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
821	2026-02-09	Deep learning-based classification of thyroid nodules using uncertainty-aware multi-modal ultrasound imaging 2026-Jan-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35965-w PMID:41526676	研究论文	本研究提出了一种基于深度学习的甲状腺结节分类方法，通过结合多模态超声成像和不确定性感知融合策略，提高了分类性能	首次在甲状腺结节分类中应用定制的自注意力机制，并引入患者级别的不确定性感知融合策略，选择性整合不同模态的预测结果	样本量相对有限（506个结节），且未明确说明模型在其他数据集上的泛化能力	提高甲状腺结节的分类准确性，以辅助甲状腺癌的及时诊断	甲状腺结节	计算机视觉	甲状腺癌	多模态超声成像（B-mode、彩色多普勒、剪切波弹性成像）	CNN	图像	506个甲状腺结节（来自422名受试者）	NA	MobileNetV2	准确率, 灵敏度, AUC, 特异性, F1分数	NA
822	2026-01-11	Hybrid deep learning and RSM modeling of diesel engine performance using TiO2 doped butanol and waste plastic oil blends 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35126-z PMID:41513713	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
823	2026-02-09	Cross-species prediction of histone modifications in plants via deep learning 2026-Jan-09, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03929-4 PMID:41514301	研究论文	本研究通过深度学习模型评估植物中组蛋白修饰的跨物种预测能力，并开发了一个易于使用的基因组范围染色质信号预测流程	首次系统评估深度学习模型在植物中预测组蛋白修饰的跨物种泛化能力，并构建了基于系统发育信息的家族级模型以提高对新植物基因组的适应性	跨家族模型的预测结果一致性较低，仅在具有保守调控特征的物种中表现可靠，且模型在单子叶植物和双子叶植物间的可迁移性有限	评估深度学习模型预测植物组蛋白修饰的跨物种泛化能力，并开发适用于非模式及重要农业植物的功能注释计算策略	拟南芥、水稻和玉米的组蛋白修饰	机器学习	NA	ChIP-seq	深度学习模型	DNA序列	拟南芥、水稻和玉米三个物种的数据	NA	Sei	NA	NA
824	2026-02-09	Global and local integrated gradient-based diffusion model for de novo drug design 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag033 PMID:41642194	研究论文	本文提出了一种基于全局和局部集成梯度的扩散模型（GlintDM），用于从头药物设计，以优化结合亲和力和药物样性质	引入了跳过过渡的快速去噪过程，结合全局和局部梯度，并在分子生成过程中执行位置细化、候选评估和配体重采样三个阶段	未明确提及具体计算成本或模型泛化能力的限制	开发一种高效的深度学习模型，用于生成具有高结合亲和力和良好药物样性质的分子	药物样分子	机器学习	NA	扩散模型	扩散模型	分子数据	基于CrossDocked和Binding MOAD数据集，具体样本数未提及	NA	GlintDM	Vina相关分数，PoseBusters测试，立体冲突和几何性质评估	NA
825	2026-02-09	Deep learning models to map osteocyte networks from confocal microscopy can successfully distinguish between young and aged bone 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013914 PMID:41592113	研究论文	本研究应用深度学习模型自动分割和测量骨细胞网络，以区分年轻和年老小鼠的骨骼	首次将深度学习与计算机视觉技术应用于骨细胞连接组学的自动分割与测量，显著提高了分析效率与准确性	模型对树突状突起的分割准确率较低（42.1%），仍需进一步优化训练以提高性能	开发自动化工具以高效分析骨细胞网络结构，并研究其与衰老的关系	小鼠骨骼中的骨细胞及其树突状网络	计算机视觉	老年疾病	共聚焦显微镜成像	CNN, Transformer	图像	年轻（2月龄）和年老（36月龄）小鼠的骨骼样本	未明确说明	U-Net, Vision Transformer, Attention U-Net	分割准确率（骨细胞81.8%，树突状突起42.1%）	未明确说明
