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
2501	2026-08-12	DiffPROTACs is a deep learning-based generator for proteolysis targeting chimeras 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae358 PMID:39101502	研究论文	提出了一种基于深度学习的扩散模型DiffPROTACs，用于生成蛋白降解靶向嵌合体（PROTACs）的链接子	首次将O(3)等变图Transformer模块引入PROTACs链接子生成，结合扩散模型和Transformer，通过图神经网络更新原子坐标，实现了对PROTACs结构特征的利用	未在摘要中明确提及，可能包括模型对特定数据集的依赖性和生成分子的实际生物活性验证不足	开发一种新的扩散模型，利用深度学习生成新的PROTAC链接子，提高PROTACs设计的合理性和效率	PROTACs分子及其链接子，特别是基于给定配体的链接子生成	机器学习	NA	深度学习（扩散模型、Transformer、图神经网络）	扩散模型	分子结构数据（包括ZINC、GEOM数据集和自建PROTACs数据集）	未明确提及，但使用了ZINC、GEOM数据集和自建PROTACs数据集进行训练和微调	PyTorch	Transformer, 图神经网络（GNN）, O(3)等变图Transformer	有效性（validity rate）	未在摘要中明确提及
2502	2026-08-12	CAPE: a deep learning framework with Chaos-Attention net for Promoter Evolution 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae398 PMID:39120645	研究论文	本文提出了CAPE框架，利用混沌注意力网络预测原核生物启动子强度并指导其定向进化，融合了进化信息和深度学习模型。	首次在启动子强度预测中整合混沌游戏表示和注意力机制，结合改进的DenseNet与Transformer结构，并引入迁移学习提升泛化能力。	摘要未提及明确的局限性，可能需要依赖高质量训练数据和计算资源。	开发一个深度学习框架，提高原核生物启动子强度预测的准确性，并支持启动子的计算机模拟定向进化。	原核生物启动子序列及其强度预测任务。	深度学习，合成生物学	不适用	混沌游戏表示，深度学习	DenseNet，Transformer，注意力机制	启动子序列数据	不明确（摘要未提供具体样本数量）	PyTorch（推断，未明确提及）	改进的DenseNet和Transformer	准确率（推断，具体指标未在摘要中列出）	未明确提及
2503	2026-08-12	MPEK: a multitask deep learning framework based on pretrained language models for enzymatic reaction kinetic parameters prediction 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae387 PMID:39129365	研究论文	提出一个基于预训练语言模型的多任务深度学习框架MPEK，用于同时预测酶动力学参数kcat和Km，并整合pH、温度和生物体信息。	首次将多任务学习与预训练语言模型结合用于酶动力学参数预测，同时考虑kcat和Km的内在关联，并整合多种条件信息，显著提升预测性能。	未提及具体限制，但可能包括预训练模型对突变序列变化的敏感性局限或数据集的固有偏倚。	提高酶动力学参数kcat和Km的预测准确性，助力酶工程和生物制造。	酶促反应动力学参数kcat和Km，以及相关酶和突变体。	机器学习, 蛋白质工程	NA	预训练语言模型, 深度学习	多任务深度学习模型	序列数据, 数值条件数据	未明确	NA	预训练语言模型, 多任务学习架构	皮尔逊相关系数	NA
2504	2026-08-12	Attribute-guided prototype network for few-shot molecular property prediction 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae394 PMID:39133096	研究论文	本文提出了一种属性引导的原型网络（APN），用于解决少样本分子性质预测问题	引入分子属性提取器，提取多种指纹属性和自监督深度属性，并设计属性引导的双通道注意力模块来增强分子表示	未在摘要中明确提及，可能缺乏大规模验证或跨领域通用性的深入讨论	提升少样本分子性质预测的性能	分子性质预测中的分子图数据	机器学习	NA	自监督学习	原型网络	分子图	基准数据集（未指定具体数量）	NA	原型网络、双通道注意力模块	状态-of-the-art性能（未指定具体指标）	NA
2505	2026-08-12	BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning 2024-05-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02529-9 PMID:38755563	研究论文	提出BarlowTwins-CXR方法，通过跨域自监督学习提升胸部X射线异常定位性能	首次将调整后的Barlow Twins算法应用于胸部X射线跨域自监督预训练，解决域不一致问题，提高异构数据的异常定位精度	未提及具体限制，可能包括对特定数据集的依赖及泛化性验证不足	解决跨域迁移学习中的域不一致问题，提升异构胸部X射线图像分析中异常定位的自动化性能	胸部X射线图像中的异常定位	计算机视觉	胸部疾病（未特指）	自监督学习、迁移学习	ResNet50, Faster R-CNN	图像	NIH数据集112,120张图像，VinDr-CXR数据集18,000张图像	NA	ResNet50, Faster R-CNN with FPN	mAP50, AUC	NA
2506	2026-08-12	Optimizing deep learning-based segmentation of densely packed cells using cell surface markers 2024-05-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02502-6 PMID:38750526	研究论文	本文评估了18种基于深度学习的细胞分割模型在免疫荧光图像上的性能，并通过训练和参数调优提升了细胞分割精度。	系统比较了多种预训练和自训练的深度学习模型，并通过对最成功模型进行参数调优，显著提高了密集细胞分割的性能。	最终模型性能受限于图像集的信噪比中等，导致分割结果不完美。	优化深度学习模型对密集排列细胞的自动分割，以支持空间分子 profiling。	皮肤组织中感染单纯疱疹病毒（HSV）的免疫荧光图像中的免疫细胞。	计算机视觉	病毒感染	免疫荧光成像	深度学习分割模型（如Cellpose中的cyto模型）	图像	超过10,000个训练实例，来自两个公开图像集和当前图像集	NA	Cellpose（cyto模型）等，具体未详述	平均精度（mAP）	NA
2507	2026-08-12	Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow 2024-04, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4928 PMID:38501511	研究论文	本研究利用KNIME工作流评估了ESM-2模型不同维度嵌入在抗菌肽分类中的效用，发现特定维度嵌入和特征融合能提升QSAR模型性能	首次系统比较ESM-2模型不同维度嵌入在抗菌肽分类中的表现，并开发了保证公平分析的KNIME工作流	未提及明确的局限性，但可能受限于仅使用特定数据集和模型配置	评估ESM-2模型衍生嵌入在抗菌肽分类中的有用性，并比较非深度学习与深度学习QSAR模型的性能	抗菌肽	机器学习	抗菌肽相关疾病（如感染性疾病）	ESM-2模型嵌入提取、特征融合、QSAR建模	ESM-2、QSAR模型（非深度学习）、深度学习模型（用于比较）	蛋白质序列数据（抗菌肽）	未明确指定，但涉及抗菌肽数据集	KNIME	ESM-2 (30层和33层)	统计性能指标（具体未详述，可能包括准确率、F1分数等）	未提及具体GPU或云平台，但KNIME工作流可自由获取
2508	2026-08-12	Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images 2024, The journal of prevention of Alzheimer's disease DOI:10.14283/jpad.2024.66 PMID:39044523	研究论文	本研究利用基于蝇优化的密集连接卷积神经网络（DenseNet）对MRI图像进行阿尔茨海默病的预测，通过图像预处理、分割和特征提取，提高了诊断的准确性。	采用元启发式算法（蝇优化）调优的密集连接卷积神经网络进行阿尔茨海默病检测，改进了图像处理流程，包括自适应直方图均衡和加权中值滤波，以及基于相关信息的特征选择，在性能上优于现有技术。	研究主要依赖于Kaggle数据集，可能限制泛化性；未提及具体计算资源或更广泛验证。	开发一种自动化的阿尔茨海默病检测方法，利用深度学习从MRI图像中准确识别受影响的脑区，以促进早期诊断和治疗。	MRI图像中阿尔茨海默病影响的脑区。	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络（CNN）	图像（MRI）	基于Kaggle数据集，具体样本数量未提及。	未提及	密集连接卷积神经网络（DenseNet）	敏感性、特异性、准确性、错误率、F-measure	未提及
2509	2026-08-12	A Reinforcement Learning (RL)-Motivated Simulation Framework for Evaluating Vancomycin Dosing Strategies 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726479	研究论文	开发了一个基于强化学习的模拟框架，用于评估万古霉素给药策略，以提高治疗药物监测的精准性	首次将强化学习与深度学习的药代动力学模型结合，并引入AUC奖励分数来转化临床指南为强化学习奖励信号	未提及具体局限性	利用强化学习框架评估和优化万古霉素给药策略，以达到目标治疗范围	万古霉素的给药策略和患者个体化的时间-浓度曲线	机器学习、药代动力学模拟	感染性疾病（未特指）	强化学习、深度学习药代动力学建模	递归神经网络（RNN）	患者特异性药代动力学数据（模拟生成）	未提及具体样本量	未提及	PK-RNN-2CM（两室药代动力学递归神经网络）	AUC奖励分数、24小时AUC评估、均方根误差（RMSE）	未提及
2510	2026-08-12	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	评估和优化基于深度学习的细胞分割模型，用于密集排列的免疫荧光细胞图像	系统评估18种深度学习分割模型，并采用细胞表面标记物图像进行微调和参数优化，显著提升分割性能	图像信噪比中等，导致最终模型性能仍有不完美之处	优化深度学习模型对密集排列细胞的准确分割，以支持空间分子分析	人类单纯疱疹病毒感染皮肤组织中的免疫细胞，通过免疫荧光图像进行分割	计算机视觉	病毒感染	免疫荧光成像	深度学习分割模型（包括Cellpose中的cyto模型）	图像	训练实例超过10,000个，来自两个公开图像集和一个目标图像集	NA	Cellpose (cyto模型), 以及其他17种模型	平均精度均值（mAP）	NA
2511	2026-08-12	Prediction of atomic stress fields using cycle-consistent adversarial neural networks based on unpaired and unmatched sparse datasets 2022-Aug-01, Materials advances IF:5.2Q2 DOI:10.1039/d2ma00223j PMID:35979503	研究论文	本文提出一种基于循环一致对抗神经网络的深度学习方法，无需输入-输出配对数据即可直接从原子微结构预测应力场，并以含缺陷石墨烯片为例进行验证	首次在无需任何微结构-应力场配对数据的情况下，利用循环一致对抗神经网络实现原子级应力场预测，模型包含四个独立深度神经网络，支持正反两个方向生成	未提及具体局限性，但可推断对稀疏数据集和非配对数据的依赖可能限制其在复杂系统中的应用，且验证仅局限于石墨烯材料	开发一种无需物理定律知识、无需配对数据的深度学习方法，实现原子级应力场预测，并探索其用于材料设计和实验数据增强的潜力	含缺陷的石墨烯片（张力下）的原子微结构和应力场	机器学习	NA	NA	生成对抗网络（GAN）	图像（原子微结构）	未具体说明样本数量，但涉及多组石墨烯晶格系统（含缺陷）	未明确提及，但通常基于TensorFlow或PyTorch	U-Net, ResNet, 混合U-Net-ResNet	未明确列出具体指标，但通过与反应分子动力学模拟的对比验证准确性	未提及具体计算资源
2512	2026-08-11	Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories 2026-Sep-01, Annals of laboratory medicine IF:4.0Q1 DOI:10.3343/alm.2025.0509 PMID:41797408	研究论文	评估了一种基于人工智能的两步深度学习模型（YOLOv5-ResNet-50）在临床实验室中自动评估血清质量（溶血、黄疸、脂血）的性能	提出了两步式YOLOv5-ResNet-50架构模型，用于血清质量自动评估，并在真实实验室条件下与人工评估和现有自动化方法进行了比较，展现出更高的一致性	未明确提及局限性	开发并评估一种基于人工智能的血清质量自动评估方法，以提高检验前质量控制并减少主观视觉评估带来的误差风险	临床实验室中的血清样本，共42,000份（21,000份用于训练/验证，21,000份用于独立测试）	机器学习、数字病理学	不适用	血清质量评估（溶血、黄疸、脂血检测）	YOLOv5和ResNet-50深度学习模型	血清样本图像数据	42,000份血清样本，其中21,000份用于训练/验证，21,000份用于独立测试	未明确提及	YOLOv5, ResNet-50	准确率、一致性	未明确提及
2513	2026-08-11	Predicting early response to ablative radiotherapy in oligometastatic disease: a scoping review of radiomics-based machine learning and deep learning models 2026-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12590-9 PMID:42059963	综述	本综述系统总结了基于影像组学、机器学习和深度学习方法预测寡转移性疾病消融放疗反应的研究，并评估了这些研究的方法学质量和报告透明度。	首次对影像组学预测消融放疗反应的研究进行范围综述，并同时使用RQS、METRICS和CLEAR工具评估方法学质量和报告透明度，填补了该领域的空白。	纳入研究存在方法学异质性，外部验证有限，主要集中在脑转移，缺乏针对颅外转移的前瞻性多中心研究。	系统总结影像组学预测消融放疗反应的研究现状，评估方法学质量和报告透明度，识别研究空白和未来方向。	29项研究中的3946名寡转移性疾病患者，主要包含脑转移和颅外转移病例。	医学影像分析	寡转移性疾病	MRI影像组学（占多数）	机器学习模型和深度学习模型	医学影像数据（MRI为主）	29项研究，3946名患者	NA	NA	AUC	NA
2514	2026-08-11	Ensemble-based deep learning approach for early detection of poultry diseases using faecal images 2026-Aug, British poultry science IF:1.6Q2 DOI:10.1080/00071668.2025.2588246 PMID:41392904	研究论文	本文提出一种基于集成的深度学习方法来早期检测家禽疾病，通过粪便图像分类健康与非健康状态	采用集成学习和微调策略，结合多种CNN模型，显著提高了疾病检测的准确性	未提及具体限制，但可能受限于粪便图像数据集的多样性和环境因素	开发并评估一种基于集成CNN的深度学习模型，用于家禽疾病的早期识别	家禽粪便图像，涵盖健康与患沙门氏菌病、新城疫和球虫病的家禽	计算机视觉	家禽疾病	图像分类	卷积神经网络（CNN）	图像	未明确提及具体样本数量	TensorFlow	MobileNetV2, EfficientNetB0, Xception, ResNet50V2	准确率, 精确度, 召回率	未明确提及
2515	2026-08-11	Enhanced ovarian cancer diagnosis using deep learning on pelvic ultrasound with integrated clinical data: retrospective multicenter study 2026-Jul, Journal of gynecologic oncology IF:3.4Q2 DOI:10.3802/jgo.2026.37.e84 PMID:41906782	研究论文	本研究旨在开发一种深度学习模型，通过整合盆腔超声图像与临床数据（如年龄和癌抗原125水平），提高卵巢肿瘤良恶性鉴别的准确性	将超声图像的囊性和实性成分分割与临床信息（年龄和CA-125）整合到深度学习模型中，显著提升了诊断性能	未在摘要中提及明确的局限性	开发并验证一种基于深度学习的二元分类模型，用于增强卵巢肿瘤的良恶性鉴别诊断	卵巢肿瘤患者，包括446例良性肿瘤和358例恶性肿瘤	深度学习、医学影像分析	卵巢癌	盆腔超声成像、临床数据（年龄、CA-125水平）	卷积神经网络（CNN）	图像（盆腔超声图像）和临床数据（年龄、CA-125水平）	804名卵巢肿瘤患者（训练集565例，验证集76例，测试集163例）	未明确提及，可能使用PyTorch或TensorFlow	ResNet50、DenseNet121	AUC、敏感性、特异性、阳性预测值、阴性预测值	未在摘要中提及
2516	2026-08-11	Beyond the conventional: Artificial intelligence in identifying risk factors in sports injuries. A scoping review 2026-Jul-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106408 PMID:41880916	综述	本文通过范围综述，系统梳理了人工智能在识别运动员运动损伤风险因素中的应用，涵盖传统与非传统风险因素，并指出了当前研究的局限性及未来方向。	首次系统性地绘制了人工智能在运动损伤风险识别中的应用图谱，强调了传统与非传统风险因素的整合，并指出了外部有效性和可重复性方面的关键缺口。	纳入研究在人群、结果和测量/报告实践上存在异质性，多数研究缺乏一致的测量标准和外部验证，限制了普遍性。	绘制人工智能在识别运动员运动损伤风险因素中的当代应用，评估研究现状并识别知识空白。	运动员的运动损伤风险因素，包括睡眠质量、心理状态、外部和内部负荷指标、既往损伤等。	机器学习	运动损伤	NA	经典机器学习、深度学习	多模态传感器数据、临床数据	59项研究	NA	NA	准确性、观察者一致性	NA
2517	2026-08-11	A comparative study of deep learning-based zebrafish image segmentation methods 2026-06, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络，通过统一数据集和预处理流程，比较了十一个代表性模型的性能	首次系统比较多种深度学习分割模型在斑马鱼图像分析中的应用，涵盖从传统CNN到Transformer架构的广泛模型，并揭示高分辨率保持、上下文聚合和注意力机制对提高小结构检测和边界描绘精度的关键作用	未在摘要中提及具体限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像中的复杂器官结构和表型异常	计算机视觉	毒理学（用于毒理学筛选）	深度学习分割网络	CNN、Transformer、混合架构	图像	NA（未在摘要中提及具体样本数量）	NA（未在摘要中提及具体框架）	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, SAM, PVT-EMCAD, RWKV-UNet	Dice系数，交并比，平均像素精度	NA（未在摘要中提及计算资源）
2518	2026-08-11	Experimental investigation of muscle-tendon unit geometry and kinematics in lower-limb muscles during gait: Current applications and future directions - A scoping review 2026-06, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110159 PMID:41875704	综述	本文是一篇范围综述，旨在探讨肌肉骨骼建模和超声成像与三维步态分析结合使用时，如何评估神经运动障碍人群在步态中的肌肉和肌腱单元特征，并评估其潜在的临床意义。	首次系统综述了MSK建模和USI在三维步态分析中的应用，特别是在神经运动障碍人群中，强调了两种技术的互补潜力，并提出了未来将深度学习应用于USI自动数据分析的方向。	MSK建模受到建模假设和缺乏实时数据的限制，而USI面临数据采集复杂和处理挑战，且研究中纳入的人群和肌肉种类有限。	检查MSK建模和USI与三维步态分析结合使用，以评估神经运动障碍人群的肌肉和MTU特征，并评估这些方法对临床评估和决策的潜在影响。	神经运动障碍人群（脑性瘫痪、中风、遗传性痉挛性截瘫和特发性足尖行走）的11块下肢肌肉	数字病理学	神经运动障碍	超声成像（USI）	NA	图像	50项研究	NA	NA	NA	NA
2519	2026-08-11	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-Jun, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	本文系统综述了用于急性淋巴细胞白血病诊断的机器学习和深度学习技术，包括图像预处理、特征提取和原始细胞量化等关键阶段	对传统和深度学习技术在ALL检测与分类中的最新进展进行全面分析，特别关注性能指标和准确性基准，并探讨其超越人类诊断能力的潜力	文中未明确提及具体限制，但可能包括依赖现有数据集、缺乏标准化评估流程以及临床转化的挑战	系统评估机器学习和深度学习技术在急性淋巴细胞白血病诊断中的应用现状、挑战和未来方向	急性淋巴细胞白血病患者的血液或骨髓图像数据	计算机视觉, 机器学习	急性淋巴细胞白血病	传统机器学习算法和深度学习架构（如CNN）	深度卷积神经网络（CNN），其他监督学习方法	图像（血液或骨髓涂片）	未指定	未指定	多种先进深度学习架构（具体未列出）	准确性、精确率、召回率、F1分数、AUC等	未指定
2520	2026-08-11	Deep-Motion-Net: GNN-based volumetric liver shape reconstruction from single-view 2D projections 2026-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03685-1 PMID:42128999	研究论文	提出Deep-Motion-Net，一种基于图神经网络的患者特定端到端框架，从单个治疗中kV平面X射线图像重建三维体积器官形状，用于放疗中的运动补偿	首次实现从任意角度单视图图像重建整个治疗扫描系列中的三维体积器官模型，且无需替代信号或侵入性标记	在真实治疗kV图像上验证时，由于缺乏体积真实值，只能进行定性评估	利用常规直线加速器的平面X射线成像实现精确的解剖运动预测，以改善放疗剂量传递并保护危及器官	肝脏肿瘤患者和合成呼吸运动场景	计算机视觉，深度学习	肝癌	X射线成像，DRR生成，风格迁移	图神经网络，卷积神经网络，生成对抗网络	二维X射线图像，三维网格，CT体积	四名肝癌患者的治疗中图像及合成运动实例	PyTorch	ResNet, GAT, CNN, CycleGAN	平均预测误差，峰值预测误差	未在摘要中提及，输出NA