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	2026-06-06	Association between cognitive status and structural brain changes in Alzheimer's disease: Clinical implication of lightweight deep learning-aided diagnosis 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112678 PMID:41558396	研究论文	构建轻量级深度学习模型，揭示阿尔茨海默病中认知状态与脑结构变化之间的关联	采用分组卷积、全局池化和高效通道注意力实现轻量级设计，模型参数减少高达十倍，同时保持高准确率，并利用遮挡图提供可解释性	未明确提及局限性，但可能包括基于有限样本量和单一数据库的潜在泛化问题	探索轻量级深度学习模型在阿尔茨海默病诊断中的临床实用性，并揭示认知状态与脑结构变化的关系	阿尔茨海默病患者的T1加权磁共振图像和认知状态	计算机视觉	阿尔茨海默病	T1加权磁共振成像	CNN	图像	418名阿尔茨海默病患者和418名年龄匹配的认知正常对照者	NA	轻量级CNN（含分组卷积、全局池化和高效通道注意力）	准确率、遮挡图、层次回归R²变化	NA
562	2026-06-06	Development of a Deep Learning Algorithm for Posterior Fossa Abnormality Recognition on First-Trimester US Screening Scans: AIRFRAME Study Part 1 2026-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.250394 PMID:41563074	研究论文	开发一种深度学习算法，用于自动识别孕早期超声筛查中的后颅窝异常，包括开放性脊柱裂和囊性后颅窝畸形	首次提出基于MobileNetV3 Large Weights的深度学习算法，实现孕早期超声图像中后颅窝异常的自动评估，并区分开放脊柱裂和囊性后颅窝畸形	NA	开发并验证一种能自动评估孕早期超声筛查中后颅窝异常（开放性脊柱裂和囊性后颅窝畸形）的深度学习算法	孕11至14周胎儿的后颅窝超声图像	计算机视觉, 深度学习	开放性脊柱裂, 囊性后颅窝畸形	超声成像	卷积神经网络, MobileNetV3 Large Weights	医学图像	251个胎儿的超声图像（150正常和101异常：43例开放性脊柱裂，58例囊性后颅窝畸形）	NA	MobileNetV3 Large Weights	受试者工作特征曲线下面积, 准确率, 召回率, 特异度, 精确率, 阴性预测值, F1分数	NA
563	2026-06-06	AI-Guided Design and Predictive Modeling of Synthetic Escherichia coli Promoters through Comprehensive -10/-35 Box Engineering 2026-Feb-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00765 PMID:41589500	研究论文	通过系统性改造-10/-35框，结合AI预测与生成模型，实现大肠杆菌合成启动子的精准设计与转录强度调控	首次建立-10/-35框序列与转录活性的深度学习双向框架，整合CNN预测模型与平衡生成对抗网络实现特定强度启动子的定制化设计	未明确指出潜在不足，推测包括文库覆盖度有限、模型对异常序列的泛化能力待验证	解析-10/-35框序列组成与转录输出的定量关系，开发理性设计合成启动子的AI平台	大肠杆菌合成启动子文库中-10/-35框序列	机器学习	NA	荧光激活细胞分选测序	卷积神经网络, 平衡生成对抗网络	序列数据	20,799个不同启动子序列	NA	卷积神经网络, 梯度惩罚生成对抗网络	皮尔逊相关系数	NA
564	2026-06-06	PTET-DDI: Dual-Channel Drug-Drug Interaction Prediction with a Pre-Trained Language Model and Equivariant Graph Transformer 2026-Feb-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00722 PMID:41563056	研究论文	提出一种双通道框架PTET-DDI，结合化学语义与几何结构信息预测药物相互作用	首次将预训练分子语言模型（ChemBERTa）与改进的完全等变图Transformer相结合，同时捕获一维序列语义、二维图结构及三维分子构象信息，并实现可解释性	未明确提及局限性	准确预测药物相互作用以提升联合治疗的安全性和有效性	药物相互作用预测任务	机器学习	NA	NA	双通道框架	化学分子数据	三个基准数据集，采用5折交叉验证	PyTorch	ChemBERTa, 完全等变图Transformer	NA	NA
565	2026-06-06	Multi-task non-contact ballistocardiogram-based vital signs monitoring in acupuncture 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111461 PMID:41548353	研究论文	提出一种结合多通道心冲击图信号与多任务学习的非接触式生命体征监测方法，用于针刺治疗中的心率、呼吸率估计和卧姿检测	首次将多任务深度学习应用于针刺场景下的生命体征监测，采用PVDF薄膜传感器和GRU+多头自注意力机制实现高效的非接触式监测	实验仅涉及25名参与者，样本量有限；且传感器仅置于患者背部下方，可能对不同体型或睡姿的泛化性有限	实现针刺治疗中非接触式生命体征的准确监测，包括心率、呼吸率估计和卧姿分类	针刺治疗中的患者生命体征（心率、呼吸率）和卧姿	机器学习	NA	多通道心冲击图	GRU与多头自注意力机制	心冲击图信号	25名参与者	NA	GRU、多头自注意力	准确率、平均绝对误差	NA
566	2026-06-06	Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121729 PMID:41548822	研究论文	本研究提出一种数据驱动的训练时采样策略，结合SynthSeg框架的域随机化技术，用于提高胎儿脑MRI分割网络对病理和对比度变化的泛化能力	提出一种新颖的数据驱动训练时采样策略，能充分利用训练数据集的多样性来增强网络的域泛化能力，并整合到SynthSeg框架中	在重度解剖异常的测试对象上分割质量显著提升，但在异常较少的案例中性能略有下降	训练能够自动分割胎儿脑MRI的网络，使其能应对生理结构差异和采集环境差异带来的域偏移，特别是病理情况下常见的形状差异	胎儿脑MRI图像，包括不同生理结构和病理情况的样本	计算机视觉	神经发育疾病	MRI	CNN	图像	NA	NA	SynthSeg	分割质量（p值）	NA
567	2026-06-06	Neural-linguistic analysis for Alzheimer's detection: A deep learning approach informed by cognitive neuroscience 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121739 PMID:41570955	研究论文	提出一种受认知神经科学启发的深度学习框架COASTAL，通过神经语言学分析进行阿尔茨海默病检测	首次将认知神经科学中的层级语音处理通路模型（如额颞语言网络）与深度学习结合，通过专门转换模块将声学模式转为离散符号，并保留细粒度时间特征以提升诊断准确性	未讨论模型在更大规模或多样化人群中的泛化能力，也未明确提及计算资源需求	开发一种非侵入性、低成本的阿尔茨海默病早期检测方法	阿尔茨海默病患者的语音信号	机器学习	阿尔茨海默病	语音信号处理	深度学习模型	语音	ADReSSo语料库（未明确具体样本数量）	PyTorch	COASTAL	准确率	未明确说明
568	2026-06-06	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-Feb-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	提出了一种基于SiQDs和[Ru(bpy)2(phen-NH2)]2+的比率荧光探针，结合3D打印便携设备和深度学习，用于6PPD-Q的即时检测	首次将硅量子点与钌配合物结合构建比率荧光探针，并集成YOLOv5深度学习和智能手机，实现6PPD-Q的可视化、低成本、实时检测	NA	开发一种快速、高响应、特异性强的6PPD-Q检测方法	N-苯基-N'-(1,3-二甲基丁基)-p-苯二胺醌	计算机视觉	NA	荧光光谱分析	深度学习模型	图像	NA	PyTorch	YOLOv5	线性关系, 检测限	NA
569	2026-06-06	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与Meta分析	系统评价和Meta分析基于标准标签的文本抑郁评估机器学习模型的预测性能，并探讨文本资源、文本表示、模型架构、标注来源和报告质量对性能异质性的影响	首次聚焦于使用标准标签（验证量表或临床诊断）的文本抑郁评估模型，提供更可靠且可比较的临床证据，并明确嵌入特征、深度模型和临床医生诊断标签能显著提升性能	仅纳入生成文本的参与者和标准标签的研究，可能遗漏部分非标准但有用的数据源；样本量较小（仅15个模型），且Meta分析结果受研究间异质性影响	评估基于文本的抑郁估计模型在使用标准标签时的预测性能，并识别导致性能异质性的因素	2014至2025年间发表的、基于参与者生成文本并使用验证量表或临床诊断作为抑郁标签的机器学习模型研究	自然语言处理	抑郁症	自然语言处理	NA	文本	3067篇文章中筛选出11项研究的15个模型	NA	深度学习架构（如Transformer）、浅层模型（如传统机器学习）	合并效应量 (r)、95%置信区间	NA
570	2026-06-06	Rapid Single-Cell Phenotypic Antifungal Susceptibility Testing on a SlipChip Enabled by Deep Learning 2026-Feb-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07370 PMID:41568544	研究论文	提出一种结合SlipChip微流控芯片和深度学习图像分析的快速、无标记单细胞抗真菌药敏测试平台，可在4小时内确定最低抑菌浓度	首次将深度学习驱动的图像分析与SlipChip微流控技术相结合，实现4小时内单细胞水平的快速抗真菌药敏检测	未明确提及，可能包括临床样本多样性不足或对耐药机制的解析能力有限	开发一种快速、可扩展的临床适用的抗真菌药敏测试方法，以缩短传统检测时间	真菌细胞（包括临床分离株）	数字病理学, 计算机视觉	真菌感染	微流控芯片（SlipChip）、明场显微成像	ResNet-34, U-Net	图像（明场显微图像）	10个临床分离株	PyTorch	ResNet-34分类器, U-Net分割模型	敏感性, 分割准确性, 分类一致性	NA
571	2026-06-06	Amplifying image quality gain in x-ray phase contrast imaging of mastectomy samples with deep learning denoising 2026-Feb-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3c54 PMID:41570391	研究论文	利用基于U-Net的深度学习去噪方法增强乳腺切除样本的X射线相衬成像质量，在保持辐射剂量的同时提高图像质量	首次将监督式深度学习去噪应用于乳腺相衬CT图像，在保持空间分辨率不变的情况下将信噪比提升4倍，同时减少辐射剂量	未提及	进一步降低相衬CT的辐射剂量，同时保持或提高图像质量，为后续活体患者乳腺癌成像做准备	34个新鲜全乳腺切除样本	机器视觉	乳腺癌	相衬计算机断层扫描	卷积神经网络	图像	34个乳腺切除样本的PCT扫描（28对用于训练，6对用于测试）	NA	U-Net	信噪比、空间分辨率、结构相似性指数、峰值信噪比	NA
572	2026-06-06	On-device single channel EEG classification on Android smartphones using lightweight machine learning models 2026-Feb-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3ca4 PMID:41576423	研究论文	提出一种在安卓智能手机上利用轻量级机器学习模型实现单通道脑电图分类的流水线	首次在安卓设备上实现离线单通道脑电图信号分类，使用轻量级模型（支持向量机）并达到90%准确率，无需大量计算资源或大数据集	依赖多个软件平台，无法实现实时分类	实现移动端设备上基于脑电图信号的分类，促进自然环境下生理测量方法学的发展	十名受试者的睁眼和闭眼脑电图信号	机器学习	NA	脑电图	支持向量机	信号	10名受试者的单通道脑电图信号	NA	支持向量机	准确率, 精确率, 灵敏度, 特异度, F1分数, 马修斯相关系数	安卓设备（Google Pixel 7 Pro, Samsung S22）