826	2026-02-09	A hybrid feature extraction framework combining PCA and mutual information for gene expression based lung cancer classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342160 PMID:41642802	研究论文	本研究提出了一种结合主成分分析和互信息的混合特征提取框架，用于基于基因表达数据的肺癌分类	提出了一种结合PCA降维和MI特征选择的混合框架，并整合了深度学习和蛋白质-蛋白质相互作用网络分析以增强生物可解释性	未明确提及，但可能包括对特定数据集的依赖以及框架在其他癌症类型或数据模态上的泛化能力	开发一个鲁棒的框架以应对高维基因表达数据在肺癌分类中的挑战，并提高诊断准确性	肺癌患者的基因表达数据	机器学习	肺癌	基因表达分析	CNN	基因表达数据	整合自TCGA和ICGC的数据集，聚焦于共有基因	未明确提及，但CNN训练通常使用TensorFlow或PyTorch	未指定具体CNN架构	准确率, 精确率	NA
827	2026-02-09	Foundations of Artificial Intelligence in Hepatology: What a Clinician Needs to Know 2026 Jan-Feb, Journal of clinical and experimental hepatology IF:3.3Q2 DOI:10.1016/j.jceh.2025.103183 PMID:41048886	综述	本文综述了人工智能在肝病学中的基础知识，探讨了AI如何利用大规模临床数据变革肝病的诊断、风险评估、预后和管理	强调AI通过识别高维数据中的复杂非线性模式来最大化预测准确性，并描述了促进临床医生参与AI全生命周期的在线资源，确保其不仅是终端用户，还能参与开发和部署	AI模型通常以可解释性为代价，且成功整合到常规护理中面临挑战，包括与现有电子健康记录的无缝工作流集成、明确的责任框架建立以及患者隐私保护	为临床医生提供肝病学中人工智能的基础知识，以理解其变革能力、当前应用、新兴前沿及关键实施考量	肝病学领域，特别是肝病的诊断、风险评估、预后和管理	机器学习	肝病	NA	NA	大规模临床数据，包括纵向实验室结果、合并症、联合用药、患者报告结果、基因组数据和实时肝功能监测数据	NA	NA	NA	NA	NA
828	2026-02-09	Deep Learning-Based Image Quality Enhancement Combining Denoising and Super-Resolution for Fat-Suppressed T2-Weighted Breast MRI: A Qualitative and Quantitative Evaluation 2026-Jan, Cureus DOI:10.7759/cureus.100771 PMID:41646591	研究论文	本研究评估了一种结合去噪和超分辨率的商业深度学习重建方法在脂肪抑制T2加权乳腺MRI中的图像质量增强效果	首次在乳腺MRI中评估了结合去噪和超分辨率的深度学习重建方法对图像质量的固有影响，并与传统重建方法进行对比	研究为回顾性设计，样本量较小（49例），且伪影评估的读者间一致性仅为中等	评估深度学习重建方法在脂肪抑制T2加权乳腺MRI中提升图像质量的潜力	49名接受3-T乳腺MRI检查的女性患者	医学影像分析	乳腺癌	脂肪抑制T2加权乳腺MRI	深度学习重建模型	MRI图像	49例患者，其中44例可用于定量分析	NA	NA	信噪比, 对比度比, 定性评分（对比度、噪声、乳腺实质显示、信号均匀性、伪影）	NA
829	2026-02-09	Semiautomated breast ultrasound report generation using multimodal large language models and deep learning 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1679203 PMID:41647521	研究论文	本研究提出了一种结合多模态大语言模型和深度学习的新型框架，用于半自动化生成乳腺超声报告	通过整合放射科医师标注、先进图像分类和结构化报告编译，桥接了手动与全自动工作流之间的差距，实现了设备自适应的报告生成	回顾性收集数据，样本量有限（60例标注病例），未在更大规模前瞻性数据中验证	开发半自动化乳腺超声报告生成系统，以减轻放射科医师工作负担并提高效率	乳腺超声弹性成像图像及患者病例	数字病理学	乳腺癌	超声弹性成像（剪切波、应变、多普勒成像）	深度学习, 大语言模型	图像	2,119张弹性成像图像和60例标注患者病例	NA	NA	AUC（受试者工作特征曲线下面积）, 敏感性	NA
830	2026-02-09	Data tells the truth: A Knowledge distillation method for genomic survival analysis by handling censoring 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.06.016 PMID:41647535	研究论文	提出一种基于知识蒸馏的基因组生存分析方法，通过处理删失数据提高癌症生存预测准确性	利用未删失数据进行知识蒸馏来校正删失数据的监督偏差，首次将知识蒸馏技术系统性地应用于基因组生存分析的删失数据处理	仅基于TCGA数据集进行验证，未在更多外部独立队列或多组学数据中进行广泛测试	解决生存分析中删失数据处理难题，提高癌症生存预测的准确性和临床相关性	癌症患者的基因组数据和生存时间数据	机器学习	癌症	基因组测序	深度学习模型	基因组数据, 生存数据	TCGA数据集中19个癌症部位的样本	未指定	未指定	预测准确性	未指定
831	2026-02-09	Harnessing multi-omics and machine learning for predicting immune checkpoint blockade responses: Advances, challenges, and future directions 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.08.009 PMID:41647536	综述	本文综述了如何利用多组学数据和机器学习/深度学习模型来预测免疫检查点阻断疗法的疗效，并探讨了其进展、挑战和未来方向	系统性地整合了临床、基因组、放射组学和转录组学等多组学数据，并应用人工智能模型进行患者分层预测，体现了基础研究与临床应用的结合	NA	优化免疫检查点阻断疗法的患者分层，提高治疗反应的预测精度	接受免疫检查点阻断治疗的癌症患者	机器学习	癌症	多组学数据整合（临床、基因组、放射组学、转录组学）	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
832	2026-02-09	Multiple conformational states assembly of multidomain proteins using evolutionary algorithm based on structural analogues and sequential homologues 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.05.003 PMID:41647552	研究论文	本研究开发了一种名为M-SADA的多域蛋白质组装方法，用于组装多个构象状态	提出了一种基于多群体进化算法的方法，结合同源和类似模板以及深度学习预测的域间距离来采样多个构象状态	未明确提及	准确建模多域蛋白质的全链结构，特别是具有多个构象状态的结构	多域蛋白质	机器学习	NA	深度学习	NA	蛋白质结构数据	72个具有多个构象状态的多域蛋白质和296个具有单个构象状态的多域蛋白质	NA	NA	TM-score	NA
833	2026-02-09	Application of artificial intelligence in life science: Historical review and future perspectives 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.10.014 PMID:41647562	综述	本文回顾了人工智能在生命科学中的应用历史，并通过文献计量分析评估了AI方法的特点、贡献和变化，同时讨论了未来挑战	通过文献计量分析系统评估AI在生命科学中的历史贡献与变化，并展望未来发展方向	作为综述文章，未涉及具体实验数据或模型验证	总结人工智能在生命科学领域的历史应用并展望未来趋势	生命科学数据与人工智能方法	生物信息学	NA	文献计量分析	深度学习算法, Transformer神经网络	生命科学数据	NA	NA	NA	NA	NA
834	2026-02-09	MULGONET: An interpretable neural network framework to integrate multi-omics data for cancer recurrence prediction and biomarker discovery 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.01.004 PMID:41647565	研究论文	提出一种名为MULGONET的新型端到端深度学习框架，用于整合多组学数据以预测癌症复发并发现生物标志物	有效解决了多组学数据整合中的维度灾难和模型可解释性不足问题，并探索了基因与GO术语之间的相互作用和调控关系	NA	通过整合多组学数据来更好地理解肿瘤发生机制并预测癌症复发	膀胱癌、胰腺癌和胃癌的多组学数据	机器学习	癌症	多组学数据整合	神经网络	多组学数据	NA	NA	MULGONET	AUPR	NA
835	2026-02-09	Jumping in the human brain: A review on somatic transposition 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.03.001 PMID:41647578	综述	本文综述了人类大脑中体细胞转座（“跳跃基因”）的研究现状，包括其功能、检测挑战及方法学进展	系统梳理了体细胞转座率估计的广泛变异性和方法学挑战，并指出单细胞基因组扩增与深度学习软件结合是未来突破的关键方向	现有研究对体细胞转座的功能认知仍有限，且检测方法易受人工嵌合体和多拷贝特性影响导致假阳性/假阴性结果	综述人类大脑体细胞转座研究的最新进展，探讨其功能意义与检测方法学	人类大脑中的转座元件（跳跃基因）	NA	NA	单细胞基因组扩增技术	深度学习	基因组数据	NA	NA	NA	NA	NA
836	2026-02-08	Deep Learning-Based Eye Rubbing Detection Using Wrist-Based Wearable Devices to Enable Rigorous Study of Risk Factors for Ectasia Progression 2026-Jan-29, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004113 PMID:41649853	研究论文	本研究开发并验证了一种基于人工智能的揉眼检测工具，利用腕戴式可穿戴设备收集的传感器数据	首次结合腕戴式可穿戴设备和深度学习技术，开发实时揉眼检测系统，用于研究角膜扩张症的风险因素	样本量较小（20名受试者），且未在更广泛人群中进行外部验证	开发一种可靠的揉眼检测工具，以支持眼科医生和研究人员研究揉眼行为与角膜扩张症发展及进展的关系	揉眼行为	机器学习	角膜扩张症	传感器数据采集	CNN, LSTM	时间序列数据, 图像数据	20名受试者，包含8640条时间序列记录和112,320张图像	NA	1D CNN-LSTM, 2D CNN-LSTM, 集成模型	F1分数, AUC	NA
837	2026-02-08	Deep learning-based imaging model to predict early hematoma enlargement and hospital mortality in spontaneous intracerebral hemorrhage 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115504 PMID:41640706	研究论文	本研究开发了一种基于深度学习的成像模型，用于预测自发性脑出血患者的早期血肿扩大和院内死亡率	结合手工放射组学特征和深度学习提取的特征，通过临床-放射学整合模型，提高了对脑出血患者早期血肿扩大和院内死亡率的预测性能	研究为回顾性设计，样本量相对较小（322例患者），且仅针对基底节区脑出血患者，可能限制了结果的普适性	评估和验证基于非增强CT的放射组学和深度学习特征对自发性脑出血患者早期血肿扩大和院内死亡率的预测能力	自发性脑出血患者，特别是基底节区出血的患者	数字病理学	脑出血	非增强CT成像	CNN, SVM	医学图像	322例患者（训练集225例，测试集97例）	NA	预训练的卷积神经网络	AUC, 准确率, 敏感性, 特异性	NA
838	2026-02-08	Magnetic resonance imaging-based deep-learning radiomics score for survival prediction and risk stratification in pediatric hepatoblastoma receiving surgical resection 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115503 PMID:41640707	研究论文	本研究开发了一种基于磁共振成像的深度学习放射组学评分，用于预测接受手术切除的儿童肝母细胞瘤患者的无事件生存期和风险分层	结合深度学习提取的放射组学特征与临床病理变量，构建了集成临床-深度学习列线图模型，首次在儿童肝母细胞瘤中应用深度学习放射组学评分进行生存预测和风险分层	研究为回顾性设计，样本量较小（106例患者），且仅来自两家医院，可能存在选择偏倚	预测早期肝母细胞瘤患者手术切除后的无事件生存期，并识别高风险患者以指导术前新辅助化疗	接受手术切除的儿童肝母细胞瘤患者	数字病理学	肝母细胞瘤	磁共振成像	深度学习	图像	106例患者（训练队列74例，测试队列32例）	NA	NA	预后能力, 校准能力, 预测误差	NA
839	2026-01-21	Deep learning based prediction of RNA 5hmC modifications using composite feature representations and comparative benchmarking with transformer models 2026-Jan-19, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00517-x PMID:41555424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
840	2026-02-08	A MultiRater MultiOrgan Abdominal CT Dataset for Calibration Analysis and Uncertainty Modeling in Segmentation 2026-Jan-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06473-9 PMID:41513702	研究论文	本文介绍了一个用于分割校准分析和不确定性建模的多标注者多器官腹部CT数据集，并基于此数据集进行了定量分析	提出了CURVAS挑战，首次联合评估不确定性、校准和分割质量，并考虑标注变异性以评估器官体积，促进临床相关性	数据集仅包含90个对比增强CT扫描，且胰腺分割仍具挑战性，标注一致性较低，需要改进标注协议和训练策略	解决医学影像中深度学习模型在分割模糊结构时的校准和不确定性量化问题，以提高临床决策的可靠性	腹部CT扫描中的胰腺、肝脏和肾脏分割	数字病理学	NA	对比增强CT扫描	NA	图像	90个对比增强CT扫描	NA	NA	NA	NA