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
301	2026-08-13	PASSpedia: A Polyadenylation Site Database Across Different Species at Single-cell Resolution 2026-06-26, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf089 PMID:40986375	研究论文	该研究升级了深度学习PAS分析流程SCAPTURE v2，分析了七个物种的1330个3'端标签单细胞RNA-seq数据集，构建了单细胞分辨率的PAS数据库PASSpedia。	首次提供跨七个物种的单细胞分辨率多聚腺苷酸化位点数据库，并利用长读长测序数据验证了未注释PAS的高准确性。	未提及明显局限性，但依赖已发表的3'端标签数据集，可能覆盖不足。	构建跨物种的单细胞分辨率PAS图谱和数据库，以研究PAS选择在基因表达调控中的作用。	七个物种（包括人类和小鼠）的单细胞RNA-seq样本。	生物信息学、单细胞基因组学	无特定疾病（基础生物学研究）	RNA-seq（3'端标签scRNA-seq）、长读长测序	深度学习（具体类型未明确，可能为CNN或混合模型）	基因表达数据（单细胞RNA-seq）、序列数据	1330个3'端标签单细胞RNA-seq数据集，涵盖七个物种	未明确提及	未明确提及	准确性（accuracy）	未明确提及
302	2026-08-13	DeepMASS v.2: An enhanced deep learning platform for large-scale discovery and structural annotation of unknown plant metabolites 2026-Jun-26, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101976 PMID:42363597	研究论文	本文介绍了DeepMASS v.2，一个增强的深度学习平台，用于大规模发现和结构注释未知的植物代谢物	利用语义谱表示模型、Spec2Vec嵌入和HNSW图检索，结合分子指纹定义的统一化学空间，实现对未知代谢物的高效结构注释，超越了现有工具	未在摘要中明确提及局限性	解决植物代谢组学中未知代谢物结构鉴定的瓶颈，实现大规模高吞吐量的结构注释	未知的植物代谢物，特别是那些在光谱库中缺失的化合物	机器学习、代谢组学	不适用	液相色谱-串联质谱（LC-MS/MS）	语义谱表示模型（基于深度学习的嵌入模型）	质谱数据（光谱）	数百万个光谱（来自GNPS、NIST和内部资源）	不明确	Spec2Vec嵌入、HNSW图检索	与SIRIUS、CFM-ID、MetFrag和MS-Finder的比较性能	不明确
303	2026-08-13	Empagliflozin Protects Against Doxorubicin Cardiotoxicity: Integrative Assessment of Cardiac Kinetics and Electrophysiology Using Machine Learning in a Rat Model 2026-06-24, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14030342 PMID:42506311	研究论文	本研究利用基于机器学习的分析框架，评估恩格列净对多柔比星诱导的心脏毒性的保护作用，整合心脏动力学和电生理学分析	该研究的创新点在于结合人工智能进行先进的心脏动力学分析、临床前模型以及SGLT2介导的心脏保护作用在心脏肿瘤学中的交叉应用	研究仅在内部验证的临床前环境中进行，未提供外部验证	评估恩格列净在多柔比星诱导的心脏毒性大鼠模型中的心脏保护作用，并使用机器学习框架量化心室壁动力学和收缩性	成年雄性Sprague-Dawley大鼠，分为五个实验组	计算机视觉	心脏毒性	NA	深度学习模型（用于图像处理和对象检测）	图像和电生理数据	18只大鼠	NA	NA	NA	NA
304	2026-08-13	Deep learning-enabled discovery of antibiotics effective against Neisseria gonorrhoeae 2026-Jun-17, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.ads4699 PMID:42308330	研究论文	本文展示了深度学习模型可增强高通量筛选，用于发现针对淋病奈瑟菌的窄谱抗菌化合物	首次将图神经网络（GNN）应用于发现针对淋病奈瑟菌的抗生素，并验证了其优于大型语言模型等结构，且发现的化合物结构与已知抗生素不同	具体限制未提及，但可能包括化合物需进一步临床验证以及体内模型的有效性尚需更多研究	提高抗生素命中发现过程的效率，以应对淋病奈瑟菌的抗生素耐药性危机	淋病奈瑟菌（Neisseria gonorrhoeae）及其对化合物的生长抑制反应	机器学习	性传播感染（淋病）	表型筛选、蛋白质组学	图神经网络（GNN）	小分子化合物的化学结构数据及表型数据	38,650种小分子化合物用于训练，约6百万化合物虚拟筛选，213种化合物实验验证	NA	图神经网络（GNN）	准确性	NA
