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
1421	2026-01-13	A deep learning model to enhance lung cancer detection using 'Dual-Branch' model classification approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339404 PMID:41511950	研究论文	本研究提出了一种名为'双分支模型分类方法'的深度学习模型，通过整合图像和掩码数据来增强肺癌检测的准确性和可扩展性	引入了双分支模型分类方法，这是一种两阶段策略，整合图像和掩码数据以提升检测精度和可扩展性，解决了样本不足和输入模态限制的问题	模型存在高计算需求、分割掩码提供的信息有限以及数据集中可能存在潜在偏差，这些限制了模型的泛化能力	提高肺癌的早期检测和准确分类，以改善患者生存率	肺癌检测，使用CT图像和掩码数据作为研究对象	计算机视觉	肺癌	CT扫描	CNN, DNN, SVM	图像, 掩码数据	使用LIDC-IDRI数据集，包含不同数据规模，具体样本数量未明确说明	NA	双分支模型分类方法	准确率, F1分数	NA
1422	2026-01-13	LIMPACAT: Multi-omics attention transformer for immune prediction in liver cancer using whole-slide imaging 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339667 PMID:41511965	研究论文	本研究提出了一种名为LIMPACAT的深度学习框架，利用全切片图像预测肝细胞癌中与预后相关的免疫细胞水平	首次将注意力Transformer与多实例学习结合，从组织病理学图像中预测免疫细胞组成，为无直接免疫数据的数据集提供了一种新的免疫特征推断方法	研究依赖于通过反卷积方法推断的免疫细胞组成作为监督信号，而非直接测量的免疫数据，可能存在推断误差	开发一种基于全切片图像的深度学习模型，用于预测肝细胞癌的肿瘤免疫微环境特征	肝细胞癌患者的全切片图像及相关的RNA测序数据	数字病理学	肝癌	单细胞RNA测序, 批量RNA测序, 反卷积方法	Transformer, 多实例学习	图像, 基因表达数据	基于TCGA-LIHC数据集，具体样本数量未明确说明	NA	注意力Transformer	准确率	NA
1423	2026-01-13	Machine learning analysis based on deep learning for fatigue diagnostics in carbon fiber reinforced polymers 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340904 PMID:41511978	研究论文	本文提出了一种基于深度学习的混合框架，用于碳纤维增强聚合物（CFRP）的疲劳状态分类	结合一维卷积神经网络（1D-CNN）和扩展长短期记忆网络（xLSTM）提取时空特征，并通过基于互信息的特征选择和Bagging集成分类器进行优化	虽然框架适用于CFRP结构的健康监测，但未在其他材料或更广泛场景中验证	开发一种可靠的方法用于CFRP结构的疲劳诊断和维护决策支持	碳纤维增强聚合物（CFRP）复合材料	机器学习	NA	传感器监测数据	CNN, LSTM	传感器数据	NASA-CFRP数据集	NA	1D-CNN, xLSTM	分类准确率	NA
1424	2026-01-13	Image generator for tabular data based on non-Euclidean metrics for CNN-based classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340005 PMID:41512047	研究论文	本研究在IGTD框架中比较了非欧几里得距离度量，将表格数据转换为图像表示以用于基于CNN的分类	扩展IGTD框架以采用多种非欧几里得距离度量（如一减相关性、测地距离、Jensen-Shannon距离、Wasserstein距离和热带距离），旨在更好地捕捉特征间的复杂非线性关系	未明确提及具体局限性	评估非欧几里得距离度量在将表格数据转换为图像表示以用于CNN分类中的性能	模拟和真实世界的基因组学数据集	机器学习	NA	NA	CNN	表格数据	NA	NA	NA	分类准确性, 生成图像的结构保真度	NA
1425	2026-01-13	Deep learning algorithms and Raman spectroscopy in the clinical laboratory setting 2026-Jan, Critical reviews in clinical laboratory sciences IF:6.6Q1 DOI:10.1080/10408363.2025.2549305 PMID:40888106	综述	本文综述了拉曼光谱与深度学习在临床实验室中的整合应用，重点介绍了关键深度学习模型及其在疾病诊断中的潜力	整合拉曼光谱与深度学习，自动化光谱解释，提高分类准确性，为非侵入性可靠诊断提供新方法	NA	探索拉曼光谱与深度学习在医学应用中的整合，提升光谱解释和诊断准确性	生物样本（如用于癌症诊断、细菌鉴定和病毒诊断的样本）	机器学习	癌症	拉曼光谱	CNN, LSTM, GAN	光谱数据	NA	NA	NA	NA	NA
1426	2026-01-13	Forensic toxicology and Artificial intelligence: broadening horizons and growing potential 2026 Jan-Feb, La Clinica terapeutica DOI:10.7417/CT.2026.1988 PMID:41525127	综述	本文综述了人工智能和机器学习在法医毒理学领域的应用潜力、优势与挑战	系统梳理了自20世纪90年代以来AI技术在法医毒理学中的应用发展，特别关注了新精神活性物质（NPS）的检测与分析	大规模应用仍面临挑战与困难，且短期内AI无法完全取代毒理学家	探讨AI和机器学习如何提升法医毒理学评估的准确性、效率和可靠性	法医毒理学领域，特别是新精神活性物质（NPS）的检测与数据解释	机器学习	NA	专家系统、神经网络、深度学习、生成式AI	神经网络	毒理学数据	NA	NA	NA	NA	NA
1427	2026-01-12	Deep learning-enabled high-performance multiphoton fluorescence vascular imaging using clinically approved fluorescent probes 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114141 PMID:41509928	研究论文	本文提出了一种基于深度学习的方法，利用临床批准的荧光探针实现高性能多光子荧光血管成像	开发了一种深度学习模型，能够将临床批准的荧光探针（如ICG）用于高性能多光子荧光成像，解决了传统探针不适用于MPFI的问题	方法依赖于先前报道的MPFI图像进行训练，且新型定制探针的生物安全性尚未完全验证	提高多光子荧光成像（MPFI）的实用性和临床适用性	大脑微血管系统，特别是海马区域的血管	计算机视觉	NA	多光子荧光成像（MPFI）	深度学习	图像	NA	NA	NA	NA	NA
1428	2026-01-12	A Novel Acetylcholine Nanosensor for Single Vesicle Storage and Sub-Quantal Exocytosis in Living Neurons and Organoids 2026-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520854 PMID:41518282	研究论文	本文开发了一种基于TiCT MXene/酶功能化的纳米传感器，用于实时监测活体神经元和类器官中单个囊泡的乙酰胆碱存储和释放动态	开发了一种新型纳米传感器，首次实现了在单细胞水平对单个囊泡存储和亚量子释放动力学的原位定量化学分析	NA	研究胆碱能突触可塑性在生理和病理状态下的机制，特别是单个囊泡的存储和释放动力学	原代胆碱能神经元、人类脊髓类器官以及唐氏综合征模型	生物传感与神经科学	唐氏综合征	纳米传感器技术、酶功能化、实时监测	1D-CNN	信号峰值形状数据	NA	NA	一维卷积神经网络	NA	NA
1429	2026-01-12	Bayesian neural networks for genomic prediction: uncertainty quantification and SNP interpretation with SHAP and GWAS 2026-Jan-10, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05127-z PMID:41518523	研究论文	本研究提出了一个结合LASSO正则化的贝叶斯神经网络框架及GSMeSP可解释性工具，用于实现准确、不确定性感知且具有生物学可解释性的基因组预测	开发了结合LASSO正则化的贝叶斯神经网络框架，提供不确定性量化，并创新性地整合SHAP与GWAS信号，提出GSMeSP工具以从统计和生物学角度优先识别性状相关SNP	研究主要针对陆地棉的纤维相关性状，尚未在其他作物或性状中广泛验证，且模型复杂度可能较高	提高基因组预测的准确性、不确定性量化及模型可解释性，以加速作物育种中的基因组选择	1385份陆地棉种质资源，基因型数据包含超过12,000个SNP，针对多个纤维相关性状	机器学习	NA	基因组预测，全基因组关联研究	贝叶斯神经网络	基因型数据（SNP）	1385份陆地棉种质资源	NA	贝叶斯神经网络	预测准确性	NA
1430	2026-01-12	Bridging AI and biology: Foundation models meet human physiology and disease 2026-Jan-09, Med (New York, N.Y.) DOI:10.1016/j.medj.2025.100971 PMID:41519120	综述	本文探讨了将基础模型从基准测试转化为临床影响时遇到的挑战，并提出了结合深度学习与生物机制表示的混合模型以促进因果推理	提出结合深度学习与生物机制表示的混合模型，以解决基础模型在临床应用中因果推理不足的问题	NA	旨在通过混合模型提升基础模型在人类生理和疾病研究中的因果推理能力	人类生理和疾病	机器学习	NA	深度学习	基础模型, 混合模型	观测数据	NA	NA	NA	NA	NA
1431	2026-01-12	In silico design of stable single-domain antibodies with high affinity 2026-Jan-09, Structure (London, England : 1993) DOI:10.1016/j.str.2025.12.010 PMID:41519125	研究论文	本文介绍了一种基于结构的抗体设计流程EvolveX，用于设计高亲和力和稳定性的单域抗体	利用经验力场FoldX设计单域抗体的互补决定区，显著提高了抗体亲和力，并通过结构分析验证了设计准确性	NA	克服抗体设计中的高亲和力和稳定性挑战，开发治疗性抗体	针对小鼠Vsig4和人Vsig4的单域抗体	机器学习	NA	深度学习，生成方法，X射线晶体学，下一代测序	NA	结构数据，序列数据	NA	NA	NA	结合亲和力提升倍数	NA
1432	2026-01-12	Novel deep learning CCTA-FFR for detecting functionally significant coronary stenosis: Comparison with iFR 2026-Jan-09, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.007 PMID:41519628	研究论文	本研究评估了一种新型的、基于深度学习的、现场计算的冠状动脉CT血管造影血流储备分数算法（CT-FFR）与有创瞬时无波比（iFR）相比，在检测功能显著性冠状动脉狭窄方面的诊断性能	提出并评估了一种新型的、现场计算的深度学习CT-FFR算法（cFFR v6），用于快速、非侵入性地评估冠状动脉狭窄的功能性缺血，并与有创iFR标准进行比较，验证其在CCTA解读中提供即时生理评估的可行性	研究为回顾性分析，样本量较小（44例患者，44处病变），需要更大规模的多中心研究来验证结果并明确其临床作用	评估一种新型现场深度学习CT-FFR算法在检测功能显著性冠状动脉狭窄方面的诊断性能，并与有创iFR进行比较	44例接受临床指征的冠状动脉CT血管造影（CCTA）和有创瞬时无波比（iFR）测量的患者（共44处病变）	医学影像分析	心血管疾病	冠状动脉CT血管造影（CCTA），有创瞬时无波比（iFR）测量	深度学习	医学影像（CCTA图像）	44例患者，44处病变	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, ROC曲线下面积（AUC）, 皮尔逊相关系数	现场工作站集成算法（提供近实时评估）
1433	2026-01-12	AI-MDT: an automatic and intelligent multidisciplinary team consultations platform for lung cancer diagnosis 2026-Jan-08, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06413-5 PMID:41504919	研究论文	本研究介绍并评估了一个用于肺癌诊断的自动智能多学科团队会诊平台AI-MDT	开发了一个集成了流程自动化、智能决策支持和诊断辅助三大核心模块的AI-MDT平台，首次将大语言模型、深度学习和计算机视觉技术整合到肺癌MDT工作流中，实现了实时循证知识库和自动病灶检测与特征分析	研究仅在单一中国三甲医院实施，样本量（879次会诊，811名患者）相对有限，且为初步疗效评估，缺乏长期随访和多中心验证	评估AI-MDT平台在肺癌多学科团队会诊中的临床实用性和初步有效性	肺癌患者的诊断流程与多学科团队会诊	数字病理	肺癌	大语言模型，深度学习，计算机视觉	深度学习模型	医学影像，文本知识库	879次会诊，涉及811名患者	NA	NA	会诊量，专家时间，数据利用率，AI诊断建议使用次数（852次），决策支持使用次数（744次）	NA
1434	2026-01-10	Correction: Optimized deep learning for brain tumor detection: a hybrid approach with attention mechanisms and clinical explainability 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29967-3 PMID:41507212	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1435	2026-01-12	Cross-omics interpretable neural network for discovery of molecular markers in prostate cancer 2026-Jan-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108879 PMID:41518989	研究论文	本文提出了一种用于前列腺癌分子标志物发现的跨组学可解释神经网络框架	提出了一种结合先验生物知识（通路或蛋白质-蛋白质相互作用网络）和可训练掩码层的仿生框架，动态优化预定义生物连接的强度，以增强知识表示和模型可解释性	未明确说明模型在其他癌症类型或独立数据集上的泛化能力，也未讨论计算复杂度或训练时间	发现介导前列腺癌临床侵袭性表型的分子标志物	前列腺癌	机器学习	前列腺癌	多组学数据整合（基因表达、体细胞突变、拷贝数变异）	神经网络	多组学数据	NA	NA	Cross-omics Interpretable Neural Network (CINN)	F1分数, 准确率, AUC	NA
1436	2026-01-12	A multi-expert deep learning framework with LLM-guided arbitration for multimodal histopathology prediction 2026-Jan-08, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102704 PMID:41519030	研究论文	提出了一种新颖的多专家深度学习框架，利用大型语言模型作为智能仲裁器，整合了基于病理图像的预测模型和基于临床特征的模型，以提升多模态病理学预测的准确性和可解释性	首次将大型语言模型作为智能仲裁器引入多模态病理学预测框架，利用其上下文推理和解释能力动态整合来自不同专家模型的见解，解决模型间分歧，并提供透明、合理的决策	研究仅在胃癌和乳腺癌两个数据集上进行了验证，需要更多样化的癌症类型和更大规模的数据集来验证其泛化能力	开发一个透明、可扩展且可解释的多模态人工智能系统，用于数字病理学中的癌症预测	胃癌和乳腺癌的病理学图像及临床信息	数字病理学	胃癌, 乳腺癌	NA	CNN, Transformer, LLM	图像, 文本	HMU-GC-HE-30K（胃癌数据集，仅病理图像）和BCNB（乳腺癌活检数据集，包含病理图像和临床信息）两个数据集	NA	CNN, ViT, LLaMA, GPT, Mistral	NA	NA
1437	2026-01-12	Structured generative modelling of earthquake response spectra with hierarchical latent variables in hyperbolic geometry 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29902-6 PMID:41501067	研究论文	本研究提出了一种基于双曲几何的层次变分自编码器框架，用于生成地震响应谱，以提升地震灾害分析和结构性能评估的准确性	利用双曲几何（庞加莱球流形）嵌入层次潜在变量，首次将几何深度学习与地震学建模结合，以显式建模地震记录中的事件间和事件内变异性	未明确提及模型在处理极端罕见地震事件或小样本数据时的泛化能力限制	开发一种能够生成物理一致地震响应谱的生成模型，以支持地震灾害分析和实时风险缓解	地震响应谱（强震动数据）	机器学习	NA	NA	HVAE（层次变分自编码器）	地震记录数据（源参数和场地参数）	NA	NA	层次变分自编码器（HVAE）	决定系数（R²）	NA
1438	2026-01-12	Depression detection from speech data using deep learning-based optimized temporal-frequency-channel attention with interpretable acoustic-prosodic mapping 2026-Jan-06, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121077 PMID:41506383	研究论文	本文提出了一种基于深度学习、结合时频通道注意力机制和优化策略的轻量级可解释框架，用于直接从原始语音音频中检测抑郁症	提出了结合时频通道注意力单元（TFCA）的轻量级ResNet-18模型，并引入了基于性能反馈自适应调整超参数的POCAII优化策略，增强了模型的可解释性和跨数据集鲁棒性	模型在跨语言泛化能力方面的表现未在更多语种上进行验证，且仅使用了两个公开数据集进行评估	开发一种无需转录或视觉线索、可直接从原始语音中检测抑郁症的深度学习系统	语音录音数据	自然语言处理	抑郁症	语音信号分析，时频分析（频谱图转换）	CNN	音频	两个公开抑郁症语音数据集（DAIC-WOZ和Androids Corpus）	NA	ResNet-18	准确率，AUC（受试者工作特征曲线下面积）	NA
1439	2026-01-12	Automated 3D cephalometry: A lightweight V-net for landmark localization on CBCT 2026-Jan-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102700 PMID:41519031	研究论文	本研究开发了一种轻量级V-net深度学习模型，用于自动定位CBCT扫描中的16个解剖标志点，以支持正畸临床决策	提出了一种轻量级V-net模型，能够在异质性CBCT数据集上实现临床可接受的定位精度，并具有低计算复杂度，适合集成到临床工作流程中	未明确提及模型在极端病例或罕见骨骼分类上的性能，且样本量（350例）可能限制进一步泛化	开发自动化的三维头影测量方法，减少处理时间和操作者依赖性，以支持正畸临床决策	三维锥束CT扫描中的16个预定义解剖标志点	计算机视觉	正畸相关骨骼分类	锥束CT成像	CNN	三维医学图像	350例手动标注的CBCT扫描，涵盖不同成像系统、患者年龄和骨骼分类	NA	V-net	平均定位误差（毫米）、角度测量误差（度）、线性测量误差（毫米）、Bland-Altman分析	NA
1440	2026-01-12	Profiler: an open web platform for multi-omics analysis 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf644 PMID:41324558	研究论文	本文介绍了一个名为Profiler的开源、模块化多组学分析平台，旨在通过统一的数据处理、分析和可视化工具，降低多组学数据分析的门槛	开发了一个集成了从数据导入到生存建模全流程的、支持多种组学数据类型（如蛋白质组学、转录组学、脂质组学、脑电图数据）的统一、可扩展且用户友好的开源平台	未在摘要中明确说明	解决多组学数据分析中工具分散、需要高级计算专业知识以及可重复性和可访问性差的问题，为系统生物学和精准医学研究提供基础	多组学数据（如蛋白质组学、转录组学、脂质组学、脑电图数据）	生物信息学	NA	多组学技术	机器学习和深度学习	多组学数据	NA	Python, Streamlit	NA	NA	高性能计算集群（用于网络平台部署）