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
81	2026-08-09	BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins 2026-02-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02508-8 PMID:41749211	研究论文	提出了BiToxNet，一个整合多模态特征的深度学习框架，用于准确识别神经毒性肽和蛋白质	创新性地将蛋白质大语言模型的进化嵌入与十种手工生化描述符通过双线性注意力网络进行融合，有效建模跨模态交互和残基级依赖关系	未提及具体限制	开发一个准确且可泛化的计算框架，用于神经毒性肽和蛋白质的识别，以支持蛋白质药物安全性评估	神经毒性肽和蛋白质	深度学习	神经毒性相关疾病	蛋白质大语言模型、双线性注意力网络	深度学习模型	蛋白质和肽序列数据	三个数据集：蛋白质、肽和组合数据集，具体样本量未提及	NA	双线性注意力网络（BAN）	准确率	NA
82	2026-08-07	AI-based intelligent sensing detection of cybersecurity threats using multimodal sensor data in smart devices 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40614-3 PMID:41748759	研究论文	本文提出一种基于深度学习的多模态传感架构，用于识别智能设备上由传感器引发的网络攻击	采用混合CNN-RNN-Transformer架构，融合异构传感器特征并考虑时空交互，实现了边缘硬件上的实时威胁检测	未明确提及，可能受限于数据集标注质量和特定传感器类型	开发一种可扩展的多模态深度学习框架，以提高物联网环境下网络物理威胁检测的准确性和实时性	智能设备中的异构传感器数据（加速度计、陀螺仪、麦克风、温度传感器）	机器学习	NA	多模态传感数据融合、深度学习	CNN-RNN-Transformer混合模型	多模态传感器数据、网络流量数据（文本/数值）	使用了一个手工标注的多模态数据集和两个公开基准数据集（CICIDS-2017和IoT-23）	NA	CNN, RNN, Transformer	AUC, F1-score, 推理延迟	边缘硬件（具体型号未提及）
83	2026-08-07	SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices 2026-02-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	本研究提出了一种基于硅量子点和钌配合物的比率荧光探针，结合深度学习与智能手机，用于6PPD-醌的即时检测	首次将深度学习与智能手机集成的比率荧光传感器用于6PPD-醌检测，采用YOLOv5算法定位荧光图像并获取RGB值，提高了检测精度和可视化能力	摘要中未明确提及局限性	开发一种快速、高响应、特异性的6PPD-醌检测方法，以实现低成本、便捷、可视化和实时检测	6PPD-醌（N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌）	计算机视觉	NA	荧光光谱法	深度学习模型	图像	NA	PyTorch	YOLOv5	线性关系、检测限	NA
84	2026-08-07	Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02389 PMID:41574593	研究论文	开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，替代计算昂贵的GIST方法	首次利用深度学习模型预测水合能、熵和自由能的空间分布，速度比GIST快数千倍，并能考虑蛋白质构象波动	水合熵和自由能的预测精度较低，且模型可能受限于训练数据的多样性和代表性	开发高效准确的深度学习模型，替代计算昂贵的GIST方法，预测蛋白质周围水合热力学性质	蛋白质及其周围的水分子	机器学习	不适用	分子动力学模拟	深度学习模型	分子动力学模拟数据	未明确提及具体样本数量	未明确提及	未明确提及	决定系数（R²）、相关系数	单个图形处理单元（GPU）
85	2026-08-07	Attention-Enhanced Convolutional BiLSTM Model for Predicting Recovery Outcomes in Sports Injuries 2026-Feb, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-025-01417-2 PMID:41669206	研究论文	提出一种基于注意力机制的卷积双向长短期记忆网络模型，用于预测运动损伤恢复结果。	引入了注意力增强的随机森林优化卷积双向长短期记忆模型，结合深度可分离卷积和双向LSTM，以捕捉运动数据中的时空依赖关系。	未提及具体局限性。	提高运动损伤评估和恢复预测的准确性，特别是在下肢损伤中。	年轻运动员下肢损伤的康复预测。	计算机视觉、机器学习	运动损伤	肌电图（EMG）、运动学数据分析	混合深度学习模型（CNN + BiLSTM）	时间序列数据（EMG和运动学数据）	四个数据集（具体数量未提及）	未提及	卷积块注意力模块（CBAM）、深度可分离卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）	准确率、精确率、召回率、F1分数、特异性	未提及
86	2026-08-02	Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42019-8 PMID:41760729	研究论文	本研究利用AI辅助的数字病理学方法，对牙源性粘液瘤谱系病变的纤维组织比例进行定量评估，并探讨其临床病理学意义	首次采用多阶段深度学习流水线在统一数字病理平台上定量评估牙源性粘液瘤谱系病变的纤维组织比例，并揭示机构间病理诊断的差异	研究为回顾性多中心研究，样本量有限，且未涉及分子机制研究	定量评估牙源性粘液瘤谱系病变的纤维组织比例，并探索其与临床变量的关联	牙源性粘液瘤和牙源性粘液纤维瘤的手术标本	数字病理学	牙源性肿瘤（牙源性粘液瘤和牙源性粘液纤维瘤）	Masson三色染色，全玻片成像，深度学习	深度学习模型（多阶段流水线）	全玻片图像（组织学切片）	143例手术标本，其中100例经集中病理审核后纳入	统一数字病理平台（具体框架未提及）	多阶段深度学习流水线（具体架构未提及）	一致性评估（专家评估与定量测量之间）	未提及
87	2026-07-31	KneeXNet-2.5D: a clinically-oriented and explainable deep learning framework for MRI-based knee cartilage and meniscus segmentation 2026-Feb-16, npj health systems DOI:10.1038/s44401-026-00072-5 PMID:42527501	研究论文	提出了一个面向临床且可解释的深度学习框架KneeXNet-2.5D，用于基于MRI的膝关节软骨和半月板分割	采用2.5D架构捕获片间空间上下文，结合合成噪声注入增强稳健性，并引入基于熵的AI可解释性策略提高透明度	未提及明显的局限性	实现准确高效的膝关节软骨和半月板分割，并确保模型的可解释性和临床适用性	膝关节软骨和半月板	自然语言处理	骨关节炎	NA	深度学习	MRI图像	一个金标准的膝关节MRI数据集，具体规模未提及	PyTorch	2.5D架构	分割准确性	适用于低资源医院和农村护理环境的计算基础设施，具体配置未提及
88	2026-07-30	Assessment of Predictive Factors That Shorten Duration of Treatment in Patients With Multiple Myeloma Using AI: Real-World Longitudinal Study Using Data From Medical Data Vision Claims Database 2026-Feb-19, JMIR cancer IF:3.3Q2 DOI:10.2196/75586 PMID:41711382	研究论文	利用机器学习分析日本多发性骨髓瘤患者治疗持续时间缩短的预测因素	首次使用可解释深度学习模型和点式线性模型，基于真实世界医疗索赔数据库预测多发性骨髓瘤治疗持续时间	模型AUC值较低（0.61-0.66），预测性能有限；数据来源仅限于日本，可能不适用于其他人群	识别缩短多发性骨髓瘤患者治疗持续时间的因素	日本多发性骨髓瘤患者（年龄≥18岁），包括新诊断不适合移植者和复发/难治性患者	机器学习	多发性骨髓瘤	NA	弹性网络、极端梯度提升、点式线性模型	结构化理赔数据（连续、二元、名义分类变量）	2762名患者（4848个样本）	NA	点式线性模型	曲线下面积（AUC）	NA
89	2026-07-30	Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer 2026-02-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00706 PMID:41468557	研究论文	报告了Casanovo深度学习从头肽段测序模型的系列改进，旨在提升预测肽段评分的可解释性、扩展数据库搜索功能、加速训练和预测流程，并提供工作流和可视化工具	改进了肽段评分可解释性，支持数据库搜索泛化，显著提升训练和预测速度，并提供标准化工作流和可视化工具	未提及具体局限性	使Casanovo更准确易用，适用于宏蛋白质组学、抗体测序、免疫肽组学及标准蛋白质组学中的新肽段发现	Casanovo深度学习模型及其改进版本	自然语言处理	NA	质谱分析、蛋白质组学	深度学习模型	质谱数据	NA	PyTorch	Transformer	准确性、速度	NA
90	2026-07-30	Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry 2026-02-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00563 PMID:41528974	技术说明	介绍肽嵌入的教学教程，用于蛋白质组学质谱数据中的深度学习应用	系统比较五种肽嵌入策略，并提供免费交互式教程以降低深度学习应用的门槛	未讨论嵌入选择的理论依据或对大规模数据集的适用性	教导研究人员如何将肽序列转换为数值嵌入，并提升深度学习在蛋白质组学中的应用	肽嵌入策略（从简单单数字编码到预训练嵌入）	自然语言处理、机器学习	NA	质谱、肽段测序	深度学习（具体未指定）	肽段序列数据	NA	Google Colab	预训练嵌入（具体架构未指定）	基准测试（具体指标未指定）	Google Colab（云端计算资源）
