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
4041	2026-03-24	MML-DTI: Multimanifold Learning with Hyperbolic Graph Neural Networks for Enhanced Drug-Target Interaction Prediction 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02826 PMID:41802299	研究论文	提出了一种结合双曲空间和欧几里得空间的多流形学习框架，用于增强药物-靶点相互作用预测	首次将双曲图神经网络用于药物-靶点相互作用预测，通过多流形特征融合模块整合异构信息，有效捕捉生物数据的层次结构特性	未明确说明模型在更大规模或更复杂生物网络上的泛化能力，也未讨论计算复杂度与效率的具体对比	提高药物-靶点相互作用预测的准确性，以促进药物发现和重定位	小分子药物和靶点蛋白质	机器学习	NA	图神经网络，预训练语言模型	HGNN, GNN	分子图，化学指纹，语义嵌入	基准数据集（未指定具体数量）	NA	Hyperbolic Graph Neural Network	NA	NA
4042	2026-03-24	Trustworthy Compound-Protein Interaction Prediction with Interpretable and Conformalized Cross-Attention Transformers 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02709 PMID:41790973	研究论文	本文提出了一个名为ConfBiXtCPI的集成框架，用于实现准确、可解释且具有统计严格不确定性量化的化合物-蛋白质相互作用预测	该研究首次将双向交叉注意力Transformer与Mondrian保形预测相结合，在实现最先进预测精度的同时，为多数类和少数类提供了有效的统计覆盖保证，并支持可解释的注意力机制和主动学习策略	未明确提及具体的数据集规模限制或计算资源需求，也未讨论模型在更广泛蛋白质家族或新型化合物上的泛化能力	开发一个可信赖的化合物-蛋白质相互作用预测框架，统一准确性、可解释性和不确定性量化	化合物-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列数据	NA	NA	双向交叉注意力Transformer	准确性, 错误发现率	NA
4043	2026-03-24	Interpretable multi-modality consensus QSAR framework: integrating machine and deep learning for enhanced multi-endpoint toxicity assessment 2026-Mar-23, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2026.2643659 PMID:41839829	研究论文	本研究开发了一个可解释的多模态共识QSAR框架，整合多种分子表征以及机器学习和深度学习，用于预测八种不同机制的毒性终点	提出了一个整合多种分子表征、机器学习与深度学习的多模态共识框架，显著提升了多终点毒性预测的鲁棒性、可解释性和广泛适用性	未明确说明模型在特定化学空间或低数据区域的表现局限性，也未讨论计算成本或框架部署的复杂性	开发一个可靠且可解释的框架，用于广谱毒性预测和多终点化学安全评估	30,160种独特化合物及其八种毒性终点（皮肤致敏性、呼吸毒性、AMES致突变性、肝毒性、发育毒性、心脏毒性、药物诱导肾毒性和神经毒性）	机器学习	NA	定量构效关系（QSAR）	机器学习, 深度学习	分子表征数据	30,160种独特化合物	NA	NA	AUC, 平衡准确率（BACC）	NA
4044	2026-03-24	Deep learning approach to super-resolution correction of brain MRI motion artifacts for accurate hippocampal volumetry 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44834-5 PMID:41866419	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4045	2026-03-24	A misclassification-aware explainable hybrid CNN-vision transformer framework for radiographic weld inspection 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44874-x PMID:41866427	研究论文	本文提出了一种混合CNN-Vision Transformer框架，用于提高焊接缺陷检测的可靠性和可解释性	结合CNN和Vision Transformer的混合架构，通过全局上下文建模显著提升视觉相似缺陷的区分能力，并利用可解释性方法减少误分类	NA	开发一种智能焊接检测框架，以提高缺陷分类的准确性和可解释性	焊接缺陷，包括裂纹、气孔和未焊透	计算机视觉	NA	NA	CNN, Vision Transformer	图像	使用RIAWELC射线焊接数据集和外部GDXray数据集	NA	混合CNN-Vision Transformer架构	准确率, 误分类率	NA
4046	2026-03-24	A low-latency deep learning framework for volcanic ash cloud nowcasting using geostationary satellite imagery 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42230-7 PMID:41866598	研究论文	本文开发并验证了一种基于深度学习的近实时火山灰扩散临近预报方法，利用地球静止卫星图像实现低延迟预测	提出了一种完整的边缘计算工作流，能在五秒内完成数据下载和推理，并引入像素级事件注入算法以模拟不同规模的合成羽流场景	研究主要基于SEVIRI仪器的Ash RGB合成图像，可能未涵盖所有火山灰类型或气象条件，且合成羽流场景为假设性演示	开发低延迟的火山灰扩散临近预报系统，支持应急决策和场景可视化	火山灰卫星图像（来自EUMETSAT的SEVIRI仪器Ash RGB合成数据）及合成羽流场景	计算机视觉	NA	地球静止卫星观测（SEVIRI仪器Ash RGB合成）	深度学习模型	卫星图像	基于EUMETSAT SEVIRI仪器火山灰卫星图像档案的训练数据	NA	NA	结构相似性指数（SSIM）	NVIDIA Jetson AGX Orin边缘计算设备
4047	2026-03-24	A contrastive learning framework with adaptive feature fusion for brain tumor classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44887-6 PMID:41866612	研究论文	本文提出了一种结合自适应特征融合的对比学习框架，用于脑肿瘤MRI图像的精确分类	引入了动态标签队列存储历史标签，构建同一类别内多幅图像间的多个正样本对，从而在对比学习中注入显式监督，增强特征表示的判别力	未明确提及	提高脑肿瘤MRI图像分类的准确性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	公共figshare数据集	NA	对比学习框架与自适应特征融合模块	NA	NA
4048	2026-03-24	Prediction of cyclin-dependent proteins using pre-trained protein language models and effective neural network architectures 2026-Mar-21, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116116 PMID:41865419	研究论文	本文提出了一种结合预训练蛋白质语言模型和深度学习技术的新型计算方法，用于准确预测细胞周期依赖性蛋白	整合预训练蛋白质语言模型（如ESM）生成高质量蛋白质嵌入，避免手动特征提取，并设计定制化的卷积神经网络架构自动学习与CDP识别相关的判别性特征	未明确提及方法在处理非典型或高度变异蛋白质序列时的性能，也未讨论计算资源需求或模型可解释性	开发一种计算方法来准确识别细胞周期依赖性蛋白，以克服传统方法在非同源数据和手动特征提取上的限制	细胞周期依赖性蛋白，包括细胞周期蛋白、细胞周期依赖性激酶和细胞周期依赖性激酶抑制剂	自然语言处理	癌症	蛋白质语言模型，深度学习	CNN	蛋白质序列	NA	NA	定制化卷积神经网络	NA	NA
4049	2026-03-24	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Mar-21, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断系统，用于在MRI上区分腮腺肿瘤的良恶性，并评估其对放射科医生诊断性能的提升作用	首次将EfficientNet CNN模型应用于腮腺肿瘤的MRI影像分析，并通过读者研究证明了该CAD系统能显著提高不同经验水平医生的诊断准确性，特别是在中高级别和局部晚期肿瘤中	研究样本量相对有限（170例用于模型开发），且未在外部验证集上测试模型泛化能力；CAD对低级别或pT1肿瘤的诊断改善不显著	评估基于深度学习的计算机辅助诊断系统在MRI腮腺肿瘤良恶性鉴别中的临床价值	经手术病理证实的腮腺肿瘤患者及其MRI影像	计算机视觉	腮腺肿瘤	MRI影像分析	CNN	医学影像（MRI）	170例经组织学确认的病例用于模型开发，其中134例用于读者研究	未明确提及	EfficientNet	准确率, 敏感性, 特异性, AUC	NA
4050	2026-03-24	A Novel Quantitative Analysis in Myocardial Perfusion Imaging: How does it compare to the "Golden Eye"? 2026-Mar-21, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.03.009 PMID:41866260	研究论文	本文提出了一种新的心肌灌注成像定量分析方法，与传统TPD方法相比，从逆向角度评估异常灌注的严重程度和范围	提出了一种基于逆向视角的定量分析方法，将TPD视为更广泛方法的一个特例，并探索了通用定量分析的建立方式	缺乏基于生存率或主要不良心血管事件（MACE）标准的真实数据验证	开发一种新的心肌灌注成像定量分析方法，用于评估缺血性心脏病患者的左心室灌注异常	心肌灌注成像数据，特别是左心室放射性示踪剂摄取的极坐标图	医学影像分析	心血管疾病	心肌灌注成像	深度学习	图像（2D极坐标图）	NA	NA	标准深度学习架构	统计一致性，视觉一致性	NA
