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
1081	2026-02-11	The Pathway-Informed Deep Learning Models in Cancer Research: A Survey 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3635014 PMID:41264457	综述	本文综述了癌症研究中基于生物通路的深度学习模型，重点分析了通路信息的应用策略	首次系统性地将通路信息在深度学习模型中的应用策略进行分类，并总结了各类模型的优缺点	NA	综述癌症研究中通路信息如何整合到深度学习模型中，以提升模型的可解释性和性能	癌症研究中的通路信息与深度学习模型	机器学习	癌症	NA	深度学习模型	NA	NA	NA	NA	NA	NA
1082	2026-02-11	HypoChainer: A Collaborative System Combining LLMs and Knowledge Graphs for Hypothesis-Driven Scientific Discovery 2026-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3633887 PMID:41336152	研究论文	本文提出了HypoChainer，一个结合LLMs和知识图谱的协作可视化框架，用于增强假设驱动的科学发现	提出了一种整合人类专业知识、LLM驱动推理和知识图谱的协作可视化框架，通过三个阶段（情境探索、假设构建和验证选择）来优化假设链，以解决传统假设驱动研究中的认知限制和知识复杂性挑战	NA	增强假设驱动的科学发现，特别是在生物学领域，通过整合人类、LLMs和知识图谱来探索新知识	科学发现过程，特别是假设构建和验证	自然语言处理, 机器学习	NA	检索增强生成（RAGs）, 图神经网络（GNNs）	LLMs, GNNs	文本, 知识图谱	NA	NA	NA	NA	NA
1083	2026-02-11	EmbryoProfiler: A Visual Clinical Decision Support System for IVF 2026-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3634780 PMID:41348784	研究论文	本文介绍了EmbryoProfiler，一个用于辅助IVF胚胎选择的可视化临床决策支持系统	开发了一个结合可视化分析和可解释机器学习分类器的系统，以透明方式辅助胚胎评估，解决了现有自动化方法依赖大量手动标注或模型不透明的问题	未明确提及系统在广泛临床环境中的验证或长期成功率影响	提高IVF治疗中胚胎选择的效率和准确性，以改善临床结果	IVF治疗中的胚胎，基于延时显微镜图像	数字病理学	不孕症	延时显微镜成像	深度学习	图像	NA	NA	NA	NA	NA
1084	2026-02-11	Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs 2026-Jan, Journal of bone and mineral metabolism IF:2.4Q3 DOI:10.1007/s00774-025-01672-1 PMID:41361106	研究论文	本研究评估了深度学习模型在腰椎X光片上筛查骨质疏松症的性能	利用深度学习模型从腰椎X光片中筛查骨质疏松症，作为一种替代DXA的便捷工具	模型性能（如AUC为0.79-0.82）仍有提升空间，且依赖特定数据集	开发并评估深度学习模型用于骨质疏松症的筛查	腰椎X光片（前后位和侧位）	计算机视觉	骨质疏松症	X光成像	CNN	图像	训练集：2244张前后位和2368张侧位腰椎X光片；测试集：963张前后位和1018张侧位图像	NA	ResNet-18, DarkNet-19	AUC, 敏感性, 特异性	NA
1085	2026-02-11	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2026-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3634824 PMID:41396767	研究论文	本文介绍了一个名为SynAnno的交互式工具，旨在简化和增强大规模连接组数据集中突触注释的校对工作	提出了一个集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以解决神经元复杂空间分支带来的挑战	NA	开发一个工具来加速和改善连接组学数据集中突触注释的校对过程	大规模连接组数据集中的突触注释	连接组学	NA	深度学习，机器学习	NA	3D图像数据	涉及七位神经科学专家的用户和案例研究	PyTorch	NA	校对速度，认知负荷，注释错误	NA
1086	2026-02-11	Deep G-PCC Geometry Preprocessing via Joint Optimization With a Differentiable Codec Surrogate for Enhanced Compression Efficiency 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3655187 PMID:41605149	研究论文	本文提出了一种与可微分G-PCC代理模型联合优化的点云体素化网络，以提升标准G-PCC的压缩效率	首次提出了与可微分G-PCC代理模型联合优化的压缩导向点云体素化网络，通过端到端梯度传播，在不牺牲互操作性或计算灵活性的情况下提升G-PCC效率	未明确说明	提升几何点云压缩（G-PCC）标准的压缩效率，同时保持其互操作性和计算灵活性	点云数据	计算机视觉	NA	深度学习	神经网络	点云	NA	NA	体素化网络	BD-rate	NA
1087	2026-02-11	Deep Learning-Based Joint Geometry and Attribute Up-Sampling for Large-Scale Colored Point Clouds 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3657214 PMID:41610351	研究论文	本文提出了一种基于深度学习的联合几何与属性上采样方法，用于生成大规模、高密度的彩色点云	首次提出联合几何与属性上采样的深度学习框架，并构建并发布了大规模彩色点云上采样数据集SYSU-PCUD	未明确说明方法在极端复杂几何或属性场景下的性能限制，也未讨论计算效率与实时性	提高大规模彩色点云的上采样质量，实现几何与属性的联合优化	彩色点云（包含几何坐标与颜色属性）	计算机视觉	NA	深度学习	神经网络	点云数据	121个大规模彩色点云，涵盖6个类别和4种采样率	未明确指定（代码已开源）	几何上采样网络、属性上采样网络、属性增强模块	峰值信噪比（PSNR）	未明确说明
1088	2026-02-11	SACMark: Spatial-Angle Consistency Watermarking Network for Light Field Image Copyright Protection 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3657635 PMID:41610350	研究论文	本文提出了一种用于光场图像版权保护的深度学习水印网络SACMark	提出首个针对光场图像设计的深度学习水印网络，通过空间-角度特征提取模块和一致性匹配融合策略解决高维数据挑战	未明确说明计算资源需求和具体数据集规模	开发适用于光场图像的鲁棒水印技术以实现版权保护	光场图像	计算机视觉	NA	深度学习	编码器-噪声-解码器架构	光场图像	NA	NA	SACMark网络	视觉质量，深度估计影响，抗噪性	NA
1089	2026-02-11	Detection of Implant Brands Using Artificial Intelligence and Deep Learning Modeling Based on Orthopantomogram Images: A Review of the Literature 2026, Journal of long-term effects of medical implants DOI:10.1615/JLongTermEffMedImplants.2025056457 PMID:41662648	综述	本文综述了基于人工智能和深度学习模型（特别是卷积神经网络）利用全景X光片图像识别牙科种植体品牌的研究现状	系统性地探讨了AI在全景X光片图像中自动识别牙科种植体品牌的应用潜力，并详细阐述了图像预处理、分割和特征提取等关键步骤对提高识别准确性的重要性	需要大量高质量标注数据集，存在数据隐私和AI模型可解释性等伦理挑战	探索人工智能在牙科种植体品牌自动识别中的应用，以提高临床诊断效率和准确性	全景X光片图像中的牙科种植体	计算机视觉	NA	全景X光成像	CNN	图像	NA	NA	NA	NA	NA
1090	2026-02-10	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	本文提出了一种结合堆叠自编码器和MobileNet卷积块的CortiMoS-Net模型，用于从脑电图信号中准确诊断帕金森病，并引入了雪牧羊人步幅配置调优优化技术	提出CortiMoS-Net模型，结合堆叠自编码器和MobileNet卷积块进行深度皮层建模，并引入S3C-Tune混合优化技术以提升模型收敛性和参数优化	未明确说明模型在不同临床环境或多样化患者群体中的泛化能力，以及计算资源需求的具体细节	开发一种基于脑电图的帕金森病诊断模型，提高诊断准确性和鲁棒性	帕金森病患者的脑电图信号	数字病理学	帕金森病	脑电图分析	堆叠自编码器, CNN	脑电图信号	NA	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
1091	2026-02-10	Deep learning for automated 3D assessment of rotator cuff muscle atrophy and fat infiltration prior to total shoulder arthroplasty 2026-Mar, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.07.025 PMID:40902715	研究论文	本研究开发了一种基于深度学习的模型，用于在肩部CT扫描上自动分割肩袖肌肉，并提出了体积肌肉萎缩的T评分分类方法	首次利用深度学习实现肩袖肌肉的自动三维分割，并引入T评分系统量化肌肉萎缩，同时定义了独特的萎缩表型、三维脂肪浸润百分比及前后平衡指标	研究样本主要来自特定患者群体（aTSA和rTSA），可能限制了结果的普适性；深度学习模型的性能依赖于CT图像质量	开发自动化工具以可靠评估肩袖肌肉萎缩和脂肪浸润，改善全肩关节置换术前的病理评估	肩袖肌肉（冈上肌、肩胛下肌、冈下肌、小圆肌）	数字病理学	肩关节疾病	计算机断层扫描（CT）	深度学习模型	三维CT图像	952例肩部CT扫描（762例健康对照，103例aTSA患者，87例rTSA患者）	NA	NA	T评分分类，三维脂肪浸润百分比，前后肌肉体积比，统计显著性（P值）	NA
1092	2026-02-10	Artificial Intelligence and Machine Learning for Osteoarthritis and Cartilage Assessment 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.001 PMID:41656050	综述	本文评估了人工智能和机器学习在骨关节炎和软骨评估中的应用，特别是在X光片和磁共振成像分析中的进展	综述了AI在骨关节炎诊断和管理中的最新应用，包括X光片分级与分割以及MRI序列优化、快速采集、去噪、软骨测量和评分系统等多个任务	NA	评估人工智能和机器学习在骨关节炎和软骨评估中的应用，以应对其复杂的病理生理学带来的诊断和管理挑战	骨关节炎患者的X光片和磁共振成像数据	数字病理学	骨关节炎	X光成像, 磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
1093	2026-02-10	High-Resolution MR Imaging of Elbow Ligament Injuries and Associated Impingement and Instability Syndromes 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.005 PMID:41656056	综述	本文详细阐述了用于评估肘关节韧带损伤及相关撞击与不稳定综合征的高分辨率磁共振成像技术	强调了高场强磁体、专用表面线圈、三维成像和深度学习重建等先进技术在增强韧带结构可视化方面的应用	NA	评估肘关节韧带病变及相关不稳定和撞击综合征	肘关节韧带（内侧和外侧韧带复合体）及相关病理状态	数字病理学	NA	高分辨率磁共振成像，三维成像，深度学习重建	NA	磁共振图像	NA	NA	NA	NA	NA
1094	2026-02-10	Corrigendum to "Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy". [Clin. Transl. Radiat. Oncol. 56 (2026) 101091] 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101103 PMID:41657361	correction	本文是对一篇关于深度学习在MRI图像中分割前列腺癌放疗相关危及器官（OARs）的几何评估研究的更正	NA	NA	NA	NA	digital pathology	prostate cancer	magnetic resonance imaging	deep learning	image	NA	NA	NA	NA	NA
1095	2026-02-10	DeepDBPI: DNA-Binding Protein Identifier Using a Deep Learning Model with Transformed Denoised Features 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02637 PMID:41566703	研究论文	本文提出了一种名为DeepDBPI的深度学习模型，用于预测DNA结合蛋白，通过结合多种新型描述符和去噪技术提升预测性能	开发了结合CC-PSSM、BP-PSSM、TRG-PSSM和FEGS等新型描述符的深度学习模型，并应用小波去噪算法处理序列特征，提高了DNA结合蛋白的预测准确性	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发高效的深度学习模型以预测DNA结合蛋白，替代传统昂贵且耗时的湿实验方法	DNA结合蛋白（DBPs）	生物信息学	NA	小波去噪（WD）算法	ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU	蛋白质序列数据	NA	NA	ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU	准确率（ACC）、灵敏度（SN）、特异度（SP）、马修斯相关系数（MCC）	NA
1096	2026-02-10	Attention-Guided Multiview Deep Learning Framework Uncovers miRNA-Drug Associations for Therapeutic Discovery 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02839 PMID:41592800	研究论文	本文提出了一种注意力引导的多视图深度学习框架（DLMVF），用于预测miRNA-药物关联，以促进治疗发现	该框架首次全面整合了miRNA和药物的多源信息，而非仅依赖已知的相互作用图数据，并通过视图级注意力机制自适应学习不同特征的重要性	NA	预测miRNA-药物关联，以支持基于miRNA的治疗方法开发	miRNA和药物	机器学习	癌症	深度学习	注意力机制	多源信息（包括属性数据和相互作用数据）	基于最新数据库手动构建的实验基准数据集	NA	DLMVF（包含miRNA属性视图编码器、药物属性视图编码器和miRNA-药物相互作用编码器模块）	AUROC, AUPRC	NA
1097	2026-02-10	CompBind: Complex Guided Pretraining-Based Structure-Free Protein-Ligand Affinity Prediction 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02451 PMID:41562952	研究论文	提出了一种名为CompBind的新型框架，用于仅使用蛋白质和配体序列预测结合亲和力，无需依赖实验解析的3D复合物结构	通过结合双向交叉注意力和双目标预训练策略，从现有复合物结构中学习潜在相互作用模式，实现仅从序列推断结合亲和力，解决了结构数据稀缺性问题	未明确说明模型对新型蛋白质-配体对或高度变异序列的泛化能力，也未讨论计算效率的具体数据	开发一种不依赖3D结构输入的蛋白质-配体结合亲和力预测方法，以加速药物发现流程	蛋白质-配体复合物及其结合亲和力	机器学习	NA	深度学习预训练	基于注意力机制的深度学习模型	蛋白质序列、配体序列、3D复合物结构（仅预训练用）	NA	NA	双向交叉注意力架构	排名准确性（案例研究中）	NA
1098	2026-02-10	NeuroTDPi: Interpretable Deep Learning Models with Multimodal Fusion for Identifying Neurotoxic Compounds 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02639 PMID:41609193	研究论文	本研究开发了一个名为NeuroTDPi的多层全连接深度神经网络模型，用于识别神经毒性化合物	采用多模态融合策略，整合分子表征与针对三个特定神经毒性终点的特征表示，并利用SHAP方法增强模型可解释性	未明确说明模型在外部验证集上的泛化性能或对未知化合物的预测能力	开发可解释的深度学习模型，用于早期预测化学神经毒性	神经毒性化合物	机器学习	NA	分子表征，多模态融合	深度神经网络	分子特征数据	未明确说明	未明确说明	多层全连接神经网络	AUC	未明确说明
1099	2026-02-10	Towards holistic phenotype prediction beyond genotypic data 2026-Feb-09, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag068 PMID:41656352	综述	本文探讨了超越基因组数据整合多种数据类型以增强表型预测能力的潜力	提出了五种数据整合策略（消除、促进、聚合、纳入、调制），并系统综述了其在提升表型预测准确性和全面理解复杂生物系统中的应用	作为综述论文，未提供具体实验验证，且各策略的优缺点依赖于现有研究，可能缺乏统一评估标准	增强表型预测能力，超越传统基因组选择，实现更全面的生物系统理解	多种数据类型（如环境数据）及其在表型预测中的整合应用	机器学习	NA	NA	CNN	基因组数据、环境数据等多种数据类型	NA	NA	卷积神经网络	NA	NA
1100	2026-02-10	Deep learning model for identification of metabolic bone disease of prematurity using wrist radiographs 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37116-7 PMID:41656355	研究论文	本研究提出了一种基于手腕X光片的深度学习模型，用于识别早产儿代谢性骨病的放射学特征，并评估其决策支持的影响	开发了首个基于手腕X光片的深度学习模型，专门用于识别早产儿代谢性骨病的放射学特征，并证明了其在外部验证和临床辅助诊断中的有效性	研究为回顾性设计，样本主要来自两家医院，可能存在选择偏倚，且模型性能在更广泛人群中的泛化能力需进一步验证	开发并验证一个深度学习模型，以辅助临床医生（尤其是非放射科医生）识别早产儿代谢性骨病的放射学特征，实现及时诊断和治疗	早产儿（出生体重低于1500克），包括来自首尔国立大学医院（内部数据集）和首尔国立大学盆唐医院（外部数据集）的婴儿	数字病理学	代谢性骨病	手腕X光摄影	深度学习模型	图像（手腕X光片）	内部数据集814名受试者，外部数据集261名受试者	NA	DenseNet	AUROC, 灵敏度, 特异性, 准确率	NA