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
1221	2026-01-17	On the interpretability of machine and deep learning techniques for predicting CBR of stabilized soil containing agro-industrial wastes 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30501-8 PMID:41513694	研究论文	本研究利用机器学习和深度学习技术预测含有农业工业废料的稳定化土壤的加州承载比（CBR）	首次将多种MDL模型（包括LSTM）应用于预测稳定化土壤的CBR，并比较了两种输入变量方法，同时使用SHAP进行特征重要性分析	未明确提及样本大小或计算资源细节，可能限制模型泛化能力评估	探索农业和工业副产品作为土壤稳定剂的替代方案，并准确预测稳定化土壤的CBR	含有农业工业废料的稳定化土壤	机器学习	NA	NA	MARS, ANN, M5P-MT, XGBoost, LWP, LSTM	土壤工程参数数据	NA	Scikit-learn（用于SHAP和特征重要性分析）	LSTM, XGBoost, MARS, ANN, M5P-MT, LWP	MAE, RMSE, RSD, VAF, U95, R	NA
1222	2026-01-17	Materials Informatics: Emergence to Autonomous Discovery in the Age of AI 2026-Jan-08, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202515941 PMID:41504609	综述	本文回顾了材料信息学从概念起源到与人工智能融合的演变历程，并展望了其未来向自主发现发展的方向	将材料信息学定位为一个不断演化的研究生态系统，而非工具集合，并深入探讨了专用大型语言模型与通用模型在材料科学中的优劣，以及AI从预测工具向研究协作伙伴转变的潜力	作为一篇综述，本文未提出新的具体算法或模型，主要基于现有文献进行梳理和展望	梳理材料信息学的发展脉络，评估当前关键方法，并探讨人工智能驱动下材料自主发现的未来方向	材料信息学领域的方法论、技术演进及其在材料发现中的应用	机器学习	NA	机器学习，人工智能，深度学习	Transformer, 大型语言模型	材料科学数据（如性质、合成条件、结构信息等）	NA	NA	Transformer	NA	NA
1223	2026-01-17	CSRefiner: a lightweight framework for fine-tuning cell segmentation models with small datasets 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf718 PMID:41527855	研究论文	提出了一种轻量级框架CSRefiner，用于在小数据集上微调细胞分割模型，以提升全组织单细胞空间表达分析的精度	CSRefiner是一个轻量级且高效的微调框架，支持微调空间组学中广泛使用的分割模型，并在有限标注数据下实现高精度，具有操作简单和鲁棒性强的特点	未在摘要中明确说明	解决现有微调方法需要大量重新训练或局限于特定模型架构的问题，提升细胞分割模型在全组织分析中的一致性和适应性	细胞分割模型，特别是用于空间组学中核或膜染色图像的分割	数字病理学	NA	空间组学技术，核或膜染色图像	深度学习分割模型	图像	小数据集	NA	NA	准确性	NA
1224	2026-01-17	DeepRMSF: a deep learning-based automated approach for predicting atomic-level flexibility in RNA structure 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf720 PMID:41529119	研究论文	本文提出了一种基于深度学习的自动化方法DeepRMSF，用于从RNA三级结构预测原子级振动灵活性	首次开发了直接从RNA三级结构预测原子级振动灵活性的深度学习方法，相比传统分子动力学模拟实现了超过3000倍的加速	方法主要针对中等大小RNA（约75个核苷酸），在更大或更复杂RNA结构上的性能需要进一步验证	开发高效预测RNA构象动态性的计算方法，以理解RNA在生物过程中的功能	RNA分子的原子级振动灵活性	计算生物学	NA	分子动力学模拟，深度学习	深度学习模型	RNA三级结构数据，分子动力学模拟数据	371个非冗余RNA（311个用于五折交叉验证，60个作为独立测试集）	NA	NA	皮尔逊相关系数	NA
1225	2026-01-17	Analysis of trichoscopic images using deep neural networks for the diagnosis and activity assessment of alopecia areata - a retrospective study 2026-Jan, Journal der Deutschen Dermatologischen Gesellschaft = Journal of the German Society of Dermatology : JDDG DOI:10.1111/ddg.15847 PMID:41025749	研究论文	本研究开发了一个深度学习框架，用于通过毛镜图像诊断斑秃并评估其活动水平	首次利用人工智能在斑秃的诊断和分期中实现应用，提高了诊断准确性并改善了患者护理	研究为回顾性分析，可能存在数据偏差，且未明确提及外部验证或模型泛化能力	开发一个深度学习框架，以诊断斑秃并确定其活动水平	从头皮疾病患者和健康对照者收集的毛镜图像	计算机视觉	斑秃	毛镜检查	深度学习模型	图像	未明确指定具体样本数量，但涉及患者和健康对照的毛镜图像	NA	NA	准确率, F1分数	NA
1226	2026-01-17	The application of artificial intelligence in the acute and sub-acute phases of spinal cord injury- a systematic review 2026-Jan, Spinal cord IF:2.1Q1 DOI:10.1038/s41393-025-01155-0 PMID:41345782	系统综述	本文系统综述了人工智能在脊髓损伤急性期和亚急性期管理中的应用，重点关注诊断、预后预测和治疗干预	系统性地总结了2020年至2025年间AI在脊髓损伤管理中的应用，识别了最常用的机器学习模型家族和输入变量，并指出AI在某些研究中表现优于人类	仅纳入2020年至2025年间的英文研究，排除了脑机接口、机器人技术和非神经学方面的研究，可能存在发表偏倚	描述人工智能在创伤性脊髓损伤管理中的应用，特别是在诊断、预后预测和治疗干预方面	脊髓损伤患者，特别是在急性期、损伤后康复期和第一年内的临床方面	机器学习	脊髓损伤	机器学习	经典机器学习模型, 集成学习模型, 深度学习模型	临床数据, 图像数据	23项研究，共120,931名个体	NA	NA	准确性, 精确度, 召回率, F1分数, AUC	NA
1227	2026-01-17	MethConvTransformer: A Deep Learning Framework for Cross-Tissue Alzheimer's Disease Detection 2026-Jan-01, ArXiv PMID:41503096	研究论文	本文提出了一个名为MethConvTransformer的深度学习框架，用于整合大脑和外周组织的DNA甲基化数据，以实现阿尔茨海默病的跨组织检测和生物标志物发现	开发了一个结合CpG位点线性投影、卷积层和自注意力层的Transformer框架，以捕获CpG位点的局部和长程依赖关系，并整合受试者水平协变量和组织嵌入来区分共享和区域特异性甲基化效应，实现了跨组织的鲁棒生物标志物发现	未明确说明	开发一个深度学习框架，利用跨组织的DNA甲基化数据实现阿尔茨海默病的早期检测和生物标志物发现	阿尔茨海默病患者和对照个体的DNA甲基化数据	机器学习	阿尔茨海默病	DNA甲基化分析	Transformer, CNN	DNA甲基化谱数据	六个GEO数据集和一个独立的ADNI验证队列	未明确说明	MethConvTransformer (结合线性投影、卷积和自注意力层的定制架构)	区分度和泛化能力	未明确说明
1228	2026-01-17	RUL prediction method based on sequential health index evaluation with multidimensional coupled degradation data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340645 PMID:41528990	研究论文	提出一种基于序列健康指数评估的剩余使用寿命预测方法，用于处理多维耦合退化数据	提出一种融合CNN-Transformer混合模型与序列健康指数评估方案的RUL预测方法，引入分块交互机制降低模型复杂度，并通过马氏距离与序列评估比动态构建健康指数，减少对高质量标记数据的依赖	未明确说明方法在极端工况或噪声强烈环境下的泛化能力，也未讨论实时部署时的计算延迟问题	解决多维耦合退化数据下剩余使用寿命预测的难题，实现无需高质量标记数据的预测维护	具有多维耦合退化特征的工业设备或系统	机器学习	NA	序列健康指数评估	CNN, Transformer	多维退化数据	NA	NA	CNN-Transformer混合模型	预测精度, 鲁棒性	NA
