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
41	2026-01-30	Accelerated Chemical Exchange Saturation Transfer Imaging With Deep Unrolling Networks and Synthetic Brain Tumor Datasets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70172 PMID:41193413	研究论文	本研究开发了一种基于模型的深度展开网络（MoDL-ADMM），用于加速多通道化学交换饱和转移（CEST）成像的高质量图像重建，并设计了一个合成脑肿瘤数据集（BraTS-CEST）用于训练	将交替方向乘子法（ADMM）优化展开为深度网络（MoDL-ADMM），并创建了大规模合成脑肿瘤CEST数据集（BraTS-CEST）以解决训练数据不足的问题	未明确说明合成数据与真实数据之间的域适应挑战或模型在更广泛病理类型中的泛化能力	开发一种高效的深度学习方法，以从欠采样的多通道数据中重建高质量的CEST源图像和酰胺质子转移加权（APTw）图	健康志愿者和脑肿瘤患者的CEST成像数据	医学影像重建	脑肿瘤	化学交换饱和转移（CEST）成像，Bloch-McConnell模拟	深度展开网络	多通道CEST图像数据	使用公开的BraTS和fastMRI数据集通过模拟生成的大规模合成数据，并在健康志愿者和脑肿瘤患者数据上进行评估	NA	MoDL-ADMM（基于MoDL框架并展开ADMM优化），包含选择性核网络和可学习的稀疏变换	重建误差	NA
42	2026-01-30	ASL 4D MRA Intracranial Vessel Segmentation With Deep Learning U-Nets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70173 PMID:41207868	研究论文	提出一种基于时空U-Net的网络（4DST），用于ASL无对比增强4D MRA血管分割，利用时空信息并避免内存密集的4D卷积层	设计了一种避免内存密集型4D卷积层的时空U-Net变体（4DST），在ASL 4D MRA血管分割中结合空间和动态信息	研究样本量有限（35名健康志愿者和5名动静脉畸形患者），且未在更广泛疾病群体或不同成像协议下验证	开发一种高效的深度学习模型，用于ASL无对比增强4D MRA颅内血管分割	健康志愿者和动静脉畸形患者的颅内血管	医学图像分析	动静脉畸形	脉冲ASL无对比增强4D MRA	U-Net	4D MRA图像	40名受试者（35名健康志愿者和5名动静脉畸形患者）	NA	U-Net, 4DST	Dice-Sørensen系数, 中心线Dice, Hausdorff距离, 精确度, 准确度, 特异性, 灵敏度	NA
43	2026-01-30	Deep Learning Reconstruction for 129Xe Diffusion-Weighted MRI Enables Use of Natural Abundant Xenon and Improved Image Acceleration 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70194 PMID:41266932	研究论文	本研究评估了深度学习重建在129Xe扩散加权MRI中的应用，旨在保留定量指标并探索使用天然丰度氙气及提高加速因子的可行性	首次将深度学习重建（包括压缩感知、去噪和去环）应用于129Xe扩散加权MRI，实现了对天然丰度氙气的使用和更高的加速因子，显著降低了成本并提高了临床可行性	深度学习重建在ADC和LmD值上存在轻微偏差（分别为5.4%和0.8%），且样本量相对较小，需进一步验证	评估深度学习加速采集和重建是否定量保留129Xe表观扩散系数和扩散长度尺度指标，并探索使用天然丰度氙气进行扩散加权成像的可行性	哮喘、慢性阻塞性肺疾病和特发性肺纤维化患者，以及健康志愿者	医学影像处理	肺部疾病	129Xe扩散加权MRI，压缩感知加速	深度学习模型	三维MRI图像	患者队列（具体数量未明确）和3名健康志愿者	NA	NA	ADC，LmD，SNR，图像清晰度	NA
44	2026-01-28	Enhanced-performance flexible pressure sensors enabled by synergistic effect of hierarchical porous structures for motion sensing and deep learning-assisted speech recognition 2026-Apr, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2025.139706 PMID:41435647	研究论文	本研究通过结合3D打印和静电纺丝的混合制造策略，开发了一种具有分层多孔结构的高性能柔性压力传感器，并展示了其在运动传感和深度学习辅助语音识别中的应用	提出了一种基于混合制造技术（3D打印与静电纺丝结合）和分层多孔结构协同效应的柔性压力传感器新策略，并通过集成深度学习算法扩展了其在语音识别方面的功能	未明确说明传感器在长期稳定性、大规模生产成本或极端环境下的性能表现	开发高性能柔性压力传感器，用于人体生理运动信号监测和智能语音感知	柔性压力传感器及其在人体运动信号和语音信号检测中的应用	机器学习和智能传感	NA	三维打印、静电纺丝、直接墨水书写、牺牲模板法	深度学习算法	压力信号数据、语音信号数据	NA	NA	NA	灵敏度、响应时间、检测限、识别准确率	NA
