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
2881	2026-08-28	PhosSight: A Unified Deep Learning Framework Boosting and Accelerating Phosphoproteome Identification to Enable Biological Discoveries 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75856 PMID:42201678	研究论文	提出了一个统一深度学习框架PhosSight，用于增强和加速磷酸化蛋白质组鉴定，以促进生物学发现	PhosDetect模型显式编码磷酸化特异性理化特征以准确预测肽段可检测性，并利用该预测引导DDA数据重打分和DIA库修剪，提升鉴定深度和搜索效率	未提及具体局限性	开发统一深度学习框架以增强磷酸化蛋白质组鉴定深度和加速搜索效率，从而支持生物学发现	磷酸化肽段和蛋白质组数据，包括合成数据集和真实世界数据集	蛋白质组学	子宫内膜癌	质谱法	深度学习框架	蛋白质组学数据	大规模子宫体子宫内膜癌队列	NA	PhosDetect	敏感性、定量能力	NA
2882	2026-08-28	Challenging cases for AlphaFold: two multidomain proteins with zinc-binding-, phosphorylation- or dimerization-driven conformational changes 2026-Aug, European biophysics journal : EBJ DOI:10.1007/s00249-026-01854-3 PMID:42371046	研究论文	本研究测试了AlphaFold对两个具有复杂构象变化的多结构域蛋白（LicT和P1）的结构预测性能，发现其无法同时正确预测所有结构域	针对AlphaFold难以处理的多结构域蛋白，特别是具有锌结合、磷酸化或二聚化驱动的构象变化的蛋白质，评估其预测局限性	AlphaFold无法同时正确预测所有结构域，表明其在处理复杂构象变化方面的局限性	评估AlphaFold对具有复杂构象景观的多结构域蛋白的结构预测能力	LicT蛋白（来自枯草芽孢杆菌）和P1蛋白（来自水稻黄斑驳病毒）	蛋白质结构预测	不适用	AlphaFold	AlphaFold（深度学习模型）	氨基酸序列	两个多结构域蛋白	不适用	AlphaFold	预测准确性（未明确指标）	不适用
2883	2026-08-28	Evaluation of AI-derived LAD artery dose metrics for survival stratification in stage III NSCLC: A secondary analysis of RTOG 0617 trial 2026-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.70621 PMID:42545172	研究论文	本研究评估了三种深度学习自动分割模型在RTOG 0617试验数据集上自动分割左前降支动脉的可行性，并验证其能否在群体水平上重现剂量-生存关联	首次在大型多中心临床试验数据集上验证自动分割模型在临床结局分析中的可行性，并评估了不同模型的生存分层性能	缺乏配对的手动轮廓进行比较，且需要预先指定的截断值进行进一步验证	评估自动LAD分割在群体水平上能否重现已知的剂量-生存关联	RTOG 0617试验中的460例III期非小细胞肺癌患者	医学影像分析	非小细胞肺癌	深度学习自动分割	深度学习模型	CT影像	460例非小细胞肺癌患者	NA	三种不同的深度学习自动分割模型	风险比、生存曲线、p值、平均绝对误差	NA
2884	2026-08-28	CLDN18.2 antibody design with protein language models: A deep learning optimization framework 2026-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014499 PMID:42623408	研究论文	本研究提出基于GPT-2的深度学习框架cdrGPT，用于从头生成CDRH3序列，并结合结构模板、拒绝采样和多参数目标函数优化，以设计针对CLDN18.2的高亲和力且可开发性良好的抗体变体。	创新性地将GPT-2语言模型应用于CDRH3序列的从头生成，并整合结构模板、多参数目标函数（亲和力和MHC II类结合风险）以及迭代优化流程，实现了抗体亲和力与可开发性的同步优化。	摘要中未提及明确的局限性。	开发一种深度学习优化框架，用于设计针对CLDN18.2的抗体CDRH3序列，以同时优化亲和力和可开发性。	CLDN18.2抗原及其治疗性抗体，特别是CDRH3区域序列。	机器学习	癌症	蛋白质语言模型（GPT-2、ESM2）与AlphaFold3结构预测。	GPT-2（生成模型）、ESM2（嵌入模型）、AlphaFold3（结构预测模型）	蛋白质序列和结构数据	生成初始50,000条序列，筛选出313条高置信度候选序列，并验证其中7条代表性序列。	NA	GPT-2、ESM2、AlphaFold3	RMSD、余弦相似度、位置偏差	NA
