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
981	2026-03-13	Deep learning as a generator of sodium channel state hypotheses 2026-May-04, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202513938 PMID:41805948	研究论文	本文利用AlphaFold 2生成钠通道的结构集合，并探讨β亚基和钙调蛋白对这些集合的重塑作用	首次应用AlphaFold 2生成钠通道的结构集合，并验证β亚基和钙调蛋白对其结构多样性的影响	生成的结构集合仅为可测试的结构假设，而非实际的热力学群体，可能存在模型偏差	探索AlphaFold 2在生成离子通道结构假设方面的应用，以理解钠通道的构象变化	钠通道（NaV通道）、β亚基、钙调蛋白	结构生物学	NA	AlphaFold 2	深度学习模型	蛋白质结构数据	NA	AlphaFold	AlphaFold 2	NA	NA
982	2026-03-13	Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear 2026-May, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110126 PMID:41687573	研究论文	本研究开发了一种基于自编码器的深度学习模型，用于预测帕金森病患者的步长，使用鞋内嵌入的惯性测量单元数据	该模型无需显式步态分割即可估计步长，提高了对步态受损人群的适用性，并展示了在时间偏移下的鲁棒性	研究样本量较小（仅10名帕金森病患者），可能限制模型的泛化能力	开发一种无需显式步态分割的步长估计方法，以支持帕金森病患者的步态监测和疾病进展评估	帕金森病患者的步态数据	机器学习	帕金森病	惯性测量单元（IMU）数据采集	自编码器, 全连接回归网络	时间序列数据（三轴加速度和角速度）	10名帕金森病患者	NA	自编码器, 全连接回归网络	R², 一致性界限	NA
983	2026-03-13	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	本研究开发并验证了一种基于MRI的深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以促进个性化治疗规划中的精细化风险分层	提出了一种结合两阶段深度学习架构（V-Net和VB-Net）进行自动肿瘤分割，并利用提取的影像组学特征构建机器学习分类器，用于术前无创预测P53abn子宫内膜癌的多中心研究方法	研究为回顾性设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性队列中进一步验证	开发并验证一种非侵入性的MRI-based深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以支持个性化治疗规划	经组织学确诊的子宫内膜癌患者	数字病理	子宫内膜癌	磁共振成像	深度学习, 机器学习	图像	920名患者	NA	V-Net, VB-Net	Dice相似系数, AUC	NA
984	2026-03-13	Financial impact of deep learning reconstruction in magnetic resonance imaging: experiences after widespread deployment 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112743 PMID:41759450	研究论文	评估深度学习重建（DLR）在三级学术医院MRI生产力中的影响，并验证先前发布的基于蒙特卡洛模拟的DLR生产力提升潜力预测	通过实际部署数据验证了基于蒙特卡洛模拟的DLR生产力预测模型，展示了DLR在部分实施阶段即可显著提升MRI扫描效率	DLR在神经影像学中表现不稳定，T2加权序列存在伪影，对比增强研究质量下降，限制了其适用性，需严格质量保证	评估DLR对MRI生产力的实际影响并验证模拟预测的准确性	三级学术医院的MRI扫描仪日志数据及图像质量	医学影像分析	NA	深度学习重建（DLR），磁共振成像（MRI）	深度学习模型	MRI扫描日志数据，图像质量评估数据	两个时期的数据：DLR前（2023年1-10月，6台扫描仪）和DLR后（2025年1-10月，5台扫描仪）	NA	NA	序列持续时间减少百分比，总检查时间减少百分比，每小时吞吐量变化，图像质量评估	NA
985	2026-03-10	DAUS-Net: Toward Ultrasound Scanner-Agnostic Domain Generalized Robust and Accurate Segmentation 2026-May, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251388454 PMID:41449845	研究论文	本文提出了一种名为DAUS-Net的超声图像分割网络，旨在实现与超声扫描设备无关的、鲁棒且准确的乳腺肿瘤分割	将深度频率滤波模块集成到U-Net架构中，并在潜在空间进行自适应频率成分选择，同时用实例归一化替代批量归一化以移除设备相关的风格特征，从而提升模型对不同超声设备的泛化能力	研究仅针对乳腺肿瘤分割任务在三个公共数据集上进行了验证，尚未在更多疾病类型或更大规模的临床数据中测试其泛化性能	开发一种不依赖于特定超声扫描设备的通用分割模型，以降低模型部署成本并解决医疗影像中数据采集昂贵的问题	超声图像中的乳腺肿瘤	数字病理	乳腺癌	超声成像	CNN	图像	三个公共数据集（具体样本数未在摘要中说明）	未明确说明	U-Net（集成深度频率滤波模块）	Dice系数	NA
