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
741	2026-06-07	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-06, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	研究论文	提出了一种利用逆向合成碎片算法进行片段级别特征融合的方法，用于分子性质预测	首次将逆向合成碎片算法应用于分子多视角表示融合，通过对比两种逆向合成方法生成的分子片段及融合不同层级分子化学信息，提升了分子性质预测性能	NA	开发一种新的分子表征融合方法以提高分子性质预测的准确性	分子的毒性、血脑屏障通透性等化学性质	机器学习	NA	Retrosynthetic Fragmentation Algorithm	图对比学习 (GCL)	分子图数据	NA	NA	RFA-FFM	ROC-AUC	NA
742	2026-06-07	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-06, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	research paper	提出基于二叉树结构的深度学习模型DeepTree-AAPred用于抗血管生成肽预测	采用二叉树结构结合ProtBERT和ESM-2蛋白语言预训练模型提取一维和二维特征，并融合BiLSTM与TextCNN捕捉局部特征和上下文依赖关系	未明确说明	开发高性能抗血管生成肽预测方法，降低湿实验成本并提升肿瘤治疗效果	抗血管生成肽序列	machine learning	肿瘤	深度学习	BiLSTM、TextCNN	肽序列	标准数据集（具体数量未提及）	PyTorch	二叉树、ProtBERT、ESM-2、BiLSTM、TextCNN	准确率、精确率、召回率、F1分数	未明确说明
743	2026-06-07	ERAS and the challenge of the new technologies 2025-05, Minerva anestesiologica IF:2.9Q2 DOI:10.23736/S0375-9393.25.18746-4 PMID:40214219	综述	探讨人工智能与新技术整合到加速康复外科方案中的机遇与挑战	提出将人工智能、新技术与加速康复外科方案深度结合以克服传统实施障碍，并实现个性化围手术期管理	需要外部验证和数据安全方面的进一步研究	分析人工智能和新技术在优化加速康复外科实施中的潜在作用	加速康复外科方案、人工智能技术、围手术期管理	机器学习	围手术期医学	机器学习、深度学习	未指定具体模型	未指定具体数据类型	未提及	未指定	未指定	未提及	未提及
744	2026-06-07	Comprehensive analysis of human dendritic spine morphology and density 2025-04-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	利用人类脑组织样本，结合三维重建和深度学习模型，全面分析树突棘的形态与密度	首次对来自患者手术样本的人脑树突棘进行大规模三维形态分析，集成深度学习自动分割与重建，显著提升处理效率	未明确提及深度学习模型的泛化性验证及临床疾病直接关联的局限性	研究人类树突棘形态与密度在性别、树突类型和组织条件上的差异，并探讨其与神经疾病的关系	27名接受肿瘤或癫痫手术患者（含8名女性、19名男性，年龄18-71岁）的脑组织样本中的树突棘	数字病理学	神经疾病	三维重建、急性切片培养、器官型脑片培养	深度学习模型	图像	27名患者的脑组织样本，包含近4000个树突棘	ZEISS arivis Pro	未指定具体架构	F1-score	未指定
745	2026-06-07	Distinguishing the activity of flexor digitorum brevis and soleus across standing postures with deep learning models 2025-03, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2024.12.014 PMID:39674063	研究论文	利用深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动	首次使用深度学习模型基于高密度表面肌电信号区分趾短屈肌和比目鱼肌在四种站立姿势下的活动，发现趾短屈肌在姿势调整中表现出更明显的时空调制特征	未提及模型泛化性验证、样本量较小、仅针对健康年轻男性	通过深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动差异	趾短屈肌和比目鱼肌的肌电活动	机器学习	NA	高密度表面肌电信号	深度卷积神经网络	肌电信号	健康年轻男性受试者，具体数量未提及	NA	深度卷积神经网络	分类准确率	NA
