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
6521	2026-03-21	TCB-Kla: a hybrid deep learning model for predicting human lysine lactylation sites by incorporating transformer encoder and multi-scale CNN 2026-Mar-19, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2026.2645110 PMID:41855483	研究论文	本研究提出了一种名为TCB-Kla的混合深度学习模型，用于预测人类蛋白质的赖氨酸乳酰化位点	首次将Transformer编码器、多尺度CNN和双向LSTM相结合，构建了用于赖氨酸乳酰化位点预测的混合深度学习模型，并在独立测试集和跨数据集验证中均表现出优于基线模型的性能	模型主要针对人类蛋白质数据，在其他物种上的泛化能力未充分验证；依赖现有标注数据，可能受数据质量和规模限制	开发一种高效准确的深度学习模型，以替代耗时费力的质谱方法，实现蛋白质赖氨酸乳酰化位点的预测	人类蛋白质的赖氨酸乳酰化位点	生物信息学	NA	质谱分析	Transformer, CNN, LSTM	蛋白质序列数据	未明确说明具体样本数量，但使用了独立测试集和10折交叉验证	未明确说明	Transformer编码器, 多尺度CNN, 双向LSTM	准确率, 灵敏度, 特异性, 马修斯相关系数, ROC曲线下面积	未明确说明
6522	2026-03-21	A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding 2026-Mar-19, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500267 PMID:41856938	研究论文	本文提出了一种轻量级的双注意力神经网络DA-EEGNet，用于鲁棒且高效的脑电图运动想象解码	在EEGNet骨干网络基础上，集成了通道注意力模块和深度注意力模块，以选择性强调信息丰富的电极和具有时间区分性的特征，在保持紧凑模型参数化的同时实现了有效的时空特征建模	NA	解决运动想象脑机接口中有效时空特征建模与紧凑模型参数化之间的关键挑战	脑电图运动想象数据	机器学习	NA	脑电图	CNN, 注意力机制	脑电图信号	使用了两个广泛使用的运动想象基准数据集	NA	EEGNet, DA-EEGNet	分类准确率	NA
6523	2026-03-21	SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41890-9 PMID:41857089	研究论文	提出一种结合SiaCon-DetNet与HySHO算法的先进面部情绪识别模型	首次将卷积特征学习与Transformer注意力机制相结合，并引入生物启发式优化算法动态调整模型参数	未提及模型在跨数据库或真实场景下的泛化能力测试	提升面部情绪识别的特征表示能力和模型鲁棒性	面部情绪图像数据	计算机视觉	NA	深度学习	CNN, Transformer	图像	JAFFE数据库（具体数量未说明）	未明确说明	Siamese卷积网络, 检测Transformer网络	准确率, 精确率, 召回率, F1分数	未明确说明
6524	2026-03-21	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-Mar-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	本研究回顾性分析了2020年至2025年6月期间中国获批的人工智能医疗设备的批准趋势和特征	首次提供了截至2025年6月中国人工智能医疗设备批准情况的全面、最新概述，并揭示了风险等级与批准年份、制造商地点及医学专科之间的显著关联	数据仅来源于Drugdataexpy数据库，可能未涵盖所有获批设备；分析截止于2025年上半年，无法反映全年趋势；研究为回顾性分析，无法推断因果关系	分析中国人工智能医疗设备的批准趋势、特征及其与监管框架的关联	2020年至2025年6月30日期间在中国获批的人工智能医疗设备	医疗人工智能	多种疾病（重点关注肺结节检测和心血管评估）	深度学习	NA	医学影像数据（主要来自计算机断层扫描）	154个获批的人工智能医疗设备	NA	NA	NA	NA
6525	2026-03-21	Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma 2026-Mar-18, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000876 PMID:41854294	研究论文	本研究评估了两种新型2.5维深度学习模型在临床IA期肺腺癌内脏胸膜侵犯预测中的性能，并与传统2D和3D模型进行了比较	首次验证了2.5D深度学习模型（特别是多视图方法）用于VPI预测，通过可解释的可视化揭示了空间相关的生物标志物，性能优于2D/3D模型	NA	评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯的性能	来自两家中国医院的804名经病理证实的IA期肺腺癌患者	计算机视觉	肺癌	深度学习	深度学习模型	医学影像	804名患者（训练集360例，内部验证集155例，外部测试集289例）	NA	2.5D多视图模型, 2.5D上下文模型	AUC, 准确率, 阳性预测值, 阴性预测值	NA
