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
141	2026-07-18	Implications of autolysosome- astrocyte-associated signature in the pathogenesis of Alzheimer's disease: evidence from artificial intelligence and multi-omics and clinical validation 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1867831 PMID:42465724	研究论文	通过人工智能和多组学分析，揭示自噬溶酶体-星形胶质细胞相关分子特征在阿尔茨海默病发病机制中的作用	首次将自噬溶酶体功能异常与星形胶质细胞反应性相关联，鉴定出HMGCR作为中心致病基因，并利用深度学习算法筛选天然化合物靶点	仅基于公共数据库和临床样本，缺乏功能性验证实验	解析阿尔茨海默病中自噬溶酶体与星形胶质细胞互作的分子机制，构建诊断模型和治疗靶点	阿尔茨海默病患者海马组织转录组数据、单细胞数据及外周血样本	机器学习	阿尔茨海默病	RNA-seq, WGCNA, Xcell算法, 单细胞测序	可解释机器学习, 共识聚类, 深度学习(Drugreflector), 分子对接	转录组数据, 单细胞数据	阿尔茨海默病患者海马组织bulk数据和单细胞数据，以及临床外周血样本	Limma, WGCNA, Xcell, Drugreflector	NA	诊断能力评估, 分层能力评估	NA
142	2026-07-18	CNNKSCEC: a deep learning-based framework for chromatin loop prediction with multi-source feature integration 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1850219 PMID:42466302	研究论文	提出一种基于深度学习的染色质环预测框架CNNKSCEC，通过多源特征融合提升预测性能	创新性地融合Hi-C和DNase-seq数据构建双通道特征矩阵，设计三阶段迭代特征提取架构，包含双分支卷积模块、SCConv模块和融合ECA与CBAM注意力的ECHybridAddition模块	未明确提及局限性	开发高效准确的染色质环预测方法，克服现有方法在噪声处理、数据不平衡和多组学整合方面的挑战	染色质环预测问题中的Hi-C和DNase-seq多源组学数据	机器学习, 数字病理学	NA	Hi-C, DNase-seq	CNN	基因组特征矩阵	NA	PyTorch	CNNC, SCConv, ECHybridAddition	NA	NA
143	2026-07-17	ConvCGP: A convolutional neural network to predict genetic values of agronomic traits from compressed genome-wide polymorphisms 2026-Jun, The plant genome DOI:10.1002/tpg2.70223 PMID:42003104	研究论文	提出一种结合自编码器非线性压缩与卷积神经网络预测的端到端框架ConvCGP，用于从压缩的全基因组多态性数据预测作物农艺性状的遗传值	首次将自编码器非线性压缩与CNN预测集成到可端到端训练的流水线中，在极端压缩（仅保留2%原始特征）下仍能保持与未压缩数据相当的预测精度	未明确讨论模型在不同物种或复杂遗传结构下的泛化能力，以及压缩过程中可能丢失的生物学解释性信息	开发高效可扩展的深度学习方法，解决高维基因组数据预测中计算负载大和耗时的问题	水稻和玉米的全基因组多态性数据与农艺性状	机器学习	NA	全基因组多态性分析	CNN	基因组多态性数据	水稻和玉米数据集，具体样本量未说明	PyTorch	自编码器、卷积神经网络	预测精度	NA
144	2026-07-17	Artificial intelligence (AI)-assisted ultrasound in clinical trials: Endpoint automation, decentralized monitoring, and regulatory readiness 2026-May-17, Drug discoveries & therapeutics DOI:10.5582/ddt.2026.01020 PMID:42002939	综述	本文综述了人工智能辅助超声在临床试验中的三大应用方向：终点自动化、分散化监测和监管准备	系统整合了AI辅助超声在终点自动化、分散化监测和监管框架三大领域的最新进展，并分析了多中心临床试验中的实际证据和监管指导	在供应商间的领域泛化、亚组公平性以及持续试验中的算法变更管理方面仍存在挑战	评估人工智能辅助超声在临床试验中提升终点可重复性、实现分散化监测的潜力及其监管适应性	临床试验中的超声成像及其AI辅助应用	机器学习	心血管疾病	超声成像	深度学习	影像	NA	NA	NA	NA	NA
145	2026-07-17	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	首次将AlphaFold2和AlphaFold3应用于全蛋白质组范围的蛋白-蛋白相互作用预测，结合基因组学和深度学习结构预测技术，系统性地挖掘铜绿假单胞菌泛基因组中潜在的T3SS效应蛋白和调控因子	仅基于计算预测，需要实验验证；预测的相互作用伙伴中可能存在假阳性；研究局限于铜绿假单胞菌，结果可能不适用于其他细菌	利用结构辅助的同源搜索和深度学习蛋白-蛋白相互作用预测，发现铜绿假单胞菌中未被识别的T3SS效应蛋白和调控因子	铜绿假单胞菌的T3SS伴侣蛋白及其相互作用伙伴	机器学习	铜绿假单胞菌感染	基因组学分析，AlphaFold2，AlphaFold3	AlphaFold2, AlphaFold3	基因组序列数据，蛋白质序列数据	超过15,000个高质量铜绿假单胞菌基因组	AlphaFold2, AlphaFold3	AlphaFold2, AlphaFold3	NA	NA
146	2026-07-17	Artificial Intelligence in Drug Discovery and Development: Transforming Pharmaceutical Innovation 2026-May, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70281 PMID:42003205	综述	综述人工智能在药物发现与开发中的应用，及其对药物创新流程的变革影响	系统剖析了AI整条药物研发管线中的应用，包括靶点识别、命中发现、先导物优化和药物重定位，并强调AI驱动的临床前预测能力与个性化药物开发潜力	讨论了算法透明度、数据质量、互操作性和监管接受度等关键挑战	评估AI在药物发现与开发中的演变角色，及其在制剂开发和个性化医学中的影响	AI药物发现技术、制药行业合作模式及关键挑战	机器学习	NA	NA	机器学习、深度学习、自然语言处理	文本	NA	NA	NA	NA	NA
147	2026-07-17	Quantifying setup uncertainty between computed tomography guidance and magnetic resonance guidance in intramuscular metastases radiotherapy 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70589 PMID:42003063	研究论文	量化CT引导与MR引导在肌肉转移瘤放疗中的设置不确定性	首次量化了使用CT引导与MR引导在肌肉寡转移瘤治疗中的剂量学差异和所需的治疗边界差异	样本量较小，仅涉及5名患者；采用合成CT模拟CT引导，可能与真实CT引导存在偏差	评估CT引导与MR引导在肌肉寡转移瘤治疗中的剂量学差异并量化所需边界	5名肌肉寡转移瘤患者	医学影像	肌肉转移瘤	MR成像、CT成像、深度学习生成合成CT	深度学习模型	图像	5名患者的多个分次影像	NA	NA	剂量参数V95、D95、均匀性指数	NA
148	2026-07-17	Mitral regurgitation detection and central/eccentric classification using transformer-based deep learning in multi-view echocardiography 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70584 PMID:42003287	研究论文	提出了一种基于Transformer的深度学习框架，用于在多视角超声心动图中自动检测二尖瓣反流并区分中心性与偏心性反流	首次使用Transformer深度学习模型实现多视角超声心动图的二尖瓣反流全自动检测与分类，且性能优于单一视角（胸骨旁长轴或心尖四腔）	仅作为可行性研究，未说明模型在真实临床环境中的泛化性或对不同超声设备、操作者的适应性	开发全自动化超声心动图诊断工具，提高二尖瓣反流筛查与分类效率	二尖瓣反流患者的多视角超声心动视频	计算机视觉	二尖瓣反流	多普勒超声心动图	Transformer	视频	回顾性研究使用回顾性选择的数据集，前瞻性测试集包含217名患者	NA	Transformer	准确率、AUC	NA
149	2026-07-15	Interpretable feature-transformer framework for cross-subject MCI detection using nonlinear dynamical and graph-theoretic EEG features 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10458-8 PMID:42428048	研究论文	提出一种可解释的特征变换框架，利用非线性动力学和图论脑电图特征进行跨被试轻度认知障碍检测	将手工设计的熵与图论特征与Transformer网络结合，并利用SHAP分析实现模型可解释性	未明确提及局限性	探索基于熵和图论的脑电图特征在区分轻度认知障碍与正常对照中的有效性	轻度认知障碍患者与健康对照者的静息态闭眼脑电图数据	机器学习	轻度认知障碍	脑电图	Transformer	信号	183名参与者（127名健康对照，56名轻度认知障碍），每人20通道脑电图数据，分割为3秒片段	NA	Transformer	准确率	NA
150	2026-07-15	Incremental diagnostic value of multiregional single-slice CT muscle areas over L3 for sarcopenia: a deep learning-based segmentation study 2026-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05237-9 PMID:42095933	研究论文	比较多区域CT肌肉评估与传统单层面L3评估在肌少症诊断中的性能	首次系统比较多区域CT肌肉测量（包括六个解剖层面）与单层面L3评估在肌少症中的诊断增量价值，并采用深度学习分割软件进行自动量化	单中心回顾性研究，样本量较小（83例），且未在独立外部验证集上验证结果	评估基于多区域CT肌肉测量对肌少症的诊断性能是否优于传统单一L3层面评估	接受多区域非对比CT检查并完成肌少症评估的83名成年人	计算机视觉	肌少症	非对比CT	深度学习分割模型	CT图像	83名成年人	NA	DeepCatch	AUC, 皮尔逊相关系数, 斯皮尔曼相关系数	NA
151	2026-07-15	Classification of marine plastic debris using hyperspectral imaging and band selection: A patch-based and pixel-based fusion approach 2026-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119781 PMID:42097087	研究论文	提出一种基于高光谱成像和波段选择的海洋塑料碎片分类方法，融合了基于补丁的轻量级卷积神经网络和基于像素的随机森林分类器	提出不确定性感知融合方法，结合LSS-HCNN和随机森林分类器，并基于SE块权重和特征重要性进行波段选择，在保持高准确率的同时显著降低计算复杂度	NA	开发轻量级、高精度的海洋塑料碎片分类模型，适用于能量受限的实时监测平台	五种常见聚合物（HDPE、LDPE、PET、PP、PS）及天然有机物和背景材料	计算机视觉,机器学习	NA	高光谱成像	卷积神经网络,随机森林	高光谱图像	NA	PyTorch, Scikit-learn	LSS-HCNN, Squeeze-and-Excitation	准确率	NA
152	2026-07-15	Boundary-aware dual-attention U-Net for multi-class oil spill segmentation in SAR imagery 2026-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119825 PMID:42097091	研究论文	提出一种基于深度学习的双注意力瓶颈U-Net（DAB-UNet），用于SAR影像中多类石油泄漏的识别与分割	引入双重注意力模块和边界感知学习技术，结合复合损失函数以解决类别不平衡和复杂石油形态问题	未提及在多源SAR数据或极端场景下的泛化能力，且计算资源需求未说明	实现SAR影像中多类石油泄漏的高精度自动分割	Sentinel-1 SAR影像中的石油泄漏区域	计算机视觉	NA	SAR成像	U-Net	图像	使用M4D公开数据集中的Sentinel-1 SAR影像	TensorFlow、PyTorch	U-Net、卷积块注意力模块	准确率、精确率、F值、召回率	NA
153	2026-07-15	Radiomics in musculoskeletal imaging: what is its role in the era of deep learning? 2026-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05257-5 PMID:42159632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
154	2026-07-15	Development of a real-world, therapeutic drug monitoring-informed model to predict teicoplanin daily dose in pediatric intensive care unit patients with bacterial infections 2026-Aug, International journal of clinical pharmacy IF:2.6Q2 DOI:10.1007/s11096-026-02124-0 PMID:41995939	研究论文	开发基于真实世界治疗药物监测数据指导儿科重症监护室患者替考拉宁每日剂量的预测模型	首次将治疗药物监测数据与机器学习模型（尤其是TabNet结合）用于预测儿科重症监护病房患者的替考拉宁每日剂量，实现个体化给药决策	回顾性单中心研究设计，样本量有限（257名患者），需外部验证其泛化性	开发并验证一个基于真实世界治疗药物监测的机器学习模型，以预测儿科ICU患者临床医师调整后的替考拉宁每日剂量	儿科重症监护室中接受替考拉宁治疗的细菌感染患者	机器学习, 数字病理学, 药物监测	细菌感染	治疗药物监测, 基于随机森林的缺失值填补	TabNet, 梯度提升, XGBoost, LightGBM	临床数据, 治疗药物监测数据	257名儿科ICU患者（595份替考拉宁给药记录）	PyTorch, XGBoost库, LightGBM库, Scikit-learn	TabNet	决定系数R², 均方根误差RMSE, 平均绝对误差MAE	未提及
155	2026-07-15	Labeled dataset of Sentinel-1 SAR imagery Despeckled with multitemporal fusions 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112999 PMID:42440416	研究论文	提出一个用于支持Sentinel-1 SAR影像监督去噪的多时相标注数据集	提供了不同数量多时相融合（5至25景）的参考图像，支持分析去噪效果与融合次数的关系；数据集全球采样，包含极化特定的后向散射阈值筛选和ESA土地覆盖图	NA	为SAR影像散斑噪声减少的机器学习和深度学习模型提供结构化、可复现的训练与评估资源	Sentinel-1合成孔径雷达影像的散斑噪声减少	计算机视觉	NA	合成孔径雷达干涉测量	NA	图像	512×512像素的SAR区域，包含VV和VH极化，全球采样	Python, Google Earth Engine	NA	等效视数、均方误差、结构相似性指数、峰值信噪比	NA
