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
1021	2026-05-03	Pseudodata-Guided Invariant Representation Learning Boosts the Out-of-Distribution Generalization in Enzymatic Kinetic Parameter Prediction 2026-Apr-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03204 PMID:42037561	研究论文	提出ODENet模块，通过生物和化学信息增强及不变表示学习，提升酶动力学参数预测在分布外场景的泛化能力	首次提出轻量级即插即用模块ODENet，利用酶-底物扰动增强和不变表示学习，在不修改基础模型架构的条件下提升分布外泛化性能	NA	提高酶动力学参数预测模型在序列发散分布外样本上的泛化能力	酶-底物配对数据及其动力学参数	机器学习	NA	深度学习	不变表示学习模型	序列数据	NA	NA	ODENet	准确率、鲁棒性指标	NA
1022	2026-05-03	Deep Learning-Based Protein Half-Life Prediction for Identifying Rate-Limiting Enzymes in Metabolic Pathways to Alleviate Bottleneck Reactions 2026-Apr-27, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2601.01071 PMID:42046921	研究论文	开发了名为ProHL的深度学习模型，用于预测蛋白质半衰期，以识别代谢途径中的限速酶并缓解瓶颈反应	首次将ProteinBERT编码与理化性质编码结合的多模态策略用于蛋白质半衰期分类，实现对短寿命和长寿命蛋白质的准确预测，并成功应用于番茄红素生物合成途径中限速酶的识别	蛋白半衰期研究在细菌中仍有限，模型依赖特定数据集可能影响泛化能力	通过准确预测蛋白质半衰期来识别代谢途径中的限速酶，以缓解瓶颈反应并提高代谢产量	蛋白质半衰期分类及番茄红素生物合成途径中的CrtE、CrtB和CrtI酶	机器学习	NA	NA	深度学习模型	蛋白质序列及理化编码数据	独立测试数据集（具体数量未明确）	NA	ProteinBERT与理化编码集成	准确率、马修斯相关系数	NA
1023	2026-05-03	Explainable 3D VGG-style convolutional neural network for pediatric hydrocephalus detection on computed tomography: A segmentation-free and fully volumetric deep learning framework 2026-Apr-26, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.04.027 PMID:42049087	研究论文	开发并评估一种可解释、无需分割的三维卷积神经网络用于儿童CT图像上脑积水的自动检测	首次在儿童CT图像上采用无需分割、全容积的三维卷积神经网络架构，并结合3D Grad-CAM提供解剖学可解释性	样本量小（98例内部、118例外部），需更大规模多中心验证才能临床应用	实现儿童CT图像上脑积水的自动化、可解释性检测，减少手动二维指标的依赖性	儿科脑积水患者与正常对照	数字病理学	儿科疾病	计算机断层扫描（CT）	三维卷积神经网络	医学影像（CT图像）	98例内部CT扫描（48例脑积水、50例正常），118例外部独立CT扫描（56例脑积水、62例正常）	NA	VGG风格三维卷积神经网络	AUC-ROC、准确率、灵敏度、特异度、F1分数、马修斯相关系数、Cohen's κ、Brier分数	NA
1024	2026-05-03	AI-driven target definition using CE-T1w and black blood sequence imaging in stereotactic radiosurgery for brain metastases 2026-Apr-26, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112891 PMID:42066626	研究论文	开发并评估基于深度学习的自动检测和靶区勾画方法，用于脑转移瘤的立体定向放射外科治疗规划	首次利用CE-T1加权和黑血序列MRI联合优化脑转移瘤的自动检测与勾画，并展示AI模型能发现专家遗漏的3.0%病灶	模型对小病灶（<0.1cc）的检测灵敏度低于专家（0.83 vs 0.95），需进一步改进	开发并评估基于深度学习的脑转移瘤自动检测和靶区勾画方法，优化立体定向放射外科治疗规划	206名脑转移瘤患者的CE-T1加权和黑血序列MRI扫描图像	计算机视觉	脑转移瘤	MRI（CE-T1加权和黑血序列）	CNN基础模型（nnUNet）	图像	206名患者，其中162人用于训练，44人用于测试	nnUNet	nnUNet	F1分数、灵敏度、阳性预测值、Dice系数、Hausdorff距离	未提及
