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
101	2026-06-02	Prediction of Center-of-Mass Kinematics of Sensopro Exercises with Neural Network Models 2026-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s26103051 PMID:42197860	研究论文	使用神经网络模型预测Sensopro运动中质心运动学	利用深度学习从不稳定基底（Sensopro Luna）的运动中预测质心运动学，无需穿戴传感器，实现无穿戴式姿势监控，并为康复和健身领域的自主协调训练提供自动化、成本有效的反馈与跟踪	垂直方向预测可靠性较低，受不稳定基底物理约束影响；预测精度在极端位移时下降	探索使用深度学习从Sensopro Luna平台的运动中预测质心运动学的可行性	64名参与者执行三种协调运动（单腿站立、踏步和波浪运动）	机器学习	NA	IMU和运动捕捉	混合编码器-LSTM-解码器架构	运动数据和惯性传感器数据	64名参与者	NA	编码器、LSTM、解码器	平均绝对误差（MAE）	NA
102	2026-06-02	Cortical reconstruction and anatomical parcellation of high-resolution multi-modal postmortem ex vivo MRI of the human infant brain 2026-May-09, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.07.722301 PMID:42146518	研究论文	提出了一个结合深度学习体积分割与表面重建的计算框架，用于高分辨率多模态离体婴儿脑MRI的皮层重建与解剖分割	首次构建多模态高分辨率离体婴儿MRI数据集，并开发了专门针对离体MRI域偏移的合成数据生成引擎PostSynth，模拟固定诱导的成像特征	NA	开发适用于离体婴儿脑MRI的自动化解剖分割与皮层表面重建工具	离体人类婴儿脑MRI数据	数字病理学	NA	MRI	深度学习分割模型	图像	多模态高分辨率离体婴儿MRI数据集	PyTorch	NA	解剖一致性，分割性能	NA
103	2026-06-02	Reactivation of a TAL1 progenitor cell enhancer region by non-coding somatic variants in T-lineage acute lymphoblastic leukemia 2026-May-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.03.722504 PMID:42146694	研究论文	本研究发现T系急性淋巴细胞白血病中非编码体细胞变异可重新激活TAL1祖细胞增强子区域	首次揭示位于TAL1基因下游29 kb的基因间区体细胞变异通过创建MYB转录因子结合位点或内部串联重复形成增强子，并发现突变单倍型启动TAL1短亚型表达	AlphaGenome深度学习模型无法预测增强子活性和亚型表达，强调实验验证的重要性	探究T系急性淋巴细胞白血病中与TAL1表达相关的非编码体细胞变异介导的调控机制	TAL1基因下游基因间区的体细胞变异（复杂插入缺失和内部串联重复）	自然语言处理	T系急性淋巴细胞白血病	染色质免疫沉淀测序	NA	测序数据	NA	NA	AlphaGenome	NA	NA
104	2026-06-02	Whole-body 3D kinematics of freely behaving Drosophila 2026-May-04, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.03.722293 PMID:42146626	研究论文	提出一套无标记全身体3D姿态估计管线，用于自由行为果蝇的运动学分析	结合七台高速摄像机和混合2D/3D深度学习模型，首次实现果蝇陆地行为中50个关键点的全身体3D姿态追踪，并通过基于生物力学模型的逆运动学求解生成解剖学可行的运动轨迹	仅针对陆地行为，未涉及飞行行为；果蝇体型极小且运动快速，自遮挡问题可能仍影响部分关键点追踪精度	量化自由行为果蝇的全身运动学，为神经力学建模和运动控制机制研究提供基础	果蝇（Drosophila melanogaster）的陆地行为，包括跑步和求偶行为	计算机视觉	NA	高速摄像	混合2D/3D深度学习模型	图像	NA	NA	NA	NA	NA
105	2026-06-02	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2026-May, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	开发一种基于深度学习的厚脉络膜指数（HUPI），利用增强深度成像光学相干断层扫描的脉络膜图像模式评估中心性浆液性脉络膜视网膜病变	首次提出基于深度学习的HUPI指数，从脉络膜图像模式中定量评估厚脉络膜特征，避免了传统指标的局限性	单中心回顾性研究，样本量较小，需在更大队列中验证	开发和评估基于深度学习的HUPI指数，作为厚脉络膜谱系疾病的代表性指标	中心性浆液性脉络膜视网膜病变（CSC）患者的脉络膜图像	计算机视觉	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描	卷积神经网络	图像	37个代表性CSC眼和40个正常眼用于训练验证，69个急性CSC眼和100个正常眼用于评估	NA	LeNet	AUC, 灵敏度, 特异度	NA