573	2026-06-06	Bioinspired Multifunctional Hydrogels for Deep Learning-Enabled Wound pH Visual Monitoring and Treatment 2026-Feb-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05725 PMID:41579059	研究论文	报道一种基于仿生酶级联反应的多功能水凝胶，集成pH可视化监测和深层学习分析，用于智能伤口管理	首次将葡萄糖氧化酶-血红素酶级联引发的原位聚合用于快速成型水凝胶，并结合ResNet34深度学习模型实现高精度pH监测与伤口治疗一体化	研究仅在动物模型上进行验证，未在人体临床试验中测试；深度学习模型基于有限的数据集（1000张图像）训练	开发一种能够实时监测伤口pH并提供抗菌和促进愈合功能的智能水凝胶敷料	多功能水凝胶材料及其在伤口感染模型中的性能	机器学习	慢性伤口	原位氧化还原引发聚合、酶级联反应	CNN（卷积神经网络）	图像	1000张水凝胶比色图像用于深度学习训练	PyTorch	ResNet34	分类准确率	NA
574	2026-06-06	National-scale open cattle feedlot detection using deep learning and high-resolution aerial images: Spatial distribution and animal welfare analysis 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181451 PMID:41579720	研究论文	提出利用深度学习模型（YOLO）和高分辨率航空影像，对美国本土的开放式牛场进行全国尺度检测，并分析其空间分布与动物福利相关问题	首次构建全国范围开放式牛场检测框架，结合YOLOv11m模型与NAIP影像，实现大规模自动化检测，并提供空间分布与动物福利热应激风险的关联分析	未提及检测模型在极端天气或遮挡条件下的鲁棒性，且训练数据主要集中在高产区县，可能影响模型对其他区域牧场特征的泛化能力	建立美国开放式牛场全国数据库，评估其空间分布特征，并分析环境胁迫因子（如夏季高温、稳定蝇孵化）对动物福利的影响	美国本土（CONUS）开放式牛场设施	计算机视觉, 数字病理学	动物福利相关疾病	NAIP航空影像（1米分辨率GeoTIFF）	YOLO（You Only Look Once）	航空影像	训练集：11,746个牛场标注和13,000个背景图像块；全国推理：43TB NAIP影像（2019-2022年）	NA	YOLOv11m	精确率, 召回率, F1分数, 交并比（IoU）	NA
575	2026-06-06	DeepDBPI: DNA-Binding Protein Identifier Using a Deep Learning Model with Transformed Denoised Features 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02637 PMID:41566703	研究论文	提出了一种名为DeepDBPI的深度学习模型，用于通过变换去噪特征预测DNA结合蛋白	利用进化与图形特征，结合小波去噪算法去除噪声，并使用多种深度学习架构（如Bi-GRU）提升预测性能	未明确讨论在极端不平衡数据集或跨物种泛化能力上的局限性	开发高效的DNA结合蛋白预测计算协议，以替代费时费力的湿实验方法	DNA结合蛋白	机器学习, 生物信息学	NA	蛋白质序列特征提取方法（CC-PSSM, BP-PSSM, TRG-PSSM, FEGS）	深度学习模型（ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU）	蛋白质序列	未明确提供具体样本数量	NA	BiGRU, ResNet, LSTM, BiLSTM, RNN, BiRNN	准确性（ACC）, 灵敏度（SN）, 特异性（SP）, 马修斯相关系数（MCC）	NA
576	2026-06-06	Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01681 PMID:41570305	研究论文	提出一种融合分子动力学模拟与深度学习模型的集成框架，用于提高蛋白质离子性残基pKa值的预测精度	首次采用AMOEBA极化力场进行高通量分子建模，构建富含原子静电学等物理启发特征的蛋白质结构数据集，并基于图神经网络模型实现pKa预测，性能显著优于传统方法PROPKA	未提及具体局限性信息	提高蛋白质中离子性残基pKa值的预测准确性，以支持药物发现和蛋白质工程中的早期靶点识别	蛋白质结构数据集中离子性残基（天冬氨酸、谷氨酸、赖氨酸、组氨酸）的pKa值	机器学习	不适用	分子动力学模拟，AMOEBA极化力场	图神经网络	蛋白质结构数据，实验pKa值数据	基于PKAD-2数据集的实验pKa值，涉及四种离子性残基类型	PyTorch	图注意力网络	预测准确度	不适用
577	2026-06-06	Attention-Guided Multiview Deep Learning Framework Uncovers miRNA-Drug Associations for Therapeutic Discovery 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02839 PMID:41592800	研究论文	提出一种注意力引导的多视图深度学习框架，用于预测miRNA-药物关联，推动治疗发现	创新性地整合miRNA和药物的多源信息而非仅依赖交互图数据，并通过视图级注意力机制自适应学习不同特征的重要性	未提及对数据噪声的处理能力及跨疾病领域泛化性的验证	开发高效计算方法预测miRNA-药物关联，克服传统实验成本高和现有方法依赖单一信息源的不足	miRNA与药物之间的潜在关联	机器学习	多种疾病（以抗癌药物为例）	NA	多视图深度学习模型（DLMVF）	miRNA序列、药物结构、miRNA-药物交互关系数据	基于最新数据库构建的实验基准数据集，具体数量未提供	PyTorch	注意力引导的多视图编码器（miRNA属性视图编码器、药物属性视图编码器、miRNA-药物交互编码器）	AUROC, AUPRC	NA
578	2026-06-06	NeuroTDPi: Interpretable Deep Learning Models with Multimodal Fusion for Identifying Neurotoxic Compounds 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02639 PMID:41609193	研究论文	开发了一个名为NeuroTDPi的多层全连接深度神经网络模型，用于识别神经毒性化合物	采用多模态融合策略，整合分子表征和针对三种神经毒性终点的特征表示，并结合SHAP方法提高模型可解释性	未提及	开发用于早期预测神经毒性化合物的深度学习模型	神经毒性化合物	机器学习	神经毒性疾病	NA	深度神经网络（多层全连接）	分子数据	NA	NA	多层全连接网络	AUC（0.97, 0.84, 0.82）	NA
579	2026-06-06	SwinCup-DiscNet: A fusion transformer framework for glaucoma diagnosis using optic disc and cup features 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39065-7 PMID:41663489	研究论文	提出一种融合变压器框架，结合视盘与视杯特征用于青光眼诊断	创新性地融合U-Net注意力机制分割视盘视杯、Swin Transformer提取眼底图像特征，以及概率融合方法结合结构生物标志物与深度学习特征	未明确提及具体限制	开发高效青光眼筛查工具，实现早期检测以预防视力丧失	青光眼患者的眼底图像中的视盘和视杯特征	计算机视觉	青光眼	眼底成像	Swin Transformer	图像	三个公开数据集：LAG、ACRIMA、DRISTHI-GS	PyTorch	U-Net, Swin Transformer	DSC IoU、准确率、F1分数、杯盘比平均绝对误差	NA
580	2026-06-06	Thermostability Prediction Powered by Synergistic Deep Learning at Experimental and Theoretical Levels for Nanobodies 2026-Feb-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c19073 PMID:41564239	研究论文	提出一种双尺度协同深度学习策略，结合实验和理论水平预测纳米抗体的热稳定性，并开发了高吞吐量筛选平台	创新性地提出双尺度协同深度学习策略，结合实验熔解温度数据和理论构象变化推断，解决实验数据稀缺和小数据模型泛化能力低的问题	未明确说明局限性，但依赖有限实验数据和分子动力学模拟，可能受数据质量和模拟准确性影响	提高纳米抗体热稳定性预测的可靠性，并探索大规模数据库中高稳定纳米抗体	纳米抗体的热稳定性	机器学习	不适用	分子动力学模拟、抗体语言模型	深度学习模型	实验数据、分子模拟数据	514个实验熔解温度数据和704个纳米抗体结构的分子动力学模拟	不适用	抗体语言模型集成到联合深度学习架构	Pearson相关系数、准确率	不适用