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
81	2026-04-05	Identifying microbial protease allergens through protein language model-guided homology 2026-Mar-18, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101510 PMID:41722567	研究论文	本研究利用深度学习与预训练蛋白质语言模型，从宏基因组数据中识别微生物丝氨酸蛋白酶过敏原	首次将蛋白质语言模型与深度学习框架结合，通过保守催化三联体识别低序列同源性的过敏原同源物，突破了传统方法的局限	方法依赖于预训练蛋白质语言模型的表征能力，且实验验证仅针对部分预测结果	开发计算框架以发现微生物来源的新型蛋白酶过敏原	肠道、皮肤和口腔微生物组中的丝氨酸蛋白酶与半胱氨酸蛋白酶	生物信息学, 机器学习	过敏性疾病	宏基因组学, 深度学习, 蛋白质语言模型	深度学习框架, 蛋白质语言模型	蛋白质序列数据, 宏基因组数据	NA	NA	蛋白质语言模型引导的深度学习框架	实验验证（免疫诱导过敏反应）	NA
82	2026-04-05	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults Using Source-Free Domain Adaptation: Algorithm Development and Validation 2026-Mar-18, JMIR aging IF:5.0Q1 DOI:10.2196/79123 PMID:41848218	研究论文	本研究开发并验证了一种基于源自由域适应的算法，用于预测老年人对计算机化认知训练项目的依从性	首次应用源自由域适应技术预测老年人对认知训练项目的日常依从性，解决了数据隐私限制下的模型训练问题	研究依赖于三个先前进行的认知训练干预研究数据，样本来源可能有限	提高预测老年人认知训练项目依从模式的准确性，以开发个性化支持系统促进依从性和改善认知结果	参与计算机化认知训练项目的老年人	机器学习	老年疾病	源自由域适应	深度神经网络	训练数据	来自三个先前认知训练干预研究的数据	NA	NA	NA	NA
83	2026-04-05	Artificial Intelligence for Diagnosing Meibomian Gland Dysfunction: A Systematic Review and Meta-Analysis of Diagnostic Test Accuracy Studies 2026-Mar-18, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004151 PMID:41931504	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于人工智能的睑板腺成像解读在诊断睑板腺功能障碍中的诊断准确性，并与人类评估者进行比较	首次对人工智能在睑板腺功能障碍诊断中的表现进行系统综述和荟萃分析，综合评估了现有研究的诊断准确性	纳入研究存在高偏倚风险、适用性担忧以及证据确定性较低（极低至低），且研究异质性较大	评估人工智能在睑板腺功能障碍诊断中的诊断准确性，并与人类评估者进行比较	睑板腺功能障碍患者及正常人群的睑板腺成像图像	计算机视觉	睑板腺功能障碍	非接触式红外成像、活体共聚焦显微镜	深度学习模型	图像	14项研究，涉及5511名参与者（主要为中年、女性≥54.5%），共18926张睑板腺成像图像	NA	NA	敏感性, 特异性	NA
84	2026-04-05	Comparison of Patient Reviews for Submental Liposuction and Kybella Using Deep Learning and Natural Language Processing: Is There a Superior Intervention for Submental Adiposity? 2026-Mar-17, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf129 PMID:40577594	研究论文	本研究使用深度学习和自然语言处理技术比较了患者对颏下吸脂术和Kybella注射的在线评价，以评估两种干预措施在患者满意度和情感体验上的差异	首次应用优化的BERT模型分析RealSelf平台上的患者评论，比较颏下吸脂术与Kybella注射的情感倾向和满意度	研究基于在线评论，可能存在选择偏倚；未考虑临床客观指标；样本仅限于英语评论	比较颏下吸脂术和Kybella注射在患者报告结局方面的优劣，为临床决策提供参考	RealSelf平台上2014年至2024年间关于颏下吸脂术和Kybella注射的英文患者评论	自然语言处理	NA	自然语言处理	BERT	文本	1338条评论（颏下吸脂术753条，Kybella注射585条）	NA	Bidirectional Encoder Representation from Transformers	情感评分（0-1），情绪分类比例	NA
85	2026-03-18	Uncertainty-aware automated labeling of intracranial arteries using deep learning 2026-Mar-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02276-5 PMID:41840364	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
86	2026-04-05	Assessing the influence of kernel selection on chest computed tomography image quality across varying dose levels using TrueFidelity reconstruction 2026-Mar-13, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncaf143 PMID:41821439	研究论文	本研究评估了在不同剂量水平下，使用TrueFidelity重建算法时，不同重建核（Standard核与Lung核）对胸部CT图像质量的影响	首次系统比较了TrueFidelity深度学习重建算法中新增的Lung核与传统Standard核在常规剂量与超低剂量胸部CT中的图像质量差异	样本量较小（25例患者），超低剂量协议中未发现统计学显著差异，且超低剂量图像在肺气肿评估中常被评为不可接受	评估深度学习图像重建算法中不同重建核对胸部CT图像质量的影响	胸部CT扫描图像	医学影像分析	肺部疾病	深度学习图像重建（DLIR）、CT扫描	深度学习神经网络	CT图像	25例患者	TrueFidelity（GE Healthcare商用软件）	NA	视觉分级特征曲线下面积（AUCVGC）	NA
87	2026-04-05	From digital chest tomosynthesis to 3D CT 2026-Mar-13, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncaf162 PMID:41821455	研究论文	本研究提出了一种基于深度学习的框架，从数字胸部断层合成的小块投影数据重建矢状CT切片，以降低计算资源需求	通过将体素分割为空气、软组织或骨骼类别，而非预测连续的HU值，实现了更高效的低资源断层合成体积成像方法	方法在重建精细细节方面存在困难，目前尚不适合临床部署	开发一种计算效率更高的方法，从有限角度投影数据重建3D CT图像	数字胸部断层合成的投影数据	计算机视觉	NA	数字胸部断层合成	深度学习	图像	NA	NA	NA	一致性	NA
88	2026-04-05	Improving visibility of small anatomical details on low and ultra-low dose computed tomography with artificial intelligence-based image reconstructions 2026-Mar-13, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncaf171 PMID:41821465	研究论文	评估人工智能图像重建技术在不同辐射剂量水平下对胸部CT图像诊断质量的影响	首次在超低剂量CT中比较深度学习图像重建（DLIR-H）与传统重建方法（ASiR-V和FBP）对解剖细节可见度的提升效果	研究仅使用体模和离体肺标本，缺乏真实患者数据的验证	探究AI图像重建技术在低剂量CT中提升诊断图像质量的潜力	PBU-50人体模型和风干人体肺标本	医学影像分析	肺部疾病	CT扫描	深度学习图像重建	CT图像	1个体模和1个肺标本在6个剂量水平下扫描	NA	DLIR-H	解剖再现、噪声、伪影、诊断质量评分	NA
89	2026-04-05	A web-based deep learning cascade for automated detection and quantification of marginal bone loss 2026-Mar-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07962-y PMID:41792690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
90	2026-04-05	DeepTESite: The Prediction of Protein Arginine Methylation Sites Using Amino Acids Sequence Symmetric Position Encodings Based on Transformer Encoder 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3650228 PMID:41477806	研究论文	本文提出了一种基于Transformer编码器的DeepTESite模型，用于预测蛋白质精氨酸甲基化位点，通过引入氨基酸序列对称位置编码和双向多头注意力机制来提高预测准确性和计算效率	首次提出基于甲基化对称假说的氨基酸序列对称位置编码，以减少位置编码计算量，并应用双向多头注意力机制来提取序列和空间信息特征	未明确提及模型在更广泛蛋白质序列或不同甲基化类型上的泛化能力限制	预测蛋白质精氨酸甲基化位点，以揭示甲基化分子机制	蛋白质氨基酸序列	自然语言处理	NA	深度学习	Transformer	序列数据	NA	NA	Transformer编码器	准确率	NA
