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
1201	2026-02-08	SDXL model-based optimization for interior design: Data-driven and deep learning methods 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342258 PMID:41637387	研究论文	本研究提出了一种针对Stable Diffusion XL模型的领域特定优化框架，旨在解决AI辅助室内设计中结构一致性和美学保真度的关键挑战	引入了结合自动语义清洗与严格超参数优化策略的系统化流程，并建立了经验验证的训练协议，专门用于保持室内空间的几何约束	未明确说明	优化大规模扩散模型以适应空间设计的专业需求	室内设计	计算机视觉	NA	深度学习	扩散模型	图像	未明确说明	未明确说明	Stable Diffusion XL	Fréchet Inception Distance, Structural Similarity Index, Learned Perceptual Image Patch Similarity, CLIP Semantic Alignment	未明确说明
1202	2026-02-08	Deep Learning Reconstruction Enhances Lung Cancer CT Imaging 2026-Jan, Cureus DOI:10.7759/cureus.100762 PMID:41640929	研究论文	本文通过一个病例研究，展示了超高清CT结合深度学习重建技术在评估肺尖部肿瘤中的应用	将超高清CT与深度学习重建技术结合，显著减少了图像噪声和伪影，提高了对肺尖部肿瘤与邻近结构关系的评估能力	仅基于单个病例研究，样本量有限，需要更大规模的研究来验证其普遍适用性	评估深度学习重建技术在增强肺癌CT成像质量方面的效果	一位70岁男性患者的右肺上叶腺癌	数字病理学	肺癌	超高清CT扫描，深度学习重建	深度学习模型	CT图像	1例患者	NA	NA	图像质量改善，噪声和伪影减少	NA
1203	2026-02-08	A Deep Learning Model to Guide Personalized Mechanical Circulatory Support Use in Cardiogenic Shock Patients Undergoing PCI 2026-Jan, JACC. Advances DOI:10.1016/j.jacadv.2025.102379 PMID:41609277	研究论文	开发并验证了一个深度学习模型，用于指导心源性休克患者在经皮冠状动脉介入治疗中个性化使用机械循环支持设备	开发了OPtiMCS深度学习模型，能够整合临床、血流动力学和代谢变量的纵向数据，预测多种不良结局，并通过模拟设备切换支持以患者为中心的治疗决策	需要外部验证和临床实践中的实施，模型基于历史数据（2004-2019年），可能未涵盖最新治疗进展	开发一个深度学习模型，以指导心源性休克患者在经皮冠状动脉介入治疗中个性化使用机械循环支持设备，改善预后	心源性休克并接受经皮冠状动脉介入治疗的患者，使用主动脉内球囊反搏或微轴流泵	机器学习	心血管疾病	深度学习	深度学习模型	临床、血流动力学和代谢变量的纵向向量	1,408名心源性休克患者	PyTorch	TabNet	AUC	Google Colab
1204	2026-02-07	Integrative Transcriptomic and Bioinformatics Approaches Combined With Transformer Models Identify Key Gene Networks in Atherosclerosis 2026-Jan-31, FASEB journal : official publication of the Federation of American Societies for Experimental Biology IF:4.4Q2 DOI:10.1096/fj.202503988R PMID:41524613	研究论文	本研究通过整合基于Transformer的深度学习与经典生物信息学及实验验证，识别了与人类动脉粥样硬化进展相关的关键基因网络	首次将TabTransformer模型与SHAP分析结合用于动脉粥样硬化基因表达数据，以识别关键基因并验证其生物学意义	研究仅基于一个数据集（GSE100927），样本量相对有限（104个样本），且实验验证仅在体外细胞模型中进行	识别与动脉粥样硬化进展相关的关键转录组介质，并探索其作为生物标志物或治疗靶点的潜力	人类动脉粥样硬化斑块基因表达数据及氧化低密度脂蛋白处理的人脐静脉内皮细胞	生物信息学	心血管疾病	转录组学分析，差异表达分析，网络拓扑分析，通路富集分析，体外细胞实验	Transformer	基因表达数据	104个样本（69个斑块，35个对照）	limma, STRING, Cytoscape	TabTransformer	AUC	NA
1205	2026-02-07	Attention-based deep learning for immunoglobulin typing from electrophoresis and laboratory data 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120735 PMID:41297746	研究论文	本研究开发了一种基于注意力的深度学习模型，用于结合血清蛋白电泳图像和实验室数据进行免疫球蛋白分型	首次提出结合Sebia毛细管免疫分型系统图像和临床实验室参数的多模态深度学习模型，并引入注意力机制增强模型可解释性	仅使用单一供应商（Sebia）的电泳系统数据，样本不平衡问题通过混合采样处理但可能仍存在偏差	开发自动化工具以辅助临床医生解释血清蛋白电泳免疫分型结果，减少人工解读的劳动强度和观察者间差异	来自Sebia毛细管免疫分型系统的电泳图像及相关的临床实验室参数（肌酐、钙、乳酸脱氢酶等）	数字病理	NA	毛细管电泳	深度学习	图像, 实验室数据	内部验证集未明确数量，外部验证使用200例独立队列病例	NA	注意力机制	准确率, Cohen's Kappa, F1分数, 召回率	NA
1206	2026-02-07	CLM-former for enhancing multi-horizon time series forecasting and load prediction in smart microgrids using a robust transformer-based model 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34870-y PMID:41606036	研究论文	本文提出了一种名为CLM-Former的新型混合深度学习架构，用于增强智能微电网中的多时间尺度时间序列预测和负荷预测	提出了一种结合时间序列分解、基于自相关的注意力机制以及专门设计的CLM-subNet子网络的混合架构，该子网络融合了卷积层和循环层，以同时捕获季节性依赖和高分辨率用电变化	未明确提及	提高智能电网（特别是住宅环境）中多时间尺度负荷预测的准确性和鲁棒性，以支持电网稳定、需求响应和分布式调度	智能电表的真实世界用电数据	机器学习	NA	NA	Transformer, CNN, RNN	时间序列数据	未明确提及具体数量	NA	CLM-Former, Autoformer	未明确提及具体指标	NA
1207	2026-02-07	Fault detection and isolation method for gas turbines using self-organizing type-3 fuzzy wavelet neural networks 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31932-z PMID:41593112	研究论文	本文提出了一种用于燃气轮机故障检测与隔离的自组织Type-3模糊小波神经网络方法	引入了钟形Type-3隶属度函数以增强不确定性处理能力，采用混合Adam-无迹卡尔曼滤波器优化器进行快速收敛训练，并嵌入了自适应增长与剪枝规则的自组织机制	未明确说明模型在极端噪声或未知故障类型下的泛化能力，且仅在一个仿真器和一个真实信号数据集上进行了验证	开发一种鲁棒且高效的燃气轮机故障检测与隔离方法	燃气轮机	机器学习	NA	声发射信号分析	自组织Type-3模糊粗糙小波神经网络	仿真数据，声发射信号	基于一个163-MW西门子燃气轮机高保真仿真器（案例1）和真实声发射信号（案例2）	NA	ST3FRWNN	故障检测率，故障隔离率	NA
1208	2026-02-07	UniCAS: A foundation model for cervical cytology screening 2026-Jan-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102570 PMID:41564861	研究论文	本文提出了一种用于宫颈细胞学筛查的基础模型UniCAS，该模型在多种临床分析任务中实现了最先进的性能	提出了首个针对宫颈细胞学的大规模基础模型，能够统一处理切片级诊断、区域级分析和像素级图像增强等多种任务，解决了现有方法工作流程碎片化的问题	未明确说明模型在外部验证集上的泛化性能，也未详细讨论模型对不同染色方案或扫描仪差异的鲁棒性	开发一个统一的基础模型，以实现宫颈细胞学的高效多尺度自动化分析	宫颈细胞学全切片图像	数字病理学	宫颈癌	全切片图像分析	基础模型	图像	48,532张宫颈全切片图像，涵盖多样化的患者人口统计学特征和病理状况	NA	UniCAS	AUC	NA
1209	2026-02-07	Cha-PO and CVNet: a hybrid approach for automated cataract detection using adaptive feature selection and deep learning for high accuracy and efficiency 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34889-1 PMID:41559203	研究论文	本文提出了一种结合混沌自适应杨树-细菌优化（Cha-PO）和Cataract VisionNet（CVNet）的混合方法，用于自动化白内障检测，旨在提高诊断准确性和操作效率	提出Cha-PO优化算法进行特征选择以降低图像维度并保留关键诊断数据，结合CVNet深度学习模型通过优化网络参数提升分类性能，实现了高准确率和低计算资源需求	研究仅使用单一Kaggle数据集进行验证，可能缺乏数据多样性和泛化能力测试，且未提及模型在其他医疗图像数据集上的表现	开发一种自动化白内障检测方法，以克服现有模型在计算复杂度、特征冗余和精度不足方面的挑战	眼底图像中的白内障病变	计算机视觉	白内障	图像处理、特征提取、深度学习分类	深度学习模型	图像	使用Eye Cataract Kaggle数据集，具体样本数量未明确说明	未明确指定，但涉及深度学习框架	CVNet（自定义深度学习架构）	准确率、精确率、召回率、F1分数	执行时间为99秒，计算资源需求较低，但未具体说明硬件配置（如GPU类型或云平台）
1210	2026-02-07	UroFusion-X: a unified multimodal deep learning framework for robust diagnosis, subtyping, and prognosis of urological cancers 2026-Jan-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02295-6 PMID:41554842	研究论文	本文提出了UroFusion-X，一个统一的多模态深度学习框架，用于泌尿系统癌症的稳健诊断、亚型分类和预后预测	提出了一种统一的多模态框架，整合了跨模态共注意力机制、门控专家乘积融合策略、解剖-病理一致性约束和患者级对比学习，增强了模型的鲁棒性、可解释性和泛化能力	未明确提及具体的数据集大小或潜在的模型计算复杂度限制	开发一个统一的多模态深度学习框架，以整合多源临床数据，提高泌尿系统癌症诊断、亚型分类和预后预测的准确性和一致性	膀胱癌、肾癌和前列腺癌患者	数字病理学	泌尿系统癌症	多模态数据整合（包括影像学、病理学、组学数据和实验室检测）	深度学习	多模态数据（包括3D影像、病理图像、组学数据、实验室和临床变量）	多中心真实世界队列，包含外部验证和留一中心测试	NA	3D影像编码器、病理学多实例学习、组学图网络、TabTransformer、DeepSurv、DeepHit	预测性能、临床净收益	NA
1211	2026-02-07	Voice-controlled autonomous navigation for smart wheelchairs using ROS-based SLAM 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34814-6 PMID:41530240	研究论文	本文提出了一种基于ROS SLAM的语音控制智能轮椅系统，通过集成优化的语音识别、实时导航框架和安全模块，提升了在动态室内环境中的自主移动能力	1) 采用在轻度言语障碍用户自定义数据集上微调的深度学习模型，提升语音识别鲁棒性；2) 构建系统级导航框架，集成GMapping SLAM、AMCL定位和双层语音接口；3) 引入量化参数化安全模块，包含自适应速度调节和实验校准的紧急停止阈值	研究主要针对室内环境，未涉及复杂户外场景；系统在极高噪声环境（>75 dB）下的性能未充分验证；成本效益分析相对有限	开发一种低成本、实验验证的辅助移动平台，强调包容性语音交互、鲁棒实时导航和安全感知行为	智能轮椅系统，面向严重运动障碍个体	机器人学，自主导航	运动障碍	语音识别，SLAM（同步定位与地图构建），LiDAR传感	深度学习模型（具体架构未明确说明）	语音数据，LiDAR点云数据，传感器融合数据	包含轻度言语障碍用户录音的自定义数据集（具体样本数未说明）	ROS（机器人操作系统）	GMapping（SLAM算法），AMCL（自适应蒙特卡洛定位）	词错误率，平均定位误差，目标完成率，端到端语音到运动延迟	NA
1212	2026-02-07	Integrating psychological profiling with deep learning for enhanced boxing action recognition 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34771-0 PMID:41513933	研究论文	本研究提出了一种结合心理分析与视频识别的多模态深度学习框架，用于增强拳击动作识别	首次将心理分析与视频识别结合，通过多模态融合提升拳击动作识别精度，尤其在区分视觉相似动作方面表现突出	当前框架不支持实时部署，未来需要进一步开发	通过整合心理状态信息，提升拳击动作识别的准确性和鲁棒性	拳击运动员的动作视频及其心理状态数据	计算机视觉	NA	视频分析，心理量表评估	CNN, Transformer	视频，文本	HMDB51-Boxing子集和新构建的PsyBox-20数据集	PyTorch, TensorFlow	3D-ResNet, BERT	准确率, F1分数	NA
1213	2026-02-07	Implementing QbD for Nano-Pharmaceuticals and Complex Formulations to Achieve Predictable and High-Quality Outcomes 2026-Jan-09, AAPS PharmSciTech IF:3.4Q2 DOI:10.1208/s12249-025-03308-z PMID:41514102	综述	本文探讨了人工智能和机器学习如何与质量源于设计原则相结合，以变革纳米药物开发，实现可预测和高质量的结果	提出了将AI/ML与QbD框架在纳米药物开发中进行整合的创新方法，旨在通过数据驱动模型增强预测准确性、减少实验负担并确保产品质量	NA	为纳米药物和复杂制剂的高效开发、临床转化及商业化提供路线图	纳米药物和复杂制剂	机器学习	NA	NA	深度学习	大型数据集	NA	NA	多层神经网络	NA	NA
1214	2026-02-07	Enhanced RGB-D feature extraction for 6D pose estimation 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34757-y PMID:41501267	研究论文	本研究提出了一种基于PVN3D的深度学习姿态估计方法，通过优化图像提取主干网络、集成动态卷积处理点云特征以及引入无参数注意力机制，以同时提高机器人抓取过程中6D姿态估计的准确性和效率	创新点包括：深度优化图像提取模型的主干网络，采用密集连接和可学习分组卷积提升精度并降低复杂度；将卷积神经网络核心思想融入点云特征提取，使用动态卷积技术使点云数据处理更高效灵活；引入无参数注意力机制进一步提升模型精度	NA	旨在同时提高机器人抓取过程中6D姿态估计的准确性和效率	机器人排序技术中的物体6D姿态估计	计算机视觉	NA	NA	深度学习	RGB-D图像，点云数据	NA	NA	PVN3D	计算效率，估计精度	NA
1215	2026-02-07	Hgtsynergy: a transfer learning method for predicting anticancer synergistic drug combinations based on a drug-drug interaction heterogeneous graph 2026-Jan-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06360-5 PMID:41495639	研究论文	本文提出了一种名为HGTSynergy的深度学习方法，用于预测抗癌协同药物组合，该方法基于药物-药物相互作用异构图，并采用迁移学习框架	首次在药物协同预测中全面建模多种药物-药物相互作用类型，并利用异构图注意力网络和迁移学习框架提取先验知识，从而提升预测性能	未明确说明方法在更大规模或不同癌症类型数据集上的泛化能力限制，也未讨论计算资源需求的具体细节	预测抗癌协同药物组合，以降低手动筛选成本并提高治疗效率	药物组合及其协同效应	机器学习	癌症	深度学习方法，基于异构图注意力网络和迁移学习	异构图注意力网络	图数据（药物-药物相互作用异构图）	未明确说明具体样本数量，但使用了五折嵌套交叉验证进行训练	未明确指定，但基于深度学习框架	异构图注意力网络	均方误差, 均方根误差, 皮尔逊相关系数, AUC, AUPRC, 准确率, 精确率, Cohen's Kappa	未明确说明
1216	2026-01-08	Prediction of pathological complete response to neoadjuvant therapy in breast cancer using deep learning with multi-modal radiological image and biopsy whole slide images: a two-center study 2026-Jan-06, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00986-7 PMID:41495869	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1217	2026-01-06	Prediction of lymph node metastasis and recurrence risk in early-stage oral tongue squamous cell carcinoma with fully automated MRI deep learning 2026-Jan-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00985-8 PMID:41486170	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1218	2026-01-07	A multi-task deep learning pipeline for classification, detection, and weakly supervised 3D segmentation of intraparenchymal hematoma on brain CT 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34596-x PMID:41491206	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1219	2026-02-07	AI based real time disease diagnosis in plants using deep learning driven CNNs 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34681-1 PMID:41491234	研究论文	本研究提出了一种基于深度学习和卷积神经网络的实时植物病害诊断框架，通过分析植物图像实现快速、准确的病害识别	开发了PDD-DL框架，利用CNN实现实时植物病害诊断，相比传统方法具有更高的速度、可信度和可扩展性	模型验证基于常见作物，但可应用于多种作物；系统需针对特定病害类别重新训练以适应农业需求	通过早期检测改善植物健康监测，最大化产量并减少损失，支持精准农业和可持续植物健康管理	植物图像，包括健康和患病植物	计算机视觉	植物病害	图像分析	CNN	图像	NA	NA	CNN	准确率, 精确率, 召回率, F1分数	NA
1220	2026-02-07	PepGraphormer: an ESM-GAT hybrid deep learning framework for antimicrobial peptide prediction 2026-Jan-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01144-8 PMID:41491543	研究论文	本文提出了一种名为PepGraphormer的新型融合深度学习框架，结合了ESM2大型语言模型和图注意力网络的优势，用于抗菌肽预测	提出了一种结合Transformer大型语言模型（ESM2）和图注意力网络（GAT）的新型融合框架，无需依赖先前研究中使用的3D蛋白质结构信息	NA	抗菌肽预测，以支持药物发现	抗菌肽序列	自然语言处理, 机器学习	NA	NA	Transformer, GAT	序列	NA	NA	ESM2, GAT	准确率	NA