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
501	2026-06-06	Quantum computing applications in drug discovery 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag274 PMID:42218713	综述	探讨量子计算在早期药物发现中的虚拟筛选、分子对接和分子动力学等计算策略中的集成应用	在嘈杂中型量子（NISQ）约束下，明确量子计算不是完全替代经典流程，而是作为模块化协同处理器，用于增强深度学习表示学习、生成模型先验以及对接筛选中的子步骤，并强调以决策相关的重复性收益作为评估标准	未具体讨论量子模块在实际运行时间和资源约束下的可扩展性，以及经典基线的详细对比结果	分析量子计算在药物发现流程中的现实角色和集成方式	早期药物发现中的虚拟筛选、分子对接和分子动力学流程	机器学习	NA	量子计算	NA	NA	NA	NA	NA	NA	嘈杂中型量子（NISQ）设备
502	2026-06-06	USADAE: a deep learning approach to disentangle hidden covariates in RNA-seq data 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag261 PMID:42218722	研究论文	提出一种名为USADAE的深度学习框架，用于从RNA-seq数据中分离隐含协变量	首次将对抗去混淆自编码器用于RNA-seq数据的隐含协变量分离，克服了传统线性方法在非线性混杂模式下的局限性	未提及计算资源需求及在大规模数据集上的扩展性	开发一种能够从RNA-seq数据中分离生物学信号与隐藏混杂因素的方法	RNA-seq数据中的隐含协变量（如技术变异和生物-技术变量非线性交互）	机器学习	NA	RNA-seq	自编码器	基因表达数据	NA	NA	无监督对抗去混淆自编码器（USADAE）	NA	NA
503	2026-06-06	Pathogenicity prediction for noncanonical splice-altering variants based on multimodal feature fusion 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag291 PMID:42242678	研究论文	开发了一种名为MOSAIC的深度学习框架，用于预测非经典剪接改变变异的致病性	首次将预训练DNA语言模型的长程上下文信号、多尺度卷积神经网络的局部序列特征和功能注释进行多模态融合，并采用Transformer编码器和门控融合模块实现自适应整合	NA（摘要未明确提及）	提高非经典剪接位点变异致病性预测的准确性	非经典剪接改变变异（noncanonical SAVs）	机器学习	多种疾病（因变异与多种疾病相关，未指定具体疾病）	深度学习	Transformer编码器、多尺度卷积神经网络、预训练DNA语言模型	DNA序列数据、功能注释数据	多个独立数据集（具体数量未提供）	PyTorch	Transformer编码器、门控融合模块、多尺度卷积神经网络	准确性、鲁棒性（与CADD和SpliceAI等方法的比较，具体指标未明确）	NA（摘要未提及）
504	2026-06-06	Development and validation of a deep survival model to predict time to seizure from routine electroencephalography 2026-May, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70101 PMID:41553763	研究论文	开发并验证了一种基于常规脑电图预测癫痫发作时间的深度生存模型EEGSurvNet	首次将深度生存模型应用于常规脑电图预测个体癫痫发作风险，超越传统临床预测因子（如发作间期痫样放电）的性能，并从脑电图信号中提取出超越可见异常信号的预后信息	需要进行前瞻性研究以验证这些发现并评估其临床影响	开发和验证一种分析常规脑电图以预测癫痫患者随时间变化的发作风险的深度生存模型	癫痫患者及其常规脑电图记录	机器学习	癫痫	NA	深度生存模型	脑电图信号	1014次连续常规脑电图记录，来自994名患者；测试集包含135次脑电图记录，来自115名患者	NA	EEGSurvNet	随时间变化的AUROC、2年综合AUROC、C指数	NA
505	2026-06-06	Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018) 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121206 PMID:41554486	研究论文	利用深度学习模型DARNet基于中国健康与养老追踪调查和CLHLS数据预测老年人抑郁，并进行独立队列验证	首次系统应用深度学习模型（DARNet）在大型中国纵向队列中预测老年抑郁，并整合多维度可解释性分析	需整合多种群多中心临床数据以增强实际应用价值	开发并验证用于老年人抑郁早期预测的深度学习工具	年龄超过60岁的中国老年人	机器学习	老年抑郁	NA	深度学习	纵向调查数据	CHARLS队列（2011-2020年）2781名老年人，CLHLS队列（2008-2018年）独立验证	PyTorch	双注意力残差网络（DARNet）	准确率、F1分数、AUROC、AUPRC	GPU
506	2026-06-06	CT-based Prediction of Visceral Pleural Invasion in Lung Adenocarcinoma ≤ 3 cm: Enhancing Deep Learning Specificity by Waiving Chest Wall Information 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19102-5 PMID:41566129	研究论文	开发一种基于CT的深度学习模型，通过排除胸壁信息来提高肺腺癌脏层胸膜侵犯预测的特异性	首次通过有意排除胸壁信息来增强深度学习模型的特异性，并引入新型注意力机制提高可解释性	未提及具体的局限性，但回顾性设计可能引入选择偏倚，且模型仅在≤3cm肺腺癌中验证	提高肺腺癌脏层胸膜侵犯术前预测的特异性，避免过度治疗	835例经病理确诊的肺腺癌患者（来自两个医疗中心）	计算机视觉	肺腺癌	CT成像	CNN	图像	835例患者（训练集692例，外部验证集143例）	PyTorch	四层卷积神经网络，集成注意力机制	AUC, 敏感性, 特异性, 准确率	NA
507	2026-06-06	Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition 2026-May, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.139914 PMID:41570706	研究论文	设计了一种基于支链淀粉-聚丙烯酸水凝胶的超粘附传感器，用于深度学习辅助的手语识别	通过调控水凝胶组成和网络结构，同时实现了超强韧性、高灵敏度（GF=3.24）、高电导率和广泛表面粘附性，并集成到深度学习手语识别系统中	文中未提及在长期使用或复杂环境下的稳定性和耐久性测试	开发高性能柔性可穿戴传感器，解决粘附性差和性能不稳定问题，实现手语识别应用	PATA（聚丙烯酸/单宁酸/支链淀粉）水凝胶传感器	计算机视觉	NA	NA	深度学习模型（未指定具体类型）	信号数据	NA	NA	NA	韧性、应变因子、电导率、粘附强度	NA
508	2026-06-06	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出基于几何映射的迁移学习方法，将2D自然图像迁移学习应用于4D fMRI脑图像	提出多尺度多域特征聚合（MMFA）模块，通过表面几何映射将大脑皮层从3D黎曼流形映射到2D空间，实现2D自然图像到4D fMRI数据的迁移，保持皮层拓扑关系并沿流形计算以抑制信号干扰	未提及	解决fMRI数据集样本量小导致深度学习应用受限的问题，实现从大规模2D自然图像到4D fMRI脑图像的有效迁移学习	fMRI脑图像数据（包括性别分类、年龄估计、行为测量预测和抑郁症诊断）	计算机视觉, 机器学习	抑郁症	fMRI, 几何映射	CNN	图像	HCP数据集（未明确样本数）和23个抑郁症数据集	PyTorch	MMFA模块	准确率, AUC	NA
509	2026-06-06	Automatic detection and measurement system for aortic aneurysms using deep learning-based artificial intelligence 2026-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03630-y PMID:41591618	研究论文	基于深度学习的人工智能系统在非增强CT图像上自动检测梭形主动脉瘤并测量整个主动脉直径的性能评估	首次开发并验证了基于深度学习的AI系统，可在非增强CT图像上自动检测主动脉瘤并测量全主动脉直径，无需造影剂	研究为回顾性设计，样本人群主要为男性，未包含所有类型的主动脉瘤（如梭形动脉瘤），且未与其他检测方法进行对比	评估深度学习AI系统在非增强CT图像上检测主动脉瘤和测量主动脉直径的准确性和可靠性	非增强CT图像，主动脉瘤（梭形），全主动脉、胸主动脉、腹主动脉、髂动脉	计算机视觉	主动脉瘤	CT成像	CNN	图像	160张训练数据（130名男性，71.8±9.2岁），190张验证数据（153名男性，70.7±10.3岁）	NA	NA	Dice系数, 灵敏度, 阳性预测值, F1值, 组内相关系数	NA
510	2026-06-06	iAFP-fLRM: Accurate identification of antifungal peptides via hybrid deep learning architecture and multi-modal feature fusion 2026-May, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107591 PMID:41653519	研究论文	提出一种混合深度学习框架iAFP-fLRM，基于氨基酸序列准确识别抗真菌肽	设计双分支特征融合模块，集成自适应池化对齐与跨分支注意力增强，动态调整异质特征贡献度以提升互补性	本文未明确说明局限性	开发一种高效、经济的抗真菌肽计算识别方法，替代实验鉴定	抗真菌肽的氨基酸序列数据	机器学习	真菌感染	氨基酸序列分析	混合深度学习模型（Transformer编码器+ LSTM-ResMLP分类模块）	文本（氨基酸序列）	基准数据集（具体数目未提及）	PyTorch（基于代码仓库推测）	Transformer, LSTM, ResMLP	准确率, AUC, 马修斯相关系数（MCC）	NA
511	2026-06-06	Graph Embedding Comparator for Evolutionary Neural Architecture Search with Isomorphic Multi-Comparison 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500097 PMID:41582094	研究论文	提出一种基于图嵌入比较器的进化神经架构搜索框架，通过图卷积网络学习架构表征，并利用对比学习和同构多比较机制提升搜索鲁棒性和效率	首次将图卷积网络编码架构为嵌入向量，结合对比学习使相似精度架构在嵌入空间中靠近，并引入同构多比较机制评估多个结构等价变体，聚合生成全局排序分数以增强进化选择一致性	该方法可能依赖于标准NAS基准测试，未在更大规模或更多样化的数据集上验证其泛化能力；同构多比较机制增加了计算开销	自动化神经架构搜索，提升搜索效率和鲁棒性	神经网络架构的图结构表征与性能预测比较	机器学习	NA	NA	图卷积网络（GCN）	图结构数据（神经网络架构）	NA	NA	图卷积网络	精度、鲁棒性指标	NA
512	2026-06-06	Fréchet radiomic distance (FRD): A versatile metric for comparing medical imaging datasets 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103943 PMID:41610784	研究论文	提出一种用于医学影像数据集分布比较的度量标准Fr茅chet放射组学距离	首次将标准化的临床有意义且可解释的放射组学特征融入感知度量，用于医学图像分布比较，克服了传统度量（如FID）对解剖特征捕捉不足的问题	NA	开发一种适用于医学图像的、任务无关的感知度量标准，用于评估图像分布差异	医学影像数据集和生成模型输出的图像	计算机视觉, 数字病理学	NA	放射组学特征提取	NA	图像	多个数据集（未明确具体数量）	NA	NA	与下游任务性能的相关性、解剖一致性和真实性评分、对抗攻击检测率	NA
513	2026-06-06	High-resolution automated mapping of potential Aedes larval container habitats using drone imagery and supervised machine learning in Dar es Salaam, Tanzania 2026-May, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0014361 PMID:42189914	研究论文	利用无人机影像和监督机器学习在坦桑尼亚达累斯萨拉姆进行高分辨率自动绘制潜在伊蚊幼虫容器栖息地	将高分辨率无人机影像与U-Net深度学习模型结合，实现密集城市环境中潜在伊蚊幼虫容器栖息地的自动化和大规模测绘，尤其能识别屋顶轮胎等传统地面监测难以发现的容器类型	模型对不同容器的检测准确率差异较大（水桶54%、轮胎72%、水箱75%），且未提及对阴影或遮挡情况的处理性能	探索可扩展的高分辨率无人机影像和机器学习方法，以自动绘制城市环境中潜在伊蚊幼虫容器栖息地	坦桑尼亚达累斯萨拉姆20个社区中水桶、轮胎和水箱等潜在伊蚊幼虫容器	计算机视觉	登革热、寨卡、基孔肯雅热、黄热病	无人机影像、NGS	U-Net	图像	标注区域4.6平方公里，预测区域27.27平方公里，共20个社区	PyTorch	U-Net	检测准确率	NA
514	2026-06-06	Intelligent Bioelectrical Sensing and Deep Learning Framework for Non-Invasive Monitoring of Plant Alkaline Stress 2026 May-Jun, Physiologia plantarum IF:5.4Q1 DOI:10.1111/ppl.70954 PMID:42229536	研究论文	开发了一种非侵入性植物电生理感知框架，结合深度学习方法，用于监测君子兰在碱性胁迫下的生理状态	首次提出空间通道碱性胁迫网络（SCANet）这一专用深度学习模型，结合薄膜贴片电极采集的电生理信号，实现非破坏性、连续性的碱性胁迫级别识别，并验证了30秒输入窗口在信号完整性与区分能力之间的最优平衡	研究仅在受控环境下进行，未评估在野外复杂环境中的适用性；未深入探讨电生理信号变化与具体分子机制的关联	实现植物碱性胁迫水平的非侵入性、高精度监测，为植物胁迫表型分析及智能监测提供新方法	君子兰电生理信号	机器学习	NA	电生理信号采集、小波去噪	深度学习模型（SCANet）	电生理信号	5个碱性梯度（pH 7.0、7.5、8.0、8.5、9.0）下的信号数据，具体样本量未说明	NA	SCANet（包含空间重建模块与通道重建模块）	准确率、精确率、召回率、F值	NA
515	2026-06-06	DREAMER-S: Deep leaRning-Enabled Attention-based Multiple-instance approaches with Explainable Representations for Spatial biology 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013581 PMID:42189895	研究论文	提出DREAMER-S框架，利用基于注意力的多实例学习在3D成像超立方体中学习空间特征，仅使用图像或切片级别标签，无需像素级标注	通过注意力权重可解释地突出显示类别相关光谱实例，无需手动标注；方法可泛化至需要实例级过滤的空间生物学应用	NA	从大规模多通道空间成像中识别与诊断或预后类别强关联的图像特征	结直肠癌患者来源异种移植模型（PDX）的量子级联激光红外（QCL-IR）组织成像数据	数字病理学	结直肠癌	QCL-IR组织成像	基于注意力的多实例学习（MIL）	图像	两个PDX样本：化疗敏感型（CRC0344）和反应较差型（CRC0076）	NA	注意力MIL框架	F1分数	NA
516	2026-06-06	Artificial Intelligence for Procedural Guidance of Spinal Epidural Steroid Injections: A Scoping Review 2026-May, Cureus DOI:10.7759/cureus.108260 PMID:42245875	范围综述	总结人工智能在脊柱硬膜外类固醇注射操作引导中的应用证据	首次系统梳理AI在SESI操作前规划、术中引导和术后预测三个阶段的临床应用证据	数据集规模小、AI模型设计异质性高、脊柱病理或高BMI患者代表性不足	评估AI辅助脊柱硬膜外类固醇注射操作引导的当前证据	脊柱硬膜外类固醇注射操作	机器学习	脊柱疾病	NA	机器学习、深度学习、神经网络	图像	9项研究	NA	NA	准确性、轨迹规划效率、穿刺时间、辐射暴露量	NA
517	2026-06-06	Geometry-aware graph attention networks to explain single-cell chromatin states and gene expression with SEAGALL 2026-Apr-23, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04066-2 PMID:42026624	研究论文	提出SEAGALL方法，利用几何感知图注意力网络解释单细胞染色质状态和基因表达	首次结合几何正则化自编码器与可解释图注意力网络，从单细胞多组学数据中量化分子特征对细胞表型的影响，超越传统差异标记基因分析	NA	开发可解释深度学习方法，揭示驱动细胞身份的核心分子特征	单细胞测序数据中的分子特征与细胞表型关系	机器学习	NA	单细胞测序	图注意力网络	单细胞多组学数据	NA	PyTorch	几何正则化自编码器, 可解释图注意力网络	NA	NA
518	2026-06-06	Segmentation for pelvic malignancies in radiation oncology practice: a systematic review and meta-analysis protocol 2026-Apr-23, Systematic reviews IF:6.3Q1 DOI:10.1186/s13643-026-03173-2 PMID:42026695	系统综述与荟萃分析	本文提出一项针对盆腔恶性肿瘤放射治疗中深度学习自动分割模型的系统综述与荟萃分析研究方案	首次系统性地评估深度学习自动分割模型在盆腔恶性肿瘤放射治疗中的性能，并通过定性和定量指标综合分析模型准确性	尚未给出具体分析结果，仅基于文献检索和筛选计划，可能受限于已有研究的数据可用性和质量异质性	评估深度学习自动分割模型在盆腔恶性肿瘤放射治疗中的准确性，促进临床实施	基于深度学习的自动分割模型及其对靶区和盆腔器官的分割效果	机器学习	盆腔恶性肿瘤	NA	深度学习模型	图像	NA	NA	NA	定量指标、定性工具、时间节省、剂量学指标	NA
519	2026-06-06	Protein and ligand novelty in drug-target interaction prediction: a dual-encoder fusion strategy for more interpretable and generalizable modeling 2026-Apr-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06457-5 PMID:42021142	研究论文	提出一种双编码器融合框架用于药物-靶标相互作用预测，并采用新颖性感知评估协议验证泛化能力	首次系统评估配体和蛋白质新颖性对DTI预测的影响，采用决策级融合结合预训练的ESM蛋白质嵌入与两种互补配体表示（ChemBERTa分子语言编码器和图结构编码器），并引入配体中心梯度可解释性分析	外部验证（Davis和KIBA数据集）中AUC值相对较低（0.60-0.64），表明面对显著生物化学领域偏移时性能仍有限	提高DTI预测模型对新化合物和新蛋白质目标的泛化能力和可解释性	药物-靶标相互作用，包括配体（药物分子）和蛋白质靶标	机器学习, 自然语言处理	NA	NA	ESM, ChemBERTa, 图神经网络	序列数据, 图数据	大规模BindingDB数据集，外部验证使用Davis和KIBA数据集	PyTorch（基于ESM和ChemBERTa常用框架推断）	ESM, ChemBERTa, 图编码器	F1分数, AUC, 召回率	NA
520	2026-06-06	Fast cardiac magnetic resonance (CMR) protocol for biventricular functional assessment and tissue characterisation 2026-Apr-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134197 PMID:41605334	研究论文	比较传统标准心脏磁共振方案与基于深度学习重建的新颖快速方案，评估图像质量、功能测量、心肌特征及总扫描时间	首次验证包含深度学习重建（Sonic DL bSSFP cine和AIR Recon DL的2D多段PSIR LGE）的快速CMR方案在保持诊断质量的同时将总扫描时间缩短近60%至10分钟内	单中心研究且样本量有限（100例），需进一步在更大规模多中心队列中验证	评估基于深度学习重建的快速CMR方案与传统标准方案在双心室功能评估和组织特征分析中的等效性	100例已知或疑似心肌病变患者（男性78%，平均年龄52±16岁）	医学影像	心肌疾病	心脏磁共振成像	深度学习重建模型	磁共振图像	100例患者临床数据	NA	Sonic DL, AIR Recon DL	Likert评分, 心室大小, 功能参数, 左心室质量	NA