行图像增强	未提及模型在其他数据集上的泛化能力以及计算资源需求	开发一种基于深度学习的有效方法，用于准确分类胆囊疾病类型	超声图像中的胆囊疾病（多种类型）	计算机视觉, 数字病理学	胆囊疾病	超声成像	胶囊网络, CNN, BiLSTM	图像（超声图像）	未明确说明具体样本数量，但使用了胆囊疾病数据集	NA	SE-CapsNet, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异度	NA
669	2026-05-16	Artificial Intelligence-Based Echocardiography in Pulmonary Arterial Hypertension 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.052 PMID:40876740	研究论文	开发并验证全自动深度学习超声心动图工作流程用于评估肺高血压	首次评估全自动深度学习工作流程在超声心动图评估肺高压中的可靠性与临床效率，并与核心实验室标准比较	右心室面积变化分数存在显著偏差，且仅在部分患者中可测量三尖瓣反流峰速信号	验证全自动深度学习超声心动图在评估肺动脉高压中的可靠性	健康个体（213例）与肺动脉高压患者（221例）以及转诊右心导管检查的患者（196例）	医学影像分析	肺动脉高压	深度学习超声心动图	深度学习模型（Us2.ai软件）	超声心动图图像	病例对照队列：434例（213例健康+221例肺动脉高压）；转诊队列：196例（171例可测量三尖瓣反流峰速）	NA	Us2.ai软件版本1.4.5	偏差、精密度、受试者工作特征曲线下面积	NA
670	2026-05-16	Redefining multi-target weather forecasting with a novel deep learning model: Hierarchical temporal convolutional long short-term memory with attention (HTC-LSTM-Attn) in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342431 PMID:41871152	research paper	提出了一种名为层次时间卷积长短期记忆网络（HTC-LSTM-Attn）的新型深度学习模型，用于孟加拉国多目标天气预报	结合层次时间卷积、双向LSTM和注意力机制，并通过Keras调谐器优化参数，在时序和空间测试集上均优于传统模型和最先进的Transformer架构	未提及跨季节或极端气候条件下的泛化能力，模型复杂度可能带来计算开销	提高孟加拉国多城市最高温度和湿度的多步预测精度，以支持农业规划和灾害管理	孟加拉国24个城市的最高温度和湿度	machine learning	NA	NA	HTC-LSTM-Attn	时间序列数据（温度、湿度）	1961年至2022年来自孟加拉国农业研究委员会（BARC）的历史数据；时序测试集包含19个站点（2016-2022年），空间测试集包含5个未见站点（2016-2022年）	Keras	Hierarchical Temporal Convolution, Bidirectional LSTM, Attention	MAE, RMSE, R², MAPE	未具体说明，但使用了Keras Tuner进行超参数优化
671	2026-05-15	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-01, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	SenSeqNet是一个基于蛋白质序列预测细胞衰老的深度学习框架，利用ESM-2嵌入和混合LSTM-CNN架构，实现了高准确率和生物学一致性	首次将ESM-2蛋白质语言模型嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老状态，避免了传统实验方法的时间消耗和规模化难题，且模型捕捉到生物学上一致的调控程序	论文摘要未提及具体局限性	开发从蛋白质序列直接检测细胞衰老的深度学习工具，以加速衰老机制研究和治疗靶点发现	蛋白质序列及相关细胞衰老基因	机器学习	老年性疾病	蛋白质序列分析	混合LSTM-CNN	蛋白质序列	NA	NA	ESM-2, LSTM, CNN	准确率	NA
672	2026-05-15	Recent advances in computational antimicrobial peptide discovery through big data, modeling, and artificial intelligence and their interplay in ushering the next golden era of drug development 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1749404 PMID:41923798	综述	通过大数据、建模和人工智能计算方法的综合运用，综述了它们在抗菌肽发现中的最新进展及其在推动药物开发新时代中的作用	首次系统性地整合计算策略，强调不同方法间的协同作用，并批判其局限性，填补了现有文献中方法孤立介绍的空白	未明确提及具体局限性，但隐含挑战包括序列空间巨大、平衡功效与低毒性的困难以及各方法整合中的技术壁垒	统一计算策略，揭示研究方法间的协同效应，促进高效抗菌肽发现以应对抗生素耐药性危机	抗菌肽及其作为传统抗生素替代品的发现方法	机器学习	抗生素耐药性相关感染性疾病	分子对接、分子动力学模拟、拉伸分子动力学、机器学习、深度学习	生成模型	基因组和宏基因组数据	不适用	不适用	不适用	不适用	不适用
673	2026-05-15	Artificial intelligence for traumatic brain injury imaging: a translational review from algorithm development to clinical implementation 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1798780 PMID:41923870	综述	系统总结人工智能在创伤性脑损伤影像学中的转化路径，涵盖算法开发到临床实践	首次系统整合AI从算法开发到临床实施的全转化路径，提出AI衍生影像生物标志物在治疗试验中作为替代终点的潜力	缺乏高质量随机对照试验证明AI直接改善患者预后结局，现有研究主要聚焦诊断指标优化而非患者中心结果	梳理AI在TBI神经影像学中的转化应用现状，识别临床实施的关键挑战与未来方向	创伤性脑损伤患者的CT影像数据及AI分析模型	机器学习	创伤性脑损伤	NA	卷积神经网络	CT影像	NA	NA	卷积神经网络	灵敏度	NA
674	2026-05-15	Deep learning generative model for conditional crystal structure prediction of sodium amide 2026, npj computational materials IF:9.4Q1 DOI:10.1038/s41524-026-01994-2 PMID:41923897	研究论文	提出一种基于深度学习的生成框架，用于在晶体学约束下预测氨基钠（NaNH）的高压相结构，并成功识别出高压β相	首次将实验信息（晶格参数和空间群对称性）引入深度学习的晶体结构生成，结合能量导向扩散采样实现低焓候选结构预测	方法依赖实验晶格参数和对称性约束，对完全未知结构的预测能力有限；仅以氨基钠为案例验证，泛化性需进一步测试	开发一种通用策略，用于解析实验中观察到但结构未知的复杂离子材料的高压相	氨基钠（NaNH）的高压晶体结构及其相变机制	深度学习	不适用	同步辐射X射线衍射	生成模型（能量导向扩散模型）	晶体学参数（晶格参数、空间群对称性）	1种材料（氨基钠）的多个高压相候选结构	PyTorch	扩散模型	生成结构的焓值、与实验X射线衍射图谱的匹配度	不适用
675	2026-05-15	Improved YOLOv7 enhances identification of Hylurgus ligniperda in traps 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1740965 PMID:41923932	研究论文	改进YOLOv7模型用于自动化识别红毛松树皮甲虫，提升监测效率	将YOLOv7的骨干特征提取网络替换为更轻量高效的EfficientNetV2-S，并采用Focal Loss损失函数缓解类别不平衡问题，在保持速度与精度的同时实现模型轻量化	未提及具体局限性	开发一种自动化、高效、准确的方法，用于识别和量化自然环境中体型小、分布密、姿态多变的长林小蠹，以支持森林害虫监测与预警	红毛松树皮甲虫（Hylurgus ligniperda）在诱捕器中的图像	计算机视觉	林业虫害	深度学习	YOLOv7	图像	诱捕器内害虫图像数据集（具体数量未提及）	PyTorch	EfficientNetV2-S	平均精度均值	未提及
676	2026-05-15	Fully autonomous tuning of a spin qubit 2026, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-025-01562-4 PMID:41924173	研究论文	报告了从接地设备到拉比振荡的全自主半导体自旋量子比特调谐过程	将深度学习、贝叶斯优化和计算机视觉技术相结合，首次实现半导体量子比特的全自动调谐	仅针对锗硅核壳纳米线器件进行了演示，尚未验证其他类型器件的适用性	开发可自主调谐半导体量子比特的算法，以应对大型量子电路调谐和操作的复杂性	锗硅核壳纳米线器件中的自旋量子比特	机器学习	NA	NA	NA	图像、数值参数	单个锗硅核壳纳米线器件	NA	NA	拉比频率、g因子	NA
677	2026-05-15	GeneCytNet: an interpretable deep learning framework for rheumatoid arthritis classification and in silico cytokine perturbation modeling 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1738625 PMID:41924282	研究论文	提出一个可解释的深度学习框架GeneCytNet，用于类风湿关节炎分类和细胞因子扰动计算机模拟	首次整合变分自编码器与图注意力网络，并引入计算机模拟细胞因子扰动实验以提供机制性解释	基于合成队列数据，临床验证尚需真实样本支持	开发可解释的深度学习模型，实现类风湿关节炎高准确度诊断并生成可验证的生物学假设	类风湿关节炎患者与健康对照样本的转录组数据	机器学习，计算生物学	类风湿关节炎	RNA-seq	变分自编码器，图注意力网络	转录组数据	240例RA和120例健康对照训练集，100例RA和50例对照独立验证集，每样本15000个基因特征	NA	变分自编码器，图注意力网络	AUC，准确率， F1分数	NA
678	2026-05-15	A vision transformer-radiomics approach for enhanced chemotherapy outcome prediction in ovarian cancer 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1702977 PMID:41924357	研究论文	提出一种结合视觉Transformer嵌入和放射组学特征的方法，用于预测卵巢癌化疗反应	创新性地融合了预训练视觉Transformer（ViT）嵌入、医学基础模型MedSAM嵌入和传统放射组学特征，通过LASSO特征选择和SVM分类器进行多模态影像特征集成	样本量较小（182例），为单中心回顾性研究；模型在外部验证集上的表现尚未评估	提高卵巢癌化疗反应的早期预测准确性，支持个性化治疗决策	182例卵巢癌患者治疗前的CT影像	计算机视觉, 机器学习, 数字病理学	卵巢癌	CT成像	视觉Transformer（ViT）, MedSAM	医学影像（CT图像）	182例卵巢癌患者	Scikit-learn	Vision Transformer (ViT), MedSAM, SVM	AUC, 分类准确率	NA
679	2026-05-15	Rapid Detection and Diagnosis of Patients with Plantar Fasciitis Based on Integrated YOLOv12n and ResNet34 Framework Using Magnetic Resonance Imaging 2026, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S584650 PMID:41924418	研究论文	基于磁共振影像，融合YOLOv12n和ResNet34框架实现足底筋膜炎的快速检测与诊断	首次将YOLOv12n与ResNet34集成，构建全自动、高效的深度学习诊断系统，用于磁共振影像中足底筋膜炎的自动识别，无需人工干预	数据集来自单一中心，需要在多中心队列中进行外部验证以确认模型的泛化能力	开发一种全自动、计算高效的基于深度学习的系统，利用磁共振成像识别足底筋膜炎	足底筋膜炎患者和健康对照组的磁共振影像	数字病理学	足底筋膜炎	磁共振成像	卷积神经网络	图像	123例足底筋膜炎患者和150例对照组的磁共振影像	NA	YOLOv12n, ResNet34	mAP50, 准确率	NA
680	2026-05-15	Machine learning in cancer imaging for enhanced precision in diagnosis and therapy 2026, Discover computing DOI:10.1007/s10791-026-10078-0 PMID:41924555	综述	探讨机器学习在癌症影像中提升诊断和治疗精度的应用	全面综述机器学习在癌症影像中的关键应用，包括可解释AI、联邦学习和量子计算等新兴解决方案	数据稀缺、模型偏见和监管障碍限制了临床采用	探讨机器学习在癌症影像中提升诊断和治疗精度的应用及挑战	癌症影像中的机器学习技术及其临床应用	机器学习	癌症	NA	深度学习	影像	NA	NA	NA	NA	NA