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
761	2026-05-30	DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108201 PMID:39255626	研究论文	提出了一种基于堆叠深度学习协同梯度分解的双通道卷积模型，用于预测miRNA与疾病关联	创新性地结合堆叠深度学习与梯度分解网络，以及双通道卷积神经网络，从相似性网络中挖掘潜在特征	未明确说明，但可能依赖HMDD数据库的完整性和准确性	预测miRNA与疾病的潜在关联，深化对发病机制的理解	miRNA与疾病之间的关联关系	机器学习	多种人类疾病（未特指）	NA	CNN, 多层感知器	网络数据（相似性网络、关联网络）	基于HMDD数据库的两个数据集	NA	双通道卷积神经网络, 多层感知器	准确率、AUC等（未具体列出）	NA
762	2026-05-30	Artificial intelligence for human gunshot wound classification 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100361 PMID:38234590	研究论文	探索使用深度学习模型对数字彩色图像中的枪弹射入口和射出口进行分类的可行性	代表人工智能在法医病理学领域的首批应用之一，证实深度学习模型能够高准确度区分数码图像中的射入口和射出口	NA	评估利用深度学习模型自动分类枪弹射入口和射出口的可行性	枪弹射入口和射出口的数字彩色图像	计算机视觉	NA	NA	ConvNext Tiny 深度学习模型	图像	训练/验证集：2028张射入口图像和1314张射出口图像；测试集：415张射入口图像和293张射出口图像	Fastai	ConvNext Tiny	准确率, 精确率, 召回率, F1分数	NA
763	2026-05-30	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	通过构建多任务深度学习模型MT-TopLap，预测SARS-CoV-2 RBD突变对不同物种ACE2的结合自由能变化，识别增强人畜交叉传播的关键突变	首次通过多任务深度学习模型同时预测SARS-CoV-2 RBD突变对多种动物宿主ACE2的结合影响，揭示人畜交叉传播的潜在突变机制	NA	识别增强SARS-CoV-2人畜交叉传播的RBD突变，评估病毒在动物宿主适应后增强人类传染性的风险	SARS-CoV-2的受体结合域（RBD）突变及其对跨物种传播的影响	机器学习	新型冠状病毒病（COVID-19）	深度突变扫描	多任务深度学习模型	突变扫描数据	包含人类、猫、蝙蝠、鹿和仓鼠多个物种的深度突变扫描数据集	NA	MT-TopLap	NA	NA
764	2026-05-30	Mesoscopic structure graphs for interpreting uncertainty in non-linear embeddings 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109105 PMID:39265479	研究论文	提出一种名为ManiGraph的节点链接可视化技术，用于解释非线性降维中的不确定性	通过构建动态介观结构图并测量区域自适应可信度，重新审视高维和低维空间之间的邻域保真度，同时解决大规模数据集散点图可视化中的过度绘制问题	文中未明确提及局限性	解决概率非线性降维方法中由于全局与局部结构保持的权衡以及计算随机性导致的失真错误和误导可视化问题	非线性降维结果中的不确定性	机器学习, 计算机视觉, 计算生物学	结直肠癌	单细胞RNA测序	概率非线性降维模型（t-SNE, UMAP）	图像, 文本	使用Fashion-MNIST、单细胞RNA测序数据集和Histopathology-MNIST进行案例分析	NA	ManiGraph	区域自适应可信度	NA
765	2026-05-30	Improving deep learning-based automatic cranial defect reconstruction by heavy data augmentation: From image registration to latent diffusion models 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109129 PMID:39265478	研究论文	使用数据增强技术改进基于深度学习的颅骨缺损自动重建方法	首次系统比较多种数据增强技术，包括经典几何变换、图像配准、变分自编码器、生成对抗网络和潜在扩散模型，并证明潜在扩散模型结合向量量化变分自编码器在生成增强策略中表现最优	未提及具体限制	提高深度学习颅骨缺损自动重建方法的泛化能力，使其适用于真实临床场景	颅骨缺损患者	数字病理学，计算机视觉	颅骨损伤	CT成像	深度学习模型	图像	SkullBreak和SkullFix数据集	PyTorch	变分自编码器，生成对抗网络，潜在扩散模型，向量量化变分自编码器	Dice系数	NA