91	2026-07-29	Digital Eye: Deep Learning for Detecting Physeal Fractures of the Pediatric Distal Radius 2026-Feb, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2025.100291 PMID:41488804	research paper	提出微调EfficientNet卷积神经网络以检测儿童桡骨远端骨骺骨折，并通过Grad-CAM提供模型解释性	聚焦于儿科特定骨折类型（骨骺骨折）的AI分类，而非通用骨折检测；使用Grad-CAM可视化模型关注的放射图像区域，增强可解释性	单中心回顾性数据，样本量有限且类别不平衡（骨骺骨折仅占20%）；仅纳入前后位和侧位X光片，未测试其他视图或骨折类型	开发自动化工具分类儿童桡骨远端骨折是否累及骨骺，以提高初诊准确性并辅助骨科转诊决策	儿童（4-18岁）桡骨远端骨折X光片的骨骺受累状态	computer vision	pediatric fracture	X-ray imaging	CNN	image	2103张X光片（1082名患者，年龄10±5.7岁，60.5%男性），包括203例骨骺骨折与879例非骨骺骨折	PyTorch	EfficientNet-B2	accuracy, precision, recall, F1-score	NA
92	2026-07-28	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	系统综述	系统综述可穿戴传感器在骑行和微型交通（如电动滑板车）中检测压力、疲劳和用力的研究现状，识别主动安全系统的差距	首次系统评估从骑行过渡到电动微型交通（特别是电动滑板车）后生理监测的可转移性，并指出缺乏自动化安全分类的证据	纳入研究数量有限（仅11篇），实验室研究依赖单一冗余数据集（N=27）且缺乏独立验证，电动滑板车相关证据严重不足	识别可穿戴传感器在骑行和微型交通中用于主动安全系统的生理监测差距，推动未来研究转向无监督域适应和噪声鲁棒边缘AI架构	骑行和微型交通（如电动滑板车）环境下的生理安全监测	机器学习	NA	可穿戴传感器（心率变异性、深度学习等）	CNN-LSTM	生理信号（心率变异性、用力数据等）	11篇发表物（代表9项独立研究）；实验室研究样本量N=27	NA	CNN-LSTM	F1分数（86.3%-91.7%）	NA
93	2026-06-15	Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis 2026-Feb-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/76637 PMID:41773691	系统综述与荟萃分析	系统评估机器学习方法在左心室肥厚检测中的诊断准确性	首次通过系统综述与荟萃分析，全面评估不同机器学习方法和建模变量对左心室肥厚检测准确性的影响	纳入研究存在极端异质性，基于有限证据得出的结论需要谨慎解读，且未来需更多基于影像数据的高性能模型研究	系统评估机器学习方法在左心室肥厚检测中的诊断准确性，为人工智能工具的开发提供依据	左心室肥厚检测相关的机器学习模型	机器学习	心血管疾病	NA	机器学习模型（包括深度学习模型）	心电图、临床特征、超声心动图	25项研究	NA	NA	灵敏度, 特异性	NA
94	2026-07-24	Dose Reduction in 4-Dimensional Computed Tomography Imaging: Breathing Signal-Guided Deep Learning-Driven Data Acquisition 2026-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.047 PMID:40975131	研究论文	提出一种基于患者呼吸信号的深度学习驱动数据采集方法，用于减少四维计算机断层扫描（4D CT）中的辐射剂量	首次利用深度学习模型根据患者呼吸信号实时指导投影数据采集，仅采集必要数据，在减少辐射暴露的同时保持图像诊断质量	未明确提及限制，但可能包括模型对呼吸信号质量的依赖以及回顾性研究设计的潜在偏差	开发并验证一种ALARA原则兼容的4D CT成像方法，以降低辐射剂量而不影响图像质量	294名患者的1415个呼吸信号和104个独立临床4D CT扫描	医学成像, 深度学习	胸部肿瘤	四维计算机断层扫描（4D CT）, 呼吸信号引导	深度学习模型（具体架构未指定）	呼吸信号数据, 4D CT图像	294名患者（1415个呼吸信号用于训练/验证，104个4D CT扫描用于测试）	NA	NA	Dice系数, 豪斯多夫距离, 肿瘤运动范围, 位移场大小, 伪影频率	NA
95	2026-07-22	Comprehensive 3D Optical Coherence Tomography Dataset for AMD and DME: Facilitating Deep-Learning-Based 3D Segmentation 2026-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06497-1 PMID:41667492	研究论文	提出用于年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）的综合性3D光学相干断层扫描（OCT）数据集及一种基于BiFormer块的3D分割网络	首次构建包含224个3D OCT容积图像的AMD和DME综合数据集，并提出基于双级路由注意力机制的BiFormer块的新型3D分割网络	未提及具体局限性	解决AMD和DME领域缺乏3D数据集问题，促进深度学习3D分割技术发展	年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）患者	计算机视觉	年龄相关性黄斑变性, 糖尿病性黄斑水肿	光学相干断层扫描（OCT）	3D分割网络（基于BiFormer块）	3D OCT容积图像	224个容积图像（122个AMD，102个DME）	NA	BiFormer（基于双级路由注意力机制的神经网络结构）	NA	NA
96	2026-07-22	HBID24K: A New Benchmark Dataset for Vulnerable Houbara Bustard and Intruder Detection in Wildlife Monitoring 2026-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06496-2 PMID:41667517	研究论文	提出了一个用于监测易危波斑鸨及其入侵者的大规模相机陷阱图像数据集HBID24K，并基准测试了10种目标检测模型	首次构建了针对波斑鸨和入侵者检测的专用基准数据集，涵盖14种相机模型及多年多时段采集的高多样性图像，并系统评估了YOLOv10等先进目标检测模型	NA	通过构建高质量数据集推动基于深度学习的目标检测在波斑鸨及入侵者监测中的应用，为野生动物保护提供自动化解决方案	易危波斑鸨及其巢穴入侵者	计算机视觉	NA	相机陷阱图像采集	YOLOv10	图像	24318张相机陷阱图像（其中波斑鸨图像15070张，入侵者图像9248张）	PyTorch	YOLOv10	NA	NA
97	2026-07-22	A fine-grained fundus image dataset for cataract severity assessment and diagnosis 2026-Feb-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06684-8 PMID:41654552	研究论文	构建了一个用于白内障严重程度评估和诊断的细粒度眼底图像数据集，并提出了基于多模态大语言模型的诊断框架	首次将多模态大语言模型技术应用于精确的白内障量化诊断，提供了包含细粒度分类和专业诊断描述的高质量公开数据集	NA	解决现有方法仅能提供二分类评估的局限，实现多级严重程度评估和诊断建议生成	白内障患者的眼底图像	计算机视觉, 数字病理学	白内障	眼底图像采集	多模态大语言模型 (MLLM)	图像	187例眼底图像病例	NA	多模态大语言模型 (MLLM)	严重程度评估和诊断报告生成的质量指标，具体未提及	NA
98	2026-07-13	Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance 2026-02-01, European thyroid journal IF:3.5Q2 DOI:10.1530/ETJ-25-0268 PMID:41553093	研究论文	评估人工智能模型对意义不明确细胞学的甲状腺结节进行风险分层	首次评估专门针对AUS细胞学甲状腺结节的深度学习AI模型AI-Thyroid的临床适用性	样本量较小、回顾性设计、仅纳入韩国医疗机构的患者	评估AI模型对AUS细胞学甲状腺结节进行风险分层的临床适用性	2019年1月至2020年12月来自韩国五家医疗机构的甲状腺结节患者，共165个结节	机器学习	甲状腺结节	超声	深度学习模型	图像	165个甲状腺结节	NA	AI-Thyroid	敏感性、阴性预测值、AUC	NA
99	2026-07-10	A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag088 PMID:41712756	研究论文	提出一个深度学习框架用于预测人类RNA G-四链体结合蛋白	整合多种编码策略和神经架构，包括ESM-2蛋白质语言模型嵌入和LSTM架构，用于预测RNA G-四链体结合蛋白，并识别出2160个高置信度候选蛋白，揭示了G-四链体识别与细胞应激反应之间的潜在联系	该研究未明确指出方法的局限性，但基于标题和摘要推测可能依赖计算预测，需要实验验证	开发一个有效的深度学习方法来预测RNA G-四链体结合蛋白，探索其在RNA代谢和应激反应中的作用	人类蛋白质组中的RNA G-四链体结合蛋白	机器学习	NA	深度学习、ESM-2蛋白质语言模型	LSTM	蛋白质序列数据	人类蛋白质组（具体数量未提）	PyTorch	LSTM	准确率	NA
100	2026-07-10	Comparison of respiratory-gated and breath‑hold accelerated T2-weighted sequences for liver MRI with deep learning reconstruction 2026-Feb-23, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00679-1 PMID:41729404	研究论文	比较呼吸门控与屏气加速T2加权序列在肝脏MRI中的表现，并评估深度学习重建的效果	首次系统比较呼吸门控和屏气两种加速T2加权序列结合深度学习重建与径向k空间采样运动抑制序列的图像质量，并利用呼吸曲线特征预测个性化成像方案	未提及具体限制，但可能包括样本量有限或仅针对3T MRI	评估呼吸门控和屏气深度学习T2WI与传统径向k空间采样序列的图像质量，并探索呼吸特征对成像质量的影响	120名患者，进行3T MRI肝脏成像	计算机视觉	肝脏疾病	MRI	深度学习重建模型	图像	120名患者	NA	NA	图像质量评分、病灶-肝脏对比度、病灶检测率、病灶显著性评分、AUROC	NA