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
1041	2026-05-26	HVIface: sequence-based deep learning for decoding human-virus protein-protein interfaces 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1813796 PMID:42181034	研究论文	该论文开发了一个基于序列的深度学习框架HVIface，用于预测人类-病毒蛋白质-蛋白质相互作用界面	首次整合18种序列衍生特征（残基接触势、理化兼容性和共进化信号）并结合深度学习进行残基级人类-病毒PPI界面预测，揭示了静电互补性和局部残基聚类在病毒-宿主界面形成中的核心作用	训练数据集仅包含73个结构解析的人类-病毒复合物，样本量较小可能影响模型泛化性	解码人类-病毒蛋白质-蛋白质相互作用的界面识别机制，为抗病毒治疗靶点开发提供基础	人类-病毒蛋白质相互作用界面残基	机器学习	NA	序列衍生特征（残基接触势、理化兼容性、共进化信号）	深度学习框架	蛋白质序列	73个结构解析的人类-病毒复合物	PyTorch	NA	准确率	NA
1042	2026-05-26	Artificial intelligence in refractive surgery: progress, challenges, and future directions 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1824307 PMID:42181685	综述	本文系统总结了人工智能在屈光手术中的应用进展，包括角膜屈光手术和ICL手术的术前筛查、个性化手术规划及术后并发症预测	系统梳理了AI在屈光手术全流程中的应用，强调从标准化方案向数据驱动的个体化管理转变	面临数据标准化不足、算法可解释性差、跨设备兼容性及伦理问题等挑战	探讨AI优化屈光手术临床效果的潜力与挑战，推动智能化、自动化手术发展	屈光手术（角膜屈光手术和ICL手术）的术前筛查、手术规划及术后并发症预测	机器学习	眼科疾病（屈光不正相关）	机器学习与深度学习模型	NA	NA	NA	NA	NA	NA	NA
1043	2026-05-26	HGCPep: Hypergraph Deep Learning Identifies Cancer-associated Non-coding Peptides 2025-Dec-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf093 PMID:41329495	研究论文	提出了HGCPep，一种基于超图深度学习来识别癌症相关非编码肽的方法	利用超图结构表示一个非编码RNA转录本编码多个肽段的内在关系，从而丰富肽段的特征表示	未提及具体限制	系统识别癌症相关的非编码肽	非编码肽（ncPEP）和其编码非编码RNA（ncRNA）	机器学习	癌症	NA	超图神经网络（Hypergraph Neural Network）和卷积神经网络	肽段序列数据	NA	PyTorch	Hypergraph Neural Network, CNN	准确率、精确率、召回率、F1分数、AUC	NA
1044	2026-05-26	On the Completeness of Existing RNA Fragment Structures 2025-Dec-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf127 PMID:41414643	研究论文	评估现有RNA片段结构的完整性，探讨RNA结构预测的可行性	首次系统分析RNA在二核苷酸、三核苷酸、四核苷酸和五核苷酸水平的片段结构空间完整性，发现四核苷酸和五核苷酸水平的非冗余结构片段数量呈指数增长，表明当前RNA结构空间远未完备	仅基于现有RNA结构数据进行分析，未考虑可能的新型RNA折叠模式或未解析结构的RNA分子	探究RNA片段结构空间的完备性，为RNA结构预测方法提供参考	现有RNA结构中的二核苷酸、三核苷酸、四核苷酸和五核苷酸水平的片段	机器学习	NA	NA	NA	结构数据	NA	NA	NA	NA	NA
1045	2026-05-26	Artificial intelligence in nuclear cardiology: Enhancing diagnostic accuracy and efficiency 2025 Nov-Dec, Progress in cardiovascular diseases IF:5.6Q1 DOI:10.1016/j.pcad.2025.09.010 PMID:41038418	综述	综述人工智能在核心脏病学中提升诊断准确性和效率的进展	系统总结了人工智能在核心脏病学图像优化、虚拟衰减校正、自动化生物标志物量化及多模态数据整合中的创新应用	未详细讨论AI模型在不同临床场景下的验证不足及实际部署的挑战	探讨人工智能技术如何改善核心脏病学的图像质量、减少辐射暴露并优化诊断流程	核心脏病学中的图像获取、重建、解释及临床工作流	计算机视觉	心血管疾病	NA	机器学习模型, 深度学习	图像, 临床数据, 压力测试特征	NA	NA	NA	NA	NA
1046	2026-05-26	Deep Learning for Cardiac Overload Estimation　- Predicting B-Type Natriuretic Peptide (BNP) Levels From Heart Sounds and Electrocardiogram 2025-09-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-25-0098 PMID:40533163	研究论文	开发深度学习模型从心音和心电图数据估计血浆BNP水平以辅助心力衰竭筛查	利用短时（8秒）无创心音和心电图信号通过深度学习模型估算BNP水平，在外部验证集上表现良好	NA	验证利用无创动态生理信号估计BNP水平的深度学习模型的临床可行性	血浆BNP水平≥100 pg/mL的预测	机器学习	心血管疾病	NNN	深度学习模型	心音和心电图信号	外部验证集140名患者，亚组分析127名BMI 18.5-25患者	NNN	NNN	AUROC, 敏感性, 特异性	NA
1047	2026-05-26	Deep Learning-Based Fully Automated Aortic Valve Leaflets and Root Measurement From Computed Tomography Images　- A Feasibility Study 2025-08-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-1031 PMID:40436780	研究论文	基于深度学习实现CT图像中主动脉瓣叶和根部全自动测量的可行性研究	针对根部扩张患者CT数据重新训练现有深度学习算法，实现主动脉瓣叶/根部全自动测量，显著缩短测量时间并降低工作量	除了主动脉瓣反流病例的窦管交界处（由于扩张窦部边界不明确，差异达10.3毫米），其他测量参数均具有中高度相关性；样本量有限	评估基于深度学习的全自动主动脉瓣叶/根部测量算法在临床中的可行性	主动脉瓣叶和根部解剖结构	计算机视觉	心血管疾病	心脏CT	深度学习算法	图像	67例心电图门控心脏CT扫描用于重新训练（40名根部扩张患者），100例用于评估（50例主动脉瓣狭窄，50例主动脉瓣反流）	NA	NA	相关性、差异值、测量时间	NA
1048	2026-05-26	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	提出一种鼓励重复性的自监督学习重建方法，用于加速定量磁共振成像并提升测量重复性	首次将自监督学习与跨数据一致性约束结合，利用时间子集数据促进重建结果的重复性，无需标注训练数据即可获得优于监督学习的重复性表现	未明确说明方法的局限性	开发一种能够提升定量MRI测量重复性的深度学习重建方法	心脏MR Multitasking T1 mapping数据	机器学习	心血管疾病	定量MRI	自监督学习网络	k-t空间数据	60秒采集的数据，分割为两个30秒子集	NA	NA	Bland-Altman一致性限度，变异系数	NA
1049	2026-05-26	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury 2025-06-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	研究论文	结合T1加权MRI与CT血管造影的混合策略用于无创预测冠状动脉介入术后心肌损伤	首次整合MRI与CCTA的最新成像和定量技术，通过深度学习实现斑块体积量化，并探索混合CCTA-MRI策略以提高围手术期心肌损伤预测准确性	未提及具体限制	评估整合MRI与CCTA是否能改善PMI预测，并探索混合策略的临床应用价值	接受择期PCI的冠状动脉粥样硬化病变患者	计算机视觉，机器学习	心血管疾病	CCTA， T1加权MRI	深度学习模型	图像	132个病变来自120名患者，其中43例发生PMI	NA	深度学习-enabled软件	C统计量，诊断准确性	NA
1050	2026-05-26	Structural Insights into Cold-Active Lipase from Glaciozyma antarctica PI12: Alphafold2 Prediction and Molecular Dynamics Simulation 2024-12, Journal of molecular evolution IF:2.1Q3 DOI:10.1007/s00239-024-10219-3 PMID:39549052	研究论文	利用Alphafold2预测与分子动力学模拟，解析南极嗜冷真菌Glaciozyma antarctica PI12中冷活性脂肪酶Glalip03的结构与低温适应机制	首次结合系统发育分析与Alphafold2深度学习结构预测，识别含冷活性保守基序的新型脂肪酶，并通过低温分子动力学模拟揭示其全局稳定性和柔韧性	NA	理解冷活性脂肪酶的低温适应机制，为工业应用奠定分子基础	南极嗜冷真菌Glaciozyma antarctica PI12中假定的冷活性脂肪酶Glalip03	机器学习	NA	系统发育分析、Alphafold2结构预测、分子动力学模拟	分子动力学模拟	蛋白质序列与结构	单一酶蛋白Glalip03	Alphafold2, GROMACS	Alphafold2, 分子动力学模型	全局稳定性、柔韧性	NA
1051	2026-05-26	Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning 2024-07-04, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae038 PMID:38709570	研究论文	采用深度学习方法，基于自制木材显微图像数据集，首次实现纤维材料中硬木树种的自动化识别与分类	首次将深度学习应用于纤维材料显微图像中的硬木树种自动识别，并开发了系统性生成木化木材参考图像数据集的方法学，以及灵活标注导管元件的流水线	未提及具体限制	实现木材纤维材料显微图像中硬木树种的自动化检测与分类，以改进全球木纤维产品流管控，保护森林	九种硬木属的纤维材料显微图像	计算机视觉	NA	显微图像分析	神经网络（CNN等）	图像数据	九种硬木属的木化木材参考图像数据集（具体数量未提及）	NA	多种神经网络架构（具体如ResNet、VGG等未指明）	与人类专家性能相当（具体指标未提及）	NA
1052	2026-05-26	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-02, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	提出基于Swin Transformer的深度学习模型用于单延迟和多延迟3D动脉自旋标记去噪，并与CNN及其他Transformer方法比较	首次将Swin Transformer应用于ASL去噪，并对比伪3D与2D模型性能，探索多输入条件优化	多延迟ASL数据集较小（6名受试者），未提及模型泛化到更多厂商或临床场景的验证	开发高效去噪模型以提升ASL图像质量并缩短扫描时间	3D动脉自旋标记（ASL）图像数据	机器学习	NA	动脉自旋标记（ASL）	Swin Transformer, CNN	图像	单延迟：66名受试者（119次扫描）训练，39名受试者（44次扫描）测试；多延迟：6名受试者（10次扫描）	PyTorch	SwinIR, CNN	相似度指标、空间信噪比、脑血流定量精度、动脉通过时间	NA
1053	2026-05-26	Application of IoT technology based on neural networks in basketball training motion capture and injury prevention 2023-10, Preventive medicine IF:4.3Q1 DOI:10.1016/j.ypmed.2023.107660 PMID:37573953	研究论文	本文研究基于物联网和神经网络技术的篮球训练动作捕捉与损伤预防方法	设计了多视角人体运动轨迹捕捉算法框架，结合深度学习二维人体姿态估计与多视角摄像机姿态知识，转换为三维空间关节分布	未提及具体局限性	应用神经网络与物联网设备于篮球动作捕捉，预防运动损伤	篮球训练中的运动员动作与损伤预防	计算机视觉, 机器学习	运动损伤	动作捕捉	神经网络	图像, 视频	未提及	NA	二维人体姿态估计算法	NA	物联网设备
1054	2026-05-26	Enhancement of Diabetic Retinopathy Prognostication Using Deep Learning, CLAHE, and ESRGAN 2023-Jul-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13142375 PMID:37510123	研究论文	利用深度学习、CLAHE和ESRGAN增强糖尿病视网膜病变的预后预测	结合CLAHE和ESRGAN图像增强技术，使用DenseNet-121模型在APTO-2019数据集上实现了98.36%的最高准确率，并验证了CLAHE+ESRGAN在DR分类中的有效性	摘要未提及局限性	通过深度学习模型和图像增强方法提高糖尿病视网膜病变及其严重程度分级的检测准确性	糖尿病视网膜病变及其严重程度分级	计算机视觉	糖尿病视网膜病变	NA	CNN	图像	APTO-2019盲症检测数据集	NA	DenseNet-121, ESRGAN	准确率（top-1、top-2、top-3）、精确率、召回率、F1分数	NA
1055	2026-05-26	Transformer based deep learning denoising of single and multi-delay 3D Arterial Spin Labeling 2023-Apr-26, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.24.23288718 PMID:37162975	研究论文	提出基于Swin Transformer的深度学习方法对单延迟和多延迟三维动脉自旋标记图像去噪，并与卷积神经网络方法进行比较	首次将Swin Transformer应用于三维ASL图像去噪，并在单延迟和多延迟场景中均优于传统CNN方法	训练数据来自3个不同厂商但样本量有限（59名受试者，104次扫描），可能影响泛化能力	开发高质量ASL图像去噪方法以提升临床适用性	单延迟和多延迟三维动脉自旋标记图像	计算机视觉	脑血管疾病	3D动脉自旋标记，深度学习去噪	Swin Transformer	医学图像	单延迟：59名受试者（104次扫描）训练，44名受试者（57次扫描）测试；多延迟：6名受试者（10次扫描）	NA	Swin Transformer，卷积神经网络	相似度指标，信噪比，脑血流量和动脉传输时间的量化准确性	NA
1056	2026-05-26	Enhancing diabetic retinopathy classification using deep learning 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231203676 PMID:37766903	研究论文	利用深度学习模型对糖尿病视网膜病变及其严重程度进行分类	结合CLAHE和ESRGAN图像增强技术，在APTOS 2019数据集上实现了97.83%的最高准确率和多阶段分类性能提升	未提及具体局限性	提高糖尿病视网膜病变的自动检测与分类准确性	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	CLAHE, ESRGAN	卷积神经网络	图像	APTOS 2019数据集，包含5个严重阶段	NA	CNN	准确率, 精度, 召回率, F1分数	NA
1057	2026-05-26	Deep learning-enhanced diabetic retinopathy image classification 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231194942 PMID:37588156	研究论文	使用深度学习模型准确识别糖尿病视网膜病变的五个阶段	通过图像增强技术生成平衡数据集，并使用DenseNet-121模型在APTOS和DDR数据集上实现了优异的分类性能	未提及	提高糖尿病视网膜病变分期识别的准确性	糖尿病视网膜病变的五种阶段分类	计算机视觉	糖尿病视网膜病变	图像增强	DenseNet-121	图像	APTOS数据集和DDR数据集	NA	DenseNet-121	准确率, 前2准确率, 前3准确率, 精确率, 召回率, F1分数	NA
1058	2026-05-25	Tackling small sample survival analysis via transfer learning: A study of colorectal cancer prognosis 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103426 PMID:42019107	研究论文	通过迁移学习解决小样本生存分析问题，并以结直肠癌预后为研究案例	针对Cox-CC、DeepSurv、DeepHit等参数模型应用标准迁移学习技术，并为非参数随机生存森林模型提出新型迁移生存森林模型	未提及具体局限性	利用迁移学习提高小样本生存分析在癌症预后中的性能	结直肠癌患者的生存预后	机器学习	结直肠癌	转移学习	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	临床数据	源数据：27,379例SEER结直肠癌I期患者；目标数据：728例华西医院结直肠癌I期患者；小样本实验使用50例	NA	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	C指数	NA
1059	2026-05-25	Systematic review of machine learning and deep learning models for EEG-based detection of depression 2026-Aug, Journal of psychiatric research IF:3.7Q1 DOI:10.1016/j.jpsychires.2026.04.030 PMID:42056808	研究论文	系统综述机器学习和深度学习模型在基于脑电图的抑郁症检测中的应用	对2020至2024年间发表的42项研究进行系统性比较，重点分析机器学习与深度学习方法的性能差异及影响因素	多数研究样本量小且验证策略局限，存在过拟合风险；纳入研究质量参差不齐，偏倚风险较高	评估并比较机器学习与深度学习模型在脑电图数据中检测抑郁症的效果与可靠性	抑郁症患者及健康对照者的脑电图信号数据	机器学习	抑郁症	定量脑电图	机器学习模型，深度学习模型	脑电图信号	42项研究，样本量从数十到数百不等	NA	NA	分类准确率，均值准确率	NA
1060	2026-05-25	DARE: A Deformable Adaptive Regularization Estimator for learning-based medical image registration 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103440 PMID:42085854	研究论文	提出了一种自适应正则化框架DARE，用于学习驱动的医学图像配准，以提高配准精度和解剖合理性	创新性地根据形变场梯度范数动态调整弹性正则化，整合应变和剪切能量项，并引入折叠预防机制以惩罚负雅可比区域	未明确提及潜在局限性	提高医学图像配准的鲁棒性和解剖合理性	大脑MRI图像配准	医学图像分析, 深度学习	NA	图像配准, 自适应正则化	深度学习配准网络	图像 (MRI)	IXI, OASIS, MUI-P三个数据集	NA	NA	Dice分数, 形变折叠伪影, 应变能, 体积变化	NA