766	2026-05-30	SpeechBrain-MOABB: An open-source Python library for benchmarking deep neural networks applied to EEG signals 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109097 PMID:39265481	研究论文	介绍 SpeechBrain-MOABB，一个用于深度神经网络在脑电图信号上基准测试的开源 Python 库	该工具包引入了完整的实验协议，标准化了超参数搜索和模型评估等关键阶段，原生支持多步超参数搜索和多种子训练评估，以增强结果稳健性	未明确提及局限性，但可能包括对特定数据集或网络架构的通用性限制	提供基于深度学习的综合脑电图解码流水线开发工具，解决可重复性危机	脑电图信号解码任务	机器学习	NA	EEG 信号处理	深度神经网络	脑电图信号	NA	Python, SpeechBrain, MOABB, braindecode	NA	准确率	NA
767	2026-05-30	FvFold: A model to predict antibody Fv structure using protein language model with residual network and Rosetta minimization 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109128 PMID:39270460	研究论文	提出FvFold模型，利用ProtT5-XL-UniRef50蛋白质语言模型结合残差网络和Rosetta最小化，预测抗体Fv结构	首次将ProtT5-XL-UniRef50蛋白质语言模型与残差网络及Rosetta最小化相结合用于抗体Fv结构预测，在多个基准测试中实现更低的RMSD和OCD值	未提及具体局限性	提高抗体Fv结构预测的准确性，特别是针对互补决定区（CDRs）和整体Fv区域	抗体可变片段（Fv）结构	机器学习	癌症	蛋白质语言模型	残差网络	蛋白质结构数据	NA	Rosetta	ProtT5-XL-UniRef50, Residual Network	RMSD（均方根偏差）, OCD（方向坐标距离）	NA
768	2026-05-30	CT perfusion parameter estimation in stroke using neural network with transformer and physical model priors 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109134 PMID:39278163	研究论文	提出一种结合Transformer和物理模型先验的深度学习网络CTPerformer-Net，用于CT灌注参数估计	首次将Transformer模型和物理先验（一致性先验、平滑性先验、物理模型先验）结合用于CT灌注参数估计	在真实临床数据上的梗死核心分割Dice系数仅为0.36，性能仍有提升空间	利用深度学习方法改进CT灌注参数估计的准确性和鲁棒性	急性缺血性卒中患者的CT灌注图像及物理模型生成的仿真数据集	计算机视觉, 医学影像分析	急性缺血性卒中	CT灌注成像	Transformer	图像（CT灌注序列图像）	仿真数据集（未说明具体样本量）和ISLES 2018挑战数据集中的103幅真实CTP图像	NA	Transformer（CTPerformer-Net）	相关系数, 系统误差, 随机误差, Dice系数	NA
769	2026-05-30	Visual interpretation of deep learning model in ECG classification: A comprehensive evaluation of feature attribution methods 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109088 PMID:39353296	研究论文	对心电图分类中深度学习模型的特征归因方法进行全面评估	首次大规模评估11种流行特征归因方法在五个大型心电图数据集上的表现，并结合自动评估和人类专家评估	特征归因方法在17种不同诊断中的有效性存在差异	确定适用于心电图数据集的合适特征归因方法	基于ResNet-18架构的深度学习模型	计算机视觉、机器学习	心血管疾病	深度学习模型	CNN	心电图信号数据	五个大型心电图数据集	PyTorch	ResNet-18	自动评估指标、人类专家评估	NA
770	2026-05-30	3DECG-Net: ECG fusion network for multi-label cardiac arrhythmia detection 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109126 PMID:39255656	研究论文	提出3DECG-Net深度学习模型，用于通过12导联心电图融合数据进行多标签心律失常检测	采用递归图技术将12导联心电信号转换为3D数据，并结合残差架构与多头注意力机制，实现七种心脏状态的准确分类	未明确说明，但可能包括模型泛化能力验证不足或数据集的局限性	开发一种自动化心电图分析方法，用于多标签心律失常检测，提高诊断效率	七种不同心脏状态的心律失常检测	数字病理学	心血管疾病	心电图（ECG）	深度学习模型（残差网络与多头注意力机制）	心电图信号	未明确说明	PyTorch	残差网络，多头注意力机制	微平均F1分数（micro F1-score）	未明确说明
771	2026-05-30	Siamese based deep neural network for ADHD detection using EEG signal 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109092 PMID:39255658	研究论文	利用基于孪生网络的深度神经网络通过脑电图信号检测儿童注意缺陷多动障碍	首次将孪生卷积神经网络用于基于EEG功率谱密度脑图的ADHD检测，并结合Grad-CAM可解释AI方法识别关键特征脑区	NA	利用深度学习技术分析儿童EEG信号的功率谱密度脑图，实现ADHD的自动检测	儿童注意缺陷多动障碍患者与健康对照组的EEG信号	机器学习	注意缺陷多动障碍	EEG	CNN	图像	NA	NA	Siamese CNN	准确率	NA
772	2026-05-30	Can generative AI replace immunofluorescent staining processes? A comparison study of synthetically generated cellpainting images from brightfield 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109102 PMID:39255659	研究论文	评估生成式AI替代免疫荧光染色过程的可行性，比较五种基于不同骨干网络的IF图像生成模型	提出了一套全面的分析流程来评估生成器在IF图像合成中的效能，并系统比较了CNN、GAN和扩散模型三种类型的生成骨干网络	模型泛化性、批次效应、特征相关性和计算成本等问题仍需进一步研究和验证	对比并确定最佳性能的IF图像生成模型，分析生成式AI替代免疫荧光染色过程的潜力	从明场图像合成免疫荧光图像的生成模型	计算机视觉	不适用	生成式AI、深度学习	CNN, GAN, 扩散模型	图像	公开数据集	NA	CNN, GAN, 扩散模型	NA	NA
773	2026-05-30	E-pharmacophore and deep learning based high throughput virtual screening for identification of CDPK1 inhibitors of Cryptosporidium parvum 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108172 PMID:39191165	研究论文	结合E-药效团和深度学习进行高通量虚拟筛选，鉴定微小隐孢子虫CDPK1抑制剂	将E-药效团模型与深度学习模型结合，对200万分子库进行虚拟筛选，并采用量子极化对接进行精确排序	仅基于分子模拟和代谢预测，缺乏实验验证抑制剂的活性及体内外效果	发现新型隐孢子虫CDPK1抑制剂，为治疗隐孢子虫病提供候选药物	微小隐孢子虫的钙依赖性蛋白激酶1（CpCDPK1）	机器学习	隐孢子虫病	高通量虚拟筛选、分子对接、分子动力学模拟	深度学习模型、E-药效团模型	分子结构数据	Enamine公司200万化合物库	NA	NA	对接得分、相互作用相似性	NA
774	2026-05-30	Integrated deep learning model for automatic detection and classification of stenosis in coronary angiography 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108184 PMID:39191164	研究论文	提出一个集成深度学习模型用于冠状动脉造影中狭窄的自动检测和分类	首次实现血管造影中动脉狭窄的识别和分类，并通过Django框架开发了“Hemadostenosis”网页平台，为临床医生提供直接的实践支持	研究样本量较小（132例患者，1606张图像），可能影响模型的泛化能力	开发一个集成深度学习模型，用于冠状动脉造影图像中血管狭窄的定位和分类，以辅助临床诊断	冠状动脉造影图像中的血管狭窄	计算机视觉	冠状动脉疾病	冠状动脉造影	卷积神经网络	图像	132例患者的1606张冠状动脉造影图像	Django	卷积神经网络	准确率, 召回率, F1分数, 平均精度	NA
775	2026-05-30	DRN-CDR: A cancer drug response prediction model using multi-omics and drug features 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108175 PMID:39191166	研究论文	提出一种基于深度残差网络的癌症药物反应预测模型DRN-CDR，整合多组学数据和药物特征	首次在药物反应预测中探索仅使用癌症相关基因的潜力，并采用统一图卷积网络提取药物特征结合卷积神经网络和全连接网络提取细胞系特征	NA	提高癌症药物反应预测的准确性，实现个性化癌症治疗	药物-细胞系对（包括基因表达、突变数据、甲基化数据以及药物分子结构信息）	机器学习	癌症	多组学数据（基因表达、突变、甲基化）	深度残差网络（Deep ResNet）	多组学数据（基因表达、突变、甲基化）和药物分子结构信息	NA	NA	均匀图卷积网络、卷积神经网络、全连接网络、深度残差网络	皮尔逊相关系数、均方根误差、AUC、AUPR	NA
776	2026-05-30	Echocardiographic Detection of Regional Wall Motion Abnormalities Using Artificial Intelligence Compared to Human Readers 2024-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2024.03.017 PMID:38556038	research paper	开发深度学习模型用于检测超声心动图中的区域室壁运动异常，并与专家和初学者阅读者进行比较	首次大规模比较深度学习模型与专家和初学者在区域室壁运动异常检测中的表现，证明模型达到专家水平且优于多数初学者	深度学习模型在前间隔区域的F1分数低于专家（75 vs 89），且模型训练依赖临床报告作为金标准，可能引入偏差	评估深度学习模型在区域室壁运动异常检测中的准确性，并与人类阅读者进行比较	区域室壁运动异常（RWMA）的检测	computer vision, machine learning, digital pathology	心血管疾病	NA	卷积神经网络（CNN）	超声心动图视频（经胸超声心动图图像）	15,746项经胸超声心动图研究，包含25,529个心尖视频，分为训练、验证和测试数据集	NA	卷积神经网络（具体架构未明确说明）	曲线下面积（AUC）、F1分数	NA
777	2026-05-30	Cinobufotalin prevents bone loss induced by ovariectomy in mice through the BMPs/SMAD and Wnt/β-catenin signaling pathways 2024-06, Animal models and experimental medicine IF:3.8Q2 DOI:10.1002/ame2.12359 PMID:38013618	研究论文	探讨蟾酥灵通过BMPs/SMAD和Wnt/β-连环蛋白信号通路预防小鼠卵巢切除诱导的骨丢失	利用深度学习功效预测系统筛选抗骨质疏松药物，并首次揭示蟾酥灵通过BMPs/SMAD和Wnt/β-连环蛋白双重信号通路促进成骨分化	未提及具体局限性	探索蟾酥灵对骨丢失的保护作用及其潜在机制	小鼠及人骨髓间充质干细胞	机器学习	骨质疏松	qRT-PCR, Western blot, 免疫荧光	深度学习功效预测系统	基因表达数据	小鼠和hBMMSCs细胞样本，具体数量未说明	NA	NA	NA	NA
778	2026-05-30	THA-AID: Deep Learning Tool for Total Hip Arthroplasty Automatic Implant Detection With Uncertainty and Outlier Quantification 2024-04, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.09.025 PMID:37770007	研究论文	提出一种深度学习工具THA-AID，用于全髋关节置换术中自动识别植入物，并具备不确定性和异常值量化功能	首次在骨科领域引入不确定性量化和异常值检测的深度学习模型，能识别20种股骨和8种髋臼组件，并在多种X光视图（前后位、侧位、斜位）上工作	未明确提及具体局限性，但可能包括对不同医疗机构的泛化性、模型解释性等方面的潜在限制	开发一种自动化工具，从X光片中识别全髋关节置换术中的植入物，以提高术前规划效率和准确性	全髋关节置换术中的植入物（股骨和髋臼组件）的X光影像	计算机视觉	骨科疾病	深度学习	CNN	影像（X光片）	241,419张X光片	NA	自定义卷积神经网络	准确率	NA
779	2026-05-30	THA-Net: A Deep Learning Solution for Next-Generation Templating and Patient-specific Surgical Execution 2024-03, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.063 PMID:37619804	研究论文	介绍THA-Net，一种深度学习修复算法，用于从术前骨盆X光片模拟术后全髋关节置换术X光片	提出了一种无需或可条件性选择植入物的深度学习修复算法，能生成高手术执行质量且无法区分真伪的合成术后X光片	算法在单一机构数据集上训练和验证，可能限制泛化性；需要进一步优化以实现个性化手术计划和增强现实技术	开发下一代全髋关节置换术模板工具，以生成高质量合成术后X光片，支持患者特定手术规划	全髋关节置换术的术前和术后骨盆X光片	计算机视觉	骨关节疾病	深度学习修复	THA-Net	图像	14,357名患者的356,305对X光片	NA	THA-Net	手术有效性（10点Likert量表）、真实性	NA
780	2026-05-30	Differentiable partition function calculation for RNA 2024-02-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad1168 PMID:38038257	研究论文	提出一种可端到端微分的RNA配分函数计算方法，推广了McCaskill算法至连续输入	首次将RNA配分函数计算实现端到端可微分，可计算输入或能量模型参数的梯度，架起RNA热力学与深度学习桥梁	NA	解决RNA逆折叠问题，通过梯度优化直接设计符合目标结构的RNA序列	RNA序列的配分函数与热力学性质	机器学习	NA	RNA热力学	动态规划	序列	NA	NA	McCaskill算法	序列折叠概率	NA