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
1061	2026-05-30	E-pharmacophore and deep learning based high throughput virtual screening for identification of CDPK1 inhibitors of Cryptosporidium parvum 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108172 PMID:39191165	研究论文	结合E-药效团和深度学习进行高通量虚拟筛选，鉴定微小隐孢子虫CDPK1抑制剂	将E-药效团模型与深度学习模型结合，对200万分子库进行虚拟筛选，并采用量子极化对接进行精确排序	仅基于分子模拟和代谢预测，缺乏实验验证抑制剂的活性及体内外效果	发现新型隐孢子虫CDPK1抑制剂，为治疗隐孢子虫病提供候选药物	微小隐孢子虫的钙依赖性蛋白激酶1（CpCDPK1）	机器学习	隐孢子虫病	高通量虚拟筛选、分子对接、分子动力学模拟	深度学习模型、E-药效团模型	分子结构数据	Enamine公司200万化合物库	NA	NA	对接得分、相互作用相似性	NA
1062	2026-05-30	Integrated deep learning model for automatic detection and classification of stenosis in coronary angiography 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108184 PMID:39191164	研究论文	提出一个集成深度学习模型用于冠状动脉造影中狭窄的自动检测和分类	首次实现血管造影中动脉狭窄的识别和分类，并通过Django框架开发了“Hemadostenosis”网页平台，为临床医生提供直接的实践支持	研究样本量较小（132例患者，1606张图像），可能影响模型的泛化能力	开发一个集成深度学习模型，用于冠状动脉造影图像中血管狭窄的定位和分类，以辅助临床诊断	冠状动脉造影图像中的血管狭窄	计算机视觉	冠状动脉疾病	冠状动脉造影	卷积神经网络	图像	132例患者的1606张冠状动脉造影图像	Django	卷积神经网络	准确率, 召回率, F1分数, 平均精度	NA
1063	2026-05-30	DRN-CDR: A cancer drug response prediction model using multi-omics and drug features 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108175 PMID:39191166	研究论文	提出一种基于深度残差网络的癌症药物反应预测模型DRN-CDR，整合多组学数据和药物特征	首次在药物反应预测中探索仅使用癌症相关基因的潜力，并采用统一图卷积网络提取药物特征结合卷积神经网络和全连接网络提取细胞系特征	NA	提高癌症药物反应预测的准确性，实现个性化癌症治疗	药物-细胞系对（包括基因表达、突变数据、甲基化数据以及药物分子结构信息）	机器学习	癌症	多组学数据（基因表达、突变、甲基化）	深度残差网络（Deep ResNet）	多组学数据（基因表达、突变、甲基化）和药物分子结构信息	NA	NA	均匀图卷积网络、卷积神经网络、全连接网络、深度残差网络	皮尔逊相关系数、均方根误差、AUC、AUPR	NA
1064	2026-05-30	Echocardiographic Detection of Regional Wall Motion Abnormalities Using Artificial Intelligence Compared to Human Readers 2024-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2024.03.017 PMID:38556038	research paper	开发深度学习模型用于检测超声心动图中的区域室壁运动异常，并与专家和初学者阅读者进行比较	首次大规模比较深度学习模型与专家和初学者在区域室壁运动异常检测中的表现，证明模型达到专家水平且优于多数初学者	深度学习模型在前间隔区域的F1分数低于专家（75 vs 89），且模型训练依赖临床报告作为金标准，可能引入偏差	评估深度学习模型在区域室壁运动异常检测中的准确性，并与人类阅读者进行比较	区域室壁运动异常（RWMA）的检测	computer vision, machine learning, digital pathology	心血管疾病	NA	卷积神经网络（CNN）	超声心动图视频（经胸超声心动图图像）	15,746项经胸超声心动图研究，包含25,529个心尖视频，分为训练、验证和测试数据集	NA	卷积神经网络（具体架构未明确说明）	曲线下面积（AUC）、F1分数	NA
1065	2026-05-30	Cinobufotalin prevents bone loss induced by ovariectomy in mice through the BMPs/SMAD and Wnt/β-catenin signaling pathways 2024-06, Animal models and experimental medicine IF:3.8Q2 DOI:10.1002/ame2.12359 PMID:38013618	研究论文	探讨蟾酥灵通过BMPs/SMAD和Wnt/β-连环蛋白信号通路预防小鼠卵巢切除诱导的骨丢失	利用深度学习功效预测系统筛选抗骨质疏松药物，并首次揭示蟾酥灵通过BMPs/SMAD和Wnt/β-连环蛋白双重信号通路促进成骨分化	未提及具体局限性	探索蟾酥灵对骨丢失的保护作用及其潜在机制	小鼠及人骨髓间充质干细胞	机器学习	骨质疏松	qRT-PCR, Western blot, 免疫荧光	深度学习功效预测系统	基因表达数据	小鼠和hBMMSCs细胞样本，具体数量未说明	NA	NA	NA	NA
1066	2026-05-30	THA-AID: Deep Learning Tool for Total Hip Arthroplasty Automatic Implant Detection With Uncertainty and Outlier Quantification 2024-04, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.09.025 PMID:37770007	研究论文	提出一种深度学习工具THA-AID，用于全髋关节置换术中自动识别植入物，并具备不确定性和异常值量化功能	首次在骨科领域引入不确定性量化和异常值检测的深度学习模型，能识别20种股骨和8种髋臼组件，并在多种X光视图（前后位、侧位、斜位）上工作	未明确提及具体局限性，但可能包括对不同医疗机构的泛化性、模型解释性等方面的潜在限制	开发一种自动化工具，从X光片中识别全髋关节置换术中的植入物，以提高术前规划效率和准确性	全髋关节置换术中的植入物（股骨和髋臼组件）的X光影像	计算机视觉	骨科疾病	深度学习	CNN	影像（X光片）	241,419张X光片	NA	自定义卷积神经网络	准确率	NA
1067	2026-05-30	THA-Net: A Deep Learning Solution for Next-Generation Templating and Patient-specific Surgical Execution 2024-03, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.063 PMID:37619804	研究论文	介绍THA-Net，一种深度学习修复算法，用于从术前骨盆X光片模拟术后全髋关节置换术X光片	提出了一种无需或可条件性选择植入物的深度学习修复算法，能生成高手术执行质量且无法区分真伪的合成术后X光片	算法在单一机构数据集上训练和验证，可能限制泛化性；需要进一步优化以实现个性化手术计划和增强现实技术	开发下一代全髋关节置换术模板工具，以生成高质量合成术后X光片，支持患者特定手术规划	全髋关节置换术的术前和术后骨盆X光片	计算机视觉	骨关节疾病	深度学习修复	THA-Net	图像	14,357名患者的356,305对X光片	NA	THA-Net	手术有效性（10点Likert量表）、真实性	NA
1068	2026-05-30	Differentiable partition function calculation for RNA 2024-02-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad1168 PMID:38038257	研究论文	提出一种可端到端微分的RNA配分函数计算方法，推广了McCaskill算法至连续输入	首次将RNA配分函数计算实现端到端可微分，可计算输入或能量模型参数的梯度，架起RNA热力学与深度学习桥梁	NA	解决RNA逆折叠问题，通过梯度优化直接设计符合目标结构的RNA序列	RNA序列的配分函数与热力学性质	机器学习	NA	RNA热力学	动态规划	序列	NA	NA	McCaskill算法	序列折叠概率	NA
1069	2024-10-02	Towards deep learning methods for quantification of the right ventricle using 2D echocardiography 2024, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2347125 PMID:39351980	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1070	2026-05-30	An update on computational pathology tools for genitourinary pathology practice: A review paper from the Genitourinary Pathology Society (GUPS) 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100177 PMID:36654741	综述	本文对用于泌尿生殖病理学的计算病理学工具进行了综述，评估了最新深度学习工具的应用进展	系统性地评估了泌尿生殖病理学深度学习工具的最新迭代，强调了其在肿瘤分级、分期和亚型识别中的潜力	数据可用性、监管和标准化方面的限制阻碍了这些工具的实施	评估实用深度学习工具在泌尿生殖病理学中的演化轨迹和潜力	泌尿生殖病理学中的深度学习算法工具	数字病理学	泌尿生殖系统疾病（如前列腺癌、膀胱癌等）	深度学习	深度学习模型	病理图像	NA	NA	NA	NA	NA
1071	2026-05-29	Bioimaging and the future of whole-organismal developmental physiology 2025-02, Comparative biochemistry and physiology. Part A, Molecular & integrative physiology DOI:10.1016/j.cbpa.2024.111783 PMID:39581226	评论文章	评估影像技术作为测量整体生物发育生理学手段的重要性，并探讨计算机视觉在发育生理学中的应用潜力与挑战	强调计算机视觉模型在不同物种、生命阶段和实验之间的可转移性，推动发育生理学中的表型组学应用	并未提及具体的技术验证或定量结果分析	探讨利用计算机视觉和深度学习方法推进发育动物生长与功能的理解	发育中的动物整体生物及其体表形态	计算机视觉	NA	影像技术	深度学习模型	图像	NA	NA	NA	NA	NA
1072	2026-05-29	Recent advances in fish cutting: From cutting schemes to automatic technologies and internet of things innovations 2024-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70039 PMID:39495567	综述	综述鱼类切割技术的最新进展，包括切割方案、自动化技术和物联网创新	系统总结了智能化切割技术与工业4.0框架（物联网、人工智能、大数据和区块链）的结合应用，展示了从人工到自动化的转变过程	未提及具体性能数据或方法比较，可能缺乏技术细节验证	探讨鱼类切割从传统方案到自动化和物联网技术的演进及其在工业4.0背景下的应用	鱼类切割方案（去头去尾、切片、去骨、去皮、修整和骨检）及相关自动技术	计算机视觉, 机器学习	NA	机器视觉, 深度学习, 传感器, 物联网	NA	图像	NA	NA	NA	NA	NA
1073	2026-05-29	Machine vision combined with deep learning-based approaches for food authentication: An integrative review and new insights 2024-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70054 PMID:39530613	综述	本文综述了基于机器视觉和深度学习的方法在食品真实性鉴别中的应用，包括掺假识别、品种鉴定、新鲜度检测和质量鉴别等，并探讨了相关局限性与未来趋势	系统性地整合了机器视觉与深度学习（包括轻量级DL）在食品真实性分析中的最新进展，并单独探讨了智能手机和便携式设备结合机器视觉系统的应用前景	深度学习仍存在过拟合、可解释性差、数据隐私、算法偏差等挑战，且传感设备小型化和轻量级DL的设计部署有待改进	探讨机器视觉结合深度学习算法在食品真实性快速、无损检测中的应用、局限性与未来发展	食品真实性分析相关技术和方法，包括掺假、品种、新鲜度及质量鉴别等应用场景	计算机视觉	NA	机器视觉	深度学习模型，轻量级深度学习模型	图像	NA	NA	NA	NA	NA
1074	2026-05-29	Imputing spatial transcriptomics through gene network constructed from protein language model 2024-10-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06964-2 PMID:39369061	research paper	提出一种基于蛋白质语言模型构建基因网络来插补空间转录组学数据的方法	利用蛋白质语言模型ESM-2构建基因网络，结合图神经网络与自编码器，从参考单细胞RNA测序数据中插补空间转录组学的缺失基因，并量化预测不确定性	未明确提及局限，但可能依赖参考scRNA-seq数据的质量和基因网络的完整性	提高空间转录组学缺失基因的插补准确性及细胞群识别能力	空间转录组学数据与单细胞RNA测序数据中的基因表达	machine learning	NA	空间转录组测序, scRNA-seq, 蛋白质语言模型ESM-2	自编码器, 图神经网络, 深度学习模型	基因表达数据	多个数据集（具体数量未说明）	NA	自编码器, 图神经网络	插补准确度, 聚类性能	NA
1075	2026-05-29	Quantum-level machine learning calculations of Levodopa 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108146 PMID:39067350	研究论文	利用量子级机器学习方法计算左旋多巴药物分子的势能面	首次将ANI-1x神经网络势作为量子级机器学习工具，用于预测抗帕金森药物左旋多巴的势能面，并验证其与DFT计算的相似性及计算效率优势	仅针对左旋多巴一种药物分子，未探讨方法对其他药物的普适性；未详细说明ANI-1x模型在更复杂分子或反应路径中的适用性	评估ANI-1x神经网络势在药物分子势能面计算中的准确性和效率	左旋多巴（L-3,4-二羟基苯丙氨酸）抗帕金森药物分子	机器学习	帕金森病	DFT, ANI-1x神经网络势	神经网络	分子结构及能量数据	单个药物分子（左旋多巴）	NA	ANI-1x	NA	NA
