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	2026-02-27	Cryo2StructData: A Large Labeled Cryo-EM Density Map Dataset for AI-based Modeling of Protein Structures 2024-Jan-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.14.545024 PMID:37398020	研究论文	本文介绍了Cryo2StructData，一个大规模标记的冷冻电镜密度图数据集，用于基于AI的蛋白质结构建模	创建了比现有公开数据集更大、质量更高的标记冷冻电镜密度图数据集，以支持AI方法的大规模开发	NA	通过AI方法从冷冻电镜密度图自动、准确地构建原子模型	冷冻电镜密度图及其对应的已知原子结构	机器学习	NA	单颗粒冷冻电镜	深度学习	冷冻电镜密度图	7,600个预处理冷冻电镜密度图	NA	NA	NA	NA
3542	2026-02-27	A Scalable Framework for Closed-Loop Neuromodulation with Deep Learning 2023-Jan-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.18.524615 PMID:36712027	研究论文	本文提出并验证了一种基于深度学习的新型框架，用于设计和部署灵活、数据驱动的自动化闭环神经调控，该框架可扩展、与刺激技术无关，且无需个性化真实性能数据	框架基于识别响应期（检测到的状态，在应用刺激时与无刺激相比性能发生变化），支持多模态刺激（如tACS、tDCS、tFUS、TMS），并利用深度学习（CNN）实现自动化决策，避免了传统方法中的偏倚生物标志物检测	未明确说明框架在更广泛数据集或不同临床场景中的泛化能力，且可能依赖于特定数据质量（如GX数据集）	开发一个可扩展的深度学习框架，用于自动化闭环神经调控，以优化临床和非临床行为、认知、健康、注意力或任务表现增强	神经或生理活动数据（如EEG、ECG、EOG），以及与之配对的持续警觉/注意力疲劳跟踪和高清经颅电刺激（HD-tES）数据	机器学习	NA	深度学习，卷积神经网络（CNN），多模态神经刺激技术（tACS、tDCS、tFUS、TMS）	CNN	生理信号（ECG、EOG）、神经元信号（EEG）、行为跟踪数据	基于开源的GX数据集，具体样本数量未明确说明	未明确指定，但提及深度学习框架	卷积神经网络（CNN）	正确应用试验的百分比（88.26%），预测错误刺激时间的百分比（11.25%）	NA
3543	2026-02-27	Heteroscedastic Temporal Variational Autoencoder for Irregular Time Series 2022-Apr, ... International Conference on Learning Representations PMID:41737199	研究论文	本文提出了一种名为异方差时间变分自编码器（HeTVAE）的深度学习框架，用于概率性地插值不规则采样时间序列	HeTVAE引入了新颖的输入层以编码输入观测稀疏性信息，采用时间VAE架构传播由输入稀疏性引起的不确定性，并使用异方差输出层实现输出插值中的可变不确定性	NA	开发一个深度学习框架，用于处理不规则采样时间序列的概率插值问题	不规则采样时间序列	机器学习	NA	NA	VAE	时间序列数据	NA	NA	HeTVAE	NA	NA
3544	2026-02-27	Multi-Time Attention Networks for Irregularly Sampled Time Series 2021-May, ... International Conference on Learning Representations PMID:41737905	研究论文	本文提出了一种名为多时间注意力网络的新深度学习框架，用于处理不规则采样的时间序列数据，特别是在电子健康记录中的生理时间序列分析	提出了一种新的深度学习框架，通过连续时间值嵌入和注意力机制处理不规则采样时间序列，相比现有方法训练速度显著更快	未明确说明模型在处理极端稀疏数据或特定噪声模式下的性能限制	开发一种能够有效处理不规则采样时间序列的深度学习模型，用于插值和分类任务	电子健康记录中的生理时间序列数据，这些数据具有稀疏性、不规则采样和多变量特性	机器学习	NA	NA	注意力机制, 深度学习	时间序列数据	NA	NA	多时间注意力网络	NA	NA
3545	2026-02-26	Vascular Age: A narrative review of assessment methods, clinical applications, and future directions 2026-Jun, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2026.200601 PMID:41738064	综述	本文综述了血管年龄的评估方法、临床应用及未来方向	整合了基于动脉僵硬度、血管结构、血管功能及多因素风险评分模型的评估技术，并讨论了利用人工智能（如深度学习）从光电容积描记或视网膜图像估计血管年龄的新兴技术	需要标准化的评估方法、建立参考值以及成本效益评估	总结血管年龄的评估方法及临床进展，以改善心血管疾病风险分层、患者沟通与依从性，并指导个性化治疗	心血管疾病风险个体，包括特定人群（如糖尿病患者和类风湿关节炎患者）	NA	心血管疾病	动脉僵硬度评估（如脉搏波速度）、血管结构评估（如颈动脉内膜中层厚度、冠状动脉钙化评分）、血管功能评估、多因素风险评分模型、人工智能（深度学习）	深度学习	光电容积描记数据、视网膜图像	NA	NA	NA	NA	NA
3546	2026-02-26	PadelTracker100: A dataset for intelligent player and ball tracking in padel sports 2026-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112546 PMID:41737792	研究论文	本文介绍了PadelTracker100数据集，一个用于壁球运动智能球员和球跟踪的大规模全标注数据集	首次为壁球运动提供了大规模、全标注的专业数据集，包含球轨迹跟踪、球员位置、姿态估计和击球事件识别，填补了该领域数据集的空白	数据集仅基于两场2022年世界壁球巡回赛决赛，使用单一标准摄像机角度，可能限制了视角多样性和泛化能力	推动壁球运动的计算机视觉分析，支持自动化技术开发和大规模比赛分析	壁球运动中的球员和球，包括轨迹、位置、姿态及击球事件	计算机视觉	NA	视频采集与标注	YOLO, ViTPose-L	视频帧	近100,000帧，来自两场2022年世界壁球巡回赛决赛	NA	YOLO, ViTPose-L	NA	NA
3547	2026-02-26	Neural network-assisted RNA velocity imputation for empowering transcript dynamics-based analyses 2026-Mar-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114909 PMID:41736867	研究论文	提出了一种名为NARVI的深度学习框架，用于通过神经网络辅助RNA速度插补，以解决现有工具无法计算大量基因速度的问题	首次利用深度学习模型学习可计算基因的表达模式与速度之间的关系，以准确估计原本无法计算的基因速度	未在摘要中明确提及	解决RNA速度估计工具因技术限制或模型假设而无法计算大量基因速度的问题，以扩展基于速度的下游分析范围	单细胞转录组数据集中的基因速度估计	机器学习	NA	单细胞转录组测序	深度学习	单细胞转录组数据	多个单细胞转录组数据集	NA	NA	NA	NA
3548	2026-02-26	Knowledge-graph-enhanced multi-scale modeling for drug-drug interaction prediction 2026-Mar-12, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2026.102855 PMID:41736888	研究论文	本文提出了一种名为ALG-DDI的多尺度特征融合模型，用于预测药物-药物相互作用，并扩展至DDI事件预测	整合了属性、局部关联和全局语义信息，通过Transformer编码器融合多尺度表示，克服了传统方法依赖手工特征和无法捕捉全局多尺度关系的局限	未明确提及模型的具体计算复杂度或对特定药物类别的泛化能力限制	预测药物-药物相互作用，以理解联合用药效果并预防不良反应	药物及其相互作用	机器学习	NA	知识图谱增强的多尺度建模	Transformer, RGCN, GraphSAGE, ComplEx	药物属性、蛋白质与疾病关联、知识图谱数据	三个数据集	NA	Transformer编码器，全连接网络	NA	NA
3549	2026-02-26	Detection and classification of medical images using deep learning for chronic kidney disease 2026-Mar, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04786-7 PMID:40991191	研究论文	本研究提出了一种基于卷积神经网络和乌鸦搜索算法的深度学习方法，用于从医学图像中检测和分类慢性肾脏病	结合了卷积神经网络和乌鸦搜索算法进行特征优化，提高了分类准确性和模型可解释性	仅使用了公开的肾脏CT扫描数据集，未在其他类型医学图像或更大规模数据上进行验证	开发一种自动化、精确且高效的慢性肾脏病早期检测和分类方法	慢性肾脏病患者的医学图像	计算机视觉	慢性肾脏病	CT扫描	CNN	图像	公开的肾脏CT扫描数据集	NA	CNN	准确率, AUC-ROC, PR-AUC, 精确率, 召回率, F1分数	NA
3550	2026-02-26	Resolution and quality enhancement of SPECT cerebral blood flow images using Pix2pix deep learning 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02129-1 PMID:41231365	研究论文	本研究利用Pix2pix深度学习框架提升SPECT脑血流图像的分辨率和质量	首次应用Pix2pix机器学习框架将SPECT-CBF图像转换为与PET-CBF图像质量相近的图像，同时保留SPECT的定量特性	样本量相对较小（73例患者），且仅针对疑似脑缺血患者，可能限制了模型的泛化能力	提升SPECT脑血流图像的分辨率和图像质量，使其更接近PET图像	73例疑似脑缺血患者的SPECT和PET脑血流图像	医学影像分析	脑缺血	SPECT成像（使用123I-IMP）、PET成像（使用O-15标记气体）、图像配准（SPM12）	GAN	医学图像（SPECT和PET图像）	73例患者（43例用于训练，15例用于测试，15例用于验证）	Pix2pix	Pix2pix	视觉评估（5分制）、结构相似性指数（SSIM）、基于感兴趣区域（ROI）的定量分析（相关系数r）	NA
3551	2026-02-26	Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson's disease 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02132-6 PMID:41296269	研究论文	本研究开发了一种基于深度学习的简单图像分析方法，用于评估多巴胺转运体单光子发射计算机断层扫描图像，以支持帕金森病的诊断	首次利用预训练的卷积神经网络架构进行迁移学习，创建了针对DAT SPECT图像的AI模型，其准确性可与经验丰富的神经科医生相媲美	研究样本量相对有限，且仅使用单一影像模态（DAT SPECT），未考虑其他临床或影像数据	开发一种简单的人工智能图像分析方法，以辅助帕金森病的诊断	帕金森病患者和非神经退行性疾病对照患者	计算机视觉	帕金森病	多巴胺转运体单光子发射计算机断层扫描	CNN	图像	开发队列包括300名帕金森病患者和102名对照患者，验证队列包括96名帕金森病患者	NA	六种预训练的卷积神经网络架构	准确性, 敏感性, 受试者工作特征曲线下面积	NA
3552	2026-02-22	Deep Learning-Enabled Diabetic Retinopathy Screening: A Techno-Clinical Revolution or Just More Artificial Intelligence Hype? 2026-Mar-01, Diabetes care IF:14.8Q1 DOI:10.2337/dci25-0123 PMID:41719471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3553	2026-02-26	Integrating Artificial Intelligence in Environmental Monitoring: A Paradigm Shift in Data-Driven Sustainability 2026-Mar, EcoHealth IF:2.2Q3 DOI:10.1007/s10393-025-01752-8 PMID:40875110	综述	本文综述了人工智能在环境监测领域的最新进展，探讨了其在数据驱动可持续发展中的变革潜力	强调了可解释人工智能、边缘计算和物联网等新兴技术在提高透明度和降低处理成本方面的应用	面临数据质量、计算需求以及模型可解释性等持续挑战	评估人工智能在可持续环境管理中的实际应用潜力与挑战	环境监测系统、生态系统数据	机器学习	NA	机器学习、深度学习	NA	图像、GPS数据	NA	NA	NA	NA	边缘计算
3554	2026-02-26	A new graph-transformer framework for EEG-based differentiation of Alzheimer's disease and frontotemporal dementia 2026-Feb-25, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae451c PMID:41678838	研究论文	本文提出了一种结合脑电图信号处理与图深度学习的新框架，用于区分阿尔茨海默病、额颞叶痴呆和认知正常受试者	创新点在于整合了信号滤波、图表示和Transformer架构，提高了基于脑电图的疾病分类准确性	NA	改善神经退行性疾病的早期检测与临床鉴别诊断	阿尔茨海默病、额颞叶痴呆和认知正常受试者的脑电图数据	机器学习	阿尔茨海默病, 额颞叶痴呆	脑电图信号处理	图神经网络, Transformer	脑电图信号	NA	NA	Transformer-based graph neural network	准确率	NA
3555	2026-02-26	MS-HIENet: multi-scale hybrid implicit-explicit registration network 2026-Feb-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae45e7 PMID:41687255	研究论文	本文提出了一种用于肺部医学图像配准的多尺度混合隐式-显式配准网络（MS-HIENet）	提出了一种无掩码的端到端框架，首次将隐式神经表示（INR）与卷积神经网络（CNN）相结合，通过多尺度优化机制协同处理大尺度全局变形和局部精细结构	未明确提及具体的数据集局限性或外部验证结果	解决肺部动态器官图像配准中大规模变形与局部解剖结构保持的协同优化挑战	肺部医学图像	医学图像分析	肺部疾病	医学图像配准	CNN, INR	医学图像	NA	NA	MS-HIENet（多尺度混合隐式-显式网络）	平均目标配准误差（TRE），变形场折叠率	NA
3556	2026-02-26	How much EEG is needed for deep learning with convolutional neural networks? Predicting the benefit from additional data 2026-Feb-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae453d PMID:41736475	研究论文	本研究量化了卷积神经网络在脑电图分类任务中准确率如何随训练数据量变化，并评估了用于外推性能到更大数据集的参数模型	首次系统性地评估了脑电图分类任务中学习曲线的特性，并比较了多种参数模型在外推性能时的表现，为数据采集提供了成本效益分析依据	研究仅基于两个数据集进行跨数据集变异性分析，且可靠外推需要数百名受试者的数据，可能限制了在小规模研究中的适用性	探究脑电图分类任务中训练数据量对卷积神经网络性能的影响，并开发性能外推方法	脑电图信号及其分类任务	机器学习	NA	脑电图	CNN	脑电图信号	系统变化受试者数量和每名受试者的脑电图数据时长	NA	三种神经网络架构	分类准确率	NA
3557	2026-02-26	Leveraging Artificial Intelligence and Large Language Models for Cancer Immunotherapy 2026-Feb-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521936 PMID:41736575	综述	本文全面回顾并展望了人工智能和机器学习在癌症免疫治疗领域的应用现状与未来方向	首次系统性地总结和批判性评估了包括大语言模型在内的AI/ML方法在癌症免疫治疗中的进展及其转化潜力	本文是一篇综述，不涉及原始研究，因此未提出新的模型或方法，主要侧重于总结现有进展	旨在填补对AI/ML在癌症免疫治疗中应用进行系统性总结和批判性评估的空白，并加速AI/ML与精准癌症免疫治疗的整合	癌症免疫治疗领域的人工智能和机器学习应用	机器学习	癌症	NA	深度学习, 大语言模型	多组学生物医学数据	NA	NA	NA	NA	NA
3558	2026-02-26	Discovery of H2 Receptor Antagonists as Colistin Enhancers by Targeting Acid Stress Response 2026-Feb-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202514165 PMID:41739069	研究论文	本研究通过靶向细菌酸应激反应系统，发现H2受体拮抗剂可作为多粘菌素增强剂，以对抗mcr介导的耐药性	利用转座子测序技术识别yqgB基因为恢复mcr阳性细菌对多粘菌素敏感性的关键靶点，并通过深度学习筛选发现H2受体拮抗剂能双重抑制MCR和YqgB蛋白，展现出协同抗菌活性	NA	针对mcr介导的多粘菌素耐药性，开发抗生素佐剂以恢复其抗菌效果	携带mcr基因的多药耐药革兰氏阴性细菌	机器学习	细菌感染	转座子测序, 深度学习筛选	深度学习	NA	NA	NA	NA	NA	NA
3559	2026-02-26	GRU-based de novo design and in-silico prioritization of EZH2 inhibitors 2026-Feb-25, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11481-x PMID:41739384	研究论文	本研究利用基于门控循环单元（GRU）网络和迁移学习的分子生成模型，结合虚拟筛选方法，设计并优先筛选了潜在的EZH2抑制剂候选化合物	采用GRU网络和迁移学习构建分子生成模型，结合ECFP4-SVM分类预测、Lipinski规则、ADMET性质、分子对接、分子动力学模拟和密度泛函理论计算，实现EZH2抑制剂的从头设计和虚拟优先筛选	研究主要基于计算模拟和虚拟筛选，缺乏实验验证；样本量中已知EZH2抑制剂化合物数量有限（11个），可能影响模型泛化能力	开发一种深度学习驱动的计算框架，用于EZH2抑制剂的虚拟识别和优先筛选	EZH2（增强子-纯合蛋白2）作为关键表观遗传调节因子，与多种癌症密切相关	机器学习	多种癌症	SMILES序列信息分析，ECFP4指纹，虚拟筛选，分子对接，分子动力学模拟，密度泛函理论计算	GRU, SVM	SMILES分子序列，分子结构数据	1,202,321个小分子（来自ChEMBL29数据库）和11个已知EZH2抑制剂化合物	NA	GRU网络	结合自由能（MM-GBSA计算），电子相互作用特征（DFT计算）	NA
3560	2026-02-26	SynerDTI: a synergistic deep learning framework for drug-target interaction prediction via global feature coordinated attention mechanism 2026-Feb-25, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11491-9 PMID:41739380	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA