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
1761	2026-06-06	Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01681 PMID:41570305	研究论文	提出一种融合分子动力学模拟与深度学习模型的集成框架，用于提高蛋白质离子性残基pKa值的预测精度	首次采用AMOEBA极化力场进行高通量分子建模，构建富含原子静电学等物理启发特征的蛋白质结构数据集，并基于图神经网络模型实现pKa预测，性能显著优于传统方法PROPKA	未提及具体局限性信息	提高蛋白质中离子性残基pKa值的预测准确性，以支持药物发现和蛋白质工程中的早期靶点识别	蛋白质结构数据集中离子性残基（天冬氨酸、谷氨酸、赖氨酸、组氨酸）的pKa值	机器学习	不适用	分子动力学模拟，AMOEBA极化力场	图神经网络	蛋白质结构数据，实验pKa值数据	基于PKAD-2数据集的实验pKa值，涉及四种离子性残基类型	PyTorch	图注意力网络	预测准确度	不适用
1762	2026-06-06	Attention-Guided Multiview Deep Learning Framework Uncovers miRNA-Drug Associations for Therapeutic Discovery 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02839 PMID:41592800	研究论文	提出一种注意力引导的多视图深度学习框架，用于预测miRNA-药物关联，推动治疗发现	创新性地整合miRNA和药物的多源信息而非仅依赖交互图数据，并通过视图级注意力机制自适应学习不同特征的重要性	未提及对数据噪声的处理能力及跨疾病领域泛化性的验证	开发高效计算方法预测miRNA-药物关联，克服传统实验成本高和现有方法依赖单一信息源的不足	miRNA与药物之间的潜在关联	机器学习	多种疾病（以抗癌药物为例）	NA	多视图深度学习模型（DLMVF）	miRNA序列、药物结构、miRNA-药物交互关系数据	基于最新数据库构建的实验基准数据集，具体数量未提供	PyTorch	注意力引导的多视图编码器（miRNA属性视图编码器、药物属性视图编码器、miRNA-药物交互编码器）	AUROC, AUPRC	NA
1763	2026-06-06	NeuroTDPi: Interpretable Deep Learning Models with Multimodal Fusion for Identifying Neurotoxic Compounds 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02639 PMID:41609193	研究论文	开发了一个名为NeuroTDPi的多层全连接深度神经网络模型，用于识别神经毒性化合物	采用多模态融合策略，整合分子表征和针对三种神经毒性终点的特征表示，并结合SHAP方法提高模型可解释性	未提及	开发用于早期预测神经毒性化合物的深度学习模型	神经毒性化合物	机器学习	神经毒性疾病	NA	深度神经网络（多层全连接）	分子数据	NA	NA	多层全连接网络	AUC（0.97, 0.84, 0.82）	NA
1764	2026-06-06	SwinCup-DiscNet: A fusion transformer framework for glaucoma diagnosis using optic disc and cup features 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39065-7 PMID:41663489	研究论文	提出一种融合变压器框架，结合视盘与视杯特征用于青光眼诊断	创新性地融合U-Net注意力机制分割视盘视杯、Swin Transformer提取眼底图像特征，以及概率融合方法结合结构生物标志物与深度学习特征	未明确提及具体限制	开发高效青光眼筛查工具，实现早期检测以预防视力丧失	青光眼患者的眼底图像中的视盘和视杯特征	计算机视觉	青光眼	眼底成像	Swin Transformer	图像	三个公开数据集：LAG、ACRIMA、DRISTHI-GS	PyTorch	U-Net, Swin Transformer	DSC IoU、准确率、F1分数、杯盘比平均绝对误差	NA
1765	2026-06-06	Thermostability Prediction Powered by Synergistic Deep Learning at Experimental and Theoretical Levels for Nanobodies 2026-Feb-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c19073 PMID:41564239	研究论文	提出一种双尺度协同深度学习策略，结合实验和理论水平预测纳米抗体的热稳定性，并开发了高吞吐量筛选平台	创新性地提出双尺度协同深度学习策略，结合实验熔解温度数据和理论构象变化推断，解决实验数据稀缺和小数据模型泛化能力低的问题	未明确说明局限性，但依赖有限实验数据和分子动力学模拟，可能受数据质量和模拟准确性影响	提高纳米抗体热稳定性预测的可靠性，并探索大规模数据库中高稳定纳米抗体	纳米抗体的热稳定性	机器学习	不适用	分子动力学模拟、抗体语言模型	深度学习模型	实验数据、分子模拟数据	514个实验熔解温度数据和704个纳米抗体结构的分子动力学模拟	不适用	抗体语言模型集成到联合深度学习架构	Pearson相关系数、准确率	不适用
1766	2026-06-06	Comprehensive segmentation of focal cortical dysplasia by combining surface-based and whole-brain MRI deep learning algorithms: a proof-of-concept study 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3d3e PMID:41587495	研究论文	结合基于表面和全脑MRI深度学习算法对局灶性皮质发育不良进行全面分割的概念验证研究	首次通过结合表面分割算法MELD Graph与全脑白质病变分割工具MindGlide，实现对FCD II的深层白质成分分割，弥补了现有工具仅关注皮层特征的不足	仅对49例具有放射学证实的经管征病例进行测试，样本量有限；MindGlide未直接训练于FCD数据，分割改善幅度较小且仅覆盖部分病例	验证结合两种AI算法（表面分割与全脑分割）是否能改善FCD II的整体分割性能，特别关注深部白质成分	磁共振成像上具有放射学证实的经管征的局灶性皮质发育不良II型病例	医学影像分析	局灶性皮质发育不良II型、耐药性癫痫	磁共振成像（T2-FLAIR序列）	深度学习分割算法	脑部磁共振图像	49例FCD病例	MELD Graph, MindGlide	MELD Graph（表面分割网络）, MindGlide（全脑病变分割网络）	Dice相似系数、分割体积	未在摘要中明确提及
1767	2026-06-06	Spatial-Spectral Deep Learning for Prostate Cancer Tissue Classification in Infrared Spectroscopy 2026-Feb-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04765 PMID:41566143	研究论文	比较多种深度学习分类器用于红外光谱图像的前列腺癌组织分类，并探讨光谱维度压缩的影响	发现模型空间感受野与分类性能强相关，而光谱信息对深度学习模型性能影响有限，仅16个特征的光谱瓶颈对几乎所有神经网络模型影响微小	组织分类本身可能仅依赖少量光谱特征，导致光谱维度利用的评估基准不佳	改进前列腺癌组织分类方法并探究深度学习中空间和光谱信息的利用	红外光谱高光谱图像中的前列腺癌组织	计算机视觉, 数字病理学	前列腺癌	红外光谱	Vision Transformer, 多层感知机, 卷积神经网络	高光谱图像	未明确说明	NA	Vision Transformer, 卷积神经网络, 多层感知机	分类性能指标（具体未明确说明）	NA
1768	2026-06-06	Deep learning in stroke therapeutics: drug repurposing and beyond 2026-Feb, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2619641 PMID:41549848	综述	本文综述了深度学习在中风治疗中的应用，特别是药物重定位方面，涵盖从临床前建模到临床决策支持的多个领域	系统总结了深度学习在中风药物重定位中的新兴应用，并强调了其在加速药物发现和桥接转化研究差距方面的潜力	模型可解释性、泛化能力和真实世界验证方面仍存在挑战	探讨深度学习在中风治疗药物重定位及相关领域的应用现状和前景	中风治疗中的药物重定位与深度学习应用	机器学习	中风	NA	深度学习	高维数据	NA	NA	NA	NA	NA
1769	2026-06-06	Study on the release pattern of radon exhalation in the overburden soil of uranium tailings under arid climate and prediction based on Fully Connected Neural Network (FCNN)-based deep learning radon prediction model 2026-Feb, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107883 PMID:41576636	研究论文	研究干旱气候下铀尾矿覆盖土壤中氡析出模式，并基于全连接神经网络深度学习模型进行预测	提出了基于全连接神经网络的深度学习氡预测模型，该模型能更准确反映温度、土壤含水量、覆盖层裂隙率与氡析出率之间关系，性能优于长短期记忆模型	NA	为铀尾矿的氡控制和防护提供可行的预测方法	铀尾矿覆盖土壤在不同温度条件下的室内模拟实验数据	机器学习	NA	室内模拟实验	全连接神经网络，长短期记忆	数值数据	NA	PyTorch	全连接神经网络，长短期记忆	误差比较	NA
1770	2026-06-06	Evaluating the impact of deep learning-based image denoising on low-dose CT for lung cancer screening 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70480 PMID:41579047	研究论文	评估深度学习图像去噪对低剂量CT肺癌筛查的影响	系统比较了七种深度学习去噪方法在低剂量CT肺癌筛查中的效果，并评估了去噪对实性和亚实性结节特征及Lung-RADS分类准确性的影响	去噪对亚实性结节的影响有限，且去噪可能引入偏差，需要进一步验证对诊断性能的影响	评估深度学习图像去噪对低剂量CT肺癌筛查中结节检测和分类的影响	低剂量CT扫描图像中的肺结节（实性和亚实性结节）	计算机视觉	肺癌	低剂量CT	深度学习去噪模型	图像	来自LDCT和投影数据集的胸部CT扫描，具体样本数量未提及	NA	七种深度学习去噪方法，具体架构未提及	均方根误差（RMSE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）、结节大小、CT密度、Lung-RADS分类	NA
1771	2026-06-06	Multi-dimensional attention-enhanced reconstruction for sparse-view CBCT 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70299 PMID:41589426	研究论文	本研究提出一种多维度注意力增强重建算法（MAE-Recon），用于稀疏视图锥形束计算机断层扫描（CBCT），以减少条纹伪影并恢复图像细节	引入两种即插即用的注意力增强模块以建模投影间的长程依赖性和特征内的信息冗余，并在投影域和图像域联合进行深度学习重建	待定（摘要未明确提及局限性）	消除稀疏视图CBCT中的条纹伪影并提升图像质量	稀疏视图CBCT重建中的投影数据和重建图像	计算机视觉	不适用	锥形束计算机断层扫描（CBCT）	深度学习网络（多重注意力增强网络）	图像（CBCT投影数据与重建图像）	一个真实胸部数据集和一个模拟腹部数据集	PyTorch（基于论文描述推断，未明确说明）	线性插值模块、投影域网络、FDK算子、图像域网络（含两种注意增强模块）	RMSE, SSIM, PSNR	待定（摘要未提及计算资源）
1772	2026-06-06	Classification of epileptic seizure using hybrid deep learning framework with time and time-frequency Hjorth features 2026-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2618585 PMID:41589762	研究论文	提出一种融合时域和时频域Hjorth参数及注意力增强时间建模的混合深度学习框架，用于癫痫发作阶段分类	首次将多域Hjorth参数与注意力增强的时间建模相结合，用于癫痫发作阶段分类，并在Bonn EEG数据集上实现了高分类精度	未提及模型在真实临床环境中的泛化能力及跨数据集验证结果	提出一种结合多域Hjorth特征和注意力增强时间模型的深度学习框架，以提高癫痫发作阶段的分类性能	Bonn EEG数据集中的脑电图信号	机器学习	癫痫	NA	1D CNN, BiLSTM, 注意力机制	脑电图信号	使用Bonn EEG数据集，具体样本量未提及	NA	1D CNN, BiLSTM, Attention	精确度, 召回率, F1分数, 准确率	NA
1773	2026-06-06	Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification 2026-Feb, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71240 PMID:41612899	研究论文	提出了一种结合功能磁共振成像和临床测试的多模态可解释深度学习模型，用于阿尔茨海默病分类	通过多模态融合和可解释人工智能方法，克服了fMRI小数据集、可解释性和可靠性问题，并利用扰动排序解释特征重要性	样本量较小，需要外部验证	提高阿尔茨海默病分类的准确性和可解释性，促进模型的临床应用	阿尔茨海默病患者和健康对照者	数字病理学	阿尔茨海默病	功能磁共振成像	3D卷积神经网络	图像、临床测试数据	52名参与者来自ADNI数据集	NA	3D卷积神经网络	准确率	NA
1774	2026-06-06	Deep learning-assisted spectral technology monitoring the preservation effect of sodium octenyl succinate starch co-loaded with cinnamaldehyde and carvacrol microcapsules for pork 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150502 PMID:41581811	研究论文	利用深度学习辅助光谱技术监测辛烯基琥珀酸淀粉钠共载肉桂醛和香芹酚微胶囊对猪肉的保鲜效果	首次将辛烯基琥珀酸淀粉钠共载肉桂醛和香芹酚微胶囊与深度学习相结合，开发基于可见-近红外光谱的快速猪肉品质检测模型	模型基于实验室采集的光谱数据，实际应用中的泛化性和鲁棒性需进一步验证	开发一种快速、非破坏性的猪肉新鲜度检测方法，并评估微胶囊的保鲜效果	猪肉样品，使用辛烯基琥珀酸淀粉钠共载肉桂醛和香芹酚微胶囊处理	机器学习和数字病理学	NA	喷雾干燥、可见-近红外光谱	深度学习模型	光谱数据	未明确说明	NA	NA	相关系数R	NA
