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
441	2026-02-12	MMCL: A Multi-modal Contrastive Learning Framework for Molecular Property Prediction 2026-Feb-10, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663206 PMID:41666076	研究论文	本文提出了一种名为MMCL的多模态对比学习框架，用于分子属性预测，通过利用分子的不同视图学习相似分子间的共同特征，并显式地将功能基团表示为分子图中的节点，以促进模型学习与分子属性相关的特征	提出了一种多模态对比学习框架，整合分子的不同表示以增加信息多样性，并首次将功能基团显式地作为分子图中的节点进行建模，以增强模型对分子属性的捕捉能力	未在摘要中明确提及	通过深度学习提高分子属性预测的准确性，以促进药物发现过程	分子及其属性	机器学习	NA	多模态对比学习	深度学习	分子图	基准数据集	NA	NA	NA	NA
442	2026-02-12	AGEP_TWAS: A Deep Learning-based Framework for Predicting Gene Expression Levels in Tissues 2026-Feb-10, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663364 PMID:41666075	研究论文	提出了一种基于深度学习的基因表达预测框架AGEP_TWAS，用于跨组织预测基因表达水平	利用密集连接网络、自适应激活函数和参数剪枝策略，通过核心基因预测其他基因的表达水平，解决了传统方法效率低且忽略训练群体中缺失SNP的问题	未明确说明模型在不同物种或组织类型间的泛化能力限制，也未讨论计算资源需求	开发高效的基因表达预测方法以支持转录组范围关联研究	人类和牛的基因表达数据	机器学习	NA	基因表达谱分析	深度学习	基因表达数据	人类GEO表达数据集和CattleGTEx数据集	NA	密集连接网络	均方误差, 皮尔逊相关系数	NA
443	2026-02-12	Sharper than human eyes? A systematic review and meta-analysis of machine learning for retinal detachment detection 2026-Feb-10, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721261419673 PMID:41666118	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了机器学习在视网膜脱离检测中的诊断准确性	首次对机器学习在视网膜脱离检测中的应用进行全面的诊断测试准确性荟萃分析，并比较了不同机器学习技术、成像模态和验证方法的性能差异	研究存在显著的异质性（I>90%），且患者选择和数据质量偏差可能影响模型泛化能力	评估机器学习在视网膜脱离检测中的诊断准确性，并探讨其临床应用的潜力与挑战	视网膜脱离检测的机器学习模型	医学影像分析	视网膜脱离	机器学习，深度学习	深度学习模型，机器学习模型	医学影像（如眼底成像）	基于20项研究中的69个模型进行分析	NA	NA	灵敏度，特异性，曲线下面积	NA
444	2026-02-12	Mechanism of Ag+-Induced Folding of a Bacterial Peptide from Replica-Exchange Molecular Simulations 2026-Feb-10, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00044 PMID:41666260	研究论文	本文通过分子模拟和实验研究细菌肽B1在银离子诱导下的折叠机制	结合DFT参数化、副本交换模拟和深度学习，首次系统映射了银离子如何改变肽的折叠景观和路径	研究聚焦于单一肽片段，可能无法完全反映完整蛋白质的折叠行为	探究金属离子诱导蛋白质折叠的分子机制	细菌银抗性蛋白SilE的B1肽片段	计算生物学	NA	质谱, 核磁共振, DFT, 副本交换分子动力学模拟, 深度学习	深度学习模型	分子结构数据, 模拟轨迹	NA	NA	NA	NA	NA
445	2026-02-12	Rapid and interpretable protein contact map prediction using a pattern-matching strategy 2026-Feb-10, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/ae443c PMID:41666568	研究论文	本文提出了一种基于模板的模式匹配方法，用于快速预测蛋白质接触图	该方法通过识别同源实验结构中的保守结构基序来预测接触图，仅需少量结构模板（50-500个），并在标准硬件上运行，无需GPU或高性能计算集群	方法依赖于结构模板的可用性，可能对缺乏同源结构的蛋白质预测效果有限	开发一种计算高效且可解释的蛋白质接触图预测方法	蛋白质序列及其接触图	生物信息学	NA	模式匹配、序列比对	模式匹配策略	蛋白质序列、结构模板	25个特征明确的蛋白质结构域和7,599个注释较差的序列	NA	NA	相关性、接触覆盖率、F1分数、准确率	标准硬件（无需GPU或高性能计算集群）
446	2026-02-12	MolVE: An Open-Source Web Platform for Visualizing and Evaluating AI-Designed Molecules to Aid in Prioritization 2026-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02412 PMID:41667067	研究论文	本文介绍了一个名为MolVE的开源Web平台，旨在通过可视化与评估AI设计的分子来辅助专家进行优先级排序	开发了一个集成了安全用户认证、数据集管理和交互式2D/3D可视化功能的开源Web平台，支持异步、分布式和协作式的分子评估	NA	构建一个平台以促进AI设计分子的有效评估和专家协作	AI设计的分子结构	机器学习	NA	NA	NA	分子结构数据	NA	NA	NA	NA	Docker容器化部署，支持React、Node.js、Express和PostgreSQL技术栈
447	2026-02-12	Interpretable and generative deep learning models explicate phase separating intrinsically disordered motifs 2026-Feb-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69252-z PMID:41667449	研究论文	本研究开发了一个名为PhaSeMotif的深度学习框架，用于可解释且精确地预测蛋白质内在无序区域中驱动相分离的关键基序	结合了基序预测、生成和验证，提供了一个开源工具包，并整合生成模型以创建保留关键组成特征的验证就绪基序	NA	系统识别调控蛋白质相分离的序列基序及其组成决定因素	蛋白质内在无序区域中的相分离驱动基序	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
448	2026-02-12	Alzheimer's disease prediction using deep learning and XAI based interpretable feature selection from blood gene expression data 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35260-8 PMID:41667529	研究论文	本文提出了一种基于深度学习和可解释人工智能的血液基因表达数据特征选择方法，用于阿尔茨海默病的早期预测	结合多种特征选择方法、GAN数据增强和SHAP可解释性分析，从高维小样本血液基因表达数据中识别关键生物标志物	样本量有限，依赖于公开数据集，需要进一步临床验证	开发非侵入性、低成本的阿尔茨海默病早期检测方法	阿尔茨海默病患者和健康对照的血液基因表达数据	机器学习	阿尔茨海默病	基因表达分析	深度学习, GAN	基因表达数据	三个数据集（GSE63060、GSE63061、ADNI）及其整合版本	未明确说明	深度神经网络	准确率, 精确率	NA
449	2026-02-12	A federated deep learning approach for SDN security with quantum optimized feature selection and hybrid MSDC net architecture 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37289-1 PMID:41667560	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
450	2026-02-12	Utilizing deep learning models for early detection and classification of fruit diseases: towards sustainable agriculture and enhanced food quality 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38259-3 PMID:41667572	研究论文	本研究提出使用深度学习模型进行水果病害的早期检测与分类，以促进可持续农业和提升食品质量	结合图像预处理和数据增强技术，应用五种深度学习模型（CNN、DenseNet121、EfficientNetB3、Xception、ResNet50）对六种水果病害进行早期检测与分类，并推荐EfficientNetB3模型	NA	实现水果病害的早期检测与分类，以帮助农民及时发现并应对病害，从而提高食品质量和农业生产力	六种水果病害：橙子、葡萄、芒果、番石榴、苹果和香蕉的植物病害	计算机视觉	水果病害	图像预处理、数据增强	CNN, DenseNet121, EfficientNetB3, Xception, ResNet50	图像	NA	NA	CNN, DenseNet121, EfficientNetB3, Xception, ResNet50	准确率	NA
451	2026-02-12	Enhanced diabetes prediction using pre-trained CNNs, LSTM, and conditional GAN on transformed numerical data 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38942-5 PMID:41667617	研究论文	本研究提出了一种结合表格数据到图像转换、预训练CNN和LSTM的深度学习框架，用于增强糖尿病预测性能	创新点包括将数值特征转换为基于相关性和特征重要性的2D图像表示，以及使用条件GAN生成合成样本以扩充训练数据	结果可能部分受合成数据影响，且样本量有限，需在更大、更多样化的数据集上进一步验证泛化能力	旨在通过深度学习技术提高从结构化生物医学数据中进行糖尿病早期预测的准确性	研究对象为糖尿病预测，基于Pima Indians糖尿病数据集和Frankfurt糖尿病数据集	机器学习	糖尿病	表格到图像转换，条件生成对抗网络	CNN, LSTM, GAN	结构化数值数据（转换为图像）	Pima Indians糖尿病数据集（具体数量未明确），Frankfurt糖尿病数据集（样本量有限）	TensorFlow, PyTorch	DenseNet201, ResNet152, Xception, EfficientNetB4, LSTM	准确率, AUC	NA
452	2026-02-12	When LLMs speak ZigBee: exploring low-latency and reasoning models for network traffic generation 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37246-y PMID:41667632	研究论文	本研究提出了一种利用大型语言模型（如GPT-4.1和GPT-5）生成语义丰富且符合协议的ZigBee网络合成流量的新框架	首次将LLMs应用于ZigBee网络流量生成，结合了基于样本的小样本学习、提示工程和人机交互反馈机制，并系统评估了不同推理配置对生成效果的影响	未明确提及模型在更复杂或大规模ZigBee网络场景下的泛化能力，以及生成流量在真实安全测试中的具体应用效果	探索低延迟和推理模型在网络流量生成中的应用，为ZigBee物联网系统的测试、仿真和安全评估提供更真实的流量数据	ZigBee网络流量数据包	自然语言处理	NA	样本提取、小样本学习、提示工程	LLM, RNN, GAN	网络流量数据包	NA	NA	GPT-4.1, GPT-5	Jensen-Shannon Divergence, 协议合规性, 语义正确性, 时间一致性, 多样性指标	NA
453	2026-02-12	Development and validation of a deep learning model for identifying high-quality laryngoscopic images 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38252-w PMID:41667718	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
454	2026-02-12	Deep learning enabled pseudonymization for preserving data privacy of financial identifiers in public documents in India 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39309-6 PMID:41667731	研究论文	本研究提出了一种基于全卷积神经网络的伪名化框架，用于保护印度公共文档中手写签名的数据隐私	首次将SuperPoint架构与可微分输出解码结合，专门针对公开文档中的手写签名进行伪名化处理，在保持文档结构完整性的同时实现可追溯的身份保护	研究主要针对印度PAN卡文档，在其他类型文档或国家的适用性有待验证；数据集规模为500+个样本，可能需要更大规模验证	保护政府电子文档中手写签名这一关键生物特征标识符的隐私，防止身份相关数据泄露	印度政府颁发的永久账户号码（PAN）卡中的手写签名	计算机视觉	NA	伪名化技术	CNN	图像	500+个真实世界PAN卡	NA	SuperPoint, 全卷积神经网络	精确率, 召回率, 结构相似性指数, 运行时间效率, 空间开销	NA
455	2026-02-12	Predicting homologous recombination deficiency and treatment responses using a computed tomography-based foundation model: a preclinical study 2026-Feb-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01322-3 PMID:41667716	研究论文	本研究应用基于CT的预训练基础模型，在小鼠临床前CT图像上预测同源重组缺陷状态及对新型DNA交联剂的治疗反应	首次将最先进的基础模型应用于临床前动物研究的CT图像分析，以克服数据稀缺问题，并成功实现了HRD状态的分类和治疗反应预测	研究仅基于小鼠异种移植模型，结果向人类临床应用的转化仍需进一步验证	开发一种基于CT影像的、能够预测同源重组缺陷状态及治疗反应的方法	307只具有平衡HRD状态的小鼠的显微CT扫描图像	数字病理	癌症	显微CT成像	基础模型, 监督深度学习	图像	307只小鼠的显微CT扫描	NA	NA	AUC	NA
456	2026-02-12	Integrating deep learning with physics based modeling enables high precision antibody antigen interface prediction 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39466-8 PMID:41667775	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
457	2026-02-12	Deep learning for asymmetric catalysis 2026-Feb-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00954-6 PMID:41667781	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
458	2026-02-12	Automated deep learning pipeline for measuring lumbar thecal sac AP diameter on mid-sagittal MR images 2026-Feb-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02220-7 PMID:41668049	研究论文	本研究开发并验证了一个自动化的深度学习流程，用于在腰椎正中矢状位T2加权MRI上定量测量硬膜囊前后径	提出了一种结合YOLOv8定向边界框进行椎间盘水平定位与方向估计、基于单应性的ROI变换、Attention U-Net分割以及基于骨架的毫米级前后径计算的端到端自动化流程，显著提高了测量线的有效性	研究为回顾性设计，且外部验证仅使用了RSNA 2024腰椎数据集中的一个队列，样本多样性可能有限	开发并验证一个自动化的深度学习流程，用于在腰椎MRI上定量测量硬膜囊前后径，以支持腰椎管狭窄症的标准化评估	腰椎正中矢状位T2加权MRI图像	医学影像分析	腰椎管狭窄症	MRI	CNN	图像	511例腰椎正中矢状位T2 MRI检查（内部数据集），以及RSNA 2024腰椎数据集中的50例作为外部验证	PyTorch	YOLOv8, Attention U-Net	组内相关系数, 平均绝对误差	NA
459	2026-02-12	Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach 2026-Feb-10, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-026-01756-0 PMID:41668096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
460	2026-02-12	Periodontal bone loss analysis via keypoint detection with heuristic post-processing 2026-Feb-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111515 PMID:41666656	研究论文	本研究提出了一种用于自动检测牙周骨丧失标志点、相关状况及分期的深度学习框架与标注方法	提出了一种启发式后处理模块，通过辅助实例分割模型将预测的关键点对齐到牙齿边界；引入了牙科影像领域的专用评估指标PRCK；采用阶段无关的标注方法进行训练	根分叉病变和牙周膜间隙增宽任务的检测仍具挑战性，主要由于阳性样本稀缺；后处理在提升细粒度定位的同时，降低了粗粒度性能；偶尔会出现灾难性预测失败	开发自动检测牙周骨丧失标志点及相关临床状况的深度学习系统	牙周骨丧失的放射学标志点、疾病分期及相关病理状况	计算机视觉	牙周病	深度学习，关键点检测，实例分割	姿态估计模型，实例分割模型	根尖周X线影像	192张根尖周X线片	NA	NA	PRCK0.05, PRCK0.25, PRCK0.5, Dice系数	NA