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
401	2026-06-03	Molspectra: a general framework for multi-spectra prediction from molecular structures 2026-May-14, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06768-7 PMID:42133173	研究论文	提出一个通用深度学习框架MolSpectra，能够从分子SMILES表示直接预测多模态光谱	首次实现无需修改核心模型架构即可预测多种光谱类型，支持实验元数据与分子结构信息的端到端协同输入	未提及在更大规模数据集或低资源条件下的泛化能力，且仅基于四个光谱技术（IR、UV-Vis、EI-MS、NMR）进行评估	开发一个能够从分子结构预测多模态光谱的通用框架，以克服实验光谱数据稀缺的瓶颈	四种光谱技术（红外光谱、紫外-可见光谱、电子电离质谱、核磁共振光谱）对应的六种数据集	机器学习	NA	SMILES表示、RDKit分子图构建、消息传递图神经网络、Transformer	消息传递图神经网络、Transformer	光谱数据（IR、UV-Vis、EI-MS、NMR）	NIST数据库IR与UV-Vis数据集、Chemotion数据库IR数据集、基于USPTO反应语料库的模拟IR基准数据集、NIST 23数据库的EI-MS数据集、nmrshiftdb2与HMDB的NMR数据集	PyTorch、RDKit	消息传递图神经网络（MPGNN）与序列信号混合聚合（SSMA）、层次距离结构编码（HDSE）、增强Transformer架构	余弦相似度、Top-1准确度、平均绝对误差	NA
402	2026-06-03	Video-based Detection of Delirium in Hospitalized Adults 2026-May-13, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.11.26352902 PMID:42180362	研究论文	开发并验证基于视频特征的谵妄分类分析框架	通过自动提取视频特征实现客观持续的谵妄检测，使用定制ResNet-101模型优于现成模型	样本量较小（109个视频），队列异质性高	验证基于视频自动提取特征的谵妄分类可行性	住院成人患者（麻州≥18岁，中位年龄72岁）	计算机视觉	谵妄	DeepLabCut	支持向量机、逻辑回归、梯度提升、随机森林	视频	109个视频，来自50名参与者（25名男性和25名女性）	DeepLabCut	ResNet-101	AUC-ROC、敏感性、特异性	NA
403	2026-06-03	A geometry-aware generative framework integrating GPS-VAE and Transformer-SELFIES for structure-based de novo drug design 2026-May-12, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06733-4 PMID:42118199	研究论文	提出结合GPS-VAE和Transformer-SELFIES的几何感知生成框架，用于基于结构的从头药物设计	首次将图交互变换器变分自编码器与Transformer-SELFIES结合，实现100%化学有效性，并利用STONED进化算法进行结构优化	仅针对JAK2和DRD2两个靶点进行了验证，泛化性有待进一步评估；自动对接评分函数依赖于AutoDock Vina	开发一种高效的几何感知生成框架，提高基于结构从头药物设计的配体效率和化学有效性	Janus激酶2和Dopamine D2受体靶点及其活性位点	机器学习	NA	分子对接、变分自编码器、进化搜索	图神经网络、变换器、变分自编码器	蛋白质结构、分子结构（SELFIES表示）	NA	PyTorch	GPS-VAE、Transformer-SELFIES、STONED进化算法	配体效率、化学有效性	NA
404	2026-06-03	A Reproducible AI-Assisted Workflow for Concept Development in Stage Art Design and Lighting Optimization through the GSAD Framework 2026-May-12, Journal of visualized experiments : JoVE DOI:10.3791/70737 PMID:42224183	研究论文	提出一种可复现的AI辅助舞台美术概念开发与灯光优化工作流，基于GSAD框架	整合扩散模型、生成对抗网络和智能象群优化算法，实现舞台美术设计中的概念生成、纹理与灯光优化及布局规划的自动化与可复现性	仅基于2,500张图像的数据集进行验证，未提及在多种舞台场景或实际演出中的泛化能力及用户主观评价	开发一个结构化、可复现的AI辅助生成舞台美术设计框架，支持系统性概念开发与灯光优化	舞台美术设计中的概念生成、纹理与灯光优化、舞台布局与灯光位置优化	计算机视觉, 机器学习	NA	扩散模型, 生成对抗网络, 智能象群优化	扩散模型, GAN, 智能象群优化	图像（含注释脚本、灯光图、3D布局）	2,500张高分辨率图像	Python	扩散模型, GAN, IECO	预测准确率, MFPOs, 参数量, 语义对齐, 布局优化效率	NA
