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
4741	2026-08-07	Towards Reliable Prediction: A Bayesian Continual Learning Approach for Clinical Time-Series Data 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3598718 PMID:40889322	研究论文	提出了一种基于贝叶斯LSTM的持续学习算法C-BLSTM，用于处理临床时间序列数据的预测，并提高模型的泛化能力。	首次将贝叶斯LSTM与持续学习结合，通过架构剪枝、变分推断正则化与核心集重放策略实现领域增量学习，提升临床时间序列预测的可靠性和泛化性。	摘要未提及明显的局限性，但可能涉及计算复杂度或对特定数据分布假设的依赖。	解决临床时间序列数据预测中的模型泛化问题，通过持续学习应对数据分布漂移，提高预测性能和可靠性。	临床时间序列数据，包括电子病历数据用于死亡预测，以及心力衰竭患者再入院风险和2型糖尿病患者糖化血红蛋白结果的真实世界数据。	机器学习	心力衰竭, 2型糖尿病	NA	LSTM	时间序列数据	两个公开电子病历数据集和两个真实世界临床时间序列数据集（具体数量未知）	NA	LSTM	性能指标包括预测准确性和可靠性（具体指标未提及）	NA
4742	2026-08-07	TUNA: A Target-Aware Unified Network for Protein-Ligand Binding Affinity Prediction via Multi-Modal Feature Integration 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643854 PMID:41385420	研究论文	提出了一种名为TUNA的新型深度学习模型，通过整合全局蛋白序列、局部口袋表示、基于SMILES的配体特征和分子图结构等多模态特征来预测蛋白质-配体结合亲和力	整合了全局序列、口袋级信息和配体多模态特征，并采用跨模态注意力机制实现可解释的结合位点推断	未明确提及，但可能包括对无已知结构靶标的依赖和计算资源需求	提高蛋白质-配体结合亲和力预测的准确性，特别是针对无已知结构的靶标	蛋白质-配体复合物的结合亲和力预测	机器学习、药物发现	NA	三维结构推断、口袋检测、预训练模型嵌入	深度学习模型（未具体指定架构类型）	蛋白质序列、口袋序列、配体SMILES、分子图结构	PDBbind和BindingDB数据集	NA	跨模态注意力机制	准确性、竞争力（未具体列出指标，可能包括RMSE、皮尔逊相关系数等）	未明确提及，可能包括GPU等
4743	2026-08-07	IoT-powered wearable assist device for visually impaired 2026-05, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2582033 PMID:41182323	研究论文	本研究开发并评估了一种基于物联网的可穿戴辅助设备，该设备结合实时物体检测、人脸识别和障碍物感知，旨在改善视力障碍者的行动能力和环境交互。	将物联网、深度学习（SVM、ResNet-50、YOLOv4）和低成本硬件集成到一个统一的可穿戴系统中，实现了高精度、低延迟的实时辅助导航。	缺乏大规模用户验证，未提及设备舒适性、电池寿命等实际应用中的潜在问题。	开发并评估一种物联网驱动的可穿戴辅助设备，以提高视力障碍者的障碍物感知、移动能力和环境交互。	视力障碍者以及开发的可穿戴辅助设备原型。	计算机视觉	视觉障碍	物联网、深度学习、机器学习	SVM、CNN（ResNet-50）、YOLOv4	图像、传感器数据	未明确提及样本量，但系统在多种环境条件下进行了评估。	未明确提及，但可能涉及TensorFlow或PyTorch（基于深度学习模型）	ResNet-50, YOLOv4, SVM	准确率、精确率、召回率、F1分数	未明确提及，但涉及ESP32-CAM模块和Arduino微控制器，可能使用边缘计算设备。
4744	2026-08-07	Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin 2026-04-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345196 PMID:41765623	研究论文	开发了一种集成双发射分子印迹荧光传感器与卷积神经网络的智能手机便携式平台，用于诺氟沙星的现场快速检测	将分子印迹荧光传感器与深度学习结合，利用智能手机捕获图像并通过CNN模型自动提取浓度特征，超越传统RGB分析，有效校正环境干扰，实现生物样品中诺氟沙星的超灵敏检测	未提及具体局限性	实现诺氟沙星的快速、现场、高灵敏检测，为水产品安全保障中的抗生素监测提供技术支持	诺氟沙星（NOR）抗生素	机器学习	不适用	分子印迹荧光传感、深度学习	卷积神经网络（CNN）	荧光图像	生物样品（具体数量未提及）	NA	四种CNN模型（具体架构未提及）	检测限、回收率、相对标准偏差	NA
4745	2026-08-07	A multimodal approach integrating spectroscopy, deep learning guided molecular docking, and molecular dynamics simulation for predictive assessment of pioglitazone to albumin binding for formulation development 2026-03-12, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01534k PMID:41738395	研究论文	该研究采用多模态方法，结合光谱学、深度学习引导的分子对接和分子动力学模拟，评估吡格列酮与白蛋白的结合亲和力，以支持制剂开发	整合紫外光谱、荧光光谱、深度学习工具DynamicBind和分子动力学模拟的多模态方法，提供对药物-蛋白质结合亲和力的综合评估	摘要中未明确提及局限性	通过分析人血清白蛋白与吡格列酮的结合亲和力，为制剂开发提供关键信息	人血清白蛋白与吡格列酮的复合物	分子对接、机器学习、数字病理学	NA	紫外光谱、荧光光谱、深度学习引导的分子对接、分子动力学模拟	深度学习（DynamicBind）、分子动力学模拟	光谱数据、分子结构数据	不同组合的HSA和吡格列酮复合物（具体数量未在摘要中明确）	NA	DynamicBind	结合常数、cLDDT分数、结合亲和力值、均方根偏差、回转半径、均方根波动	NA
4746	2026-08-07	AI-based intelligent sensing detection of cybersecurity threats using multimodal sensor data in smart devices 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40614-3 PMID:41748759	研究论文	本文提出一种基于深度学习的多模态传感架构，用于识别智能设备上由传感器引发的网络攻击	采用混合CNN-RNN-Transformer架构，融合异构传感器特征并考虑时空交互，实现了边缘硬件上的实时威胁检测	未明确提及，可能受限于数据集标注质量和特定传感器类型	开发一种可扩展的多模态深度学习框架，以提高物联网环境下网络物理威胁检测的准确性和实时性	智能设备中的异构传感器数据（加速度计、陀螺仪、麦克风、温度传感器）	机器学习	NA	多模态传感数据融合、深度学习	CNN-RNN-Transformer混合模型	多模态传感器数据、网络流量数据（文本/数值）	使用了一个手工标注的多模态数据集和两个公开基准数据集（CICIDS-2017和IoT-23）	NA	CNN, RNN, Transformer	AUC, F1-score, 推理延迟	边缘硬件（具体型号未提及）
4747	2026-08-07	SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices 2026-02-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	本研究提出了一种基于硅量子点和钌配合物的比率荧光探针，结合深度学习与智能手机，用于6PPD-醌的即时检测	首次将深度学习与智能手机集成的比率荧光传感器用于6PPD-醌检测，采用YOLOv5算法定位荧光图像并获取RGB值，提高了检测精度和可视化能力	摘要中未明确提及局限性	开发一种快速、高响应、特异性的6PPD-醌检测方法，以实现低成本、便捷、可视化和实时检测	6PPD-醌（N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌）	计算机视觉	NA	荧光光谱法	深度学习模型	图像	NA	PyTorch	YOLOv5	线性关系、检测限	NA
4748	2026-08-07	Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02389 PMID:41574593	研究论文	开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，替代计算昂贵的GIST方法	首次利用深度学习模型预测水合能、熵和自由能的空间分布，速度比GIST快数千倍，并能考虑蛋白质构象波动	水合熵和自由能的预测精度较低，且模型可能受限于训练数据的多样性和代表性	开发高效准确的深度学习模型，替代计算昂贵的GIST方法，预测蛋白质周围水合热力学性质	蛋白质及其周围的水分子	机器学习	不适用	分子动力学模拟	深度学习模型	分子动力学模拟数据	未明确提及具体样本数量	未明确提及	未明确提及	决定系数（R²）、相关系数	单个图形处理单元（GPU）
4749	2026-08-07	Attention-Enhanced Convolutional BiLSTM Model for Predicting Recovery Outcomes in Sports Injuries 2026-Feb, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-025-01417-2 PMID:41669206	研究论文	提出一种基于注意力机制的卷积双向长短期记忆网络模型，用于预测运动损伤恢复结果。	引入了注意力增强的随机森林优化卷积双向长短期记忆模型，结合深度可分离卷积和双向LSTM，以捕捉运动数据中的时空依赖关系。	未提及具体局限性。	提高运动损伤评估和恢复预测的准确性，特别是在下肢损伤中。	年轻运动员下肢损伤的康复预测。	计算机视觉、机器学习	运动损伤	肌电图（EMG）、运动学数据分析	混合深度学习模型（CNN + BiLSTM）	时间序列数据（EMG和运动学数据）	四个数据集（具体数量未提及）	未提及	卷积块注意力模块（CBAM）、深度可分离卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）	准确率、精确率、召回率、F1分数、特异性	未提及
4750	2026-08-07	LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning 2026-01-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344857 PMID:41330688	研究论文	本文介绍了LUMIR，一个基于大语言模型驱动的统一智能体框架，用于多任务红外光谱推理，在低数据条件下实现准确分析。	提出首个利用大语言模型结合结构化文献知识库和少样本提示的智能体框架，统一处理预处理、特征提取和预测建模，实现跨任务的自适应红外光谱分析。	未明确提及局限性，可能受限于低数据条件下对多样化数据集的泛化能力，需进一步验证。	开发一个数据高效的自动化红外光谱分析框架，利用大语言模型的推理能力，在低数据条件下实现准确的分类、回归和异常检测。	红外光谱数据，包括牛奶近红外数据集、中草药、不同储藏年限的陈皮、工业废水COD数据集，以及Tecator和Corn两个公共基准。	机器学习	不适用	红外光谱技术	大语言模型（LLM）	光谱数据	多个数据集，具体样本数量未全说明，包括牛奶、中草药、陈皮、工业废水及两个公共基准	未明确提及	未明确提及具体架构，可能使用Transformer类模型	准确性、性能指标与机器学习、深度学习模型相当，具体指标未明确列出	未明确提及
4751	2026-08-07	Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species 2025-12-25, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01092-z PMID:41449383	研究论文	本研究提出一个可解释的深度学习集成框架，用于准确分类野生有毒蘑菇种类，保障食品安全	首次将可解释AI集成方法应用于真菌分类，结合多种预训练CNN架构的集成策略提升分类性能	标题和摘要中未提及局限性信息	开发一个准确且可解释的深度学习框架，用于野生有毒蘑菇的分类，以减少误认导致的中毒事件	18种野生有毒蘑菇物种的高分辨率图像	计算机视觉	蘑菇中毒	图像增强技术	CNN	图像	3600张高分辨率图像，通过增强扩展至7200个训练样本	NA	DenseNet121, EfficientNet-B3, MobileNet-V3, ShuffleNet-V2	准确率, MCC, 对数损失	NA
4752	2026-08-07	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-12-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	研究论文	提出了一种名为CLAP-HMM的深度学习框架，用于在长DNA序列中预测抗性基因	引入蛋白质功能提示作为生物学先验，指导HMM模块进行结构状态建模，实现抗性基因边界的精确识别	未提及	提高超长、高重复基因组序列中抗性基因预测的准确性	抗性基因	深度学习、生物信息学	植物病害	DNA测序	CNN-LSTM-Attention混合模型	长DNA序列	NA	NA	CNN、LSTM、注意力机制、HMM	NA	NA
