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
7521	2026-03-10	Polypharmacology Browser PPB3: A Web-Based Deep Learning Tool for Target Prediction Using ChEMBL Data 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00299 PMID:41721463	研究论文	本文介绍了一个基于深度学习的网络工具PPB3，用于预测药物分子的多药理学靶点	使用了比先前模型更大的数据集，包含多种靶点类型，并基于ChEMBL 34数据训练深度神经网络	NA	开发一个基于网络的工具，用于预测药物分子的多药理学靶点	药物分子及其与生物靶点的相互作用	机器学习	NA	深度神经网络	深度神经网络	二进制子结构指纹	1,187,089个分子与7,546个靶点之间的2,496,555次相互作用	NA	NA	召回率, 精确度	NA
7522	2026-03-10	PeptideNet: An Integrative Deep Learning Framework for Predicting Diverse Bioactive Peptides Using Protein Language Model Embeddings 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02885 PMID:41731742	研究论文	本研究提出了一种名为PeptideNet的集成深度学习框架，用于预测多种生物活性肽	整合了大型蛋白质语言模型嵌入（如ESM1、ESM2和ProtBert）与物理化学描述符，并开发了结合CNN和BiGRU的混合深度学习模型，以捕获局部序列基序和长程依赖关系	NA	加速肽类治疗药物的发现和设计	生物活性肽，包括抗病毒、抗菌、抗氧化、抗细胞穿透和抗溶血肽	自然语言处理	NA	蛋白质语言模型嵌入（ESM1、ESM2、ProtBert）、物理化学描述符	CNN, BiGRU	序列数据	NA	NA	PeptideNet（集成CNN和BiGRU的混合架构）	准确度	NA
7523	2026-03-10	Machine Learning-Assisted Local-to-Global Optimization Strategy for Accelerated Molecular Cluster Structure Prediction 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02782 PMID:41733999	研究论文	本文提出了一种机器学习辅助的局部到全局优化策略（LOGOS），用于加速分子簇结构的预测	利用深度学习识别局部模式，在分子静电势地形特征空间中预测新的结合位点，实现分层优化	仅针对原型（CO）且规模小于30的簇进行了基准测试，未涉及更大或更复杂的分子系统	加速分子簇在势能面上的稳定结构预测	分子簇结构，特别是原型（CO）的基态簇	机器学习	NA	分子静电势（MESP）地形分析	深度学习	分子结构数据	原型（CO）簇，规模小于30	NA	NA	与文献报道的最小能量结构进行对比验证	NA
7524	2026-03-10	Upconversion optical entropy encoding for infrared complex-amplitude imaging 2026-Mar-09, Light, science & applications DOI:10.1038/s41377-026-02215-7 PMID:41796141	研究论文	本文提出了一种基于上转换光学熵编码的红外复振幅成像系统，实现了视频速率的高保真成像	结合相干与非相干方法的优势，利用无序光子结构中的光散射与镧系元素上转换光致发光的协同作用，通过深度学习网络实现单次可见光快照捕获并重构红外光场信息	NA	开发一种实时、高灵敏度的红外复振幅成像系统，以捕获红外场景的完整相位和振幅信息	红外光场信息，包括自然场景图像和自动驾驶中的限速标志图像	计算机视觉	NA	上转换光学熵编码，深度学习网络	深度学习网络	图像	NA	NA	NA	视频速率（25 fps），高保真8位灰度调制，功率检测限（0.2 nW μm）	NA
7525	2026-03-10	ESR Innovation in Focus: Deep learning in MR image reconstruction 2026-Mar-09, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12427-5 PMID:41796228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7526	2026-03-10	Clinical evaluation of a motion correction software based on partial angle reconstruction in coronary CT angiography 2026-Mar-09, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03678-w PMID:41796268	研究论文	本研究评估了一种基于部分角度重建的深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影的效果	提出了一种基于部分角度重建的深度学习运动校正软件，专门针对心率增快的冠状动脉CT血管造影患者进行运动伪影校正	本研究为单中心回顾性研究，样本量较小（62例患者），且仅针对心率>70 bpm的患者，可能无法推广到所有人群	评估深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影、提高图像质量的临床效果	心率>70 bpm的冠状动脉CT血管造影患者	医学影像分析	心血管疾病	冠状动脉CT血管造影	深度学习	医学影像	62例患者（35例女性），平均心率81.9±13.1 bpm	NA	NA	5点Likert量表评分，卡方检验，Gwet一致性系数	NA
7527	2026-03-10	Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories 2026-Mar-09, Annals of laboratory medicine IF:4.0Q1 DOI:10.3343/alm.2025.0509 PMID:41797408	研究论文	本文开发并评估了一种基于人工智能的两步模型，用于临床实验室中血清质量的自动化评估	提出了一种新颖的自研人工智能方法，采用两步深度学习YOLOv5-ResNet-50架构模型，并在真实实验室条件下探索其性能	NA	增强临床实验室的分析前质量控制，为受溶血、黄疸或脂血影响的样本提供风险警报，确保患者检测结果的准确性	血清样本	计算机视觉	NA	血清指数测试与手动评估结合	深度学习	图像	主要数据集包含21,000个血清样本（训练集80%，验证集20%），独立测试数据集包含21,000个样本	NA	YOLOv5, ResNet-50	准确率	集成到罗氏Cobas c 701模块中进行预处理
7528	2026-03-10	Benchmarking a deep learning model against healthcare practitioners for hip fracture detection in the emergency department 2026-Mar-09, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2025-138 PMID:41801181	研究论文	本研究旨在验证一个用于急诊科骨盆X光片中髋部骨折自动检测的深度学习模型，并将其性能与急诊科初级医生和放射技师进行基准比较	首次将深度学习模型在髋部骨折检测中的性能与急诊科医疗从业者（包括放射技师和初级医生）进行直接对比，并评估了模型输出对医生诊断决策的辅助效果	深度学习模型在原始高分辨率图像上的性能低于放射技师，且未整合多模态临床数据，限制了其临床应用的直接部署	验证深度学习模型在急诊科髋部骨折自动检测中的有效性，并评估其相对于医疗从业者的诊断性能	骨盆X光片中的髋部骨折	计算机视觉	髋部骨折	X光成像	CNN	图像	600张正面骨盆X光片	NA	DenseNet-121	AUROC, AUPRC, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
7529	2026-03-10	Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain 2026-Mar-08, Human gene therapy IF:3.9Q2 DOI:10.1177/10430342261427733 PMID:41797378	研究论文	本研究比较了AAV-TT和AAV9在非人灵长类动物大脑中的生物分布和神经元转导效率	首次在成年非人灵长类动物大脑中直接比较AAV-TT和AAV9的分布和转导效率，展示了AAV-TT在神经退行性疾病建模和治疗中的潜力	研究仅涉及四只非人灵长类动物，样本量较小，且仅观察了注射后四周的短期效果	评估AAV-TT在非人灵长类动物大脑中的临床潜力，并与AAV9进行比较	非人灵长类动物（具体为年轻成年个体）的大脑	数字病理学	神经退行性疾病	腺相关病毒（AAV）载体递送、绿色荧光蛋白（GFP）表达、深度学习图像分析	深度学习	图像	四只非人灵长类动物（两只接受AAV-TT-GFP，两只接受AAV9-GFP）	Aiforia	NA	GFP+神经元数量量化	NA
7530	2026-03-10	Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework 2026-Mar-08, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70137 PMID:41797365	研究论文	本文提出了一种新颖的深度学习框架，用于实现多模态细胞显微图像的准确高效分割，无需手动参数调整或算法切换	通过加权双向特征金字塔网络（BiFPN）、频率感知特征融合（FreqFusion）和混合局部通道注意力（MLCA）机制，解决了多模态细胞显微图像分割中的漏检、图像退化和特征利用不足等问题	NA	提高多模态细胞显微图像的分割精度，以支持高内涵成像与分析（HCIA）技术的精确结果	多模态细胞显微图像	计算机视觉	NA	显微成像	深度学习框架	图像	NA	NA	加权双向特征金字塔网络（BiFPN），频率感知特征融合（FreqFusion），混合局部通道注意力（MLCA）	平均精度，细胞检测率，分割速度（FPS）	NA
7531	2026-03-10	Calibration-sample free distortion correction of electron diffraction patterns using deep learning 2026-Mar-07, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2026.114347 PMID:41797115	研究论文	本研究开发了一个名为EMicroML的Python库，利用深度学习框架校正电子衍射图案中的光学畸变，无需单独的校准样品	提出了一种无需校准样品或先验倒易晶格知识的深度学习畸变校正方法，克服了传统技术需要样品交换或已知晶格信息的限制	对于具有非常小衍射盘的图案，其性能仍略逊于传统的径向梯度最大化（RGM）技术	开发一种无需校准样品的电子衍射图案畸变校正方法，提高电子衍射分析的便利性和准确性	会聚束电子衍射（CBED）图案和选区电子衍射（SAED）图案	机器学习	NA	会聚束电子衍射（CBED）、选区电子衍射（SAED）、多层切片模拟	深度学习模型	图像（电子衍射图案）	使用多层切片模拟生成的人工畸变MoS/非晶C的CBED图案数据集	Python, 深度学习框架	NA	与径向梯度最大化（RGM）技术进行基准比较	NA
7532	2026-03-10	Integrated photonic 3D tensor processing engine 2026-Mar-06, Light, science & applications DOI:10.1038/s41377-026-02183-y PMID:41792110	研究论文	本文提出了一种基于时间、波长和空间交织调制的集成光子三维张量处理引擎，用于加速三维卷积神经网络计算	首次提出完全在光域内实现数据缓存、通道同步和计算的集成光子三维张量处理引擎，无需在电域进行张量重塑，减少了内存和时间开销	验证实验的时钟频率范围有限（10-30 GHz），概念验证任务相对单一	开发用于加速三维卷积神经网络的光子硬件加速器	三维张量处理引擎的光子实现	机器学习	NA	光学计算，交织调制（时间、波长、空间）	CNN	三维点云图像	NA	NA	三维卷积神经网络	识别准确率	光学可调延迟线芯片（支持高达200 GHz时钟频率），基于双耦合微环谐振器的交叉开关芯片（3-dB通带宽度50 GHz）
7533	2026-03-10	In silico design of stable single-domain antibodies with high affinity 2026-Mar-05, Structure (London, England : 1993) DOI:10.1016/j.str.2025.12.010 PMID:41519125	研究论文	本文介绍了一种基于结构的抗体设计流程EvolveX，用于设计具有高亲和力和稳定性的单域抗体	利用经验力场FoldX设计单域抗体的互补决定区，显著提高了抗体亲和力	NA	开发一种计算工具以克服抗体设计中的高亲和力和稳定性挑战	单域抗体（VHHs），特别是针对小鼠和人Vsig4的抗体	机器学习	NA	X射线晶体学，下一代测序（NGS）	NA	结构数据，序列数据	NA	NA	NA	结合亲和力提升倍数	NA
7534	2026-03-10	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种用于脑龄估计的多任务对抗变分自编码器（M-AVAE）框架，通过融合多模态神经影像数据来提升预测精度	提出M-AVAE框架，将潜在变量分离为通用编码和独特编码以区分共享特征和模态特定特征，并引入性别分类作为辅助任务的多任务学习来考虑性别特异性衰老差异	未明确说明模型对功能磁共振成像（fMRI）数据中噪声和复杂结构的处理极限，以及模型在更广泛数据集或临床环境中的泛化能力	开发一种深度学习框架，通过整合多模态MRI数据来改进脑龄估计，以支持元宇宙医疗应用	用于脑龄估计的多模态磁共振成像（MRI）数据，包括结构MRI（sMRI）和功能MRI（fMRI）	医学影像分析	阿尔茨海默病	磁共振成像（MRI），包括结构MRI（sMRI）和功能MRI（fMRI）	变分自编码器（VAE），对抗训练，多任务学习	多模态神经影像数据（图像）	基于OpenBHB数据集（一个多中心脑部MRI聚合数据集），具体样本数量未明确说明	NA	多任务对抗变分自编码器（M-AVAE）	平均绝对误差（MAE）	NA
7535	2026-03-10	KAFSTExp: Kernel Adaptive Filtering With Nyström Approximation for Predicting Spatial Gene Expression From Histology Images 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3595101 PMID:40758493	研究论文	提出一种名为KAFSTExp的框架，利用病理学基础模型UNI提取组织学图像特征，并引入基于Nyström近似的核自适应滤波方法，从组织学图像预测空间基因表达	首次将核自适应滤波与Nyström近似相结合应用于空间转录组学预测任务，通过核方法将复杂的非线性关系转化为高维特征空间中的线性回归问题，显著提升了预测精度并降低了计算成本	未明确说明模型在极大规模数据集上的可扩展性，以及对于不同组织类型或癌症亚型的泛化能力可能需要进一步验证	开发一种从低成本病理学图像预测空间基因表达的计算方法，以替代昂贵的空间转录组学检测	组织病理学图像与空间基因表达数据	数字病理学	肿瘤	空间转录组学	核自适应滤波, 深度学习	图像, 基因表达数据	多个空间转录组学数据集（具体数量未明确说明）	NA	UNI	皮尔逊相关系数	NA
