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
2601	2026-01-11	Integrating Kolmogorov-Arnold networks with ordinary differential equations for efficient, interpretable, and robust deep learning: Epidemiology of infectious diseases as a case study 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.006 PMID:41503372	研究论文	本研究通过将Kolmogorov-Arnold网络与常微分方程结合，提出KAN-UDE框架，用于实现高效、可解释且稳健的深度学习，并以新发传染病流行病学为案例进行验证	将Kolmogorov-Arnold网络整合到通用微分方程框架中，相比基于多层感知机的UDE，显著提升了拟合性能，并在部分时间序列数据下实现了非线性函数的精确重建，同时保持了可解释性	在考虑真实世界数据随机性时，KAN-UDE模型的稳健性和准确性较低	开发一种高效、可解释且稳健的深度学习框架，用于建模和分析复杂动态系统	新发传染病的流行病学动态	机器学习	传染病	常微分方程建模	Kolmogorov-Arnold网络, 通用微分方程	时间序列数据	NA	NA	Kolmogorov-Arnold网络	损失函数	NA
2602	2026-01-11	A comprehensive evaluation of self-attention for detecting regulatory feature interactions 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf209 PMID:41503157	研究论文	本文全面评估了自注意力机制在检测调控特征相互作用中的应用，并通过引入熵项提高了注意力图的可解释性	通过添加熵项生成高精度稀疏注意力图，增强了模型的可解释性，并首次对不同注意力变体在转录因子协同性发现中的性能进行了全面评估	NA	评估自注意力机制在计算生物学中提取生物信息的能力，特别是用于预测转录因子结合的协同性	基因调控网络中的转录因子协同性	计算生物学	NA	自注意力机制	自注意力模型	NA	NA	NA	自注意力层	精度	NA
2603	2025-11-05	Decoding the regulatory genome with large-scale deep learning 2026-Feb, Nature reviews. Genetics DOI:10.1038/s41576-025-00914-2 PMID:41184593	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2604	2026-01-11	Artificial intelligence for personalized management of vestibular schwannoma: a multidisciplinary clinical implementation study 2026-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf163 PMID:41502533	研究论文	本研究介绍并评估了一种用于前庭神经鞘瘤多学科团队会议的新型计算机辅助报告工具，旨在支持临床决策	利用深度学习自动分割肿瘤并提取体积和线性测量，为个性化管理提供自动化报告工具	自动化报告在28%的病例中需要人工修订，且初始准备时间略有增加	评估计算机辅助报告工具在前庭神经鞘瘤多学科团队会议中对决策效率和个性化管理的支持作用	前庭神经鞘瘤患者	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和T2序列）	深度学习	医学影像	50名患者	NA	NA	Dice系数	NA
2605	2026-01-11	Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes 2026-Jan-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.08.026 PMID:40975668	研究论文	本研究开发了一个名为Electrode Net的定制深度学习框架，用于高效准确地预测多孔电极的各向异性传输特性	结合符号距离场（SDF）与3D卷积神经网络，显著加速多孔电极设计，计算成本降低高达96%，并实现高精度预测	未明确说明模型在极端或非典型微结构下的泛化能力限制	旨在通过深度学习框架优化多孔电极的设计，以提升燃料电池、水电解槽和液流电池等下一代高性能流动电池的性能	多孔电极的微结构及其各向异性传输特性（如孔隙率、曲折度和渗透率）	机器学习	NA	符号距离场（SDF）	CNN	3D几何样本数据	15,433个真实和生成的几何样本	NA	3D卷积神经网络	R-squared	NA
2606	2026-01-11	Regional-aware and sequence-informed multi-decoder network for robust brain glioma segmentation in multi-parametric MRI 2026-Jan-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111387 PMID:41411810	研究论文	本文提出了一种用于多参数MRI中脑胶质瘤稳健分割的区域感知与序列信息引导的多解码器网络	提出了一种新颖的深度学习框架，包含三个创新点：1）独立分割关键肿瘤亚区的多解码器架构；2）将每个解码器与最适合其诊断目标的MRI序列对齐的序列信息引导策略；3）用于增强特征重新校准的改进自注意力机制	未在摘要中明确说明	实现脑胶质母细胞瘤亚区的精确分割，以支持神经肿瘤学的诊断、手术规划和治疗监测	多参数MRI图像中的脑胶质母细胞瘤亚区，包括周围非增强FLAIR高信号区、非增强肿瘤核心和增强肿瘤	数字病理学	脑胶质瘤	多参数MRI	深度学习	图像	使用了BraTS 2023数据集，并在四个外部数据集（BraTS 2020、BraTS Africa、MRBrainS18和BraTS 2024治疗后）上进行了验证	NA	多解码器网络	Dice相似系数, 95百分位Hausdorff距离	NA
2607	2026-01-11	Evaluation of the accuracy of detecting C-shaped canals in mandibular second molars identified by cone-beam computed tomography on panoramic radiographs using artificial intelligence algorithms developed with deep learning methods 2026-Jan-09, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00888-1 PMID:41511700	研究论文	本研究评估了基于深度学习算法开发的深度卷积神经网络在锥形束计算机断层扫描识别的全景X光片上检测下颌第二磨牙C形根管的准确性	首次在文献中应用多数投票法融合不同深度卷积神经网络的预测结果，以提高C形根管的检测性能	研究样本仅来自单一机构，可能影响模型的泛化能力；未详细说明预处理步骤的具体影响	评估人工智能算法在全景X光片上检测下颌第二磨牙C形根管的准确性	下颌第二磨牙的C形根管	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT），全景X光摄影	深度卷积神经网络（DCNN）	图像（全景X光片和CBCT扫描）	592名患者的图像，包括844张标记的全景X光片（422个有C形根管，422个无C形根管）	NA	11种不同的深度卷积神经网络模型	准确率，精确率，召回率，特异性，混淆矩阵	NA
2608	2026-01-11	Towards accurate occlusal plane positioning in panoramic radiographs: a deep learning-assisted study 2026-Jan-09, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00891-6 PMID:41511698	研究论文	本研究评估了深度学习架构在全景X光片中自动分类头部定位错误的有效性	首次全面评估了基于卷积和基于Transformer的深度学习架构在全景X光片中检测咬合平面定位错误的能力	数据集规模相对较小，可能限制了ViT模型的性能	评估深度学习架构在全景X光片中自动分类头部定位错误的有效性	全景X光片中的头部定位错误	计算机视觉	口腔疾病	全景X光成像	CNN, ViT	图像	480张匿名全景X光片	PyTorch, TensorFlow	ResNet18, Vision Transformer	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
2609	2026-01-11	A novel quantification method for automatic computation of breast density from mammography images using deep learning 2026-Jan-09, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01808-1 PMID:41511727	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2610	2026-01-11	Neutrophil CD14 is a Driver and a Therapeutic Target for Deep Vein Thrombosis 2026-Jan-09, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2025017224 PMID:41512166	研究论文	本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并验证其作为治疗靶点的潜力	通过多组学分析和几何深度学习模型，首次发现G-CSF通过上调C/EBPα驱动CD14过表达，从而促进中性粒细胞炎症和NETosis，并开发了新型慢病毒shRNA方法进行中性粒细胞特异性CD14敲低	研究主要基于小鼠模型，人类样本验证相对有限，且DVT早期阶段的具体分子机制仍需进一步探索	探究深静脉血栓形成中中性粒细胞获得促炎和促血栓表型的机制，并寻找新的治疗靶点	骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞	机器学习	心血管疾病	RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀	几何深度学习模型	多组学数据, 流式细胞数据, 染色质免疫沉淀数据	未明确具体样本数量，涉及小鼠DVT模型和G-CSF刺激的原代人类中性粒细胞	NA	DeepPBS	血栓负荷, 血栓发生率, 血栓内中性粒细胞和瓜氨酸化组蛋白H3积累量	NA
2611	2026-01-11	Out of the Laboratory and Into the Clinic: Out-of-Domain Validation of Machine Learning Models for Velopharyngeal Dysfunction Detection 2026-Jan-09, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004633 PMID:41512248	研究论文	本研究系统评估了多种机器学习模型在标准化与非标准化条件下检测腭咽闭合功能障碍的能力，以验证其在真实临床场景中的泛化性能	首次在腭咽闭合功能障碍检测领域系统进行跨域验证，揭示了预训练模型在真实世界音频数据上的严重性能退化问题，并发现传统MFCC特征在跨域场景中比先进深度学习模型更具鲁棒性	研究样本量有限（标准化数据集82例，非标准化数据集131例），非标准化数据来源多样且记录条件高度异质，可能影响结论的普适性	评估机器学习模型在真实临床环境中检测腭咽闭合功能障碍的可行性与泛化能力	腭咽闭合功能障碍患者的音频样本	机器学习	腭咽闭合功能障碍	音频信号处理	支持向量机, 深度学习模型	音频	标准化数据集82例患者（60例训练，22例测试），非标准化数据集131个样本（70个对照，61个病例）	NA	Whisper, HuBERT, MFCC/SVM	准确率, 宏F1分数	NA
