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
8621	2026-03-30	A Deep Learning-Based Correction for Scanning Radius Errors in Circular-Scan Photoacoustic Tomography 2026-Feb-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030097 PMID:41892899	研究论文	提出一种基于深度学习的框架（SD-ResNet），用于校正由扫描半径误差引起的圆形扫描光声层析成像重建图像退化	提出了一种名为平滑反卷积ResNet（SD-ResNet）的新型深度学习框架，该框架结合了ImageNet预训练的ResNet-50编码器和一个轻量级的反卷积解码器，并引入了额外的平滑卷积层来抑制棋盘伪影并恢复精细结构细节	研究主要基于模拟数据和体模实验，尚未在大量真实临床数据上进行验证	开发一种对扫描半径误差具有鲁棒性的光声层析成像重建校正方法	圆形扫描光声层析成像的重建图像	医学影像处理	NA	光声层析成像，k-Wave模拟	深度学习	图像	使用人体胸部CT切片驱动的k-Wave模拟生成的配对训练数据集	NA	ResNet-50, SD-ResNet	图像质量恢复效果	NA
8622	2026-03-30	Towards Lightweight and Multi-Scale Scene Classification: A Lie Group-Guided Deep Learning Network with Collaborative Attention 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030094 PMID:41892896	研究论文	本文提出了一种轻量级多尺度网络LGLMNet，用于遥感场景分类，通过整合李群协方差特征和双分支架构提升性能	提出LGLMNet网络，结合李群机器学习提取浅层特征与深度学习分支提取高层语义，并引入并行深度可分离卷积块和多尺度感知及空间通道协同注意力机制，实现高效全局-局部建模	未明确提及具体局限性，但可能涉及计算成本或泛化能力方面的挑战	解决遥感场景分类中现有方法忽略浅层细节和计算成本高的问题，提升分类准确性和效率	遥感图像场景	计算机视觉	NA	深度学习	CNN, 注意力机制	图像	UCM-21、AID和NWPU-45数据集	NA	LGLMNet, PDSCB, SCCA, CLFFB	准确率	NA
8623	2026-03-30	Hybrid MICO-LAC Segmentation with Panoptic Tumor Instance Analysis for Dense Breast Mammograms 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030095 PMID:41892897	研究论文	提出一种用于乳腺X线图像中致密乳腺组织分析的临床驱动混合分割框架，整合了偏置场校正、粗分割、局部细化及全景式肿瘤实例分割	结合了MICO_2D偏置场校正、距离正则化多相Vese-Chan水平集模型、局部活动轮廓与局部图像拟合能量，并引入全景式肿瘤实例分割以分解相连肿瘤区域	未明确说明框架在更大或更多样化数据集上的泛化能力，以及计算效率方面的具体限制	开发一种用于致密乳腺X线图像中肿瘤分割和分析的混合框架，以解决强度不均匀性、低对比度和复杂肿瘤形态的挑战	乳腺X线图像中的致密乳腺组织和肿瘤	数字病理学	乳腺癌	乳腺X线成像	水平集模型, 活动轮廓模型	图像	MIAS和INBreast乳腺X线数据集	NA	U-Net, 多尺度网络, 多视图网络	Dice相似系数, 交并比	NA
8624	2026-03-30	Automated Multi-Modal MRI Segmentation of Stroke Lesions and Corticospinal Tract Integrity for Functional Outcome Prediction 2026-Feb-24, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12030029 PMID:41893824	研究论文	本研究提出了一种基于常规多模态MRI的自动化卒中病灶分割与皮质脊髓束完整性评估流程，用于预测患者出院时的功能结局	利用常规临床MRI序列，结合自动化病灶分割与解剖学信息生物标志物，进行可解释的卒中结局建模，提高了临床可行性	研究为探索性分析，未来需要大规模验证；零样本外部评估的Dice分数较低（0.57），表明模型泛化能力有待提升	预测卒中患者出院时的功能结局（如改良Rankin量表评分），以指导治疗和康复	卒中患者的脑部MRI影像及相关的功能结局数据	数字病理学	卒中	多模态MRI，包括常规MRI序列和单壳扩散加权成像	深度学习模型集成，机器学习模型	MRI图像	ISLES 2022数据集（250个训练案例，150个测试案例），ISLES 2024数据集（149个案例用于零样本外部评估）	NA	SEALS, NVAUTO, FACTORIZER, TractSeg	Dice分数，准确率，F1分数，ROC-AUC	NA
8625	2026-03-30	Mass Balance Implications for Sediment Restoration Initiatives in the Detroit River, USA 2026-Feb-20, Bulletin of environmental contamination and toxicology IF:2.7Q3 DOI:10.1007/s00128-026-04198-y PMID:41718904	研究论文	本研究评估了美国底特律河区域沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的潜在影响	利用深度学习人工神经网络空间插值生成高分辨率沉积物污染地图，以评估化学物质平衡的预期变化和超过可能效应浓度区域的减少	NA	评估沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的影响	底特律河区域的沉积物	环境科学	NA	深度学习人工神经网络空间插值	人工神经网络	空间数据	NA	NA	NA	NA	NA
8626	2026-03-30	Dielectrocapillarity for exquisite control of fluids 2026-Feb-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69482-1 PMID:41680166	研究论文	本文通过整合液体状态理论和深度学习，揭示了电场梯度如何调控流体结构和毛细现象，并提出了“介电毛细作用”作为控制纳米孔中流体行为的新机制	首次建立了严格的电场梯度调控流体行为的微观第一性原理理论，并展示了其在相变、毛细凝结和多孔介质流体吸收中的可调控制	NA	研究电场梯度对极性流体结构和毛细现象的控制机制	极性流体、纳米孔材料、液体-气相变、毛细凝结	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
8627	2026-03-30	Global daily 9 km remotely sensed soil moisture (2015-2025) with microwave radiative transfer-guided learning 2026-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06721-6 PMID:41680217	研究论文	本研究开发了一个过程引导机器学习框架，结合微波辐射传输模型理论和深度学习，以生成2015年至2025年全球每日9公里分辨率的地表土壤水分数据	通过整合辐射传输模型理论和深度学习，设计基于Kling-Gupta效率的损失函数，并利用模型模拟进行预训练和现场测量进行微调，克服了传统SMAP土壤水分产品在密集植被和复杂地表区域的精度限制	未明确说明模型在极端气候条件或特定地理区域（如永久冻土或高纬度地区）的适用性和潜在偏差	提高全球地表土壤水分的估计精度，以支持水资源和生态系统管理	全球陆地生态系统的地表土壤水分	机器学习	NA	微波辐射传输模型，深度学习	深度学习模型	遥感数据，现场测量数据	覆盖全球每日9公里分辨率数据（2015年4月至2025年6月），并使用独立现场测量进行验证	未明确指定，但涉及深度学习框架	过程引导机器学习框架	相关系数R，无偏均方根误差	NA
8628	2026-03-30	AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond 2026-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00916-4 PMID:41366150	研究论文	本文介绍了一个名为AUTOENCODIX的开源框架，用于标准化和灵活地预处理、训练和评估自编码器架构，以促进生物表示学习	提出了一个标准化、多功能且可推广的自编码器训练与评估框架，克服了现有实现缺乏标准化、可比较性和通用性的问题	未明确提及具体局限性，但可能涉及框架在不同数据模态或应用场景中的泛化能力验证	开发一个通用框架，以标准化和优化自编码器在生物表示学习中的训练与评估过程	自编码器架构，包括基于本体和跨模态的自编码器	机器学习	泛癌研究	单细胞测序，成像技术	自编码器	多模态数据，包括基因组数据和成像数据	NA	NA	基于本体的自编码器，跨模态自编码器	输入数据重建能力，嵌入质量，基于本体的嵌入可解释性可靠性	NA
8629	2026-03-29	Dual-channel self-supervised multi-task learning for spectral detection of soluble solids content and firmness in Korla fragrant pears 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127684 PMID:41797164	研究论文	本研究提出了一种结合多源光谱数据、自监督学习和多任务学习的深度学习框架，用于库尔勒香梨的可溶性固形物含量和硬度的光谱检测	提出了一种结合多源光谱数据、自监督学习和多任务学习的深度学习框架，以降低水果品质检测中标记数据的成本，并提高小样本情况下的预测性能	NA	提高库尔勒香梨可溶性固形物含量和硬度的光谱检测性能，并降低对标记数据的依赖	库尔勒香梨	机器学习	NA	可见光/近红外和近红外光谱数据采集	CNN	光谱数据	仅使用700个样本进行训练	NA	卷积神经网络	预测相关系数, 均方根误差	NA
8630	2026-03-29	Development and validation of a deep learning markerless system for lower-limb kinematics in hip and knee osteoarthritis population 2026-May, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113238 PMID:41793837	研究论文	本研究开发并验证了一种用于髋膝骨关节炎患者下肢运动学的四摄像头无标记系统	使用患者数据集开发无标记系统，而非健康人群数据，提高了在患者群体中的泛化能力	横断面和额状面的关节角度波形ICC较低（分别为0.50和0.34），表明在这些平面上的预测精度有待提升	开发并验证适用于骨关节炎患者的下肢运动学无标记测量系统	髋或膝骨关节炎患者	计算机视觉	骨关节炎	深度学习	NA	视频	150名患者（训练集120人，测试集30人）	NA	NA	均方根误差, 组内相关系数	NA
