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
61	2026-04-05	Beam-hardening correction in clinical x-ray dark-field chest radiography using deep-learning-based bone segmentation 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70422 PMID:41933281	研究论文	本文提出了一种基于深度学习的骨分割方法，用于校正临床X射线暗场胸部摄影中的束硬化伪影	结合深度学习骨分割与基于双能CT数据的衰减贡献掩模，首次在临床暗场胸部摄影中实现束硬化校正，减少骨诱导伪影	骨分割网络训练数据规模有限（肋骨196例、锁骨56例），且方法依赖双能CT数据生成衰减贡献掩模，可能限制其普适性	通过抑制束硬化引起的伪影，提高临床暗场胸部摄影的可靠性	暗场胸部X射线图像（来自慢性阻塞性肺疾病、COVID-19患者及健康人群）及双能CT扫描数据	医学影像处理	肺部疾病	Talbot-Lau干涉仪X射线暗场成像、双能CT	深度学习分割网络	X射线图像（衰减与暗场图像）、CT扫描数据	肋骨分割训练196例、验证49例；锁骨分割训练56例、验证12例、测试12例；应用174例暗场胸部图像（51例慢阻肺、86例COVID-19、37例健康）及2例患者光谱CT	未明确说明（推测为PyTorch或TensorFlow）	未明确指定具体架构（如U-Net等）	视觉评估、定量一致性分析	未明确说明
62	2026-04-05	Comparing deep learning stroke segmentation in NCCT, CTA, and CTP: Accuracy, domain transfer, and temporal sampling effect 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70419 PMID:41933279	研究论文	本研究评估并比较了NCCT、CTA、mCTA和CTP图像在基于深度学习的卒中病灶分割中的效果，重点关注模型在不同临床站点间的可迁移性以及CTP时间点选择的影响	首次系统比较了多种CT成像类型（NCCT、CTA、mCTA、CTP）在深度学习卒中分割中的性能，并深入研究了跨站点模型迁移性和CTP时间序列采样策略的影响	研究样本量有限（91例患者），且仅涉及两个临床站点；CTP时间采样策略未显示出明确趋势，结果受梗死大小和时间场景影响	评估不同CT成像模态对深度学习卒中病灶分割的适用性，指导临床环境中成像模态的选择，并探索模型的跨站点泛化能力	卒中患者的脑部CT图像，包括非增强CT、CT血管造影、多期相CTA和CT灌注图像	医学图像分析	卒中	CT成像（NCCT、CTA、mCTA、CTP）	深度学习	医学图像	91例卒中患者（主要站点）和166例卒中患者（第二站点）	nnU-Net	nnU-Net	改良Dice系数	NA
63	2026-04-05	Performance benchmarking of deep learning models for real-time median nerve segmentation and cross-sectional area measurement in ultrasound imaging 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70414 PMID:41933401	研究论文	本研究开发了一种轻量级深度学习模型MNSeg-Net，用于超声图像中正中神经的实时分割和横截面积测量，以辅助腕管综合征的诊断和手术规划	提出了一种新颖的轻量级多尺度特征融合网络MNSeg-Net，仅含2.46M参数，在保持与大型模型相当性能的同时实现实时处理，并成功部署于临床实时设置	研究样本量相对有限（100名受试者），且主要聚焦于腕管综合征，未广泛验证于其他神经卡压综合征	开发一种准确的深度学习分割方法，用于测量正中神经的横截面积，以促进神经卡压综合征（尤其是腕管综合征）的诊断和手术规划	正中神经在超声图像中的分割和横截面积测量	计算机视觉	腕管综合征	超声成像	CNN	图像	100名受试者，共30000帧超声图像	NA	MNSeg-Net, UNet, UNet++, U2Net	Dice相似系数, 横截面积差异, Hausdorff距离	配备GPU的系统, Av.io HD Epiphan帧抓取器
64	2026-04-05	Deep Learning as a Compass for Industrial Biocatalysis: The Grase Framework Rewrites the Rules for Polyurethane Recycling 2026-Apr, Biotechnology journal IF:3.2Q2 DOI:10.1002/biot.70222 PMID:41934218	研究论文	本文介绍了GRASE深度学习框架，用于克服酶活性-稳定性权衡，发现AbPURase这一稳健的生物催化剂，以在恶劣工业条件下高效解聚聚氨酯废物，实现可扩展的闭环化学回收	GRASE框架通过深度学习克服了酶活性与稳定性之间的权衡，发现了AbPURase这一新型生物催化剂，为聚氨酯回收提供了创新解决方案	NA	开发深度学习框架以发现高效生物催化剂，用于聚氨酯废物的工业级回收	聚氨酯废物及其生物催化解聚过程	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
65	2026-04-05	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	本文提出了一种基于深度学习的框架DeepMAP，用于利用地球静止卫星数据同时预测多种空气污染物，以量化人类共暴露水平	开发了首个能够同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）每小时浓度的高分辨率深度学习框架，并引入了新的共暴露指数来识别污染物贡献差异	未明确说明模型在极端天气条件或长期气候变化情景下的泛化能力，也未讨论卫星数据质量波动对预测精度的影响	建立高分辨率多污染物同时预测框架，量化人类共暴露水平，评估污染物混合的健康影响	六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）在东亚地区的时空分布	机器学习	NA	地球静止卫星观测	深度学习	卫星遥感数据、地面监测数据	未明确说明具体样本数量，但覆盖东亚地区2021年3月的高时间分辨率数据	未明确说明	未明确说明具体架构，仅提及深度学习框架	归一化均方根误差（nRMSE）	NA
66	2026-04-05	Anxiety detection using neural and physiological signals and artificial intelligence: A comprehensive review 2026-Mar-31, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2026.106669 PMID:41933676	综述	本文全面综述了利用神经生理信号（如EEG、ECG、PPG、EDA）和人工智能技术进行焦虑检测的研究进展	提供了2015-2025年间该领域的系统性综述，指出了从传统机器学习到端到端深度学习，再到混合模型（如CNN-LSTM）和Transformer架构的演变趋势，并强调了多模态数据整合的优势	现有研究依赖狭窄的、实验室训练的数据集，缺乏标准化的验证程序，复杂模型透明度有限，这些因素共同阻碍了临床转化	评估人工智能（特别是机器学习和深度学习）在利用神经和生理信号客观、连续监测焦虑障碍方面的应用，并推动临床有效的数字心理健康技术发展	焦虑障碍	机器学习	焦虑症	脑电图（EEG）、心电图（ECG）、光电容积脉搏波描记法（PPG）、皮肤电活动（EDA）	CNN, LSTM, Transformer, 混合模型（如CNN-LSTM）	神经信号, 生理信号	NA	NA	CNN-LSTM, Transformer	准确率	NA
67	2026-04-05	A comparative study of deep learning-based zebrafish image segmentation methods 2026-Mar-31, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络	在相同数据集和预处理条件下，首次系统比较了包括U-Net、SegNet、PSPNet、DeepLabv3+、Attention U-Net、HRNet、SegFormer、MASNet、SAM、PVT-EMCAD和RWKV-UNet在内的十一种代表性分割模型，并综合定性与定量评估其在复杂器官结构和表型异常检测中的效果	NA	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像	计算机视觉	NA	深度学习图像分割	CNN, Transformer	图像	NA	NA	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, Segment Anything Model (SAM), PVT-EMCAD, RWKV-UNet	Dice系数, 交并比, 平均像素准确率	NA
68	2026-04-05	AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation 2026-Mar-30, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00085 PMID:41906862	研究论文	本文介绍了一个名为AmberTorchPB的统一框架，用于基于Poisson-Boltzmann方程的反应场能量计算，该框架利用张量计算来克服传统方法的计算瓶颈	提出了一个基于LibTorch构建的统一、可扩展且支持加速器的框架，通过抽象底层数据管理，使单一算法实现能够无缝支持多种稀疏矩阵布局、数值精度和计算设备	NA	现代化生物分子静电学计算，解决大规模大分子组装体Poisson-Boltzmann求解器应用中的计算瓶颈和软件生态系统碎片化问题	生物分子静电相互作用	机器学习	NA	Poisson-Boltzmann方程求解	NA	NA	NA	LibTorch	NA	NA	现代高性能计算硬件，异构架构
69	2026-04-05	LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network 2026-Mar-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00057 PMID:41910779	研究论文	本文提出了一种基于深度学习的端到端框架LA-TReQNet，用于改进激光剥蚀电感耦合等离子体质谱（LA-ICP-MS）的多元素定量分析，实现了无需标准品的自动化校准	首次建立了无需标准品的校准方法，通过深度学习模型捕捉复杂经验关系，并优化了基于功率变换器的标准化和数据集分组预处理策略	未明确讨论模型在极端或未知样本类型上的泛化能力，以及计算资源需求的具体细节	改进LA-ICP-MS的多元素定量分析，消除对内部或外部标准品的依赖	LA-ICP-MS质谱数据，涉及5676个样本的221,364个标记质谱	机器学习	NA	激光剥蚀电感耦合等离子体质谱（LA-ICP-MS）	CNN, LSTM	质谱数据	5676个样本，包含221,364个标记质谱	NA	CNN-LSTM	偏差百分比（相对于认证参考值），标准偏差（SD）	NA
70	2026-04-05	CTRNet: a lightweight and efficient deep learning model for field maize whorl identification 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45727-3 PMID:41912746	研究论文	本文提出了一种名为CTRNet的轻量高效深度学习模型，用于田间玉米喇叭口期的玉米心叶识别	通过多尺度上下文交互模块、双通道细粒度特征增强模块、门控自适应信息融合模块以及自适应通道边缘注意力机制，增强了小目标在遮挡和复杂背景下的特征表示	NA	解决田间环境下玉米心叶因目标极小、叶片遮挡频繁、背景复杂及光照动态变化而导致的准确检测难题	田间玉米喇叭口期的玉米心叶	计算机视觉	NA	NA	CNN	图像	NA	NA	CTRNet	mAP@0.5	NA
71	2026-04-01	Deep learning-based detection of bowel sound events in continuous recordings 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47018-3 PMID:41912873	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
72	2026-04-01	Deep learning for incidence rate prediction and radiation risk assessment of solid tumors 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46756-8 PMID:41912895	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
73	2026-04-05	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-Mar-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	研究论文	本文提出了一种基于预训练RNA语言模型和Transformer架构的深度学习模型，用于仅根据3'UTR序列预测酿酒酵母mRNA的半衰期	结合预训练的RNA语言模型（RNA-FM）与Transformer骨干网络，构建了一个兼具预测准确性和生物学可解释性的序列驱动框架，并识别出影响mRNA稳定性的关键短基序	模型目前仅针对酿酒酵母（Saccharomyces cerevisiae）的转录本进行预测，尚未在其他物种中验证	从3'UTR序列预测mRNA半衰期，以研究基因表达稳态和转录后调控	酿酒酵母（Saccharomyces cerevisiae）转录本的3'UTR序列	自然语言处理, 机器学习	NA	RNA序列分析	Transformer	序列（3'UTR RNA序列）	未明确指定具体样本数量，但使用了独立留出测试集和5折交叉验证	未明确指定，可能为PyTorch或TensorFlow	Transformer, RNA-FM	RMSE, MAE, R（相关系数）	NA
74	2026-04-05	DeepMIF: A Multiview Interactive Fusion-Based Deep Learning Method for RNA-Small Molecule Binding Affinity Prediction 2026-Mar-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02946 PMID:41879212	研究论文	本文提出了一种基于多视图交互融合的深度学习方法DeepMIF，用于预测RNA与小分子之间的结合亲和力	提出了一种新颖的多视图交互融合范式，通过局部增强可扩展k-mer策略与预训练嵌入相结合的混合RNA表示，以及从序列和图形视图提取小分子特征，并利用多头交叉注意力网络进行信息合成，将注意力过程从简单检索转变为智能信息合成	NA	准确预测RNA与小分子之间的结合亲和力，以支持RNA靶向药物发现	RNA与小分子对	机器学习	NA	RNA测序，小分子特征提取	深度学习框架	序列数据，图形数据	1439对RNA-小分子对	NA	多头交叉注意力网络	皮尔逊相关系数，均方根误差	NA
75	2026-04-05	Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers 2026-Mar-24, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00369 PMID:41875377	研究论文	本研究开发了一个基于图神经网络（GNN）的深度学习框架，用于整合多个关键心脏离子通道的抑制数据，以预测与多离子通道阻滞剂相关的心脏毒性	克服了现有机器学习模型通常仅依赖Kv11.1通道数据的局限性，通过整合Kv11.1、Cav1.2和Nav1.5三个关键离子通道的抑制数据，并利用GNNExplainer提供可解释的原子和键级贡献可视化	NA	开发一个深度学习框架，用于早期药物发现阶段的心脏毒性风险评估，特别是针对多离子通道阻滞剂	与心脏毒性相关的化合物分子	机器学习	心血管疾病	NA	GNN	分子图数据	总计38,905个分子（Kv11.1: 34,124个，Cav1.2: 1,564个，Nav1.5: 3,217个）	NA	GNN	准确率	NA
76	2026-04-05	Training instabilities favor flatter solutions in gradient descent 2026-Mar-23, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108874 PMID:41932126	研究论文	本文探讨了梯度下降训练中的不稳定性如何通过隐式偏好驱动参数向损失函数的平坦区域移动，从而提升泛化性能	揭示了训练不稳定性通过特征向量旋转极性机制促进平坦解，并扩展了该理论至随机梯度下降和Adam优化器	理论分析主要基于梯度下降框架，实际深度网络中的复杂动态可能需要进一步验证	研究梯度下降训练不稳定性对深度学习模型泛化能力的影响机制	梯度下降优化过程中的训练动态与损失函数景观	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
77	2026-04-05	GCN combined with snake convolution for enhanced topological perception in thrombotic hepatic portal vein segmentation 2026-Mar-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104050 PMID:41932133	研究论文	提出了一种名为SnakeGCN的创新3D分割模型，用于解决肝硬化背景下门静脉血栓导致的血管分割挑战	结合3D蛇形卷积模块与图卷积网络（GCN），并引入关系损失（TLoss），以增强对血管网络全局拓扑结构的感知并处理血管缺失段	NA	实现肝硬化并发症中门静脉的精确分割，以进行定量评估	门静脉血管网络	数字病理学	肝硬化	NA	CNN, GCN	3D图像	多中心临床数据集及两个公共数据集（MSD-HepaticVessel和3D-IRCADb）	NA	nnU-Net, SnakeGCN	Dice分数, 连通分量（CC）值	NA
78	2026-04-05	Satellite On-Orbit Chip-Level Deep Learning Model for Real-Time Dust Storm Monitoring 2026-Mar-19, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c14697 PMID:41855461	研究论文	本文提出了一种用于实时沙尘暴监测的星载芯片级深度学习模型，通过星上处理大幅降低数据延迟	首次实现了星载深度学习框架，将沙尘暴检测和定量反演直接部署在卫星上，将产品生成时间从数小时缩短至5.62分钟，并采用级联设计和尾部感知损失函数优化高浓度值的反演精度	模型在资源受限的星载计算平台（如NVIDIA Jetson AGX Orin）上进行了模拟部署验证，但实际在轨运行可能面临更多环境挑战，且研究主要针对特定卫星（Himawari-8/9）数据	开发一种实时、低延迟的沙尘暴监测系统，用于灾害预警和暴露评估	沙尘暴事件及其相关的PM10和PM2.5浓度	计算机视觉	NA	深度学习，卫星遥感	CNN, LSTM	卫星图像	NA	PyTorch, TensorFlow	级联设计（轻量级事件门控与多任务反演器）	RMSE	NVIDIA Jetson AGX Orin平台，功耗约10W，内存占用<3GB
79	2026-04-05	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	本文提出了一种名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	该模型在序列预测中首次明确结合了蛋白质残基级信息和配体信息，克服了现有方法主要依赖蛋白质序列而忽略配体信息的局限	未在摘要中明确说明	改进蛋白质-配体结合残基的预测精度，以支持虚拟筛选和药物发现	蛋白质序列及其与配体的结合残基	机器学习	NA	深度学习	深度学习模型	序列数据	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明
80	2026-04-05	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Mar-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	提出一种名为DynMoCo的新型AI框架，用于从分子动力学模拟中揭示蛋白质的模块化亚结构	引入动态社区检测视角，将分子建模为时间演化图，结合图卷积网络和循环模型进行端到端动态社区识别	NA	分析分子动力学模拟数据，揭示蛋白质的动态结构和功能机制	蛋白质分子，特别是整合素系统	机器学习	NA	分子动力学模拟	图卷积网络, 循环模型	分子动力学轨迹数据	三个整合素系统	NA	NA	NA	NA