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
101	2026-06-08	Protein Structure Prediction Methods 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07511-6_1 PMID:41652158	综述	该文章综述了蛋白质结构预测方法的发展历程，从基于模板的建模到混合方法和端到端深度学习方法	系统总结了蛋白质结构预测方法从传统模板建模到深度学习的演变，特别是AlphaFold2和RoseTTAFold等端到端方法的突破性进展	NA	探讨蛋白质结构预测方法的原理、进展及其对结构生物学领域的变革性影响	蛋白质结构预测方法	机器学习	NA	蛋白质结构预测	神经网络, 蛋白质语言模型	氨基酸序列	NA	NA	AlphaFold2, RoseTTAFold	NA	NA
102	2026-06-08	Computational Ligand-Binding Site Prediction 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07511-6_7 PMID:41652164	研究论文	本文综述了计算配体结合位点预测的方法，包括基于结构的对接、机器学习和物理模拟技术	系统比较了传统对接、深度学习及物理模拟（如SILCS）在配体结合位点预测中的应用优势	未提供定量性能比较结果，且未讨论方法的计算成本	综述计算预测蛋白质和RNA上配体结合位点的技术方法	蛋白质和RNA上的配体结合位点	机器学习	NA	分子对接, 分子动力学模拟, SILCS	CNN, 深度学习模型	分子结构数据	NA	NA	NA	NA	NA
103	2026-06-08	A comparative analysis of video vision transformers on word-level sign language datasets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341909 PMID:41642940	研究论文	本研究对视频视觉Transformer在词汇级手语数据集上的性能进行了比较分析，并基于孟加拉手语数据集进行了微调与评估	首次在孟加拉手语数据集上系统比较了VideoMAE、ViViT和TimeSformer三种视频Transformer架构，并展示了其相对传统方法的显著优势	数据集规模有限（BdSLW60仅60个手势），且性能受帧率、帧分布、手势出现等因素影响	评估视频Transformer在手语识别中的可扩展性和鲁棒性，促进孟加拉手语识别技术的发展	孟加拉手语数据集BdSLW60（60个常用手势）和BdSLW401（401个手势类别）	计算机视觉	NA	视频视觉Transformer	Transformer	视频	BdSLW60包含9307个用户试验片段，BdSLW401包含401类手势数据	PyTorch	VideoMAE, ViViT, TimeSformer	准确率	NA
104	2026-06-08	MAGIN-GO: Protein function prediction based on dual graph neural networks and gene ontology structure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342072 PMID:41662346	研究论文	提出了一种结合双图神经网络和基因本体结构的蛋白质功能预测方法MAGIN-GO	融合图同构网络和图卷积网络与图卷积自注意力网络提取多源蛋白质信息，并整合基因本体注释嵌入，克服了传统图神经网络无法捕捉序列长程依赖和缺乏注释间关系的局限性	方法依赖于预训练的基因本体嵌入，可能对罕见或不完整的注释预测效果有限，且仅基于UniProtKB/Swiss-Prot数据集进行验证	提高蛋白质功能预测的准确性，特别是通过整合多源信息和注释关系来克服现有方法的不足之处	蛋白质功能预测，具体针对分子功能、生物过程和细胞组分三个领域的注释预测	机器学习	NA	NA	图神经网络	蛋白质序列和蛋白质-蛋白质相互作用图	使用UniProtKB/Swiss-Prot数据集	NA	图同构网络，图卷积网络，图卷积自注意力网络	AUPR, Fmax分数, Smin分数, AUC	NA
105	2026-06-08	Enhanced extractive text summarization framework for low-resourced Urdu language 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341596 PMID:41662374	研究论文	提出了一种针对资源匮乏的乌尔都语的增强型抽取式文本摘要框架	针对乌尔都语等低资源语言，提出了改进的有监督和无监督抽取式文本摘要模型，并创建了大规模人工标注数据集	未明确说明，但从上下文推测可能受限于乌尔都语资源的稀缺性	开发乌尔都语的自动文本摘要方法，提高摘要质量	乌尔都语文本文档及其人工标注的抽取式摘要	自然语言处理	NA	NA	机器学习与深度学习模型（有监督和无监督）	文本	大规模乌尔都语文本文档数据集	NA	NA	ROUGE分数	NA
106	2026-06-08	Fully Automated Stain Quantification Framework for IHC Whole Slide Images in Breast Cancer 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251407734 PMID:41930704	研究论文	提出了一种全自动、区分区域的免疫组化全切片图像H评分框架，用于乳腺癌分析	开发并公开了一个全自动、区分肿瘤与间质的免疫组化H评分框架，整合了三个深度学习模块，在分钟级处理内提供与专家病理学家相当的一致性和可重复性评分	未明确说明，但可能依赖于小样本（87张专家标注的图块）进行微调，外部验证中HER2分类准确率为86%，CD73评分平均绝对误差为21±10，可能受限于标注质量和泛化范围	通过自动化和标准化的免疫组化分析，减少诊断变异性，支持乳腺癌症治疗决策	乳腺癌患者的免疫组化全切片图像，包括肿瘤和间质区域	数字病理学	乳腺癌	免疫组化染色（IHC）	深度学习（具体包括肿瘤-间质分割、细胞核分割和H评分估计等模型）	图像（全切片图像）	87张专家标注图块用于微调，内部验证使用100张专家标注全切片图像，外部验证涉及HER2分类（具体数量未说明）和CD73评分样本	PyTorch（推测，因代码在GitHub上以AutoIHC命名）	未明确指定，但包括肿瘤-间质分割网络、细胞核分割网络和H评分估计网络（可能基于卷积神经网络架构如U-Net或类似模型）	Spearman秩相关系数（ρ），准确率，平均绝对误差	未明确说明，但提到支持配置选项以平衡准确性和计算效率
107	2026-06-08	Development and evaluation of an attention-gated U-net model for binary segmentation of teeth versus background in panoramic radiographs for orthodontic applications 2025-Dec-16, European journal of orthodontics IF:2.8Q1 DOI:10.1093/ejo/cjaf114 PMID:41665051	研究论文	开发并评估一种注意力门控U-Net模型，用于在口腔全景片中实现牙齿与背景的二元分割，以建立正畸应用的基准	在大规模公开数据集上建立牙齿与背景二元语义分割的标准化性能基准，并应用注意力门控机制提升分割精度	未给出具体局限性信息	为口腔正畸应用建立牙齿与背景二元分割的基准，提升自动化诊断和治疗规划	598张标注的口腔全景X光片	数字病理学, 计算机视觉	口腔正畸相关疾病	深度学习, 语义分割	注意力门控U-Net (Att-U-Net)	图像	598张口腔全景X光片	NA	注意力门控U-Net	Dice系数, 平均交并比, 精确率, 召回率, 接受者操作特征曲线下面积, 像素准确率	NA
108	2026-06-08	[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report] 2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences DOI:10.11817/j.issn.1672-7347.2025.250590 PMID:41656833	研究论文	构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，并进行了初步报告	首次为中国人群黑色素瘤构建了代表性强、多模态的疾病特异性队列，整合了自动化ETL和AI辅助治理架构，并实现像素级病理和影像数据建模	单中心研究，可能限制结果的泛化性；排除了未成年人和孕妇，样本代表性有局限	为黑色素瘤疾病特征刻画和预后机制探索提供高质量数据基础	中国中南大学湘雅医院2016年4月至2024年9月间经病理确诊的黑色素瘤患者	数字病理学, 自然语言处理, 计算机视觉	黑色素瘤	全切片图像（WSI）、数字成像与通信标准（DICOM）影像、结构化工临床分子数据	基于Transformer的NLP模型、深度学习管道	病理图像、影像数据、文本数据	1036名黑色素瘤患者（514名男性，522名女性；平均年龄60.2±13.7岁）	NA	Transformer	NA	NA
109	2026-06-08	Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1726947 PMID:41641033	研究论文	开发多模态MRI影像组学-临床融合模型，预测甲状腺眼病患者的静脉糖皮质激素治疗反应	首次将多模态MRI影像组学与临床特征融合构建预测模型，并采用影像组学-深度学习特征联合方法提升预测性能	样本量较小（108例），需更大规模多中心研究验证模型泛化性；模型AUC虽有改善，但与单独影像组学模型无显著差异	开发无创预测工具，实现甲状腺眼病患者静脉糖皮质激素治疗的个性化方案制定	甲状腺眼病患者，具体为78例治疗反应者和30例无反应者	医学影像分析	甲状腺相关眼病	MRI影像组学, 深度学习迁移学习	逻辑回归, 深度学习网络	MRI影像, 临床数据	108例甲状腺眼病患者（其中78例治疗反应者，30例无反应者）	NA	LASSO回归, 深度学习迁移学习融合模型	ROC/AUC, 校准曲线, 决策曲线分析, DeLong检验	NA
110	2026-06-07	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-Sep, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出了一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神疾病的分类与可解释性分析	引入了基于变换的特征提取器PyramidPat，结合可解释性模块DLob将特征转换为基于脑叶和通道的语义描述，兼顾高分类准确率与可解释性	未明确讨论方法的泛化能力或对其他类型信号（如fMRI）的适用性，且依赖特定数据集	开发一种可解释的特征工程方法，实现脑电图精神疾病的多类分类并提供可解释的输出	六类脑电图精神疾病数据集中的多通道脑电图信号	机器学习	精神疾病	脑电图（EEG）	kNN	信号	六类精神疾病数据集，未明确样本数量，采用留一被试交叉验证（LOSO）	NA	PyramidPat, INCA, tkNN, DLob	准确率（accuracy）	NA
111	2026-06-07	Artificial intelligence in drug discovery for fungal diseases: a scoping review 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103461 PMID:42202565	综述	系统梳理人工智能在真菌药物发现中的应用现状	首次采用系统性综述方法全面评估AI预测生物活性技术在抗真菌药物发现和再利用中的证据，揭示了高级深度学习模型与实验验证不足之间的脱节	仅包含截至2025年7月的研究，可能存在发表偏倚；未对纳入研究进行质量评估	绘制AI方法在抗真菌药物发现中预测生物活性的应用证据图谱	106篇关于AI在真菌药物发现中应用的原发性研究	machine learning	真菌感染	NA	集成模型, 深度学习	文本	106篇研究	NA	PASS, 集成模型, 深度学习架构	NA	NA
112	2026-06-07	Multimodal deep learning neuroimaging approach to enhance CT-based diagnosis of Alzheimer's disease 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112234 PMID:42085916	研究论文	提出一种多模态深度学习框架，利用MRI特征增强CT影像对阿尔茨海默病的诊断能力	通过从MRI中学习互补特征表征并迁移至CT，克服了CT影像对早期阿尔茨海默病神经退行性变化诊断不足的问题，实现了低成本、高普及度的CT检查的高精度诊断	研究数据来自单一数据集（OASIS-3），可能影响泛化能力；MRI特征迁移至CT的有效性需在更大规模多中心数据中验证	提升CT影像在阿尔茨海默病诊断中的准确性和临床适用性	阿尔茨海默病的CT和MRI影像数据	计算机视觉	阿尔茨海默病	MRI, PET, CT	卷积神经网络	图像	772名参与者（正常对照组300人、轻度认知障碍250人、阿尔茨海默病222人），包含352名男性和420名女性	NA	自定义卷积神经网络	准确率、灵敏度、特异度	NA
113	2026-06-07	Alzheimer's disease with progression analysis using a novel dilated convolutional attention based long short term memory model 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112232 PMID:42090937	研究论文	提出一种基于扩张卷积注意力机制的长短期记忆模型，用于阿尔茨海默病的分类与进展预测	引入扩张卷积注意力机制增强LSTM模型对高维EEG信号中复杂时空模式的特征提取能力	仅使用单一CAU-EEG数据集验证，未在多种人群或跨机构数据上进行泛化测试	开发自动化深度学习诊断系统，实现阿尔茨海默病的早期检测与进展分析	阿尔茨海默病患者的脑电图信号	机器学习	阿尔茨海默病	脑电图	LSTM	信号	未提及具体样本数量，仅标注使用CAU-EEG数据集	NA	DC-ALSTM	准确率、精确率、召回率、F1分数	NA
114	2026-06-07	Diagnosing autism spectrum disorders using ensemble-aided weighted fused features and attention-based residual LSTM with brain MRI images 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112230 PMID:42090939	研究论文	提出一种基于集成辅助加权融合特征和注意力残差长短期记忆网络的深度学习方法来诊断自闭症谱系障碍	采用集成深度卷积神经网络（EDCNN）提取特征，通过改进的随机均匀数辅助洪堡乌贼优化算法优化融合权重，并引入注意力残差长短期记忆网络进行诊断	未明确提及局限性	开发一种先进的深度学习方法用于自闭症谱系障碍的诊断	脑部MRI图像	计算机视觉	自闭症谱系障碍	神经影像学（MRI）	卷积神经网络，长短期记忆网络	图像	NA	NA	VGG16, ResNet, Inception, 注意力残差长短期记忆网络	NA	NA
115	2026-06-07	Optimized quadrangle attention consolidated convolutional multi-scale vision transformer based autism detection 2026-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112251 PMID:42202658	研究论文	提出一种基于优化四边形注意力整合卷积多尺度视觉Transformer的深度学习框架，用于高效准确地检测自闭症谱系	首次将随机螺旋开发黑猩猩优化算法（RS-COA）用于超参数调优，并结合自适应中值高斯滤波（AMGF）去噪、生成对抗网络（GAN）数据增强以及深层多尺度多级封闭注意力DarkNet（DMM-AND）特征提取，构建OQA-CMVT模型	未提及模型在实际临床环境中的泛化能力验证，也未讨论数据集的多样性及模型可解释性	开发基于深度学习的自闭症谱系检测方法，提高检测准确性和效率	自闭症儿童面部图像数据集和Autism_Image_Data数据集	计算机视觉	自闭症	NA	生成对抗网络（GAN）、深度多尺度多级封闭注意力DarkNet（DMM-AND）、优化四边形注意力整合卷积多尺度视觉Transformer（OQA-CMVT）	图像	两个数据集：自闭症儿童面部数据集和Autism_Image_Data数据集，具体样本数未提及	NA	DarkNet、卷积多尺度视觉Transformer	准确率（Accuracy）	NA
116	2026-06-07	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	使用深度学习基于颅骨CT预测经颅超声插入损失	提出了一种改进的双路径Inception神经网络（mDPI-Net），基于颅骨CT扫描实现快速准确的插入损失预测，相比传统数值方法大幅提升了计算效率	NA	利用深度学习方法从颅骨CT中预测经颅超声插入损失，以优化超声传输	20个人类颅骨样本	深度学习	NA	CT扫描，经颅超声	神经网络	图像	20个人类颅骨样本	PyTorch（推测）	mDPI-Net（改进双路径Inception网络）	峰值压力误差，插入损失偏差	NA
117	2026-06-07	Calibrating Biased Distribution in VFM-Derived Latent Space via Cross-Domain Geometric Consistency 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3662389 PMID:41662554	研究论文	提出一种利用跨域几何一致性校准视觉基础模型派生潜在空间中偏态分布的方法	首次揭示视觉基础模型（如CLIP、DINOv2）提取的特征分布的几何形状具有跨域可迁移性，并基于此设计分布校准框架	未在标题和摘要中明确提及研究局限性	解决由数据异质性和样本不平衡引起的信息缺失问题	跨域几何形状的可迁移性及其在分布校准中的应用	机器学习	NA	特征提取	视觉基础模型（VFM）	图像	NA	NA	CLIP, DINOv2	NA	NA
118	2026-06-07	DREAM: A Benchmark Study for Deepfake PhotoRealism AssessMent 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663547 PMID:41671124	研究论文	提出名为DREAM的基准测试，用于评估深度伪造视频的逼真度	首次系统研究深度伪造的逼真度评估，包含大规模人工标注和多种评估方法的综合分析，并提出了描述对齐的CLIP方法	未提及具体局限性	推动深度伪造逼真度自动评估的研究方向	深度伪造视频的逼真度评估方法	计算机视觉	NA	深度伪造生成	CLIP	视频	来自3500名标注者的140,000个逼真度评分及文本描述	NA	CLIP	NA	NA
119	2026-06-07	Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices 2026-Jul, Applied ergonomics IF:3.1Q2 DOI:10.1016/j.apergo.2026.104743 PMID:41628493	研究论文	评估基于智能手机的无标记运动捕捉系统在职业搬运任务中测量三维关节运动学的表现，并提出任务特定模型以提高准确性	针对OpenCap平台在职业搬运任务中性能不足，提出并训练了任务特定的标记增强模型，显著降低了运动学误差及其变异性	任务特定模型仅针对职业搬运任务，对其他活动可能性能下降，未提及在真实作业环境中光照、遮挡等条件下的鲁棒性评估	评估并改进无标记运动捕捉技术在职业搬运任务中测量三维关节运动学的准确性，以用于人机工程学应用	职业搬运任务中的三维关节运动学数据	计算机视觉, 数字人体建模	NA	无标记运动捕捉（markerless MoCap）	深度学习模型（标记增强器）	视频关键点数据	大量多样的手动搬运任务数据集，未提供具体样本数量	PyTorch	标记增强模型（基于OpenCap的标记增强器，具体架构未明确）	均方根误差（RMSE）, 标准差（SD）	使用智能手机作为采集设备，未说明训练时GPU类型或云计算平台
120	2026-06-07	50 Years of Automated Face Recognition 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3664269 PMID:41686677	综述	回顾人脸识别技术从早期手工特征到现代深度学习架构50年的发展历程	系统梳理了人脸识别在数据集构建、损失函数设计、网络架构和特征融合方面的关键创新，并分析了数据规模与模型泛化的关系	更大规模的图库会导致假阳性率上升，部署规模越大错误率越高	梳理人脸识别技术的历史演进和未来发展方向	人脸识别算法和系统	计算机视觉	NA	NA	深度学习架构	图像	超过1000万身份的大型图库	NA	NA	错误识别率、假阳性识别率	NA