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	2026-05-03	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
1042	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
1043	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
1044	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
1045	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
1046	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
1047	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
1048	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
1049	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
1050	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
1051	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
1052	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
1053	2026-03-23	An interpretable machine learning model based on habitat radiomics combined with deep learning for predicting the WHO/ISUP grade of patients with clear cell renal cell carcinoma 2026-Mar-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02285-4 PMID:41864916	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1054	2026-05-01	Deep learning for dynamic tactical formation recognition in professional football 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41383-9 PMID:41844762	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1055	2026-05-03	Multi-dimensional deep learning-based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44094-3 PMID:41844778	研究论文	开发基于深度学习的蝶窦积液自动分割与体积评估方法，用于法医学溺死案例的死后CT分析	首次将多维度U-Net模型（2D、2.5D和3D）应用于死后CT图像中蝶窦积液的自动分割与体积量化，替代传统人工评估，提高效率与客观性	仅基于165例尸检确认的溺死案例，样本量有限；未评估模型在其他死因或不同成像条件下的泛化能力	实现法医学中蝶窦积液的自动分割与体积定量评估，支持溺死诊断	165例尸检确认溺死案例的死后CT图像中的蝶窦积液	计算机视觉	溺死	死后计算机断层扫描（PMCT）	U-Net	图像	165例尸检确认溺死案例的死后CT图像	NA	2D U-Net、2.5D U-Net、3D U-Net	Dice系数、Spearman相关系数、平均绝对误差	NA
1056	2026-05-03	Multi-model forecasting of [Formula: see text] and [Formula: see text] in Abu Dhabi: benefits of correlation-based feature augmentation 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44485-6 PMID:41844799	研究论文	比较多种机器学习和深度学习模型在阿布扎比预测二氧化氮和地面臭氧水平的性能，并探索基于污染物间相关性特征增强的优势	首次在阿布扎比地区系统比较多种模型（含Transformer）对二氧化氮和臭氧的多时间尺度预测，并揭示了利用两种污染物间相关性可提升预测精度	NA	评估不同机器学习和深度学习模型在阿布扎比预测二氧化氮和臭氧水平的效果，并验证污染物间相关性特征增强对预测准确性的提升作用	阿布扎比地区的二氧化氮和地面臭氧浓度	机器学习	NA	NA	决策树、随机森林、支持向量回归、卷积神经网络、长短期记忆网络、Prophet、Transformer	时间序列数据	NA	NA	决策树、随机森林、支持向量回归、CNN、LSTM、Prophet、Transformer	对称平均绝对百分比误差、均方根误差、平均绝对误差	NA
1057	2026-05-03	Explainable artificial intelligence for early Alzheimer's diagnosis using enhanced grey relational features and multimodal data 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43707-1 PMID:41844810	研究论文	提出一个可解释且可持续的机器学习架构，利用多模态结构化临床和行为数据早期诊断阿尔茨海默病	引入基于灰色系统理论和Sigmoid归一化的增强型灰色关联度指标，提升特征-诊断相关性；结合Shapley Additive Explanations增强模型可解释性	NA（摘要未提及局限性）	实现早期阿尔茨海默病的准确且可解释的诊断	多模态结构化临床和行为数据，包括人口统计学、血管风险因素、生活方式和认知数据	机器学习	阿尔茨海默病	NA（未明确指定测序或其他技术）	深度学习神经网络	结构化数据（临床和行为数据）	NA（摘要未提及具体样本量）	NA（未明确指定框架）	Logistic回归、随机森林、XGBoost、LightGBM、CatBoost、Stacking集成、深度神经网络	准确率、AUC	NA（摘要未提及计算资源）
1058	2026-05-03	A generative explainable model for antimicrobial peptide prediction using bidirectional temporal convolutional neural network 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43370-6 PMID:41844874	研究论文	提出GAC-BiTCNN-AMP混合生成可解释深度学习框架用于抗菌肽预测，在精准肿瘤学中实现高准确率和可解释性	首次结合生成对抗网络、胶囊网络和双向时序卷积神经网络，并整合多种蛋白质语言模型及PsePSSM-DCT进化描述符，同时通过XGBoost前向特征选择和SHAP分析增强模型可解释性	未提及具体局限性，但可能受限于训练数据的多样性和独立测试集的规模	开发一种高准确率且可解释的计算框架，用于识别具有抗癌潜力的抗菌肽，支持精准肿瘤学的治疗性肽发现	抗菌肽序列及其结构功能特征	自然语言处理、机器学习	癌症（精准肿瘤学）	蛋白质语言模型（ProtTrans-T5、UniRep、ESM-2）、PsePSSM-DCT进化描述符	生成对抗网络、胶囊网络、双向时序卷积神经网络	氨基酸序列数据	未明确样本数量，但涉及交叉验证和独立测试集	NA	GAN, CapsNet, BiTCNN	准确率、马修斯相关系数	NA
1059	2026-05-03	Automated detection and segmentation of Weiss ring in fundus photography images using deep learning 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44593-3 PMID:41845023	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1060	2026-05-03	A lightweight deep learning architecture for automatic shrimp disease classification 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44195-z PMID:41845002	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA