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
2381	2026-01-19	Natural biowaste material-based green triboelectric nanogenerators for self-powered gait monitoring 2026-Jan-13, RSC advances IF:3.9Q2 DOI:10.1039/d5ra09038e PMID:41541210	研究论文	本文报道了基于天然生物废料材料的绿色摩擦纳米发电机，用于自供电步态监测	系统研究了三种新型摩擦负电材料（象苹果、姜黄皮、芋头茎粉），并展示了象苹果粉基TENG在柔性传感器中的应用，实现了99.3%的运动检测准确率	NA	开发基于天然生物材料的环保、自供电摩擦纳米发电机，用于可持续能量收集和绿色自供电传感器应用	天然生物废料材料（象苹果、姜黄皮、芋头茎粉）及其在摩擦纳米发电机中的性能	NA	NA	摩擦纳米发电机技术	深度学习模型	运动监测数据	NA	NA	NA	开路电压, 功率密度, 灵敏度, 运动检测准确率	NA
2382	2026-01-19	Benchmarking Machine Learning Algorithms for Microbial Electromethanogenesis: A Comprehensive Assessment with SHapley Additive exPlanation-Based Insights 2026-Jan-12, ACS sustainable chemistry & engineering IF:7.1Q1 DOI:10.1021/acssuschemeng.5c09770 PMID:41541636	研究论文	本文系统比较了七种监督机器学习算法在微生物电产甲烷过程中的预测性能，并利用SHAP进行特征重要性分析	首次将1D-CNN应用于微生物电产甲烷的预测，并结合SHAP解释模型以揭示影响生物甲烷生产的关键因素	未提及模型在外部验证集上的泛化能力或数据集的规模限制	评估机器学习算法在预测微生物电产甲烷性能方面的能力，并提供机制性见解	微生物电产甲烷生物电化学系统	机器学习	NA	实验数据收集	1D-CNN, MLP, GBR, AdaBoost, stacking regressors, kNN	数值数据（操作参数）	NA	NA	1D-CNN	R²	NA
2383	2026-01-19	A comparative study of loss functions and attention mechanisms in landslide semantic segmentation using U-Net 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31789-2 PMID:41501220	研究论文	本研究通过比较不同损失函数和注意力机制，探索了基于U-Net的滑坡语义分割方法，利用多模态数据提升滑坡检测性能	在U-Net基线模型中引入注意力机制以优化像素级预测，并系统评估多种损失函数对性能的影响	研究仅使用单一数据集（Bijie滑坡数据集），未在其他地理区域或不同分辨率数据上进行验证	改进滑坡检测的识别精度和分割性能	滑坡区域	计算机视觉	NA	卫星影像分析，数字高程模型（DEM）	CNN	图像，多模态数据（卫星图像、DEM数据、真实掩码）	Bijie滑坡数据集（具体样本数量未说明）	NA	U-Net	精确率，召回率，F1分数，准确率，平均交并比（mIoU），曲线下面积（AUC）	NA
2384	2026-01-19	Artificial intelligence in mitotic checkpoint modeling: transforming our understanding of cellular division through machine learning and predictive biology 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf729 PMID:41537307	综述	本文综述了人工智能在细胞有丝分裂检查点建模中的应用，通过机器学习和预测生物学方法，改变了我们对细胞分裂的理解	利用Transformer架构预测纺锤体组装检查点参与度准确率超过95%，图神经网络在亚像素分辨率解码动粒-微管动力学，以及混合AI-机制模型揭示隐藏反馈回路	NA	通过人工智能方法，提升对有丝分裂检查点复杂非线性动力学的理解，并推动其在癌症等增殖性疾病精准医疗中的应用	细胞有丝分裂检查点网络，包括纺锤体组装检查点和动粒-微管动力学	机器学习和预测生物学	癌症等增殖性疾病	多组学数据整合	Transformer, 图神经网络, 混合AI-机制模型	多组学数据	NA	NA	Transformer, 图神经网络	准确率	NA
2385	2026-01-19	DynaRepo: the repository of macromolecular conformational dynamics 2026-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1130 PMID:41231767	研究论文	本文介绍了DynaRepo，一个包含约450个复合物和约270个单链蛋白质的分子构象动力学数据库，旨在支持基于动力学的深度学习研究	通过整合PDBbind、SAbDab和基准数据集，提供大规模分子动力学模拟数据，弥补了静态结构研究方法的不足，为动态行为分析提供了数据基础	NA	构建一个用于研究大分子构象动力学的数据库，以支持数据驱动的深度学习框架开发	蛋白质、RNA和DNA及其复合物，包括抗体-抗原识别、内在无序蛋白质和蛋白质-核酸结合等动态相互作用	计算生物学	NA	分子动力学模拟	NA	分子动力学模拟数据	约450个复合物和约270个单链蛋白质，每个复合物进行三次500纳秒模拟，总计超过1100微秒数据	NA	NA	NA	NA
2386	2026-01-19	Automated detection of chewing movements in videofluoroscopic swallowing studies using deep learning for landmark detection and motion analysis 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111361 PMID:41330067	研究论文	本研究提出首个全自动分析视频荧光吞咽研究中咀嚼相关下颌运动的流程	首次开发了用于视频荧光吞咽研究中咀嚼运动自动检测的全流程系统，整合了关键解剖点检测、视频分割和运动分类三个模块	未明确提及具体的数据集规模限制或算法在特定人群中的泛化性能	开发自动化工具以评估咀嚼功能，并支持将咀嚼分析整合到标准临床协议中	健康参与者和吞咽困难患者的视频荧光吞咽研究数据	计算机视觉	吞咽障碍	视频荧光吞咽研究	深度学习	视频	来自多项临床研究的数据集，包含健康参与者和吞咽困难患者	NA	NA	NA	NA
2387	2026-01-19	Clinical decisions in Orthodontics using x-ray-based images and artificial intelligence approaches: a scoping review 2026, Dental press journal of orthodontics DOI:10.1590/2177-6709.30.4.e2524219.oar PMID:41538502	综述	本文是一篇范围综述，探讨了基于X射线图像和人工智能方法在正畸临床决策中的应用	系统性地回顾了AI在正畸诊断和治疗规划中的应用，特别是聚焦于X射线成像，并识别了AI在颞下颌关节骨关节炎、骨骼成熟度分类、阻塞性睡眠呼吸暂停和正颌手术需求等关键领域的最佳应用	仅纳入了截至2021年10月的英文文献，可能遗漏了最新研究或非英语文献	审查AI模型何时能增强正畸诊断和治疗规划中的临床决策过程	正畸领域的临床决策，特别是基于X射线图像的诊断和治疗规划	计算机视觉	正畸相关疾病	X射线成像	深度学习	X射线图像	NA	NA	NA	NA	NA
2388	2026-01-18	Bathymetry of the Philippine sea with convolution neural network from multisource marine geodetic data 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114285 PMID:41541674	研究论文	本研究开发了一种基于深度学习的菲律宾海高分辨率水深预测方法，旨在利用多源海洋大地测量数据提高海底深度估计的准确性	通过整合多种辅助特征（如重力异常、海底坡度等）并采用卷积神经网络，显著提升了水深预测的精度，展示了深度学习在大规模、低成本海底测绘中的潜力	NA	提高菲律宾海高分辨率水深预测的准确性	菲律宾海的海底深度	计算机视觉	NA	多源海洋大地测量数据整合	CNN	地理坐标与多源地球物理数据	基于8×8弧分区域提取的训练点数据	NA	卷积神经网络	预测精度	NA
2389	2026-01-18	Learning-Based Multi-View Stereo: A Survey 2026-Jan-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654665 PMID:41543950	综述	本文对基于学习的多视图立体视觉（MVS）方法进行了全面综述	系统性地将基于学习的MVS方法分类为基于深度图、基于体素、基于NeRF、基于3D高斯泼溅和大规模前馈方法，并重点分析了主流方法	作为综述文章，不涉及具体实验验证，主要依赖现有文献和基准测试结果	综述基于学习的多视图立体视觉方法的研究进展、性能比较和未来方向	多视图立体视觉算法及其在3D重建中的应用	计算机视觉	NA	多视图立体视觉	深度学习	多视角图像	NA	NA	NA	基准测试性能	NA
2390	2026-01-18	Institution-specific pre-treatment quality assurance control and specification limits: a tool to implement a new formalism and criteria optimization using statistical process control and heuristic methods 2026-Jan-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae399f PMID:41544384	研究论文	本研究开发了一种基于统计过程控制和启发式方法的新形式化工具，用于优化VMAT预治疗质量保证的控制和规格限	提出了一种结合统计过程控制与启发式方法的新形式化框架，用于确定机构特定的控制和规格限，并开发了开源软件工具以促进临床实施	研究基于回顾性数据，可能未涵盖所有临床场景；高复杂度计划的严格标准临床可接受性需进一步验证	优化VMAT预治疗质量保证流程，通过建立机构特定的控制和规格限来提高计划复杂度的管理效率	350个VMAT治疗计划，涵盖脑部、前列腺、盆腔和头颈部等不同复杂度的治疗部位	医学物理与放射治疗	NA	VMAT预治疗质量保证，伽马指数分析	NA	放射治疗计划数据	350个VMAT计划	自定义软件（基于统计过程控制和启发式方法）	NA	伽马指数通过率，平均伽马指数	NA
