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
21	2026-07-15	Comparing deep learning stroke segmentation in NCCT, CTA, and CTP: Accuracy, domain transfer, and temporal sampling effect 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70419 PMID:41933279	研究论文	比较深度学习在非增强CT、CT血管造影和CT灌注成像中卒中分割的准确性、域转移和时间采样效应	系统比较多种CT成像类型（NCCT、CTA、mCTA、CTP）对深度学习卒中病灶分割性能的影响，并评估域转移和时间点选择策略	样本量较小（91例患者来自一个临床中心），结果可能受限于特定数据集和成像协议	评估和比较不同CT成像类型在深度学习卒中病灶分割中的实用性，指导无先进成像设备情况下的模态选择	卒中患者的NCCT、CTA、mCTA和CTP影像数据	计算机视觉	卒中	CT成像（NCCT、CTA、CTP）	深度学习（nnU-Net）	医学影像（CT图像）	91例卒中患者（来自一个临床中心），另加166例来自第二个临床中心用于预训练	PyTorch	nnU-Net	mDice系数	NA
22	2026-07-15	Performance benchmarking of deep learning models for real-time median nerve segmentation and cross-sectional area measurement in ultrasound imaging 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70414 PMID:41933401	研究论文	开发并验证了用于超声图像正中神经实时分割与横截面积测量的深度学习模型MNSeg-Net	提出轻量级多尺度特征融合网络MNSeg-Net（仅2.46M参数），实现实时分割与CSA计算，且性能与44M参数的U2Net模型无显著差异	未明确提及局限性	开发精确的深度学习分割方法辅助腕管综合征诊断与手术规划	超声图像中的正中神经	计算机视觉	腕管综合征	超声成像	CNN	图像	100名受试者，30000帧超声图像	NA	MNSeg-Net, UNet, UNet++, U2Net	Dice相似系数, Hausdorff距离, 横截面积差异	单个GPU
23	2026-07-15	Deep Learning as a Compass for Industrial Biocatalysis: The Grase Framework Rewrites the Rules for Polyurethane Recycling 2026-Apr, Biotechnology journal IF:3.2Q2 DOI:10.1002/biot.70222 PMID:41934218	研究论文	GRASE深度学习框架通过克服酶活性-稳定性权衡，发现了一种能在严苛工业条件下高效解聚聚氨酯废物的稳健生物催化剂AbPURase，实现可扩展的闭环化学回收	首次提出GRASE框架解决酶活性-稳定性矛盾，从零开始设计适用于工业条件的聚氨酯降解酶	NA	开发新型深度学习框架以发现高效、稳定的工业生物催化剂，实现聚氨酯废物回收	聚氨酯废物降解酶AbPURase	机器学习	NA	深度学习	GRASE框架	序列数据	NA	NA	GRASE	酶活性、稳定性	NA
24	2026-07-15	A Deep Learning Model for the Identification of Active Contraction Properties of the Myocardium Using Limited Clinical Metrics 2026-Apr, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.70170 PMID:41934219	研究论文	提出一个深度学习模型，利用有限的临床指标预测心肌主动收缩特性，填补复杂本构模型与临床应用之间的空白	首次使用深度学习从合成临床数据和压力容积环中预测左心室心肌的主动收缩参数波形和纤维角度，无需传统数值模拟迭代	仅在合成数据和一个患者来源的几何体上测试，未使用真实临床数据验证	开发患者特异性左心室心肌行为评估的深度学习模型，推动心血管疾病的诊断与干预	左心室心肌的主动收缩特性及纤维角度	机器学习	心血管疾病	有限元分析	深度学习	合成临床数据、压力容积环数据	合成数据场景及单个患者几何数据	NA	NA	NA	NA
25	2026-07-15	An AI-Guided Structure-Based Strategy for the Discovery and Biological Validation of Natural Products Targeting the Vitamin D Receptor From YSQYP in Diabetic Kidney Disease 2026-Apr, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70289 PMID:41934677	研究论文	提出一种基于结构的人工智能引导策略，用于鉴定中药益肾祛瘀方中靶向维生素D受体的天然产物，并在糖尿病肾病模型中验证其生物活性	结合传统分子对接和深度学习工具（CarsiDock和RTMScore）进行虚拟筛选，并通过表面等离子体共振进行生物物理验证，建立了一种高效的天然产物筛选策略	目前尚未明确说明局限性	鉴定中药复方益肾祛瘀方中靶向维生素D受体的活性成分，为糖尿病肾病提供新的治疗候选化合物	中药益肾祛瘀方中的天然产物，以及糖尿病肾病模型中的足细胞	机器学习	糖尿病肾病	虚拟筛选、深度学习、表面等离子体共振	深度学习模型	分子结构数据	未提及具体样本数量	CarsiDock, RTMScore	NA	结合亲和力、细胞毒性、细胞凋亡	NA
26	2026-07-13	zERExtractor: An Automated Platform for Enzyme-Catalyzed Reaction Data Extraction from Scientific Literature 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00090 PMID:41844379	研究论文	提出一个自动化平台zERExtractor，用于从科学文献中提取酶催化反应数据	采用多模态信息提取框架（覆盖分子反应图、表格和文本），结合微调大型语言模型与深度学习的人机协同管道，通过专家数据保真验证和主动学习实现持续进化	未明确说明限制	解决数据库管理中酶反应数据的非结构化问题，为深度学习驱动的酶活性预测模型提供高质量数据	科学文献中的酶催化反应数据（分子反应图、表格和文本）	自然语言处理	NA	NA	大型语言模型	文本, 图像, 表格	合成数据集和现实基准数据集（未明确数量）	NA	NA	准确率	NA
27	2026-07-12	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	提出一个名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	显式结合蛋白质序列残基级信息和配体信息进行结合残基预测，显著优于现有序列和结构基线方法	NA	开发一种能考虑配体信息的序列结合残基预测模型，提升虚拟筛选和药物发现中的性能	蛋白质-配体结合残基	机器学习	NA	NA	深度学习模型	蛋白质序列和配体信息	NA	NA	NA	NA	NA
28	2026-07-12	Leveraging Residual Graph Convolutional Networks with Cross-Attention Mechanisms for High-Accuracy Protein Function Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00101 PMID:41861353	研究论文	提出RCHGO框架，利用残差图卷积网络和交叉注意力机制从蛋白质序列预测基因本体注释	创新性地融合残差图卷积网络与交叉注意力机制，分别利用手工特征和蛋白质语言模型特征进行决策级融合，实现了蛋白质功能的高精度预测	未明确说明局限性	开发一种从蛋白质序列直接推断基因本体注释的高精度深度学习方法	1,493个非冗余蛋白质	机器学习	NA	蛋白质语言模型	残差图卷积网络, 交叉注意力机制	蛋白质序列	1,493个非冗余蛋白质	NA	残差图卷积网络, 交叉注意力机制	准确率, 精确率, 召回率, F1值, AUC	NA
29	2026-07-12	Predicting Recurrence and Outcomes After Stressor-Associated Atrial Fibrillation Using ECG-Based Deep Learning 2026-Apr-07, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.047146 PMID:41859908	研究论文	利用心电图深度学习模型预测应激相关房颤复发及预后	首次将基于心电图的AI模型用于评估应激相关房颤的复发风险，并验证其优于传统临床因素模型	研究为回顾性设计，可能存在选择偏倚；ECG模型基于既往验证，未在外部数据集中独立验证	评估心电图深度学习模型预测应激相关房颤患者房颤复发风险的能力	住院期间出现应激相关房颤的心内科及初级保健患者	机器学习	心血管疾病（房颤）	心电图（ECG）	深度学习模型（AI模型）	心电图信号数据	3371名应激相关房颤患者	NA	NA	AUC（ROC曲线下面积）	NA
30	2026-07-12	StructEIT: realistic 3D EIT model generation from CT scans for deep learning applications 2026-Apr-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5587 PMID:41861463	研究论文	提出了StructEIT框架，用于从CT扫描生成解剖学和生物物理学上真实的3D电阻抗断层成像模拟模型	首次整合了结构提取、表面电极附着和组织属性分配三个模块，弥合了CT成像与EIT之间的差距，实现了高保真EIT数据集的灵活生成	NA	解决EIT重建中缺乏真实解剖几何和电导率分布数据集的问题，促进监督和数据驱动重建方法的发展	人体CT扫描生成的胸部EIT模拟数据集（Chest-EIT）	计算机视觉, 数字病理学	NA	CT扫描, 电阻抗断层成像（EIT）	NA	图像（CT图像）、仿真数据（EIT数据）	超过1400例公开CT数据	NA	NA	NA	NA
31	2026-07-12	EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151520 PMID:41861881	研究论文	提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT	首次将转录因子结合谱与交叉注意力机制显式整合到Transformer模型中，以捕捉增强子与启动子间的协同调控关系	未提及	利用DNA序列和转录因子结合信息准确预测增强子-启动子相互作用	K562和GM12878细胞系中26种转录因子的ChIP-seq信号	机器学习	NA	ChIP-seq	Transformer	序列数据	K562和GM12878两种细胞系的转录因子结合谱数据	PyTorch	Cross-Attention Transformer, 双通道卷积交叉注意力结构	AUROC, AUPRC	NA
32	2026-07-12	A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time 2026-Apr, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2026.02.005 PMID:41863188	研究论文	开发并验证一种基于深度学习的乳腺活检自动分诊系统，通过模拟研究评估其在马来西亚病理工作流中减少资源消耗和诊断周转时间的潜力	首次将深度学习分诊系统与离散事件模拟相结合，在马来西亚资源有限环境下评估其对病理工作流效率的实际影响，并使用大规模合成全切片图像数据集进行训练和验证	研究基于模拟数据而非真实世界数据，需要临床验证来确认实际效果	评估深度学习分诊系统在减轻病理医生工作负担、缩短诊断时间方面的潜在效益	马来西亚一个典型医院的乳腺活检病例	数字病理学	乳腺癌	全切片图像模拟	卷积神经网络	图像	大规模合成全切片图像数据集，包括良性和可疑样本	NA	NA	AUC	NA
33	2026-07-12	Deep Learning Empowered Microstructure Codebook: New Paradigm for Multi-Parameter Tissue Characterization Estimation 2026-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70513 PMID:41857810	研究论文	提出一种基于深度学习微观结构码本的新框架，用于多参数组织特征估计	创新性地将球平均技术与混合Mamba-CNN架构及可学习组织隔室核相结合，学习微观结构码本，实现跨协议泛化并适应新的微观指标，增强了可解释性和适应性	未明确提及局限性	实现精准、快速、多参数的微观结构成像，并克服当前深度学习方法协议泛化能力差和难以扩展至新指标的限制	扩散MRI中的微观组织特征，基于8种广泛使用的生物物理扩散模型估计24个微观结构指标	机器学习	NA	扩散磁共振成像（dMRI），球平均技术（SMT）	混合Mamba-CNN架构	MRI图像	多个数据集，具体样本规模未提及	PyTorch	Mamba、CNN	准确性、泛化性、可迁移性	NA
34	2026-07-10	Reduction of Acquisition Time in FTIR Spectroscopy via Spectral Super-Resolution by Deep Learning 2026-04-28, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07660 PMID:41987594	研究论文	提出基于深度学习的频谱超分辨率方法，减少傅里叶变换红外光谱（FTIR）的采集时间，同时保持光谱质量	首次将残差网络和U-Net（SSR-ResUNet）结合一维、二维和三维CNN，将低分辨率红外光谱图像（16 cm⁻¹）重建为高分辨率图像（2 cm⁻¹），实现高达87.5%的采集时间缩减	仅测试于肾脏移植组织切片图像，未涵盖其他组织类型；性能与多项式插值比较有限，未明确临床适用性验证	通过频谱超分辨率深度学习模型，解决FTIR成像采集时间长的瓶颈，加速临床诊断中的分子分析	傅里叶变换红外光谱（FTIR）图像，特别是来自肾脏移植组织切片的红外光谱图像	计算机视觉	肾脏疾病	FTIR光谱成像	CNN	图像	来自肾脏移植组织切片的真实FTIR图像，具体样本量未说明	NA	ResNet, U-Net	均方根误差（RMSE）, 结构相似性指数（SSIM）	NA
35	2026-07-10	Association between deep learning-based coronary artery calcium score on non-gated chest CT and progression of chronic kidney disease: a retrospective observational cohort study 2026-04-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02365-5 PMID:42032494	研究论文	基于深度学习在非门控胸部CT上的冠状动脉钙化评分与慢性肾病进展的关联性研究	首次探讨深度学习量化的冠状动脉钙化评分（DL-CACS）与慢性肾病（CKD）进展之间的具体关联	样本量有限（509名患者），MACE事件数量少导致置信区间宽，可能影响结果精确性	评估基于深度学习的冠状动脉钙化评分与慢性肾病进展及主要不良心血管事件的关系	慢性肾病患者	机器学习	慢性肾病	NA	深度学习算法	非门控胸部CT图像	509名慢性肾病患者（中位年龄64岁，317名男性）	NA	NA	风险比, 95%置信区间	NA
36	2026-07-10	Multiparameter concept-based interpretable model for early breast cancer diagnosis and structured reporting: a multi-center, multi-reader, radiologist-in-the-loop study 2026-04-23, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04889-7 PMID:42026532	研究论文	开发一种基于概念瓶颈模型的可解释深度学习框架，用于乳腺癌早期MRI诊断和结构化报告生成	首次将放射科医生特定知识整合到概念瓶颈模型中，实现内在可解释性与结构化报告自动生成，并通过多中心多读片者研究验证临床效用	回顾性研究设计、概念准确性范围较宽（0.64-1.00）、未涉及其他影像模态或多序列对比	提高乳腺MRI早期诊断准确性和报告一致性，减少不必要的活检	1,634名患者的1,695个病理确认的乳腺病灶（857个恶性，838个良性）	计算机视觉	乳腺癌	磁共振成像（MRI）	概念瓶颈模型（CBM）	图像	1,634名患者的1,695个乳腺病灶	NA	概念瓶颈网络	AUC, 诊断准确率, 概念准确率, Gwet's AC1	NA
37	2026-07-10	Antioxidative and Robust Fluorescent Hydrogel for Deep Learning-Assisted Non-Destructive Detection of Hg2 2026-04-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00277 PMID:41954231	研究论文	介绍了一种兼具抗氧化性和强韧荧光的水凝胶，结合深度学习实现Hg²⁺的非破坏性检测	通过藻蓝蛋白-聚丙烯酰胺水凝胶同时实现机械柔韧性、水下强粘附性、稳定红色荧光和内在抗氧化保护，解决了荧光响应与氧化稳定性之间的权衡问题，并耦合深度学习模型实现智能手机成像的便携定量检测	未在摘要中明确提及局限性	开发一种灵活、粘附且智能的传感平台，用于环境和食品安全中Hg²⁺的现场非破坏性检测	Hg²⁺离子及鱼体表面污染	机器学习	NA	荧光水凝胶传感技术	深度学习模型	荧光图像	未在摘要中明确提及样本数量	NA	NA	检测限（6.21 nM）	智能手机成像
38	2026-07-10	A comprehensive review on wine authentication and traceability: Current issues, solutions and future perspectives 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148456 PMID:41719666	综述	全面总结葡萄酒欺诈问题，回顾现代分析技术和机器学习方法在葡萄酒认证与溯源中的应用	将光谱学、色谱法、质谱法等传统技术与新兴智能传感技术及先进机器学习方法相结合，强调其演化整合趋势	未来仍需聚焦快速检测、深度学习与传统分析技术的整合、葡萄酒指纹数据库构建及区块链供应链透明度提升	提升葡萄酒认证与溯源的准确性和效率，保障消费者和生产者利益	葡萄酒	机器学习	NA	光谱学、色谱法、质谱法、智能传感技术	机器学习、深度学习	数据、指纹信息	NA	NA	NA	NA	NA
39	2026-07-10	Deep-Learning-Assisted Fluorescence Sensor Array for Quantitative Screening of Perfluoroalkyl Substances in Water 2026-04-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00730 PMID:41925146	研究论文	该文章介绍了一种将荧光传感器阵列与深度学习算法相结合的传感平台，用于水样中全氟烷基物质（PFAS）的定量筛查	该策略利用残差神经网络算法解析富含信息的三维荧光光谱，实现了五种PFAS的同时定量，方法简便快速，拓展了分析传感的方法学边界	NA	开发一种能够同时定量检测复杂水样中多种PFAS的高效分析平台	五种全氟烷基物质（PFAS）	机器学习	NA	荧光传感器阵列	残差神经网络（ResNet）	荧光光谱数据	复杂水样	NA	残差神经网络（ResNet）	NA	NA
40	2026-07-10	Targeting protein protein interactions and their modulators to enable new therapeutic strategies for human diseases 2026-04-13, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00698-z PMID:41975191	综述	探讨人工智能与深度学习结合传统实验方法在蛋白质-蛋白质相互作用（PPI）映射与分析中的进展，以及系统生物学利用PPI网络建模疾病和确定新治疗靶点的挑战与未来方向	将人工智能和深度学习与传统实验方法相结合，系统性地推进PPI映射和分析，并强调多组学整合、AI驱动创新和基于网络的药物开发	未具体说明实际应用中的局限性，仅提出挑战和未来方向	总结PPI及其调节剂在疾病机制中的作用，并探索AI和DL如何增强PPI研究以支持新治疗策略开发	蛋白质-蛋白质相互作用及其调节剂	机器学习	NA	NA	深度学习模型	NA	NA	NA	NA	NA	NA