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
1701	2026-01-22	Deep learning prediction of steep and flat corneal curvature using fundus photography in post-COVID telemedicine era 2024-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02952-6 PMID:37889431	研究论文	本研究开发了一种基于眼底摄影的深度学习模型，用于预测角膜曲率，并将其分为陡峭、正常和平坦三类	首次利用眼底摄影结合深度学习技术预测角膜曲率，为远程医疗提供了一种新的非侵入性筛查方法	模型在验证中的多类准确率为0.727，性能有待进一步提升，且可能受限于样本多样性和数据质量	开发基于眼底摄影的深度学习模型，用于预测角膜曲率，以支持远程医疗中的角膜异常筛查	眼底摄影图像	计算机视觉	角膜疾病	眼底摄影	CNN	图像	NA	TensorFlow, Keras	EfficientNetB0	准确率, Matthews相关系数, Cohen's κ, AUC	NA
1702	2026-01-22	DeepMainmast: integrated protocol of protein structure modeling for cryo-EM with deep learning and structure prediction 2024-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02099-0 PMID:38066344	研究论文	本文开发了一种名为DeepMainmast的蛋白质结构建模方法，结合深度学习和结构预测，用于从冷冻电镜图谱中建模蛋白质结构	采用深度学习捕获氨基酸和原子的局部图谱特征以辅助主链追踪，并整合AlphaFold2与从头密度追踪协议，结合两者互补优势，实现比单独方法更高的准确性	NA	研究蛋白质及其复合物的三维结构建模，以改进冷冻电镜图谱解析中的主链追踪准确性	蛋白质及其复合物，特别是同源多聚体的结构模型	计算生物学	NA	冷冻电子显微镜	深度学习模型	冷冻电镜图谱	NA	NA	NA	准确性	NA
1703	2026-01-21	DeepHFFT-m7G: A dual-channel self-attention and hybrid feature fusion framework for RNA m7G modification identification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108812 PMID:41314160	研究论文	本文提出了一种名为DeepHFFT-m7G的新方法，用于高效识别RNA序列中的m7G甲基化位点	提出了基于混合特征融合和双通道自注意力网络的新框架，结合了多分支CNN进行局部特征提取和Transformer编码器进行全局特征提取	未明确说明方法在更广泛数据集或不同物种中的泛化能力，也未讨论计算复杂度	开发一种更准确的RNA m7G修饰位点预测方法	RNA序列中的N7-甲基鸟苷（m7G）修饰位点	自然语言处理	NA	RNA序列分析	CNN, Transformer, MLP	RNA序列数据	NA	NA	多分支CNN, Transformer编码器, 多层感知机	AUROC, 准确率, MCC, 特异性	NA
1704	2026-01-21	DLS-SUC: A precision prediction framework for lysine succinylation sites integrating the protein language model (ESM-2) and dual imbalance strategies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108842 PMID:41406781	研究论文	本文提出了一种名为DLS-SUC的新型深度学习框架，用于精确预测赖氨酸琥珀酰化（Ksucc）位点	整合了One-hot编码与ESM-2预训练蛋白质语言模型特征，结合DenseNet和BiLSTM架构捕获局部序列模式和长程依赖，并引入SENet注意力机制自适应重新校准特征通道重要性，同时采用双“算法-系统”策略缓解类别不平衡问题	NA	提高赖氨酸琥珀酰化位点预测的准确性和泛化能力	赖氨酸琥珀酰化位点	生物信息学	癌症、神经退行性疾病、代谢综合征	深度学习	DenseNet, BiLSTM, SENet	蛋白质序列数据	NA	NA	DenseNet, BiLSTM, SENet	Sn, Sp, BAcc, MCC, AUC	NA
1705	2026-01-21	Opt Deep CSSAN: Optimized Deep Convolutional Spectral-Spatial Attention Network for hyperspectral image classification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108769 PMID:41418717	研究论文	提出了一种结合优化算法与深度注意力网络的高光谱图像分类方法	提出了DES-AFO优化算法进行波段选择，并设计了结合深度CNN与光谱-空间注意力网络（SSAN）的Opt Deep CSSAN分类模型	未在摘要中明确说明	提高高光谱图像分类的准确性和效率	高光谱图像	计算机视觉	NA	高光谱成像	CNN, 注意力网络	高光谱图像	未在摘要中明确说明	未在摘要中明确说明	ResNet50, 深度CNN, 光谱-空间注意力网络（SSAN）	准确率, 真阳性率（TPR）, Kappa系数, 真阴性率（TNR）, 阳性预测值（PPV）	未在摘要中明确说明
1706	2026-01-21	From 16S rRNA to deep learning: Evolution of computational approaches in human microbiome studies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108852 PMID:41418718	综述	本文回顾了人类微生物组研究中计算方法的演变，从传统的16S rRNA测序发展到整合多组学数据和深度学习算法的现代计算框架	系统阐述了从传统微生物组分析方法向整合网络建模、基因组尺度代谢重建和深度学习等先进计算框架的范式转变，并强调了AI驱动的生物信息学平台在推动该领域从描述性学科向预测性和转化性科学发展中的关键作用	面临数据异质性、AI模型可解释性有限以及数据共享中的伦理问题等挑战，这些因素阻碍了临床转化应用	回顾人类微生物组研究中计算方法的演变历程，并展望未来发展方向	人类微生物组及其与宿主健康、疾病的相互作用	机器学习	NA	16S rRNA测序，多组学数据整合（基因组学、蛋白质组学、代谢组学）	深度学习	多组学数据	NA	NA	NA	NA	NA
1707	2026-01-21	Automated lung sound detection via Bi-GRU-modified SqueezeNet architecture with new stock well feature set 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108851 PMID:41443142	研究论文	本研究提出了一种名为BGRMSNet的新型深度学习模型，用于自动检测和分类肺音，以辅助诊断多种呼吸系统疾病	提出了一种结合双向门控循环单元（Bi-GRU）和改进型SqueezeNet（MSNet）的混合架构（BGRMSNet），并引入了改进的批量归一化、多头注意力机制、改进的指数Softmax激活函数等增强技术，同时采用了基于阈值维纳滤波的预处理方法和包含改进型Stockwell变换等的新特征集	未明确说明模型在临床实际环境中的泛化能力测试、计算效率分析以及与其他最先进深度学习模型的全面比较	开发一种自动化的肺音检测与分类系统，以辅助呼吸系统疾病的诊断	肺音信号	机器学习	呼吸系统疾病（包括哮喘、支气管扩张、细支气管炎、COPD、下呼吸道感染、肺炎、上呼吸道感染）	信号处理与特征提取（包括改进型Stockwell变换、短时傅里叶变换、排列熵、谱质心、谱滚降）	深度学习混合模型（Bi-GRU与CNN结合）	音频信号（肺音）	未明确说明	未明确说明	Bidirectional-Gated Recurrent Unit-Modified SqueezeNet (BGRMSNet), 包含Bi-GRU和Modified SqueezeNet (MSNet)	准确率, 特异性, 阴性预测值	未明确说明
1708	2026-01-21	Structural alterations related to emotion dysregulation, anxiety and self-harm in adolescents borderline personality disorder. A source-based morphometry study 2026-Apr-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121035 PMID:41453667	研究论文	本研究利用源基形态测量学（SBM）和深度神经网络，结合遗传算法优化架构，探讨青少年边缘型人格障碍（BPD）的脑结构差异及其与情绪失调、焦虑和自伤行为的关联	首次在迄今最大的青少年BPD样本中，结合无监督和监督机器学习方法（SBM和深度神经网络），系统研究脑结构异常与临床特征的关系，并优化模型架构以提高性能	样本虽为迄今最大，但可能仍存在代表性限制；研究为横断面设计，无法推断因果关系；未考虑其他混杂因素如药物使用或共病精神障碍	探究青少年边缘型人格障碍的脑结构差异，并关联情绪失调、焦虑和自伤行为等临床特征	129名青少年BPD患者（12-17岁）和107名年龄、性别、教育匹配的健康对照	神经影像学	边缘型人格障碍	高分辨率T1加权结构MRI	深度神经网络	MRI图像	129名青少年BPD患者和107名健康对照	NA	深度神经网络（架构通过遗传算法优化）	泛化性能	NA
1709	2026-01-21	TEWS: Transformer-empowered weakly supervised prediction of immune score and genetic mutations in liver cancer from whole slide image 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108837 PMID:41455181	研究论文	提出一种基于Transformer的弱监督深度学习模型，用于从肝癌全切片图像中直接预测免疫评分和基因突变	首次将Swin Transformer与门控注意力池化机制、多示例学习相结合，实现直接从WSI预测免疫评分，并改进了伪标签分配的准确性	未明确提及模型在计算资源有限机构的具体部署挑战或泛化到其他癌症类型的验证	开发一种弱监督深度学习模型，以克服全切片图像分析中标注成本高和计算需求大的挑战	肝癌患者的全切片图像	数字病理学	肝癌	全切片成像	Transformer	图像	NA	NA	Swin Transformer	AUC	NA
1710	2026-01-21	SSHF-DTI: Leveraging structural similarity and hierarchical features through a fusion network for drug-target interaction prediction 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108853 PMID:41455180	研究论文	本文提出了一种名为SSHF-DTI的模型，通过整合结构相似性和多源子结构特征来预测药物-靶点相互作用和结合亲和力	模型结合了基于Tanimoto系数评估Morgan指纹相似性的数据增强方法，并采用Transformer和卷积组件的混合架构进行层次特征融合，显著提升了预测性能	未明确提及具体局限性	开发一个更鲁棒且可泛化的模型，用于药物-靶点相互作用和结合亲和力预测	药物-靶点相互作用、结合亲和力以及药物-药物相互作用	机器学习	NA	Morgan指纹相似性评估	Transformer, CNN	分子结构数据	NA	NA	Transformer, 卷积神经网络	ROC-AUC, PR-AUC	NA
1711	2026-01-21	Efficient drug-target affinity prediction via interaction features and parallel CNN-BiLSTM with attention 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108862 PMID:41478193	研究论文	本文提出了一种名为EDTA的高效深度学习架构，用于药物-靶点亲和力预测，该架构结合了并行CNN-BiLSTM与注意力机制	提出了一种并行CNN-BiLSTM架构，结合注意力机制，以同时捕获局部结构模式和全局序列依赖关系，在保证准确性的同时显著提升了计算效率	未明确提及模型在更广泛数据集或真实药物发现场景中的泛化能力限制	开发一种高效且准确的药物-靶点亲和力预测方法，以降低药物研发的失败率	药物-靶点相互作用	机器学习	NA	深度学习	CNN, BiLSTM, Attention	分子序列/结构数据	使用了Davis、KIBA和DUD-E基准数据集，具体样本数量未明确给出	未明确提及	并行CNN-BiLSTM	皮尔逊相关系数 (r)	未明确提及具体硬件，但强调模型参数更少、内存占用更低、推理速度更快
1712	2026-01-21	Optimizing depression diagnosis: fNIRS and machine learning differentiate unipolar, bipolar, and healthy states 2026-Apr-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121097 PMID:41478383	研究论文	本研究利用fNIRS和机器学习技术，通过前额叶血流动力学信号对单相抑郁、双相抑郁和健康对照进行三元分类	首次系统评估了fNIRS结合多种机器学习模型在临床相关三元分类（单相抑郁、双相抑郁、健康对照）中的效用，并比较了全脑特征与八个前额叶亚区域的表现	样本量有限，特别是双相抑郁队列较小；深度学习模型因样本量有限和特征维度高而表现中等；双相抑郁与健康对照之间存在持续重叠，分类仍具挑战性	优化抑郁症诊断，区分单相抑郁、双相抑郁和健康状态	171名参与者（单相抑郁72人，双相抑郁59人，健康对照40人）	机器学习	抑郁症	fNIRS（功能性近红外光谱成像）	SVM, Random Forest, XGBoost, Logistic Regression, Naive Bayes, Decision Tree, CNN, LSTM	前额叶血流动力学信号	171名参与者	NA	1D-CNN, LSTM	准确率, 敏感度, 特异度, AUC	NA
