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
601	2026-02-09	Bridging causality and deep learning for harmful algal bloom prediction 2026-Feb-02, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125492 PMID:41653893	研究论文	本研究提出了一种结合因果发现与深度学习的增强型因果机器学习框架，用于预测有害藻华	开发了因果信息神经网络（CINN）及其单调扩展（MCINN），将因果图、平均处理效应估计与深度学习相结合，并引入单调因果约束以符合生态学预期	研究区域仅限于波斯湾，模型在数据稀缺、气候敏感海洋环境中的普适性需进一步验证	开发一种可解释、数据高效且具有不确定性感知的框架，用于预测有害藻华，以支持早期预警系统和政策干预	波斯湾海域的有害藻华现象	机器学习	NA	遥感数据（MODIS, ERA5, HYCOM）分析	神经网络	环境预测因子数据（31个变量）	NA	NA	因果信息神经网络（CINN）, 单调因果信息神经网络（MCINN）	R², RMSE	NA
602	2026-02-09	Recent advances in machine learning predictions of protein-ligand binding affinities 2026-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103193 PMID:41317487	综述	本文综述了机器学习在蛋白质-配体结合亲和力预测领域的最新进展	介绍了基于机器学习的新范式，涵盖结构、配体及混合方法，并突出从传统监督学习到深度学习架构的代表性算法	NA	提升蛋白质-配体结合亲和力预测的准确性和适用性，以支持理性药物设计	蛋白质-配体结合亲和力预测方法	机器学习	NA	机器学习	监督学习, 深度学习	三维构象数据, 拓扑不变量	NA	NA	NA	NA	NA
603	2026-02-09	Unsupervised learning of spatially varying regularization for diffeomorphic image registration 2026-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103887 PMID:41317547	研究论文	本文提出了一种无监督学习框架，用于学习空间变化的变形正则化，以改进可变形图像配准性能	通过层次概率模型集成先验分布，实现从数据中端到端学习空间变化的变形正则化，并结合贝叶斯优化自动调整超参数	未明确讨论模型在极端解剖变异或噪声数据下的鲁棒性	开发一种能够适应不同解剖区域变形变化的空间变化正则化方法，以提升深度学习图像配准的性能和可解释性	可变形图像配准任务	计算机视觉	NA	无监督学习	深度学习模型	图像	基于公开可用数据集进行综合评估，具体样本数量未明确说明	PyTorch, TensorFlow	NA	配准性能指标（如配准精度）、变形平滑度	NA
604	2026-02-09	Deep learning-based postprocessing and model building for cryo-electron microscopy maps 2026-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103196 PMID:41401630	综述	本文全面概述了基于深度学习的冷冻电镜图谱后处理和模型构建方法的最新进展	重点介绍了人工智能在冷冻电镜后处理和原子模型构建中的应用，并讨论了当前方法的优势与局限性	指出了现有方法面临的挑战，为未来研究指明了方向	探讨深度学习在冷冻电镜图谱后处理和模型构建中的应用	冷冻电镜图谱后处理和原子模型构建	计算机视觉	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
605	2026-02-09	Integrative spatial omics and artificial intelligence: transforming cancer research with omics data and AI 2026-Feb, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2026.01.002 PMID:41520911	综述	本文综述了空间组学与人工智能在癌症研究中的整合应用，探讨了其方法、平台、挑战及未来方向	系统性地整合了空间组学（如空间转录组学、空间蛋白质组学）与人工智能（包括深度学习、空间图分析），用于解析肿瘤微环境的空间动态，推动精准肿瘤学发展	面临高维数据复杂性、计算资源限制、分析流程标准化不足以及跨平台数据协调等挑战	探讨空间组学与人工智能在肿瘤研究中的应用，以改善治疗结果并深化对癌症机制的理解	癌症研究，特别是肿瘤微环境及其空间动态	机器学习和数字病理学	癌症	空间转录组学, 空间蛋白质组学, 空间条形码, 原位测序, 数字空间分析	深度学习模型	多组学数据（基因组学、转录组学、蛋白质组学、表观基因组学、代谢组学）和空间组织学数据	NA	NA	NA	NA	NA
606	2026-02-09	Machine learning approaches for crystallographic classification from synthetic 2D X-ray diffraction data 2026-Feb-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576726000099 PMID:41647181	研究论文	本研究利用合成2D X射线衍射数据结合深度学习技术，实现了对七种晶系和230个空间群的自动化高通量分类	提出了新颖的Auto Diffraction Pipeline，用于在多种条件下（如不同晶带轴、原子替换、原子缺失和机械加载）从晶体学信息文件生成合成2D XRD点阵图案，增强了合成数据的真实性，并解决了实验数据集稀缺的问题	未明确提及具体局限性，但可能依赖于合成数据的质量与实验条件的匹配度	实现晶体学结构的自动化、高通量分类，以促进材料科学中数据驱动方法的更广泛应用	七种晶系和230个空间群的晶体学结构	机器学习	NA	2D X射线衍射	CNN	图像	NA	NA	卷积神经网络	NA	NA
607	2026-02-09	Traditional Chinese Medicine Modernization in Diagnosis and Treatment: Utilizing Artificial Intelligence and Nanotechnology 2026-Feb, MedComm IF:10.7Q1 DOI:10.1002/mco2.70596 PMID:41648057	综述	本文综述了人工智能和纳米技术在辅助中医现代化诊断与治疗中的应用	整合人工智能与纳米技术，推动中医诊断的标准化、量化及治疗效果的优化	未提及具体实验数据或临床验证的局限性	促进中医现代化，提升其诊断客观性和治疗效果	中医诊断与治疗系统	自然语言处理, 机器学习	NA	机器学习, 深度学习, 纳米技术	NA	标准化和可量化的诊断数据	NA	NA	NA	NA	NA
608	2026-02-08	Investigating the Cytoskeleton of DRGs Using Cryo-Electron Microscopy and Deep Learning 2026-Feb-07, Cytoskeleton (Hoboken, N.J.) DOI:10.1002/cm.70100 PMID:41653058	研究论文	本文介绍了一种利用冷冻电子显微镜和深度学习技术研究培养的背根神经节神经元轴突和膨体超微结构的方法	结合冷冻电子显微镜和深度学习策略，实现了对轴突细胞骨架的半自动断层分割，为定量描述超微结构特征提供了新方法	NA	研究背根神经节神经元轴突和膨体的超微结构组织，特别是年龄相关的变化	培养的背根神经节神经元	数字病理学	NA	冷冻电子显微镜, 冷冻电子断层扫描	深度学习	图像	年轻和年老培养的背根神经节神经元	NA	NA	NA	NA
609	2026-02-08	Decoding cortical folding with deep learning: toward neurodevelopmental biomarkers of psychiatric disorders 2026-Feb-07, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-026-03105-3 PMID:41653295	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
610	2026-02-08	Interpretable deep learning model of circulating genomics for quantitative survival prediction in advanced non-small cell lung cancer 2026-Feb-06, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-026-04220-z PMID:41649698	研究论文	本研究开发了一种可解释的深度学习模型，用于晚期非小细胞肺癌患者的定量生存预测	整合了多模态特征（包括ctDNA状态、cfDNA浓度和基因突变等）的DeepSurv模型，相比单一ctDNA或cfDNA指标，显著提升了生存预测的准确性，并利用SHAP方法增强了模型的可解释性	研究基于回顾性数据，且仅使用了两个特定的ctDNA测序平台（MSK-ACCESS和ctDx Lung），可能限制了模型的普适性	开发一种可解释的深度学习模型，以定量预测晚期非小细胞肺癌患者的生存结局	晚期非小细胞肺癌患者	机器学习	肺癌	超深度ctDNA测序（MSK-ACCESS和ctDx Lung）	DeepSurv	基因组数据、临床病理特征	1373名晚期非小细胞肺癌患者（发现队列1012人，验证队列361人）	NA	DeepSurv	时间依赖性曲线下面积（AUC）、风险比（HR）	NA
611	2026-02-08	AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification 2026-Feb-06, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19179-y PMID:41649783	研究论文	本研究开发了一种名为AI-FLEET的多模态深度学习模型，用于区分乳腺叶状肿瘤的良性与交界性/恶性类别	首次将超声图像与临床变量（如年龄、BMI、种族/民族、绝经状态、回声性和肿瘤大小）结合，通过多模态深度学习模型进行叶状肿瘤分类，并利用显著性分析识别了肿瘤内异质性作为重要预测特征	研究为回顾性分析，样本量较小（81例患者，其中交界性/恶性病例仅16例），且未包含纤维腺瘤病例，模型泛化能力有待验证	提高乳腺纤维上皮性病变（特别是叶状肿瘤）的诊断准确性，减少术前评估的不确定性	经组织学确认的乳腺叶状肿瘤患者，包括良性与交界性/恶性类别	数字病理学	乳腺癌	超声成像	CNN, 注意力机制	图像, 临床数据	81例患者（65例良性，16例交界性/恶性），共1638张超声图像	NA	ConvNeXt, ResNet18	准确率, AUC	NA
612	2026-02-08	Advancing Psychiatric Safety With the Predictive Risk Identification for Mental Health Events Tool: Retrospective Cohort Study 2026-Feb-06, JMIR mental health IF:4.8Q1 DOI:10.2196/84318 PMID:41649861	研究论文	本研究开发并评估了一种基于深度学习的早期预警系统（PRIME工具），用于预测精神病住院患者在24小时内发生不良心理健康事件的风险	首次开发并评估了基于深度学习的、针对精神病住院护理的早期预警系统，利用多变量时间序列数据和注意力机制的长短期记忆网络，实现了比传统临床工具（如DASA-IV）更高的预测性能	研究为回顾性队列研究，未来需评估其公平性影响并整合到常规精神病工作流程中	开发一种主动的、基于机器学习的早期预警系统，以预测精神病住院患者的不良心理健康事件，提升患者安全	精神病住院患者（包括高风险法医患者和非法医患者）	机器学习	精神疾病	电子病历数据分析	循环神经网络，长短期记忆网络	纵向多变量时间序列数据	总共4651名患者和403,098次就诊记录；2024年测试集包括900名患者和48,313次就诊记录	NA	长短期记忆网络（带注意力机制）	受试者工作特征曲线下面积，召回率	NA
613	2026-02-08	Chemistry-Structure Dual-Perception Large Language Models: Advancing Molecular Property Prediction for Precise Disease Treatment 2026-Feb-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3662042 PMID:41650399	研究论文	本文提出了一种名为CSLLM的新方法，通过指令引导大型语言模型生成蕴含化学知识的药物分子表示，以提升分子性质预测的准确性	提出了一个三维指令框架（任务引导、化学感知、结构感知），使大型语言模型能够像化学家一样推理，并在有限计算资源下生成富含化学知识的分子表示	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	提高药物分子性质的预测准确性，以支持精准疾病诊断和个性化治疗	药物分子	自然语言处理, 机器学习	NA	大型语言模型（LLMs）	大型语言模型（LLM）	分子结构数据, 化学知识文本	在九个数据集上进行了评估	NA	CSLLM（基于指令框架的定制化LLM）	在九个数据集上优于现有模型（具体指标未列明）	有限的计算资源
614	2026-02-08	ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space 2026-Feb-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3661424 PMID:41650430	研究论文	本文提出了一种名为ASIL（增强结构信息学习）的新方法，用于在双曲空间中实现无需预设聚类数量的深度图聚类，尤其针对不平衡图数据	首次将可微结构信息理论引入深度聚类，提出双曲空间中的神经划分树学习模型（LSEnet），并通过增强结构熵目标统一划分树构建与对比学习	未在超大规模图数据集上进行验证，且未讨论计算资源消耗的具体量化分析	解决无需预设聚类数量且能处理不平衡图数据的深度图聚类问题	图数据（特别是具有不平衡聚类结构的图）	机器学习	NA	深度学习方法	深度学习模型	图数据	Citeseer等公开图数据集（具体数量未明确说明）	PyTorch（基于深度学习框架的典型选择）	LSEnet（基于双曲空间的神经划分树架构）	NMI（标准化互信息）	NA（未明确说明具体计算资源）
615	2026-02-08	Few-Shot Pulmonary Vessel Segmentation based on Tubular-Aware Prompt-Tuning 2026-Feb-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3662001 PMID:41650434	研究论文	本文提出了一种基于管状感知提示调优的少样本肺血管分割方法，并发布了首个包含肺血管和气道精细配对标注的数据集PV25	提出了TPNet框架，通过可调的编码和解码网络学习管状结构作为迁移学习先验，并开发了MDRG和CCG模块以捕获肺血管的细粒度特征和多尺度相关性	NA	在有限标注数据下实现肺血管的精确分割，以辅助肺部疾病的诊断和治疗	肺血管和气道	数字病理学	肺部疾病	计算机断层扫描（CT）	深度学习	图像	NA	NA	编码器-解码器	NA	NA
616	2026-02-08	A cascaded CNN-LSTM framework for quantifying respiratory motion from surface electromyographic signals 2026-Feb-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae42ea PMID:41650479	研究论文	本研究提出了一种级联的CNN-LSTM深度学习框架，用于从表面肌电信号中实时量化呼吸运动，旨在解决临床应用中ECG干扰和实时性不足的问题	提出了一种结合CNN-LSTM混合模型和多尺度CNN的级联深度学习框架，能够在无需后处理的情况下高效抑制ECG伪影并实时量化呼吸运动	研究样本量相对较小（45名受试者），且未明确提及模型在更广泛或多样化人群中的泛化能力	开发一种稳健的解决方案，用于从表面肌电信号中实时量化呼吸运动，以提升临床呼吸监测的准确性和实时性	45名受试者的表面肌电信号和呼吸数据	机器学习	NA	表面肌电信号采集	CNN, LSTM	信号数据	45名受试者（20名用于训练，25名用于验证）	NA	CNN-LSTM混合模型, 多尺度CNN	皮尔逊相关系数	NA
617	2026-02-08	A Large-Scale Peripheral Blood Cell Dataset for Automated Hematological Analysis 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06761-y PMID:41651863	研究论文	本文介绍了一个用于自动化血液分析的大规模外周血细胞数据集，包含13个不同细胞类别的31,489张高分辨率显微图像	该数据集是目前公开可用的最大外周血细胞图像集合，涵盖了包括罕见亚型在内的13个细胞类别，并提供了专家标注和高分辨率图像	数据集的局限性可能在于其仅基于特定染色方法和单一成像系统（Sysmex DI-60）获取，可能限制了在其他技术条件下的泛化能力	开发和支持用于临床应用的鲁棒自动化血液学系统	外周血细胞，包括常见细胞类型（如分叶核中性粒细胞、淋巴细胞）以及诊断关键但罕见的亚型（如髓细胞、原始细胞、反应性淋巴细胞）	数字病理学	血液疾病	May-Grünwald-Giemsa染色，100倍放大显微成像	CNN	图像	31,489张高分辨率显微图像，涵盖13个细胞类别	NA	DenseNet-121	准确率	NA
618	2026-02-08	A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06736-z PMID:41651871	研究论文	本文介绍了一个用于口腔鳞状细胞癌诊断和预后的高倍率组织病理学图像数据集Multi-OSCC	构建了首个同时整合诊断和预后信息、覆盖多倍率（×200、×400、×1000）及肿瘤核心与边缘区域的大型OSCC公共数据集	未提及模型在外部验证集上的泛化性能，也未讨论数据采集过程中的潜在偏差	为口腔鳞状细胞癌的计算机辅助诊断和预后预测提供高质量、多任务标注的基准数据集	1,325名口腔鳞状细胞癌患者的组织病理学图像	数字病理学	口腔鳞状细胞癌	组织病理学成像	NA	图像	1,325名患者，每名患者6张高分辨率图像（共约7,950张图像）	NA	NA	NA	NA
619	2026-02-08	Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06715-4 PMID:41651886	研究论文	本文通过结合深度学习图像模态分类与图注分析的混合工作流程，从PubMed Central中筛选和分类图像，建立了名为DermpathNet的大型、开放获取的皮肤病理学图像数据集	提出了一种新颖的混合工作流程，结合深度学习图像分类与图注分析，用于自动筛选和分类皮肤病理学图像，并创建了一个经同行评审的开放数据集	OpenAI的现有图像分析算法在处理皮肤病理学图像时表现不足，表明当前算法在此特定领域存在局限性	建立一个用于教育、交叉参考和机器学习目的的全面开放获取皮肤病理学图像数据集	从PubMed Central中提取的皮肤病理学图像	数字病理学	皮肤疾病	深度学习图像分类，图注分析	深度学习模型	图像	7,772张图像，覆盖166种诊断，验证集包含651张手动标注图像	NA	NA	F-score	NA
620	2026-02-08	Hyperparameter optimization to enhance the performance of deep learning models for the early detection of invasive turtles in Korea 2026-Feb-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37636-2 PMID:41651916	研究论文	本研究开发了一种通过超参数优化来检测和分类韩国六种入侵龟类的深度学习模型，以提高早期检测性能	将超参数优化（包括优化器选择和超参数调优）应用于入侵龟类的目标检测任务，以提升模型性能	NA	通过优化深度学习模型来支持入侵龟类的早期检测和管理	韩国的六种入侵淡水龟类	计算机视觉	NA	NA	深度学习目标检测模型	图像	NA	NA	NA	平均精度均值（mAP@0.5, mAP@0.5:0.95）, 分类准确率	NA