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
3841	2026-06-24	Distance-Restraint-Guided Diffusion Models for Sampling Protein Conformational Changes and Ligand Dissociation Pathways 2026-May-26, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00199 PMID:42096314	研究论文	提出一种距离约束引导的扩散模型方法，用于采样蛋白质构象变化和配体解离路径	在反向扩散过程中引入基团间距离约束，无需模型重新训练即可沿反应坐标系统采样，结合深度学习结构预测与物理模拟构建自由能景观	NA	高效采样蛋白质构象动态并定量表征热力学性质	三种经历开闭构象转变的模型蛋白质及一条蛋白质-多肽解离路径	机器学习	NA	NA	扩散模型	蛋白质结构数据	三个模型蛋白质和一个蛋白质-多肽复合体	NA	AlphaFold3-like 扩散模型（Boltz-2实现）	基于学习的置信度指标、立体化学验证指标	NA
3842	2026-06-24	Domain shift analysis of deep learning models for tooth detection in pediatric panoramic radiographs 2026-May-25, Dental materials journal IF:1.9Q4 DOI:10.4012/dmj.2025-301 PMID:42091502	研究论文	外部验证深度学习模型在儿科全景X光片上牙齿检测的性能，量化域偏移影响，并比较YOLOv8和YOLOv10	首次系统性分析域偏移对儿科全景X光片牙齿检测模型的影响，并比较YOLOv8与YOLOv10在跨机构、跨成像协议场景下的表现	数据集规模有限（共392张图像），且仅针对早期混合牙列期，未涵盖其他发育阶段或更广泛的临床变异	评估并比较深度学习目标检测模型在儿科全景X光片上综合牙齿检测的域偏移稳健性	儿童全景X光片中的牙齿（早期混合牙列）	计算机视觉	NA	NA	YOLOv8, YOLOv10	图像	内部数据集200张图像（无咬合块），外部开源数据集192张图像（带咬合块），共392张	PyTorch	YOLOv8, YOLOv10	平均平均精度 (mAP), 各类别平均精度 (AP), 精确率-召回率曲线, 混淆矩阵	NA
3843	2026-06-24	BERT-T6: Toward High-Accuracy T6SS Bacterial Toxin Identification Using a Protein Language Model 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02744 PMID:42095236	研究论文	基于蛋白质语言模型BERT-T6实现高精度T6SS细菌毒素识别	首次系统评估多种预训练蛋白质语言模型嵌入用于T6SE预测，发现ProtBert嵌入最有效；通过迁移学习和不平衡感知训练微调ProtBert构建BERT-T6预测器，达到最新最佳性能	未提及模型的泛化能力限制及潜在的假阳性或假阴性影响	开发高精度识别VI型分泌系统效应物的预测方法，辅助理解细菌致病机制	VI型分泌系统效应物（T6SEs）	机器学习	感染性疾病	蛋白质语言模型（ProtBert）	ProtBert	蛋白质序列	未明确说明	PyTorch	BERT（ProtBert）	准确率（0.959）、灵敏度（0.909）、特异度（0.973）、精确度（0.905）、F1分数（0.907）、MCC（0.881）	未明确说明
3844	2026-06-24	Mechanically Robust Hydrogel Strain Sensor Enabled by a Multicross-Linked Electrospun-Fiber Network for Human Motion Recognition and Interactive Control 2026-May-20, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c03309 PMID:42096647	研究论文	本研究开发了一种通过多交联静电纺丝纤维网络增强的机械鲁棒水凝胶应变传感器，用于人体运动识别和交互控制	通过协同结合双网络交联结构与嵌入静电纺丝纳米纤维，同时实现了水凝胶的强机械性能和优异导电性，并集成深度学习算法实现手势识别和机器人控制	NA	开发高性能可穿戴应变传感器，用于医疗保健和人机交互应用	机械增强水凝胶的制备及其在应变传感中的应用	机器学习, 计算机视觉	NA	静电纺丝	深度学习模型	图像	含五个传感器的智能手套	NA	深度学习模型	灵敏度（应变系数10.8）	NA
3845	2026-06-24	NeuroPred-GMC: a dual-branch deep learning architecture for neuropeptide prediction based on gated dilated convolutional network and multi-scale convolutional network 2026-May-08, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00825-2 PMID:42098517	研究论文	提出一种基于门控扩张卷积网络和多尺度卷积网络的双分支深度学习架构NeuroPred-GMC，用于神经肽预测	结合门控扩张卷积网络与ESM-2特征表示、多尺度卷积网络与Prot-T5特征表示，通过双分支结构捕捉多层次上下文信息，提升神经肽预测性能	文章未明确提及具体局限性，但从上下文推测可能依赖特征表示的通用性和独立测试集的代表性	开发一种高效的计算方法快速预测神经肽，以扩展潜在治疗靶点库，为药物开发提供候选分子	神经肽序列	自然语言处理、机器学习	神经系统疾病	深度学习、ESM-2特征表示、Prot-T5特征表示	门控扩张卷积网络、多尺度卷积网络	序列数据	NA	PyTorch	门控扩张卷积网络、多尺度卷积网络	准确率、敏感度、特异度、精确率、MCC、auROC	NA
3846	2026-06-24	A multimodal deep learning framework for clinical nursing assessment in lumbar fusion surgery via representation learning and feature extraction 2026-May-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51495-x PMID:42098353	研究论文	提出一种多模态深度学习框架，通过表示学习和特征提取，融合医学影像和临床文本，用于腰椎融合手术的临床护理评估	采用全局-局部表示学习策略捕捉解剖上下文和细粒度结构信息；引入文本引导注意力机制实现图像区域与文本描述的对齐；联合建模腰椎放射影像和CT扫描与临床报告	可视化结果中模型关注的解剖相关区域需谨慎解读；未见明确提及样本多样性或外部验证	提出多模态深度学习框架用于腰椎图像解读，整合异质性临床数据以支持临床评估	腰椎放射影像、CT扫描及相关临床报告	计算机视觉, 自然语言处理	腰椎疾病	放射影像, CT扫描	Transformer, CNN	图像, 文本	未提及	PyTorch	文本编码器采用Transformer，视觉编码器采用CNN	准确率, Dice系数	未提及
3847	2026-06-24	Machine learning enhanced optical spectroscopy for breast cancer diagnosis: A review 2026-May-07, Lasers in medical science IF:2.1Q2 DOI:10.1007/s10103-026-04882-9 PMID:42091742	综述论文	综述机器学习与深度学习增强光学光谱在乳腺癌诊断中的应用	系统总结了2015至2025年间机器学习/深度学习与多种光学光谱技术（拉曼、荧光、扩散光学光谱及光声光谱）的融合进展，并突出其在乳腺癌亚型分类中的高诊断准确率	数据变异性大、模型可解释性不足以及临床整合存在障碍	评估机器学习/深度学习增强光谱技术在乳腺癌早期诊断中的效用，并展望未来方向	乳腺癌组织、光谱生物标志物（如血红蛋白、脂质、胶原蛋白）	机器学习	乳腺癌	拉曼光谱、荧光光谱、扩散光学光谱、光声光谱	卷积神经网络、支持向量机、逻辑回归	光谱数据	NA	NA	卷积神经网络、支持向量机、逻辑回归	诊断准确率	NA
3848	2026-06-24	An integrated AI-driven vaccine design process: a systematic review of workflows from generative design to translational prediction 2026-May-07, Immunologic research IF:3.3Q3 DOI:10.1007/s12026-026-09763-5 PMID:42095951	综述	系统综述了从抗原发现到临床转化的AI驱动疫苗设计全流程，强调集成化工作流的重要性	首次整合了AI疫苗设计中从预测到生成的范式转变，突出了Transformer、蛋白质语言模型及生成式AI在全新抗原设计中的前沿应用	基于PRISMA框架分析19篇文献，可能存在样本量有限及研究覆盖不全的局限	为疫苗发现和疫情防范提供AI集成工作流的全面路线图	AI技术在疫苗设计中的应用，包括抗原发现、结构建模、临床验证的全流程	机器学习, 自然语言处理	NA	深度学习	Transformer, 蛋白质语言模型, AlphaFold2, 生成式AI	文本	19篇里程碑式文章	NA	Transformer, AlphaFold2, 蛋白质语言模型	NA	NA
3849	2026-06-24	Reconstruction algorithms and arm positioning effects on abdominal CT image quality and radiation dose: a phantom study 2026-May-07, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00722-1 PMID:42095993	研究论文	评估手臂位置与重建算法对腹部CT图像质量和辐射剂量的影响	系统评估了深度学习重建算法（DLIR）在手臂无法上举情况下对图像质量的改善效果，并比较了不同气垫配置的辅助作用	仅使用体模研究，未涉及真实患者数据，且未评估不同体型或疾病状态的影响	探究手臂位置和重建算法对腹部CT辐射剂量和图像质量的影响	定制体模	医学影像	NA	CT扫描	深度学习重建算法（DLIR）	图像	7种手臂位置配置，体模扫描	NA	DLIR	图像噪声、信噪比、对比噪声比、锐度、结构相似性	NA
3850	2026-06-24	Research on depression diagnosis method based on multi-scale analysis of frontal lead EEG 2026-May-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03521-1 PMID:42098689	研究论文	本研究采用双通道额叶脑电图系统，通过多尺度特征提取与机器学习模型实现抑郁症的高精度检测	利用双通道额叶脑电图简化数据采集并降低成本，结合多尺度分析技术提取相对功率、模糊熵和互信息等多种特征，提高抑郁症检测准确率	需在更大规模、具有临床代表性且经过外部验证的队列中进一步验证后才能实际部署	探索基于额叶脑电图多尺度分析的抑郁症诊断方法，以提供更精确、高效的诊断工具	抑郁症患者与健康对照组的额叶脑电图信号	机器学习	抑郁症	脑电图（EEG）	门控循环单元（GRU）	脑电图信号	NA	NA	GRU	准确率	NA
3851	2026-06-24	Deep learning and attention mechanisms to identify key genes and their implications for the origin of insect wings 2026-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49441-y PMID:42091620	研究论文	利用深度学习模型DeepWG识别昆虫翅的关键基因，并探讨其与昆虫翅起源的关系	构建了基于双向长短期记忆网络和注意力机制的深度学习模型DeepWG，为识别关键基因提供了新方法	NA	识别昆虫翅的关键基因并探讨其起源	119个物种的蛋白质序列	机器学习	NA	蛋白质序列分析	双向长短期记忆网络（BiLSTM）	蛋白质序列数据	119个物种	NA	BiLSTM、注意力机制	准确率	NA
3852	2026-06-24	Deep Learning Algorithms Versus Radiologists in Digital Breast Tomosynthesis for Breast Cancer Detection: Systematic Review and Meta-Analysis 2026-May-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/91659 PMID:42090319	系统综述与荟萃分析	系统比较深度学习算法与放射科医生在数字乳腺断层摄影中检测乳腺癌的诊断表现	首次通过荟萃分析系统对比深度学习算法与不同经验水平放射科医生的诊断性能，并评估DL辅助的临床影响	纳入研究存在异质性，DL辅助未显著提升放射科医生整体表现，缺乏前瞻性多模态验证	比较深度学习算法在数字乳腺断层摄影中检测乳腺癌的诊断性能，评估DL辅助的临床价值	38,565名患者的乳腺断层摄影数据	计算机视觉	乳腺癌	NA	深度学习算法	图像	13项研究共38,565名患者	NA	NA	灵敏度,特异性,曲线下面积	NA
3853	2026-06-24	AI and Internet of Things for Chronic Obstructive Pulmonary Disease Remote Monitoring: Systematic Review of Exacerbation Prediction and Key Physiological Variables 2026-May-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84814 PMID:42090610	系统综述	本系统综述全面回顾了利用人工智能和物联网技术进行慢性阻塞性肺疾病远程监测以预测急性加重的研究，重点关注关键生理变量和硬件软件解决方案	首次系统性地桥接了AI驱动的数据处理与真实世界传感器应用，全面总结了物联网和可穿戴设备在COPD管理中的现状，并分析了从生理和环境变量到机器学习模型的全链条技术	大多数研究依赖平衡数据集，无法反映真实世界急性加重模式，且缺乏跨人群的外部验证；只有6项研究使用了可穿戴设备和物联网技术	评估AI和物联网在COPD远程监测中用于急性加重预测的潜力，并总结关键生理变量、设备类型和机器学习模型	慢性阻塞性肺疾病患者及其急性加重事件	机器学习	慢性阻塞性肺疾病	可穿戴传感器, 物联网传感器	随机森林, CatBoost, 决策树, 支持向量机, 深度学习, 基于规则的逻辑, 概率模型	心率, 外周血氧饱和度, 症状数据	26项研究	NA	随机森林, CatBoost, 决策树, 支持向量机, 深度学习	NA	NA
3854	2026-06-24	Early sepsis prediction using a hybrid LSTM-GAT model: a study on the PhysioNet 2019 dataset 2026-May-06, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101762 PMID:42091169	研究论文	提出一种混合LSTM-GAT深度学习模型，利用PhysioNet 2019数据集中的时间序列和结构信息提前12小时预测脓毒症	首次将长短期记忆网络与图注意力网络结合，同时捕捉临床数据的时间动态和变量间结构关系，并能在不同预测时间窗口间良好泛化	主要依赖固定时间窗口训练，可能未充分探索模型对更早期或更晚期预测的适用性，且仅基于单一数据集验证	通过整合时间与结构信息提升早期脓毒症预测性能，支持重症监护环境中的临床决策	PhysioNet/计算心脏病学挑战赛2019数据集中40,336名成人ICU患者	机器学习	脓毒症	NA	LSTM, GAT	表格数据（40项临床变量，包括生命体征、实验室结果和人口学信息）	40,336例成人ICU患者（其中2,932例发生脓毒症）	NA	LSTM, GAT	AUROC, F1分数, 特异性	NA
3855	2026-06-24	Benchmarking computational methods for multi-omics biomarker discovery in cancer 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag200 PMID:42089753	研究论文	系统性基准测试20种统计、机器学习和深度学习方法在多组学生物标志物发现中的表现	首次系统评估多种计算方法在癌症多组学生物标志物识别中的准确性和稳定性，并整合知识图谱与特征交互提升性能	仅基于五个真实世界数据集和模拟数据，可能无法完全覆盖所有癌症类型或生物标志物场景	评估和比较现有计算方法在癌症多组学生物标志物发现中的可靠性和实用性	20种代表性统计、机器学习和深度学习方法，用于预后和治疗生物标志物识别	机器学习	癌症	多组学分析	DeePathNet, DeepKEGG	多组学数据（如基因组、转录组、蛋白质组等）	五个真实世界数据集	PyTorch, Scikit-learn	DeePathNet, DeepKEGG	准确率, 稳定性	NA
3856	2026-06-24	MuRaL-indel: a deep learning framework for building insertion and deletion mutation rate maps 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag212 PMID:42089752	研究论文	提出MuRaL-indel深度学习框架，用于构建插入和缺失突变率图谱	首次利用U-Net架构结合长程序列上下文预测种系INDEL突变率，并实现跨物种的高分辨率图谱构建及致病性变异优先排序	未明确说明，但可能涉及对长片段INDEL预测能力及非编码区序列特征的依赖	构建高分辨率INDEL突变率图谱，揭示突变机制及致病性变异	人类、猕猴、果蝇、拟南芥四种物种的种系INDEL突变	机器学习	遗传病	深度神经网络	U-Net	基因序列	大规模人群队列稀有变异数据（具体数量未说明）	NA	U-Net	准确性	NA
3857	2026-06-24	Development of a novel multimodal deep learning approach to improve diagnostic precision in ovarian cancer 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag224 PMID:42089749	研究论文	开发一种多模态深度学习方法，结合超声图像和临床文本报告，提高卵巢癌术前诊断准确性	首次将DenseNet-121、Swin Transformer和Bio-Clinical BERT结合，构建多模态深度学习系统用于卵巢肿瘤分类，优于传统依赖于操作者的超声诊断方法	NA	提高卵巢肿瘤术前诊断的精确度，减少传统超声诊断的主观性和变异性	1342张超声图像和对应的临床文本报告，来自1062名接受卵巢肿瘤手术的患者	机器学习	卵巢癌	超声成像	DenseNet-121、Swin Transformer、Bio-Clinical BERT	图像和文本	1062名患者（良性612例，恶性450例），内部验证使用268例外部病例	PyTorch	DenseNet-121、Swin Transformer、Bio-Clinical BERT	准确率、敏感性、特异性、曲线下面积（AUC）	NA
3858	2026-06-24	A systematic review of machine learning on clinical MALDI-TOF MS 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag208 PMID:42101925	综述文章	系统综述了机器学习在临床MALDI-TOF MS分析中的应用	首次从机器学习技术视角全面综述了MALDI-TOF MS在细菌鉴定、抗菌素耐药性预测和菌株分型中的应用，并提供了ML实验设计与评估的实用指南	现有研究存在预处理流程不一致、依赖黑盒模型、外部验证不足及开源资源缺乏等问题	系统评估机器学习在临床MALDI-TOF MS分析中的应用现状，识别关键挑战，并给出标准化指引	2004-2025年间发表的115篇MALDI-TOF MS结合机器学习的研究论文	机器学习	NA	MALDI-TOF MS	经典机器学习模型（随机森林、支持向量机等）与深度学习模型	质谱数据	115篇研究论文	NA	随机森林、支持向量机（具体模型架构未详述）	NA	NA
3859	2026-06-24	When complexity does not pay: benchmarking deep learning and ensemble methods for biomarker discovery 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag211 PMID:42101927	研究论文	对深度学习和集成方法在生物标志物发现中的基准测试	首次对27种特征选择策略和11种预测模型在多组学数据上进行系统性基准测试，揭示深度学习未必优于简单方法	未具体提及局限性	评估不同计算模型在生物标志物发现中的性能、稳定性和生物学可解释性	阿尔茨海默病、进行性核上性麻痹和乳腺癌三个真实疾病队列	机器学习	阿尔茨海默病, 进行性核上性麻痹, 乳腺癌	多组学整合	逻辑回归, 支持向量机, 多层感知机, 深度学习模型	多组学数据	三个真实疾病队列，具体数量未说明	NA	集成特征选择, 深度学习, 逻辑回归, 支持向量机, 多层感知机	预测性能, 稳定性, 生物学可解释性	NA
3860	2026-06-24	Deep learning-driven detection of municipal sludge moisture content based on feature images of compressed slices 2026-May-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129826 PMID:42091028	研究论文	提出一种基于压缩切片特征图像和深度学习检测市政污泥含水率的新方法	将非牛顿流体的流变特性与深度学习结合，通过分析受控热场下表面纹理的动态演化建立污泥表面形态与含水率的相关性，并选择了C3D模型提取时空特征用于16类分类	未提及在更宽含水率范围或不同污泥类型上的验证，以及模型计算复杂度与实时应用的权衡	实现污泥深度脱水过程中含水率的快速、非接触、高精度监测	市政污泥的压缩切片样本	机器视觉	NA	NA	卷积神经网络（C3D）	图像（污泥压缩切片表面纹理图像）	来自六个不同气候地区（北京、哈尔滨、深圳）污水处理厂的污泥样本，具体数量未提及	NA	C3D	准确率（准确率81.25%）	NA