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
781	2026-05-22	Magnetic resonance parameter mapping using model-guided self-supervised deep learning 2021-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28659 PMID:33464652	研究论文	提出一种名为RELAX的模型引导自监督深度学习框架，用于快速定量磁共振参数映射	通过整合MR成像模型和定量参数拟合模型，消除对全采样参考数据的需求，实现无监督的快速参数映射	仅初步验证了T1和T2映射的可行性，需进一步扩展到其他定量MRI应用	开发一种无需全采样参考数据的自监督深度学习重建方法，用于加速定量MR参数映射	模拟和实际采集的MRI数据集中的T1和T2参数映射	机器学习	NA	MRI参数映射	自监督深度学习	MRI K空间数据	模拟数据集和实际在体T1/T2映射数据集	PyTorch	RELAX（自监督深度学习框架，包含物理模型约束）	图像质量比较（与监督学习和传统重建方法的对比）	NA
782	2026-05-22	SMPLIP-Score: predicting ligand binding affinity from simple and interpretable on-the-fly interaction fingerprint pattern descriptors 2021-Mar-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-021-00507-1 PMID:33766140	研究论文	提出SMPLIP-Score，一种基于简单可解释的交互指纹模式描述符预测配体结合亲和力的方法	采用简单直接的特征化过程，将配体结合位点环境的交互指纹模式和配体分子碎片嵌入可向量化的矩阵中，无需额外特征分析即可直接解释特征含义	未提及与其他复杂特征模型的对比优势及泛化能力的进一步验证	实现快速、准确且可解释的蛋白质-配体结合亲和力预测，用于药物发现中的先导化合物优化	蛋白质-配体复合物的结合亲和力	机器学习	NA	NA	随机森林或深度神经网络	配体结合位点环境图像和分子碎片描述符	使用多个基准数据集（包括PDBbind v.2015、Astex Diverse Set、CSAR NRC HiQ、FEP、PDBbind NMR和CASF-2016）	NA	NA	NA	NA
783	2026-05-22	Topic classification of electric vehicle consumer experiences with transformer-based deep learning 2021-Feb-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100195 PMID:33659911	研究论文	利用基于Transformer的深度学习对电动汽车消费者体验进行主题分类	首次在电动汽车消费者体验分析中应用Transformer深度学习模型，并在全国代表性样本上实现了超过91%的分类准确率和0.83的F1分数，优于之前领先算法	未明确说明局限性	利用深度学习技术从非结构化电动汽车用户评论中自动发现关注主题，为公共政策分析和充电基础设施决策提供支持	电动汽车消费者的在线评论	自然语言处理	NA	NA	Transformer深度学习模型	文本	全国代表性样本（具体数量未提及）	NA	Transformer	准确率, F1分数	NA
784	2026-05-22	Genomic pan-cancer classification using image-based deep learning 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.01.010 PMID:33598099	research paper	提出一种基于图像的深度学习策略，将基因突变数据转化为遗传突变图谱，用于泛癌分类	首次将基因突变数据（包括单核苷酸多态性、插入和缺失）转换为遗传突变图谱，并应用多种深度学习网络进行癌症类型分类	NA	提高基于基因突变的癌症类型分类准确性，提供泛癌分类和驱动基因发现的新方法	36种癌症类型的9047个患者样本的基因突变数据	computervision	多种癌症（包括前列腺癌和乳腺癌）	基因突变数据转换（包括SNP、插入和缺失）	深度学习网络（CNN）	图像（基因突变图谱）	9047个患者样本，36种癌症类型	NA	VGG-16, Inception-v3, ResNet-50, Inception-ResNet-v2	准确率（over 95%）	NA
785	2026-05-22	Machine learning techniques for analysis of hyperspectral images to determine quality of food products: A review 2021, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2021.01.002 PMID:33659896	综述	综述了机器学习技术在食品质量高光谱图像分析中的应用	总结不同机器学习技术在高光谱图像分析中的优势与局限，强调特征选择及深度学习、终身学习的应用潜力	深度学习领域相对较新，终身机器学习需进一步研究以纳入季节性变化	探讨机器学习技术用于食品质量快速、无损检测的方法和前景	高光谱图像中的食品质量检测	计算机视觉	NA	高光谱成像	深度学习	图像	NA	NA	NA	分类准确率	NA