1025	2026-05-03	Prediction of Pregnancy-Related Cardiovascular Outcomes Using Electrocardiogram-Based Deep Learning Estimation of Cardiorespiratory Fitness 2026-Apr-24, JACC. Advances DOI:10.1016/j.jacadv.2026.102764 PMID:42034100	研究论文	利用静息12导联心电图基于深度学习估计的心肺适能预测妊娠相关心血管结局	首次采用深度学习模型从静息心电图估算最大摄氧量，并验证其与妊娠相关心血管并发症的关联，为产前风险分层提供可扩展的工具	未明确提及局限性，但可能包括回顾性设计、样本量有限（3650次妊娠）、随访时间较短（中位1.7年）	评估基于深度学习的ECG估计最大摄氧量与妊娠相关心血管并发症的关联	孕前1年至孕13周期间有临床12导联心电图记录的妊娠女性	机器学习	心血管疾病	心电图	深度学习模型	临床12导联心电图记录	3650次妊娠来自3437名女性（平均分娩年龄33±6岁）	NA	NA	NA	NA
1026	2026-05-03	Comprehensive RNA-binding protein analyses and deep learning uncover genetic constraints and disease associations in protein-RNA interfaces 2026-Apr-22, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101588 PMID:42025161	research paper	整合额外的RNA结合蛋白eCLIP数据，训练深度学习模型以分析RBP结合语法，揭示遗传约束与疾病关联	首次通过深度学习模型对RNA结合蛋白结合位点进行遗传变异评分与约束量化，发现剪接增强子与沉默子中相反的选择约束特征，并揭示视网膜疾病中剪接体蛋白结合位点突变的富集	NA	通过综合RNA结合蛋白分析与深度学习，揭示蛋白-RNA界面中的遗传约束与疾病关联	RNA结合蛋白及其与RNA的相互作用	machine learning	retinal disease	eCLIP	deep learning model	eCLIP profiles	286 RNA binding proteins, including 92 additional ones; cell types: K562, HepG2	NA	NA	NA	NA
1027	2026-05-03	Deep learning-based automated segmentation and quantification of glenoid and humeral head defects 2026-Apr-22, Chinese journal of traumatology = Zhonghua chuang shang za zhi DOI:10.1016/j.cjtee.2026.01.006 PMID:42067471	研究论文	开发并验证了一种基于深度学习的自动分割与量化方法，用于同时检测肩关节盂和肱骨头骨缺损	提出了一种结合边缘全局注意力模块、ASFFHead多尺度特征融合、优化视觉Transformer块和动态掩码生成模块的新型深度学习网络，有效解决了MRI图像低对比度和形态复杂性的挑战	NA	开发一种自动化、基于深度学习的肩关节骨缺损分割与精确定量方法，以辅助个性化手术规划和客观临床评估	肩关节盂和肱骨头骨缺损	计算机视觉	肩关节复发性脱位导致的骨缺损	MRI	深度学习分割网络	MRI图像	800份肩关节盂和792份肱骨头MRI扫描数据	PyTorch	YOLOv8-segment, U-Net, Region-based CNN, U-NeXt, YOLOv8, YOLOv11	交并比, Dice相似系数, 精确率, Hausdorff距离	NA
1028	2026-05-03	Raman spectroscopy in renal analysis: Technologies, applications, and advancements 2026-Apr-21, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129860 PMID:42066712	综述	本文综述了拉曼光谱技术在肾脏分析中的原理、应用和进展，重点介绍其无创、无标记检测分子指纹的能力	系统比较了表面增强拉曼光谱、尖端增强拉曼光谱、共聚焦拉曼显微镜和相干拉曼技术在尿液、血液、肾脏组织和单细胞分子图谱中的具体应用，并强调了多变量统计、机器学习和深度学习等先进分析方法在光谱解读和疾病分类中的作用	未明确讨论拉曼光谱技术成本高、信号易受干扰以及标准化缺乏等局限	阐述拉曼光谱在肾脏疾病分子诊断中的应用潜力，并探讨其向精准诊断和临床转化的前景	尿液、血液、肾脏组织和单个细胞等生物样本	机器学习	肾脏疾病	拉曼光谱（RS）、表面增强拉曼光谱（SERS）、尖端增强拉曼光谱（TERS）、共聚焦拉曼显微镜（CRM）、相干拉曼技术	多变量统计、机器学习、深度学习模型（未指定具体类型）	光谱数据	NA	NA	NA	NA	NA
1029	2026-05-03	Machine Learning-Driven Ensemble Screening of Multitarget Kinase Inhibitors for Tauopathy-Associated Neurodegeneration Using All-Atom and Steered MD Simulations 2026-Apr-17, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.6c00097 PMID:41995061	研究论文	采用机器学习驱动的集成筛选方法，识别用于治疗tau蛋白病相关神经退行性疾病的多靶点激酶抑制剂，并通过全原子和受控分子动力学模拟进行验证	开发了一个集成机器学习工作流，结合了CatBoost、XGBoost和SVM的软投票集成模型，并首次将深度学习和分子动力学模拟用于筛选天然化合物库中的多靶点激酶抑制剂	未明确说明，但可能包括天然化合物库的局限性、实验验证的缺乏以及模拟条件下与真实生理环境的差异	从天然产物中识别针对DYRK1A、TTBK1和ABL1多靶点激酶的抑制剂，以缓解tau蛋白过度磷酸化驱动的神经退行性疾病	DYRK1A、TTBK1和ABL1三种激酶及其抑制剂候选分子	机器学习	tau蛋白病、神经退行性疾病	分子动力学模拟、受控分子动力学模拟	集成模型，包括CatBoost、支持向量机、K近邻、朴素贝叶斯、XGBoost	生物活性数据	使用了约695,000种天然化合物（来自COCONUT 2.0数据库），以及来自ChEMBL和BindingDB的生物活性数据	Scikit-learn	CatBoost、XGBoost、SVM、KNN、朴素贝叶斯	准确率、精确率、召回率、F1分数、AUC	NA
1030	2026-05-03	The Assessment of Coronal Plane Lower-Limb Alignment on Pre- and Postoperative Long-Leg Radiographs Using Deep Learning 2026-Apr-16, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2026.04.036 PMID:41999795	研究论文	开发和验证一种能够准确测量长腿X光片中髋-膝-踝角、股骨远端外侧角和胫骨近端内侧角的灵活深度学习算法	提出了一种不依赖关节手术状态的灵活深度学习算法，能够在前术后长腿X光片上准确测量下肢力线角度	术后图像上的性能略低于术前图像，可能需要进一步训练以提高泛化能力和术后图像性能	开发和验证一种灵活深度学习算法，用于准确测量长腿X光片上的下肢力线角度（HKAA、LDFA、MPTA）	长腿X光片中的膝关节、髋关节和踝关节	计算机视觉	膝关节骨关节炎	长腿X光成像	深度学习	图像	2,419张长腿X光片，其中239张用于测试	NA	两阶段深度学习算法（第一阶段检测关节并标记膝关节手术状态，第二阶段使用四个关键点模型）	平均绝对误差	NA
1031	2026-05-03	Deep learning-based estimation of plant functional traits from canopy spectral reflectance 2026-Apr-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127895 PMID:42066565	研究论文	提出一种基于深度学习的冠层植物功能性状估计框架，集成KAN、Transformer和CNN，从高光谱反射率中提取特征	首次将KAN、Transformer和CNN整合为统一的深度学习框架（CTRN），用于冠层植物功能性状的高光谱遥感估算，有效捕捉光谱响应中的非线性和多变量特性	NA	实现从冠层光谱反射率准确估算植物关键功能性状，支持生态和农业应用中的参数获取	多种植物物种的冠层高光谱反射率数据及其对应的十种关键功能性状	计算机视觉	NA	高光谱遥感	CNN、Transformer、KAN	高光谱图像	涵盖多种植物物种、不同传感器和多个大洲的综合光谱-性状数据集	NA	CTRN（KAN、Transformer、CNN集成）	R值	NA
