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
6861	2026-06-02	Drug Repurposing Using Machine Learning and Deep Learning: A Systematic Literature Review 2026-May-25, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099434707260517095301 PMID:42220148	综述文章	系统综述了2015至2025年间基于机器学习和深度学习的药物重定位方法	全面分析了深度学习架构（如图卷积网络、深度神经网络）与机器学习模型（如随机森林、支持向量机）在药物重定位中的应用进展	计算预测与临床实际应用之间存在转化鸿沟，模型可解释性和数据完整性仍是主要挑战	评估机器学习和深度学习在药物重定位领域的应用现状与发展趋势	2015-2025年间发表的24篇相关研究论文	机器学习	肿瘤、神经退行性疾病	NGS, RNA-seq	GCN, DNN, RF, SVM	文本	24篇研究文献	NA	图卷积网络、深度神经网络、随机森林、支持向量机	准确率、AUC、精度、召回率、F1分数	NA
6862	2026-06-02	Review of Machine Learning for Single-Particle Tracking: Methods, Challenges, and Biophysical Insights 2026-May-25, Chemical & biomedical imaging DOI:10.1021/cbmi.5c00146 PMID:42222567	综述	系统评估机器学习/深度学习方法在单粒子追踪中的进展，涵盖检测、链接、运动分类及生物物理推断	全面梳理深度学习（如CNN、循环架构和贝叶斯深度学习）在提升SPT分析准确性、鲁棒性和可解释性方面的创新应用，并讨论训练数据构建等实践考量	未具体说明SPT领域当前ML方法的泛化性局限及计算消耗	为单粒子追踪中机器学习方法提供综合指南，批判性评估现有技术并指导未来发展	单粒子追踪工作流程中的各个步骤（粒子检测、轨迹链接、运动分类、去噪及生物物理推断）	机器学习	NA	单粒子追踪	卷积神经网络, 循环神经网络, 贝叶斯深度学习	单粒子轨迹数据	NA	NA	CNN, 循环架构	准确性, 鲁棒性, 可解释性	NA
6863	2026-06-02	Evaluation of segmentation accuracy and the improvement of time effectiveness using deep learning-based segmentation in 177Lu-DOTATATE dosimetry 2026-May-24, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00897-x PMID:42177732	研究论文	评估基于深度学习的自动分割在177Lu-DOTATATE剂量测定中的准确性、剂量可靠性和时间效率	首次系统评估深度学习AI分割在177Lu-DOTATATE剂量测定中的分割准确性、剂量可靠性和时间效率，并标准化了临床参考标准	少数肝肿大病例中AI分割的Hausdorff距离超过30.0毫米，且仅针对肾脏的剂量评估显示显著差异	评估深度学习AI分割在177Lu-DOTATATE剂量测定中的性能，包括轮廓准确性、剂量可靠性和时间效率	23名接受177Lu-DOTATATE治疗的患者	计算机视觉	神经内分泌肿瘤	核医学成像	深度学习分割模型	CT图像	23名患者	NA	NA	Dice相似系数, Hausdorff距离, 平均距离一致性, 最大、平均和最小吸收剂量	SurePlan™ MRT (MIM Software Inc.)
6864	2026-06-02	Emotion Recognition Based on Fusion of Topological Features and Trajectory Images Derived from EEG Phase Space Reconstruction 2026-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s26103102 PMID:42197911	研究论文	提出一种基于相空间重构的EEG信号情绪识别方法，融合拓扑特征和轨迹图像的深度特征，并利用动态注意力机制实现宏观与微观信息的协同增强	首次将相空间重构的宏观拓扑特征与轨迹图像的微观多尺度动态特征相结合，设计GN-MVXXS深度学习框架，包含粒度自适应模块和噪声滤波模块，并引入动态注意力机制实现双表示维度的自适应融合	未提及对情感类别不平衡的处理，且深度学习模型解释性有待进一步验证	提高脑电信号情绪识别的准确率，解决手工特征设计局限和宏观微观信息互补问题	正常听力和听力受损个体的EEG信号	机器学习	NA	EEG相空间重构	深度学习模型（含粒度自适应模块和噪声滤波模块）	EEG信号和轨迹图像	SEED数据集（三分类）、HIED数据集（四分类）以及正常听力和听力受损个体数据集	NA	GN-MVXXS	准确率	NA
6865	2026-06-02	Prediction of Center-of-Mass Kinematics of Sensopro Exercises with Neural Network Models 2026-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s26103051 PMID:42197860	研究论文	使用神经网络模型预测Sensopro运动中质心运动学	利用深度学习从不稳定基底（Sensopro Luna）的运动中预测质心运动学，无需穿戴传感器，实现无穿戴式姿势监控，并为康复和健身领域的自主协调训练提供自动化、成本有效的反馈与跟踪	垂直方向预测可靠性较低，受不稳定基底物理约束影响；预测精度在极端位移时下降	探索使用深度学习从Sensopro Luna平台的运动中预测质心运动学的可行性	64名参与者执行三种协调运动（单腿站立、踏步和波浪运动）	机器学习	NA	IMU和运动捕捉	混合编码器-LSTM-解码器架构	运动数据和惯性传感器数据	64名参与者	NA	编码器、LSTM、解码器	平均绝对误差（MAE）	NA
6866	2026-06-02	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2026-May, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	开发一种基于深度学习的厚脉络膜指数（HUPI），利用增强深度成像光学相干断层扫描的脉络膜图像模式评估中心性浆液性脉络膜视网膜病变	首次提出基于深度学习的HUPI指数，从脉络膜图像模式中定量评估厚脉络膜特征，避免了传统指标的局限性	单中心回顾性研究，样本量较小，需在更大队列中验证	开发和评估基于深度学习的HUPI指数，作为厚脉络膜谱系疾病的代表性指标	中心性浆液性脉络膜视网膜病变（CSC）患者的脉络膜图像	计算机视觉	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描	卷积神经网络	图像	37个代表性CSC眼和40个正常眼用于训练验证，69个急性CSC眼和100个正常眼用于评估	NA	LeNet	AUC, 灵敏度, 特异度	NA
6867	2026-06-02	An algorithm for automated femoral leg length and offset calculations on pelvis radiographs 2026-May, Hip international : the journal of clinical and experimental research on hip pathology and therapy IF:1.3Q3 DOI:10.1177/11207000261421918 PMID:41786668	研究论文	开发了一种深度学习算法，用于在全髋关节置换术患者骨盆X光片上自动计算股骨腿长和偏移量	提出一种自动化算法，能够在大型队列中从前后位骨盆X光片高效计算腿长和偏移，支持人群级研究，减少手动测量繁琐性	未明确说明限制，但可能包括依赖X光片质量、算法泛化性有限、需要进一步验证等潜在问题	开发并验证一种自动化算法，用于测量全髋关节置换术患者前后位骨盆X光片上的腿长和偏移量	全髋关节置换术患者的术前和术后前后位骨盆X光片	计算机视觉	髋关节疾病	X光成像	深度学习模型	图像	1100张前后位骨盆X光片用于训练；100对术前术后图像用于评估与人工测量比较；15951对图像用于应用分析	NA	NA	组内相关系数	NA
6868	2026-06-02	Prediction of Pregnancy-Related Cardiovascular Outcomes Using Electrocardiogram-Based Deep Learning Estimation of Cardiorespiratory Fitness 2026-May, JACC. Advances DOI:10.1016/j.jacadv.2026.102764 PMID:42034100	研究论文	利用基于心电图深度学习估计的心肺健康水平预测妊娠相关心血管不良结局	将深度学习模型从静息心电图估算的最大摄氧量（peak VO2）用于妊娠相关心血管并发症的风险分层，提供了一种可扩展的产前风险筛查工具	NA	探究深度学习心电图预测的最大摄氧量与妊娠相关心血管并发症的关联	多机构电子健康记录妊娠队列中在孕前1年至孕13周内接受临床12导联心电图的女性	机器学习	妊娠相关心血管疾病	深度学习	深度学习模型	心电图数据	来自3,437名女性的3,650次妊娠	NA	NA	调整后的优势比（OR）、95%置信区间（CI）、P值	NA
6869	2026-06-02	Fragment-based discovery of TopBP1 inhibitors integrated with AI-driven molecular docking 2026-May, Magnetic resonance letters DOI:10.1016/j.mrl.2025.200251 PMID:42221021	研究论文	结合片段筛选和AI驱动分子对接发现TopBP1抑制剂	首次通过片段筛选结合深度学习模型Chai-1预测结合模式，鉴定了TopBP1 BRCT7-8结构域的正构和潜在别构抑制剂，并解析了复合物晶体结构	研究对象仅限于TopBP1 BRCT7-8结构域，且未涉及完整的TopBP1蛋白或体内验证；仅发现四个小分子配体，其中两个为已知药物	发现靶向TopBP1 BRCT7-8结构域的小分子抑制剂	TopBP1蛋白的BRCT7-8结构域	机器学习	癌症	NMR, 片段筛选, 分子对接	深度学习（Chai-1）	NA	四个小分子配体（金刚烷乙酸、扎托洛芬、双氯芬酸钠、奎宁）	NA	Chai-1	NA	NA
