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
1221	2026-05-20	Protein-peptide binding residue prediction based on protein language models and cross-attention mechanism 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115637 PMID:39121938	研究论文	设计了一种基于蛋白质语言模型和交叉注意力机制的端到端深度学习方法E2EPep，用于蛋白质-肽结合残基预测	首次将两种预训练蛋白质语言模型与交叉注意力特征融合模块结合，实现仅基于蛋白质序列的端到端预测，无需依赖第三方工具提取显式特征	方法在独立测试集上的性能仍有提升空间，且仅适用于学术用途，未提及临床或工业部署的可行性	提高蛋白质-肽结合残基预测的准确性和计算效率，推动药物发现	蛋白质-肽结合残基	自然语言处理，机器学习	不适用	不适用	深度学习模型	蛋白质序列	两个独立测试数据集	PyTorch	蛋白质语言模型，交叉注意力机制	AUC， Matthew相关系数	不适用
1222	2026-05-20	Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial 2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation IF:9.4Q1 DOI:10.1053/j.ajkd.2024.02.014 PMID:38608748	研究论文	利用深度学习从TEMPO 3:4试验患者的冠状面MRI扫描中量化内脏脂肪，分析其与常染色体显性多囊肾病肾脏进展及托伐普坦疗效的关系	首次在ADPKD队列中通过深度学习分割模型从冠状面MRI量化内脏脂肪，发现其在预测肾脏生长速率方面优于BMI，并影响托伐普坦疗效	回顾性研究设计、研究对象为快速进展患者、深度学习计算需求高	探讨内脏脂肪堆积与ADPKD肾脏生长速率的关系以及对托伐普坦疗效的影响	ADPKD高风险快速进展患者	数字病理学	常染色体显性多囊肾病	MRI	深度学习分割模型	图像（冠状面MRI）	1053名ADPKD患者	NA	NA	曲线下面积（AUC）、Delong检验	需要高计算资源（深度学习）
1223	2026-05-20	Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software 2024-09, Journal of medical screening IF:2.6Q2 DOI:10.1177/09691413231219952 PMID:38115810	meta-analysis	本研究通过系统综述和meta分析评估了基于深度学习的人工智能系统对乳腺癌筛查乳腺X线影像进行分诊的潜力，重点关注其对放射科医生工作量的减少效果	首次通过meta分析量化了AI分诊在乳腺癌筛查中减少约68.3%放射科工作量的同时保持93.1%高敏感性的效果，提供了基于商业DL算法的实际证据	仅纳入三种使用同一商业DL算法的研究，异质性较高（I²值大），且未深入分析AI实施过程的复杂性和异质性对实际应用的影响	评估基于AI的乳腺X线分诊能否在非劣效敏感性的前提下减少放射科医生工作量	乳腺癌筛查中的乳腺X线影像及放射科医生的工作流程	机器学习	乳腺癌	深度学习的计算机辅助分诊技术	深度学习	医学影像（乳腺X线影像）	三个纳入研究的156,852次检查	NA	NA	敏感性, 特异性, 工作量减少比例	NA
1224	2026-05-20	Unsupervised motion artifact correction of turbo spin-echo MRI using deep image prior 2024-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30026 PMID:38282279	研究论文	提出了一种基于深度图像先验的无监督运动伪影校正方法，用于涡轮自旋回波MRI	利用神经网络参数化对运动伪影的高阻抗特性，提出无监督的深度学习校正框架，无需大型数据集训练	未提及具体局限性	开发无监督深度学习方法校正涡轮自旋回波MRI中的运动伪影	涡轮自旋回波MRI图像中的运动伪影	计算机视觉	NA	MRI	CNN	图像	14名受试者的280张切片	PyTorch	深度图像先验网络	结构相似性指数	NA
1225	2026-05-20	Functional non-uniformity of periodontal ligaments tunes mechanobiological stimuli across soft- and hard-tissue interfaces 2023-10-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2023.08.047 PMID:37634832	研究论文	提出结合纳米压痕、图像本构建模和深度学习的框架，揭示牙周膜功能非均匀性在骨-牙周膜-牙复合体机械生物刺激传导中的作用	首次整合动态纳米力学测试、高分辨率图像建模和机器学习（高斯混合模型与U-net深度学习），从微观结构非均匀性角度阐明牙周膜对机械生物刺激的调节机制	NA	探究牙周膜先天功能非均匀性如何调节传递给周围牙槽骨的机械生物刺激，维持组织稳态	骨-牙周膜-牙复合体（BPT复合体）中的牙周膜微观结构及其机械生物学功能	数字病理学	NA	纳米压痕	U-net	图像	NA	PyTorch	U-net	NA	NA
1226	2026-05-20	Classification of COVID-19 by Compressed Chest CT Image through Deep Learning on a Large Patients Cohort 2021-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-020-00408-1 PMID:33565027	研究论文	提出一种基于深度学习的原型诊断系统，通过压缩胸部CT图像对COVID-19进行快速分类，并在大型患者队列上进行验证	无需数据增强即可区分COVID-19与正常对照，特异性0.92、敏感性0.93；测试时无需原始DICOM图像，可使用高度压缩的JPEG图像实现快速诊断；在6秒内区分病毒感染，支持低成本在线测试	小样本无症状患者验证有限；仅使用特定数据集，泛化性需进一步评估	开发一种快速、准确的COVID-19诊断系统，克服RT-PCR检测准确率低和传统AI方法耗时长的问题	1357名确诊COVID-19患者和未感染人群的胸部CT序列	计算机视觉	COVID-19	CT成像	深度学习模型	图像（胸部CT序列，含JPEG压缩图像）	2267个CT序列来自1357名确诊患者，1235个CT序列来自未感染者；额外48名无症状患者	NA	NA	特异性、敏感性	在线检测系统，要求低成本计算
1227	2026-05-20	Complex Human Action Recognition Using a Hierarchical Feature Reduction and Deep Learning-Based Method 2021, SN computer science DOI:10.1007/s42979-021-00484-0 PMID:33615240	研究论文	提出一种基于层级特征降维和深度学习的方法，用于识别复杂的人类动作	通过自动化选取代表性帧并结合层级特征降维技术（背景减除、HOG）、深度学习网络（CNN和LSTM）以及骨骼建模，有效提取时间信息并降低计算成本	未提及具体限制，但可能依赖特定数据集（UCF101）的性能表现	解决视频序列中人类动作识别的时间信息利用不足和计算成本高的问题	视频序列中的复杂人类动作	计算机视觉	不适用	不适用	CNN, LSTM, Softmax-KNN	视频	UCF101数据集，包含101类复杂动作	不适用	不适用	准确性, 速度	不适用
1228	2026-05-19	Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00217 PMID:40903968	综述	系统分析基于脑电图的脑机接口技术在信号采集、范式设计、解码算法及应用方面的进展与挑战	全面梳理了脑电-脑机接口系统的四大支柱（信号采集、范式设计、解码算法、应用），并特别强调了非侵入式电极舒适性提升、微创技术实现近侵入式信号保真度、多模态融合（如结合眼动追踪）以及Riemann几何与深度学习的解码算法创新	信号质量长期稳定性不足、运动干扰、伦理数据问题、跨设备兼容性差以及跨个体校准需求高	弥合脑电-脑机接口技术与实际应用之间的差距，指导未来研究方向	基于脑电图的脑机接口系统、信号采集技术（湿/干/半干电极、微针阵列、血管内探针）、范式设计（运动想象、稳态视觉诱发电位、P300拼写器）、解码算法（Riemann几何、深度学习、迁移学习）	机器学习	卒中	脑电图	深度学习	脑电图信号	NA	NA	NA	NA	NA
1229	2026-05-19	Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00561 PMID:41017675	review	探讨人工智能在周围神经再生生物材料开发中的应用，涵盖材料设计、性能预测和虚拟实验	系统探讨人工智能通过机器学习和深度学习优化神经再生生物材料的策略	数据整合、算法复杂性及临床转化的挑战	探索人工智能在神经再生生物材料研发中的应用潜力	周围神经再生生物材料	machine learning	周围神经病	NA	machine learning, deep learning	NA	NA	NA	NA	NA	NA
1230	2026-05-19	Deep learning-based cognitive impairment brain imaging analysis: New methods, new technologies, and new paradigms 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00332 PMID:42148603	综述	探讨深度学习在由缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍脑磁共振成像分析中的应用，聚焦于病变分割、目标检测和图像分类三大核心任务	系统总结了U-Net、混合CNN-Transformer和3D-CNN等模型在三种疾病中的最新应用进展，并提出了联邦学习、域适应、自动标注和可解释人工智能等新范式以克服临床整合障碍	高质量标注数据集稀缺、站点间差异性大、标注成本高以及模型可解释性有限，阻碍了临床整合	探索深度学习在认知障碍脑磁共振成像分析中的应用，提升病变分割、异常区域定位和疾病分类的准确性、鲁棒性和泛化能力	缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍患者的脑磁共振成像数据	计算机视觉	心血管疾病、阿尔茨海默病、帕金森病	磁共振成像	卷积神经网络、变换器	图像	NA	NA	U-Net、混合卷积神经网络-变换器、三维卷积神经网络、ResNet、Vision Transformer	Dice系数、准确率	NA
1231	2026-05-19	An integrated wearable microfluidic electrochemical/colorimetric intelligent sensing platform for comprehensive sweat analysis 2026-Aug-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118746 PMID:42061345	研究论文	提出了一种集成微流控电化学/比色传感的智能可穿戴平台，用于全面汗液分析	首次将高性能CuS/PDA@MXene纳米复合材料电化学传感层与水凝胶微流控/比色传感层结合，实现汗液成分与皮肤微环境的多模态监测，并采用CNN-LSTM深度学习架构处理比色信号	未提及	开发智能可穿戴平台用于动态监测汗液成分和皮肤微环境，推动个性化健康监测和数字医疗	汗液中的葡萄糖、乳酸、钾离子、钠离子，以及汗液皮肤微环境的pH值、温度和紫外线强度	机器学习, 数字化病理学	未指定	电化学传感, 微流控比色传感	CNN-LSTM	图像信号（比色信号）	未提及	NA	CNN-LSTM	未提及	NA
1232	2026-05-19	Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging 2026-Aug-15, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2026.110368 PMID:42147495	研究论文	提出一种自监督深度学习框架HA2HA，用于超声微血管成像中的去噪，提升图像质量	创新性地使用互补角度子集的超声射频血流数据构建自监督训练对，无需标记数据即可实现去噪，并适用于无对比剂和增强对比剂的场景	未提及	解决超声微血管成像中低信噪比问题，提高血管可视化和下游分析质量	猪肾脏、人类肾脏和人类肝脏的超声微血管成像数据	计算机视觉, 数字病理学	未提及	超声成像	深度学习	图像（超声射频血流数据）	训练数据：无对比剂猪肾脏数据；测试数据：未见过个体的无对比剂和增强对比剂猪肾脏、人类肾脏和人类肝脏数据	NA	NA	对比噪声比	NA
1233	2026-05-19	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2026-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73094-0 PMID:42144397	研究论文	提出一种端到端自动化流程，结合深度学习与信号处理，用于血吸虫病现场即时检测的读取与质量控制	首次将深度学习与信号处理结合，实现血吸虫病侧流层析检测的自动定量分类，解决视觉判读不确定性，并在大规模现场队列中验证	NA	为被忽视热带疾病的即时检测开发自动化诊断分类流程	血吸虫病现场循环阴极抗原检测的侧流层析测试	计算机视觉，信号处理	血吸虫病	侧流层析检测	深度学习模型（CNN）	图像	乌干达农村SchistoTrack队列中3188名个体	NA	NA	灵敏度、特异度	NA
1234	2026-05-19	Construction of a multi-dimensional predictive model for college students' academic performance based on deep learning 2026-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51012-0 PMID:42144405	研究论文	构建基于深度学习的大学生学业成绩多维预测模型，融合时间序列、行为与人口学特征	提出一种新型GatedLSTMU-Dove模型，通过优化算法提升收敛速度与预测精度，并实现可解释的时间模式可视化	未说明模型在更大规模或多样化数据集上的泛化能力，以及实际教学干预中的效果验证	开发一个鲁棒的预测模型，利用多维数据（时间、行为和人口学特征）预测大学生学业表现	2000名大学生的学业数据，包括成绩、出勤率、学习管理系统交互、心理测量和人口统计记录	机器学习	NA	NA	门控长短期记忆单元（Gated LSTM）	表格数据（数值型与分类型特征）	2000名学生样本	Python 3.10（未明确指定具体框架）	GatedLSTMU-Dove	分类准确率（98.85%）、低误差指标、可解释的时间模式可视化	NA
1235	2026-05-19	Automated periapical lesion segmentation and area-based PAI indexing: a comparative deep learning study on periapical radiographs 2026-May-18, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08645-4 PMID:42144602	研究论文	本研究系统比较了四种深度学习架构在根尖周X线片上自动分割根尖周病变并基于面积计算根尖周指数（PAI）的性能	首次在统一协议下将像素级分割映射到临床可解释的根尖周指数（PAI）类别，并提出基于面积的PAI评分（aPAI）	未纳入定性影像特征（如边界定义、小梁变化），且仅使用单一数据集，缺乏外部验证	评估不同深度学习架构在根尖周病变分割及基于面积的PAI指数计算中的性能，并比较其优劣	900张匿名根尖周X线片及其专家标注的病变掩膜	计算机视觉	根尖周病变	X线成像	CNN	图像	900张根尖周X线片（训练集594张，验证集145张，测试集161张）	NA	U-Net, ResUNet34, DeepLabV3, HRNet	准确率, 敏感度, 特异度, 精确率, F1分数, AUC	NA
1236	2026-05-19	Improved delineation of the cystic artery using super-resolution deep learning reconstruction in contrast-enhanced abdominal computed tomography 2026-May-18, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01066-6 PMID:42149432	研究论文	本研究评估了超分辨率深度学习重建在对比增强腹部CT中改善胆囊动脉及其毗邻血管的显示效果	首次将超分辨率深度学习重建技术应用于对比增强CT中胆囊动脉的清晰显示，并与标准深度学习重建进行比较	在胆囊动脉检出率方面未见显著改善，且为回顾性研究	评估SR-DLR在对比增强腹部CT中改善胆囊动脉和相关腹部血管显示及图像质量的效果	60名接受对比增强腹部CT动脉期扫描的患者	计算机视觉	NA	对比增强CT	深度学习重建	图像	60名患者	NA	SR-DLR, DLR	CT衰减值, 图像噪声, 对比噪声比, 半峰全宽, 边缘上升距离, 边缘上升斜率	NA
1237	2026-05-19	Graph attention network-based prediction of oral multi-drug resistance efflux protein sequence 2026-May-18, Minerva dental and oral science IF:1.1Q3 DOI:10.23736/S2724-6329.25.04946-0 PMID:42149558	研究论文	利用图注意力网络预测口腔多药耐药外排蛋白序列	首次将图注意力网络与超注意力机制应用于口腔耐药组蛋白序列预测	模型敏感度较低（0.51），可能遗漏部分阳性病例；样本量小，仅涵盖少数细菌蛋白序列	预测口腔多药耐药外排蛋白序列，为药物发现和耐药管理提供支持	口腔多药耐药外排蛋白序列（来自MprA、MarA、CpxA和MdtC蛋白的FASTA序列）	机器学习	NA	NA	图注意力网络 (GAT)	序列数据	7条蛋白质FASTA序列	Deepbio	图注意力网络, 超注意力机制	敏感度, 特异性, 真阴性率 (TNR)	NA
1238	2026-05-19	Artificial intelligence (AI)-assisted ultrasound in clinical trials: Endpoint automation, decentralized monitoring, and regulatory readiness 2026-May-17, Drug discoveries & therapeutics DOI:10.5582/ddt.2026.01020 PMID:42002939	综述	综述了人工智能辅助超声在临床试验中的端点自动化、分散监测和监管准备方面的当前证据与监管发展	系统整合了AI在超声自动测量、实时采集引导及监管框架三方面的最新进展，揭示了AI提升超声可重复性与分散试验可行性的互补路径	尚未解决跨厂商领域泛化、亚组公平性及持续试验中的算法变更管理等挑战	评估AI辅助超声在临床试验中实现端点自动化、分散监测及满足监管要求的潜力	临床试验中的超声成像技术与AI辅助算法	计算机视觉	心血管疾病	超声成像	深度学习	图像	NA	NA	NA	可重复性、诊断可接受率、非劣效性	NA
1239	2026-05-19	Customer churn prediction in privacy-preserving HashCode-based security abstractions 2026-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53357-y PMID:42144427	研究论文	提出一种基于哈希码的安全抽象方法，在保护隐私的前提下实现客户流失预测	将隐私设计理念融入客户流失统计，使用哈希码安全抽象在保持分析完整性的同时保护身份信息，无需依赖丰富标识符或大量基础设施假设	仅使用行为、交易和时间等结构化数据，未涉及非结构化数据或外部数据源	在严格隐私标准下评估和平衡多种机器学习与深度学习模型在客户流失预测中的性能	客户行为、交易及时间相关特征	机器学习	NA	匿名化哈希编码	逻辑回归、随机森林、XGBoost、多层感知机	结构化数据（行为、交易、时间）	未指定样本数量	Keras, Scikit-learn	Logistic Regression, Random Forest, XGBoost, Multilayer Perceptron	准确率、精确率、召回率、F1分数、AUC	未指定
1240	2026-05-19	IL-HS: a deep inception-LSTM architecture for enhanced lithological mapping using EnMAP hyperspectral remote sensing data 2026-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52520-9 PMID:42144467	研究论文	提出IL-HS深度学习框架，用于利用EnMAP高光谱遥感数据进行增强岩性制图	首次将InceptionV2与双向长短期记忆网络结合用于高光谱岩性分类，实现多尺度空间特征与序列光谱信息融合	NA	实现半干旱和地质复杂区域的高精度岩性制图，以支持地质科学和矿产勘探	摩洛哥Anti-Atlas地区Kerdous内围层的26个岩性单元	计算机视觉	NA	高光谱遥感、EnMAP数据	Inception-LSTM	高光谱图像	NA	PyTorch	InceptionV2,双向长短期记忆网络	总体精度	NA