8631	2026-03-29	Regulatory grammar in human promoters uncovered by MPRA-based deep learning 2026-Mar, Nature IF:50.5Q1 DOI:10.1038/s41586-025-10093-z PMID:41639451	研究论文	本研究提出了一种基于MPRA数据的深度学习模型PARM，用于从DNA序列预测人类启动子活性并揭示其调控语法	开发了轻量级细胞类型特异性深度学习模型PARM，仅从DNA序列即可可靠预测全基因组自主启动子活性，并能设计纯合成强启动子	未明确说明模型在不同细胞类型间的泛化能力及对非编码变异的解释局限性	构建从调控元件序列准确预测全基因组基因表达的计算模型	人类启动子序列	计算生物学	NA	大规模平行报告基因检测（MPRA）	深度学习模型	DNA序列数据	NA	NA	PARM	NA	NA
8632	2026-03-29	NeuroMDAVIS: Visualization of Single-Cell Multi-Omics Data under Deep Learning Framework 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261423965 PMID:41744270	研究论文	本文提出了一种名为NeuroMDAVIS的新型无监督深度神经网络模型，用于单细胞多组学数据的联合可视化	NeuroMDAVIS是首个为多模态生物数据集提供联合可视化能力的模型，能够同时捕获模态特定信息和跨模态共同信息	未在摘要中明确提及	解决单细胞多组学数据的高维可视化挑战，实现数据的降维和联合可视化	单细胞多组学数据	机器学习	NA	单细胞技术	深度神经网络	多组学数据	NA	NA	NA	准确率, 精确率, 召回率, F1分数, 聚类有效性指数	NA
8633	2026-03-29	DP-OTG: A Feature-Free Deep Learning Model for Accurate Prediction of Human O-Linked Threonine Glycosylation Sites 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261424278 PMID:41762162	研究论文	本研究提出了一种名为DP-OTG的免特征深度学习模型，用于准确预测人类蛋白质O-连接苏氨酸糖基化位点	提出了一种免特征、端到端的深度学习框架，无需手动特征工程，通过混合架构自动从原始蛋白质序列中学习序列模式	未明确说明模型在跨物种预测或处理极低丰度糖基化位点方面的泛化能力	开发一种高效的计算工具来预测人类蛋白质O-连接苏氨酸糖基化位点，以替代昂贵且耗时的实验检测方法	人类蛋白质序列及其O-连接苏氨酸糖基化位点	生物信息学	癌症, 神经系统疾病	深度学习	CNN, BiLSTM	蛋白质序列（文本数据）	未明确说明具体样本数量，但使用了平衡和不平衡测试集进行验证	未明确说明，但代码已开源	多核卷积神经网络, 双向长短期记忆网络, 可训练嵌入层	准确率, 马修斯相关系数	未明确说明
8634	2026-03-29	Artificial intelligence in preterm birth prediction: a narrative review of current approaches and clinical applicability 2026-Mar, Obstetrics & gynecology science IF:2.0Q2 DOI:10.5468/ogs.26043 PMID:41775248	综述	本文是一篇关于人工智能在早产预测中应用现状、方法学质量及临床适用性的叙述性综述	系统性地评估了不同数据模态下AI预测早产的方法学质量和临床适用性，并指出了当前研究在方法学严谨性上的普遍不足	综述本身不产生新数据，且指出纳入的研究普遍存在样本量不足、缺乏外部验证、未报告校准指标以及高偏倚风险等局限性	评估人工智能在早产预测领域的应用现状、方法学质量及临床适用性	用于预测自发性早产的机器学习模型及相关研究	机器学习	早产	电子健康记录分析、超声图像分析、宫颈纹理和影像组学特征提取、弹性成像参数、多组学整合	深度学习, Transformer	电子健康记录, 超声图像, 多组学数据	NA	NA	Transformer	受试者工作特征曲线下面积	NA
8635	2026-03-29	Parameter Estimation from Phylogenetic Trees Using Neural Networks and Ensemble Learning 2026-Feb-25, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf060 PMID:40899780	研究论文	本文提出了一种新的集成神经网络方法，用于从系统发育树中估计物种多样化参数	利用多种神经网络（密集神经网络、图神经网络和长短期记忆循环网络）的集成方法，同时从系统发育树的图表示、分支时间和汇总统计中学习，提高了参数估计的效率和准确性	与最大似然估计方法类似，该方法在延展的出生-死亡过程下仍无法精确恢复参数	估计物种多样化参数，包括物种形成和灭绝速率	时间校准的系统发育树	机器学习	NA	深度学习	DNN, GNN, LSTM	图数据、时间序列数据、汇总统计数据	NA	NA	密集神经网络、图神经网络、长短期记忆循环网络	估计速度、偏差、对树大小的敏感性	NA
