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
1561	2026-06-07	Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States 2025-11, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.07.028 PMID:40780311	研究论文	评估基于深度学习分析胸部X光片的非骨质疏松筛查策略在美国50岁以上女性中的成本效益	首次经济模型评估利用深度学习对现有胸部X光片进行机会性骨质疏松筛查的成本效益，并纳入真实世界的治疗依从性和起始率	未提及	评估在美国50岁以上女性中，利用深度学习分析胸部X光片进行机会性骨质疏松筛查的成本效益	美国50岁及以上的女性	医学影像分析	骨质疏松症	深度学习模型	NA	胸部X光片	基于模型估计，无具体样本数量	NA	NA	成本效益比（每获得质量调整生命年的成本）	NA
1562	2026-06-07	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合卷积神经网络和决策树验证的深度学习方法，用于急性意识障碍患者的睡眠纺锤波自动检测	首次将卷积神经网络与决策树验证相结合，并利用小波变换原理增强对急性意识障碍患者中常见慢纺锤波的检测精度和灵敏度	算法仅在有限样本量（MASS SS2数据集19例，自采集数据集24例）上进行评估，且未报告其他性能指标如准确率和召回率	开发并验证一种用于急性意识障碍患者睡眠纺锤波自动检测的深度学习增强算法，以改善诊断精度和治疗指导	睡眠纺锤波检测及其与急性意识障碍患者预后的关系	机器学习	急性意识障碍	NA	卷积神经网络	脑电图信号	MASS SS2数据集19例，自采集急性意识障碍患者数据集24例	NA	卷积神经网络，决策树	F1分数，斯皮尔曼相关系数	NA
1563	2026-06-07	A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement 2025-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561338 PMID:40293900	研究论文	提出一种基于联合学习的引导细化网络模型，用于低剂量冠状动脉CT血管造影的图像去噪与分割	创新性地将冠状动脉分割与去噪任务联合学习，实现相互引导与协同优化，在抑制噪声的同时增强细微结构	未提及具体局限性	提高低剂量CCTA图像质量，恢复细微冠脉分支，辅助放射科医生诊断	低剂量冠状动脉CT血管造影图像	计算机视觉	冠状动脉疾病	冠状动脉CT血管造影 (CCTA)	引导细化网络 (GRN)	图像	NA	NA	引导细化网络	定量与定性指标（具体未列出）	NA
1564	2026-06-07	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-09, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	提出一种基于结构的蛋白质-蛋白质结合亲和力预测器PCANN，并与其他神经网络预测器进行比较	使用ESM-2语言模型编码蛋白质结合界面信息，结合图注意力网络（GAT）进行预测，在两个新数据集上优于现有最佳预测器BindPPI	实验数据有限且准确性不高，缺乏内部一致性，需通过AI辅助文献检索和人工筛选解决	开发更准确的蛋白质-蛋白质结合亲和力预测器	蛋白质-蛋白质复合物	机器学习	NA	NA	图注意力网络，ESM-2语言模型	序列	两个文献提取的数据集	NA	图注意力网络	平均绝对误差	NA
1565	2026-06-07	Classification of familial and non-familial ADHD using auto-encoding network and binary hypothesis testing 2025-Aug-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.15.25333792 PMID:40894124	研究论文	利用自编码网络和二元假设检验对家族性和非家族性注意缺陷多动障碍进行分类	首次结合多模态MRI和深度学习技术区分家族性ADHD与非家族性ADHD，并采用二元假设检验的半监督深度学习框架	分类准确率较低（AUC最大0.70），且样本量（438例）可能不足，需进一步验证泛化性	探究多模态MRI与深度学习能否区分家族性和非家族性ADHD	438名儿童（129例家族性ADHD、159例非家族性ADHD和150名健康对照）	计算机视觉, 机器学习	注意缺陷多动障碍	多模态MRI（T1加权和弥散加权成像）	自编码网络, 二元假设检验	图像	438名儿童（129例家族性ADHD、159例非家族性ADHD、150名对照）	NA	自编码器	准确率, 灵敏度, 特异度, AUC	NA
1566	2026-06-07	Reflections on dynamic prediction of Alzheimer's disease: advancements in modeling longitudinal outcomes and time-to-event data 2025-07-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02618-x PMID:40676602	综述	对阿尔茨海默病动态预测方法的全面调查，涵盖传统统计方法和深度学习技术	系统比较了四种动态预测框架（两阶段模型、联合模型、里程碑模型和深度学习）的原理与应用	未考虑多种数据类型、复杂纵向数据、缺失数据、假设违反、生存结果和模型可解释性等问题	综述阿尔茨海默病动态预测方法，支持临床医学和决策	阿尔茨海默病动态预测的相关研究文章	机器学习	阿尔茨海默病	NA	NA	NA	18项研究	NA	NA	NA	NA
1567	2026-06-07	Simpler Protein Domain Identification Using Spectral Clustering 2025-07, Proteins IF:3.2Q2 DOI:10.1002/prot.26808 PMID:39945423	研究论文	提出SPECTRALDOM方法，在SPECTRUS算法基础上增加三个改进：无需简正模式的单结构域识别、多序列比对模式处理同源结构、以及使用α家族匹配算法解决碎片化问题	无需简正模式即可从图拉普拉斯获得高质量域分割；引入多序列比对模式融合序列和几何信息；利用α家族匹配算法建立域对应关系，解决碎片化问题	未明确说明，但可能需要依赖同源结构或结构数据集	改进蛋白质结构域识别方法，提高分割质量和处理复杂构象变化的能力	生物大分子复合物中的蛋白质结构域	计算生物学	NA	NA	谱聚类	结构数据	NA	Structural Bioinformatics Library	NA	NA	NA
1568	2026-06-07	Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications 2025-07, Proteins IF:3.2Q2 DOI:10.1002/prot.26810 PMID:39985803	研究论文	开发了一种结合启发式优化与深度学习的方法，用于设计具有抗炎和基因治疗功能的功能性蛋白质序列	提出启发式优化方法以增强蛋白质功能（如溶解度、灵活性和稳定性），同时保持结构完整性，并减少了实验室实验需求	NA	提升功能性蛋白质设计的效率与精准度，特别针对抗炎和基因治疗应用	蛋白质序列设计与优化	机器学习	抗炎疾病	蛋白质序列设计	遗传算法、AlphaFold	蛋白质序列数据	NA	AlphaFold, PyTorch	遗传算法	恢复分数、置信度指标	NA
1569	2026-06-07	Interpretable machine learning and graph attention network based model for predicting PAMPA permeability 2025-07, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109050 PMID:40245571	研究论文	使用机器学习和图注意力网络模型预测PAMPA渗透性	结合机器学习（RF、EBM、Adaboost）和深度学习（图注意力网络）预测PAMPA渗透性，并验证模型在外部数据集上的泛化能力	深度学习模型（GAT）初始准确率较低（74%），外部数据集上性能提升但仍有差距；数据集大小有限（5447个化合物）	建立预测PAMPA渗透性的计算模型以支持药物早期发现	5447个化合物的PAMPA渗透性评分数据	机器学习	未指定	PAMPA渗透性测定	随机森林、可解释增强机、Adaboost、图注意力网络	分子结构与渗透性数据	5447个化合物	Scikit-learn, PyTorch	随机森林, 可解释增强机, Adaboost, 图注意力网络	准确率	NA
1570	2026-06-07	nuTCRacker: Predicting the Recognition of HLA-I-Peptide Complexes by αβTCRs for Unseen Peptides 2025-07, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.202451607 PMID:40629982	研究论文	提出nuTCRacker深度学习方法，预测αβTCR对未见过肽的识别能力	首次实现对未在训练集中出现的抗原肽进行准确预测，基于大规模公共数据构建数据集并达到AUC>0.7	预测仅适用于满足特定条件（相同HLA-I分子、相似肽、相似TCR）的未见过肽，且性能依赖于训练数据组成	预测CD8+ T细胞克隆的αβTCR对抗原肽的识别，推动T细胞库选择机制研究与靶向细胞免疫疗法开发	αβTCR与HLA-I-肽复合物的相互作用	机器学习	癌症	深度学习方法	深度神经网络	肽序列与TCR结合数据	大规模公共数据及小规模细胞验证数据集	NA	NA	AUC	NA