45	2026-01-28	Investigation of droplet dynamics in the hypermonotectic succinonitrile-water system in a temperature gradient and microgravity conditions supported by deep learning computer vision 2026-Apr, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2025.139684 PMID:41455349	研究论文	本文研究了在温度梯度和微重力条件下，超单晶体系中的液滴动力学，利用深度学习计算机视觉技术进行分析	结合微重力实验与基于mask R-CNN和SORT的深度学习计算机视觉模型，用于液滴检测与追踪，揭示了液滴运动与表面张力的温度依赖性	实验仅在六分钟的微重力条件下进行，可能限制了长期观察；部分液滴粘附于容器边界，可能影响运动分析的准确性	研究液-液相分离及液滴在温度梯度下的动力学行为	超单晶-水体系中的液滴	计算机视觉	NA	原位观察，深度学习计算机视觉	CNN	图像	NA	TensorFlow, PyTorch	mask R-CNN, SORT	NA	NA
46	2026-01-25	A droplet digital LAMP-based lab-on-a-disc system for multiplex allele-specific detection of tumor-derived DNA mutations 2026-Apr-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118367 PMID:41500045	研究论文	本研究开发了一种基于多重液滴数字LAMP的盘上实验室系统，用于快速、等位基因特异性检测肿瘤来源的DNA突变	开发了全自动、集成的样本到结果平台，结合了改进的等位基因特异性LAMP检测、微流体自动化和人工智能辅助液滴成像，实现了单核苷酸分辨的突变定量	未明确说明系统在更广泛突变类型或癌症类型中的验证范围，以及长期稳定性和大规模临床应用的可行性	开发一种准确、快速、全自动且经济高效的肿瘤衍生DNA突变检测方法，以促进癌症生物标志物的临床转化	乳腺癌组织和血浆样本中的PIK3CA点突变	数字病理	乳腺癌	液滴数字环介导等温扩增，微流体技术，人工智能辅助成像	深度学习模型	液滴图像数据	乳腺癌组织和血浆样本（具体数量未明确说明）	NA	NA	灵敏度，特异性，重现性，线性范围，检测限	NA
47	2026-01-25	FTIR spectroscopy combined with machine learning reveals molecular signatures distinguishing three phenotypes of endometriosis 2026-Apr, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116047 PMID:41500442	研究论文	本研究结合FTIR光谱与机器学习，揭示了区分子宫内膜异位症三种表型的分子特征	首次应用FTIR光谱结合机器学习方法，系统分析并区分子宫内膜异位症的三种临床表型，发现了表型特异的脂质和碳水化合物组成变化	研究样本量有限，且深部浸润型子宫内膜异位症的分子机制仍不完全清楚，需要更大规模的研究验证	探索子宫内膜异位症不同表型的生化差异，并开发基于光谱的鉴别工具	子宫内膜异位症的三种表型：浅表腹膜病变、卵巢子宫内膜异位囊肿和深部浸润型子宫内膜异位症	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, 极端梯度提升	光谱数据	NA	NA	NA	NA	NA
48	2026-01-21	DeepHFFT-m7G: A dual-channel self-attention and hybrid feature fusion framework for RNA m7G modification identification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108812 PMID:41314160	研究论文	本文提出了一种名为DeepHFFT-m7G的新方法，用于高效识别RNA序列中的m7G甲基化位点	提出了基于混合特征融合和双通道自注意力网络的新框架，结合了多分支CNN进行局部特征提取和Transformer编码器进行全局特征提取	未明确说明方法在更广泛数据集或不同物种中的泛化能力，也未讨论计算复杂度	开发一种更准确的RNA m7G修饰位点预测方法	RNA序列中的N7-甲基鸟苷（m7G）修饰位点	自然语言处理	NA	RNA序列分析	CNN, Transformer, MLP	RNA序列数据	NA	NA	多分支CNN, Transformer编码器, 多层感知机	AUROC, 准确率, MCC, 特异性	NA
49	2026-01-21	DLS-SUC: A precision prediction framework for lysine succinylation sites integrating the protein language model (ESM-2) and dual imbalance strategies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108842 PMID:41406781	研究论文	本文提出了一种名为DLS-SUC的新型深度学习框架，用于精确预测赖氨酸琥珀酰化（Ksucc）位点	整合了One-hot编码与ESM-2预训练蛋白质语言模型特征，结合DenseNet和BiLSTM架构捕获局部序列模式和长程依赖，并引入SENet注意力机制自适应重新校准特征通道重要性，同时采用双“算法-系统”策略缓解类别不平衡问题	NA	提高赖氨酸琥珀酰化位点预测的准确性和泛化能力	赖氨酸琥珀酰化位点	生物信息学	癌症、神经退行性疾病、代谢综合征	深度学习	DenseNet, BiLSTM, SENet	蛋白质序列数据	NA	NA	DenseNet, BiLSTM, SENet	Sn, Sp, BAcc, MCC, AUC	NA
50	2026-01-21	Opt Deep CSSAN: Optimized Deep Convolutional Spectral-Spatial Attention Network for hyperspectral image classification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108769 PMID:41418717	研究论文	提出了一种结合优化算法与深度注意力网络的高光谱图像分类方法	提出了DES-AFO优化算法进行波段选择，并设计了结合深度CNN与光谱-空间注意力网络（SSAN）的Opt Deep CSSAN分类模型	未在摘要中明确说明	提高高光谱图像分类的准确性和效率	高光谱图像	计算机视觉	NA	高光谱成像	CNN, 注意力网络	高光谱图像	未在摘要中明确说明	未在摘要中明确说明	ResNet50, 深度CNN, 光谱-空间注意力网络（SSAN）	准确率, 真阳性率（TPR）, Kappa系数, 真阴性率（TNR）, 阳性预测值（PPV）	未在摘要中明确说明
51	2026-01-21	From 16S rRNA to deep learning: Evolution of computational approaches in human microbiome studies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108852 PMID:41418718	综述	本文回顾了人类微生物组研究中计算方法的演变，从传统的16S rRNA测序发展到整合多组学数据和深度学习算法的现代计算框架	系统阐述了从传统微生物组分析方法向整合网络建模、基因组尺度代谢重建和深度学习等先进计算框架的范式转变，并强调了AI驱动的生物信息学平台在推动该领域从描述性学科向预测性和转化性科学发展中的关键作用	面临数据异质性、AI模型可解释性有限以及数据共享中的伦理问题等挑战，这些因素阻碍了临床转化应用	回顾人类微生物组研究中计算方法的演变历程，并展望未来发展方向	人类微生物组及其与宿主健康、疾病的相互作用	机器学习	NA	16S rRNA测序，多组学数据整合（基因组学、蛋白质组学、代谢组学）	深度学习	多组学数据	NA	NA	NA	NA	NA
52	2026-01-21	Automated lung sound detection via Bi-GRU-modified SqueezeNet architecture with new stock well feature set 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108851 PMID:41443142	研究论文	本研究提出了一种名为BGRMSNet的新型深度学习模型，用于自动检测和分类肺音，以辅助诊断多种呼吸系统疾病	提出了一种结合双向门控循环单元（Bi-GRU）和改进型SqueezeNet（MSNet）的混合架构（BGRMSNet），并引入了改进的批量归一化、多头注意力机制、改进的指数Softmax激活函数等增强技术，同时采用了基于阈值维纳滤波的预处理方法和包含改进型Stockwell变换等的新特征集	未明确说明模型在临床实际环境中的泛化能力测试、计算效率分析以及与其他最先进深度学习模型的全面比较	开发一种自动化的肺音检测与分类系统，以辅助呼吸系统疾病的诊断	肺音信号	机器学习	呼吸系统疾病（包括哮喘、支气管扩张、细支气管炎、COPD、下呼吸道感染、肺炎、上呼吸道感染）	信号处理与特征提取（包括改进型Stockwell变换、短时傅里叶变换、排列熵、谱质心、谱滚降）	深度学习混合模型（Bi-GRU与CNN结合）	音频信号（肺音）	未明确说明	未明确说明	Bidirectional-Gated Recurrent Unit-Modified SqueezeNet (BGRMSNet), 包含Bi-GRU和Modified SqueezeNet (MSNet)	准确率, 特异性, 阴性预测值	未明确说明
53	2026-01-21	Structural alterations related to emotion dysregulation, anxiety and self-harm in adolescents borderline personality disorder. A source-based morphometry study 2026-Apr-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121035 PMID:41453667	研究论文	本研究利用源基形态测量学（SBM）和深度神经网络，结合遗传算法优化架构，探讨青少年边缘型人格障碍（BPD）的脑结构差异及其与情绪失调、焦虑和自伤行为的关联	首次在迄今最大的青少年BPD样本中，结合无监督和监督机器学习方法（SBM和深度神经网络），系统研究脑结构异常与临床特征的关系，并优化模型架构以提高性能	样本虽为迄今最大，但可能仍存在代表性限制；研究为横断面设计，无法推断因果关系；未考虑其他混杂因素如药物使用或共病精神障碍	探究青少年边缘型人格障碍的脑结构差异，并关联情绪失调、焦虑和自伤行为等临床特征	129名青少年BPD患者（12-17岁）和107名年龄、性别、教育匹配的健康对照	神经影像学	边缘型人格障碍	高分辨率T1加权结构MRI	深度神经网络	MRI图像	129名青少年BPD患者和107名健康对照	NA	深度神经网络（架构通过遗传算法优化）	泛化性能	NA
54	2026-01-21	TEWS: Transformer-empowered weakly supervised prediction of immune score and genetic mutations in liver cancer from whole slide image 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108837 PMID:41455181	研究论文	提出一种基于Transformer的弱监督深度学习模型，用于从肝癌全切片图像中直接预测免疫评分和基因突变	首次将Swin Transformer与门控注意力池化机制、多示例学习相结合，实现直接从WSI预测免疫评分，并改进了伪标签分配的准确性	未明确提及模型在计算资源有限机构的具体部署挑战或泛化到其他癌症类型的验证	开发一种弱监督深度学习模型，以克服全切片图像分析中标注成本高和计算需求大的挑战	肝癌患者的全切片图像	数字病理学	肝癌	全切片成像	Transformer	图像	NA	NA	Swin Transformer	AUC	NA
55	2026-01-21	SSHF-DTI: Leveraging structural similarity and hierarchical features through a fusion network for drug-target interaction prediction 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108853 PMID:41455180	研究论文	本文提出了一种名为SSHF-DTI的模型，通过整合结构相似性和多源子结构特征来预测药物-靶点相互作用和结合亲和力	模型结合了基于Tanimoto系数评估Morgan指纹相似性的数据增强方法，并采用Transformer和卷积组件的混合架构进行层次特征融合，显著提升了预测性能	未明确提及具体局限性	开发一个更鲁棒且可泛化的模型，用于药物-靶点相互作用和结合亲和力预测	药物-靶点相互作用、结合亲和力以及药物-药物相互作用	机器学习	NA	Morgan指纹相似性评估	Transformer, CNN	分子结构数据	NA	NA	Transformer, 卷积神经网络	ROC-AUC, PR-AUC	NA
56	2026-01-21	Efficient drug-target affinity prediction via interaction features and parallel CNN-BiLSTM with attention 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108862 PMID:41478193	研究论文	本文提出了一种名为EDTA的高效深度学习架构，用于药物-靶点亲和力预测，该架构结合了并行CNN-BiLSTM与注意力机制	提出了一种并行CNN-BiLSTM架构，结合注意力机制，以同时捕获局部结构模式和全局序列依赖关系，在保证准确性的同时显著提升了计算效率	未明确提及模型在更广泛数据集或真实药物发现场景中的泛化能力限制	开发一种高效且准确的药物-靶点亲和力预测方法，以降低药物研发的失败率	药物-靶点相互作用	机器学习	NA	深度学习	CNN, BiLSTM, Attention	分子序列/结构数据	使用了Davis、KIBA和DUD-E基准数据集，具体样本数量未明确给出	未明确提及	并行CNN-BiLSTM	皮尔逊相关系数 (r)	未明确提及具体硬件，但强调模型参数更少、内存占用更低、推理速度更快
57	2026-01-21	Optimizing depression diagnosis: fNIRS and machine learning differentiate unipolar, bipolar, and healthy states 2026-Apr-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121097 PMID:41478383	研究论文	本研究利用fNIRS和机器学习技术，通过前额叶血流动力学信号对单相抑郁、双相抑郁和健康对照进行三元分类	首次系统评估了fNIRS结合多种机器学习模型在临床相关三元分类（单相抑郁、双相抑郁、健康对照）中的效用，并比较了全脑特征与八个前额叶亚区域的表现	样本量有限，特别是双相抑郁队列较小；深度学习模型因样本量有限和特征维度高而表现中等；双相抑郁与健康对照之间存在持续重叠，分类仍具挑战性	优化抑郁症诊断，区分单相抑郁、双相抑郁和健康状态	171名参与者（单相抑郁72人，双相抑郁59人，健康对照40人）	机器学习	抑郁症	fNIRS（功能性近红外光谱成像）	SVM, Random Forest, XGBoost, Logistic Regression, Naive Bayes, Decision Tree, CNN, LSTM	前额叶血流动力学信号	171名参与者	NA	1D-CNN, LSTM	准确率, 敏感度, 特异度, AUC	NA
58	2026-01-20	Feasibility of deep learning-based cancer detection in ultrasound microvascular images 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107892 PMID:41270708	研究论文	本研究探讨了基于深度学习的癌症检测在超声微血管图像中的可行性，通过训练卷积神经网络在声学血管造影体积数据上实现肿瘤检测	首次将端到端的3D卷积神经网络应用于声学血管造影体积数据，实现高效且准确的肿瘤相关血管检测，并通过与已知恶性肿瘤标志物的相关性进行验证	研究样本量相对较小（n=195），且仅基于啮齿动物模型，尚未在人类临床数据中进行验证	开发一种基于深度学习的自动化方法，以克服声学血管造影在癌症检测中手动分割耗时和操作者间变异性的限制	啮齿动物模型中的声学血管造影体积数据，包括对照组和肿瘤组	计算机视觉	癌症	声学血管造影（超谐波对比增强超声）	CNN	3D体积图像	195个声学血管造影体积（98个对照，97个肿瘤）	PyTorch, TensorFlow	EfficientNet, ResNet, DenseNet	准确度, 灵敏度, 特异性	NA
59	2026-01-20	Attention-fused dual-stream learning for defect classification in thick aerospace CFRPs with complex microstructures using multi-angle ultrasonic scattering signatures 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107921 PMID:41380499	研究论文	提出一种融合注意力的双流深度学习框架，用于利用多角度超声散射特征对具有复杂微观结构的厚航空航天碳纤维增强聚合物进行缺陷分类	提出了一种高效且可解释的AttentionFusion模块，能够协同整合来自B扫描图像的空间形态信息和来自原始全矩阵捕获数据的富含物理信息的多角度散射特征，并利用YOLOv8检测器进行缺陷识别	未明确提及	解决厚碳纤维增强聚合物中关键缺陷（特别是分层）的可靠检测问题，尤其是在复杂微观结构（如纤维波纹）限制常规超声检测有效性的情况下	厚碳纤维增强聚合物中的缺陷（特别是分层）	计算机视觉	NA	超声测试，全矩阵捕获	深度学习，基于YOLOv8的检测器	B扫描图像，原始全矩阵捕获数据	2776个样本	NA	YOLOv8	mAP50	NA
60	2026-01-08	Investigation of cervical cell image segmentation technology based on deep learning and non-coding RNAs 2026-Apr, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2025.09.009 PMID:41488159	综述	本文综述了基于深度学习和非编码RNA的宫颈细胞图像分割技术，探讨了其在医学诊断中的应用与挑战	结合深度学习方法（如CNN、U-Net）与非编码RNA研究，以提升宫颈细胞图像分割的精度和效率	本文为综述性文章，未涉及具体实验数据或模型验证，主要基于文献调研，缺乏原创性实证研究	探索深度学习技术在宫颈细胞图像分割中的应用，并比较不同模型（如CNN、全卷积网络、U-Net）的特点和性能	宫颈细胞图像	计算机视觉	宫颈癌	NA	CNN, 全卷积网络, U-Net	图像	NA	NA	CNN, 全卷积网络, U-Net	NA	NA