2391	2026-01-18	Joint processing technology of laser radar and optical image for power distribution 2026-Jan-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31565-2 PMID:41530215	研究论文	本文提出了一种结合激光雷达和光学图像的多模态深度特征混合深度学习模型，用于配电网络中的故障识别与定位	创新点在于整合了激光雷达、光学图像和传感器数据，并采用卡尔曼滤波增强特征融合，结合决策树优化分类结果，实现了高精度和低计算复杂度的故障管理	NA	研究目的是提高配电网络中故障识别与定位的准确性和效率	研究对象是配电网络中的故障	机器学习	NA	激光雷达、光学成像	深度学习	图像、传感器数据	NA	Python	多模态深度特征混合深度学习模型	准确率、精确率、召回率、F1分数、推理时间	NA
2392	2026-01-18	Single-shot matrix-matrix photonic processor based on spatial-spectral hypermultiplexed parallel diffraction 2026-Jan-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68452-x PMID:41530160	研究论文	本文介绍了一种基于空间-光谱超多路复用的并行衍射单次矩阵-矩阵光子处理器，用于高效光学计算	提出了一种空间-波长-时间超多路复用的光学神经网络处理器，支持高三维数据、高O(N)计算并行性，并实现了大规模单次矩阵-矩阵乘法	未在摘要中明确提及	开发高速、高能效的大规模光学计算硬件，以加速卷积神经网络和深度神经网络	光学神经网络处理器及其在图像识别中的应用	机器学习	NA	并行衍射光束路由	CNN, DNN	图像	NA	NA	NA	分类准确率	NA
2393	2026-01-18	Improving rectal tumor segmentation with anomaly fusion derived from anatomical inpainting: a multicenter study 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14265-9 PMID:41530192	研究论文	本研究通过引入基于解剖修复的异常图融合，改进了直肠肿瘤的MRI分割，并在多中心数据集上验证了其有效性	提出了一种利用解剖修复生成异常图的方法，并将其作为额外输入通道融合到肿瘤分割任务中，以提高分割精度和模型鲁棒性	研究主要基于T2加权图像，未探索其他MRI序列或模态，且异常图的生成依赖于特定训练数据	改进直肠肿瘤的自动分割精度，并增强模型在多中心数据上的泛化能力	直肠肿瘤区域及其周围的直肠解剖结构（如直肠和直肠系膜）	数字病理	直肠癌	磁共振成像（MRI），具体为T2加权成像（T2WI）	U-Net, nnUNet	图像	705例术前T2WI多中心数据集	NA	U-Net, nnUNet	NA	NA
2394	2026-01-18	An online forecasting-based fine-tuning pipeline for time-series anomaly prediction 2026-Jan-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108568 PMID:41544494	研究论文	本文提出了一种基于在线预测的微调管道，用于时间序列异常预测，旨在同时预测异常的发生和演变	引入了时间序列异常预测（TSAP）概念，提出了一种新颖的基于示例的预训练和微调管道，无需依赖真实标签数据	未明确说明在极端或罕见异常模式下的泛化能力，以及计算复杂度可能较高	解决现有方法无法预测未来异常的问题，专注于时间序列异常预测任务	时间序列数据	机器学习	NA	在线时间序列预测技术	深度学习模型	时间序列数据	NA	NA	NA	F1分数，均方误差（MSE）	NA
2395	2026-01-18	Drug-target Affinity Prediction Based on Graph Transformer and Selfattention Mechanism Kinase-specific Drug-target Affinity Prediction with Graph Transformer and Self-Attention Fusion 2026-Jan-08, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099414256251122113126 PMID:41540516	研究论文	本研究提出了一种基于图Transformer和自注意力机制的新型深度学习框架GTDDTA，用于预测激酶特异性药物-靶标结合亲和力	首次将图Transformer与自注意力解码器结合，用于捕获药物和靶标图的全局拓扑依赖关系并动态加权关键相互作用特征，在激酶特异性DTA预测中实现了最先进的性能	2D图描述符无法编码立体化学信息（影响Davis数据集中32%的手性配体），显著增加了新支架的预测误差，且模型在化学空间泛化方面存在限制	解决激酶靶向药物-靶标结合亲和力预测中的特征整合不足和立体化学表示限制问题	激酶抑制剂药物分子及其靶标蛋白质	机器学习	NA	图结构转换（RDKit）、蛋白质接触图构建（Biopython、Pconsc4预测）	图Transformer、自注意力机制	图结构数据（药物分子图、蛋白质接触图）	激酶特异性数据集（Davis和KIBA），采用五折交叉验证	NA	图Transformer层、自注意力解码器	MSE, CI, Pearson相关系数, r²m	NA
2396	2026-01-18	Simulation-based inference with deep learning suggests speed climbers combine innovation and copying to improve performance 2026-Jan-07, Proceedings. Biological sciences DOI:10.1098/rspb.2025.1433 PMID:41537974	研究论文	本研究使用基于模拟的推断和深度学习，分析了速度攀岩运动中运动员如何结合创新与模仿来提升表现	首次将基于模拟的推断和基于智能体的模型应用于速度攀岩领域，量化了创新与模仿在运动表现演化中的相对贡献	模型可能未完全捕捉影响攀岩表现的所有因素，如运动员的心理状态和训练方法	探究速度攀岩运动中文化累积演化过程，特别是创新与模仿策略对表现提升的作用	速度攀岩运动员在标准化路线上的表现数据	机器学习	NA	基于模拟的推断，基于智能体的建模	深度学习模型	时间序列数据（比赛成绩），路线序列数据	2007年至2019年共12年的比赛时间数据，以及2012年至2019年世界锦标赛的真实路线序列	NA	NA	NA	NA
2397	2026-01-18	MegaPlantTF: a machine learning framework for comprehensive identification and classification of plant transcription factors 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf678 PMID:41450215	研究论文	本文提出了一个名为MegaPlantTF的机器学习框架，用于植物转录因子的全面识别和家族级分类	首个结合k-mer蛋白质表示、深度前馈神经网络和堆叠集成分类器的两阶段架构，为大规模植物转录因子识别与分类提供了统一且可复现的框架	未明确说明框架在跨物种泛化能力或处理极罕见转录因子家族时的具体限制	开发一个高性能的机器学习框架，以解决植物转录因子检测和分类的挑战	植物转录因子	机器学习	NA	k-mer蛋白质表示	深度前馈神经网络, 集成分类器	蛋白质序列数据	NA	NA	深度前馈神经网络, 堆叠集成	准确率, 精确率, 微平均, 宏平均, 加权平均	NA
2398	2026-01-18	Predicting Immunotherapy Outcomes in NSCLC Using RNA and Pathology from Multicenter Clinical Trials 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502037 PMID:41159493	研究论文	本研究开发了一个名为LIRA的基于RNA的模型，用于预测非小细胞肺癌患者的免疫治疗结果，并整合了病理图像分析	开发了新的多组学预测模型LIRA，其预测性能优于PD-L1表达和肿瘤突变负荷，并能识别与免疫治疗结果相关的关键基因（如LRP8和HDAC4）及病理图像中的关键区域	研究基于回顾性多中心临床试验数据，未来需要在前瞻性研究中进一步验证	预测非小细胞肺癌患者对免疫治疗的响应，识别可能无法获益的患者并探索联合治疗策略	晚期非小细胞肺癌患者	数字病理学	肺癌	bulk RNA-seq, scRNA-seq	随机森林, 深度学习模型	转录组数据, 全切片病理图像	1127名晚期NSCLC患者（来自OAK、POPLAR、ORIENT-11多中心随机临床试验及内部队列）	NA	NA	风险比, 95%置信区间	NA
2399	2026-01-18	Super Time-Resolved Tomography 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511933 PMID:41164925	研究论文	本文介绍了一种名为超时间分辨断层扫描（STRT）的新方法，旨在通过深度学习算法提升X射线断层扫描的时间分辨率	STRT利用4D深度学习重建算法，从显著减少的角范围（几度）中重建高保真3D图像，相比传统断层扫描的0-180°，时间分辨率提升至少一个数量级	未在摘要中明确提及具体限制	提升X射线时间分辨断层扫描（断层摄影术）的时间分辨率，以支持原位和操作中的4D表征	液滴碰撞模拟和增材制造过程	计算机视觉	NA	X射线时间分辨断层扫描（断层摄影术）	深度学习	X射线断层扫描图像	NA	NA	NA	NA	NA
2400	2026-01-18	BoneVisionNet: A deep learning approach for the classification of bone tumours from radiographs using a triple fusion attention network of transformer and CNNs with XAI visualizations 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102668 PMID:41325667	研究论文	本文提出了一种名为BoneVisionNet的深度学习架构，用于从X射线图像中自动分类骨肿瘤	首次应用三重融合注意力网络（结合Transformer和CNN）进行骨肿瘤分类，并集成了XAI可视化技术以增强模型决策的透明度	NA	开发一个准确且自动化的深度学习模型，以辅助医疗专业人员诊断骨肿瘤	骨肿瘤的X射线图像	计算机视觉	骨肿瘤	X射线成像	CNN, Transformer	图像	BTXRD数据集	NA	Convolution-Enhanced Image Transformer, Global Context Block, Attention Boosted Mid-Level Feature Extraction Network, DenseNet-169, Efficient Channel Attention	准确率	NA