1571	2026-06-07	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	提出一种名为DisDock的深度学习方法，用于金属离子与蛋白质的对接预测	结合U-net架构与自注意力模块，利用距离几何信息预测金属离子与蛋白质的结合构象	NA	开发一种高精度的蛋白质-金属对接预测方法	金属蛋白中的金属离子与蛋白质的对接结构	机器学习	NA	深度学习	U-net	距离图	来自MOAD数据库的高质量金属蛋白数据集	NA	U-net, 自注意力模块	预测准确性	NA
1572	2026-06-07	Fragment-level feature fusion method using retrosynthetic fragmentation algorithm for molecular property prediction 2025-06, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108985 PMID:40009893	研究论文	提出了一种利用逆向合成碎片算法进行片段级别特征融合的方法，用于分子性质预测	首次将逆向合成碎片算法应用于分子多视角表示融合，通过对比两种逆向合成方法生成的分子片段及融合不同层级分子化学信息，提升了分子性质预测性能	NA	开发一种新的分子表征融合方法以提高分子性质预测的准确性	分子的毒性、血脑屏障通透性等化学性质	机器学习	NA	Retrosynthetic Fragmentation Algorithm	图对比学习 (GCL)	分子图数据	NA	NA	RFA-FFM	ROC-AUC	NA
1573	2026-06-07	DeepTree-AAPred: Binary tree-based deep learning model for anti-angiogenic peptides prediction 2025-06, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.108982 PMID:40020469	research paper	提出基于二叉树结构的深度学习模型DeepTree-AAPred用于抗血管生成肽预测	采用二叉树结构结合ProtBERT和ESM-2蛋白语言预训练模型提取一维和二维特征，并融合BiLSTM与TextCNN捕捉局部特征和上下文依赖关系	未明确说明	开发高性能抗血管生成肽预测方法，降低湿实验成本并提升肿瘤治疗效果	抗血管生成肽序列	machine learning	肿瘤	深度学习	BiLSTM、TextCNN	肽序列	标准数据集（具体数量未提及）	PyTorch	二叉树、ProtBERT、ESM-2、BiLSTM、TextCNN	准确率、精确率、召回率、F1分数	未明确说明
1574	2026-06-07	ERAS and the challenge of the new technologies 2025-05, Minerva anestesiologica IF:2.9Q2 DOI:10.23736/S0375-9393.25.18746-4 PMID:40214219	综述	探讨人工智能与新技术整合到加速康复外科方案中的机遇与挑战	提出将人工智能、新技术与加速康复外科方案深度结合以克服传统实施障碍，并实现个性化围手术期管理	需要外部验证和数据安全方面的进一步研究	分析人工智能和新技术在优化加速康复外科实施中的潜在作用	加速康复外科方案、人工智能技术、围手术期管理	机器学习	围手术期医学	机器学习、深度学习	未指定具体模型	未指定具体数据类型	未提及	未指定	未指定	未提及	未提及
1575	2026-06-07	Comprehensive analysis of human dendritic spine morphology and density 2025-04-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	利用人类脑组织样本，结合三维重建和深度学习模型，全面分析树突棘的形态与密度	首次对来自患者手术样本的人脑树突棘进行大规模三维形态分析，集成深度学习自动分割与重建，显著提升处理效率	未明确提及深度学习模型的泛化性验证及临床疾病直接关联的局限性	研究人类树突棘形态与密度在性别、树突类型和组织条件上的差异，并探讨其与神经疾病的关系	27名接受肿瘤或癫痫手术患者（含8名女性、19名男性，年龄18-71岁）的脑组织样本中的树突棘	数字病理学	神经疾病	三维重建、急性切片培养、器官型脑片培养	深度学习模型	图像	27名患者的脑组织样本，包含近4000个树突棘	ZEISS arivis Pro	未指定具体架构	F1-score	未指定
