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
2041	2026-03-24	Prediction of cyclin-dependent proteins using pre-trained protein language models and effective neural network architectures 2026-Mar-21, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116116 PMID:41865419	研究论文	本文提出了一种结合预训练蛋白质语言模型和深度学习技术的新型计算方法，用于准确预测细胞周期依赖性蛋白	整合预训练蛋白质语言模型（如ESM）生成高质量蛋白质嵌入，避免手动特征提取，并设计定制化的卷积神经网络架构自动学习与CDP识别相关的判别性特征	未明确提及方法在处理非典型或高度变异蛋白质序列时的性能，也未讨论计算资源需求或模型可解释性	开发一种计算方法来准确识别细胞周期依赖性蛋白，以克服传统方法在非同源数据和手动特征提取上的限制	细胞周期依赖性蛋白，包括细胞周期蛋白、细胞周期依赖性激酶和细胞周期依赖性激酶抑制剂	自然语言处理	癌症	蛋白质语言模型，深度学习	CNN	蛋白质序列	NA	NA	定制化卷积神经网络	NA	NA
2042	2026-03-24	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Mar-21, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断系统，用于在MRI上区分腮腺肿瘤的良恶性，并评估其对放射科医生诊断性能的提升作用	首次将EfficientNet CNN模型应用于腮腺肿瘤的MRI影像分析，并通过读者研究证明了该CAD系统能显著提高不同经验水平医生的诊断准确性，特别是在中高级别和局部晚期肿瘤中	研究样本量相对有限（170例用于模型开发），且未在外部验证集上测试模型泛化能力；CAD对低级别或pT1肿瘤的诊断改善不显著	评估基于深度学习的计算机辅助诊断系统在MRI腮腺肿瘤良恶性鉴别中的临床价值	经手术病理证实的腮腺肿瘤患者及其MRI影像	计算机视觉	腮腺肿瘤	MRI影像分析	CNN	医学影像（MRI）	170例经组织学确认的病例用于模型开发，其中134例用于读者研究	未明确提及	EfficientNet	准确率, 敏感性, 特异性, AUC	NA
2043	2026-03-24	A Novel Quantitative Analysis in Myocardial Perfusion Imaging: How does it compare to the "Golden Eye"? 2026-Mar-21, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.03.009 PMID:41866260	研究论文	本文提出了一种新的心肌灌注成像定量分析方法，与传统TPD方法相比，从逆向角度评估异常灌注的严重程度和范围	提出了一种基于逆向视角的定量分析方法，将TPD视为更广泛方法的一个特例，并探索了通用定量分析的建立方式	缺乏基于生存率或主要不良心血管事件（MACE）标准的真实数据验证	开发一种新的心肌灌注成像定量分析方法，用于评估缺血性心脏病患者的左心室灌注异常	心肌灌注成像数据，特别是左心室放射性示踪剂摄取的极坐标图	医学影像分析	心血管疾病	心肌灌注成像	深度学习	图像（2D极坐标图）	NA	NA	标准深度学习架构	统计一致性，视觉一致性	NA
2044	2026-03-24	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究开发并评估了一个结合LSTM网络与GPT-4的技术框架，用于生物医学信号的自动分类和可读解释	首次将LSTM网络与GPT-4进行显式方法学整合，为生物医学信号分类提供自动化分类和人类可读的临床解释	本研究为概念验证性研究，未来需要进行前瞻性临床验证、现场研究和监管审查	开发适用于资源受限环境的自动化生物医学信号分类与解释框架	心电图和脑电图等生物医学信号	机器学习	心血管疾病	NA	LSTM	信号数据	使用多个公共PhysioNet数据集，包括MIT-BIH心律失常、PTB诊断心电图等，测试时随机采样了150个案例	NA	两层LSTM架构（128→64单元）	准确率, F1分数, AUC	NA
2045	2026-03-24	TAPSeg: An Open-Source Deep Learning Tool for Instance-Level Tooth and Pulp Segmentation in CBCT 2026-Mar-20, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一个基于深度学习的开源一键式CBCT自动分割工具，用于在3D Slicer软件中实现牙齿和牙髓的集成分割与重建	提出了一种结合V-Net和nnU-Net的三阶段协作框架，实现牙齿和牙髓的实例级分割，并作为3D Slicer插件提供一键操作	NA	开发并验证一个通用性强、临床可用的CBCT图像中牙齿和牙髓的自动分割工具	CBCT扫描图像中的牙齿和牙髓	数字病理学	NA	CBCT成像	CNN	3D医学图像	牙齿分割n=198，牙髓分割n=148	PyTorch	V-Net, nnU-Net	Dice相似系数, 95% Hausdorff距离, 敏感度, 精确度	NA
2046	2026-03-24	Hard-Soft Acid-Base Principle Drives Rational Synthesis of Super-Dense Rare-Earth-Based Diatomic Sites 2026-Mar-18, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c21164 PMID:41847911	研究论文	本文提出了一种基于硬软酸碱原理的通用合成策略，成功制备了14种具有超高金属负载量的稀土基双原子催化剂，并通过深度学习辅助识别方法明确了其异质双原子构型	利用硬软酸碱原理指导合成，实现了稀土基双原子催化剂的超高负载量（12.8-30.7 wt%）和明确构型识别，突破了传统双原子催化剂负载量低、构型不明确的限制	NA	开发一种通用设计原则，用于理性合成高负载双原子催化剂，以提升电催化硝酸盐还原性能	稀土基双原子催化剂	机器学习	NA	深度学习辅助双原子识别方法	深度学习模型	NA	14种稀土基双原子催化剂	NA	NA	氨产率	NA
2047	2026-03-24	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-Mar-18, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出一种结合基因本体图嵌入和动态阈值深度神经网络的两步法，用于多标签蛋白质亚细胞定位预测	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，实现多标签预测，克服了固定阈值仅能单标签预测的限制	NA	提高蛋白质亚细胞定位预测的效率和准确性	蛋白质	机器学习	NA	基因本体图嵌入	深度神经网络	图数据	两个基准数据集：DeepLoc 2.0 和 Plant-mSubP	NA	深度神经网络	总体实际准确率, 宽松准确率	NA
2048	2026-03-24	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-Mar-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	本研究通过集成不确定性量化框架，为蛋白质多维NMR光谱的深度学习重建提供无参考的质量评估基准，以提升预测可靠性	首次在生物NMR光谱的深度学习重建中建立无参考的质量评估基准，并比较了三种不确定性量化框架（Deep Ensemble、MC Dropout、Evidential Deep Learning）的性能	未明确说明模型在更广泛生物样本或噪声环境下的泛化能力，且计算资源需求可能较高	提升深度学习在加速多维NMR光谱重建中的可靠性，防止过度自信预测和错误生物解释	蛋白质的2D和3D NMR光谱	机器学习	NA	多维NMR光谱	深度学习重建模型	光谱数据	NA	NA	NA	重建准确性、不确定性图与重建残差的一致性、实时估计效率	NA
2049	2026-03-24	Domain-Level Classification of Archaea and Bacteria Using AI-Assisted Single-Cell Raman Spectroscopy 2026-Mar-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00460 PMID:41867523	研究论文	本研究提出了一种结合拉曼光谱和机器学习的方法，用于在单细胞水平上区分古菌和细菌	开发了一种基于拉曼光谱和LightGBM算法的文化独立方法，用于古菌和细菌的域级分类，无需培养且适用于低丰度微生物	数据集中仅包含22个原核物种（11个古菌和11个细菌），样本规模相对较小，可能限制了模型的泛化能力	开发一种无需培养的方法，以区分古菌和细菌，并促进对复杂微生物群落中古菌的研究	古菌和细菌的单细胞	机器学习	NA	拉曼光谱	LightGBM, CNN	光谱数据	22个原核物种（11个古菌和11个细菌）	LightGBM, 可能包括TensorFlow或PyTorch（用于CNN）	LightGBM（树基模型）, CNN（具体架构未指定）	准确率, 灵敏度	NA
2050	2026-03-24	Identification of novel biomarkers for Alzheimer's disease: A deep learning omics-based approach to drug pair discovery and exploration of potential therapeutic targets 2026-Mar-14, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00989 PMID:41837520	研究论文	本研究采用深度学习与组学方法，探索了阿尔茨海默病的新型生物标志物、潜在治疗靶点及药物组合发现	提出了一个基于组学的智能药物发现框架，用于快速筛选和优化化合物药物对，并将免疫失调确立为疾病早期的核心协同驱动因素，特别是揭示了CD8+ T细胞和Fcγ受体3A在疾病病理生理学中的关键作用	因果关系主要基于孟德尔随机化分析，仍需进一步的实验验证；药物发现框架的有效性需要在临床前和临床研究中进一步评估	探究免疫细胞、血浆蛋白与阿尔茨海默病之间的因果关系，并发现针对血浆蛋白的有效药物组合疗法	阿尔茨海默病患者、轻度认知障碍个体、认知正常参与者、5×FAD小鼠模型、免疫细胞（特别是CD8+ T细胞）、血浆蛋白（特别是Fcγ受体3A）	机器学习	阿尔茨海默病	两样本孟德尔随机化、数据挖掘、分子对接分析、生物信息学分析	神经网络	组学数据、队列数据、药物数据库数据	大型阿尔茨海默病队列、阿尔茨海默病神经影像学倡议数据库、药物数据库	NA	生物因子调控的神经网络	NA	NA
