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	2026-02-19	Deep transfer learning based image colorization using VGG19 and CLAHE 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40292-1 PMID:41702997	研究论文	本文提出了一种基于深度迁移学习的图像着色方法，使用VGG19和CLAHE技术实现高质量灰度图像到彩色图像的转换	结合预训练的VGG19网络提取多尺度特征，并采用CLAHE作为后处理步骤增强输出图像的对比度和色彩质量	未明确提及方法在极端光照或复杂纹理场景下的泛化能力限制	开发一种高效自主的图像着色框架，提升灰度图像彩色化的视觉质量和准确性	灰度图像	计算机视觉	NA	深度学习，图像处理	CNN	图像	使用多个数据集（如ImageNet、COCO-Stuff、Places365），具体样本数量未明确	未明确指定（可能为TensorFlow或PyTorch）	VGG19	PSNR, SSIM	NA
142	2026-02-19	Explainable AI in education: integrating educational domain knowledge into the deep learning model for improved student performance prediction 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40538-y PMID:41703044	研究论文	本研究开发了一种基于SHAP和领域知识优化的ANN模型，用于预测学生数学成绩，并提高了预测准确性	提出了SPPE算法，通过整合教育领域知识优化ANN模型，解决了传统深度学习模型与领域知识不一致的问题，提高了模型的解释性和性能	研究基于单一公开数据集（395名葡萄牙高中生），可能限制了模型的泛化能力；未详细讨论对其他教育应用或更大数据集的适用性	提高学生成绩预测的准确性和模型的可解释性，通过整合教育领域知识优化深度学习模型	葡萄牙高中生的数学成绩记录	机器学习	NA	NA	ANN	学生成绩记录	395名葡萄牙高中生	NA	ANN	预测准确率	NA
143	2026-02-19	Early feature extraction drives model performance in high-resolution chromatin accessibility prediction 2026-Feb-17, Genome research IF:6.2Q1 DOI:10.1101/gr.281042.125 PMID:41526189	研究论文	本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器	首次将计算机视觉中的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并发现早期特征提取是预测精度的主要决定因素	未明确说明模型在跨细胞类型或不同基因组区域的泛化能力，且可能受限于ATAC-seq数据的特定分辨率	提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响	染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测	机器学习	NA	ATAC-seq	CNN, LSTM, dilated CNN, transformer	基因组序列数据	NA	NA	ConvNeXt V2, CNN, LSTM, dilated CNN, transformer	预测精度，信号形状保持度	NA
144	2026-02-19	Deep learning-driven microfluidic chip architecture design for intelligent particle motion control 2026-Feb-17, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01185j PMID:41589320	研究论文	本文介绍了一种模块化深度学习框架，用于微流控芯片架构设计，实现智能粒子运动控制	提出模块化深度学习框架，将微流控通道网络分解为标准化的可重用功能模块，并开发多模块重构算法以组装局部预测为连续轨迹	未明确提及研究的具体局限性	开发一种能够快速将指定粒子轨迹转化为可制造微流控设备设计的智能方法	微流控通道网络中的粒子运动	机器学习	NA	深度学习	神经网络	流体和结构属性数据	涉及5000个模块的集成	NA	NA	平均绝对时间误差	NA
145	2026-02-19	Deep learning of wrist accelerometry from UK Biobank data identifies early movement signatures of knee osteoarthritis up to 5 years before diagnosis 2026-Feb-17, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70332 PMID:41700483	研究论文	本研究利用英国生物银行数据，通过深度学习分析手腕加速度计数据，旨在识别膝骨关节炎（KOA）诊断前长达5年的早期运动特征	首次结合手腕加速度计数据和深度学习模型，从大规模人群数据中识别膝骨关节炎的早期运动特征，并预测未来5年内的诊断风险	研究为回顾性病例对照设计，基于二次分析而非前瞻性设计；模型对前驱期与已确诊KOA的区分能力接近随机水平；分析仅限于BMI≥29的参与者，可能限制了结果的普适性	测试手腕加速度计数据结合深度学习是否能区分健康个体与膝骨关节炎患者、分离前驱期与已确诊KOA，并预测未来5年内的KOA诊断	英国生物银行参与者，包括膝骨关节炎患者（通过ICD-10 M17.x代码识别）和匹配的对照组	机器学习	膝骨关节炎	手腕加速度计监测	CNN	加速度计时间序列数据	102,120名参与者（经质量控制后），其中KOA患者7,262名；具体任务中形成平衡队列（如健康vs KOA：每类3,677名）	NA	1D卷积神经网络	准确率, 宏观F1分数, 宏观灵敏度, AUC	NA
146	2026-02-19	FastCCS: A Deep Learning Framework for Accurate Collision Cross-Section Prediction from SMILES with Broad Applications in Cheminformatics and Omics 2026-Feb-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06101 PMID:41700746	研究论文	本文提出了一种名为FastCCS的深度学习框架，用于直接从SMILES字符串和离子加合物类型准确预测碰撞截面值	开发了首个直接从SMILES字符串预测CCS的深度学习系统，使用了化学多样性最广的数据集，涵盖26种离子加合物状态	未明确提及具体局限性	开发准确预测碰撞截面值的深度学习框架，以改进复杂样品中化合物的鉴定	23,636个经过筛选的分子结构及其碰撞截面值	机器学习	NA	离子淌度质谱	深度学习	化学结构数据	23,636个分子结构	NA	NA	中位数相对误差	NA
147	2026-02-19	Design and Optimization of Full-Stokes Hyperspectro-Polarimetric Encoding Metasurfaces Based on Conditional Multi-Task Deep Learning 2026-Feb-17, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202523143 PMID:41700775	研究论文	提出一种基于条件多任务深度学习的端到端框架，用于设计和优化全斯托克斯高光谱偏振编码超表面，以提高设计效率和宽带精度	将物理编码约束整合到超表面设计过程中，通过条件多任务学习建立按需设计范式，直接生成具有受控编码独立性的结构，并开发了结合前向预测和相关性条件逆向设计网络的超表面阵列筛选策略	未明确提及具体限制，但可能涉及实验验证仅限于4×4阵列，以及方法在更大规模或更复杂配置中的泛化能力有待进一步验证	设计和优化全斯托克斯高光谱偏振编码超表面，以实现高性能和高度集成的多维光学系统	全斯托克斯高光谱偏振编码超表面及其阵列	机器学习	NA	条件多任务深度学习	深度学习框架	超表面结构数据	设计了4×4、6×6、8×8和10×10尺寸的超表面阵列，并实验验证了4×4阵列	未明确指定，可能为TensorFlow或PyTorch	条件多任务学习网络	相关性降低百分比（平均Relevances reductions），光谱分辨率	NA
148	2026-02-19	Characterizing yield through wheat's perception of chronological progression: a multi-omics plant-time warping approach 2026-Feb-17, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag085 PMID:41700846	研究论文	本文提出了一种名为植物时间扭曲（PTW）的深度学习模型，通过整合高通量表型数据、基因组和环境信息来预测小麦产量	PTW模型首次将图像时间序列、遗传标记和环境协变量结合，以学习基因型对温度和蒸汽压亏缺的生理响应，并在未见环境中展现出优于纯基因组预测模型的性能	NA	解决粮食安全挑战，通过理解作物在变化环境下的表现来预测小麦产量	小麦作物	机器学习	NA	高通量表型分析，基因组学，环境协变量分析	深度学习	图像时间序列，遗传标记，环境数据	覆盖欧洲48个年份-地点的数据	NA	植物时间扭曲（PTW）	NA	NA
149	2026-02-19	Analysing DCE-MRI scans using hybrid techniques for early detection of prostate cancer based on fusion features of handcrafted and deep learning features 2026-Feb-17, Journal of medical engineering & technology DOI:10.1080/03091902.2026.2627179 PMID:41700925	研究论文	提出了一种结合手工特征和深度学习特征的融合框架，用于基于DCE-MRI扫描的早期前列腺癌检测	提出了一种新颖的混合诊断框架，融合了广义量子伽马多项式特征、动力学信号强度特征和基于深度学习的表征，以构建全面的特征表示	NA	改进前列腺癌的早期和准确诊断	前列腺癌	计算机视觉	前列腺癌	动态对比增强磁共振成像	CNN	图像	NA	NA	NA	分类准确率	NA
150	2026-02-19	Machine learning algorithms for predicting colchicine resistance in familial Mediterranean fever 2026-Feb-17, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keag096 PMID:41701173	研究论文	本研究利用机器学习和深度学习算法预测成人家族性地中海热患者对秋水仙碱的耐药性	首次系统性地探索人工智能在预测成人FMF患者秋水仙碱耐药性方面的潜力，并开发了逻辑回归和全连接神经网络模型	研究为回顾性设计，样本量相对有限（965例），且仅基于单一中心数据，可能影响模型的泛化能力	预测成人家族性地中海热患者对秋水仙碱的耐药性，以辅助早期治疗决策	965名经遗传学确诊且至少有一年随访的成人FMF患者	机器学习	家族性地中海热	NA	逻辑回归, 全连接神经网络	临床数据	965例成人FMF患者	NA	全连接神经网络	AUC, ROC曲线	NA
151	2026-02-19	Frontiers in gas sensing with semiconducting metal oxide array electronic noses 2026-Feb-17, Dalton transactions (Cambridge, England : 2003) DOI:10.1039/d5dt02516h PMID:41701232	综述	本文综述了基于半导体金属氧化物阵列电子鼻在气体传感领域的最新进展，重点关注甲醛、氨气、NO等气体的检测	强调了微纳工程、贵金属修饰、稀土掺杂、μLED光激活和rGO复合材料等创新材料策略，以及深度学习在提升选择性和预测精度方面的应用	NA	推动电子鼻系统在快速、选择性检测有害气体方面的发展	半导体金属氧化物阵列电子鼻系统	机器嗅觉	NA	微纳工程、贵金属修饰、稀土掺杂、μLED光激活、rGO复合材料	深度学习	气体传感器阵列数据	NA	NA	NA	选择性、预测精度	NA
152	2026-02-19	Deep learning-based prediction of interfractional anatomic variations in prostate cancer radiotherapy 2026-Feb-17, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-026-02509-0 PMID:41701313	研究论文	本研究开发了一种基于深度学习的模型，用于预测前列腺癌放疗中分次间的解剖变化，特别是基于膀胱体积和分次编号生成合成MVCT图像	提出了一种定制化的3D U-Net模型，利用非侵入性输入特征（膀胱体积和分次编号）预测每日解剖变化，为前列腺放疗提供患者特异性的解剖估计方法	研究为回顾性分析，样本量有限（700次MVCT扫描），且模型性能在膀胱体积变化较大时相关性中等，前列腺轮廓指标相关性较弱	提高前列腺癌放疗中分次间解剖变化的预测精度，以优化放疗剂量输送的准确性	前列腺癌患者接受螺旋断层放疗的MVCT扫描图像	数字病理	前列腺癌	MVCT, KVCT	CNN	图像	700次MVCT扫描（来自前列腺癌患者），其中84次用于测试	NA	3D U-Net	SSIM, NCC, Dice, MAE, MSE, MSD	NA
153	2026-02-19	IALA-LNN: Deep Learning for Peptide Retention Time Prediction Based on Improved Artificial Lemming Algorithm-Optimized Liquid Neural Networks 2026-Feb-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02548 PMID:41701342	研究论文	本文提出了一种基于改进人工旅鼠算法优化的液态神经网络框架IALA-LNN，用于准确预测肽段保留时间	首次将基于常微分方程状态演化的液态神经网络应用于肽段保留时间预测，并结合改进的人工旅鼠算法进行超参数优化，有效捕获了肽序列的复杂顺序依赖性	未提及模型在不同实验条件或仪器平台上的泛化能力评估，也未讨论计算复杂度与实时预测的可行性	提高液相色谱-串联质谱蛋白质组学中肽段保留时间预测的准确性，以增强肽段鉴定的可靠性	肽段序列及其在液相色谱中的保留时间	机器学习	NA	液相色谱-串联质谱	液态神经网络	序列数据	NA	NA	液态神经网络, ESM-2, ProtT5	R², 平均绝对误差	NA
154	2026-02-19	ERBB2 as a Prognostic Biomarker in Prostate Cancer: Integration of Single-Cell Transcriptomics, Deep Learning, and Immunohistochemical Validation 2026-Feb-17, Biochemical genetics IF:2.1Q3 DOI:10.1007/s10528-026-11333-1 PMID:41701406	研究论文	本研究通过整合单细胞转录组学、深度学习和免疫组化验证，揭示了ERBB2作为前列腺癌生化复发关键生物标志物的作用	首次将单细胞转录组学、深度学习与免疫组化验证相结合，识别并验证了ERBB2在前列腺癌生化复发中的关键预测作用	研究基于特定队列数据，需在更广泛人群中验证ERBB2的普适性；深度学习模型的可解释性有待进一步探索	识别与前列腺癌生化复发相关的关键基因，并验证其临床预后价值	前列腺癌患者及其相关基因表达数据	数字病理学	前列腺癌	单细胞RNA测序, 免疫组化	深度学习神经网络	转录组数据, 图像数据	前列腺癌单细胞RNA测序数据及独立验证队列的免疫组化样本	NA	NA	生化无复发生存期, P值, 风险比	NA
155	2026-02-19	Improved image quality and greater diagnostic suitability in myocardial delayed enhancement CT with deep learning image reconstruction 2026-Feb-17, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01958-y PMID:41701468	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
156	2026-02-19	Machine Learning Discovery of Record-Low Lattice Thermal Conductivity in Double Perovskites 2026-Feb-17, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515766 PMID:41701522	研究论文	本研究开发了一种深度学习原子间势能模型，用于高通量筛选双钙钛矿材料，并发现了具有创纪录低晶格热导率的新材料	开发了Elemental-SDNNFF深度学习原子间势能模型，结合主动学习框架，实现了对数千种双钙钛矿材料声子性质的高效预测，并发现了各向同性块体材料中最低的晶格热导率记录	研究主要关注立方结构双钙钛矿，未涵盖所有可能的双钙钛矿结构类型	开发高效机器学习框架，用于快速筛选复杂材料的动态稳定性和准确预测声子输运性质	双钙钛矿材料（ABCD型）	机器学习	NA	密度泛函理论（DFT），深度学习原子间势能，玻尔兹曼输运方程，四声子散射计算，分子动力学模拟	深度学习神经网络	DFT计算力数据，材料结构数据	筛选了9709种立方双钙钛矿结构，识别出1597种动态稳定候选材料	DeePMD, DynaPhoPy	Elemental-SDNNFF	晶格热导率预测值，带隙值，与DFT验证结果的一致性	NA
157	2026-02-19	PGST: A prototype-guided parameter-efficient network for spatial transcriptomics prediction 2026-Feb-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3666148 PMID:41701590	研究论文	本文提出了一种用于空间转录组学预测的原型引导参数高效网络PGST，以解决现有方法在空间特异性、跨域共表达模式利用、噪声鲁棒性和参数效率方面的不足	提出了原型引导的空间转录组学网络PGST，包含四个创新部分：基于极坐标嵌入策略的空间转录组学定向信号传播、原型引导的全局共特征聚合、通过共享解码器与重建损失强化的全局一致性，以及轻量级架构设计	NA	开发一种参数高效且能更好捕捉空间特异性和跨域共表达模式的空间转录组学基因表达预测方法	空间转录组学数据	计算生物学	NA	空间转录组学	图神经网络	空间转录组学数据	NA	NA	原型引导网络	NA	NA
158	2026-02-19	OnUVS: An Online Motion Transfer Framework with Content-Texture Decoupling for High-Fidelity Ultrasound Video Synthesis 2026-Feb-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3661871 PMID:41701591	研究论文	提出了一种用于高保真超声视频合成的在线运动迁移框架OnUVS，通过内容-纹理解耦来模拟真实解剖运动	引入了弱监督的关键点学习以增强运动表示，设计了双解码器生成器来平衡内容和纹理特征，并采用了在线学习策略来平滑帧间连贯性	NA	解决罕见病例超声视频稀缺问题，通过合成高质量超声视频来辅助新手超声医师培训和深度学习模型训练	超声视频	计算机视觉	心血管疾病，盆底疾病	超声成像	GAN	视频	NA	PyTorch	双解码器生成器，多尺度判别器	FVD（运动一致性），FID（图像保真度）	NA
159	2026-02-19	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Feb-17, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	本文提出了一种通过正则化方法提升神经网络可解释性的新框架	首次形式化了可解释性的两个基本属性（对齐性和可逆性），并基于此理论提出了一个即插即用的优化器Bort，无需复杂的模型修改或重新设计	未明确说明该方法在更复杂或更大规模模型上的适用性限制	提升深度神经网络的可解释性，使其更适用于高可靠性行业	深度神经网络模型	机器学习	NA	NA	CNN, Transformer	图像	使用了MNIST、CIFAR-10和ImageNet等基准数据集	NA	ResNet, DeiT	分类准确率	NA
160	2026-02-19	DRfold2 is a deep learning-based tool that enables efficient and accurate RNA structure prediction 2026-Feb-17, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003659 PMID:41701781	研究论文	本文介绍了DRfold2，一种基于深度学习的端到端RNA结构预测工具，通过整合预训练的RNA复合语言模型和去噪结构模块，实现了高效且准确的RNA结构预测	DRfold2创新性地结合了预训练的RNA复合语言模型（RCLM）和去噪结构模块，首次实现了端到端的RNA结构预测，并在接触预测精度上相比现有方法提升了超过100%	NA	开发一种能够从单序列高效且准确预测RNA结构的深度学习方法	RNA分子	自然语言处理, 机器学习	NA	深度学习	深度学习框架	序列数据	NA	NA	RNA复合语言模型（RCLM）, 去噪结构模块	接触预测精度	NA