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
321	2026-05-16	Hybrid deep learning with protein language models and dual-path architecture for predicting IDP functions 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag126 PMID:41921197	研究论文	提出混合深度学习模型IDPFunNet，结合蛋白质语言模型和双路径架构，用于预测内在无序蛋白质功能	首次将卷积神经网络、双向LSTM、残差MLP与蛋白质语言模型ProtT5融合，采用双路径架构解耦结合预测与DFL识别，在多任务学习和跨数据集泛化上取得显著提升	自注意力机制在核酸结合预测中潜力待验证，且当前模型对某些功能子类的区分能力仍依赖特定架构	开发一种可解释且泛化的框架，用于全面映射内在无序蛋白质的功能类别	内在无序区域（IDRs）的六种功能类别：五种结合亚型和无序柔性连接区（DFLs）	机器学习	NA	蛋白质语言模型（ProtT5）	混合深度学习模型（CNN、双向LSTM、残差MLP）	蛋白质序列	六个独立基准数据集，包括CAID2/3盲测集，具体样本量未明确说明	PyTorch	CNN、双向LSTM、残差MLP、ProtT5、自注意力机制	AUC、平均精度（APS）、p值	未明确提及，但提供网络服务器和独立软件包
322	2026-05-16	A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag088 PMID:41712756	研究论文	提出一个深度学习框架，用于全面预测人类RNA G-四链体结合蛋白	整合多种编码策略和神经架构，特别是使用ESM-2蛋白质语言模型嵌入和LSTM架构，实现高准确率预测，并发现与细胞应激反应相关的潜在联系	主要依赖计算预测，需要实验验证；模型可能对特定类型的G4BPs存在偏好	开发一种有效的方法来探索RNA G4BPs景观，揭示RNA调控中的新参与者	人类RNA G-四链体结合蛋白	机器学习	NA	蛋白质语言模型（ESM-2）嵌入	LSTM	蛋白质序列数据	人类蛋白质组中的2160个高置信度候选RG4BP	PyTorch	LSTM	准确率(86%)	NA
323	2026-05-16	Truth-based physics informed estimation of material composition in spectral CT in terms of density and effective atomic number 2026-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4284 PMID:41643313	研究论文	开发并验证一种基于物理信息的深度学习模型，用于从能谱CT图像中估计材料密度和有效原子序数	将物理信息正则化引入生成对抗网络（GAN），在训练中融入底层物理原理，并利用验证的模拟数据进行训练，以提高材料分解精度	临床验证样本量较小，限制了结果的泛化性；仅研究了腹部应用和碘对比剂	开发和验证基于物理信息约束的深度学习模型，用于能谱CT材料分解，生成密度和有效原子序数图谱	能谱CT图像中的材料成分，包括密度和有效原子序数	计算机视觉, 机器学习	NA	光子计数能谱CT（PCCT）	生成对抗网络（GAN）	图像（CT图像）	32个模拟人体模型用于训练，16个计算模体和6个临床病例用于验证，30个图像切片用于读者研究	NA	生成对抗网络（GAN）	NRMSE, SSIM, PSNR, RMSE, 显著度得分	NA
324	2026-05-16	Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36732-7 PMID:41680218	研究论文	提出使用循环神经网络长短期记忆模型从桩完整性测试原始数据中检测桩端，以提高测试可靠性和效率	首次将RNN-LSTM模型应用于桩完整性测试的自动速度反射图生成，减少对人工经验的依赖并消除主观误差	模型仅基于埃及多个打入桩项目的数据训练，可能缺乏对其他地区或不同类型桩的泛化能力	开发一种人工智能系统，从加速度输入中学习波传播行为并正确捕捉桩端位置，替代传统人工解释方法	桩完整性测试中的桩端位置检测与反射图生成	机器学习	NA	低应变完整性测试	循环神经网络长短期记忆	加速度时程信号	埃及多个打入桩项目收集的数据	NA	六层32神经元LSTM	决定系数R，训练R为0.9126、验证R为0.8778，桩端预测准确度达84%至89.5%	NA
325	2026-05-16	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	利用长短期记忆深度学习算法从体动记录仪和心率数据预测儿童睡眠及睡眠阶段的表现评估	首次使用LSTM算法结合体动记录仪和心率数据预测儿童睡眠阶段，并评估其与传统方法相比的优势	研究仅基于实验室过夜多导睡眠图，未涉及家庭环境中的长期监测；消费者可穿戴设备种类有限（仅三种）	评估LSTM算法从体动记录仪和心率数据预测儿童睡眠与睡眠阶段的准确性，并与传统方法比较	儿童（5-12岁）的睡眠数据	机器学习	睡眠障碍	体动记录仪、心率监测、多导睡眠图	LSTM	时间序列数据（体动记录仪和心率信号）	238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人）	未明确指定	LSTM	准确率、敏感性、特异性	NA
326	2026-05-16	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	该文提出一种结合卷积非线性脉冲神经模型与双向长短期记忆的多变量云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型(ConvNSNP),相比传统卷积模型增强了处理非线性数据的能力	未提及模型的泛化能力和计算资源消耗情况	解决云计算环境中多变量工作负载预测问题	云工作负载时间序列数据	机器学习	NA	深度学习	混合模型	时间序列	三个公共云工作负载数据集(来自阿里巴巴和谷歌)	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
327	2026-05-16	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects across Class A GPCRs 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01858 PMID:41532426	研究论文	介绍了一种基于Transformer的深度学习框架BOLD-GPCRs，用于预测A类GPCR的配体生物活性和突变效应	将迁移学习和基于Transformer的蛋白质语言模型与密集神经网络分类器相结合，通过用户友好的网页界面实现对A类GPCR配体生物活性和突变效应的预测	传统方法在配体或结构数据有限的受体上表现不佳，而BOLD-GPCRs虽然有效，但未明确说明其局限性	开发一种能够准确预测整个A类GPCR家族配体生物活性的方法，特别是针对研究不足的受体亚型	A类G蛋白偶联受体及其配体	机器学习	NA	深度学习，迁移学习，Transformer	Transformer，密集神经网络	配体数据，受体序列数据，信号相关突变数据	NA	PyTorch	Transformer，BERT	预测性能（具体指标未说明）	NA
328	2026-05-16	Open RGB imaging workflow for morphological and morphometric analysis of fruits using deep learning: a case study on almonds 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf157 PMID:41416705	研究论文	开发了一个基于深度学习的开源RGB成像工作流，用于水果的形态和形态测量分析，并以杏仁为例进行了验证	提出了一个结合AI的开源Python工作流，能够高效分析水果形态、颜色和形态测量特征，并在杏仁上进行了迄今为止最大规模的形态学研究	未提及具体的局限性	利用深度学习技术开发一个开放的工作流，用于高通量表型分析中的形态和形态测量特征提取	杏仁的核仁、坚果及其个体样本	计算机视觉	NA	RGB成像	深度学习模型（具体类型未明确）	图像	超过25000个核仁、20000个坚果以及600多个个体	Python (未指定具体框架，如TensorFlow或PyTorch)	NA（未指定具体架构，如U-Net等）	错误率（低于1%）、均方根误差（0.47）	NA
329	2026-05-16	Harnessing artificial intelligence for genomic variant prediction: advances, challenges, and future directions 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag004 PMID:41518203	综述	利用人工智能进行基因组变异预测的进展、挑战和未来方向	系统回顾从传统规则系统到现代机器学习、深度学习和蛋白质语言模型的演变，并基于当前变异影响预测器的评估提出预测器选择、多组学数据整合和计算工作流优化的策略	未提及具体局限性	提高基因组变异解读的准确性，推动精准医疗发展	基因组变异预测方法和预测器	机器学习	NA	多组学数据整合	机器学习模型、深度学习模型、蛋白质语言模型	多模态基因组数据	NA	NA	NA	NA	NA
330	2026-05-16	Generalizable machine learning models for rapid antimicrobial resistance prediction in unseen health care settings 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf156 PMID:41553357	研究论文	利用机器学习模型结合MALDI-TOF质谱技术，实现跨医疗机构的快速抗菌药物耐药性预测	通过掩码自编码器处理MALDI-TOF谱图和化学语言模型处理抗菌药物，提高了模型在不同医疗机构和时间段上的泛化能力	未提及具体限制	开发具有高泛化能力的机器学习模型，用于快速预测抗菌药物耐药性	来自4家医疗机构的MALDI-TOF质谱数据和抗菌药物信息	机器学习	抗菌药物耐药性	MALDI-TOF质谱分析	掩码自编码器、化学语言模型	质谱数据和化学字符串数据	4家医疗机构的样本数据	NA	掩码自编码器、Molformer语言模型	精确率-召回率曲线下面积	NA
331	2026-05-16	Computational redesign of a thermostable T7 RNA polymerase 2026-Jan-09, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzag008 PMID:41804789	研究论文	通过结构计算设计开发了一种高度稳定的T7 RNA聚合酶变体T7T+	结合现有稳定变体的突变与PROSS识别的新突变，并通过数据驱动启发式方法过滤以保留功能，最终设计出具有更高热稳定性的T7 RNA聚合酶	T7T+在37°C时仅保留59%的野生型活性，表明稳定性提升可能以部分活性损失为代价	提高T7 RNA聚合酶的热稳定性，拓展其在生物技术中的应用	T7 RNA聚合酶及其变体	机器学习	NA	结构计算设计与功能测定	NA	序列与结构数据	18个蛋白设计变体	NA	NA	热耐受性T50、表观熔解温度、活性保留率	NA
332	2026-05-16	Enhanced epileptic seizure detection using CNNs with convolutional block attention and short-term memory networks 2026-01-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2025.115831 PMID:40962227	研究论文	提出了一种结合卷积块注意力和长短期记忆网络的深度学习模型用于癫痫发作检测	在CNN和LSTM模型中引入卷积块注意力模块，增强对关键信息的提取能力	未提及局限性	开发精确的癫痫发作检测方法以改善患者生活质量	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	CNN, LSTM	脑电图信号	公开的波恩大学数据集，具体样本数未提及	NA	CNN_CBAM_LSTM	准确率	NA
333	2026-05-16	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	提出一种结合SE-CapsNet和CNN-BiLSTM的混合深度学习模型，用于超声图像中胆囊疾病的准确诊断	首次将Squeeze-and-Excitation胶囊网络与卷积双向长短期记忆网络结合，用于胆囊疾病超声图像的自动分类，并通过非局部均值滤波进行图像增强	未提及模型在其他数据集上的泛化能力以及计算资源需求	开发一种基于深度学习的有效方法，用于准确分类胆囊疾病类型	超声图像中的胆囊疾病（多种类型）	计算机视觉, 数字病理学	胆囊疾病	超声成像	胶囊网络, CNN, BiLSTM	图像（超声图像）	未明确说明具体样本数量，但使用了胆囊疾病数据集	NA	SE-CapsNet, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异度	NA
334	2026-05-16	Artificial Intelligence-Based Echocardiography in Pulmonary Arterial Hypertension 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.052 PMID:40876740	研究论文	开发并验证全自动深度学习超声心动图工作流程用于评估肺高血压	首次评估全自动深度学习工作流程在超声心动图评估肺高压中的可靠性与临床效率，并与核心实验室标准比较	右心室面积变化分数存在显著偏差，且仅在部分患者中可测量三尖瓣反流峰速信号	验证全自动深度学习超声心动图在评估肺动脉高压中的可靠性	健康个体（213例）与肺动脉高压患者（221例）以及转诊右心导管检查的患者（196例）	医学影像分析	肺动脉高压	深度学习超声心动图	深度学习模型（Us2.ai软件）	超声心动图图像	病例对照队列：434例（213例健康+221例肺动脉高压）；转诊队列：196例（171例可测量三尖瓣反流峰速）	NA	Us2.ai软件版本1.4.5	偏差、精密度、受试者工作特征曲线下面积	NA
335	2026-05-16	Redefining multi-target weather forecasting with a novel deep learning model: Hierarchical temporal convolutional long short-term memory with attention (HTC-LSTM-Attn) in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342431 PMID:41871152	research paper	提出了一种名为层次时间卷积长短期记忆网络（HTC-LSTM-Attn）的新型深度学习模型，用于孟加拉国多目标天气预报	结合层次时间卷积、双向LSTM和注意力机制，并通过Keras调谐器优化参数，在时序和空间测试集上均优于传统模型和最先进的Transformer架构	未提及跨季节或极端气候条件下的泛化能力，模型复杂度可能带来计算开销	提高孟加拉国多城市最高温度和湿度的多步预测精度，以支持农业规划和灾害管理	孟加拉国24个城市的最高温度和湿度	machine learning	NA	NA	HTC-LSTM-Attn	时间序列数据（温度、湿度）	1961年至2022年来自孟加拉国农业研究委员会（BARC）的历史数据；时序测试集包含19个站点（2016-2022年），空间测试集包含5个未见站点（2016-2022年）	Keras	Hierarchical Temporal Convolution, Bidirectional LSTM, Attention	MAE, RMSE, R², MAPE	未具体说明，但使用了Keras Tuner进行超参数优化
336	2026-05-16	phyddle: Software for Exploring Phylogenetic Models with Deep Learning 2025-Dec-18, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf036 PMID:40366771	研究论文	介绍phyddle，一种基于深度学习的软件，用于对系统发育树进行似然自由的建模与分析	提出了基于管线的软件框架，整合模拟、格式化、训练、估计和绘图五个步骤，使深度学习方法能灵活用于系统发育建模，尤其适用于缺少可处理似然函数的复杂模型	未明确提及局限性	开发并验证一种基于深度学习的软件工具，以解决传统似然方法难以处理的系统发育建模问题	系统发育树数据，包括宏观进化参数估计、连续性状进化模型选择和流行病学模型覆盖测试	机器学习	NA	似然自由深度学习	深度学习模型	系统发育树数据	未明确提供样本数量	未明确提供，可能包含PyTorch或TensorFlow	未明确提供，可能包含神经网络架构	准确性、覆盖率测试	未明确提供
337	2026-05-16	Self-attention bidirectional long Short-Term memory assisted natural language processing on sarcasm detection and classification in social media platforms 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31093-z PMID:41345450	研究论文	提出一种基于自注意力双向长短期记忆网络的自然语言处理方法，用于社交媒体平台的讽刺检测与分类	将自注意力机制与双向长短期记忆网络结合，构建SA-BLSTM模型以提升讽刺文本的自动检测性能	仅基于单一headline数据集验证，未涉及多语言或多平台数据的泛化性	开发能够自动、有效识别社交媒体平台上讽刺文本的模型	社交媒体平台上的讽刺文本	自然语言处理	NA	NLP, Word2Vec	SA-BLSTM（自注意力双向长短期记忆网络）	文本	headline数据集（具体样本数未提及）	NA	SA-BLSTM（Self-Attention with Bidirectional LSTM）	准确率	NA
338	2026-05-16	Applications of artificial intelligence in abdominal imaging 2025-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	综述	探讨人工智能在腹部影像学中的应用，包括疾病检测、分类和个性化诊疗	系统总结了深度学习与影像组学在多种腹部疾病中的应用，并强调可解释AI和多中心验证的重要性	缺乏多中心验证、依赖回顾性单中心研究、AI模型可解释性差、标准化成像方案缺失	推动AI在腹部影像学中的临床转化，提升诊断精度和治疗规划	腹部疾病，包括弥漫性肝实质病变、局灶性肝病变、胰腺导管腺癌、肾肿瘤和肠道病理	数字病理学	肺癌、前列腺癌、心血管疾病、老年病	深度学习、影像组学	深度学习模型	影像数据	NA	NA	NA	准确性	NA
339	2026-05-16	Frontalis Only Contracts in One Direction: AI-Quantum Elasticity and Resistance Gradient Reveals True Nature of Forehead Muscle Movement 2025-12, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04924-7 PMID:40425886	研究论文	通过AI驱动生物力学模型和量子弹性与阻力梯度模型，揭示额肌收缩为单向运动，反驳双向收缩理论	首次引入量子弹性与阻力梯度（QERG）模型解释额肌收缩时的皮肤动力学，并结合AI深度学习框架和有限元分析验证单向收缩机制	未提及样本多样性覆盖的局限性，以及模型在非面部表情场景的普适性	明确额肌收缩的真实方向及皮肤折叠机制，验证单向收缩理论	600名不同种族、性别和年龄受试者的额头皮肤运动与皱纹形成	计算机视觉, 机器学习	NA	3D面部扫描、有限元分析	深度学习、随机森林、深度神经网络	3D面部扫描图像	600名受试者（覆盖不同种族、性别和年龄）	TensorFlow, PyTorch	随机森林、深度神经网络	R²（决定系数）	NA
340	2026-05-16	Ultrasound image-based contrastive fusion non-invasive liver fibrosis staging algorithm 2025-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-04991-z PMID:40442504	研究论文	基于深度学习技术，利用超声图像实现非侵入性肝纤维化分期诊断	创新引入纤维化对比层（FCL）和标签融合（LF）机制，提升模型对不同等级肝纤维化特征的捕捉能力，在小样本条件下仍保持高稳定性和准确性	研究未提及外部验证或多中心数据验证，可能限制模型泛化能力；依赖超声图像和穿刺活检结果，存在数据采集标准差异	实现肝纤维化的非侵入性分期诊断，避免肝穿刺活检的侵入性风险和成本	超声检查获取的纯肝实质图像数据，结合经皮肝穿刺活检结果	计算机视觉	肝纤维化	超声成像	FCLLF（纤维化对比层和标签融合模型）	图像	未明确样本数量，但提及全样本数据集和30%小样本数据集	NA	VGG, ResNet, InceptionNet（作为基线对比），FCLLF（创新模型）	准确率	NA