2051	2026-03-24	Beyond benchmarks of IUGC: Rethinking requirements of deep learning method for intrapartum ultrasound biometry from fetal ultrasound videos 2026-Mar-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104043 PMID:41865530	研究论文	本文详细介绍了IUGC挑战赛，回顾了参赛团队的方法，并分析了自动测量框架在产时超声生物测量中的应用与挑战	提出了首个面向临床应用的多任务自动测量框架，并引入了最大的多中心产时超声视频数据集	研究仍处于早期阶段，临床实施前需要更深入的探索	解决资源有限地区产时超声生物测量中训练有素的超声医师短缺问题	产时超声视频	计算机视觉	产科疾病	超声成像	深度学习模型	视频	774个视频（68,106张图像），来自三家医院	NA	NA	NA	NA
2052	2026-03-24	Precisely Identifying Growth Phases of Living Bacteria using Open-Set Deep Learning-Driven Single-Cell Raman Spectroscopy 2026-Mar-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08187 PMID:41823082	研究论文	本研究提出了一种结合卷积神经网络和长短期记忆模型的开放集深度学习策略，利用单细胞拉曼光谱精确识别活细菌细胞的生长阶段	提出了一种新的开放集深度学习配置，通过集成CNN和LSTM模型，并采用插值算法增强的光谱偏移策略来增强数据多样性，同时开发了增强的Softmax模块以在开放集环境中工作	NA	精确识别和预测单个活细菌细胞的生长阶段	产孢细菌的单个细胞/孢子	机器学习	NA	单细胞拉曼光谱	CNN, LSTM	光谱数据	在13个不同生长时间点采样的细胞/孢子时间依赖性单细胞拉曼光谱	NA	CNN-LSTM集成架构	预测准确率	NA
2053	2026-03-24	Self-supervised learning-aided ultrasonic testing for overcoming long-tail problems in stress-strain curve prediction 2026-Mar-11, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108053 PMID:41865614	研究论文	本研究提出了一种基于VIME的自监督学习框架，用于解决超声测试中应力-应变曲线预测的长尾问题	应用VIME自监督学习框架处理超声测试中的长尾问题，并发现频域信号对改善性能特别有效	研究仅针对铝合金样本，未涉及其他材料或更广泛的缺陷类型	解决超声测试中因缺陷样本导致的长尾问题，提升应力-应变曲线预测的准确性	铝合金样本，包括低屈服强度（100-200 MPa）的案例	机器学习	NA	超声测试	深度学习模型	频域信号（包含基波和二次谐波分量）	816个铝合金样本	NA	VIME-SSL	平均绝对百分比误差（MAPE）	NA
2054	2026-03-24	GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI 2026-Mar-10, ArXiv PMID:41647239	研究论文	本文介绍了GOUHFI 2.0，一个用于超强场MRI脑部图像分割和皮层分区的深度学习工具箱	GOUHFI 2.0通过引入更大的训练数据变异性和新增皮层分区及体积测量功能，改进了原始工具箱，成为首个能在超强场MRI上实现稳健皮层分区的深度学习工具箱	NA	开发一个适用于超强场MRI的自动脑部分割和皮层分区工具，以解决信号不均匀性、对比度和分辨率变化等挑战	超强场MRI脑部图像	数字病理学	NA	超强场MRI	CNN	图像	238名受试者，涵盖不同分辨率、场强和人群	NA	3D U-Net	分割准确性	NA
2055	2026-03-24	[Deep learning-based assessment of periodontal ligament area changes in maxillary central incisors under different orthodontic regimens using cone beam CT images] 2026-Mar-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250722-00280 PMID:41786527	研究论文	本研究利用深度学习技术，基于锥形束CT图像评估不同正畸方案下上颌中切牙牙周膜面积的变化	首次应用CBCT牙周膜分割网络测量牙周膜面积，并与传统牙根长度测量方法进行比较，以更全面地评估牙周支持组织变化	样本量较小（49名患者），且为单中心回顾性研究，可能存在选择偏倚	探究不同正畸治疗方案对上颌中切牙牙周膜面积变化的影响	接受正畸治疗的患者的上颌中切牙	数字病理学	NA	锥形束CT成像	深度学习	医学图像	49名患者（98颗上颌中切牙）	NA	CBCT牙周膜分割网络	NA	NA
2056	2026-03-24	Leveraging Naturalistic Driving Digital Biomarkers for Early Mild Cognitive Impairment Detection: Deep Learning Strategies 2026-Mar-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83622 PMID:41791118	研究论文	本研究开发了利用自然驾驶数据作为数字生物标志物的深度学习策略，用于早期轻度认知障碍检测	首次在自然驾驶环境中使用深度学习模型分析驾驶行为，提出基于频率的风险评分作为可解释输出，并比较了单视图、特征级融合和模型级晚期融合三种建模策略	样本量较小（仅22名参与者，其中3人中途退出），且仅包含8名MCI患者，可能限制模型的泛化能力	开发基于自然驾驶数据的深度学习策略，用于早期轻度认知障碍的检测	临床分类的参与者（8名MCI患者和14名认知正常者）	机器学习	老年疾病	自然驾驶数据采集	深度学习	传感器信号（GPS、加速度计、陀螺仪）	22名参与者（8名MCI，14名认知正常），其中3人中途退出	NA	NA	准确率, AUC	NA
2057	2026-03-24	An autonomous system for multi-objective continuous evolution at scale 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.02.709196 PMID:41867751	研究论文	介绍了一个名为TurboPRANCE的开源、可排队机器人平台，用于实现大规模、多目标、连续进化的自主系统	开发了一个集成约200个独立控制的浊度计和96个并行PACE培养池的机器人平台，支持异步启动和持续运行，结合纳米孔长读长测序与DeepVariant深度学习变异检测器，实现高通量进化追踪	未明确提及系统在特定生物体系或应用场景中的具体性能限制或潜在技术挑战	开发一个能够在大规模上实现多目标连续进化的自主系统，以研究和工程化复杂的适应性景观	噬菌体辅助连续进化（PACE）系统及进化变异体	合成生物学，进化工程	NA	噬菌体辅助连续进化（PACE），纳米孔长读长测序	深度学习	基因组测序数据	约200个独立控制的浊度计培养物，96个并行PACE培养池	DeepVariant（基于TensorFlow）	NA	NA	NA
2058	2026-03-24	PAVR: High-Resolution Cellular Imaging via a Physics-Aware Volumetric Reconstruction Framework 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.04.709609 PMID:41867807	研究论文	本文介绍了一种名为PAVR的物理感知光场成像平台，用于实现高分辨率的三维细胞成像	PAVR平台将单次体积采集与快速端到端体积重建相结合，完全使用系统响应进行训练，无需依赖外部高分辨率真实模态数据，实现了跨不同生物背景的样本独立重建	NA	开发一个可扩展的硬件-软件平台，用于在基础和转化环境中对动态细胞系统进行高通量体积成像和定量分析	固定和活体哺乳动物细胞，包括亚细胞器、自发荧光颗粒以及人类诱导多能干细胞衍生的心肌细胞	数字病理学	NA	光场成像	深度学习	图像	NA	NA	NA	NA	NA
2059	2026-03-24	Aβ-Overlapping Ectodomain Binding of the Clinical-Stage TREM2 Agonist VG-3927 2026-Mar-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.02.709194 PMID:41867790	研究论文	本研究通过深度学习盲对接算法和实验验证，揭示了临床阶段TREM2激动剂VG-3927与TREM2胞外域结合的新模式，并发现其与Aβ在结合位点上存在竞争关系	首次发现VG-3927可直接结合TREM2胞外域疏水槽，并证明其与Aβ在该区域存在竞争性结合，揭示了TREM2激动剂的新作用机制	研究主要基于体外实验和计算模拟，尚未在体内模型或临床样本中验证结合机制的生理相关性	探究小分子TREM2激动剂VG-3927与受体胞外域的直接结合机制及其与阿尔茨海默病相关配体的相互作用	TREM2受体、VG-3927小分子激动剂、Aβ肽段	计算生物学	阿尔茨海默病	深度学习盲对接算法、微尺度热泳动技术、NFAT报告基因检测、磷酸化信号检测	深度学习对接模型	蛋白质结构数据、分子相互作用数据	NA	NA	NA	结合亲和力、剂量反应曲线偏移、信号衰减程度	NA
2060	2026-03-24	Automated Phenotyping of Mitral Stenosis Using Deep Learning 2026-Mar-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.03.26347557 PMID:41867211	研究论文	本研究开发了一个名为EchoNet-MS的深度学习框架，用于从超声心动图视频中自动检测临床显著性的二尖瓣狭窄及其病因	提出了首个结合视频卷积神经网络、用于评估二尖瓣狭窄严重程度并区分风湿性病因的端到端开源AI框架，并在多个外部队列中验证了其泛化能力	研究未明确提及模型在罕见或复杂病例中的表现，且依赖于多个超声心动图视图的组合评估	开发人工智能框架以自动检测临床显著性的二尖瓣狭窄	二尖瓣狭窄患者	计算机视觉	心血管疾病	超声心动图	CNN	视频	总计431,612个视频，来自44,671项研究，涉及多个医疗系统的患者队列	NA	NA	AUC	NA