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	2026-03-24	Dynamic insights into cellular mechanics and membrane undulations in vascular smooth muscle cells 2026-Apr-01, American journal of physiology. Cell physiology DOI:10.1152/ajpcell.00771.2025 PMID:41758219	研究论文	本研究结合实时原子力显微镜、信号处理、生化分析与机器学习图像量化，探究血管平滑肌细胞中细胞力学、膜波动、细胞骨架组织与肌动球蛋白信号间的时空耦合关系	首次在血管平滑肌细胞中观察到特定频率且跨细胞同步的机械振荡现象，并揭示了肌动蛋白组织与肌球蛋白轻链激酶信号对不同振荡模式的差异化调控机制	研究主要基于体外细胞模型，未在完整血管组织或活体环境中验证；药理干预可能产生非特异性效应	探究血管平滑肌细胞机械振荡的调控机制及其与细胞骨架、收缩信号的关系	血管平滑肌细胞	生物力学与细胞生物物理学	心血管疾病	实时原子力显微镜、共聚焦成像、生化分析、信号处理	深度学习	显微镜图像、力学测量数据、生化数据	未明确说明	NA	NA	NA	NA
1662	2026-03-24	MML-DTI: Multimanifold Learning with Hyperbolic Graph Neural Networks for Enhanced Drug-Target Interaction Prediction 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02826 PMID:41802299	研究论文	提出了一种结合双曲空间和欧几里得空间的多流形学习框架，用于增强药物-靶点相互作用预测	首次将双曲图神经网络用于药物-靶点相互作用预测，通过多流形特征融合模块整合异构信息，有效捕捉生物数据的层次结构特性	未明确说明模型在更大规模或更复杂生物网络上的泛化能力，也未讨论计算复杂度与效率的具体对比	提高药物-靶点相互作用预测的准确性，以促进药物发现和重定位	小分子药物和靶点蛋白质	机器学习	NA	图神经网络，预训练语言模型	HGNN, GNN	分子图，化学指纹，语义嵌入	基准数据集（未指定具体数量）	NA	Hyperbolic Graph Neural Network	NA	NA
1663	2026-03-24	Trustworthy Compound-Protein Interaction Prediction with Interpretable and Conformalized Cross-Attention Transformers 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02709 PMID:41790973	研究论文	本文提出了一个名为ConfBiXtCPI的集成框架，用于实现准确、可解释且具有统计严格不确定性量化的化合物-蛋白质相互作用预测	该研究首次将双向交叉注意力Transformer与Mondrian保形预测相结合，在实现最先进预测精度的同时，为多数类和少数类提供了有效的统计覆盖保证，并支持可解释的注意力机制和主动学习策略	未明确提及具体的数据集规模限制或计算资源需求，也未讨论模型在更广泛蛋白质家族或新型化合物上的泛化能力	开发一个可信赖的化合物-蛋白质相互作用预测框架，统一准确性、可解释性和不确定性量化	化合物-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列数据	NA	NA	双向交叉注意力Transformer	准确性, 错误发现率	NA
1664	2026-03-24	Interpretable multi-modality consensus QSAR framework: integrating machine and deep learning for enhanced multi-endpoint toxicity assessment 2026-Mar-23, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2026.2643659 PMID:41839829	研究论文	本研究开发了一个可解释的多模态共识QSAR框架，整合多种分子表征以及机器学习和深度学习，用于预测八种不同机制的毒性终点	提出了一个整合多种分子表征、机器学习与深度学习的多模态共识框架，显著提升了多终点毒性预测的鲁棒性、可解释性和广泛适用性	未明确说明模型在特定化学空间或低数据区域的表现局限性，也未讨论计算成本或框架部署的复杂性	开发一个可靠且可解释的框架，用于广谱毒性预测和多终点化学安全评估	30,160种独特化合物及其八种毒性终点（皮肤致敏性、呼吸毒性、AMES致突变性、肝毒性、发育毒性、心脏毒性、药物诱导肾毒性和神经毒性）	机器学习	NA	定量构效关系（QSAR）	机器学习, 深度学习	分子表征数据	30,160种独特化合物	NA	NA	AUC, 平衡准确率（BACC）	NA
1665	2026-03-24	Deep learning approach to super-resolution correction of brain MRI motion artifacts for accurate hippocampal volumetry 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44834-5 PMID:41866419	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1666	2026-03-24	A misclassification-aware explainable hybrid CNN-vision transformer framework for radiographic weld inspection 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44874-x PMID:41866427	研究论文	本文提出了一种混合CNN-Vision Transformer框架，用于提高焊接缺陷检测的可靠性和可解释性	结合CNN和Vision Transformer的混合架构，通过全局上下文建模显著提升视觉相似缺陷的区分能力，并利用可解释性方法减少误分类	NA	开发一种智能焊接检测框架，以提高缺陷分类的准确性和可解释性	焊接缺陷，包括裂纹、气孔和未焊透	计算机视觉	NA	NA	CNN, Vision Transformer	图像	使用RIAWELC射线焊接数据集和外部GDXray数据集	NA	混合CNN-Vision Transformer架构	准确率, 误分类率	NA
1667	2026-03-24	A low-latency deep learning framework for volcanic ash cloud nowcasting using geostationary satellite imagery 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42230-7 PMID:41866598	研究论文	本文开发并验证了一种基于深度学习的近实时火山灰扩散临近预报方法，利用地球静止卫星图像实现低延迟预测	提出了一种完整的边缘计算工作流，能在五秒内完成数据下载和推理，并引入像素级事件注入算法以模拟不同规模的合成羽流场景	研究主要基于SEVIRI仪器的Ash RGB合成图像，可能未涵盖所有火山灰类型或气象条件，且合成羽流场景为假设性演示	开发低延迟的火山灰扩散临近预报系统，支持应急决策和场景可视化	火山灰卫星图像（来自EUMETSAT的SEVIRI仪器Ash RGB合成数据）及合成羽流场景	计算机视觉	NA	地球静止卫星观测（SEVIRI仪器Ash RGB合成）	深度学习模型	卫星图像	基于EUMETSAT SEVIRI仪器火山灰卫星图像档案的训练数据	NA	NA	结构相似性指数（SSIM）	NVIDIA Jetson AGX Orin边缘计算设备
1668	2026-03-24	A contrastive learning framework with adaptive feature fusion for brain tumor classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44887-6 PMID:41866612	研究论文	本文提出了一种结合自适应特征融合的对比学习框架，用于脑肿瘤MRI图像的精确分类	引入了动态标签队列存储历史标签，构建同一类别内多幅图像间的多个正样本对，从而在对比学习中注入显式监督，增强特征表示的判别力	未明确提及	提高脑肿瘤MRI图像分类的准确性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	公共figshare数据集	NA	对比学习框架与自适应特征融合模块	NA	NA
1669	2026-03-24	Prediction of cyclin-dependent proteins using pre-trained protein language models and effective neural network architectures 2026-Mar-21, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116116 PMID:41865419	研究论文	本文提出了一种结合预训练蛋白质语言模型和深度学习技术的新型计算方法，用于准确预测细胞周期依赖性蛋白	整合预训练蛋白质语言模型（如ESM）生成高质量蛋白质嵌入，避免手动特征提取，并设计定制化的卷积神经网络架构自动学习与CDP识别相关的判别性特征	未明确提及方法在处理非典型或高度变异蛋白质序列时的性能，也未讨论计算资源需求或模型可解释性	开发一种计算方法来准确识别细胞周期依赖性蛋白，以克服传统方法在非同源数据和手动特征提取上的限制	细胞周期依赖性蛋白，包括细胞周期蛋白、细胞周期依赖性激酶和细胞周期依赖性激酶抑制剂	自然语言处理	癌症	蛋白质语言模型，深度学习	CNN	蛋白质序列	NA	NA	定制化卷积神经网络	NA	NA
1670	2026-03-24	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Mar-21, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断系统，用于在MRI上区分腮腺肿瘤的良恶性，并评估其对放射科医生诊断性能的提升作用	首次将EfficientNet CNN模型应用于腮腺肿瘤的MRI影像分析，并通过读者研究证明了该CAD系统能显著提高不同经验水平医生的诊断准确性，特别是在中高级别和局部晚期肿瘤中	研究样本量相对有限（170例用于模型开发），且未在外部验证集上测试模型泛化能力；CAD对低级别或pT1肿瘤的诊断改善不显著	评估基于深度学习的计算机辅助诊断系统在MRI腮腺肿瘤良恶性鉴别中的临床价值	经手术病理证实的腮腺肿瘤患者及其MRI影像	计算机视觉	腮腺肿瘤	MRI影像分析	CNN	医学影像（MRI）	170例经组织学确认的病例用于模型开发，其中134例用于读者研究	未明确提及	EfficientNet	准确率, 敏感性, 特异性, AUC	NA
1671	2026-03-24	A Novel Quantitative Analysis in Myocardial Perfusion Imaging: How does it compare to the "Golden Eye"? 2026-Mar-21, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.03.009 PMID:41866260	研究论文	本文提出了一种新的心肌灌注成像定量分析方法，与传统TPD方法相比，从逆向角度评估异常灌注的严重程度和范围	提出了一种基于逆向视角的定量分析方法，将TPD视为更广泛方法的一个特例，并探索了通用定量分析的建立方式	缺乏基于生存率或主要不良心血管事件（MACE）标准的真实数据验证	开发一种新的心肌灌注成像定量分析方法，用于评估缺血性心脏病患者的左心室灌注异常	心肌灌注成像数据，特别是左心室放射性示踪剂摄取的极坐标图	医学影像分析	心血管疾病	心肌灌注成像	深度学习	图像（2D极坐标图）	NA	NA	标准深度学习架构	统计一致性，视觉一致性	NA
1672	2026-03-24	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究开发并评估了一个结合LSTM网络与GPT-4的技术框架，用于生物医学信号的自动分类和可读解释	首次将LSTM网络与GPT-4进行显式方法学整合，为生物医学信号分类提供自动化分类和人类可读的临床解释	本研究为概念验证性研究，未来需要进行前瞻性临床验证、现场研究和监管审查	开发适用于资源受限环境的自动化生物医学信号分类与解释框架	心电图和脑电图等生物医学信号	机器学习	心血管疾病	NA	LSTM	信号数据	使用多个公共PhysioNet数据集，包括MIT-BIH心律失常、PTB诊断心电图等，测试时随机采样了150个案例	NA	两层LSTM架构（128→64单元）	准确率, F1分数, AUC	NA
1673	2026-03-24	TAPSeg: An Open-Source Deep Learning Tool for Instance-Level Tooth and Pulp Segmentation in CBCT 2026-Mar-20, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一个基于深度学习的开源一键式CBCT自动分割工具，用于在3D Slicer软件中实现牙齿和牙髓的集成分割与重建	提出了一种结合V-Net和nnU-Net的三阶段协作框架，实现牙齿和牙髓的实例级分割，并作为3D Slicer插件提供一键操作	NA	开发并验证一个通用性强、临床可用的CBCT图像中牙齿和牙髓的自动分割工具	CBCT扫描图像中的牙齿和牙髓	数字病理学	NA	CBCT成像	CNN	3D医学图像	牙齿分割n=198，牙髓分割n=148	PyTorch	V-Net, nnU-Net	Dice相似系数, 95% Hausdorff距离, 敏感度, 精确度	NA
1674	2026-03-24	Deep learning-based early screening for porcine embryos with different developmental potential 2026-Mar-19, Theriogenology IF:2.4Q1 DOI:10.1016/j.theriogenology.2026.117900 PMID:41865699	研究论文	本文开发了一种基于深度学习的早期猪胚胎发育潜力筛查方法，通过建立胚胎液滴培养系统并利用MaxViT_T模型预测胚胎发育成囊胚的概率	首次结合胚胎液滴培养系统与深度学习模型（MaxViT_T）对猪早期胚胎发育潜力进行高精度预测，尤其在4细胞阶段达到峰值性能	研究仅基于孤雌激活（PA）胚胎的亮场图像，未涉及其他胚胎类型或更复杂的培养条件	提高猪人工繁殖技术（ART）效率，通过早期筛查筛选出高发育潜力的胚胎	猪孤雌激活（PA）胚胎，从1细胞期到囊胚期	计算机视觉	NA	胚胎液滴培养系统，亮场显微镜成像	深度学习	图像	10,041张猪孤雌激活胚胎的亮场图像	NA	MaxViT_T	预测性能（具体指标未明确说明）	NA
1675	2026-03-24	Hard-Soft Acid-Base Principle Drives Rational Synthesis of Super-Dense Rare-Earth-Based Diatomic Sites 2026-Mar-18, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c21164 PMID:41847911	研究论文	本文提出了一种基于硬软酸碱原理的通用合成策略，成功制备了14种具有超高金属负载量的稀土基双原子催化剂，并通过深度学习辅助识别方法明确了其异质双原子构型	利用硬软酸碱原理指导合成，实现了稀土基双原子催化剂的超高负载量（12.8-30.7 wt%）和明确构型识别，突破了传统双原子催化剂负载量低、构型不明确的限制	NA	开发一种通用设计原则，用于理性合成高负载双原子催化剂，以提升电催化硝酸盐还原性能	稀土基双原子催化剂	机器学习	NA	深度学习辅助双原子识别方法	深度学习模型	NA	14种稀土基双原子催化剂	NA	NA	氨产率	NA
