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
1401	2026-01-10	Unlocking the potential of umami peptides: A comprehensive review of preparation methods, evaluation strategies, health benefits, and taste transduction mechanisms 2026-Feb-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118024 PMID:41508449	综述	本文系统综述了鲜味肽的制备方法、评价策略、健康益处及味觉转导机制，并探讨了其在食品工业中的开发应用	系统整合了多组学技术、分子模拟及深度学习在鲜味肽高通量筛选中的应用，并提出了结合冷冻电镜、单分子FRET等先进技术解析受体结合机制的新方向	鲜味受体激活的构象机制尚未完全阐明，且缺乏高通量筛选与标准化评价的统一技术体系	为食品工业中鲜味肽的开发、利用及健康化提供新的研究方向和技术路径	鲜味肽（umami peptides）	食品科学	NA	多组学技术、分子模拟、深度学习、冷冻电镜、单分子FRET、三维变异性分析、多光谱技术、分子动力学模拟	深度学习模型	多组学数据、分子结构数据、生物传感数据	NA	NA	NA	NA	NA
1402	2026-01-10	From mechanism to application: Harnessing oxidative stress signaling for innovative food design 2026-Feb-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118093 PMID:41508505	综述	本文系统分析了氧化应激信号通路，并提出基于多通路协同策略和数据驱动框架的创新食品设计方法	提出结合多通路协同策略与数据驱动设计框架，利用深度学习与人体相关验证平台，推动功能食品从经验配方向精准健康工具的转变	未明确提及具体实验验证或临床研究结果，主要侧重于理论框架与概念设计	探索利用氧化应激信号通路进行创新食品设计，以应对衰老和慢性疾病	氧化应激信号通路（如Nrf2/ARE、FOXO、NF-κB、p53、SIRT1、AMPK）及其在细胞防御、代谢和命运中的作用	机器学习	老年疾病	多组学分析，器官芯片技术	深度学习	多组学数据	NA	NA	NA	NA	NA
1403	2026-01-09	AlphaFold Kinase Optimizer: Enhancing Virtual Screening Performance Through Automated Refinement of AlphaFold-Based Kinase Structures 2026-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.70056 PMID:40955709	研究论文	本研究介绍了一种名为AF Optimizer的新方法，通过深度学习辅助优化AlphaFold生成的激酶结构，以提升虚拟筛选性能	开发了AF Optimizer这一新方法，结合神经网络评分和结合自由能计算，自动优化AlphaFold生成蛋白的结合位点几何结构	NA	提升AlphaFold生成蛋白结构在基于结构的药物设计中的应用效果	TTK蛋白及其配体	机器学习	NA	虚拟筛选，分子对接	深度学习	蛋白质3D结构，配体数据	NA	NA	NA	立体冲突减少，分子对接精度，虚拟筛选命中率富集	NA
1404	2026-01-09	Benchmarking AlphaMissense against ClinVar for Diagnostic Interpretation of Missense Variants in Inherited Retinal Diseases 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100997 PMID:41492285	研究论文	本研究评估了AlphaMissense在遗传性视网膜疾病中错义变异的诊断效用，通过比较其与ClinVar注释的一致性	首次将AlphaMissense应用于遗传性视网膜疾病基因的错义变异预测，并整合长读长测序进行相位变异分析以识别低效等位基因	AlphaMissense在预测低效等位基因（如ABCA4相关疾病）时敏感性降低，且研究依赖于公共数据库的注释，可能存在偏差	评估AlphaMissense在遗传性视网膜疾病中错义变异致病性预测的诊断准确性和临床实用性	107个遗传性视网膜疾病基因中的错义变异，以及一个接受长读长测序的临床病例	生物信息学	遗传性视网膜疾病	长读长测序，相位变异分析	深度学习模型	基因组变异数据，临床注释数据	128,248个变异（来自IRD基因和gnomAD数据库），其中4,204个具有明确的ClinVar分类；1个临床病例	NA	AlphaMissense	特异性，敏感性，假发现率	NA
1405	2026-01-09	The Impact of Radiation Dose to Bowel on the Risk of Developing Gastrointestinal Toxicities When Treating Abdominopelvic Soft-Tissue Sarcomas With Preoperative Radiation Therapy 2026-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101953 PMID:41492444	研究论文	本研究探讨了腹盆腔软组织肉瘤术前放疗中肠道辐射剂量对急性和长期胃肠道毒性的预测因素	采用基于深度学习的nnU-Net自动勾画肠道结构，并评估传统放疗剂量限制在大型肿瘤中的适用性	回顾性研究设计，样本量较小（76例患者），可能影响统计功效和普遍性	确定腹盆腔软组织肉瘤术前放疗中预测胃肠道毒性的剂量学因素	接受术前放疗和手术的非转移性腹盆腔软组织肉瘤患者	数字病理学	软组织肉瘤	放疗剂量学分析，深度学习自动分割	CNN	医学影像（如CT扫描）	76例患者	nnU-Net	U-Net	卡方检验，Fisher精确检验，Kaplan-Meier生存分析	NA
1406	2026-01-09	PFUS1: Premier pelvic floor ultrasound segmentation dataset. A resource for advancing research 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112346 PMID:41492545	研究论文	本文介绍了一个精心策划的盆底超声视频数据集，旨在支持自动化盆底评估、医学图像分割和动态器官跟踪的研究	该数据集是首个专注于盆底解剖结构的标注超声视频资源，旨在促进计算机辅助诊断和医学图像分析领域的基准测试、可重复性和方法创新	NA	推动自动化盆底评估、医学图像分割和动态器官跟踪的研究	111名患者的经会阴盆底超声视频，包含静息和Valsalva动作下的盆底器官中矢状面视图	医学图像分析	盆底疾病	经会阴超声成像	深度学习模型	超声视频	111名患者	NA	Feature Pyramid Networks (FPNs)	NA	NA
1407	2026-01-09	Inundation2Depth: A multi-source dataset for floodwater depth estimation in urban areas 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112347 PMID:41492553	研究论文	本文介绍了Inundation2Depth数据集，这是一个用于城市洪水深度估计的多源数据集，结合了航空影像和LiDAR数据	提供了首个大规模、地理参考的洪水深度数据集，结合多传感器遥感数据，支持机器/深度学习管道直接集成	数据基于静水假设（水面高程相对于地形），可能无法完全反映动态洪水条件	开发用于洪水深度估计的数据集，以支持洪水检测、分割和损害评估模型的研究	美国东南部北卡罗来纳州和南卡罗来纳州12个受洪水影响区域的洪水数据	计算机视觉	NA	航空影像、LiDAR点云数据、数字地形模型	NA	图像、点云	5925个重叠的256×256瓦片，覆盖24,649.88英亩	NA	NA	NA	NA
1408	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
1409	2026-01-08	Toward accurate breast cancer classification: A review of multi-modal machine learning approaches 2026-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.10.011 PMID:41265505	综述	本文综述了多模态机器学习方法在乳腺癌分类中的应用，包括恶性与良性分类及分子亚型分类	探讨了多模态数据融合技术、注意力机制Transformer架构在WSI标注中的应用，以及模型可解释性工具	NA	提高乳腺癌分类准确性，推动精准肿瘤学发展	乳腺癌分类及分子亚型识别	机器学习	乳腺癌	转录组学、影像学、基因组学	深度学习算法、传统模型、机器学习模型	图像、转录组数据、基因组数据	NA	NA	注意力机制Transformer、多实例学习架构	NA	NA
1410	2026-01-08	Digital Eye: Deep Learning for Detecting Physeal Fractures of the Pediatric Distal Radius 2026-Feb, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2025.100291 PMID:41488804	研究论文	本研究通过微调卷积神经网络（EfficientNet）来检测儿童桡骨远端骨折中的骨骺骨折，旨在提高诊断准确性	首次应用EfficientNet模型结合Grad-CAM技术对儿童骨骺骨折进行自动分类，并提供了模型预测的可解释性分析	数据集来自单一医疗机构，样本多样性和平衡性有限，未来需扩展数据集并测试不同视图和骨折模式	开发一种基于深度学习的工具，以辅助急诊医生准确分类儿童桡骨远端骨折中的骨骺骨折，从而改善患者安全	4至18岁骨骼未成熟患者的桡骨远端骨折X光片	计算机视觉	骨科损伤	X光成像	CNN	图像	2,103张X光片（来自1,082名患者），包括203例骨骺骨折和879例非骨骺骨折	TensorFlow, PyTorch	EfficientNet-B2	准确率, 精确率, 召回率, F1分数	NA
1411	2026-01-07	Physics-constrained deep learning for reservoir thermal structure prediction: Enhanced interpretability and extrapolation capability 2026-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125086 PMID:41344133	研究论文	提出一种物理约束深度学习框架（P-DL），用于预测水库垂直热结构，以提高预测精度、物理可解释性和外推能力	结合机制驱动过程模型增强训练数据，将温度剖面转化为物理可解释参数，并通过弱物理约束改进外推能力	NA	快速预测水库垂直热结构，以支持生态保护导向的灵活水库优化策略	向家坝（XJB）水库	机器学习	NA	NA	LSTM	温度数据	NA	NA	LSTM	RMSE, R², KLD, KSS	NA
1412	2026-01-07	A prior knowledge-enhanced Transformer model for data anomaly identification and processing in industrial park wastewater treatment plants 2026-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125125 PMID:41389419	研究论文	本研究提出了一种先验知识增强的Transformer模型，用于工业园污水处理厂数据异常识别与处理	将污水处理领域专业知识融入深度学习架构，显著提升了复杂时空耦合异常的高精度识别与重建能力	NA	为工业污水处理提供稳健的数据管理和智能运行创新解决方案	中国两个工业园污水处理厂的运行数据	机器学习	NA	深度学习	Transformer	时序数据	两个污水处理厂一年的运行数据	NA	先验知识增强Transformer	异常识别准确率, 数据重建精度	NA
1413	2026-01-07	Deep-Learning Virtual Superior Mesenteric Artery Modeling for Risk Stratification in Pancreas Surgery 2026-Feb, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18543-8 PMID:41251913	研究论文	本研究评估了基于深度学习的虚拟肠系膜上动脉建模，用于三维可视化其走行和分支模式，并关联解剖特征与手术结果	首次将深度学习虚拟建模应用于肠系膜上动脉解剖分析，以预测胰腺手术风险	样本量相对较小（124例），且仅基于两家医疗中心的数据，可能存在选择偏差	评估深度学习虚拟建模在胰腺手术中用于风险分层和预后预测的可行性	接受胰腺切除术的胰腺恶性肿瘤患者	数字病理学	胰腺癌	计算机断层扫描（CT）	深度学习模型	医学影像（CT扫描）	124例患者	NA	NA	NA	NA
1414	2026-01-06	Automatic segmentation and CT-based deep learning radiomics nomogram for predicting overall survival in patients with small cell lung cancer: A multicenter cohort study 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109161 PMID:41252869	研究论文	本研究开发了一种基于CT图像的3D自动分割模型用于小细胞肺癌病灶识别，并构建了一个深度学习放射组学列线图来预测患者总生存期	首次结合3D自动分割模型与深度学习放射组学列线图，用于小细胞肺癌患者的总生存期预测，实现了高精度的病灶分割和多中心验证的预测性能	临床因素的加入未显著提升深度学习放射组学列线图的预测效能，且研究为回顾性设计，可能存在选择偏倚	预测小细胞肺癌患者的总生存期，以支持个性化治疗	小细胞肺癌患者	数字病理学	肺癌	CT成像	深度学习	CT图像	1061名来自中国四家医院的小细胞肺癌患者	nnU-Net	nnU-Net	Dice相似系数, 一致性指数, 净重分类改善, 综合判别改善	NA
1415	2026-01-06	A Novel Instance Segmentation Method for Real-Time Detection of Thyroid Nodules in Ultrasound Videos: A Multi-Center Study 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.015 PMID:41253629	研究论文	本文提出了一种用于甲状腺超声视频中实时检测甲状腺结节的新型实例分割方法，通过多中心研究验证其性能	引入可变卷积网络增强结节纹理特征提取能力，提出双向Mamba模块提升视频数据的长程建模能力，结合Sobel边缘算子模块优化结节边界准确性，并定义了检测率指标以评估模型临床效率	NA	提高甲状腺超声视频中多结节实例分割的准确性和检测率	甲状腺超声视频中的多发性甲状腺结节	计算机视觉	甲状腺结节	超声成像	深度学习模型	超声视频	来自多家医院的验证集数据（具体样本数未明确说明）	NA	可变卷积网络, 双向Mamba模块, Sobel边缘算子模块	Dice系数, 检测率	NA
1416	2026-01-06	Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103320 PMID:41338039	综述	本文对人工智能在抑郁症诊断中的方法学与临床应用进行了系统性综述	全面梳理了AI驱动抑郁症诊断的最新进展，重点关注多模态数据融合与先进神经网络架构的应用潜力	存在数据集偏差、算法透明度不足、临床适用性有限等挑战	评估人工智能在抑郁症早期检测与分类领域的应用现状与发展方向	抑郁症诊断相关的人工智能系统	机器学习	抑郁症	机器学习、深度学习	NA	语言数据、行为数据、生理数据（来自社交媒体、临床访谈、语音记录、可穿戴设备）	NA	NA	神经网络	诊断准确率	NA
1417	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
1418	2026-01-03	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	本文提出了一种结合卷积非线性脉冲神经模型与双向长短期记忆的多元云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型（ConvNSNP），增强处理非线性数据的能力，并与BiLSTM结合构建混合预测模型，有效捕获多元时间序列的变量间相关性和时间模式	NA	解决云计算环境中多元工作负载预测的关键研究问题	多元时间序列数据	机器学习	NA	NA	CNN, BiLSTM	时间序列数据	三个公共云工作负载轨迹数据集（来自阿里巴巴和Google）	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
1419	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA
1420	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA