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
421	2026-04-22	Discovering Plastic-Binding Peptides with Favorable Affinity, Water Solubility, and Binding Specificity Through Deep Learning and Biophysical Modeling 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715295 PMID:41959355	研究论文	本研究结合深度学习和生物物理建模，开发了一种计算流程，用于发现具有高亲和力、高水溶性和高结合特异性的塑料结合肽，以应对微塑料污染问题	首次将LSTM网络与蒙特卡洛树搜索算法结合，并整合CamSol溶解度评分和竞争性MCTS方法，实现了同时优化肽的亲和力、水溶性和塑料结合特异性	研究主要基于计算预测和分子动力学模拟，缺乏实验验证；目前仅针对聚乙烯和聚苯乙烯两种塑料进行了验证	开发一种计算方法，用于发现具有理想性质的塑料结合肽，以用于微塑料污染的检测和捕获	塑料结合肽	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
422	2026-04-21	Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms 2026-Apr-20, The Analyst DOI:10.1039/d5an01326g PMID:41699974	研究论文	本研究提出了一种结合激光诱导击穿光谱技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类	首次将LIBS技术与多种机器学习及深度学习算法结合，并系统比较了不同特征提取方法（LASSO和PCA）在小样本铀矿石分类中的性能，发现基于PCA特征的深度学习模型能实现100%分类准确率	研究仅针对12种铀矿石类型，样本多样性有限；RF模型在小训练集下存在明显过拟合问题	开发快速准确的小样本铀矿石分类方法	12种铀矿石样品	机器学习	NA	激光诱导击穿光谱	随机森林,前馈神经网络,卷积神经网络,长短期记忆网络	光谱数据	12种铀矿石样品的光谱数据	NA	FNN, CNN, LSTM	分类准确率	NA
423	2026-04-21	Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis? 2026-Apr-16, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023897 PMID:40707242	研究论文	本研究评估了基于深度学习的非对比计算机断层扫描初始核心体积测量与接受再灌注治疗的急性缺血性卒中患者临床结局的关联	利用深度学习算法从非对比CT中自动测量初始核心体积，作为预测再灌注治疗患者长期结局和症状性颅内出血的潜在工具，尤其在资源有限地区具有应用价值	研究为观察性设计，可能存在选择偏倚；深度学习算法（Methinks）为先前验证，但在此特定人群中的性能需进一步确认；样本来自三个卒中中心，可能限制普遍性	评估非对比CT上通过深度学习算法测量的初始核心体积与接受再灌注治疗的卒中患者临床结局之间的关联	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习算法	图像	658名患者	NA	Methinks	调整后的比值比, 95%置信区间	NA
424	2026-04-21	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	本文提出了一种名为D-I-TASSER的混合方法，通过整合多源深度学习势能与迭代穿线片段组装模拟，构建原子级蛋白质结构模型	提出了一种结合深度学习与传统基于物理的折叠模拟的混合方法，并引入了用于大型多域蛋白质结构自动建模的域拆分与组装协议	未明确提及	开发一种高精度的蛋白质结构预测方法，适用于单域和多域蛋白质	蛋白质结构，特别是单域和多域蛋白质	机器学习	NA	深度学习，迭代穿线片段组装模拟	深度学习模型	蛋白质序列与结构数据	在人类蛋白质组中测试了蛋白质域和全长序列	NA	D-I-TASSER	基准测试结果，与AlphaFold2和AlphaFold3的比较	NA
425	2026-04-21	Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Apr, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器用于自动化预处理肿瘤细胞和组织的拉曼光谱，以提高光谱质量	使用卷积自编码器实现单步自动化预处理，替代传统多步骤方法，并应用于临床前和临床拉曼光谱数据	未明确提及模型在更广泛数据集或不同癌症类型上的泛化能力	开发深度学习框架以高效自动化预处理用于辐射响应监测的肿瘤细胞和组织拉曼光谱	肿瘤细胞（临床前单细胞系和异种移植组织）和临床前列腺肿瘤活检组织	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11000个光谱（包括临床前和临床数据）	NA	卷积自编码器	均方根误差, 百分比均方根差异, CR去除率	无需GPU，在2.4秒内处理约11000个光谱
426	2026-04-21	General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106077 PMID:41638432	研究论文	本研究开发了一种基于CycleGAN的虚拟染色模型，可将H&E染色图像转换为虚拟Masson三色染色图像，以提升供体肾脏评估中肾间质纤维化的诊断准确性	利用深度学习虚拟染色技术，使缺乏肾脏专科训练的普通病理医生在供体肾脏纤维化评估中达到接近专科医生的诊断水平	研究为回顾性-前瞻性诊断一致性研究，样本量相对有限（187对全切片图像用于开发，46个冰冻切片用于前瞻性验证）	评估人工智能虚拟染色技术是否能够增强供体肾脏质量评估，特别是对肾间质纤维化和慢性病理变化的评估	供体肾脏组织切片	数字病理学	肾脏疾病	H&E染色，Masson三色染色，虚拟染色	GAN	全切片图像	187对H&E和Masson三色染色全切片图像用于模型开发与验证，46个冰冻切片用于前瞻性验证	NA	CycleGAN	加权Kappa系数，观察者间一致性百分比	NA
427	2026-04-21	A Multimodal Fusion Model of Radiomics and Deep Learning Integrating the Tumor Microenvironment Accurately Predicts Pathological Complete Response in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.016 PMID:41656135	研究论文	本研究开发了一种融合瘤内影像组学、瘤周特征和深度学习模式的多模态模型，用于准确预测乳腺癌新辅助化疗后的病理完全缓解	首次将瘤周微环境（9毫米扩展区域）的特征整合到多模态预测模型中，以捕捉肿瘤-微环境的相互作用，从而提高了预测准确性	尽管模型在外部验证中表现良好，但样本量相对较小（n=95），且模型相对于DL+Intra组合模型的改进未达到统计学显著性	提高乳腺癌新辅助化疗后病理完全缓解的预测准确性，为个性化治疗决策提供临床可操作的工具	乳腺癌患者	数字病理学	乳腺癌	MRI影像分析	逻辑回归	MRI图像	内部验证队列929例（来自I-SPY2试验），外部验证队列95例	Scikit-learn	NA	AUC, 敏感性	NA
428	2026-04-21	Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.025 PMID:41667344	研究论文	本研究评估了深度学习重建算法结合对比增强提升技术在“四低”冠状动脉CT血管成像协议中对图像质量和诊断性能的影响	首次在“四低”CCTA协议中结合深度学习重建与对比增强提升技术，显著降低辐射剂量和对比剂用量同时提升图像质量	样本量相对较小（102例），且为单中心研究，需要更大规模多中心验证	评估“四低”CCTA协议中深度学习重建结合对比增强提升技术对图像质量和诊断准确性的影响	接受冠状动脉CT血管成像的102例患者	医学影像分析	心血管疾病	冠状动脉CT血管成像，深度学习重建，对比增强提升技术	深度学习重建算法	医学影像（CT图像）	102例患者（常规剂量组51例，四低组51例）	NA	NA	信噪比，对比噪声比，主观图像质量评分，CAD-RADS 2.0，节段狭窄评分，节段受累评分，冠状动脉钙化评分，诊断准确率，敏感性	NA
429	2026-04-21	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，通过生成式免疫标记自动检测前列腺癌在3D病理数据集中的区域	开发了基于深度学习的3D图像转换模型，将H&E模拟3D病理数据转换为多路复用3D免疫荧光数据，以促进肿瘤检测，并生成可解释的3D热图	未明确提及具体限制，但依赖于病理学家的地面真实注释进行验证，且样本量相对较小（75名患者）	自动化和改进在3D病理数据集中区分良性和前列腺癌富集区域的过程，以支持基于3D病理数据的前列腺癌风险分层	前列腺组织样本，包括癌症和良性腺体	数字病理学	前列腺癌	3D病理学，免疫荧光，H&E染色	深度学习图像转换模型	3D图像数据	75名患者	NA	NA	F1分数	NA
430	2026-04-21	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	通过整合全切片图像的深度学习特征与细胞成分（特别是巨核细胞）的详细表型数据，采用双流方法融合多源信息，显著提升了MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析，高级图像处理技术	CNN	图像	411个患者样本，带有详细的临床和组织病理学注释	NA	NA	NA	NA
431	2026-04-21	Interpretable MRI-Based Machine Learning Model for Noninvasive Prediction of Axillary Lymph Node Metastasis After Neoadjuvant Chemotherapy in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.018 PMID:41633888	研究论文	本研究开发了一种可解释的机器学习模型，整合MRI影像组学、深度学习特征和Node-RADS评分，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	首次将MRI影像组学特征、ResNet50深度学习特征和Node-RADS评分结合，构建可解释的临床-深度学习-影像组学（CDLR）模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移预测	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限；模型性能在外部验证队列中有所下降	开发可解释的机器学习模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	641例经病理确诊的乳腺癌患者，接受新辅助化疗和手术治疗	数字病理学	乳腺癌	动态对比增强MRI	机器学习	MRI影像	641例患者（训练队列397例，内部验证99例，外部验证145例）	Scikit-learn	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
432	2026-04-20	A review of machine learning applications in the prediction of selected groundwater quality parameters: Key lessons, knowledge gaps, and future directions 2026-Apr-25, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181693 PMID:41861475	综述	本文系统回顾了过去十年中超过100篇关于机器学习在地下水质量参数预测中应用的同行评议文章	通过两个互补视角（地下水质量视角和机器学习视角）评估机器学习在地下水质量研究中的最新应用，并识别了关键成果、经验教训及未来方向	存在研究区域覆盖不足、跨流域尺度扩展困难以及学术进展向实践转化方面的空白	评估机器学习在地下水质量预测中的应用现状，并为研究者和实践者提供结构化路线图	地下水质量参数、流域背景、机器学习模型及相关研究	机器学习	NA	NA	深度学习模型, 混合建模方法	NA	超过100篇同行评议文章	NA	NA	评估指标	NA
433	2026-04-20	Fetal sleep: a cross-species review of physiology, measurement, and classification 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag003 PMID:41530894	综述	本文首次整合了超过七十年的研究，提供了一个跨物种的胎儿睡眠生理学、测量和分类的统一综述	首次进行跨物种的胎儿睡眠综述，整合了人类和动物模型的研究，并探讨了从侵入性神经生理学到非侵入性监测及深度学习框架的方法学演变	缺乏统一的、临床验证的胎儿睡眠状态定义框架，限制了其向常规产科实践的转化	整合跨物种证据，为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供科学基础，以支持早期神经系统损害的检测和及时产前干预	人类胎儿及动物模型（如绵羊和狒狒）的胎儿睡眠	NA	NA	非侵入性监测，深度学习框架	NA	信号数据	169项研究	NA	NA	NA	NA
434	2026-04-20	Optimizing automated sleep stage scoring of 5-s mini-epochs: a transfer learning study 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf393 PMID:41384756	研究论文	本研究通过迁移学习优化了深度学习模型U-Sleep，使其能够对5秒微纪元进行高精度的自动睡眠分期	首次将先进的深度学习模型U-Sleep通过迁移学习优化，应用于5秒微纪元的高分辨率睡眠分期，显著提高了对短暂睡眠阶段转换的捕捉能力	需要外部验证，且未来需应用于整夜记录	优化自动睡眠分期模型，实现对高时间分辨率（5秒）睡眠数据的精确分期	人类睡眠数据	机器学习	NA	多导睡眠图	深度学习模型	多导睡眠图信号数据	来自100份多导睡眠图的48000个人工标注的5秒微纪元	NA	U-Sleep	F1分数, 混淆矩阵, 阶段分布, 转换率	NA
435	2026-04-20	DeepLMI: deep feature mining with a globally enhanced graph convolutional network for robust lncRNA-miRNA interaction prediction 2026-Apr-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag145 PMID:41886347	研究论文	提出了一种名为DeepLMI的新型深度学习框架，用于预测lncRNA-miRNA相互作用，该框架结合了深度特征挖掘和全局增强的图卷积网络	整合了深度特征挖掘与全局增强图卷积网络，设计了针对lncRNA和miRNA的专用特征提取模块，并联合建模局部邻域信息和全局拓扑信号以解决已知RNA相互作用网络的稀疏性和结构复杂性	未在摘要中明确说明	准确识别lncRNA-miRNA相互作用，以理解疾病机制和发现治疗靶点	长链非编码RNA（lncRNA）和微小RNA（miRNA）	机器学习	NA	NA	图卷积网络，自注意力机制	序列数据，图结构数据	NA	NA	Global-Enhanced Graph Convolutional Network	NA	NA
436	2026-04-20	A novel deep learning-driven framework for improving lncRNA comprehensive annotation with LncADeep 2.0 2026-Apr-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag162 PMID:41923359	研究论文	本文介绍了一个名为LncADeep 2.0的集成深度学习框架，旨在提高长链非编码RNA的识别和功能注释的准确性	在识别模块中引入了新颖的肽特征，并结合序列和结构信息；在功能注释中，利用以lncRNA为中心的相互作用网络和基因本体术语，通过迁移学习策略在有限功能数据下实现稳健的注释性能	未在摘要中明确提及	提高长链非编码RNA的识别和功能注释的准确性	长链非编码RNA	自然语言处理	NA	RNA-seq	深度学习	序列数据, 结构信息, 肽特征, 相互作用网络数据	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及
437	2026-04-20	Learning curve for fenestrated-branched endovascular aortic repair using machine learning: A prospective national multicenter registry study 2026-04, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2025.11.015 PMID:41265585	研究论文	本研究利用机器学习方法分析复杂腹主动脉瘤和胸腹主动脉瘤治疗中F-BEVAR手术的学习曲线	首次应用深度学习神经网络模型量化F-BEVAR手术的学习曲线，并基于医师经验预测手术结果	研究基于前瞻性多中心注册数据，可能存在选择偏倚，且未考虑不同医疗机构间的差异	分析F-BEVAR手术的学习曲线，为外科医师和机构提供安全有效开展该复杂手术的基准	接受三血管和四血管F-BEVAR治疗的复杂腹主动脉瘤和胸腹主动脉瘤患者	机器学习	心血管疾病	深度学习神经网络	深度学习神经网络	临床注册数据	2956名患者（1901名cAAA，1055名TAAA），由539名医师执行	NA	深度学习神经网络	围手术期死亡率、手术技术成功率、主要不良事件发生率、主动脉再干预率、手术时间、透视时间、失血量、造影剂用量	NA
438	2026-04-20	Bioinspired Cold-Laminated Ultrathin Hydrogels as a Broadly Adaptive Platform for Physiological Monitoring 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202524317 PMID:41691494	研究论文	本文开发了一种仿生冷层压超薄水凝胶平台，用于生理监测，具有可调厚度、优异透气性和可逆粘附性	提出了一种新颖的冷层压策略，将TPU纳米网机械互锁于温度响应水凝胶网络中，模拟细胞外基质结构，克服了传统超薄薄膜的脆弱性	NA	开发一种广泛适应性的水凝胶系统，用于下一代生物电子学，满足不同器官特定需求	表皮和植入式应用，如心电图监测和心律失常检测	生物电子学	心血管疾病	冷层压策略	深度学习网络	生理信号数据	小鼠模型	NA	双分支深度学习网络	分类准确率	NA
439	2026-04-20	STARD3-like protein from golden noble scallop is a carotenoid transfer protein capable of binding various xanthophylls 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151788 PMID:41932487	研究论文	本文鉴定了金贵扇贝中的STARD3样蛋白是一种能够结合多种叶黄素的类胡萝卜素转运蛋白	首次发现并表征了来自金贵扇贝的STARD3样蛋白（MnSTARD3L）具有水溶性类胡萝卜素结合域，能够选择性结合并转运特定的稀有氧化产物	NA	研究海洋无脊椎动物中类胡萝卜素结合与转运的分子机制	金贵扇贝（Mimachlamys nobilis）中的STARD3样蛋白（MnSTARD3L）	生物化学与分子生物学	NA	体外重组、在大肠杆菌中表达、结构建模	深度学习算法	蛋白质序列与结构数据	NA	NA	NA	NA	NA
440	2026-04-20	- Invited Review - Computer vision in precision livestock farming: artificial intelligence-driven technologies and applications for sustainable animal production 2026-Apr, Animal bioscience IF:2.4Q1 DOI:10.5713/ab.260165 PMID:41882488	综述	本文综述了计算机视觉在精准畜牧业中的应用，探讨了人工智能驱动技术如何促进可持续动物生产	系统性地整合了计算机视觉、物联网和人工智能技术，实现了从群体管理到个体化、非侵入式监测的转变，并提出了可解释AI和福利导向系统设计等未来研究方向	高资本投入、数据互操作性挑战以及模型泛化性限制	通过精准畜牧业技术提高动物生产效率，同时保障动物福利、环境可持续性和经济可行性	畜牧业生产系统，特别是牛生产，并扩展至水产养殖和其他畜牧领域	计算机视觉	NA	多模态传感器、视觉和环境监测系统	机器学习、深度学习	视觉数据、环境数据	NA	NA	NA	NA	NA