6526	2026-03-21	A decade-long shift in use of energy devices for BABA robotic thyroidectomy: automated video analysis by deep learning 2026-Mar-17, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-03113-7 PMID:41843322	研究论文	本研究利用YOLOv5深度学习模型，通过分析81个BABA机器人甲状腺切除术的手术视频，定量追踪了过去十年间手术能量设备使用偏好的演变趋势	首次采用深度学习模型（YOLOv5）对机器人甲状腺切除术视频进行自动化分析，以量化手术能量设备使用的历史变迁	研究为回顾性分析，样本量相对有限（81个视频），且仅针对单一手术中心的数据	定量分析双边腋窝-乳房入路机器人甲状腺切除术中能量设备使用偏好的时间变化趋势	2013年至2021年间进行的81例BABA机器人甲状腺切除术的手术视频	计算机视觉	甲状腺疾病	手术视频分析	YOLOv5	视频	81个手术视频	PyTorch	YOLOv5	NA	NA
6527	2026-03-21	Generation of automated nephrometry scores through direct prediction of each component 2026-Mar-17, Urology IF:2.1Q2 DOI:10.1016/j.urology.2026.02.039 PMID:41856377	研究论文	本研究开发了一种基于深度学习的模型，用于自动化生成R.E.N.A.L.肾肿瘤评分，并评估其在预测临床结果方面的性能	首次利用深度学习模型直接预测R.E.N.A.L.评分各数值组件，实现了肾肿瘤评分的自动化生成，减少了主观性并提高了评分一致性	依赖CT成像数据，且研究结果可能受特定队列因素影响	评估深度学习模型自动化生成肾肿瘤评分并预测临床结果的能力	肾肿瘤患者	数字病理学	肾癌	CT成像	CNN	图像	训练集599例患者（来自KiTS Challenge数据集），外部验证集1,806例患者（其中193例有人工评分）	NA	ResNet-50	Spearman相关系数, AUC	NA
6528	2026-03-21	A smart colorimetric film coupling deep eutectic solvents and deep learning for real-time Salmon freshness monitoring 2026-Mar-16, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148904 PMID:41855839	研究论文	本研究开发了一种结合深共熔溶剂和深度学习的智能比色膜，用于实时监测鲑鱼新鲜度	通过将单宁酸-铁螯合物与深共熔溶剂集成到聚乙烯醇基质中，开发了一种新型复合膜，该膜作为多功能指示剂，显著提高了机械性能、灵敏度和响应速度，并首次结合深度学习进行新鲜度分类	NA	开发一种用于水产品新鲜度实时监测的智能比色膜	鲑鱼	机器学习	NA	比色法	深度学习	图像	NA	NA	NA	准确率	NA
6529	2026-03-21	Comment on: "Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces" 2026-Mar-15, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103412 PMID:41855729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6530	2026-03-21	MRCE-Net: A multi-role collaborative experts deep learning network for multi-modal medical image fusion 2026-Mar-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102737 PMID:41855893	研究论文	本文提出了一种名为MRCE-Net的多角色协作专家深度学习网络，用于多模态医学图像融合，旨在结合不同模态图像的优势并克服现有方法的局限性	提出了一种新颖的多角色协作专家融合模块，通过专门专家联合建模多模态特征的不同方面，特别是模态特定特性和模态间互补性，实现了更全面的特征表示和更准确的融合结果	未在摘要中明确说明	开发一种深度学习网络以改进多模态医学图像融合，平衡局部特征提取与全局上下文表示，并有效捕捉不同模态的特异性和互补性	多模态医学图像，包括公开的多模态医学图像融合基准数据集和内部收集的脑解剖与功能成像数据集	计算机视觉	NA	深度学习	Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	MRCE-Net, 包含双分支编码器、基于窗口的Transformer和全局通道Transformer	视觉质量和定量性能	未在摘要中明确说明