1713	2026-01-21	A Comprehensive Framework for Uncertainty Quantification of Voxel-Wise Supervised Deep Learning Models in IVIM MRI 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70227 PMID:41555683	研究论文	提出一个基于深度集成和混合密度网络的概率深度学习框架，用于IVIM MRI中体素级监督模型的参数估计和不确定性量化	首次将深度集成与混合密度网络结合，实现总预测不确定性的分解为偶然性和认知性成分，并应用于IVIM MRI参数估计	在伪扩散系数参数上观察到轻微过度自信，且体内数据的高认知不确定性表明训练数据与真实采集条件存在不匹配	开发一个用于IVIM MRI参数估计的全面不确定性量化框架，以识别和解释不可靠的估计	IVIM MRI参数（扩散系数、灌注分数、伪扩散系数）	医学影像分析	NA	扩散加权MRI	深度集成,混合密度网络	合成数据,模拟数据,体内小鼠脑部数据集	NA	NA	混合密度网络	校准曲线,输出分布锐度,连续排名概率分数,稳健变异系数	NA
1714	2026-01-21	Nivolumab plus ipilimumab for potentially resectable hepatocellular carcinoma: Long-term efficacy and biomarker exploration 2026-Feb, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.08.035 PMID:40972843	研究论文	本研究评估了纳武利尤单抗联合伊匹木单抗在潜在可切除肝细胞癌患者中的长期疗效和安全性，并探索了治疗反应的预测性生物标志物	首次在潜在可切除肝细胞癌患者中探索纳武利尤单抗联合伊匹木单抗作为新辅助治疗的长期疗效，并通过基因组、转录组分析和免疫细胞谱分析揭示了三级淋巴结构形成与抗肿瘤免疫增强的关联	研究为单臂临床试验，缺乏对照组，样本量相对较小（43例患者），且患者群体中病毒性肝炎占主导，可能限制结果的普遍性	评估免疫检查点抑制剂联合疗法作为新辅助或围手术期治疗在肝细胞癌中的疗效和安全性，并探索治疗反应的生物标志物	潜在可切除的肝细胞癌患者	NA	肝细胞癌	基因组分析, 转录组分析, 免疫细胞谱分析, 光谱流式细胞术	深度学习算法	肿瘤组织样本, 外周血样本, 小鼠肝癌模型数据	43例患者（男性/女性：37/6；病毒性/非病毒性：41/2；巴塞罗那临床肝癌分期A/B/C：4/13/26），其中24例接受手术	NA	NA	客观缓解率, 4年无进展生存率, 4年总生存率, 主要病理学缓解率（>90%肿瘤坏死）	NA
1715	2026-01-21	Comparing prostate diffusion weighted images reconstructed with a commercial deep-learning product to a deep learning phase corrected model at 1.5 T 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110681 PMID:41297172	研究论文	本研究比较了商业深度学习产品与新型深度学习相位校正模型在1.5T场强下重建前列腺扩散加权图像的质量	提出了一种新型深度学习相位校正重建模型，在1.5T场强下相比商业深度学习产品能显著降低图像噪声并提高信噪比	研究样本量较小（仅30例患者），且为单中心回顾性研究，可能影响结果的普遍性	评估新型深度学习相位校正模型在提升前列腺扩散加权图像质量方面的效果	接受前列腺多参数磁共振成像的30例连续患者	医学影像分析	前列腺癌	扩散加权成像，多参数磁共振成像	深度学习模型	磁共振图像	30例患者	NA	深度学习相位校正模型	信噪比，表观扩散系数值，图像噪声评估，定性图像评分	NA
1716	2026-01-21	Quantification differences between supine and prone CT in interstitial lung disease 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110697 PMID:41418638	研究论文	本研究评估了间质性肺病患者仰卧位与俯卧位CT扫描在定量测量中的变异性和可重复性	首次系统比较了仰卧位与俯卧位CT在间质性肺病定量评估中的测量差异，并识别了影响体位间变异性的关键因素	研究为回顾性设计，样本仅来自单一机构，且未评估体位变化对临床决策的直接影响	评估俯卧位CT定量测量在间质性肺病评估中的可靠性与变异性	间质性肺病患者	数字病理学	间质性肺病	定量计算机断层扫描，深度学习软件分析	深度学习模型	CT图像	277名患者	NA	NA	组内相关系数，Bland-Altman分析，Pearson相关系数，Steiger's Z检验	NA
1717	2026-01-21	Global trends and collaboration networks in radiology: A bibliometric analysis of the 500 most-cited articles in web of science 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110700 PMID:41455150	研究论文	本研究通过文献计量学方法分析了Web of Science核心合集中被引次数最高的500篇放射学、核医学和医学影像学文章，以揭示全球研究趋势和合作网络	首次对放射学领域高被引文献进行大规模文献计量分析，识别了关键机构、国家、作者和新兴研究主题（如深度学习和人工智能）	分析仅基于被引次数最高的500篇文章，可能无法代表整个放射学研究领域的全貌；数据截止到2025年6月，可能无法反映最新动态	分析放射学、核医学和医学影像学领域的全球研究趋势、合作网络和新兴方向	Web of Science核心合集中被引次数最高的500篇放射学相关文章	医学影像学	NA	文献计量分析	NA	文献元数据	500篇高被引文章	Biblioshiny, VOSviewer 1.6.20, Python 3.13.3	NA	被引次数、平均被引影响、关键词出现频率	NA
1718	2026-01-21	Semantic segmentation deep learning model boosts surgeons' organ recognition in minimally invasive hysterectomy - a prospective multi-center reader performance study using pre-selected video clips 2026-Jan-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004606 PMID:41427529	研究论文	本研究评估了一种基于深度学习的解剖识别系统在提升外科医生于微创子宫切除术中识别输尿管和膀胱能力方面的效果	开发并前瞻性验证了一种基于语义分割的深度学习模型，用于辅助不同经验水平的外科医生在手术视频中识别输尿管和膀胱，特别是在经验较少的医生中显示出显著的敏感性提升	研究使用了预先筛选的视频片段，可能无法完全代表实时手术场景的复杂性；模型在膀胱分割上的Dice系数相对较低（0.62）	评估人工智能辅助系统是否能提高外科医生在微创子宫切除术中对输尿管和膀胱的识别能力，同时不降低特异性	微创子宫切除术中的输尿管和膀胱	计算机视觉	妇科疾病	深度学习	语义分割深度学习模型	图像，手术视频	来自41个机构的13,934张输尿管图像和4,940张膀胱图像；涉及8个机构的16名外科医生	NA	NA	Dice系数，敏感性，特异性	NA
1719	2026-01-08	Correction to "Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing" 2026-Jan-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07908 PMID:41493771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1720	2026-01-21	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率microCT图像中自动三维分割人类迷走神经束和神经外膜	引入了一种新颖的解剖感知损失函数，确保预测符合神经拓扑结构，并开发了多类3D U-Net模型	研究仅基于5名受试者的100个microCT体积数据，样本量相对较小	设计有效且选择性的周围神经刺激疗法	人类迷走神经束和神经外膜	数字病理学	NA	microCT成像	U-Net	图像	100个microCT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA