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
201	2026-06-07	Deep learning for high-resolution magnetic resonance vessel wall imaging: image reconstruction, stenosis diagnosis and plaque calculation 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12347-4 PMID:41619006	research paper	开发了一种基于深度学习的自动化方法，用于高分辨率磁共振血管壁成像的图像重建、狭窄诊断和斑块计算，并评估其性能与放射科医师的比较	提出了一种端到端的深度学习系统，同时实现图像重建、血管狭窄检测和斑块参数计算，并首次将斑块参数与易损性关联分析，显著缩短了诊断时间	未提及模型在复杂斑块形态或罕见病变上的泛化能力，且独立测试集样本量相对较小	开发并验证一种自动化的AI方法，以提升HR-MRVWI的影像重建、狭窄检测和斑块计算效率	颅内动脉粥样硬化患者的HR-MRVWI图像数据	deep learning, medical image analysis	cardiovascular disease, geriatric disease	high-resolution magnetic resonance vessel wall imaging (HR-MRVWI)	deep learning algorithm (未指定具体模型类型)	image	476名患者（平均年龄61岁，男性286名）	NA	NA	Dice相似系数, 平均中心线距离, 平均表面距离, 准确性, 一致性	NA
202	2026-06-07	MMRCL: An interpretable multi-modal deep learning framework for predicting hERG blockers 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108926 PMID:41633195	研究论文	开发了一种可解释的多模态分子表征交叉学习框架MMRCL，用于预测hERG通道阻滞剂	首次将多维分子指纹与分子图通过双通道消息传递神经网络和多头交叉注意力机制进行深度融合，实现多模态特征自适应融合，并增强模型可解释性	未明确提及外部验证集的多样性和模型在更大规模或不同数据源上的泛化能力评估	早期预测hERG阻滞剂以降低心脏毒性风险，减少药物撤市和经济损失	hERG钾离子通道阻滞剂和相应的化合物分子	机器学习	心血管疾病	分子指纹、分子图表示、消息传递神经网络	双通道消息传递神经网络、多层感知器、多头交叉注意力机制	分子指纹、分子图	内部数据集包含12,518种化合物，以及三个外部测试集	NA	消息传递神经网络、多层感知器、多头交叉注意力机制	AUC、精确率-召回率曲线、马修斯相关系数	NA
203	2026-06-07	Leveraging deep learning semantic segmentation for imaging coral skeletons 2026-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108313 PMID:41819390	研究论文	利用深度学习语义分割技术对石珊瑚骨骼进行成像分析	首次将几种U-Net变体（Attention U-Net、U-Net++、标准U-Net）应用于石珊瑚骨骼显微CT数据的孔隙和骨骼分割，系统比较不同模型的性能，并评估其在计算效率、准确性和泛化能力上的差异	基于U-Net的深度学习分割存在准确性限制，可能产生假阳性或假阴性分类	建立深度学习模型用于钙化组织的语义分割框架，以增进对跨物种和疾病背景下的骨骼形成及生长模式的理解	Montastraea cavernosa和Porites astreoides两种石珊瑚的骨骼显微CT数据	计算机视觉, 数字病理学	石珊瑚组织损失病	显微CT成像	U-Net, Attention U-Net, U-Net++	3D显微CT图像	两种石珊瑚物种（Montastraea cavernosa和Porites astreoides）的多个数据集，包括健康和患病样本	NA	U-Net, Attention U-Net, U-Net++	计算效率, 准确性, 泛化能力	NA
204	2026-06-07	Machine learning for predicting young's modulus of soft tissues from atomic force microscopy data 2026-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108325 PMID:42142679	研究论文	介绍了一种基于多层感知机回归器的机器学习方法，用于从原子力显微镜数据预测软组织的杨氏模量	首次采用定制化多层感知机回归器结合网格搜索优化，仅基于合成数据训练即可预测软组织杨氏模量（1-50 kPa），实现了高效自动化分析	模型仅在基于约翰逊-肯德尔-罗伯茨接触理论的合成数据上训练，可能无法完全覆盖真实组织中的复杂黏附与非均质特性	开发机器学习模型简化原子力显微镜数据分析流程，实现对软组织杨氏模量的快速预测	软组织的力-压痕曲线数据	机器学习	NA	AFM (原子力显微镜)	多层感知机回归器	合成力-压痕曲线	NA（基于合成数据生成，未提及具体样本数量）	Scikit-learn	多层感知机	预测精度	NA
205	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
206	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
