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
1141	2026-05-02	HLABrew for Human Leukocyte Antigen Class I-Presented Epitope Recognition and Mimotope Discovery 2026-Apr-30, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00337 PMID:42062220	研究论文	提出了一个统一深度学习框架HLABrew，用于HLA I类表位预测和等位基因特异性模拟肽设计	集成Transformer、变分自编码器和双重交叉注意力机制，实现层级和等位基因感知的表征，能准确解卷多等位基因免疫肽组学数据并恢复等位基因特异性结合基序	NA	开发用于HLA I类呈递表位识别和模拟肽发现的深度学习框架	HLA I类呈递表位和等位基因特异性模拟肽	机器学习	NA	免疫肽组学	Transformer、变分自编码器	肽序列数据	NA	NA	Transformer、变分自编码器、双重交叉注意力	NA	NA
1142	2026-05-02	Microinterventional in-sensor computing system for real-time metabolic health assessment 2026-Apr-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72520-7 PMID:42062300	研究论文	提出一种仿生自锚定微介入传感器内计算系统，用于实时代谢健康评估	结合海星吸盘微针自锚定机制与轻量级深度学习算法，在硬币大小嵌入式电路上实现98.68%诊断准确率和120小时电池寿命，显著降低信号波动并增强信号强度	仅在猪模型中验证，未进行人体临床试验；未讨论不同个体差异对自锚定机制的影响	开发可穿戴传感器内计算系统，实现动态日常环境中高保真代谢风险分层	猪模型中的间质液生物标志物动态监测	机器学习	代谢性疾病	微针生物传感器	轻量级深度学习算法	生物信号	猪模型（未提供具体数量）	NA	轻量级神经网络	诊断准确率, 电池寿命	硬币大小嵌入式电路
1143	2026-05-02	Oil spill segmentation of noisy SAR images using domain adaptation based UNet 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49934-w PMID:42062390	研究论文	提出一种基于领域自适应UNet的SAR噪声图像溢油分割方法	在UNet架构中引入梯度反转层的领域自适应模块，以处理SAR图像中的相干斑噪声，提升溢油分割性能	未提及	实现SAR图像中溢油区域的精确检测与分割，克服噪声干扰	溢油区域在噪声SAR图像中的分割	计算机视觉	NA	SAR成像	CNN	图像	Sentinel-1 SAR图像原始数据集（未给出具体样本数）	PyTorch	UNet	准确率, F1分数, Dice相似系数, IoU	NA
1144	2026-05-02	A dynamic light image enhancement algorithm using generative adversarial network for group activity recognition 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49326-0 PMID:42062402	research paper	针对群体活动识别中动态光照导致的图像质量问题，提出一种基于生成对抗网络的动态光图像增强算法	提出了多输入图像增强生成对抗网络(MIIEGAN)和引导非对称深度可分离卷积(GA-DSC)，显著提升图像质量和模型性能	未明确提及	通过解决图像质量不稳定、工作环境光照动态变化和计算时间过长三个限制，提升群体活动识别模型性能	群体活动识别任务中的动态光照图像	computer vision	NA	图像增强	生成对抗网络	image	两个基准数据集：Volleyball Dataset和Collective Dataset	NA	MIIEGAN, AlexNet, VGG-16, Inception-v3, ResNet-50, EfficientNetV2	accuracy	NA
1145	2026-05-02	A multi-level dynamic sample augmentation and heterogeneous feature fusion framework for intelligent intrusion detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50301-y PMID:42062412	研究论文	提出一种融合动态样本增强与异构特征融合的混合入侵检测框架，用于解决网络流量中的类别不平衡和时间复杂性问题	创新性地结合ADASYN-FLS-SMOTEBoost自适应过采样策略、FLS指导的多分支CNN动态融合、层次化LSTM捕获短期突发和长期依赖，以及改进灰狼优化算法高效调参	在NSL-KDD数据集上的验证，可能存在领域泛化受限及高维特征场景下的可扩展性问题	提升智能入侵检测在复杂不平衡网络流量下的鲁棒性、可解释性和泛化能力	网络流量入侵检测（NSL-KDD数据集）	机器学习	NA	NA	CNN, LSTM	网络流量数据	NSL-KDD数据集（具体样本数量未说明）	NA	多分支CNN, 层次化LSTM (HLSTM)	Macro-F1, 召回率, 准确率	NA
1146	2026-05-02	An Arabic language benchmark and hybrid BERT-BiGRU-CapsNet model for optimism and pessimism detection 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50842-2 PMID:42062438	研究论文	介绍首个阿拉伯语乐观与悲观检测数据集SOPD，并提出BERT-BiGRU-CapsNet混合模型，在金融与体育领域文本上实现高精度分类	首个专门针对阿拉伯语乐观与悲观检测的专用数据集及混合深度学习架构	未明确提及	填补阿拉伯语乐观与悲观检测的研究空白，提出专用数据集和高效混合模型	阿拉伯语金融与体育论坛内容中的乐观、悲观与中性情绪	自然语言处理	NA	文本分类	BERT, BiGRU, CapsNet	文本	16,152个阿拉伯语样本，来自Hawamer和Kooora论坛	PyTorch	BERT-BiGRU-CapsNet	F1分数	NA
1147	2026-05-02	Deep-learning based quantitative evaluation of postoperative atelectasis following right upper lobectomy 2026-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02683-6 PMID:42062447	研究论文	基于深度学习框架自动量化右上肺叶切除术后肺不张严重程度，并评估其与临床结局的关联	首次开发全自动化深度学习框架对术后肺不张进行客观量化分级，提出标准化容积指标（右中叶/右肺体积比等）替代传统主观评分，并证实其与支气管镜需求等临床结局存在统计学关联	单中心回顾性研究、样本量有限（236例）、仅针对右上肺叶切除术患者，普适性需进一步验证	建立客观、可复制的深度学习评估体系，量化右上肺叶切除术后肺不张严重程度及临床影响	2008-2023年接受右上肺叶切除术的236例患者	计算机视觉	肺不张	CT影像分割	nnU-Net v2	影像	236例患者的术前术后CT影像	NA	nnU-Net v2	容积测量值、体积比、比值比、p值	NA
1148	2026-05-02	Evaluating model generalizability for suicide attempt risk prediction: traditional machine vs deep learning 2026-Apr-30, Npj mental health research DOI:10.1038/s44184-026-00209-2 PMID:42062536	研究论文	评估自杀企图风险预测模型在传统机器学习和深度学习中的泛化能力	首次进行外部验证，比较机器学习和深度学习在表格化医疗数据上的自杀企图风险预测表现	模型泛化能力不足，深度学习灵敏度更高但整体性能不及机器学习	评估并比较机器学习和深度学习模型在跨医疗环境下的自杀企图风险预测泛化能力	超过750,000次马萨诸塞大学纪念医疗中心的患者就诊记录	机器学习	自杀行为	NA	机器学习, 深度学习	表格数据	超过750,000次患者就诊记录	NA	NA	NA	NA
1149	2026-05-02	DeepSeMS: revealing the hidden biosynthetic potential of the global ocean microbiome with a large language model 2026-Apr-30, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00983-1 PMID:42062603	研究论文	提出基于Transformer的大型语言模型DeepSeMS，从生物合成基因簇序列预测次级代谢产物化学结构，并应用于全球海洋微生物组揭示隐藏的生物合成潜力	首次利用Transformer大型语言模型从BGC序列直接预测次级代谢产物化学结构，通过功能域编码和特征对齐数据增强提升预测准确性	对隐秘BGC结构复杂性和模块化生物合成域底物耐受性及交叉反应性的处理仍需改进	揭示全球海洋微生物组中未被挖掘的生物合成潜力，为抗生素发现提供新途径	全球海洋微生物组的生物合成基因簇及其对应的次级代谢产物	自然语言处理	抗生素相关疾病	宏基因组测序	Transformer	序列数据	全球海洋宏基因组数据集，含超过60,000种次级代谢产物	PyTorch	Transformer	预测有效性比率	NA
1150	2026-05-02	The impact of scanner domain shift on deep learning performance in medical imaging: an experimental study 2026-Apr-30, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03655-7 PMID:42062639	研究论文	本研究通过广泛实验评估了不同模态（X射线、CT、MRI）下扫描仪域偏移对深度神经网络性能的影响	首次系统性地跨多种模态和诊断任务量化扫描仪域偏移对深度学习性能影响的实验研究	未提及具体局限性，但可推断研究主要关注性能下降的量化，而非提出有效的域适应方法	评估扫描仪域偏移对卷积神经网络在不同自动诊断任务中性能的影响，并量化性能下降程度	常见放射学模态（X射线、CT、MRI）的医学图像	计算机视觉	NA	NA	卷积神经网络	图像	NA	NA	卷积神经网络	性能下降程度（具体指标未明确，可能涉及准确性等）	NA
