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
981	2026-06-05	Adaptive spatiotemporal graph learning for multi-horizon probabilistic wind power forecasting 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53844-2 PMID:42236856	研究论文	提出自适应时空图神经网络框架用于多时域概率风电功率预测	集成站点特定气象输入和SCADA数据到动态演化图结构，边缘自适应重新加权以捕捉由风气候驱动的站间相关性变化；采用统一多目标损失函数，结合平均误差最小化、连续排序概率得分和时域平滑正则化	未明确说明，但从上下文推断可能依赖高分辨率数据和特定风电场簇，泛化性需进一步验证	提高风电功率预测的准确性、可靠性和时域一致性，优化现代电力系统运营	12个地理分散站点的风电场簇的高分辨率数据	机器学习	NA	SCADA数据、气象数据	时空图神经网络	时序数据	两年高分辨率数据，来自12个地理分散站点	NA	ST-GNN	RMSE, CRPS, 校准误差, 时域秩一致性	NA
982	2026-06-05	Deep learning-based cross-modal MR-CT registration for brain metastases radiotherapy with multi-scale feature refinement and brainstem guidance 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55496-8 PMID:42236931	研究论文	提出一种基于深度学习的多尺度特征细化与脑干引导的MR-CT跨模态配准框架，用于脑转移瘤放疗的精准靶区勾画	引入多尺度特征细化模块增强层次化特征交互，并利用脑干分割作为解剖先验指导训练，在不依赖肿瘤标注的情况下提升配准精度	配准精度的提高伴随局部变形折叠比例增加，拓扑正则性降低，表明高容量Transformer框架需在精度与变形稳定性间显式平衡	改进MR与CT跨模态可变形配准，实现脑转移瘤放疗中靶区的精确定位	脑转移瘤患者的MR与CT图像对，重点针对脑干及肿瘤区域	计算机视觉，数字病理	脑转移瘤	MRI，CT	Transformer	图像	141对脑转移瘤患者的MR-CT图像	PyTorch	TransMorph，MSFRTransMorph	Dice相似系数，95%豪斯多夫距离，雅可比变形度量	NA
983	2026-06-05	Gsformer: a dual-architecture deep learning framework with CNN-self-attention and sparse-attention for genomic selection 2026-Jun-03, Genetics, selection, evolution : GSE DOI:10.1186/s12711-026-01055-8 PMID:42237097	研究论文	提出Gsformer，一种结合CNN自注意力与稀疏注意力的双架构深度学习框架，用于基因组选择表型预测	首次提出双架构深度学习方法（CSA结合CNN与自注意力捕获局部和长程基因组依赖，NSA采用原生稀疏注意力提升计算效率），并在多种动植物的六大数据集上验证有效性	在部分性状上Gsformer-NSA的准确性略低于Gsformer-CSA，且需要调整topN超参数以优化性能	开发高效的深度学习框架进行基因组选择，提升表型预测能力	猪、牛、鸡、小鼠、小麦和玉米等动植物基因组与表型数据	机器学习	NA	高通量测序（基因组SNP数据）	CNN-自注意力（CSA）、稀疏注意力（NSA）	基因组SNP数据和表型数据	六组数据集覆盖多种动植物物种，具体样本数未在摘要中说明	PyTorch（基于深度学习的实现）	CSA（CNN与自注意力结合）、NSA（稀疏注意力机制）	准确性、SHAP值	未在摘要中说明，但建议使用GPU以减少计算成本
984	2026-06-05	THC-net: an attention-based deep learning model for chromatin compartment prediction from histone modifications 2026-Jun-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06504-1 PMID:42237102	研究论文	提出了一种基于注意力机制的深度学习模型THC-Net，用于从组蛋白修饰数据预测染色质区室	首次将Transformer自注意力、Hyena算子的长序列建模能力和CNN局部特征提取优势融合，实现跨细胞系的高精度染色质区室预测	模型主要依赖活性增强子或启动子的强信号来定义A区室，可能对弱信号依赖的染色质结构预测存在局限	开发一种低成本、高效的计算方法，替代Hi-C实验以预测跨细胞类型的染色质A/B区室动态变化	六种人类细胞系（IMR90、HMEC、K562、GM12878、HUVEC、NHEK）中的染色质区室	机器学习	NA	深度学习	混合模型（Transformer + Hyena + CNN）	组蛋白修饰信号	6种细胞系	PyTorch	THC-Net（基于自注意力机制的混合架构）	AUROC	NA
985	2026-06-05	Integrating multimodal features with deep learning for protein solubility prediction 2026-Jun-03, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01225-2 PMID:42237181	研究论文	结合多模态特征与深度学习进行蛋白质溶解性预测	从蛋白质序列中提取理化性质和共进化特征，并融合基于图的蛋白质表示和表面特征作为输入；开发了两个模型ProSolNet和ProSolNet分别用于预测蛋白质是否可溶和突变引起的溶解性变化	未明确提及局限性	提高蛋白质溶解性预测的准确性，加速功能性蛋白质的开发	天然和突变蛋白质	机器学习	NA	蛋白质序列分析	深度学习	文本（蛋白质序列）	NA	NA	ProSolNet	准确率	NA
986	2026-06-05	Utility of deep learning for degree calculation of aortic arch calcification in chest-X ray 2026-Jun-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02370-8 PMID:42237240	research paper	提出一种基于变压器模型的方法用于自动计算胸部X光片中的主动脉弓钙化分级	创新性地将多注意力模块与变压器机制结合，利用层次化16块表示实现细粒度钙化分布分析	未明确提及限制条件	提高主动脉弓钙化分级的准确性和一致性	胸部X光片中的主动脉弓钙化	computer vision	cardiovascular disease	NA	transformer	image	NA	PyTorch	Multi-Attention with Transformer Model, MATM	accuracy	NA
987	2026-06-05	PepPharmaHub: a cloud-based platform integrating multimodel language architectures with curated data resources for therapeutic peptide discovery 2026-Jun-03, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02625-4 PMID:42237327	研究论文	PepPharmaHub 是一个基于云的平台，整合了多模型语言架构和精选数据资源，用于治疗性肽的发现	提供了一个基于云的无代码端到端平台，集成了先进的基于序列的语言建模、精选基准数据集和交互式可视化模块，并包含一个由24个模型组成的高通量筛选模块，针对20种治疗特性	NA	开发一个基于云的、无代码的平台，用于治疗性肽的高通量功能预测和定制化建模	治疗性肽	机器学习	NA	序列分析	语言模型	序列数据	24个公共数据集和3475个新报道的生物活性肽	NA	NA	准确率	云平台
988	2026-06-05	Clinical Applicability of Artificial Intelligence-Driven Implant Planning and Surgical Guide Design in the Maxillary Esthetic Zone: A Registry-Based Cohort Study 2026-Jun-03, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70144 PMID:42237361	研究论文	本文评估了人工智能辅助种植规划与人工专家规划在前牙美学区的准确性、时间效率和工作流程一致性	首次在前牙美学区基于登记队列研究比较人工智能辅助种植规划与人工专家规划，并验证了混合AI框架的临床应用可行性	未提及	评估人工智能辅助种植规划和手术导板设计在上前牙美学区的临床应用效果	35例上前牙单颗缺失病例，配对锥形束CT和口内扫描数据	医学影像	牙科缺失症	锥形束CT成像、口内扫描	深度学习（分割模型）	图像（CBCT和口内扫描）	35例上前牙单颗缺失病例	NA	规则约束与深度学习分割相结合的混合框架	线性偏差（冠状位、根尖位）、角度偏差、骨厚度、蜡型对齐、导板贴合度、规划时间、一致性	NA
989	2026-06-05	Integrating van't Hoff Equation with Artificial Neural Network for the Prediction of H2S Solubility in Ionic Liquids 2026-Jun-03, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01869 PMID:42237580	研究论文	本文提出一种将范特霍夫方程嵌入人工神经网络的物理信息混合模型，用于预测离子液体中硫化氢的溶解度	首次将范特霍夫方程直接集成到人工神经网络架构中，在保留数据驱动灵活性的同时强制执行热力学约束，实现了在未知化学空间中的物理一致性预测	NA	开发一种可靠、可解释且具有泛化能力的预测模型，加速高性能离子液体用于硫化氢捕获的发现	离子液体中硫化氢的溶解度	机器学习	NA	NA	人工神经网络	数值数据	NA	NA	混合人工神经网络	决定系数	NA
990	2026-06-05	PlasticAnalytics: A Deep Learning-Powered Spectral Library and Analytical Suite 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c01309 PMID:42138063	研究论文	PlasticAnalytics提供了一个基于深度学习的自动化工作流，用于微塑料的拉曼光谱和傅里叶变换红外光谱分析	将迭代不对称惩罚最小二乘基线校正、混合规则与机器学习去噪框架以及深度残差网络结合，实现高精度自动分类和高效光谱成像处理	在抽象中未明确讨论局限性，但可能包括对某些罕见塑料类型的泛化能力或对特定仪器平台的依赖	解决振动光谱分析微塑料的关键瓶颈，通过自动化预处理和深度学习分类提高效率和准确性	微塑料样本，包括原始、消费后和环境风化的塑料光谱	机器学习	NA	拉曼光谱、傅里叶变换红外光谱	深度残差网络、不确定性感知质量控制分类器	光谱数据	原始、消费后和环境风化塑料光谱数据，未指定具体数量	PyTorch	深度残差网络	准确率	NA
991	2026-06-05	Deep learning-based contrast-enhanced ultrasound for Ki-67 assessment and prognosis in hepatocellular carcinoma 2026-Jun-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5f9a PMID:41985477	research paper	开发基于深度学习框架利用增强超声无创评估肝细胞癌Ki-67表达并进行预后预测	首次利用增强超声影像数据结合临床特征构建通道分离卷积多模态模型无创评估Ki-67表达，并用于肝细胞癌预后分层	回顾性研究设计、样本量相对较小、外部测试集患者预后数据完整性有限	通过非侵入性方法评估肝细胞癌中Ki-67表达并预测预后	肝细胞癌患者	computer vision, digital pathology	liver cancer	contrast-enhanced ultrasound (CEUS), deep learning	channel-separated convolutional neural network (CECMM)	video, clinical data	456名肝细胞癌患者，来自25个机构	NA	CECMM (Channel-separated Convolutional-based Multimodal Model)	accuracy, AUC	NA
992	2026-06-05	ScatterFusionNet: physics-informed deep scatter correction for dual-detector CT using Klein-Nishina prior 2026-Jun-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae6af7 PMID:42102855	研究论文	提出了一种基于物理信息的深度散射校正框架ScatterFusionNet，用于双探测器CT图像中的散射伪影去除	首次将Klein-Nishina散射先验知识融入深度学习网络，通过特征线性调制将物理约束嵌入多尺度骨干网络，实现跨解剖区域的鲁棒泛化而无需大量特定训练数据	仅在模拟数据和单个人体数据集上验证，缺乏大样本临床多中心验证，且双探测器CT硬件要求可能限制临床推广	开发一种能够跨解剖区域泛化且降低对特定部位训练数据依赖的物理信息散射校正方法	锥束CT图像中的散射伪影，特别是头部扫描中的牙齿区域	计算机视觉	无特定疾病	锥束CT成像	SE UNet	CT图像	Monte Carlo模拟数据及单个人体右耳数据用于微调	NA	SE UNet	对比噪声比	NA
993	2026-06-05	Integrating deep learning techniques for analysis of chin morphology among Han Chinese individuals using a large cone-beam computed tomography dataset 2026-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-06947-z PMID:42228150	研究论文	利用深度学习技术分析汉族人群下巴形态与大锥形束CT数据集	首次系统性地使用深度学习模型（nnU-Net）对汉族人群下巴形态进行自动化分割，并结合性别和骨骼类型建立三维平均模型	研究仅基于汉族人群数据，可能无法推广至其他人群；未探讨不同种族间的形态差异	表征下巴形态及其与性别和骨骼模式的关联	汉族人群下巴形态	机器学习和数字病理学	不适用	CBCT成像	nnU-Net	图像（CBCT图像）	743张CBCT图像（男性322人，女性421人，年龄18-83岁），其中304张用于模型训练	PyTorch	nnU-Net	不适用	不适用
994	2026-06-05	Benchmarking Deep Learning Methods for Cα Atom Prediction in Cryo-EM Density Maps 2026-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag350 PMID:42234518	研究论文	为评估四种深度学习方法的Cα原子预测性能，建立了一套涵盖多种分辨率和分子量的基准测试框架	引入多阈值RMSD指标和点云相似性度量，对自动化建模工具中的Cα预测模块进行了全面、定量的对比评估	数据集限于特定分辨率和分子量范围，可能未涵盖所有真实场景中的噪声条件	填补缺乏专门针对Cα原子预测模块的基准测试空白，为方法开发提供可重现评估框架	ModelAngelo、DeepMainMast、EModelX和CryoAtom四种深度学习Cα预测方法	数字病理学	NA	冷冻电镜	深度学习模型	冷冻电镜密度图	覆盖1-8Å分辨率和多种分子量的多样数据集	PyTorch	ModelAngelo、DeepMainMast、EModelX、CryoAtom	多阈值RMSD、Chamfer距离、地球移动距离	NA
995	2026-06-05	A novel peak-searching method for multiple radioisotopes based on deep learning 2026-Jun-02, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112730 PMID:42235196	研究论文	提出一种基于深度学习的多放射性同位素自动峰值搜索方法，用于伽马能谱分析中的核素识别	首次将深度学习框架（CNN、ResNet、Transformer）系统应用于伽马能谱光峰值搜索，通过通道坐标匹配实现多核素环境下的自动实时识别	Transformer模型在严格匹配标准下定位精度较差，ResNet假阳性率较高	开发适用于移动探测平台的自动实时放射性核素识别系统	伽马能谱中的光峰通道坐标及多放射性同位素	机器学习	NA	伽马能谱分析	CNN, ResNet, Transformer	光谱数据	NA	NA	卷积神经网络, 残差网络, Transformer	精确率, 召回率, F1分数	NA
996	2026-06-05	DisSubFormer: A subgraph transformer model for disease subgraph representation and comorbidity prediction 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108935 PMID:41655406	研究论文	提出DisSubFormer亚图Transformer模型，用于疾病亚图表示学习和共病预测	首次在共病预测中引入亚图到亚图注意力机制，并结合基因本体的层次祖先结构，使用可学习的多头注意力捕获碎化疾病亚图的拓扑和功能信息	仅基于基准共病数据集评估，未在其他疾病网络或实际临床数据上验证通用性	开发一种能有效建模疾病亚图拓扑和基因本体层次信息的计算方法，以提升共病预测性能	疾病共病关系及蛋白质互作网络中的疾病亚图	机器学习	NA	NA	Transformer	蛋白质互作网络数据、基因本体数据、共病数据	基准共病数据集（未具体说明样本数量）	PyTorch	Transformer, 多头注意力机制	AUROC	NA
997	2026-06-05	K-CC-MoCo: A Fast k-Space-Based Respiratory Motion Correction for Highly Accelerated First-Pass Perfusion Cardiovascular MR 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70287 PMID:41664248	研究论文	提出一种基于k空间的快速呼吸运动校正方法K-CC-MoCo，用于高度加速的首过灌注心血管磁共振成像	直接在k空间进行帧间刚性运动校正，解决了图像域方法在高度加速扫描中因欠采样伪影而失效的问题，并针对动态对比度设计了归一化互相关目标函数	仅适用于刚性运动校正，未考虑非刚性变形；依赖线圈压缩和ROI选择，可能对心脏区域定位敏感	实现自由呼吸首过灌注CMR中呼吸运动的高效校正，支持高度加速采集下基于模型或深度学习的高质量重建	自由呼吸状态下的首过灌注心血管磁共振成像数据	计算机视觉	冠状动脉疾病	心血管磁共振成像	NA	k空间数据	使用数字体模和真实自由呼吸采集数据，包含不同加速因子（最高50倍）	NA	NA	SSIM	NA
998	2026-06-05	Morphological classification of Schizochytrium and mutagenic selection of high-oil-producing strains based on deep learning 2026-Jun, Microbiological research IF:6.1Q1 DOI:10.1016/j.micres.2026.128464 PMID:41666518	研究论文	基于深度学习的裂殖壶菌形态分类及高产油菌株诱变筛选研究	开发了13类新型形态分类系统，整合细胞分裂特征和脂滴参数，并构建了专用目标检测架构MLC-YOLO，实现了裂殖壶菌形态自动分析和高产油菌株高效筛选	未提及实时发酵监测系统的实际应用验证及模型在更广泛工业场景中的泛化能力	建立基于深度学习的裂殖壶菌形态自动分析方法，用于实时发酵监测和高产油菌株高效筛选	裂殖壶菌的细胞形态、脂滴参数、生物量动态及脂质合成关系	计算机视觉	不适用	深度学习图像分析	YOLO（MLC-YOLO改进模型）	图像	包含裂殖壶菌不同形态类型的细胞图像数据集	PyTorch	MLC-YOLO（基于YOLOv8s改进）	平均精度均值（mAP）	未提及
999	2026-06-05	Masked Image Modeling for Generalizable Organelle Segmentation in Volume EM 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3667612 PMID:41734129	研究论文	提出一种名为OrgMIM的双分支掩码图像建模框架，用于提升体积电子显微镜中细胞器分割的泛化能力	首次结合静态结构先验和动态重建反馈的双分支互补掩码策略，并构建了首个以细胞器为中心的大规模3D EM数据集IsoOrg-1K	仅在电子显微镜数据上验证，未涉及其他成像模态；对计算资源要求较高	提高深度学习方法在电子显微镜体积数据中细胞器分割的准确性和鲁棒性，减少对大量标注数据的依赖	电子显微镜体积数据中的细胞器结构（如线粒体、内质网等）	计算机视觉, 数字病理学	NA	电子显微镜（EM）体积成像	Transformer, 掩码图像建模（MIM）	3D体积图像	IsoOrg-1K数据集包含928个信息量丰富的体积，超过1200亿体素；使用三个公开EM数据集进行验证	PyTorch	双分支MIM框架（含视觉基础模型生成亲和图和自引导损失图）	mIoU（平均交并比）	NA
1000	2026-06-05	M2PL-GAN: Multi-View Multi-Level Pathology Semantic Perception Learning for H&E-to-IHC Virtual Staining 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3668248 PMID:41747115	研究论文	提出一种多视角多层次病理语义感知学习模型M2PL-GAN，用于H&E到IHC的虚拟染色	首次引入结构上下文关系、特征分布和拓扑感知细粒度语义的三视角综合语义学习范式，通过CACM、LDAM和GBCLM三个机制分别增强上下文一致性、对齐特征分布和优化拓扑感知语义对齐	未提及局限性和计算资源开销	解决H&E到IHC虚拟染色中病理语义特征难以对齐的问题	H&E染色图像与IHC染色图像之间的转换	数字病理学	NA	NA	GAN	图像	公共和私有数据集	PyTorch	CACM, LDAM, GBCLM, 图神经网络	定量指标和定性评估	NA