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
1481	2026-01-20	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2026-Mar, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR (TetR)蛋白抑制剂	结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型进行虚拟筛选，并辅以分子对接、分子动力学模拟（500 ns）和结合自由能分析（MMGBSA/PBSA）等综合计算手段	研究为计算模拟结果，需进一步实验验证；筛选的化合物库仅限于10,860个天然化合物	开发针对多重耐药Acinetobacter baumannii感染的新型治疗方法，寻找AmvR (TetR)蛋白抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR及其潜在抑制剂	计算生物学, 药物发现	细菌感染, 多重耐药菌感染	定量构效关系(QSAR), 虚拟筛选, 分子对接, 分子动力学模拟, 药代动力学(ADME)分析	RF, SVM, KNN, XGBoost, CNN	化学结构数据, 生物活性数据(MIC), 蛋白质结构数据	ChEMBL数据集, 10,860个天然化合物	Scikit-learn, XGBoost, TensorFlow/PyTorch (未明确指定)	CNN	准确率(96%), 结合能(kcal/mol), 结合自由能(MMGBSA/PBSA)	NA
1482	2026-01-20	Clinical validation of fully automated (peri-)articular tissue analysis for assessing osteoarthritis progression: A narrative review 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100719 PMID:41550414	综述	本文是一篇叙述性综述，总结了全自动（关节周围）组织分析技术在评估骨关节炎进展方面的临床验证研究	系统性地回顾和比较了基于深度学习的全自动方法在评估骨关节炎结构进展方面的临床有效性，并与参考测量（如手动分割）进行了对比	纳入的研究数量有限（仅9篇，其中5篇符合纳入标准），且主要依赖于骨关节炎倡议（OAI）的数据，可能限制了结果的普适性	评估和总结全自动方法在评估骨关节炎结构进展方面的临床有效性	骨关节炎患者的（关节周围）关节组织，包括软骨、肌肉和脂肪组织	数字病理学	骨关节炎	MRI，X射线成像	深度学习	医学影像（MRI，X射线）	NA	NA	NA	对变化的敏感性，区分能力	NA
1483	2026-01-18	Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube 2026-Mar-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118296 PMID:41418735	研究论文	本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于超灵敏可视化检测食源性病原体	将PfAgo双探针可编程遗传电路与超快V形PCR结合，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术进行批量结果处理	未明确说明方法对其他类型病原体的适用性验证范围	开发快速、灵敏的食源性病原体检测方法	食源性病原体	数字病理学	食源性疾病	PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像	深度学习模型	荧光图像	NA	NA	NA	灵敏度（1 CFU/mL）、检测时间（缩短至1/3）、荧光信号增强（超过200%）	NA
1484	2026-01-18	Graph attention network with comorbidity connectivity embedding for post-traumatic epilepsy risk prediction using sparse time-series electronic health records 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106239 PMID:41478164	研究论文	本文提出了一种基于图注意力网络的方法，利用稀疏时间序列电子健康记录预测创伤后癫痫风险	采用异构图注意力网络整合患者人口统计学数据和共病连通性，有效捕捉电子健康记录中的复杂依赖关系	模型性能可能受电子健康记录数据稀疏性和质量的影响，且仅基于特定数据库，泛化能力需进一步验证	提高创伤后癫痫风险的预测准确性，以支持个性化风险评估和主动管理	创伤性脑损伤患者，包括仅患创伤性脑损伤的患者和创伤后发展为癫痫的患者	机器学习	癫痫	电子健康记录分析	图注意力网络	时间序列电子健康记录	1,598,998名仅患创伤性脑损伤的患者和102,687名创伤后发展为癫痫的患者	PyTorch	异构图注意力网络	灵敏度, 特异度, 宏观F1分数, AUC-ROC	NA
1485	2026-01-18	Machine learning in stroke and its sequelae: a narrative review of clinical applications and emerging trends 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106245 PMID:41478163	综述	本文综述了机器学习在脑卒中及其后遗症中的临床应用和新兴趋势	系统总结了机器学习在脑卒中从急性影像诊断到长期后遗症预后及康复的六个核心领域的应用，并指出了多模态数据整合和模型可解释性的发展趋势	NA	综述机器学习在脑卒中及其后遗症临床管理中的应用	脑卒中患者及其后遗症	机器学习	脑卒中	NA	深度学习	图像, 传感器数据	NA	NA	NA	NA	NA
1486	2026-01-18	A multi-branch ConvNeXt-MaxViT fusion transformer model for radiographic knee osteoarthritis severity assessment with Grad-CAM++ explainability 2026-Mar, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.12.040 PMID:41541300	研究论文	本研究提出了一种融合ConvNeXt和MaxViT的双分支Transformer模型，用于膝关节骨关节炎的X光片严重程度评估，并利用Grad-CAM++增强模型可解释性	提出了一种结合ConvNeXt-Tiny局部特征提取和MaxViT-Tiny全局上下文建模的双分支融合架构，并采用中期融合和晚期融合策略来增强判别性表示	未整合多模态成像（如MRI），未纳入纵向进展建模，且需在真实临床环境中进一步验证	开发一个可解释的深度学习模型，准确分类膝关节骨关节炎的严重程度（KL-0至KL-4），以增强临床决策支持的透明度	膝关节骨关节炎的X光影像	计算机视觉	骨关节炎	X光成像	CNN, Transformer	图像	NA	NA	ConvNeXt-Tiny, MaxViT-Tiny	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵, ROC曲线	NA
1487	2026-01-17	Electroencephalography-Based Machine and Deep Learning Approaches for the Diagnosis of Dissociative Disorders: A Comprehensive Review 2026-Mar, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2025.100654 PMID:41532081	综述	本文系统综述了基于脑电图（EEG）的机器学习和深度学习方法在分离性障碍（DDs）诊断与监测中的应用	全面评估了EEG结合ML/DL在DDs诊断中的有效性，识别了关键EEG生物标志物，并指出混合及原始特征深度学习方法的优越性能	面临数据稀缺、模型可解释性不足及泛化能力有限等挑战	评估EEG结合机器学习和深度学习在分离性障碍诊断与监测中的应用效果及未来方向	分离性障碍（包括分离性身份障碍和人格解体障碍）患者	机器学习	分离性障碍	脑电图（EEG）	支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）	EEG数据	NA	NA	CNN, RNN	分类准确率	NA
1488	2026-01-14	Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS2/SO2 signals in UV-DOAS 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127268 PMID:41351963	研究论文	本文提出了一种结合紫外差分光学吸收光谱与生成对抗网络的CS₂/SO₂混合气体检测系统，用于精确分析严重重叠的光谱信号	采用基于Wasserstein GAN的对抗性非配对解缠网络，无需混合光谱与单一纯组分光谱的严格配对即可进行训练	未明确提及系统在更广泛浓度范围或不同环境条件下的泛化能力	解决CS₂和SO₂在紫外波段光谱严重重叠导致的传统方法精度限制问题	CS₂和SO₂混合气体	机器学习和光谱分析	NA	紫外差分光学吸收光谱	GAN, WGAN-GP	光谱数据	CS₂测试范围3.81-179.2 ppb，SO₂测试范围44.43-942.73 ppb	NA	对抗性非配对解缠网络	平均绝对百分比误差	NA
1489	2026-01-14	Rapid identification of Rhizoma Coptidis origin using terahertz spectroscopy and deep learning 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127283 PMID:41365254	研究论文	本研究提出了一种结合太赫兹光谱和深度学习的方法，用于快速识别黄连的产地来源	提出了ICOA-GRU-MSA分类模型，利用改进的乌鸦优化算法优化GRU超参数，并引入多头自注意力机制增强特征识别能力	仅使用了四个不同产地的黄连样本，样本多样性有限	快速识别中药材黄连的产地来源	不同产地的黄连样品	机器学习	NA	太赫兹时域光谱	GRU, 注意力机制	光谱数据	四个不同产地的黄连样品	NA	GRU, 多头自注意力机制	分类性能	NA
1490	2026-01-14	PLSTM-MTGF: A deep learning fusion model enabling real-time multi-target monitoring of penicillin fermentation via near-infrared spectroscopy 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127358 PMID:41406794	研究论文	本研究提出了一种轻量级双流融合深度学习模型PLSTM-MTGF，用于通过近红外光谱实时监测青霉素发酵过程中的多个关键指标	提出了一种新颖的轻量级双流融合模型架构，结合了偏最小二乘回归进行光谱压缩、长短期记忆-自注意力网络捕获过程动态，并采用多任务门控融合机制来平衡任务特定表征	研究仅在24个工业批次数据上进行评估，样本量相对有限；模型性能可能受特定发酵条件和光谱数据质量影响	开发一种可部署的实时多目标监测系统，以优化工业青霉素发酵过程	青霉素发酵过程中的四个关键指标：残糖、氨基氮、细胞密度和效价	机器学习	NA	近红外光谱	深度学习融合模型	光谱数据	24个工业批次	NA	PLSTM-MTGF（偏最小二乘回归-长短期记忆与多任务门控融合）	相关系数R, RPD	标准CPU
1491	2026-01-14	Classification and quantification of sodium metabisulfite in goji berry powder: Applications of hyperspectral technology and transformer-based hybrid models 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127379 PMID:41442910	研究论文	本研究利用近红外高光谱成像技术结合基于Transformer的混合深度学习模型，对枸杞粉中的焦亚硫酸钠进行分类和定量检测	提出了一种结合局部注意力和残差路径的ResLocalformer混合模型用于分类，以及结合Transformer全局注意力和密集层的Resformer模型用于回归，在焦亚硫酸钠检测中实现了高精度	研究仅针对枸杞粉中的焦亚硫酸钠，样本量相对有限（360个样本），且未在其他食品基质或添加剂上进行广泛验证	开发一种快速、无损的方法来检测和量化枸杞粉中的焦亚硫酸钠残留	枸杞粉样品中的焦亚硫酸钠	计算机视觉	NA	近红外高光谱成像	Transformer, CNN, LSTM	高光谱图像	360个样本（包含9个浓度水平，每个水平40个重复）	NA	ResLocalformer, Resformer	准确率, R, RMSE	NA
1492	2026-01-14	SemiRaman: A self-supervised contrastive representation learning-based framework for semi-supervised Raman spectral identification of pathogenic bacteria 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127356 PMID:41447771	研究论文	提出了一种基于自监督对比学习的半监督拉曼光谱识别框架，用于在标记数据有限的情况下准确识别病原菌	结合无监督和监督学习模块，通过冗余减少和多层次对比学习从无标签数据中提取判别性特征，并采用多阶段微调策略以极少的标记数据实现高分类精度	NA	开发一种高效、成本效益高的方法，用于食品安全、环境监测和公共卫生领域中有害病原菌的快速准确识别	病原菌	机器学习	NA	拉曼光谱	自监督对比学习	光谱数据	Bacteria-7 和 Bacteria-14 两个数据集	NA	SemiRaman	准确率, MF1-score	NA
1493	2026-01-13	Applications of artificial intelligence-based conversational agents in healthcare: A systematic umbrella review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106204 PMID:41337874	综述	本文对人工智能对话代理在医疗保健领域的应用进行了系统性的伞状综述	首次对AI对话代理在医疗保健领域的应用和有效性进行全面的全球性综合评估	难以就当前AI对话代理在医疗保健领域的整体有效性得出结论，且存在研究领域不平衡的问题	全面概述AI对话代理在医疗保健领域的当前应用及相关健康结果	2000年至2025年间发表的同行评审系统综述文章	自然语言处理	NA	深度学习	NA	文本	44篇综述文章	NA	NA	NA	NA
1494	2026-01-13	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习在生理时间序列数据（特别是ECG和EEG频谱）中异常检测的应用方法及效果	通过系统综述比较了不同机器学习方法在生理频谱异常检测中的性能，并指出无监督Transformer模型在该领域表现最优	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能遗漏了其他有价值但性能略低的方法	评估机器学习在生理时间序列频谱数据异常检测中的应用效果，并推荐最佳方法	ECG（心电图）和EEG（脑电图）的频谱数据	机器学习	心血管疾病	频谱分析	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据	NA	NA	Transformer	AUC, 准确率, F1分数	NA
1495	2026-01-12	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2026-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	提出一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的脑电信号特征，增强关键通道特征并抑制噪声，同时精确定位与情感相关的关键区域	仅在DEAP和SEED两个公开数据集上进行了验证，未在更多样化的数据集或实际应用场景中测试	提高脑电信号情感识别的准确性和特征判别能力	脑电信号	机器学习	NA	脑电信号采集	CNN	脑电信号	DEAP和SEED数据集	NA	多尺度卷积神经网络, 通道注意力, 空间注意力	准确率	NA
1496	2026-01-11	A comprehensive evaluation of self-attention for detecting regulatory feature interactions 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf209 PMID:41503157	研究论文	本文全面评估了自注意力机制在检测调控特征相互作用中的应用，并通过引入熵项提高了注意力图的可解释性	通过添加熵项生成高精度稀疏注意力图，增强了模型的可解释性，并首次对不同注意力变体在转录因子协同性发现中的性能进行了全面评估	NA	评估自注意力机制在计算生物学中提取生物信息的能力，特别是用于预测转录因子结合的协同性	基因调控网络中的转录因子协同性	计算生物学	NA	自注意力机制	自注意力模型	NA	NA	NA	自注意力层	精度	NA
1497	2026-01-08	Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101087 PMID:41487396	回复	本文是对评论的回应，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面	通过回应评论，强调了研究中对STAPLE共识轮廓偏见的处理，并解释了为何剂量分析和不确定性量化在当前阶段非必需	研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程	评估深度学习在儿童肾肿瘤侧腹放疗中器官风险自动轮廓勾画的影响	儿童肾肿瘤患者	数字病理学	肾肿瘤	CT成像	深度学习	CT图像	NA	NA	NA	几何评估	NA
1498	2026-01-07	Predictive modeling of hospital emergency department demand using artificial intelligence: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106215 PMID:41401760	系统综述	本文系统综述了使用人工智能预测医院急诊科需求的相关研究	系统比较了传统时间序列模型与AI模型（特别是机器学习和深度学习）在急诊需求预测中的表现，并强调了整合外部变量（如天气、空气质量）的重要性	纳入研究数量有限（11篇），缺乏外部验证，且可解释性AI方法应用不足	系统回顾用于医院急诊科需求预测的预测模型，重点关注算法、变量、验证策略及疫情前后的发展	关于医院急诊科需求预测的同行评审研究文献	机器学习	NA	NA	ARIMA, SARIMA, XGBoost, Random Forest, LSTM, CNN	时间序列数据	NA	NA	NA	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
1499	2026-01-06	Functional near-infrared spectroscopy-based computer-aided diagnosis of major depressive disorder using explainable artificial intelligence: Comparison with conventional machine learning 2026-Mar-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120985 PMID:41422962	研究论文	本研究开发了一种基于可解释人工智能的功能性近红外光谱计算机辅助诊断模型，用于识别重度抑郁症患者与健康对照者之间的脑半球间不对称性差异	首次将可解释人工智能技术（如层相关传播）应用于功能性近红外光谱数据，以可视化深度学习模型的决策过程，并揭示重度抑郁症患者脑功能不对称性的关键特征	样本量相对较小（共116名参与者），且仅基于单一言语流畅性任务的数据，可能限制了模型的泛化能力	开发并验证一种基于功能性近红外光谱和可解释人工智能的重度抑郁症计算机辅助诊断方法	48名重度抑郁症患者和68名健康对照者	机器学习	重度抑郁症	功能性近红外光谱	CNN	光谱数据	116名参与者（48名患者，68名健康对照）	NA	卷积神经网络	准确率, 灵敏度, 特异性	NA
1500	2026-01-04	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2026-Mar, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息，提高了预测准确性	结合Molr和ProtTrans网络进行特征提取，并引入转置注意力机制与三重损失自监督学习方法，以改进传统模型在蛋白质特征忽略和GPCR数据集标签反转任务上的性能	未明确说明模型在其他类型数据集上的泛化能力或计算效率的具体限制	预测药物与靶点之间的结合亲和力，以推进虚拟药物筛选和药物发现	小分子药物和蛋白质靶点，特别是G蛋白偶联受体（GPCR）数据集和人类靶点数据集	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	NA	NA	MolrProtTrans, TransformerCPI	AUC	NA