4051	2026-03-24	Hard-Soft Acid-Base Principle Drives Rational Synthesis of Super-Dense Rare-Earth-Based Diatomic Sites 2026-Mar-18, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c21164 PMID:41847911	研究论文	本文提出了一种基于硬软酸碱原理的通用合成策略，成功制备了14种具有超高金属负载量的稀土基双原子催化剂，并通过深度学习辅助识别方法明确了其异质双原子构型	利用硬软酸碱原理指导合成，实现了稀土基双原子催化剂的超高负载量（12.8-30.7 wt%）和明确构型识别，突破了传统双原子催化剂负载量低、构型不明确的限制	NA	开发一种通用设计原则，用于理性合成高负载双原子催化剂，以提升电催化硝酸盐还原性能	稀土基双原子催化剂	机器学习	NA	深度学习辅助双原子识别方法	深度学习模型	NA	14种稀土基双原子催化剂	NA	NA	氨产率	NA
4052	2026-03-24	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-Mar-18, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出一种结合基因本体图嵌入和动态阈值深度神经网络的两步法，用于多标签蛋白质亚细胞定位预测	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，实现多标签预测，克服了固定阈值仅能单标签预测的限制	NA	提高蛋白质亚细胞定位预测的效率和准确性	蛋白质	机器学习	NA	基因本体图嵌入	深度神经网络	图数据	两个基准数据集：DeepLoc 2.0 和 Plant-mSubP	NA	深度神经网络	总体实际准确率, 宽松准确率	NA
4053	2026-03-24	Domain-Level Classification of Archaea and Bacteria Using AI-Assisted Single-Cell Raman Spectroscopy 2026-Mar-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00460 PMID:41867523	研究论文	本研究提出了一种结合拉曼光谱和机器学习的方法，用于在单细胞水平上区分古菌和细菌	开发了一种基于拉曼光谱和LightGBM算法的文化独立方法，用于古菌和细菌的域级分类，无需培养且适用于低丰度微生物	数据集中仅包含22个原核物种（11个古菌和11个细菌），样本规模相对较小，可能限制了模型的泛化能力	开发一种无需培养的方法，以区分古菌和细菌，并促进对复杂微生物群落中古菌的研究	古菌和细菌的单细胞	机器学习	NA	拉曼光谱	LightGBM, CNN	光谱数据	22个原核物种（11个古菌和11个细菌）	LightGBM, 可能包括TensorFlow或PyTorch（用于CNN）	LightGBM（树基模型）, CNN（具体架构未指定）	准确率, 灵敏度	NA
4054	2026-03-24	Identification of novel biomarkers for Alzheimer's disease: A deep learning omics-based approach to drug pair discovery and exploration of potential therapeutic targets 2026-Mar-14, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00989 PMID:41837520	研究论文	本研究采用深度学习与组学方法，探索了阿尔茨海默病的新型生物标志物、潜在治疗靶点及药物组合发现	提出了一个基于组学的智能药物发现框架，用于快速筛选和优化化合物药物对，并将免疫失调确立为疾病早期的核心协同驱动因素，特别是揭示了CD8+ T细胞和Fcγ受体3A在疾病病理生理学中的关键作用	因果关系主要基于孟德尔随机化分析，仍需进一步的实验验证；药物发现框架的有效性需要在临床前和临床研究中进一步评估	探究免疫细胞、血浆蛋白与阿尔茨海默病之间的因果关系，并发现针对血浆蛋白的有效药物组合疗法	阿尔茨海默病患者、轻度认知障碍个体、认知正常参与者、5×FAD小鼠模型、免疫细胞（特别是CD8+ T细胞）、血浆蛋白（特别是Fcγ受体3A）	机器学习	阿尔茨海默病	两样本孟德尔随机化、数据挖掘、分子对接分析、生物信息学分析	神经网络	组学数据、队列数据、药物数据库数据	大型阿尔茨海默病队列、阿尔茨海默病神经影像学倡议数据库、药物数据库	NA	生物因子调控的神经网络	NA	NA
4055	2026-03-24	Precisely Identifying Growth Phases of Living Bacteria using Open-Set Deep Learning-Driven Single-Cell Raman Spectroscopy 2026-Mar-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08187 PMID:41823082	研究论文	本研究提出了一种结合卷积神经网络和长短期记忆模型的开放集深度学习策略，利用单细胞拉曼光谱精确识别活细菌细胞的生长阶段	提出了一种新的开放集深度学习配置，通过集成CNN和LSTM模型，并采用插值算法增强的光谱偏移策略来增强数据多样性，同时开发了增强的Softmax模块以在开放集环境中工作	NA	精确识别和预测单个活细菌细胞的生长阶段	产孢细菌的单个细胞/孢子	机器学习	NA	单细胞拉曼光谱	CNN, LSTM	光谱数据	在13个不同生长时间点采样的细胞/孢子时间依赖性单细胞拉曼光谱	NA	CNN-LSTM集成架构	预测准确率	NA
4056	2026-03-24	Self-supervised learning-aided ultrasonic testing for overcoming long-tail problems in stress-strain curve prediction 2026-Mar-11, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108053 PMID:41865614	研究论文	本研究提出了一种基于VIME的自监督学习框架，用于解决超声测试中应力-应变曲线预测的长尾问题	应用VIME自监督学习框架处理超声测试中的长尾问题，并发现频域信号对改善性能特别有效	研究仅针对铝合金样本，未涉及其他材料或更广泛的缺陷类型	解决超声测试中因缺陷样本导致的长尾问题，提升应力-应变曲线预测的准确性	铝合金样本，包括低屈服强度（100-200 MPa）的案例	机器学习	NA	超声测试	深度学习模型	频域信号（包含基波和二次谐波分量）	816个铝合金样本	NA	VIME-SSL	平均绝对百分比误差（MAPE）	NA
4057	2026-03-24	GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI 2026-Mar-10, ArXiv PMID:41647239	研究论文	本文介绍了GOUHFI 2.0，一个用于超强场MRI脑部图像分割和皮层分区的深度学习工具箱	GOUHFI 2.0通过引入更大的训练数据变异性和新增皮层分区及体积测量功能，改进了原始工具箱，成为首个能在超强场MRI上实现稳健皮层分区的深度学习工具箱	NA	开发一个适用于超强场MRI的自动脑部分割和皮层分区工具，以解决信号不均匀性、对比度和分辨率变化等挑战	超强场MRI脑部图像	数字病理学	NA	超强场MRI	CNN	图像	238名受试者，涵盖不同分辨率、场强和人群	NA	3D U-Net	分割准确性	NA
4058	2026-03-24	[Deep learning-based assessment of periodontal ligament area changes in maxillary central incisors under different orthodontic regimens using cone beam CT images] 2026-Mar-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250722-00280 PMID:41786527	研究论文	本研究利用深度学习技术，基于锥形束CT图像评估不同正畸方案下上颌中切牙牙周膜面积的变化	首次应用CBCT牙周膜分割网络测量牙周膜面积，并与传统牙根长度测量方法进行比较，以更全面地评估牙周支持组织变化	样本量较小（49名患者），且为单中心回顾性研究，可能存在选择偏倚	探究不同正畸治疗方案对上颌中切牙牙周膜面积变化的影响	接受正畸治疗的患者的上颌中切牙	数字病理学	NA	锥形束CT成像	深度学习	医学图像	49名患者（98颗上颌中切牙）	NA	CBCT牙周膜分割网络	NA	NA
4059	2026-03-24	Leveraging Naturalistic Driving Digital Biomarkers for Early Mild Cognitive Impairment Detection: Deep Learning Strategies 2026-Mar-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83622 PMID:41791118	研究论文	本研究开发了利用自然驾驶数据作为数字生物标志物的深度学习策略，用于早期轻度认知障碍检测	首次在自然驾驶环境中使用深度学习模型分析驾驶行为，提出基于频率的风险评分作为可解释输出，并比较了单视图、特征级融合和模型级晚期融合三种建模策略	样本量较小（仅22名参与者，其中3人中途退出），且仅包含8名MCI患者，可能限制模型的泛化能力	开发基于自然驾驶数据的深度学习策略，用于早期轻度认知障碍的检测	临床分类的参与者（8名MCI患者和14名认知正常者）	机器学习	老年疾病	自然驾驶数据采集	深度学习	传感器信号（GPS、加速度计、陀螺仪）	22名参与者（8名MCI，14名认知正常），其中3人中途退出	NA	NA	准确率, AUC	NA
4060	2026-03-24	An autonomous system for multi-objective continuous evolution at scale 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.02.709196 PMID:41867751	研究论文	介绍了一个名为TurboPRANCE的开源、可排队机器人平台，用于实现大规模、多目标、连续进化的自主系统	开发了一个集成约200个独立控制的浊度计和96个并行PACE培养池的机器人平台，支持异步启动和持续运行，结合纳米孔长读长测序与DeepVariant深度学习变异检测器，实现高通量进化追踪	未明确提及系统在特定生物体系或应用场景中的具体性能限制或潜在技术挑战	开发一个能够在大规模上实现多目标连续进化的自主系统，以研究和工程化复杂的适应性景观	噬菌体辅助连续进化（PACE）系统及进化变异体	合成生物学，进化工程	NA	噬菌体辅助连续进化（PACE），纳米孔长读长测序	深度学习	基因组测序数据	约200个独立控制的浊度计培养物，96个并行PACE培养池	DeepVariant（基于TensorFlow）	NA	NA	NA