1229	2026-01-17	A physics-inspired memory-augmented deep learning framework for magnetic core loss prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339490 PMID:41529025	研究论文	本文提出了一种用于磁芯损耗预测的增强记忆增强Mamba模型，结合物理约束和记忆机制，显著提升了预测精度和泛化能力	提出增强记忆增强Mamba模型，通过状态空间记忆增强机制存储典型磁化模式，结合注意力引导的智能特征选择机制识别磁滞曲线关键转折点，并采用物理约束多目标优化框架实现损耗解耦建模	未明确说明模型在超出训练数据范围的新材料或极端工况下的泛化能力极限，也未讨论模型的计算复杂度	提高电力电子系统中磁芯损耗的预测精度，以提升系统效率和可靠性	磁性材料（磁芯）的损耗特性	机器学习	NA	NA	EMA-Mamba	波形数据（B(t)和H(t)波形）	超过150,000个数据点，涵盖10种材料	NA	增强记忆增强Mamba	平均预测误差，决定系数，95百分位误差	NA
1230	2026-01-17	Multimodal prediction models integrating radiomics and three-dimensional deep learning for acute respiratory distress syndrome in acute pancreatitis patients 2026-Jan, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251410432 PMID:41529916	研究论文	本研究开发了一种融合临床数据、影像组学和三维深度学习的多模态预测模型，用于预测急性胰腺炎患者发生急性呼吸窘迫综合征的风险	首次将临床数据、影像组学特征和三维深度学习模型通过XGBoost算法进行融合，构建了用于预测急性胰腺炎患者ARDS风险的多模态预测模型，其性能优于传统评分系统和单一模态模型	研究为回顾性设计，数据来源于三家医院，可能存在选择偏倚；模型需要在更大规模、多中心的前瞻性队列中进行外部验证	开发一个早期预测急性胰腺炎患者发生急性呼吸窘迫综合征风险的多模态预测模型	759名来自三家医院的急性胰腺炎患者	数字病理学	急性胰腺炎	三维计算机断层扫描	CNN, XGBoost	图像, 表格数据	759名患者	NA	卷积网络	AUC	NA
1231	2026-01-17	Electroencephalography Enables Continuous Decoding of Hand Motion Angles in Polar Coordinates 2026, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0469 PMID:41531435	研究论文	本研究探讨了使用脑电图信号在极坐标下连续解码手部运动角度的可行性	首次在基于EEG的脑机接口研究中，采用极坐标系统连续解码手部圆周运动的角信息，为涉及圆周或旋转运动的应用提供了新的解码方法	研究仅涉及8名参与者，样本量较小，且实验范式局限于固定半径的双臂圆周追踪任务	评估使用脑电图信号在极坐标下连续解码手部运动角度的可行性	人类参与者在执行双臂圆周追踪任务时的脑电图信号	脑机接口	NA	脑电图	CNN, LSTM	脑电图信号	8名参与者	NA	EEGNet, DeepConvNet, ShallowConvNet	均方误差, 平均绝对误差, 相关系数	NA
1232	2026-01-17	Automated Detection and Monitoring of Ground-Nesting Bee Nests Using Drone Imagery and Deep Learning 2026-Jan, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.72856 PMID:41531897	研究论文	本文评估了结合无人机图像采集与深度学习技术，自动检测和监测地面筑巢蜜蜂巢穴土堆的可行性	首次将无人机高分辨率航拍图像与深度学习模型结合，用于自动检测和区分蜜蜂巢穴土堆与蚯蚓粪等其他土壤表面沉积物	误分类主要源于非典型形状的土堆（如新建、不完整或受损）以及土堆重叠的情况，且研究仅在特定裸露土壤区域进行，未来需评估其他栖息地和物种的适用性	开发一种可扩展的系统，用于自动检测和监测地面筑巢蜜蜂的巢穴土堆，以支持蜜蜂保护和管理	地面筑巢蜜蜂的巢穴土堆（土壤土堆）	计算机视觉	NA	无人机高分辨率航拍图像采集	深度学习	图像	一个120米区域的裸露土壤，包含大量蚯蚓粪和密集的蜜蜂巢穴聚集	NA	NA	F1分数, 精确率, 召回率	NA
1233	2026-01-17	Unsupervised quality assessment with generative adversarial networks for 3D OCTA microvascular imaging 2026-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.573843 PMID:41532099	研究论文	提出了一种基于生成对抗网络的3D OCTA微血管成像无监督质量评估方法	首次将3D GAN架构应用于OCTA图像质量评估，通过多尺度处理层融合精细血管细节与解剖上下文，实现无监督学习	未明确说明模型对不同类型伪影的具体泛化能力，且未讨论计算资源需求	开发自动化深度学习模型，定量客观地区分优质与次优质量的3D OCTA扫描	光学相干断层扫描血管造影（OCTA）的3D微血管成像数据	计算机视觉	眼科疾病	光学相干断层扫描血管造影（OCTA）	GAN	3D图像	NA	NA	OCTA-GAN（包含多尺度处理层的3D GAN架构）	AUC, 敏感性, 特异性	NA
1234	2026-01-17	LensPlus: a high space-bandwidth optical imaging technique 2026-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.580164 PMID:41532106	研究论文	本文提出了一种基于深度学习的框架LensPlus，用于在不修改硬件的情况下增强定量相位成像的空间带宽积，实现大视场高分辨率成像	提出了一种非生成式深度学习框架，通过学习低数值孔径与高数值孔径物镜获取的配对数据集，恢复低NA测量中丢失的高频特征，从而在保持大视场的同时提高分辨率，有效提升空间带宽积，且相比对抗模型能最小化图像幻觉并确保定量保真度	未明确说明模型在非定量相位成像的其他成像模态中的具体性能表现及泛化能力限制	解决光学成像中空间带宽积对同时实现高分辨率与大视场成像的根本限制	定量相位成像及其他基于透镜的成像模态	计算机视觉	NA	定量相位成像	深度学习	图像	NA	NA	非生成式模型	空间带宽积提升倍数，定量保真度	NA
1235	2026-01-16	Correlation of Automated in Vivo Image Quality With Radiologist's Performance in Abdomen Computed Tomography Across Conventional and Deep Learning Reconstructions 2026-Jan-15, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001845 PMID:41536040	研究论文	本研究评估了CT图像质量（通过体内检测指数测量）与放射科医生在低对比度肝脏病变检测任务中的表现之间的相关性，并比较了传统滤波反投影和深度学习重建算法	提出了一种新的形式化方法，通过在内部噪声分量中添加频率项来适应深度学习重建的非线性特性，从而更一致地反映不同重建技术下的性能	研究仅针对结直肠肝转移的腹部CT图像，样本量有限（51例患者，161个病灶），且仅评估了低对比度肝脏病变检测任务	评估CT图像质量测量与放射科医生表现之间的相关性，并开发一种能适应不同重建算法的性能评估方法	51例接受对比增强腹部CT检查以研究结直肠肝转移的患者，共161个非钙化低密度肝脏病灶	医学影像分析	结直肠肝转移	CT成像，滤波反投影重建，深度学习图像重建	深度学习图像重建算法	CT图像	51例患者，161个肝脏病灶	NA	NA	检测指数，放射科医生准确性	NA
1236	2026-01-16	Artificial Intelligence in Pleural Diseases: Current Applications and Next Steps 2026-Jan-15, Thoracic research and practice DOI:10.4274/ThoracResPract.2025.2025-6-2 PMID:41536177	综述	本文综述了人工智能在胸膜疾病诊断中的当前应用，包括胸膜积液、恶性胸膜积液、结核性胸膜炎、气胸和恶性胸膜间皮瘤，并探讨了未来发展方向	系统评估了AI在多种胸膜疾病诊断中的整合应用，特别是在结合临床参数（如CT、PET-CT和肿瘤标志物）时显著提高了诊断准确性（AUC > 0.90），并指出AI模型在预后评估和治疗反应监测中的优势	需要大规模、多中心研究来标准化和推广AI模型	评估人工智能技术在胸膜疾病诊断中的现状与潜力	胸膜积液、恶性胸膜积液、结核性胸膜炎、气胸和恶性胸膜间皮瘤	数字病理学	胸膜疾病	深度学习算法，计算机辅助系统（如Aitrox）	深度学习模型	放射学图像（CT、PET-CT），临床参数，实验室参数	NA	NA	NA	灵敏度，特异性，曲线下面积（AUC）	NA
1237	2026-01-16	Diffusion Model-Guided Inverse Design of Bimetallic Catalysts for Ammonia Decomposition 2026-Jan-14, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c14652 PMID:41417939	研究论文	本研究提出了一种基于扩散模型的机器学习工作流，用于逆向设计双金属合金催化剂，以促进低碳氨分解反应	采用扩散模型进行催化剂的逆向设计，将生成与性能预测组件解耦，提高了材料设计过程的灵活性和准确性	NA	通过人工智能方法高效筛选和设计高性能、低成本且环保的双金属合金催化剂	双金属合金催化剂	机器学习	NA	扩散模型	扩散模型	材料结构数据	NA	NA	NA	氮吸附能	NA
1238	2026-01-16	Deep Learning Guided Exploration of Transition Metal Oxide Catalysts in Acetylene Selective Hydrogenation 2026-Jan-14, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c16333 PMID:41420613	研究论文	本研究结合密度泛函理论预测与深度学习算法，探索并发现了用于乙炔选择性加氢反应的高性能过渡金属氧化物催化剂	首次将DFT计算的电子与分子吸附特性映射与深度学习算法结合，用于高效探索新型催化剂材料，并成功发现了性能优异的CuTiO催化剂	研究主要关注过渡金属氧化物体系，未涉及其他类型催化剂；实验验证的催化剂种类有限	开发高效探索新型催化剂材料的方法，并应用于乙炔选择性加氢反应	过渡金属氧化物催化剂，特别是CuTiO与CuO掺杂的TiO材料	机器学习	NA	密度泛函理论（DFT）计算，深度学习算法	深度学习模型	电子特性与分子吸附特性数据	NA	NA	NA	乙炔转化率（>99%），乙烯选择性（>99%）	NA
1239	2026-01-16	Dynamic Analysis of the Substrate Tolerance Mechanism and Domain Synergistic Engineering of CYP450 Fusion Protein (CYPLY) 2026-Jan-14, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c09518 PMID:41429466	研究论文	本研究通过整合多模板同源建模、分子动力学模拟和深度学习预测，揭示了CYP450融合蛋白的底物耐受机制，并通过协同工程改造显著提升了其催化性能	首次提出协同门控-动力学-电子传递调控模型，并利用深度学习指导突变设计，实现了底物抑制的显著缓解和电子传递效率的同步提升	研究主要基于计算模拟和体外实验，尚未在复杂工业发酵体系或体内环境中进行验证	阐明CYP450融合蛋白的底物耐受机制并开发高效的工程化改造策略	嵌合酶CYP153A/M228L-CPR（CYP）及其突变体	计算生物学	NA	多模板同源建模、分子动力学模拟、深度学习突变预测	深度学习模型	蛋白质结构数据、分子动力学轨迹、酶活性数据	NA	NA	NA	底物抑制缓解倍数（34倍、61倍）、转化率（49.1%、65.8%）、反应时间缩短（6小时、4小时）	NA
1240	2026-01-16	Effect of Helicobacter pylori infection on deep learning-assisted detection of gastric neoplastic lesions under white light endoscopy 2026-Jan-14, Surgical endoscopy DOI:10.1007/s00464-025-12560-0 PMID:41535450	研究论文	本研究评估了幽门螺杆菌感染对基于深度卷积神经网络的AI系统在白光内镜下检测胃肿瘤性病变诊断性能的影响	首次系统评估了幽门螺杆菌感染状态对AI辅助内镜诊断胃肿瘤性能的影响，并发现根除幽门螺杆菌可恢复AI系统的诊断性能	回顾性研究设计，样本量相对有限，且仅使用单一医疗中心的图像数据	评估幽门螺杆菌感染对AI模型诊断胃肿瘤准确性的影响	胃肿瘤性病变（包括低级别上皮内瘤变、高级别上皮内瘤变和早期胃癌）	计算机视觉	胃癌	白光内镜	CNN	图像	563名患者的2347张图像用于主要评估，117名患者的447张图像用于与内镜医师比较	NA	深度卷积神经网络	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA