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
10621	2026-02-08	Innovative Learning in Anatomy Education: Assessing the Impact of Low-Cost 3D Deep Learning Anatomical Models in Museum-Based Instruction 2026-01, Journal of surgical education IF:2.6Q1 DOI:10.1016/j.jsurg.2025.103748 PMID:41187606	研究论文	本研究评估了基于低成本交互式3D模型和深度学习的虚拟解剖博物馆教学方法，在提升医学生临床推理和解剖学理解方面的有效性	将PointNeXt深度学习骨干网络与AnatoVision模块结合，构建了一个基于网络的虚拟解剖博物馆平台，为资源有限环境下的解剖学教育提供了一种低成本、可扩展的交互式补充方案	研究为非实验性观察性研究，样本量较小（40名本科生），且对照组与目标组的教学方法存在质性差异，无法进行直接比较；技术困难报告率为25%	评估虚拟解剖博物馆教学方法在提升医学生临床推理和解剖学熟练度方面的有效性	哈利德国王大学应用医学科学学士课程的40名本科医学生	数字病理	NA	虚拟解剖博物馆，交互式3D模型可视化	深度学习	3D模型，问卷数据	40名本科医学生（目标组20人，对照组20人）	NA	PointNeXt, AnatoVision Block	5点李克特量表评分，案例问卷评分（接受度、临床问题解决创造力、动机、知识获取、沟通技巧），p值	NA
10622	2026-02-08	Sequence to Location: Protein Subcellular Localization Driven by Deep Pretrained Language Model 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3634612 PMID:41259184	研究论文	本研究提出了一种名为SubLoc的深度学习算法，用于预测蛋白质亚细胞定位，结合了蛋白质语言模型、图卷积网络和注意力机制	首次将深度预训练的蛋白质语言模型ProtT5与3D蛋白质结构图模型及双向门控循环单元结合，用于蛋白质亚细胞定位预测	仅针对10个亚细胞区室进行预测，未涵盖所有可能的细胞定位，且依赖于蛋白质序列和结构数据的可用性	开发一种高效、准确的蛋白质亚细胞定位预测方法，以替代传统耗时耗力的实验技术	蛋白质序列及其亚细胞定位	自然语言处理	NA	蛋白质语言模型，图卷积网络，注意力机制	ProtT5, 图卷积网络, 双向门控循环单元, 多头注意力机制	蛋白质序列，蛋白质结构图	NA	NA	ProtT5, 图卷积网络, 双向门控循环单元	精确度, 召回率, MCC平均值	NA
10623	2025-12-06	Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70139 PMID:41346225	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10624	2026-02-08	iDeep-Cancer: Predicting Cancer-Related circRNA-RBP Binding Sites Using a Hybrid Network Framework 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3642248 PMID:41370173	研究论文	本文提出了一种名为iDeep-Cancer的混合网络框架，用于预测癌症相关的circRNA-RBP结合位点	结合改进的DenseNet、双向门控循环单元和自注意力机制，仅使用circRNA序列进行预测，克服了现有方法特征学习不足和可扩展性差的问题	NA	预测circRNA与RNA结合蛋白之间的相互作用位点，以促进人类疾病调控研究	circRNA序列及其与RNA结合蛋白的相互作用	自然语言处理	癌症	NA	CNN, LSTM	序列数据	NA	NA	DenseNet, BiGRU, Self-attention	NA	NA
10625	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10626	2026-02-08	GEXPNET: A Novel Gene EXPression NETwork for Tumor Classification Using the ResNet-Based Deep Learning Approach 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3637184 PMID:41385413	研究论文	本文提出了一种名为GexpNet的新型深度学习架构，用于从微阵列基因表达数据中准确分类癌症亚型	提出了一种集成动态多头残差块和自适应密集分类器的深度学习架构，并引入了包含中位数插补、分位数归一化和基于逻辑回归的监督特征选择的定制预处理流程	未明确说明模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算效率或模型可解释性	开发一种用于癌症亚型分类的深度学习框架，解决高维性、类别不平衡和样本量有限等挑战	微阵列基因表达数据	机器学习	癌症	微阵列基因表达分析	CNN	基因表达数据	四个公开数据集（包括Mendeley数据集）	NA	ResNet	准确率, F1分数	NA
10627	2026-02-08	Deep Learning Reconstruction Enhances Lung Cancer CT Imaging 2026-Jan, Cureus DOI:10.7759/cureus.100762 PMID:41640929	研究论文	本文通过一个病例研究，展示了超高清CT结合深度学习重建技术在评估肺尖部肿瘤中的应用	将超高清CT与深度学习重建技术结合，显著减少了图像噪声和伪影，提高了对肺尖部肿瘤与邻近结构关系的评估能力	仅基于单个病例研究，样本量有限，需要更大规模的研究来验证其普遍适用性	评估深度学习重建技术在增强肺癌CT成像质量方面的效果	一位70岁男性患者的右肺上叶腺癌	数字病理学	肺癌	超高清CT扫描，深度学习重建	深度学习模型	CT图像	1例患者	NA	NA	图像质量改善，噪声和伪影减少	NA
10628	2026-02-07	Automated extraction of fluoropyrimidine treatment and treatment-related toxicities from clinical notes using natural language processing 2026-Apr-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106276 PMID:41534241	研究论文	本研究开发并评估了多种自然语言处理方法，用于从临床笔记中自动提取氟嘧啶治疗及其相关毒性信息	首次系统比较了基于规则、机器学习、深度学习及大语言模型（包括零样本和错误分析提示）的NLP方法在提取氟嘧啶治疗和毒性信息上的性能，并发现基于大语言模型的错误分析提示方法效果最优	机器学习和深度学习方法受限于训练数据规模较小，泛化能力有限，尤其是在罕见类别上表现不佳	开发并评估自然语言处理方法，以自动化地从临床笔记中提取氟嘧啶治疗和毒性信息，支持肿瘤学研究和药物警戒	204,165名成年肿瘤患者的236份临床笔记	自然语言处理	结直肠癌, 乳腺癌	自然语言处理	Random Forest, Support Vector Machine, Logistic Regression, BERT, ClinicalBERT, 大语言模型	文本	236份临床笔记（来自204,165名患者）	NA	BERT, ClinicalBERT	精确率, 召回率, F1分数	NA
10629	2026-02-07	Deep belief Markov models for POMDP inference 2026-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108386 PMID:41386156	研究论文	本文提出了一种名为深度信念马尔可夫模型的新型深度学习架构，用于在部分可观测马尔可夫决策过程中进行高效、模型形式无关的推理	将深度马尔可夫模型扩展到部分可观测决策框架，通过变分推理方法实现完全基于观测数据的高效信念推理，并能推断和模拟系统动力学中的非线性关系	未明确说明模型在极端高维或复杂动态环境中的计算效率边界，也未讨论对特定先验知识的依赖程度	解决部分可观测马尔可夫决策过程中的高效推理问题，特别是在复杂、高维、部分可观测环境中	部分可观测马尔可夫决策过程	机器学习	NA	变分推理	深度信念马尔可夫模型	观测数据	NA	NA	深度信念马尔可夫模型	NA	NA
10630	2026-02-07	Causality-Driven Convolutional Manifold Attention Network for Electroencephalogram Signal Decoding 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625631 PMID:41144414	研究论文	本研究提出了一种因果驱动的卷积流形注意力网络（CD-CMAN），用于从脑电图信号中学习不变表征，以增强分布外泛化能力	结合结构因果模型、黎曼几何和深度学习的优势，通过双潜在编码器和流形注意力单元显式分离时空特征为语义和变异潜在因子，并引入HSIC准则确保其统计独立性	未明确说明模型在更复杂或噪声更大的现实场景中的鲁棒性，以及计算复杂度可能较高	提升脑机接口技术在分布外场景下的泛化能力	脑电图信号	机器学习	NA	脑电图信号处理	CNN, 注意力机制	时序信号	基于两个公共数据集，未明确具体样本数量	NA	因果驱动卷积流形注意力网络	NA	NA
10631	2026-02-07	Engineering strategies for microbial synthesis, customized modification, and application of hemoglobin 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108752 PMID:41242508	综述	本文综述了血红蛋白的微生物合成、定制化功能修饰及其在多个领域的应用策略	强调利用人工智能算法定制血红蛋白功能修饰，并整合Pareto最优、迭代生物工程框架、深度学习和合成生物学等先进技术以加速其合成与应用	NA	探讨血红蛋白微生物合成的关键挑战与解决方案，并概述其在医学和生物技术等领域的应用前景	血红蛋白的合成、修饰与应用	合成生物学	NA	微生物合成、人工智能算法、深度学习、合成生物学	NA	NA	NA	NA	NA	NA	NA
10632	2026-02-07	Demystifying Higher-Order Graph Neural Networks 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637114 PMID:41289127	研究论文	本文设计了一种高阶图神经网络（HOGNNs）的深度分类法和蓝图，以分析和比较现有模型，并提供选择指南和研究挑战	提出了首个针对高阶图神经网络的深度分类法和蓝图，帮助设计高性能模型并系统分析比较现有方法	NA	分析和比较高阶图神经网络模型，提供选择指南和未来研究方向	高阶图神经网络（HOGNNs）及相关拓扑深度学习架构	机器学习	NA	NA	GNN	图数据	NA	NA	NA	NA	NA
10633	2026-02-07	Semantic Correspondence: Unified Benchmarking and a Strong Baseline 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3640429 PMID:41343305	综述	本文首次对语义对应任务进行了全面的综述与分析，提出了分类法、统一了基准比较，并提出了一个简单有效的强基线方法	提出了首个语义对应方法的广泛综述，建立了统一的分类法和基准比较表，并通过控制实验深入分析了不同方法组件的有效性，同时提出了一个在多个基准上达到最先进性能的简单强基线	NA	对计算机视觉中的语义对应任务进行全面回顾、分析和基准统一，并为未来研究提供参考和基线	语义对应方法	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
10634	2026-02-07	From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108788 PMID:41443357	综述	本文综述了酶工程从传统方法到AI驱动方法的演变，重点介绍了机器学习与深度学习在酶工程策略中的应用	总结了机器学习与深度学习在酶工程中的最新应用，并展望了未来多模态基础模型与标准化数据库的发展方向	存在力场精度限制、突变采样约束、实验通量限制以及上位效应等挑战	探讨酶工程的发展历程及其在生物催化中的应用，并分析AI技术如何提升酶工程效率	酶工程策略，包括定向进化、理性/半理性设计、残基共进化及从头设计	机器学习	NA	机器学习，深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
10635	2026-02-07	Geometric deep learning assists protein engineering. Opportunities and Challenges 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108790 PMID:41456696	综述	本文全面评述了几何深度学习在蛋白质工程中的应用、机遇与挑战	整合几何深度学习于蛋白质计算设计工作流，克服传统方法在序列空间探索和实验验证成本上的限制，强调其在可解释性和泛化性方面的增强	NA	为计算方法和实验蛋白质工程师提供指导，促进算法概念与实用设计考虑的结合	蛋白质工程	机器学习	NA	几何深度学习	NA	非欧几里得域数据（空间、拓扑、物理化学特征）	NA	NA	NA	NA	NA
10636	2026-02-07	Decoding polyphenol-protein interactions with deep learning: From molecular mechanisms to food applications 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108803 PMID:41544721	综述	本文探讨了深度学习如何重塑多酚-蛋白质相互作用的研究，从分子机制到食品应用	利用深度学习高效预测结合位点、相互作用亲和力和分子动力学，克服传统实验和计算方法的可扩展性、通量和可重复性限制	深度学习的有效性受限于数据可用性、质量和代表性，特别是在天然产物领域	研究深度学习在多酚-蛋白质相互作用分析中的应用，以加速营养科学和治疗开发	多酚和蛋白质及其相互作用	机器学习	NA	深度学习	NA	高维生物信息学和化学信息学数据	NA	NA	NA	NA	NA
10637	2026-02-07	A Comprehensive Survey on Evidential Deep Learning and its Applications 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625258 PMID:41134959	综述	本文全面综述了证据深度学习（EDL）的理论基础、最新进展及其在机器学习和下游任务中的广泛应用	提出了证据深度学习（EDL）这一新范式，能够在单次前向传播中以最小计算开销提供高质量的不确定性估计	NA	为读者提供对证据深度学习（EDL）领域的广泛介绍，无需先验知识	证据深度学习（EDL）的理论、方法及应用	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
10638	2026-02-07	HybridDeepSynergy: A hybrid deep learning model integrating CNN, LSTM, and attention mechanisms for cancer drug synergy prediction 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111471 PMID:41570613	研究论文	本文提出了一种名为HybridDeepSynergy的混合深度学习模型，通过整合CNN、LSTM和注意力机制来预测癌症药物协同作用	首次结合CNN、LSTM和Transformer注意力机制，构建混合深度学习模型用于药物协同预测，并引入多种协同评分模型进行综合评估	模型尚未在临床环境中验证，未来需要纳入更多癌症数据集以增强预测能力	优化癌症治疗策略，通过预测药物组合的协同作用来支持精准医疗	多种药物组合和癌细胞系	机器学习	癌症	NA	CNN, LSTM, Transformer	基因组数据集	包含大量药物组合的综合数据集	NA	CNN, LSTM, Transformer	RMSE, MAE, 决定系数, Pearson相关系数, Spearman相关系数	NA
10639	2026-02-07	A review of AI/ML approaches in wastewater surveillance advancement 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181364 PMID:41576591	综述	本文系统性地回顾了过去五年中人工智能和机器学习模型在废水流行病学中的应用，重点评估了其在病原体检测和疾病趋势预测方面的有效性	提出了一个基于预测目标、数据类型和时间依赖性的决策支持框架来指导模型选择，并强调了结合混合建模方法和环境元数据以增强废水监测系统的重要性	NA	评估人工智能和机器学习模型在废水流行病学中的有效性，并为其应用提供指导	废水流行病学中的病原体检测和疾病趋势预测	机器学习	传染病	废水监测	随机森林, 支持向量机, 人工神经网络, 长短期记忆网络, K-means聚类, 时间序列机器学习模型	时序数据	NA	NA	NA	R值, 均方根误差, 分类准确率, 均方误差, 平均绝对误差	NA
10640	2026-02-07	Nitrilotriacetic acid functionalized gold nanopillars enable stochastic detection and deep learning analysis of prolines and hydroxyprolines by surface enhanced Raman spectroscopy 2026-Feb-05, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04125b PMID:41524279	研究论文	本文开发了一种基于金纳米柱功能化的随机表面增强拉曼散射方法，结合深度学习分析，用于快速检测脯氨酸和羟脯氨酸	通过功能化金纳米柱形成NTA-Ni结构，实现脯氨酸和羟脯氨酸的可逆瞬态结合，将检测时间缩短至30分钟内，并首次结合一维卷积神经网络分析SERS时间序列数据	未明确说明方法在复杂生物流体中的实际应用限制或可能存在的干扰因素	开发一种快速、高灵敏度的脯氨酸和羟脯氨酸检测方法，用于疾病监测和生物医学分析	脯氨酸和羟脯氨酸分子	机器学习	胶原代谢相关疾病	表面增强拉曼散射	CNN	光谱时间序列数据	NA	NA	一维卷积神经网络	准确率	NA