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
541	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
542	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
543	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
544	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
545	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
546	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
547	2026-02-10	Ninja optimization algorithm based ultra wideband antenna electromagnetic band gap modeling via a generative adversarial network 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39068-4 PMID:41656364	研究论文	本文提出了一种集成生成对抗网络与忍者优化算法的智能预测框架，用于精确建模和预测超宽带天线电磁带隙结构的电磁性能	将对抗性学习与基于忍者优化算法的优化相结合，以提高天线-电磁带隙系统代理建模的准确性和鲁棒性	NA	为超宽带天线电磁带隙结构的设计和优化提供高效、可扩展、高精度的建模途径	超宽带天线电磁带隙结构	机器学习	NA	NA	GAN, LSTM, GRU, RNN, ANN	NA	NA	NA	GAN, LSTM, GRU, RNN, ANN	均方误差, 均方根误差, 决定系数	NA
548	2026-02-10	Cardiac MR function analysis with DL-based super resolution reconstruction: application in the clinical setting 2026-Feb-09, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03642-8 PMID:41656477	研究论文	本研究评估了深度学习超分辨率重建在心脏磁共振成像中，与传统并行成像方法在容积测量、图像质量和采集时间方面的差异	首次将深度学习超分辨率重建算法应用于压缩感知加速采集的心脏磁共振图像，显著缩短了采集时间同时保持了图像质量和容积测量准确性	样本量较小（31例患者），且研究为回顾性设计，可能存在选择偏倚	评估深度学习超分辨率重建在心脏磁共振功能分析中的临床应用价值	31例接受心脏磁共振检查的患者，用于评估缺血性和非缺血性心肌病	数字病理学	心血管疾病	心脏磁共振成像，平衡稳态自由进动电影序列，并行成像，压缩感知	深度学习	医学图像	31例患者	NA	NA	相关系数，平均差异，一致性界限，p值	1.5T Philips Ingenia MRI扫描仪
549	2026-02-10	Redefining Tumor Vascular Permeability through Deep Learning-Guided Microneedle Delivery 2026-Feb-09, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c16558 PMID:41660810	研究论文	本文介绍了一种深度学习引导的微针递送平台，用于局部、时空精确地调节肿瘤血管以增强纳米颗粒外渗	将微针递送系统与升级的单血管分析框架（nano-ISML 1.1）结合，实现了对多种肿瘤类型和颗粒尺寸的血管重塑和纳米颗粒运输的定量映射，并通过局部递送组胺选择性扩大内皮连接，将低渗透性肿瘤重编程为高渗透性表型	未明确说明研究的局限性	克服肿瘤血管低渗透性障碍，为肿瘤靶向纳米药物的合理设计提供机制性和预测性范式	肿瘤血管、纳米颗粒	数字病理学	肿瘤	微针递送、单血管分析框架（nano-ISML 1.1）	深度学习	图像	NA	NA	NA	NA	NA
550	2026-02-10	Comment Letter on "CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images" 2026-Feb-09, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001897 PMID:41661174	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
551	2026-02-10	Development of a lightweight deep learning model for accurate assessment of liver fibrosis in biliary atresia 2026-Feb-09, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-026-06296-8 PMID:41661334	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
552	2026-02-10	PCOSFusionNet: Hybrid Deep Feature Fusion Network for PCOS Classification from Ultrasound Images of Ovaries 2026-Feb-08, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346261416509 PMID:41655150	研究论文	本文提出了一种名为PCOSFusionNet的混合深度特征融合网络，用于从卵巢超声图像中自动分类多囊卵巢综合征（PCOS）	提出了一种结合手工特征（HOG）与深度学习全局特征（VGG19）的混合特征融合模型，并应用CLAHE进行图像增强，以提升PCOS分类的准确性	未明确讨论模型在临床环境中的泛化能力或对不同超声设备图像的适应性	提高PCOS超声图像自动分类的准确性和可靠性，辅助临床诊断	卵巢超声图像	计算机视觉	多囊卵巢综合征	超声成像	CNN	图像	两个公开数据集：数据集1包含3856张超声图像，数据集2包含12680张超声图像	NA	VGG19	准确率, 精确率, 召回率, F1分数	NA
553	2026-02-10	OpenEar: an ultra-affordable, high-throughput, and accurate maize ear phenotyping system 2026-Feb-08, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01504-x PMID:41656271	研究论文	本文开发了OpenEar，一个开源、低成本的玉米穗表型分析系统，结合了DIY成像平台和深度学习数据提取流程	开发了超低成本、高通量且准确的玉米穗表型分析系统，采用DIY成像平台和端到端深度学习流程，公开了标注数据资源	NA	解决田间作物表型分析在单株分辨率下的瓶颈，促进遗传分析和育种应用	玉米穗	计算机视觉	NA	深度学习，360°表面扫描	CNN, YOLOv11	图像，视频	NA	NA	YOLOv11	相关系数R	NA
554	2026-02-10	Working face status detection in coal mine based on YOLOv8-EST 2026-Feb-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35452-2 PMID:41656345	研究论文	本文提出了一种基于YOLOv8-EST的煤矿工作面状态检测算法，旨在在有限计算资源下实现高效准确的目标检测	在YOLOv8网络中引入Swin Transformer模块增强特征提取能力，改进GELU激活函数为GELUS以降低计算复杂度，使用深度学习网络生成相对位置编码替代线性编码，并引入EMA注意力机制以关注输入图像的重要区域	算法在真实煤矿工作面数据集上进行验证，但未提及与其他环境或数据集的泛化能力测试	开发一种适用于煤矿工作面的轻量级目标检测算法，以在有限硬件资源下提高检测精度和效率	煤矿工作面的状态检测	计算机视觉	NA	深度学习	YOLOv8-EST	图像	自采集的真实煤矿工作面CM数据集	NA	YOLOv8, Swin Transformer	检测精度, 效率	煤矿工作面的有限计算资源
555	2026-02-10	Emergent Language Symbolic Autoencoder (ELSA) with weak supervision to model hierarchical brain networks 2026-Feb-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111533 PMID:41655479	研究论文	提出一种名为ELSA的新型分层符号自编码器架构，用于对静息态fMRI脑网络进行可解释的建模	结合弱监督与涌现语言框架，通过分层感知的损失函数（渐进损失、严格损失、包含偏置损失）在无需大量手动标注的情况下，强制学习从粗到细的层次结构	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及计算效率的具体评估	为具有层次结构的生物医学数据（特别是功能脑网络）提供透明、可解释的多层次描述框架	静息态功能磁共振成像（fMRI）脑网络	机器学习	NA	静息态功能磁共振成像（fMRI），独立成分分析（ICA）	自编码器	脑网络数据	来自公开可用的1000 Functional Connectomes Project的数据	NA	Emergent Language Symbolic Autoencoder (ELSA)	分层一致性	NA
556	2026-02-10	A Multimodal Fusion Model of Radiomics and Deep Learning Integrating the Tumor Microenvironment Accurately Predicts Pathological Complete Response in Breast Cancer 2026-Feb-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.016 PMID:41656135	研究论文	本研究开发了一种融合瘤内影像组学、瘤周特征和深度学习模式的多模态模型，用于预测乳腺癌新辅助化疗后的病理完全缓解	首次将瘤周微环境（9毫米扩展区域）的特征整合到多模态预测模型中，以捕捉肿瘤-微环境的相互作用，从而提高了预测准确性	尽管模型性能优越，但与结合了深度学习和瘤内特征的模型相比，其改进未达到统计学显著性	提高乳腺癌新辅助化疗后病理完全缓解的预测准确性，为个性化治疗决策提供工具	乳腺癌患者	数字病理学	乳腺癌	MRI	逻辑回归	图像	内部验证队列929例（来自I-SPY2试验），外部独立验证队列95例	Scikit-learn	NA	AUC, 敏感性	NA
557	2026-02-10	Deep learning-integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring 2026-Feb-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea8902 PMID:41650267	研究论文	本文介绍了一种集成多层热梯度传感与深度学习算法的软电子平台，用于实时监测血流速率和血管深度	通过多层热传感模块结合深度学习算法，实现了对血流速率和血管深度的同时实时测量，克服了传统方法在血管深度变化下的限制	未明确说明样本量或长期临床验证的局限性	开发一种用于实时血流监测的个性化心血管健康评估技术	血流速率和血管深度	机器学习	心血管疾病	热梯度传感，深度学习算法	深度学习模型	热梯度数据	NA	NA	NA	准确性	NA
558	2026-02-10	An interpretable machine learning framework with data-informed imaging biomarkers for diagnosis and prediction of Alzheimer's disease 2026-Feb-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102722 PMID:41655407	研究论文	本研究提出了一种结合CNN特征提取与可解释提升机（EBM）的机器学习框架，用于阿尔茨海默病的诊断和预测，并在ADNI队列上进行了验证	将数据驱动的CNN特征提取与EBM的固有可解释性相结合，实现了群体和个体层面的可解释性，并识别了影像学生物标志物	未在摘要中明确说明	开发一种可解释的机器学习框架，以提高阿尔茨海默病的早期和准确诊断及预测	阿尔茨海默病患者、轻度认知障碍患者、主观认知下降患者及健康对照	数字病理学	阿尔茨海默病	神经影像学	CNN, EBM	影像数据	ADNI队列及一个独立外部队列	未在摘要中明确说明	未在摘要中明确说明	AUC	未在摘要中明确说明
559	2026-02-10	VSSI2p-Net: Physics-guided deep unfolding with L2p-norm and variation sparsity for EEG source imaging 2026-Feb-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121793 PMID:41655611	研究论文	本文提出了一种基于深度展开的新型神经网络模型VSSI-Net，用于解决脑电图源成像问题，通过结合变分稀疏性和ℓp范数正则化，实现了更准确和高效的源定位	提出了一种结合变分稀疏性和ℓp范数正则化的深度展开神经网络模型，能够端到端优化所有参数，包括关键的p值和变分稀疏性算子，从而在保留传统方法可解释性的同时，实现更灵活的先验信息集成	未明确提及模型的计算复杂度或对大规模数据集的扩展性限制	提高脑电图源成像的准确性和效率，解决传统方法参数调整困难和深度学习方法缺乏可解释性的问题	脑电图源成像问题，涉及合成和真实数据集中的脑电信号	神经影像学	NA	脑电图源成像	深度展开神经网络	脑电图信号	NA	NA	VSSI-Net	源定位精度, 空间范围估计, 成像速度	NA
560	2026-02-10	A Unified Deep Learning Framework for Visual Diagnosis of Palatal Radicular Grooves in CBCT Scans: A Multi-Center Validation Study 2026-Feb-06, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2026.01.022 PMID:41655629	研究论文	本研究开发了一个名为PRG-Net的统一深度学习框架，用于在CBCT扫描中自动进行三维可视化、诊断和分类腭侧根沟病变	提出了一个集成了牙齿分割、PRG诊断和病变分类的统一深度学习框架，并进行了多中心验证，展示了强大的泛化能力和临床实用性	未明确提及具体局限性，但可能包括对CBCT图像质量的依赖以及需要进一步的外部验证	开发一个深度学习框架，用于自动化腭侧根沟在CBCT中的可视化、诊断和分类，以辅助临床决策	腭侧根沟病变及其在CBCT扫描中的表现	计算机视觉	牙科疾病	锥形束计算机断层扫描	深度学习	三维医学图像	来自一个内部验证中心和三个外部中心的多中心CBCT数据集	NA	PRG-Net	Dice相似系数, AUC	NA