786	2026-05-22	Improved sequence-based prediction of interaction sites in α-helical transmembrane proteins by deep learning 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.005 PMID:33815689	研究论文	提出一种基于深度学习的序列预测方法DeepTMInter，用于预测α-螺旋跨膜蛋白的相互作用位点	结合超深残差神经网络与堆叠泛化集成技术，显著优于现有方法	未明确提及，但可能受限于预测精度和实际应用验证不足	开发序列层面的计算方法，大规模注释跨膜蛋白的相互作用位点	α-螺旋跨膜蛋白的相互作用位点	机器学习	NA	NA	超深残差神经网络	序列数据	训练和基准测试数据集来自公开数据集Mendeley	NA	超深残差神经网络	AUC, AUCPR	NA
787	2026-05-21	A deep learning approach for 18F-FDG PET attenuation correction 2018-Nov-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-018-0225-8 PMID:30417316	研究论文	开发并评估基于深度学习的PET图像衰减校正方法deepAC，无需解剖成像即可从18F-FDG PET图像生成伪CT图像	首次提出数据驱动的深度学习框架，直接从非衰减校正的18F-FDG PET图像生成连续值的伪CT，无需CT或MRI解剖成像	仅针对头部PET成像，且训练数据量较小（100例），未评估其他部位或示踪剂的泛化能力	实现无需解剖成像的PET衰减校正，避免额外CT辐射并提高临床适用性	18F-FDG PET头部图像及对应CT数据	数字病理学	脑部疾病	PET/CT, 18F-FDG PET	卷积编码器-解码器网络	图像	100例回顾性3D FDG PET头部图像用于训练，28例患者用于评估	NA	深度卷积编码器-解码器网络	Dice系数, 平均绝对误差, 配对样本t检验	NA
788	2026-05-20	Multi-scale drift characteristics of Ulva prolifera in the Yellow Sea derived from deep learning-based MODIS and Sentinel-1 observations 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119516 PMID:41855964	研究论文	利用深度学习模型融合MODIS和Sentinel-1数据，分析黄海浒苔多尺度漂移特征	提出融合注意力机制与Vision Transformer的AttFusionViT-UNet模型，首次实现多源遥感数据（MODIS和Sentinel-1）的融合，生成周、月、年多尺度浒苔时空分布，提升短期漂移过程的捕捉能力	未明确讨论模型对极端天气或高云覆盖场景的鲁棒性，且融合方法可能引入数据配准误差	量化黄海浒苔空间覆盖及不同时间尺度的漂移特征，改善预测能力	黄海浒苔的短期涌现、扩展和漂移过程	计算机视觉，遥感	不适用	MODIS遥感， Sentinel-1合成孔径雷达	深度神经网络， Vision Transformer	卫星图像	MODIS数据（2008-2024年）和Sentinel-1数据（2015-2024年）	NA	AttFusionViT-UNet	平均交并比（mean IoU）	NA
789	2026-05-20	Enhancing the accuracy of seawater intrusion vulnerability assessment using a hybrid GALDIT framework in tropical low-lying coastal settings 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119585 PMID:41861586	研究论文	提出一种混合GALDIT框架（结合CNN-XGBoost）以提升热带低洼沿海地区海水入侵脆弱性评估的准确性	首次将改进的GALDIT模型与混合深度学习技术（CNN用于特征提取、XGBoost用于预测建模）相结合，通过XGBoost的正则化技术减轻过拟合，实现空间分析精度的显著提升	传统GALDIT和改进GALDIT模型均难以捕捉海水入侵的非线性空间复杂性	提高热带低洼沿海地区海水入侵脆弱性评估的准确性	印度奥里萨邦沿海地区的海水入侵脆弱性	机器学习	不适用	NA	CNN、XGBoost	空间数据（土壤介质、井密度、总溶解固体等）	NA	NA	CNN、XGBoost	接收者操作特征曲线、曲线下面积、R值、总溶解固体数据	NA
790	2026-05-20	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-Jun, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	探索机器学习、深度学习和迁移学习模型，利用量子化学性质预测药物分子的血脑屏障渗透性，并通过PAMPA-BBB实验验证	首次将量子化学性质（QM9扩展的极化率和偶极矩）融入迁移学习，提升了预测血脑屏障渗透性的性能，且量子化学性质提供的预测价值超越了传统分子描述符和P-糖蛋白抑制基线	NA	开发计算模型快速筛选药物分子的血脑屏障渗透性，以促进中枢神经系统药物开发	药物分子的血脑屏障渗透性预测	机器学习	中枢神经系统疾病	PAMPA-BBB体外实验, 机器学习分类模型	SVM, DNN, D-MPNN, 迁移学习模型	分子结构数据 (2D RDKit和Morgan指纹, QM9量子化学性质)	约8000个化合物（B3DB数据库），18个化合物（EEBL库实验验证）	NA	SVM, DNN, D-MPNN	准确率, ROC-AUC	NA
791	2026-05-20	De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning 2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515835 PMID:41801219	研究论文	提出了一种基于多模态深度学习的多机制抗菌肽从头设计管道M3-CAD，并构建了QLAPD数据库	首次整合3D结构特征、物种特异性抗菌活性和机制进行抗菌肽的从头设计，提出创新性的3D体素着色方法捕捉氨基酸的细微理化上下文	体内实验验证了抗菌效果且毒副作用有限	利用人工智能驱动抗菌肽发现，实现多机制抗菌肽的从头设计以对抗多重耐药菌	多机制抗菌肽	机器学习	多重耐药菌感染	NA	多模态深度学习模型	序列、结构、抗菌活性数据	12,914个抗菌肽样本	NA	生成模块、回归模块、分类模块	抗菌活性、毒性	NA
792	2026-05-20	Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank 2026-Mar-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02540-6 PMID:41882318	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
793	2026-05-20	2D Multimodal Image Collection for Fluorescence Prediction from Transmitted Light Microscopy 2026-Mar-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07004-w PMID:41876523	研究论文	介绍一个大规模开放存取数据集Light My Cells Database，包含2,574个采集集和56,984张显微镜2D图像，用于从透射光图像预测荧光	提供了一个多模态、多中心、标准化的大规模显微镜图像数据集，支持机器学习模型从无标记透射光图像预测荧光信号，并遵循REMBI元数据标准	未明确说明研究局限性，但可能面临数据覆盖范围有限、实际应用中的泛化挑战	开发用于从透射光显微镜图像预测荧光的机器学习模型	生物样品，包括细胞核、线粒体、微管蛋白和肌动蛋白等亚细胞结构	计算机视觉, 数字病理学	NA	明场显微镜, 相差显微镜, 微分干涉差显微镜, 荧光显微镜	NA	图像	2,574个采集集，56,984张图像，来自30项独立实验和8个国家成像中心	NA	NA	NA	NA
794	2026-05-20	A Sensor based turning dataset for data-driven surface roughness estimation 2026-Mar-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07061-1 PMID:41876568	研究论文	介绍了一种用于车削过程表面粗糙度估计的传感器数据集，特别是在Inconel-625难加工材料上的应用	提供了针对难加工合金Inconel-625的公开车削传感数据集，包括振动、力和力矩数据，以及表面粗糙度测量结果，便于开发在线估计模型	未提及具体的数据集限制或模型验证结果	为基于机器学习和深度学习的数据驱动表面粗糙度估计提供公开数据集，减少材料浪费并提高加工效率	Inconel-625合金在车削过程中的表面粗糙度与传感器数据的关系	机器学习	不适用	三轴加速度计、测力计、表面粗糙度测试仪	尚未指定具体模型类型	振动信号、力与力矩数据、表面粗糙度测量值	共382,189,197个样本，来自27组数据采集	不适用	不适用	不适用	Kirloskar Turnmaster 40车床用于加工，Mitutoyo表面粗糙度测试仪用于测量
795	2026-05-20	Detection of Structural Glaucoma Progression with Deep Learning on Serial Optic Disc Photographs 2026-Mar-17, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.03.005 PMID:41856358	研究论文	使用深度学习模型检测基于眼底照片序列的青光眼结构性进展	首次采用孪生卷积神经网络对序列眼底照片进行青光眼进展检测，实现了临床相关精度的自动化分类	未在论文标题和摘要中明确说明局限性	设计有监督深度学习模型以检测青光眼结构性进展	青光眼患者的序列眼底照片	计算机视觉	青光眼	NA	孪生卷积神经网络	图像	1510只眼（916名患者），每只眼至少2年随访并有2对眼底照片	NA	孪生卷积神经网络	AUC, 准确率, 灵敏度, 特异度	NA
796	2026-05-20	A hybrid deep learning approach integrating CNN and transformer for lung cancer classification using CT scans 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41161-7 PMID:41844829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
797	2026-05-20	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	研究论文	利用超广角扫频源光学相干断层扫描血管成像衍生的视网膜新生血管参数，预测高风险增殖性糖尿病视网膜病变并发症的发生	首次使用单次超广角SS-OCTA成像结合深度学习分割算法，量化视网膜新生血管的膜面积和血管面积，并依据其与内界膜的轴向空间关系（隆起或附着）进行分层分析，发现隆起性RNV指标能更有效地预测玻璃体积血和牵拉性视网膜脱离等并发症	样本量较小（18只眼），且为单中心前瞻性研究，可能影响结果的普适性；随访中位数291天，长期预后尚需更长时间观察	评估超广角SS-OCTA衍生的RNV指标能否预测高风险PDR患者发生威胁视力的并发症（玻璃体积血或牵拉性视网膜脱离）	临床上分级为高风险增殖性糖尿病视网膜病变的眼部（来自三级医疗中心，随访≥6个月）	计算机视觉	糖尿病视网膜病变	扫频源光学相干断层扫描血管成像	深度学习算法	图像	18只眼（高风险PDR患者），共识别115个RNV病灶	NA	验证的深度学习分割算法（具体结构未明确）	AUC, 灵敏度, 特异度	NA
798	2026-05-20	Dbert2_LR: A deep learning-based model for predicting cis-regulatory elements in crops 2026-03, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2026.111201 PMID:41544987	研究论文	开发了一种名为Dbert2_LR的混合深度学习框架，用于预测作物中的顺式调控元件	首次将预训练基因组基础模型DNABERT-2与并行双向RNN和LSTM网络结合，有效捕获DNA的深层上下文依赖和局部序列模式，并揭示模型决策依赖于已知转录因子结合基序，克服了深度学习的'黑箱'问题	在高度重复的作物基因组（如陆地棉）上性能相对较低（宏平均F1分数仅为0.637），且可能泛化性受限于训练数据覆盖的物种	开发高精度预测作物中顺式调控元件（启动子、增强子和非调控序列）的模型，用于功能基因组注释和分子育种	拟南芥和陆地棉中的顺式调控元件序列	机器学习	NA	DNA测序	深度学习混合模型	DNA序列	未明确提及	PyTorch	DNABERT-2, 双向RNN, LSTM	宏平均F1分数	NA
799	2025-12-11	The road to bedside: addressing key hurdles for deep learning prognostic models in light-chain cardiac amyloidosis 2026-Feb-27, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf344 PMID:41364678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
800	2026-05-20	Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning 2026-Feb-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02399-7 PMID:41654658	研究论文	利用几何深度学习快速预测左心室激活时间图，为心脏再同步治疗规划提供支持	首次构建基于图神经网络和几何信息神经算子的几何深度学习模型，实现左心室激活时间图的实时预测，并开发了用于优化起搏点选择的工作流	模型在真实左心室几何结构上的性能略低于合成数据，且尚未在临床环境中进行验证	开发一种用于个性化心脏再同步治疗规划的计算方法，通过快速预测激活时间图并优化起搏点位置	左心室几何形状上的激活时间图预测	机器学习	心脏疾病（心脏衰竭）	有限元模拟	图神经网络（GNN）和几何信息神经算子（GINO）	合成和真实左心室几何形状的激活时间图数据	基于广泛合成左心室形状、起搏点配置和组织电导率生成的有限元模拟大样本数据集	PyTorch	图神经网络（GNN），几何信息神经算子（GINO）	误差率（百分比）	NA