1032	2026-05-03	Negative correlation between habenular volume and duration of gambling disorder: Modulation by symptom severity and personality traits 2026-Apr-02, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2025.00360 PMID:41718719	研究论文	探讨赌博障碍患者的缰核体积与病程、症状严重程度及人格特质之间的关系	首次揭示缰核体积与赌博障碍病程的负相关，并发现这种关系受症状严重程度和人格特质的调节	基于回顾性病程计算，样本为男性患者，且未纳入女性患者，结果可能仅限于男性群体	阐明赌博障碍患者缰核体积变化及其与病程、症状严重程度和人格特质的关系	赌博障碍患者和健康对照者的缰核体积	机器学习	赌博障碍	基于深度学习的自动分割	深度学习模型	T1加权MRI数据	68名男性赌博障碍患者和75名男性健康对照者	NA	NA	NA	NA
1033	2026-05-03	Attention Gated-VGG with deep learning-based features for Alzheimer's disease classification 2026-04, Neurodegenerative disease management IF:2.3Q3 DOI:10.1080/17582024.2025.2554495 PMID:40929122	研究论文	提出基于注意力门控VGG和深度学习特征的阿尔茨海默病分类方法	结合WOA优化ResNet特征提取与CNN特征，并设计注意力门控VGG模型进行AD分类	NA	提高阿尔茨海默病早期检测的准确性和可靠性	阿尔茨海默病脑部图像	计算机视觉	阿尔茨海默病	深度学习	注意力门控VGG	图像	NA	NA	ResNet, VGG	准确率, 灵敏度, 特异度	NA
1034	2026-05-03	Multicenter Clinical Validation of an Artificial Intelligence Diagnostic Classification Model for Laryngoscopy Images 2026-Apr, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70153 PMID:41696998	研究论文	开发并外部验证一个基于人工智能的计算机辅助诊断模型，用于从喉镜图像中分类喉部病变为高风险或低风险	大规模多中心临床验证，展示了模型在不同临床环境下的泛化能力，并与不同经验级别的医生及ChatGPT-4o进行了性能比较	模型仅分类包含可见病变的图像，且尚未进行前瞻性多中心临床试验验证实际临床应用	开发和验证一个用于喉部病变分类的计算机辅助诊断模型，以增强诊断能力，特别是在资源有限的环境中	喉部病变	计算机视觉，数字病理学	喉癌，喉部病变	NA	深度学习模型	图像	超过20,000张来自多个国家医院的喉镜检查图像	NA	NA	准确率、精确率、召回率、F1分数、曲线下面积	NA
1035	2026-05-03	Thymic health consequences in adults 2026-04, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10242-y PMID:41851466	研究论文	提出一个深度学习框架，从常规放射影像中量化胸腺健康，并在两个大型前瞻性队列中评估其与长寿及主要年龄相关疾病风险的关联	首次通过深度学习从常规影像中量化成人胸腺健康，并证明胸腺健康与降低全因死亡率、肺癌发生率和心血管死亡率相关，重新定位胸腺为免疫介导衰老和疾病易感性的核心调节器	NA	评估成人胸腺健康与长寿及年龄相关疾病风险的关联	无症状成人的胸腺健康	计算机视觉	肺癌, 心血管疾病	NA	深度学习	影像	国家肺筛查试验（n=25,031）和弗雷明汉心脏研究（n=2,581）两个前瞻性队列	NA	NA	全因死亡率, 肺癌发病率, 心血管死亡率	NA
1036	2026-05-03	Few-Shot and Zero-Shot Biomedical Named Entity Recognition: A Procedure for Enhancing BioBERT with Prompt-Based Learning and Large Language Models 2026-03-31, Journal of visualized experiments : JoVE DOI:10.3791/69390 PMID:42008560	研究论文	提出一种结合BioBERT、提示学习和大型语言模型的混合框架，增强生物医学命名实体识别中的少样本和零样本学习能力	利用提示学习和大语言模型提升BioBERT在低资源生物医学术语、领域适应和未见过实体泛化方面的性能，实现高准确性并减少对大量标注数据的依赖	未在摘要中明确提及限制	解决传统深度学习模型在低资源生物医学命名实体识别中的局限，提高少样本和零样本学习能力	生物医学文本中的命名实体	自然语言处理	不适用	NA	BioBERT，大型语言模型	文本	多个生物医学基准数据集	NA	BioBERT	准确率, 精确率, 召回率, F1分数	NA
1037	2026-05-03	Enhancing Korean adolescent suicide risk prediction with TabR: A generative AI and explainable retrieval-based deep learning approach 2026-Mar-27, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048172 PMID:41894311	研究论文	提出一种结合生成式AI与可解释检索增强残差网络（TabR）的方法，用于预测韩国青少年自杀风险	首次将TabR架构应用于青少年自杀风险预测，并结合表格变分自编码器进行数据增强以处理极端类别不平衡问题	数据集规模有限、类别不平衡问题未完全解决、缺乏外部验证，以及未评估临床影响和误报/漏报后果	开发并评估基于TabR的深度学习模型，提升韩国青少年自杀风险预测的准确性和可解释性	韩国青少年群体（来自2020-2022年韩国青少年风险行为调查数据集的161,646名参与者）	机器学习	青少年自杀	NA	TabR（检索增强残差网络）、TVAE（表格变分自编码器）	表格数据	161,646名韩国青少年参与者	PyTorch	TabR, TVAE	准确率, AUC, F1分数	NA
1038	2026-05-03	Robust Deep Learning Framework for Early Diabetic Retinopathy Detection Using Preprocessed Fundus Images and Optimized CNNs 2026-03-24, Journal of visualized experiments : JoVE DOI:10.3791/69901 PMID:41973762	研究论文	提出一个鲁棒的深度学习框架，使用预处理的眼底图像和优化的CNN进行早期糖尿病视网膜病变检测	集成了EfficientNetB0和DenseNet121的混合集成模型，系统评估了眼底图像预处理对诊断性能的影响，并采用Grad-CAM进行可解释性分析	模型需要外部独立数据集验证和真实世界前瞻性评估，未来需优化以适用于移动和床旁筛查	开发一个临床可行、可解释的深度学习模型用于糖尿病视网膜病变检测	糖尿病视网膜病变的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像, CLAHE预处理	CNN, 混合集成模型	图像	53,412张眼底图像，来自EyePACS、APTOS 2019和中国一家三级医疗中心	NA	EfficientNetB0, DenseNet121, Grad-CAM	准确率, macro-AUC, 敏感度, 特异度, F1分数	NA
1039	2026-05-03	Enhancing educational assessment through automated question classification using a RoBERTa-based ensemble model 2026-Mar-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45486-1 PMID:41872668	研究论文	提出一种基于RoBERTa的集成模型，用于基于布鲁姆分类法的考试题目自动分类，以提升教育评估效率	首次将加权集成策略应用于RoBERTa与GRU、LSTM和CNN的组合，在题目分类中实现性能突破，并通过统计显著性检验验证提升效果	未提及模型在不同学科或语言场景下的泛化能力验证，且依赖公开数据集的规模与质量可能限制实际应用范围	实现教育评估中基于布鲁姆分类法的自动题目分类，减少教师人工负担并避免主观偏差	基于布鲁姆分类法的考试题目	自然语言处理	NA	预训练语言模型（RoBERTa）	集成模型（GRU, LSTM, CNN, 加权集成）	文本数据	公开数据集（未具体说明样本数量）	PyTorch	RoBERTa, GRU, LSTM, CNN, Weighted Ensemble	准确率, 宏F1分数, AUC	NA
1040	2026-05-03	Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison 2026-Mar-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04794-z PMID:41864912	研究论文	基于人工智能的胎儿缺氧预测模型开发及其与人类专家的全国性比较	首次通过多中心大规模数据集和全国性AI-人类专家比较，验证了基于深度学习的心电图（CTG）解读模型在预测胎儿缺氧方面优于人类专家，并采用Grad-CAM技术增强模型可解释性	模型在公共数据集CTU-UHB上的性能低于内部验证集，可能因数据异质性；可解释性验证仅依赖Grad-CAM，未深入探讨其他解释方法	开发并验证基于人工智能的CTG解读模型，以改善胎儿缺氧预测的准确性	胎儿缺氧	机器学习	胎儿缺氧	NA	CNN, Transformer, LSTM, CfC	CTG信号	20,780个CTG追踪记录用于模型开发，467例用于全国性AI-人类专家比较	PyTorch	CAP-C, CAP-T, CAP-L, CAP-CfC	AUROC	NA