1775	2026-06-06	Beyond the Leaderboard: Evaluating the Robustness of Deep Learning Models for Detecting Freezing of Gait 2026-Feb, The European journal of neuroscience DOI:10.1111/ejn.70424 PMID:41657009	研究论文	评估深度学习模型在检测帕金森病患者冻结步态时的鲁棒性，并测试其在真实世界数据集上的可迁移性	通过全球机器学习竞赛筛选获胜模型，并在新的家庭采集数据集中评估模型的可迁移性，而仅关注排行榜性能	模型在计数冻结发作和检测亚型方面表现不足，需要额外传感器或其他建模方法	评估深度学习模型在检测冻结步态中的鲁棒性和可迁移性	帕金森病患者的冻结步态检测	机器学习	帕金森病	加速度计传感器	深度学习模型	加速度数据	12名患者	NA	NA	F1分数、准确率、召回率、特异度、精确度、组内相关系数	NA
1776	2026-06-06	Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches 2026-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae39e2 PMID:41554181	研究论文	通过分类和序数深度学习方法预测乳腺密度，并生成模型不确定性估计	提出在保持预测性能的同时，利用分类和序数深度学习模型内置不确定性估计的方法	NA	在不降低预测性能的前提下，生成带有不确定性估计的深度学习模型	乳腺密度	机器学习, 数字病理学	乳腺癌	NA	深度学习模型（分类和序数模型）	图像	超过150,000张乳房X线照片	NA	NA	均方根误差	NA
1777	2026-06-06	Decoding Allosteric Inhibition in MALT1: The Hidden Role of Conformational Plasticity in Metastable States via Biased MD and Deep Learning 2026-Jan-29, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c07665 PMID:41557786	研究论文	通过偏置分子动力学和深度学习揭示MALT1蛋白变构抑制中构象可塑性的隐藏作用	首次结合偏置分子动力学模拟、神经网络和对接计算，系统研究MALT1蛋白在变构抑制中的复杂构象行为，揭示Loop 1和Loop 3运动对催化位点腔体积缩小和半胱氨酸不可及性的关键作用	研究结果适用于小鼠MALT1蛋白，尽管与人类MALT1有93%同源性，但泛化至人类MALT1需谨慎	探索MALT1蛋白的复杂动力学行为及其变构抑制机制，为新型MALT1变构抑制剂的计算机设计提供客观标准	MALT1蛋白（黏膜相关淋巴组织淋巴瘤易位蛋白1）	机器学习	血液癌症	偏置分子动力学模拟、神经网络、对接计算	神经网络	分子动力学轨迹数据	未明确提及样本数量	NA	NA	NA	NA
1778	2026-06-06	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	提出了两种基于生物物理动力学训练的蛋白质语言模型SeqDance和ESMDance，用于预测蛋白质动态特性和突变效应	首次将分子动力学模拟和简正模态分析的动态生物物理特性整合到蛋白质语言模型中，能捕获蛋白质结构动态性从而提升突变效应预测的泛化能力	未提及具体局限性	通过融合蛋白质动态特性改进语言模型对突变效应的预测能力	超过64000种蛋白质的动力学特性及其突变效应	机器学习	NA	分子动力学模拟、简正模态分析	蛋白质语言模型	蛋白质序列、动态生物物理特性数据	超过64000种蛋白质	PyTorch	Transformer, ESM2	零样本预测性能	NA
1779	2026-06-06	Deep atrous context convolution generative adversarial network with corner key point extracted feature for nuts classification 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36238-2 PMID:41588160	研究论文	提出一种深度空洞上下文卷积生成对抗网络（DAC-GAN）用于坚果分类，在8类坚果数据集上达到99.83%准确率	将角点关键点特征提取与空洞卷积相结合，并在空洞卷积前后附加上下文模块以融入图像级信息，同时利用DCGAN生成合成图像解决标注数据不足问题	NA	实现坚果分类的自动化，提升分类精度和泛化能力	8类坚果（巴西坚果、腰果、花生、山核桃、开心果、栗子、夏威夷果、核桃）	计算机视觉	NA	NA	生成对抗网络、空洞卷积神经网络	图像	Common Nut KAGGLE数据集，共4000张坚果图像，涵盖8个类别	NA	DAC-GAN（基于DCGAN的生成器和判别器，结合空洞卷积及前后上下文模块）	准确率	NA
1780	2026-06-06	Exploring anatomical similarity in zero-shot learning for bone abnormality detection 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37516-9 PMID:41593191	研究论文	本文探索了在骨骼异常检测中利用解剖相似性进行零样本学习的方法	明确提出在MURA数据集上进行零样本转移训练，利用解剖相似性进行跨部位检测，无需目标数据访问	研究仅基于MURA数据集，未使用语义侧信息或目标自适应，可能限制实际应用中的性能	评估解剖相似性在零样本学习中提升骨骼异常检测跨部位迁移性能的可行性	MURA数据集中的不同解剖部位图像	计算机视觉	骨骼异常	NA	NA	图像	NA	NA	NA	准确率，95% Wilson置信区间	NA