405	2026-06-03	Quantum computing applications in drug discovery 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag274 PMID:42218713	综述	探讨量子计算在药物发现初期流程中的整合应用，包括基于深度学习的虚拟筛选、分子对接虚拟筛选和分子动力学模拟	在嘈杂中等规模量子约束下，分析了量子模块在深度学习筛选、分子对接和分子动力学中的增强角色，并提出了评估近期进展的关键标准	未提供具体实验验证或量化性能比较，侧重于概念框架和潜在集成方式	讨论量子计算如何在药物发现初期流程中作为模块化协同处理器发挥作用，并确立评估标准	量子计算与经典计算在药物发现中的协同应用	机器学习	NA	NA	CNN, LSTM, GAN, 变分量子电路	NA	NA	NA	NA	NA	NA
406	2026-06-03	Artificial intelligence for antimicrobial resistance: advancing reproducibility, interpretability, and clinical deployment 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag269 PMID:42218717	review	本文回顾了人工智能在抗菌药物耐药性领域的发展历程，从规则基础的基因匹配到深度学习模型和基础模型，并提出了一个实用性标准框架，涵盖数据集整理、多中心外部验证、透明模型卡和系统化错误成本分析，以推动可重复、可解释和临床可部署的AI-AMR系统	提出了结合抗菌药物管理和患者安全的可重复性、可解释性和评估标准框架，倡导成本敏感评估量化假阳性和假阴性危害，整合管理指标（如有效治疗时间、抗菌谱缩窄），并前瞻性展望了联邦学习、多模态和基础架构以及生成模型在AI-AMR中的应用	作为综述，未具体实施或验证所提出的框架，缺乏实证数据支持标准框架的有效性和实际临床应用效果	推动AI-AMR从概念验证研究向临床嵌入式决策支持转化，建立严格的重复性、可解释性和评估标准	抗菌药物耐药性领域的人工智能系统及其临床应用	machine learning	感染性疾病	NA	深度学习模型、基础模型、生成模型	序列数据（基因序列）	NA	NA	NA	准确性、假阳性率、假阴性率、有效治疗时间、抗菌谱缩窄、治疗天数	NA
407	2026-06-03	CLCNet: a contrastive learning and chromosome-aware network for genomic prediction in plants 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag270 PMID:42218721	研究论文	提出一种结合对比学习和染色体感知网络的深度学习框架CLCNet，用于提高植物基因组预测的准确性	首次将对比学习与染色体感知特征建模结合，通过对比学习模块增强捕获基因型依赖表型差异的能力，并通过染色体感知模块在染色体和基因组水平进行结构化特征选择	未提及模型在低遗传力或高连锁不平衡条件下的局限性，以及计算资源需求的具体分析	开发新型深度学习框架以提高植物基因组预测的准确性，克服传统方法在捕获个体间变异和维度灾难方面的局限	4种作物物种（玉米、油菜、大豆、棉花）的10个农艺重要性状	机器学习	不适用	基因组选择、SNP标记	对比学习网络、染色体感知网络	基因组标记数据、表型数据	4种作物物种，涉及10个性状	NA	对比学习模块、染色体感知模块	皮尔逊相关系数、均方误差	NA
408	2026-06-03	USADAE: a deep learning approach to disentangle hidden covariates in RNA-seq data 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag261 PMID:42218722	研究论文	开发了一个名为USADAE的深度学习方法，用于从RNA-seq数据中分离隐藏的协变量	结合了自编码器与对抗学习，专门设计用于无监督地将隐含混杂因素从生物信号中解耦，超越了传统线性方法和现有深度学习对已知批次标签的依赖	NA	从RNA-seq数据中有效分离生物信号与隐含混杂因素，提升差异表达和eQTL分析的准确性	RNA-seq数据集中的生物信号和隐藏协变量	机器学习	癌症	RNA-seq	自编码器	基因表达数据	NA	PyTorch	USADAE（无监督对抗解缠自编码器）	NA	NA
409	2026-06-03	CvTFuse: An unsupervised medical image fusion method of gliomas T1-DWI mode 2026-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110618 PMID:41547498	研究论文	提出一种基于CNN和视觉Transformer的无监督医学图像融合方法CvTFuse，用于胶质瘤T1-DWI模态融合	首次将CNN与视觉Transformer结合用于医学图像融合，提出全局上下文聚合模块（GCAM）以增强多尺度特征提取，并采用能量感知和梯度增强的融合策略来保留细节信息	研究未明确说明在更大规模数据集或多中心数据上的泛化能力，且计算资源消耗未详细评估	开发一种无监督的医学图像融合方法以精确融合MRI不同模态（T1和DWI），提升病变区域定位和临床诊断准确性	胶质瘤患者的T1加权成像（T1WI）和扩散加权成像（DWI）磁共振图像	计算机视觉	胶质瘤	磁共振成像（T1WI和DWI）	CNN与视觉Transformer混合模型	图像	未明确说明	NA	CNN模块、视觉Transformer（ViT）、GCAM（全局上下文聚合模块），其中CNN模块用于局部特征提取，Transformer模块用于全局特征提取	平均梯度（AG）、信息熵（IE）、互信息（MI）、视觉显著性（VSM）	NA
410	2026-06-03	Development and validation of a deep survival model to predict time to seizure from routine electroencephalography 2026-May, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70101 PMID:41553763	研究论文	开发并验证了一种深度学习生存模型EEGSurvNet，利用常规脑电图预测癫痫患者的发作时间	首次将深度学习生存模型应用于常规脑电图数据预测癫痫发作风险，超越了传统临床预测因子（如发作间期痫样放电）的性能，尤其在无痫样放电的脑电图中表现更优	本研究为回顾性单中心研究，需要前瞻性研究验证其临床影响	开发并验证深度学习模型从常规脑电图中预测个体癫痫发作风险随时间的变化	连续1004例患者（共1014次常规脑电图）来自三级癫痫中心	机器学习	癫痫	常规脑电图	深度生存模型	脑电图信号	994例患者的1014次常规脑电图（训练集）和115例患者的135次脑电图（测试集）	PyTorch（推测，因深度学习模型）	EEGSurvNet（具体架构未详述）	时间依赖性AUROC、2年整合iAUROC、C指数	NA
411	2026-06-03	Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018) 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121206 PMID:41554486	研究论文	利用深度学习模型预测老年人抑郁状态，基于CHARLS和CLHLS队列数据开展回顾性队列研究	首次提出双注意力残差网络（DARNet）用于老年人抑郁预测，并在独立队列中验证其鲁棒性，结合SHAP方法进行多维可解释性分析，揭示了抑郁风险的性别和年龄异质性	仅基于中国队列数据，未来需整合多中心临床数据以提升真实世界应用价值	开发和验证深度学习模型用于老年人抑郁的早期个体化预测	60岁以上中国老年人，来自CHARLS（2011-2020）和CLHLS（2008-2018）队列	机器学习	老年抑郁症	NA	深度学习模型	纵向结构化数据（问卷数据）	CHARLS队列含2781名60岁以上老年人，CLHLS队列作为独立验证集，样本量未明确（来自2008-2018数据）	NA	双注意力残差网络（DARNet）	准确率、F1分数、AUROC、AUPRC	NA
412	2026-06-03	T3SS effector and regulator discovery by predicting interacting partners of T3SS chaperones in Pseudomonas aeruginosa 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70551 PMID:42003191	研究论文	通过预测铜绿假单胞菌中T3SS伴侣蛋白的相互作用伙伴，发现新的效应蛋白和调控因子	结合基因组学与深度学习（AlphaFold2/AlphaFold3）结构预测，在泛基因组水平系统筛选T3SS伴侣蛋白及其相互作用物	实验验证尚未完成，结果仅基于计算预测	揭示铜绿假单胞菌中隐藏的T3SS效应蛋白和调控因子，为抗菌药物开发提供新靶点	铜绿假单胞菌的T3SS伴侣蛋白及其互作蛋白	机器学习	细菌感染	NA	AlphaFold2, AlphaFold3	基因组序列, 蛋白质序列	超过15000个高质量铜绿假单胞菌基因组	NA	AlphaFold2, AlphaFold3	NA	NA
413	2026-06-03	Video-based detection of Delirium in hospitalized adults 2026-May, PLOS digital health DOI:10.1371/journal.pdig.0001462 PMID:42213702	research paper	基于视频特征自动检测住院成人谵妄状态的分析框架开发与验证	首次利用深度学习姿态估计从简短视频中自动提取行为特征（眼部、面部、肢体运动与姿势）进行谵妄分类，并对比了定制化ResNet-101模型与现成模型的性能差异	样本量较小（109个视频），谵妄样本仅占18%，且数据来自单中心，可能影响模型泛化性	开发基于视频行为特征自动分类谵妄状态的客观分析方法，以替代当前主观间歇性筛查工具	住院成人患者（≥18岁）的日常谵妄评估与简短视频记录	computer vision	geriatric disease	deep learning pose estimation	support vector machine, logistic regression, gradient boosting, random forests	video	109个视频来自25名男性和25名女性参与者（中位年龄72岁）	DeepLabCut	ResNet-101	AUC ROC, sensitivity, specificity	NA
414	2026-06-03	Convolutional-transformer fusion of ultrasound and diffuse optical tomography for breast lesion classification 2026-May, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102769 PMID:42025609	研究论文	提出一种卷积-Transformer融合框架，整合超声和漫射光断层成像用于乳腺病变分类	开发了新型卷积-Transformer-翻译器融合模型，自动结合高分辨率超声图像和低分辨率漫射光断层成像总血红蛋白图像	未明确说明	提高乳腺病变诊断性能并减少不必要的良性活检	287名接受超声和超声引导下漫射光断层成像检查的可疑乳腺病变患者	医学影像分析	乳腺癌	超声成像, 漫射光断层成像	卷积神经网络, Transformer	超声图像, 漫射光断层成像总血红蛋白图像	287名患者	NA	卷积-Transformer-翻译器	ROC曲线下面积, 灵敏度, 活检特异性	NA
415	2026-06-03	Towards quality control and harmonization of deep learning CT radiomics: An in-silico feasibility study with virtual colorectal liver metastases 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70500 PMID:42169495	研究论文	本研究通过构建虚拟结直肠肝转移模型，评估不确定性估计和图像协调化策略在深度学习CT影像组学中提高生物标志物预测可靠性的作用	首次将不确定性估计作为深度学习影像组学生物标志物预测的可靠性指标，并联合线性协调化滤波器改善跨扫描仪推理的一致性	结果仅基于仿真框架验证，尚未在临床CT数据上得到确认，需要进一步的临床验证和转化	评估不确定性估计作为生物标志物预测可靠性指标的价值，以及图像协调化在改善跨扫描仪推理中的效果	虚拟结直肠肝转移灶（20,000个）嵌入临床CT肝图像中生成的模拟扫描	数字病理学	结直肠癌肝转移	CT影像组学	深度学习影像组学模型	图像	20,000个虚拟结直肠肝转移灶嵌入20个临床CT肝图像	NA	NA	相关系数, 均方根误差	NA
416	2026-06-03	Efficient vision mamba for MRI super-resolution via hybrid selective scanning 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70508 PMID:42204783	研究论文	提出一种基于混合选择性扫描的高效视觉Mamba框架，用于MRI超分辨率重建，在保持高精度的同时显著降低计算开销	首次将多头部选择性状态空间模型与轻量级通道多层感知器结合，提出混合扫描策略（垂直、水平、对角）以捕获长程依赖并缓解像素遗忘	未详细说明在不同MRI序列或噪声条件下的泛化能力，也未讨论临床部署中的实际延迟	开发高效准确的MRI超分辨率深度学习框架，以在低计算开销下保留精细解剖细节，便于临床工作流程集成	7T脑部T1 MP2RAGE地图（142名受试者）和1.5T前列腺T2w MRI（334名受试者）	计算机视觉, 数字病理学	前列腺癌	NA	状态空间模型, 多层感知器	图像	142名受试者的7T脑部MRI及334名受试者的1.5T前列腺MRI	NA	MambaFormer（含MHSSM、深度可分离卷积、门控通道混合）	SSIM, PSNR, LPIPS, GMSD	模型参数0.9百万，计算量57 GFLOPs
