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
2101	2026-03-14	Modeling mutational effects on biochemical phenotypes using convolutional neural networks: application to SARS-CoV-2 2022-Jul-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.104500 PMID:35669036	研究论文	本文利用卷积神经网络建模SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变对生化表型的影响	首次将卷积神经网络应用于SARS-CoV-2突变体生化表型预测，整合氨基酸理化性质显著提升预测性能，并与分子动力学模拟结果相互验证	模型主要基于深度突变扫描实验数据，可能未覆盖所有潜在突变组合，且计算资源需求较高	预测SARS-CoV-2突变对病毒-宿主相互作用关键生化表型的影响	SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变体	机器学习	COVID-19	深度突变扫描	CNN	蛋白质序列突变数据	NA	NA	卷积神经网络	预测准确性	NA
2102	2026-03-13	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	本研究利用机器学习模型，通过远程视频对话提取面部、声学、语言和心血管特征，以监测老年人的认知衰退和心理社会健康状况	整合多模态特征（面部、声学、语言、心血管）从远程视频对话中量化认知状态和社会心理因素，并进行了特征重要性和偏差分析	样本量较小（39名老年人），模型在年龄、性别、疾病状况和教育水平上存在显著偏差，需要更大规模数据集以提高泛化能力	开发可扩展的方法来监测老年人的认知衰退并识别痴呆风险相关的社会心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析	机器学习模型	视频、音频、语言文本、生理信号	39名老年人	NA	NA	AUC	NA
2103	2026-03-13	MDD-thinker: A reasoning-enhanced large language model for diagnosis of major depressive disorder 2026-Jun-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121405 PMID:41707724	研究论文	提出了一种基于大语言模型的增强推理诊断系统MDD-Thinker，用于重度抑郁症的诊断	结合监督微调和强化学习来增强大语言模型的推理能力和可解释性，并利用结构化推理样本进行训练	研究在评估设置下进行，临床适用性可能受到可解释性、幻觉问题和依赖合成数据等挑战的限制	开发一个可扩展且可解释的智能精神病学评估系统，用于重度抑郁症的诊断	重度抑郁症患者	自然语言处理	重度抑郁症	NA	大语言模型	文本	来自UK Biobank数据集的40,000个结构化推理样本，以及来自公开心理健康数据集的10,000条记录	NA	NA	准确率, F1分数	NA
2104	2026-03-13	Probabilistic vehicle speed prediction and reliability-based design optimization of mountainous freeway renovation using Transformer and active learning surrogates 2026-Jun, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108453 PMID:41702043	研究论文	本研究提出了一种基于可靠性的设计优化框架，结合概率性车辆速度预测和主动学习代理模型，用于山区高速公路改造的安全导向几何设计优化	开发了基于Transformer的架构来映射高速公路线形与车辆速度分布，并采用主动学习Kriging代理模型解决RBDO问题，提高了计算效率和准确性	研究仅针对典型山区高速公路进行数值实验，未涉及更广泛的道路类型或交通条件，且代理模型可能在某些极端情况下存在精度限制	优化山区高速公路改造的几何设计，以平衡驾驶安全可靠性和改造成本	山区高速公路的车辆速度分布和几何设计参数	机器学习	NA	NA	Transformer	NA	NA	NA	Transformer	NA	NA
2105	2026-03-13	Letter to the editor: Re-examining the role of deep learning in cyber forensics: Practical gaps beyond conceptual frameworks 2026-Jun, Forensic science international. Synergy DOI:10.1016/j.fsisyn.2026.100669 PMID:41815526	评论	本文探讨了深度学习在数字取证中的实际应用限制，强调其作为专家判断辅助工具的角色	重新审视深度学习在数字取证中的作用，指出超越概念框架的实际差距，并呼吁从事件后审查推广到取证准备和实时监控	存在数据质量和偏见问题、缺乏取证级方法验证、模型输出可解释性低以及自动化比较可能损害证据完整性	研究深度学习在数字取证领域的适用性，探讨其实际限制	深度学习技术在数字取证中的应用	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
2106	2026-03-13	Precise, fast, and automated gel quantification powered by YOLO11 instance segmentation 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345293 PMID:41813342	研究论文	本研究提出了一种基于YOLO11实例分割的端到端、全自动凝胶条带分割框架，用于精确、快速的凝胶图像定量分析	采用轻量级YOLO11n架构，无需预处理即可处理高分辨率图像，并利用像素级掩码而非边界框进行定量，有效排除背景噪声，解决了分析速度与定量精度之间的长期权衡	模型训练数据量相对有限（总计200张图像），且主要针对特定染色方法（考马斯亮蓝、银染、荧光染色）进行了验证	开发一种自动化、高精度的凝胶电泳图像分析工具，以替代传统依赖人工和主观判断的密度测定法	凝胶电泳图像	计算机视觉	NA	凝胶电泳，荧光成像	实例分割	图像	200张凝胶图像（150张用于训练，50张用于微调）	YOLO	YOLO11n, YOLO11-Seg	mAP50, 线性度(R²), 变异系数(CV), 处理延迟时间	NA
2107	2026-03-13	Intelligent microfluidics: A deep learning-integrated platform for high-accuracy oocyte membrane permeability characterization in cryobiology 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345301 PMID:41813348	研究论文	本研究介绍了一个名为CryoSIM的集成微流控-AI平台，用于自动、并行量化卵母细胞膜渗透性，以提高冷冻保存效率	结合微流控芯片、深度学习模型（MLSNet）和传输建模，实现了自动化、高通量的卵母细胞膜渗透性表征，相比手动方法提高了90%以上的分析通量	未明确提及平台在更广泛细胞类型或极端条件下的适用性限制	开发一个可扩展的分析框架，以稳健、系统的方式表征细胞膜传输现象，优化冷冻保存协议	卵母细胞	机器学习	NA	微流控技术，深度学习	深度学习模型	图像	NA	Python	MLSNet	像素级准确度	NA
2108	2026-03-13	A semi-supervised domain adaptation framework with attention-enhanced ResNet50 for LIBS-based soil classification under spectral distribution shift 2026-May-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345292 PMID:41813363	研究论文	本研究提出了一种基于注意力增强ResNet50的半监督域自适应框架，用于处理LIBS光谱分布偏移下的土壤分类问题	结合了Gramian Angular Field技术将一维光谱编码为二维图像以增强特征表示，并设计了基于SE-ResNet50的注意力机制网络，同时整合了基于模型的迁移学习和伪标签学习来逐步提升模型对目标域的适应性	NA	解决激光诱导击穿光谱在土壤分类中因光谱分布偏移导致的模型性能下降问题	土壤样本的LIBS光谱数据	计算机视觉	NA	激光诱导击穿光谱	CNN	图像	NA	NA	SE-ResNet50	准确率	NA
2109	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
2110	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
2111	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
2112	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
2113	2026-03-13	An automated vertebral heart scale measurement tool based on deep learning: Facilitating screening for prevention of canine cardiomegaly 2026-May, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106810 PMID:41713362	研究论文	本研究提出了一种基于改进U-Net和YOLOv11的集成框架，用于从犬类胸部X射线图像中自动测量椎体心脏比例，以辅助犬类心脏肥大的早期筛查和预防	提出了一种结合改进U-Net架构（SWA-UNet）和YOLOv11的集成框架，用于心脏精确分割和关键点检测，实现了自动化、高精度的椎体心脏比例计算	NA	开发一种自动化、精确的椎体心脏比例测量工具，以促进犬类心脏肥大的筛查和预防，并推动犬类心脏健康的群体研究	犬类胸部X射线图像	计算机视觉	心血管疾病	X射线成像	CNN	图像	NA	NA	U-Net, YOLOv11	平均交并比, Dice系数, 精确率, 召回率, 皮尔逊相关系数	NA
2114	2026-03-13	Machine learning, docking, or physics for structure prediction of ligand-induced ternary complexes 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103217 PMID:41619702	综述	本文综述了用于预测配体诱导的三元复合物结构的计算方法，包括多步对接流程和单步深度学习模型	系统比较了传统对接方法与深度学习模型在预测三元复合物结构方面的最新进展和工具	多步方法受限于采样复杂性、输入结构准确性、评分精度和计算成本；单步方法受限于训练数据稀缺	促进在缺乏实验结构的情况下基于结构的设计，以支持靶向蛋白降解剂的理性设计	由E3连接酶、配体和靶蛋白形成的三元复合物结构	机器学习	NA	晶体学、冷冻电镜、计算建模	深度学习模型	结构数据	NA	NA	NA	NA	NA
2115	2026-03-13	From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103216 PMID:41650708	综述	本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变	系统性地梳理了三种深度学习范式（基于语言模型的方法、端到端结构预测器、几何距离预测方法），并指出了未来关键研究方向，如应对数据稀缺的高级标记化策略和提升模型可解释性的可解释人工智能技术	RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，实现突破性性能需要持续的方法创新和高质量结构数据集的显著扩展	回顾和评估深度学习模型在RNA结构预测中的应用，以推动该领域发展	RNA的二级和三级结构	计算生物学	NA	NA	深度学习模型	序列和结构数据	NA	NA	NA	NA	NA
2116	2026-03-13	deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile 2026-Apr, Forensic science international. Genetics DOI:10.1016/j.fsigen.2026.103434 PMID:41650721	研究论文	本研究开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA图谱的贡献者数量	通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出	算法在实验室特定环境下需通过少量实际图谱进行微调以达到相同精度	开发一个自动化工具来准确估计STR DNA图谱中的贡献者数量，以辅助法医生物学分析	短串联重复DNA图谱	机器学习	NA	DNA图谱模拟，电泳信号模拟	深度神经网络	模拟的DNA图谱信号数据	100,000个模拟图谱	NA	深度神经网络	准确率	NA
2117	2026-03-13	Estimating proximity to muscular failure using surface EMG and deep learning 2026-Apr, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103111 PMID:41653807	研究论文	本研究提出了一种基于表面肌电图和深度学习的实时方法，用于估计肌肉接近力竭的程度	首次利用深度学习从表面肌电图信号中实时估计肌肉接近力竭的连续指数，并提供了一个包含192次记录的新数据集	研究仅基于12名参与者的等长肱二头肌保持数据，样本量较小，且仅针对单一肌肉动作	开发一种实时估计肌肉接近力竭程度的方法，以个性化动态调整阻力训练	12名健康参与者在进行等长肱二头肌保持至力竭时的表面肌电图信号	机器学习	NA	表面肌电图	多层感知机, Transformer, 循环神经网络, 长短期记忆网络	表面肌电图信号转换的频谱图	12名参与者，共192次记录	NA	多层感知机, Transformer, 循环神经网络, 长短期记忆网络	均方误差	NA
2118	2026-03-13	Multi-scale kernel and electrode attention network for EEG-based epileptic seizure detection 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111585 PMID:41747565	研究论文	本文提出了一种名为多尺度卷积核与电极注意力网络的新模型，用于基于原始全通道脑电图信号的癫痫发作自动检测	提出了一种新颖的端到端特征提取网络，直接处理全通道脑电图信号，无需通道缩减或模态转换，避免了信息丢失或额外计算成本；引入了多尺度卷积结构以捕捉多样的电极通道组合，并设计了电极注意力模块来自适应地为不同通道分配权重	未明确讨论模型在更广泛或更具挑战性的临床环境中的泛化能力，也未提及对计算资源的具体要求或模型在边缘设备上的部署可行性	提高基于多通道脑电图信号的癫痫发作自动检测的诊断效率	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	CNN, 注意力机制	脑电图信号	两个公共数据集（CHB-MIT数据集和Siena Scalp数据集），具体样本数量未在摘要中提及	NA	Multi-scale Kernel and Electrode Attention Network	准确率, 灵敏度, 特异度	NA
2119	2026-03-13	Geometric deep learning-based coronary wall shear stress estimation from real-world patients 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111583 PMID:41747562	研究论文	本研究评估了一种基于几何深度学习的框架，用于直接从真实世界患者的冠状动脉造影重建几何中估计冠状动脉壁剪切应力	提出了一种基于规范等变网格图卷积网络的几何深度学习框架，能够快速、无需计算流体动力学地估计冠状动脉壁剪切应力	研究仅基于1078条冠状动脉的数据集，可能需要在更大、更多样化的患者群体中进行验证	开发一种快速、准确的冠状动脉壁剪切应力估计方法，以支持大规模、真实世界的风险分层	从748名患者中重建的1078条冠状动脉	几何深度学习	心血管疾病	计算流体动力学, 冠状动脉造影	图卷积网络	几何网格数据	1078条冠状动脉（来自748名患者）	NA	规范等变网格图卷积网络	绝对误差, 百分比误差, Dice距离, 相关系数	NA
2120	2026-03-13	De novo engineering of protein interactions: Retrospective and current advances 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103240 PMID:41759349	综述	本文回顾了基于深度学习的蛋白质相互作用从头设计方法的最新进展，重点讨论了蛋白质结合剂设计的现状、应用及新挑战	利用AlphaFold等新型结构预测模型和深度生成模型，实现了针对特定靶点的高实验成功率蛋白质结合剂设计，将许多先前难以实现的任务转化为常规操作	NA	探讨蛋白质结合剂设计方法的发展，特别是最先进技术及其在治疗和生物工程问题中的应用	蛋白质相互作用、蛋白质结合剂	机器学习	NA	深度学习、蛋白质结构建模、深度生成模型	深度生成模型	蛋白质结构数据	NA	NA	AlphaFold	实验成功率	NA