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
1381	2026-01-14	A combined model of convolutional neural networks and graph attention networks for improved classification of mild cognitive impairment 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121674 PMID:41448509	研究论文	提出一种结合卷积神经网络和图注意力网络的新模型，用于改进轻度认知障碍的分类	提出了一种新颖的CNN与改进的GAT模型相结合的方法，利用MRI体积数据和皮层厚度数据的互补优势，以解决现有模型在捕捉大脑结构特征和检测微小病变方面的局限性	未来工作需通过额外的数据优化来进一步提升性能	改进轻度认知障碍的早期诊断和分类方法	轻度认知障碍患者	数字病理学	老年疾病	磁共振成像	CNN, GAT	图像	NA	NA	CNN, GAT, 多层感知机	AUC, F1-score, 敏感性, 特异性	NA
1382	2026-01-14	MRI-Based Deep Learning Algorithms vs. Radiologists for Lymph Node Metastasis in Colorectal Cancer: A Systematic Review and Meta-analysis 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.048 PMID:41107125	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了基于MRI的深度学习算法与放射科医生在结直肠癌淋巴结转移诊断中的性能	首次通过荟萃分析系统比较了MRI深度学习算法与放射科医生（包括不同经验水平）在结直肠癌淋巴结转移诊断中的性能，并量化了其优势	纳入的研究多为回顾性且主要来自中国，限制了结果的普适性	比较基于MRI的深度学习算法与放射科医生在诊断结直肠癌淋巴结转移方面的诊断性能	结直肠癌患者的淋巴结转移	医学影像分析	结直肠癌	MRI	深度学习算法	MRI图像	内部验证队列：9项研究，共1850例样本	NA	NA	灵敏度, 特异性, AUC	NA
1383	2026-01-14	Explainable Machine Learning for Predicting Invasiveness of Pulmonary Adenocarcinoma Presenting as Ground-Glass Nodules Using CT Images 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.004 PMID:41130882	研究论文	本研究利用CT图像，结合放射组学特征、深度学习特征和瘤内栖息地特征，开发了一个可解释的机器学习模型，用于预测表现为磨玻璃结节的肺腺癌的侵袭性	整合了非增强CT和增强CT的放射组学特征、深度学习特征以及瘤内栖息地特征，构建了一个综合预测模型，并利用SHAP进行可解释性分析，为临床个性化手术决策提供支持	研究为双中心回顾性研究，可能存在选择偏倚；模型性能在外部验证集上有所下降（AUC 0.85），表明泛化能力有待进一步验证	提高早期表现为磨玻璃结节的肺腺癌侵袭性预测的准确性，以支持临床个性化手术决策	经病理证实的磨玻璃结节（GGNs，≤30mm）患者	数字病理学	肺癌	非增强CT（NECT），增强CT（CECT），K-means聚类算法	机器学习模型，深度学习模型	CT图像	516名患者（中心1：396名，中心2：120名）	Scikit-learn（用于K-means等），PyTorch或TensorFlow（用于ResNet50）	ResNet50	AUC，准确率，灵敏度，特异性，决策曲线分析（DCA），校准曲线，Hosmer-Lemeshow检验	NA
1384	2026-01-14	PI-uMSS: Prior information-based unsupervised magnetic source separation in quantitative susceptibility mapping 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121643 PMID:41391626	研究论文	提出了一种基于先验信息的无监督磁源分离框架，用于定量磁化率成像中的源分离	提出了一种无监督的磁源分离框架，利用先验信息引导并通过物理信息损失函数约束，无需大量高质量标签即可实现全脑分离，克服了现有方法依赖近似或区域外推以及深度学习需要大量标注数据的限制	未明确提及具体局限性，但方法依赖于先验信息和物理模型，可能对模型假设和输入数据质量敏感	改进定量磁化率成像中的磁源分离，以更准确量化脑铁和髓鞘变化	全脑定量磁化率成像和R2*数据	医学影像分析	脑部疾病	定量磁化率成像，磁源分离	深度学习模型	医学影像数据	NA	NA	NA	结构相似性，归一化均方误差	NA