6531	2026-03-21	Hulled Rice or husk? Synchrotron radiation XRF and deep learning approach for the determination of the geographical origin of Chinese rice samples 2026-Mar-12, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148847 PMID:41855841	研究论文	本研究结合同步辐射X射线荧光光谱与深度学习，对中国16个省份的糙米和稻壳样本进行地理来源分类	首次将同步辐射X射线荧光光谱与深度学习模型（特别是2D-AlexNet）结合用于水稻地理来源鉴定，并发现稻壳比糙米具有更可靠的分类性能	PCA方法在解析元素谱重叠的省份时存在局限，需要依赖非线性深度学习模型	开发一种快速、无损、可扩展的水稻地理来源追溯工具，以保障食品安全和防止欺诈	来自中国16个省份的糙米和稻壳样本	机器学习	NA	同步辐射X射线荧光光谱	CNN	光谱数据	糙米903个样本，稻壳824个样本	NA	1D-CNN, 2D-VGG16, 2D-AlexNet	准确率	NA
6532	2026-03-21	Deep learning in traditional Chinese medicine 2026-Mar-07, Journal of integrative medicine DOI:10.1016/j.joim.2026.03.001 PMID:41856852	综述	本文综述了深度学习在传统中医研究中的应用，包括医学图像处理、药物物质研究、数据融合和自然语言处理	总结了深度学习在传统中医领域的最新应用实例，强调了其在数据挖掘中的潜力	高质量的传统中医数据仍然不足，限制了深度学习技术的进一步发展	探讨深度学习在传统中医研究中的应用，以促进其向现代疗法的转化	传统中医数据，包括实验数据、临床实践数据和医学文献数据	自然语言处理, 计算机视觉, 机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
6533	2025-11-27	Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation 2026-Mar, 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/s00405-025-09882-z PMID:41288704	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6534	2026-03-21	A multicentre validation study of 3D V-net-based segmentation model for adrenal glands: cross-protocol generalization from abdominal CT to chest CT 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发并验证了一个基于3D V-Net的肾上腺分割模型，用于腹部CT图像，并在多中心数据集（包括胸部CT图像）中评估其性能	该研究首次将基于3D V-Net的肾上腺分割模型从腹部CT推广到胸部CT，展示了跨协议泛化能力，并验证了其在多中心不同扫描协议下的适用性	研究未明确提及模型在极端病理情况或罕见肾上腺疾病中的表现，且验证数据主要来自健康筛查人群，可能未充分覆盖所有临床场景	建立并验证一个基于深度学习的肾上腺分割模型，以实现在不同CT扫描协议下的准确分割，辅助临床诊断	肾上腺（包括正常和异常腺体）	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练开发队列5660例腹部CT扫描，验证队列1包含6126例胸部CT，验证队列2包含931例胸部CT	NA	3D V-Net	Dice相似系数	NA
6535	2026-03-21	Introducing advanced ClearIQ engine (AiCE) deep learning reconstruction algorithm into a clinical radiotherapy workflow 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf318 PMID:41428451	研究论文	本研究评估了AiCE深度学习重建算法在临床放疗工作流程中的应用，重点关注图像质量和对放疗治疗计划的影响，并成功优化了CT扫描剂量	首次将AiCE深度学习重建算法引入临床放疗工作流程，用于优化CT扫描剂量，同时保持图像质量稳定	研究主要针对乳腺癌放疗患者，可能未涵盖其他癌症类型或更广泛的临床应用场景	评估AiCE重建算法在临床放疗工作流程中的适用性，并优化CT扫描剂量	电子密度体模和乳腺癌放疗患者	医学影像处理	乳腺癌	CT扫描	深度学习重建算法	CT图像	电子密度体模扫描和乳腺癌患者临床扫描	NA	AiCE	HU稳定性、剂量差异、平均DLP减少百分比	NA