2885	2026-08-28	Multimodal contrastive learning for integrating molecular representations and cellular phenotypes in drug-target interaction prediction 2026-Aug-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag368 PMID:42635222	研究论文	提出一种双阶段对比学习框架，整合药物结构、蛋白质序列和细胞绘画形态特征，用于药物-靶点相互作用预测	首次将细胞绘画形态特征整合到药物-靶点相互作用预测中，通过多正样本对比学习对齐分子结构与细胞表型表征	跨模态检索在骨架划分下性能下降显著（Recall@10从0.77降至0.33），可能受限于分子结构相似性分布差异	通过整合分子结构信息和细胞表型数据，提高药物-靶点相互作用预测的准确性和生物可解释性	药物分子结构、蛋白质序列、细胞绘画形态图像及其相互作用关系	机器学习、计算生物学	NA	细胞绘画高通量成像	对比学习模型	图像、序列、分子图	未在摘要中明确说明，涉及Cell Painting形态谱和BIOSNAP数据集的外部验证	PyTorch	多模态对比学习框架（双阶段结构）	Recall@10、AUC	NA
2886	2026-08-28	A decade of artificial intelligence research in ophthalmology: Global trends and transferable insights for medical AI 2026-Aug, PLOS digital health DOI:10.1371/journal.pdig.0001347 PMID:42640898	research paper	本文通过系统文献计量分析，总结2015-2025年间眼科人工智能研究的全球趋势，并为医学AI的演变提供可迁移的见解	利用LLM辅助管道对文献进行分类，并评估其与人工分级的一致性，首次揭示眼科AI领域从窄图像深度学习向评估研究、基础模型和多模态数据整合的演变轨迹	仅基于已发表的英文文献，可能遗漏非英文或未索引的研究；LLM辅助分类虽有评估，但可能仍有误差	表征眼科AI研究在2015-2025年的全球趋势，为医学AI的成熟过程提供参考	2015-2025年间Web of Science核心合集、Scopus和PubMed收录的眼科AI原始研究文章	数字病理学	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、角膜病、白内障、近视	眼科AI文献的文献计量分析	基础模型、经典深度学习	文本、图像（包括彩色眼底照相和视网膜光学相干断层扫描）	12,911篇文献	NA	经典深度学习、基础模型	复合年增长率、分类一致性	NA
2887	2026-08-28	A hybrid deep learning and quantum computing framework enhances cybersecurity threat detection and analysis 2026-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61497-4 PMID:42637840	研究论文	本研究提出了一种混合深度学习和量子计算框架，用于增强网络安全威胁的检测与分析	首次将CNN、RNN与变分量子电路（VQC）相结合，构建混合模型以提升网络威胁检测的准确性和适应性	预处理阶段耗时且劳动密集，涉及标准化、特征选择、时间结构化和特征平衡等复杂步骤	开发一种可扩展、智能且实时的混合深度学习和量子计算框架，用于检测网络流量中的异常和网络攻击	网络流量数据，具体为CICIDS-2017数据集中的多种网络攻击类别	机器学习	NA	NA	CNN、RNN、变分量子电路（VQC）	网络流量数据	未明确说明，使用CICIDS-2017数据集	NA	卷积神经网络（CNN）、循环神经网络（RNN）、变分量子电路（VQC）	准确率、召回率、F1分数、ROC-AUC	NA
2888	2026-08-28	Advances in Machine Learning-Assisted Optical Sensing Arrays for Disease Diagnosis 2026-Jul-31, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080531 PMID:42645248	综述	系统回顾了机器学习增强光学传感阵列在疾病诊断中的应用，重点探讨比色、荧光和表面增强拉曼散射三种传感模态与机器学习算法的协同作用	系统性地评估了无监督、监督和深度学习范式如何协同增强三种光学传感模态的诊断性能，并讨论了数据标准化、模型可解释性和临床转化等关键挑战	主要面临数据标准化不足、模型可解释性有限和临床转化困难等挑战	综述机器学习增强光学传感阵列在疾病诊断中的应用进展，并展望智能、即时检测和个性化诊断系统的发展方向	光学传感阵列、机器学习算法及相关疾病诊断应用案例	机器学习	癌症、传染病	比色传感、荧光传感、表面增强拉曼散射	机器学习模型（包括无监督、监督和深度学习模型）	光学传感阵列生成的多维复杂数据	未提及具体样本数量	未在标题和摘要中提及	未在标题和摘要中提及	未在标题和摘要中提及	未在标题和摘要中提及
2889	2026-08-28	Explain COVIDNet: Explainable AI for Transparent and Reliable X-ray Screening 2026-Jul-30, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2026.07.001 PMID:42532199	研究论文	提出Explain-COVIDNet框架，通过结合小波对比度增强、Medical GoogLeNet和XGrad-CAM解释性技术，提高胸部X光图像中COVID-19检测的准确性、可解释性和临床可靠性	引入小波对比度增强器结合离散小波变换和对比度限制自适应直方图均衡化进行预处理，采用154层Medical GoogLeNet架构配合Leaky ReLU保留图像细节，并集成XGrad-CAM生成类特定热图以增强模型透明度	未明确提及，但可能局限于依赖X光图像数据及特定数据集，泛化性有待验证	开发一个可解释、可靠且计算高效的深度学习框架，用于从胸部X光图像中自动检测COVID-19	胸部X光图像	计算机视觉、数字病理	COVID-19	X光成像	CNN	图像	两个基准数据集（具体样本数未提供）	NA	Medical GoogLeNet、XGrad-CAM	准确率、F1分数、AUC、Cohen's Kappa	NA
2890	2026-08-28	A Bio-Inspired Weather-System Sensing Framework for Physically Constrained Precipitation Nowcasting Correction 2026-Jul-24, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080526 PMID:42645243	研究论文	提出了一种受生物启发的物理约束降水临近预报校正框架PCPNet，通过整合天气系统诊断场和可微约束损失，提高了网格化数值天气预报降水预报的校正精度和物理可解释性。	将生物环境感知、选择性信息处理和调节约束学习三项普遍原则抽象为气象校正任务，并引入结构化诊断场作为自动化感测特征，同时嵌入水汽守恒和地形强迫约束作为可微损失。	仅进行了单日事件分析，长期连续天气事件的综合验证计划在未来进行，以进一步验证模型稳定性。	提高网格化数值天气预报降水预报的校正准确性和物理可解释性，探索生物启发式感测与约束学习的作用。	降水预报校正模型PCPNet，基于中国湖南省2021至2023年的每小时数值天气预报模型输出和气象站观测数据。	机器学习	NA	数值天气预报	encoder-attention-decoder网络	网格化数值天气预报输出数据、气象站观测数据	中国湖南省2021至2023年的每小时数据，具体样本数量未在摘要中列出	NA	encoder-attention-decoder	平均绝对误差	NA
2891	2026-08-28	EEG and ECG Wearable Biosensor-Based Affective State Analysis Using Deep Learning over 6G IoT Healthcare Networks 2026-Jul-23, Biosensors DOI:10.3390/bios16080400 PMID:42645018	研究论文	本研究提出了一种基于EEG和ECG可穿戴生物传感器的情感状态分析框架，集成深度学习模型于6G IoT医疗网络中，并通过射线追踪模拟评估通信性能	将基于注意力的深度学习模型和ResNet50 CNN与6G驱动的IoT医疗基础设施集成，解决了数据传输延迟挑战，并首次在虚拟医院环境中评估7 GHz和92 GHz频段的通信性能	实验数据仅基于SEED和WESAD数据集，测试准确率相对较低（ECG模型为65.64%），且未涉及实际6G网络部署	实现基于EEG和ECG可穿戴生物传感器的情感状态分析，并将其应用于6G IoT医疗网络，以支持个性化健康监测	EEG和ECG生理信号，用于情感状态和压力分类	深度学习、物联网、情感计算	不适用	可穿戴生物传感器（EEG和ECG）、射线追踪模拟	注意力深度学习模型、ResNet50 CNN	EEG和ECG生理信号数据	SEED和WESAD数据集（具体样本数未提及）	不适用	注意力模型、ResNet50	分类准确率、RMS延迟扩展、相关带宽	不适用
2892	2026-08-28	The Feasibility of One-Stage Instance Segmentation for Detecting Oral Potentially Malignant Disorders in White-Light Clinical Photographs: A Proof-of-Concept Study 2026-Jul-23, Dentistry journal IF:2.5Q2 DOI:10.3390/dj14080462 PMID:42645436	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2893	2026-08-28	A comparative evaluation of multiple enlarged perivascular space segmentation tools 2026-Jul-22, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110749 PMID:42486379	研究论文	本文开发并评估了基于3D nnU-Net的深度学习工具DORES，用于自动分割扩大的血管周围间隙（ePVS），并与其他三种分割工具进行比较。	提出了一种多模态nnU-Net的自动ePVS分割工具DORES，并在大型数据集上使用伪标签进行训练，提高了分割的自动化程度和适用性。	模型性能在不同扫描仪之间存在差异，限制了其在不同地点的应用。	开发并评估一种自动化的ePVS分割工具，以支持大规模数据集中的定量分析。	大脑磁共振图像中的扩大的血管周围间隙（ePVS）分割。	数字病理学	脑小血管疾病	磁共振成像（MRI）	深度学习（3D nnU-Net）	图像	训练包含35个手动分割扫描和1460个伪标记会话；内部验证35个手动追踪和388个视觉评级；外部验证18个手动追踪。	NA	nnU-Net	Dice分数, F1分数, 绝对体积和元素差异, 相关性, 一致性	NA
2894	2026-08-28	Age-Related Brain Atrophy Mediates a Composite Outcome of One-Year Ischemic Stroke Recurrence and All-Cause Mortality Through YKL-40-Related Inflammatory Pathways: A Structural Equation Model 2026-Jul-18, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-026-01464-3 PMID:42470512	研究论文	本研究通过结构方程模型探讨年龄相关的脑萎缩和血浆YKL-40在缺血性卒中一年复发和全因死亡率复合结局中的中介作用	首次将深学习脑萎缩量化（FastSurfer）和YKL-40炎症标志物整合到结构方程模型中，揭示年龄对卒中结局的间接效应主要由星形胶质炎症介导，而非脑萎缩，并发现抑制型中介模式	未提及	探讨年龄相关的脑萎缩和血浆YKL-40是否介导年龄与缺血性卒中一年复发或全因死亡率之间的关联	缺血性卒中患者	机器学习、数字病理学、计算机视觉	缺血性卒中	MRI、深度学习	结构方程模型、深度学习（FastSurfer）	结构MRI图像和临床数据	4,305名参与者	NA	FastSurfer	回归系数、置信区间、自举重采样	NA
2895	2026-08-28	Learning Fragment-Based Segmentation of Binding Sites from Molecular Dynamics: A Proof of Concept on Cardiac Myosin 2026-Jul-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00549 PMID:42454619	研究论文	本文介绍了一种基于片段的蛋白质结合位点分割方法FragBEST-Myo，利用3D U-Net深度学习模型从分子动力学轨迹中学习并预测心肌肌球蛋白上omecamtiv mecarbil结合位点的片段特异性区域。	首次将结合位点的片段倾向映射为语义分割问题，并应用于分子动力学轨迹，以实现对结合位点动态变化的监测和筛选。	模型仅在心肌肌球蛋白的特定结合位点上验证，对更广泛的蛋白质和配体的适用性需进一步研究。	证明基于片段的结合位点分割方法能够监测结合位点的动态变化，并作为分子对接和片段设计的筛选工具。	心肌肌球蛋白的omecamtiv mecarbil结合位点。	计算机视觉	心血管疾病	分子动力学模拟	3D U-Net	分子动力学轨迹	未指定具体轨迹数量，使用了OM结合肌球蛋白的post-rigor和pre-powerstroke两种状态。	NA	3D U-Net	准确率、平均交并比	NA
2896	2026-08-28	Physics-aware generative fusion via Complex-Flow Mamba enables robust 4D radar-vision perception 2026-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-62149-3 PMID:42457814	研究论文	提出一种名为Complex-Flow Mamba的物理感知融合框架，通过连续复值场建模和扩散模型，提升4D雷达-视觉感知在干扰和远距离目标下的鲁棒性	在信号物理层直接处理复值相位信息，利用Von Mises分布和隐式复值场保留相位梯度，开发复值潜变量扩散模块进行微观相位校正，并采用Mamba-2的SSD理论构建双向状态调制骨干网络，实现线性复杂度下的深度跨模态融合	依赖于特定数据集（VoD和K-Radar）验证，可能未覆盖所有真实场景；框架复杂度较高，实际部署可能需进一步优化	解决4D雷达成像中传统深度模型忽略复值相位连贯性的问题，提高在间歇采样转发干扰和远距离稀疏目标下的感知性能	4D毫米波雷达和视觉传感器的融合感知数据	计算机视觉	NA	4D雷达成像	Mamba	雷达点云和视觉图像	View-of-Delft (VoD) 和 K-Radar 数据集（具体样本数未在摘要中给出）	NA	Mamba-2（SSD）、一致性模型、扩散模型（CLDM）	平均精度（mAP）、NuScenes检测得分（NDS）、干扰抑制增益	NA
2897	2026-08-28	Development and validation of a multimodal deep learning model for the radiographic classification of pediatric femoral neck fractures 2026-Jul-11, Orthopaedics & traumatology, surgery & research : OTSR DOI:10.1016/j.otsr.2026.104789 PMID:42435844	研究论文	开发和验证了一种多模态深度学习模型，用于基于X射线和文本配对数据对儿童股骨颈骨折进行放射学分类，并评估其在分类性能上优于单模态模型和经验丰富的外科医生	首次将多模态深度学习模型应用于儿童股骨颈骨折的新型分类系统，利用X射线和文本配对数据集增强特征提取，在样本稀缺的情况下仍能达到高精度	样本量相对较少（711例），且研究为回顾性设计，可能影响泛化性；另外，模型依赖于新分类系统，该系统的临床适用性可能受限于用户经验	验证多模态深度学习模型在儿童股骨颈骨折分类中的准确性，并评估其与单模态模型及不同经验水平外科医生相比的性能	711例接受手术治疗的儿童股骨颈骨折患者的X射线影像（包括711张前后位和674张侧位X射线）及其对应的文本描述	医学影像分析	儿童股骨颈骨折	放射学X射线成像	多模态深度学习模型（结合图像和文本）和单模态深度学习模型（仅图像）	图像（X射线）和文本（放射学描述）配对数据	711例患者（平均年龄10.7±3.7岁），共711张前后位X射线和674张侧位X射线	未明确	未明确	准确率、召回率、阳性预测值、阴性预测值、F1分数、AUC	未明确
2898	2026-08-28	Detection of early-stage Parkinson's disease using wearable sensors at multiple body locations and convolutional neural networks 2026-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61801-2 PMID:42432239	研究论文	利用可穿戴传感器和卷积神经网络在6分钟步行测试中检测早期帕金森病	提出了一种非侵入性检测框架，通过分析多个身体位置的传感器数据，特别是左臂陀螺仪数据，在第一分钟内实现高准确率检测，并发现短时间测量窗口即可有效筛查早期帕金森病，同时结合可解释的非线性特征进行综合分析	摘要中未提及具体局限性，可能包括样本量相对较小、单一测试场景（6分钟步行）以及依赖特定传感器位置等	开发一种非侵入性、高效且准确的早期帕金森病检测方法	78名早期帕金森病患者和50名对照者	机器学习	帕金森病	可穿戴传感器数据采集	卷积神经网络（CNN）和特征-based机器学习模型	时间序列传感器数据	128名受试者（78名早期帕金森病患者和50名对照者）	未指定	卷积神经网络（CNN），具体结构未提及；特征-based模型使用非线性特征	准确率	未提及
2899	2026-08-28	A transparent and generalizable deep-learning framework for genomic ancestry prediction 2026-Jul-02, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2026.06.003 PMID:42392034	研究论文	本研究开发了一个透明且泛化的深度学习框架，用于从SNP数据预测基因组祖先，并验证其在多个生物库中的适用性和可解释性。	引入Diet Network架构处理高维SNP数据，强调跨人群泛化能力，并应用多种归因技术（如DeepLift）提升模型透明度，识别种族特异性信号。	训练数据缺乏北非人群，可能影响对该群体预测的准确性，尽管模型展示了泛化能力。	从遗传数据中预测祖先，重点在于泛化性和可解释性，以支持大规模生物库中的基因组研究公平性。	人类个体及其遗传数据（SNP）来自千基因组项目、CARTaGENE、蒙特利尔心脏研究所和All of Us生物库。	机器学习	NA	SNP基因分型（来自千基因组项目等）	深度学习（Diet Network）	基因型数据（SNP）	涉及多个生物库，具体样本数未提及，包括多个人群（如北非个体）	未指定	Diet Network	泛化性能、鲁棒性（针对缺失SNP）	NA
2900	2026-08-28	Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial 2026-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.1609 PMID:42240998	临床试验	该研究开发并验证了一种基于智能手机的AI系统，用于一般人群眼表恶性肿瘤的主动自我筛查，通过非随机临床试验评估其性能	创新性地整合了智能手机成像、AI诊断和媒体推广，构建了可扩展的闭环移动健康模型，用于罕见眼表恶性肿瘤的人群筛查	研究为非随机设计，且实际参与筛查的样本量相对较小，可能影响结果的普遍性	开发并验证一种基于智能手机的AI系统，以促进一般人群对眼表恶性肿瘤的主动自我筛查，提高早期检测率	眼表恶性肿瘤患者及疑似病变的普通人群	计算机视觉, 数字病理学	眼表恶性肿瘤	智能手机摄影, AI图像分析	深度学习模型	裂隙灯图像, 智能手机图像	614名参与者完成自我筛查，其中20例经病理确诊为恶性肿瘤	NA	NA	AUC, 灵敏度, 特异度	NA