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
141	2026-01-09	A Review on Efficient and Scalable Graph-Based Clustering Algorithms for Protein Complex Identification in PPI Networks 2026-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.70026 PMID:40820243	综述	本文综述了用于蛋白质-蛋白质相互作用网络中蛋白质复合物识别的图聚类算法	系统识别、分析和比较了生物信息学中用于PPI网络聚类的多种技术，并提出了整合图方法、机器学习和深度学习的新策略	现有方法在预测稀疏、小型和重叠复合物方面存在挑战，且缺乏对蛋白质生物学特性的显式知识整合	评估图聚类算法以促进蛋白质复合物识别方法的基准测试、识别局限性并推动新计算工具的开发	蛋白质-蛋白质相互作用网络中的蛋白质复合物	生物信息学	NA	NA	NA	网络数据	NA	NA	NA	NA	NA
142	2026-01-09	Artificial intelligence for personalized management of vestibular schwannoma: a multidisciplinary clinical implementation study 2026-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf163 PMID:41502533	研究论文	本研究引入并评估了一种用于前庭神经鞘瘤多学科团队会议临床决策支持的计算机辅助报告工具	利用深度学习自动分割肿瘤并提取体积和线性测量，为个性化管理提供自动化报告工具	28%的病例需要人工修订特征提取，且初始准备时间略有增加	评估计算机辅助报告工具在前庭神经鞘瘤多学科团队会议中对决策支持和效率的影响	前庭神经鞘瘤患者	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和T2序列）	深度学习	医学影像（MRI）	50名患者	NA	NA	Dice系数	NA
143	2026-01-09	Enhancing the Predictive Power of Macrocyclic Drug Permeability by Knowledge Distillation from Analogous Pretraining Data 2026-Jan-08, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c02620 PMID:41420604	研究论文	本文提出了一种名为Multi_DDPP的深度学习模型，用于直接从二维结构预测大环药物的膜渗透性	采用知识蒸馏技术利用多细胞系渗透性数据提升泛化能力，并引入任务特定的摆动范围策略以减少标签噪声	NA	提高大环药物膜渗透性的预测能力，以加速药物开发过程	大环药物	机器学习	NA	深度学习	深度学习模型	二维分子结构数据	NA	NA	NA	NA	NA
144	2026-01-09	Leveraging AI for cell biology discovery 2026-Jan-08, Biochemical Society transactions IF:3.8Q2 DOI:10.1042/BST20253023 PMID:41502213	综述	本文综述了人工智能在细胞生物学中的多样化应用及其对显微镜、成像、药物发现和合成生物学等领域的影响	探讨了人工智能在单细胞分辨率分析、细胞行为建模以及提高模型可解释性和工具普及性方面的创新潜力	NA	综述人工智能在细胞生物学中的应用，推动基础研究和治疗应用的发展	细胞生物学中的复杂生物数据，包括细胞图像、转录组学数据和蛋白质结构	机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
145	2026-01-09	Genomic prediction of feed efficiency in boars by deep learning 2026-Jan-07, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf274 PMID:41239183	研究论文	本研究使用深度学习模型预测公猪的饲料效率，并与传统线性模型进行比较，以评估非线性遗传效应的影响	首次将深度学习模型（多层感知机和卷积神经网络）应用于公猪饲料效率的基因组预测，并量化了其捕获的非加性遗传方差	计算成本显著增加，且捕获的非加性遗传方差并未显著提升预测能力	比较深度学习与线性模型在预测公猪饲料效率方面的能力，并评估非加性遗传效应的影响	两个公猪群体（父系和母系）的饲料效率性状	机器学习	NA	基因组选择	多层感知机, 卷积神经网络	基因组数据	两个公猪群体（具体数量未明确）	NA	多层感知机, 卷积神经网络	预测能力（以相关系数表示）	NA
146	2026-01-09	Deep Learning for Dynamic Prognostic Prediction in Minimally Invasive Surgery for Intracerebral Hemorrhage: Model Development and Validation Study 2026-Jan-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86327 PMID:41499164	研究论文	本研究开发并验证了一种用于脑出血微创手术后动态预后预测的深度学习模型	提出了一种名为MultiStep Transformer的多步注意力模型，能够同时预测多个时间点的生存和功能结局，并有效处理不平衡数据	研究为回顾性单中心设计，样本量相对有限（287例患者），且数据存在缺失	开发并验证一个利用多时间点数据的动态预后模型，以预测脑出血微创手术患者的生存和功能结局	接受微创手术的脑出血患者	机器学习	脑出血	临床数据收集（包括生命体征、实验室检查、神经功能评分等）	Transformer	临床多时间点数据（包括数值和分类数据）	287例患者	NA	MultiStep Transformer	准确率, 精确率, 召回率, F1分数, AUROC, Brier分数	NA
147	2026-01-09	Towards Clinical Integration of Deep Learning-Based Classification of Urinary Sediment Particles from Digital Microscopy Images: A Prospective Study 2026-Jan-07, Clinical chemistry IF:7.1Q1 DOI:10.1093/clinchem/hvaf182 PMID:41499256	研究论文	本研究评估了基于深度学习的尿液沉渣颗粒分类模型在临床实验室中的整合应用，包括前瞻性验证其性能	通过前瞻性研究评估深度学习模型在临床环境中的实际应用效果，并分析回顾性与前瞻性评估之间的差异	模型性能对数据集变异性敏感，前瞻性评估中准确率有所下降	开发并验证基于深度学习的尿液沉渣颗粒自动分类系统，以替代耗时且易出错的人工评估	尿液沉渣颗粒	数字病理学	NA	数字显微镜成像	CNN	图像	来自Sysmex UD-10数字显微镜图像的标注数据集，包含13类尿液沉渣元素	NA	EfficientNet	准确率, 敏感性, 置信度评分, Top 1准确率, Top 3准确率	NA
148	2026-01-09	Explainable AI for Pain Perception: Subject-Independent EEG Decoding Using DeepSHAP and CNNs 2026-Jan-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae34b4 PMID:41499809	研究论文	本研究探讨了使用可解释深度学习从脑电图信号解码疼痛水平的可行性	结合DeepSHAP与CNN实现可解释的、独立于受试者的疼痛解码，并识别了与高低疼痛状态相关的特定脑电频段	样本量相对较小（50名受试者），且仅针对高低两种疼痛刺激进行分类	开发一种基于脑电图的可解释深度学习模型，用于准确分类疼痛水平，以支持临床监测	50名受试者在低和高疼痛刺激下的脑电图信号	机器学习	疼痛感知	脑电图	CNN	脑电图信号	50名受试者	NA	1D CNN	分类准确率	NA
149	2026-01-09	CTSSP: A temporal-spectral-spatial joint optimization algorithm for motor imagery EEG decoding 2026-Jan-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae34ea PMID:41499961	研究论文	本文提出了一种名为CTSSP的算法，用于联合优化运动想象脑电信号解码中的时域、频域和空域特征	提出了一种统一的框架，首次联合优化时域、频域和空域滤波器，克服了现有方法中特征优化碎片化的问题	未明确提及具体局限性，但可能包括算法复杂度或对特定数据集的依赖	提高运动想象脑机接口的解码性能，特别是在非平稳、低信噪比和跨会话变异性大的脑电信号环境中	运动想象脑电信号	机器学习	NA	脑电图	NA	脑电信号	五个公开数据集	NA	CTSSP	准确率	NA
150	2026-01-09	AI-assisted detection of high-pitched bruits in arteriovenous fistulas using a digital stethoscope 2026-Jan-07, The journal of vascular access IF:1.6Q3 DOI:10.1177/11297298251396199 PMID:41500774	研究论文	本研究开发了一种基于深度学习的AI辅助工具，用于通过数字听诊器检测动静脉瘘中的高音调杂音，以早期识别狭窄等并发症	首次将深度学习模型与数字听诊器结合，用于自动检测动静脉瘘中的高音调杂音，提供了一种敏感、客观且高效的临床筛查方法	研究样本量相对较小（65名患者），且特异性（73.8%）有待进一步提高，模型在不同人群中的泛化能力需进一步验证	开发一种AI辅助工具，用于早期检测动静脉瘘并发症（如狭窄），以改善血液透析患者的临床管理	动静脉瘘患者，特别是接受血液透析的患者	机器学习	心血管疾病	数字听诊器录音	深度学习模型	音频	65名患者，来自欧洲和亚洲的12个透析中心	NA	NA	灵敏度, 特异性, 准确率, ROC-AUC	NA
151	2026-01-09	PlaTiF: A pioneering dataset for orthopedic insights in AI-powered diagnosis of tibial plateau fractures 2026-Jan-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06560-5 PMID:41501058	研究论文	本文介绍了一个名为PlaTiF的开创性数据集，用于支持基于人工智能的胫骨平台骨折诊断研究	首次提供了一个公开可访问的、专门针对胫骨平台骨折AI分析的异质性X光片数据集，并包含胫骨骨骼掩模分割	数据集样本量相对有限（421张X光片来自186名患者），且可能受限于数据收集的单一中心或来源	开发自动化、精确的胫骨平台骨折严重程度分类方法，以提高诊断准确性和效率	胫骨平台骨折患者的膝关节前后位X光片	计算机视觉	骨科疾病	X光成像	深度学习	图像	421张来自186名患者（平均年龄45.88±17.54岁，37名女性，149名男性）的膝关节前后位X光片	NA	NA	NA	NA
152	2026-01-09	An intelligent hybrid deep learning-machine learning model for monthly groundwater level prediction 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34292-w PMID:41501104	研究论文	提出了一种结合粒子群优化、浣熊优化、门控循环单元和自适应神经模糊推理系统的混合人工智能模型，用于预测伊朗阿尔达比勒平原的月地下水位	首次提出PSO-COO-GRU-ANFIS (PCGA)混合模型，结合了优化算法、深度学习和模糊推理系统的优势，通过PSO-COO优化GRU和ANFIS参数，利用GRU提取数据隐藏模式，再由ANFIS进行预测	研究仅应用于伊朗阿尔达比勒平原的月地下水位预测，未在其他地区或不同时间尺度上进行验证	开发一种高精度的月地下水位预测模型，以支持环境保护和水资源管理	伊朗阿尔达比勒平原的月地下水位数据	机器学习	NA	NA	GRU, ANFIS	时间序列数据	NA	NA	GRU, ANFIS	平均绝对误差, Nash-Sutcliffe效率系数	NA
153	2026-01-09	Learning physical interactions to compose biological large language models 2026-Jan-07, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01883-7 PMID:41501135	综述	本文综述了结合分子表示的方法，并提出开发能联合编码多种分子模态的生物化学基础模型，以改进分子相互作用预测	提出通过组合特定领域的生物语言模型内部层表示来学习分子相互作用，以提高预测的泛化能力，且特征数量显著减少	未具体说明模型在真实药物设计场景中的验证或应用限制	开发能有效表示分子复合物并预测分子相互作用的生物化学基础模型	生物化学序列、分子相互作用、分子复合物	自然语言处理	NA	深度学习、大语言模型训练	大语言模型	生物化学序列数据	NA	NA	NA	NA	NA
154	2026-01-09	AI driven hybrid convolutional and transformer based deep learning architecture for precise lung nodule classification 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34569-0 PMID:41501139	研究论文	本研究提出了一种结合图像增强与分割的AI驱动框架，用于精确分类肺部结节，以提升肺癌早期筛查的准确性	提出了一种混合卷积和Transformer的深度学习架构，并设计了一个包含自适应对比度拉伸、各向异性扩散、自适应阈值、三维连通性区域生长和形态学操作的综合性图像增强与分割流程	研究仅在公开数据集LIDC IDRI上进行验证，未涉及外部独立验证集或真实临床环境的前瞻性测试	设计和验证一个全面的图像增强与分割流程，以高空间精度检测肺部结节，同时保持低假阳性率，为放射科医生提供可重复且具有临床意义的辅助支持	肺部CT图像中的肺结节	计算机视觉	肺癌	CT成像	CNN, Transformer	医学图像（CT扫描）	1000次扫描（来自LIDC IDRI公开数据集）	NA	混合卷积和Transformer架构	重叠分数（均值0.83）、灵敏度（0.92）、每扫描平均假阳性数（1.5）	NA
155	2026-01-09	LungGANDetectAI: a GAN-augmented and attention-guided deep learning framework for accurate and explainable lung cancer detection 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34750-5 PMID:41501145	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
156	2026-01-09	Domain-adaptive faster R-CNN for non-PPE identification on construction sites from body-worn and general images 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35148-7 PMID:41501148	研究论文	本研究开发了一种基于域自适应（DA）的Faster R-CNN模型，用于在建筑工地上检测五种非个人防护装备（PPE）类别，通过利用通用上下文数据集来缓解真实违规实例稀缺的问题	提出了一种结合图像级和实例级对抗域分类器的域自适应Faster R-CNN框架，通过梯度反转层学习域不变特征，同时保持检测精度	真实建筑工地上的非PPE实例稀缺，依赖通用上下文数据集作为替代样本，可能引入域差异	提高建筑工地上非个人防护装备（PPE）检测的准确性和鲁棒性	建筑工地上的工人图像，包括身体佩戴和通用图像	计算机视觉	NA	深度学习，域自适应	Faster R-CNN	图像	使用了一个完全标记的建筑工地数据集和一个通用上下文数据集，具体样本数量未明确说明	PyTorch, TensorFlow	Faster R-CNN, ResNet-152	平均精度均值（mAP）	未明确说明，可能涉及GPU（如NVIDIA系列）
157	2026-01-09	An end-to-end framework for data lineage analysis covering link pattern recognition, fault diagnosis, and early warning 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34522-1 PMID:41501163	研究论文	本文提出了一种基于数据血缘的端到端全链路智能分析框架，用于链路模式识别、故障诊断和预警	结合图结构与深度学习算法，通过动态数据血缘图模型、图神经网络提取拓扑特征、时序边权重优化与半监督聚类自动分类典型链路模式，并设计了融合时序卷积网络和图神经网络的混合故障诊断模型，以及结合贝叶斯优化与在线学习的动态阈值预警机制	NA	实现数据链路故障的实时预测与溯源，为数据治理提供智能决策支持	数据平台中的数据链路	机器学习	NA	NA	GNN, TCN	图数据，时序数据	实际企业数据和模拟数据	NA	图神经网络，时序卷积网络	准确率	NA
158	2026-01-09	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	本研究比较了不同损失函数和注意力机制在基于U-Net的滑坡语义分割中的性能	引入注意力机制优化U-Net模型，并系统评估多种损失函数对滑坡检测性能的影响	仅使用单一数据集（Bijie滑坡数据集）进行评估，未在其他地理区域验证模型泛化能力	通过多模态数据提升滑坡识别与检测的精度	滑坡区域的卫星图像和数字高程模型数据	计算机视觉	NA	卫星遥感，数字高程模型	CNN	图像	Bijie滑坡数据集（包含高分辨率卫星图像、DEM数据和真实掩码）	NA	U-Net	精确率，召回率，F1分数，准确率，平均交并比，AUC	NA
159	2026-01-09	Enhanced RGB-D feature extraction for 6D pose estimation 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34757-y PMID:41501267	研究论文	本文提出了一种基于PVN3D的深度学习姿态估计方法，通过优化图像提取网络、集成动态卷积技术和引入无参数注意力机制，以同时提高机器人抓取过程中6D姿态估计的准确性和效率	创新点包括：深度优化图像提取模型的主干网络，采用密集连接和可学习分组卷积来提升精度并降低复杂度；将卷积神经网络核心思想融入点云特征提取，使用动态卷积技术处理点云特征，使其更高效灵活；引入无参数注意力机制进一步提高了模型精度	NA	旨在同时提高机器人抓取过程中6D姿态估计的准确性和效率	机器人排序技术中的物体6D姿态估计	计算机视觉	NA	深度学习	CNN	RGB-D图像，点云数据	NA	NA	PVN3D	计算效率，估计精度	NA
160	2026-01-09	COPD-TransNet: A Swin Transformer Network with Quantitative Emphysema Feature Fusion for COPD Detection and Staging from Opportunistic CT Scans 2026-Jan-07, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01785-z PMID:41501304	研究论文	本研究开发了一个名为COPD-TransNet的深度学习模型，该模型基于Swin Transformer架构，融合了定量肺气肿特征，用于利用肺癌筛查CT图像检测和分期慢性阻塞性肺疾病	提出了一种结合Swin Transformer算法与定量肺气肿特征（LAV-950%）的新框架，用于COPD的检测、分期和严重程度分类，并在外部验证中表现出优于主流方法的性能	模型在COPD分期任务上的F1分数相对较低（0.561），表明该任务仍具挑战性；研究主要基于特定医疗中心的肺结节患者数据	开发一个深度学习模型，利用肺癌筛查CT扫描，根据GOLD标准对慢性阻塞性肺疾病进行检测和分期	来自肺癌筛查的胸部CT扫描图像	计算机视觉	慢性阻塞性肺疾病	CT扫描	Transformer	图像	内部数据集：637名肺结节患者的CT扫描；外部验证集：1464份来自NLST队列的CT扫描	NA	Swin Transformer	AUC, F1分数, 准确率	NA