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	2026-05-06	Alzheimer's Disease Risk Prediction and Pathogeny Extraction Using Fuzzy Graph Evolutionary Generative Adversarial Network 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3627582 PMID:41223111	研究论文	本文提出了一种基于模糊图演化的生成对抗网络，用于阿尔茨海默病的风险预测与致病因素提取	首次将模糊图建模与深度学习结合，通过模糊图卷积层捕捉AD的阶段性演化模式，实现了可解释的风险预测与多组学致病因素提取	未明确指出局限性	实现阿尔茨海默病的风险预测与致病因素提取，增强对疾病病理发生机制的理解	多组学脑疾病数据集	机器学习	阿尔茨海默病	NA	生成对抗网络	多组学数据	NA	PyTorch	模糊图卷积层	准确率	NA
762	2026-05-06	Multirate Industrial Process Forecasting With Hybrid Deep Learning and Adaptive Filtering 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3631923 PMID:41264431	研究论文	提出一种结合时间序列分解、iTransformer特征提取和修改的最小门控单元网络的混合深度学习框架，用于处理多速率工业过程预测中的变采样频率和缺失数据问题	创新性地结合了iTransformer和修改的最小门控单元网络，并引入基于死区卡尔曼滤波的自适应参数更新算法来处理缺失质量变量	NA	解决多速率工业过程中因采样频率不同和数据缺失导致的预测准确性问题	多速率工业过程中的质量变量预测	机器学习	NA	NA	混合深度学习模型（iTransformer和修改的最小门控单元网络）	工业过程数据	NA	NA	iTransformer、修改的最小门控单元网络	平均绝对误差、均方根误差、合格率	NA
763	2026-05-06	Deep Model Fusion: A Survey 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3628666 PMID:41289107	综述	总结了深度模型融合/合并技术的现状，涵盖权重平均、模式连通性、对齐和集成学习四类方法	全面综述了深度模型融合技术，包括四种主要方法及其在大规模DL模型中的应用挑战	未详细讨论不同异构模型间的计算开销和融合干扰问题，未来研究方向仍待进一步探索	总结深度模型融合的进展并分析其挑战,为未来研究提供方向	多种深度学习模型的参数或预测集成方法，包括大型语言模型和基础模型	机器学习	NA	NA	权重平均、模式连通性、对齐、集成学习	NA	NA	NA	NA	NA	NA
764	2026-05-06	Accurate Protein-Protein Interaction Prediction: Based on Multiview Heterogeneous Graph Autoencoders and Random Masking 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3632083 PMID:41329588	研究论文	提出MEGAE模型，利用多视图异构图自编码器和随机遮蔽策略实现高精度蛋白质-蛋白质相互作用及其位点预测	通过向量量化自编码器重构氨基酸微环境，并引入多视图随机遮蔽训练策略，有效融合序列、理化性质和结构特征	NA	精准预测蛋白质相互作用和相互作用位点	蛋白质及其相互作用关系	机器学习	NA	蛋白质相互作用预测	图神经网络（GNN）、向量量化自编码器	蛋白质序列、结构、理化性质数据	NA	PyTorch	MEGAE（包含图自编码器和随机遮蔽策略）	准确率、精确率、召回率、F1分数、AUC	NA
765	2026-05-06	Accelerating imaging: deep learning for enhanced 123I-ioflupane SPECT efficiency 2026-May, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01933-z PMID:41407995	研究论文	本研究评估了深度学习重建技术能否使5分钟扫描的123I-ioflupane SPECT图像达到诊断质量	首次系统比较多种卷积架构在SPECT加速成像中的表现，发现紧凑的四层U-Net可将扫描时间缩短80%而不损失诊断保真度	回顾性研究设计，样本来自单一中心，需前瞻性多中心验证	验证深度学习重建能否使5分钟SPECT扫描替代传统25-40分钟扫描的诊断图像质量	123I-ioflupane SPECT图像	计算机视觉	帕金森病	SPECT	CNN	图像	207例研究（1035张切片），来自120例训练、37例验证、50例测试患者的600、185、250张图像	NA	U-Net（一到五层深度）、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、加权κ系数、组内相关系数（ICC）	NA
766	2026-05-06	Robust Physics-Based Deep MRI Reconstruction via Diffusion Purification 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3631742 PMID:41533627	研究论文	本文提出一种基于扩散模型的鲁棒化策略（RODIO），通过扩散净化提升深度学习MRI重建方法的鲁棒性，克服测试时扰动和分布偏移等问题	首次将预训练扩散模型作为净化器用于提升MRI重建鲁棒性，避免传统对抗训练中的最小最大优化问题，仅需对净化样本进行高效微调	未明确讨论，但潜在限制包括依赖预训练扩散模型的质量以及计算开销可能较高	解决深度学习MRI重建模型在测试时对扰动、分布偏移等鲁棒性不足的问题	MRI重建模型（多种监督学习和无监督生成式重建器）及测试阶段引入的扰动（最坏情况、噪声扰动、加速因子、对比度、k空间采样位置、未见病变等）	机器学习, 医学影像重建	未指定，涉及未见病变的鲁棒性评估	MRI重建	扩散模型	MRI图像	未明确说明	未明确说明	扩散模型, 深度学习MRI重建模型（如监督模型和单次生成式重构器）	未明确列出但提及优于对抗训练和随机平滑等方法	未明确说明
767	2026-05-06	An integrated deep learning framework leveraging NASNet and vision transformer with MixProcessing for accurate and precise diagnosis of lung diseases 2026-May, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2026.100394 PMID:41580084	研究论文	提出一种结合NASNet和Vision Transformer的深度学习框架NASNet-ViT，用于肺病图像分类	将NASNet的卷积特征提取与Vision Transformer的全局注意力机制结合，并设计多阶段预处理流程MixProcessing提升图像质量	未提及模型在边缘案例或罕见病种上的表现，也未讨论在不同成像设备上的泛化性	开发一种轻量级、高精度的AI解决方案，用于实时和资源受限的临床环境中肺病诊断	肺部X光或CT图像，涵盖正常、肺癌、COVID-19、肺炎和肺结核五类	计算机视觉, 数字病理学	肺癌, COVID-19, 肺炎, 肺结核	NA	CNN, Transformer	图像	NA	NA	NASNet, Vision Transformer	准确率, 灵敏度, F1分数, 特异度	NA
768	2026-05-06	Deep learning-based epileptic seizure detection from EEG signals and PPG signals using LSTM and CNN models 2026-May, The International journal of neuroscience DOI:10.1080/00207454.2026.2621855 PMID:41671683	研究论文	提出一种结合CNN和LSTM的混合深度学习框架，利用多模态脑电图和光电容积脉搏波信号自动检测癫痫发作	首次将EEG和PPG多模态信号结合用于癫痫检测，PPG信号提供自主神经波动、心率变异性变化和外周血管反应等补充信息，增强了模型区分能力，尤其在EEG特征微弱或不明确时	未说明特定限制	实现自动、实时的癫痫发作检测，提高检测准确性和鲁棒性，便于可穿戴设备部署	癫痫患者的脑电图和光电容积脉搏波信号	自然语言处理	癫痫	EEG, PPG	CNN, LSTM	信号（时间序列）	NA	NA	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确率, 精确率, 召回率, F1分数, Cohen's Kappa, 马修斯相关系数, 关键成功指数	NA
769	2026-05-06	WSI AFB and AI deliver highest sensitivity for TB detection 2026-May, Tuberculosis (Edinburgh, Scotland) DOI:10.1016/j.tube.2026.102747 PMID:41814116	研究论文	开发一种结合全切片成像和深度学习的人工智能平台，用于结核病检测，显著提高灵敏度	提出一种新型全切片成像平台，采用专有曲面聚焦算法实现高速全切片数字化，并整合两阶段深度学习管道（YOLOv5和ResNet-18）自动识别抗酸杆菌	未提及具体局限性	提高结核病痰涂片检测的灵敏度	1097名患者的痰涂片样本	数字病理学	结核病	全切片成像, 油浸数字化, 抗酸染色	CNN (YOLOv5, ResNet-18)	病理图像	1097名患者	NA	YOLOv5, ResNet-18	灵敏度, 特异性	NA
770	2026-05-06	Artificial intelligence iterative reconstruction in lower extremity computed tomography angiography (CTA) of diabetic patients: Improved visualization of distal and collateral arteries 2026-May, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851261429969 PMID:41841341	研究论文	比较深度学习重建算法AIIR与常规混合迭代重建HIR在糖尿病下肢CTA中对远端和侧支动脉的可视化效果	首次探索新型深度学习重建算法AIIR在糖尿病下肢CTA中对远端和侧支动脉可视化的影响	回顾性研究，样本量较小（59例），可能影响结果的普遍性	评估AIIR在糖尿病下肢CTA中显示远端和侧支动脉的性能	59名接受下肢CTA检查的糖尿病患者	医学影像	糖尿病	CTA	深度学习重建模型	CT图像	59例糖尿病患者的下肢CTA图像	NA	NA	血管可视化评分、侧支循环描绘评分、噪声、信噪比、对比度噪声比、主观图像质量评分	NA
771	2026-05-06	Artificial Intelligence in Trauma Care: A Systematic Review of Resuscitation, Diagnosis, Risk Prediction, and Management 2026 May-Jun 01, Journal of trauma nursing : the official journal of the Society of Trauma Nurses IF:0.7Q4 DOI:10.1097/JTN.0000000000000920 PMID:41996287	综述	系统评价人工智能在创伤护理中的复苏、诊断、风险预测和管理方面的应用	首次系统总结2015-2025年人工智能在创伤护理全流程中的应用现状与局限性	以单中心回顾性研究为主，多数缺乏外部验证，证据等级为早期模型开发阶段	评估人工智能在创伤护理中的复苏、诊断、并发症预测和患者管理中的应用证据	创伤患者的复苏、诊断、并发症预测及管理场景	机器学习	创伤性疾病	NA	机器学习, 深度学习	临床数据	58项研究纳入分析	NA	NA	NA	NA
772	2026-05-06	A Novel Covalent Inhibitor Fragment for the SARS-CoV-2 Main Protease Identified by Target-Specific Deep Learning 2026-May-01, ACS chemical biology IF:3.5Q2 DOI:10.1021/acschembio.6c00120 PMID:42066065	research paper	利用靶向特异性深度学习工作流程识别SARS-CoV-2主蛋白酶的新型共价抑制剂片段	结合微调抑制剂预测模型与溶解度、亲脂性模型及分子相似性分析，从超50万化合物库中快速筛选出新型共价抑制剂片段，并通过晶体结构验证其独特作用机制	NA	加速发现SARS-CoV-2主蛋白酶的新型抑制剂化合物和片段类起点	SARS-CoV-2主蛋白酶（Mpro）及其抑制剂	machine learning	COVID-19	深度学习，生化分析，X射线晶体学	目标特异性深度神经网络	实验抑制剂数据，分子结构数据	可购买化合物库超50万种，实验测试24种候选化合物	NA	微调预测模型，溶解度模型，亲脂性模型	IC50值，晶体结构分辨率（1.76 Å）	NA
773	2026-05-06	Optimizing and Benchmarking Machine Learning and Traditional Synaptic Event Detection Pipelines in Neurophysiology Experiments 2026-May, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0410-25.2026 PMID:41997847	研究论文	该研究旨在评估和优化神经生理学实验中检测突触事件的机器学习和传统方法	通过大规模手工计数建立实际地面真实数据，首次定量比较不同实验室、分析技术和细胞类型的突触事件检测结果差异	未提及具体局限性	建立大型实验数据集中突触事件手工计数的地面真实标准，并评估不同检测方法的准确性和变异性	抑制性和兴奋性突触后电流（sIPSCs/sEPSCs）事件	机器学习	NA	NA	监督深度学习模型	神经科学电生理数据	包含手工计数的突触事件大规模数据集	NA	NA	准确性	NA
774	2026-05-06	DeepOTG: An effective deep learning framework for identifying human protein O-linked threonine glycosylation sites via attention-based information bottleneck 2026-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152152 PMID:42025727	研究论文	提出了一种名为DeepOTG的双分支深度学习框架，用于识别人类蛋白质中O-连接苏氨酸糖基化位点	结合蛋白语言模型ESM-2的全局语义语境与基于PSSM的局部进化模式，通过融合多头自注意力和变分信息瓶颈的模块，有效融合互补信息并抑制冗余	未明确提及限制	开发一种计算工具用于准确预测O-连接苏氨酸糖基化位点，以辅助生物学研究	人类蛋白质中的O-连接苏氨酸糖基化位点	机器学习	NA	蛋白质语言模型ESM-2, 位置特异性评分矩阵（PSSM）	多尺度CNN-BiGRU, 多头自注意力, 变分信息瓶颈	蛋白质序列数据	基准数据集（平衡测试集和非平衡测试集）	PyTorch	多尺度CNN-BiGRU	MCC	NA
775	2026-05-06	Quantitative comparison of GRAPPA and RAKI simultaneous multi-slice reconstruction algorithms 2026-Apr-30, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110697 PMID:42066870	研究论文	定量比较基于GRAPPA和RAKI的同步多层重建算法，并提供开源GPU加速工具箱	首次系统定量比较线性GRAPPA与非线性数据驱动RAKI算法在SMS重建中的性能，并公开GPU加速重建工具箱	实验基于单一供应商、线圈阵列、脉冲序列和体模，结果可能无法直接推广至体内观察	定量比较不同k空间插值SMS重建算法，并提供开源GPU加速工具箱	GRAPPA和RAKI算法在SMS重建中的性能差异	机器学习	NA	MRI扫描	深度学习RAKI	图像（k空间数据）	一个体模，完全采样k空间参考数据和SMS加速数据	TensorFlow	RAKI	SSIM, 变异系数(CV)	GPU加速
776	2026-05-06	A Transformer for Reaction-Aware Compound Explorations with GFlowNet in QSAR-Guided Molecular Design 2026-Apr-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00181 PMID:42033344	研究论文	提出TRACE-GFN模型，融合Transformer与GFlowNet，在QSAR引导的分子设计中实现反应感知的化合物探索	首次将化学反应路径显式整合到QSAR引导的分子优化流程中，通过Transformer学习反应知识并结合GFlowNet高效采样多样候选分子	NA	在药物发现中平衡化合物的高生物活性和合成可行性，实现反应感知的分子优化	多巴胺受体D2 (DRD2)、AKT丝氨酸/苏氨酸激酶1 (AKT1)和C-X-C基序趋化因子受体4 (CXCR4)相关的化合物	机器学习	NA	QSAR	Transformer, GFlowNet	分子结构数据	NA	PyTorch	Transformer	QSAR值, 多样性	NA
777	2026-05-06	EAC-Net: Predicting Real-Space Charge Density via Equivariant Atomic Contributions 2026-Apr-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00283 PMID:42033354	研究论文	提出EAC-Net网络，通过等变原子贡献预测实空间电荷密度，结合高精度与高效训练	将总电荷密度分解为对称一致的原子中心贡献，直接与实空间耦合，而非预测网格或基函数上的完整密度，实现高精度与物理先验的融合	NA	开发一种准确、高效且具有物理基础的电荷密度预测方法，加速电子结构计算	元素周期表中的化学元素及其不同化学环境	机器学习	NA	密度泛函理论（DFT）	等变图神经网络	电荷密度网格数据	NA	PyTorch	EAC-Net	百分比误差	NA
778	2026-05-06	A Comparative Study of QSPR Methods on a Unique Multitask PAMPA Data Set 2026-Apr-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02931 PMID:42032831	研究论文	对独特的多任务PAMPA数据集的QSPR方法进行比较研究	首次对多种器官特异性PAMPA膜进行同步建模的全面研究，提供膜特异性渗透性谱的新见解	样本量有限，可能限制了深度学习表示的效果	评估不同分子描述符和回归模型在预测被动膜渗透性中的有效性，特别关注模型可解释性与性能的权衡	143种药物和候选药物分子，使用六种不同模型膜进行评估	机器学习	NA	PAMPA（平行人工膜渗透性测定）	线性回归、预训练Transformer	分子性质数据	143个药物和候选药物分子	NA	预训练Transformer	预测性能指标（未具体说明）	NA
779	2026-05-06	DiffDock-Glide: A Hybrid Physics-Based and Data-Driven Approach to Molecular Docking 2026-Apr-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01635 PMID:42023722	研究论文	提出一种混合物理与数据驱动的分子对接方法DiffDock-Glide，以改进扩散模型在分子对接中的性能	结合扩散模型DiffDock与Glide后处理最小化流程，生成结合口袋内的样本，并替换置信度模型	未明确讨论计算成本或与其他深度学习方法在更广泛数据集上的比较	提高分子对接的精度，特别是针对训练集外目标的表现	小分子与蛋白质结合位点的对接	机器学习	NA	分子对接	扩散模型、混合模型	分子结构数据	PoseBusters数据集和DUD-E数据集	PyTorch	DiffDock, Glide	近天然姿态采样、富集值	NA
780	2026-05-06	MechMemDyn: Coupling Frustration Analysis with Membrane Dynamics to Target the TREM2-DAP12 Complex Interface 2026-Apr-20, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03239 PMID:42007542	研究论文	提出MechMemDyn框架，整合蛋白质挫折分析与膜嵌入式分子动力学模拟，用于靶向TREM2-DAP12复合物界面并设计蛋白质-蛋白质相互作用稳定剂	首次系统应用挫折分析来合理化蛋白质-蛋白质相互作用稳定活性并指导配体设计，结合膜动力学捕捉界面能量学	仅聚焦于TREM2-DAP12复合物，可能需验证其他动态跨膜界面的通用性	开发一种基于物理学的预测框架，用于靶向动态跨膜界面并设计有效的蛋白质-蛋白质相互作用稳定剂	TREM2-DAP12跨膜复合物及其配体	机器学习	阿尔茨海默病	分子动力学模拟	挫折分析模型	分子结构数据	NA	NA	挫折分析、分子动力学模拟	实验效价	NA