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
241	2026-06-07	AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization 2026-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510977 PMID:41552976	研究论文	提出DCCV平台，集成可编程渗透调控与自动计算机视觉，利用半透性双乳液液滴实现溶质浓度动态调节，并基于深度学习成像系统高通量无标记量化液滴特性，从而在20小时内生成X射线质量的蛋白质晶体	首次将可编程渗透调控与自动计算机视觉集成于液滴微反应器中，实现蛋白质结晶过程中溶质浓度的动态后成型调节，解决了传统密封液滴固定浓度限制晶体生长的瓶颈	NA	开发快速且可重复的蛋白质结晶平台，以支持药物发现、酶工程和功能生物学中的大分子结构测定	蛋白质结晶过程及半透性双乳液液滴中的溶质浓度调节和晶体生长	计算机视觉	NA	液滴微流控、渗透调控、深度学习成像	深度学习模型	图像	NA	NA	NA	NA	NA
242	2026-06-07	Deep learning architectures for modeling and forecasting stroke cases in Ghana 2026-Mar, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2026.108570 PMID:41577309	研究论文	利用深度学习架构对加纳中风病例进行建模与预测	首次将贝叶斯LSTM和卷积LSTM等先进深度学习技术应用于加纳中风负担的时空建模与预测，并整合糖尿病患病率作为协变量	未明确提及限制，但可能包括数据来源单一（仅覆盖2018-2023年）以及ConvLSTM和BConvLSTM模型性能显著较差	通过深度学习技术对加纳中风发病率进行建模和预测，以支持数据驱动的公共卫生策略	加纳2018年至2023年月度中风病例数据	机器学习	脑血管疾病	NA	LSTM, 贝叶斯LSTM, 卷积LSTM, 贝叶斯卷积LSTM	时间序列数据	2018-2023年共72个月度数据点	Python, R	LSTM, 贝叶斯LSTM, 卷积LSTM, 贝叶斯卷积LSTM	平均绝对误差, 均方误差, 均方根误差, 平均绝对百分比误差	NA
243	2026-06-07	Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis 2026-Mar, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.70167 PMID:41588994	系统综述与荟萃分析	评估人工智能模型整合术前前列腺MRI和临床参数预测前列腺癌前列腺外扩展的诊断性能	首次系统评估整合放射组学与临床参数的AI模型在EPE预测中的诊断性能，并发现深度学习算法相比传统机器学习具有轻微优势	研究异质性来源于MRI方案、分割方法和建模方法的不同，且缺乏统计学显著性的亚组差异	评估整合术前前列腺MRI和临床参数的人工智能模型在预测前列腺癌前列腺外扩展中的诊断准确性和潜在临床应用价值	前列腺癌患者的前列腺外扩展预测	机器学习和数字病理学	前列腺癌	多参数MRI（T2加权、弥散加权成像）和放射组学	深度学习算法和传统机器学习	图像和临床参数	14项研究，总共2,131名患者	NA	NA	敏感性、特异性、AUC、诊断优势比	NA
244	2026-06-07	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Mar, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	分析自闭症儿童亲子韵律同步中父母压力与照顾者角色的影响	首次将复杂动态系统理论与情感计算框架结合，利用深度学习自动分割亲子声学互动，探讨父母压力对韵律同步的影响并区分父亲与母亲的角色差异	样本量有限（62对互动），且仅关注自闭症儿童，未纳入典型发育儿童对照	探究父母压力如何影响自闭症儿童与父母的韵律同步，并分析照顾者角色（母亲vs父亲）的调节作用	31名自闭症学龄前儿童及其父母（分别与母亲和父亲互动）	自然语言处理	自闭症	NA	深度学习模型	音频	62对亲子互动记录（31名儿童与父母各互动一次，共两个时间点）	PyTorch	NA	准确性	NA
245	2026-06-07	Comparative Analysis of Deep Learning-Based Algorithms for Peptide Structure Prediction 2026-03, Proteins IF:3.2Q2 DOI:10.1002/prot.70049 PMID:41047732	研究论文	对比分析基于深度学习的算法在肽结构预测中的性能	首次系统比较AlphaFold2、RoseTTAFold2和ESMFold在肽类3D结构预测中的表现，并识别影响预测质量的特定结构特征	所测试方法的整体性能低于对蛋白质3D结构的预测，某些生成的肽结构需谨慎使用	评估深度学习算法对肽类3D结构预测的准确性和局限性	肽的3D结构预测	机器学习	NA	深度学习	CNN, Transformer	序列数据	NA	NA	AlphaFold2, RoseTTAFold2, ESMFold	NA	NA
