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
1361	2026-02-07	MRGCDDI: Multi-Relation Graph Contrastive Learning Without Data Augmentation for Drug-Drug Interaction Events Prediction 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3483812 PMID:39437275	研究论文	本文提出了一种名为MRGCDDI的新方法，用于药物-药物相互作用事件预测，该方法结合了多关系图对比学习，无需数据增强	引入了一种无需数据增强的多关系图对比学习方法，避免了额外噪声，并通过简单的对比学习策略在编码器扰动中保持图数据语义，无需手动试错或昂贵领域知识来选择增强	NA	预测药物-药物相互作用事件，以减少潜在不良反应并提高治疗安全性	药物分子图和多关系药物-药物相互作用网络	机器学习	NA	图神经网络，对比学习	GNN	图数据（药物分子图和DDI网络）	NA	NA	NA	准确率, Macro-F1, Macro-Recall, Macro-Precision	NA
1362	2026-02-07	A Semantic Conditional Diffusion Model for Enhanced Personal Privacy Preservation in Medical Images 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511583 PMID:40030430	研究论文	本文提出了一种基于语义条件扩散模型的医学图像生成框架，旨在通过合成与原始数据分布一致的图像来增强个人隐私保护	提出了医学语义扩散模型（MSDM），通过自适应批量归一化（AdaBN）将语义信息编码到高维潜在空间，并直接嵌入去噪神经网络中，从而在提升图像质量和语义准确性的同时确保合成图像与原始图像同分布；此外，引入了Spread算法来自动生成语义掩码，减少了对人工标注的依赖	未明确说明模型在处理极端或罕见病例图像时的泛化能力，以及合成图像在临床诊断中的实际可用性验证可能不足	开发一种能够合成医学图像以保护患者隐私的深度学习框架，同时保持图像质量和语义准确性	医学图像，特别是包含个人可识别信息（如面部特征、独特解剖结构、罕见病变或特定纹理模式）的图像	计算机视觉	NA	扩散模型	扩散模型	图像	使用了BraTS 2021、MSD Lung、DSB18和FIVES数据集，具体样本数量未明确说明	NA	医学语义扩散模型（MSDM），包含自适应批量归一化（AdaBN）和Spread算法	Dice分数	NA
1363	2026-02-07	BSN With Explicit Noise-Aware Constraint for Self-Supervised Low-Dose CT Denoising 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587639 PMID:40638344	研究论文	本文提出了一种名为噪声感知盲点网络的新型自监督学习方法，用于高质量低剂量CT图像去噪	通过引入显式的噪声感知约束机制，在自监督学习过程中无需参考干净数据，并突破了现有方法对相邻噪声独立性假设的依赖	未明确说明方法在极端低剂量或特定病理条件下的性能表现	开发一种不依赖配对训练数据的自监督深度学习方法来处理低剂量CT图像中的空间相关噪声	低剂量CT图像	计算机视觉	NA	低剂量CT成像	CNN	图像	多种临床数据集（未指定具体数量）	NA	盲点网络	NA	NA
1364	2026-02-07	ChemFixer: Correcting Invalid Molecules to Unlock Previously Unseen Chemical Space 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593825 PMID:40748798	研究论文	本文提出了一种名为ChemFixer的框架，旨在将深度学习分子生成模型产生的无效分子修正为有效分子，以扩展可用的化学空间	开发了基于Transformer架构的ChemFixer框架，通过预训练和微调大规模有效/无效分子对数据集，能够修正无效分子并保持其化学与生物学分布特性	未明确提及框架在极端复杂无效分子上的修正能力限制或计算效率的具体分析	解决深度学习分子生成模型产生无效分子的问题，扩展可用的化学空间并提升药物发现效率	深度学习生成的无效化学分子	机器学习	NA	深度学习分子生成	Transformer	分子结构数据	大规模有效/无效分子对数据集（具体数量未提供）	未明确提及	Transformer	分子有效性、化学与生物学分布特性保持度、药物-靶点相互作用预测性能	未明确提及
1365	2026-02-07	Leveraging Large Language Models for Personalized Parkinson's Disease Treatment 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3594014 PMID:40748804	研究论文	本研究提出了一种利用大语言模型（LLMs）设计个性化帕金森病治疗策略的新框架，整合患者自然语言信息和外部文本知识源	首次将大语言模型（LLMs）与蒙特卡洛树搜索（MCTS）、检索增强生成（RAG）和思维链（CoT）推理结合，用于帕金森病的个性化治疗策略设计，提高了可解释性和动态调整能力	方法依赖于自然语言形式的患者信息和外部文本知识源，可能受数据质量和完整性的限制；实验基于特定数据集（PPMI），泛化能力需进一步验证	开发一个个性化帕金森病治疗策略设计框架，以克服症状异质性和传统方法的局限性	帕金森病患者	自然语言处理	帕金森病	大语言模型（LLMs），蒙特卡洛树搜索（MCTS），检索增强生成（RAG），思维链（CoT）推理	大语言模型（LLMs）	文本（自然语言形式的患者信息和外部文本知识源）	使用帕金森病进展标记倡议（PPMI）数据集，具体样本数量未明确说明	NA	NA	修订统一帕金森病评定量表第三部分（MDS-UPDRS-III）分数降低值	NA
1366	2026-02-07	CINeMA: Conditional Implicit Neural Multi-Modal Atlas for a Spatio-Temporal Representation of the Perinatal Brain 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605194 PMID:40902057	研究论文	提出了一种名为CINeMA的新型框架，用于创建高分辨率、时空多模态的围产期大脑图谱，适用于数据稀缺的场景	在潜在空间中操作，避免了计算密集的图像配准，将图谱构建时间从数天缩短至数分钟，并支持基于解剖特征的灵活条件生成	未明确提及具体的数据稀缺程度或模型在极端数据不足情况下的性能边界	开发适用于低数据环境的围产期大脑高分辨率时空多模态图谱构建方法	胎儿和新生儿大脑的磁共振成像数据	医学图像分析	围产期脑发育异常（如胼胝体发育不全、脑室扩大）	磁共振成像	条件隐式神经表示模型	多模态医学图像	NA	PyTorch（基于代码仓库推断）	条件隐式神经表示网络	准确性、效率、多功能性（文中提及超越现有方法，但未列具体指标）	NA
1367	2026-02-07	Ape Optimizer: A p-Power Adaptive Filter-Based Approach for Deep Learning Optimization 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3610665 PMID:40996994	研究论文	本文提出了一种名为Ape的新型深度学习优化器，它基于自适应滤波中的最小均方p次幂算法，通过p次幂调整机制处理重尾梯度分布	首次将自适应滤波领域的LMP算法引入深度学习优化，提出针对α稳定分布梯度噪声的优化器设计，通过p次幂机制压缩大梯度并放大小梯度	未明确说明在超大规模模型或特定网络架构下的性能表现，实验范围主要限于基准数据集	开发一种能够有效处理非高斯分布梯度噪声的深度学习优化器	深度学习优化算法	机器学习	NA	NA	NA	基准数据集	NA	NA	NA	准确率, 训练速度	NA
1368	2026-02-07	M-TabNet: A Transformer-Based Multi-Encoder for Early Neonatal Birth Weight Prediction Using Multimodal Data 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3614285 PMID:41021962	研究论文	本文提出了一种基于Transformer的多编码器模型M-TabNet，用于利用多模态数据早期预测新生儿出生体重	提出了一种新颖的注意力机制Transformer模型，采用多编码器架构，有效整合了生理、生活方式、营养和遗传等多模态母体数据，解决了现有模型（如TabNet）的局限性，并实现了孕早期（<12周）的高精度预测	模型主要基于内部私有数据集进行开发和验证，虽然使用了IEEE儿童数据集进行独立验证以证明其泛化能力，但未在更广泛、更多样化的公共数据集上进行全面测试	开发一个准确、可解释且个性化的工具，用于早期预测新生儿出生体重，以识别高危妊娠并优化新生儿健康结局	孕妇及其新生儿	机器学习	新生儿疾病	多模态数据整合分析	Transformer	多模态数据（包括生理、生活方式、营养和遗传数据）	内部私有数据集和IEEE儿童数据集（具体样本数量未在摘要中提供）	NA	Transformer, 多编码器架构	平均绝对误差, R², 灵敏度, 特异性	NA
1369	2026-02-07	EnsembleRegNet: Interpretable deep learning for transcriptional network inference from single-cell RNA-seq 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108702 PMID:41043336	研究论文	本文提出了一种名为EnsembleRegNet的深度学习框架，用于从单细胞RNA测序数据中推断基因调控网络	通过集成编码器-解码器和多层感知机架构，结合Hodges-Lehmann估计器二值化、案例删除分析、RcisTarget基序富集和AUCell调控子活性评分，提高了网络推断的鲁棒性和生物学可解释性	未在摘要中明确提及	从高维单细胞RNA测序数据中准确推断基因调控网络结构	转录因子与靶基因关系、细胞类型特异性调控模块	机器学习	NA	单细胞RNA测序	集成编码器-解码器, 多层感知机	单细胞RNA测序数据	模拟和真实单细胞RNA测序数据集	NA	EnsembleRegNet	聚类性能, 调控准确性	NA
1370	2026-02-07	Robust Deep Learning for Pulse-Echo Speed of Sound Imaging via Time-Shift Maps 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3602000 PMID:40844937	研究论文	本文提出了一种基于深度学习的鲁棒方法，用于通过时间偏移映射进行脉冲回波声速成像	开发了一种不依赖于特定前向模型的深度学习框架，通过时间偏移映射非线性映射到声速分布，并采用两阶段训练策略增强模型鲁棒性和泛化能力	未在临床人体数据上进行验证，计算成本较高（特别是全波仿真阶段）	提高脉冲回波模式下声速成像的准确性和鲁棒性，以改善超声图像质量和诊断价值	超声声速分布成像	医学影像处理	NA	脉冲回波超声成像，深度学习	深度学习模型	超声数据，时间偏移映射	NA	NA	NA	结构相似性指数，重建精度，对比度噪声比	NA
1371	2026-02-07	Deep learning in stroke therapeutics: drug repurposing and beyond 2026-Feb, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2619641 PMID:41549848	综述	本文综述了深度学习在卒中治疗研究中的应用，特别是在药物再利用方面的作用	强调了深度学习在加速卒中药物再利用和开发中的新兴应用，并指出了其在连接转化研究鸿沟方面的潜力	模型可解释性、泛化能力和真实世界验证方面仍存在挑战	探讨深度学习在卒中治疗研究中的应用，特别是药物发现和再利用	卒中治疗研究，包括临床前模型和临床决策支持	机器学习	卒中	NA	NA	高维数据	NA	NA	NA	NA	NA
1372	2026-02-07	The expectations of in silico fragment-based drug design and future challenges 2026-Feb, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2623154 PMID:41630652	综述	本文讨论了基于片段的药物发现（FBDD）中计算机模拟方法的最新进展，特别是人工智能和机器学习如何加速药物发现过程	强调人工智能和机器学习在FBDD中的应用，包括生成模型、强化学习以及口袋感知设计，以加速化合物设计、预测相互作用并增强化学多样性	尽管AI加速了发现过程，但实验验证仍然是关键，且未详细讨论具体模型的局限性	探讨计算机模拟片段药物设计方法的期望和未来挑战，以加速药物发现过程	基于片段的药物发现（FBDD）方法，特别是针对激酶和GPCRs等靶点	机器学习	NA	生成模型、强化学习、变分自编码器（VAEs）	生成模型、强化学习模型、深度学习模型	化学化合物数据、蛋白质-片段相互作用数据	NA	NA	NA	NA	NA
1373	2026-02-07	A Hybrid Deep Learning Approach for Epileptic Seizure Detection in EEG signals 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3265983 PMID:37037252	研究论文	本文提出了一种混合深度学习方法来检测脑电图信号中的癫痫发作	结合K-means SMOTE平衡数据，并集成1D CNN与基于TBPTT的BiLSTM网络，以高效提取时空序列信息并降低计算复杂度	未明确说明方法在实时应用或不同数据集上的泛化能力	开发一种高效准确的自动化癫痫发作检测方法	脑电图信号	机器学习	癫痫	脑电图	CNN, LSTM	信号	使用公开的UCI癫痫发作识别数据集，未明确具体样本数量	NA	1D CNN, BiLSTM	精确度, 灵敏度, 特异性, F1分数	NA
1374	2026-02-07	PAINT: Prior-Aided Alternate Iterative NeTwork for Ultra-Low-Dose CT Imaging Using Diffusion Model-Restored Sinogram 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3599508 PMID:40824975	研究论文	提出一种结合扩散模型与深度学习展开式迭代重建的两阶段框架，用于从极低剂量采样的正弦图中恢复高质量CT图像	提出了一种名为PAINT的两阶段框架，首次将条件扩散模型用于正弦图恢复，并结合展开式迭代重建，通过交替更新欠采样与恢复数据的保真度项来充分利用先验信息	未明确说明计算成本与推理时间，临床数据实验的样本规模未具体说明	实现超低剂量CT成像，以减少重复扫描对患者的辐射风险	CT扫描的正弦图与重建图像	医学影像重建	肺癌	区域少视角扫描	扩散模型, 深度学习展开式迭代网络	正弦图, CT图像	模拟数据实验（112 mm视野），临床数据实验（具体数量未说明）	NA	条件扩散模型, Prior-aided Alternate Iterative NeTwork (PAINT)	CT值准确性, 图像细节保留, 伪影减少, 结构恢复	NA
1375	2026-02-07	Secure Tracking of Patient's Vital Signs Using CSI-Based Homomorphic Encryption-Enabled Deep Learning Framework 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3601969 PMID:40844949	研究论文	本文提出了一种结合信道状态信息、同态加密和轻量级深度学习的患者生命体征安全实时监测框架VitalCrypt	首次将同态加密与轻量级深度学习结合用于CSI信号处理，实现加密数据上的直接计算，在保证高精度的同时确保数据全流程机密性	加密数据处理延迟约为明文数据的7倍，存在性能与隐私保护的权衡	开发保护患者隐私的数字医疗系统，实现安全、实时的非侵入式生命体征监测	患者的呼吸率和心率信号	机器学习	NA	信道状态信息（CSI）采集、同态加密	轻量级神经网络	无线信号数据（CSI）	公开数据集（具体数量未说明）	NA	轻量级神经网络（具体架构未说明）	准确率	NA
1376	2026-02-07	Integrative Transcriptomic and Bioinformatics Approaches Combined With Transformer Models Identify Key Gene Networks in Atherosclerosis 2026-Jan-31, FASEB journal : official publication of the Federation of American Societies for Experimental Biology IF:4.4Q2 DOI:10.1096/fj.202503988R PMID:41524613	研究论文	本研究通过整合基于Transformer的深度学习与经典生物信息学及实验验证，识别了与人类动脉粥样硬化进展相关的关键基因网络	首次将TabTransformer模型与SHAP分析结合用于动脉粥样硬化基因表达数据，以识别关键基因并验证其生物学意义	研究仅基于一个数据集（GSE100927），样本量相对有限（104个样本），且实验验证仅在体外细胞模型中进行	识别与动脉粥样硬化进展相关的关键转录组介质，并探索其作为生物标志物或治疗靶点的潜力	人类动脉粥样硬化斑块基因表达数据及氧化低密度脂蛋白处理的人脐静脉内皮细胞	生物信息学	心血管疾病	转录组学分析，差异表达分析，网络拓扑分析，通路富集分析，体外细胞实验	Transformer	基因表达数据	104个样本（69个斑块，35个对照）	limma, STRING, Cytoscape	TabTransformer	AUC	NA
1377	2026-02-07	Computational methods for signal peptide prediction: From statistical models to deep learning 2026-Jan-31, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108819 PMID:41628812	综述	本文系统总结了信号肽预测的计算方法，从统计模型到深度学习的演进	系统梳理了信号肽预测方法的演进历程，并强调了统一评估、生物学解释和生成建模等未来发展方向	NA	总结和比较信号肽预测的计算方法，推动该领域发展	信号肽（位于蛋白质N端的短氨基酸序列）	生物信息学	NA	NA	深度学习	氨基酸序列数据	NA	NA	NA	预测准确度	NA
1378	2026-02-07	Attention-based deep learning for immunoglobulin typing from electrophoresis and laboratory data 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120735 PMID:41297746	研究论文	本研究开发了一种基于注意力的深度学习模型，用于结合血清蛋白电泳图像和实验室数据进行免疫球蛋白分型	首次提出结合Sebia毛细管免疫分型系统图像和临床实验室参数的多模态深度学习模型，并引入注意力机制增强模型可解释性	仅使用单一供应商（Sebia）的电泳系统数据，样本不平衡问题通过混合采样处理但可能仍存在偏差	开发自动化工具以辅助临床医生解释血清蛋白电泳免疫分型结果，减少人工解读的劳动强度和观察者间差异	来自Sebia毛细管免疫分型系统的电泳图像及相关的临床实验室参数（肌酐、钙、乳酸脱氢酶等）	数字病理	NA	毛细管电泳	深度学习	图像, 实验室数据	内部验证集未明确数量，外部验证使用200例独立队列病例	NA	注意力机制	准确率, Cohen's Kappa, F1分数, 召回率	NA
1379	2026-02-07	CLM-former for enhancing multi-horizon time series forecasting and load prediction in smart microgrids using a robust transformer-based model 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34870-y PMID:41606036	研究论文	本文提出了一种名为CLM-Former的新型混合深度学习架构，用于增强智能微电网中的多时间尺度时间序列预测和负荷预测	提出了一种结合时间序列分解、基于自相关的注意力机制以及专门设计的CLM-subNet子网络的混合架构，该子网络融合了卷积层和循环层，以同时捕获季节性依赖和高分辨率用电变化	未明确提及	提高智能电网（特别是住宅环境）中多时间尺度负荷预测的准确性和鲁棒性，以支持电网稳定、需求响应和分布式调度	智能电表的真实世界用电数据	机器学习	NA	NA	Transformer, CNN, RNN	时间序列数据	未明确提及具体数量	NA	CLM-Former, Autoformer	未明确提及具体指标	NA
1380	2026-02-07	Fault detection and isolation method for gas turbines using self-organizing type-3 fuzzy wavelet neural networks 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31932-z PMID:41593112	研究论文	本文提出了一种用于燃气轮机故障检测与隔离的自组织Type-3模糊小波神经网络方法	引入了钟形Type-3隶属度函数以增强不确定性处理能力，采用混合Adam-无迹卡尔曼滤波器优化器进行快速收敛训练，并嵌入了自适应增长与剪枝规则的自组织机制	未明确说明模型在极端噪声或未知故障类型下的泛化能力，且仅在一个仿真器和一个真实信号数据集上进行了验证	开发一种鲁棒且高效的燃气轮机故障检测与隔离方法	燃气轮机	机器学习	NA	声发射信号分析	自组织Type-3模糊粗糙小波神经网络	仿真数据，声发射信号	基于一个163-MW西门子燃气轮机高保真仿真器（案例1）和真实声发射信号（案例2）	NA	ST3FRWNN	故障检测率，故障隔离率	NA