986	2026-03-09	Green in-situ photoreduction synthesis of SERS substrates based on violet phosphorus arrays/silver nanoparticles for ultrasensitive detection and accurate identification of UTI bacteria 2026-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127598 PMID:41719961	研究论文	本研究开发了一种基于紫磷阵列和银纳米颗粒的绿色原位光还原SERS基底，用于尿路感染细菌的超灵敏检测和准确识别	提出了一种绿色、低成本的原位光还原策略，构建了电磁-化学双重增强的SERS平台，利用倾斜紫磷阵列均匀生长致密银纳米颗粒，实现了对尿路感染细菌的高灵敏检测和精确识别	未明确说明基底在长期稳定性、大规模生产可行性或对其他类型病原体的普适性方面的具体限制	开发一种稳定、低成本、环保的SERS基底，用于复杂生物流体（如尿液）中低浓度、多种病原体的超灵敏检测和识别	尿路感染病原体，具体包括大肠杆菌（E. coli）和粪肠球菌（E. faecalis）	生物传感	尿路感染	表面增强拉曼光谱（SERS），原位光还原合成	NA	拉曼光谱数据	使用了真实尿液样本，但未明确说明具体样本数量	NA	NA	检测限（LOD），增强因子（EF），并使用主成分分析（PCA）进行光谱区分	NA
987	2026-03-09	A lightweight dual-channel feature fusion model for wheat variety identification in hyperspectral images 2026-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127595 PMID:41719958	研究论文	本文提出了一种轻量级双通道特征融合模型，用于高光谱图像中的小麦品种识别	设计了一种轻量级双通道特征融合架构，分别从光谱和图像信息中提取特征并进行加权融合，在保持性能的同时显著减少了参数数量和计算复杂度	仅对四个小麦品种进行了分类验证，样本多样性有限；未在更广泛的小麦品种或不同生长条件下进行测试	实现小麦品种的快速、无损、高精度分类识别	小麦品种	计算机视觉	NA	高光谱成像	深度学习模型	高光谱图像	NA	NA	轻量级双通道特征融合模型	分类准确率	移动和嵌入式设备（可部署）
988	2026-03-09	Technical Review of Magnetic Resonance Fingerprinting Applications in Cerebral Physiology 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70216 PMID:41353764	综述	本文综述了磁共振指纹技术在脑生理学中的应用，重点讨论了血管成像和生物物理建模的整合	整合了多种MRF技术（如MRF-ASL、MRvF、VFD-MRF）用于脑生理学评估，并探讨了机器学习在提升字典匹配和实时参数估计中的应用	面临低信噪比和高计算需求的挑战	评估磁共振指纹技术在脑生理学中的应用潜力及临床转化	脑生理学，特别是血管成像和脑血管疾病	数字病理学	脑血管疾病	磁共振指纹技术	NA	磁共振成像数据	NA	NA	NA	准确性	NA
989	2026-03-09	RLBindDeep: A ResNet-LSTM based novel framework for protein-ligand binding affinity prediction 2026-May, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109282 PMID:41534323	研究论文	本文提出了一种名为RLBindDeep的新型深度学习框架，用于高精度预测蛋白质-配体结合亲和力	提出了一种结合ResNet和LSTM架构的新型深度学习框架，无需进行分子对接或多姿态重评分，可直接从固定复合物结构预测实验性结合亲和力	未明确提及	提高蛋白质-配体结合亲和力预测的准确性，以支持计算药物发现	蛋白质-配体复合物	计算药物发现	NA	深度学习	ResNet, LSTM	蛋白质-配体复合物结构数据、配体物理化学描述符、蛋白质序列特征、相互作用能量特征	CASF-2016基准数据集	未明确提及	ResNet-LSTM混合架构	Pearson相关系数, Spearman相关系数, 均方根误差	未明确提及
990	2026-03-09	Raman spectroscopy as the quantum eye to reveal molecular dynamics in biology 2026-May, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2026.103805 PMID:41637818	综述	本文综述了拉曼光谱作为一种基于量子力学原理的分子振动光谱技术，在揭示生物分子动力学、生物医学分析及疾病诊断等生命科学研究中的原理、优势、最新进展（如微区拉曼、SERS、SRS）以及未来与纳米探针、深度学习结合的应用前景	强调了拉曼光谱作为“量子之眼”在分子动力学研究中的独特作用，并展望了其与量子增强方法、纳米探针设计和深度学习算法深度融合的未来方向，以推动分子传感进入精准时代	尽管拉曼光谱在生命科学研究中具有突出优势，但从新兴技术到实际应用的转化仍存在若干技术壁垒	阐述拉曼光谱技术在生命科学研究中的应用原理、优势、最新进展及未来发展方向	生物分子、细胞、组织、微生物、微塑料等复杂生物系统	生命科学/分析化学	NA	拉曼光谱，包括微区拉曼、表面增强拉曼光谱(SERS)、受激拉曼散射(SRS)	NA	光谱数据	NA	NA	NA	NA	NA
991	2026-03-09	Computational methods for signal peptide prediction: From statistical models to deep learning 2026 May-Jun, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108819 PMID:41628812	综述	本文系统总结了信号肽预测的计算方法，从早期统计模型到深度学习的演变	强调了方法学演变和框架设计，并探讨了统一评估、生物学解释和生成建模等新兴方向	NA	回顾和比较信号肽预测的计算方法，推动该领域发展	信号肽（位于蛋白质N端的短氨基酸序列）	生物信息学	NA	NA	深度学习	氨基酸序列数据	NA	NA	NA	预测准确性	NA
992	2026-03-09	Real-time intraoperative depth estimation in transsphenoidal surgery using deep learning: A feasibility study 2026-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111910 PMID:41691750	研究论文	本研究探索了使用预训练的深度学习模型DINOv2，在经蝶窦内镜手术视频中实时进行深度估计的可行性	首次将DINOv2模型应用于经蝶窦内镜手术的实时深度估计，无需特殊内窥镜设备即可生成三维深度信息	深度预测与手动分割的阈值未标准化，半定量验证结果需谨慎解读，DICE相似性指数均值仅为0.48	探索深度学习在神经外科内镜手术中增强深度感知和术中定向能力的应用潜力	经蝶窦内镜手术视频（来自8例手术）及从中随机选取的488张图像	计算机视觉	垂体腺瘤, 颅咽管瘤, 脊索瘤, 脑膜瘤	内镜视频采集	深度学习模型	视频, 图像	8例经蝶窦内镜手术视频，488张随机选取的图像	NA	DINOv2	DICE相似性指数	NA
993	2026-03-09	Harnessing angular geometry in deep learning for protein-ligand binding affinity prediction 2026-May-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109282 PMID:41691876	研究论文	本文提出了一种利用角几何特征进行蛋白质-配体结合亲和力预测的深度学习方法	引入角几何特征作为结合相互作用的关键描述符，替代了传统资源密集型的3D网格或体素化表示	未明确讨论模型对特定蛋白质-配体复合物类型的泛化能力或计算效率的详细比较	提高蛋白质-配体结合亲和力预测的准确性和效率，以支持基于结构的药物设计	蛋白质-配体复合物	机器学习	NA	角几何特征提取	全连接神经网络	角几何特征	基于CASF-2016及其他四个基准数据集	NA	Angle-Aware Predictor (AAP)	相关系数 (R), 均方根误差 (RMSE), 平均绝对误差 (MAE), 标准差 (SD), 一致性指数 (CI)	NA
994	2026-03-06	Accelerating Multiparametric Quantitative MRI Using Self-Supervised Scan-Specific Implicit Neural Representation With Model Reinforcement 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70227 PMID:41419989	研究论文	提出一种自监督扫描特异性深度学习框架REFINE-MORE，用于加速多参数定量MRI重建	结合隐式神经表示与模型强化模块，引入MR物理约束，并采用低秩适应策略提升计算效率	NA	开发用于加速多参数定量MRI重建的自监督扫描特异性深度学习框架	体模和活体脑部数据	医学影像处理	NA	多参数定量磁化转移成像	深度学习	MRI图像	体模和活体脑部数据	NA	隐式神经表示	归一化均方根误差, 结构相似性指数	NA
995	2026-03-06	Dynamic-Guided Diffusion Probability Model for Cranial Nerves Segmentation 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70191 PMID:41428854	研究论文	本文提出了一种动态引导扩散概率模型，用于从多模态磁共振图像中分割颅神经束，以提高分割准确性	提出了一种结合多通道注意力和非局部注意力机制的动态引导机制（SE-A-NL模块），以整合颅神经的内在特征、环境特征和多模态图像信息	未明确说明模型的计算复杂度、泛化能力到其他神经结构或数据集，以及临床验证的充分性	提高颅神经束在磁共振图像中的分割性能，以支持其形态和方向的定量分析	五对颅神经束	数字病理学	NA	磁共振成像（MRI）	扩散概率模型	多模态磁共振图像	NA	NA	动态引导扩散概率模型，SE-A-NL模块	20项评估指标（具体未列明，但提及在16项中优于现有技术）	NA
