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
41	2026-06-08	MEG-mod: A Multiview Enhanced Graph Neural Network for Knockdown Efficiency Prediction of Chemically Modified siRNA 2026-Jun-02, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00411 PMID:42228641	research paper	提出MEG-mod，一个多视图增强图神经网络框架，用于预测化学修饰siRNA的敲低效率	整合文献阅读代理、手动整理和公共数据库资源构建扩展数据集，并采用结构感知的Transformer图神经网络联合建模序列上下文、理化性质、化学修饰特征和双链结构关系，同时通过修饰碱基融合模块建模上下文依赖的修饰效应	未在摘要中明确说明局限性	开发一个深度学习框架准确预测化学修饰siRNA的敲低效率，以辅助合理设计	化学修饰的siRNA分子	machine learning	NA	深度学习	图神经网络	序列数据、结构数据、理化性质数据	通过整合文献、手动整理和公共数据库构建了扩展数据集，但未给出具体样本数量	PyTorch	Transformer, 图神经网络	Pearson相关系数	NA
42	2026-06-08	Efficient FPGA accelerator for low-power high-speed BCI motor imagery classification using novel deep learning 2026-Jun-02, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109105 PMID:42250530	研究论文	提出一种结合少样本学习与双注意力机制的SqueezeNet深度学习模型，并设计高效FPGA加速器，用于低功耗高速运动想象脑电信号分类	1) 首次将少样本学习与双注意力机制结合到SqueezeNet中，提升小样本和未见数据的分类精度；2) 设计基于双核DPU和双缓冲方案的低功耗硬件加速器，功耗仅12.14W，推理时间5.01ms，比CPU和GPU分别降低4.8倍和6.3倍	未提及对噪声鲁棒性的具体分析及模型在真实复杂环境下的验证情况	实现运动想象脑电信号的高精度、低功耗、高速分类，适用于边缘设备实时部署	脑电信号中的运动想象任务分类	机器学习	NA	脑电图	SqueezeNet、双注意力机制、少样本学习	脑电信号	BCI Competition IV 2a数据集（具体样本数未提及），以及其他公共数据集	NA	FSL-Dual Attention-based SqueezeNet	准确率	FPGA硬件加速器（双核DPU，双缓冲方案），CPU，GPU（功耗对比）
43	2026-06-08	Virtual fluorescent labeling of engineered vascular networks with embedded tracer particles 2026-Jun, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2026.04.059 PMID:42097439	研究论文	开发了一种深度学习虚拟标记方法，能从无标记图像中恢复细胞核、细胞骨架和内皮荧光，用于工程化血管网络的纵向研究	首次在厚三维共培养系统中实现多通道荧光标记的虚拟预测，并对散射微珠具有鲁棒性，采用通道特定损失函数提升重建质量	未提及限制	实现无破坏性的实时定量分析工程组织中的微血管形态发生及细胞外基质力学	含2μm二氧化硅微珠的纤维蛋白水凝胶中三维共培养的人脐静脉内皮细胞和肺成纤维细胞	数字病理学, 计算机视觉	不适用	三维荧光成像, 明场成像	3D U-Net	图像（明场和共焦荧光序列）	三维纤维蛋白水凝胶中细胞共培养样本（具体数量未提及）	PyTorch	3D U-Net	均方误差, 结构相似性, 峰值信噪比, 相关性, Dice系数	未提及
44	2026-06-08	A deep learning multi-attention Bi-GRU framework for kcat prediction with segmentation-based insights 2026-Jun-01, Enzyme and microbial technology IF:3.4Q2 DOI:10.1016/j.enzmictec.2026.110915 PMID:42250496	研究论文	提出了一种名为KcatNeuroCortex的深度学习框架，用于预测酶催化效率，该框架结合了双向门控循环单元（Bi-GRU）与多注意力机制，并通过基于分段的策略捕捉局部功能基序	创新性地将双向GRU与多注意力机制结合，模仿酶的工作方式；采用基于分段的策略捕捉局部功能基序，并整合为全局表示，提高了可解释性和预测准确性	NA	开发一个可解释且新颖的深度学习框架，用于准确预测酶催化效率（kcat），以解决酶序列数据增长快于测量催化常数的问题	酶序列的催化效率（kcat）预测	机器学习	NA	NA	Bi-GRU	序列数据	NA	NA	Bi-GRU, 多注意力机制	R², RMSE	NA