7536	2026-03-10	3D Foot Kinetics Estimation From Distributed VGRF From Smart Insoles via 1D Domain Transformation 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3605296 PMID:40911460	研究论文	本研究提出了一种基于深度学习的领域转换方法，利用智能鞋垫采集的分布式垂直地面反作用力信号，生成仪器化跑步机级别的三维地面反作用力、力矩和压力中心数据	引入了Ke2KeNet这一新颖的深度学习模型，该模型在性能上超越了当前的一维分割基准方法，并优化了鞋垫压力传感器的布局以高效估计三维动力学参数	研究主要针对健康受试者，且智能鞋垫采集的数据质量通常低于力板和仪器化跑步机	通过智能鞋垫的分布式垂直地面反作用力信号，估计全面的三维足部动力学参数，以分析人类步态	健康受试者的足部动力学数据，包括地面反作用力、地面反作用力矩和压力中心	机器学习	NA	深度学习领域转换	1D-segmentation models, Ke2KeNet	分布式垂直地面反作用力信号	NA	NA	Ke2KeNet	NA	NA
7537	2026-03-10	Enhancing the Interpretation of Skin Lesion Diagnosis: Concept Adaptive Fine-Tuning of Vision-Language Models 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3606881 PMID:40920523	研究论文	提出一种基于预训练视觉语言模型的概念自适应微调方法，用于开发可解释的皮肤病变诊断模型	通过结合医学文本和概念自适应方法，利用少量训练数据快速适应任务，提供自然语言驱动的可解释性	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	增强皮肤病变诊断的可解释性，以促进深度学习模型在临床环境中的应用	皮肤病变图像及其相关医学文本（如报告和概念术语）	计算机视觉	皮肤病变	深度学习，视觉语言模型微调	Vision-Language Model (VLM)	图像，文本	NA	NA	BiomedCLIP	分类性能，概念识别能力	NA
7538	2026-03-10	Beyond Contact: An Open-Set Biometric Identification System Using Radar-Extracted Heart Signals 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3608801 PMID:40932807	研究论文	本文提出了一种基于雷达的非接触式生物特征识别框架，通过提取心信号进行身份识别，旨在实现安全且注重隐私的识别场景	该框架通过从雷达提取的心脏运动数据重建心电图信号，并实现开集人员识别系统，整合了ECGReconNet、增强的InceptionTime模型和基于超球面的划分方法，以区分已知与未知个体	该方法对突发身体运动和环境噪声敏感，在严重心脏异常情况下性能可能下降，且随着未知身份数量增加，有效性会降低	开发一种非接触式生物特征识别系统，以解决传统方法在隐私、防欺骗和近距离要求方面的挑战	人类心脏信号，通过雷达提取的心跳运动数据	机器学习	NA	雷达信号处理，心电图信号重建	深度学习模型	雷达信号，心电图信号	27名受试者（闭集识别），14名已知和13名未知受试者（开集识别）	NA	ECGReconNet, InceptionTime	准确率	NA
7539	2026-03-10	MoChat: Joints-Grouped Spatio-Temporal Grounding Multimodal Large Language Model for Multi-Turn Motion Comprehension and Description 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3631045 PMID:41212709	研究论文	提出一种名为MoChat的多模态大语言模型，用于人体运动的时空定位和多轮对话理解	首次实现人体运动的细粒度时空定位，通过关节分组骨架编码器和跨注意力回归头模块，支持多轮交互式运动理解与描述	未明确说明模型在复杂场景或多人交互运动中的性能表现	提升人体运动理解的时空定位精度和多轮对话能力	人体骨架序列数据	计算机视觉	神经系统疾病	骨架序列分析	多模态大语言模型	骨架序列数据，文本对话数据	NA	NA	Joints-Grouped Skeleton Encoder, 跨注意力回归头模块	多种运动理解任务指标	NA
7540	2026-03-10	Diffusion-MRI-Based Estimation of Cortical Architecture via Machine Learning (DECAM) in Primate Brains 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512752 PMID:41486548	研究论文	本文提出了一种基于扩散MRI和机器学习的非侵入性框架DECAM，用于准确映射灵长类动物大脑的皮质细胞结构	开发了一种数据驱动的深度学习框架，通过新颖的最佳响应约束优化，并利用皮质标签向量解决扩散MRI与组织学数据在复杂形态大脑中的配准问题	当前扩散MRI信号模型受简化假设限制，可能影响皮质结构量化的准确性，且框架在人类大脑中的应用需进一步扩展验证	非侵入性地估计灵长类动物大脑的皮质细胞结构，以支持疾病生物学研究和转化应用	灵长类动物大脑的皮质细胞结构，特别是体细胞密度	机器学习	NA	扩散MRI，组织学分析	深度学习	图像	非人类灵长类动物大脑的高分辨率多壳扩散MRI和组织学数据集	NA	NA	NA	NA