1151	2026-05-02	Fluoroscopic image-driven deep learning model for predicting intussusception irreducibility during air enema in children 2026-Apr-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02385-1 PMID:42062943	研究论文	利用空气灌肠荧光透视图像开发深度学习模型预测儿童肠套叠不可复位性	首次将混合集成深度学习框架应用于肠套叠不可复位性的客观预测，并与放射科医师诊断性能进行对比，证明其辅助提升准确性的潜力	NA	开发基于荧光透视图像的深度学习模型，以客观预测空气灌肠过程中肠套叠的不可复位性	空气灌肠荧光透视图像	计算机视觉	肠套叠（儿童疾病）	NA	混合集成深度学习模型	图像（荧光透视图像）	训练集：770例不可复位和1214例可复位病例；真实世界测试集：46例不可复位与802例可复位；外部测试集：9例不可复位与101例可复位	NA	混合集成模型（未明确具体架构）	AUC、灵敏度、特异度、平衡准确率	NA
1152	2026-05-02	Interpretable Deep Survival Analysis of Alzheimer's Disease via Metabolic Genetic Variants 2026-Apr-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag213 PMID:42063212	研究论文	开发结合可解释人工智能的深度生存分析模型，通过代谢遗传变异预测阿尔茨海默病发病	将前馈神经网络与Weibull生存模型结合，并集成SHAP可解释性技术，突破传统线性模型无法捕获非线性遗传交互作用的局限	样本量有限，且模型仅基于遗传变异数据，未纳入环境因素等协变量	利用大规模SNP数据预测阿尔茨海默病发病时间，并解释遗传因素的贡献	阿尔茨海默病患者的单核苷酸多态性（SNP）数据	机器学习	阿尔茨海默病	SNP基因分型	前馈神经网络（FFN）-Weibull生存模型	基因型数据	未明确说明具体数量	NA	前馈神经网络	一致性指数（C-index）	NA
1153	2026-05-02	Mutational signatures in blood-brain barrier: mechanisms, computational insights, and clinical applications in precision oncology 2026-Apr-30, Tissue barriers IF:3.6Q2 DOI:10.1080/21688370.2026.2664236 PMID:42063272	综述	综述血脑屏障功能障碍引发的突变特征及其在精准肿瘤学中的应用	系统整合了血脑屏障功能障碍与多种突变特征（氧化应激、缺氧、脂质过氧化、炎症和代谢重编程）之间的生物学机制，并探讨了计算工具（非负矩阵分解、贝叶斯建模、深度学习）在提取和整合多组学数据中的应用	组织可及性有限、脑脊液样本产率低、机制模型不完整以及缺乏中枢神经系统特异性分析框架	阐明血脑屏障驱动突变过程的机制并推动神经肿瘤学精准医疗	血脑屏障、中枢神经系统恶性肿瘤（如胶质母细胞瘤）	机器学习	脑肿瘤	NGS	深度学习	多组学数据、脑脊液来源的循环肿瘤DNA	NA	TensorFlow, PyTorch, Scikit-learn	非负矩阵分解、贝叶斯模型、深度学习模型	AUC	NA
1154	2026-05-02	DeepTYLCV: An interpretable and experimentally validated AI model for predicting virulence of different tomato yellow leaf curl virus strains 2026-Apr-29, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101877 PMID:42063254	研究论文	提出一种可解释且经实验验证的深度学习模型DeepTYLCV，用于预测不同番茄黄化曲叶病毒株系的毒力	首次结合蛋白语言模型嵌入和最优串联常规描述符，采用Transformer编码器与多尺度CNN混合架构，直接从病毒基因组ORF序列预测毒力，并实现1D-Grad-CAM++可解释性分析	未提及模型的跨宿主或跨病毒泛化能力，以及在实际田间应用中应对数据多样性和实时性挑战的性能	开发一个可直接从病毒基因组序列预测毒力的深度学习框架，用于番茄黄化曲叶病毒的早期监测和抗性管理	番茄黄化曲叶病毒全球来源的分离株开放阅读框序列	机器学习	番茄黄化曲叶病毒病害	蛋白质语言模型、多尺度CNN、Transformer编码器	混合神经网络（Transformer + 多尺度CNN）	核苷酸序列（病毒ORF序列）	全球来源的TYLCV序列数据集（具体数量未在摘要中提及），以及15个未表征或代表性分离株的实验验证	PyTorch	Transformer编码器、多尺度卷积神经网络	准确率、一致性（预测与实验症状严重度达到100%一致）	未在摘要中提及
1155	2026-05-02	VerteRo: A Fully Automated Deep Neural Network Tool for Estimating Axial Vertebral Body Rotation in Adolescent Idiopathic Scoliosis 2026-Apr-28, Global spine journal IF:2.6Q1 DOI:10.1177/21925682261448826 PMID:42049289	研究论文	开发并验证了VerteRo，一种基于深度学习的全自动工具，用于从标准PA脊柱侧弯X光片中高精度估计轴向椎体旋转，克服了分类分级系统的局限性	提出了一种全自动、端到端的深度学习解决方案，用于从PA X光片中定量评估轴向旋转，相比分类分级方法提高了客观性	这是一项初步研究，需进一步验证才能应用于临床决策支持	开发并验证一种全自动深度学习工具，用于估计青少年特发性脊柱侧弯的轴向椎体旋转	青少年特发性脊柱侧弯患者的椎体旋转	计算机视觉	青少年特发性脊柱侧弯	X光片	卷积神经网络	图像	97例AIS X光片	NA	Faster R-CNN, YOLOv11 L, YOLOv12 L	平均绝对误差, F1分数, 等级一致性	NA
1156	2026-05-02	Correction: Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50501-6 PMID:42050081	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1157	2026-05-02	Retraction Note: A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50185-y PMID:42050120	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1158	2026-05-02	How receptor conformation depends on lipid nanodisc size: Adenosine A2A receptor and implications for class-A GPCR proteins 2026-Apr-28, Biochimica et biophysica acta. Biomembranes DOI:10.1016/j.bbamem.2026.184535 PMID:42061733	研究论文	使用原子级模拟研究脂质纳米盘大小如何影响腺苷A2A受体的构象，并探讨对A类GPCR蛋白的启示	首次通过深度学习方法系统揭示纳米盘尺寸依赖性对GPCR受体构象分布的调控作用，并发现直径约19 nm的纳米盘能模拟无应变的平面膜环境	仅模拟单一脂质成分，未考虑复杂膜环境（如胆固醇或不同脂质比例）的影响	评估纳米盘环境与细胞膜环境的差异，并确定纳米盘尺寸对GPCR受体构象的影响	腺苷A2A受体（GPCR家族成员）在不同尺寸纳米盘中的构象行为	分子模拟	NA	原子级分子动力学模拟	NA	模拟轨迹数据	约11 nm和约19 nm直径的纳米盘，以及无应变的平面膜作为对照	NA	深度学习方法（具体架构未提及）	构象分布特征比较	NA
1159	2026-05-02	Estimating Protein Conformational States from High-Speed AFM Images with Molecular Dynamics and Deep Learning 2026-Apr-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00142 PMID:41934646	研究论文	提出DeepAFM框架，整合深度学习与分子动力学模拟，从高速原子力显微镜图像中估计蛋白质构象状态并去噪	首次将深度学习与分子动力学模拟结合，用于解析噪声大、分辨率低的HS-AFM图像中的蛋白质构象状态，模型关注大尺度结构域运动区域，增强对噪声的鲁棒性	研究仅以膜蛋白SecYAEG-纳米盘复合物为案例，可能需进一步验证对其他蛋白质的通用性	开发一种能有效去噪并准确估计蛋白质构象状态的深度学习辅助分析策略	膜蛋白SecYAEG-纳米盘复合物中SecA的闭合与开放构象状态	计算机视觉	未提及	高速原子力显微镜，分子动力学模拟	深度学习	图像	未提及	PyTorch	未提及	未提及	未提及
1160	2026-05-02	Deep Learning for Cardiac Image Analysis: Unveiling Advances in Deep Learning Architectures 2026-Apr-24, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.03.007 PMID:42065698	综述	讨论深度学习在心脏图像分析中的进展，包括图神经网络、Transformer、隐式神经表示、生成对抗网络和基础模型等新方法	系统综述了深度学习心脏图像分析中的多种新兴架构，如非欧几里得数据表示、动态成像序列建模与连续空间重建	未涵盖临床验证试验的实证结果，且未对不同架构进行直接性能对比	总结深度学习在心脏图像分析方法上的创新及其挑战与未来方向	心脏图像分析中的深度学习架构	计算机视觉	心血管疾病	NA	图神经网络、Transformer、隐式神经表示、生成对抗网络、基础模型	图像	NA	NA	图神经网络、Transformer、隐式神经表示、生成对抗网络、基础模型	NA	NA