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
561	2026-06-16	DHG-EPI: A dual-stream hypergraph learning framework with multi-level gating for essential protein identification 2026-Jun-11, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109171 PMID:42288106	研究论文	提出一种双流超图学习框架DHG-EPI，用于必需蛋白质识别，通过多级门控机制融合高阶拓扑结构和生物语义信息	采用双流并行架构，在拓扑流中用三角模体构建超图以捕获高阶结构信息，在语义流中通过超图卷积整合基因本体、亚细胞定位和蛋白质复合物数据，并设计节点级向量门控与分支级注意力门控的双重门控机制，实现自适应多模态融合	未明确提及，可能依赖高质量蛋白质互作数据和生物注释，且超图构建和门控机制可能增加计算复杂度	提升必需蛋白质识别的准确性和鲁棒性，揭示细胞生存关键机制	酵母蛋白质互作网络中的必需蛋白质	机器学习	NA	超图卷积、蛋白质互作网络分析	双流超图学习框架	蛋白质互作数据、基因本体、亚细胞定位、蛋白质复合物	DIP、Krogan和BioGRID三个数据集中的蛋白质互作网络，具体数量未提及	PyTorch（推测）	超图卷积网络、门控注意力模块	准确率、召回率、F1值、AUC（未在摘要中明确列出，但为常用指标）	NA
562	2026-06-16	Label-Free Imaging of Single Proteins and Binding Dynamics via Deep Learning-Enhanced Plasmonic Scattering Microscopy 2026-Jun-10, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c04749 PMID:42189600	研究论文	结合深度学习等离激元散射显微镜的无标记单蛋白成像与结合动力学分析	利用时空深度学习框架持续从复杂背景中分离和追踪未标记的单蛋白，实现高吞吐量自动追踪，并直接区分瞬态和稳定结合事件，分辨纳米级蛋白质运动，量化结合热力学，建立区分特异性和非特异性相互作用的定量框架	无	实现无标记单蛋白结合动力学的成像与实时轨迹分析，解决生物传感中长期存在的特异性与非特异性相互作用区分难题	单蛋白质分子	计算机视觉, 机器学习	不适用	等离激元散射显微镜	递归神经网络	图像	不适用	不适用	递归神经网络	不适用	不适用
563	2026-06-16	Development of an Interpretable Deep Learning-Based Segmentation Algorithm for Automated Assessment of Oral Diadochokinesis in Progressive Neurological Diseases 2026-Jun-10, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2026_JSLHR-25-00453 PMID:42112934	研究论文	开发一种基于深度学习的可解释分割算法，用于在进展性神经系统疾病中自动评估口腔交替运动	首次提出一种通用且全自动的分割算法，能够跨多种神经疾病、构音障碍类型及严重程度实现稳健的口腔交替运动分析	算法性能受构音障碍严重程度影响较大，重度构音障碍中准确率从94.7%降至83.1%，且未提及对不同病理机制的适用性分析	开发一种可解释的深度学习分割算法，用于自动评估神经系统疾病患者的口腔交替运动能力	231名受试者（80名健康对照和151名神经疾病患者）的序贯运动率录音	机器学习	神经退行性疾病	语音信号处理	卷积神经网络	音频数据	231个样本（80个健康对照，151个神经疾病患者录音）	NA	卷积神经网络	F1分数, 准确率	NA
564	2026-06-16	Adaptive Riemannian optimization for multi-scale diffeomorphic matching 2026-Jun-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72508-3 PMID:42265084	研究论文	提出FireANTs算法，一种免训练、GPU加速的多尺度自适应黎曼优化方法，用于快速准确的密尔微分同胚图像匹配	首次结合多尺度自适应黎曼优化与GPU加速，实现无需训练、内存高效且泛化能力强的微分同胚图像匹配算法	未明确提及限制，但可能对极高分辨率图像或极端形变场景的适配性有待验证	开发一种快速、鲁棒且无需重新训练的微分同胚图像匹配方法，以克服传统配准方法速度慢和深度学习方法泛化性差的问题	生物医学图像中的多模态、多物种、多器官图像匹配问题	计算机视觉	无特定疾病，适用于生物医学图像分析	GPU加速计算、多尺度黎曼优化	微分同胚形变模型	生物医学图像	未明确说明，研究涉及多模态、多物种和多器官的多样化图像数据集	NA	多尺度微分同胚映射	速度（加速比）、内存消耗、泛化鲁棒性	GPU（未指定具体型号）、CPU
565	2026-06-16	Random Attention Mechanism for Deep Quality Modeling and Online Prediction in Chemical Processes 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c02962 PMID:42294149	研究论文	本文提出一种随机注意力机制，用于化学过程中的深度质量建模与在线预测	在深度潜变量回归建模框架中引入随机注意力机制，通过从潜变量池中生成多种随机注意力来构建多个子模型，并设计信息融合策略整合预测结果	未提及对该随机注意力机制的数学理论分析或收敛性证明，且仅在两个化工案例上验证，可能缺乏在其他复杂化工过程中的泛化性	提升化学过程中质量预测的准确性	化工过程中的质量预测任务，以脱丁烷塔和CO吸收塔为案例	机器学习	NA	NA	深度潜变量模型	数值数据	两个化工过程案例（脱丁烷塔和CO吸收塔），具体样本量未说明	NA	深度潜变量回归模型	RMSE	NA
566	2026-06-16	Performance and Statistical Assessment of Deep Learning Frameworks for Low-Temperature Selective Catalytic Reduction of NO x 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c01308 PMID:42294189	研究论文	探索深度学习架构在预测乙醇辅助选择性催化还原系统中NOx转化效率的应用	首次将LSTM、TCN及其混合模型应用于低温SCR的NOx转化效率预测，并使用贝叶斯优化进行超参数调优	未提及模型的泛化能力或在不同催化剂和发动机条件下的测试	评估深度学习框架在预测低温选择性催化还原中NOx转化性能的潜力	乙醇辅助SCR系统中的NOx转化效率模型	机器学习	NA	NA	LSTM, TCN, 混合TCN-LSTM	实验数据（来自双缸柴油发动机的Ag-Sn-P基催化剂）	未明确说明样品数量	NA	LSTM, TCN, 混合TCN-LSTM	平均绝对误差（MAE）, Theil's U	NA
567	2026-06-16	The Tsetlin Machine: A "Third Way" in QSAR Modeling 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03109 PMID:42208944	研究论文	本文提出Tsetlin Machine作为QSAR建模的第三种范式，结合规则方法、神经网络学习和内在可解释性	首次将Tsetlin Machine引入QSAR建模，实现规则基础方法、神经网络迭代学习与内在可解释性的融合，并开发了分子属性图(TM-MPM)和WAC评分来提供可解释性分析	由于TM-QSAR的二元性质，当前在处理离散化连续描述符时性能受限	提出并验证Tsetlin Machine在QSAR建模中的有效性，作为虚拟筛选工具包的标准方法学	化合物分子的定量结构-活性关系预测（包含MOR和CYPA4靶标）	机器学习	NA	QSAR建模，分子描述符（ECFP4），子结构指纹	Tsetlin Machine	分子描述符数据（ECFP4指纹）	NA	NA	Tsetlin Machine	ROC-AUC, PRC-AUC, PPV	NA
568	2026-06-16	Deep learning-enhanced X-space reconstruction for magnetic particle imaging: a physics-consistent approach 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae737d PMID:42202833	研究论文	提出一种物理一致性的深度学习框架X-Space-PC-Restore，用于改善磁粒子成像中X-space重建的图像质量	将混合U-Net编码器-解码器架构与Transformer注意力机制和PSF引导损失函数结合，实现物理一致性的深度学习重建	基于合成数据集评估，未在真实临床数据上验证；PSF精度对重建结果有潜在影响	提升磁粒子成像X-space重建的空间分辨率，同时保持物理一致性	磁粒子成像中的X-space重建图像	计算机视觉	不适用	磁粒子成像	混合U-Net编码器-解码器与Transformer注意力机制	合成图像	1600个合成样本，涵盖4种体模类型（线、圆、椭圆、十字）	PyTorch	U-Net, Transformer	峰值信噪比, 归一化均方根误差, 半高宽	未明确说明
569	2026-06-16	The impact of a novel deep learning reconstruction algorithm on image quality in ultralow-dose CT: a quantitative phantom study 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00751-w PMID:42257775	研究论文	评估新型深度学习重建算法在超低剂量CT中对图像质量的影响	首次在体模研究中系统评估深度学习重建算法在超低剂量CT下对低碘浓度检测和图像质量的双重提升效果	临床意义需要进一步验证，且研究基于体模而非人体	评估深度学习重建算法在超低剂量CT中降噪、提高对比度噪声比和低碘浓度检测能力	九孔体模（碘浓度0-40 mg/mL）	计算机视觉	不适用	CT成像	深度学习重建	图像	一个九孔体模，扫描时使用多种管电压（60-120 kVp）和碘浓度（0-40 mg/mL）	NA	深度学习重建算法	噪声，对比度噪声比，CT值准确性（通过Bland-Altman分析），低碘浓度检测（CNR ≥ 3）	NA
570	2026-06-16	A round-robin exercise for the precise prediction of aqueous solubility of organic chemicals using chemometric, machine learning, and stacking ensemble of deep learning models 2026-Jun-08, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00854-x PMID:42258020	研究论文	使用化学计量学、机器学习和深度学习堆叠集成模型对有机化学品水溶性进行精确预测的循环实验	通过六组不同算法的大型循环实验，采用排序差异和一致性排名策略选择最佳模型，并揭示了结构-理化特征对水溶性的影响机制	未明确提及局限性，但暗示先前模型因数据整理不当而可能高估统计性能	开发高鲁棒性和外部预测性能的水溶性预测模型，以支持药物筛选和生态毒理学评估	超过6000种有机化合物的水溶性预测	机器学习	NA	NA	深度学习、机器学习、堆叠集成模型	化学结构数据	超过6000种化合物	NA	Deep q-RASPR模型、堆叠集成模型	平均绝对误差、均方根误差	NA
571	2026-06-16	Overestimating zero-shot fitness prediction: Broad benchmarks mask local failures and practical limitations 2026-Jun-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.04.730121 PMID:42292907	研究论文	评估蛋白质零样本适应度预测模型在不同基准条件下的性能，揭示聚合指标可能掩盖局部失败和实际限制	通过系统分析输入模态、实验变异性和蛋白丰度相关性等因素，揭示零样本预测模型在排名功能突变和优先处理新功能方面的实际局限性	研究未涵盖所有现有蛋白质模型，且仅基于特定基准数据集进行验证，未探索不同模型架构的全面性能差异	评估蛋白质序列和结构模型在零样本适应度预测中的实际效用，并探讨影响其性能的关键因素	蛋白质突变适应度预测任务中的零样本预测模型	自然语言处理, 机器学习	NA	深度学习模型零样本预测	蛋白质序列和结构模型	蛋白质序列和结构数据	多个基准数据集，具体数量未明确说明	NA	NA	聚合指标，如准确率、相关性等，但研究强调其局限性	NA
572	2026-06-16	TearNET: Validation of a convolutional neural network for grading of tear ferning patterns using deep learning 2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102654 PMID:41967396	研究论文	验证基于卷积神经网络的TearNET模型用于泪液蕨类模式自动分级	首个专门用于泪液蕨类模式自动分级的卷积神经网络模型，实现了根据Rolando分级系统的客观、一致的分级	样本量有限（80名参与者），模型在区分所有类型模式时仍有提升空间	验证深度学习算法TearNET在泪液蕨类模式自动分级中的性能，用于干眼症筛查	健康参与者的泪液样本及其蕨类模式显微图像	计算机视觉	干眼症	显微成像	卷积神经网络	图像	80名健康参与者（160只眼睛）的泪液样本	NA	TearNET卷积神经网络	敏感性, 特异性, 召回率, F分数, 准确率	NA
573	2026-06-16	A deep learning approach for predicting sensory-motor integration in postural stability 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03567-3 PMID:41973399	研究论文	提出一种基于深度学习的方法，通过足底压力中心信号预测姿势稳定性中的感觉运动整合	结合STFT和WT特征提取方法，采用GoogleNet和残差注意力网络架构，并引入特征分布平滑技术以缓解类别不平衡导致的性能下降	NA	评估姿势稳定性，通过估计感觉输入能力（平衡评分）和相应的运动反应（运动策略）	静态站立时的足底压力中心信号	机器学习	头晕疾病	NA	深度学习	信号	NA	NA	GoogleNet, 残差注意力网络	平均误差	NA
574	2026-06-16	Deep learning for EEG-based sleep stage classification: a review 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03583-3 PMID:42062687	综述	系统综述了基于深度学习的脑电图睡眠分期模型，分析架构演变、输入表征策略及评估方法	揭示了现有模型性能高度依赖数据集、评估系统过度依赖整体准确率而忽视少数阶段和病理数据的问题	未提出新的模型或实验验证，仅基于文献分析，且跨数据集对比可能受数据分布差异影响	引导睡眠分期研究从算法创新向临床可靠应用转变	睡眠脑电图信号及其分期分类模型	深度学习	神经疾病	EEG	多种深度学习模型	EEG信号	使用多个公开数据集，具体数量未提及	NA	多种架构，如CNN、RNN等	准确率、F分布	NA
575	2026-06-16	Spatiotemporal deep learning for scar screening in cardiovascular magnetic resonance: Toward selective use of gadolinium 2026 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102730 PMID:41999922	research paper	开发并评估一种基于电影影像的时空深度学习模型，用于识别无心肌瘢痕患者，从而减少钆对比剂的使用	首次提出利用电影影像中的时空信息进行无对比剂心肌瘢痕筛查，采用因子化卷积提取时空特征并结合残差注意力机制	外部验证队列中模型敏感性较高但特异性有限，可能漏诊部分有瘢痕患者	开发一种深度学习模型，仅使用电影影像即可识别无心肌瘢痕患者，避免不必要的钆对比剂注射	接受心血管磁共振检查的已知或疑似心血管疾病患者	计算机视觉	心血管疾病	心血管磁共振	深度学习模型	图像	训练集3000例患者，内部验证500例，外部验证1792例	PyTorch	因子化卷积与残差注意力机制结合的时空深度学习架构	AUC, 敏感性, 特异性	NA
576	2026-06-16	[Artificial intelligence as decision support tool in urological oncology: current evidence and challenges] 2026-Jun, Urologie (Heidelberg, Germany) DOI:10.1007/s00120-026-02831-6 PMID:42126599	综述	系统回顾人工智能在泌尿肿瘤治疗决策中的应用现状，分析性能指标与临床实施挑战	首次系统比较机器学习、深度学习和大型语言模型在泌尿肿瘤治疗决策中的表现，特别关注检索增强生成技术提升指南依从性的能力	现有证据以概念验证研究为主，缺乏前瞻性验证研究，数据保护和技术挑战未解决，模型可解释性有限	评估人工智能在泌尿肿瘤治疗决策中的应用潜力和现状	泌尿系统肿瘤（前列腺癌、尿路上皮癌、肾细胞癌）的治疗决策过程	机器学习	泌尿肿瘤	NA	机器学习模型、深度学习模型、大型语言模型	临床数据	NA	NA	NA	F1分数（0.75-0.99）	NA
577	2026-06-16	Benchmarking deep learning methods for Cα atom prediction in cryo-EM density maps 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag350 PMID:42234518	研究论文	针对冷冻电镜密度图中Cα原子预测任务，建立了一个综合评价基准，对四种深度学习方法在多个维度上进行系统评估	首次建立专门针对Cα预测模块的全面基准，引入了多阈值RMSD指标和点云相似度度量（Chamfer距离、Earth Mover距离），提供了可复现的评估框架	评估限于四种特定方法，未涵盖所有现有工具；基准数据集的分辨率范围和噪声水平可能无法完全代表真实应用中的复杂情况	建立冷冻电镜密度图中Cα原子预测深度学习方法的标准评估基准，指导方法开发并推动自动化结构测定	四种深度学习方法（ModelAngelo、DeepMainMast、EModelX、CryoAtom）在冷冻电镜密度图中的Cα原子预测性能	计算机视觉	NA	冷冻电镜	深度学习模型	冷冻电镜密度图	涵盖1-8Å分辨率、不同分子量和噪声水平的多样的数据集	NA	ModelAngelo, DeepMainMast, EModelX, CryoAtom	多阈值RMSD（1-3Å）、Chamfer距离、Earth Mover距离	NA
578	2026-06-16	Assessment of Deep Learning-Generated Ultra-Widefield Fluorescein Angiography From Fundus Images in Diabetic Retinopathy 2026-Jun-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.6.12 PMID:42257411	研究论文	评估生成对抗网络从眼底照片生成的超广角荧光素血管造影图像在糖尿病视网膜病变中的临床有效性	首次系统评估GAN生成的合成UWFA图像在糖尿病视网膜病变中的临床有效性，并比较了两种不同GAN模型在像素级相似性和诊断准确性上的差异	样本量相对较小，且数据来源单一（仅使用Optos California P200DTx设备），模型的泛化能力需进一步验证	评估生成对抗网络从眼底照片生成超广角荧光素血管造影图像的临床有效性	糖尿病视网膜病变患者的超广角眼底照片和对应超广角荧光素血管造影图像	计算机视觉	糖尿病视网膜病变	生成对抗网络	GAN	图像	2084对图像（无DR: 124；非增殖性DR: 795；重度NPDR: 770；增殖性DR: 395）	PyTorch	RegGAN, UWAFA-GAN	F1分数, SSIM, PSNR, 准确率, 精确率, 召回率	NA
579	2026-06-16	From Molecules to Machines: An Integrative Framework Linking Molecular Pathogenesis, Multi-Factorial Risk, Risk Stratification, Clinical Management, and Artificial Intelligence in QT Prolongation and Sudden Cardiac Death 2026-Jun, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70370 PMID:42274161	综述	本文综合了QT间期延长和心脏性猝死在分子发病机制、多因素风险、风险分层、临床管理和人工智能预测方面的研究	首次将分子发病机制、获得性/代谢性/营养性风险、临床分层、治疗和人工智能预测等多个维度整合在一个框架中，强调了营养和代谢决定因素在QT管理中的重要性	前瞻性数据仍然不足，算法工具在实际临床决策中应用前需要更多验证	整合QT间期延长和心脏性猝死的多维度研究，为精准QT管理提供综合策略	QT间期延长和心脏性猝死的分子机制、风险因素、临床管理和人工智能预测方法	机器学习	心血管疾病	NA	机器学习, 深度学习	心电图数据	NA	NA	NA	NA	NA
580	2026-06-15	Radiology: Cardiothoracic Imaging Highlights 2025 2026-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.260065 PMID:42274320	综述	综述《放射学：心胸成像亮点2025》精选2024年11月至2025年10月期间发表的最新研究成果和技术进展	由早期职业编委会主导，总结光子计数CT、加速心脏MRI、基于AI的定量分析等前沿技术在心胸血管成像中的应用，并引入基于心脏MRI的肌少症作为新型预后标志物	仅收录特定期刊在设定时间段内的文章，可能遗漏其他高质量研究；未对各项技术的临床实用性进行系统比较或元分析	总结并突出2024-2025年间心、胸和血管成像领域的最新研究亮点和未来方向	2024年11月至2025年10月期间发表在《放射学：心胸成像》期刊的精选文章	医学影像	心血管疾病, 肺部疾病, 血管疾病	心脏CT, 光子计数CT, 心脏MRI, 加速心脏MRI, 深度学习	深度学习模型	影像数据（CT、MRI）	NA	NA	NA	NA	NA