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
221	2026-06-04	Aligned cross-modal integration and regulatory heterogeneity characterization of single-cell multiomic data with deep contrastive learning 2026-Jan-26, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01586-7 PMID:41588477	研究论文	提出了基于对比学习的单细胞多组学深度学习模型scMDCF，用于对齐跨模态整合和调控异质性表征	通过跨模态对比学习模块协调不同组学数据表征，并利用跨模态特征融合模块提取共享的低维潜在表示，有效保留数据异质性	未明确提及	开发高效的单细胞多组学数据整合与表征方法	单细胞多组学数据，包括SNARE-seq、CITE-seq及COVID-19疫苗和阿尔茨海默症相关数据	自然语言处理	阿尔茨海默病	单细胞多组学测序	对比学习模型	多组学数据	阿尔茨海默病特定数据集和其他公开数据集	PyTorch	scMDCF	聚类性能、批次效应缓解效果、机制洞察能力	NA
222	2026-06-04	FibroTrack: a standalone deep learning platform for automated fibrosis quantification in muscle and cardiac histology 2026-Jan-26, Skeletal muscle IF:5.3Q2 DOI:10.1186/s13395-026-00415-8 PMID:41588534	research paper	介绍了一个基于深度学习的平台FibroTrack，用于自动量化肌肉和心脏组织中的纤维化，具备图形用户界面，支持多种染色方法	独特地将LAB色彩空间归一化与YOLOv11分割模型结合，训练于2034张组织学图像，实现了高精度自动化纤维化量化	NA	开发一个准确、可重复、高通量的自动化纤维化量化工具，用于肌肉和心脏疾病研究和病理学实践	肌肉和心脏组织中的纤维化区域，通过Sirius Red、Masson's Trichrome和免疫组化染色图像	digital pathology	心肺疾病	组织学染色（Sirius Red、Masson's Trichrome、免疫组化）	YOLOv11分割模型	组织学图像（2034张）	2034张组织学图像用于训练	NA	YOLOv11	mask precision, Spearman correlation	NA
223	2026-06-04	Phantom-based performance comparison of two commercial deep learning CT reconstruction algorithms with super- and normal-resolution settings 2026-Jan-26, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00670-2 PMID:41586868	研究论文	利用体模比较超分辨率深度学习重建算法与常规分辨率深度学习重建算法在腹部CT中的性能	首次系统比较了超分辨率深度学习重建算法（SR-DLR，1024²矩阵）与常规分辨率深度学习重建算法（NR-DLR，512²矩阵）在放射剂量下对腹部CT图像空间分辨率、噪声和病灶可检测性的影响	仅在体模实验中验证，缺乏临床环境下的验证	评估超分辨率深度学习重建算法相比常规分辨率深度学习重建算法在不同放射剂量下的性能差异	使用能谱积分探测器CT扫描的图像质量体模	计算机视觉	腹部疾病	CT扫描	深度学习重建	图像	一个图像质量体模，在三种辐射剂量水平（12.7、5.9和3 mGy）下扫描	NA	NA	噪声功率谱（NPS）、任务传递函数（TTF）、可检测指数（d'）	NA
224	2026-06-04	Multi-Scale Adaptive Temporal Network for Parkinson's Motor Symptom Fluctuation Detection Using Coarsened 2D Skeleton Pose Data 2026-Jan-26, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/JIN47677 PMID:41609035	研究论文	提出一种多尺度自适应时序网络，利用粗化2D骨骼姿态数据检测帕金森运动症状波动	首次利用粗化2D骨骼姿态数据实现隐私保护的帕金森运动症状实时监测，并同时进行药物状态分类和症状严重程度连续估算	未说明	开发一种隐私保护的实时深度学习框架，用于帕金森运动症状监测	帕金森病患者的运动症状（药物状态和严重程度）	计算机视觉	帕金森病	NA	Transformer	2D骨骼姿态数据	来自REMAP数据集	PyTorch	MS-TATNet	准确率, 召回率, 特异性, F1分数, 皮尔逊相关系数	NA
225	2026-06-04	Survival Prediction and Treatment Decisions in Hepatocellular Carcinoma: A Deep Learning-Based Radiomics Approach 2026-Jan-26, British journal of hospital medicine (London, England : 2005) DOI:10.31083/BJHM50380 PMID:41609156	研究论文	本研究整合临床数据与深度学习特征，开发机器学习生存模型，以评估肝细胞癌患者接受肝切除术或经动脉化疗栓塞治疗的效果	将深度学习放射组学特征与临床数据结合，分别构建两种治疗方案（肝切除术和TACE）的联合生存模型，并构建列线图辅助临床决策	样本量相对较小（409例），且为单中心回顾性研究，可能影响模型的泛化性	评估基于深度学习放射组学的生存模型在预测肝细胞癌患者预后和辅助治疗决策中的有效性	2013年1月至2022年12月期间接受肝切除术或TACE治疗的病理确诊肝细胞癌患者	机器学习	肝细胞癌	对比增强CT	ResNet50, ResNet18, DenseNet121	图像, 临床数据	409例肝细胞癌患者（肝切除术组278例，TACE组131例）	NA	ResNet50, ResNet18, DenseNet121	AUC, C指数	NA
226	2026-06-04	Artificial Intelligence and Machine Learning in Bone Metastasis Management: A Narrative Review 2026-Jan-22, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33010065 PMID:41590385	综述	对人工智能和机器学习在骨转移管理中的应用进行叙述性综述，涵盖病变检测、分割、预后建模、骨折风险评估及手术决策支持	系统梳理了AI/ML在骨转移全流程管理中的研究现状，强调了从影像诊断到个性化管理的转化潜力，并指出了外部验证不足和解释性缺失等关键缺口	文献综述未提供元分析定量结果；多数研究缺乏外部验证和临床工作流集成；解释性、偏差缓解及卫生经济学评价极少涉及	概述AI/ML在骨转移管理中的临床应用现状，识别转化障碍并建议未来方向以推动个性化管理	骨转移相关的影像诊断、病灶分割、预后模型、骨折风险评估及外科重建决策支持研究	机器学习	骨转移	NA	深度学习	影像	NA	NA	NA	内部性能	NA
227	2026-06-04	Hybrid Dual-Context Prompted Cross-Attention Framework with Language Model Guidance for Multi-Label Prediction of Human Off-Target Ligand-Protein Interactions 2026-Jan-22, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27021126 PMID:41596767	研究论文	提出一个名为HDPC-LGT的混合双提示跨注意力框架，用于预测人类脱靶配体-蛋白质相互作用的多标签分类	首次结合图化学推理、蛋白质语言模型嵌入与结构先验，实现多目标背景下的配体-蛋白相互作用预测并达到高精度	NA	开发高效准确的脱靶毒性预测工具，提升药物发现成功率并减少毒性	16种临床与抗生素毒性相关的人类翻译相关蛋白的配体结合预测	机器学习, 自然语言处理	NA	深度学习, 图神经网络, 蛋白质语言模型	图Transformer, 交叉注意力机制	配体-蛋白质相互作用数据	216,482个经过实验验证的配体-蛋白质对，来自ChEMBL和BindingDB数据库	PyTorch	HDPC-LGT（Hybrid Dual-Prompt Cross-Attention Ligand-Protein Graph Transformer）	宏ROC-AUC, 微F1分数, 准确率	GPU（未指定具体型号）
228	2026-06-04	CHARMS: A CNN-Transformer Hybrid with Attention Regularization for MRI Super-Resolution 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020738 PMID:41600530	研究论文	提出了一种轻量级卷积-Transformer混合模型CHARMS，用于磁共振图像超分辨率重建	创新性地引入注意力正则化机制抑制冗余激活、稳定训练并提升跨对比度和场强的泛化能力，同时设计了反向残差注意力融合骨干和多深度可分离空洞Transformer注意力模块，在参数量和计算量极低的情况下实现高精度超分辨率	未明确说明，但可能受限于在极端低分辨率或特定临床场景下的性能验证	实现轻量化、高效能的MRI超分辨率重建，适用于临床工作站、实时流程和资源受限平台	MRI图像（低分辨率到高分辨率重建）	计算机视觉	不适用	MRI	CNN-Transformer混合模型	图像	IXI数据集、人类连接组计划年轻成人数据集以及配对的3T/7T数据集	PyTorch	反向残差注意力融合、像素-通道注意力、增强空间注意力、多深度可分离空洞Transformer注意力模块	PSNR, SSIM	NVIDIA RTX 4090