45	2026-06-08	AWPAUNet: An advanced surrogate for real-time simultaneous modeling of multiple mechanical fields of soft tissues 2026-May-30, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104146 PMID:42250383	研究论文	提出一种基于UNet的代理模型AWPAUNet，用于实时同步预测软组织在空间位移交互下的多力学场行为	引入并行注意力模块增强力学敏感区域特征提取，并采用自适应加权策略平衡不同数值尺度的力学场联合学习，解决多场同步建模中的主导效应问题	NA	实现软组织的实时同步多力学场建模，支撑手术仿真及相关医疗辅助应用	软组织	机器学习	NA	NA	UNet	力学场数据（位移、应力、反作用力）	NA	NA	Adaptive Weighted Parallel Attention UNet (AWPAUNet)	NA	NA
46	2026-06-08	Artificial Intelligence-Supported Colorimetric Multibiomarker Sensor to Enable Critical Neonatal Monitoring 2026-May-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04171 PMID:42205010	研究论文	提出一种基于人工智能的多生物标志物比色传感器，用于关键新生儿监护，实现无创、实时监测体温、pH、钠和葡萄糖	创新在于结合丝基比色传感器和深度学习分析，实现多种关键生理标志物的非侵入性、实时监测，特别适用于危重早产儿，并在高湿度、运动等临床相关条件下表现稳定	未提及大规模临床验证和长期稳定性测试，可能限制其实际应用推广	开发一种无创、AI支持的比色传感器，用于危重新生儿监护，提高监测舒适度和减少未检测事件风险	危重早产儿，重点关注经表皮液体中的生物标志物	数字病理学	新生儿疾病	比色分析	深度学习	图像	未提及具体样本数量	NA	深度学习模型	平均绝对误差，平均精度	NA
47	2026-06-08	Deep Learning of Protein Structure and Physicochemical Properties from Two-Dimensional Infrared Spectra 2026-May-28, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00969 PMID:42205032	研究论文	提出一个数据驱动的计算框架，通过二维红外光谱推断蛋白质结构表示和物理化学性质	首次建立从二维红外光谱到蛋白质结构距离图和多种理化性质的直接映射，利用大规模计算光谱数据集学习‘光谱-结构-性质’关系	结果基于模拟光谱，需要在实验二维红外光谱数据上进行进一步验证以评估实际应用性	建立从二维红外光谱定量推断蛋白质结构信息和物理化学性质的计算方法	蛋白质结构和物理化学性质（包括二级结构含量、回转半径、氢键计数和埋藏残基分数）	机器学习	NA	二维红外光谱	深度学习	光谱数据	631,651个计算得到的二维红外光谱，来自静态蛋白质结构和分子动力学轨迹	NA	NA	NA	NA
48	2026-06-08	Are We Underestimating Overfitting? 2026-May-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00518 PMID:42206593	研究论文	探讨在定量构效关系（QSAR）建模中，过度参数化机器学习模型可能意外提高预测准确性的现象	挑战传统QSAR中关于过拟合必须避免的教条，提出过度参数化模型可能包含额外信息从而提升未知数据预测能力	未明确指出过度拟合模型的适用范围及潜在风险，可能需要更多实证数据支持	重新审视过拟合与过度参数化在QSAR/QSPR建模中的意义，说明其对模型预测能力的影响	定量构效关系（QSAR）和定量结构-性质关系（QSPR）模型中的过拟合与过度参数化现象	机器学习	NA	NA	机器学习模型（过度参数化模型）	合成数据与真实数据	NA	NA	NA	测试集预测准确性	NA
49	2026-06-08	StruCloze: A Unified Framework for Backmapping and Inpainting Biomolecule Structures 2026-May-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00214 PMID:42202161	研究论文	提出了StruCloze，一个用于从粗粒化模型重建全原子结构以及填补缺失区域的深度学习框架，适用于蛋白质和核酸	首次统一处理多种粗粒化方案和生物分子类型的反向映射与结构补全，采用掩码学习策略实现跨方案泛化	论文标题和摘要中未明确提及局限性	从粗粒化模型重建原子级结构并填补生物分子结构中的缺失区域	蛋白质和核酸的粗粒化结构及结构缺失区域	机器学习	NA	NA	深度学习框架	分子结构数据（粗粒化表示及全原子结构）	NA	NA	NA	NA	NA
50	2026-06-08	Unraveling Separation Mechanisms of Propanol Isomers and Water in LTA Zeolites via Deep Potential Molecular Dynamics 2026-May-23, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c01184 PMID:42176278	研究论文	通过基于深度学习的分子动力学模拟，研究LTA沸石中丙醇异构体与水的分离机制	首次利用深度势能分子动力学模拟揭示水分子如何影响Na离子迁移并动态调控LTA沸石孔道，解释支链异丙醇比直链正丙醇扩散更快的反常现象	NA	探究LTA沸石膜中丙醇异构体（异丙醇和正丙醇）与水的分离机理	丙醇异构体（异丙醇和正丙醇）以及水分子在LTA型沸石中的扩散行为	机器学习	NA	深度势能分子动力学（DPMD）模拟	深度学习势能模型	分子动力学模拟轨迹数据	NA	NA	深度势能（Deep Potential）模型	NA	NA