1385	2026-01-14	OPDoctorNet: Deep Learning Revolutionizes Opportunistic Screening of Osteoporosis Based on Clinical Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597467 PMID:40788810	研究论文	本研究开发了OPDoctorNet算法，结合Transformer和Mamba特征提取优势，通过多尺度特征融合和FeatureBake Block创新，提高骨质疏松症临床数据识别的准确性	创新性地提出多尺度特征融合和FeatureBake Block，结合Transformer和Mamba的优势，深度提取全局和局部特征，为Transformer和Mamba特征处理提供突破性解决方案	NA	利用深度学习技术改进骨质疏松症的临床数据识别，实现高效、准确的机遇性筛查	骨质疏松症的临床数据	机器学习	骨质疏松症	深度学习	Transformer, Mamba	临床数据	NA	NA	OPDoctorNet, FeatureBake Block	准确率, 召回率, F1分数	NA
1386	2026-01-14	Federated Learning for Histopathology Image Classification: A Systematic Review 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010137 PMID:41515633	系统综述	本文对联邦学习在组织病理学图像分类领域的应用进行了系统性回顾，总结了现有方法、数据集、性能指标以及面临的挑战和未来方向	首次对联邦学习在组织病理学图像分类领域的研究现状进行了系统性梳理和评估，明确了主流方法、数据集和性能基准	纳入的研究存在报告标准不一致、通信开销和计算需求等挑战尚未解决，且临床验证不足	全面评估联邦学习在组织病理学图像分类中的应用现状，识别方法、数据集和性能指标，并指出挑战与未来研究方向	2020年至2025年间发表的24项关于联邦学习用于组织病理学图像分类的研究	数字病理学	NA	NA	深度学习模型	组织病理学图像	涉及10个数据集（8个公开、1个私有、1个未指定）	Flower, OpenFL	VGG, ResNet, DenseNet, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
1387	2026-01-14	AI-Guided Inference of Morphodynamic Attractor-like States in Glioblastoma 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010139 PMID:41515632	研究论文	本文提出了一种AI框架，通过3D自编码器和神经常微分方程，从多模态MRI数据中推断胶质母细胞瘤的形态动力学吸引子样状态，并探索其与生存预后的关联	结合生成式AI与动力系统理论，从横断面数据中近似推断肿瘤形态动力学的潜在吸引子景观，并首次尝试通过控制理论（确定性控制器和强化学习代理）模拟肿瘤轨迹的干预	研究基于横断面数据（BraTS 2020），缺乏纵向随访验证；动态吸引子盆地在预后预测上增益有限，年龄仍是主导协变量；控制模拟仅为概念验证，未进行实际临床干预	开发一个可解释、可控制的AI框架，以捕捉胶质母细胞瘤的形态动力学稳定状态（吸引子），并探索其与临床结局的关联	胶质母细胞瘤（GBM）患者的多模态MRI扫描数据	数字病理学	胶质母细胞瘤	多模态MRI	自编码器, 神经常微分方程, 强化学习	3D医学影像	494例患者（来自BraTS 2020数据集）	PyTorch（推断自神经ODE和强化学习代理的使用）	3D自编码器, 神经ODE, Soft Actor-Critic	生存分析（Kaplan-Meier, log-rank检验, C-index）, 相关系数, 控制成功率, 终端距离减少率	未明确指定，但涉及3D影像处理和强化学习训练，可能使用GPU（如NVIDIA系列）