4753	2026-08-07	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-12-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	提出了一种名为T-SCAPE的新型多域深度学习框架，通过对抗性域适应整合多种免疫学数据源，以预测T细胞免疫原性	利用跨域对抗域适应技术整合多种免疫相关数据源，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	摘要中未提及明显局限性	开发一种能够准确预测T细胞免疫原性的深度学习模型，以提升蛋白质治疗药物和疫苗的安全性和有效性	肽段、MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、源生物体信息和T细胞激活	机器学习	不适用	深度学习	多域深度学习模型	免疫学数据	未提及具体样本量	未提及具体框架	对抗性域适应网络	性能指标未具体提及，但提到严格泄漏控制基准	未提及具体计算资源
4754	2026-08-07	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	本研究开发了一种基于多对比度MRI的深度学习模型，用于预测PET确定的淀粉样蛋白状态，以提高阿尔茨海默病的诊断准确性	首次将T2 FLAIR与T1加权图像结合用于深度学习预测PET淀粉样蛋白状态，显著提高了预测性能	未提及明确限制	提高基于MRI的PET淀粉样蛋白状态预测准确性，以减少对PET或CSF采样的依赖	阿尔茨海默病患者及认知正常对照者的MRI和PET图像	数字病理学	阿尔茨海默病	NA	深度学习模型（EfficientNet）	图像（MRI和PET）	4056例用于模型开发，149例用于外部测试	NA	EfficientNet	AUC，准确率，敏感性，特异性	NA
4755	2026-08-07	Integrating cyclodextrin fluorescence sensing array and machine learning for rapid screening and detection of perfluoroalkyl substances 2025-12-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344680 PMID:41093532	研究论文	本研究开发了一种基于β-环糊精荧光传感阵列与机器学习相结合的方法，用于快速筛选和检测水中的全氟烷基物质（PFASs）。	利用β-环糊精聚合物与四种荧光染料的主客体化学构建4×6传感器阵列，结合机器学习实现多种PFASs的同时检测，克服了传统荧光传感器缺乏多重检测能力或制备复杂的局限性，并实现了与LC-MS相当的检测精度。	摘要中未提及明显的局限性。	开发一种便携、成本效益高且快速的荧光传感平台，用于水环境中多种PFASs的现场筛选和定量检测，以解决传统LC-MS方法的高成本和复杂性。	六种全氟烷基物质（PFOA、PFOS、PFDA、PFNA、PFHpA、PFHxA）以及含有这些PFASs的水样（包括表面水和污染水）。	传感器技术、机器学习	不适用	荧光传感、主客体化学、机器学习（线性判别分析和深度学习）	线性判别分析（LDA）和深度学习模型	荧光响应数据	传感器阵列包含4种染料和6种PFASs，用于构建和验证；实际水样加标5 μg/L PFOA用于验证。	NA	NA（LDA和模块化深度学习平台未指明具体架构）	检测限、相对误差、分类准确率	NA
4756	2026-08-07	Chemically and Electromagnetically dual-enhanced COFs-Au@AgNPs SERS sensor integrated with deep learning for ultrasensitive detection of neonicotinoid pesticides 2025-11-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344501 PMID:40915725	研究论文	本研究开发了一种基于COFs-Au@AgNPs的双重增强SERS传感器，结合改进的Informer深度学习模型，用于超灵敏检测食用油中的新烟碱类农药残留	首次将共价有机框架（COFs）与Au@Ag纳米粒子结合，实现化学和电磁双重增强机制，并集成深度学习模型进行农药残留的痕量检测	未提及明显局限性	开发快速、灵敏的方法检测食用油中的新烟碱类农药残留，确保食品安全	特级初榨橄榄油中的三种新烟碱类农药：噻虫胺（CTD）、吡虫啉（IMD）和啶虫脒（AMP）	数字病理学	不适用	表面增强拉曼光谱（SERS）、有限差分时域（FDTD）模拟、密度泛函理论（DFT）计算	深度学习模型（改进的Informer模型，称为S-informer）	光谱数据（拉曼光谱）	包含三种农药的混合物样本，具体样本数量未明确	PyTorch	Informer（改进版）	准确率、决定系数（R²p）、相对分析误差（RPD）	未明确提及
4757	2026-08-07	DiffRaman: A conditional latent denoising diffusion probabilistic model for enhancing bacterial identification via Raman spectra generation under limited data 2025-10-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344372 PMID:40903108	研究论文	提出一种基于条件潜在去噪扩散概率模型的拉曼光谱数据生成方法，以增强细菌识别在数据有限情况下的性能	首次将条件潜在去噪扩散概率模型应用于细菌拉曼光谱生成，结合VQ-VAE和条件DDPM，提高生成质量和计算效率	未明确提及局限性，但可能受限于拉曼光谱数据的具体类型和实验条件	解决拉曼光谱数据不足时深度学习诊断性能下降的问题，通过数据生成增强细菌识别准确性	细菌拉曼光谱数据，用于快速鉴定病原细菌	机器学习	细菌感染	拉曼光谱	生成模型（扩散模型）	光谱数据（图像形式）	未提供具体数量，但涉及细菌拉曼光谱数据集	PyTorch（推测，未明确说明）	VQ-VAE, DDPM	生成质量、计算效率、诊断模型性能（未具体列出指标）	未提供具体信息
4758	2026-08-07	N2G calibrator: a cross-subject domain adversarial training framework for gait tracking from neural signals in Parkinson's disease 2025-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25337508 PMID:41282855	研究论文	提出一种跨受试者域对抗训练框架N2G校准器，利用集体神经数据跟踪帕金森病患者的步态表现	利用域对抗学习校准目标用户的神经信号，消除同步步态记录系统的需求，实现临床环境外的个性化模型校准	未提及	开发一种无需同步步态记录系统即可跨受试者跟踪帕金森病步态的性能的深度学习框架	帕金森病患者的神经信号和步态表现	机器学习	帕金森病	神经信号记录	域对抗网络	神经信号数据	未提及	未提及	域对抗网络	错误率	未提及
4759	2026-08-07	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-Ocular Syndrome 2025-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	研究论文	本研究利用深度学习人工智能模型，通过视神经头光学相干断层扫描图像预测太空飞行相关神经眼综合征的发生	首次使用深度学习模型结合飞行数据和地面头低位卧床数据预测SANS，并评估了跨训练模型的性能和类激活图	数据受限，样本量小，模型性能中等至较高，但置信区间较宽，提示结果不确定性大	创建深度学习AI模型，利用OCT图像预测SANS的发生，并验证地面模型作为SANS地球模型的合理性	宇航员和头低位卧床研究参与者	计算机视觉	太空飞行相关神经眼综合征	光学相干断层扫描	卷积神经网络	图像	飞行数据和地面数据，均为OCT图像，具体数量未提及	NA	ResNet50	受试者工作特征曲线下面积	NA
4760	2026-08-07	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-08, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	开发并验证了一种基于深度学习的算法，用于区分视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛的眼底照片。	首次专门针对IIH和NAION与健康眼睛的眼底照片进行区分，采用了迁移学习（ResNet-50）和梯度加权类激活映射可视化，并在大规模数据上进行了严格的内外部验证。	研究主要依赖二维眼底照片，可能无法捕捉动态变化；外部验证数据源多样但数量有限，且模型对早期或轻微视盘肿胀的区分能力可能需要进一步评估。	开发并验证一个深度学习模型，以帮助区分由特发性颅内高压引起的视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛，辅助神经眼科诊断。	眼底照片，包括IIH（Frisén分级≥1）患者、急性NAION患者和健康对照的眼睛。	计算机视觉	神经眼科疾病（特发性颅内高压、非动脉炎性前部缺血性视神经病变）	眼底摄影	卷积神经网络（CNN）	图像	15,088张眼底照片来自5866只眼睛（内部验证），外加1126张照片来自928只眼睛（外部验证）	PyTorch	ResNet-50	准确率、AUC-ROC、精确率、召回率、F1分数、混淆矩阵	未提及具体GPU型号或平台