1076	2026-05-29	Multi-scale DNA language model improves 6 mA binding sites prediction 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108129 PMID:39067351	研究论文	提出一种基于多尺度DNA语言模型的框架iDNA6mA-MDL，用于预测N6-甲基腺嘌呤（6 mA）结合位点	整合多种k-mer和核苷酸特性与频率方法进行特征嵌入，并利用DNABERT补偿全局DNA信息捕获不足，实现多尺度序列上下文信息融合	未明确指出，但可能依赖于特定数据集（如水稻基因数据集）的验证，泛化性需更多验证	提高6 mA结合位点预测的准确性，为基因调控、DNA修复和疾病发展等提供见解	6 mA结合位点	机器学习	NA	DNA语言模型、DNABERT	CNN、Transformer	DNA序列	包含一个经典水稻基因数据集（6 mA rice gene dataset）和另外11个6 mA数据集	NA	DNABERT、多尺度特征嵌入	AUC	NA
1077	2026-05-29	MMCL-CPI: A multi-modal compound-protein interaction prediction model incorporating contrastive learning pre-training 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108137 PMID:39079285	研究论文	提出一种名为MMCL-CPI的多模态化合物-蛋白质相互作用预测模型，结合对比学习预训练	首次从一维SMILES和二维图像两种模态提取化合物特征，并设计多模态预训练策略，利用大规模无标签数据通过对比学习建立SMILES字符串与化合物图像的对应关系	未明确说明	提高化合物-蛋白质相互作用（CPI）预测的准确性	化合物与蛋白质的相互作用	机器学习	不适用	对比学习预训练	多模态模型	文本（SMILES字符串）、图像（化合物二维图像）	大规模无标签数据集（未指定具体数量）	NA	NA	NA	NA
1078	2026-05-29	Review of Machine Learning Techniques in Soft Tissue Biomechanics and Biomaterials 2024-10, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-024-00737-y PMID:38956008	综述	全面探讨机器学习技术在软组织生物力学和生物材料中的应用，特别是心血管工程领域，并讨论各方法的基本数学基础	系统分类了标准ML和物理信息ML算法，总结了11篇相关研究，并详细讨论了软组织和生物材料力学特性预测中的机器学习方法	仅纳入11篇符合标准的文章，基于特定关键词选择，可能遗漏其他相关研究；未详细比较不同ML模型的性能差异	综述机器学习技术用于评估软生物组织和生物材料的力学特性，重点关注心血管工程应用	软生物组织和生物材料（如血管、心脏瓣膜等），以及与之相关的实验和合成力学数据	机器学习	心血管疾病	NA	支持向量机、袋装决策树、人工神经网络、深度神经网络、卷积神经网络、自编码器、物理信息神经网络	实验数据（单轴或双轴应力-应变数据）、合成数据（非线性拟合和有限元模拟生成）、图像数据（三维二次谐波生成图像、CT图像）	11篇相关研究文章	NA	支持向量机、袋装决策树、ANN、DNN、CNN、自编码器、物理信息神经网络	决定系数R²，其他多种度量和误差测量	NA
1079	2026-05-29	A Label-Efficient Framework for Automated Sinonasal CT Segmentation in Image-Guided Surgery 2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.868 PMID:38922721	研究论文	评估一种标签高效的深度学习管道，用于CT扫描中鼻窦结构的语义分割，仅需少量标注扫描即可达到亚毫米精度	提出一种标签高效的深度学习框架，能够联合训练少量标注扫描和大量未标注扫描，显著减少对大规模标注数据的需求	未明确提及	评估标签高效深度学习管道在CT扫描中分割鼻窦结构（如鼻中隔、下鼻甲、上颌窦和视神经）的可行性	40张CT扫描，包括16张手动标注的扫描用于评估	计算机视觉	鼻窦疾病	CT成像	深度学习	图像（CT扫描）	40张CT扫描，其中16张完成手动标注	深度学习框架（未具体说明）	未明确说明	平均表面距离（ASD）	未明确说明
1080	2026-05-29	ACDMBI: A deep learning model based on community division and multi-source biological information fusion predicts essential proteins 2024-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108115 PMID:38865861	研究论文	提出了一种基于社区划分和多源生物信息融合的深度学习模型ACDMBI，用于预测必需蛋白质	首次结合社区划分、图卷积网络、图注意力网络、双向长短期记忆网络和多头自注意力机制，从蛋白互作网络、基因表达数据和亚细胞定位数据三种来源融合特征	实验仅在酿酒酵母数据上进行，模型在其他物种上的泛化能力未验证	提高必需蛋白质预测的准确性，服务于药物研究和疾病诊断	必需蛋白质	机器学习	NA	NA	ACDMBI	蛋白互作网络数据、基因表达数据、亚细胞定位数据	酿酒酵母数据	PyTorch, Keras	GCN, GAT, BiLSTM, DNN	AUC, AUPR	NA