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
1781	2026-02-16	Data-Augmented Deep Learning for Downhole Depth Sensing and Validation 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030775 PMID:41682291	研究论文	本文提出了一种集成到井下工具串中的系统，用于套管接箍定位器（CCL）测井数据采集，并开发了数据增强预处理方法以提升套管接箍识别神经网络的性能	针对CCL数据有限的情况，提出了一套综合的数据增强预处理方法，包括标准化、标签分布平滑、随机裁剪等，并系统评估了各方法对模型泛化能力的贡献	研究依赖于模拟或有限的实际井数据，可能无法完全覆盖所有井下环境的复杂性	提高井下深度测量的准确性，以优化油气井作业中的储层接触、生产效率和操作安全	套管接箍定位器（CCL）测井数据	机器学习	NA	CCL测井数据采集	神经网络	波形数据	NA	NA	TAN, MAN	F1分数	NA
1782	2026-02-16	Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36301-y PMID:41571740	研究论文	本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场	引入了变分自编码器结合傅里叶特征层，并添加感知损失项来学习流场的低维潜在表示，通过基于注意力的网络将潜在表示与传感器测量关联	未明确提及方法在极端或非标准流动条件下的适用性限制	开发一种从稀疏传感器测量中准确重建流场的方法，并提高其在不同流动条件下的泛化能力	流体流动场	机器学习	NA	NA	变分自编码器, 注意力网络	传感器测量数据	NA	NA	FLRNet	重建准确性, 鲁棒性	NA
1783	2026-02-16	Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36895-3 PMID:41571775	研究论文	本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测	通过可穿戴设备实时监测生理和行为数据，并利用RNN模型分析时序模式，实现了对阿尔茨海默病的连续、非侵入性早期检测	未提及具体样本量、模型验证的临床环境或与其他方法的比较结果	开发一种基于可穿戴技术和深度学习的早期阿尔茨海默病检测系统	阿尔茨海默病患者	机器学习	阿尔茨海默病	可穿戴传感器数据采集	RNN	时序生理和行为数据（心率、睡眠习惯、身体活动）	NA	NA	RNN	检测敏感性和准确性	NA
1784	2026-02-16	Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35540-3 PMID:41565887	研究论文	本文提出了一种量子去噪自编码器（QDAE），用于提高视网膜眼底图像质量，以支持早期糖尿病视网膜病变筛查	提出了一种混合量子-经典架构，利用参数化量子电路在潜在空间中增强表示，通过量子叠加和纠缠改善去噪效果和视网膜细节保留	浅层量子电路带来轻微的计算开销，且模型在小型医学数据集上的泛化能力仍需进一步验证	提高视网膜眼底图像的去噪质量，以促进早期糖尿病视网膜病变的准确检测	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	量子计算与深度学习结合	自编码器	图像	基于Diabetic Retinopathy 224×224 (2019)数据集，具体样本数量未明确说明	未明确说明，可能涉及PyTorch或TensorFlow等经典框架与量子计算库的结合	量子去噪自编码器（QDAE），结合卷积特征编码与参数化量子电路	PSNR, SSIM, AMI	未明确说明，但提及涉及量子电路，可能使用量子计算模拟器或实际量子硬件
1785	2026-02-16	AI-powered segmentation and prognosis with missing MRI in pediatric brain tumors 2026-Jan-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01269-x PMID:41530498	研究论文	本研究开发了处理儿科脑肿瘤MRI序列缺失的策略，包括dropout训练的分割模型和生成模型，以提高AI工具在真实世界临床环境中的实用性	提出了针对MRI序列缺失的dropout训练分割模型和生成图像合成方法，在序列不完整时仍保持稳健的分割和预后准确性	研究为回顾性设计，样本主要来自特定网络和临床试验，可能限制泛化性	解决儿科脑肿瘤MRI成像中序列缺失问题，提升深度学习模型在临床环境中的鲁棒性和实用性	儿科脑肿瘤患者及其MRI影像	数字病理学	脑肿瘤	MRI	深度学习模型	图像	715名患者来自儿童脑肿瘤网络和BraTS-PEDs，43名患者（157张纵向MRI）来自PNOC003/007临床试验	NA	NA	Dice系数，SSIM	NA
1786	2026-02-16	Learning physical interactions to compose biological large language models 2026-Jan-07, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01883-7 PMID:41501135	综述	本文探讨了结合不同生物模态表示以改进药物设计中分子相互作用预测的方法，并提出了构建生化基础模型的未来研究方向	提出通过组合特定领域的生物语言模型内部层表示来提升分子相互作用预测的泛化能力，并展示了该方法在特征较少情况下优于标准方法	未具体说明模型组合的具体技术细节或实验验证的完整范围	开发能够联合编码多种分子模态的生化基础模型，以更有效地预测分子相互作用	生化序列、分子复合物及分子相互作用	自然语言处理	NA	深度学习、大语言模型训练	大语言模型	生化序列数据	NA	NA	NA	NA	NA
1787	2026-02-16	GATCL: graph attention network meets contrastive learning for spatial domain identification 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag043 PMID:41678736	研究论文	本文提出了一种名为GATCL的新型深度学习框架，该框架将图注意力网络与对比学习相结合，用于稳健的空间域识别	GATCL通过图注意力机制动态分配邻域权重以建模复杂细胞结构，并采用跨模态对比学习策略实现模态间的稳健对齐	未在摘要中明确说明	开发一种用于空间域识别的稳健深度学习框架	空间多组学数据中的细胞或点	机器学习	NA	空间多组学	图注意力网络, 对比学习	空间多组学数据（转录组、蛋白质组、染色质）	六个不同的数据集	NA	图注意力网络	六项关键评估指标	NA
1788	2026-02-16	Dynamic-GLEP: a dynamics-informed deep learning framework for ligand efficacy prediction in representative Class A GPCRs 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag049 PMID:41678734	研究论文	本文提出了一种名为Dynamic-GLEP的深度学习框架，用于预测A类GPCRs中配体的功效，该框架整合了分子动力学模拟和等变图神经网络	首次将分子动力学衍生的构象集合与等变图神经网络的迁移学习相结合，构建多构象受体-配体复合物，以捕获驱动功效的构象动力学	目前主要应用于代表性A类GPCRs（如5-HT1A和A2A受体），在其他GPCR亚型或更广泛靶点中的普适性有待进一步验证	开发一个可靠且可解释的计算平台，用于预测A类GPCRs中配体的功效，以支持虚拟筛选、候选物优先排序和机制驱动的药物设计	A类G蛋白偶联受体（GPCRs）及其配体，特别是5-HT1A受体和腺苷A2A受体	计算生物学, 药物发现	NA	分子动力学模拟, 等变图神经网络, 迁移学习	等变图神经网络	分子结构数据, 构象集合	使用了交叉验证数据集和一个外部FDA相关数据集	NA	EquiScore模型	曲线下面积	NA
1789	2026-02-16	A Comparative Study of Unsupervised and Deep Learning Methods for Automatic Segmentation of Abdominal Aortic Aneurysm on CT Images: Preliminary Results 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_33 PMID:41252020	研究论文	本研究比较了无监督和深度学习两种方法在CT图像上自动分割腹主动脉瘤的性能，并展示了初步结果	首次使用18名AAA患者的CT图像数据集，该数据集在类似研究中未曾使用过，并比较了基于传统图像分析技术的内部算法与基于nnU-Net框架的TotalSegmentor深度学习方法的性能	研究仅包含18名患者的CT图像，样本量较小，且为初步结果，可能限制了结果的泛化能力	比较无监督和深度学习两种方法在腹主动脉瘤自动分割中的准确性和鲁棒性，以优化临床工作流程	18名被诊断为腹主动脉瘤的患者的CT图像	计算机视觉	心血管疾病	X射线计算机断层扫描	深度学习	图像	18名患者的CT图像	nnU-Net	TotalSegmentor	Sorensen-Dice系数, Jaccard指数	NA
1790	2026-02-16	Building a GUI Tool for Automated Aortic Segmentation in Low-Dose Chest CT Images with PET-Based Standard Uptake Value (SUV) Analysis 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_29 PMID:41252016	研究论文	本研究开发了一种基于深度学习的自动化主动脉分割和SUVmax计算方法，用于低剂量胸部CT图像，旨在提升PET-CT诊断工作流程的效率	首次将UNET与ResNet-18骨干网络结合用于PET-CT图像的主动脉自动化分割，并集成SUV分析，显著减少了手动操作时间	研究为概念验证性质，样本量有限，未在更大规模数据集上进行外部验证	开发自动化工具以提升PET-CT图像中主动脉区域分割和标准化摄取值（SUV）分析的效率和准确性	PET-CT扫描图像（包括血管炎、淋巴瘤患者及健康对照）	数字病理	心血管疾病	PET-CT结合氟代脱氧葡萄糖（FDG）成像	CNN	医学影像（CT/PET融合图像）	未明确具体数量，包含血管炎、淋巴瘤患者及健康对照的PET-CT扫描	未明确说明	UNET, ResNet-18	IoU（交并比）, SUVmax, 处理时间	NA
1791	2026-02-16	A Rule-Based System for Condition-Specific Recommendations and Sentiment Classification Using Machine Learning and Deep Learning after the Application of a Semantic-Based Sentiment Analysis Methodology on the UCI Drug Reviews Dataset 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_41 PMID:41252028	研究论文	本研究对UCI药物评论数据集进行了全面分析，旨在生成基于特定条件的药物推荐，并利用机器学习和深度学习技术进行情感分类	引入了针对医疗领域的语义过滤方法，包括基于规则的条件相关术语过滤，并开发了一种结合情感分数、评论评分和社会验证指标的自定义度量，用于提供针对特定条件的药物推荐	未提及	生成条件特定的药物推荐并进行情感分类，以深入理解患者对药物的体验	UCI药物评论数据集中的药物评论	自然语言处理	NA	语义情感分析，机器学习和深度学习	Bi-LSTM, CNN-Bidirectional LSTM	文本	未提及	未提及	Bi-LSTM, CNN-Bidirectional LSTM	准确率	未提及
1792	2026-02-16	A multi-class framework for fish species classification using deep learning technique 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342901 PMID:41678491	研究论文	本研究开发了一个基于YOLO深度学习框架的多类别鱼类物种分类系统，用于自动识别鱼类物种	提出使用YOLO深度学习框架进行鱼类物种识别，并在Fish-Pak数据集上实现了99%的准确率和99.65%的mAP，性能优于现有文献	研究仅针对热带鱼类，数据集规模有限（915张图像，6个类别），且未考虑季节和地理位置变化对识别的影响	开发一个自动化深度学习系统，用于准确识别鱼类物种，以支持生态研究、渔业管理和海洋生物学	热带鱼类物种，具体基于Fish-Pak数据集中的6个目标类别	计算机视觉	NA	深度学习，图像检测	CNN, YOLO	图像	915张图像，涵盖6个鱼类物种类别	NA	YOLO v3, YOLO v4	准确率, mAP	NA
1793	2026-02-16	TensorFlow-based MobileNetV2 U-Net tumor segmentation and multiparametric MRI radiomics for predicting cervical lymph node metastasis in oral tongue squamous cell carcinoma 2026, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359261421325 PMID:41684966	研究论文	本研究提出了一种基于TensorFlow的MobileNetV2 U-Net网络，用于自动分割口腔舌鳞状细胞癌肿瘤，并结合多参数MRI影像组学预测颈部淋巴结转移	首次将MobileNetV2 U-Net网络应用于口腔舌鳞状细胞癌的自动肿瘤分割，并构建融合影像组学特征和临床数据的列线图来预测淋巴结转移	这是一项回顾性试点研究，样本量相对较小（136例患者），且为单中心研究，需要进一步的外部验证	开发一种自动化工具来分割口腔舌鳞状细胞癌肿瘤并预测颈部淋巴结转移，以辅助个性化手术规划	口腔舌鳞状细胞癌患者	数字病理	口腔舌鳞状细胞癌	多参数MRI（包括对比增强T1加权、T2加权和T1加权序列）	CNN	MRI图像	136例患者（100名男性，36名女性，平均年龄50.29±12.25岁）	TensorFlow	MobileNetV2 U-Net	Dice相似系数, 平均交并比, ROC曲线下面积	NA
1794	2026-02-16	Identification and validation of γ-Linolenic acid as a natural FABP5 inhibitor in hepatocellular carcinoma through deep learning and experimental approaches 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1700347 PMID:41685317	研究论文	本研究通过深度学习与实验方法相结合，鉴定并验证了γ-亚麻酸作为肝细胞癌中天然FABP5抑制剂	整合了基于机器学习的虚拟筛选、分子对接和分子动力学模拟，以识别与FABP5高亲和力结合的自然化合物，并通过实验验证了γ-亚麻酸的抗肿瘤活性	NA	鉴定并验证肝细胞癌中天然FABP5抑制剂，以开发潜在的治疗靶点	肝细胞癌细胞系	机器学习	肝细胞癌	虚拟筛选、分子对接、分子动力学模拟、体外实验	深度学习	化学化合物数据、细胞实验数据	NA	NA	NA	NA	NA
1795	2026-02-15	Deep learning can automate chicken tibia-breaking strength quantification to improve animal welfare 2026-Jan-30, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106549 PMID:41637790	研究论文	本文开发了一种端到端的深度学习流程，用于自动从鸡的X射线图像中分割胫骨并预测其断裂强度，以改善动物福利	首次提出一个自动化深度学习流程，结合U-Net分割和强度预测，实现了非侵入性、快速的鸡骨强度量化，超越了传统手动标注方法	模型性能虽优于手动方法，但预测与实测断裂强度的相关性仅为中等（皮尔逊相关系数0.74），且样本量有限（916张图像）	开发一种自动化、非侵入性的方法来量化鸡胫骨断裂强度，以替代耗时的手动标注或破坏性尸检测试	鸡的胫骨（胫跗骨）	计算机视觉	NA	X射线成像	CNN	图像	916张经过筛选的鸡骨X射线图像	NA	U-Net	Dice系数, 皮尔逊相关系数	NA
1796	2026-02-15	Integrating multi-omic QTLs and predictive models reveals regulatory architectures at immune related GWAS loci in CD4+ T cells 2026-Jan-30, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.27.26344979 PMID:41646693	研究论文	本研究通过整合多组学QTL数据和预测模型，揭示了CD4+ T细胞中免疫相关GWAS位点的调控架构	整合单细胞RNA测序和染色质可及性的分子QTL图谱，并结合基于染色质可及性数据训练的深度学习模型预测变异效应，系统性地融合了经验性和预测性方法	仅有一小部分经验检测到的分子QTL被预测模型发现，深度学习方法仅能解释4.7%的GWAS位点	解释遗传变异在复杂性状中的调控作用，特别是在免疫相关疾病中的功能机制	从362名捐赠者收集的CD4+ T细胞	计算生物学	免疫相关疾病	单细胞RNA测序, 染色质可及性分析	深度学习模型	基因组数据, 转录组数据, 表观基因组数据	362名捐赠者的CD4+ T细胞样本	NA	NA	相关性分析	NA
1797	2026-02-15	Object detection on low-compute edge SoCs: a reproducible benchmark and deployment guidelines 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36862-y PMID:41565765	研究论文	本文对低功耗边缘AI SoC上的目标检测模型部署进行了全面且可复现的基准测试，提供了实用的部署指南	通过实际性能评估揭示了推理延迟与检测精度（mAP）的强相关性，而非仅依赖FLOPs或参数数量，并识别了硬件架构、内存带宽和系统级竞争对部署效果的关键影响	研究仅针对Rockchip SoC和YOLO变体，可能未覆盖所有边缘硬件或模型类型，且多任务压力测试场景可能有限	评估和优化深度学习目标检测模型在低功耗边缘AI SoC上的部署性能	九个YOLO变体模型在三种广泛使用的Rockchip SoC上的部署表现	计算机视觉	NA	深度学习目标检测	YOLO	图像	NA	NA	YOLO变体	mAP, 推理延迟, 每推理能耗	Rockchip SoC（低功耗边缘AI芯片）
1798	2026-02-15	A self attention based deep learning framework for accurate and efficient dental disease detection in OPG radiographs 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36672-2 PMID:41565856	研究论文	本研究提出了一种基于自注意力的深度学习框架，用于在口腔全景X光片中准确高效地检测牙齿疾病	首次在牙齿疾病诊断中比较了Vision Transformer和Swin Transformer两种基于Transformer的架构，并证明了其在口腔成像任务中的有效性	未提及具体的数据集规模、疾病类型多样性或模型泛化能力的详细评估	开发自动诊断系统以帮助临床医生更准确、更快速地检测口腔疾病，减少人为错误	口腔全景X光片中的牙齿疾病	计算机视觉	口腔疾病	口腔全景X光成像	Transformer	图像	NA	NA	Vision Transformer, Swin Transformer	准确率, 精确率, 召回率	NA
1799	2026-02-15	Knowledge graph enhanced cross modal generative adversarial network for martial arts motion reconstruction and heritage preservation 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36095-z PMID:41565884	研究论文	本文提出了一种新颖的知识图谱增强跨模态生成对抗网络（KG-CMGAN），用于传统武术动作重建与遗产保护	通过整合结构化领域知识与先进深度学习架构，构建了首个端到端解决方案，将视觉、文本和序列表示相结合，实现了全面的动作重建，同时保持了风格真实性和语义意义	NA	保护传统武术技术，实现动作重建与文化遗产数字化保存	六种中国传统武术风格的动作数据	计算机视觉	NA	知识图谱构建，跨模态生成对抗网络	GAN	视觉，文本，序列数据	NA	NA	知识图谱增强跨模态生成对抗网络（KG-CMGAN）	关节位置误差，知识一致性得分	NA
1800	2026-02-15	Hybrid deep learning framework for accurate classification of high dimensional genomic data 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36128-7 PMID:41565905	研究论文	本文提出了一种结合注意力机制与卷积神经网络的混合深度学习框架，用于高维基因组数据的准确分类	提出了一种混合TabNet-CNN框架，将注意力驱动的特征选择与自适应卷积细化相结合，以处理基因组数据中的冗余、噪声和稀疏特征	未明确提及具体的数据集规模或计算资源限制，可能在实际应用中存在泛化性挑战	提高高维基因组数据分类的准确性、可解释性和稳定性	高维基因组数据集	机器学习	NA	基因组测序	TabNet, CNN	基因组数据	NA	NA	TabNet, CNN	准确率, AUC	NA