6536	2026-03-21	Broadband Nanocavity Imaging with Machine Vision for Multiplex miRNA Assays 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202522938 PMID:41738572	研究论文	本文提出了一种结合分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔与深度学习实例分割的方法，用于实现多重miRNA的自动化图像读出与定量分析	将纳米光子学结构与深度学习实例分割（Mask R-CNN）相结合，实现了无需富集或扩增的直接内源性miRNA多重定量，并利用纳米腔增强收集效率、抑制量子点闪烁	研究仅在A549肺癌细胞提取物中验证，未在更广泛的临床样本或体内环境中测试	开发一种灵敏、特异、稳健且可扩展的多重miRNA分析平台	内源性miRNA（miR-191, miR-25, miR-130a）	机器学习	肺癌	分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔技术	CNN	图像	A549肺癌细胞提取物	NA	Mask R-CNN	检测限（LOD）, 线性动态范围, 正确识别率	NA
6537	2026-03-21	MoCETSE: A mixture-of-convolutional experts and transformer-based model for predicting Gram-negative bacterial secreted effectors 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013397 PMID:41811851	研究论文	本研究提出了一种名为MoCETSE的深度学习模型，用于预测革兰氏阴性菌的分泌效应蛋白	结合了预训练蛋白质语言模型、目标预处理网络和带有相对位置编码的Transformer模块，以精炼关键功能特征并显式建模残基间的相对空间关系	未明确提及	提高革兰氏阴性菌分泌系统效应蛋白的预测准确性，以解析其致病机制并指导抗菌策略开发	革兰氏阴性菌的分泌效应蛋白	自然语言处理, 机器学习	细菌感染	预训练蛋白质语言模型	CNN, Transformer	蛋白质序列	NA	NA	Mixture-of-Convolutional Experts, Transformer	特异性, 可靠性	NA
6538	2026-03-21	MultiPert: An adversarial alignment and dual attention framework for single-cell multi-omics perturbation prediction 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014054 PMID:41811907	研究论文	本文提出了一个名为MultiPert的深度学习框架，用于预测单细胞多组学数据中的扰动响应	设计了专门用于单细胞多组学扰动预测的深度学习框架，通过模态特定编码器、双注意力机制和对抗训练实现跨模态对齐，能够同时预测基因表达和蛋白质丰度变化	NA	预测单细胞多组学数据中的扰动响应，以表征细胞身份并阐明生物通路的调控机制	单细胞多组学数据	机器学习	NA	单细胞多组学测序	深度学习	单细胞多组学数据	人类THP-1和肾脏多组学数据集	NA	模态特定编码器，双注意力机制	准确性，稳定性	NA
6539	2026-03-21	Bio-Inspired Design of Quasi-Ordered Structural Color via Stress-Driven Reconfiguration Enables Ultra-Secure and Scalable Unclonable Application 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202520440 PMID:41715282	研究论文	本文受自然界启发，提出一种应力驱动的微结构重构策略，用于制造具有超高编码容量、快速识别和可扩展制造能力的机械诱导结构色物理不可克隆函数标签	受Thecla opisena蝴蝶翅膀鳞片准有序光子结构启发，提出应力驱动的微结构重构策略，通过控制异质聚合物网络的压印，实现了空间随机、结构色PUF图案的制造，解决了光学PUF在高编码容量、快速识别和可扩展制造之间的权衡难题	NA	开发一种安全、可扩展的物理不可克隆函数用于下一代认证系统和物联网应用	机械诱导结构色PUF标签	机器视觉	NA	应力驱动微结构重构、异质聚合物网络压印	深度学习	图像	NA	NA	NA	准确率	NA
6540	2026-03-21	Multiview deep learning improves detection of major cardiac conditions from echocardiography 2026-Mar, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-026-00786-7 PMID:41844861	研究论文	本研究开发了一种多视图深度学习模型，通过整合超声心动图的多视图视频数据，提高了对主要心脏疾病的诊断性能	提出了一种能够同时整合多个成像视图的深度学习神经网络架构，相比单视图模型显著提升了诊断准确性	研究仅基于两个医疗中心的数据，可能缺乏泛化性；且仅针对三种特定心脏疾病进行了验证	通过多视图深度学习模型改善从超声心动图中检测主要心脏疾病的诊断性能	超声心动图数据，包括左心室或右心室异常、舒张功能障碍和显著瓣膜反流	计算机视觉	心血管疾病	超声心动图	DNN	视频	来自加州大学旧金山分校和蒙特利尔心脏研究所的超声心动图数据	NA	多视图DNN	AUC	NA