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
201	2026-02-07	Causality-Driven Convolutional Manifold Attention Network for Electroencephalogram Signal Decoding 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625631 PMID:41144414	研究论文	本研究提出了一种因果驱动的卷积流形注意力网络（CD-CMAN），用于从脑电图信号中学习不变表征，以增强分布外泛化能力	结合结构因果模型、黎曼几何和深度学习的优势，通过双潜在编码器和流形注意力单元显式分离时空特征为语义和变异潜在因子，并引入HSIC准则确保其统计独立性	未明确说明模型在更复杂或噪声更大的现实场景中的鲁棒性，以及计算复杂度可能较高	提升脑机接口技术在分布外场景下的泛化能力	脑电图信号	机器学习	NA	脑电图信号处理	CNN, 注意力机制	时序信号	基于两个公共数据集，未明确具体样本数量	NA	因果驱动卷积流形注意力网络	NA	NA
202	2026-02-07	Engineering strategies for microbial synthesis, customized modification, and application of hemoglobin 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108752 PMID:41242508	综述	本文综述了血红蛋白的微生物合成、定制化功能修饰及其在多个领域的应用策略	强调利用人工智能算法定制血红蛋白功能修饰，并整合Pareto最优、迭代生物工程框架、深度学习和合成生物学等先进技术以加速其合成与应用	NA	探讨血红蛋白微生物合成的关键挑战与解决方案，并概述其在医学和生物技术等领域的应用前景	血红蛋白的合成、修饰与应用	合成生物学	NA	微生物合成、人工智能算法、深度学习、合成生物学	NA	NA	NA	NA	NA	NA	NA
203	2026-02-07	Demystifying Higher-Order Graph Neural Networks 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637114 PMID:41289127	研究论文	本文设计了一种高阶图神经网络（HOGNNs）的深度分类法和蓝图，以分析和比较现有模型，并提供选择指南和研究挑战	提出了首个针对高阶图神经网络的深度分类法和蓝图，帮助设计高性能模型并系统分析比较现有方法	NA	分析和比较高阶图神经网络模型，提供选择指南和未来研究方向	高阶图神经网络（HOGNNs）及相关拓扑深度学习架构	机器学习	NA	NA	GNN	图数据	NA	NA	NA	NA	NA
204	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
205	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
206	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
207	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
208	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
209	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
210	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
211	2026-02-07	IntNet: Lightweight yet high-performance deep learning system for intuitive radar patterns analysis and human fall detection 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111485 PMID:41547050	研究论文	本文提出了一种基于雷达的轻量级深度学习系统IntNet，用于直观雷达模式分析和人体跌倒检测，在复杂现实场景中实现了高性能和边缘计算能力	提出了一种轻量级深度学习系统IntNet，在保持边缘计算能力的同时实现了前所未有的性能（召回率98.99%，精确率99.32%），并引入了新的性能比较方法学	未明确说明系统在极端环境条件下的鲁棒性或跨不同人群的泛化能力	开发一种高性能、隐私保护且适用于边缘计算的雷达基跌倒检测系统	老年人及独居年轻人的跌倒检测	机器学习和计算机视觉	老年疾病	雷达传感器技术	深度学习系统	雷达模式数据	未明确说明，但使用了文献中最具现实代表性的数据集	未明确指定	IntNet	召回率, 精确率	边缘计算设备，模型参数量211.8k，FLOPs约8.84M
212	2026-02-07	Multi-task non-contact ballistocardiogram-based vital signs monitoring in acupuncture 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111461 PMID:41548353	研究论文	本研究提出了一种结合多通道心冲击图信号和多任务学习的创新方法，用于针灸过程中的高效生命体征监测	利用聚偏氟乙烯薄膜传感器和深度神经网络，通过非接触式床垫下心冲击图信号进行心率、呼吸率估计和卧姿检测	NA	开发一种基于心冲击图信号的非接触式生命体征监测系统，用于针灸等医疗场景	25名参与者的心冲击图信号	机器学习	NA	心冲击图	GRU, MHSA	信号	25名参与者	NA	GRU, 多头自注意力	准确率, 平均绝对误差	NA
213	2026-02-07	HybridDeepSynergy: A hybrid deep learning model integrating CNN, LSTM, and attention mechanisms for cancer drug synergy prediction 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111471 PMID:41570613	研究论文	本文提出了一种名为HybridDeepSynergy的混合深度学习模型，通过整合CNN、LSTM和注意力机制来预测癌症药物协同作用	首次结合CNN、LSTM和Transformer注意力机制，构建混合深度学习模型用于药物协同预测，并引入多种协同评分模型进行综合评估	模型尚未在临床环境中验证，未来需要纳入更多癌症数据集以增强预测能力	优化癌症治疗策略，通过预测药物组合的协同作用来支持精准医疗	多种药物组合和癌细胞系	机器学习	癌症	NA	CNN, LSTM, Transformer	基因组数据集	包含大量药物组合的综合数据集	NA	CNN, LSTM, Transformer	RMSE, MAE, 决定系数, Pearson相关系数, Spearman相关系数	NA
214	2026-02-07	Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma 2026-Feb-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02679 PMID:41435207	研究论文	本研究开发了一个自动化人工智能影像平台，用于评估口咽癌患者的淋巴结和结外侵犯情况，以改进风险分层	首次将自动淋巴结分割与结外侵犯预测整合到AI平台中，并证明AI预测的结外侵犯淋巴结数量可作为新的风险因素	研究为回顾性多中心设计，可能存在选择偏倚，且仅基于CT影像，未整合其他影像模态	评估自动化AI预测的结外侵犯淋巴结数量在口咽癌风险分层中的预后价值	口咽癌患者	数字病理学	口咽癌	计算机断层扫描	深度学习	医学影像	1,733名口咽癌患者	NA	NA	C指数, 风险比	NA
215	2026-02-07	A review of AI/ML approaches in wastewater surveillance advancement 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181364 PMID:41576591	综述	本文系统性地回顾了过去五年中人工智能和机器学习模型在废水流行病学中的应用，重点评估了其在病原体检测和疾病趋势预测方面的有效性	提出了一个基于预测目标、数据类型和时间依赖性的决策支持框架来指导模型选择，并强调了结合混合建模方法和环境元数据以增强废水监测系统的重要性	NA	评估人工智能和机器学习模型在废水流行病学中的有效性，并为其应用提供指导	废水流行病学中的病原体检测和疾病趋势预测	机器学习	传染病	废水监测	随机森林, 支持向量机, 人工神经网络, 长短期记忆网络, K-means聚类, 时间序列机器学习模型	时序数据	NA	NA	NA	R值, 均方根误差, 分类准确率, 均方误差, 平均绝对误差	NA
216	2026-02-07	National-scale open cattle feedlot detection using deep learning and high-resolution aerial images: Spatial distribution and animal welfare analysis 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181451 PMID:41579720	研究论文	本研究提出了一种利用YOLO目标检测模型和高分辨率航空影像，在全美范围内自动检测开放式牛饲养场的框架，并分析了其空间分布及相关的动物福利问题	首次开发了基于深度学习的全国性开放式牛饲养场自动检测框架，并利用大规模高分辨率航空影像（NAIP）生成了首个全面的设施空间分布数据库	检测模型可能受到影像质量、季节变化及背景复杂性的影响，且标注数据仅覆盖了内布拉斯加、堪萨斯和德克萨斯三个高产州的部分县	实现美国本土开放式牛饲养场的自动化、大规模检测与空间分布分析，以支持牛肉生产洞察、动物福利改善及环境影响评估	美国本土（CONUS）的开放式牛饲养场设施	计算机视觉	NA	航空影像分析，目标检测	CNN	图像	标注了11,746个饲养场和13,000个背景图像块，用于模型训练、验证和测试	PyTorch	YOLOv11	精确率，召回率，F1分数，交并比	NA
217	2026-02-07	Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00706 PMID:41468557	研究论文	本文介绍了对Casanovo深度学习从头肽段测序器的一系列改进，旨在提升其评分可解释性、扩展软件功能、加速运行速度，并提供工作流和可视化工具以促进应用	改进了Casanovo的评分可解释性，扩展了其在数据库搜索中的通用性，优化了训练和预测的运行速度，并引入了新的工作流和可视化工具	NA	提升Casanovo深度学习模型在肽段测序中的准确性、易用性和应用范围	质谱和蛋白质组学数据中的肽段序列	机器学习	NA	质谱分析	深度学习模型	质谱数据	NA	NA	Casanovo	NA	NA
218	2026-02-07	Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00563 PMID:41528974	技术笔记	本文介绍了一系列Google Colab笔记本，用于教授肽嵌入技术，涵盖从简单编码到预训练嵌入的策略	提供了专门针对蛋白质组学中肽嵌入的教育资源，填补了深度学习教程中数据准备步骤的空白	NA	教育蛋白质组学研究人员如何为深度学习准备肽数据，降低现代深度学习在蛋白质组学工作流中的应用门槛	肽字符串及其在质谱蛋白质组学中的嵌入表示	机器学习	NA	质谱蛋白质组学	深度学习	肽字符串数据	NA	Google Colab	NA	NA	Google Colab笔记本
219	2026-02-07	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-Feb-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	本文提出了一种基于人工智能的方法，用于胎儿脑MRI中脑室的自动分割、体积量化和分类，以预测产后干预需求	利用nnUNet深度学习模型进行胎儿脑室自动分割，并基于此建立跨孕龄的脑室体积正常参考范围，首次实现了对胎儿脑室扩大及产后干预需求的客观预测	研究为回顾性设计，样本量相对有限（222例患者），且依赖于手动分割数据进行模型训练，可能引入主观偏差	开发一种基于人工智能的客观方法，用于胎儿脑室扩大与脑积水的准确区分，并预测产后脑脊液干预的必要性	胎儿脑MRI图像，包括正常胎儿、脑室扩大胎儿及需产后干预的病例	数字病理学	胎儿脑室扩大	胎儿脑MRI	深度学习	图像	222例单胎妊娠患者，包括20例手动分割的机构数据、80例公开数据集、138例正常胎儿MRI及64例脑室扩大胎儿（其中14例需产后干预）	nnUNet	nnUNet	Dice系数, 灵敏度, 特异性, AUC, 95%置信区间	NA
220	2026-02-07	Nitrilotriacetic acid functionalized gold nanopillars enable stochastic detection and deep learning analysis of prolines and hydroxyprolines by surface enhanced Raman spectroscopy 2026-Feb-05, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04125b PMID:41524279	研究论文	本文开发了一种基于金纳米柱功能化的随机表面增强拉曼散射方法，结合深度学习分析，用于快速检测脯氨酸和羟脯氨酸	通过功能化金纳米柱形成NTA-Ni结构，实现脯氨酸和羟脯氨酸的可逆瞬态结合，将检测时间缩短至30分钟内，并首次结合一维卷积神经网络分析SERS时间序列数据	未明确说明方法在复杂生物流体中的实际应用限制或可能存在的干扰因素	开发一种快速、高灵敏度的脯氨酸和羟脯氨酸检测方法，用于疾病监测和生物医学分析	脯氨酸和羟脯氨酸分子	机器学习	胶原代谢相关疾病	表面增强拉曼散射	CNN	光谱时间序列数据	NA	NA	一维卷积神经网络	准确率	NA