417	2026-06-03	Atomic clarity: how structural biology is shaping blood-stage malaria vaccines 2026-Apr-25, Transactions of the Royal Society of Tropical Medicine and Hygiene IF:1.9Q2 DOI:10.1093/trstmh/trag039 PMID:42033198	综述	本文综述了结构生物学如何通过冷冻电镜等技术推动血液阶段疟疾疫苗的开发	结合冷冻电镜与人工智能/深度学习技术，对疟原虫血液阶段动态膜相关复合物进行原子级解析，无需结晶处理	未提及具体疫苗候选物或临床试验数据，侧重方法学综述	阐明结构生物学在合理设计疟疾疫苗中的关键作用	疟原虫血液阶段的表面多蛋白复合物及膜相关动态结构	结构生物学	疟疾	冷冻电镜、基因组分析	NA	图像、基因组数据	NA	NA	NA	NA	NA
418	2026-06-03	SERS-based deep learning approach for early detection of gestational diabetes mellitus 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127472 PMID:41547262	研究论文	提出了一种基于表面增强拉曼光谱与深度学习融合的早期妊娠期糖尿病诊断新策略	首次将表面增强拉曼光谱与PCA-CNN融合模型应用于早期妊娠期糖尿病筛查，实现快速、精准的早期诊断	NA	开发一种快速、准确、便捷的早期妊娠期糖尿病筛查方法	妊娠期糖尿病患者的血清样本	机器学习	妊娠期糖尿病	表面增强拉曼光谱（SERS）	卷积神经网络 (CNN) 结合主成分分析 (PCA)	光谱数据	NA	NA	PCA-CNN	准确率、灵敏度、特异度	NA
419	2026-06-03	Automatic detection of the fetal brain midsagittal plane on MRI using a deep learning pipeline 2026-Apr-07, American journal of obstetrics & gynecology MFM IF:3.8Q1 DOI:10.1016/j.ajogmf.2026.101962 PMID:41956321	research paper	开发了一种基于深度学习的自动检测胎儿大脑MRI正中矢状面（MSP）的流程	使用多任务2D U-Net检测四个中线结构（胼胝体膝部、压部、小脑蚓部、脑桥）的共现性，并结合LightGBM分类器进行病例级决策	研究基于正常胎儿大脑解剖结构，未涉及异常病例或多种MRI序列	实现胎儿MRI中正中矢状面的自动检测，以提高图像质量评估和大脑解剖评价的标准化	225例18-36周正常胎儿的大脑MRI数据	计算机视觉	NA	MRI（单次激发快速自旋回波T₂加权序列）	U-Net	图像	432个MRI图像堆栈来自225例胎儿（135个含MSP，297个不含）	PyTorch	2D U-Net	AUC、准确率、灵敏度、特异性、定位准确度	NA
420	2026-06-03	DrowsyDG-Phys: Generalizable driver drowsiness estimation in conditional automated vehicles using physiological signals 2026-Apr, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108407 PMID:41547100	研究论文	提出了一种名为DrowsyDG-Phys的域泛化框架，用于基于生理信号的驾驶员困倦检测	提出了一个显式时频域特征学习的骨干网络，并集成了三种新颖的损失函数：基于先验知识的对比正则化、特征集中化损失和困倦评估标准对齐损失	未明确说明局限性	提高基于生理信号的驾驶员困倦检测模型的泛化能力和鲁棒性	使用心电图、皮肤电活动和呼吸信号三种生理信号进行困倦检测	机器学习	NA	生理信号采集	域泛化框架	生理信号（心电图、皮肤电活动、呼吸信号）	3个公开数据集和1个自采集数据集，包含60名参与者在模拟SAE Level-3驾驶场景下的数据	PyTorch	DrowsyDG-Phys（时频域特征学习骨干网络）	准确率（DG协议78.5%，跨被试协议88.4%）	NA