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
381	2026-04-11	Low-dose CBCT image reconstruction: a review 2026-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-025-02492-y PMID:41348234	综述	本文深入分析了低剂量锥束计算机断层扫描图像重建的最新研究进展，包括算法演变、性能评估及未来方向	系统梳理了低剂量CBCT重建领域的最新进展，并综合比较了分析重建、迭代重建和深度学习方法的特点与应用	作为综述文章，未提出新的算法或模型，主要基于现有文献进行分析与总结	回顾低剂量CBCT图像重建技术，以减少患者辐射风险并保持图像质量，促进临床诊断与治疗	锥束计算机断层扫描图像重建方法及相关算法	医学影像处理	NA	锥束计算机断层扫描	NA	医学影像	NA	NA	NA	NA	NA
382	2026-04-11	PoseShot: hybrid CNN-BiLSTM transformer model for free throw action recognition via pose analysis 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41025-0 PMID:41766037	研究论文	提出了一种名为PoseShot的新型双通道混合CNN-BiLSTM-Transformer模型，用于通过姿态分析识别篮球罚球动作	提出了一种结合CNN、BiLSTM和Transformer编码器的双通道深度学习架构，专注于分析单个罚球动作中细粒度、阶段依赖的力学特征，超越了传统粗粒度活动识别方法	NA	通过数据驱动的方法，对篮球罚球技术进行客观、精确的分析，以弥补传统主观评估方法的不足	篮球罚球动作	计算机视觉	NA	姿态分析	CNN, BiLSTM, Transformer	视频	NA	NA	CNN-BiLSTM-Transformer (PoseShot), DenseNet, Swin Transformer, Vision Transformer	F1分数, 精确率, 召回率	NA
383	2026-04-11	Anomaly detection in brain MRI: a comprehensive review 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-026-00551-6 PMID:41890248	综述	本文全面回顾了脑部MRI异常检测领域，涵盖传统统计、经典机器学习及当代深度学习方法	系统性地将深度学习工作组织为重建、生成和自监督三大范式，并强调了新兴策略如混合学习、多模态整合和基于生物学的指标（如脑年龄差距）在提升鲁棒性和临床相关性方面的潜力	现有方法仍面临高误报率、异常定义不明确、可解释性有限以及对领域偏移的脆弱性等关键挑战	为开发可泛化且可解释的AI系统，并将其整合到真实世界的神经影像工作流程中提供研究议程	脑部MRI图像	数字病理学	神经系统疾病	MRI	NA	图像	NA	NA	NA	NA	NA
384	2026-04-11	Data augmentation method for computer-aided diagnosis using specular reflection 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00533-0 PMID:41890266	研究论文	本研究开发了一种利用镜面反射的数据增强方法，旨在提升结肠镜计算机辅助诊断中深度学习模型的鲁棒性和性能	提出了一种结合镜面反射生成和修复的数据增强技术，专门针对结肠镜图像，尤其在训练数据有限的情况下表现出优越性	NA	增强深度学习模型在结肠镜计算机辅助诊断中的准确性和鲁棒性	结肠息肉	计算机视觉	结直肠癌	窄带成像	CNN, Vision Transformer	图像	2,616张窄带成像图像	NA	卷积神经网络, Vision Transformer	准确性	NA
385	2026-04-11	Docking of millions: accelerating a million-scale virtual screening using deep learning 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag128 PMID:41883032	研究论文	本文介绍了一种名为DoM的超大规模虚拟筛选系统，该系统整合了AK-Score2和V-Dock方法，以加速药物发现中的化合物筛选过程	通过迭代学习V-Dock来近似AK-Score2的亲和力预测，从而避免对所有化合物进行对接，显著提高了筛选速度和资源效率	NA	开发一个高效且准确的超大规模虚拟筛选平台，以加速计算机辅助药物发现	针对DDR1、c-kit、ASK1、NSD1、CREBBP和PDE5等靶点的数百万个化合物	机器学习	NA	虚拟筛选	深度学习	化合物结构数据	500万个化合物	NA	NA	检索率, IC50值	NA
386	2026-04-11	Letter to the editor: testing the generalizability of DeepPlantAllergy on challenging allergen prediction scenarios 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag149 PMID:41947418	comments	本文是一封致编辑的信，对DeepPlantAllergy模型的泛化能力及其数据集构建方法提出质疑，并建议在更具挑战性的过敏原预测场景下重新评估模型性能	指出了原研究在数据集构建中移除与过敏原序列相似度>20%的非过敏原序列的做法，可能导致性能评估过于乐观，并提出了保留具有挑战性的阴性样本（仅针对训练集过敏原进行过滤）和报告精确率-召回率曲线下面积等改进评估方法的建议	本文为评论性文章，未进行新的实验验证，主要基于理论分析提出质疑和建议	评估深度学习模型在植物蛋白质过敏原预测任务中的泛化能力，并提出更严谨的性能评估方法	DeepPlantAllergy深度学习模型及其在植物蛋白质过敏原预测中的应用	自然语言处理	过敏性疾病	蛋白质序列分析	深度学习模型	蛋白质序列数据	NA	NA	DeepPlantAllergy	ROC曲线下面积, 精确率-召回率曲线下面积	NA
387	2026-04-11	PLM-effector: unleashing the potential of protein language models for bacterial secreted protein prediction 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag143 PMID:41947423	研究论文	提出了一种名为PLM-Effector的混合深度学习框架，用于跨五种主要细菌分泌系统（T1SS-T6SS）预测细菌分泌蛋白	首次将现代蛋白质语言模型与多种神经架构通过双层集成堆叠策略相结合，实现分泌系统感知的预测，并证明蛋白质特异性PLM嵌入比通用语言模型更具判别力	仅针对五种主要分泌系统（T1SS-T4SS和T6SS）进行建模，未涵盖所有可能的分泌系统	开发一种能够准确识别细菌分泌蛋白（特别是效应蛋白）的计算预测方法	细菌分泌蛋白，尤其是通过专门分泌系统传递的效应蛋白	生物信息学	细菌感染	蛋白质语言模型	深度学习, 集成学习	蛋白质序列	NA	PyTorch	双层集成堆叠策略, ESM-1b, ESM2_t33, ProtT5	宏F1分数	NA
388	2026-04-11	STORM: Exploiting Spatiotemporal Continuity for Trajectory Similarity Learning in Road Networks 2026-Mar, IEEE transactions on knowledge and data engineering IF:8.9Q1 DOI:10.1109/tkde.2025.3650227 PMID:41953048	研究论文	本文提出了一种名为STORM的方法，用于在道路网络中学习轨迹相似性，通过捕捉时空连续性来提升轨迹建模效果	结合了预训练与微调策略，并首次在轨迹建模中显式地利用时空连续性，通过轨迹导向的道路段嵌入和增强的Transformer编码器来优化嵌入表示	未在摘要中明确提及具体限制	改进道路网络中轨迹相似性学习，以支持交通、城市规划和拼车等应用	道路网络中的轨迹数据	机器学习	NA	深度学习	Transformer	轨迹数据	NA	NA	Transformer	NA	NA
389	2026-04-11	Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality 2026-Mar, NEJM AI DOI:10.1056/aioa2500487 PMID:41953210	研究论文	本研究开发了一种基于多任务深度学习框架的睡眠脑电图生物标志物，用于评估大脑健康、认知功能、疾病状态和死亡率风险	首次使用端到端、数据驱动的深度学习框架从睡眠脑电图数据中学习大脑健康的潜在表示，并将其提炼为单一评分，同时预测认知、疾病和死亡率，超越了传统人口统计学和专家定义特征模型	研究基于回顾性多队列数据，可能受限于数据异质性和潜在混杂因素，且未在独立前瞻性队列中验证临床实用性	开发一种客观、综合的睡眠脑电图生物标志物，用于评估大脑健康并预测认知、疾病和死亡率	来自六个队列的27,000名受试者的36,000个多导睡眠图记录	机器学习	老年疾病	多导睡眠图, 脑电图	深度神经网络	时间序列, 时频谱图	27,000名受试者的36,000个记录	NA	多任务深度神经网络	相关系数, 接收者操作特征曲线下面积, 风险比	NA
390	2026-04-11	Design and implementation of a deep learning framework for automated crop classification and health diagnosis in precision agriculture 2026-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42151-5 PMID:41764261	研究论文	本文提出了一种用于精准农业中自动化作物分类与健康诊断的三阶段深度学习框架	开发了一种融合宏观卫星影像与微观无人机及物联网传感器数据的多模态深度学习架构，以提高诊断可靠性	NA	实现作物健康状态的自动化分类与诊断，支持精准农业决策	玉米、马铃薯、小麦等农作物	计算机视觉	NA	多模态数据采集（无人机、卫星、传感器）	CNN	图像（卫星影像、无人机图像）、传感器数据	多源农业数据集（采用70%训练、15%验证、15%测试的划分协议）	NA	CNN	准确率	NA
391	2026-04-11	Future-aware blood glucose forecasting using knowledge distillation with transformer-based sequence-to-sequence models 2026-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41787-7 PMID:41764313	研究论文	本研究提出了一种利用知识蒸馏和Transformer序列到序列模型的未来感知血糖预测框架，以解决传统方法无法利用未来扰动信息的问题	提出了一个未来感知学习框架，在训练时利用特权信息（未来扰动），通过知识蒸馏使学生模型在推理时仅基于历史数据就能近似教师模型的性能，从而在保持部署可行性的同时提升预测准确性	未明确讨论模型在不同类型糖尿病患者或不同临床场景下的泛化能力，也未详细分析计算复杂度和实时推理延迟	开发一种能够在现实部署约束下（无法获取未来扰动信息）实现准确多步血糖预测的深度学习框架	1型糖尿病患者的连续血糖监测数据及相关扰动信息（胰岛素输送和进食）	机器学习	糖尿病	连续血糖监测	Transformer, 序列到序列模型	时间序列数据	基于公开数据集OhioT1DM和AZT1D（具体样本数量未在摘要中说明）	未明确说明	Transformer	均方根误差, 平均绝对误差, Clarke误差网格分析	未明确说明
392	2026-03-02	Image-based epigenetic profiling with deep learning and high-speed super-resolution microscopy 2026-Feb-28, Epigenetics & chromatin IF:4.2Q1 DOI:10.1186/s13072-026-00662-5 PMID:41764479	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
393	2026-04-11	Deep learning for fast screening and localization of spinal dural arteriovenous fistulas to enhance clinical workflow 2026-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02474-z PMID:41760890	研究论文	开发了一种名为SDAVFdoc的自动化AI系统，用于快速筛查和定位脊髓硬脊膜动静脉瘘，以提升临床工作流程效率	将3D卷积神经网络与解剖学先验知识相结合，实现了对SDAVF的自动识别和瘘口定位，并显著减少了处理时间和操作步骤	研究为多中心研究，但未详细说明模型在不同医疗机构数据上的泛化能力或潜在的偏差	开发自动化AI系统以辅助脊髓硬脊膜动静脉瘘的筛查和定位，优化临床工作流程	脊髓硬脊膜动静脉瘘患者	数字病理学	脊髓硬脊膜动静脉瘘	CTA成像	CNN	图像	718名患者	NA	DenseNet	F1分数, AUC	NA
394	2026-04-11	metaRLK 2.0: An updated database of plant receptor-like kinases developed with structure- and deep learning-based functional annotation and classification 2026-Feb-24, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101781 PMID:41742654	研究论文	本文介绍了metaRLK 2.0，一个基于结构和深度学习功能注释与分类的植物受体样激酶更新数据库	整合大规模结构注释、折叠分类、网络分析和语义功能推断，识别了677种不同结构域类型，新增了70个RLK家族，并预测了50个与植物细胞壁相关过程关联的家族	未明确提及具体局限性，但可能包括数据覆盖范围或深度学习模型的泛化能力限制	开发一个结构增强的植物受体样激酶资源，以探索RLK多样性、进化和结构-功能关系	植物受体样激酶（RLKs），涵盖508个植物物种的311,581个RLK	机器学习	NA	结构注释、深度学习	NA	结构数据、序列数据	311,581个RLK来自508个植物物种	NA	NA	NA	NA
395	2026-04-11	Explainable multimodal deep learning models for variable-length sequences in critically ill patients 2026-Feb-24, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105001 PMID:41747919	研究论文	本研究开发了一种可解释的多模态深度学习框架，用于处理重症监护患者可变长度的电子健康记录数据，以预测临床事件	提出了两种多模态循环神经网络融合架构（Pre-RNN和Post-RNN），结合了结构化数据和非结构化临床笔记，并采用Time2Vec和掩码处理可变长度序列，同时应用积分梯度方法增强模型的可解释性	性能提升对于短期事件较为有限（ΔAUPRC < 0.01），且研究基于公开数据集，可能受数据质量和通用性限制	开发一个可解释的多模态深度学习框架，用于处理重症监护患者可变长度的电子健康记录数据，以预测多种临床结局	重症监护患者的电子健康记录数据，包括结构化变量和非结构化临床笔记	自然语言处理, 机器学习	危重病	电子健康记录分析, 多模态数据融合	RNN	结构化数据, 文本	公开电子健康记录数据集中的患者数据	NA	Time2Vec, RNN	AUPRC	NA
396	2026-01-17	Correction: Quality assessment of colour fundus and fluorescein angiography images using deep learning 2026-Feb-19, The British journal of ophthalmology DOI:10.1136/bjo-2022-321963corr1 PMID:41535099	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
397	2026-04-11	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	本文介绍了一个名为FATE-MAP的集成平台，通过结合深度学习与机制建模，预测致畸性并揭示人类原肠胚形成的失败模式	开发了FATE-MAP平台，首次将高通量人类2D胃胚体扰动、定量表型映射、预测性深度学习和机制形态发生素建模相结合，以解码人类发育轨迹	研究基于人类2D胃胚体模型，可能无法完全模拟体内三维发育环境；且受限于伦理约束，直接人类胚胎验证不可行	阐明人类原肠胚形成的失败模式，预测药物致畸性，并加速安全治疗发现	人类2D胃胚体（gastruloids）	计算生物学	发育异常	高通量药物扰动、定量表型映射、PDE模拟	Transformer	化学结构数据、表型数据、模拟数据	超过2000个药物处理的人类2D胃胚体	NA	Transformer	NA	NA
398	2026-04-11	Drug-Target Interaction Prediction with PIGLET 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.18.706530 PMID:41756919	研究论文	本文提出了一种名为PIGLET的新型图变换器方法，用于预测药物-靶点相互作用，该方法基于蛋白质组范围内的知识图谱进行操作	创新点在于使用图变换器方法处理结合口袋相似性、蛋白质-蛋白质相互作用、药物相似性和已知结合关系的知识图谱，而非传统的一维或三维表示嵌入方法	NA	预测药物-靶点相互作用以辅助计算药物开发	药物和靶点蛋白质	机器学习	NA	图变换器方法	Transformer	图数据（知识图谱）	Human数据集	NA	图变换器	NA	NA
399	2026-04-11	A hierarchical interaction message net for accurate molecular property prediction 2026-Feb-14, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01922-x PMID:41691119	研究论文	本文提出了一种名为Hierarchical Interaction Message Net (HimNet)的模型，用于准确预测分子性质，包括ADMET特性	引入了分层交互消息传递机制，通过分层注意力引导的消息传递实现原子、基序和分子层面的交互感知表示学习，有效平衡全局和局部信息	未明确提及具体局限性	开发一种准确高效的分子性质和ADMET特性预测方法，以支持药物发现早期阶段的决策	分子（包括其ADMET特性、代谢稳定性、疟疾活性和肝微粒体清除率等）	机器学习	NA	深度学习	图神经网络, Transformer	化学信息数据	在11个数据集上进行评估，包括8个MoleculeNet基准数据集和3个高价值挑战数据集	NA	Hierarchical Interaction Message Net (HimNet)	NA	NA
400	2026-04-11	Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning 2026-Feb-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02399-7 PMID:41654658	研究论文	本研究开发了两种基于几何深度学习的模型，用于实时预测左心室几何形状上的激活时间图，以辅助心脏再同步化治疗（CRT）的术前规划	首次将几何深度学习方法（图神经网络GNN和几何信息神经算子GINO）应用于左心室激活时间的实时预测，并开发了基于网络的交互界面，为个性化CRT优化提供临床决策支持工具	模型在真实世界左心室几何形状上的性能仍有提升空间（误差约4%），且研究主要基于合成数据训练，未来需要更多临床数据验证	开发快速预测左心室激活时间的计算方法，以优化心脏再同步化治疗（CRT）的起搏器导线放置位置	左心室几何形状、心脏电生理激活时间图	机器学习	心血管疾病	有限元模拟、几何深度学习	GNN, GINO	几何形状数据、模拟数据	基于大范围合成左心室形状、起搏位点配置和组织电导率生成的有限元模拟数据集	NA	图神经网络（GNN）、几何信息神经算子（GINO）	预测误差百分比	NA