51	2026-06-08	MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data 2026-May-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101141 PMID:41650976	研究论文	MultiSP是一个深度学习框架，用于从空间多组学数据中解析组织结构与多细胞通讯	通过高效的空间与特征相似性融合、模态特异性概率生成模型和跨模态对抗学习，增强数据表征，优于现有方法捕捉生物学可解释的空间区域	数据稀疏性和噪声带来挑战，具体局限性未在摘要中明确说明	从空间多组学数据中解释复杂的组织结构与细胞通讯	空间多组学数据集，包括肿瘤微环境中的细胞分布	机器学习	肿瘤微环境相关疾病	空间多组学	深度学习框架	空间多组学数据	NA	NA	NA	NA	NA
52	2026-06-08	Label-free serum SERS combined with RFE-GBDT algorithm for non-invasive screening of liver cancer 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127552 PMID:41662803	研究论文	利用无标记血清SERS联合RFE-GBDT算法实现肝癌非侵入性筛查	首次将递归特征消除（RFE）与梯度提升决策树（GBDT）算法结合应用于血清SERS数据，实现肝癌分期的高精度非侵入性诊断	样本量可能较小，需进一步在更大规模多中心临床队列中验证模型泛化能力	开发无创光学诊断方法用于肝癌早期筛查和分期识别	不同分期肝癌患者（T1、T2、T3）、乙肝患者及健康对照组的血清样本	机器学习	肝癌	表面增强拉曼光谱（SERS）	梯度提升决策树（GBDT）	光谱数据	肝癌早中晚期患者（T1、T2、T3各期）、乙肝病毒感染者及健康对照者血清样本，具体数量未明确说明	NA	GBDT	准确率	NA
53	2026-06-08	Artificial intelligence approaches for non-invasive diabetes prediction using ECG signals: A systematic review 2026-May-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109264 PMID:41643489	系统综述	系统评估基于心电图信号使用人工智能方法无创预测糖尿病和糖尿病前期的机器学习与深度学习模型	首次系统综述AI心电分析在糖尿病无创预测中的应用，强调外部验证缺失、公平性不足及模型可重复性问题	多数研究样本量小且为单中心横截面设计，缺乏外部验证和亚组性能评估，仅一项研究提供开源代码	批判性评估基于心电图信号的机器学习和深度学习模型在无创预测糖尿病和糖尿病前期中的表现	25项符合纳入标准的研究及其使用的机器学习/深度学习模型	机器学习	糖尿病	心电图信号处理	机器学习与深度学习模型	心电图信号数据	样本量从24到超过190,000名个体不等	NA	NA	准确率	NA
54	2026-06-08	Deep learning-based H&E-derived risk scores in colorectal cancer: associations with tumour morphology, biology, and predicted drug response 2026-May, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70039 PMID:41716034	研究论文	对基于深度学习的H&E染色全切片图像衍生的结直肠癌风险评分与肿瘤形态、生物学及预测药物反应进行综合分析	首次系统揭示了深度学习风险评分与肿瘤-脂肪细胞直接相互作用等形态学特征的关联，并发现其与药物敏感性差异相关	NA	评估基于H&E图像的深度学习风险评分与结直肠癌临床病理特征、肿瘤形态、生物学及预测药物反应的关联	来自四个国际队列的超过4000例结直肠癌患者	数字病理学	结直肠癌	H&E染色全切片图像	深度学习	图像	超过4000例结直肠癌患者	NA	NA	风险评分	NA
55	2026-06-08	Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models 2026-Apr, Naunyn-Schmiedeberg's archives of pharmacology DOI:10.1007/s00210-025-04971-6 PMID:41636836	研究论文	介绍CapsuleSEDualNet深度学习框架，用于鲁棒且可解释的多类指甲疾病诊断	将胶囊网络头部与Squeeze-and-Excitation注意力机制集成在MobileNetV2和DenseNet121构成的双骨干架构中，提升特征判别性并利用胶囊网络保留空间层次以改善可解释性	尚需进一步临床验证	实现稳健、可解释且多类的指甲疾病自动诊断，支持临床决策	指甲疾病图像（包括真菌感染和恶性肿瘤）	计算机视觉	指甲疾病	NA	胶囊网络	图像	NA	NA	CapsuleSEDualNet（MobileNetV2骨架、DenseNet121骨架、SE注意力模块、胶囊网络头部）	准确率	NA
