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
10681	2026-02-07	Spatial Hierarchical Protein-Protein Interaction Site Prediction Using Squeeze-and-Excitation Capsule Networks 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3638901 PMID:41325125	研究论文	本文提出了一种名为MSE-CapsPPISP的深度学习模型，用于预测蛋白质-蛋白质相互作用位点，通过考虑蛋白质序列特征的空间层次关系来提高预测性能	设计了基于胶囊网络的模型，利用向量神经元捕捉蛋白质序列特征的空间层次关系，并结合多尺度CNN和Squeeze-and-Excitation块增强特征表示	未在摘要中明确提及	开发计算方法来预测蛋白质-蛋白质相互作用位点，以补充耗时且易受噪声影响的生物实验	蛋白质序列及其相互作用位点	生物信息学	NA	深度学习	胶囊网络, CNN	蛋白质序列数据	NA	NA	MSE-CapsPPISP, Capsule Network, 多尺度CNN, Squeeze-and-Excitation块	F1, MCC, AUROC, AUPR	NA
10682	2026-02-07	A Multi-Modal Contrastive Learning Framework for Cyclic Peptide Permeability Prediction 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643437 PMID:41379908	研究论文	本文介绍了一个名为MCPerm的多模态深度学习框架，用于预测环肽的细胞膜渗透性	提出了一种新颖的模态共享和对比学习策略，协同整合了1D SMILES、2D拓扑和3D几何信息，并引入了基于注意力的可视化分析，使模型具有可解释性	NA	开发一个计算框架以准确预测环肽的细胞膜渗透性，加速细胞可渗透环肽药物的合理设计与发现	环肽分子	机器学习	NA	深度学习	Transformer, 对比学习	1D SMILES序列, 2D拓扑结构, 3D几何结构	NA	NA	图Transformer, 预训练肽语言模型	NA	NA
10683	2026-02-07	DriverMONI: Cancer Driver Gene Prediction With Multimodal Deep Learning Integrating Multiomics Data and Condition-Specific Network Information 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643887 PMID:41396756	研究论文	本文提出了一种名为DriverMONI的多模态深度学习方法，用于整合多组学数据和条件特异性网络信息以预测癌症驱动基因	利用条件特异性蛋白质-蛋白质相互作用子网络生成图注意力网络的输入图和节点属性，使模型具有条件特异性并提高预测准确性	未明确提及具体局限性	开发一种多模态深度学习方法，用于更准确地识别癌症驱动基因	癌症驱动基因	机器学习	癌症	多组学数据分析	图注意力网络	多组学数据、生物网络数据	NA	NA	图注意力网络	预测准确性	NA
10684	2026-02-07	DeepNhKcr: Explainable Deep Learning Framework for the Prediction of Crotonylation Sites of Non-Histone Lysine in Plants Based on Pre-Trained Protein Language Model 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643930 PMID:41396754	研究论文	本研究提出了一种名为DeepNhKcr的深度学习框架，用于预测植物非组蛋白赖氨酸的克罗托尼化位点	结合预训练蛋白质语言模型（ESM2）与双向长短期记忆网络（BiLSTM），并采用焦点损失函数处理数据不平衡问题，同时提供可解释性分析	未明确提及模型在跨物种或不同植物类型中的泛化能力限制	开发一种计算方法来快速准确预测植物非组蛋白中的克罗托尼化位点	植物非组蛋白中的赖氨酸克罗托尼化位点	生物信息学	NA	蛋白质语言模型, 深度学习	BiLSTM	蛋白质序列	NA	NA	ESM2, BiLSTM	准确率	NA
10685	2026-02-07	SG-DCNN: A Deep Learning Method Integrating Self-Attention Mechanism and Generative Adversarial Network for Predicting Ion-Ligand Binding Residues in Small Samples 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3645246 PMID:41406298	研究论文	提出了一种结合自注意力机制和生成对抗网络的深度学习方法SG-DCNN，用于预测小样本中离子配体的结合残基	首次将生成对抗网络和自注意力机制集成到深度卷积神经网络框架中，以解决小样本和类别不平衡问题	仅针对八种小样本离子配体进行了验证，未在大规模或更多种类的配体上进行测试	提高蛋白质与离子配体结合残基的预测准确性	离子配体与蛋白质的结合残基	机器学习	NA	NA	CNN, GAN	NA	八种小样本离子配体	NA	深度卷积神经网络, 生成对抗网络, 自注意力机制	准确率, 马修斯相关系数	NA
10686	2026-02-07	DeepR2OM: Accurate Recognition for RNA 2'-O-Methylation Sites in Human Genome Using Deep Learning 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3647488 PMID:41433162	研究论文	本文提出了一种名为DeepR2OM的新方法，通过整合特征选择和深度学习技术，用于准确预测人类基因组中的RNA 2'-O-甲基化位点	开发了DeepR2OM，一种结合了八种RNA描述符编码、特征选择算法降维以及深度学习网络训练的新型预测方法，并评估了多种深度学习架构以优化模型性能	未明确提及具体局限性，但传统检测方法存在资源密集、可能损伤RNA样本和高成本等问题，而本研究未讨论模型在更广泛数据集或实际应用中的泛化能力	准确预测人类基因组中的RNA 2'-O-甲基化位点，以理解RNA的生物学功能及相关病理	人类基因组中的RNA 2'-O-甲基化位点	机器学习	NA	RNA描述符编码	CNN, Multi-Head Self-Attention, DNN	序列数据	NA	NA	CNN, Multi-Head Self-Attention, DNN	准确率, 召回率, 精确率, 马修斯相关系数	NA
10687	2026-02-07	Drug Effect Classification Using Frequency-Based Graph Traversal Approach 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3648860 PMID:41452695	研究论文	本研究提出了一种基于频率的图遍历方法，用于将药物分类为症状缓解型或疾病修饰型	采用异质网络和引导最短路径遍历框架，通过识别最短元路径中频繁出现的基因来分类药物，并提高了模型的可解释性	NA	基于药物对疾病治疗的影响，将其分类为症状缓解型或疾病修饰型	药物、基因和疾病	机器学习	多发性硬化症	图遍历方法	图模型	网络数据	NA	NA	引导最短路径遍历框架	分类准确率	NA
10688	2026-02-07	BELE: Blur Equivalent Linearized Estimator 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3651959 PMID:41528899	研究论文	本文提出了一种轻量级且感知可解释的全参考图像质量评估模型BELE，通过分离强边缘退化与纹理失真的影响来桥接主观感知与客观度量	提出基于位置费舍尔信息损失的线性化估计器计算模糊指数，引入复峰值信噪比捕捉纹理失真，并采用带聚焦项的低阶多项式拟合替代传统VQEG校正方法	未明确说明模型在极端失真类型或跨模态图像评估中的泛化能力	开发感知可解释且计算高效的全参考图像质量评估方法	图像质量评估	计算机视觉	NA	NA	无训练参数模型	图像	六个基准数据集	NA	BELE	与MOS的相关性	NA
10689	2026-02-06	An enhanced diabetes prediction using an improved hybrid deep learning algorithm with mountain gazelle optimizer 2026-Jun, Journal of diabetes and metabolic disorders IF:1.8Q4 DOI:10.1007/s40200-025-01844-w PMID:41641400	研究论文	提出了一种基于改进混合深度学习算法和山地瞪羚优化器的糖尿病预测框架	结合CatBoost算法、CNN和Bi-LSTM的混合深度学习架构，并利用山地瞪羚优化器进行超参数调优	仅使用Pima印度糖尿病数据集，样本规模有限，未在更广泛或多样化的数据集上验证	提高糖尿病预测的准确性和诊断效率	糖尿病患者的医疗数据	机器学习	糖尿病	深度学习	CNN, Bi-LSTM	结构化医疗数据	Pima印度糖尿病数据集（具体样本数未明确）	NA	CNN, Bi-LSTM	准确率, 精确率, 召回率, F1分数	NA
10690	2026-02-06	Development and application of an instrument for microstructure matrix inclusion distribution analysis in oversized metallic materials 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114620 PMID:41630922	研究论文	本研究开发了一种用于超大金属材料中微观结构基体夹杂物分布分析的自动化检测系统	集成高精度CNC平台、多单元显微成像、激光光谱和基于YOLOv11的深度学习模型，实现了米级样品的全区域快速扫描，检测效率比传统方法提高20倍以上	未明确说明系统对不同金属材料类型的适用性限制	解决洁净钢生产中夹杂物分析的迫切需求，开发自动化检测系统	超大金属材料（汽车板材样品）中的微观结构夹杂物	计算机视觉	NA	CNC平台控制、显微成像、激光光谱分析、深度学习	CNN	图像	汽车板材样品（具体数量未明确），共分析533,041个夹杂物	NA	YOLOv11	检测效率（与传统方法对比）	NA
10691	2026-02-06	AI-driven routing and layered architectures for intelligent ICT in nanosensor networked systems 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114626 PMID:41630924	综述	本文综述了纳米传感器网络与现代信息通信技术（ICT）的融合，探讨了机器学习与人工智能在提升数据处理、能源管理、实时通信和系统协调方面的应用	提出了一个统一的框架，用于推进智能且资源高效的纳米传感器通信系统，并探索了受生物系统启发、可解释模型和基于量子学习等潜在解决方案	识别了涉及计算负载、数据隐私和系统互操作性等关键挑战	评估人工智能与机器学习技术如何改善纳米传感器网络环境中的数据路由、异常检测、安全性和预测性维护	纳米传感器网络系统	机器学习	NA	NA	监督学习, 无监督学习, 强化学习, 深度学习	传感器数据	NA	NA	NA	延迟, 吞吐量, 能源效率	NA
10692	2026-02-06	Diverse intracellular trafficking of insulin analogs by machine learning-based colocalization and diffusion analysis 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114516 PMID:41630923	研究论文	本研究开发了一种结合机器学习共定位指纹识别与深度学习辅助单粒子扩散分析（DeepSPT）的平台，用于实时比较胰岛素类似物在活细胞内的运输差异	首次将时间分辨共定位的机器学习框架与深度学习辅助单粒子扩散分析相结合，实现了对胰岛素类似物细胞内运输动态的精细解析	研究仅在活细胞模型中进行，未涉及完整的生理环境或动物模型验证	探究胰岛素类似物与内源性胰岛素在细胞内运输途径的差异	ATTO标记的重组人胰岛素（HI）和速效胰岛素类似物门冬胰岛素（IAsp）	机器学习	糖尿病	活细胞成像，单粒子追踪，共定位分析	机器学习，深度学习	活细胞成像视频，单粒子轨迹数据	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
10693	2026-02-06	Cosynllm: predicting drug combination synergy with LLM-generated descriptions 2026-Feb-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01158-w PMID:41639911	研究论文	本文提出了一种名为CoSynLLM的LLM辅助预测框架，用于预测药物组合的协同作用	利用大型语言模型生成语义级化学信息，并结合药物指纹和细胞系基因表达谱，通过分层特征融合策略预测药物组合协同作用	NA	预测药物组合的协同作用，以辅助复杂疾病的治疗	药物组合	机器学习	NA	深度学习	NA	文本, 化学指纹, 基因表达谱	两个基准数据集：NCI-ALMANAC和O'Neil	NA	NA	NA	NA
10694	2026-02-06	Learning the anatomical topology consistency driven by Wasserstein distance for weakly supervised 3D pancreas registration in multi-phase CT images 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3966 PMID:41544269	研究论文	提出了一种基于Wasserstein距离的弱监督三维胰腺配准框架，用于多期相CT图像中胰腺的精确配准	引入Wasserstein距离来强制胰腺解剖拓扑结构的一致性，并采用距离变换来构建胰腺的小型、不确定和复杂的解剖拓扑分布，从而克服了传统基于强度或分割的相似性度量的局限性	研究仅针对胰腺这一特定器官，且方法在胰腺肿瘤类型（PDAC、IPMN、MCN、SCN、SPT、CP、PNET）上的泛化能力有待进一步验证	实现增强CT与非增强CT图像之间胰腺的准确自动配准，以辅助胰腺癌的诊断和治疗	胰腺	医学图像处理	胰腺癌	CT成像	深度学习模型	3D CT图像	975对配对的增强CT-非增强CT图像，来自七种胰腺肿瘤类型（PDAC、IPMN、MCN、SCN、SPT、CP、PNET）的患者	NA	NA	Dice分数，假阳性分割率，Hausdorff距离	NA
10695	2026-02-06	Hybrid GELAN-UNet: integrating medical priors for low-dose CT denoising 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b47 PMID:41564446	研究论文	提出一种融合医学先验的混合GELAN-UNet模型，用于提升低剂量CT图像的去噪性能	提出混合广义高效层聚合网络-UNet架构，通过浅层医学增强模块捕获细节、深层高效模块降低计算成本，并创新性地引入低频保留路径和边缘感知注意力机制	仅在公开Mayo Clinic数据集上进行评估，未在其他多中心或临床场景验证	开发兼顾去噪性能与计算效率的低剂量CT图像去噪方法	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	CNN	医学图像	公开Mayo Clinic数据集（具体数量未说明）	NA	GELAN-UNet	峰值信噪比	NA
10696	2026-02-06	Video-based diagnostics supported by artificial intelligence as an opportunity to address the epilepsy diagnostic gap: A narrative review 2026-Feb-04, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70134 PMID:41636690	综述	本文是一篇叙述性综述，探讨了人工智能增强的视频诊断技术在解决癫痫诊断差距方面的潜力	提出了一个整合视频诊断到癫痫护理的框架，并综合了临床、技术和卫生经济学视角，强调了AI视频分析作为可扩展解决方案的未充分利用的机遇	AI算法在真实世界环境中的性能差异显著，存在数据稀缺、泛化性、监管框架和报销缺口等实施挑战	探索人工智能增强的视频诊断技术如何解决癫痫诊断差距，实现更早、更易获取的癫痫发作检测和分类	癫痫诊断，特别是资源有限环境下的诊断	计算机视觉	癫痫	视频记录，人工智能驱动的视频分析	深度学习算法	视频	综述了13项研究（n=682）的荟萃分析，以及8项关键验证研究	NA	NA	敏感性，特异性，假检测率	NA
10697	2026-02-06	A new model based on multi-axis vision transformer for chondromalacia patella diagnosis in magnetic resonance scans 2026-Feb-04, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01707-5 PMID:41637014	研究论文	本文提出了一种基于多轴视觉Transformer的深度学习架构，用于磁共振扫描中髌骨软骨软化症的诊断	首次将Multi-Axis Vision Transformer (MaxViT) 应用于髌骨软骨软化症的MRI图像分类，并与多种Transformer和CNN模型进行了对比	未提及模型在外部验证集上的泛化性能或临床部署的可行性	开发一种基于深度学习的准确诊断髌骨软骨软化症的方法	磁共振成像 (MRI) 扫描图像	计算机视觉	髌骨软骨软化症	磁共振成像 (MRI)	Transformer, CNN	图像	NA	NA	Multi-Axis Vision Transformer (MaxViT), Vision Transformer (ViT), Swin Transformer, GoogLeNet, ResNet18, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
10698	2026-02-06	Forensic Transcriptomics: Research Progress of the Past Two Decades 2026-Feb-04, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag007 PMID:41639008	综述	本文回顾了过去二十年法医转录组学的研究进展，重点介绍了从靶向mRNA分型到高通量测序及非编码RNA应用的技术演变及其在法医实践中的潜力	整合了文献计量学分析，系统梳理了法医转录组学在多个法医领域的新范式与最新进展，并强调了结合深度学习与多模态分析的前沿方向	面临标准化、样本采集与处理、伦理及证据解释等实践瓶颈	总结法医转录组学的研究进展，展望其在法医实践中的应用前景与挑战	法医生物样本的转录组学特征，包括mRNA与非编码RNA	法医科学	NA	高通量测序、DNA微阵列、大规模并行测序	深度学习	转录组数据	NA	NA	NA	NA	NA
10699	2026-02-06	Comparison of Image Quality Reconstructed Using Iterative Reconstruction and Deep Learning Algorithms Under Varying Dose Reductions in Dual-Energy Carotid CT Angiography 2026-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01848-9 PMID:41639501	研究论文	本研究比较了在双能颈动脉CT血管成像中，使用迭代重建和深度学习算法在不同剂量降低下的图像质量	首次在双能颈动脉CTA中系统评估深度学习图像重建（DLIR-H）在低剂量和超低剂量协议下的性能，并与迭代重建（ASIR-V）进行对比	深度学习算法无法完全补偿当辐射和对比剂进一步减少时的图像质量下降	评估在降低辐射剂量和对比剂用量的情况下，深度学习图像重建算法在颈动脉CTA中维持图像质量的潜力	接受双能颈动脉CT血管成像的180名患者	医学影像	颈动脉疾病	双能CT血管成像	深度学习图像重建（DLIR-H）	CT图像	180名患者，分为对照组、低剂量组和超低剂量组	NA	DLIR-H	CT值、噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）	NA
10700	2026-02-06	A Deep Learning Model to Detect Acute MCA Occlusion on High-Resolution Noncontrast Head CT 2026-Feb-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8954 PMID:40780878	研究论文	本研究开发了一种深度学习模型，用于基于高分辨率非增强头部CT检测急性大脑中动脉闭塞	利用高分辨率非增强CT（NCCT）数据，通过3D深度学习模型进行逐体素血栓分割，以检测急性MCA闭塞，其准确性接近CTA，为资源有限环境下的卒中分诊提供了新工具	研究为回顾性设计，且性能在包含M2段闭塞时略有下降	评估深度学习模型使用高分辨率NCCT成像数据识别急性MCA闭塞的可行性和准确性	大脑中动脉（MCA）血栓	数字病理学	心血管疾病	高分辨率非增强CT（NCCT）， CT血管造影（CTA）	3D深度学习模型	医学影像（CT图像）	总计5659次连续检查（4648次用于训练和验证，1011次用于独立测试）	NA	NA	AUROC, 准确率, 灵敏度, 特异性	NA