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
461	2026-04-10	Closed-loop transcranial ultrasound stimulation based on NREM and REM sleep for bidirectional modulation of sleep neural oscillation and memory 2026-Apr-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae584a PMID:41894824	研究论文	本研究开发了一种基于深度学习的闭环经颅超声刺激系统，针对非快速眼动和快速眼动睡眠振荡，评估了睡眠神经振荡和记忆能力	首次利用闭环经颅超声刺激技术，结合深度学习，针对睡眠特定振荡进行双向调制，揭示了其对神经活动和记忆功能的影响	研究主要基于小鼠模型，对人类睡眠和记忆的适用性尚不明确，且未详细探讨长期刺激效应	探究闭环经颅超声刺激对睡眠神经振荡和记忆能力的调制作用	健康小鼠和阿尔茨海默病模型小鼠	神经科学, 生物医学工程	阿尔茨海默病	闭环经颅超声刺激, 深度学习	深度学习模型	神经振荡信号, 行为数据	未明确指定样本数量，涉及健康小鼠和阿尔茨海默病模型小鼠	NA	NA	神经活动相关性, 记忆能力改善	NA
462	2026-04-10	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	本文提出FetalSleepNet，一种基于迁移学习和频谱均衡域适应的深度学习框架，用于胎儿睡眠状态分类	首次开发专门用于胎儿脑电图的自动睡眠分期深度学习架构，并实现跨发育（成人到胎儿）和跨物种（人到羊）的迁移学习框架，利用频谱均衡技术对齐频域特征	胎儿脑电图数据极其稀缺，且研究依赖于跨物种数据适应，可能引入未知偏差	开发自动化胎儿睡眠状态分类方法，以识别神经发育并发症如缺氧	胎儿睡眠状态分类，基于胎儿脑电图数据	机器学习	神经发育并发症	脑电图	深度学习	脑电图信号	NA	NA	FetalSleepNet	准确率, 宏F1分数	NA
463	2026-04-10	Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Apr-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	提出一种基于神经架构搜索与空谱注意力机制的高阶非线性高光谱解混模型	首次将神经架构搜索（NAS）集成到基于扩展多线性混合模型的高光谱解混中，设计了光谱-空间注意力引导的大规模搜索空间，并采用稀疏编码启发的加速策略	未明确说明模型在极端非线性混合场景下的泛化能力，以及搜索过程对计算资源的具体需求	解决高光谱解混中非线性混合过程的精确建模问题	高光谱遥感图像	计算机视觉	NA	高光谱成像	深度自编码器,神经架构搜索	高光谱图像	合成与真实数据集（未指定具体数量）	未明确说明	自定义多尺度卷积操作	光谱角距离	未明确说明
464	2026-04-10	Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants 2026-Apr-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5ca9 PMID:41950940	研究论文	本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能	将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解	未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力	开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性	脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤）	数字病理学	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net	分割精度	NA
465	2026-04-10	Multiomics and deep learning dissect regulatory syntax in human development 2026-Apr-08, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10326-9 PMID:41951735	研究论文	本研究通过整合单细胞多组学数据与深度学习模型，系统解析了人类发育过程中染色质可及性的调控语法	构建了首个覆盖12个器官、81.7万个胎儿细胞的单细胞染色质可及性与基因表达图谱，并开发深度学习模型揭示了调控元件中基序的句法规则	研究主要聚焦胎儿发育阶段，未涵盖成年期或疾病状态；模型预测基于序列特征，需实验验证其生物学功能	解析人类发育过程中转录因子结合与染色质可及性的调控机制	人类胎儿发育过程中的细胞与候选顺式调控元件	计算生物学	NA	单细胞多组学测序（染色质可及性与基因表达）	深度学习	基因组序列数据、单细胞多组学数据	817,740个胎儿细胞，覆盖12个器官、203种细胞类型	NA	NA	NA	NA
466	2026-04-10	Cost-effective and scalable urban air quality monitoring using image-based deep learning 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47424-7 PMID:41951751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
467	2026-04-10	A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46820-3 PMID:41951756	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
468	2026-04-10	Automatic Recognition and Prognostic Prediction of Colorectal Liver Metastases Using a Multi-Scale Deep Learning Framework: Model Development and Validation Study 2026-Apr-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73311 PMID:41945655	研究论文	本研究开发并验证了一个多模型集成深度学习框架（CLM-Net），用于从病理图像中自动识别和预测结直肠癌肝转移，以提高诊断准确性和临床适用性	通过集成VGG16、DeepLab-v3和U-Net等基础架构，并结合多尺度空洞卷积、挤压-激励注意力机制、条件随机场细化模块和迁移学习策略，构建了一个创新的多模型集成深度学习框架，显著提升了结直肠癌肝转移的识别和预后预测性能	研究样本量相对有限（197例），且未来需要多中心验证和多模态特征整合以进一步优化模型	开发并验证一个深度学习框架，用于自动识别和预测结直肠癌肝转移，以增强诊断准确性和临床实用性	结直肠癌肝转移的病理图像	数字病理学	结直肠癌肝转移	深度学习	CNN	图像	197例病理标注的结直肠癌肝转移病例，来自Kaggle和The Cancer Imaging Archive等公开数据集	TensorFlow, PyTorch	VGG16, DeepLab-v3, U-Net	准确率, 召回率, F1分数, AUC, Kaplan-Meier曲线, log-rank检验	NA
469	2026-04-10	Analyzing the deep learning approach-based modeling framework to understand the critical environmental factors of predicting daily nitrate concentrations 2026-Apr-07, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129539 PMID:41950591	研究论文	本研究利用深度学习框架分析影响河流硝酸盐浓度预测性能的关键环境因素	首次系统分析了影响深度学习模型预测河流硝酸盐浓度性能的关键环境因素，并验证了输入与目标站点在硝酸盐浓度-流量关系及关键环境因子时间变异性上的相似性对模型性能的促进作用	研究区域仅限于爱荷华州，未验证该框架在其他地理和气候区域的普适性	探究影响深度学习模型预测河流每日硝酸盐浓度性能的关键环境因素，以优化监测网络设计和模型应用	爱荷华州低频硝酸盐监测站点的每日河流硝酸盐浓度	机器学习	NA	高频硝酸盐传感器数据监测	深度学习模型	时间序列数据	爱荷华州多个低频硝酸盐监测站点	NA	NA	预测准确性	NA
470	2026-04-10	Fusion-m6A: A lightweight hybrid deep learning framework for RNA m6A site prediction 2026-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111669 PMID:41950858	研究论文	本文提出了一种名为Fusion-m6A的轻量级混合深度学习框架，用于预测RNA m6A位点	该框架整合了Word2Vec序列嵌入、卷积层、双向门控循环单元与注意力机制以及辅助k-mer特征，在保持高精度的同时实现了更快的推理速度和更低的内存占用	未在摘要中明确提及	开发一种准确、高效且实用的计算模型，用于大规模和特定组织的RNA m6A位点预测	RNA m6A位点	自然语言处理	NA	Nanopore直接RNA测序	CNN, LSTM	序列数据	多个人类组织和细胞系	NA	Word2Vec, 卷积神经网络, 双向门控循环单元, 注意力机制	准确率, Matthews相关系数	NA
471	2026-04-10	Deep Learning for Content-Based Medical Image Retrieval in Picture Archiving and Communication Systems for Brain Tumor Detection: Algorithm Development and Validation 2026-Apr-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/78300 PMID:41941563	研究论文	本研究开发了一种基于内容的医学图像检索系统，专门用于脑磁共振图像中七种不同类型脑肿瘤的检索，并成功集成到图片存档与通信系统中	采用先进的深度学习特征提取算法，结合广义均值池化捕捉局部特征，并通过协调两个开源项目将CBMIR系统成功嵌入到功能性PACS环境中	数据集来自单一医疗中心且未公开可用，可能限制模型的泛化能力	开发一个集成到PACS中的基于内容的医学图像检索系统，以辅助放射科医生和医疗专业人员高效检索相关历史医学图像，提供定量决策支持	脑磁共振图像中的七种不同类型脑肿瘤	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	658名参与者，共15,873张图像（收集于2000年至2017年）	NA	GoogLeNet	平均精度均值, Precision@10	NA
472	2026-04-10	Discovery, engineering and application of a maleate isomerase for efficient L-malic acid biosynthesis via dual-enzyme cascade with fumarase 2026-Apr-06, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.109842 PMID:41950715	研究论文	本研究通过生物信息学挖掘和深度学习工具指导的酶工程，开发了一种高效的双酶级联系统，用于以低成本马来酸为底物绿色合成L-苹果酸	从候选序列中鉴定出高活性的Schaalia vaccimaxillae来源的马来酸异构酶，并利用基于深度学习的计算预测指导突变，使其催化活性提升153.6%，进而与富马酸酶构建一锅双酶级联系统	未明确说明该酶系统在长期工业运行中的稳定性、底物浓度进一步提高的可行性以及大规模生产成本的具体评估	开发一种高效、可持续且经济可行的生物催化路线用于L-苹果酸的生产	L-苹果酸的生物合成	合成生物学，酶工程	NA	生物信息学挖掘，深度学习指导的酶工程，双酶级联催化	基于深度学习的计算预测工具	蛋白质序列数据，酶活性数据	NA	NA	NA	催化活性提升百分比（153.6%），产物浓度（171.4 g/L L-MA），生产率（14.28 g·(L·h)）	NA
473	2026-04-10	Estimating Protein Conformational States from High-Speed AFM Images with Molecular Dynamics and Deep Learning 2026-Apr-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00142 PMID:41934646	研究论文	本文提出了一种结合深度学习与分子动力学模拟的框架DeepAFM，用于从高速原子力显微镜图像中估计蛋白质构象状态并去噪	将深度学习与分子动力学模拟结合，通过模拟AFM图像训练模型，提高对噪声的鲁棒性，优于传统的刚性和柔性拟合方法	方法基于模拟数据训练，可能受模拟与实验条件差异影响；仅以SecYAEG-nanodisc复合物为案例研究，泛化性需进一步验证	开发一种框架以从噪声高、分辨率有限的高速原子力显微镜图像中可靠识别蛋白质构象状态	蛋白质构象状态，特别是膜蛋白SecYAEG-nanodisc复合物中SecA的构象转变	计算机视觉	NA	高速原子力显微镜，分子动力学模拟	深度学习模型	图像	基于分子动力学快照生成的模拟AFM图像，具体样本数量未明确	未明确指定，但提及深度学习框架	未明确指定具体架构	未明确指定，但提及与独立实验观察的一致性	未明确指定
474	2026-04-10	An artificial intelligence model for accurate drug-target affinity prediction in medicinal chemistry 2026-Apr-03, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118840 PMID:41950652	研究论文	提出一种结合进化蛋白质表征与多模态配体分析的新型人工智能模型，用于高精度预测药物-靶点亲和力	融合ESM-2蛋白质特征向量的PCA降噪与CNN局部基序提取，整合分子图与多种化学描述符，并引入分阶段交叉/自注意力机制模拟动态分子识别	未明确说明模型对非标准结合模式或罕见靶点类型的泛化能力	提高药物-靶点亲和力预测精度以加速药物发现	药物分子与蛋白质靶点	计算化学/药物发现	NA	进化序列分析、分子图表示、化学描述符计算	深度学习	蛋白质序列、分子结构、化学描述符	基于Davis和KIBA基准数据集	PyTorch	CNN, 注意力机制	亲和力预测精度	NA
475	2026-04-10	Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning 2026-Apr, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01328-5 PMID:40676456	研究论文	本研究开发了一种结合经食管超声心动图和深度学习的新工具autoMAPSE，用于术后连续监测左心室功能和系统心室动脉耦联	首次将经食管超声心动图与深度学习结合，实现自动测量二尖瓣环平面收缩期位移，用于连续监测心室动脉耦联	样本量较小（仅50例患者），监测时间仅限于术后2小时，且为单中心研究	评估autoMAPSE工具在监测心脏术后系统心室动脉耦联及检测术后心脏生物标志物变化方面的有效性	接受心脏手术的50例患者	数字病理学	心血管疾病	经食管超声心动图	深度学习	超声图像	50例心脏手术患者	NA	NA	相关系数	NA
476	2026-04-10	Brain Myelin in Children With Attention-Deficit/Hyperactivity Disorder: A Longitudinal T1-Weighted/T2-Weighted Ratio Study 2026-Apr, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2025.07.012 PMID:40789484	研究论文	本研究通过纵向T1加权/T2加权比值分析，探讨了注意力缺陷/多动障碍（ADHD）儿童脑白质髓鞘发育轨迹	首次在纵向社区儿科队列中，使用T1w/T2w比值结合深度学习自动纤维束追踪方法，系统评估ADHD儿童脑白质髓鞘发育模式	研究未发现ADHD组与对照组在髓鞘发育上的显著差异，可能受样本特征或方法灵敏度限制，且未考虑纤维结构等其他白质特性	探究ADHD儿童脑白质髓鞘的发育轨迹及其与疾病的关系	9-14岁儿童（包括195名ADHD患者及205名对照）	神经影像学	注意力缺陷/多动障碍	T1加权/T2加权比值成像、扩散加权成像	深度学习	神经影像数据（T1w、T2w、DWI）	400次扫描（195名ADHD儿童，年龄范围9-14岁，3个时间点）	NA	NA	NA	NA
477	2026-04-10	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2026-Apr, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种基于图深度学习的蛋白质-DNA相互作用评分方法PDIScore，用于准确量化蛋白质-DNA相互作用	开发了PDIScore这一新型深度学习评分函数，采用全面的图表示捕获核苷酸灵活性，结合可扩展的GraphGPS架构与BigBird线性全局注意力处理大相互作用界面，并利用混合密度网络建模残基-核苷酸距离分布	NA	开发可靠的蛋白质-DNA相互作用评分函数以促进生物学过程理解和药物设计	蛋白质-DNA相互作用	机器学习	NA	深度学习	图神经网络	蛋白质-核酸复合物结构	约7000个蛋白质-核酸复合物结构	NA	GraphGPS, BigBird, 混合密度网络	富集因子, AUROC, 对接成功率, 皮尔逊相关系数	NA
478	2026-04-10	Horizontal nystagmus identification with joint SAM segmentation and time series classification 2026-Apr, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09950-4 PMID:41663530	研究论文	本文提出了一种结合SAM分割和时间序列分类的水平眼震检测模型	联合使用SAM分割和时空注意力机制进行眼震检测，提高了诊断准确性	NA	开发一种高效的水平眼震自动检测方法	水平眼震患者的眼球运动视频	计算机视觉	前庭系统疾病	视频分析	CNN	视频	临床收集的水平眼震视频数据集	NA	SAM, 一维时间序列卷积分类器	准确率, 精确率	NA
479	2026-04-10	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Apr, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct和有创FFR进行了比较	开发并验证了一种现场、快速（平均8分钟）的CT-FFR算法，结合了深度学习和流体动力学，作为场外FFRct解决方案的替代方案	单中心研究，需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法在冠状动脉疾病诊断中的性能	250名有症状的中高风险冠状动脉疾病患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影	深度学习	医学影像	250名患者	NA	NA	AUC, 敏感性, 特异性, 准确性, Spearman相关系数, Cohen's κ	NA
480	2026-04-10	An educational machine learning demonstration framework for plastic surgeons using open datasets 2026-Apr, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2026.02.010 PMID:41762764	研究论文	本文介绍了一个名为DermAI-Melanoma的教育性机器学习演示框架，旨在帮助整形外科医生利用开放数据集进行黑色素瘤分类的深度学习模型训练与部署	开发了一个专门针对整形外科医生的开源数据演示框架，使用公开数据集进行可重复的深度学习模型训练和浏览器部署，特别优化了轻量级模型以适应智能手机应用	框架主要基于单一公开数据集（SIIM-ISIC 2020），且模型性能虽与文献中皮肤科医生基准相当，但未在临床环境中进行大规模验证	通过教育性演示框架促进整形外科医生参与数据科学，利用开放数据集构建透明、可部署的人工智能工具	黑色素瘤皮肤病变图像	机器学习	黑色素瘤	深度学习	CNN	图像	SIIM-ISIC 2020黑色素瘤数据集中的图像，具体数量未在摘要中明确说明	TensorFlow.js	EfficientNet-B3, MobileNetV3-Small	准确率, AUC-ROC, F1分数	标准智能手机，具体GPU或云平台资源未在摘要中明确说明