229	2026-06-04	Wearable ECG-PPG Deep Learning Model for Cardiac Index-Based Noninvasive Cardiac Output Estimation in Cardiac Surgery Patients 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020735 PMID:41600528	研究论文	开发并验证了一种利用可穿戴心电和光电容积脉搏波信号预测心输出量的轻量级深度学习模型，并探索基于心指数归一化的性能提升	融合可穿戴ECG-PPG信号与跨模态交互网络，提出基于心指数归一化的间接CO预测策略，并显著降低误差	样本量小（27名心脏手术患者），Pearson相关系数仅为描述性报告，且百分比误差基准并非通用临床标准	实现无创、连续的心输出量估计，支持免导管的血液动力学监测	接受心脏手术并放置肺动脉导管的患者	机器学习	心血管疾病	NA	深度学习融合网络	心电信号（ECG）和光电容积脉搏波信号（PPG）	27名心脏手术患者	NA	ECG-PPG融合网络（含跨模态交互）	平均绝对误差（MAE）、均方根误差（RMSE）、偏差（bias）、Pearson相关系数（PCC）、百分比误差（PE）	NA
230	2026-06-04	A Sensor-Oriented Multimodal Medical Data Acquisition and Modeling Framework for Tumor Grading and Treatment Response Analysis 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020737 PMID:41600529	研究论文	提出了一种基于传感器的多模式医学数据采集和建模框架，用于肿瘤分级与治疗反应分析	将肿瘤分级作为弱监督先验融入多模态特征融合和治疗反应建模过程，实现非侵入性分级预测、治疗反应亚型发现及内在机制解释的统一框架	NA	实现肿瘤分级与治疗反应的联合建模，并提供可解释的机制分析	多模态医学影像和临床数据	数字病理学	肿瘤	多模态医学影像和临床数据采集	3D ResNet-18, MLP, CNN-Transformer	图像, 临床数据	真实世界临床数据集	NA	3D ResNet-18, MLP, CNN-Transformer	准确率, Kappa系数, AUC, 精确率, 召回率	NA
231	2026-06-04	From Simplified Markers to Muscle Function: A Deep Learning Approach for Personalized Cervical Biomechanics Assessment Powered by Massive Musculoskeletal Simulation 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020752 PMID:41600545	研究论文	提出一种结合大规模个性化肌肉骨骼模拟与前馈神经网络的深度学习方法，用于个性化颈椎生物力学评估	构建包含百万个个性化OpenSim颈椎模型的数据集，利用前馈神经网络从非侵入式运动学和人体测量输入映射72块颈椎肌肉力量，实现高效高精度评估	NA	开发数据驱动的生物力学框架，实现个性化颈椎肌肉力量估计和运动功能评估	健康受试者和活动受限患者	机器学习	颈椎功能障碍	肌肉骨骼仿真	前馈神经网络	运动学数据与人体测量数据	百万个个性化模型及两个受试者验证	NA	前馈神经网络	决定系数R	NA
232	2026-06-04	DT-m6A: A DenseNet-Transformer Hybrid Framework for Accurate Prediction of m6A Modification Sites across Diverse Cell Lines and Tissues 2026-Jan-22, Frontiers in bioscience (Landmark edition) DOI:10.31083/FBL48029 PMID:41609070	研究论文	提出一种结合DenseNet与Transformer的深度学习框架DT-m6A，用于跨细胞系与组织的m6A修饰位点精确预测	创新性地将DenseNet的密集连接与Transformer架构融合，并用批归一化替换层归一化增强训练稳定性，首次实现跨八种细胞系和三种组织类型的m6A位点统一预测	在CD8T和MOLM13细胞系上的性能与现有最优方法MST-m6A相当，未显著超越	开发高精度m6A修饰位点预测框架，揭示RNA甲基化调控机制	RNA序列中的N6-甲基腺嘌呤（m6A）修饰位点	机器学习	NA	RNA-seq	DenseNet-Transformer混合模型	序列	11个独立测试集（8种细胞系和3种组织类型）	PyTorch	DenseNet, Transformer	准确率, 马修斯相关系数, 精确率, 召回率, F1分数	NA