91	2026-04-05	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	本文提出了一种通过构建带符号的脑网络模型并利用带符号图神经网络技术来预测和分析阿尔茨海默病的新方法	将脑网络建模为包含正负相关性的带符号图，以更有效地捕捉脑区间的细微交互，并利用带符号图神经网络技术显著提升预测准确性	未明确提及研究的局限性	预测和分析阿尔茨海默病，提高其诊断准确性	阿尔茨海默病患者（通过脑网络数据建模）	机器学习	阿尔茨海默病	脑网络建模，带符号图神经网络	图卷积网络（GCN）及其变体	脑网络数据（建模为带符号图）	NA	NA	图卷积网络（GCN）及其变体	诊断精度（提升至少19%）	NA
92	2026-04-05	TransSE: A Transfer Learning-Based Predictive Model for Distinguishing Super Enhancers and Typical Enhancers 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3657361 PMID:41576119	研究论文	本研究提出了一种基于迁移学习的深度学习框架TransSE，用于从基因组序列中区分超级增强子和典型增强子	结合卷积和循环神经网络，并采用跨物种迁移学习策略，提升了预测准确性和跨物种泛化能力	未明确提及模型在更多物种或更复杂基因组区域上的性能限制	开发一种高精度、可跨物种泛化的计算模型来识别超级增强子	人类和小鼠的基因组序列中的超级增强子与典型增强子	生物信息学	NA	基因组序列分析	CNN, RNN	基因组序列数据	人类和小鼠数据集（具体数量未明确）	NA	结合卷积和循环神经网络的定制架构	AUC	NA
93	2026-04-05	Real-world diagnostic performance of knee MRI protocols accelerated using simultaneous multi-slice acquisition and deep learning reconstruction 2026-Mar, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05058-2 PMID:41109866	研究论文	评估使用同步多层采集和深度学习重建的加速膝关节MRI协议在检测内部紊乱损伤方面是否不劣于传统并行成像协议	结合同步多层采集和深度学习重建技术加速MRI扫描，并在真实世界临床环境中验证其诊断性能	部分指标未达到严格的非劣效性边界，研究为回顾性队列设计	评估加速膝关节MRI协议的诊断性能	接受膝关节MRI并随后进行关节镜检查的患者	医学影像分析	膝关节损伤	同步多层采集, 深度学习重建, 3T MRI, 二维涡轮自旋回波序列	深度学习重建模型	MRI图像	1055名患者	NA	NA	灵敏度, 特异性, 95%置信区间	NA
94	2026-04-05	AGEP_TWAS: A Deep Learning-Based Framework for Predicting Gene Expression Levels in Tissues 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663364 PMID:41666075	研究论文	本文提出了一种基于深度学习的基因表达预测框架AGEP_TWAS，用于跨组织预测基因表达水平	利用密集连接网络、自适应激活函数和参数剪枝策略，通过核心基因预测其他基因的表达水平，解决了传统方法效率低且忽略缺失SNPs的问题	未明确提及模型在更广泛物种或复杂疾病中的泛化能力限制	开发一种高效准确的基因表达预测方法，以支持转录组范围关联研究	人类和牛的基因表达数据	机器学习	NA	基因表达预测	深度学习	基因表达数据	人类GEO表达数据集和CattleGTEx数据集	NA	密集连接网络	均方误差, 皮尔逊相关系数	NA
95	2026-04-05	Deep Temporal Sequence Classification and Mathematical Modeling for Cell Tracking in Dense 3D Microscopy Videos of Bacterial Biofilms 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663936 PMID:41671139	研究论文	本文提出了一种名为DenseTrack的新型细胞追踪算法，结合深度学习与基于数学模型的策略，用于在密集3D显微镜视频中准确追踪细菌生物膜中的细胞	将细胞追踪问题重新定义为基于深度学习的时间序列分类任务，并引入基于特征值分解的细胞分裂检测策略，利用细胞几何知识提高追踪准确性	NA	开发一种能够在密集环境中准确追踪细胞并识别亲代-子代关系的方法	细菌生物膜中的密集包装细胞	计算机视觉	NA	3D延时显微成像，荧光成像	深度学习	3D时间序列图像，荧光图像序列	模拟和实验荧光图像序列	NA	NA	定性和定量评估指标	NA
96	2026-04-05	SCImputation: Mitigating Feature Confounding From a Structural Causal Perspective for Data Imputation 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3665199 PMID:41697814	研究论文	本文提出了一种基于结构因果视角的数据插补方法SCImputation，旨在通过优化邻居选择和利用后门调整公式来减轻目标特征带来的混淆效应	从结构因果视角分析数据插补问题，揭示了目标特征作为混淆因子的作用，并提出了一种结合实例级和特征级信息的邻居选择策略以及后门调整公式来减轻混淆	NA	解决数据缺失问题，提高数据插补的准确性和可靠性	缺失数据	机器学习	NA	数据插补	KNNimpute, LLSimpute	结构化数据（如微阵列数据、评估数据）	五个数据集（NACC、三个NCBI微阵列、Turkiye Student Evaluation）	NA	NA	准确率, RMSE	NA
97	2026-04-05	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	本文提出了一种结合生物物理建模的深度学习方法，以改善蛋白质序列到功能映射中的外推预测性能	通过将蛋白质相互作用和动力学的物理能量效应直接整合到卷积和图卷积神经网络中，以克服传统深度学习方法在外推预测时的局限性	未明确提及具体的数据集规模限制或模型泛化到其他蛋白质类型的潜在挑战	提高蛋白质序列到功能关系建模中外推预测的准确性，以支持遗传疾病研究、蛋白质进化和工程应用	蛋白质序列及其功能映射，特别是通过深度突变扫描数据和可用结构学习的变体功能效应	机器学习	遗传疾病	深度突变扫描	CNN, GCN	序列数据, 结构数据	NA	NA	卷积神经网络, 图卷积神经网络	NA	NA
98	2026-04-05	Deep_TPPred: Improved Prediction of Protein Toxicity Using Feature Fusion and Hybrid Neural Network Approach 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3656227 PMID:41557578	研究论文	本研究提出了一种名为Deep_TPPred的新型混合深度学习模型，通过融合卷积神经网络和循环神经网络，结合特征融合技术，用于准确预测蛋白质毒性	提出了一种结合CNN和RNN的混合深度学习模型，并采用特征融合技术整合多种蛋白质序列描述符，以捕捉复杂的序列关系，从而在蛋白质毒性预测上实现了最先进的性能	NA	提高蛋白质毒性预测的准确性，以支持药物发现、安全评估和毒理学研究	蛋白质序列	生物信息学	NA	深度学习	CNN, RNN	蛋白质序列数据	NA	NA	混合神经网络（CNN与RNN结合）	准确率, 特异性, 灵敏度, Kappa值, MCC值	NA
99	2026-04-05	Transformer-based deep learning model for real-time prediction of intraoperative hypotension using dynamic time-series vital signs: A retrospective study 2026-Mar, PLoS medicine IF:10.5Q1 DOI:10.1371/journal.pmed.1005024 PMID:41880331	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于利用动态时间序列生命体征实时预测术中低血压，并通过回顾性数据验证其性能	首次将Transformer架构应用于实时术中低血压预测，使用常规可得的连续生命体征时间序列数据而非高分辨率波形数据，并进行了大规模多中心外部验证	研究设计为回顾性，需要前瞻性、多中心验证来确认模型的实时适用性和泛化能力	开发并验证一种能够实时预测术中低血压的深度学习模型，以改善手术期间的患者监护	手术患者	机器学习	心血管疾病	连续生命体征时间序列数据分析	Transformer, XGBoost	时间序列数据	训练集：319,699例手术病例（中国三级医院，2013-2023年）；外部验证集：来自韩国的独立数据集	NA	Transformer	AUC, 召回率, 准确率, 特异性, 预期校准误差	NA
100	2026-03-02	Explainable deep learning and radiomics integration for differentiating insulinomas from NF-PNETs in EUS imaging 2026-Feb-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03388-2 PMID:41764459	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA