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
8681	2026-05-27	CARS-AMP: A Simple and Efficient Deep Learning Model for Antimicrobial Peptide Prediction 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00362 PMID:42066253	研究论文	构建了一个名为CARS-AMP的深度学习模型，用于抗菌肽预测，该模型结合了卷积神经网络、循环神经网络和自注意力机制	提出了一种简单高效的深度学习模型CARS-AMP，通过小规模但集中的数据集训练，实现了近最佳的抗菌肽预测性能	模型在区分侧链大小和序列长度差异方面存在不足，需要进一步改进	开发一种高效的深度学习模型用于抗菌肽分类预测，以应对全球抗生素耐药性问题	抗菌肽序列	机器学习	NA	深度学习	卷积神经网络(CNN)、循环神经网络(RNN)、自注意力机制(Self-attention)	序列数据	小规模但集中的数据集	NA	CNN, RNN, Self-attention	准确率(Accuracy)	NA
8682	2026-05-27	HighFold-MeD2: An Enhanced Boltz-2 Model for Accurate Structure Prediction of N-Methylated and d-Amino Acid Cyclic Peptides 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00158 PMID:42076870	研究论文	提出了一种基于Boltz-2的增强模型HighFold-MeD2，用于准确预测含有N-甲基化主链氨基酸和d-氨基酸的环肽的三维结构	通过利用Rosetta SCP生成的构象数据微调Boltz-2的全原子扩散模型，并采用通用化学组件字典实现非天然氨基酸的无缝集成，突破了传统硬编码方式的局限	对局部空间位错的纠正依赖Amber力场能量最小化，可能未完全解决复杂修饰环肽的构象采样问题	开发一种高效且通用的环肽结构预测方法，以支持含甲基化主链氨基酸和d-氨基酸修饰的环肽药物设计	含有骨架N-甲基化氨基酸和d-氨基酸的环肽	机器学习	NA	NA	全原子扩散模型	分子结构数据	NA	Boltz-2	Pairformer-Diffusion	预测精度	NA
8683	2026-05-27	ULCYP: A Multitask Model for Predicting P450 Inducers Based on Positive-Unlabeled Learning 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00305 PMID:42120957	研究论文	提出ULCYP，一种基于正-无标签学习的多任务深度学习框架，用于预测CYP450诱导剂	利用大规模无标签数据弥补可信负样本不足，通过正-无标签学习实现更准确的决策边界估计	NA	开发预测CYP诱导作用的专业模型，降低药物早期研发中药物相互作用和毒性风险	CYP诱导剂，包括PXR、CAR和AhR等关键CYP诱导介质的非激动剂	机器学习	NA	NA	多任务深度学习	分子结构数据	NA	PyTorch	NA	AUC	NA
8684	2026-05-27	CypGEM: A Geometry-Aware and Edge-Enhanced Graph Transformer Model for Predicting Sites of Metabolism Mediated by Cytochromes P450 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01181 PMID:42083374	研究论文	提出一种几何感知和边增强的图Transformer模型CypGEM，用于预测细胞色素P450介导的代谢位点	引入门控边融合和动态边更新机制捕捉化学键变化的微观电子演化特征，整合全局几何感知层重建长程分子内空间约束	NA	提高代谢位点预测的准确性和泛化能力，为药物发现提供结构优化指导	化合物在细胞色素P450介导下的代谢位点	机器学习	NA	NA	图Transformer	分子结构数据	构建的高质量基准数据集	NA	图Transformer	准确性	NA
8685	2026-05-27	Functional Groups Are All You Need for Chemically Interpretable Molecular Property Prediction 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02769 PMID:42108966	研究论文	提出基于官能团表示（FGR）框架的分子表示方法，用于可解释的分子性质预测	创新性地将化学官能团概念引入深度学习的分子表示，结合已知官能团和从大型分子库中挖掘的官能团，通过预训练获得低维隐空间表示，实现化学可解释性	未提及具体局限性	开发兼具高性能和化学可解释性的深度学习分子性质预测模型	分子及其官能团表示	机器学习	NA	NA	深度学习模型	分子结构数据	33个基准数据集	NA	NA	NA	NA
8686	2026-05-27	Consistency-based Semi-supervised Evidential Active Learning Framework for Robust Classification of Radiology Images 2026-May-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696868 PMID:42184193	研究论文	提出基于一致性的半监督证据主动学习框架，用于放射学图像的鲁棒分类	结合半监督学习与主动学习，利用证据学习实现可靠的不确定性估计，并引入噪声鲁棒性机制处理噪声标注	未明确讨论该框架在不同数据分布或极端噪声水平下的性能边界，以及计算资源需求的具体分析	提升放射学图像分类中半监督主动学习的可靠性和鲁棒性，减少标注负担	多种放射学图像数据集，包括X光、CT和MRI图像	计算机视觉	NA	深度学习	证据学习	图像	多个公开数据集（具体数量未明确说明）	PyTorch	Pseudo-labelling, Virtual Adversarial Training, Mean Teacher, NoTeacher	准确率（Accuracy）、F1分数（F1-score）、AUC	NA
8687	2026-05-27	Whole-body reduced-dose dual-energy CT with deep learning image reconstruction for detection of osteolytic lesions in multiple myeloma 2026-May-25, Radiography (London, England : 1995) DOI:10.1016/j.radi.2026.103450 PMID:42184692	研究论文	该文章评估了深度学习图像重建在低剂量双能CT中对多发性骨髓瘤溶骨性病变的检测能力，并与常规剂量单能CT进行比较	首次将深度学习图像重建整合到低剂量双能CT中，用于多发性骨髓瘤的评估，并实现了53%的辐射剂量降低	目前尚不清楚低剂量双能CT与深度学习图像重建在多发性骨髓瘤评估中的应用效果，需要进一步验证	评估低剂量双能CT与深度学习图像重建在图像质量和溶骨性病变可检测性方面的表现	43名已知或前驱多发性骨髓瘤参与者（平均年龄68岁，31名男性）中的121处溶骨性病变	计算机视觉	多发性骨髓瘤	双能CT，深度学习图像重建	NA	图像	43名参与者，121处溶骨性病变	NA	深度学习图像重建	图像噪声、信号噪声比、对比噪声比、骨与病变对比噪声比、灵敏度、特异性	NA
8688	2026-05-27	Prediction and Clinical Application of Central Lymph Node Metastasis in Papillary Thyroid Carcinoma Based on Multi-modal Ultrasound Feature Fusion: A Multi-center Study 2026-May-25, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.04.024 PMID:42185182	研究论文	基于多模态超声特征融合预测甲状腺乳头状癌中央区淋巴结转移的多中心研究	首次整合B型超声和应变弹性成像两种模态的深度学习模型，实现术前无创预测，并通过多中心数据验证了模型的泛化能力	未说明具体限制，但回顾性设计和样本量有限可能影响结果可靠性	开发和验证一种整合多模态超声信息的深度学习模型，用于术前准确预测甲状腺乳头状癌患者的中央区淋巴结转移	来自4家医院的568例甲状腺乳头状癌患者	计算机视觉	甲状腺癌	B型超声、应变弹性成像	深度学习模型	图像	568例患者（训练集400例，内部验证集100例，外部测试集68例）	NA	EfficientNet-B4	AUC, 准确率, 敏感性, 特异性	NA
8689	2026-05-27	A U-Net-based multimodal deep learning model for high-precision blood glucose prediction using non-invasive physiological data 2026-May-25, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2676676 PMID:42185234	研究论文	提出一种基于U-Net的多模态深度学习模型，通过整合历史连续血糖监测数据与非侵入性生理参数实现高精度血糖预测	首次将U-Net架构应用于血糖预测，融合多模态生理数据并验证非侵入性方法的定量有效性	NA	开发基于非侵入性生理数据的短期血糖预测模型，用于胰岛素依赖型1型糖尿病患者的代谢健康管理	胰岛素依赖型1型糖尿病（T1DM）患者的血糖波动模式	机器学习	1型糖尿病（T1DM）	连续血糖监测	U-Net	时间序列生理数据（血糖监测数据与非侵入性生理参数）	NA（基于OhioT1DM数据集）	PyTorch	U-Net	平均绝对误差（MAE），均方根误差（RMSE），相关系数（R值）	NA
8690	2026-05-27	Measuring multi-site pulse transit time with an AI-enabled mmWave radar 2026-05-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73453-x PMID:42185285	研究论文	提出一种基于AI的毫米波雷达系统，用于无接触多点脉搏传播时间测量	首次利用单个毫米波雷达结合波束成形和深度学习实现多点脉搏传播时间无接触测量	NA	开发无接触多点脉搏传播时间测量系统以评估心血管功能	人体心脏-桡动脉、心脏-颈动脉、乳突区域-桡动脉三条生理通路	机器学习	心血管疾病	毫米波雷达、波束成形	深度学习模型	信号数据	NA	NA	NA	相关系数、平均误差、标准差	NA
8691	2026-05-27	A hybrid Granger TCN framework for generating climate analogues and determining the future of agricultural practices 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47821-y PMID:42185349	研究论文	提出一种结合格兰杰因果检验与时间卷积网络的混合框架，用于生成气候相似情景并预测农业实践的未来变化	首次将格兰杰因果检验与时间卷积网络结合，用于气候相似性分析和农业规划	仅使用单一气象参数（最高温度）进行分析，可能忽略其他重要气候因素	通过预测未来气候模式，为农业实践（如玉米种植规划）提供决策支持	印度四个城市（哥印拜陀、瓜廖尔、卢迪亚纳、克什米尔）的历史最高温度数据	机器学习	NA	时间序列预测	时间卷积网络与格兰杰因果检验	时间序列数据	四个城市共75年的历史最高温度数据	NA	时间卷积网络	均方根误差	NA
8692	2026-05-27	UAV-based tree species classification using DenseNet121 with transfer learning on visible light images 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45637-4 PMID:42185344	研究论文	本研究利用基于无人机的可见光图像结合DenseNet121深度学习架构和迁移学习，实现了对多种树种的高精度分类	首次将DenseNet121密集连接结构与迁移学习相结合，专门应用于无人机可见光图像树种分类，显著提升了特征提取和信息流效率，在多个先进模型对比中表现最优	未提及模型在不同光照条件、季节变化或地理区域下的泛化能力限制，也未讨论数据集规模和多样性对模型性能的影响	开发一种高效、可扩展且成本低廉的无人机可见光图像树种分类方法，用于森林监测和生态研究	多种树种	计算机视觉	NA	可见光成像	DenseNet121	图像（可见光）	多种树种的无人机可见光图像数据集（具体数量未详）	NA	DenseNet121	精确率、召回率、F1分数	NA
8693	2026-05-27	CL-ODGAN: an unpaired attention-guided GAN framework for remote sensing image dehazing 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53764-1 PMID:42185398	研究论文	提出一种无配对注意力引导的生成对抗网络框架CL-ODGAN，用于遥感图像去雾	将Omni-Dimensional Dynamic Convolution（ODConv）和混合归一化（BN+IN）集成到生成器中以增强表示能力，并采用双层（特征和像素）对比学习机制作为无配对数据下的监督信号	NA	解决遥感图像中非均匀雾霾去除问题，无需配对训练数据	遥感图像	计算机视觉	NA	深度学习	生成对抗网络	图像	NA	PyTorch	生成对抗网络（Residual blocks with ODConv）,注意力机制	NA	NA
8694	2026-05-27	FDA_YOLOv8: refined small object detection in unmanned aerial vehicle imagery 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51902-3 PMID:42185383	研究论文	提出一种基于YOLOv8s的改进型小目标检测方法FDA_YOLOv8，用于无人机图像中的小目标检测	通过引入四头检测架构、动态头部框架（Dyhead）、FasterNet嵌入C2f模块形成C2f_FA架构以及高效多尺度注意力机制（EMA）构建C2f_FE结构，在低计算成本下提升小目标检测性能	未明确提及局限性	在低计算成本条件下，提升无人机图像中小目标检测的准确性和效率	无人机图像中的小目标	计算机视觉	NA	NA	CNN	图像	VisDrone2019数据集	PyTorch	YOLOv8s, FasterNet, Dyhead, EMA	mAP	NA
8695	2026-05-27	External validity of deep learning solution for spontaneous intracranial hemorrhage detection on head CT scans 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54488-y PMID:42185412	研究论文	外部验证深度学习解决方案在非增强头部CT扫描中检测自发性颅内出血的性能	首次在两个瑞士医院的外部数据集上验证深度学习检测自发性颅内出血的性能，并评估成像参数对特异性的影响	样本量相对较小，尤其是阳性病例有限，且特异性在不同成像参数下波动较大	评估深度学习模型在外部独立数据集上检测自发性颅内出血的诊断准确性	来自瑞士苏黎世大学医院和HOCH Health Ostschweiz医院的901份非增强头部CT扫描	计算机视觉	颅内出血	CT扫描	深度学习	医学图像	901份非增强头部CT扫描，其中81份有自发性颅内出血	NA	NA	灵敏度、特异性	NA
8696	2026-05-27	Progression-guided spatiotemporal memory transformers for accurate and consistent longitudinal brain tumor segmentation 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53337-2 PMID:42185460	研究论文	提出了一种名为进展引导时空记忆变换器（PGSMT）的模型，用于准确且一致的纵向脑肿瘤分割	通过进展感知时间记忆模块、跨时间结构对齐机制和边界增强变换器编码器的独特设计，实现时间权重学习以区分噪声与真实进展，提高分割一致性和准确性	未明确提及局限性，但可能依赖高质量纵向MRI数据，且训练复杂度较高	解决现有深度学习模型忽略时间连续性导致肿瘤形状不规则的问题，实现纵向脑肿瘤的准确和一致分割	脑肿瘤的纵向MRI扫描图像	计算机视觉	脑肿瘤	NA	Transformer	图像	BraTS纵向基准数据集，具体样本量未提及	NA	PGSMT（进展引导时空记忆变换器）	Dice系数	NA
8697	2026-05-27	Lightweight deep learning model for nonconvulsive status epilepticus diagnosis using EEG time-frequency analysis 2026-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54785-6 PMID:42185493	研究论文	提出一种结合时频分析与轻量级深度学习模型的非惊厥性癫痫持续状态自动检测方法	将连续小波变换、多锥度法和希尔伯特-黄变换三种时频分析方法与增强坐标注意力机制的MobileNetV3网络集成，并引入指数移动平均结合医学先验知识进行自动诊断	未在更大规模或多中心数据集上验证模型的泛化能力	开发适用于边缘设备的非惊厥性癫痫持续状态自动检测算法	非惊厥性癫痫持续状态患者的脑电图数据	机器学习	非惊厥性癫痫持续状态	连续小波变换, 多锥度法, 希尔伯特-黄变换, 脑电图时频分析	MobileNetV3	脑电图信号	未明确说明样本量	NA	MobileNetV3, 坐标注意力机制	准确率	低成本边缘计算设备
8698	2026-05-27	A High-Resolution Multifocal RGB Pollen Grain Image Dataset for Deep Learning Computer Vision Tasks from Biobío Region, Chile 2026-May-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07495-7 PMID:42185486	研究论文	PollenBB16是一个包含智利花卉高分辨率RGB花粉图像的数据集，具有像素级实例分割掩膜，由专家验证，填补了现有花粉数据集在分类多样性、样本量和分辨率方面的空白	提供了16,198张原生分辨率3088×2064像素的明场光学显微镜图像，包含16个物种的36,383个像素级多边形，每个位置记录三个焦平面，实现z轴位移揭示外壁特征和内部结构信息，并采用泄漏安全分区防止指标膨胀	仅包含智利比奥比奥地区的16个物种，可能无法代表全球多样化的花粉形态；数据集仅限于明场光学显微镜图像，未涵盖其他成像模式	为深度学习计算机视觉任务提供高分辨率、多焦点、专家验证的花粉图像数据集，支持气溶生物学、生物多样性监测和蜂蜜植物来源认证等跨学科应用	智利比奥比奥地区的16种花粉物种，包括地方性、本地和外来物种，如Eucryphia glutinosa、Quillaja saponaria、Gevuina avellana和Aristotelia chilensis	计算机视觉	NA	明场光学显微成像	YOLO11n-seg	图像	16,198张图像，包含36,383个实例，覆盖16个物种	PyTorch	YOLO11n-seg	mask mAP@50	NA
8699	2026-05-27	A clinical-radiomics model based on multiparametric MRI for discriminating solitary primary spinal tumors from solitary spinal metastases 2026-May-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02448-3 PMID:42185785	研究论文	基于多参数MRI的临床-影像组学模型用于鉴别孤立性原发性脊柱肿瘤与孤立性脊柱转移瘤	首次将临床数据（年龄）与影像组学特征结合，构建临床-影像组学模型，并在多中心数据上验证其对孤立性脊柱肿瘤的鉴别能力优于纯影像组学和深度学习-影像组学融合模型	未提及模型在不同MRI设备或参数下的泛化性验证，且深度学习特征未显著提升性能	开发并验证一种基于多参数MRI的临床-影像组学模型，用于术前无创区分孤立性原发性脊柱肿瘤和孤立性脊柱转移瘤	510例经病理确诊的脊柱肿瘤患者（328例训练集、82例内部验证集、100例外部测试集）	数字病理学, 机器学习	脊柱肿瘤	多参数MRI（T1加权、T2加权、T2脂肪抑制、T1增强序列）	逻辑回归	影像数据	510例脊柱肿瘤患者	Scikit-learn	逻辑回归, 影像组学模型, 深度学习-影像组学融合模型, 临床-影像组学模型	曲线下面积（AUC）	未提及
8700	2026-05-27	Identifying potential ligand-receptor interactions by integrating LSTM network and the attention mechanism for cell-cell communication prediction 2026-May-25, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08033-0 PMID:42185831	研究论文	提出一种基于LSTM网络和注意力机制的深度学习框架CellAL，用于预测配体-受体相互作用并推断细胞间通讯	通过集成LSTM网络与注意力机制，直接从蛋白质序列数据捕获长程序列依赖性，克服了传统方法对静态数据库的依赖，能够发现新的信号配对	未明确说明，但在摘要中提及现有方法依赖静态数据库并缺乏序列依赖性建模	开发一个稳健的计算框架，直接从蛋白质序列数据识别潜在配体-受体相互作用，无需依赖静态数据库	配体-受体相互作用对及细胞间通讯网络	机器学习	黑色素瘤	单细胞RNA测序	长短期记忆网络（LSTM）	蛋白质序列数据及单细胞转录组数据	四个标准L-R相互作用数据集及人类黑色素瘤scRNA-seq数据	NA	LSTM, 注意力机制	AUPR	NA