2612	2026-01-11	PLXFPred: Interpretable cross-attention networks with hierarchical fusion of multi-modal features for predicting protein-ligand interactions and affinities 2026-Jan-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf662 PMID:41512285	研究论文	本文提出了一种名为PLXFPred的跨模态融合预测模型，用于预测蛋白质-配体相互作用和结合亲和力	通过跨模态交叉注意力机制融合序列和图形特征，并采用多模态分层融合策略整合高级图形、早期融合和交叉融合特征，结合残差连接和条件域对抗学习提升泛化能力	未明确提及模型在特定蛋白质家族或配体类型上的局限性	准确预测蛋白质-配体相互作用和结合亲和力，以推动结构生物学发展	蛋白质-配体对	机器学习	NA	氨基酸序列和SMILES的物理化学性质提取，预训练模型特征提取	GATv2, BILSTM	序列数据（氨基酸序列和SMILES）	NA	NA	跨模态交叉注意力网络，多模态分层融合架构	RMSD, MAE, SD	NA
2613	2026-01-11	Robust Retinal Image Matching: A Modality-Resistant Descriptor Using Directional Anisotropic Texton-Like Features and Evaluation Across Diverse Datasets 2026-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01765-3 PMID:41514133	研究论文	本文提出了一种用于视网膜图像匹配的鲁棒描述符，该描述符基于方向性各向异性类文本特征，并在多种数据集上进行了评估	提出了一种新颖的描述符，该描述符利用一阶和二阶方向性各向异性类文本Leung-Malik导数构建高级特征空间，其细长的感受野与精细的血管和解剖结构自然对齐，实现了更一致的特征编码，并设计了加权自适应分箱配置来处理局部变化	未明确提及本文的具体局限性	解决多模态和单模态视网膜图像匹配中，因局部结构差异、非线性辐射度差异以及结构位移带来的挑战，实现更鲁棒和准确的图像对齐	多种视网膜图像数据集，包括彩色眼底（CF）、荧光素血管造影（FA）、超广角FA、扫描激光检眼镜（SLO）图像以及具有不同重叠度的CF FIRE数据集	计算机视觉	NA	图像匹配，特征描述符	传统手工方法（基于类文本特征）	图像	NA	NA	NA	平均召回率	NA
2614	2026-01-11	Diagnosing migraine from genome-wide genotype data: a machine learning analysis 2026-Jan-08, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf172 PMID:40326299	研究论文	本研究利用机器学习方法从全基因组基因型数据中诊断偏头痛，旨在捕捉非加性和交互效应以解释遗传缺失性	采用机器学习模型（如轻梯度提升机和多项式朴素贝叶斯）处理高维遗传变异数据，探索偏头痛的非加性和交互遗传结构，相比传统多基因风险评分方法在分类性能上显著更优	数据维度（高数量遗传变异）可能受限于可用数据规模，导致对纯加性效应的误导性印象，未来需要更大样本量以充分利用加性和交互效应	开发机器学习模型以捕捉非加性和交互遗传效应，解决偏头痛的遗传缺失性问题	来自特伦德拉格健康研究第二和第三阶段的43,197名个体（51%为女性，平均年龄54.6岁），基于国际头痛疾病分类标准进行表型分型	机器学习	偏头痛	全基因组基因分型	轻梯度提升机, 多项式朴素贝叶斯, 深度学习	基因型数据	43,197名个体	NA	NA	AUC	NA
2615	2026-01-11	Thermodynamic principles link in vitro transcription factor affinities to single-molecule chromatin states in cells 2026-Jan-08, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.11.008 PMID:41308636	研究论文	本文通过整合体外转录因子亲和力与体内单分子染色质状态数据，揭示了人类转录因子eKLF/KLF1的结合机制	首次将体外转录因子亲和力与体内单分子染色质状态进行高通量定量比较，并利用深度学习模型验证生物物理参数	研究仅针对单一人类转录因子eKLF/KLF1，未涵盖其他转录因子或更广泛的调控网络	探究转录因子结合与染色质可及性形成的分子机制	人类转录因子eKLF/KLF1及其与DNA的相互作用	生物信息学	NA	高通量体外结合测定、单分子染色质状态分析、深度学习建模	深度学习模型	体外结合速率与亲和力数据、体内单分子转录因子与核小体占据数据	NA	NA	线性能量模型	NA	NA
2616	2026-01-11	Markers predicting lymphoma development in Sjögren disease: current status and future perspectives 2026-Jan-08, Current opinion in immunology IF:6.6Q1 DOI:10.1016/j.coi.2025.102717 PMID:41512551	综述	本文综述了Sjögren病中预测淋巴瘤发展的生物标志物的最新进展，并探讨了未来研究方向	强调了时间敏感性重新评估传统风险因素和分析新型标志物的范式转变，并指出深度学习在淋巴瘤预测中的应用尚未探索	关于保护性因素和淋巴瘤预防策略的数据稀缺，且缺乏关于淋巴瘤预测、监测和预防的共识指南	综述Sjögren病中淋巴瘤发生的预测标志物，以促进早期诊断和预防	Sjögren病患者，特别是那些有淋巴瘤发展风险的患者	数字病理学	淋巴瘤	NA	深度学习	临床和转化研究数据	NA	NA	NA	NA	NA
2617	2026-01-11	SPARSE data, rich results: Few-shot semi-supervised learning via class-conditioned image translation 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.2026.102705 PMID:41512686	研究论文	本文提出了一种基于GAN的少样本半监督学习框架，通过类别条件图像翻译来提升医学图像分类性能	提出了一种新颖的三阶段训练框架，结合了类别条件图像翻译、集成伪标签和时间一致性机制，在极端少样本（如每类5个样本）场景下表现优异	仅在MedMNIST数据集上进行了评估，未在更大规模或更复杂的医学影像数据集上验证	解决医学影像中标注数据稀缺的问题，提升少样本场景下的分类性能	医学图像分类任务	计算机视觉	NA	图像翻译	GAN	图像	每类5至50个标注样本，使用11个MedMNIST数据集	NA	生成对抗网络（GAN）	分类准确率	NA
2618	2026-01-11	Multi-stage deep learning architecture for carotid artery segmentation and stenosis evaluation: comparative study with DSA 2026-Jan-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102683 PMID:41512998	研究论文	本研究提出了一种用于颈动脉分割和狭窄评估的多阶段深度学习架构，并与数字减影血管造影进行了比较	提出了一种新颖的多阶段深度学习架构，用于自动化分割和评估颈动脉狭窄，与手动分割和DSA诊断标准具有高一致性	研究为回顾性设计，可能受到选择偏倚的影响；样本主要来自三级医院，可能限制泛化性	开发一种自动化工具，用于颈动脉分割和狭窄评估，以缩短诊断时间并减少观察者间变异性	颈动脉狭窄患者	数字病理	心血管疾病	高分辨率磁共振成像, 数字减影血管造影	深度学习	图像	641条狭窄动脉（来自422名患者），分为训练验证集（372名患者，545个病变）、独立测试集（50名患者，96个病变）和外部验证集（89名患者，168个病变）	NA	多阶段深度学习架构	Dice相似系数, 准确率	NA
2619	2026-01-11	Fast and accurate prediction of adsorption energy of AgPd nanoalloys by deep learning potentials and neural networks 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05309-1 PMID:41495104	研究论文	本研究利用深度学习势和多种神经网络架构，快速准确地预测了AgPd纳米合金上氟原子的吸附能	首次结合Ag-Pd-F深度学习势与多种深度神经网络（CGCNN、CNN、LSTM、MLP）来预测纳米团簇的吸附能，其中基于深度学习势的CGCNN模型在精度和不确定性估计方面表现最佳	研究仅针对38个原子的AgPd纳米团簇和氟原子吸附，数据集规模相对有限（1087个吸附构型），模型在其他元素或更大团簇上的泛化能力未经验证	开发一种快速、准确预测纳米合金吸附能的方法，以加速高效催化剂的设计	AgPd纳米合金团簇上氟原子的吸附能	机器学习	NA	深度学习势，第一性原理方法	CGCNN, CNN, LSTM, MLP	原子结构数据，吸附能数据	1087个AgPd团簇上的氟原子吸附构型	NA	Crystal Graph Convolutional Neural Networks, Convolutional Neural Networks, Long Short-Term Memory networks, Multilayer Perceptrons	R², RMSE	NA
2620	2026-01-11	Patch-Based convolutional neural networks for multiple microstructural features detection in FIB-SEM micrographs of irradiated nuclear fuel 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23606-7 PMID:41491694	研究论文	本文提出了一种基于卷积神经网络的框架，用于在辐照核燃料的FIB-SEM显微图像中自动检测多种微观结构特征	首次整合了Segment Anything Model (SAM)和基于补丁的CNN模型，用于辐照核材料的语义分割，并利用有限标注数据实现微观结构识别	依赖有限的标注数据，且主要针对辐照U-10Zr金属燃料，可能在其他材料或数据集上的适用性有待验证	自动化辐照核材料中微观结构的识别，以克服FIB-SEM断层扫描在数据收集、微观结构区分和图像对齐方面的挑战	辐照U-10Zr (wt%)金属燃料的FIB-SEM显微图像	计算机视觉	NA	聚焦离子束扫描电子显微镜 (FIB-SEM) 断层扫描，能量色散光谱 (EDS)	CNN	图像	NA	NA	U-Net, Attention U-Net, Residual U-Net	分割性能，一致性	NA