746	2026-06-07	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	研究论文	探索使用卷积神经网络自动分割死后MRI扫描中的海马结构	提出了一种融合自注意力机制和空洞空间金字塔池化的编码器-解码器分割框架，用于识别海马的四个亚区域	训练数据仅来自15例死后的MRI扫描，样本量较小，可能影响模型的泛化能力	开发全自动方法对死后MRI中的海马亚区域进行准确分割，以量化阿尔茨海默病引起的结构变化	死后大脑的T1加权、T2加权和磁敏加权MRI扫描中的海马结构，包括齿状回、海马头、海马体和海马尾	计算机视觉	阿尔茨海默病	死后MRI扫描	卷积神经网络	影像	15例死后MRI扫描（含T1加权、T2加权和磁敏加权影像）	NA	UNet, Double UNet, Attention UNet, Multi-resolution UNet	定性比较和定量比较	NA
747	2026-06-07	Deep learning for age estimation from panoramic radiographs: A systematic review and meta-analysis 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105560 PMID:39826609	系统性综述与荟萃分析	评估深度学习在基于全景X线片的年龄估计中的性能	首次通过系统综述和荟萃分析全面评估深度学习在全景X线片年龄估计中的表现，并量化其平均绝对误差	多数研究偏倚风险不明确或较高，研究间性能差异大，限制了临床推广	评估深度学习在全景X线片年龄估计中的准确性	基于深度学习进行年龄估计的研究及其性能指标	机器学习, 数字病理学	NA	深度学习	深度学习模型 (如CNN等未具体说明)	影像 (全景X线片)	纳入42项研究，其中9项用于荟萃分析	NA	NA	准确率, 平均绝对误差	NA
748	2026-06-07	PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110363 PMID:39832626	研究论文	提出一种可解释的多模态深度学习框架PIDGN，用于帕金森病早期预测	融合SNP和sMRI数据设计可解释的深度学习模型，结合集成树降维、Transformer编码器与3D ResNet，并利用门控注意力融合技术探索模态间交互，同时采用SHAP值和Grad-CAM解释模型预测的关键因素	未提及具体局限性	实现帕金森病的早期诊断，辅助医生及时治疗	帕金森病（PD）患者数据	机器学习	神经退行性疾病	SNP分型、sMRI成像	深度学习分类模型	基因数据（SNP）和影像数据（sMRI）	未提及具体样本数量	PyTorch	Transformer编码器、3D ResNet、门控注意力融合	准确率（Accuracy）、AUC（AUROC）	NA
749	2026-06-07	Research of orthodontic soft tissue profile prediction based on conditional generative adversarial networks 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105570 PMID:39864612	研究论文	构建一种新的条件生成对抗网络模型来预测正畸治疗后侧貌变化	提出Soft-P-CGAN模型，融合条件向量输入模块、基于U-Net的生成器模块和基于PatchGAN的判别器模块，并设计Soft loss以增强软组织轮廓生成以及多尺度特征金字塔优化图像质量	下颌区域预测相对不准确	预测正畸治疗后侧貌变化，辅助临床医生设定正畸治疗目标	正畸成人患者的侧位头影X线片	计算机视觉	正畸相关口腔疾病	侧位头影X线成像	条件生成对抗网络	图像	成人患者的正畸前（T1）和正畸后（T2）侧位头影X线片，扩充后按8:1:1随机划分为训练、验证和测试集	NA	U-Net, PatchGAN, Pix2Pix, Cycle-GAN, CGAN	平均径向误差（MRE）、2.0/2.5/3.0/4.0 mm范围内的成功检测率（SDR）	NA
750	2026-06-07	Automated diagnosis and classification of temporomandibular joint degenerative disease via artificial intelligence using CBCT imaging 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105592 PMID:39870190	研究论文	使用人工智能技术实现颞下颌关节退行性关节病的CBCT图像自动诊断与分类	首次利用YOLOv10算法在CBCT图像上自动识别颞下颌关节退行性关节病的多种影像学征象，包括侵蚀、骨赘、硬化和软骨下囊肿	模型对于同时包含多个退行性关节病征象的图像分类准确率较低，且研究仅基于单一中心的CBCT图像数据	开发并验证基于深度学习的颞下颌关节退行性关节病自动诊断与分类方法	颞下颌关节退行性关节病的CBCT影像学征象分类	计算机视觉	颞下颌关节退行性关节病	CBCT成像	YOLOv10算法	图像	1018名患者的7357张标注CBCT图像（3010张正常髁突图像和4347张退行性关节病髁突图像）	NA	YOLOv10	准确率、精确率、灵敏度、特异性、F1分数、平均精度均值	NA