6870	2026-06-02	FlexCENT: A frequency-flexible CEST imaging network combining frequency offset encoding and three-dimensional U-Net 2026-May, Magnetic resonance letters DOI:10.1016/j.mrl.2025.200240 PMID:42221026	研究论文	提出一种频率灵活的化学交换饱和转移成像网络FlexCENT，结合频率偏移编码与三维U-Net实现稳健的CEST定量分析	通过创新的频率偏移编码技术将离散频率偏移转化为连续频谱特征表示，使网络能够泛化至未见过的频率偏移方案，无需重新训练	NA	开发一种无需重新训练即可适应不同频率偏移方案的CEST成像定量分析方法	CEST成像中的四池洛伦兹模型参数（水、MT、APT、rNOE）及B0不均匀性	机器学习	NA	CEST成像	3D U-Net	图像	合成数据、荷瘤小鼠实验及人体脑部实验数据	NA	三维U-Net	参数映射质量、噪声鲁棒性	NA
6871	2026-06-02	UGP system: A deep learning-driven platform for automated identification of ultrafine granular powders using chromatographic fingerprinting 2026-May, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101474 PMID:42222301	研究论文	本研究通过结合高效液相色谱指纹图谱与深度学习算法，开发了用于超细颗粒粉末自动识别的智能系统	首次将HPLC指纹图谱与三维一维卷积神经网络集成，构建了涵盖29个科、53个品种、530批样品的综合数据库，并通过数据增强技术显著提升模型泛化能力	未提及	建立标准化方法，用于食品药物同源中药超细颗粒粉末的智能鉴别，满足制药和功能食品行业对产品真实性和安全性的监管及消费者需求	超细颗粒粉末样品，包括53个品种、29个植物科、530批次	机器学习	不适用	HPLC（高效液相色谱）指纹图谱	1D-CNN（一维卷积神经网络）	色谱指纹图谱数据	530批样品用于数据库构建，63个商业样品用于外部验证	Flask	三维一维卷积神经网络（32、64、128个滤波器）	准确率、精确率、召回率	未提及
6872	2026-02-27	Generalizability in OCT Deep Learning-Moving Beyond Single-Disease and Single-Vendor Models 2026-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.0084 PMID:41746664	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6873	2026-06-02	AI solutions for evolutionary genomics of nonmodel species 2026-Apr, Evolution letters IF:3.4Q2 DOI:10.1093/evlett/qrag004 PMID:41938207	review	综述了人工智能在非模式物种进化基因组学中的应用，重点探讨深度学习推断种群历史和自然选择信号的最新趋势	提出处理数据缺失与不确定性、在未知基因组和种群参数下推断选择事件、生成可解释预测等创新策略，并通过低样本量实验展示选择性清除检测的原创实现	未明确讨论标注数据稀缺、模型泛化性验证等具体技术局限	探索AI在非模式物种进化基因组学中的方法创新与应用方向	非模式物种的基因组数据	machine learning	NA	NGS, 测序技术	深度神经网络	基因组序列数据	低样本量（实验设置中未提供具体数字）	NA	深度神经网络	NA	NA
6874	2026-06-02	A Robust Computational Framework for Autism Spectrum Disorder Identification Using Optimized Image Processing and Hybrid Learning Models 2026-04, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70028 PMID:41880993	研究论文	提出一种结合优化图像处理与混合学习模型的稳健框架，用于自闭症谱系障碍识别	首次结合离散小波变换与高斯滤波核进行鲁棒的图像预处理，并采用基于Walrus优化算法优化的提升式混合学习网络进行分类	未提及模型的泛化能力和在实际临床环境中的验证	开发高精度的自闭症谱系障碍自动识别方法	自闭症谱系障碍患者与健康对照组的脑影像数据	计算机视觉, 机器学习	自闭症谱系障碍	NA	CNN, 提升式混合学习网络	图像	AID数据集、ASD筛查数据集、ABIDE数据集	NA	VGG16, 提升网络	准确率, 召回率, 精确率, F1分数	NA
6875	2026-06-02	Artificial Intelligence (AI) in Computer-Aided Design (CAD): How AI Is Redefining Dental CAD 2026-Apr, Cureus DOI:10.7759/cureus.107879 PMID:42220742	综述	本文探讨人工智能在牙科计算机辅助设计中的角色，重点介绍其在数字牙科和修复CAD设计中的整合应用	系统阐述AI在牙科多专科领域的应用现状，特别聚焦于AI集成CAD系统在固定修复体设计中的创新实践	数据质量问题、伦理考量、算法透明度不足，以及临床监督的必要性仍是当前主要限制	阐明AI技术如何支持临床医生和牙科技师提升牙科实践的准确性、效率和一致性	牙科数字工作流与修复CAD设计中的AI技术应用	数字病理学	牙科疾病	机器学习	深度学习模型	数字图像	NA	NA	NA	NA	NA
6876	2026-06-02	Artificial Intelligence in Clinical Decision-Making: Current Applications, Challenges, and Future Directions in Modern Healthcare 2026-Apr, Cureus DOI:10.7759/cureus.107847 PMID:42220854	综述	综述人工智能在临床决策中的应用、挑战与未来方向	全面分析了AI在医疗影像、电子健康记录分析、精准医学、风险分层、手术支持和药物发现等多个关键领域的应用，并深入探讨了算法偏见、数据隐私、可解释性等实施障碍及伦理法律问题	作为叙述性综述，未进行系统性文献检索或定量分析，且依赖现有文献可能产生选择性偏差	系统总结人工智能在临床决策中的作用、应用现状、挑战及未来发展方向	现代医疗体系中临床决策的AI应用，涵盖诊断、风险预测、治疗规划和操作效率等场景	机器学习、自然语言处理、计算机视觉	NA	NA	机器学习、深度学习	医疗影像、电子健康记录、文本	NA	NA	NA	NA	NA
6877	2026-06-02	MFDR-DTI: Multisource Feature Decoupling and Dual-Level Reorganization Fusion for Accurate Drug-Target Interaction Prediction 2026-Mar-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c13460 PMID:41939349	研究论文	提出MFDR-DTI框架，通过多源特征解耦表示和双级动态重组融合机制预测药物-靶标相互作用	创新性地将特征解耦为拓扑结构、物理化学性质和上下文语义三个正交空间，并通过同质特征集成和共享权重跨性质注意力网络实现双级动态重组融合，同时设计基于梯度统计的自适应协同优化策略以平衡训练中不同特征分支的贡献	未明确说明局限性（摘要中仅提及模型优势，未讨论潜在限制）	提高药物-靶标相互作用预测的准确性和泛化能力	药物与靶标之间的相互作用	机器学习	NA	NA	深度神经网络	生物化学特征数据（来自异构数据源）	多个广泛使用的数据集	NA	NA	准确率、精确率、召回率、F1分数、AUC	NA
6878	2026-06-02	Comparative Evaluation of Deep Learning Graph Neural Networks and Classical Machine Learning Models for Predicting Heats of Combustion as a Key Hazard Indicator under GHS/CLP Standards 2026-Mar-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c10417 PMID:41939413	研究论文	系统评估了四种机器学习模型（XGBoost、多层感知器、图卷积网络和神经网络卷积）在预测燃烧热方面的性能，并分析其在GHS/CLP标准下危害分类中的应用	首次在4516种化合物数据集上系统比较描述符基和图基模型对燃烧热的预测性能，并评估其在实际危险分类标准（GHS/CLP）中的分类准确性	未明确提及模型的可迁移性及对数据分布变化的鲁棒性	评估不同机器学习模型预测燃烧热的能力，并探讨其在化学品安全评估中的监管应用价值	4516种化合物	机器学习	NA	NA	XGBoost, 多层感知器, 图卷积网络, 神经网络卷积	分子结构数据	4516种化合物	NA	XGBoost, MLP, GCN, NNConv	决定系数, 测试误差, 训练时间	NA
6879	2026-06-02	Deep learning-driven protein binder design for crop improvement 2026-Mar, aBIOTECH IF:4.6Q1 DOI:10.1016/j.abiote.2025.100018 PMID:41940160	综述	探讨深度学习驱动的蛋白质结合体设计在作物改良中的应用潜力，并概述从目标选择到实验验证的完整流程	首次系统总结深度学习工具（如BindCraft、AlphaFold、RoseTTAFold等）在植物蛋白质结合体设计中的端到端流程，并将设计选择与农业实际测试联系起来	亲和力预测存在不确定性，许多植物蛋白的结构信息有限，从早期成功案例到稳健农业应用仍需大量工作	探索深度学习驱动的蛋白质结合体设计在作物改良中的潜力，提供从目标选择到实验测试的实践指南	植物蛋白质结合体及其与靶标的相互作用，涉及抗病性、逆境耐受性和发育相关的关键通路	机器学习	NA	深度学习（蛋白结合体设计）	ProteinMPNN、RFdiffusion	蛋白质结构数据	NA	NA	AlphaFold、RoseTTAFold、BindCraft	界面质量和稳定性指标	NA
6880	2026-06-02	Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation 2026, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2463430 PMID:39945579	综述	综述化学计量学在食品微生物组学数据分析中的潜力、挑战与未来方向	系统总结了化学计量学在食品微生物组学研究中的应用现状及未来与深度学习结合的迫切需求	化学计量学工具特性各异，选择合适技术并实现多组学数据融合分析仍面临巨大挑战	探讨化学计量学在食品微生物组学数据分析中的应用原理、挑战及前景	食品微生物组及其多组学数据	机器学习	NA	组学技术	深度学习	多组学数据	NA	NA	NA	预测准确性	NA