1388	2026-01-14	Evaluating the Impact of Demographic Factors on Subject-Independent EEG-Based Emotion Recognition Approaches 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010144 PMID:41515638	研究论文	本研究提出了一种融合脑电图特征与人口统计学信息的深度学习模型，用于提升跨被试的基于脑电图的情绪识别性能	提出了一种基于注意力机制的融合方法，能够动态权衡脑电图特征与人口统计学信息（年龄、性别、国籍）在分类过程中的贡献	研究仅使用了三个公开数据集，样本量相对有限，且未探讨更复杂的人口统计学变量组合	提升跨被试的基于脑电图的情绪识别模型的性能与公平性	31名具有不同人口统计学背景的被试的脑电图信号	机器学习	NA	脑电图	深度学习	脑电图信号，人口统计学数据	31名被试，来自SEED、SEED-FRA和SEED-GER三个数据集	NA	基于注意力机制的融合模型	准确率	NA
1389	2026-01-14	Leveraging Large-Scale Public Data for Artificial Intelligence-Driven Chest X-Ray Analysis and Diagnosis 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010146 PMID:41515641	研究论文	本研究利用大规模公开胸部X光数据集训练深度学习模型，用于胸部异常的多标签分类诊断	结合大规模多样化公共数据集与噪声标签训练通用深度学习模型，并引入不确定性量化评估模型可靠性	对结核病等样本质量有限的疾病诊断仍具挑战性，需针对代表性不足的疾病开发更精准的策略	开发基于人工智能的胸部X光分析诊断系统，以缓解放射科医生负担	胸部X光影像	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	大规模多样化公共数据集（具体数量未说明）	NA	ResNet, DenseNet, EfficientNet, DLAD-10	AUC, 敏感性, F1分数	NA
1390	2026-01-14	Semi-Supervised Seven-Segment LED Display Recognition with an Integrated Data-Acquisition Framework 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010265 PMID:41516700	研究论文	本文提出了一种集成数据采集框架的半监督七段LED显示屏识别方法，以提高工业检测中的识别准确性和鲁棒性	结合图像处理与深度学习，构建基于改进自训练算法的半监督对抗学习框架，并引入k-means聚类分层采样、Squeeze-and-Excitation B Block增强CNN主干以及对抗生成网络进行对抗训练	模型可能仍受特定环境因素（如温度、光照变化）影响，且半监督方法依赖于初始标注数据质量	提高工业检测和实验数据采集场景中七段LED显示屏的识别准确性和效率，并增强模型在不同环境下的鲁棒性	工业检测和实验数据采集中常用的数字管（七段LED显示屏）	计算机视觉	NA	图像处理技术、k-means聚类算法、对抗生成网络	CNN, GAN	图像	NA	NA	改进的CNN主干（添加Squeeze-and-Excitation B Block）	分类准确性、鲁棒性	NA
1391	2026-01-14	State-of-Charge Estimation of Lithium-Ion Batteries Based on the CNN-Bi-LSTM-AM Model Under Low-Temperature Environments 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010264 PMID:41516699	研究论文	本文提出了一种结合一维卷积神经网络、双向长短期记忆网络和注意力机制的混合深度学习模型，用于提升锂离子电池在低温环境下的荷电状态估计精度	首次将一维卷积神经网络、双向长短期记忆网络和注意力机制集成于一个混合模型中，以动态强调关键时间步长，有效处理低温环境下的电压失真和非线性动态	研究仅在特定型号（Panasonic 18650PF）和有限温度范围（-20至0摄氏度）的数据集上进行验证，未涵盖更广泛的电池类型或更极端的低温条件	提高锂离子电池在低温环境下的荷电状态估计准确性，以支持电池管理系统在极端条件下的可靠运行	锂离子电池（具体为Panasonic 18650PF型号）	机器学习	NA	深度学习	CNN, LSTM	序列数据（电压和电流序列）	基于Panasonic 18650PF数据集，具体样本数量未明确说明	NA	一维卷积神经网络, 双向长短期记忆网络, 注意力机制	平均绝对误差, 均方根误差	NA
1392	2026-01-14	Deep Learning Wavefront Sensing from Object Scene for Directed Energy HEL Systems 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010268 PMID:41516703	研究论文	本文提出了一种基于深度学习的波前传感方法，直接从场景图像中预测大气湍流引起的波前畸变，无需专用波前传感器或参考光束	利用深度学习直接从场景图像预测波前畸变（以Zernike系数表示），无需传统自适应光学系统中的专用波前传感器和参考光束，简化了系统并降低了成本	模型训练依赖于特定无人机（如Reaper UAV）的畸变图像，且湍流水平范围有限；虽然展示了泛化能力，但未在所有可能的无人机类型或极端湍流条件下进行全面验证	开发一种无需专用波前传感器和参考光束的波前传感方法，以改善高能激光系统在大气湍流中的性能	Reaper无人机和Mongoose无人机的畸变图像，用于训练和测试深度学习模型	计算机视觉	NA	深度学习波前传感	深度学习模型	图像	使用Reaper无人机在不同湍流水平（D/r0，其中D=30 cm，r0=3、5、7 cm）下的畸变图像进行训练，并测试了Mongoose无人机的图像	NA	NA	准确性	NA
1393	2026-01-14	Dual-source cone-beam CT for HDR brachytherapy in-suite imaging: Simulation studies of limited angle image reconstruction based on deep image prior 2026 Jan-Feb, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.09.001 PMID:41077519	研究论文	本研究通过模拟研究，提出了一种新型超紧凑移动双源锥束CT（dCBCT）设计，用于高剂量率（HDR）近距离放射治疗中的有限角度图像重建	设计了一种新型超紧凑移动双源锥束CT（dCBCT），结合深度学习图像重建技术，实现了超短扫描和实时立体成像，解决了传统C臂锥束CT的数据截断问题	本研究为模拟研究，未涉及实际临床数据或硬件实现，可能未完全考虑实际应用中的技术挑战	开发一种适用于高剂量率（HDR）近距离放射治疗室的快速3D和实时平面成像系统	双源锥束CT（dCBCT）系统及其在有限角度下的图像重建性能	医学影像	NA	锥束CT（CBCT）、深度学习图像重建	深度学习模型（具体未指定）	模拟CT图像数据	NA	NA	Deep Image Prior（DIP）	图像质量（未指定具体指标）	NA
1394	2026-01-13	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	提出一种名为SSIF-affinity的多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地结合了结合界面定位与几何约束区域构建、结构引导的跨模态注意力模块，以及全序列特征与结合区域结构特征的协同表示机制，有效平衡了界面相互作用与长程相互作用的贡献	未明确说明模型在更广泛的蛋白质-蛋白质相互作用类型上的泛化能力，以及计算效率的具体数据	实现蛋白质-蛋白质复合物结合亲和力的高精度定量预测，以辅助生物机制解析和治疗性抗体开发	蛋白质-蛋白质复合物，特别是抗体-抗原复合物	生物信息学，机器学习	NA	深度学习，多模态学习	CNN, LSTM, 注意力机制, MLP	序列数据，结构数据（结构图）	NA	NA	CNN, LSTM, 跨模态注意力模块, MLP	NA	NA
1395	2026-01-13	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	本研究通过结合深度学习的虚拟筛选方法，发现了一系列基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	采用深度神经网络增强虚拟筛选，提高了21%的命中识别效率，并揭示了一种新型变构抑制机制	研究处于早期阶段，化合物需进一步验证其临床前和临床效果	针对SARS-CoV-2解旋酶进行基于结构的药物发现	SARS-CoV-2解旋酶（Nsp13）	机器学习	COVID-19	虚拟筛选，分子动力学模拟	深度神经网络	化学分子结构数据	NA	NA	深度神经网络	命中识别效率，选择性指数（CC/EC），抗病毒活性（EC）	NA
1396	2026-01-13	Toward Complete Molecular Structure Prediction from Infrared Spectroscopy Using Deep Learning 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01834 PMID:41403343	研究论文	本研究提出了一种基于深度学习的双损失架构，用于从红外光谱数据中预测完整的分子结构（以SMILES字符串表示）	采用受图像描述模型启发的双损失深度学习架构，首次从红外光谱直接预测完整分子结构，而非仅预测单个官能团	模型在未见测试集上仅能正确预测16.26%的完整结构，准确率有待提升	解决从红外光谱逆向解析完整分子结构的挑战，提升光谱分析在化学和医学等领域的应用能力	有机化合物的红外光谱数据及其对应的分子结构	机器学习	NA	量子力学密度泛函理论计算	深度学习	光谱数据	超过17,000个独特的红外光谱，其中测试集包含1,710个光谱	NA	受图像描述模型启发的双损失架构	完整结构预测准确率，官能团再生准确率	劳伦斯伯克利国家实验室的Lawrencium集群高性能计算资源
1397	2026-01-13	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出了一种名为MambaTransDTA的新型混合模型，用于准确预测药物-靶点结合亲和力	首次将Mamba架构与Transformer架构相结合，以优化药物-靶点相互作用预测，通过结合Mamba捕获长程依赖的能力和Transformer对局部交互的建模，实现了更全面的亲和力估计	NA	提高药物-靶点亲和力预测的准确性、鲁棒性和泛化能力	药物-靶点相互作用	机器学习	NA	NA	混合模型	NA	NA	NA	Mamba, Transformer	均方误差	NA
1398	2026-01-13	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	本文提出了一种名为LGABAN的新型深度学习框架，用于增强药物-蛋白质相互作用的预测，通过结合图特征和序列特征的多尺度方法	LGABAN框架通过双分支结构并行提取局部和全局特征，并利用双线性注意力网络整合四种特征对，同时引入多头图注意力网络增强药物图表示能力	NA	提高药物-靶标相互作用预测的准确性和可解释性，以缩短药物研发周期和降低成本	药物和蛋白质	机器学习	NA	深度学习	GAT, BAN	图数据, 序列数据	NA	NA	多头图注意力网络, 双线性注意力网络	NA	NA
1399	2026-01-13	AttentionScore: A Target-Specific, Bias-Aware Scoring Function for Structure-Based Virtual Screening: A Case Study on METTL3 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02142 PMID:41435908	研究论文	本文提出了一种名为AttentionScore的深度学习评分函数，用于METTL3靶点的结构虚拟筛选，该函数整合了配体信息和蛋白质-配体相互作用信息，并通过相似性约束的数据划分方法进行偏差感知评估	开发了首个针对METTL3靶点的深度学习评分函数，采用多尺度融合模块耦合PLEC相互作用指纹和配体指纹，并设计了相似性约束的数据划分协议以最小化类比泄漏	研究仅针对METTL3单一靶点进行案例研究，未在其他靶点上验证方法的普适性	开发一种靶点特异性、偏差感知的评分函数，以改进结构虚拟筛选的准确性	METTL3靶点及其配体分子	机器学习	NA	结构虚拟筛选	深度学习	分子指纹数据（PLEC、Avalon/ECFP4）	未明确说明具体样本数量，但包含训练集和两个测试集（Set 1和Set 2）	未明确说明	多注意力编码器、联合自编码器潜在表示、多尺度融合模块	PR-AUC, 精确率, 召回率, F1分数, MCC	未明确说明
1400	2026-01-13	DeepMLP: A Proteomics-Driven Deep Learning Framework for Identifying Mis-Localized Proteins across Pan-Cancer 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02226 PMID:41436377	研究论文	本文提出了一种名为DeepMLP的蛋白质组学驱动的深度学习框架，用于在泛癌中识别错误定位的蛋白质	通过交叉注意力机制构建通路感知的蛋白质表示，并结合动态蛋白质-蛋白质相互作用网络，协同增强识别潜在癌症错误定位蛋白质的能力	未明确说明	识别泛癌类型中的错误定位蛋白质，特别是错误定位的蛋白激酶，并探索其在肿瘤发生中的潜在生物学相关性	错误定位的蛋白质（MLPs），特别是蛋白激酶	机器学习	癌症	大规模质谱蛋白质组学数据	深度学习	蛋白质组学数据	未明确说明	未明确说明	图注意力网络（GAT），结合交叉注意力机制	准确性，稳定性	未明确说明