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
101	2026-01-08	A novel adaptive CNN-LSTM fusion network for electrocardiogram diagnosis 2026-Jan-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2f8a PMID:41418332	研究论文	本文提出了一种用于心电图诊断的自适应CNN-LSTM融合网络	设计了一种自适应卷积核，可根据局部信号方差动态调整大小，并引入了时空融合机制	NA	提高自动心电图诊断的效率和准确性，为心血管疾病的早期筛查提供技术支持	心电图信号	机器学习	心血管疾病	NA	CNN, LSTM	信号数据	PTB-XL数据集	NA	自适应CNN-LSTM融合网络	准确率, 宏平均F1分数, 加权平均F1分数	NA
102	2026-01-08	Enhanced colorectal gland segmentation through multi-scale attention and contextual feature fusion 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34548-5 PMID:41495415	研究论文	提出了一种名为MAC-Net的深度学习模型，用于增强结直肠腺体分割，通过多尺度注意力与上下文特征融合来应对组织学图像分割中的挑战	集成多尺度特征融合与注意力引导的上下文解码，通过通道注意力保留精细结构信息，增加编码器-解码器横向连接以增强判别性特征学习，并在瓶颈处采用多尺度空间池化捕获全局上下文信息	模型在EBHI-Seg数据集（2228张图像）上训练，仅在GIaS数据集（165张图像）上进行交叉验证，样本规模和多样性可能有限	提高结直肠癌组织学图像中腺体分割的准确性和鲁棒性，以支持可靠的癌症分级、预后评估和治疗规划	结直肠癌组织学图像中的腺体结构	数字病理学	结直肠癌	组织学图像分析	深度学习模型	图像	训练集：EBHI-Seg数据集2228张图像；验证集：GIaS数据集165张图像	NA	MAC-Net（自定义架构，基于编码器-解码器结构，集成注意力机制和多尺度池化）	Dice系数, IoU, 精确率, 召回率	NA
103	2026-01-08	MRI-to-PET synthesis via deep learning for amyloid-β quantification in Alzheimer's disease 2026-Jan-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12251-3 PMID:41495456	研究论文	本研究开发了一种基于深度学习的模型，用于从结构MRI生成3D合成Aβ PET图像，以辅助阿尔茨海默病的淀粉样蛋白-β定量评估	采用参数共享生成对抗网络（ShareGAN）进行全3D体积的MRI到PET合成，能真实再现相邻图像平面间的细微差异，而非传统的2D切片处理	研究主要依赖特定数据库和三家医院的样本，外部泛化能力需进一步验证；合成PET的诊断准确性（约88-89%）虽高但未达到完美	开发一种安全、经济的方法，通过结构MRI合成Aβ PET图像，以克服真实PET扫描的高成本和辐射暴露限制	阿尔茨海默病患者的淀粉样蛋白-β病理评估	医学影像分析	阿尔茨海默病	结构MRI成像，淀粉样蛋白-β PET成像	GAN	3D医学影像（MRI和PET）	1009对Aβ PET和配对MRI图像（来自阿尔茨海默病神经影像学倡议数据库和中国三家三级医院）	未明确指定（可能为TensorFlow或PyTorch）	ShareGAN（参数共享生成对抗网络）	结构相似性指数，峰值信噪比，平均绝对误差，标准化摄取值比，Pearson相关系数，Bland-Altman分析，诊断准确率	未明确指定
104	2026-01-08	Predicting enviromically adapted varieties with big data 2026-Jan-07, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03914-x PMID:41495804	研究论文	本研究提出一个基因组预测框架，利用大数据和机器学习方法预测冬小麦在特定环境下的高产基因型，以选择适应环境的品种	结合卷积神经网络和传统GBLUP方法，通过整合基因组和环境数据来预测基因型与环境互作，显著提高了环境特异性性能的预测精度	研究主要基于中欧地区的冬小麦数据，可能在其他地理区域或作物类型中泛化能力有限	开发一个基因组预测框架，以选择在特定环境下高产的小麦基因型，优化育种程序	冬小麦基因型，包括6,766个品系和6,519个杂交种，在31个中欧地点进行产量评估	机器学习	NA	基因组数据整合	CNN, GBLUP	基因组数据，环境数据，产量数据	13,285个基因型（6,766个品系和6,519个杂交种），在31个地点从2010年至2022年评估	NA	卷积神经网络	预测精度改进百分比	NA
105	2026-01-08	Study on the source tracing method of organic pollutants in large shallow eutrophic lakes based on 3D-EEM and Transformer models: A case study of Changdang Lake in China 2026-Jan-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14958-8 PMID:41498835	研究论文	本研究提出了一种结合三维荧光光谱技术和深度学习模型的方法，用于追踪大型浅水富营养化湖泊中有机污染物的来源	首次将3D-EEM荧光光谱技术与Transformer深度学习模型结合，用于湖泊有机污染源解析，相比传统人工方法显著提高了效率和准确性	研究仅针对长荡湖流域，方法在其他类型水体或污染源中的普适性有待验证	开发一种高效、准确的湖泊有机污染源追踪方法	长荡湖流域的有机污染物（溶解性有机物DOM）	环境科学与深度学习交叉	NA	三维激发-发射矩阵荧光光谱技术，平行因子分析	深度学习模型	荧光光谱图像	来自长荡湖连通河流及周边工业废水、农业和生活污染源的40个荧光组分	NA	Transformer, GoogLeNet, VGG, AlexNet	识别准确率, Tucker Congruence系数	NA
106	2026-01-08	Deep Learning Reconstruction of Diffusion-weighted MRI Enables Shorter Examination Times While Maintaining Image Quality in Head and Neck Imaging 2026-Jan-07, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01604-6 PMID:41498976	研究论文	本研究评估了基于深度学习的扩散加权磁共振成像重建技术在头颈部成像中的应用，旨在缩短检查时间并保持图像质量	提出了一种结合深度学习k空间到图像重建与超分辨率处理的新型算法，用于加速头颈部DWI扫描，显著减少检查时间	研究为回顾性设计，样本量较小（30例患者），且SNR和CNR在深度学习重建图像中有轻微但显著的下降	评估加速的深度学习重建DWI在头颈部成像中的图像质量和诊断信心表现	头颈部扩散加权磁共振成像数据	医学影像分析	头颈部疾病	扩散加权成像，单次激发平面回波成像序列	深度学习	磁共振图像	30例患者（平均年龄55±19岁，范围24-84岁，18名男性）	NA	NA	信噪比，对比噪声比，表观扩散系数值，视觉Likert评分（图像清晰度、伪影、噪声、整体图像质量、诊断信心）	NA
107	2026-01-08	An Integrated Deep Learning and Large Language Model for Burn Wound Depth Recognition 2026-Jan-06, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf170 PMID:41014195	研究论文	本研究开发了一种结合深度学习与大型语言模型的低成本人工智能系统，用于烧伤创面深度识别与分类	首次将深度学习分类模型与基于临床指南的烧伤专用大型语言模型集成，提供准确的烧伤深度识别和治疗建议	研究样本量相对有限（397张原始图像），且主要依赖公开数据库，可能无法完全代表所有临床场景	开发低成本人工智能系统以解决烧伤深度评估的临床挑战，特别是在急诊环境中	烧伤创面图像	计算机视觉, 自然语言处理	烧伤	深度学习, 大型语言模型	深度学习分类模型, LLM	图像	397张原始烧伤创面图像，通过数据增强扩展至7156张图像	PaddlePaddle	NA	准确率, 召回率, F1分数	NA
108	2026-01-08	EMMPREDMLsub: multi-label prediction of mRNA subcellular localization based on the ESM2 large language model and MMDO-MDPU resampling strategy 2026-Jan-06, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2610684 PMID:41493162	研究论文	本研究提出了一种基于ESM2大语言模型和MMDO-MDPU重采样策略的mRNA亚细胞定位多标签预测工具EMMPREDMLsub	结合曼哈顿均值方向过采样与曼哈顿密度保持欠采样的新型重采样技术，并首次将ESM2大语言模型应用于mRNA序列特征提取	未明确说明模型在跨物种或不同细胞类型中的泛化能力，也未讨论计算复杂度对实际应用的影响	开发高精度的mRNA亚细胞定位多标签预测工具	真核细胞mRNA序列	自然语言处理	NA	序列特征提取	大语言模型	序列数据	NA	NA	ESM2	NA	NA
109	2026-01-08	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-06, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种预测静脉药代动力学参数	提出了一种结合图、基序和三维结构的多尺度分子表示方法，并采用迁移学习框架进行跨物种预测，提高了预测性能	NA	早期药物候选物筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉药代动力学参数	机器学习	NA	NA	深度学习	化学结构	NA	NA	NA	均方根对数误差, 几何平均倍数误差	NA
110	2026-01-08	Deep Learning-Based Detection of Root Numbers in Maxillary Premolars 2026-Jan-06, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70091 PMID:41493350	研究论文	本研究利用深度学习模型在曲面断层片上检测上颌前磨牙的牙根数量	首次将深度学习模型应用于曲面断层片自动检测上颌前磨牙牙根数量，并采用集成模型提升性能	研究为回顾性设计，样本量有限，且仅针对上颌前磨牙，外部验证集规模较小	开发一种基于深度学习的自动化工具，辅助临床医生从曲面断层片中准确识别上颌前磨牙的牙根数量	上颌前磨牙	数字病理学	NA	曲面断层摄影，锥形束CT	CNN	图像	925颗上颌前磨牙（来自350名患者），包含内部数据集和外部验证集	NA	AlexNet, DenseNet-121, EfficientNet-B0	准确率, 灵敏度, 特异性, F1分数, AUC	NA
111	2026-01-08	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-06, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法无法考虑细胞通讯与下游基因调控网络协同作用以及无法构建完整细胞通讯网络的问题	细胞通讯网络和细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
112	2026-01-08	Dual vision transformer with bio-inspired optimization for explainable keratoconus classification 2026-Jan-06, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03929-0 PMID:41493655	研究论文	本研究提出了一种基于角膜地形图图像的增强深度学习框架，用于圆锥角膜（KCN）分期分类，采用双视觉变换器（DViT）捕获局部和全局空间特征，并利用电鳗觅食优化器（EEFO）优化模型性能，同时通过LIME和SHAP增强模型可解释性	结合双视觉变换器（DViT）与生物启发优化器（EEFO）进行注意力权重和超参数调优，并集成LIME和SHAP实现模型决策的可视化解释	未提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足	开发一种高精度且可解释的圆锥角膜（KCN）分期分类方法，以支持早期诊断和治疗规划	圆锥角膜（KCN）患者的角膜地形图图像	计算机视觉	圆锥角膜	角膜地形图成像	Transformer	图像	未在摘要中明确提及具体样本数量	未在摘要中指定具体框架（如PyTorch或TensorFlow）	Dual Vision Transformer (DViT)	准确率, 召回率, 精确率	未在摘要中提及具体计算资源（如GPU类型或云平台）
113	2026-01-08	A BMC-Net model for the recognition and segmentation of mandibular canal bifurcation 2026-Jan-06, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00892-5 PMID:41493698	研究论文	本研究开发了一种名为BMC-Net的深度学习模型，用于快速诊断和识别下颌管分叉	提出了BMC-Net模型，在识别和分割下颌管分叉方面相比UNet模型和临床医生有显著性能提升和时间效率优势	样本量较小，仅使用了160张图像，且数据来源仅限于PubMed和Web of Science数据库	开发深度学习模型以准确识别下颌管的解剖结构和轨迹，帮助牙医规避手术风险并制定有效治疗计划	下颌管分叉的医学图像	计算机视觉	NA	深度学习	CNN	图像	160张报告病例图像（训练集140张，测试集20张）	NA	BMC-Net, UNet	DSC, AUC, IoU, recall, precision, confusion matrix, sensitivity, specificity	NA
114	2026-01-08	Correction to "Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing" 2026-Jan-06, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07908 PMID:41493771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
115	2026-01-08	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动进行人类迷走神经束和神经外膜的3D分割	引入了一种新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并显著减少了解剖错误	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小	开发一种自动化的3D分割方法，以精确量化神经形态，优化外周神经刺激疗法	人类迷走神经的神经束和神经外膜	数字病理学	NA	微计算机断层扫描	CNN	图像	100个微CT体积，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
116	2026-01-08	Deep learning-assisted discovery of a potent and cell-active inhibitor of RNA N6-methyladenosine recognition protein YTHDC2 2026-Jan-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65542-0 PMID:41495018	研究论文	本研究开发了一种结合受体蛋白静电特征的深度学习分子生成模型EPMolGen，并成功发现并优化出针对RNA N6-甲基腺苷识别蛋白YTHDC2的高效小分子抑制剂DC2-C1	首次开发了显式结合受体蛋白静电特征的深度学习分子生成模型EPMolGen，并利用该模型发现了首个针对YTHDC2的高效选择性小分子抑制剂	未明确说明模型在湿实验验证中的泛化能力及抑制剂在体内模型中的效果	发现针对YTHDC2蛋白的高效选择性小分子抑制剂，以验证深度学习在药物发现中的应用潜力	YTHDC2蛋白及其小分子抑制剂	机器学习	NA	深度学习分子生成	生成模型	分子结构数据，蛋白质静电特征	NA	NA	EPMolGen	IC50值	NA
117	2026-01-08	Deep learning guided design of protease substrates 2026-Jan-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67226-1 PMID:41495045	研究论文	本文介绍了一种名为CleaveNet的端到端AI管道，用于设计蛋白酶底物，通过深度学习生成具有良好生物物理特性的肽底物，并验证其在基质金属蛋白酶中的应用	CleaveNet通过整合条件标签来引导肽生成，实现高效和选择性底物的靶向设计，捕获了已知和未表征的切割基序	NA	研究蛋白酶底物的设计，以加速蛋白酶活性的研究和应用	蛋白酶底物，特别是针对基质金属蛋白酶（如MMP13）的肽底物	机器学习	NA	深度学习	NA	肽序列数据	NA	NA	NA	NA	NA
118	2026-01-08	Soft sonocapacitor with topologically integrated piezodielectric nanospheres enables wireless epidural closed-loop neuromodulation 2026-Jan-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67723-3 PMID:41495062	研究论文	本文开发了一种拓扑纤维结构声电容（SonoCap），用于实现无线、高电容电荷密度注入的硬膜外闭环神经调控	提出了一种独特的压电-介电复合纳米球（UCapT）拓扑结构，能高效耦合超声激发实现压电电子-电容转移，其高度组装的SonoCap实现了累积电荷存储、高离子可及表面积和宏观柔软性	NA	开发一种无线、高电容电荷密度注入的硬膜外神经调控技术	大鼠和猪大脑的神经回路动力学	生物医学工程	颞叶癫痫	超声激发	深度学习	NA	NA	NA	NA	电容电荷密度输出（9.7 mC cm²）、法拉第电荷（2 nC cm²）	NA
119	2026-01-08	Labeled photovoltaic installations for orthographic aerial imagery in Queens, New York 2026-Jan-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06523-2 PMID:41495074	研究论文	本文介绍了纽约皇后区2018年正射航空影像中光伏安装位置的手动标注数据集	数据集覆盖了人口密集的城区环境，包含四通道影像（三色加红外），且纽约州定期更新源数据，为光伏部署的时间序列研究提供了基础	数据集仅限于纽约皇后区2018年的特定区域，可能无法直接推广到其他地区或时间点	为能源研究人员提供标注数据，以支持计算机视觉方法识别屋顶光伏安装，并研究城市地区的光伏部署	纽约皇后区2018年航空影像中的光伏安装位置	计算机视觉	NA	航空影像采集	深度学习模型	图像	约5,500个独立安装，对应14,000个多边形标注	NA	NA	NA	NA
120	2026-01-08	AI-generated artwork detection using self-distilled transformers with global-local feature learning and Grad-CAM interpretability 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29229-2 PMID:41495073	研究论文	本研究提出了一种基于自蒸馏Transformer和全局-局部特征学习的框架，用于检测AI生成的艺术作品，并通过Grad-CAM增强可解释性	采用自蒸馏Transformer模型DINO v2，结合全局结构和细粒度视觉线索提取判别性特征，并引入可解释性方法验证预测的可靠性	未提及具体的数据集规模或模型在更广泛艺术风格上的泛化能力限制	开发先进检测机制以区分人类创作与AI生成的艺术作品，维护艺术真实性	真实与AI生成的艺术图像	计算机视觉	NA	深度学习，生成对抗网络，扩散模型	Transformer	图像	平衡的真实与AI生成艺术图像数据集（具体数量未提及）	未明确提及，可能基于PyTorch或TensorFlow	DINO v2	准确率，精确率，召回率，F1分数，AUC	未提及