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
3921	2026-06-23	Accelerating Leigh syndrome drug discovery through deep learning screening in brain organoids 2026-Apr-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71391-2 PMID:42009687	研究论文	通过深度学习筛选脑类器官，加速Leigh综合征药物发现	开发了一种针对细胞类型特异性药物重定位筛选的深度学习算法，并结合酵母模型和脑类器官进行验证，两种方法独立地共同聚焦于唑类化合物	未明确说明	加速Leigh综合征的药物发现，寻找新的治疗候选药物	Leigh综合征脑类器官、酵母模型	深度学习	Leigh综合征	深度学习筛选、药物重定位	深度学习算法	图像	未明确说明	NA	NA	NA	NA
3922	2026-06-23	Spatiotemporal deep learning for real-time video-based deepfake detection using 3DCNN, 3DResNet, TCN, and VAE 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49090-1 PMID:42009729	研究论文	研究四种深度学习模型（3DCNN、3DResNet、TCN和VAE）在基于视频的深度伪造检测中的时空特征学习性能，并进行系统基准测试与泛化能力评估	并非提出新检测架构，而是系统性地对现有主流时空深度学习模型进行跨数据集泛化能力基准测试，揭示了模型在异构数据分布下的性能退化与差异化失效行为	未提出全新的深度学习检测架构，检测准确率（最高64.68%）仍有较大提升空间，且模型在跨数据集条件下泛化能力显著下降	系统评估四种时空深度学习模型在深度伪造视频检测中的性能表现与泛化能力，为构建更可靠的实时检测系统提供指导	四种深度学习模型：3DCNN、3DResNet、TCN、VAE	计算机视觉	NA	NA	3DCNN、3DResNet、TCN、VAE	视频	超过3500个真实和伪造视频样本，来自FaceForensics++、DFDC和Celeb-DF数据集	NA	3DCNN、3DResNet、TCN、VAE	准确率	NVIDIA DGX A100工作站
3923	2026-06-23	Use of Deep Learning Models in the Diagnosis of Proptosis Through Orbital Magnetic Resonance Imaging 2026-Apr-18, Medical science monitor : international medical journal of experimental and clinical research IF:2.2Q3 DOI:10.12659/MSM.951157 PMID:41999029	研究论文	利用基于DenseNet和ResNet架构的三维卷积神经网络模型，通过眼眶磁共振成像自动诊断眼球突出	首次将端到端三维深度学习应用于眼眶MRI容积数据，实现自动化的眼球突出检测，而非传统CT测量或影像组学方法	NA	开发和验证基于眼眶MRI的深度学习模型用于自动化眼球突出诊断	521名参与者（261名眼球突出患者和260名对照）的眼眶MRI影像	计算机视觉, 数字病理学	眼眶疾病（眼球突出）	MRI	三维卷积神经网络, DenseNet, ResNet	图像（MRI容积数据）	521名参与者（261例眼球突出，260例对照）	NA	DenseNet121, DenseNet169, DenseNet264, ResNet50	准确率, AUC, 灵敏度, 特异度	NA
3924	2026-06-23	A hybrid dual-stream CNN framework with dynamic data augmentation and improved Manta Ray Foraging Optimization for robust glaucoma detection 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45384-6 PMID:41998000	研究论文	提出一种结合动态数据增强和改进蝠鲼觅食优化的双流CNN框架，用于稳健的青光眼检测	结合几何变换与自适应高斯噪声注入的混合数据增强策略，引入轻量级通道注意力机制选择性强调临床重要特征，并采用基于部分质心对立学习的改进蝠鲼觅食优化算法自动调优超参数	未见明确的局限性说明	实现自动化青光眼检测，解决数据不平衡、图像质量不一致及特征提取准确性等关键挑战	青光眼视网膜图像	计算机视觉	青光眼	NA	卷积神经网络	图像	四个公开数据集：ACRIMA、Drishti-Gs、ORIGA、RIM-ONE-DL	NA	DenseNet121, ResNet50	准确率、精确率、召回率、AUC、损失值	NA
