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
4641	2026-06-15	De novo engineering of protein interactions: Retrospective and current advances 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103240 PMID:41759349	综述	回顾从头设计蛋白质相互作用的研究进展，重点讨论基于深度学习的计算方法及其在蛋白结合体设计中的应用	总结了AlphaFold等新型结构预测模型及深度生成模型在蛋白质结合体设计中的创新应用，实现了高实验成功率的全新蛋白质折叠设计	未明确提及当前方法的局限性	探讨蛋白质结合体设计方法的发展历程，重点关注前沿技术及其应用与新的挑战	蛋白质结合体设计方法与深度学习方法	机器学习	NA	蛋白结合体设计	结构预测模型、深度生成模型	蛋白质序列与结构数据	NA	NA	AlphaFold	实验成功率	NA
4642	2026-06-15	Unsupervised segmentation of dynamic pulmonary MRI using cross-modality adaptation with annotated CT images 2026-Apr, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03584-5 PMID:41784882	研究论文	提出一种利用标注CT数据实现无监督肺动态MRI分割的跨模态自适应方法	首次利用掩码自编码器学习模态不变特征，结合时间一致性损失和选择-精炼流程生成高质量伪标签，消除对MRI标注的依赖	仅使用31个无标签4D MRI和30个标注CT训练，测试集来自两个中心，泛化性可能受限	实现肺实质在动态MRI中的准确无监督分割，辅助临床诊断和治疗规划	肺实质分割	计算机视觉, 医学影像分析	肺部疾病	动态肺MRI, CT成像	掩码自编码器, 分割网络	4D MRI图像, CT图像	31个无标签4D MRI, 30个标注CT, 20和12个4D MRI测试图像	PyTorch	掩码自编码器, U-Net	Dice系数, 平均表面距离	NA
4643	2026-06-15	Influence of deep learning image reconstruction and adaptive statistical iterative reconstruction-V on automated Alberta stroke program early CT score- evaluation 2026-Apr, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03938-5 PMID:41706087	研究论文	研究深度学习图像重建与自适应统计迭代重建V对自动Alberta卒中项目早期CT评分的影响	首次系统比较了DLIR和ASIR-V两种重建技术对自动ASPECTS评分的影响，并发现DLIR-M在重新分类和专家共识一致性方面表现最佳	单中心回顾性研究，样本量有限，且未评估重建技术对临床结局的影响	评估深度学习图像重建和自适应统计迭代重建V对自动ASPECTS评分的影响	疑似大脑中动脉梗死患者的非对比CT图像	计算机视觉	脑血管疾病	CT	NA	图像	173名患者（中位年龄79岁，39%女性）	NA	NA	Bland-Altman分析、Cohen's κ系数	NA
4644	2026-06-15	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	开发了一种集成可见-近红外微高光谱成像与深度学习架构的智能传感平台，用于快速化学成像	提出了一种基于补丁的空间-光谱策略，通过自定义的多注意力3D卷积神经网络（带残差连接）有效补偿了宽波段可见-近红外光谱的低化学特异性	摘要中未明确提及局限性	实现微观材料快速、非破坏性、高精度的化学成像与分类	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）及多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	3D卷积神经网络	高光谱图像	8种化学物质	PyTorch	多注意力3D卷积神经网络（带残差连接）	准确率	NA
4645	2026-06-15	Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy 2026-Mar-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c24539 PMID:41783971	研究论文	本文合成了一种基于角蛋白的低共熔水凝胶，用于智能健康监测和光热治疗	通过一锅法合成PDA@Ag/PAA/PSBMA/FK低共熔水凝胶，兼具高机械强度、优异传感性能、自修复能力和监测-治疗闭环功能	未提及实际临床验证和长期稳定性测试	开发集高机械强度、优异传感性能、自修复能力和监测治疗功能于一体的表皮传感器	PDA@Ag/PAA/PSBMA/FK低共熔水凝胶及其在人体关节运动监测和光热治疗中的应用	机器学习	手腕疾病	光热治疗	深度学习	运动信号	未提及	NA	NA	拉伸性、离子电导率、传感范围	NA
4646	2026-06-15	Screening of Respiratory Toxicity of Environmental Compounds Based on Multimodal Feature Fusion Model 2026-Mar-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c17401 PMID:41782501	研究论文	开发了一种基于多模态特征融合的深度学习框架GFEnet，用于高效筛选环境化合物的呼吸毒性	首次将分子图特征、结构指纹和电子级属性三种模态特征深度融合，实现跨尺度的呼吸毒性预测，并进行了体内外多维度验证	未提及模型在更多样化的化合物数据库上的泛化能力验证，以及与其他最新深度学习方法的详细比较	建立一种高通量的呼吸毒性筛选平台，减少对动物测试的依赖，提高环境化合物安全性评估效率	环境化合物（特别关注高度关注物质和空气污染物数据库中的化合物）	机器学习	呼吸系统毒性	深度学习	多模态深度学习框架（GFEnet）	分子图特征、结构指纹、电子级属性数据	涉及体内哺乳动物呼吸毒性、体外A549细胞毒性和ACE2基因调控活性三个毒理学维度的数据集	PyTorch	多模态融合网络（具体架构未详细说明）	AUC	未提及
4647	2026-06-15	LCMS-Net: Deep Learning for Raw High Resolution Mass Spectrometry Data Applied to Forensic Cause-of-Death Screening 2026-Mar-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05404 PMID:41755347	研究论文	介绍LCMS-Net，一种直接分析原始LC-HRMS数据的端到端深度学习模型，用于法医死因筛查和结肠癌检测	直接处理原始LC-HRMS数据，无需手动预处理；对数据的空间特性显式建模；模型结构简单，无需预训练，计算效率高	未明确提及局限性	开发一种自动化且高效的深度学习模型，用于分析LC-HRMS数据，应用于法医死因筛查和结肠癌检测	LC-HRMS原始数据及其在死因筛查和结肠癌检测中的应用	机器学习	法医死因筛查, 结肠癌	液相色谱-高分辨率质谱	深度学习模型	原始质谱数据	未明确提及样本数量	NA	LCMS-Net	F1-score	与依赖预训练的方法相比，更快速且计算效率更高
4648	2026-06-15	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	提出一种基于深度学习的方法，从电阻抗断层成像图像中直接估计肺塌陷程度，避免了对肺部分割的依赖	首次利用深度学习框架从EIT图像直接估计肺塌陷程度，无需进行肺部分割，克服了传统全局不均匀性指标依赖分割的局限性	NA	估计机械通气患者肺塌陷程度，以辅助评估通气性肺损伤风险	基于EIT图像估计的肺塌陷程度	计算机视觉	呼吸系统疾病	电阻抗断层成像	深度学习模型	图像	合成数据集模拟多种肺条件，数值与体模测试	NA	NA	误差百分比	NA
4649	2026-06-15	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	开发一种深度学习辅助的压力-面积分析框架，用于量化动脉主动力学特性	结合超声成像、血压测量、神经网络分割和生物力学模型反演，首次实现体内动脉主动力学特性的定量表征，揭示血压与平滑肌恢复的分离现象	NA	量化体内动脉主动力学特性，并探究运动后颈动脉平滑肌张力的恢复动态	人体右侧颈总动脉	数字病理学	心血管疾病	超声成像、血压测量	神经网络	超声视频数据	233名志愿者（训练神经网络），10名志愿者（运动测试）	PyTorch	U-Net	空间性能、时间性能	NA
4650	2026-06-15	Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38941-6 PMID:41786881	研究论文	基于深度学习的复发性流产免疫-生活方式模式识别探索性回顾研究	首次采用TabNet深度学习模型综合分析免疫和生活方式因素与复发性流产的关联模式	未提及具体局限性信息	构建深度学习模型以识别复发性流产患者的免疫-生活方式模式	复发性流产患者与健康女性的临床和实验室数据	机器学习	复发性流产	NA	TabNet	临床与实验室数据	16818例复发性流产患者与19979例健康女性	PyTorch	TabNet	AUC, 准确率, 精确率, 特异度, 灵敏度	NA
4651	2026-06-15	Application of a Natural Language Processing Framework for Data Extraction From Pathology Reports Across Multiple Cancer Types 2026-Mar-02, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e79 PMID:41775279	研究论文	开发一个基于自然语言处理的系统，用于自动从多种癌症类型的病理报告中提取关键数据	通过对比多种深度学习架构，选择ClinicalBERT模型实现跨多种癌症类型病理报告的高效数据提取	在远处转移变量上表现较低（F1=0.3889），且未提及模型对罕见或复杂病理变异的适应能力	自动化提取病理报告中的临床和病理特征，以简化数据存储、检索和分析流程	来自胃癌、肝癌、结直肠癌和乳腺癌的病理报告	自然语言处理	胃癌, 肝癌, 结直肠癌, 乳腺癌	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	文本	NA	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	F1-score	NA
4652	2026-06-15	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	开发了一个名为GReNIMJA的深度学习模型，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测已知和未知转录因子的基因调控关系	首次实现了对未知转录因子的基因调控关系预测，解决了传统深度学习模型仅能预测已知转录因子的局限	NA	预测转录因子与基因之间的调控关系，特别是针对未知转录因子	转录因子与目标基因的调控关系	机器学习	NA	NA	2D长短期记忆网络	氨基酸序列和核苷酸序列	NA	NA	2D LSTM	准确率	NA
4653	2026-06-15	Rapid-EEG Software Architecture's Clinical Impact: Advantages and Limitations 2026-Mar-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001188 PMID:41773895	综述	本文综述了快速脑电图（EEG）设备软件架构的临床应用优势与局限性	系统阐述了快速EEG设备从第一代麻醉管理到第二代癫痫检测的发展历程，并重点分析了深度学习算法在回顾性研究中与人类专家相媲美或更优的表现，同时指出算法“黑箱”特性对临床应用的制约	讨论限于回顾性研究，缺乏前瞻性临床试验验证，且对专有算法透明性问题提出建议但未给出具体解决方案	评估快速EEG设备自动分析方法的原理及人工智能/机器学习技术在癫痫检测中的应用影响，并倡导算法透明度以促进临床协作	快速EEG设备的软件架构及其临床应用中的算法性能	机器学习	癫痫	EEG	深度学习	EEG信号	NA	NA	NA	NA	NA
4654	2026-06-15	Glycemic Variability as a Predictor of Mortality in Sepsis Patients With Concurrent Persistent Inflammation, Immunosuppression, and Catabolism Syndrome 2026-Mar, Immunity, inflammation and disease DOI:10.1002/iid3.70400 PMID:41791121	research paper	本研究探讨血糖变异系数（GVC）对并发持续性炎症、免疫抑制和分解代谢综合征（PICS）的脓毒症患者死亡率的影响	首次在并发PICS的脓毒症亚组中验证GVC与不良临床结局的关联，并利用TabPFN深度学习模型构建预测模型，AUC达0.960	单中心数据库回顾性研究，GVC分组基于指南但未动态调整，外部验证样本量较小	评估GVC对并发PICS的脓毒症患者28天、院内及180天死亡率的预测价值	1353例来自MIMIC-IV数据库的院内感染脓毒症患者，以及116例天津医科大学总医院急诊科验证队列	machine learning	sepsis	NA	TabPFN（表格数据先验适配网络）	tabular data	1353例（训练队列）及116例（外部验证队列）	Scikit-learn (Boruta), PyTorch (TabPFN)	TabPFN	AUC	NA
4655	2026-06-15	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	提出一种结合布谷鸟搜索优化和ResNet的深度学习算法用于骨癌细胞检测	将布谷鸟搜索优化算法与ResNet结合，形成CS-MHC ResNet模型，优化特征选择和超参数调优，提升骨癌分类性能	仅在有限数据集上验证，未来需要在更大规模多中心数据集和简化设计上提高鲁棒性和适用性	开发一种自动化的骨癌细胞检测与分类系统，用于早期骨癌诊断	骨癌组织图像（恶性和健康骨组织）	计算机视觉	骨癌	图像分类	卷积神经网络（CNN）	图像	未明确说明样本数量	NA	ResNet, VGG-16, Xception, Inception	准确率，敏感性，精确率，F-measure	NA
4656	2026-06-15	DECODE: deep learning-based common deconvolution framework for various omics data 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03007-y PMID:41772096	研究论文	提出DECODE，一个通用反卷积框架，适用于多种组学数据，包括转录组、蛋白质组和代谢组	首次实现代谢组学反卷积，并能在不同组学数据、供体、疾病状态和测量平台上优于现有方法	信息不足，无法从标题和摘要中提取	开发一个通用反卷积框架，用于从组织水平数据估算细胞类型丰度，并整合多组学数据	细胞类型和细胞状态	机器学习	NA	反卷积算法	深度学习模型	转录组、蛋白质组、代谢组数据	NA	NA	NA	性能指标未在摘要中明确列出，但提到优于现有方法	NA
4657	2026-06-15	Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study 2026-Mar, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2025.00808 PMID:41943643	研究论文	开发一种全自动双模态深度学习框架，用于胶质母细胞瘤放疗的靶区和危及器官自动勾画，并通过剂量学等效性验证其临床实用性	提出了一种无需预对齐的双编码器注意力U-Net结构，同时处理CT和MRI双模态图像，且在独立测试集上实现了与专家手动勾画在剂量学上的等效性	未在文中提及	通过剂量学等效性验证自动勾画框架在胶质母细胞瘤放疗计划中的临床可靠性	胶质母细胞瘤患者的CT和MRI图像	数字病理学	胶质母细胞瘤	深度学习	注意力U-Net	CT和MRI图像	100名患者的回顾性数据集	NA	双编码器注意力U-Net（CT），单编码器注意力U-Net（MRI）	Dice相似系数（DSC）	NA
4658	2026-06-15	Deep learning-based semantic matching of cis-regulatory DNA sequences facilitates the prediction of gene function 2026-Mar, Nature plants IF:15.8Q1 DOI:10.1038/s41477-026-02231-w PMID:41708941	研究论文	使用深度学习模型PhytoBabel捕捉顺式调控DNA序列的语义相似性，从而预测基因功能	证明了远缘物种间（约1.6亿年进化分歧）的直系同源顺式调控序列虽缺乏序列相似性，但保留可通过深度学习捕获的语义相似性，并能在无直接训练的情况下隐式学习时空表达模式、保守非编码序列和系统发育关系	未明确说明模型在不同物种间的泛化能力、对非直系同源序列的适用性或计算资源需求等潜在局限性	利用顺式调控DNA序列的语义相似性来预测未知基因功能，特别是反向遗传学中的应用	15种被子植物的直系同源顺式调控序列对，以及玉米和拟南芥中与体细胞胚胎发生相关的形态发生调控因子	机器学习	NA	NA	深度学习模型（PhytoBabel）	DNA序列	15种被子植物的直系同源顺式调控序列对	NA	NA	语义相似性（深度学习捕获）	NA
4659	2026-06-15	A novel deep learning framework for field-scale wheat yield prediction 2026-Feb-25, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05166-0 PMID:41739241	研究论文	提出一种基于遗传算法优化的深度神经网络框架，利用近地传感数据实现田间尺度小麦产量预测	首次将遗传算法优化的深度神经网络与手持或车载主动近地传感器数据相结合，用于印度农业背景下的小麦产量预测，在多种条件下优于传统机器学习模型	NA	利用近地传感数据构建深度学习框架，实现田间尺度小麦产量的精确预测，支持育种者高效选择基因型并助力可持续发展目标	2020-2021冬季生长季两个地点的灌溉和雨养条件下3350份不同小麦种质	机器学习	NA	近地传感（NDVI、冠层温度、株高测量）	深度神经网络、随机森林回归、LASSO、支持向量回归	数值数据（光谱植被指数、温度、高度）	3350份小麦种质，涵盖灌溉和雨养条件	NA	遗传算法优化的深度神经网络	R²值	NA
4660	2026-06-15	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	提出一种基于深度学习的混合模型Hybrid-Sumo，用于准确预测SUMO化修饰位点	整合蛋白质结构特征和序列特征，结合HSE、PSSM-DWT和BERT三种先进特征提取技术，并利用SHAP算法进行最优特征选择	NA	开发一种准确预测SUMO化修饰位点的计算工具	蛋白质SUMO化修饰位点	机器学习	NA	深度学习	深度神经网络（DNN）	蛋白质序列和结构特征数据	基准数据集	NA	DNN	准确率	NA