1576	2026-06-07	Distinguishing the activity of flexor digitorum brevis and soleus across standing postures with deep learning models 2025-03, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2024.12.014 PMID:39674063	研究论文	利用深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动	首次使用深度学习模型基于高密度表面肌电信号区分趾短屈肌和比目鱼肌在四种站立姿势下的活动，发现趾短屈肌在姿势调整中表现出更明显的时空调制特征	未提及模型泛化性验证、样本量较小、仅针对健康年轻男性	通过深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动差异	趾短屈肌和比目鱼肌的肌电活动	机器学习	NA	高密度表面肌电信号	深度卷积神经网络	肌电信号	健康年轻男性受试者，具体数量未提及	NA	深度卷积神经网络	分类准确率	NA
1577	2026-06-07	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	研究论文	探索使用卷积神经网络自动分割死后MRI扫描中的海马结构	提出了一种融合自注意力机制和空洞空间金字塔池化的编码器-解码器分割框架，用于识别海马的四个亚区域	训练数据仅来自15例死后的MRI扫描，样本量较小，可能影响模型的泛化能力	开发全自动方法对死后MRI中的海马亚区域进行准确分割，以量化阿尔茨海默病引起的结构变化	死后大脑的T1加权、T2加权和磁敏加权MRI扫描中的海马结构，包括齿状回、海马头、海马体和海马尾	计算机视觉	阿尔茨海默病	死后MRI扫描	卷积神经网络	影像	15例死后MRI扫描（含T1加权、T2加权和磁敏加权影像）	NA	UNet, Double UNet, Attention UNet, Multi-resolution UNet	定性比较和定量比较	NA
1578	2026-06-07	Deep learning for age estimation from panoramic radiographs: A systematic review and meta-analysis 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105560 PMID:39826609	系统性综述与荟萃分析	评估深度学习在基于全景X线片的年龄估计中的性能	首次通过系统综述和荟萃分析全面评估深度学习在全景X线片年龄估计中的表现，并量化其平均绝对误差	多数研究偏倚风险不明确或较高，研究间性能差异大，限制了临床推广	评估深度学习在全景X线片年龄估计中的准确性	基于深度学习进行年龄估计的研究及其性能指标	机器学习, 数字病理学	NA	深度学习	深度学习模型 (如CNN等未具体说明)	影像 (全景X线片)	纳入42项研究，其中9项用于荟萃分析	NA	NA	准确率, 平均绝对误差	NA
1579	2026-06-07	PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110363 PMID:39832626	研究论文	提出一种可解释的多模态深度学习框架PIDGN，用于帕金森病早期预测	融合SNP和sMRI数据设计可解释的深度学习模型，结合集成树降维、Transformer编码器与3D ResNet，并利用门控注意力融合技术探索模态间交互，同时采用SHAP值和Grad-CAM解释模型预测的关键因素	未提及具体局限性	实现帕金森病的早期诊断，辅助医生及时治疗	帕金森病（PD）患者数据	机器学习	神经退行性疾病	SNP分型、sMRI成像	深度学习分类模型	基因数据（SNP）和影像数据（sMRI）	未提及具体样本数量	PyTorch	Transformer编码器、3D ResNet、门控注意力融合	准确率（Accuracy）、AUC（AUROC）	NA
1580	2026-06-07	Research of orthodontic soft tissue profile prediction based on conditional generative adversarial networks 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105570 PMID:39864612	研究论文	构建一种新的条件生成对抗网络模型来预测正畸治疗后侧貌变化	提出Soft-P-CGAN模型，融合条件向量输入模块、基于U-Net的生成器模块和基于PatchGAN的判别器模块，并设计Soft loss以增强软组织轮廓生成以及多尺度特征金字塔优化图像质量	下颌区域预测相对不准确	预测正畸治疗后侧貌变化，辅助临床医生设定正畸治疗目标	正畸成人患者的侧位头影X线片	计算机视觉	正畸相关口腔疾病	侧位头影X线成像	条件生成对抗网络	图像	成人患者的正畸前（T1）和正畸后（T2）侧位头影X线片，扩充后按8:1:1随机划分为训练、验证和测试集	NA	U-Net, PatchGAN, Pix2Pix, Cycle-GAN, CGAN	平均径向误差（MRE）、2.0/2.5/3.0/4.0 mm范围内的成功检测率（SDR）	NA