106	2026-06-02	An algorithm for automated femoral leg length and offset calculations on pelvis radiographs 2026-May, Hip international : the journal of clinical and experimental research on hip pathology and therapy IF:1.3Q3 DOI:10.1177/11207000261421918 PMID:41786668	研究论文	开发了一种深度学习算法，用于在全髋关节置换术患者骨盆X光片上自动计算股骨腿长和偏移量	提出一种自动化算法，能够在大型队列中从前后位骨盆X光片高效计算腿长和偏移，支持人群级研究，减少手动测量繁琐性	未明确说明限制，但可能包括依赖X光片质量、算法泛化性有限、需要进一步验证等潜在问题	开发并验证一种自动化算法，用于测量全髋关节置换术患者前后位骨盆X光片上的腿长和偏移量	全髋关节置换术患者的术前和术后前后位骨盆X光片	计算机视觉	髋关节疾病	X光成像	深度学习模型	图像	1100张前后位骨盆X光片用于训练；100对术前术后图像用于评估与人工测量比较；15951对图像用于应用分析	NA	NA	组内相关系数	NA
107	2026-06-02	Prediction of Pregnancy-Related Cardiovascular Outcomes Using Electrocardiogram-Based Deep Learning Estimation of Cardiorespiratory Fitness 2026-May, JACC. Advances DOI:10.1016/j.jacadv.2026.102764 PMID:42034100	研究论文	利用基于心电图深度学习估计的心肺健康水平预测妊娠相关心血管不良结局	将深度学习模型从静息心电图估算的最大摄氧量（peak VO2）用于妊娠相关心血管并发症的风险分层，提供了一种可扩展的产前风险筛查工具	NA	探究深度学习心电图预测的最大摄氧量与妊娠相关心血管并发症的关联	多机构电子健康记录妊娠队列中在孕前1年至孕13周内接受临床12导联心电图的女性	机器学习	妊娠相关心血管疾病	深度学习	深度学习模型	心电图数据	来自3,437名女性的3,650次妊娠	NA	NA	调整后的优势比（OR）、95%置信区间（CI）、P值	NA
108	2026-06-02	Advancements of artificial intelligence in Chinese herbal medicine recommendation: A comprehensive review of data-driven approaches and clinical applications form 2016 to 2025 2026-May-01, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048468 PMID:42065178	综述	系统回顾了2016至2025年间基于知识图谱、深度学习和混合模型的中草药推荐方法，并分析了其技术演变和临床适用性	首次系统综述了知识图谱、深度学习和混合模型驱动的中草药推荐方法，并提出了理论-数据-临床三元评估框架	缺乏对评估体系的全面形成，现有研究在临床适用性方面仍有待提升	填补中草药推荐方法系统性综述的空白，为开发符合循证医学标准的智能系统提供方法创新	2016至2025年间基于知识图谱、深度学习和混合模型的中草药推荐方法及主要中医数据库	自然语言处理、机器学习	中医相关疾病	NA	知识图谱、深度学习、混合模型	文本（症状、中草药、疾病关系数据）、临床数据	未明确提及具体样本量	NA	NA	中草药有效性评分、中草药配伍评分	NA
109	2026-06-02	Fragment-based discovery of TopBP1 inhibitors integrated with AI-driven molecular docking 2026-May, Magnetic resonance letters DOI:10.1016/j.mrl.2025.200251 PMID:42221021	研究论文	结合片段筛选和AI驱动分子对接发现TopBP1抑制剂	首次通过片段筛选结合深度学习模型Chai-1预测结合模式，鉴定了TopBP1 BRCT7-8结构域的正构和潜在别构抑制剂，并解析了复合物晶体结构	研究对象仅限于TopBP1 BRCT7-8结构域，且未涉及完整的TopBP1蛋白或体内验证；仅发现四个小分子配体，其中两个为已知药物	发现靶向TopBP1 BRCT7-8结构域的小分子抑制剂	TopBP1蛋白的BRCT7-8结构域	机器学习	癌症	NMR, 片段筛选, 分子对接	深度学习（Chai-1）	NA	四个小分子配体（金刚烷乙酸、扎托洛芬、双氯芬酸钠、奎宁）	NA	Chai-1	NA	NA
110	2026-06-02	FlexCENT: A frequency-flexible CEST imaging network combining frequency offset encoding and three-dimensional U-Net 2026-May, Magnetic resonance letters DOI:10.1016/j.mrl.2025.200240 PMID:42221026	研究论文	提出一种频率灵活的化学交换饱和转移成像网络FlexCENT，结合频率偏移编码与三维U-Net实现稳健的CEST定量分析	通过创新的频率偏移编码技术将离散频率偏移转化为连续频谱特征表示，使网络能够泛化至未见过的频率偏移方案，无需重新训练	NA	开发一种无需重新训练即可适应不同频率偏移方案的CEST成像定量分析方法	CEST成像中的四池洛伦兹模型参数（水、MT、APT、rNOE）及B0不均匀性	机器学习	NA	CEST成像	3D U-Net	图像	合成数据、荷瘤小鼠实验及人体脑部实验数据	NA	三维U-Net	参数映射质量、噪声鲁棒性	NA
111	2026-06-02	UGP system: A deep learning-driven platform for automated identification of ultrafine granular powders using chromatographic fingerprinting 2026-May, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101474 PMID:42222301	研究论文	本研究通过结合高效液相色谱指纹图谱与深度学习算法，开发了用于超细颗粒粉末自动识别的智能系统	首次将HPLC指纹图谱与三维一维卷积神经网络集成，构建了涵盖29个科、53个品种、530批样品的综合数据库，并通过数据增强技术显著提升模型泛化能力	未提及	建立标准化方法，用于食品药物同源中药超细颗粒粉末的智能鉴别，满足制药和功能食品行业对产品真实性和安全性的监管及消费者需求	超细颗粒粉末样品，包括53个品种、29个植物科、530批次	机器学习	不适用	HPLC（高效液相色谱）指纹图谱	1D-CNN（一维卷积神经网络）	色谱指纹图谱数据	530批样品用于数据库构建，63个商业样品用于外部验证	Flask	三维一维卷积神经网络（32、64、128个滤波器）	准确率、精确率、召回率	未提及
112	2026-06-01	Integrating AI in Medicinal Chemistry for Accelerated Drug Discovery: A Comprehensive SAR (CSAR) Optimization Strategy and Discovery of Potent ALDH3A1 Inhibitors 2026-May-30, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00537 PMID:42216908	研究论文	提出一种AI引导的、基于反应式的先导化合物优化策略（CSAR），用于加速ALDH3A1抑制剂的发现	结合顺序反应枚举、药效团对接和预测建模的AI引导工作流程，实现可扩展的构效关系优化，将先导化合物的生化效力提升约1000倍	仅对ALDH3A1靶点进行了验证，且枚举反应限于Enamine构建模块，可能限制了化学空间多样性	开发一种可扩展、通用的AI辅助策略来加速先导化合物的优化	ALDH3A1抑制剂	机器学习	癌症，神经退行性疾病	反应式枚举、药效团对接、深度学习预测建模	深度学习模型	分子结构数据	约25万虚拟类似物，150个合成化合物	NA	NA	生化效力（IC50），细胞活性（EC50）	NA
113	2026-06-01	Automated interictal epileptic spike detection from simple and noisy annotations in MEG data 2026-May-30, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-026-03118-4 PMID:42217046	研究论文	利用深度学习方法从简单且嘈杂的MEG数据注释中自动检测发作间期癫痫样棘波	提出基于特征的人工神经网络和卷积神经网络两种模型，能利用仅含时间标注和单个专家标注的数据进行检测，并采用交互式机器学习策略迭代提升注释质量	未明确说明局限性，但可能包括模型对非典型数据的鲁棒性仍需验证、F1分数相对较低（CNN=0.46，ANN=0.44）	开发适用于临床实践的自动检测发作间期癫痫样棘波方法，减少对大量标注数据的依赖并提高对非典型数据的鲁棒性	脑磁图（MEG）记录中的发作间期癫痫样棘波	机器学习	耐药性癫痫	MEG	人工神经网络（ANN）和卷积神经网络（CNN）	MEG信号时间窗数据	82名患者的数据库，其中10名作为留出测试患者	NA	基于特征的人工神经网络（ANN）和卷积神经网络（CNN）	F1分数	NA
114	2026-06-01	Two-stage deep learning networks for diagnosing and staging membranous glomerulonephritis from electron microscopy images 2026-May-29, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106141 PMID:42217547	研究论文	开发基于深度学习的两阶段模型，用于从透射电镜图像检测和分期膜性肾小球肾炎	首次将Vision Transformer网络应用于膜性肾小球肾炎的自动分期，采用两阶段架构（膜区域检测与分期分类）提升临床可解释性	NA	构建基于深度学习的AI模型，实现膜性肾小球肾炎的自动检测与分期	膜性肾小球肾炎患者的透射电镜图像	数字病理	膜性肾小球肾炎	透射电镜	Vision Transformer	图像	包含患者微图的综合数据集及独立外部验证数据集	PyTorch	Vision Transformer	准确率、灵敏度、特异度	NA
115	2026-06-01	Integration of network pharmacology, deep learning, and molecular biology reveals the efficacy of Citrus aurantium L. var. amara Engl. blossom extract in ameliorating diabetic osteoporosis 2026-May-29, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2026.121939 PMID:42217588	研究论文	通过网络药理学、深度学习和分子生物学整合方法，揭示柑橘花提取物改善糖尿病性骨质疏松的功效和机制	首次结合网络药理学、深度学习和分子生物学，系统探究柑橘花提取物对糖尿病性骨质疏松的保护作用及PI3K/AKT和Wnt/β-catenin通路机制	仅在T2DM小鼠模型中验证，缺乏临床样本验证	探究柑橘花提取物对糖尿病性骨质疏松的保护作用和潜在机制	柑橘花乙醇提取物及其对2型糖尿病小鼠骨质疏松的影响	机器学习	糖尿病性骨质疏松	HPLC/MS	深度学习	分子结构数据	高脂饮食和链脲佐菌素诱导的2型糖尿病小鼠	NA	NA	骨密度、骨小梁数量、血糖含量、血清钙离子水平	NA
116	2026-06-01	Advances in Clinical Imaging and AI Integration for Dry Eye Diagnosis 2026-May-29, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.022 PMID:42217618	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
117	2026-06-01	Improving airport security with IoT-powered deep learning methods for threat detection and intelligent recommendation systems 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54104-z PMID:42209587	research paper	本研究提出了一种融合深度学习算法、智能推荐系统和物联网设备的框架，旨在提升机场安保水平	将深度学习、推荐系统与物联网设备集成，实现机场威胁检测和异常行为识别，并通过迁移学习和新型ISODI方法提升检测准确率	需进一步研究在现有安保系统中的最佳应用场景，并解决潜在的隐私问题；实际系统需大量测试以适应不同机场环境的复杂性	提升机场安保水平，通过智能检测和推荐系统减少误报、提高运营效率并增强安全措施	机场安保场景中的威胁行为（如无人看管行李）和航班延误相关的异常	computer vision, machine learning	NA	NA	CNN, Decision Tree, K-Nearest Neighbors	image, simulation data	NA	PyTorch, Scikit-learn	MVCNN	accuracy	NA
118	2026-06-01	A novel hybrid deep learning framework for customer churn prediction using RFM and embedding clustering 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53220-0 PMID:42209595	研究论文	提出一种融合RFM特征工程、深度嵌入聚类和深度学习模型的混合框架，用于电子商务中的客户流失预测	将RFM特征工程、深度嵌入聚类与GRU/LSTM深度序列模型创新性地整合为统一框架，实现客户细分与流失预测的联合优化	传统模型如逻辑回归和支持向量机在跨异构数据分布时表现有限	解决电子商务客户流失预测中标签数据稀缺、传统方法难以捕捉复杂动态客户行为模式的问题	电子商务平台中的客户交易行为数据	机器学习	NA	NA	GRU, LSTM, 自编码器	表格数据	两个数据集：Online Retail数据集和Events数据集	NA	深度嵌入聚类, Gated Recurrent Unit (GRU), Long Short-Term Memory (LSTM)	准确率	NA
119	2026-06-01	Enhancing resolution and image quality in musculoskeletal MRI using deep learning reconstruction 2026-May-28, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00743-w PMID:42207458	研究论文	在1.5特斯拉肌骨MRI中应用深度学习重建以提升图像分辨率和质量	首次将深度学习重建技术整合到1.5特斯拉肌骨MRI协议中，在保持信噪比和对比度噪声比的同时提升空间分辨率和缩短扫描时间	回顾性研究设计、样本量有限（39例检查）、仅使用单一制造商1.5特斯拉扫描仪、未评估临床诊断准确性变化	评估深度学习重建在1.5特斯拉肌骨MRI中提升图像质量而不牺牲信噪比的可行性	39例肌骨MRI检查（包含膝、肩、踝、髋关节）	计算机视觉	肌骨疾病	磁共振成像	深度学习重建模型	图像	39例肌骨MRI检查	NA	NA	Likert评分，信噪比，对比度噪声比，Kendall τ系数	NA
120	2026-06-01	Deep learning unlocks sequence-divergent synthetic promoters to empower Streptomyces natural product engineering 2026-May-27, Metabolic engineering IF:6.8Q1 DOI:10.1016/j.ymben.2026.05.009 PMID:42208848	研究论文	利用深度学习生成模型设计链霉菌合成启动子，显著提升天然产物产量	首次为链霉菌建立AI生成的启动子库，通过深度生成模型实现十亿级序列设计，92%候选启动子具有活性，动态范围达17100%，且与天然基因组序列同源性极低	NA	开发深度学习驱动的序列设计方法，以突破链霉菌启动子强度范围窄、可用性差和多样性有限的瓶颈，推动天然产物工程化应用	链霉菌及其用于生产天然产物的启动子（如抗真菌多环四酸内酰胺、抗生素达托霉素、免疫抑制剂雷帕霉素）	机器学习	NA	深度学习生成模型	生成模型	序列数据	10亿个启动子序列（其中100个经实验验证，92个有活性）	NA	深度生成模型	动态范围、相对活性、产量提升倍数	NA