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
1661	2026-06-06	Selective Correlation Based Knowledge Distillation for Ground Reaction Force Estimation 2026-Jun-02, Measurement : journal of the International Measurement Confederation IF:5.2Q1 DOI:10.1016/j.measurement.2026.121510 PMID:42245537	研究论文	提出选择性相关知识蒸馏方法，用于从可穿戴鞋垫传感器数据估计地面反作用力	提出选择性相关知识蒸馏，利用基于时间特性的特征选择来提取相关图，增强可解释性并缓解高维数据处理问题	未提及模型在不同人群或非实验室环境下的泛化能力，也未讨论实时性能的实际部署挑战	实现从可穿戴传感器数据高效、准确地估计地面反作用力，支持便携式步态分析	人类步态中的地面反作用力估计	机器学习	不适用	知识蒸馏	教师-学生网络	传感器数据（来自可穿戴鞋垫）	不同步行速度下收集的多个窗口大小数据	不适用	教师-学生架构	多种评估指标（未具体说明）	不适用
1662	2026-06-06	GIN-transformer based pairwise graph contrastive learning framework 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108621 PMID:41576557	研究论文	提出一种基于GIN-Transformer的成对图对比学习框架，用于rs-fMRI数据的神经精神疾病诊断	集成图同构网络和Transformer实现多尺度特征提取，通过无监督对比学习减少对标注数据的依赖	NA	利用无监督图对比学习方法解决神经精神疾病诊断中的数据稀缺问题	静息态功能磁共振成像（rs-fMRI）数据	机器学习	孤独症谱系障碍、重度抑郁症	rs-fMRI	GIN、Transformer	时间序列影像	两个公开数据集（具体数量NA）	PyTorch	GIN-Transformer	准确率、泛化能力	NA
1663	2026-06-06	Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108923 PMID:41579556	研究论文	提出了一种基于坐标卷积神经网络的单细胞RNA测序自动细胞类型识别方法	通过引入坐标信息作为额外通道增强空间感知，并采用双三次插值上采样层改进CNN对数据平移变化的适应性	未提及具体局限性	提升单细胞RNA测序数据中自动细胞类型识别的准确性	单细胞RNA测序数据中的细胞类型	机器学习	NA	scRNA-seq	CNN	基因表达数据	五个公共scRNA-seq基准数据集	NA	CoordConv	准确率	NA
1664	2026-06-04	Integrated CT pipeline for automatic intracranial hemorrhage evaluation with GPT-enhanced clinical decision support 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12316-3 PMID:41586845	研究论文	开发了一种自动深度学习流水线，用于颅内出血的CT检测、分割和定位，并结合GPT-4o增强临床决策支持	首次将半监督学习用于ICH检测，结合GPT-4o大型语言模型生成临床决策支持，实现从影像分析到治疗建议的端到端自动化	未明确提及外部验证的局限性，但依赖公开数据集可能限制泛化性，且临床建议需神经外科医生评估	提高颅内出血的CT评估效率与准确性，减少诊断延迟，并辅助临床决策	颅内出血患者CT影像	计算机视觉, 自然语言处理, 数字病理学	颅内出血	CT成像, 半监督学习, GPT-4o大型语言模型	深度学习模型（检测、分割、定位模型）	图像（CT扫描）	检测模型：21,784张标记和3,528张未标记CT扫描；分割模型：1,226张扫描；脑积水与中线偏移模型：507张扫描；外部验证：491例患者（CQ500数据集）	PyTorch	检测模型：YOLOv5, 分割模型：U-Net, 定位模型：标准脑区配准	AUC, Dice系数, 一致性相关系数（CCC）, Cohen's Kappa系数	NA
1665	2026-06-06	Few-Shot Pulmonary Vessel Segmentation Based on Tubular-Aware Prompt-Tuning 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3662001 PMID:41650434	研究论文	提出了一种基于管状感知提示调整的少样本肺血管分割方法，利用少量标注数据实现高精度分割	首次构建含精细配对标注的肺血管与气道数据集PV25，并提出管状感知提示调整框架TPNet，通过可调编码解码网络学习管状结构先验，桥接源域与目标域差异	NA	解决肺血管分割中高质量标注数据稀缺问题，实现少样本条件下的高效分割	CT图像中的肺血管和气道结构	计算机视觉	肺病	CT成像	提示调整网络	图像	多个数据集	NA	编码器-解码器结构，包含形态学驱动区域生长模块和互相关引导模块	NA	NA
1666	2026-06-06	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Jun, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	基于深度学习的计算机辅助诊断系统在MRI上提高腮腺肿瘤良恶性鉴别准确率	首次验证深度学习辅助诊断在腮腺肿瘤MRI评估中能提升不同经验水平放射科医生的诊断性能，并揭示其对中高级别和晚期肿瘤的显著价值	未在低级别或pT1期肿瘤中观察到显著改善效果，需进一步验证模型对早期肿瘤的适用性	评估深度学习辅助诊断系统在MRI上区分腮腺肿瘤良恶性的临床增量价值	腮腺肿瘤患者（2000-2022年手术，170例组织学确诊，134例用于读者研究）	计算机视觉, 数字病理学	腮腺肿瘤	MRI	CNN	图像	170例组织学确认的腮腺肿瘤病例（训练），134例用于读者研究	NA	EfficientNet	准确率, AUC, 灵敏度, 特异性	NA
1667	2026-06-06	Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70291 PMID:41654995	研究论文	提出一个基于深度学习的神经网络模型，利用JPRESS时域数据直接映射到神经递质浓度和平均横向弛豫时间(T2)，并对相位偏移、频率偏移和线型变化具有不变性	通过WaveNet和门控循环单元的联合架构生成TE特异性表示并整合为统一的JPRESS表示，模型对相位、频率和线型变化具有不变性，无需先验知识即可自动定量代谢物浓度和T2值，并能检测低浓度神经递质如GABA	仅使用计算机合成数据训练，未提及在真实临床数据上的验证，可能面临体内数据复杂性和噪声的挑战	利用深度学习从JPRESS数据中无创定量神经化学物质的浓度和T2值	JPRESS时域数据中的神经化学物质信号，包括GABA等低浓度代谢物	机器学习	NA	JPRESS磁共振波谱	混合神经网络，结合WaveNet和门控循环单元	JPRESS时域数据	NA	NA	WaveNet, 门控循环单元	NA	NA
1668	2026-06-06	HKD-CPI: high-order knowledge distillation enhanced inductive compound-protein interaction prediction 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag290 PMID:42179166	研究论文	提出了一种基于高阶知识蒸馏的归纳式化合物-蛋白质相互作用预测框架HKD-CPI	引入分子图标记化机制，将化合物分子图特征与序列预训练大语言模型的标记嵌入对齐；构建基于超图的表示来建模功能相似生物分子间的高阶关系；采用知识蒸馏策略将高阶交互知识从超图迁移至轻量学生模型	未明确说明	提高对未见化合物-蛋白质对的泛化能力，加速药物发现	化合物与蛋白质的相互作用	机器学习, 自然语言处理	NA	知识蒸馏, 分子图标记化, 超图表示	大语言模型, 轻量学生模型	分子图, 序列数据	五个基准数据集	NA	超图构建模型, 知识蒸馏模型	AUROC, AUPRC	NA
1669	2026-06-06	Numerical Inverse Design of Patient-Specific Dental Implants: Accelerating FEA-Based Optimization via Evolutionary Neural Surrogates 2026-Jun, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.70182 PMID:42210774	研究论文	提出一种通过演化神经代理加速有限元分析的患者专用牙种植体数值逆向设计框架	利用多层感知机回归器作为实时推理引擎，替代传统有限元分析中的迭代优化，大幅降低计算成本，实现个性化种植体设计	未提及实际临床验证或对不同骨密度条件的泛化性评估	开发加速牙种植体最优几何生成的数值逆向设计框架	牙种植体和骨-种植体界面的应力分布	机器学习	口腔疾病	有限元分析	多层感知机	3D有限元模拟数据	3000个高保真3D有限元模拟数据集用于训练，50个虚拟患者用于测试	PyTorch	多层感知机	峰值von Mises应力	NA
1670	2026-06-06	FSSM-DDI: Fusion State Space Model for predicting drug-drug interaction using social-media and drug descriptions 2026-Jun-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02648-x PMID:42226246	研究论文	提出融合状态空间模型FSSM，利用社交媒体和药物描述预测药物相互作用	首次将选择性状态空间模型与基于交互的选择性过滤模块结合，实现高效长距离依赖建模和冗余信息滤除	在DDIExtraction-2013语料库上F1得分仅为75.23%，性能提升有限且未在更大规模数据集验证	开发高效药物相互作用预测方法，平衡预测性能与计算效率	药物相互作用预测任务，涉及社交媒体数据和药物描述文本	自然语言处理	NA	NA	状态空间模型	文本	DDIExtraction-2013语料库	NA	FSSM融合状态空间模型，包含选择性SSM和ISF模块	F1-score	NA
1671	2026-06-06	RIMGOGraph: integrating AlphaFold-derived residue interaction graphs and protein language embeddings for structure-informed protein function prediction 2026-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152509 PMID:42119874	研究论文	提出RIMGOGraph框架，结合AlphaFold预测的残基相互作用图和ESM-2蛋白质语言嵌入，进行结构信息驱动的蛋白质功能预测	首次将AlphaFold预测的结构拓扑与预训练蛋白质语言模型的序列嵌入通过图神经网络和协同注意力融合模块进行多模态集成	目前仅基于人类蛋白质数据集验证，缺乏多物种训练和低同源性基准测试，未来需扩展更多生物学模态	开发可扩展的结构引导蛋白质功能预测框架，解决序列与结构信息有效融合的开放问题	人类蛋白质及其基因本体论（GO）功能注释	机器学习	NA	AlphaFold预测结构	图神经网络	蛋白质序列与结构数据	已标注GO功能的人类蛋白质数据集	PyTorch	图神经网络（GNN）、协同注意力融合模块	Fmax, AUC, AUPR	NA
1672	2026-06-06	RLSFmode: A deep learning approach for predicting RNA-small molecule binding modes via molecular surface modeling 2026-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152711 PMID:42190788	研究论文	开发了基于分子表面建模的深度学习方法RLSFmode，用于预测RNA与小分子的结合模式	通过结合RNA-配体表面指纹、序列信息和能量评分函数，实现了结合模式的完整预测，包括姿态识别和亲和力估计	RNA结合口袋的复杂性和结构数据的稀缺性给模型开发带来挑战	预测RNA与小分子的结合模式，辅助基于结构的合理药物设计	RNA与小分子结合模式	机器学习	NA	NA	深度学习模型	分子结构数据	NA	NA	NA	NA	NA
1673	2026-06-06	KGT: Knowledge-guided graph transformer for neurodegenerative disease diagnosis and brain age prediction with MRI 2026-Jun-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104143 PMID:42242081	研究论文	提出KGT，一种知识引导的图Transformer网络，整合医学领域知识与脑图像，用于神经退行性疾病诊断和脑龄预测	首次将医学领域知识（知识图谱）与脑图像特征及空间邻近性结合，构建混合脑图，并通过图Transformer实现特征交互与融合	未明确提及，但依赖性于公共医疗数据集中知识图谱的质量和完整性	利用领域知识增强深度学习模型，提高神经退行性疾病诊断和脑龄预测的性能	脑部结构磁共振成像（sMRI）数据中的感兴趣区域（ROIs）	机器学习, 计算机视觉	神经退行性疾病（如阿尔茨海默病、帕金森病）	结构磁共振成像（sMRI）	图Transformer（Graph Transformer）	图像（脑部MRI）	来自ADNI、PPMI和UKB数据集，具体样本数量未提及	NA	卷积自编码器, 图Transformer	患病诊断和年龄预测的准确率、精确率、召回率、F1分数等（具体未详述）	未明确提及
1674	2026-06-06	TSProm: deep learning framework to predict tissue-specific regulatory logic 2026-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag050 PMID:42244857	研究论文	提出TSProm框架，基于DNA基础模型解码组织特异性启动子的调控逻辑	首次将DNA基础模型（DNABERT2）应用于组织特异性调控逻辑的预测，并设计双模型对比策略，同时集成可解释AI模块用于交叉验证特征解释	研究仅针对人脑、肝脏和睾丸三种组织进行验证，尚未在更广泛组织类型中评估泛化能力	开发可解释且泛化的框架，用于预测组织特异性调控元件，揭示非编码DNA中的潜在调控语法	人类组织特异性启动子的调控逻辑	自然语言处理	神经胶质瘤, 神经母细胞瘤	DNA测序	DNABERT2（DNA基础模型）	DNA序列	包含人脑、肝脏和睾丸三种组织的启动子样本	PyTorch	DNABERT2, 注意力机制	注意力权重分析, SHAP值	NA
1675	2026-06-06	Satellite and ground-level residential greenness and hair steroid hormones during pregnancy 2026-Jun, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000492 PMID:42245540	研究论文	利用卫星和地面街景图像评估孕期居住绿地与头发类固醇激素水平的关系	首次结合卫星归一化植被指数和谷歌街景图像，评估孕期绿地暴露对多种头发类固醇激素的影响	横断面设计，样本量有限，仅覆盖孕期第二和第一孕期	探究孕期居住绿地暴露与头发类固醇激素水平的关联	385名孕期个体的头发样本和居住地址	机器学习	NA	液相色谱-质谱联用法	深度学习算法	图像和激素浓度数据	385名孕妇，176,196张谷歌街景图像	NA	NA	NA	NA
1676	2026-06-06	The mediating role of self-efficacy between time management disposition and deep learning ability among undergraduate nursing students: A cross-sectional study 2026-May-29, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2026.107198 PMID:42242111	研究论文	探讨本科护生时间管理倾向、自我效能感与深度学习能力之间的关系，并检验自我效能感在时间管理倾向与深度学习能力之间的中介作用	首次在本科护生群体中验证自我效能感在时间管理倾向与深度学习能力之间的部分中介作用，为理解信息过载环境下深度学习能力的影响机制提供新视角	横断面设计无法推断因果关系；样本仅来自一所医学院校，代表性和推广性有限；采用便利抽样，可能存在选择偏倚	调查本科护生深度学习能力现状及其影响因素，探究自我效能感在时间管理倾向与深度学习能力间的中介作用	238名全日制本科护生	医学教育	不适用	不适用	回归模型（含中介分析）	调查问卷数据	238名全日制本科护生	PROCESS宏（模型4）	不适用	相关系数(r)、标准化回归系数(β)、置信区间(CI)、方差解释量(R²)	不适用
1677	2026-06-06	SwitchCraft: A Programmatic Framework for Designing State-Switching Proteins 2026-May-29, ArXiv PMID:42244813	研究论文	介绍SwitchCraft框架，一种基于结构预测模型参数化组合设计约束，通过反向传播设计状态切换蛋白质的方法	首次提出基于反向传播和结构预测模型参数化组合约束的程序化框架，用于设计多态切换蛋白质，超越了现有深度学习框架的能力	当前所有评估均为计算机模拟，未涉及实际湿实验验证	开发一种能够理性设计多态蛋白质的程序化框架以推动生物技术领域发展	状态切换蛋白质，包括变构调控基序、配体结合判别等分子功能元件	机器学习	NA	蛋白质结构预测、反向传播优化	结构预测模型	蛋白质结构数据	NA	PyTorch	NA	NA	NA
1678	2026-06-06	Identification of LAMP2 as the direct target of aloperine derivatives for degrading PD-L1 through the lysosomal pathway based on deep learning model 2026-May-28, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.110056 PMID:42242017	研究论文	基于深度学习模型鉴定LAMP2为苦参碱衍生物通过溶酶体途径降解PD-L1的直接靶点	首次利用深度学习模型DeepDTAGen预测并验证苦参碱衍生物7a的直接靶点为LAMP2，结合计算与实验策略快速发现靶点	NA	鉴定苦参碱衍生物通过溶酶体途径降解PD-L1的直接功能靶点	苦参碱衍生物及PD-L1降解机制	机器学习	肿瘤免疫	分子对接、分子动力学模拟	DeepDTAGen	文本	30种苦参碱衍生物	NA	DeepDTAGen	K值（5.58 μM）	NA
1679	2026-06-06	Deep Learning Prediction of Personalized Peripapillary Retinal Nerve Fiber Layer Thickness Norms from Fundus Images in Glaucoma 2026-May-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.26.26354081 PMID:42245038	研究论文	基于深度学习从眼底图像预测青光眼患者个体化的视乳头周围视网膜神经纤维层厚度正常值	首次利用U-Net深度学习模型从OCT en face眼底图像预测个体化的RNFLT正常值，并验证其在改善结构-功能评估中的有效性	未描述具体限制，可能包括样本来源单一、未进行外部验证等	从眼底图像预测视网膜神经纤维层厚度正常值，以改善青光眼的结构-功能评估	18000份来自马萨诸塞眼耳青光眼服务部的OCT扫描及视野数据	数字病理学	青光眼	OCT成像	U-Net, VGG-16	图像	18000份OCT扫描（10000份用于训练，8000份用于评估）	PyTorch	U-Net, VGG-16	相关系数、平均绝对误差、R²	NA
1680	2026-06-06	Prioritizing peptides for targeted mass spectrometry experiments using deep learning 2026-May-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.21.727053 PMID:42244555	研究论文	利用深度学习优先选择用于靶向质谱实验的肽段	提出了Bromo，一种基于Transformer的深度学习模型，通过考虑电荷状态来优先选择肽段前体，并在大规模训练数据上优于现有方法	未明确提及局限性，但可能依赖于训练数据的质量和多样性	开发一种实用的工具，用于在靶向质谱实验中优先选择响应良好的肽段	肽段前体，特别是从给定蛋白质中按相对响应排序的肽段	机器学习	NA	数据非依赖采集质谱	Transformer	肽段序列和质谱数据	数百万个带注释的肽段对	NA	Transformer	性能指标未明确提及，但隐含排名准确性	NA