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
301	2026-06-08	Unraveling Separation Mechanisms of Propanol Isomers and Water in LTA Zeolites via Deep Potential Molecular Dynamics 2026-May-23, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c01184 PMID:42176278	研究论文	通过基于深度学习的分子动力学模拟，研究LTA沸石中丙醇异构体与水的分离机制	首次利用深度势能分子动力学模拟揭示水分子如何影响Na离子迁移并动态调控LTA沸石孔道，解释支链异丙醇比直链正丙醇扩散更快的反常现象	NA	探究LTA沸石膜中丙醇异构体（异丙醇和正丙醇）与水的分离机理	丙醇异构体（异丙醇和正丙醇）以及水分子在LTA型沸石中的扩散行为	机器学习	NA	深度势能分子动力学（DPMD）模拟	深度学习势能模型	分子动力学模拟轨迹数据	NA	NA	深度势能（Deep Potential）模型	NA	NA
302	2026-06-08	MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data 2026-May-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101141 PMID:41650976	研究论文	MultiSP是一个深度学习框架，用于从空间多组学数据中解析组织结构与多细胞通讯	通过高效的空间与特征相似性融合、模态特异性概率生成模型和跨模态对抗学习，增强数据表征，优于现有方法捕捉生物学可解释的空间区域	数据稀疏性和噪声带来挑战，具体局限性未在摘要中明确说明	从空间多组学数据中解释复杂的组织结构与细胞通讯	空间多组学数据集，包括肿瘤微环境中的细胞分布	机器学习	肿瘤微环境相关疾病	空间多组学	深度学习框架	空间多组学数据	NA	NA	NA	NA	NA
303	2026-06-08	Label-free serum SERS combined with RFE-GBDT algorithm for non-invasive screening of liver cancer 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127552 PMID:41662803	研究论文	利用无标记血清SERS联合RFE-GBDT算法实现肝癌非侵入性筛查	首次将递归特征消除（RFE）与梯度提升决策树（GBDT）算法结合应用于血清SERS数据，实现肝癌分期的高精度非侵入性诊断	样本量可能较小，需进一步在更大规模多中心临床队列中验证模型泛化能力	开发无创光学诊断方法用于肝癌早期筛查和分期识别	不同分期肝癌患者（T1、T2、T3）、乙肝患者及健康对照组的血清样本	机器学习	肝癌	表面增强拉曼光谱（SERS）	梯度提升决策树（GBDT）	光谱数据	肝癌早中晚期患者（T1、T2、T3各期）、乙肝病毒感染者及健康对照者血清样本，具体数量未明确说明	NA	GBDT	准确率	NA
304	2026-06-07	Deep Learning Assisted Motion Behavior Analysis of Catalytic Micromotors Based on Trajectory and Optical Flow 2026-May-31, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.6c01373 PMID:42219952	研究论文	利用深度学习方法分析催化微马达的运动行为，通过轨迹和光流区分不同驱动模式	首次利用深度学习方法区分催化微马达的不同驱动模式，并证明光流帧在短时间跨度（0.45秒）内即可有效识别驱动模式差异	仅研究单驱动系统，缺乏对多种驱动模式组合的判别能力	区分催化微马达（如铂驱动和酶驱动）的不同驱动模式，并解析其运动机制	催化微马达的运动行为，包括铂驱动和酶驱动的轨迹与光流特征	计算机视觉，机器学习	NA	NA	深度学习模型（结合迁移学习）	运动视频中的轨迹数据和光流图	未明确指定样本数量，但涉及多段采样	NA	NA	准确率（轨迹分类70.19%，光流分类97.75%）	未明确说明
305	2026-06-07	CrisprFusion: A feature fusion model with multi-type input features for sgRNA activity prediction 2026-May-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109137 PMID:42247991	研究论文	提出CrisprFusion，一种通过多类型输入特征融合模型预测sgRNA活性的深度学习方法	提出新颖的多粒度交叉注意力融合模块，在分支级别和标记级别实现特征融合，提升多模态生物特征融合的效率和可解释性	未明确提及，但可能依赖于现有数据集的规模和多样性，跨细胞系验证中的泛化能力仍有待进一步探索	通过深度学习改进sgRNA活性预测，解决多生物特征融合策略设计不足的问题	sgRNA序列及其相关生物特征	机器学习	NA	CRISPR/Cas9	深度学习模型	序列数据	七个高通量数据集	NA	多粒度交叉注意力融合模块	平均性能指标	NA
306	2026-06-07	Fully Biobased, Robust, and High-Conductivity Hydrogel for High-Fidelity Electrophysiological Monitoring and Deep Learning-Assisted Stroke Rehabilitation 2026-May-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c03687 PMID:42200397	研究论文	报道一种通过霍夫迈斯特效应工程化的全生物基水凝胶平台，用于高保真电生理监测和深度学习辅助的卒中康复	通过柠檬酸盐诱导的链压缩和连续离子传输路径实现协同双物理交联网络，克服了传统明胶基系统的性能权衡，并集成多功能生物电子系统	未提及水凝胶的长期稳定性和生物降解性，以及在临床应用中的安全性评估	开发可持续的生物电子材料，兼具机械鲁棒性、高导电性、生物相容性和系统级功能，用于健康监测和卒中康复	卒中康复患者和智能手机控制的假肢设备	机器学习，数字病理学，计算机视觉	卒中	霍夫迈斯特效应工程化	深度学习	电生理信号（ECG、EEG、EMG）和应变传感数据	未明确提及样本量，但包括ECG、EEG和EMG信号采集	PyTorch	卷积神经网络（CNN）或其他深度学习模型	准确率（97.31%），信噪比（24.3 dB）	未明确提及，但可能涉及GPU加速
307	2026-06-07	2D-JCOG: Transforming 1D 1H NMR Spectra into J-δ Correlation Maps via the Shared Splitting Theorem and Graph Neural Networks 2026-May-27, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00383 PMID:42200782	研究论文	提出了2D-JCOG框架，利用共享分裂定理和图神经网络将一维氢核磁共振谱峰列表转换为二维J-δ相关图谱，揭示耦合拓扑结构	首次将共享分裂定理作为物理归纳偏置引入图神经网络架构，通过异构图神经网络中的混合消息传递策略（包括Transformer式注意力层和均值聚合层）实现自动J耦合提取，有效处理中强度耦合体系	不适用于严重强耦合自旋体系，需依赖经典量子力学方法进行替代	开发一种鲁棒的深度学习方法，用于从一维氢核磁共振谱中自动提取标量耦合常数及其耦合网络，无需一阶近似假设	氢核磁共振谱中的标量耦合常数和耦合网络	机器学习	NA	核磁共振波谱学	图神经网络	波谱数据	使用量子力学模拟谱进行训练，实验验证采用GISSMO数据库中的实验谱	PyTorch	异构图神经网络（集成Transformer注意力层和均值聚合层）	召回率, 精确率, 平均J值误差	未提及
308	2026-06-07	Leveling Up Upconverting Nanoparticles with Machine Learning 2026-May-26, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.6c00187 PMID:42190040	研究论文	探讨如何利用人工智能和机器学习提升上转换纳米颗粒的性能	将机器学习与贝叶斯优化、动力学蒙特卡洛模拟相结合，实现闭环主动学习，设计核壳异质结构，并利用异构图神经网络进行逆向设计，大幅增强上转换纳米颗粒的发光强度	模拟具有多达9层壳层的上转换纳米颗粒异质结构的计算成本高，且模型外推能力依赖于训练数据	克服上转换纳米颗粒亮度低和光谱可调性有限的问题，加速发现先进上转换纳米材料	上转换纳米颗粒及其核壳异质结构	机器学习	NA	机器学习、贝叶斯优化、动力学蒙特卡洛模拟、异构图神经网络	异构图神经网络	表征数据（TEM图像、时间分辨发光曲线）、合成参数	NA	NA	异构图神经网络	发光强度增强倍数	NA
309	2026-06-07	Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129422 PMID:41579739	研究论文	基于孪生神经网络开发了一种拉曼光谱模型传递方法，以提升模型在复制品变异性下的性能	首次将孪生神经网络应用于拉曼光谱的模型传递，无需测试数据信息即可实现跨批次的鲁棒预测，且训练数据需求显著低于传统网络	未对大规模训练数据集下的计算效率与模型复杂性进行深入分析	提升拉曼光谱模型在不同数据批次间的泛化能力	细菌样本（4种菌株，9个生物学重复）和小鼠组织样本的拉曼光谱数据	机器学习	NA	拉曼光谱	孪生神经网络	光谱数据	共4种细菌（9个重复）和小鼠组织样本	NA	孪生神经网络	准确率	NA
310	2026-06-07	DADA-EV: domain-adaptive diffusion autoencoder for estimating tissue- and cell-type-specific origin in extracellular vesicle transcriptomes 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag281 PMID:42242685	研究论文	提出一种名为DADA-EV的混合深度学习框架，用于从细胞外囊泡转录组中无参考地追溯组织与细胞类型来源	无参考设计消除对预定义特征签名的依赖；跨域泛化通过对抗域适应对齐源域（组织/细胞类型）与目标域（EV）特征分布；在目标域训练期间减少对源数据的依赖	未提及具体局限性	开发一种稳健、无参考且可泛化的方法用于细胞外囊泡起源追溯，以推进液体活检在诊断、预后和治疗监测中的应用	细胞外囊泡转录组、组织与细胞类型数据集	机器学习	NA	RNA测序	扩散自编码器、生成模拟模块、对抗域适应	转录组表达数据	基于伪细胞外囊泡数据的广泛评估、体外细胞系混合物验证及真实患者样本应用	PyTorch	自编码器	准确率、敏感性	NA
311	2026-06-07	CryoFSL: an annotation-efficient, few-shot learning framework for robust protein particle picking in cryo-electron microscopy micrographs 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag285 PMID:42248583	研究论文	提出CryoFSL，一种基于少样本学习的框架，用于从冷冻电镜显微图中稳健地挑选蛋白颗粒，极大减少标注需求	将少样本学习与可微调Adapter结合到Segment Anything Model 2中，仅需少量标注即可高效、稳健地识别蛋白颗粒，显著降低标注负担	文中未明确说明局限性，如对极端噪声或复杂异质性条件下的适应能力、模型计算资源要求等	开发一种标注高效、泛化能力强的蛋白颗粒挑选方法，提升冷冻电镜分析的质量和效率	冷冻电镜显微图中的蛋白颗粒	计算机视觉、机器学习	不适用	冷冻电镜成像	少样本学习、Segment Anything Model 2	图像	最少仅需5张标注显微图	PyTorch	Segment Anything Model 2、轻量级适配器	召回率、精确率、三维重构分辨率	未提及
312	2026-06-07	scHILL: deciphering individual-level immune cell heterogeneity with single-cell RNA sequencing data 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag286 PMID:42248580	研究论文	提出了scHILL框架，结合掩码自编码器和多层感知机，利用单细胞RNA测序数据解析个体水平的免疫细胞异质性	首次将掩码自编码器与多层感知机结合用于单细胞RNA测序数据，实现无监督特征学习并量化个体水平免疫细胞和基因的功能重要性，克服小样本挑战	NA	开发一种通用框架，从单细胞RNA测序数据中表征个体水平的免疫细胞异质性，推动个性化医疗	单细胞RNA测序数据中的免疫细胞异质性及个体表型差异	机器学习	传染病,自身免疫病,癌症	单细胞RNA测序	掩码自编码器,多层感知机	基因表达数据	多个数据集（具体数量未说明）	PyTorch	掩码自编码器,多层感知机	表型预测性能（具体指标未明确）	NA
313	2026-06-07	Enhancing Bone MRI With Vendor-Independent Deep Learning: A Comparative Study of CT and 3D VIBE CAIPI-Dixon Sequences for Shoulder Assessment 2026 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001819 PMID:41249023	研究论文	评估使用供应商无关的深度学习从肩部3D VIBE CAIPIRINHA Dixon MRI生成高分辨率类CT骨骼图像的可行性	采用供应商无关的深度学习重建方法，将3D VIBE CAIPIRINHA Dixon MRI序列转换为类CT骨骼图像，无需CT辐射	回顾性研究设计，患者扫描时间间隔可能影响图像对比；样本量有限（99例）；未评估其他关节或序列	验证深度学习技术增强肩部MRI骨骼成像以替代CT的可行性	肩关节骨骼结构（肱骨、肩胛盂、肩袖钙化）及图像质量指标	计算机视觉, 数字病理学	肩关节疾病	MRI（3D VIBE CAIPIRINHA Dixon序列）	深度学习模型	图像（MRI和CT）	99例患者（52男，47女，年龄17-87岁）	NA	NA	Likert量表评分、相对对比噪声比、相对信噪比、组内相关系数	NA
314	2026-06-07	EnsDTI: Predicting Drug-Target Interaction With Mixture-of-Experts and Confidence Assessment 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3653990 PMID:41533615	研究论文	提出EnsDTI框架，融合专家混合与置信度评估以预测药物-靶标相互作用	利用专家混合架构结合现有深度学习模型增强预测，并引入归纳符合预测器提供置信度评分	未提及在超大规模化学空间或外部数据库上的泛化性验证	开发在速度与精度之间平衡的计算工具，用于候选药物筛选与排序	药物-靶标相互作用预测	机器学习	NA	NA	混合专家模型	药物与蛋白质特征数据	四个基准数据集	NA	混合专家架构	预测准确率、置信度估计	NA
315	2026-06-07	An integrated deep learning framework leveraging NASNet and vision transformer with MixProcessing for accurate and precise diagnosis of lung diseases 2026-May, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2026.100394 PMID:41580084	研究论文	提出了一种集成NASNet和Vision Transformer的深度学习框架，结合MixProcessing预处理，用于肺部疾病的精确诊断	首次将NASNet的卷积特征提取与Vision Transformer的全局注意力机制相结合，并引入多阶段预处理流水线MixProcessing提升图像质量和特征清晰度	未提及与其他最新深度学习模型的对比，未讨论模型在不同成像设备或数据集上的泛化能力	开发一种轻量级、高精度的AI解决方案，用于肺部疾病（包括肺炎、结核病、COVID-19和肺癌）的快速诊断，适用于资源受限的临床环境	肺部X光或CT图像，涵盖正常、肺癌、COVID-19、肺炎和结核病五种类别	数字病理学	肺癌, COVID-19, 肺炎, 结核病	NA	NASNet, Vision Transformer	图像	未提及具体样本数量	PyTorch, TensorFlow	NASNet, ViT	准确率, 灵敏度, F1分数, 特异度	未提及具体计算资源
316	2026-06-07	Comparing the accuracy of artificial intelligence models to detect alcohol in video images 2026-May, Addiction (Abingdon, England) DOI:10.1111/add.70337 PMID:41588658	研究论文	比较三种人工智能模型在视频图像中检测酒精内容的准确性	首次系统比较监督深度学习和零样本学习模型在视频酒精检测中的表现，并引入零样本学习技术（CLIP和LLaVA）	实验结果仅限于三个特定数据集，未涉及多平台或真实流媒体环境验证	评估不同AI模型在大规模视频图像中自动检测酒精内容的准确性和效率	三种AI模型（ABIDLA2、ZSL-CLIP、ZSL-LLaVA）在视频帧中检测酒精存在的能力	计算机视觉	无	深度学习、零样本学习	监督深度学习模型与零样本学习模型	视频图像	三个数据集：Google/Bing图像集、多样化电影场景数据集、复杂场景数据集（具体数量未说明）	NA	ABIDLA2、CLIP、LLaVA	准确率、未加权平均召回率、F1分数、执行时间	NA
317	2026-06-07	Refining deep learning segmentation in gallium-68-prostate-specific membrane antigen-11 positron emission tomography: evaluation of small lesion filtering and intersection-over-union thresholds 2026-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002114 PMID:41607277	研究论文	评估小病灶过滤和交并比阈值对深度学习分割前列腺癌Ga-68-PSMA-11 PET图像的影响	系统研究了小病灶过滤和不同IoU阈值对深度学习分割性能的影响，并确定了最优阈值范围（20-40% IoU）	需要多中心研究和更大数据集进一步验证结果的泛化性	评估小病灶过滤和IoU阈值如何影响Ga-68-PSMA-11 PET图像中深度学习分割的性能	前列腺癌患者的Ga-68-PSMA-11 PET图像	计算机视觉	前列腺癌	PET成像	3D U-Net	图像	115例患者扫描	NA	3D U-Net	Dice系数, 精确率, 灵敏度, 阳性预测值	NA
318	2026-06-07	Pediatric coronary MR angiography with a two-minute scan using de-aliasing regularization based compressed sensing 2026-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110627 PMID:41638264	研究论文	本研究探索了基于去混叠正则化压缩感知（DARCS）的加速冠状动脉磁共振血管成像在儿童人群中的临床应用可行性	首次将DARCS重建方法应用于儿童冠状动脉磁共振血管成像，实现两分钟扫描并保持冠状动脉动脉瘤诊断准确性	NA	评估DARCS加速CMRA在儿童冠状动脉成像中的图像质量和诊断性能，重点关注冠状动脉动脉瘤检测	儿童冠状动脉及冠状动脉动脉瘤检测	数字病理学	心血管疾病	冠状动脉磁共振血管成像	去混叠正则化压缩感知	k空间数据	123例儿童患者（96例回顾性，27例前瞻性）	NA	DARCS	峰值信噪比,结构相似性指数,血管长度,血管锐度,视觉评分,灵敏度,特异度	3.0T磁共振扫描仪
319	2026-06-07	MMCL: A Multi-Modal Contrastive Learning Framework for Molecular Property Prediction 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663206 PMID:41666076	研究论文	提出一种名为MMCL的多模态对比学习框架，用于预测分子性质，以促进药物发现	通过利用分子的不同视图学习相似分子间的共同特征，并将官能团显式表示为分子图中的节点，促使模型学习与分子性质相关的特征	未提及具体限制	提高分子性质预测的准确性和信息多样性，促进药物发现	分子及其官能团	机器学习	NA	NA	对比学习框架	分子数据（分子图、分子视图）	NA	NA	NA	NA	NA
320	2026-06-07	Deep Learning Segmentation of Pelvic Soft Tissue in Isotropic and Anisotropic MRI Using Routine T2 Scans 2026 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001828 PMID:41701554	研究论文	对比各向同性与各向异性MRI重建下深度学习模型对骨盆软组织的分割性能	首次系统比较各向同性与各向异性MRI重建在骨盆软组织和神经分割中的效果差异，并利用nnU-Net模型量化评估两种数据类型的性能优劣	样本量较小（仅35例直肠癌患者），且未涉及其他骨盆病变类型或不同MRI参数设置的泛化性验证	评估基于各向同性与各向异性MRI重建训练的深度学习模型对骨盆肌肉和神经组织的分割性能差异，为术前规划与手术导航提供优化方案	35例直肠癌患者的骨盆MRI图像（包括骶神经、闭孔神经和梨状肌）	数字病理学	直肠癌	T2加权MRI	nnU-Net	MRI图像	35例直肠癌患者的轴向、矢状面和冠状面T2加权MRI扫描	PyTorch	nnU-Net	Dice相似系数、交并比、精确率、召回率	NA