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
3541	2026-07-28	Pretreatment multiparametric MRI-based habitat radiomics and 2.5D deep learning for predicting early complete response to induction chemoimmunotherapy in locally advanced nasopharyngeal carcinoma 2026-Sep, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.108072 PMID:42435493	研究论文	开发并外部验证一种基于治疗前多参数MRI的联合影像模型，整合传统影像组学、生境影像组学和2.5D深度学习特征，用于预测局部晚期鼻咽癌诱导化学免疫治疗后的早期完全缓解	首次结合传统影像组学、生境影像组学和2.5D深度学习特征构建多参数MRI联合模型，用于预测LANPC诱导化学免疫治疗早期CR，并通过SHAP分析揭示了不同特征类型的贡献	回顾性研究设计，需要前瞻性多中心验证	开发一种非侵入性工具，在治疗前对LANPC患者进行反应分层，预测诱导化学免疫治疗的早期完全缓解	局部晚期鼻咽癌（LANPC）患者	机器学习, 医学影像	鼻咽癌	MRI	CNN, 2.5D深度学习模型	影像	500名LANPC患者，其中训练集195例、内部验证集84例、外部测试集221例	NA	2.5D深度学习网络	AUC, 敏感度, 阴性预测值	NA
3542	2026-07-28	3D Freehand Ultrasound Reconstruction of the Carotid Artery 2026-Aug, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.03.005 PMID:42086379	研究论文	提出一种无需传感器的三维自由手部超声重建颈动脉的方法，利用两流物理启发学习预测姿态模型（PLPPI）结合散斑去相关和空间信息进行帧对齐	创新地将散斑去相关作为归纳偏置（时间信息）与空间信息整合到两流物理启发学习预测姿态模型（PLPPI）中，通过相关层协同时空线索实现自由手部帧对齐，显著提升重建精度并降低计算资源需求	未明确说明局限性，但可能受限于志愿者样本量较小（20人）以及仅针对颈动脉的特定解剖部位	开发一种传感器less的三维自由手部超声重建方法，提高重建精度和计算效率	20名人类志愿者（10男10女）的颈动脉B模式超声数据	计算机视觉	心血管疾病	超声成像	残差神经网络（ResNet）	二维超声图像	20名志愿者（10男10女）	PyTorch	ResNet	全局像素重建误差、最终漂移、最终漂移率	NA
3543	2026-07-28	Structural Proteomics-Based Deciphering of Hydrophobic Packing Fingerprints Informing Protein Thermostability in TIM Barrels 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01179 PMID:42411378	研究论文	开发了一种基于疏水堆积指纹的定量平台qPacking，用于分析TIM桶蛋白的热稳定性	首次定义了五种疏水堆积描述符（HPDs），并构建了qPacking平台，能够系统量化TIM桶蛋白中的疏水簇，揭示热稳定性的定量规则	仅针对TIM桶蛋白折叠类型，未涉及其他蛋白质结构	阐明疏水簇形成稳定性的定量规则，优化蛋白质热稳定性	TIM桶蛋白（三磷酸异构酶桶状结构）中的疏水簇	结构蛋白质组学	NA	结构蛋白质组学、蛋白质结构预测	NA	蛋白质结构数据	数百万个蛋白质结构	NA	NA	NA	NA
3544	2026-07-28	LINKER: Learning Interactions between Functional Groups and Residues with Chemical Knowledge-Enhanced Reasoning and Explainability 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00527 PMID:42461227	研究论文	提出了LINKER，首个基于序列的模型，仅利用蛋白质序列和配体SMILES表示，预测残基与官能团之间的相互作用	首次采用基于序列的方法预测残基-官能团相互作用，通过官能团基序提取从三维结构中派生交互标签，并强调化学上有意义的子结构而非空间邻近性	NA	准确识别蛋白质残基与配体官能团之间的相互作用，以理解分子识别并指导合理药物设计	蛋白质-配体相互作用中的残基和官能团	自然语言处理, 机器学习	NA	SMILES表示, 官能团基序提取	神经网络	序列数据	NA	NA	NA	NA	NA
3545	2026-07-28	PSDTA: An Approach to Drug-Target Binding Affinity Prediction by Integrating Physicochemical and Structural Information to Reduce Feature Redundancy 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02783 PMID:42406514	研究论文	提出PSDTA方法，通过整合物理化学和结构信息减少特征冗余，实现药物-靶标结合亲和力预测	明确整合氨基酸结构信息以避免坐标直接使用导致的信息泄漏风险，并设计两个互补通道分别在残基和基团水平识别结合相关残基，减少特征冗余	未明确说明限制	提升药物-靶标结合亲和力预测的准确性和泛化性能	药物分子和靶标蛋白的结合亲和力	机器学习	NA	深度学习	PSDTA	序列数据、结构数据	PDBBind v2016、PDBBind v2020和Davis三个基准数据集	NA	双通道架构	性能指标未具体列出	NA
3546	2026-07-28	DeepDPM: A Deep Learning Method for MoRFs Prediction Based on Wavelet Transform and Dynamic Convolutional Attention Mechanism 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01251 PMID:42417674	研究论文	提出基于小波变换和动态卷积注意力机制的深度学习方法DeepDPM，用于预测分子识别特征	设计了BioWaveKAN、DCAttention、BiLCrossAttention和MultiScaleSmoothing四个新模块，分别实现多频信息捕获、上下文建模增强、序贯与空间信息融合及特征平滑	未提及计算资源需求及模型泛化性验证	提高分子识别特征的预测准确性，解决多源特征建模、上下文依赖捕获和鲁棒特征融合的局限性	分子识别特征及其在蛋白质序列中的识别区域	自然语言处理	NA	深度学习	深度学习模型	蛋白质序列数据	基准数据集Test1	PyTorch	BioWaveKAN, DCAttention, BiLCrossAttention, MultiScaleSmoothing	MCC, AUC	NA
3547	2026-07-28	Deep learning-enabled robust regional lung function assessment in mechanically ventilated AECOPD patients using EIT parameters 2026-Jul-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae88b5 PMID:42425162	研究论文	开发了一种基于深度学习的EIT鲁棒性评估器（EITRE），用于自动筛选适用于稳态区域参数估计的呼吸周期，以提升机械通气AECOPD患者区域肺功能评估的可靠性	创新性地将EfficientNet-b0空间编码器与注意力增强门控循环单元及XGBoost分类器相结合，直接从重建EIT图像序列中识别稳态呼吸，无需依赖原始电压数据	依赖同步呼吸机波形和统计偏差规则生成的操作参考标签，可能未能涵盖所有复杂的患者-呼吸机异步模式	实现自动化、可靠的区域肺功能评估，提升机械通气AECOPD患者EIT参数估算的测量一致性	机械通气的AECOPD患者	机器学习，数字病理学	慢性阻塞性肺疾病急性加重期（AECOPD）	电阻抗断层成像（EIT）	深度学习模型	EIT图像序列	58名AECOPD患者，140310个呼吸周期	PyTorch	EfficientNet-b0, 门控循环单元（GRU）, XGBoost	F1分数	NA
3548	2026-07-28	Anatomically adaptive feature-wise linear modulation for deep learning-based low-dose CT denoising 2026-Jul-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae88af PMID:42425148	研究论文	提出一种基于双调制U-Net结构的解剖自适应噪声去除框架，用于低剂量CT图像降噪	通过全局与局部特征线性调制（FiLM）单元，分别建模整体噪声特性和组织特异性噪声，实现解剖区域自适应的噪声去除	NA	设计基于物理特性的深度学习框架，显式建模区域依赖性噪声特征以改善低剂量CT图像降噪性能	低剂量CT图像中的解剖区域（肺、软组织、骨骼）及其噪声特性	计算机视觉	NA	低剂量CT（LDCT）	U-Net	CT图像	使用AAPM-Mayo Clinic LDCT数据集训练，TCIA数据集测试	PyTorch	U-Net、特征线性调制（FiLM）单元	噪声去除百分比（37.14%肺部、48.75%软组织、35.18%骨骼）	NA
3549	2026-07-28	NeuroPpred-PSCG: A Multimodal Framework Using ProtT5 and Structural Features for Neuropeptide Prediction Based on Gated Cross-Attention Mechanism and Multiscale Gated Convolution 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01123 PMID:42438422	研究论文	开发了一种名为NeuroPpred-PSCG的新型多模态深度学习框架，用于神经肽预测	首次结合ProtT5蛋白质语言模型和二级结构特征，利用双向交叉注意力机制和门控融合模块整合全局语义与局部构象信息，并采用多尺度门控卷积网络增强层次上下文信息	未提及具体局限性	实现神经肽的精确快速预测，以应对神经和代谢疾病诊断需求	神经肽序列及其二级结构数据	机器学习	神经系统疾病, 代谢性疾病	ProtT5蛋白质语言模型	多模态深度学习框架	蛋白质序列数据	独立测试集（具体数量未提及）	PyTorch	多尺度门控卷积网络, 双向交叉注意力机制	准确率, 灵敏度, F1分数, 马修斯相关系数	NA
3550	2026-07-28	Insights into the Indexing of Powder X-ray Diffraction from a Robust Transformer Deep Learning 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01362 PMID:42439077	研究论文	提出了一种基于Transformer的端到端框架AIdex-R2，用于从粉末X射线衍射数据中进行消光群和晶胞参数的联合推断	首次将Transformer架构应用于PXRD索引问题，实现了消光群识别和晶胞参数预测的端到端联合推断，并在极端扰动条件下保持高成功率	未明确提及局限性	开发更鲁棒的粉末X射线衍射索引方法，克服传统方法对低对称性、大晶胞和非理想数据的局限性	粉末X射线衍射（PXRD）数据	机器学习	NA	粉末X射线衍射（PXRD）	Transformer	数值序列（低角度衍射反射序列）	NA	PyTorch	Transformer	Top-5准确率、平均绝对百分比误差（MAPE）、索引成功率	NA
3551	2026-07-28	ProphDR: An Interpretable Deep Learning Model for Predicting Cancer Drug Response via Multi-Omics and Cross-Attention Mechanisms 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00167 PMID:42441428	研究论文	提出ProphDR，一个可解释的深度学习框架，通过多组学数据和交叉注意力机制预测癌症药物反应	提出层级注意力机制集成多组学数据和药物结构信息，采用Criss-Cross基因级多组学整合模块和交叉注意力模块，生成可解释的注意力图谱	未提及具体局限性	提高癌症药物反应预测的准确性和可解释性	癌症药物反应预测	机器学习	癌症	多组学数据整合	深度学习模型	多组学数据、药物结构信息	GDSC和CCLE数据集，具体样本量未提及	NA	层级注意力机制、Criss-Cross基因级多组学整合模块、交叉注意力模块	皮尔逊相关系数、均方根误差、AUC	NA
3552	2026-07-28	RetroMPA: A Molecular Property-Aware Auxiliary Framework for Enhancing Retrosynthesis Prediction 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01506 PMID:42441944	研究论文	提出了一个分子性质感知的辅助框架 RetroMPA，用于增强逆向合成预测	首次提出模型无关的、即插即用的化学知识注入模块，无需修改原始模型架构或重新训练	NA	提升逆向合成预测的准确性，并将化学知识显式集成到数据驱动模型中	逆向合成反应数据集的预测路径	机器学习	NA	NA	NA	文本（SMILES序列）	USPTO-50K和USPTO-Full数据集	PyTorch	NA	Top-1准确率	NA
3553	2026-07-28	Atomic Uncertainty Pinpoints Critical Failure Structures for Trustworthy Molecular Property Prediction 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00973 PMID:42447216	研究论文	提出一种原子不确定性感知的迭代网络AUINet，通过量化原子尺度不确定性提升分子属性预测的可信度	首次在原子级别量化并优化不确定性，通过不确定性引导的迭代更新细化原子特征，无需大规模预训练即可在低数据条件下超越现有模型	依赖蒙特卡洛dropout估计不确定性，可能在高计算资源需求下存在效率问题；未在真实工业场景中验证大规模适用性	开发可解释且可信的分子属性预测模型，解决传统全局不确定性掩盖局部歧义的问题	分子结构及其对应的物理化学属性（如溶解度）、蛋白质-蛋白质相互作用抑制剂任务的数据	机器学习	NA	NA	D-MPNN（消息传递神经网络）	分子图结构数据（原子与化学键特征）	分子属性基准数据集（具体数量未提及）及蛋白质-蛋白质相互作用抑制剂任务数据集	PyTorch（基于D-MPNN实现）	D-MPNN（定向消息传递神经网络）	预测性能（具体指标如均方误差、AUC等未明确提及）、拒采样实验中的误差信号对比	GPU（型号未指定）
3554	2026-07-28	UNMR-Net: A Unified Deep Reconstruction Network for Multitask Compressed Sensing NMR Spectroscopy 2026-Jul-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01352 PMID:42461221	研究论文	提出一种统一的深度重建网络架构，用于多任务压缩感知核磁共振波谱成像	通过展开经典迭代收缩阈值算法，实现了单一网络同时适用于两种核磁共振稀疏重建任务，打破了任务定制化网络设计的限制，并借助模型驱动可靠性与数据驱动表达性的结合，提升了重建过程的透明度和性能	论文未明确提及局限性	开发一种统一且可解释的深度重建网络，以提高核磁共振波谱中压缩感知重建的适应性和可解释性	核磁共振波谱中的稀疏重建任务	机器学习	NA	核磁共振波谱	深度展开网络	核磁共振波谱数据	NA	NA	迭代收缩阈值算法展开网络	重建性能（具体指标未在摘要中明确）	NA
3555	2026-07-28	A Tutorial on Dimensionality Reduction and Clustering for Molecular Dynamics Trajectories: From Linear Algorithms to Deep Learning 2026-Jul-15, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01016 PMID:42454650	教程	系统介绍从线性算法到深度学习的分子动力学轨迹降维与聚类方法，帮助用户分析MD模拟轨迹、识别亚稳态和中间态、提取慢运动集体变量并构建自由能景观	整合线性降维、小波增强方法和深度学习三类方法，系统性提供分子动力学轨迹分析的多层次技术路线	NA	指导用户利用降维与聚类技术分析分子动力学模拟轨迹，支持生物分子构象变化研究	分子动力学模拟轨迹	机器学习	NA	分子动力学模拟（MD）	PCA、tICA、小波增强tICA、小波增强时间滞后自编码器、深度关键中间态识别	分子动力学轨迹数据	NA	Python	PCA、tICA、自编码器	NA	NA
3556	2026-07-28	Leveraging Advanced AI Frameworks for Dual PPAR α/γ Agonist Discovery in Alzheimer's Disease 2026-Jul-15, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.6c00148 PMID:42458794	综述	本文综述了人工智能在阿尔茨海默病中加速发现和优化双PPAR α/γ激动剂的应用	强调自主和代理型AI系统在假设生成、先导优化和闭环筛选中的作用，以及AI数字孪生框架整合多组学、神经影像和临床数据建模	未提及具体的限制	展示AI在双PPAR α/γ调节剂发现中的重要性，推动阿尔茨海默病治疗的精准医学	双PPAR α/γ调节剂	机器学习	阿尔茨海默病	NA	深度学习	多组学数据、神经影像数据、临床数据	NA	NA	NA	NA	NA
3557	2026-07-28	Normative volumetric growth modeling of the whole fetal body, placenta, and amniotic fluid for three-dimensional T2-weighted magnetic resonance imaging 2026-Jul, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06682-3 PMID:42287424	研究论文	开发了一个用于三维T2加权胎儿磁共振成像的全自动全子宫容积测量流水线，并建立了胎儿、胎盘和羊水体积的正常生长模型	首次实现了三维胎儿MRI中同时进行全子宫容积测量的自动化流水线，并建立了跨孕期的正常生长模型	文中未明确提及局限性	开发自动化流水线进行三维T2加权胎儿MRI的全子宫容积测量，并推导胎儿、胎盘和羊水体积的正常生长模型	胎儿、胎盘和羊水体积	数字病理学	正常妊娠和高危妊娠	三维可变形切片到体积重建	3-D U-Net	三维T2加权磁共振图像	357个正常对照数据集和43个独立数据集	NA	3-D U-Net	Dice系数、体积误差	NA
3558	2026-07-28	Comparison of marker-based and markerless motion capture systems to assess gait kinematics and kinetics in children with cerebral palsy 2026-07, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110213 PMID:42107175	研究论文	比较基于标记和无标记运动捕捉系统在评估脑瘫儿童步态运动学和动力学中的效果	首次系统比较无标记运动捕捉系统与标记系统在脑瘫儿童步态分析中的差异，验证无标记系统的临床潜力	无标记系统在非矢状面（如横断面）的测量一致性较差，且关节动力学估计精度仍需改进	评估无标记运动捕捉系统与标记系统在脑瘫儿童步态分析中的差异，探讨无标记系统的临床适用性	15名脑瘫儿童（11男，4女，平均年龄13.66±1.72岁）	计算机视觉	脑瘫	无标记运动捕捉、标记运动捕捉	深度学习	视频运动数据	15名脑瘫儿童	NA	深度学习模型（具体未指定）	均方根差（RMSD）、双尾配对t检验	NA
3559	2026-07-28	Differentiation of focal liver lesions in contrast-enhanced ultrasound using a heuristic-guided hybrid machine-learning framework 2026-Jul, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-025-01598-1 PMID:41610000	研究论文	利用启发式引导混合机器学习框架在对比增强超声中区分肝脏局灶性病变	提出了一个融合启发式知识和模型特异性分类的新型复合机器学习框架，仅使用前2分钟CEUS成像即可区分肝脏病变，避免Kupffer期成像的需求	样本量较小（232例患者），外部验证仅涉及58例独立测试病例；模型对非HCC恶性肿瘤的分类准确率较低（68.8%）	开发基于AI的框架，利用早期CEUS图像准确分类肝脏局灶性病变，减少诊断时间	Sonazoid对比增强超声图像中的肝脏局灶性病变	机器学习, 计算机视觉	肝脏肿瘤	对比增强超声	深度学习模型	图像	232例患者，232个肝脏局灶性病变（良性61例，HCC 104例，非HCC恶性肿瘤67例）	NA	两个深度学习模型：模型1（分类不均匀增强模式），模型2（分类均匀增强模式）	准确率, 敏感性, 特异性, AUC	NA
3560	2026-07-28	Integrating ConvNeXt tiny and radiomics in a nomogram to differentiate true progression from pseudoprogression in glioma 2026-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04024-6 PMID:42105112	研究论文	结合ConvNeXt Tiny和影像组学构建列线图区分胶质瘤真性进展与假性进展	首次将预训练ConvNeXt Tiny网络与影像组学特征整合到列线图中，用于区分胶质瘤真性进展和假性进展，且显著优于传统方法和放射科医师评估	未在文中明确提及局限性	开发一种无创且可靠的方法，通过整合影像异质性来改善胶质瘤真性进展与假性进展的鉴别	293例胶质瘤患者（真性进展208例，假性进展85例）的基线多参数MRI数据	数字病理学	胶质瘤	MRI	ConvNeXt Tiny	图像	293例患者（208例真性进展，85例假性进展）	NA	ConvNeXt Tiny	AUC, 校准曲线, 决策曲线分析, 净重分类改善	NA