207	2026-06-07	Validation of an automated AI-based micro-CT organ segmentation workflow against expert annotations and its impact on fluorescence quantification 2026-May-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00742-x PMID:42213317	研究论文	验证基于AI的自动micro-CT器官分割工作流程的准确性、可重复性及其对荧光定量分析的影响	提出了基于任务的实际验证方法，而非仅依赖几何分割指标；首次评估AI分割对下游荧光断层成像定量的影响	主要关注商业化AI工具，未覆盖多种AI方法或解剖结构的泛化性；实验基于小鼠模型，临床转化需进一步验证	评估AI分割在临床前多模态成像中的实用性和对定量的影响	小鼠心脏、肺、肝脏和肾脏的micro-CT扫描数据	计算机视觉	NA	micro-CT成像、荧光断层成像	深度学习	三维图像	27只小鼠的全身体micro-CT扫描	NA	NA	Sørensen-Dice相似系数、器官体积	NA
208	2026-06-07	EZPro-Multi: Contrastive Learning-Enhanced Multi-property Prediction for Enzyme Engineering 2026-May-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00821 PMID:42199085	研究论文	提出一种集成ProtT5和Molformer表示并通过对比学习增强的多属性预测统一框架EZPro-Multi，用于酶工程中突变体的催化效率、稳定性和可溶性预测	首次通过交叉注意力模块融合酶蛋白表示与底物表示以捕获突变体-底物相互作用，并引入监督对比学习和辅助分类头提升多属性预测性能	主要依赖公开数据集，可能未涵盖所有酶家族或工业相关条件；对比学习依赖催化效率作为标签，可能对其他属性的区分度有限	开发统一的多属性预测框架，加速酶工程中突变体的候选筛选	酶突变体及其与底物的相互作用对	机器学习	NA	深度学习、对比学习	Transformer、对比学习模型	序列数据	多组酶-底物对数据集，包括深层突变扫描数据集	PyTorch	ProtT5、Molformer、交叉注意力模块	回归准确率、分类一致性、命中率（top 10%高活性突变体）	NA
209	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
210	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
211	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
212	2026-06-07	Adaptive Disorder as the Hallmark of Nanobodies Antigen-Binding Loops 2026-May-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00716 PMID:42170950	研究论文	通过深度学习和能量分解方法，发现纳米抗体互补决定区（CDRs）以序列和结构上的无序性作为标志，支持适应性混沌模型	首次结合深度学习模型和能量分解方法，揭示纳米抗体CDRs的内在无序特性与适应性混沌模型，突破传统基于基序或结构预测方法的局限	未明确说明局限性	定义纳米抗体抗原结合区的设计规则，为下一代免疫诊断和治疗奠定基础	纳米抗体的互补决定区（CDRs）	机器学习	NA	深度学习、能量分解	深度学习模型	序列数据	NA	NA	NA	NA	NA
213	2026-06-07	AI-Empowered and a Bio-/Nanoenzyme-Hybrid Multisensors Array toward Precision Diagnosis of Kidney Diseases 2026-May-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00066 PMID:42171404	研究论文	基于人工智能增强的生物/纳米酶混合多传感器阵列用于慢性肾病的精准诊断	将人工智能增强的多生物标志物传感阵列与深度学习算法（1D-CNN和MLP）相结合，实现从电化学信号采集到个性化风险评估的端到端工作流程，克服了高维信号特征提取和多指标联合预测的局限性	文献中未明确提及局限性	开发一种用于早期慢性肾病的多维精准诊断平台	尿液中肌酐、尿酸和pH值三个生物标志物	机器学习	慢性肾病	电化学传感	一维卷积神经网络（1D-CNN）、多层感知机（MLP）	电化学光谱数据	NA	NA	1D-CNN, MLP	平均预测准确率	NA
214	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
215	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
216	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
217	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
218	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
219	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
220	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