8636	2026-03-29	Deep models of protein evolution in time generate realistic evolutionary trajectories and functional proteins 2026-Feb-20, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.19.706898 PMID:41757065	研究论文	本文介绍了一种名为PEINT的深度学习框架，用于模拟蛋白质序列随时间演变的过程，并生成具有功能性的蛋白质	PEINT框架突破了传统模型中位点独立演化的简化假设，能够学习位点间复杂相互作用，直接从原始序列学习插入缺失动态，并准确模拟自然进化特征	NA	开发一个能够模拟蛋白质真实进化轨迹并生成功能性蛋白质的深度学习模型	蛋白质序列及其进化过程	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	数百万个跨越不同折叠家族的蛋白质序列	NA	NA	NA	NA
8637	2026-03-29	Deep learning-based battery health prediction for enhancing electric vehicle performance 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39911-8 PMID:41714349	研究论文	本研究提出了一种混合深度学习框架，用于智能电动汽车电池健康诊断，以提高电池诊断的可靠性和可持续性	提出了一种集成了1D-CNN、TCN、LSTM层和注意力机制的混合深度学习框架，用于电池健康状态预测，在精度、推理延迟和能耗方面均优于传统基线模型	未明确提及	通过智能电池健康诊断，提升电动汽车性能，并支持可持续发展目标7（经济适用的清洁能源）	电动汽车电池的健康状态	机器学习	NA	差分电压分析、差分电流分析、增量容量分析	CNN, LSTM, TCN	电池充放电循环数据	来自NASA PCoE、牛津和CALCE电池退化数据集的超过10,000个充放电循环	NA	1D-CNN, TCN, LSTM	准确率, RMSE	NA
8638	2026-03-29	AI accelerate the identification of druggable targets by 3D structures of proteins and compounds 2026-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01310-7 PMID:41691035	综述	本文综述了人工智能在肿瘤药物开发中的应用，特别是在靶点识别、虚拟筛选和从头分子设计方面的进展	系统性地总结了AI如何通过预测蛋白质三维结构、评估靶点成药性、加速虚拟筛选和从头药物设计来革新肿瘤药物开发流程	讨论了AI药物开发面临的主要挑战，包括数据质量、模型可解释性、计算资源限制以及伦理和监管问题	概述人工智能技术在加速肿瘤药物开发，特别是靶点识别和化合物筛选方面的应用与挑战	蛋白质三维结构、化合物库、药物-靶点相互作用、分子性质	机器学习	肿瘤	机器学习，深度学习	神经网络	分子结构数据，蛋白质结构数据，化学库数据	NA	NA	NA	NA	NA
8639	2026-03-29	Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients 2026-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01324-1 PMID:41691080	研究论文	本研究建立了一个名为Kinic指数（KI）的人工智能预测模型，用于肝细胞癌（HCC）患者的风险分层、预后预测和多靶点药物发现	首次将异烟酰化（K）修饰与多组学数据整合，通过人工智能模型（KI）对HCC患者进行亚型分类，并结合GraphBAN深度学习和ADMET-AI筛选，优先针对CYP2C9和G6PD进行多靶点药物发现	未明确说明模型在外部验证集上的泛化能力，以及候选化合物的体内实验验证结果	开发一个AI驱动的预测模型和药物发现框架，以改善肝细胞癌患者的预后和治疗选择	肝细胞癌（HCC）患者	机器学习	肝细胞癌	多组学数据整合，单细胞转录组分析，空间转录组分析	LASSO, RSF, 深度学习	多组学数据，转录组数据	NA	GraphBAN, ADMET-AI	NA	总体生存率，结合亲和力验证	NA
8640	2026-03-29	Identifying a conserved transcriptional signature of drought and salt stress in Arabidopsis thaliana through meta-analysis, consensus network analysis, and deep learning 2026-Feb-01, Genetica IF:1.3Q4 DOI:10.1007/s10709-026-00261-y PMID:41620995	研究论文	本研究通过整合元分析、共识网络分析和深度学习，系统识别了拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因	首次将元分析、共识网络分析和深度学习三种方法协同整合，构建了一个新颖的分析框架，用于稳健识别跨胁迫的保守响应基因和核心调控网络	研究仅基于拟南芥的转录组数据，结果在作物中的直接应用需要进一步验证；样本量相对有限（64个样本）	理解植物对非生物胁迫（干旱和盐胁迫）的响应机制，并识别可用于工程化气候韧性作物的关键遗传靶点	拟南芥（Arabidopsis thaliana）	机器学习	NA	转录组测序（RNA-seq）	Autoencoder, MLP	转录组数据	64个样本（来自多个研究的干旱和盐胁迫条件数据集）	NA	Autoencoder, MLP	准确率, AUC	NA