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
11281	2026-01-20	Decoding the interconnected splicing patterns of hepatitis B virus and host using large language and deep learning models 2026-Jan, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001616 PMID:41543530	研究论文	本研究利用大型语言和深度学习模型解码乙型肝炎病毒（HBV）与宿主之间的互连剪接模式	首次将SpliceBERT和OpenSpliceAI模型应用于HBV基因组，揭示其剪接供体位点与宿主相似而受体位点更隐蔽，并发现剪接效率与疾病进展的相关性优于传统剪接比例指标	研究基于279个RNA测序文库和4,706个HBV基因组，样本来源和规模可能限制结论的普适性	解码HBV的剪接模式及其与宿主剪接机制的相互作用，以理解病毒持久性和免疫逃逸机制	乙型肝炎病毒（HBV）基因组及其在宿主肝脏组织和培养细胞中的剪接变异	自然语言处理, 机器学习	肝癌	RNA测序	大型语言模型, 深度学习模型	基因组序列, RNA测序数据	279个RNA测序文库（来自HBV相关肝脏活检和培养细胞）和4,706个HBV基因组	NA	SpliceBERT, OpenSpliceAI	NA	NA
11282	2026-01-20	Alzheimer's disease prediction via an explainable CNN using genetic algorithm and SHAP values 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337800 PMID:41544026	研究论文	本研究提出了一种名为GASHAP的新型可解释AI技术，结合遗传算法和SHAP值，用于增强3D-CNN模型在阿尔茨海默病MRI图像分类中的可解释性	提出GASHAP技术，将遗传算法与SHAP值结合，从解剖学定义的脑区层面提供解释，而非仅基于体素级别	NA	提高阿尔茨海默病诊断中深度学习模型的可解释性	阿尔茨海默病患者和认知正常对照者的脑部MRI扫描	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	NA	NA	3D-CNN	NA	NA
11283	2026-01-20	Deep learning with satellite images enables high-resolution income estimation: A case study of Buenos Aires 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338110 PMID:41544087	研究论文	本研究利用高分辨率卫星图像和深度学习技术，在布宜诺斯艾利斯大都市区生成高分辨率收入地图	采用EfficientNetV2架构的神经网络，实现了比现有方法高20倍以上的空间分辨率（50x50米），并能基于任意卫星图像估计收入地图	研究仅基于布宜诺斯艾利斯一个案例，可能无法直接推广到其他地区；依赖2010年人口普查数据作为训练基础	评估利用卫星图像和机器学习生成高分辨率收入地图的潜力，以解决发展中国家数据收集成本高的问题	布宜诺斯艾利斯大都市区的卫星图像和2010年人口普查数据	计算机视觉	NA	卫星遥感成像	CNN	图像	布宜诺斯艾利斯大都市区的卫星图像数据集	NA	EfficientNetV2	R2	NA
11284	2026-01-20	The potential of deep learning on the discovery of new genes implicated in differences of sex development 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.019 PMID:41550136	研究论文	本文介绍了一种名为GONAD-ResNet的残差卷积神经网络，用于通过分析时间依赖性单细胞基因表达数据来预测新的性别发育差异相关基因	提出GONAD-ResNet模型，首次将深度学习应用于从全外显子组测序数据中识别新的DSD相关基因，通过优先考虑表达谱与已知DSD基因相似的基因来加速发现过程	研究样本量较小，仅涉及6名患者，可能限制模型的泛化能力和统计显著性	加速发现新的性别发育差异相关基因，以改善患者诊断和预后	性别发育差异患者，包括3名XX和3名XY个体	机器学习	性别发育差异	全外显子组测序，单细胞基因表达分析	CNN	基因表达数据，测序数据	6名患者	NA	ResNet	NA	NA
11285	2026-01-20	Near-infrared hyperspectral imaging combined with elemental and isotopic analyses reflects geographical origins of cultured salmonids 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101293 PMID:41551169	研究论文	本研究结合近红外高光谱成像与元素/同位素分析，以反映养殖鲑鱼的产地信息并提高判别模型的可解释性	首次将高光谱成像与元素/同位素分析相结合，为产地判别提供化学计量学基础，并可视化关键元素/同位素的空间分布	所有判别模型的总体准确率仅达到可接受水平（>65%），最高精度为88.13%，仍有提升空间	开发可解释的产地判别方法以应对食品欺诈并确保鲑鱼产品的真实性	养殖鲑鱼	机器学习	NA	近红外高光谱成像、元素分析、同位素分析	随机森林、极限学习机	高光谱图像、元素数据、同位素数据	NA	NA	NA	准确率、精度、R值	NA
11286	2026-01-20	Continuous Lower Limb Biomechanics Prediction via Prior-Informed Lightweight Marker-GMformer 2026, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0476 PMID:41551246	研究论文	本研究提出了一种名为Marker-GMformer的深度学习模型，用于高效、准确地连续预测下肢运动学和动力学数据	提出了一种结合先验知识、全局-局部特征和时空特征的轻量级深度学习模型，用于连续预测下肢生物力学，在保持高性能的同时降低了计算复杂度，并展示了在13种不同运动模式下的强泛化能力	NA	开发一种高效、准确的模型，用于实时预测下肢生物力学，以支持机器人控制系统的快速反馈和推理	下肢运动学（关节角度）、动力学（关节力矩）和地面反作用力	机器学习	NA	深度学习	Transformer	时间序列（标记点坐标）	NA	NA	GMformer	皮尔逊相关系数, 均方根误差	NA
11287	2026-01-19	Real-Time Deep-Learning Image Reconstruction and Instrument Tracking in MR-Guided Biopsies 2026-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70138 PMID:41035253	研究论文	本研究提出了一种基于深度学习的实时图像重建与器械跟踪方法，用于加速磁共振引导下的前列腺活检流程	首次在临床环境中使用深度学习对欠采样k空间数据进行实时图像重建和活检针导引器跟踪，并在真实患者数据上验证了高加速因子下的跟踪性能	前瞻性验证样本量较小（8例患者），且仅针对特定器械（活检针导引器）进行跟踪验证	通过深度学习加速磁共振引导活检的成像流程，实现实时器械跟踪以提高临床工作效率	接受经直肠磁共振引导活检的男性患者	医学影像分析	前列腺癌	2D Cartesian平衡稳态自由进动序列，3T磁共振成像	深度学习模型（具体架构未明确说明）	多切片MR DICOM图像，原始k空间数据	训练集：1289例男性患者（8464次扫描）；前瞻性测试集：8例男性患者（10个动态k空间样本）	NA	NA	器械尖端预测误差，成功帧比例（误差<5mm），威尔逊95%置信区间	NA
11288	2026-01-19	Deep learning for pediatric femoral neck fracture detection in a multicenter study 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114372 PMID:41541682	研究论文	本研究开发了一种深度学习模型，用于在儿科髋关节X光片上自动检测和定位股骨颈骨折	这是目前最全面的多中心人工智能诊断研究之一，用于检测儿科股骨颈骨折，并首次在急诊科骨科医生中验证了AI辅助能显著提高诊断性能，特别是对经验有限的医生	NA	开发并验证一个深度学习模型，以自动检测儿科髋关节X光片中的股骨颈骨折，支持急诊环境下的临床决策	儿科髋关节X光片	计算机视觉	股骨颈骨折	X光成像	CNN	图像	2,594张髋关节X光片，来自8个中心的2,116名患者	NA	YOLOv11s	mAP@0.5, AUC	NA
11289	2026-01-19	Basic Process Equation for Analytical Chemistry - An Inclusive and Conciliatory Approach 2026-Jan-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05444 PMID:41468535	研究论文	本文提出了一种以信息流为基准的分析化学基本过程方程，旨在统一传统单变量数据方法与基于多变量数据的现代分析方法	首次引入'分析算子'概念作为信息转换的核心，并提出了一个包容性框架以协调传统分析化学与基于化学计量学、数据挖掘、机器学习等现代方法	仅以植物油碘值测定为例进行说明，尚未在更广泛的分析化学领域进行全面验证	建立分析化学的统一理论框架，实现从测量到信息的范式转变	分析化学过程与信息转换机制	分析化学	NA	化学计量学、数据挖掘、机器学习、深度学习、人工智能	NA	单变量数据、多变量数据	NA	NA	NA	NA	NA
11290	2026-01-19	Advancing skin cancer detection through deep learning and fusion of patient metadata and skin lesion images 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26392-4 PMID:41530207	研究论文	本研究提出了一种结合患者元数据和皮肤病变图像的AI框架，用于在远程皮肤病学分诊中自动分类可疑与非可疑皮肤病变	通过融合患者元数据（如病变大小、颜色、形状、年龄和性别）与图像数据，并采用多数投票技术集成多个AI模型，显著提升了分类性能，同时引入了软注意力模块以增强模型决策的可解释性	研究数据仅来自英国私立皮肤癌诊断中心网络，可能缺乏多样性和代表性，且未详细讨论模型在临床环境中的实际部署挑战	开发自动化方法以减少皮肤癌诊断的等待时间，并支持远程皮肤病学分诊中的快速决策	皮肤病变图像及患者元数据，用于分类可疑与非可疑皮肤病变	计算机视觉	皮肤癌	深度学习	CNN	图像, 元数据	79,246张皮肤病变图像，来自19,295名患者，包含22个元特征	NA	NA	敏感性, 特异性	NA
11291	2026-01-19	Natural biowaste material-based green triboelectric nanogenerators for self-powered gait monitoring 2026-Jan-13, RSC advances IF:3.9Q2 DOI:10.1039/d5ra09038e PMID:41541210	研究论文	本文报道了基于天然生物废料材料的绿色摩擦纳米发电机，用于自供电步态监测	系统研究了三种新型摩擦负电材料（象苹果、姜黄皮、芋头茎粉），并展示了象苹果粉基TENG在柔性传感器中的应用，实现了99.3%的运动检测准确率	NA	开发基于天然生物材料的环保、自供电摩擦纳米发电机，用于可持续能量收集和绿色自供电传感器应用	天然生物废料材料（象苹果、姜黄皮、芋头茎粉）及其在摩擦纳米发电机中的性能	NA	NA	摩擦纳米发电机技术	深度学习模型	运动监测数据	NA	NA	NA	开路电压, 功率密度, 灵敏度, 运动检测准确率	NA
11292	2026-01-19	Benchmarking Machine Learning Algorithms for Microbial Electromethanogenesis: A Comprehensive Assessment with SHapley Additive exPlanation-Based Insights 2026-Jan-12, ACS sustainable chemistry & engineering IF:7.1Q1 DOI:10.1021/acssuschemeng.5c09770 PMID:41541636	研究论文	本文系统比较了七种监督机器学习算法在微生物电产甲烷过程中的预测性能，并利用SHAP进行特征重要性分析	首次将1D-CNN应用于微生物电产甲烷的预测，并结合SHAP解释模型以揭示影响生物甲烷生产的关键因素	未提及模型在外部验证集上的泛化能力或数据集的规模限制	评估机器学习算法在预测微生物电产甲烷性能方面的能力，并提供机制性见解	微生物电产甲烷生物电化学系统	机器学习	NA	实验数据收集	1D-CNN, MLP, GBR, AdaBoost, stacking regressors, kNN	数值数据（操作参数）	NA	NA	1D-CNN	R²	NA
11293	2026-01-19	A comparative study of loss functions and attention mechanisms in landslide semantic segmentation using U-Net 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31789-2 PMID:41501220	研究论文	本研究通过比较不同损失函数和注意力机制，探索了基于U-Net的滑坡语义分割方法，利用多模态数据提升滑坡检测性能	在U-Net基线模型中引入注意力机制以优化像素级预测，并系统评估多种损失函数对性能的影响	研究仅使用单一数据集（Bijie滑坡数据集），未在其他地理区域或不同分辨率数据上进行验证	改进滑坡检测的识别精度和分割性能	滑坡区域	计算机视觉	NA	卫星影像分析，数字高程模型（DEM）	CNN	图像，多模态数据（卫星图像、DEM数据、真实掩码）	Bijie滑坡数据集（具体样本数量未说明）	NA	U-Net	精确率，召回率，F1分数，准确率，平均交并比（mIoU），曲线下面积（AUC）	NA
11294	2026-01-19	Artificial intelligence in mitotic checkpoint modeling: transforming our understanding of cellular division through machine learning and predictive biology 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf729 PMID:41537307	综述	本文综述了人工智能在细胞有丝分裂检查点建模中的应用，通过机器学习和预测生物学方法，改变了我们对细胞分裂的理解	利用Transformer架构预测纺锤体组装检查点参与度准确率超过95%，图神经网络在亚像素分辨率解码动粒-微管动力学，以及混合AI-机制模型揭示隐藏反馈回路	NA	通过人工智能方法，提升对有丝分裂检查点复杂非线性动力学的理解，并推动其在癌症等增殖性疾病精准医疗中的应用	细胞有丝分裂检查点网络，包括纺锤体组装检查点和动粒-微管动力学	机器学习和预测生物学	癌症等增殖性疾病	多组学数据整合	Transformer, 图神经网络, 混合AI-机制模型	多组学数据	NA	NA	Transformer, 图神经网络	准确率	NA
11295	2026-01-19	DynaRepo: the repository of macromolecular conformational dynamics 2026-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1130 PMID:41231767	研究论文	本文介绍了DynaRepo，一个包含约450个复合物和约270个单链蛋白质的分子构象动力学数据库，旨在支持基于动力学的深度学习研究	通过整合PDBbind、SAbDab和基准数据集，提供大规模分子动力学模拟数据，弥补了静态结构研究方法的不足，为动态行为分析提供了数据基础	NA	构建一个用于研究大分子构象动力学的数据库，以支持数据驱动的深度学习框架开发	蛋白质、RNA和DNA及其复合物，包括抗体-抗原识别、内在无序蛋白质和蛋白质-核酸结合等动态相互作用	计算生物学	NA	分子动力学模拟	NA	分子动力学模拟数据	约450个复合物和约270个单链蛋白质，每个复合物进行三次500纳秒模拟，总计超过1100微秒数据	NA	NA	NA	NA
