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	2026-03-13	Intelligent microfluidics: A deep learning-integrated platform for high-accuracy oocyte membrane permeability characterization in cryobiology 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345301 PMID:41813348	研究论文	本研究介绍了一个名为CryoSIM的集成微流控-AI平台，用于自动、并行量化卵母细胞膜渗透性，以提高冷冻保存效率	结合微流控芯片、深度学习模型（MLSNet）和传输建模，实现了自动化、高通量的卵母细胞膜渗透性表征，相比手动方法提高了90%以上的分析通量	未明确提及平台在更广泛细胞类型或极端条件下的适用性限制	开发一个可扩展的分析框架，以稳健、系统的方式表征细胞膜传输现象，优化冷冻保存协议	卵母细胞	机器学习	NA	微流控技术，深度学习	深度学习模型	图像	NA	Python	MLSNet	像素级准确度	NA
1762	2026-03-13	A semi-supervised domain adaptation framework with attention-enhanced ResNet50 for LIBS-based soil classification under spectral distribution shift 2026-May-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345292 PMID:41813363	研究论文	本研究提出了一种基于注意力增强ResNet50的半监督域自适应框架，用于处理LIBS光谱分布偏移下的土壤分类问题	结合了Gramian Angular Field技术将一维光谱编码为二维图像以增强特征表示，并设计了基于SE-ResNet50的注意力机制网络，同时整合了基于模型的迁移学习和伪标签学习来逐步提升模型对目标域的适应性	NA	解决激光诱导击穿光谱在土壤分类中因光谱分布偏移导致的模型性能下降问题	土壤样本的LIBS光谱数据	计算机视觉	NA	激光诱导击穿光谱	CNN	图像	NA	NA	SE-ResNet50	准确率	NA
1763	2026-03-13	Deep learning as a generator of sodium channel state hypotheses 2026-May-04, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202513938 PMID:41805948	研究论文	本文利用AlphaFold 2生成钠通道的结构集合，并探讨β亚基和钙调蛋白对这些集合的重塑作用	首次应用AlphaFold 2生成钠通道的结构集合，并验证β亚基和钙调蛋白对其结构多样性的影响	生成的结构集合仅为可测试的结构假设，而非实际的热力学群体，可能存在模型偏差	探索AlphaFold 2在生成离子通道结构假设方面的应用，以理解钠通道的构象变化	钠通道（NaV通道）、β亚基、钙调蛋白	结构生物学	NA	AlphaFold 2	深度学习模型	蛋白质结构数据	NA	AlphaFold	AlphaFold 2	NA	NA
1764	2026-03-13	Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear 2026-May, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110126 PMID:41687573	研究论文	本研究开发了一种基于自编码器的深度学习模型，用于预测帕金森病患者的步长，使用鞋内嵌入的惯性测量单元数据	该模型无需显式步态分割即可估计步长，提高了对步态受损人群的适用性，并展示了在时间偏移下的鲁棒性	研究样本量较小（仅10名帕金森病患者），可能限制模型的泛化能力	开发一种无需显式步态分割的步长估计方法，以支持帕金森病患者的步态监测和疾病进展评估	帕金森病患者的步态数据	机器学习	帕金森病	惯性测量单元（IMU）数据采集	自编码器, 全连接回归网络	时间序列数据（三轴加速度和角速度）	10名帕金森病患者	NA	自编码器, 全连接回归网络	R², 一致性界限	NA
1765	2026-03-13	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	本研究开发并验证了一种基于MRI的深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以促进个性化治疗规划中的精细化风险分层	提出了一种结合两阶段深度学习架构（V-Net和VB-Net）进行自动肿瘤分割，并利用提取的影像组学特征构建机器学习分类器，用于术前无创预测P53abn子宫内膜癌的多中心研究方法	研究为回顾性设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性队列中进一步验证	开发并验证一种非侵入性的MRI-based深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以支持个性化治疗规划	经组织学确诊的子宫内膜癌患者	数字病理	子宫内膜癌	磁共振成像	深度学习, 机器学习	图像	920名患者	NA	V-Net, VB-Net	Dice相似系数, AUC	NA
1766	2026-03-13	Financial impact of deep learning reconstruction in magnetic resonance imaging: experiences after widespread deployment 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112743 PMID:41759450	研究论文	评估深度学习重建（DLR）在三级学术医院MRI生产力中的影响，并验证先前发布的基于蒙特卡洛模拟的DLR生产力提升潜力预测	通过实际部署数据验证了基于蒙特卡洛模拟的DLR生产力预测模型，展示了DLR在部分实施阶段即可显著提升MRI扫描效率	DLR在神经影像学中表现不稳定，T2加权序列存在伪影，对比增强研究质量下降，限制了其适用性，需严格质量保证	评估DLR对MRI生产力的实际影响并验证模拟预测的准确性	三级学术医院的MRI扫描仪日志数据及图像质量	医学影像分析	NA	深度学习重建（DLR），磁共振成像（MRI）	深度学习模型	MRI扫描日志数据，图像质量评估数据	两个时期的数据：DLR前（2023年1-10月，6台扫描仪）和DLR后（2025年1-10月，5台扫描仪）	NA	NA	序列持续时间减少百分比，总检查时间减少百分比，每小时吞吐量变化，图像质量评估	NA
1767	2026-03-13	An automated vertebral heart scale measurement tool based on deep learning: Facilitating screening for prevention of canine cardiomegaly 2026-May, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106810 PMID:41713362	研究论文	本研究提出了一种基于改进U-Net和YOLOv11的集成框架，用于从犬类胸部X射线图像中自动测量椎体心脏比例，以辅助犬类心脏肥大的早期筛查和预防	提出了一种结合改进U-Net架构（SWA-UNet）和YOLOv11的集成框架，用于心脏精确分割和关键点检测，实现了自动化、高精度的椎体心脏比例计算	NA	开发一种自动化、精确的椎体心脏比例测量工具，以促进犬类心脏肥大的筛查和预防，并推动犬类心脏健康的群体研究	犬类胸部X射线图像	计算机视觉	心血管疾病	X射线成像	CNN	图像	NA	NA	U-Net, YOLOv11	平均交并比, Dice系数, 精确率, 召回率, 皮尔逊相关系数	NA
1768	2026-03-13	Machine learning, docking, or physics for structure prediction of ligand-induced ternary complexes 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103217 PMID:41619702	综述	本文综述了用于预测配体诱导的三元复合物结构的计算方法，包括多步对接流程和单步深度学习模型	系统比较了传统对接方法与深度学习模型在预测三元复合物结构方面的最新进展和工具	多步方法受限于采样复杂性、输入结构准确性、评分精度和计算成本；单步方法受限于训练数据稀缺	促进在缺乏实验结构的情况下基于结构的设计，以支持靶向蛋白降解剂的理性设计	由E3连接酶、配体和靶蛋白形成的三元复合物结构	机器学习	NA	晶体学、冷冻电镜、计算建模	深度学习模型	结构数据	NA	NA	NA	NA	NA
1769	2026-03-13	From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103216 PMID:41650708	综述	本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变	系统性地梳理了三种深度学习范式（基于语言模型的方法、端到端结构预测器、几何距离预测方法），并指出了未来关键研究方向，如应对数据稀缺的高级标记化策略和提升模型可解释性的可解释人工智能技术	RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，实现突破性性能需要持续的方法创新和高质量结构数据集的显著扩展	回顾和评估深度学习模型在RNA结构预测中的应用，以推动该领域发展	RNA的二级和三级结构	计算生物学	NA	NA	深度学习模型	序列和结构数据	NA	NA	NA	NA	NA
1770	2026-03-13	deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile 2026-Apr, Forensic science international. Genetics DOI:10.1016/j.fsigen.2026.103434 PMID:41650721	研究论文	本研究开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA图谱的贡献者数量	通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出	算法在实验室特定环境下需通过少量实际图谱进行微调以达到相同精度	开发一个自动化工具来准确估计STR DNA图谱中的贡献者数量，以辅助法医生物学分析	短串联重复DNA图谱	机器学习	NA	DNA图谱模拟，电泳信号模拟	深度神经网络	模拟的DNA图谱信号数据	100,000个模拟图谱	NA	深度神经网络	准确率	NA
1771	2026-03-13	Estimating proximity to muscular failure using surface EMG and deep learning 2026-Apr, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103111 PMID:41653807	研究论文	本研究提出了一种基于表面肌电图和深度学习的实时方法，用于估计肌肉接近力竭的程度	首次利用深度学习从表面肌电图信号中实时估计肌肉接近力竭的连续指数，并提供了一个包含192次记录的新数据集	研究仅基于12名参与者的等长肱二头肌保持数据，样本量较小，且仅针对单一肌肉动作	开发一种实时估计肌肉接近力竭程度的方法，以个性化动态调整阻力训练	12名健康参与者在进行等长肱二头肌保持至力竭时的表面肌电图信号	机器学习	NA	表面肌电图	多层感知机, Transformer, 循环神经网络, 长短期记忆网络	表面肌电图信号转换的频谱图	12名参与者，共192次记录	NA	多层感知机, Transformer, 循环神经网络, 长短期记忆网络	均方误差	NA
1772	2026-03-13	Multi-scale kernel and electrode attention network for EEG-based epileptic seizure detection 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111585 PMID:41747565	研究论文	本文提出了一种名为多尺度卷积核与电极注意力网络的新模型，用于基于原始全通道脑电图信号的癫痫发作自动检测	提出了一种新颖的端到端特征提取网络，直接处理全通道脑电图信号，无需通道缩减或模态转换，避免了信息丢失或额外计算成本；引入了多尺度卷积结构以捕捉多样的电极通道组合，并设计了电极注意力模块来自适应地为不同通道分配权重	未明确讨论模型在更广泛或更具挑战性的临床环境中的泛化能力，也未提及对计算资源的具体要求或模型在边缘设备上的部署可行性	提高基于多通道脑电图信号的癫痫发作自动检测的诊断效率	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	CNN, 注意力机制	脑电图信号	两个公共数据集（CHB-MIT数据集和Siena Scalp数据集），具体样本数量未在摘要中提及	NA	Multi-scale Kernel and Electrode Attention Network	准确率, 灵敏度, 特异度	NA
1773	2026-03-13	Geometric deep learning-based coronary wall shear stress estimation from real-world patients 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111583 PMID:41747562	研究论文	本研究评估了一种基于几何深度学习的框架，用于直接从真实世界患者的冠状动脉造影重建几何中估计冠状动脉壁剪切应力	提出了一种基于规范等变网格图卷积网络的几何深度学习框架，能够快速、无需计算流体动力学地估计冠状动脉壁剪切应力	研究仅基于1078条冠状动脉的数据集，可能需要在更大、更多样化的患者群体中进行验证	开发一种快速、准确的冠状动脉壁剪切应力估计方法，以支持大规模、真实世界的风险分层	从748名患者中重建的1078条冠状动脉	几何深度学习	心血管疾病	计算流体动力学, 冠状动脉造影	图卷积网络	几何网格数据	1078条冠状动脉（来自748名患者）	NA	规范等变网格图卷积网络	绝对误差, 百分比误差, Dice距离, 相关系数	NA
1774	2026-03-13	De novo engineering of protein interactions: Retrospective and current advances 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103240 PMID:41759349	综述	本文回顾了基于深度学习的蛋白质相互作用从头设计方法的最新进展，重点讨论了蛋白质结合剂设计的现状、应用及新挑战	利用AlphaFold等新型结构预测模型和深度生成模型，实现了针对特定靶点的高实验成功率蛋白质结合剂设计，将许多先前难以实现的任务转化为常规操作	NA	探讨蛋白质结合剂设计方法的发展，特别是最先进技术及其在治疗和生物工程问题中的应用	蛋白质相互作用、蛋白质结合剂	机器学习	NA	深度学习、蛋白质结构建模、深度生成模型	深度生成模型	蛋白质结构数据	NA	NA	AlphaFold	实验成功率	NA
1775	2026-03-13	GraphUnet-SS: A novel deep learning model for protein secondary structure prediction based on U-Net architecture 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111598 PMID:41759455	研究论文	提出了一种基于U-Net架构的新型深度学习模型GraphUnet-SS，用于蛋白质二级结构预测	结合卷积神经网络、图卷积网络和双向长短期记忆网络，并利用接触图预测生成图表示氨基酸相互作用，通过贝叶斯优化技术优化超参数	未明确说明模型在特定蛋白质类型或复杂结构上的泛化能力限制	提高蛋白质二级结构预测的准确性，以辅助蛋白质三维结构预测	蛋白质序列及其二级结构	生物信息学	NA	PSI-BLAST位置特异性评分矩阵、HHBlits谱、氨基酸理化性质、结构谱	CNN, GCN, BiLSTM	序列数据、图数据	未明确说明	未明确说明	U-Net	未明确说明	未明确说明
1776	2026-03-13	Modeling strategies for CGM data: A scoping review of mechanistic, machine learning, and hybrid approaches in diabetes management 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111601 PMID:41780316	综述	本文对连续血糖监测（CGM）数据建模方法进行了范围综述，涵盖从经典机制模型到现代人工智能技术及混合框架的全谱系方法	首次全面探讨CGM数据建模的方法学全谱系，包括机制模型、统计时间序列、人工智能及混合框架，并扩展至除1型糖尿病外的多种人群（如2型糖尿病、妊娠期糖尿病）	数据异质性、高质量数据集在1型糖尿病外的有限可用性以及跨队列泛化能力不足等挑战仍然存在	综述CGM数据在糖尿病管理中的建模策略，比较不同方法在临床背景下的应用效果	连续血糖监测（CGM）数据及其在糖尿病管理中的应用	机器学习	糖尿病	连续血糖监测（CGM）	机制模型, 统计时间序列, 人工智能, 深度学习, 混合模型	时间序列数据	NA	NA	NA	预测性能, 准确性	NA
1777	2026-03-13	Predicting the active sites of quinolone antibiotics interacting with organisms by deep learning and molecular docking 2026-Apr, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107764 PMID:41722354	研究论文	本研究利用深度学习和分子对接技术，预测喹诺酮类抗生素与生物体相互作用的活性位点	结合深度学习构建高精度生物活性预测模型，并利用分子动力学模拟验证抗生素与靶蛋白的稳定结合构象	仅针对19种常见喹诺酮类抗生素进行研究，模型在CCRIS致突变性研究中的准确率相对较低（85.22%）	阐明生物体对环境外源性化学物的调控机制，为环境保护、食品安全政策制定及新型化合物风险评估提供理论支持	19种喹诺酮类抗生素及其与细菌DNA修复酶、神经行为相关蛋白的相互作用	机器学习	NA	深度学习，分子对接，分子动力学模拟	深度学习模型	生物测定活性数据	19种喹诺酮类抗生素的PubChem BioAssay数据集	NA	NA	准确率	NA
1778	2026-03-13	Deep Learning-Based Classification of Slit-Lamp Photograph Quality in Microbial Keratitis 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101086 PMID:41816093	研究论文	本研究开发并验证了一种深度学习模型，用于评估微生物性角膜炎中裂隙灯照片的质量	首次针对微生物性角膜炎的裂隙灯照片质量评估开发了深度学习模型，并比较了多种模型架构在不同照明类型下的性能	研究样本量相对有限，且未来需要进一步研究图像质量如何影响自动化决策	开发并验证一个深度学习模型，以评估微生物性角膜炎裂隙灯照片的质量	微生物性角膜炎患者的裂隙灯照片	计算机视觉	微生物性角膜炎	裂隙灯摄影	CNN	图像	来自138名个体的247至264张图像（每种照明类型）	NA	AlexNet, ResNet50, DenseNet169, InceptionV3, MobileNetV2	准确率, F1分数	NA
1779	2026-03-13	From imaging to omics: deep learning is bridging MRI and liquid biopsy in bone tumor diagnosis 2026-Apr, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2026.100753 PMID:41816119	综述	本文综述了深度学习如何通过融合MRI影像组学和液体活检组学数据，改善骨肿瘤（如骨肉瘤和尤文肉瘤）的诊断、风险分层和治疗监测	利用深度学习实现MRI影像组学与液体活检组学的多模态融合，以克服单一模态的局限性，提升骨肿瘤的精准诊断和个性化治疗	NA	探讨深度学习在整合MRI影像和液体活检数据以改善骨肿瘤精准诊断和治疗策略中的应用	骨肿瘤患者，特别是骨肉瘤和尤文肉瘤患者	数字病理学	骨肉瘤, 尤文肉瘤	MRI, 液体活检（循环DNA、RNA、细胞外囊泡）	深度学习	图像, 分子数据	NA	NA	NA	NA	NA
1780	2026-03-13	Multimodal framework for early developability assessment to accelerate protein and antibody development 2026-Mar-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2026.126703 PMID:41724260	研究论文	本文提出了一种多模态深度学习框架（Formulation），用于早期蛋白质和抗体药物的可开发性评估，以加速其开发过程	构建了四个涵盖构象稳定性、胶体稳定性、粘度和溶解度的可开发性相关数据集，并设计了一个多模态深度学习框架来整合三维结构数据、序列、氨基酸组成描述符和配方组成，以准确预测蛋白质配方可开发性参数	未明确说明数据集的覆盖范围是否全面，或模型在更广泛蛋白质类型上的泛化能力	加速蛋白质和抗体药物的开发，通过早期可开发性评估减少试错实验	蛋白质和抗体药物，以及相关的配方条件（如pH、离子强度、辅料等）	机器学习	NA	多模态深度学习，迁移学习，传统机器学习算法	深度学习框架	三维结构数据，序列数据，氨基酸组成描述符，配方组成数据	四个数据集分别包含986、919、900和749个条目，每个条目代表特定蛋白质和配方条件下的可开发性属性测量；进一步实验验证涉及9种蛋白质和65种配方	未指定具体框架，但提及迁移学习和传统机器学习算法	Formulation（自定义多模态深度学习框架）	准确度	NA