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
2901	2026-05-27	Deep learning-based dose prediction in proton beam therapy for hepatocellular carcinoma: comparison of network architectures and loss functions 2026-May-26, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rrag026 PMID:42089554	研究论文	该研究提出一种剂量梯度感知的深度学习训练方法和无射束排列框架，用于预测肝癌质子束治疗中的剂量分布	首次引入剂量梯度感知损失函数捕捉质子束治疗特有的布拉格峰剂量分布特征，并建立无射束排列的剂量预测框架	NA	通过比较不同网络架构和损失函数，实现肝癌质子束治疗中高精度剂量分布预测	肝癌患者的质子束治疗计划	计算机视觉	肝癌	质子束治疗	深度学习	CT图像和目标/危及器官结构	172例肝癌患者	PyTorch	U-Net	平均绝对误差,均方根误差,Dice相似系数,剂量体积直方图	NA
2902	2026-05-27	Using deep learning to identify brain networks mediating cognitive and motor impairments in alcohol use disorder 2026-May-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04101-7 PMID:42185254	研究论文	利用深度学习识别酒精使用障碍中认知与运动障碍的脑网络机制	采用数据驱动的深度学习框架联合分析静息态功能MRI脑连接与神经心理评分，首次通过时序注意力网络（TAN）和感觉运动网络（SMN）双重路径阐明酒精使用障碍对空间工作记忆、视觉注意及运动控制的影响机制，并在独立HIV数据集上验证	未提及具体限制	区分酒精使用障碍患者与健康对照，识别AUD相关功能障碍的神经机制	酒精使用障碍患者与健康对照的脑功能连接和神经心理表现	机器学习	酒精使用障碍	功能性磁共振成像	深度学习模型	功能磁共振成像数据及神经心理评分数据	6105个脑区连接与16个认知运动评分，涉及酒精使用障碍患者和健康对照，并在HIV患者独立数据集上验证	NA	时序注意力网络、感觉运动网络	NA	NA
2903	2026-05-27	Predicting immune checkpoint inhibitor cardiotoxicity using machine learning: a systematic review of model performance and methodological quality 2026-May-26, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00505-y PMID:42186096	系统综述	系统评估机器学习模型预测免疫检查点抑制剂相关心脏毒性的性能和临床适用性	首次系统评估基于机器学习的预测模型在免疫检查点抑制剂心脏毒性识别中的性能，并使用PROBAST工具评估方法学质量	大多数研究存在方法学局限性，包括数据量小、验证不足、缺失数据处理不明确，限制了真实世界临床采用	评估机器学习预测模型在识别免疫检查点抑制剂引起的心脏毒性、心肌炎或心脏不良事件中的性能及方法学稳健性	接受免疫检查点抑制剂治疗的患者	机器学习	心血管疾病	NA	XGBoost, 多模态深度学习, 神经网络, ECG-AI模型, 药物警戒驱动ML, 临床列线图	临床数据, 心电图特征, 实验室检测值	7项研究，样本量从23至4,282名患者不等	NA	NA	AUC	NA
2904	2026-05-27	Construction of a sports bio mechanical injury prediction and AI warning system based on wearable sensors 2026-May-26, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-026-01761-2 PMID:42186087	研究论文	提出一种基于可穿戴传感器的运动生物力学损伤预测与人工智能预警系统，用于实时监测和预防运动损伤	通过多模态数据融合、轻量级模型设计和动态自适应机制，结合改进的混合神经网络架构和边缘计算优化策略，实现高灵敏度损伤预测和毫秒级实时干预	未来需在多中心数据共享、可穿戴外骨骼联动干预和增强现实可视化反馈方面进一步扩展应用场景和临床价值	开发运动生物力学损伤预测与实时预警系统，解决传统单传感器监测维度单一、误报率高、实时性不足等问题	运动过程中的高风险动作（如篮球跳停动作、长距离跑步）及关键生物力学参数	机器学习	运动损伤	九轴惯性传感器、柔性应变传感器、足底压力传感阵列	混合神经网络	传感器数据	未明确说明	边缘计算框架	改进的混合神经网络	误报率、漏报率、灵敏度、特异性	模型量化为8位整数，端到端延迟控制在毫秒级，功耗降低并支持嵌入式部署
2905	2026-05-27	A multi-branch vision transformer with GA-optimized focal loss for ECG signal classification 2026-May-26, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261446510 PMID:42186368	研究论文	提出一种结合多分支视觉变换器和遗传算法优化Focal Loss的混合深度学习模型，用于心电图信号分类	首次将多分支视觉变换器架构与遗传算法优化的Focal Loss函数相结合，通过不同补丁大小的三个独立ViT分支有效学习ECG信号的局部和全局时序模式，并利用GA优化解决心律失常数据中的类别不平衡问题	NA	提升心电图信号分类的准确性和鲁棒性，特别是处理心律失常检测中的类别不平衡问题	心电图信号分类中的心律失常检测问题	机器学习	心律失常	心电图信号处理	多分支视觉变换器	时间序列信号	MIT-BIH心律失常数据库	PyTorch	多分支视觉变换器	准确率、F1分数	NA
2906	2026-05-27	DiffDock-Glide: A Hybrid Physics-Based and Data-Driven Approach to Molecular Docking 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01635 PMID:42023722	研究论文	提出一种混合物理与数据驱动的分子对接方法DiffDock-Glide，结合扩散模型与Glide的后对接最小化管道，改善深度学习对接方法的性能	创新性地融合基于物理的对接软件Glide的后对接最小化管道与数据驱动的扩散模型DiffDock，修改生成过程以在结合口袋内采样，并用Glide管道替代置信度模型	未明确提及局限性，但可推断该方法在处理训练集外靶标时仍存在挑战，且依赖Glide的物理建模可能增加计算成本	解决深度学习对接方法在训练集外靶标预测性能不足的问题，提升近天然构象的采样能力及虚拟筛选效果	小分子配体与蛋白质受体的分子对接系统	机器学习	NA	分子对接、扩散模型	扩散模型（DiffDock）、混合模型（DiffDock-Glide）	分子结构数据	使用PoseBusters数据集和DUD-E化合物数据集进行评估	NA	扩散模型架构（DiffDock）、后对接最小化管道（Glide）	近天然构象采样率、富集值	NA
2907	2026-05-27	Controlled Protein Design via Statistical Energy Functions: A Rossmann Fold Case Study 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00612 PMID:42065344	研究论文	本文研究统计能量函数在蛋白质设计中的可控性，以Rossmann折叠结构为例进行验证	通过统计能量函数SCUBA和ABACUS2实现蛋白质设计的物理属性可控性，并实验验证了高精度晶体结构匹配	仅以单一Rossmann折叠域为例，未探索其他类型蛋白质结构的通用性	评估统计模型在蛋白质设计中的持续有效性及可控性	由10个基序组成的Rossmann折叠蛋白质	机器学习	NA	NA	统计能量函数	蛋白质结构数据	300个低能量候选序列，其中9个进行实验验证，1个晶体结构解析	NA	SCUBA, ABACUS2, AlphaFold2	主链偏差（2.602 Å）	NA
2908	2026-05-27	CARS-AMP: A Simple and Efficient Deep Learning Model for Antimicrobial Peptide Prediction 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00362 PMID:42066253	研究论文	构建了一个名为CARS-AMP的深度学习模型，用于抗菌肽预测，该模型结合了卷积神经网络、循环神经网络和自注意力机制	提出了一种简单高效的深度学习模型CARS-AMP，通过小规模但集中的数据集训练，实现了近最佳的抗菌肽预测性能	模型在区分侧链大小和序列长度差异方面存在不足，需要进一步改进	开发一种高效的深度学习模型用于抗菌肽分类预测，以应对全球抗生素耐药性问题	抗菌肽序列	机器学习	NA	深度学习	卷积神经网络(CNN)、循环神经网络(RNN)、自注意力机制(Self-attention)	序列数据	小规模但集中的数据集	NA	CNN, RNN, Self-attention	准确率(Accuracy)	NA
2909	2026-05-27	HighFold-MeD2: An Enhanced Boltz-2 Model for Accurate Structure Prediction of N-Methylated and d-Amino Acid Cyclic Peptides 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00158 PMID:42076870	研究论文	提出了一种基于Boltz-2的增强模型HighFold-MeD2，用于准确预测含有N-甲基化主链氨基酸和d-氨基酸的环肽的三维结构	通过利用Rosetta SCP生成的构象数据微调Boltz-2的全原子扩散模型，并采用通用化学组件字典实现非天然氨基酸的无缝集成，突破了传统硬编码方式的局限	对局部空间位错的纠正依赖Amber力场能量最小化，可能未完全解决复杂修饰环肽的构象采样问题	开发一种高效且通用的环肽结构预测方法，以支持含甲基化主链氨基酸和d-氨基酸修饰的环肽药物设计	含有骨架N-甲基化氨基酸和d-氨基酸的环肽	机器学习	NA	NA	全原子扩散模型	分子结构数据	NA	Boltz-2	Pairformer-Diffusion	预测精度	NA
2910	2026-05-27	ULCYP: A Multitask Model for Predicting P450 Inducers Based on Positive-Unlabeled Learning 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00305 PMID:42120957	研究论文	提出ULCYP，一种基于正-无标签学习的多任务深度学习框架，用于预测CYP450诱导剂	利用大规模无标签数据弥补可信负样本不足，通过正-无标签学习实现更准确的决策边界估计	NA	开发预测CYP诱导作用的专业模型，降低药物早期研发中药物相互作用和毒性风险	CYP诱导剂，包括PXR、CAR和AhR等关键CYP诱导介质的非激动剂	机器学习	NA	NA	多任务深度学习	分子结构数据	NA	PyTorch	NA	AUC	NA
2911	2026-05-27	CypGEM: A Geometry-Aware and Edge-Enhanced Graph Transformer Model for Predicting Sites of Metabolism Mediated by Cytochromes P450 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01181 PMID:42083374	研究论文	提出一种几何感知和边增强的图Transformer模型CypGEM，用于预测细胞色素P450介导的代谢位点	引入门控边融合和动态边更新机制捕捉化学键变化的微观电子演化特征，整合全局几何感知层重建长程分子内空间约束	NA	提高代谢位点预测的准确性和泛化能力，为药物发现提供结构优化指导	化合物在细胞色素P450介导下的代谢位点	机器学习	NA	NA	图Transformer	分子结构数据	构建的高质量基准数据集	NA	图Transformer	准确性	NA
2912	2026-05-27	BERT-T6: Toward High-Accuracy T6SS Bacterial Toxin Identification Using a Protein Language Model 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02744 PMID:42095236	研究论文	利用蛋白质语言模型ProtBert微调构建BERT-T6预测器，实现对T6SS细菌毒素的高精度识别	首次系统评估多种预训练蛋白质语言模型嵌入在T6SE预测中的效果，并利用微调ProtBert和类别不平衡感知训练实现最优性能	未提及具体局限性	提高T6SE毒素的识别准确率，支持细菌致病机制研究	T6型分泌系统效应物（T6SE）	自然语言处理，机器学习	NA	蛋白质语言模型，ProtBert嵌入，迁移学习	Transformer（ProtBert）	蛋白质序列数据	NA	PyTorch	ProtBert	准确率，灵敏度，特异性，精确率，F1分数，MCC	NA
2913	2026-05-27	Functional Groups Are All You Need for Chemically Interpretable Molecular Property Prediction 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02769 PMID:42108966	研究论文	提出基于官能团表示（FGR）框架的分子表示方法，用于可解释的分子性质预测	创新性地将化学官能团概念引入深度学习的分子表示，结合已知官能团和从大型分子库中挖掘的官能团，通过预训练获得低维隐空间表示，实现化学可解释性	未提及具体局限性	开发兼具高性能和化学可解释性的深度学习分子性质预测模型	分子及其官能团表示	机器学习	NA	NA	深度学习模型	分子结构数据	33个基准数据集	NA	NA	NA	NA
2914	2026-05-27	A Deep Bidirectional LSTM Model Enhanced by Transfer-Learning for the Classification of Peripheral Arterial Blood Pressure Waveforms 2026-May-25, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3696494 PMID:42184174	研究论文	利用双向长短期记忆模型和迁移学习对外周动脉血压波形进行分类的研究	首次将深度学习框架与迁移学习结合，应用于血压波形的形态分类（A型和B/C型），并验证了动物模型向人类临床数据的可迁移性	有限的标注临床数据集限制了模型的稳健性验证	开发一个深度学习框架，用于分类外周动脉血压波形的不同形态，以改善心血管监测	大型动物队列的中央（主动脉）和外周（股动脉）侵入性血压波形，以及MIMIC-III数据库的人体股动脉血压波形	机器学习	心血管疾病	侵入性血压测量	双向长短期记忆模型	时间序列信号	大型动物队列和MIMIC-III数据库的多个人体样本	PyTorch	双向LSTM	准确率	NA
2915	2026-05-27	Consistency-based Semi-supervised Evidential Active Learning Framework for Robust Classification of Radiology Images 2026-May-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696868 PMID:42184193	研究论文	提出基于一致性的半监督证据主动学习框架，用于放射学图像的鲁棒分类	结合半监督学习与主动学习，利用证据学习实现可靠的不确定性估计，并引入噪声鲁棒性机制处理噪声标注	未明确讨论该框架在不同数据分布或极端噪声水平下的性能边界，以及计算资源需求的具体分析	提升放射学图像分类中半监督主动学习的可靠性和鲁棒性，减少标注负担	多种放射学图像数据集，包括X光、CT和MRI图像	计算机视觉	NA	深度学习	证据学习	图像	多个公开数据集（具体数量未明确说明）	PyTorch	Pseudo-labelling, Virtual Adversarial Training, Mean Teacher, NoTeacher	准确率（Accuracy）、F1分数（F1-score）、AUC	NA
2916	2026-05-27	Artificial Intelligence-Based Approach for Determining the Risk of Temporomandibular Disorders 2026-May-25, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70220 PMID:42184378	研究论文	基于临床和社会人口学变量，使用机器学习方法预测颞下颌关节紊乱病的风险	首次使用DANets模型进行TMD诊断分类，并结合SHAP进行模型可解释性分析	样本量较小（340例），且为单中心回顾性-前瞻性研究，可能影响泛化能力	利用机器学习方法早期检测和评估颞下颌关节紊乱病的风险	颞下颌关节紊乱病患者和非患者的临床及人口学变量	机器学习	颞下颌关节紊乱病	NA	DANets, KAN, KNN, MLP, SVM	表格数据	340名患者	NA	DANets, KAN, KNN, MLP, SVM	准确率, 加权精确率, 召回率, F1分数	NA
2917	2026-05-27	Whole-body reduced-dose dual-energy CT with deep learning image reconstruction for detection of osteolytic lesions in multiple myeloma 2026-May-25, Radiography (London, England : 1995) DOI:10.1016/j.radi.2026.103450 PMID:42184692	研究论文	该文章评估了深度学习图像重建在低剂量双能CT中对多发性骨髓瘤溶骨性病变的检测能力，并与常规剂量单能CT进行比较	首次将深度学习图像重建整合到低剂量双能CT中，用于多发性骨髓瘤的评估，并实现了53%的辐射剂量降低	目前尚不清楚低剂量双能CT与深度学习图像重建在多发性骨髓瘤评估中的应用效果，需要进一步验证	评估低剂量双能CT与深度学习图像重建在图像质量和溶骨性病变可检测性方面的表现	43名已知或前驱多发性骨髓瘤参与者（平均年龄68岁，31名男性）中的121处溶骨性病变	计算机视觉	多发性骨髓瘤	双能CT，深度学习图像重建	NA	图像	43名参与者，121处溶骨性病变	NA	深度学习图像重建	图像噪声、信号噪声比、对比噪声比、骨与病变对比噪声比、灵敏度、特异性	NA
2918	2026-05-27	An Artificial Intelligence Model for the Automatic Classification of the Cervical Vertebral Maturation Stages 2026-May-25, Dento maxillo facial radiology DOI:10.1093/dmfr/twag032 PMID:42185080	研究论文	开发一种基于人工智能的模型，用于在侧位头影测量片上自动分类颈椎骨成熟阶段	首次将YOLOv11s.pt模型用于颈椎骨成熟区域定位，并与ResNet-101深度学习模型结合，实现CVM分期自动分类，提供可重复的框架和平衡的数据集	未在论文摘要中明确提及	开发用于自动分类颈椎骨成熟阶段的AI模型	1140张侧位头影测量片	计算机视觉	骨骼成熟评估	YOLOv11s.pt定位、ResNet-101深度学习	深度学习模型（ResNet-101）	图像（侧位头影测量片）	1140张侧位头影测量片	PyTorch	YOLOv11s.pt, ResNet-101	准确率、召回率、精确率、F1分数、二次加权kappa、ICC	NA
2919	2026-05-27	Prediction and Clinical Application of Central Lymph Node Metastasis in Papillary Thyroid Carcinoma Based on Multi-modal Ultrasound Feature Fusion: A Multi-center Study 2026-May-25, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.04.024 PMID:42185182	研究论文	基于多模态超声特征融合预测甲状腺乳头状癌中央区淋巴结转移的多中心研究	首次整合B型超声和应变弹性成像两种模态的深度学习模型，实现术前无创预测，并通过多中心数据验证了模型的泛化能力	未说明具体限制，但回顾性设计和样本量有限可能影响结果可靠性	开发和验证一种整合多模态超声信息的深度学习模型，用于术前准确预测甲状腺乳头状癌患者的中央区淋巴结转移	来自4家医院的568例甲状腺乳头状癌患者	计算机视觉	甲状腺癌	B型超声、应变弹性成像	深度学习模型	图像	568例患者（训练集400例，内部验证集100例，外部测试集68例）	NA	EfficientNet-B4	AUC, 准确率, 敏感性, 特异性	NA
2920	2026-05-27	A U-Net-based multimodal deep learning model for high-precision blood glucose prediction using non-invasive physiological data 2026-May-25, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2676676 PMID:42185234	研究论文	提出一种基于U-Net的多模态深度学习模型，通过整合历史连续血糖监测数据与非侵入性生理参数实现高精度血糖预测	首次将U-Net架构应用于血糖预测，融合多模态生理数据并验证非侵入性方法的定量有效性	NA	开发基于非侵入性生理数据的短期血糖预测模型，用于胰岛素依赖型1型糖尿病患者的代谢健康管理	胰岛素依赖型1型糖尿病（T1DM）患者的血糖波动模式	机器学习	1型糖尿病（T1DM）	连续血糖监测	U-Net	时间序列生理数据（血糖监测数据与非侵入性生理参数）	NA（基于OhioT1DM数据集）	PyTorch	U-Net	平均绝对误差（MAE），均方根误差（RMSE），相关系数（R值）	NA