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
641	2026-08-31	Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies 2023-04-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38063-x PMID:37185622	研究论文	本文介绍了IgFold，一种基于深度学习的快速抗体结构预测方法，能在不到25秒内预测出与AlphaFold相当或更优的结构质量。	创新点在于使用在5.58亿条天然抗体序列上预训练的语言模型结合图网络直接预测骨架原子坐标，实现了极快的预测速度，并在大规模应用上展示了优势。	摘要未提及明显的局限性。	旨在快速且准确地预测抗体结构，特别是高变环区域，以支持大规模结构分析。	研究对象为天然抗体序列及其结构。	深度学习	NA	NA	语言模型和图网络	序列数据	5.58亿条天然抗体序列用于预训练，1.4百万条配对抗体序列用于预测。	NA	预训练语言模型和图网络	结构质量（与AlphaFold比较）和预测时间	NA
642	2026-08-31	Antibody structure prediction using interpretable deep learning 2022-Feb-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2021.100406 PMID:35199061	研究论文	本文介绍了一种名为DeepAb的深度学习方法来预测抗体F区结构，并评估了其在治疗性抗体上的性能，超越了现有替代方案，同时引入可解释的注意力机制和突变评分指标	引入可直接解释的注意力机制，使网络能够关注物理上重要的残基对；提出基于网络置信度的新型突变评分指标，预测的突变能改善结合亲和力	未在摘要中明确提及局限性	开发一种可解释的深度学习方法，用于准确预测抗体结构，并辅助抗体的理性设计	治疗性抗体及其F区结构	深度学习	NA	深度学习	深度神经网络（具体为DeepAb）	序列数据（抗体序列）	一组结构多样、治疗相关的抗体（具体数量未给出）	NA	DeepAb	准确率（相对于领先替代方法的性能比较）	NA
643	2026-08-31	Simultaneous prediction of antibody backbone and side-chain conformations with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0258173 PMID:35704640	研究论文	本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体的主链和侧链构象，以提高抗体结构预测的准确性。	提出了一种新的深度学习方法DeepSCAb，它不仅能预测抗体主链的残基间距离和方向，还首次实现了同时预测侧链二面角，无需输入主链结构，并且使用可解释的自注意力层来识别保守锚点位置。	本文未明确提及局限性，但可能包括模型对序列多样性的依赖或对计算资源的需求。	开发一种深度学习方法，以提高抗体结构预测的准确性，特别是侧链构象的预测，从而支持抗体工程和设计。	抗体的可变片段（Fv）结构，包括主链和侧链构象。	深度学习, 蛋白质结构预测	NA	深度学习	深度神经网络	蛋白质序列	未提供具体样本数量	NA	自注意力层	性能评估包括对近天然结构的判别能力，但具体指标未在摘要中提及。	NA
644	2026-08-30	A Deep Learning Model for Heart Sound Classification Fusing Time-Frequency Features 2026-Sep, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642718 PMID:41370147	研究论文	提出了一种融合时频特征的双分支深度学习模型，用于心音信号的自动分类，以提高心血管疾病的早期诊断准确性	创新性地设计了双向交叉注意力融合模块，实现时域和频域特征之间的深度交互与相互增强，并采用迁移学习策略提升模型在小规模或挑战性数据集上的鲁棒性	未明确提及	开发一种能有效整合时域和频域特征的端到端双分支深度学习模型，以提升心音分类的准确性和鲁棒性，支持心血管疾病的辅助诊断	心音（PCG）信号	机器学习, 数字信号处理	心血管疾病	NA	CNN, Transformer, ResNet	心音信号（时间序列数据）和梅尔频谱图（图像数据）	多个公共数据集，包括2016年PhysioNet Challenge数据集	NA	一维CNN, Transformer块, ResNet, 双向交叉注意力融合模块	准确率, F1分数	NA
645	2026-08-30	Real-Time Instantaneous Phase Estimation Using a Deep Dual-Branch Complex Neural Network 2026-Sep, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3647598 PMID:41433160	研究论文	本文提出了一种基于双分支复数神经网络的深度学习方法，用于实时估计神经振荡的瞬时相位。	提出了一种类似复数小波变换的双分支网络结构，结合离散余弦变换层提取实部和虚部信号表示，设计目标为在边缘设备上部署，以实时估计瞬时相位，并显著提高精度。	未提及具体限制，但可能需要进一步验证在真实神经信号和硬件部署中的泛化能力。	开发一种适用于便携式边缘设备（如FPGA）的深度学习算法，用于实时瞬时相位估计，以支持脑-机接口和神经调控系统。	神经振荡信号的瞬时相位，用于脑-机接口和神经调控应用。	机器学习	NA	NA	深度神经网络	神经信号（时间序列数据）	NA	NA	双分支复数神经网络	相位估计准确率	便携式边缘设备（如FPGA）
646	2026-08-30	Deep integration of clinical metadata with [18F]FDG PET/CT imaging for histological subtyping in non-small cell lung cancer: a multi-center study 2026-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-08010-1 PMID:42310216	研究论文	开发并验证了一个多模态深度学习框架，将临床元数据与[18F]FDG PET/CT成像整合，用于非小细胞肺癌的组织学亚型分类	采用3D Transformer进行肿瘤定位，并通过特征级线性调制（FiLM）动态将临床元数据注入视觉主干，实现了早期临床-生物学融合策略，缓解了单一模态成像在重叠代谢表型中的诊断局限性	在外部测试集上，多模态模型与临床仅模型和图像仅模型之间的AUC差异未达到统计学显著性，且内部测试集上的差异也未显著	通过整合临床元数据和[18F]FDG PET/CT成像，提高非小细胞肺癌组织学亚型（腺癌与鳞状细胞癌）分类的准确性，并提供非侵入性决策支持工具	非小细胞肺癌患者，包括来自多中心的780例手术队列（675例开发集和105例外部测试集）	医学影像分析、深度学习	非小细胞肺癌	[18F]FDG PET/CT成像	多任务深度学习网络（包含3D Transformer和FiLM机制）	医学影像（PET/CT）和临床元数据	780例非小细胞肺癌患者（675例开发集，105例外部测试集）	未明确指定，但可能使用PyTorch（基于深度学习开发）	3D Transformer、多任务网络（含FiLM机制）	AUC、F1分数、决策曲线分析（净临床效益）	未在摘要中提及
647	2026-08-30	Automated dairy cattle body condition score using side-view images and deep learning 2026-Sep, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27759 PMID:42217776	研究论文	开发并验证了一种基于侧视图图像和深度学习的全自动奶牛体况评分系统	提出了一种全自动回归式体况评分系统，结合YOLOv11目标检测和ConvNeXt-Tiny回归模型，利用可解释人工智能验证模型关注关键解剖区域	极端体况评分案例在大型养殖场中罕见，未来需扩大数据集并进行跨农场外部验证	实现奶牛体况评分的自动化，以支持精准奶牛养殖和动物福利改善	商业牛群中的211头荷斯坦奶牛	计算机视觉	奶牛代谢疾病（如酮病）	侧视图图像拍摄	YOLOv11（目标检测）和ConvNeXt-Tiny（回归模型）	图像	3208张侧视图图像，来自211头荷斯坦奶牛	PyTorch	YOLOv11, ConvNeXt-Tiny	平均精度均值（mAP）、平均绝对误差（MAE）、皮尔逊相关系数	未提及具体GPU型号，但支持边缘部署
648	2026-08-30	Individual identification of dairy cows with occluded camera views using open-set contrastive learning model 2026-Sep, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-28109 PMID:42264349	研究论文	本研究利用计算机视觉技术，结合YOLOv8检测和对比学习模型，在部分遮挡、光照变化和姿态多样等挑战性条件下，对散栏牛舍中的奶牛进行个体识别。	采用开放集对比学习模型，能够在训练时未见过的奶牛面前识别为“未知”，增强模型在动态牛群组成环境中的泛化能力。	对比学习模型在封闭集场景下的平均性能低于Xception模型，且开放集设置可能牺牲部分精度。	实现奶牛在自由散栏牛舍中的个体识别，以替代传统识别方法，提高效率并减少人工错误。	49头奶牛，每头每天采集500张图像，共4天。	计算机视觉	NA	NA	CNN (Xception), Siamese网络（对比学习）	图像	49头奶牛，每头每天500张图像，共4天	NA	YOLOv8（检测），Xception，Siamese架构（对比学习）	精确率，召回率，F1分数，准确率	NA
649	2026-08-30	Using artificial intelligence as a mindtool to foster critical thinking in biology education 2026-Aug-27, Journal of microbiology & biology education IF:1.6Q2 DOI:10.1128/jmbe.00048-26 PMID:42112846	研究论文	本文探讨了在生物学教育中利用人工智能作为思维工具来培养批判性思维，提出了几种教学策略。	提出了将人工智能作为思维工具的具体策略，包括假设建模、概念映射和错误分析，以促进高阶批判性思维技能的发展。	未提供实证数据或案例研究来验证策略的有效性。	为生物学教育者提供指导，帮助他们将人工智能工具融入课程以培养批判性思维。	生物学教育中的学生和教师。	教育技术	NA	NA	NA	NA	NA	NA	NA	NA	NA
650	2026-08-30	Deep learning applications in cancer treatment Prediction: Comprehensive research foundation for systematic review and Meta-Analysis 2026-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105068 PMID:42276181	系统综述与荟萃分析	本文对深度学习模型在癌症治疗预测中的应用进行了系统综述和荟萃分析，评估其预测性能、方法学质量和临床实施情况	首次跨癌症类型和模型架构的深度学习治疗预测的荟萃分析综合	纳入研究间异质性高，汇总估计仅作为方法学可行性的广泛指标，而非确定性性能基准；存在方法学不一致、高偏倚风险和有限的外部验证，仅9%的模型已临床实施	评估深度学习模型在癌症治疗结果预测中的预测性能、方法学质量和临床实施情况	158项符合条件的研究（其中89项纳入定量综合），涵盖实体瘤（乳腺癌、肺癌、结直肠癌、前列腺癌等）和多种治疗方式（化疗、免疫疗法、放疗、靶向治疗和手术干预）	机器学习、数字病理学	多种癌症（乳腺癌、肺癌、结直肠癌、前列腺癌等）	NA	深度学习模型（包括多模态和Transformer-based模型）	NA	158项研究（89项纳入定量综合）	NA	Transformer	AUC、C-index、风险比、净收益、决策曲线分析	NA
651	2026-08-30	Wheelchair movement signal classification from EEG for motor-impaired individuals using novel deep learning architecture 2026-Aug, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2026.2651889 PMID:41964479	研究论文	本研究开发了一种结合LSTM和1D-CNN的混合深度学习模型，用于分类脑电信号中的轮椅移动意图，以提高运动障碍用户的独立性和安全性	提出一种集成LSTM和1D-CNN并带有跳跃连接的混合深度学习架构，以同时捕获EEG信号的时间和空间特征，并在公开数据集上超越了十种现有方法	未提及	探索基于EEG的轮椅控制系统，以通过脑信号而非物理运动操作电动轮椅，提高运动障碍用户的安全性和独立性	运动障碍用户以及他们的EEG信号	深度学习	运动障碍	脑电图（EEG）	混合深度学习模型（LSTM和1D-CNN）	脑电信号数据	未提及具体样本数量，使用公共EEG数据集	未提及	LSTM、1D-CNN、跳跃连接	准确率、精确率、召回率、F1分数	未提及
652	2026-08-30	An intelligent emotion recognition system for people with disabilities using stacked supervised autoencoder and brown-bear optimization strategy 2026-Aug, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2026.2653077 PMID:42013025	研究论文	提出一种基于堆叠监督自编码器和棕熊优化策略的智能情感识别系统，用于辅助残障人士进行文本情感识别	首次将棕熊优化算法（BBO）用于堆叠监督自编码器（SSAE）的超参数调优，以提升文本情感识别性能	未在更广泛的数据集或实际应用中验证，可能受限于特定文本语料	开发一种高效且准确的文本情感识别方法，以帮助残障人士进行情感交流	文本数据中的情感状态，特别是面向残障人士的文本情感识别	自然语言处理	残障相关疾病	文本预处理、词嵌入（Glove）、深度学习模型	堆叠监督自编码器（SSAE）	文本数据	使用Emotion Detection from Text数据集	NA	堆叠监督自编码器（SSAE）	准确率	NA
653	2026-08-30	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2026-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次利用视觉语言模型（VLM）对新生儿进行自动疼痛评估，通过设计新颖的提示词类别，利用模型的潜在临床知识或引导其评估临床相关的面部特征，实现了比传统深度学习方法更优的性能	首次将视觉语言模型（VLM）应用于新生儿自动疼痛评估（APA），无需微调即可通过精心设计的提示词利用模型潜在临床知识或引导评估特定面部特征，达到了100%的精确度，超越了以往深度学习方法	当评估临床相关面部特征时，召回率较低（40.1%），可能限制其在需要高召回率场景下的应用	探索利用视觉语言模型（VLM）进行更客观的新生儿自动疼痛评估，以替代传统主观评估方法	新生儿疼痛评估，具体为新生儿面部图像	计算机视觉, 机器学习	新生儿疼痛	视觉语言模型	视觉语言模型	图像	未提供具体样本量	NA	NA	精确度, 召回率	NA
654	2026-08-30	AI for the assessment and discovery of morphological-molecular biomarker relationships in hematologic malignancies 2026-Jul, Blood reviews IF:6.9Q1 DOI:10.1016/j.blre.2026.101398 PMID:42215353	综述	本文综述了人工智能在血液恶性肿瘤形态学评估中的应用，涵盖自动细胞分类、疾病特征检测以及从血和骨髓涂片图像预测遗传改变等方面的最新进展	总结AI驱动的形态学分析在髓系和淋巴系肿瘤中的进展，并探讨图像衍生特征（如核纹理、细胞质颗粒度和空间细胞组织）与分子和预后变量的关联	面临数据异质性、需要前瞻性验证以及跨学科合作的挑战	探讨AI在血液恶性肿瘤形态学评估中的应用，以推进精准血液学和个性化患者管理	血液和骨髓涂片图像，以及相关髓系和淋巴系肿瘤	数字病理学	血液恶性肿瘤	NA	深度学习模型	图像	NA	NA	多实例学习	NA	NA
655	2026-08-30	The "fat heat-up" phenotype: adipose tissue hypermetabolism on 18 F-FDG PET/CT predicts frailty in older patients with solid tumours 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07843-0 PMID:41863605	研究论文	本研究探讨了老年实体瘤患者中脂肪组织糖代谢活性（通过18F-FDG PET/CT测量）与衰弱状态之间的关联	首次提出“脂肪发热”表型，即脂肪组织高代谢与衰弱独立相关，且不依赖于脂肪量，为常规肿瘤PET/CT提供机会性衰弱筛查信号	样本量较小（104例），单中心研究，需要外部验证；SUV值绝对值较低，可能存在测量误差	评估脂肪组织糖酵解活性是否作为老年实体瘤患者衰弱的独立影像生物标志物	104名年龄≥50岁的实体恶性肿瘤患者	医学影像	实体瘤	18F-FDG PET/CT成像	深度学习分割模型	PET/CT影像数据	104例患者	NA	TotalSegmentator	比值比（OR），95%置信区间，p值	NA
656	2026-08-30	A deep learning PET/CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter study 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07838-x PMID:41870550	研究论文	本研究开发并验证了一种基于基线[¹⁸F]FDG PET/CT的深度学习预测性影像生物标志物，用于预测滤泡性淋巴瘤患者24个月内疾病进展及生存风险分层	首次使用表格深度学习方法（GAMformer）结合PET/CT影像组学特征进行滤泡性淋巴瘤的POD24预测和生存风险分层	研究所用信息有限，未提及具体局限性	开发和验证一种基于基线[¹⁸F]FDG PET/CT的预后影像生物标志物，用于预测滤泡性淋巴瘤患者的POD24及进行生存风险分层	309名新诊断的滤泡性淋巴瘤（1-3a级）患者，来自五个独立医疗中心	医学影像分析	滤泡性淋巴瘤	PET/CT成像	表格深度学习模型（GAMformer）以及五种传统机器学习算法	医学影像（PET/CT）和临床数据	309名患者	未明确提及	GAMformer	AUC、校准曲线、决策曲线分析	未明确提及
657	2026-08-30	An interpretable PET/CT-based radiomic-clinical model for predicting bone marrow involvement in follicular lymphoma: comparison of pelvic and spine-pelvis VOI frameworks 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07918-y PMID:42142271	研究论文	本研究探讨了基于基线18F-FDG PET/CT结合多维特征融合来无创识别滤泡性淋巴瘤骨髓受累的可行性，并比较了不同骨髓感兴趣区框架对模型性能的影响	首次比较了盆腔与脊柱-盆腔两种骨髓感兴趣区框架对预测滤泡性淋巴瘤骨髓受累模型性能的影响，并采用分层特征筛选策略及SHAP分析增强模型可解释性	未在摘要中明确提及局限性	开发并验证一种可解释的PET/CT影像组学-临床模型，用于无创预测滤泡性淋巴瘤的骨髓受累，并评估不同骨髓感兴趣区框架的效果	187例新诊断的滤泡性淋巴瘤患者，其中93例存在骨髓受累	医学影像分析	滤泡性淋巴瘤	18F-FDG PET/CT成像	机器学习模型	影像数据、临床数据	187例患者	未明确提及	逻辑回归、支持向量机、梯度提升机、神经网络、随机森林、K近邻、自适应增强	AUC、准确率、精确率、灵敏度、特异度、F1分数	未明确提及
658	2026-08-30	Robust CRISPR-Cas Protein Identification Using Max-Margin Regularized Transformer Models 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3693528 PMID:42133523	研究论文	本研究利用深度学习技术构建了能区分CRISPR-Cas与非Cas蛋白，以及识别Cas9和Cas12亚家族的分类模型，并引入了一种基于边距的损失函数以提升模型鲁棒性	提出一种新颖的基于边距的损失函数，用于最大化蛋白序列嵌入潜在空间中的类间分离性和类内紧凑性，从而增强模型鲁棒性和泛化能力	未在摘要中提及具体限制	利用深度学习技术，构建区分Cas与非Cas蛋白，以及识别Cas9和Cas12亚家族的分类模型，以促进新型Cas蛋白的设计和发现	CRISPR-Cas蛋白序列	机器学习	NA	蛋白语言模型	Transformer编码器、ProtBert	蛋白序列	超过200百万蛋白用于预训练，但具体数据集大小未在摘要中说明	NA	Transformer, ProtBert	准确率	NA
659	2026-08-30	Research progress and challenges of multimodal deep learning models for prognosis of gastric cancer 2026-Jun-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05431-0 PMID:42313224	综述	本文综述了多模态深度学习模型在胃癌预后预测中的研究进展，并探讨了可解释性深度学习模型的创新应用及其面临的挑战。	深入探讨了可解释性深度学习模型在胃癌预后预测中的创新应用，强调了多模态数据融合技术如何提高预后准确性。	挑战包括多模态数据整合的复杂性、可解释性模型的不足以及数据质量和标准化的难题。	研究多模态数据整合技术在胃癌预后预测中的应用，并讨论可解释性深度学习模型的挑战。	胃癌患者的多模态数据，包括年龄、生存状态、放射学影像、组织病理学特征和基因组信息。	机器学习	胃癌	多模态数据融合技术	深度学习模型	多模态数据（图像、文本、基因组数据）	NA	NA	NA	NA	NA
660	2026-08-30	Evolution of artificial intelligence in breast cancer pathology: a bibliometric analysis 2026-Jun-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05388-0 PMID:42313316	研究论文	本文通过文献计量学分析，对2011至2025年间人工智能在乳腺癌病理学领域的研究进行系统综述，识别研究趋势和新兴方向	首次使用BERTopic模型从摘要中提取语义主题，并结合VOSviewer和CiteSpace进行全面的文献计量分析，揭示了从单模态图像分析向多模态“病理组学”及跨学科领域的转变	仅依赖Web of Science单一数据库，可能遗漏其他重要文献；分析截至2025年，未来研究趋势需进一步更新	绘制人工智能在乳腺癌病理学领域的研究布局，识别关键趋势和新兴方向，为研究人员和临床医生提供基础资源	2011至2025年间发表的1089篇相关文献	文献计量学	乳腺癌	文献计量分析	BERTopic	文献数据（文本）	1089篇文献	VOSviewer, CiteSpace, BERTopic	BERTopic	NA	NA