3925	2026-06-23	An End-to-end Deep Learning Framework for Automated Woven Fabric Pattern Recognition using UNet, GAN, and CNN 2026-Apr-03, Journal of visualized experiments : JoVE DOI:10.3791/69632 PMID:42008396	研究论文	提出了一种结合CNN、GAN和UNet的端到端深度学习框架，用于自动化机织织物图案识别	将CNN、GAN和UNet模块整合到单一优化学习流水线中，而非分别处理去噪、数据生成和分类，通过生成网络与判别网络的联合训练形成反馈循环，超越了标准微调方法	NA	实现机织织物图案的自动、准确且鲁棒的识别，克服传统手工特征和深度学习模型的泛化问题	机织织物图案	计算机视觉	NA	NA	CNN, GAN, UNet	图像	NA	NA	CNN, GAN, U-Net	平衡准确率	NA
3926	2026-06-23	Deep-Learning Based Multi-Joint Synchronous Tracking for Objective Quantification of Hindlimb Locomotor Kinematics in Rats 2026-Apr-03, Journal of visualized experiments : JoVE DOI:10.3791/69798 PMID:42008491	研究论文	构建基于深度学习的无标记大鼠后肢多关节同步追踪系统，实现步态运动学的客观量化分析	首次将自定义深度学习算法与可编程承重平台结合，实现大鼠后肢多关节实时追踪与多维运动学参数提取，消除了传统方法的主观偏差和低维数据限制，且支持神经电生理模块同步集成	文中未明确提及局限性	开发客观、准确的大鼠步态评估工具，以辅助神经与运动机能学研究	健康与脊髓损伤大鼠的后肢步态运动学	计算机视觉	脊髓损伤	深度学习算法、可编程承重平台	深度学习模型	图像	健康与脊髓损伤大鼠（具体数量未提及）	NA	自定义深度学习架构	NA	NA
3927	2026-06-23	'Backpropagation and the brain' realized in cortical error neuron microcircuits 2026-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014164 PMID:41996333	研究论文	提出一个受生物启发的多区域皮层微回路模型，实现误差反向传播，并验证其在多种基准测试上的性能	模型基于灵长类视觉皮层实验观察，使用代表神经元和误差神经元的皮层锥体细胞群体，实现无需分阶段的无相位推理和学习，且网络动态近似于误差反向传播	未明确说明	探索大脑如何利用误差信号进行学习，并验证大脑是否实现误差反向传播算法	多区域皮层微回路模型，包括皮层锥体细胞群体（代表神经元和误差神经元）	机器学习, 计算神经科学	NA	NA	皮层微回路模型	基准测试数据	多种基准测试（未明确具体数量）	NA	皮层微回路结构（基于灵长类视觉皮层连接性）	与树突层次预测编码等模型对比的性能指标（未明确具体指标）	NA
3928	2026-06-23	ChloroScan: Recovering Plastid Genome Bins From Metagenomic Data 2026-Apr, Molecular ecology resources IF:5.5Q1 DOI:10.1111/1755-0998.70143 PMID:42003340	研究论文	介绍ChloroScan，一种从宏基因组数据中提取真核质体基因组的新型生物信息学流程	结合深度学习连续片段分类器和自动化分箱模块，利用精选标记基因数据库指导，从宏基因组中高效回收质体基因组，并首次实现从宏基因组中广泛鉴定真核质体基因组	未明确说明，但可能依赖于高质量标记基因数据库，对低丰度或高度降解的质体基因组恢复效果可能有限	开发一种能从宏基因组数据中提取真核质体基因组的新工具，以促进新原生生物谱系的发现	真核质体基因组（从模拟宏基因组和实际原生生物大小分级宏基因组中提取）	机器学习	NA	宏基因组测序	深度学习分类器（具体未指定架构，但可能基于CNN）	宏基因组序列数据	模拟宏基因组数据和4个原生生物大小分级宏基因组样本，从中恢复16个中高质量MAGs	未明确指定，但可能涉及TensorFlow或PyTorch	NA	与MetaBAT2对比恢复的高质量质体分箱数量，以及恢复的MAGs质量和分类新颖性	未明确描述，但代码开源可复用
3929	2026-06-23	Harnessing Deep Learning in Searching Wild Relatives of Domestic Animals 2026-Apr, Molecular ecology resources IF:5.5Q1 DOI:10.1111/1755-0998.70133 PMID:42007577	研究论文	开发了一种基于深度学习的流程，利用基因组SNP数据区分家养动物的野生近缘种	提出了一种结合多层感知机进行SNP面板选择和深度交叉网络进行模型训练的深度学习流程，用于区分野生近缘种与家养动物	未明确提及局限性，但可能需要进一步验证不同物种和更大样本量的通用性	利用深度学习识别家养动物的野生近缘种，用于遗传多样性监测和动物遗传资源保护	红原鸡、家鸡、野猪、家猪及其杂交种	机器学习	NA	基因组SNP数据	多层感知机、深度交叉网络	基因组SNP数据	1960个基因组（164个红原鸡和1796个家鸡样本），以及独立的数据集（包括现代和历史样本）	NA	多层感知机、深度交叉网络	准确率	NA
3930	2026-06-23	Multi-class classification of autoimmune skin disease by efficient localization of overlapped lesion boundaries using SAM 2026-Apr, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2026.2663042 PMID:42013205	研究论文	提出一种混合深度学习模型AutoImmune-HybridNet，利用SAM智能分割病变区域并结合改进的ResNet50与可变形注意力变压器，实现自身免疫性皮肤病的多类分类	采用Segment Anything Model（SAM）高效分割重叠病变边界，结合可变形注意力变压器与对比学习和焦点损失函数，增强相似病症间的特征判别，并引入可解释性与不确定性估计	数据集规模有限且仅依赖图像数据，未来需结合多模态临床信息改善	实现自身免疫性皮肤病的准确多类分类，并提升模型可解释性和可靠性	自身免疫性皮肤病患者的皮肤病变图像	计算机视觉	自身免疫性皮肤病	深度学习	混合深度学习模型	图像	人皮肤疾病数据集，具体数量未提及	NA	Segment Anything Model, ResNet50, 可变形注意力变压器	准确率	NA
3931	2026-06-23	A deep learning algorithm for automatic 3D segmentation and classification of the sheep placenta in magnetic resonance images 2026-Apr, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.70869 PMID:41999040	研究论文	提出了一种基于深度学习的全自动MRI分析流水线，用于绵羊胎盘的三维分割与分类	首次实现绵羊胎盘MRI全自动分析流水线，集成三维nnU-Net分割和YOLOv11分类模块，处理时间减少95%以上	未在临床人类胎盘数据上验证，仅基于绵羊模型数据集	加速并标准化绵羊胎盘磁共振图像的自动分割与形态分类	绵羊胎盘的磁共振图像	计算机视觉	胎盘相关疾病	MRI	nnU-Net, YOLOv11	三维磁共振图像	专家标注数据集，包含训练集和独立测试集	PyTorch	3D nnU-Net, 2D nnU-Net, 2D U-Net, YOLOv11	Dice系数, 精确率, 召回率, mAP50, mAP50-95	NA
3932	2026-06-23	Explainable Lightweight Model Using Low-Rank and Convolutional Block Attention for Pancreatic Cancer Diagnosis 2026-Apr, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70164 PMID:41999341	研究论文	提出一种轻量级可解释混合深度学习框架，用于胰腺癌CT图像自动分类	集成MobileNetV3Small主干网络、卷积块注意力模块与低秩注意力共享高效表示（LASER），通过跨类型交互（CTI）模块融合特征，仅需126万参数即实现高诊断性能	未提及外部验证或多中心数据测试	开发低计算资源消耗且高精度的胰腺癌CT图像分类方法	胰腺癌患者CT影像	计算机视觉	胰腺癌	CT成像	混合深度学习模型（CNN+Transformer）	CT图像	18,942张CT图像	PyTorch	MobileNetV3Small, 卷积块注意力模块, LASER, Transformer编码器, 跨类型交互模块	准确率, AUC-ROC, Cohen's Kappa, MCC	NA
3933	2026-06-23	Biocatalytic Bamberger Rearrangement for the Synthesis of 3-Amino-2-hydroxyacetophenone via Hydroxylaminobenzene Mutase Engineering and Multi-Enzyme System Assembly 2026-Apr, Biotechnology journal IF:3.2Q2 DOI:10.1002/biot.70225 PMID:42003450	研究论文	通过AI辅助系统发育挖掘、结构解析、蛋白质工程和代谢协调，增强了3-氨基-2-羟基苯乙酮的生物合成	首次揭示了羟基氨基苯变位酶的铁依赖性四聚体结构，并结合AI引导的筛选与多酶体系组装实现了催化效率的显著提升	NA	优化复杂多酶级联反应，实现高价值生物医药中间体3-氨基-2-羟基苯乙酮的可持续生产	羟基氨基苯变位酶及其突变体、多酶体系中的NR、GDH和NADK	机器学习	NA	AI辅助系统发育挖掘、同源模板搜索、光谱学、诱变、体积排阻色谱、AlphaFold3建模、分子动力学模拟	NA	NA	NA	NA	NA	催化效率	NA
3934	2026-06-23	Deep learning-based environmental source separation and sound enhancement: Advancements for cochlear implant and normal hearing listeners 2026-Apr-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042760 PMID:42007671	研究论文	提出一种基于深度学习的实验框架，用于分离和增强复杂环境中的非语言声音，以改善人工耳蜗使用者和正常听力听者的感知体验	提出两源混合模型表征目标和干扰声音，结合上下采样多分辨率特征网络进行源分离，并级联已有的非语言声音增强技术，首次针对竞争性环境声音优化人工耳蜗和正常听力听者的感知效果	未提及模型计算复杂度或实时性限制、样本量规模大小以及不同人工耳蜗设备或环境设置的泛化能力	研究竞争性环境声音分离和增强对人工耳蜗使用者和正常听力听者感知的改善效果	人工耳蜗使用者和正常听力听者	机器学习, 数字信号处理	听力障碍	非语言声音（NLS）分离与增强、主观感知评估	CNN（多分辨率特征网络）	声音信号	人工耳蜗听者和正常听力听者的人次，具体样本量标注为F值对应自由度	NA	SUccessive DOwnsampling and Resampling of Multi-Resolution Features（SudoRmRF）网络	干扰度、音频质量、失真度的主观评分，以及强制选择偏好测试	NA
3935	2026-06-23	KANBind as a diagnostic probe for DNA-binding protein prediction: A prevalence-calibrated reality check under strict homology control 2026-Apr, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720026710022 PMID:42011125	研究论文	使用KANBind作为诊断探针，在严格同源性控制和真实流行率条件下，压力测试基于序列的DNA结合蛋白预测性能	引入流行率校准的报告方式，揭示在真实世界不平衡数据下常见高精度评价的虚假性，强调同源泄漏和平衡测试集的误导效应	仅基于细菌数据进行了案例研究，结果可能不完全适用于其他物种或更复杂的生物系统	评估DNA结合蛋白预测方法在真实不平衡数据集和严格同源控制下的实际性能，揭示常见基准测试的局限性	DNA结合蛋白预测任务中的模型性能，特别是KANBind模型	机器学习	NA	序列分析	KANBind	序列数据	使用HBTD基准数据集，包含严格同源性控制的训练集和测试集	NA	NA	校准精确率、错误发现率	NA
3936	2026-06-23	NNDock2: A neural network-based scoring function for ranking protein-protein docking models 2026-Apr, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720026500058 PMID:42011127	研究论文	提出了一种基于神经网络的评分函数NNDock2，用于对蛋白质-蛋白质对接模型进行排名	通过增加大量更远的诱饵来扩增训练集，并使用原生接触分数作为目标函数，相比前身NNDock1更能反映模型真实质量	方法简单但性能与其他先进评分函数相当，未提及在非常规或复杂情况下的表现	开发一种准确且计算高效的评分函数以改进蛋白质对接模型的排名	蛋白质-蛋白质对接模型	机器学习	NA	分子对接	神经网络	蛋白质结构数据	使用BM5、DOCKGROUND和CAPRI评分集进行评估，训练集包含大量诱饵	NA	神经网络	原生接触分数与真实模型质量的相关性	低计算成本
3937	2026-06-23	Rapid Detection of Adulteration in Birch Sap Using Near-Infrared Spectroscopy Coupled With Chemometrics 2026-Apr, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71070 PMID:42011683	研究论文	利用近红外光谱结合化学计量学方法快速检测桦树汁掺假	首次将近红外光谱技术应用于桦树汁品质检测，并提出了结合CNN、Transformer和高效通道注意力机制的混合模型用于定量分析，网络剪枝用于提升模型效率并部署在嵌入式开发平台上	未提及具体局限性	开发一种绿色、快速、无损的桦树汁掺假筛查方法	桦树汁掺假样本（水稀释和蔗糖溶液掺假）	机器学习	NA	近红外光谱	CNN、Transformer、DBO-SVM、传统机器学习模型	近红外光谱数据	NA	PyTorch	CNN-Transformer-ECA、DBO-SVM	准确率、R值、RMSE、RPD	嵌入式开发平台
3938	2026-06-23	A Fully Automated Deep Learning Model for Quantifying Coronary Plaque at Coronary CT Angiography 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.251967 PMID:42012347	研究论文	开发并验证了一个用于冠状动脉CT血管造影中斑块量化的全自动深度学习模型，并评估其预后价值	首次提出全自动深度学习模型PlaqueSegNet用于冠状动脉斑块量化，并利用多个独立外部数据集（包括IVUS、不同CT扫描仪、序列CCTA和光子计数CT数据）进行全面验证	Bland-Altman分析中一致性界限较宽	开发全自动深度学习模型用于冠状动脉斑块量化并评估其预后价值	冠状动脉CT血管造影图像中的冠状动脉斑块	计算机视觉	心血管疾病	CT血管造影	深度学习模型	图像	训练集1409名患者（平均年龄63±10岁，男性795人），内部验证集604名患者（平均年龄63±10岁，男性329人），外加四个独立外部数据集	PyTorch	PlaqueSegNet	组内相关系数，C指数	NA
3939	2026-06-23	Few-Shot and Zero-Shot Biomedical Named Entity Recognition: A Procedure for Enhancing BioBERT with Prompt-Based Learning and Large Language Models 2026-Mar-31, Journal of visualized experiments : JoVE DOI:10.3791/69390 PMID:42008560	研究论文	提出一种结合BioBERT、提示学习和大型语言模型的混合框架，用于增强生物医学命名实体识别中的少样本和零样本学习能力	首次将提示学习与大型语言模型集成到BioBERT中，显著提升了低资源生物医学术语和未见实体的泛化能力	未明确讨论模型在不同语言或特定子领域（如罕见病）的泛化性能，且可能对大型语言模型的计算资源需求较高	通过混合框架解决传统深度学习模型在生物医学NER中面临的数据稀缺、领域适应和未知实体泛化问题	生物医学文献和临床文本中的命名实体识别任务	自然语言处理, 生物医学	不限定具体疾病	提示学习, 大型语言模型, 预训练变换器	BioBERT, 大型语言模型	文本	多个生物医学基准数据集（具体数量未明确）	NA	BioBERT, 提示学习架构	准确率, 精确率, 召回率, F1分数	NA
3940	2026-06-23	CRESCENT: a deep learning framework with multi-scale attention for detecting recurrent copy number alterations 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag167 PMID:41996576	研究论文	提出一个名为CRESCENT的深度学习框架，通过多尺度采样、卷积神经网络和自注意力机制检测复发拷贝数变异	首次整合多尺度采样与自注意力机制，实现了对焦点、片段和臂级CNAs事件的平衡检测，并在非TCGA独立队列上验证了泛化能力	未明确讨论模型对罕见癌症类型的适用性及计算资源需求，且未提供可解释性分析以揭示特征生物学意义	开发一种高灵敏度、泛化性强的深度学习方法，用于可靠识别癌症基因组中的复发拷贝数变异	来自20个TCGA癌症项目的7689例患者的拷贝数变异图谱	机器学习	癌症	全基因组拷贝数分析	CNN（卷积神经网络）结合自注意力机制	拷贝数变异图谱	7689例患者样本（20个TCGA项目）	PyTorch（推断，基于框架特性）	多尺度CNN与自注意力机制的并行特征融合架构	AUC（曲线下面积）	NA（未提供具体信息）