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	2026-04-10	AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation 2026-Mar-30, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00085 PMID:41906862	研究论文	本文介绍了AmberTorchPB，一个基于LibTorch的统一、可扩展且支持加速器的框架，用于现代化生物分子静电学中的Poisson-Boltzmann反应场能量计算	利用深度学习中的张量抽象来高效管理硬件异构性、内存优化和混合精度算术，从而克服传统PB求解器在大规模大分子组装体应用中的计算瓶颈和软件碎片化问题	NA	现代化生物分子静电学，通过统一框架解决Poisson-Boltzmann方程在离子溶液中建模静电相互作用时的计算瓶颈	生物分子静电相互作用，特别是大规模大分子组装体	机器学习	NA	Poisson-Boltzmann方程求解	NA	张量数据	NA	LibTorch, PyTorch	NA	NA	现代高性能计算硬件，支持异构架构
82	2026-04-10	LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network 2026-Mar-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00057 PMID:41910779	研究论文	本文提出了一种名为LA-TReQNet的端到端深度学习框架，用于改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型	首次建立了一种不依赖内标或外标的校准方法，通过深度学习模型捕获复杂的经验关系，并提出了基于Power Transformer的标准化和数据集分组的优化预处理策略	NA	改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型，实现全自动定量校准	质谱数据	机器学习	NA	激光剥蚀电感耦合等离子体质谱	CNN, LSTM	质谱数据	来自5676个样本的221,364个标记质谱	NA	CNN-LSTM	与认证参考值的偏差百分比	NA
83	2026-04-10	Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring 2026-Mar-26, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf026 PMID:41236179	综述	本文综述了深度学习和目标检测方法在人类颊细胞微核及细胞组学检测中用于细胞类型评分的研究进展，探讨了其在人群生物监测中的应用潜力	首次系统探讨将人工智能技术整合到微创颊细胞微核细胞组学检测中，以解决该领域样本变异性大、评分复杂等独特挑战	目前人工智能在颊细胞微核细胞组学检测中的应用仍处于探索阶段，缺乏大规模实际验证	探讨人工智能技术如何提升颊细胞微核细胞组学检测的可靠性、可扩展性和效率，以促进大规模流行病学研究	人类颊细胞样本中的微核及其他细胞遗传学终点	计算机视觉	NA	颊细胞微核细胞组学检测	深度学习, 目标检测	图像	NA	NA	NA	准确性, 可重复性, 通量	NA
84	2026-04-10	Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers 2026-Mar-24, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00369 PMID:41875377	研究论文	本研究开发了一个基于图神经网络的深度学习框架，用于整合多种心脏离子通道抑制数据，以预测多离子通道阻滞剂相关的心脏毒性	克服了现有机器学习模型仅依赖Kv11.1通道数据的局限性，首次整合了Kv11.1、Cav1.2和Nav1.5三种关键离子通道的抑制数据，并利用GNNExplainer提供原子和键水平的可解释性可视化	不同离子通道的数据集规模差异较大（Kv11.1数据量远多于Cav1.2和Nav1.5），可能影响模型对后两个通道预测的泛化能力	开发一个能够整合多种心脏离子通道抑制数据的深度学习框架，以更准确地预测药物候选化合物的心脏毒性风险	药物分子（小分子化合物）	机器学习	心血管疾病	实验抑制数据整合	GNN	分子图数据	总计38,905个分子（Kv11.1: 34,124个, Cav1.2: 1,564个, Nav1.5: 3,217个）	PyTorch	GNN	准确率	NA
85	2026-04-10	Uncertainty-Aware Explainable AI for Pancreatic Cysts: Identifying Deep Learning Vulnerabilities and Ensuring Safe Clinical Triage in IPMN Management 2026-Mar-22, Research square DOI:10.21203/rs.3.rs-9096790/v1 PMID:41890858	研究论文	本研究首次将可解释AI与不确定性量化相结合，系统评估了胰腺囊肿特征对深度学习模型在IPMN恶性风险分层中性能的影响	首次在多中心研究中系统整合可解释AI与不确定性量化，揭示了深度学习模型在评估复杂高危IPMN时存在显著的、先前未表征的性能下降，并提出了选择性预测框架	回顾性研究设计，样本量相对有限（170例IPMN），需要前瞻性验证	评估胰腺囊肿特征（类型、大小、位置）对深度学习模型在IPMN恶性风险预测中性能的影响，并确保安全的临床分流	胰腺导管内乳头状黏液性肿瘤（IPMN）	数字病理学	胰腺癌	放射组学-深度学习融合模型	深度学习	医学影像	来自7个中心的170例IPMN	NA	NA	准确率	NA
86	2026-04-10	Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience 2026-Mar-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045851 PMID:41804879	研究论文	本研究开发了一种端到端、可解释、基于血流感知的深度学习流程，用于自动分类二尖瓣和三尖瓣反流的严重程度	该模型结合了瓣膜形态评估、多普勒解释的收缩期感知，并联合评估二尖瓣和三尖瓣反流，具有可解释性和生理约束	在房颤或左心室射血分数降低的患者中性能略有下降，外部验证中严重反流的AUC值有所降低	开发一种可解释的人工智能框架，用于自动分类二尖瓣和三尖瓣反流的严重程度	二尖瓣反流和三尖瓣反流患者	数字病理学	心血管疾病	超声心动图	深度学习	医学影像（DICOM文件）	5086例门诊研究（三级中心），并在2个额外机构的独立队列中进行外部验证	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
87	2026-04-10	Characterizing mating behaviour in broiler breeders via a vision based deep learning model 2026-Mar-17, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106812 PMID:41895022	研究论文	本研究开发了一种基于视觉的深度学习模型，用于自动检测肉种鸡的交配行为，特别是爬跨阶段，并分析其时间动态特征	首次利用YOLOv8深度学习模型自动检测肉种鸡的交配行为，并量化分析爬跨频率、持续时间及影响因素	研究仅基于有限数量的鸡群（4个栏舍，每栏10只母鸡和1只公鸡）进行，可能影响结果的普适性	开发自动检测肉种鸡交配行为的深度学习模型，以促进对交配时间动态的理解和蛋受精率分析	肉种鸡（Cobb 500F母鸡和Cobb MX品系公鸡）	计算机视觉	NA	视频记录，深度学习模型	CNN	视频	4个栏舍，每栏10只母鸡和1只公鸡，持续四个半月记录	YOLOv8	YOLOv8	准确率	NA
88	2026-04-10	Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124220 PMID:41819208	研究论文	本文提出了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习模型，用于预测和识别不同气候区域的干旱动态	整合了多尺度标准化降水指数、气候分区和深度学习模型，用于干旱风险预测，并比较了多种混合模型的性能	未明确说明模型在极端气候事件或数据稀缺区域的泛化能力	开发干旱风险预测模型以支持城市韧性和可持续水治理	巴基斯坦不同气候区域的干旱动态	机器学习	NA	标准化降水指数、气候分区	RNN, LSTM, BiLSTM, CNN-LSTM, SVM	气候数据	NA	NA	RNN, LSTM, BiLSTM, CNN-LSTM	NA	NA
89	2026-04-10	EFFNet: Efficient feature fusion network for left ventricular hypertrophy identification based on 12-lead electrocardiogram signals 2026-Mar-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.02.046 PMID:41791632	研究论文	本文提出了一种基于12导联心电图信号的高效特征融合网络（EFFNet），用于左心室肥厚的识别	提出了一种新颖的特征融合模块，将卷积神经网络提取的形态特征与算法导出的振幅特征融合，并结合专家混合模块，提高了左心室肥厚检测的准确性	在外部验证集（青海数据集）上的性能（AUC为0.654）低于在UK Biobank数据集上的性能（AUC为0.933），表明模型可能对数据分布敏感，泛化能力有待进一步验证	探索一种新的深度学习方法，用于基于12导联心电图信号有效识别左心室肥厚	左心室肥厚患者的心电图信号	机器学习	心血管疾病	心电图信号分析	CNN	心电图信号	UK Biobank数据集（n = 38,289）和青海数据集（n = 142,777）	NA	EFFNet	AUC	NA
90	2026-04-10	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-03-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究探索了AlphaFold2在采样电压门控钠通道多种构象及评估AlphaFold Multimer在建模钠通道α亚基与其蛋白质伙伴相互作用方面的能力	利用AlphaFold2采样钠通道的多种构象，包括实验未描述的状态和潜在中间态，并首次应用AlphaFold Multimer高精度建模钠通道与辅助β亚基和钙调蛋白的复合物	预测模型仍为假设，需实验数据验证	探索深度学习方法在理解钠通道结构、门控和调控方面的潜力	电压门控钠通道及其与辅助β亚基和钙调蛋白的相互作用	机器学习	NA	冷冻电子显微镜, AlphaFold2, AlphaFold Multimer	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2, AlphaFold Multimer	NA	NA
91	2026-04-10	How I Do It: Fast MRI of the Joints 2026-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.251430 PMID:41842665	综述	本文提供了关于快速肌肉骨骼关节MRI的实践导向概述，重点介绍了回波链优化和现代加速技术的应用	结合并行成像、同时多层采集和压缩感知欠采样技术，以及深度学习图像重建方法，实现关节MRI的三到十倍加速	需要进一步的研究和数据支持，以验证深度学习方法的长期临床效果	优化关节MRI的扫描速度与图像质量，提升临床效率	中枢和周围关节的肌肉骨骼MRI	医学影像	NA	MRI, 并行成像, 同时多层采集, 压缩感知, 深度学习图像重建	深度学习	MRI图像	NA	NA	NA	图像质量, 诊断准确性	NA
92	2026-04-10	Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next 2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000821 PMID:41880273	综述	本文综述了人工智能在质子治疗中的应用现状、挑战与未来方向	强调AI在质子治疗中整合异构数据、捕捉复杂临床工作流关系的能力，并区分任务级自动化与工作流级智能	NA	总结人工智能在质子治疗中的当前与新兴应用，并讨论其临床转化面临的挑战	质子治疗中的成像、治疗计划、质量保证、自适应工作流和结果建模	机器学习	NA	NA	机器学习,深度学习	异构数据	NA	NA	NA	NA	NA
93	2026-04-10	Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study 2026-Mar, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2025.00808 PMID:41943643	研究论文	本研究开发了一种基于深度学习的全自动双模态框架，用于胶质母细胞瘤放疗中的靶区和危及器官勾画，并通过剂量学等效性验证其临床实用性	提出了一种无需预对齐的双模态深度学习框架，结合了针对CT和MRI的专用注意力U-Net网络，实现了自动勾画并验证了剂量学等效性	研究基于100名患者的回顾性数据集，样本量相对有限，且未在更广泛的多中心数据上进行验证	验证深度学习自动勾画框架在胶质母细胞瘤容积旋转调强放疗计划中的临床可靠性和剂量学等效性	胶质母细胞瘤患者的CT和MRI图像，用于靶区和危及器官的自动勾画	数字病理	胶质母细胞瘤	CT, T2-FLAIR MRI	CNN	图像	100名患者	NA	注意力U-Net	Dice相似系数, D₉₅%, 最大剂量	NA
94	2026-04-06	A CT-based model integrating deep learning features radiomics and body composition for preoperative prediction of microsatellite instability in colorectal cancer: a multicenter study 2026-Mar-31, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112837 PMID:41935453	研究论文	本研究开发了一种基于增强CT的、融合深度学习特征、影像组学和身体成分的可解释模型，用于术前预测结直肠癌的微卫星不稳定性状态	首次将深度学习特征、影像组学特征和基于身体成分的临床风险因素整合到一个可解释的融合模型中，用于术前无创预测结直肠癌MSI状态，并进行了多中心验证	研究为回顾性设计，需要进一步的前瞻性验证才能常规应用于临床	提高结直肠癌患者术前微卫星不稳定性状态的预测准确性，以指导围手术期治疗和预后评估	接受根治性手术的结直肠癌患者	数字病理学	结直肠癌	增强CT成像	随机森林	医学影像（CT图像）	873名来自三个医疗中心的结直肠癌患者	NA	NA	AUC（曲线下面积）	NA
95	2026-04-06	Discovery of WRN helicase inhibitors by 3D-CNN docking and ML consensus from traditional Chinese medicine monomers 2026-Mar-30, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109376 PMID:41934827	研究论文	本文通过结合深度学习分子对接和机器学习分类的计算机辅助药物发现流程，从传统中药单体中筛选WRN解旋酶抑制剂	创新点在于整合了基于3D-CNN的深度学习分子对接和多种机器学习分类器的共识筛选，用于从传统中药单体中识别WRN抑制剂，并利用分子动力学模拟验证筛选结果	研究局限性包括仅进行了虚拟筛选和理论计算验证，缺乏实验验证；筛选库仅限于2940个传统中药单体，可能遗漏其他潜在化合物	研究目标是发现针对WRN解旋酶的抑制剂，作为微卫星不稳定性癌症的潜在治疗靶点	研究对象是传统中药单体库中的化合物，特别是针对WRN D1/D2界面的抑制剂候选物	机器学习	癌症	计算机辅助药物发现、分子对接、分子动力学模拟、MM/PBSA自由能计算	3D-CNN, Random Forest, XGBoost, SVM	分子结构数据	2940个传统中药单体	GNINA, Scikit-learn	3D-CNN	AI置信度、热力学亲和力、自由能计算	NA
96	2026-04-06	Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity 2026-Mar-28, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110746 PMID:41911955	研究论文	本研究比较了特征选择和降维方法在基于功能连接性的认知任务解码中的性能	首次系统性地比较了特征选择和降维方法在认知任务解码中的性能，并确定了特征保留与预测准确性之间的“最佳平衡点”	研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性	比较特征选择和降维方法在认知任务解码中的性能，以优化机器学习分类器的预测准确性	功能磁共振成像（fMRI）数据中的功能连接性特征	机器学习	NA	功能磁共振成像（fMRI）	NA	功能连接性数据	两个开源数据集	NA	NA	解码准确性	NA
97	2026-04-06	Automated estimation of perivascular space and brain morphometry from deep learning-reconstructed three-dimensional T1-weighted MRI: comparison with the conventional technique 2026-Mar-24, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101550 PMID:41887462	研究论文	本研究评估了基于深度学习的重建技术（DLR）在三维T1加权磁共振成像中，通过自动估计脑形态测量和血管周围间隙（PVS）来改善精细结构描绘的效用	首次将深度学习重建的三维T1加权成像用于自动估计脑形态测量和血管周围间隙，并与传统技术进行比较，结果显示DLR能提供更一致、变异更小的测量结果	这是一项回顾性队列研究，可能存在选择偏倚；研究样本量相对有限（共240名参与者）	评估深度学习重建的三维T1加权成像在改善脑部精细结构描绘和自动估计脑形态测量及血管周围间隙方面的应用价值	接受T1加权磁共振成像的参与者，包括正常组和疾病组，以及根据血管周围间隙严重程度分组的个体	数字病理学	NA	三维T1加权磁共振成像，深度学习重建	深度学习	三维磁共振图像	240名参与者（正常组144人，疾病组96人），外加外部数据集63人	NA	NA	皮质厚度、脑体积、血管周围间隙体积、变异性	NA
98	2026-04-06	Readout of intrinsic and induced DNA shape by homeodomain transcription factor complexes 2026-Mar-20, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.036 PMID:41863075	研究论文	本研究通过分子动力学模拟和深度学习相结合的方法，探究了同源域转录因子复合物如何通过读取DNA的内在结构和蛋白诱导结构来识别其靶标	揭示了同源域转录因子识别DNA时内在结构与蛋白诱导结构之间的动态平衡机制，并开发了一个整合AlphaFold、分子动力学模拟和深度学习（DeepPBS）的多尺度框架来捕捉AF3单独无法预测的DNA结构主动调控	AlphaFold 3在预测突变或构象动力学如何改变DNA形状方面存在困难，无法完全捕捉突变敏感的DNA形状读取	探究同源域转录因子复合物如何通过读取DNA的内在结构和蛋白诱导结构来确定其结合特异性	果蝇Hox转录因子Sex combs reduced及其辅因子Homothorax和Extradenticle组成的三聚体复合物，以及另外两种同源域转录因子Distal-less和Engrailed	计算生物学	NA	SELEX-seq, 分子动力学模拟, AlphaFold 3, 深度学习	深度学习	DNA序列, 蛋白质结构	NA	AlphaFold, DeepPBS	NA	NA	NA
99	2026-04-06	Clinical Human-Derived Pathogen Signatures Captured by SERS and Deep Learning for Environmental Exposure Risk Assessment 2026-Mar-20, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.5c00365 PMID:41883383	研究论文	本研究开发了一种结合表面增强拉曼光谱（SERS）与卷积神经网络（CNN）的无标记平台，用于评估抗生素耐药细菌（ARB）的环境暴露风险	首次整合SERS与CNN构建了一个包含368个临床尿路分离菌株的光谱数据库，用于ARB暴露评估，并通过SHAP解释增强了模型的可解释性	研究主要依赖临床尿路分离菌株，可能未涵盖所有环境中的病原体多样性，且在实际大规模环境监测中的应用仍需进一步验证	开发一种用于环境微生物污染和抗生素耐药细菌暴露风险评估的快速、准确监测方法	临床尿路分离的病原体（人类来源）以及废水样本和独立尿液标本	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	368个临床尿路分离菌株，并包括废水样本和独立尿液标本进行验证	NA	卷积神经网络（CNN）	分类准确率	NA
100	2026-04-06	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Mar-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构	引入了动态社区检测的新视角来分析分子动力学模拟，将分子建模为随时间演化的图，并整合图卷积网络与循环模型进行端到端的动态社区识别	NA	揭示复杂生物分子系统的内在组织和动态功能	蛋白质（以三种整合素系统为例）	机器学习	NA	分子动力学模拟	图卷积网络, 循环模型	分子动力学轨迹数据	三种整合素系统	NA	DynMoCo	NA	NA