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
821	2026-03-24	A low-latency deep learning framework for volcanic ash cloud nowcasting using geostationary satellite imagery 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42230-7 PMID:41866598	研究论文	本文开发并验证了一种基于深度学习的近实时火山灰扩散临近预报方法，利用地球静止卫星图像实现低延迟预测	提出了一种完整的边缘计算工作流，能在五秒内完成数据下载和推理，并引入像素级事件注入算法以模拟不同规模的合成羽流场景	研究主要基于SEVIRI仪器的Ash RGB合成图像，可能未涵盖所有火山灰类型或气象条件，且合成羽流场景为假设性演示	开发低延迟的火山灰扩散临近预报系统，支持应急决策和场景可视化	火山灰卫星图像（来自EUMETSAT的SEVIRI仪器Ash RGB合成数据）及合成羽流场景	计算机视觉	NA	地球静止卫星观测（SEVIRI仪器Ash RGB合成）	深度学习模型	卫星图像	基于EUMETSAT SEVIRI仪器火山灰卫星图像档案的训练数据	NA	NA	结构相似性指数（SSIM）	NVIDIA Jetson AGX Orin边缘计算设备
822	2026-03-24	A contrastive learning framework with adaptive feature fusion for brain tumor classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44887-6 PMID:41866612	研究论文	本文提出了一种结合自适应特征融合的对比学习框架，用于脑肿瘤MRI图像的精确分类	引入了动态标签队列存储历史标签，构建同一类别内多幅图像间的多个正样本对，从而在对比学习中注入显式监督，增强特征表示的判别力	未明确提及	提高脑肿瘤MRI图像分类的准确性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	公共figshare数据集	NA	对比学习框架与自适应特征融合模块	NA	NA
823	2026-03-24	Physical Implausibility of Carbohydrate Ligands in Results of Deep Learning-Based Cofolding Methods 2026-Mar-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03075 PMID:41866819	研究论文	本文分析了AlphaFold 3和Boltz-1x等深度学习共折叠方法在碳水化合物配体建模中的立体化学违规问题	首次系统评估了深度学习共折叠方法在碳水化合物配体建模中的立体化学错误，揭示了AlphaFold 3模型中高达85.8%的配体存在错误，并比较了Boltz-1x和BondedAtomPairs协议在减少违规方面的效果与局限性	研究仅分析了900个碳水化合物配体，样本规模有限；BondedAtomPairs协议虽减少立体化学问题但丢失了还原端异头氧，表明准确建模仍面临挑战	评估深度学习共折叠方法在碳水化合物配体建模中的物理合理性	碳水化合物配体	机器学习	NA	深度学习共折叠方法	AlphaFold 3, Boltz-1x	分子结构数据	900个碳水化合物配体	NA	NA	立体化学违规率、手性错误率、键转换率、平面环畸变率、芳香环形成率、不当结构配置率	NA
824	2026-03-24	Prediction of cyclin-dependent proteins using pre-trained protein language models and effective neural network architectures 2026-Mar-21, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116116 PMID:41865419	研究论文	本文提出了一种结合预训练蛋白质语言模型和深度学习技术的新型计算方法，用于准确预测细胞周期依赖性蛋白	整合预训练蛋白质语言模型（如ESM）生成高质量蛋白质嵌入，避免手动特征提取，并设计定制化的卷积神经网络架构自动学习与CDP识别相关的判别性特征	未明确提及方法在处理非典型或高度变异蛋白质序列时的性能，也未讨论计算资源需求或模型可解释性	开发一种计算方法来准确识别细胞周期依赖性蛋白，以克服传统方法在非同源数据和手动特征提取上的限制	细胞周期依赖性蛋白，包括细胞周期蛋白、细胞周期依赖性激酶和细胞周期依赖性激酶抑制剂	自然语言处理	癌症	蛋白质语言模型，深度学习	CNN	蛋白质序列	NA	NA	定制化卷积神经网络	NA	NA
825	2026-03-24	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Mar-21, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断系统，用于在MRI上区分腮腺肿瘤的良恶性，并评估其对放射科医生诊断性能的提升作用	首次将EfficientNet CNN模型应用于腮腺肿瘤的MRI影像分析，并通过读者研究证明了该CAD系统能显著提高不同经验水平医生的诊断准确性，特别是在中高级别和局部晚期肿瘤中	研究样本量相对有限（170例用于模型开发），且未在外部验证集上测试模型泛化能力；CAD对低级别或pT1肿瘤的诊断改善不显著	评估基于深度学习的计算机辅助诊断系统在MRI腮腺肿瘤良恶性鉴别中的临床价值	经手术病理证实的腮腺肿瘤患者及其MRI影像	计算机视觉	腮腺肿瘤	MRI影像分析	CNN	医学影像（MRI）	170例经组织学确认的病例用于模型开发，其中134例用于读者研究	未明确提及	EfficientNet	准确率, 敏感性, 特异性, AUC	NA
826	2026-03-24	A Novel Quantitative Analysis in Myocardial Perfusion Imaging: How does it compare to the "Golden Eye"? 2026-Mar-21, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.03.009 PMID:41866260	研究论文	本文提出了一种新的心肌灌注成像定量分析方法，与传统TPD方法相比，从逆向角度评估异常灌注的严重程度和范围	提出了一种基于逆向视角的定量分析方法，将TPD视为更广泛方法的一个特例，并探索了通用定量分析的建立方式	缺乏基于生存率或主要不良心血管事件（MACE）标准的真实数据验证	开发一种新的心肌灌注成像定量分析方法，用于评估缺血性心脏病患者的左心室灌注异常	心肌灌注成像数据，特别是左心室放射性示踪剂摄取的极坐标图	医学影像分析	心血管疾病	心肌灌注成像	深度学习	图像（2D极坐标图）	NA	NA	标准深度学习架构	统计一致性，视觉一致性	NA
827	2026-03-24	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究开发并评估了一个结合LSTM网络与GPT-4的技术框架，用于生物医学信号的自动分类和可读解释	首次将LSTM网络与GPT-4进行显式方法学整合，为生物医学信号分类提供自动化分类和人类可读的临床解释	本研究为概念验证性研究，未来需要进行前瞻性临床验证、现场研究和监管审查	开发适用于资源受限环境的自动化生物医学信号分类与解释框架	心电图和脑电图等生物医学信号	机器学习	心血管疾病	NA	LSTM	信号数据	使用多个公共PhysioNet数据集，包括MIT-BIH心律失常、PTB诊断心电图等，测试时随机采样了150个案例	NA	两层LSTM架构（128→64单元）	准确率, F1分数, AUC	NA
828	2026-03-24	TAPSeg: An Open-Source Deep Learning Tool for Instance-Level Tooth and Pulp Segmentation in CBCT 2026-Mar-20, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一个基于深度学习的开源一键式CBCT自动分割工具，用于在3D Slicer软件中实现牙齿和牙髓的集成分割与重建	提出了一种结合V-Net和nnU-Net的三阶段协作框架，实现牙齿和牙髓的实例级分割，并作为3D Slicer插件提供一键操作	NA	开发并验证一个通用性强、临床可用的CBCT图像中牙齿和牙髓的自动分割工具	CBCT扫描图像中的牙齿和牙髓	数字病理学	NA	CBCT成像	CNN	3D医学图像	牙齿分割n=198，牙髓分割n=148	PyTorch	V-Net, nnU-Net	Dice相似系数, 95% Hausdorff距离, 敏感度, 精确度	NA
829	2026-03-24	Development and validation of a CT-based deep learning radiomics model for differentiating parathyroid adenoma from atypical parathyroid tumor/parathyroid carcinoma 2026-Mar-19, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112808 PMID:41865473	研究论文	本研究开发并验证了一种基于CT的深度学习放射组学模型，用于术前区分甲状旁腺腺瘤与非典型甲状旁腺肿瘤/甲状旁腺癌	结合了深度学习特征、放射组学特征和临床变量（如血清PTH水平）构建联合模型，以提升诊断性能	回顾性研究设计，样本量有限（共358例），且仅基于单中心数据，可能存在选择偏倚	开发一种术前准确区分甲状旁腺腺瘤与非典型甲状旁腺肿瘤/甲状旁腺癌的模型，以支持个体化治疗决策	经病理证实的甲状旁腺肿瘤患者（包括甲状旁腺腺瘤、非典型甲状旁腺肿瘤和甲状旁腺癌）	数字病理学	甲状旁腺肿瘤	CT成像	KNN, Extra Trees, Random Forest	CT图像	358例患者数据集（训练集250例，测试集108例）	NA	NA	AUC, 准确率, 敏感度, 特异度	NA
830	2026-03-24	Structuring large language models for chemical health risk reasoning in environmental and occupational exposure 2026-Mar-19, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141820 PMID:41865571	研究论文	本文提出了一种集成深度学习、检索增强生成和提示工程的健康风险助手框架，用于改善大语言模型在环境健康领域的化学风险推理能力	通过语义结构化和领域感知提示两种协同策略，将异构知识重组为上下文一致且语义丰富的配置文件，并引导大语言模型进行与毒理学目标对齐的结构化推理	未明确说明模型在更广泛或未见过化合物上的泛化能力，以及计算资源需求的具体细节	开发一个可信且可扩展的AI推理框架，用于环境与职业暴露中的化学健康风险评估，以支持公共和环境健康保护	化学化合物，特别是稀有或研究不足的化合物，涉及多样化的职业和日常暴露场景	自然语言处理	NA	深度学习，检索增强生成，提示工程	大语言模型	文本，化学属性数据	基于一个包含100个问题的基准进行评估，涵盖慢性毒性、职业危害和暴露特定风险	NA	NA	正确性，忠实性，领域特定帮助性	NA
831	2026-03-24	Deep learning-based early screening for porcine embryos with different developmental potential 2026-Mar-19, Theriogenology IF:2.4Q1 DOI:10.1016/j.theriogenology.2026.117900 PMID:41865699	研究论文	本文开发了一种基于深度学习的早期猪胚胎发育潜力筛查方法，通过建立胚胎液滴培养系统并利用MaxViT_T模型预测胚胎发育成囊胚的概率	首次结合胚胎液滴培养系统与深度学习模型（MaxViT_T）对猪早期胚胎发育潜力进行高精度预测，尤其在4细胞阶段达到峰值性能	研究仅基于孤雌激活（PA）胚胎的亮场图像，未涉及其他胚胎类型或更复杂的培养条件	提高猪人工繁殖技术（ART）效率，通过早期筛查筛选出高发育潜力的胚胎	猪孤雌激活（PA）胚胎，从1细胞期到囊胚期	计算机视觉	NA	胚胎液滴培养系统，亮场显微镜成像	深度学习	图像	10,041张猪孤雌激活胚胎的亮场图像	NA	MaxViT_T	预测性能（具体指标未明确说明）	NA
832	2026-03-24	Hard-Soft Acid-Base Principle Drives Rational Synthesis of Super-Dense Rare-Earth-Based Diatomic Sites 2026-Mar-18, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c21164 PMID:41847911	研究论文	本文提出了一种基于硬软酸碱原理的通用合成策略，成功制备了14种具有超高金属负载量的稀土基双原子催化剂，并通过深度学习辅助识别方法明确了其异质双原子构型	利用硬软酸碱原理指导合成，实现了稀土基双原子催化剂的超高负载量（12.8-30.7 wt%）和明确构型识别，突破了传统双原子催化剂负载量低、构型不明确的限制	NA	开发一种通用设计原则，用于理性合成高负载双原子催化剂，以提升电催化硝酸盐还原性能	稀土基双原子催化剂	机器学习	NA	深度学习辅助双原子识别方法	深度学习模型	NA	14种稀土基双原子催化剂	NA	NA	氨产率	NA
833	2026-03-24	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-Mar-18, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出一种结合基因本体图嵌入和动态阈值深度神经网络的两步法，用于多标签蛋白质亚细胞定位预测	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，实现多标签预测，克服了固定阈值仅能单标签预测的限制	NA	提高蛋白质亚细胞定位预测的效率和准确性	蛋白质	机器学习	NA	基因本体图嵌入	深度神经网络	图数据	两个基准数据集：DeepLoc 2.0 和 Plant-mSubP	NA	深度神经网络	总体实际准确率, 宽松准确率	NA
834	2026-03-24	EviCYP: In Silico Prediction of Cytochrome P450 Substrates Based on Vector Quantization and Evidential Deep Learning 2026-Mar-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00074 PMID:41843769	研究论文	本文提出了一种名为EviCYP的新型预测框架，用于准确识别细胞色素P450（CYP）底物，该框架结合了证据深度学习和向量量化技术	通过整合证据深度学习和向量量化，首次在CYP底物预测中实现了不确定性量化，并构建了一个高质量、多模态的数据集	未明确提及模型在外部独立数据集上的验证结果或计算资源需求的具体细节	开发一个可靠且可信任的计算工具，用于药物发现和安全评估中的CYP底物预测	细胞色素P450（CYP）酶及其底物和非底物分子	机器学习	NA	证据深度学习，向量量化	深度学习	多模态分子表示，酶序列	10996个样本，包括4388个底物、2880个非底物和3728个伪阴性样本，涵盖9种主要CYP亚型	NA	证据深度学习层，向量量化编码器	AUROC	NA
835	2026-03-24	BlotDx: A deep learning tool for Western blot-based diagnostics 2026-Mar-17, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2026.115385 PMID:41856415	研究论文	本研究开发了一个名为BlotDx的深度学习工具，用于辅助解释Western blot图像，以提高单纯疱疹病毒（HSV-1/HSV-2）血清学诊断的效率和一致性	提出了一个两阶段深度学习方法，结合实例分割/目标检测与分类模型，用于自动化Western blot图像解释，减少了人工解读的时间和变异性	研究主要针对HSV Western blot，未涉及其他疾病或更广泛的Western blot应用；且排除了不确定结果，可能影响实际临床场景的适用性	开发一个深度学习工具，以自动化Western blot图像的解读，提高单纯疱疹病毒血清学诊断的效率和一致性	单纯疱疹病毒（HSV-1和HSV-2）的Western blot图像	计算机视觉	单纯疱疹病毒感染	Western blot	实例分割, 目标检测, 分类模型	图像	主要数据集包含926个斑点对（2016-2017年采集，2018年拍摄），机构验证数据集包含185个斑点对（2019-2024年采集，2025年拍摄）	NA	NA	诊断准确率, 置信区间	NA
836	2026-03-24	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-Mar-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	本研究通过集成不确定性量化框架，为蛋白质多维NMR光谱的深度学习重建提供无参考的质量评估基准，以提升预测可靠性	首次在生物NMR光谱的深度学习重建中建立无参考的质量评估基准，并比较了三种不确定性量化框架（Deep Ensemble、MC Dropout、Evidential Deep Learning）的性能	未明确说明模型在更广泛生物样本或噪声环境下的泛化能力，且计算资源需求可能较高	提升深度学习在加速多维NMR光谱重建中的可靠性，防止过度自信预测和错误生物解释	蛋白质的2D和3D NMR光谱	机器学习	NA	多维NMR光谱	深度学习重建模型	光谱数据	NA	NA	NA	重建准确性、不确定性图与重建残差的一致性、实时估计效率	NA
837	2026-03-24	zERExtractor: An Automated Platform for Enzyme-Catalyzed Reaction Data Extraction from Scientific Literature 2026-Mar-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00090 PMID:41844379	研究论文	本文介绍了一个名为zERExtractor的自动化平台，用于从科学文献中提取酶催化反应数据	开发了一个面向准确性且可扩展的多模态信息提取平台，结合了微调的大型语言模型、深度学习以及人类在环的流程，并通过专家数据保真度验证和主动学习实现持续进化	未明确说明平台在处理非结构化文献时的具体限制或错误率	解决酶反应文献快速扩张导致的数据库管理瓶颈，为DL驱动的酶活性预测模型提供结构化数据	科学出版物中的酶催化反应数据	自然语言处理	NA	NA	大型语言模型, 深度学习模型	文本, 表格, 分子反应图	NA	NA	NA	准确率	NA
838	2026-03-24	Domain-Level Classification of Archaea and Bacteria Using AI-Assisted Single-Cell Raman Spectroscopy 2026-Mar-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00460 PMID:41867523	研究论文	本研究提出了一种结合拉曼光谱和机器学习的方法，用于在单细胞水平上区分古菌和细菌	开发了一种基于拉曼光谱和LightGBM算法的文化独立方法，用于古菌和细菌的域级分类，无需培养且适用于低丰度微生物	数据集中仅包含22个原核物种（11个古菌和11个细菌），样本规模相对较小，可能限制了模型的泛化能力	开发一种无需培养的方法，以区分古菌和细菌，并促进对复杂微生物群落中古菌的研究	古菌和细菌的单细胞	机器学习	NA	拉曼光谱	LightGBM, CNN	光谱数据	22个原核物种（11个古菌和11个细菌）	LightGBM, 可能包括TensorFlow或PyTorch（用于CNN）	LightGBM（树基模型）, CNN（具体架构未指定）	准确率, 灵敏度	NA
839	2026-03-24	Letter to the Editor concerning "External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study" by Wu et al. (Eur spine J [2025]; https://doi.org/10.1007/s00586-025-09543-z) 2026-Mar-15, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112802 PMID:41865474	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
840	2026-03-24	Identification of novel biomarkers for Alzheimer's disease: A deep learning omics-based approach to drug pair discovery and exploration of potential therapeutic targets 2026-Mar-14, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00989 PMID:41837520	研究论文	本研究采用深度学习与组学方法，探索了阿尔茨海默病的新型生物标志物、潜在治疗靶点及药物组合发现	提出了一个基于组学的智能药物发现框架，用于快速筛选和优化化合物药物对，并将免疫失调确立为疾病早期的核心协同驱动因素，特别是揭示了CD8+ T细胞和Fcγ受体3A在疾病病理生理学中的关键作用	因果关系主要基于孟德尔随机化分析，仍需进一步的实验验证；药物发现框架的有效性需要在临床前和临床研究中进一步评估	探究免疫细胞、血浆蛋白与阿尔茨海默病之间的因果关系，并发现针对血浆蛋白的有效药物组合疗法	阿尔茨海默病患者、轻度认知障碍个体、认知正常参与者、5×FAD小鼠模型、免疫细胞（特别是CD8+ T细胞）、血浆蛋白（特别是Fcγ受体3A）	机器学习	阿尔茨海默病	两样本孟德尔随机化、数据挖掘、分子对接分析、生物信息学分析	神经网络	组学数据、队列数据、药物数据库数据	大型阿尔茨海默病队列、阿尔茨海默病神经影像学倡议数据库、药物数据库	NA	生物因子调控的神经网络	NA	NA