305	2026-08-13	Optimizing acquisition time and injected dose in 18F-FDG PET/CT imaging using deep learning: enhancing image protocol efficiency and safety 2026-06-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03612-z PMID:42243803	研究论文	本研究评估了深度学习算法在18F-FDG PET/CT成像中模拟标准采集时间图像的效果，旨在优化图像质量和放射性药物使用。	引入残差U-Net架构结合数据增强来处理缩短采集时间下的PET/CT图像，显著提升了半剂量和短采集时间条件下图像质量及病灶可检测性。	未提供具体限制信息。	通过深度学习优化18F-FDG PET/CT成像中的采集时间和注射剂量，以提高扫描效率和安全性，同时保持图像质量和诊断信息。	322名接受18F-FDG PET/CT检查的患者，模拟半剂量和不同短采集时间（30s, 45s, 60s, 75s, 90s）的图像重建。	医学影像	NA	PET/CT成像	深度学习（残差U-Net）	医学图像	322名患者的PET/CT图像	NA	Residual U-Net	Likert评分, Cohen's kappa, PSNR, SSIM, MAE, MSE, RMSE	NA
306	2026-08-13	A MOOC-based and high-fidelity surgical simulation-integrated clinical internship mode in optometry teaching for ophthalmology graduate students 2026-Jun-05, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09610-z PMID:42249367	研究论文	开发并评估了一种结合慕课和高保真手术模拟的混合临床实习模式，用于眼科研究生验光学教学，以提高学业表现和深度学习能力	首次将慕课与数字孪生支持的高保真手术模拟技术相结合，形成“理论-模拟-实践”的教学模式，重新定义了教师角色并建立了基于能力的教学框架	需要多中心和长期研究来确认其普适性	解决眼科研究生在轮转期间难以将验光理论与临床实践相结合的问题，评估混合实习模式的教学效果	54名眼科研究生和16名培训教师	医学教育	NA	慕课、高保真手术模拟	NA	评估数据（考试成绩、问卷分数）	54名眼科研究生（实验组27名，对照组27名）和16名教师	NA	NA	学习成绩、课程体验问卷、学习过程问卷、教师满意度	NA
307	2026-08-13	Artificial intelligence in pediatric pain: a systematic review 2026-06-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03571-5 PMID:42243763	系统综述	本文系统综述了人工智能技术在儿科疼痛管理中的应用进展和效果，涵盖疼痛评估与疼痛管理两方面	首次系统总结儿科疼痛中AI应用的不同时间模式（深度学习在2020年后占主导，传统机器学习在2015年前占主导），并对比多模态与单模态方法的性能差异	纳入研究中相当比例存在高偏倚风险，且样本量多为小到中型，影响结论的稳健性	探索人工智能技术在儿科疼痛管理中的进展和有效性	儿科疼痛患者及其AI应用场景（疼痛评估和管理）	机器学习	儿科疼痛	NA	深度学习模型（如CNN）、经典机器学习模型（如SVM、随机森林）、LSTM	面部表情图像、多模态数据（图像+信号等）、生理信号、文本	71项研究，其中42.2%的研究样本量小于50人，33.8%为50-200人	NA	CNN、SVM、随机森林、LSTM	AUC	NA
308	2026-08-13	The impact of scan time on dynamic [Formula: see text]-FAPI-04 total-body PET parametric imaging generated by deep learning models 2026-Jun-03, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00895-z PMID:42234386	research paper	本研究探讨了深度学习模型生成的动态FAPI-04全身PET参数图像质量受静态PET扫描时间影响的情况	首次系统评估不同扫描时间下的静态PET图像对深度学习生成的动态PET参数图像质量的影响，并确定了最佳扫描时间段	未提及具体局限性，但可能受限于单中心数据和特定示踪剂	确定静态PET的最佳扫描时间以提高深度学习生成的动态PET参数图像质量	动态FAPI-04全身PET图像	医学影像分析	NA	PET/CT成像	深度学习模型	医学图像	NA	NA	NA	图像质量评估	NA
309	2026-08-13	Gsformer: a dual-architecture deep learning framework with CNN-self-attention and sparse-attention for genomic selection 2026-Jun-03, Genetics, selection, evolution : GSE DOI:10.1186/s12711-026-01055-8 PMID:42237097	研究论文	介绍了一种名为Gsformer的新型双架构深度学习框架，用于基因组选择，通过结合CNN自注意力与稀疏注意力机制预测表型	提出双架构设计，包括CSA（CNN与自注意力结合）和NSA（原生稀疏注意力），以高效捕获局部和长程基因组依赖	未明确提及，但暗示对某些性状预测精度略低于其他方法	开发一种灵活且强大的深度学习框架，用于动植物基因组选择的表型预测	猪、牛、鸡、小鼠、小麦和玉米的基因组数据	机器学习	不适用	基因组选择（GS）、单核苷酸多态性（SNPs）分析	深度学习模型（结合卷积神经网络和自注意力机制）	基因组数据（SNP标记）及相应表型数据	六个数据集，覆盖三个动物物种和两种植物物种（具体样本量未给出）	未明确指出	CNN、自注意力、稀疏注意力	预测准确度（具体指标未详细说明）	未明确指出，但提到了计算成本较低的特性
310	2026-08-13	Modeling the interpretable geometric-performance relationship of metamaterials on small datasets using Kolmogorov-Arnold operator informed network 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55607-5 PMID:42230930	研究论文	提出了一种名为Kolmogorov-Arnold算子知情网络（KAOIN）的方法，用于在小样本条件下建模超材料的几何-性能关系，并构建了耦合框架以实现数据集构建、高保真分析和性能可视化	提出KAOIN方法，利用Kolmogorov-Arnold算子实现轻量级神经网络，在小样本条件下提高精度和收敛速度，同时具备可解释性和物理规律提取能力	仅在特定超材料（梯度三周期极小曲面）和特定性能（比能量吸收）上验证，可能不适用于其他类型超材料或性能	解决深度学习在超材料性能预测中缺乏可解释性和依赖大数据集的问题，实现小样本条件下准确且可解释的几何-性能关系建模	梯度三周期极小曲面超材料	机器学习	不适用	机器学习	Kolmogorov-Arnold网络	数值模拟数据（几何参数与性能数据）	50组数据	PyTorch	Kolmogorov-Arnold网络	准确率、收敛速度	未提及
311	2026-08-13	Predicting diffusion-FLAIR mismatch from B1000 and ADC without FLAIR: A deep learning-based approach 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55388-x PMID:42230928	研究论文	本研究开发了一种基于深度学习的模型，仅使用B1000和表观扩散系数图像预测弥散-液体衰减反转恢复错配，无需FLAIR序列，并在多中心验证中表现优于人类专家	首次提出仅利用B1000和ADC图像预测DFM的深度学习方法，无需FLAIR序列，克服了急性临床环境中FLAIR获取受限的问题	未明确说明局限性	开发并评估仅使用B1000和ADC图像预测弥散-FLAIR错配的深度学习模型性能	多中心卒中登记队列中的急性卒中患者影像数据	深度学习	急性卒中	磁共振成像	深度学习模型	医学影像	推导队列2369例，外部验证队列679例	NA	NA	AUROC	NA
312	2026-08-13	Multiparametric MRI-Based Integrated Analysis of Clinical, Radiomics, Deep Learning, and Machine Learning for Predicting Tumor Proliferation and Prognosis in Locally Advanced Rectal Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.033 PMID:41956924	研究论文	本研究旨在开发并验证一种整合临床、影像组学、深度学习及机器学习特征的多参数MRI预测模型，用于预测局部晚期直肠癌患者的肿瘤增殖状态和预后	首次将临床、影像组学、深度学习及机器学习特征整合到一个多参数MRI预测模型中，用于预测LARC患者的Ki-67表达和预后	未提及局限性的具体内容	开发和验证整合多参数MRI、临床、影像组学、深度学习和机器学习特征的预测模型，以预测LARC患者的肿瘤增殖状态和预后	局部晚期直肠癌（LARC）患者	医学影像分析	直肠癌	多参数MRI（T2WI、DWI、T1WI、增强T1WI）	机器学习算法（包括glmBoost、Stepglm等）	MRI影像数据及临床数据	来自三个中心的384名LARC患者	NA	NA	AUC、校准曲线、决策曲线分析（DCA）、Kaplan-Meier生存分析	NA
313	2026-08-13	A hybrid CNN-DNN model for battery remaining useful life RUL prediction 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54423-1 PMID:42225713	研究论文	提出一种结合卷积神经网络和深度神经网络的混合深度学习框架，用于锂电池剩余使用寿命预测，并通过二进制粒子群优化进行特征选择，以提高预测准确性。	集成CNN和DNN的混合模型，利用CNN自动提取特征，DNN建模非线性关系，并首次应用二进制粒子群优化进行特征选择，以提高预测性能。	未提及模型的实时性、泛化性验证以及在不同电池类型上的适用性，且数据集规模有限。	开发一种高精度、鲁棒的锂电池剩余使用寿命预测方法，以支持智能电池管理系统。	锂电池退化数据集，包含680个样本的电、热和健康相关参数。	机器学习	NA	NA	CNN-DNN混合模型	数值型时间序列数据	680个样本，来自锂电池退化数据集	NA	CNN, DNN	均方误差, 平均绝对百分比误差, 中位绝对误差, 平均绝对误差, 决定系数	NA
314	2026-08-13	Hybrid deep learning and ES-MDA for pressure transient inversion in radial composite reservoirs 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55349-4 PMID:42225747	研究论文	本研究提出了一种结合深度学习和ES-MDA的混合工作流，用于径向复合油藏的压力瞬态反演和渗透率估计。	将深度学习的预测结果作为ES-MDA历史拟合的初始输入，显著加快了收敛速度并降低了最终拟合误差。	研究依赖于合成的径向复合油藏数据，未在真实油田数据上验证。	提高径向复合油藏中渗透率估计的准确性和历史拟合的效率。	径向复合油藏中的渗透率分布，包括内区渗透率、流度比和复合半径。	机器学习, 数字油藏	不适用	压力瞬态测试模拟	CNN, 全连接网络	合成压力导数响应	十个集成实现	不适用	CNN, 全连接网络	预测准确率, 拟合误差	不适用
315	2026-08-13	ConvECA-Net: A lightweight convolutional neural network for fault diagnosis of tapered roller bearings 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54553-6 PMID:42225790	研究论文	提出了一种轻量级卷积神经网络ConvECA-Net，用于圆锥滚子轴承的故障诊断，并验证了其高精度和计算效率	结合高效通道注意力（ECA）、自适应核尺寸策略和Leaky ReLU激活的新架构，实现了高分类精度与低计算成本，并通过组件消融研究验证每个组件的贡献	未提及具体局限性	开发一种轻量级且鲁棒的深度学习模型，用于圆锥滚子轴承的故障分类，以支持工业状态监测和避免停机	圆锥滚子轴承的五种故障状态	机器学习	NA	NA	卷积神经网络（CNN）	振动信号（隐含）	未指定，但实验运行十次，使用分层5折交叉验证	NA	ConvECA-Net（基于ECA、自适应核尺寸和Leaky ReLU）	准确率、可训练参数数量、模型大小、FLOPs、推理延迟、均值±标准差	未指定GPU信息，但提及了192 MFLOPs和0.82 ms/样本的推理延迟
316	2026-08-13	Improving seismic fault detection through fault-balanced patch extraction and deep learning networks (UNet, Efficient-UNet, and VGG19-UNet) 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56041-3 PMID:42225901	研究论文	本研究评估了三种基于卷积神经网络的分割模型（标准UNet、Efficient-UNet和VGG19-UNet）在真实三维地震数据中的断层自动检测性能，并采用故障平衡补丁提取策略解决类别不平衡问题	提出了一种故障感知的数据集准备策略，包括从富断层区域提取训练样本、断层掩膜膨胀和数据增强，以解决断层解释中严重的类别不平衡问题	框架在研究所用数据集上表现良好，但更广泛的地质环境适用性仍是未来研究的重要方向	评估并比较标准UNet、Efficient-UNet和VGG19-UNet三种深度学习分割模型在自动地震断层检测中的性能，并强调数据集设计和架构选择的重要性	从真实三维地震体中提取的二维地震补丁，用于自动断层检测	计算机视觉	不适用	不适用	卷积神经网络	图像	未提供具体样本数量，但使用了从真实三维地震体中提取的二维地震补丁	不适用	标准UNet, Efficient-UNet, VGG19-UNet	Dice, IoU, F1分数	未提供具体计算资源信息
317	2026-08-13	Multi-modal data fusion and deep reinforcement learning for dynamic resource scheduling in intelligent manufacturing systems under variable market demand 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55756-7 PMID:42225920	研究论文	本研究提出了一种结合多模态数据融合与深度强化学习的方法，用于在需求变化场景下实现智能制造系统中的动态资源调度	创新性地融合了传感器、生产和市场等多模态数据，并采用LSTM注意力模型预测需求，结合Double Deep Q-Network控制调度决策	在高峰时段性能不佳，导致12.8%的交付延迟，且跨行业泛化能力有限，计算效率较低	解决智能制造系统在需求变化下的动态资源调度问题	智能制造系统中的资源调度决策	机器学习	NA	NA	LSTM, Double Deep Q-Network (DDQN)	传感器数据、生产数据、市场数据	模拟场景数据	NA	LSTM, DDQN	资源利用率、按时交付率、预测准确率	NA
318	2026-08-13	Deep learning-based neuroanatomical profiling reveals population-specific brain changes in multiple sclerosis: a large-scale Middle Eastern study 2026-06-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02481-2 PMID:42226149	研究论文	利用基于深度学习的神经解剖学分析，对中东人群（伊朗西北部）多发性硬化症患者与健康对照者的大脑结构变化进行大规模统计比较，并建立人群特异性参考范围	首次为中东人群建立MS神经影像生物标志物的初步人群特异性参考范围，并揭示以脑室周围为主的病变积累模式；使用深度学习自动化分割方法在大规模队列中进行分析	未明确提及限制，但可能限于单一地区（伊朗西北部）的回顾性观察设计，以及性别差异分析中缺乏显著差异可能受样本量影响	比较MS患者与健康对照组的大脑结构变化，建立中东人群的神经影像生物标志物参考范围	1,381名受试者（1,000名健康对照，381名MS患者）	深度学习, 医学影像分析	多发性硬化症	NA	CNN	MRI影像（FLAIR序列）	1,381名受试者（健康对照1,000名，MS患者381名）	NA	U-Net	Dice相似系数, 95%豪斯多夫距离, 归一化比值, t统计量, Cohen's d, Mann-Whitney U统计量, 秩双列相关系数, 皮尔逊相关系数	NA
319	2026-08-13	Deep learning-driven decoding of ubiquitination: from regulatory mechanisms to targeted protein degradation 2026-Jun-01, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00848-7 PMID:42226266	综述	本文综述了深度学习在泛素化研究中的应用，涵盖从调控机制解析到靶向蛋白质降解的治疗应用。	全面总结了深度学习在泛素化研究中的多层面应用，包括预测泛素化位点、解析特异性机制以及促进靶向蛋白降解等转化应用。	未来需要开发更可解释的模型、整合生理背景并加强实验验证。	综述深度学习如何重塑泛素化研究，从描述性预测向机制理解和治疗应用推进。	泛素化系统，包括E3泛素连接酶、去泛素化酶、泛素链及相关调控网络。	机器学习, 生物信息学	癌症, 神经退行性疾病, 免疫功能障碍, 代谢性疾病	深度学习	卷积神经网络, 循环神经网络, Transformer, 蛋白质语言模型, 图神经网络, 生成模型, 强化学习	序列数据, 结构数据, 多模态数据	不适用	不适用	卷积神经网络, 循环神经网络, Transformer, 蛋白质语言模型, 图神经网络, 生成模型, 强化学习	预测准确性	不适用
320	2026-08-13	Fine-grained evaluation of neighborhood quality in China using street view images and big data technologies 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53650-w PMID:42230815	研究论文	本文利用街景图像和深度学习等大数据技术，以中国232个地级市的5829个主要社区（街道）为研究对象，设计并评估了包含软环境和硬环境维度的社区质量体系，揭示了社区质量的空间分布特征及其影响因素。	创新性地将社区质量评估从城市或国家尺度细化到街道级小尺度，结合街景图像和深度学习技术获取微观数据，构建了同时衡量城市软环境和硬环境的评估体系。	未明确说明局限性，但可能包括街景图像数据覆盖度和质量对评估结果的影响，以及评估体系可能未覆盖所有软环境维度。	评估中国城市社区质量，分析其空间分布和影响因素，为城市规划、城市更新和城市化政策优化提供理论支持。	中国232个地级市的5829个社区（街道）。	计算机视觉, 数字病理	不适用	街景图像分析, 深度学习	深度学习模型（具体类型未提及）	图像（街景图像）和统计数据	5829个社区（街道）	不适用	不适用	熵值法（评估指标）	不适用