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
101	2026-02-07	Semantic Correspondence: Unified Benchmarking and a Strong Baseline 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3640429 PMID:41343305	综述	本文首次对语义对应任务进行了全面的综述与分析，提出了分类法、统一了基准比较，并提出了一个简单有效的强基线方法	提出了首个语义对应方法的广泛综述，建立了统一的分类法和基准比较表，并通过控制实验深入分析了不同方法组件的有效性，同时提出了一个在多个基准上达到最先进性能的简单强基线	NA	对计算机视觉中的语义对应任务进行全面回顾、分析和基准统一，并为未来研究提供参考和基线	语义对应方法	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
102	2026-02-07	From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108788 PMID:41443357	综述	本文综述了酶工程从传统方法到AI驱动方法的演变，重点介绍了机器学习与深度学习在酶工程策略中的应用	总结了机器学习与深度学习在酶工程中的最新应用，并展望了未来多模态基础模型与标准化数据库的发展方向	存在力场精度限制、突变采样约束、实验通量限制以及上位效应等挑战	探讨酶工程的发展历程及其在生物催化中的应用，并分析AI技术如何提升酶工程效率	酶工程策略，包括定向进化、理性/半理性设计、残基共进化及从头设计	机器学习	NA	机器学习，深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
103	2026-02-07	Geometric deep learning assists protein engineering. Opportunities and Challenges 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108790 PMID:41456696	综述	本文全面评述了几何深度学习在蛋白质工程中的应用、机遇与挑战	整合几何深度学习于蛋白质计算设计工作流，克服传统方法在序列空间探索和实验验证成本上的限制，强调其在可解释性和泛化性方面的增强	NA	为计算方法和实验蛋白质工程师提供指导，促进算法概念与实用设计考虑的结合	蛋白质工程	机器学习	NA	几何深度学习	NA	非欧几里得域数据（空间、拓扑、物理化学特征）	NA	NA	NA	NA	NA
104	2026-02-07	Decoding polyphenol-protein interactions with deep learning: From molecular mechanisms to food applications 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108803 PMID:41544721	综述	本文探讨了深度学习如何重塑多酚-蛋白质相互作用的研究，从分子机制到食品应用	利用深度学习高效预测结合位点、相互作用亲和力和分子动力学，克服传统实验和计算方法的可扩展性、通量和可重复性限制	深度学习的有效性受限于数据可用性、质量和代表性，特别是在天然产物领域	研究深度学习在多酚-蛋白质相互作用分析中的应用，以加速营养科学和治疗开发	多酚和蛋白质及其相互作用	机器学习	NA	深度学习	NA	高维生物信息学和化学信息学数据	NA	NA	NA	NA	NA
105	2026-02-07	Controlling gene expression using AI designed Cis-regulatory elements 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108802 PMID:41554183	综述	本文回顾了人工智能技术在顺式调控元件预测与设计中的应用，探讨了当前挑战与未来方向	探讨了AI在顺式调控元件设计中的新兴应用，包括多模态建模、强化学习和系统级调控网络设计等前沿方向	数据可用性有限、计算预测与实验结果存在差距、模型可解释性不足，且生成能力受数据质量和序列特征依赖的约束	研究如何利用AI技术更系统、有针对性地设计合成顺式调控元件	顺式调控元件（CREs），包括启动子、增强子和更复杂的调控结构	机器学习	NA	深度学习, DNA基础模型	NA	基因组序列数据	NA	NA	NA	NA	NA
106	2026-02-07	Computational methods for spatial multi-omics integration 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108807 PMID:41564956	综述	本文首次系统总结了现有的空间多组学整合方法，从两个角度进行分类和比较	首次系统性地对空间多组学整合方法进行总结和分类，并比较了不同方法的优缺点	NA	总结和比较空间多组学整合的计算方法，以推动其在揭示组织微环境和疾病过程多层调控机制中的应用	空间多组学整合算法及其支持的下游分析任务	机器学习	NA	空间多组学技术（转录组学、蛋白质组学、表观基因组学）	深度学习	空间多组学数据（转录组、蛋白质组、表观基因组）	NA	NA	NA	NA	NA
107	2026-02-07	A Comprehensive Survey on Evidential Deep Learning and its Applications 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625258 PMID:41134959	综述	本文全面综述了证据深度学习（EDL）的理论基础、最新进展及其在机器学习和下游任务中的广泛应用	提出了证据深度学习（EDL）这一新范式，能够在单次前向传播中以最小计算开销提供高质量的不确定性估计	NA	为读者提供对证据深度学习（EDL）领域的广泛介绍，无需先验知识	证据深度学习（EDL）的理论、方法及应用	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
108	2026-02-06	Comparative Analysis of Deep Learning-Based Algorithms for Peptide Structure Prediction 2026-Mar, Proteins IF:3.2Q2 DOI:10.1002/prot.70049 PMID:41047732	研究论文	本研究比较了AlphaFold2、RoseTTAFold2和ESMFold等深度学习算法在肽三维结构预测中的性能	首次系统性地将最新的深度学习蛋白质结构预测方法应用于肽结构预测，并识别了影响预测质量的结构特征	所有方法在肽结构预测上的整体性能低于蛋白质结构预测，且某些情况下生成的肽结构需谨慎使用	评估深度学习算法在肽三维结构预测中的有效性，并比较不同方法的性能	肽的三维结构预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	NA	NA	AlphaFold2, RoseTTAFold2, ESMFold	预测准确性	NA
109	2026-02-05	Xception Convolutional Deep Maxout Network for Enhanced Breast Cancer Classification Using Histopathological Images 2026-Mar, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70088 PMID:41147717	研究论文	本文提出了一种结合Xception卷积神经网络、深度最大输出网络和分数阶微积分的混合模型，用于基于组织病理学图像的乳腺癌分类	开发了Xception卷积深度最大输出网络（Xcov-DMN），该网络融合了深度最大输出网络、分数阶微积分和Xception卷积神经网络，以解决高分辨率图像中关键特征提取的困难并减少过拟合	未明确说明模型在外部验证集上的泛化能力或计算效率的具体评估	提高乳腺癌分类的准确性和精确性，以支持及时检测和治疗	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学成像	CNN	图像	NA	NA	Xception Convolutional Neural Network, Deep Maxout Network	准确率, 真阴性率, 真阳性率	NA
110	2026-02-05	Detection of Lymph Node Metastasis in Thyroid Cancer Using Deep Learning and Second Harmonic Generation Imaging 2026-Mar, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70082 PMID:41051062	研究论文	本研究提出了一种结合二次谐波成像与深度学习的自动化框架，用于甲状腺癌淋巴结转移的检测	首次将二次谐波成像技术与深度学习结合，构建了自动化的甲状腺癌淋巴结转移分类网络，并整合了病理信息与胶原特征	未提及外部验证集或临床前瞻性研究的应用，可能限制其泛化能力	开发一种自动化、定量的甲状腺癌淋巴结转移检测方法	甲状腺癌（特别是乳头状甲状腺癌）的淋巴结转移	数字病理	甲状腺癌	二次谐波成像	深度学习	图像	NA	NA	Pyramid Vision Transformer v2, 多层感知机	ROC曲线下面积	NA
111	2026-02-03	Dysmorphic neurons express markers of inhibitory glycinergic signaling in focal cortical dysplasia IIb 2026-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70043 PMID:40957662	研究论文	本研究利用深度学习技术对局灶性皮质发育不良IIb型进行解剖学映射，并结合空间转录组学分析，揭示了畸形神经元中非经典信号通路和神经递质通路的标记物	首次结合深度学习和空间转录组学，对FCD IIb型进行客观解剖学映射和分子特征分析，发现了畸形神经元中新的信号通路标记物	NA	研究局灶性皮质发育不良IIb型中畸形神经元的分子特征，以寻找新的治疗靶点	局灶性皮质发育不良IIb型中的巨细胞畸形神经元	数字病理学	癫痫	空间转录组学	深度学习	图像, 转录组数据	NA	NA	NA	NA	NA
112	2026-02-03	Deep learning-enhanced 3D imaging unveils semaglutide impact on cardiac fibrosis 2026-Mar, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70217 PMID:41121520	研究论文	本研究开发了一种结合三维光片荧光显微镜和深度学习的心脏纤维化量化方法，并用于评估GLP-1R激动剂司美格鲁肽在HFpEF小鼠模型中的抗纤维化疗效	开发了首个结合荧光胶原标记、组织透明化、三维光片荧光显微镜和深度学习的高通量全心脏成像平台，实现了微米分辨率的心脏纤维化区域异质性量化	研究仅在小鼠模型中进行，未在人类样本中验证；司美格鲁肽对替代性纤维化无显著影响	开发心脏纤维化的三维成像与深度学习量化方法，并评估GLP-1R激动剂的抗纤维化疗效	db/db UNx-ReninAAV小鼠模型（表现为糖尿病、肾衰竭、肥胖和高血压）	数字病理学	心血管疾病	荧光胶原标记、组织透明化、三维光片荧光显微镜	深度学习	三维图像	未明确样本数量，但分析了17个左心室节段	NA	NA	NA	NA
113	2026-01-30	Artificial intelligence in chronic obstructive pulmonary disease: recent advances in imaging and physiological monitoring 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001228 PMID:41208246	综述	本文综述了人工智能在慢性阻塞性肺疾病（COPD）影像学和生理监测中的最新应用进展	总结了人工智能在COPD影像诊断、疾病特征量化、临床结局预测及新型数据流（如咳嗽声音和可穿戴设备）分析方面的最新趋势	大多数应用仍处于早期发展阶段，面临临床验证不足、算法偏见和标准化评估指标缺失等关键挑战	探讨人工智能如何应对COPD诊断和管理中的挑战，推动疾病护理向主动化和个性化方向发展	慢性阻塞性肺疾病（COPD）患者	医学影像分析，生理监测	慢性阻塞性肺疾病	深度学习，机器学习	深度学习模型，机器学习算法	胸部X光片，计算机断层扫描，肺功能测试数据，咳嗽声音，可穿戴设备数据	NA	NA	NA	准确性	NA
114	2026-01-30	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文综述了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新提出的Kolmogorov-Arnold Networks在职业性肺病检测中的创新应用	研究多依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态和发展前景	职业性肺病（特别是尘肺病）的胸部影像（胸片和CT扫描）	计算机视觉	职业性肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN, KAN	图像	NA	NA	卷积神经网络, CycleGAN, Transformer-based factorized encoders, Kolmogorov-Arnold Networks	NA	NA
115	2026-01-30	Artificial intelligence (AI) uses in stereotactic radiosurgery (SRS): outcome prediction with brain metastasis (BM) - A systematic review 2026-Mar, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111854 PMID:41500171	系统综述	本文系统综述了人工智能在脑转移瘤立体定向放射外科预后预测中的应用现状	首次系统性地总结了2018-2024年间AI在脑转移瘤SRS预后预测中的应用，重点关注了基于影像的机器学习和深度学习工具在多模态数据整合及纵向动态预测方面的进展	纳入研究数量有限（21项），存在发表偏倚风险，且大多数模型尚未在临床工作流中得到广泛验证和应用	评估人工智能在脑转移瘤立体定向放射外科治疗预后预测中的应用效果和潜力	接受立体定向放射外科治疗的脑转移瘤患者	数字病理	脑转移瘤	MRI影像分析，放射组学	CNN, RNN, SVM, 集成方法	医学影像（MRI），临床数据	21项研究（2018-2024年）的综合分析	NA	Conv-GRU	AUC	NA
116	2026-01-30	Granular Machine Learning-Based Computed Tomography Contrast Phase Prediction 2026-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100332 PMID:41607507	研究论文	开发并评估了一种基于机器学习的框架，用于检测腹部CT扫描中的静脉对比剂并区分八个细粒度肾脏对比剂阶段，以改善肾脏评估	结合ConvNeXt-Femto深度学习模型和随机森林回归模型，实现自动化细粒度肾脏对比剂阶段预测，减少评估者间差异	研究为回顾性设计，数据来自单一机构，可能限制模型的泛化能力	改进腹部CT扫描中肾脏对比剂阶段的自动化识别，以支持人工智能辅助的医学图像解释	腹部CT扫描图像	计算机视觉	肾细胞癌	计算机断层扫描	CNN, 随机森林	图像	训练集：3033次扫描来自1017名患者；验证集：8856个系列来自4760名患者	PyTorch, Scikit-learn	ConvNeXt-Femto	准确率, 平均绝对误差, κ值	NA
117	2026-01-29	A survey on neuro-mimetic deep learning via predictive coding 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108161 PMID:41161207	综述	本文综述了基于预测编码理论的神经拟态深度学习算法的最新研究进展	系统梳理了预测编码理论在机器学习领域的跨学科应用，为生物可解释性AI算法提供了新的研究方向	作为综述文章，未提出新的原创算法，主要进行现有研究的归纳分析	探索具有生物合理性的深度学习算法替代反向传播	预测编码理论及其在机器学习中的应用	机器学习	NA	NA	深度神经网络	NA	NA	NA	NA	NA	NA
118	2026-01-29	DNUNet: A lightweight adaptive medical image segmentation network based on dual-path multilevel interactive convolution and norm sparse fusion module 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108230 PMID:41172804	研究论文	提出了一种名为DNUNet的轻量级自适应医学图像分割网络，旨在平衡模型性能与计算成本	创新性地结合了大核卷积、双路径多级结构和特征稀疏化策略，并设计了双路径多级交互卷积模块和自适应范数稀疏融合模块，以更少的参数增强特征提取与融合能力	未在摘要中明确提及	开发一种高效、轻量级的医学图像分割模型，以适应便携式医疗设备和实时分割的临床部署需求	医学图像	数字病理	NA	深度学习	CNN	图像	NA	NA	DNUNet	NA	NA
119	2026-01-29	CNNCaps-DBP: Leveraging protein language models with attention-augmented convolution for DNA-binding protein prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108261 PMID:41172803	研究论文	提出一种名为CNNCaps-DBP的新型深度学习方法，用于从蛋白质一级序列信息中准确预测DNA结合蛋白	结合预训练蛋白质语言模型ESM C，并通过注意力增强卷积模块增强嵌入表示，再采用胶囊网络与MLP的混合深度学习框架构建最终预测模型	未明确说明模型在特定蛋白质家族或结构类别上的泛化能力限制	开发精确高效的DNA结合蛋白计算预测框架	DNA结合蛋白	自然语言处理, 机器学习	神经退行性疾病, 癌症	蛋白质语言模型, 深度学习	CNN, Capsule Network, MLP	蛋白质序列	NA	PyTorch	注意力增强卷积模块, Capsule Network, MLP	准确率, 精确率, 召回率, F1分数, AUC	NA
120	2026-01-29	LCMF-Net: A lightweight collaborative multimodal fusion network for brain tumor segmentation 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108257 PMID:41197263	研究论文	本文提出了一种轻量级协同多模态融合网络（LCMF-Net），用于脑肿瘤分割	提出了跨模态与跨切片注意力模块（CMCSA）和基于状态空间模型的融合模块（SSM-Fusion），在保证高精度的同时显著降低了计算成本	未在文中明确说明	开发一种高精度、高效率的脑肿瘤自动分割方法	多模态MRI序列（T1, T2, T1ce, FLAIR）中的脑肿瘤	数字病理学	脑肿瘤	MRI	深度学习网络	医学图像（MRI）	未在摘要中明确说明	未在摘要中明确说明	LCMF-Net（包含CMCSA模块、SSM-Fusion模块、改进的残差初始块RIB）	分割精度	未在摘要中明确说明