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	2026-06-08	Specific-Source Insights into Changes of O3 Concentrations and Health Risks in China 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c01808 PMID:42226704	研究论文	开发了结合深度学习模型与源导向CMAQ模型的集成框架，用于重构2005-2020年中国O3浓度并将其归因于不同来源，评估健康风险	首次将深度学习模型与源导向空气质量模型耦合，突破了传统方法在精细尺度上归因源贡献的局限，揭示了O3浓度来源在时空异质性及健康影响之间的显著不对等关系	NA	量化中国不同来源对臭氧浓度的贡献并评估相应的健康风险，为制定面向健康、来源特定的臭氧管理策略提供科学依据	2005-2020年中国大气臭氧浓度及其来源贡献和健康风险	机器学习	呼吸系统疾病	NA	深度学习模型	时间序列数据、空间分布数据	2005-2020年的臭氧浓度数据	NA	深度学习模型	NA	NA
3542	2026-06-08	Concerted Electron-Ion Transport by Polyacrylonitrile Elucidated with Reactive Deep Learning Potentials 2026-Jun-02, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c05078 PMID:42227688	研究论文	利用反应性深度学习势能阐明聚丙烯腈中协同电子-离子传输的机制	首次通过深度学习势能模拟非平衡反应性PAN构型，揭示了亲核攻击引发的锂耦合电子转移及环化反应动力学	模拟未考虑聚合物链间相互作用及更复杂电解液环境的影响	研究PAN在电池中作为离子导体的协同电荷传输机制	聚丙烯腈（PAN）聚合物构型与Li⁺的相互作用	机器学习	NA	深度学习势能、红外光谱（IR）、核磁共振（NMR）	深度学习势能（Deep Potential）	分子结构数据（PAN构型能与力）	非平衡反应性PAN构型（具体数量未提及）	DeepMD-kit	深度神经网络势能	反应自由能、反应速率、电荷分析	GPU（具体型号未提及）
3543	2026-06-08	Efficient FPGA accelerator for low-power high-speed BCI motor imagery classification using novel deep learning 2026-Jun-02, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109105 PMID:42250530	研究论文	提出一种结合少样本学习与双注意力机制的SqueezeNet深度学习模型，并设计高效FPGA加速器，用于低功耗高速运动想象脑电信号分类	1) 首次将少样本学习与双注意力机制结合到SqueezeNet中，提升小样本和未见数据的分类精度；2) 设计基于双核DPU和双缓冲方案的低功耗硬件加速器，功耗仅12.14W，推理时间5.01ms，比CPU和GPU分别降低4.8倍和6.3倍	未提及对噪声鲁棒性的具体分析及模型在真实复杂环境下的验证情况	实现运动想象脑电信号的高精度、低功耗、高速分类，适用于边缘设备实时部署	脑电信号中的运动想象任务分类	机器学习	NA	脑电图	SqueezeNet、双注意力机制、少样本学习	脑电信号	BCI Competition IV 2a数据集（具体样本数未提及），以及其他公共数据集	NA	FSL-Dual Attention-based SqueezeNet	准确率	FPGA硬件加速器（双核DPU，双缓冲方案），CPU，GPU（功耗对比）
3544	2026-06-08	Virtual fluorescent labeling of engineered vascular networks with embedded tracer particles 2026-Jun, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2026.04.059 PMID:42097439	研究论文	开发了一种深度学习虚拟标记方法，能从无标记图像中恢复细胞核、细胞骨架和内皮荧光，用于工程化血管网络的纵向研究	首次在厚三维共培养系统中实现多通道荧光标记的虚拟预测，并对散射微珠具有鲁棒性，采用通道特定损失函数提升重建质量	未提及限制	实现无破坏性的实时定量分析工程组织中的微血管形态发生及细胞外基质力学	含2μm二氧化硅微珠的纤维蛋白水凝胶中三维共培养的人脐静脉内皮细胞和肺成纤维细胞	数字病理学, 计算机视觉	不适用	三维荧光成像, 明场成像	3D U-Net	图像（明场和共焦荧光序列）	三维纤维蛋白水凝胶中细胞共培养样本（具体数量未提及）	PyTorch	3D U-Net	均方误差, 结构相似性, 峰值信噪比, 相关性, Dice系数	未提及
3545	2026-06-08	A deep learning multi-attention Bi-GRU framework for kcat prediction with segmentation-based insights 2026-Jun-01, Enzyme and microbial technology IF:3.4Q2 DOI:10.1016/j.enzmictec.2026.110915 PMID:42250496	研究论文	提出了一种名为KcatNeuroCortex的深度学习框架，用于预测酶催化效率，该框架结合了双向门控循环单元（Bi-GRU）与多注意力机制，并通过基于分段的策略捕捉局部功能基序	创新性地将双向GRU与多注意力机制结合，模仿酶的工作方式；采用基于分段的策略捕捉局部功能基序，并整合为全局表示，提高了可解释性和预测准确性	NA	开发一个可解释且新颖的深度学习框架，用于准确预测酶催化效率（kcat），以解决酶序列数据增长快于测量催化常数的问题	酶序列的催化效率（kcat）预测	机器学习	NA	NA	Bi-GRU	序列数据	NA	NA	Bi-GRU, 多注意力机制	R², RMSE	NA
3546	2026-06-08	AWPAUNet: An advanced surrogate for real-time simultaneous modeling of multiple mechanical fields of soft tissues 2026-May-30, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104146 PMID:42250383	研究论文	提出一种基于UNet的代理模型AWPAUNet，用于实时同步预测软组织在空间位移交互下的多力学场行为	引入并行注意力模块增强力学敏感区域特征提取，并采用自适应加权策略平衡不同数值尺度的力学场联合学习，解决多场同步建模中的主导效应问题	NA	实现软组织的实时同步多力学场建模，支撑手术仿真及相关医疗辅助应用	软组织	机器学习	NA	NA	UNet	力学场数据（位移、应力、反作用力）	NA	NA	Adaptive Weighted Parallel Attention UNet (AWPAUNet)	NA	NA
3547	2026-06-08	Deep Learning of Protein Structure and Physicochemical Properties from Two-Dimensional Infrared Spectra 2026-May-28, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00969 PMID:42205032	研究论文	提出一个数据驱动的计算框架，通过二维红外光谱推断蛋白质结构表示和物理化学性质	首次建立从二维红外光谱到蛋白质结构距离图和多种理化性质的直接映射，利用大规模计算光谱数据集学习‘光谱-结构-性质’关系	结果基于模拟光谱，需要在实验二维红外光谱数据上进行进一步验证以评估实际应用性	建立从二维红外光谱定量推断蛋白质结构信息和物理化学性质的计算方法	蛋白质结构和物理化学性质（包括二级结构含量、回转半径、氢键计数和埋藏残基分数）	机器学习	NA	二维红外光谱	深度学习	光谱数据	631,651个计算得到的二维红外光谱，来自静态蛋白质结构和分子动力学轨迹	NA	NA	NA	NA
3548	2026-06-08	StruCloze: A Unified Framework for Backmapping and Inpainting Biomolecule Structures 2026-May-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00214 PMID:42202161	研究论文	提出了StruCloze，一个用于从粗粒化模型重建全原子结构以及填补缺失区域的深度学习框架，适用于蛋白质和核酸	首次统一处理多种粗粒化方案和生物分子类型的反向映射与结构补全，采用掩码学习策略实现跨方案泛化	论文标题和摘要中未明确提及局限性	从粗粒化模型重建原子级结构并填补生物分子结构中的缺失区域	蛋白质和核酸的粗粒化结构及结构缺失区域	机器学习	NA	NA	深度学习框架	分子结构数据（粗粒化表示及全原子结构）	NA	NA	NA	NA	NA
3549	2026-06-08	Unraveling Separation Mechanisms of Propanol Isomers and Water in LTA Zeolites via Deep Potential Molecular Dynamics 2026-May-23, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c01184 PMID:42176278	研究论文	通过基于深度学习的分子动力学模拟，研究LTA沸石中丙醇异构体与水的分离机制	首次利用深度势能分子动力学模拟揭示水分子如何影响Na离子迁移并动态调控LTA沸石孔道，解释支链异丙醇比直链正丙醇扩散更快的反常现象	NA	探究LTA沸石膜中丙醇异构体（异丙醇和正丙醇）与水的分离机理	丙醇异构体（异丙醇和正丙醇）以及水分子在LTA型沸石中的扩散行为	机器学习	NA	深度势能分子动力学（DPMD）模拟	深度学习势能模型	分子动力学模拟轨迹数据	NA	NA	深度势能（Deep Potential）模型	NA	NA
3550	2026-06-08	MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data 2026-May-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101141 PMID:41650976	研究论文	MultiSP是一个深度学习框架，用于从空间多组学数据中解析组织结构与多细胞通讯	通过高效的空间与特征相似性融合、模态特异性概率生成模型和跨模态对抗学习，增强数据表征，优于现有方法捕捉生物学可解释的空间区域	数据稀疏性和噪声带来挑战，具体局限性未在摘要中明确说明	从空间多组学数据中解释复杂的组织结构与细胞通讯	空间多组学数据集，包括肿瘤微环境中的细胞分布	机器学习	肿瘤微环境相关疾病	空间多组学	深度学习框架	空间多组学数据	NA	NA	NA	NA	NA
3551	2026-06-08	Label-free serum SERS combined with RFE-GBDT algorithm for non-invasive screening of liver cancer 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127552 PMID:41662803	研究论文	利用无标记血清SERS联合RFE-GBDT算法实现肝癌非侵入性筛查	首次将递归特征消除（RFE）与梯度提升决策树（GBDT）算法结合应用于血清SERS数据，实现肝癌分期的高精度非侵入性诊断	样本量可能较小，需进一步在更大规模多中心临床队列中验证模型泛化能力	开发无创光学诊断方法用于肝癌早期筛查和分期识别	不同分期肝癌患者（T1、T2、T3）、乙肝患者及健康对照组的血清样本	机器学习	肝癌	表面增强拉曼光谱（SERS）	梯度提升决策树（GBDT）	光谱数据	肝癌早中晚期患者（T1、T2、T3各期）、乙肝病毒感染者及健康对照者血清样本，具体数量未明确说明	NA	GBDT	准确率	NA
3552	2026-06-08	Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models 2026-Apr, Naunyn-Schmiedeberg's archives of pharmacology DOI:10.1007/s00210-025-04971-6 PMID:41636836	研究论文	介绍CapsuleSEDualNet深度学习框架，用于鲁棒且可解释的多类指甲疾病诊断	将胶囊网络头部与Squeeze-and-Excitation注意力机制集成在MobileNetV2和DenseNet121构成的双骨干架构中，提升特征判别性并利用胶囊网络保留空间层次以改善可解释性	尚需进一步临床验证	实现稳健、可解释且多类的指甲疾病自动诊断，支持临床决策	指甲疾病图像（包括真菌感染和恶性肿瘤）	计算机视觉	指甲疾病	NA	胶囊网络	图像	NA	NA	CapsuleSEDualNet（MobileNetV2骨架、DenseNet121骨架、SE注意力模块、胶囊网络头部）	准确率	NA
3553	2026-06-08	General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106077 PMID:41638432	研究论文	基于CycleGAN的虚拟染色模型将苏木精-伊红染色图像转换为虚拟马松三色染色，显著提升普通病理医生对供体肾脏纤维化评估的准确性，使其接近专科医生水平	首次证明深度学习虚拟染色技术可消除普通病理医生与肾脏专科医生在供体肾脏纤维化评估中的诊断差距，使普通病理医生达到近似专科医生的诊断表现	NA	评估基于深度学习的虚拟染色技术能否增强普通病理医生对供体肾脏的评估能力，特别是间质纤维化和慢性病理变化的识别	供体肾脏组织切片，包括187对全切片图像（H&E和Masson三色染色）及46张冰冻切片	数字病理学	肾脏疾病	NA	生成对抗网络（CycleGAN）	全切片图像	187对配对全切片图像（H&E和Masson三色染色）和46张冰冻切片	NA	CycleGAN	加权Kappa系数	NA
3554	2026-06-08	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	使用深度学习对从不吸烟的肺癌患者进行基因组特征预测	首次将深度学习方法专门应用于从不吸烟的肺腺癌（NS-LUAD）组织切片图像，以ResNet50为基础设计了一种针对多标签分类优化的定制深度卷积神经网络，能够同时预测16种分子改变	部分特征预测性能较低或中等（如肿瘤突变负荷、APOBEC突变特征及部分KRAS热点突变），且模型仅在来自Sherlock-Lung研究的495张全切片图像上进行了评估，样本量有限	利用深度学习从组织学全切片图像中预测从不吸烟的肺腺癌患者的基因组特征，以支持分子检测分诊和精准治疗策略	从不吸烟的肺腺癌（NS-LUAD）患者的组织学全切片图像	数字病理学，计算机视觉	肺癌	全切片图像，苏木精和伊红染色	卷积神经网络	图像	495张全切片图像（来自Sherlock-Lung研究）	NA	ResNet50	AUROC	NA
3555	2026-06-08	Image processing-based automatic tooth segmentation and age estimation in sheep using deep learning 2026-Apr, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2026.152803 PMID:41654275	研究论文	提出一种基于图像处理和深度学习的全自动绵羊牙齿分割与年龄估算框架	结合YOLOv8自动分割与多种CNN微调迁移学习，并开发了可公开访问的容器化GUI应用	未提及	实现客观、可重复的绵羊年龄自动估算	绵羊牙齿图像	计算机视觉	NA	图像处理	卷积神经网络（CNN）	图像	未明确说明	PyTorch, OpenCV	YOLOv8, VGG16, ResNet50, EfficientNetB0, MobileNetV2, Xception, BasicCNN	准确率	未提及
3556	2026-06-08	Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.025 PMID:41667344	研究论文	评估深度学习重建结合对比增强提升技术在“四低”CCTA方案中的图像质量和诊断准确性	首次将深度学习重建与对比增强提升技术结合应用于“四低”CCTA方案，在显著降低辐射剂量和造影剂用量的同时保持或提升图像质量	样本量相对较小（102例），且为单中心前瞻性研究，可能限制结果的普适性	评估DLR算法联合CE-boost技术在低管电压、低流速、低对比剂用量和低浓度CCTA方案中对图像质量和诊断性能的影响	102例接受CCTA检查的患者	计算机视觉	心血管疾病	CT血管成像	深度学习重建	图像	102例患者（常规剂量组51例，四低组51例）	NA	NA	信噪比, 对比噪声比, 主观图像质量评分, 诊断准确率, 敏感性	NA
3557	2026-06-08	Deep learning-based classification and internal region stratification of wooden breast in broiler by using ultrasound imaging 2026-Apr, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106534 PMID:41633072	研究论文	利用超声成像结合深度学习对肉鸡木质化胸肌进行分类及内部区域分层	首次通过超声成像结合深度学习实现WB内部病理区域的分层，并使用ImageJ阈值二值化和标度校准量化病理特征空间范围	未提及样本来源、设备泛化性或临床转化等局限	利用超声内部空间信息结合深度学习对木质化胸肌进行准确分类和内部区域分层，以提高疾病评估的客观性和应用效率	从Arbor Acres肉鸡（n=240，雄性，42天龄）中采集的鸡胸肉片，分为正常、轻度、中度和重度四类	计算机视觉, 数字病理学	木质化胸肌	超声成像, ImageJ阈值二值化	卷积神经网络	图像	240个鸡胸肉样本（每类60个）	PyTorch	MobileNetV3, ResNet18, AlexNet	准确率, 精确率, 召回率, F1分数	NA
3558	2026-06-08	ECG and PPG Signals-Based Premature Ventricular Contraction Detection Methods: A Review, Key Challenges, and Future Directions 2026-Apr, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00819-z PMID:41634439	综述	本文综述了基于心电图和光电容积描记图信号的室性早搏检测方法，涵盖信号处理、传统机器学习和深度学习方法	系统性地将现有室性早搏检测方法分为三类（阈值/启发式、传统机器学习、深度学习），并回顾了预处理技术和性能评估基准	未提及具体方法间的定量对比分析，对噪声影响和资源约束仅作方向性讨论	总结室性早搏检测方法的现状、关键挑战和未来研究方向	基于心电图和光电容积描记图信号的室性早搏检测方法	机器学习	心血管疾病	心电图、光电容积描记图	信号处理、传统机器学习模型、深度学习框架	信号	NA	NA	NA	基准指标	NA
3559	2026-06-08	Dynamic Eyelid Evaluation Using a Deep Neural Network in Upper Blepharoplasty: A Prospective Multicenter Pilot Study 2026-Apr, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-026-05632-6 PMID:41642312	研究论文	应用深度神经网络自动分析上睑成形术后眼睑形态，提供客观评价指标	首次将UNet和PointRend深度学习技术用于上睑成形术后动态眼睑评估，实现自动测量四项眼睑形态参数	样本量有限（仅51例患者和50例志愿者），且未提及算法在不同种族或眼睑类型中的泛化能力	评估深度神经网络在眼睑形态分析中的准确性和可重复性，辅助外科医生评估手术效果	寻求修复性眼睑成形术的51例患者（102只眼）和50例天生双眼皮志愿者（100只眼）	计算机视觉	NA	深度学习图像分割	深度神经网络	面部图像和视频	51例患者（102只眼）和50例志愿者（100只眼）	PyTorch	UNet, PointRend	组内相关系数	NA
3560	2026-06-08	Machine learning-based DNA microarray analysis for disease detection using the MICRO-AI framework 2026 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504261436834 PMID:41925147	研究论文	提出 MICRO-AI 机器学习框架，用于分析 DNA 微阵列数据并实现自动疾病诊断	集成注意力加权自适应特征选择、异构集成分类和注意力特征融合机制，在保留生物意义的同时将维度降低超99%	未提及对更复杂疾病或更大样本量的泛化能力，以及模型的可解释性分析	开发高效的DNA微阵列分析框架，解决噪声、高维度和类不平衡问题，实现自动疾病诊断	六个基准数据集，涵盖乳腺癌、胃癌、卵巢癌和白血病，共2321个样本	机器学习	乳腺癌, 胃癌, 卵巢癌, 白血病	DNA微阵列	梯度提升机, 随机森林, 支持向量机	基因表达数据	2321个样本（来自155-1097个样本的六个数据集）	Scikit-learn	集成模型（GBM, RF, SVM）	准确率, 灵敏度, 特异度, F1分数, 马修斯相关系数, AUC	NA