233	2026-06-04	Automated Classification of Humpback Whale Calls Using Deep Learning: A Comparative Study of Neural Architectures and Acoustic Feature Representations 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020715 PMID:41600508	研究论文	本文提出一种基于深度学习的座头鲸叫声自动分类系统，比较不同神经网络架构和声学特征表示的性能	系统性地对比梅尔频谱图与MFCC特征在多种神经网络（包括预训练MobileNetV2）上的表现，并构建了专门定制的CNN架构	未提及模型在真实海洋环境噪声下的泛化能力，且数据增强对部分模型性能有负面影响	开发可靠的座头鲸叫声自动检测系统，比较声学特征表示和网络架构的效能	座头鲸（Megaptera novaeangliae）的叫声音频	机器学习	NA	被动声学监测	CNN, MobileNetV2	音频	从公开音频库中收集并经人工精选的音频片段	TensorFlow, Keras	自定义CNN, MobileNetV2	准确率、精确率、召回率、马修斯相关系数	NA
234	2026-06-04	Efficient EEG-Based Person Identification: A Unified Framework from Automatic Electrode Selection to Intent Recognition 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020687 PMID:41600483	研究论文	提出一种统一的深度学习框架，集成自动电极选择、人员识别和意图识别，用于基于脑电图的人员识别	首次提出统一框架集成自动电极选择、人员识别和意图识别；设计AES-MBE骨干网络，结合通道注意力机制与多尺度双向编码器	未明确说明限制，可能包括数据集规模有限（109名受试者）或任务类型受限	设计端到端的基于EEG的身份识别流程，实现自动电极选择并提升特征提取能力，同时支持意图识别	脑电图信号和受试者身份、任务类型	机器学习, 信号处理	无	脑电图采集	深度学习模型，结合通道注意力机制和多尺度双向编码器	脑电图信号	109名受试者，4项任务	PyTorch（推测）	AES-MBE（自动电极选择-多尺度双向编码器）	准确率	未明确指定，可能使用标准GPU
235	2026-06-04	NTFold: Structure-Sensing Nucleotide Attention Learning for RNA Secondary Structure Prediction 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020688 PMID:41600484	研究论文	提出基于深度学习的结构感知核苷酸注意力学习框架NTFold，用于准确预测RNA二级结构	创新性地将核苷酸注意力模块(NAM)与结构精炼模块(SRM)相结合，以传感器启发的方式同时学习局部和全局核苷酸相互作用，生成高精度接触图	未在摘要中明确提及	开发一种高效、可扩展的RNA二级结构预测深度学习方法，克服实验技术成本高、耗时长的问题	RNA分子及其二级结构	机器学习	NA	NA	NA	RNA序列	NA	NA	核苷酸注意力模块(NAM)、结构精炼模块(SRM)	NA	NA
236	2026-06-04	Muscle Fatigue Assessment in Healthcare Application by Using Surface Electromyography: A Transfer Learning Approach 2026-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s26020654 PMID:41600449	研究论文	提出一种基于表面肌电信号的深度学习框架，利用迁移学习实现肌肉疲劳水平分类，以支持环境辅助生活应用	首次将一维表面肌电信号通过连续小波变换转换为二维时频图像，并利用预训练卷积神经网络进行迁移学习分类，在二元和多级疲劳分类任务中均取得优异性能	未明确提及局限性，但可能包括数据集仅来自健康老年人和非老年人，未覆盖疾病人群，且疲劳水平通过自我评估标注可能存在主观性	开发用于环境辅助生活的实时、非侵入性肌肉疲劳监测解决方案	健康老年人和非成年人在受控条件下执行动态任务时的表面肌电信号数据	机器学习、数字信号处理	老年疾病（肌肉疲劳相关）	表面肌电图（sEMG）、连续小波变换	卷积神经网络	一维表面肌电信号转换的二维时频图像（标量图）	来自健康老年人和非成年人的新数据集	NA	预训练卷积神经网络（具体架构未指明，可能是ResNet、VGG等）	准确率（二元任务98.6%，多类任务95.6%）	NA
237	2026-06-04	StaticPigDetv2: Performance Improvement of Unseen Pig Monitoring Environment Using Depth-Based Background and Facility Information 2026-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s26020621 PMID:41600416	研究论文	提出一种利用深度背景和设施信息提升深度学习模型在未见猪监测环境中的性能的方法	通过一次性预处理获取背景和基础设施信息，引入Background-suppressed Image Generator (BIG)、Facility Image Generator (FIG) 和 Background Suppression Integration (BSI) 三个模块，在无需模型重训练的情况下提升检测精度和运行效率	未在更多样化的未见环境或不同物种上验证泛化能力	解决深度学习检测器在固定摄像头猪舍监控中准确率与延迟的权衡问题，以及环境变化导致的性能下降	猪（德国猪数据集训练，韩国河东猪数据集测试）	计算机视觉	NA	NA	YOLO（YOLOV12m）	图像	德国猪数据集和韩国河东猪数据集	PyTorch	YOLOV12m	AP（平均精度）、延迟（Jetson Orin Nano）	NVIDIA Jetson Orin Nano
238	2026-06-04	Reliability of Handheld Ultrasound Assessment of Brachial Artery Flow-Mediated Dilation Using AI-Assisted Automated Analysis in Postmenopausal Women 2026-Jan-15, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010181 PMID:41597467	研究论文	评估基于YOLO深度学习模型的手持超声结合AI辅助图像分析在绝经后女性肱动脉血流介导扩张评估中的日间重测信度	将YOLO深度学习模型与手持超声设备集成，实现血流介导扩张评估的自动化图像分析，减少了传统的耗时和操作者依赖性	功能性血管反应存在较大的个体间变异性（FMD和FMD%的变异系数超过17%），且样本量较小（仅17名绝经后女性）	评估AI辅助的手持超声肱动脉图像分析工作流程在绝经后女性中日间测试-重测信度	17名年龄55-70岁的绝经后女性	机器学习	心血管疾病	手持超声	YOLO深度学习模型	图像	17名绝经后女性	NA	YOLO	组内相关系数, 变异系数, Bland-Altman分析	NA
239	2026-06-04	Predicting aquatic toxicity of organic compounds using the ML-DL-ens model: An integrated approach of machine learning and deep learning 2026-Jan-15, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.119803 PMID:41610586	研究论文	提出了一种结合机器学习与深度学习的集成框架ML-DL-ens，用于预测有机化合物对水生生物的毒性	首次将四种机器学习算法（K近邻、支持向量机、极端梯度提升和随机森林）与AttentiveFP图神经网络模型集成，并使用粒子群优化算法优化权重，不仅提升了预测精度，还通过SHAP值分析提供了对影响毒性预测的关键分子子结构的解释	未明确指出，但可推断可能存在对训练数据依赖性强、泛化能力在更广泛化学空间中的验证不足，以及计算资源需求较高等潜在局限	提高有机化合物水生毒性预测的准确性和可解释性，克服传统机器学习方法依赖手工特征工程、泛化能力差和对数据噪声敏感等局限	有机化合物及其对水生生物的毒性	机器学习	NA	NA	集成模型（ML-DL-ens）	数值数据（分子结构特征和毒性数据）	使用了多个数据集，包括96小时LC50集、40小时IGC50集、48小时LC50-DM集和组合集，具体样本数未提及	Scikit-learn, PyTorch, 其他（粒子群优化算法）	K近邻, 支持向量机, 极端梯度提升, 随机森林, AttentiveFP图神经网络	AUC-ROC	未提及
240	2026-06-04	Study on Multimodal Sensor Fusion for Heart Rate Estimation Using BCG and PPG Signals 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020548 PMID:41600344	研究论文	提出一种多模态时间融合网络，通过整合心冲击图（BCG）和光电容积描记（PPG）信号实现心率估计	首次构建BCG与PPG信号的跨模态注意力融合机制，利用多模态特征动态适应互补相关性，结合多头自注意力增强动态活动下的鲁棒性	NA	开发一种非接触式、低功耗的心率监测方法，用于家庭健康监测	基于40名受试者的公开BCG-PPG-ECG数据集	机器学习	心血管疾病	NA	时间卷积网络（TCN）、双向长短期记忆网络（BiLSTM）、多头自注意力（MHSA）	BCG和PPG信号	40名受试者	PyTorch	多模态时间融合网络（MM-TFNet）	平均绝对误差（MAE）	NA