56	2026-06-08	General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106077 PMID:41638432	研究论文	基于CycleGAN的虚拟染色模型将苏木精-伊红染色图像转换为虚拟马松三色染色，显著提升普通病理医生对供体肾脏纤维化评估的准确性，使其接近专科医生水平	首次证明深度学习虚拟染色技术可消除普通病理医生与肾脏专科医生在供体肾脏纤维化评估中的诊断差距，使普通病理医生达到近似专科医生的诊断表现	NA	评估基于深度学习的虚拟染色技术能否增强普通病理医生对供体肾脏的评估能力，特别是间质纤维化和慢性病理变化的识别	供体肾脏组织切片，包括187对全切片图像（H&E和Masson三色染色）及46张冰冻切片	数字病理学	肾脏疾病	NA	生成对抗网络（CycleGAN）	全切片图像	187对配对全切片图像（H&E和Masson三色染色）和46张冰冻切片	NA	CycleGAN	加权Kappa系数	NA
57	2026-06-08	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	使用深度学习对从不吸烟的肺癌患者进行基因组特征预测	首次将深度学习方法专门应用于从不吸烟的肺腺癌（NS-LUAD）组织切片图像，以ResNet50为基础设计了一种针对多标签分类优化的定制深度卷积神经网络，能够同时预测16种分子改变	部分特征预测性能较低或中等（如肿瘤突变负荷、APOBEC突变特征及部分KRAS热点突变），且模型仅在来自Sherlock-Lung研究的495张全切片图像上进行了评估，样本量有限	利用深度学习从组织学全切片图像中预测从不吸烟的肺腺癌患者的基因组特征，以支持分子检测分诊和精准治疗策略	从不吸烟的肺腺癌（NS-LUAD）患者的组织学全切片图像	数字病理学，计算机视觉	肺癌	全切片图像，苏木精和伊红染色	卷积神经网络	图像	495张全切片图像（来自Sherlock-Lung研究）	NA	ResNet50	AUROC	NA
58	2026-06-08	Image processing-based automatic tooth segmentation and age estimation in sheep using deep learning 2026-Apr, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2026.152803 PMID:41654275	研究论文	提出一种基于图像处理和深度学习的全自动绵羊牙齿分割与年龄估算框架	结合YOLOv8自动分割与多种CNN微调迁移学习，并开发了可公开访问的容器化GUI应用	未提及	实现客观、可重复的绵羊年龄自动估算	绵羊牙齿图像	计算机视觉	NA	图像处理	卷积神经网络（CNN）	图像	未明确说明	PyTorch, OpenCV	YOLOv8, VGG16, ResNet50, EfficientNetB0, MobileNetV2, Xception, BasicCNN	准确率	未提及
59	2026-06-08	Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.025 PMID:41667344	研究论文	评估深度学习重建结合对比增强提升技术在“四低”CCTA方案中的图像质量和诊断准确性	首次将深度学习重建与对比增强提升技术结合应用于“四低”CCTA方案，在显著降低辐射剂量和造影剂用量的同时保持或提升图像质量	样本量相对较小（102例），且为单中心前瞻性研究，可能限制结果的普适性	评估DLR算法联合CE-boost技术在低管电压、低流速、低对比剂用量和低浓度CCTA方案中对图像质量和诊断性能的影响	102例接受CCTA检查的患者	计算机视觉	心血管疾病	CT血管成像	深度学习重建	图像	102例患者（常规剂量组51例，四低组51例）	NA	NA	信噪比, 对比噪声比, 主观图像质量评分, 诊断准确率, 敏感性	NA
60	2026-06-08	Deep learning-based classification and internal region stratification of wooden breast in broiler by using ultrasound imaging 2026-Apr, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106534 PMID:41633072	研究论文	利用超声成像结合深度学习对肉鸡木质化胸肌进行分类及内部区域分层	首次通过超声成像结合深度学习实现WB内部病理区域的分层，并使用ImageJ阈值二值化和标度校准量化病理特征空间范围	未提及样本来源、设备泛化性或临床转化等局限	利用超声内部空间信息结合深度学习对木质化胸肌进行准确分类和内部区域分层，以提高疾病评估的客观性和应用效率	从Arbor Acres肉鸡（n=240，雄性，42天龄）中采集的鸡胸肉片，分为正常、轻度、中度和重度四类	计算机视觉, 数字病理学	木质化胸肌	超声成像, ImageJ阈值二值化	卷积神经网络	图像	240个鸡胸肉样本（每类60个）	PyTorch	MobileNetV3, ResNet18, AlexNet	准确率, 精确率, 召回率, F1分数	NA