156	2026-07-15	Deep learning-enabled self-powered bimodal flexible sensor for intelligent access control 2026-Jul-14, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ae83c1 PMID:42372767	研究论文	开发了一种基于单电极摩擦纳米发电机的自供电双模态柔性传感器，结合深度学习实现智能门禁系统	提出微金字塔阵列结构的PDMS摩擦电层设计，实现自供电双模态传感与深度学习信号解耦的集成方案，在无外部电源下达到高精度识别	文中未明确提及大规模部署成本、长期稳定性测试及多传感器协同工作的挑战	解决传统生物识别技术对电源依赖强、隐私风险高和环境敏感性问题，开发低功耗高安全性的智能门禁系统	双模态柔性传感器的结构设计与性能优化，以及深度学习模型对摩擦电信号的特征提取与分类	机器学习	NA	摩擦纳米发电机	卷积神经网络	波形信号	未明确提及样本数量，涉及材料识别和用户认证任务	NA	卷积神经网络	准确率	NA
157	2026-07-15	AI-Augmented Fluorescence Imaging of Non-Small Cell Lung Cancer Protease Activity via a Dual-Enzyme Nanoprobe 2026-Jul-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01259 PMID:42378464	研究论文	提出一种基于AI增强的双酶纳米探针荧光成像技术，用于非小细胞肺癌蛋白酶活性分析	采用金硒键增强纳米探针稳定性，并结合深度学习（Cellpose和U-Net）实现单细胞和整体图像的高通量定量分析	NA	开发一种能够同时定量检测多种蛋白酶活性的稳定、高通量平台	非小细胞肺癌相关的KLK6和uPA两种蛋白酶	数字病理学	非小细胞肺癌	荧光成像	深度学习分割模型	荧光图像	NA	Cellpose, U-Net	Cellpose, U-Net	测量重现性、蛋白酶活性分布定量、肿瘤背景比	NA
158	2026-07-15	Multimatrix QuantAI-LFIA: An On-Device Deep-Learning Biosensing Platform with Charge-Transfer-Active Labels for Intelligent Quantitative Analysis 2026-07-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00994 PMID:42381115	研究论文	提出一种集成深度学习与电荷转移活性标签的在线设备平台，用于多生物基质中金黄色葡萄球菌肠毒素B的智能化定量检测	首次将电荷转移活性标签Fe-PDA与深度学习结合，集成于智能手机设备实现高灵敏度、宽动态范围的智能化定量分析	未提及实际临床应用中的大规模验证及长期稳定性评估	开发一种快速、准确、可适应多生物基质的床旁POCT定量检测平台	金黄色葡萄球菌肠毒素B，以及血清和尿液样本	机器学习, 数字病理	感染性疾病	侧流免疫分析, 智能手机成像	深度学习模型（未明确具体类型，但用于定量分析）	图像	未明确提及样本数量	NA	NA	检测限, 相关系数R, 曲线下面积AUC	智能手机
159	2026-07-15	Learning High-Resolution Protein Embeddings from Multimodal Data via Self-Supervised Integration 2026-Jul-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00618 PMID:42312747	研究论文	提出一种多模态自监督学习方法，整合序列、结构、基因本体注释和显微图像数据学习高分辨率蛋白质嵌入	创新性在于首次联合掩码重建与对比学习多模态融合框架，从序列和结构中提取氨基酸级特征，再通过交叉注意力融合模块获得统一蛋白质嵌入	未明确提及具体局限，但训练数据量和模态覆盖范围可能限制泛化性	通过融合多模态数据学习高分辨率蛋白质嵌入以提升蛋白质功能注释性能	蛋白质，包括氨基酸序列、结构、基因本体注释和显微图像数据	机器学习, 生物信息学	不适用	自监督学习, 多模态融合, 对比学习, 掩码重建	交叉注意力融合模块	序列, 结构, 注释, 图像	96,862个蛋白质	PyTorch（基于常用深度学习框架推断）	自监督结构（joint masked reconstruction + contrastive learning + cross-attention fusion）	性能超越现有方法（具体指标如准确性、F1分数等未明列）	未提及
160	2026-07-15	Vibrational Spectroscopy of Clinical Biofluids: Advances in FTIR and Raman-Based Biomarker Discovery for Disease Diagnosis and Monitoring 2026-Jul-13, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2026.2702636 PMID:42439220	综述	综述傅里叶变换红外光谱和拉曼光谱在临床生物流体诊断中的进展，涵盖从光谱采集到机器学习分类的完整流程	系统总结了五种临床生物流体的振动光谱诊断能力，强调了表面增强拉曼光谱的飞摩尔灵敏度和深度学习在多重分类中的优势	多中心临床投资是实现一线诊断工具的主要障碍，尚未解决仪器间变异性和分析前不可重复性等实际问题	评估振动光谱作为疾病诊断和监测工具的临床转化潜力	血清、尿液、唾液、脑脊液和泪液等临床生物流体	机器学习	癌症、神经退行性疾病、代谢性疾病、感染性疾病、肾脏疾病	FTIR光谱、拉曼光谱、ATR-FTIR、表面增强拉曼光谱、FT-拉曼	深度学习	光谱数据	NA	NA	NA	诊断准确率	便携式仪器、微流控基板、联邦学习、开放光谱数据库