751	2026-06-07	LGS-PPIS: A Local-Global Structural Information Aggregation Framework for Predicting Protein-Protein Interaction Sites 2025-03, Proteins IF:3.2Q2 DOI:10.1002/prot.26763 PMID:39520116	研究论文	提出了一种局部-全局结构信息聚合框架LGS-PPIS，用于预测蛋白质-蛋白质相互作用位点	该框架包含边缘感知图卷积网络（EA-GCN）和集成初始残差与恒等映射的自注意力机制（SA-RIM），分别捕获局部和全局特征，并证明局部特征对PPIS预测作用更显著	现有方法仅考虑节点特征而忽略边特征，且无法捕捉远程残基的全局特征	预测蛋白质-蛋白质相互作用位点，克服湿实验高成本并解决现有深度学习方法特征提取不足的问题	蛋白质-蛋白质相互作用位点（PPIS）	机器学习	NA	NA	图卷积网络（GCN），自注意力机制	蛋白质序列与结构数据	三个广泛使用的PPIS预测基准数据集	NA	边缘感知图卷积网络（EA-GCN），集成初始残差与恒等映射的自注意力机制（SA-RIM）	评估指标未明确列出，但提及优于最先进方法	NA
752	2026-06-07	DeepPhoPred: Accurate Deep Learning Model to Predict Microbial Phosphorylation 2025-02, Proteins IF:3.2Q2 DOI:10.1002/prot.26734 PMID:39239684	研究论文	提出名为DeepPhoPred的深度学习工具，用于预测微生物磷酸化位点	采用双头卷积神经网络架构结合压缩与激励模块，从肽段的结构和进化信息中联合学习特征，显著优于现有预测方法	NA	开发低成本、高速度的计算方法，准确预测微生物磷酸化位点以辅助理解发病机制、宿主病原体相互作用及药物设计	微生物中的磷酸化丝氨酸、磷酸化苏氨酸和磷酸化酪氨酸位点	机器学习	NA	NA	卷积神经网络	肽段序列及其结构信息、进化信息	NA	NA	双头卷积神经网络、压缩与激励模块、全连接层	NA	NA
753	2026-06-07	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	对基于脑电图信号、利用深度学习进行情绪识别的方法、模型和数据集进行系统性综述	通过PRISMA指南进行系统筛选，涵盖2020-2025年文献，评估公开数据集的刺激过程和情感表征，旨在提升可解释性、泛化性和数据效率	未提及具体局限，但可能包括数据标注主观性、跨个体差异及EEG信号噪声等固有挑战	为基于EEG的情绪识别系统提供发展路线图，指导开发更可靠、可扩展和实用的方法	基于EEG信号的情绪识别方法及其使用的深度学习架构和数据集	机器学习	NA	EEG	深度学习（DL）	脑电图信号	最终纳入233篇文章	NA	NA	分类准确率、模型效率	NA
754	2026-06-07	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出一种基于遗传算法优化双向长短期记忆网络与自回归积分滑动平均模型的混合模型，用于传染病预测	通过遗传算法对BiLSTM和ARIMA模型进行混合优化，构建GA-BiLSTM-ARIMA混合模型，在传染病时序预测中表现出更高的预测精度和稳定性	未明确讨论模型在不同传染病或不同地域数据上的泛化能力，以及计算资源的需求	提高传染病时间序列预测的准确性和鲁棒性，为疫情防控提供支持	COVID-19疫情数据和传染病时间序列预测任务	机器学习	COVID-19	NA	BiLSTM, ARIMA	时间序列数据	日本COVID-19病例数据	NA	GA-BiLSTM-ARIMA	RMSE, MAE, MPE, R²	NA
755	2026-06-07	Study on differentiating benign and malignant thyroid nodules based on CT multi-phase artificial intelligence models 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1738342 PMID:41625234	研究论文	基于CT多期相人工智能模型区分甲状腺结节良恶性的研究	首次系统比较了放射组学特征、原始3D DICOM数据和临床因素在CT多期相成像中区分甲状腺结节良恶性的效果，并构建了整合多模态数据的列线图模型	研究为回顾性设计，样本量有限，且未在外部数据集中验证模型的泛化能力	开发并验证基于CT多期相成像的人工智能模型，用于无创区分甲状腺结节的良恶性	604例甲状腺结节患者的CT多期相数据（平扫、动脉期、静脉期）及临床因素（性别、年龄、甲状腺球蛋白、促甲状腺激素水平）	计算机视觉, 机器学习	甲状腺结节	CT多期相成像	CNN, 机器学习模型	3D DICOM图像, 临床数据	604例甲状腺结节患者	PyTorch, Scikit-learn	ResNet, 列线图	AUC	NA
756	2026-06-07	Bidirectional Encoder Representations from Transformers in Radiology: A Systematic Review of Natural Language Processing Applications 2024-06, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.01.012 PMID:38302036	综述	系统评估BERT在放射学领域自然语言处理应用的影响和现状	首次系统综述BERT在放射学中的应用，涵盖分类、信息提取、协议分配和报告生成等新兴方向	仅检索PubMed数据库，可能遗漏部分文献；纳入研究均为回顾性设计	评估BERT在放射学领域的影响和应用	BERT在放射学中的应用研究	自然语言处理	NA	BERT	BERT	文本	30篇文献	NA	BERT	NA	NA
757	2026-06-07	Unsupervised deep learning model for correcting Nyquist ghosts of single-shot spatiotemporal encoding 2024-04, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29925 PMID:38073072	研究论文	提出一种用于校正单次激发时空编码中的奈奎斯特鬼影的无监督深度学习模型	结合残差编码器和受限子空间映射的无监督网络RERSM-net，利用自旋物理前向模型和循环一致性损失训练	NA	校正单次激发时空编码MRI中的奈奎斯特鬼影	单次激发时空编码MRI图像	机器学习	NA	MRI	无监督深度学习模型	MRI图像	NA	NA	残差编码器与受限子空间映射网络	NA	NA
758	2026-06-07	K-t PCA accelerated in-plane balanced steady-state free precession phase-contrast (PC-SSFP) for all-in-one diastolic function evaluation 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29897 PMID:37927206	研究论文	提出一种基于k-t PCA加速的平面内平衡稳态自由进动相位对比（PC-SSFP）MRI方法，用于一站式评估舒张功能	首次实现单次扫描同时测量舒张功能参数E、A和e'，结合平衡稳态自由进动对比和k-t主成分分析加速技术	仅在10名健康受试者中验证，缺乏在患者群体中的评估；未提及对心律失常等临床常见挑战的处理	开发一种基于MRI的一站式舒张功能评估方法	舒张功能相关的血液流速和组织运动参数	计算机视觉	心血管疾病	MRI相位对比成像	深度学习框架	图像	10名健康受试者	NA	NA	相关系数r	NA
759	2026-06-07	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	提出一种基于深度学习的半固态磁化转移参考框架（DeepEMR），用于快速、可靠地估算磁化转移对比和化学交换饱和转移信号，并评估其可重复性和可靠性	开发了物理驱动的深度学习外推半固态磁化转移参考框架，通过少量高频偏移Z谱特征快速预测水直接饱和与磁化转移主导信号，相比传统拟合方法实现约190倍的计算效率提升	未提及明显局限性，可能需进一步验证在不同场强和病理类型中的泛化能力	提供快速、可靠的磁化转移对比和化学交换饱和转移信号估算方法，评估其扫描-重扫可重复性和可靠性	数值体模、健康志愿者（3T）和脑肿瘤患者	数字病理	脑肿瘤	磁共振成像（MRI）	神经网络	磁共振Z谱数据	健康志愿者和脑肿瘤患者（具体数量未说明）	NA	神经网络（具体架构未指定）	组内相关系数（ICC）、受试者间变异系数、受试者内变异系数、计算效率	NA
760	2026-06-07	Deep learning-assisted preclinical MR fingerprinting for sub-millimeter T1 and T2 mapping of entire macaque brain 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29905 PMID:37929695	研究论文	开发一种深度学习辅助的快速磁共振指纹成像框架，用于在临床前9.4T磁共振系统上对完整猕猴大脑进行亚毫米T1和T2映射	利用自注意力辅助残差U-Net抑制混叠引起的量化误差，并通过模拟图像进行网络训练，避免获取完全采样数据的困难	未明确指出	实现临床前高分辨率定量MRI的器官级快速成像	离体和在体猕猴大脑	机器学习	无特定疾病	磁共振指纹成像(MRF)	残差U-Net与自注意力机制	磁共振图像	未明确说明样本数量	PyTorch	Residual U-Net, Self-attention assisted Residual U-Net	无明确提及	9.4T临床前磁共振系统