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
1001	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
1002	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
1003	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
1004	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
1005	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
1006	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
1007	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
1008	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
1009	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
1010	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
1011	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
1012	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
1013	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
1014	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
1015	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
1016	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
1017	2026-06-05	Design of an optimal planning framework for cryosurgical treatment of brain tumor using CNN segmentation of MRI images 2026-Jun, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2026.105619 PMID:41819035	研究论文	提出一个整合深度学习分割、聚类优化和生物热模拟的脑肿瘤冷冻手术规划框架	将2D U-Net MRI图像分割与K-Medoids聚类、高斯混合模型和气泡包装算法等探头放置策略相结合，实现不规则脑肿瘤的精准冷冻手术规划	NA	开发术前冷冻手术规划方法，确保肿瘤完全覆盖同时最小化对周围健康组织的损伤	不规则形状脑肿瘤	计算机视觉, 医学影像	脑肿瘤	MRI成像	2D U-Net	二维MRI图像	NA	TensorFlow, PyTorch, COMSOL Multiphysics	2D U-Net	肿瘤覆盖精度, 冷冻时间估计	NA
1018	2026-06-05	TearNET: Validation of a convolutional neural network for grading of tear ferning patterns using deep learning 2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102654 PMID:41967396	研究论文	验证基于卷积神经网络的深度学习算法TearNET用于泪液蕨类图案自动分级	首次提出使用卷积神经网络对泪液蕨类图案进行自动分级，减少主观性和不一致性	样本量较小（80名参与者），未提及多中心验证或外部数据集测试	验证TearNET模型在泪液蕨类图案自动分级中的性能，辅助干眼病筛查	泪液蕨类图案	计算机视觉	干眼病	显微镜成像	卷积神经网络	图像	80名健康参与者（160只眼睛）	NA	卷积神经网络	准确率, 灵敏度, 特异性, 召回率, F分数	NA
1019	2026-06-05	Factors predicting MRI glioma segmentation accuracy in deep learning models: a systematic review and meta-analysis 2026-Jun, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101562 PMID:42102794	综述与荟萃分析	通过系统综述和荟萃分析，识别影响深度学习模型在MRI胶质瘤分割准确性的预测因素	首次系统评估影响深度学习胶质瘤分割模型准确性的多个因素，包括模型架构、输入数据模态、训练数据集来源和发表年份	未发现单一因素能解释研究间观察到的异质性，且仅发表年份在多变量分析中独立预测准确性改善	系统评估影响深度学习模型在MRI胶质瘤分割准确性的关键因素	已发表研究中用于术前胶质瘤分割的深度学习模型及其性能数据	医学影像分析	胶质瘤	MRI	深度学习模型	MRI图像	88个模型，其中36个纳入定量分析	NA	3D模型架构	Dice相似系数	NA
1020	2026-06-05	Artificial intelligence in antimicrobial drug discovery: predictive and generative strategies 2026-Jun, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2674968 PMID:42154787	综述	总结人工智能在抗菌药物发现中的预测和生成策略研究进展与挑战	系统整合了人工智能驱动的预测和生成策略，覆盖小分子、肽类、噬菌体和蛋白质药物等多种药物类别，并提出“自主发现”范式	存在数据偏差、缺乏标准化基准框架和临床转化缺口等问题	综述人工智能在抗菌药物发现中的应用进展与挑战	针对细菌、真菌和病毒感染的抗菌药物（小分子、肽类、噬菌体、蛋白质药物）	机器学习, 自然语言处理	微生物感染	NA	机器学习, 深度学习, 自然语言处理	文本	NA	NA	NA	NA	NA