11296	2026-01-19	Automated detection of chewing movements in videofluoroscopic swallowing studies using deep learning for landmark detection and motion analysis 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111361 PMID:41330067	研究论文	本研究提出首个全自动分析视频荧光吞咽研究中咀嚼相关下颌运动的流程	首次开发了用于视频荧光吞咽研究中咀嚼运动自动检测的全流程系统，整合了关键解剖点检测、视频分割和运动分类三个模块	未明确提及具体的数据集规模限制或算法在特定人群中的泛化性能	开发自动化工具以评估咀嚼功能，并支持将咀嚼分析整合到标准临床协议中	健康参与者和吞咽困难患者的视频荧光吞咽研究数据	计算机视觉	吞咽障碍	视频荧光吞咽研究	深度学习	视频	来自多项临床研究的数据集，包含健康参与者和吞咽困难患者	NA	NA	NA	NA
11297	2026-01-19	Clinical decisions in Orthodontics using x-ray-based images and artificial intelligence approaches: a scoping review 2026, Dental press journal of orthodontics DOI:10.1590/2177-6709.30.4.e2524219.oar PMID:41538502	综述	本文是一篇范围综述，探讨了基于X射线图像和人工智能方法在正畸临床决策中的应用	系统性地回顾了AI在正畸诊断和治疗规划中的应用，特别是聚焦于X射线成像，并识别了AI在颞下颌关节骨关节炎、骨骼成熟度分类、阻塞性睡眠呼吸暂停和正颌手术需求等关键领域的最佳应用	仅纳入了截至2021年10月的英文文献，可能遗漏了最新研究或非英语文献	审查AI模型何时能增强正畸诊断和治疗规划中的临床决策过程	正畸领域的临床决策，特别是基于X射线图像的诊断和治疗规划	计算机视觉	正畸相关疾病	X射线成像	深度学习	X射线图像	NA	NA	NA	NA	NA
11298	2026-01-18	Dengue fever prediction based on meteorological features and deep learning models 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.010 PMID:41536441	研究论文	本文提出了一种基于多维气象特征和深度学习模型的登革热预测方法，利用时间序列生成对抗网络扩展数据集，并通过信号分解、特征提取和融合技术提高预测性能	结合TimeGAN进行数据增强，采用SGMD和样本熵进行气象序列分解与重构，并引入双向时间卷积网络与注意力机制的BiLSTM进行特征融合与预测	研究仅基于中国广东省的数据，可能无法直接推广到其他地理或气候区域，且未详细讨论模型在不同季节或极端天气条件下的鲁棒性	提高登革热流行病趋势的预测准确性，以支持公共卫生决策	登革热病例数据与多维气象特征（如温度、湿度、降水）	机器学习	登革热	时间序列生成对抗网络（TimeGAN）、辛几何模态分解（SGMD）、样本熵（SE）	GAN, BiTCN, BiLSTM	时间序列数据	基于中国广东省的登革热病例数据，具体样本数量未明确说明	NA	TimeGAN, BiTCN, BiLSTM with attention module	平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
11299	2026-01-18	Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube 2026-Mar-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118296 PMID:41418735	研究论文	本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于超灵敏可视化检测食源性病原体	将PfAgo双探针可编程遗传电路与超快V形PCR结合，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术进行批量结果处理	未明确说明方法对其他类型病原体的适用性验证范围	开发快速、灵敏的食源性病原体检测方法	食源性病原体	数字病理学	食源性疾病	PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像	深度学习模型	荧光图像	NA	NA	NA	灵敏度（1 CFU/mL）、检测时间（缩短至1/3）、荧光信号增强（超过200%）	NA
11300	2026-01-18	Graph attention network with comorbidity connectivity embedding for post-traumatic epilepsy risk prediction using sparse time-series electronic health records 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106239 PMID:41478164	研究论文	本文提出了一种基于图注意力网络的方法，利用稀疏时间序列电子健康记录预测创伤后癫痫风险	采用异构图注意力网络整合患者人口统计学数据和共病连通性，有效捕捉电子健康记录中的复杂依赖关系	模型性能可能受电子健康记录数据稀疏性和质量的影响，且仅基于特定数据库，泛化能力需进一步验证	提高创伤后癫痫风险的预测准确性，以支持个性化风险评估和主动管理	创伤性脑损伤患者，包括仅患创伤性脑损伤的患者和创伤后发展为癫痫的患者	机器学习	癫痫	电子健康记录分析	图注意力网络	时间序列电子健康记录	1,598,998名仅患创伤性脑损伤的患者和102,687名创伤后发展为癫痫的患者	PyTorch	异构图注意力网络	灵敏度, 特异度, 宏观F1分数, AUC-ROC	NA