996	2026-02-27	Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108451 PMID:41420941	研究论文	提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs）	通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互	未明确讨论计算复杂度相对于传统方法的增加程度	开发适用于特征顺序任意且空间关系最小的一维数据的分类方法	一维非空间数据	机器学习	NA	深度学习	CNN	一维数据	五个基准数据集（医学诊断、政治学、合成数据、化学计量学、医疗保健）	NA	扭曲卷积网络（TCNs）	统计显著性检验	NA
997	2026-02-27	MMC-CS: Multi-branch multi-stage contrastive learning for self-supervised compressed sensing 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108475 PMID:41422622	研究论文	提出一种用于图像压缩感知的自监督深度学习框架MMC-CS，通过多分支多阶段对比学习解决无真实数据下的逆问题	提出多分支多阶段渐进交叉对比结构，在无真实数据情况下有效学习图像先验；设计端到端深度神经网络，展开近端梯度下降算法；在重建过程中实现多尺度协同优化，结合图像路径和卷积特征路径	未明确说明计算复杂度与实时性表现，未与其他自监督方法进行广泛的计算效率对比	解决图像压缩感知中真实数据难以获取和测量数据利用不足的问题	图像压缩感知的逆问题求解	计算机视觉	NA	自监督学习，对比学习	深度神经网络	图像	NA	NA	基于近端梯度下降展开的网络，多分支多阶段结构	PSNR	NA
998	2026-02-27	Adversarial incomplete multi-view clustering with adaptive contrastive learning 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108484 PMID:41435732	研究论文	本文提出了一种名为ACLN的新型不完整多视图聚类方法，通过结合自适应对比学习和对抗学习网络来解决多视图数据中视图缺失的问题	创新点在于设计了一个自适应对比学习模块，能根据每个视图中共享信息的重要性动态调整对比学习参数，并整合生成对抗网络以提升潜在特征表示质量	未在摘要中明确说明	研究目标是不完整多视图数据的聚类问题，旨在提高聚类性能	研究对象是不完整多视图数据，即某些视图因传感器故障或数据损坏而不可用的场景	机器学习	NA	自适应对比学习, 对抗学习	GAN	多视图数据	六个多视图数据集	NA	生成对抗网络	聚类性能指标（未具体说明）	NA
999	2026-02-27	Decoupling time and space: An adaptive shared graph convolutional network for dynamic market price forecasting 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108489 PMID:41455244	研究论文	提出了一种用于产品价格预测的时空解耦自适应共享图卷积网络（STDAsh-GCN）	引入了全局共享参数机制以实现时空表示的深度解耦，并设计了自适应特征聚合模块和共享注意力机制来动态评估节点贡献并平衡输入特征与邻接关系的影响	NA	准确预测产品价格以帮助企业预测市场趋势并主动调整销售策略	产品市场价格	机器学习	NA	NA	图神经网络	时空数据	三个真实工业数据集（包括一个硫酸钾生产企业的数据）	NA	STDAsh-GCN	NA	NA
1000	2026-02-27	Dynamic comprehensive difficulty knowledge cells based on KAN network and stable learning for knowledge tracing 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108514 PMID:41478142	研究论文	提出一种基于KAN网络和稳定学习的动态综合难度知识单元模型（DDKC），用于知识追踪任务	首次将动态变化的综合难度概念引入知识追踪，并采用KAN网络动态更新难度；提出基于稳定学习的训练策略以消除学生侥幸猜测带来的虚假相关性	未明确说明模型在跨学科或大规模在线教育平台中的泛化能力	提升知识追踪任务中对学生知识状态动态变化的建模精度	学生在教育场景中的学习行为与知识掌握状态	自然语言处理	NA	深度学习	KAN网络	教育行为数据	多个公共教育数据集（未指定具体数量）	NA	动态综合难度知识单元（DDKC）	预测性能指标（未具体说明）	NA