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
1241	2026-01-28	Using Deep Learning Neural Networks to Improve Dementia Detection: Automating Coding of the Clock-Drawing Test 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4909790/v1 PMID:39483868	研究论文	本研究开发并评估了一种基于深度学习神经网络的智能时钟绘图测试评分系统，用于自动编码时钟绘图测试图像，以改进痴呆症检测	引入了结构化排序到编码系统中，超越了传统的名义分类方法，并比较了Vision Transformers与其他先进深度学习模型在自动编码时钟绘图测试图像上的性能	未在摘要中明确提及	改进痴呆症检测，通过自动化编码时钟绘图测试来减少大规模研究中的手动编码偏差	阿尔茨海默病及相关痴呆症	计算机视觉	老年疾病	深度学习神经网络	CNN, Transformer	图像	来自2011-2019年国家健康与老龄化趋势研究的大型公开时钟绘图测试图像库	NA	ResNet101, EfficientNet, Vision Transformers	NA	NA
1242	2026-01-28	Identification of Chemical Scaffolds That Inhibit the Mycobacterium tuberculosis Respiratory Complex Succinate Dehydrogenase 2024-10-11, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.3c00655 PMID:39268963	研究论文	本研究结合生化筛选和深度学习技术，识别出抑制结核分枝杆菌呼吸复合物琥珀酸脱氢酶的多种化学支架，并评估其作为新型抗菌剂的潜力	首次利用深度学习辅助筛选方法，针对结核分枝杆菌的琥珀酸脱氢酶（SDH）这一未充分探索的靶点，识别出多个具有抑制活性的化学支架，并展示了SDH抑制剂在对抗耐药菌株和协同其他生物能量抑制剂方面的潜力	研究主要基于体外实验和计算模型，尚未进行深入的体内药效学和毒性评估，且对SDH抑制剂的长期耐药性发展机制探讨有限	开发针对结核分枝杆菌呼吸能量代谢的新型抗菌剂，特别是以琥珀酸脱氢酶（SDH）为靶点	结核分枝杆菌（包括野生型和耐药菌株）及其琥珀酸脱氢酶（SDH）酶	机器学习	结核病	生化筛选、深度学习	深度学习模型	化学结构数据、生化活性数据	NA	NA	NA	抗菌活性（抑制效果）、代谢和呼吸失调程度、细胞内琥珀酸分泌水平、耐药性预防效果	NA
1243	2026-01-28	TimeTuner: Diagnosing Time Representations for Time-Series Forecasting with Counterfactual Explanations 2024-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3327389 PMID:37883273	研究论文	本文提出了一个名为TimeTuner的可视化分析框架，用于诊断时间序列预测中的时间表示，并通过反事实解释帮助分析人员理解模型行为	提出了一种结合反事实解释和可视化交互的两阶段技术，首次将局部相关性、平稳性和粒度分析集成到时间序列表示诊断中	仅实例化了平滑和采样两种转换方法，在更复杂的时间序列转换方法上尚未验证	改进时间序列预测中特征工程的自动化方法，增强模型行为的可解释性和可靠性	时间序列数据，包括单变量太阳黑子和多变量空气污染物数据	机器学习	NA	反事实解释，可视化分析	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
1244	2026-01-28	Motor Imagery EEG Classification Based on a Weighted Multi-Branch Structure Suitable for Multisubject Data 2023-Nov, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3274231 PMID:37186527	研究论文	本文提出了一种加权多分支结构，用于处理多被试数据以提升特定被试运动想象脑电信号分类性能	提出加权多分支结构，每个分支负责拟合一对源-目标被试数据，通过自适应权重整合所有分支或选择权重最大的分支进行最终决策，有效利用分布差异大的多被试数据	未明确说明计算复杂度或实时性限制，且实验仅基于特定脑电数据集，泛化能力需进一步验证	解决特定被试运动想象脑电信号分类中训练数据稀缺问题，通过利用多被试数据提升模型性能	多被试脑电信号数据，包括BCICIV-2a、BCICIV-2b、高伽马数据集及两个补充数据集	机器学习	NA	脑电信号采集	CNN	脑电信号	基于多个公开脑电数据集，具体样本数未明确说明	NA	EEGNet, Shallow ConvNet, Deep ConvNet, ResNet, MSFBCNN, EEG_TCNet	分类准确率	NA
1245	2026-01-28	Individualized Models for Glucose Prediction in Type 1 Diabetes: Comparing Black-Box Approaches to a Physiological White-Box One 2023-Nov, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3276193 PMID:37195837	研究论文	本研究开发了一种基于个性化生理模型的血糖预测算法，并与多种黑盒模型进行比较，以评估其在1型糖尿病管理中的性能	首次将基于UVA/Padova T1D模拟器的个性化生理模型与粒子滤波器结合用于血糖预测，并与多种先进黑盒模型进行系统比较	研究仅涉及12名1型糖尿病患者，样本量较小，且所有参与者均处于开放环路治疗下的自由生活条件，可能限制结果的普适性	比较白盒生理模型与黑盒模型在1型糖尿病患者血糖预测中的性能，以确定最优预测方法	1型糖尿病患者的血糖浓度数据	机器学习	1型糖尿病	贝叶斯方法、马尔可夫链蒙特卡洛技术	LSTM, GRU, TCN, rARX, 非线性生理模型	血糖浓度时间序列数据	12名1型糖尿病患者，在自由生活条件下接受开放环路治疗监测10周	NA	长短期记忆网络, 门控循环单元, 时间卷积网络, 递归自回归外生输入模型	均方根误差	NA
1246	2026-01-27	Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2026-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的实例级牙齿分割方法，用于CBCT扫描，以增强可视化并简化牙科异常检测	提出了一种加速标注程序，专家标注部分图像后，模型自动标注剩余图像，实现了高效的牙齿分割	研究仅基于470个扫描数据，样本量有限，且未在更广泛或多样化的数据集上进行验证	开发并验证深度学习模型，用于CBCT扫描中的牙齿分割，以提升牙科异常的检测效率和可视化效果	CBCT扫描数据，包含各种牙科异常（如龋齿、缺牙、骨岛、根尖周炎）或牙科历史（如填充、修复、根管手术）	计算机视觉	牙科疾病	CBCT	深度学习模型	图像	470个扫描用于训练，60个扫描用于验证	NA	NA	Jaccard指数, 平均相对体积差异	NA
1247	2025-12-21	Enhancing deep learning telemedicine for retinopathy of prematurity: current evidence and opportunities for improvement 2026-Feb, Eye (London, England) DOI:10.1038/s41433-025-04188-0 PMID:41419595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1248	2026-01-27	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估	开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流	NA	降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型	蛋白质结构预测和质量评估	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	NA	NA
1249	2026-01-27	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性	提出了一个统一的多模态多任务学习框架，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习	未在摘要中明确提及	克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键因素（如血脑屏障渗透性和神经毒性）的预测能力	药物靶点亲和力、血脑屏障渗透性、神经毒性	机器学习	中枢神经系统疾病	深度学习	多任务学习框架	多模态数据	多源数据集	未在摘要中明确提及	未在摘要中明确提及	MSE, 准确率	未在摘要中明确提及
1250	2026-01-27	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文介绍了一种名为QPred的新型深度学习架构，用于预测小分子的量子力学性质，结合了2D拓扑图和3D几何信息	提出了一种解耦的深度学习架构，能够自适应地利用2D或3D信息进行分子性质预测，并引入了基于循环的半主节点增强的MPNN和具有解耦更新机制的等变网络，以及层次化注意力机制以提高可解释性	未在摘要中明确提及	开发一种高效、自适应且可解释的分子性质预测方法，以加速计算化学和药物发现中的高通量筛选	小分子的量子力学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network, 等变网络	NA	NA
1251	2026-01-27	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数	提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息	未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制	开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数	机器学习	NA	深度学习，迁移学习	深度学习模型	化学结构数据（图、基序、三维结构）	NA	NA	MFPK（多保真度药代动力学学习框架）	RMSLE（对数误差均方根），GMFE（几何平均折叠误差）	NA
1252	2026-01-27	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 通过整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法未能考虑细胞通讯与下游基因调控网络协同作用的问题，并构建完整的细胞通讯网络以提高生物学意义和可解释性	细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
1253	2026-01-27	AAPPE: Protein-Ligand Binding Affinity Prediction Leveraging Amino Acid Pair Positional Encoding in Deep Learning 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01872 PMID:41124588	研究论文	本研究提出了一种名为氨基酸对位置编码（AAPPE）的深度学习框架，用于准确预测蛋白质-配体结合亲和力	引入了基于生物相关性的位置决定原子对距离编码方法，构建了不依赖配体结合构象的3124维特征集	在CASF-2016基准上评估，但未提及在其他数据集或真实药物发现场景中的泛化能力验证	加速药物发现过程，改进蛋白质-配体结合亲和力的预测精度	蛋白质口袋中的氨基酸与配体分子	机器学习	NA	深度学习	深度学习框架	蛋白质结构数据、配体分子指纹	NA	NA	AAPPE（氨基酸对位置编码框架）	MAE, RMSE, R²	NA
1254	2026-01-27	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度学习模型，用于预测法律判决中的违规类型及具体违反的法律条款	提出了结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕捉词间和词内依赖关系，提升预测透明度和可解释性	未提及模型在跨法域或不同语言法律文本上的泛化能力，也未说明训练数据的具体规模和多样性限制	开发可解释的法律判决预测和条款违规分析人工智能系统	法律文档中的违规类型识别和具体法律条款违反分析	自然语言处理	NA	深度学习文本分析	BERT, Transformer	文本（法律文档）	NA	NA	分层BERT（Hierarchical BERT）	准确率, 微平均F1分数	NA
1255	2026-01-27	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	本文提出了一种结合特征工程的混合深度学习模型HDLMFE-ADGDT，用于从超声图像中准确诊断胆囊疾病类型	提出了一种新颖的混合深度学习模型，结合了非局部均值滤波、Squeeze-and-Excitation胶囊网络和CNN-BiLSTM架构，用于胆囊疾病的自动诊断	未明确说明模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发有效的基于深度学习的胆囊疾病分类方法	胆囊疾病超声图像	计算机视觉	胆囊疾病	超声成像	CNN, BiLSTM, Capsule Network	图像	NA	NA	Squeeze-and-Excitation Capsule Network, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异性	NA
1256	2026-01-27	Practical applications of AI in body imaging 2026-Jan, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上针对腹盆腔器官及相关疾病评估的FDA批准AI算法的实际应用	聚焦于FDA批准的商业可用AI算法在腹盆腔成像中的实际应用，评估其潜在优势并展望未来方向	NA	评估AI算法在腹盆腔成像中的实际应用、优势及未来发展趋势	FDA批准的商业可用AI算法	医学影像分析	腹盆腔器官相关疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
1257	2026-01-27	Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models 2026-Jan, The Knee DOI:10.1016/j.knee.2025.10.024 PMID:41241647	研究论文	本研究提出了一种深度学习模型，用于在常规质子密度脂肪饱和MRI序列中分割膝关节软骨，以评估软骨形态并辅助后续损伤分级	采用3D Res U-net模型进行膝关节软骨分割，并在内部和外部验证中展示了优于3D U-net和3D V-net的性能	研究为回顾性设计，样本量相对有限（共254例），且仅基于两个放射中心的MRI数据，可能影响模型的泛化能力	开发并验证深度学习模型以准确分割膝关节软骨，用于临床评估膝痛来源和骨关节炎的分类与治疗	膝关节软骨，具体包括外侧股胫关节、内侧股胫关节和髌股关节的软骨区域	医学影像分析	骨关节炎	常规质子密度脂肪饱和MRI序列	深度学习	MRI图像	254例膝关节MRI数据（来自254名患者），其中219例用于训练和内部验证，35例用于外部验证	NA	3D Res U-net, 3D U-net, 3D V-net	Dice系数, Jaccard指数	NA
1258	2026-01-27	Fast electromagnetic field simulation using a current-density- based physics-informed neural network 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33166-5 PMID:41476089	研究论文	本研究提出了一种基于电流密度的物理信息神经网络模型，用于高效解决电磁场模拟中的泊松方程，提升计算速度和适应性	结合物理数学先验知识与深度学习，构建了基于电流密度的PINN模型，克服了传统数值方法效率低和适应性差的局限	NA	解决电磁场模拟和电流密度相关问题的计算效率与适应性挑战	电磁场模拟中的泊松方程求解	机器学习	NA	物理信息神经网络	PINN	模拟数据	NA	NA	NA	相对误差	NA
1259	2026-01-27	Technological Advancements in Cranial and Spinal Navigation in the Past 30 Years: A Detailed Patent Bibliometric Analysis 2025-Dec-31, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124779 PMID:41482266	研究论文	本文通过专利文献计量学分析，系统回顾了过去30年颅脑和脊柱导航技术的技术发展历程	首次采用专利文献计量学框架系统探索颅脑和脊柱导航领域的技术发展，并分析科学出版物对专利的影响	研究仅基于公开专利数据库，可能未涵盖所有相关专利；且主要关注前100个高被引专利，可能忽略其他重要技术	评估颅脑和脊柱导航领域的技术创新趋势和知识产权发展	颅脑和脊柱导航相关的专利和科学出版物	NA	NA	专利文献计量学分析	NA	专利记录、科学出版物	714项相关专利，其中686项被后续专利引用；近15,000篇科学出版物，其中1,107篇被专利引用	NA	NA	NA	NA
1260	2026-01-27	A PIKAN-based model for the prediction of the temperature fields of castings 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32973-0 PMID:41469430	研究论文	本研究提出了一种基于PIKAN的深度学习模型，用于预测铸件凝固过程中的二维温度场演化	采用分组时空参数输入MLP模型，结合物理损失和数据损失的损失函数，并通过贝叶斯优化确定最优权重参数，利用多铸件几何形状进行预训练以提高预测效率	未明确提及模型在复杂三维温度场或极端工艺条件下的泛化能力	通过深度学习技术优化铸造过程中的温度场预测，支持新仿真方法在工程中的应用	铸件凝固过程中的温度场	机器学习	NA	深度学习	MLP	时空参数数据	未明确指定样本数量，但涉及多铸件几何形状	未明确指定，可能为TensorFlow或PyTorch	PIKAN模型	绝对误差（平均温度误差5.62 K），平均准确率（88.74%）	未明确指定