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
901	2026-01-26	Forecasting and Early Warning Systems for Dengue Outbreaks: Updated Narrative Review 2026, Revista da Sociedade Brasileira de Medicina Tropical IF:1.8Q3 DOI:10.1590/0037-8682-0429-2025 PMID:41563269	综述	本文对登革热疫情预测与预警系统进行了更新性叙事综述，重点分析了其方法学、变量、关键发现及现有文献中的不足	通过五阶段系统化方法（文献调查、主题范围定义、探索性综述、发现系统化分类、批判性分析与比较叙事综合），综合评估了预测模型与预警系统，特别关注了巴西等国的应用案例，并对比了不同系统的优劣	数据质量与可用性、模型在不同情境下的可复现性以及在公共卫生系统中的实际实施仍面临挑战	评估登革热疫情预测与预警系统的现状、方法及效果	登革热疫情预测模型与预警系统	机器学习	登革热	统计模型、机器学习、深度学习	Random Forest, LSTM	气象与气候变量、流行病学数据、昆虫学数据	NA	NA	NA	NA	NA
902	2026-01-26	A wearable monitoring system for running gait analysis by diffusion transformer 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341066 PMID:41576002	研究论文	本研究提出了一种基于扩散变换器（DiT）的可穿戴监测系统，用于跑步步态分析，通过多传感器数据融合和深度学习架构实现高精度跑步姿态识别和实时运动监测	将扩散变换器（DiT）与长短期记忆网络（LSTM）结合，构建了DiT-LSTM跑步姿态识别模型，并在多传感器数据融合和自适应滤波算法的基础上，实现了高精度和实时的跑步步态分析	NA	开发一种高精度、实时性的可穿戴监测系统，用于跑步步态分析、运动健康监测和损伤预防	跑步姿态数据，通过九轴MEMS惯性传感器和超宽带（UWB）定位模块采集	机器学习	NA	多传感器数据融合，自适应滤波算法，深度学习	DiT, LSTM	传感器数据（惯性传感器和UWB定位数据）	Human3.6M数据集和HumanEva数据集	NA	DiT-LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
903	2026-01-26	DualSightNet: A novel dual architecture for visual quality control of railway infrastructure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340789 PMID:41576054	研究论文	本研究提出了一种名为DualSightNet的新型混合架构，用于铁路轨道表面缺陷的视觉质量控制	首次结合局部和全局特征提取，通过基于门控的融合机制，并利用注意力模块增强融合表示，实现了更稳健的多类缺陷识别	未明确提及	开发并稳健验证一个能够可靠分类广泛安全关键性铁路表面缺陷的深度学习模型	铁路轨道表面缺陷	计算机视觉	NA	深度学习	混合架构	图像	5,153张图像，覆盖七种缺陷类型	NA	DualSightNet	平衡准确率	NA
904	2026-01-25	ViralBindPredict: Empowering Viral Protein-Ligand Binding Sites through Deep Learning and Protein Sequence-Derived Insights 2026-Jan-24, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	本文介绍了一个名为ViralBindPredict的深度学习框架，用于直接从蛋白质序列预测病毒蛋白-配体结合位点，并创建了首个大规模、泄漏控制的病毒蛋白-配体相互作用基准数据集	首次提出了直接从蛋白质序列预测病毒蛋白-配体结合位点的深度学习框架，并引入了首个经过精心策划、泄漏控制的大规模病毒蛋白-配体相互作用基准数据集	对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文在泛化中占主导地位，可能限制了在新蛋白质上的预测准确性	加速抗病毒药物发现过程，支持快速靶点优先排序、化合物再利用和新药设计	病毒蛋白-配体相互作用，涉及超过10,000个病毒链和约13,000个相互作用	机器学习	病毒性疾病	深度学习，蛋白质序列嵌入	多层感知机	蛋白质序列，配体描述符	超过10,000个病毒链和约13,000个相互作用	NA	多层感知机	精确率-召回率	NA
905	2026-01-25	Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease 2026-Jan-24, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01945-9 PMID:41579320	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
906	2026-01-25	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-Jan-23, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology IF:6.1Q1 DOI:10.1002/uog.70168 PMID:41575808	研究论文	本研究利用深度学习模型分析三维超声体积图像，评估早发性胎儿生长受限（FGR）中的胎儿大脑成熟度，并探讨其与新生儿并发症风险的关系	首次使用基于最优发育队列训练的深度学习模型，通过三维超声体积图像量化早发性FGR胎儿的大脑成熟延迟，并将其与临床结局相关联	单中心、样本量较小（n=43），仅纳入孕周<29周的胎儿，可能限制了结果的普遍性	评估早发性胎儿生长受限（FGR）中胎儿大脑成熟度，并探索其作为累积宫内应激标志物与新生儿并发症风险的关系	早发性胎儿生长受限（FGR）的胎儿	数字病理学	胎儿生长受限	三维（3D）超声	深度学习模型	三维（3D）超声体积图像	43例生长受限胎儿（其中13例为脑保护型FGR）的高质量三维超声扫描数据	NA	NA	估计孕周与实际孕周的平均差异（ΔGA，以天为单位），相关系数（r），P值	NA
907	2026-01-25	Machine Learning Approach Enables Highly Accurate Identification of At-Risk Metabolic Dysfunction-Associated Steatohepatitis 2026-Jan-23, Hepatology research : the official journal of the Japan Society of Hepatology IF:3.9Q1 DOI:10.1111/hepr.70125 PMID:41575840	研究论文	本研究开发了一种基于随机森林的机器学习模型，用于仅使用七个常规临床参数准确识别高危代谢功能障碍相关脂肪性肝炎	提出了一种无需肝脏硬度测量的简单机器学习模型，在识别高危MASH方面表现出高准确性，优于现有非侵入性方法	研究基于特定多中心队列，可能在不同人群或医疗环境中的普适性有限	开发一种无需肝脏硬度测量的机器学习模型，以准确识别高危代谢功能障碍相关脂肪性肝炎	884名经组织学确认的代谢功能障碍相关脂肪性肝病患者	机器学习	代谢功能障碍相关脂肪性肝炎	机器学习算法训练与验证	随机森林, 逻辑回归, 梯度提升, 支持向量机, 深度学习	临床参数（年龄、性别、BMI、血液学/生化参数、合并症）	884名患者（80%用于推导，20%用于验证）	NA	随机森林	AUROC	NA
908	2026-01-25	TransSE: A Transfer Learning-Based Predictive Model for Distinguishing Super Enhancers and Typical Enhancers 2026-Jan-23, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3657361 PMID:41576119	研究论文	本研究提出了一种名为TransSE的深度学习框架，结合卷积和循环神经网络与跨物种迁移学习，用于从基因组序列中区分超级增强子和典型增强子	TransSE采用两阶段策略，先在人类和小鼠组合数据上进行预训练以学习保守调控特征，再进行物种特异性微调以捕获生物体特定模式，从而提高了预测准确性和跨物种泛化能力	NA	开发一种高精度且具有跨物种泛化能力的计算模型，用于从基因组序列中识别超级增强子	人类和小鼠的基因组序列数据	机器学习	NA	基因组序列分析	CNN, RNN	基因组序列	NA	NA	NA	AUC	NA
909	2026-01-25	Expression of Concern: Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2026-Jan-23, JMIR formative research IF:2.0Q4 DOI:10.2196/91833 PMID:41576282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
910	2026-01-25	Machine Learning for RNA Secondary Structure Prediction: a review of current methods and challenges 2026-Jan-23, RNA (New York, N.Y.) DOI:10.1261/rna.080840.125 PMID:41577452	综述	本文综述了机器学习在RNA二级结构预测领域的最新方法、面临的挑战及未来发展方向	系统梳理了从传统热力学方法到数据驱动的机器学习范式的演变，重点分析了当前领域的“泛化危机”及应对策略，并前瞻性地指出了包括假结预测、长序列处理、修饰核苷酸整合及动态结构预测在内的未来关键挑战	作为综述文章，不涉及具体实验验证，主要基于现有文献进行分析与评述	总结RNA二级结构预测领域机器学习方法的现状、挑战与发展趋势	RNA二级结构预测方法	计算生物学	NA	机器学习，深度学习	NA	RNA序列数据	NA	NA	NA	NA	NA
911	2026-01-25	Enhancing knowledge graph recommendations through deep reinforcement learning 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31109-8 PMID:41577729	研究论文	本文提出了一种基于知识图谱和深度强化学习的推荐框架RKGnet，旨在解决推荐系统中的冷启动和可解释性问题	结合知识图谱的结构优势与强化学习的自适应决策能力，动态迭代用户偏好并揭示用户的层次化潜在兴趣	NA	提高推荐系统的准确性和可解释性，解决冷启动问题	推荐系统中的用户和物品	机器学习	NA	深度强化学习	深度强化学习模型	知识图谱数据	NA	NA	RKGnet	准确性, 鲁棒性, 可解释性	NA
912	2026-01-25	Multimodal deep learning with anatomically constrained attention for screening MRI-detectable TMJ abnormalities from panoramic images 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02378-y PMID:41577795	研究论文	本研究开发了一种可解释的深度学习框架，利用成对的开口和闭口颞下颌关节全景X光片及结构化临床元数据，用于筛查MRI可检测的颞下颌关节异常	整合了解剖学引导的注意力机制、多模态临床特征和集成学习，以提高诊断准确性和可解释性	未明确提及研究的局限性	开发一种全面的筛查方法，用于检测MRI可识别的颞下颌关节病理	颞下颌关节异常	数字病理学	颞下颌关节疾病	磁共振成像	深度学习	图像, 临床元数据	1355名患者（2710个关节）	NA	NA	曲线下面积	NA
913	2026-01-25	Physics-informed deep learning enables fast ultrahigh-resolution nuclear magnetic resonance spectroscopy 2026-Jan-23, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01912-z PMID:41577797	研究论文	本研究提出了一种结合非均匀分块采样与物理信息深度学习重建的AI辅助NMR方法，用于快速实现纯位移NMR光谱学	首次将物理信息深度学习与稀疏采样结合，实现超高速纯位移NMR光谱重建，同时保持光谱质量	未明确说明模型在极端稀疏采样条件下的性能边界或对未知分子系统的泛化能力	开发快速、高保真的纯位移NMR光谱采集与重建方法	分子结构、功能及相互作用，特别是1-丁醇在Pt/C和PtRu/C催化剂上的电氧化过程	机器学习	NA	纯位移NMR光谱学，非均匀分块采样	深度学习	NMR光谱数据	NA	NA	NA	光谱质量，信号恢复保真度，峰值强度重建精度	NA
914	2026-01-25	Hybrid deep learning framework MedFusionNet assists multilabel biomedical risk stratification from imaging and tabular data 2026-Jan-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01334-3 PMID:41577997	研究论文	提出一种结合单变量阈值与多变量建模的混合并行深度学习框架MedFusionNet，用于多标签医学图像分类和癌症风险分层	提出融合自注意力机制、密集连接和特征金字塔网络的混合并行架构，支持多模态数据融合，并引入单变量阈值预筛选特征以提升模型性能与可解释性	未明确说明模型在更广泛疾病类型或更大规模数据集上的泛化能力，且对计算资源需求未详细分析	开发一个鲁棒且可解释的多标签医学图像分类与癌症风险分层系统	医学图像（如胸部X光片）及对应的文本与临床元数据	计算机视觉	肺癌, 宫颈癌	深度学习	CNN, 自注意力机制	图像, 文本, 表格数据	多个数据集（包括NIH ChestX-ray14和自定义宫颈癌数据集），具体样本数量未明确	未明确指定	MedFusionNet（融合自注意力机制、密集连接、特征金字塔网络）	准确率, 鲁棒性, 可解释性	未明确说明
915	2026-01-25	Detection and imaging of chemicals and hidden explosives using terahertz time-domain spectroscopy and deep learning 2026-Jan-22, Light, science & applications DOI:10.1038/s41377-026-02190-z PMID:41565620	研究论文	本研究提出了一种结合太赫兹时域光谱与深度学习的化学成像系统，用于准确检测和识别隐藏的化学品与爆炸物	首次将太赫兹时域光谱与深度学习结合，实现像素级化学物质识别，并利用等离子体纳米天线阵列增强系统性能，在复杂环境下保持高分类准确率	未明确提及系统在极端环境或更广泛材料类型下的性能限制	开发一种非侵入式、远距离的化学与爆炸物检测技术，以应对全球安全挑战	隐藏的化学品和爆炸物，包括药物辅料和爆炸化合物	计算机视觉	NA	太赫兹时域光谱	深度神经网络	光谱数据	八种化学品	NA	NA	分类准确率	NA
916	2026-01-25	Extracellular matrix stiffness drives post-mitotic nuclear pore complex assembly to promote neuroblastoma pathogenesis 2026-Jan-22, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116858 PMID:41575851	研究论文	本研究揭示了细胞外基质刚度通过调控核孔复合体组装促进神经母细胞瘤发病的机制	首次发现细胞外基质刚度通过lamin A/C/E2F4/PLK1轴调控有丝分裂后核孔复合体组装，从而影响神经母细胞瘤细胞迁移	研究主要基于体外细胞模型和患者来源类器官，缺乏体内动物模型的验证	探究细胞外基质刚度如何调控核孔复合体组装及其在神经母细胞瘤发病中的作用	神经母细胞瘤细胞、U2OS-CRISPR-Nup96-SNAP细胞系、临床神经母细胞瘤样本、患者来源类器官	数字病理学	神经母细胞瘤	超分辨率显微镜、深度学习算法、光漂白技术、CRISPR基因编辑	深度学习算法	图像数据	临床神经母细胞瘤样本及患者来源类器官	NA	NA	NA	NA
917	2026-01-25	Corrigendum to 'Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics' [Acad Radiol 33 (2026) 236-254] 2026-Jan-22, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.012 PMID:41577514	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
918	2026-01-25	DynamicGT: A dynamic-aware geometric transformer model to predict protein-binding interfaces in flexible and disordered regions 2026-Jan-21, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101454 PMID:41435823	研究论文	本文提出了一种动态感知的几何Transformer模型（DynamicGT），用于预测蛋白质结合界面，特别是在无序和柔性区域	将构象动力学整合到协作图神经网络与几何Transformer中，通过动态调节核心与表面残基间的消息传递，增强了关键相互作用的检测	模型依赖于分子动力学模拟和AlphaFlow生成的构象数据，可能受限于数据质量和覆盖范围	提高蛋白质结合界面预测的准确性，特别是在无序和柔性区域	蛋白质-蛋白质相互作用，特别是无序、瞬态和未结合结构	机器学习	NA	分子动力学模拟，AlphaFlow生成的构象	图神经网络（GNN），Transformer	蛋白质结构数据，分子动力学模拟数据	基于1毫秒分子动力学模拟数据集，并增强AlphaFlow生成的构象	NA	协作图神经网络（Co-GNN），几何Transformer（GT）	预测准确性	NA
919	2026-01-25	A zero-shot learning framework for chilli leaf disease detection, classification and severity estimation using contrastive image text representations 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32959-y PMID:41559188	研究论文	本文提出了一种零样本学习框架，用于辣椒叶病害的检测、分类和严重程度估计，利用对比图像文本表示方法	提出了一种零样本双编码器框架，结合Vision Transformer和RoBERTa语义编码器，能够识别未见过的病害类别并基于病变面积比估计其严重程度，无需重新训练模型	未明确说明框架在处理极端环境条件或高度变异病害模式时的泛化能力，且数据集可能未涵盖所有潜在病害类型	开发一个零样本学习框架，以自动检测、分类和估计辣椒叶病害的严重程度，解决传统方法对未见病害识别不足的问题	辣椒叶病害	计算机视觉	植物病害	对比图像文本表示学习	Vision Transformer, RoBERTa	图像	未明确指定，但使用了一个在不同环境条件下收集的辣椒叶数据集	未明确指定，可能基于PyTorch或TensorFlow	Vision Transformer, RoBERTa	准确率, 精确率, 召回率	未明确指定
920	2026-01-25	Zero-shot deep learning with multi-objective optimization improves thermostability of zearalenone hydrolase and xylanase 2026-Jan-19, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2026.01.009 PMID:41565015	研究论文	本研究通过结合序列和结构深度学习模型，利用零样本设计策略，成功提升了玉米赤霉烯酮水解酶和木聚糖酶的热稳定性，同时保持了高酶活性	提出了一种零样本深度学习与多目标优化相结合的策略，整合了序列模型（MSA Transformer）和结构模型（ABACUS-R），在无需大量实验的情况下，高效设计出同时提升热稳定性和保持活性的多位点突变体	研究仅以两种酶（RmZHD和木聚糖酶）作为模型系统进行验证，其普适性有待在更多酶类中进一步检验	开发一种高效设计兼具高热稳定性和高活性的工业用酶的方法	玉米赤霉烯酮水解酶（RmZHD）和木聚糖酶	机器学习	NA	深度学习模型，多目标优化，Markov Chain Monte Carlo采样	Transformer, 深度学习模型	蛋白质序列数据，蛋白质结构数据	NA	NA	ABACUS-R, ProGen2, MSA Transformer	热稳定性提升（ΔT），野生型活性保留百分比	NA