1676	2026-03-24	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-Mar-18, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出一种结合基因本体图嵌入和动态阈值深度神经网络的两步法，用于多标签蛋白质亚细胞定位预测	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，实现多标签预测，克服了固定阈值仅能单标签预测的限制	NA	提高蛋白质亚细胞定位预测的效率和准确性	蛋白质	机器学习	NA	基因本体图嵌入	深度神经网络	图数据	两个基准数据集：DeepLoc 2.0 和 Plant-mSubP	NA	深度神经网络	总体实际准确率, 宽松准确率	NA
1677	2026-03-24	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-Mar-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	本研究通过集成不确定性量化框架，为蛋白质多维NMR光谱的深度学习重建提供无参考的质量评估基准，以提升预测可靠性	首次在生物NMR光谱的深度学习重建中建立无参考的质量评估基准，并比较了三种不确定性量化框架（Deep Ensemble、MC Dropout、Evidential Deep Learning）的性能	未明确说明模型在更广泛生物样本或噪声环境下的泛化能力，且计算资源需求可能较高	提升深度学习在加速多维NMR光谱重建中的可靠性，防止过度自信预测和错误生物解释	蛋白质的2D和3D NMR光谱	机器学习	NA	多维NMR光谱	深度学习重建模型	光谱数据	NA	NA	NA	重建准确性、不确定性图与重建残差的一致性、实时估计效率	NA
1678	2026-03-24	Domain-Level Classification of Archaea and Bacteria Using AI-Assisted Single-Cell Raman Spectroscopy 2026-Mar-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00460 PMID:41867523	研究论文	本研究提出了一种结合拉曼光谱和机器学习的方法，用于在单细胞水平上区分古菌和细菌	开发了一种基于拉曼光谱和LightGBM算法的文化独立方法，用于古菌和细菌的域级分类，无需培养且适用于低丰度微生物	数据集中仅包含22个原核物种（11个古菌和11个细菌），样本规模相对较小，可能限制了模型的泛化能力	开发一种无需培养的方法，以区分古菌和细菌，并促进对复杂微生物群落中古菌的研究	古菌和细菌的单细胞	机器学习	NA	拉曼光谱	LightGBM, CNN	光谱数据	22个原核物种（11个古菌和11个细菌）	LightGBM, 可能包括TensorFlow或PyTorch（用于CNN）	LightGBM（树基模型）, CNN（具体架构未指定）	准确率, 灵敏度	NA
1679	2026-03-24	Identification of novel biomarkers for Alzheimer's disease: A deep learning omics-based approach to drug pair discovery and exploration of potential therapeutic targets 2026-Mar-14, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00989 PMID:41837520	研究论文	本研究采用深度学习与组学方法，探索了阿尔茨海默病的新型生物标志物、潜在治疗靶点及药物组合发现	提出了一个基于组学的智能药物发现框架，用于快速筛选和优化化合物药物对，并将免疫失调确立为疾病早期的核心协同驱动因素，特别是揭示了CD8+ T细胞和Fcγ受体3A在疾病病理生理学中的关键作用	因果关系主要基于孟德尔随机化分析，仍需进一步的实验验证；药物发现框架的有效性需要在临床前和临床研究中进一步评估	探究免疫细胞、血浆蛋白与阿尔茨海默病之间的因果关系，并发现针对血浆蛋白的有效药物组合疗法	阿尔茨海默病患者、轻度认知障碍个体、认知正常参与者、5×FAD小鼠模型、免疫细胞（特别是CD8+ T细胞）、血浆蛋白（特别是Fcγ受体3A）	机器学习	阿尔茨海默病	两样本孟德尔随机化、数据挖掘、分子对接分析、生物信息学分析	神经网络	组学数据、队列数据、药物数据库数据	大型阿尔茨海默病队列、阿尔茨海默病神经影像学倡议数据库、药物数据库	NA	生物因子调控的神经网络	NA	NA
1680	2026-03-24	Beyond benchmarks of IUGC: Rethinking requirements of deep learning method for intrapartum ultrasound biometry from fetal ultrasound videos 2026-Mar-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104043 PMID:41865530	研究论文	本文详细介绍了IUGC挑战赛，回顾了参赛团队的方法，并分析了自动测量框架在产时超声生物测量中的应用与挑战	提出了首个面向临床应用的多任务自动测量框架，并引入了最大的多中心产时超声视频数据集	研究仍处于早期阶段，临床实施前需要更深入的探索	解决资源有限地区产时超声生物测量中训练有素的超声医师短缺问题	产时超声视频	计算机视觉	产科疾病	超声成像	深度学习模型	视频	774个视频（68,106张图像），来自三家医院	NA	NA	NA	NA