246	2026-06-07	3DFE-Net: Three-dimensional fusion enhancement network based on multi-attention mechanism for multi-modal magnetic resonance images 2026-Mar, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03499-4 PMID:41637028	研究论文	提出了一种基于多注意力机制的3D医学图像融合增强网络（3DFE-Net），用于多模态磁共振图像的三维融合	首次提出基于深度学习的三维医学图像融合方法，设计了多感受野卷积块和瓶颈块替代传统卷积，并融合通道注意力、自注意力和空间注意力的多注意力融合模块	未提及计算资源消耗或与其他深度学习三维融合方法的对比，可能缺乏在更多模态或病灶类型上的验证	填补深度学习在三维医学图像融合领域的空白，提升多模态MRI图像的质量和临床诊断价值	多模态磁共振图像，包括MR-T1ce和MR-T2序列的脑胶质瘤3D图像	计算机视觉	胶质瘤	MRI	CNN	图像（3D磁共振图像）	未明确说明，但使用了MR-T1ce/MR-T2融合实验	NA	多感受野卷积块（MRFC）、多感受野瓶颈块（MRFB）、多注意力融合模块（通道注意力、自注意力、空间注意力）	信息熵（EN）、互信息（MI）、标准差（SD）、二元质量评估（Qabf）、视觉信息保真度（VIF）	NA
247	2026-06-07	Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer 2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100966 PMID:41616975	研究论文	开发了一种深度学习管道，从常规H&E切片生成虚拟弹性蛋白染色，以改善非小细胞肺癌内脏胸膜侵犯评估	利用同一H&E切片的固有荧光作为高保真训练数据，消除了多切片方法中的空间错位	NA	提高非小细胞肺癌内脏胸膜侵犯评估的诊断准确性	非小细胞肺癌的H&E染色组织切片	数字病理学	肺癌	H&E染色	条件生成对抗网络（cGAN）	图像	多机构验证样本，具体数量未提及	NA	条件生成对抗网络	诊断准确率	NA
248	2026-06-07	Optimizing atrial fibrillation detection through ECG feature selection using Extra-Trees and statistical association measures 2026 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154199 PMID:41610739	研究论文	提出一种结合极端随机树与统计关联度量的混合特征选择方法，用于优化房颤检测的ECG特征筛选	引入特征重要性评分和总体特征重要性评分两个新指标，客观识别最具判别力的ECG特征；将特征空间维度降低近80%同时保持生理可解释性	NA	开发一种客观且可复现的特征选择方法，优化基于ECG的房颤检测特征输入	接受房颤导管消融患者的12导联ECG记录	机器学习	房颤	心电信号处理	极端随机树	ECG时间序列	NA	NA	极端随机树	特征重要性评分、总体特征重要性评分	NA
249	2026-06-06	Artificial intelligence in pediatric myopia - a narrative review 2026-Mar-25, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07193-5 PMID:41879981	综述	本文探讨人工智能在儿童眼科中评估、预测、管理和治疗近视的潜力	系统总结人工智能在儿童近视领域的应用现状，并提出未来管理策略的新方向	未提供具体实验数据或模型验证，可能缺乏定量比较	总结当前关于人工智能与儿童近视的文献，突出新兴趋势和未来方向	儿童近视人群	机器学习	近视	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
250	2026-06-06	Deep learning predicts and in vitro experiments validates the synergistic anti-liver cancer effect of vincristine and lenvatinib: Mechanism involving apoptosis induction via the TNF-α/Caspase-8 pathway 2026-03-19, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153380 PMID:41637988	研究论文	利用深度学习模型预测并实验验证长春新碱与仑伐替尼的协同抗肝癌作用，揭示其通过TNF-α/Caspase-8通路诱导凋亡的机制	将深度学习药物协同预测（MARSY和MatchMaker模型）与体外实验验证结合，首次发现长春新碱与仑伐替尼在肝癌中的协同效应，并阐明其通过ROS介导的TNF-α/Caspase-8通路诱导凋亡的新机制	仅进行了体外实验验证，缺乏体内动物模型和临床试验数据支持；未深入探讨其他潜在协同药物组合	开发针对仑伐替尼耐药的肝癌协同药物组合，并阐明其分子机制	肝癌细胞系及仑伐替尼耐药相关的抗肿瘤药物组合	机器学习	肝癌	深度学习药物预测（MARSY/MatchMaker）、CCK-8、克隆形成、划痕实验、Transwell、流式细胞术、Western blot、ZIP模型	深度学习模型（MARSY和MatchMaker）	药物协同预测数据及细胞实验数据	未明确说明肝癌细胞系具体数量及样本量	NA	MARSY, MatchMaker	细胞活力、克隆形成能力、迁移抑制率、ZIP协同评分、ROS水平、凋亡率	NA
251	2026-06-06	Machine learning for RNA secondary structure prediction: a review of current methods and challenges 2026-Mar-16, RNA (New York, N.Y.) DOI:10.1261/rna.080840.125 PMID:41577452	综述	综述了机器学习在RNA二级结构预测领域的最新方法、挑战与未来方向	系统分析了领域内的“泛化危机”，并介绍了RNA基础模型等新兴对策	未对具体方法进行定量比较，展望部分提及的挑战（如伪结预测、长序列缩放）尚未解决	全面梳理机器学习与深度学习方法在RNA二级结构预测中的应用现状及瓶颈	RNA二级结构预测方法，包括单序列模型、进化信息模型及混合模型	机器学习	不适用	RNA测序	机器学习与深度学习模型（如基础模型）	序列数据	不适用	不适用	不适用	不适用	不适用
252	2026-06-06	Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot 2026-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110724 PMID:41548324	研究论文	开发并解释一种能够将足部X光片分类为正常、足底筋膜炎和扁平足的深度学习模型	使用合成足部X光片数据集训练DenseNet-121模型，并结合Grad-CAM++进行解释性分析，实现了高分类性能并提供解剖学上一致的激活模式	研究基于合成数据集，需在真实临床环境中进一步验证	开发和解释一种能够分类足部X光片为正常、足底筋膜炎和扁平足的深度学习模型	足部X光片中的内侧纵弓异常相关疾病（扁平足和足底筋膜炎）	计算机视觉, 数字病理学	扁平足, 足底筋膜炎	X光成像	卷积神经网络（CNN）	图像（X光片）	9500张合成侧位足部X光图像（来自AI-Hub数据集）	NA	DenseNet-121, Grad-CAM++	准确率, F1值	NA
253	2026-06-06	Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06503-z PMID:41553466	研究论文	评估使用宽探测器能量积分CT结合深度学习重建的超低剂量儿童肺部CT方案，辐射剂量为0.1至0.3mSv	首次在儿童中系统验证宽探测器能量积分CT结合深度学习重建可在与光子计数CT相当的辐射剂量下实现超低剂量肺部成像，并保持诊断图像质量	未提及具体局限性，但研究为回顾性且样本量相对有限（106名患儿）	评估超低剂量儿童肺部CT方案的辐射剂量和性能，聚焦有效辐射剂量和诊断图像质量	儿童患者（年龄范围113天至17.85岁）	机器学习	肺部疾病	CT扫描	深度学习图像重建	图像	106名患儿，共277次低剂量肺部CT扫描	NA	NA	信噪比、对比噪声比	NA
254	2026-06-06	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	提出一种通过构建带符号脑网络模型并利用带符号图神经网络技术来预测和分析阿尔茨海默病的创新方法	首次将脑网络建模为同时包含正负相关性的带符号图，并利用带符号图卷积网络显著提升阿尔茨海默病诊断精度（至少提升19%）	未明确说明，但可能包括对负相关作用机制的系统验证尚处于初步阶段	提高阿尔茨海默病的早期诊断准确性并识别重要的脑区生物标志物	阿尔茨海默病患者的脑网络	深度学习	阿尔茨海默病	NA	图卷积网络及其变体	脑网络数据	NA	PyTorch	图卷积网络, 带符号图卷积网络	诊断精度	NA
255	2026-06-06	Controlling gene expression using AI designed Cis-regulatory elements 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108802 PMID:41554183	综述	探讨利用人工智能技术设计顺式调控元件以控制基因表达的方法与进展	首次系统综述了深度学习和DNA基础模型在合成顺式调控元件设计中的应用，并提出多模态建模和强化学习等未来方向	数据可用性有限、计算预测与实验结果存在差距、模型可解释性不足、生成能力受数据质量和序列级特征依赖限制	分析人工智能技术如何支持系统性、靶向性的合成顺式调控元件设计	顺式调控元件（包括启动子、增强子等）的设计与预测方法	机器学习	NA	深度学习、高通量实验	DNA基础模型、强化学习	基因组序列数据	NA	深度学习框架（未明确指定）	多模态模型、强化学习架构	预测准确性	NA
256	2026-06-06	Computational methods for spatial multi-omics integration 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108807 PMID:41564956	综述	系统总结现有空间多组学整合方法，从两个角度进行分类比较，并强调关键下游分析任务和当前面临的主要挑战	首次系统总结空间多组学整合方法，从多角度分类比较并评估数据集与下游任务，为方法选择提供指导	未涉及方法在实际临床或大规模数据集上的详细性能对比，也未讨论计算资源消耗等实际应用限制	总结空间多组学整合方法，辅助研究者选择合适方法以推动空间多组学在组织微环境和疾病机制研究中的应用	基于深度学习、对空间多组学数据（转录组、蛋白质组、表观基因组）进行整合的多种计算方法	数字病理学	NA	空间多组学技术（转录组、蛋白质组、表观基因组测序）	深度学习	空间多组学数据（转录组、蛋白质组、表观基因组）	NA	NA	NA	NA	NA
257	2026-06-06	Transformer-based multimodal fusion model predicts lymph node metastasis in hepatic alveolar echinococcosis patients: A multicenter study 2026-Mar, International journal of infectious diseases : IJID : official publication of the International Society for Infectious Diseases IF:4.8Q1 DOI:10.1016/j.ijid.2026.108409 PMID:41565060	研究论文	开发一种基于CT的多模态Transformer模型，用于精确预测肝泡状棘球蚴病患者的淋巴结转移	创新性地构建了基于Transformer的多模态融合模型，整合了影像组学、3D和2D深度学习特征，为预测HAE患者淋巴结转移提供了新工具	NA	开发并验证基于CT的多模态Transformer模型，以精确预测HAE患者的淋巴结转移	肝泡状棘球蚴病患者的肝门淋巴结	计算机视觉、深度学习	肝泡状棘球蚴病	对比增强CT影像	Transformer	CT影像	318名来自三个中心的HAE患者	NA	Transformer	AUC, 决策曲线分析	NA
258	2026-06-06	Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants 2026-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.5814 PMID:41569552	研究论文	利用深度学习模型从早产儿视网膜图像中预测心肺疾病，包括支气管肺发育不良和肺动脉高压	首次证明早产儿视网膜筛查图像可用于预测支气管肺发育不良和肺动脉高压，并提出融合图像特征与人口学风险因素的多模态模型优于单一模型	研究为回顾性设计，样本量有限，且排除ROP临床体征的模型仅在部分子集中验证，可能存在选择偏倚	探究早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，以及多模态模型是否优于仅基于人口学风险的模型	早产儿视网膜图像及对应的人口学风险因素	计算机视觉	心血管疾病	NA	CNN	图像	493名早产儿（支气管肺发育不良队列99名，肺动脉高压队列37名用于测试）	Scikit-learn	ResNet18	AUROC	NA
259	2026-06-06	UNISELF: A unified network with instance normalization and self-ensembled lesion fusion for multiple sclerosis lesion segmentation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103954 PMID:41570473	研究论文	提出一种名为UNISELF的统一网络，用于多发性硬化症病变分割，兼顾域内准确性与跨域泛化能力	采用测试时自集成病变融合提升分割精度，并利用测试时实例归一化处理域偏移和缺失输入对比度	训练数据单一且有限，可能限制模型在更广泛场景的适应能力	实现单训练域内高精度分割，同时具备跨多个域外测试数据集的强泛化能力	多发性硬化症病变	计算机视觉	多发性硬化症	磁共振成像	UNet变体	图像	ISBI 2015纵向MS分割挑战训练数据集及MICCAI 2016、UMCL等测试集	PyTorch	UNet, 测试时实例归一化, 自集成病变融合	Dice系数, 分割准确率	NA
260	2026-06-06	Energy-driven innovations in computational de novo protein engineering 2026-Mar, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.01.005 PMID:41570866	综述	综述了能量驱动计算从头蛋白质工程的前沿进展	首次系统性地整合经典力场、量子力学方法与人工智能驱动的预测，提出基于精度-成本-吞吐量权衡的方法选择决策框架	NA（摘要未明确提及局限性）	概述能量模型在计算从头蛋白质工程中的关键作用，并为治疗和工业蛋白质设计提供路线图	从头设计的蛋白质及其工程方法	机器学习	NA	分子动力学模拟、热力学积分、蒙特卡洛采样、机器学习、深度学习	机器学习模型、深度学习模型	蛋白质结构及能量图谱数据	NA	CHARMM, Amber, Rosetta	NA（未明确指定具体架构）	精度、成本、吞吐量	NA