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
2421	2026-01-14	Echocardiographic Evaluation in Children with Post-Acute Sequelae of SARS-CoV-2 Infection Using Deep Learning 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01739-5 PMID:41526555	研究论文	本研究应用基于ResNet-50的深度学习模型分析儿童SARS-CoV-2感染后急性后遗症（PASC）的超声心动图数据，以增强心脏异常的检测	首次将深度学习模型（ResNet-50）应用于儿童PASC的超声心动图分析，以识别标准参数未揭示的细微心脏变化	基于图像的细微差异的临床意义尚不确定，需要大规模长期随访研究进一步评估	增强儿童SARS-CoV-2感染后急性后遗症（PASC）相关心脏异常的检测和理解	儿童（18岁以下）SARS-CoV-2感染后急性后遗症（PASC）患者及年龄匹配的对照组儿童	数字病理学	心血管疾病	超声心动图	CNN	图像	270名PASC儿童和400名年龄匹配的对照组儿童	NA	ResNet-50	准确率, 灵敏度, 特异性, 平衡准确率	NA
2422	2026-01-14	2D, 2.5D, or 3D? Comparing Dimensional Approaches in Deep Neural Networks for 3D Medical Image Analysis 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01827-6 PMID:41526556	综述	本文比较了2D、2.5D和3D深度神经网络在3D医学影像分析任务中的性能表现	首次系统性地综述并比较了三种维度方法在3D医学影像分析中的优劣，明确了2.5D模型在平衡空间信息与计算效率方面的优势	结论基于对现有文献的综述，未进行原始实验验证；研究范围限定于分类和分割任务	探讨在3D医学影像分析中，深度神经网络最有效的维度处理方法	CT、MRI和PET/CT等3D医学影像数据	医学影像分析	NA	NA	深度神经网络	3D医学影像	基于31项比较研究（过去十年发表）	NA	NA	NA	高计算需求（针对3D模型）
2423	2026-01-14	Benchmarking co-folding methods to predict the structures of covalent protein-ligand complexes 2026-Jan-12, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01721-5 PMID:41526649	研究论文	本文介绍了CoFD-Bench基准数据集，用于系统评估经典对接方法和深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能	首次引入包含218个新解析共价复合物的综合基准数据集，系统比较了经典对接与深度学习共折叠方法，并发现AF3可通过非共价共折叠识别天然共价残基	共折叠方法对新口袋-配体对的性能显著下降，且计算效率较低，不适合大规模预测；经典对接方法受限于目标构象，性能有限	评估共折叠方法预测共价蛋白质-配体复合物结构的性能，为靶向共价抑制剂设计提供基准	共价蛋白质-配体复合物	计算生物学	NA	共价对接，共折叠建模	深度学习模型	蛋白质结构数据	218个新解析的共价复合物	NA	AlphaFold3, Chai-1, Boltz-1x	配体RMSD, 蛋白质-配体相互作用恢复率	NA
2424	2026-01-14	DeBCR: a sparsity-efficient framework for image enhancement through a deep-learning-based solution to inverse problems 2026-Jan-12, Communications engineering DOI:10.1038/s44172-025-00582-4 PMID:41526706	研究论文	本文提出了一种名为DeBCR的稀疏高效神经网络框架，用于解决成像中的逆问题，以增强显微镜图像质量	DeBCR通过稀疏高效的神经网络架构，在减少参数量的同时，在多种显微镜模态的降噪和解卷积任务中表现出更稳健的性能	NA	开发一个深度学习解决方案，用于增强显微镜图像，以促进生物学发现	显微镜图像数据	计算机视觉	NA	深度学习	神经网络	图像	四个公开可用的数据集，涵盖先进光学显微镜的关键模态	Python	NA	降噪和解卷积任务的性能评估	NA
2425	2026-01-14	MRI-based deep learning and radiomics for severity classification of pediatric venous malformations 2026-Jan-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02161-1 PMID:41526842	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2426	2026-01-14	Crop phenotype prediction using SNP context and whole-genome feature embedding based on DNABERT-2 2026-Jan-12, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01492-4 PMID:41527074	研究论文	本研究提出基于DNABERT-2的两种特征嵌入方法（SNP上下文和全基因组），用于作物表型预测，以克服传统基因组预测方法的局限性	利用DNABERT-2跨物种基因组基础模型，通过自注意力机制和迁移学习自动识别保守序列特征，无需先验生物学假设，并引入SNP上下文和全基因组两种特征嵌入模式	未明确说明模型在跨物种或不同环境条件下的泛化能力，以及计算资源需求的具体细节	开发基于深度学习的基因组特征嵌入方法，以提高作物表型预测的准确性，加速优良作物品种的育种进程	三种作物数据集（水稻413、水稻395和玉米301）的基因组序列和表型数据	机器学习	NA	基因组测序，特征嵌入，主成分分析（PCA），偏最小二乘（PLS）	DNABERT-2	基因组序列数据	三个作物数据集，具体为水稻413、水稻395和玉米301，但未提供总样本数	NA	DNABERT-2	准确性，平均绝对误差（MAE）	NA
2427	2026-01-14	Integrating deep learning-based surrogate modeling into urban forest allocation optimization for maximizing carbon sequestration 2026-Jan-11, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128535 PMID:41525754	研究论文	本研究提出了一个集成深度学习代理模型和遗传算法的优化框架，用于优化城市造林策略以最大化碳封存	将基于深度学习的代理模型（ANN）与遗传算法（GA）集成到一个优化框架中，用于考虑空间异质性和生态连通性来优化城市造林分配	研究基于特定城市（韩国水原）的数据，其结论可能受当地地形、气候和土地利用特征的影响，普适性有待验证；优化框架的复杂性可能限制其在资源有限地区的实际应用	优化城市造林的空间分配，以最大化净初级生产力（NPP），从而增强碳封存能力以应对气候变化	城市区域（以韩国水原为例）的造林地块	机器学习	NA	深度学习代理建模，空间优化	ANN, GA	地形、气候、土地利用和景观变量数据	NA	NA	人工神经网络	R（决定系数）	NA
2428	2026-01-14	Targeting mitochondrial complexes for cancer therapy 2026-Jan-10, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2026.117695 PMID:41525932	综述	本文综述了靶向线粒体电子传递链复合物I-IV作为癌症治疗策略的研究进展，涵盖计算模拟、体外和体内研究发现，并探讨了人工智能和深度学习在加速药物发现中的应用	系统整合了靶向ETC复合物的传统抑制策略与新兴的AI驱动药物发现方法，并提出了在精准医学框架下的实施路径	作为综述文章，未报告原始实验数据，主要依赖现有文献的归纳总结	为开发靶向线粒体电子传递链复合物的新型抗癌药物和治疗策略提供指导	线粒体电子传递链复合物I-IV及其在癌细胞中的功能	计算生物学与药物发现	癌症	光动力疗法（PDT）、深度学习、人工智能纳米技术	深度学习模型	计算模拟数据、体外实验数据、体内实验数据	NA	NA	NA	NA	NA
2429	2026-01-14	External validation of an explainable electrocardiogram-only deep learning algorithm for prediction of response after cardiac resynchronization therapy 2026-Jan-10, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.01.014 PMID:41525968	研究论文	本研究外部验证了一种基于可解释深度学习的心电图算法（FactorECG），用于预测心脏再同步化治疗后的无反应情况	首次在外部队列中验证了仅基于心电图的深度学习算法预测CRT无反应的能力，并探索了结合机械不同步指标的价值	外部验证队列样本量较小（161例），且仅评估了容积无反应，未涵盖临床不良结局	外部验证可解释深度学习算法预测心脏再同步化治疗反应性	心脏再同步化治疗患者	机器学习	心血管疾病	心电图分析	深度学习	心电图信号	外部验证队列：161例CRT患者；原始训练数据：超过100万次ECG中位搏动	NA	FactorECG	c-statistic	NA
2430	2026-01-14	Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods 2026-Jan-09, RNA (New York, N.Y.) DOI:10.1261/rna.080846.125 PMID:41513406	观点文章	本文探讨了深度学习在RNA二级结构预测中的应用，评估了方法的泛化能力，并讨论了如何扩展传统方法的范围	提出了一个新的基准数据集来评估RNA结构预测方法的泛化能力，并讨论了深度学习在预测结构探测数据方面的应用及其泛化挑战	已知RNA结构的多样性和数量有限，这限制了深度学习模型预测与训练数据显著不同结构的能力，即泛化差距问题	评估深度学习在RNA二级结构预测中的泛化能力，并探索如何扩展传统方法的范围	RNA二级结构预测方法，特别是深度学习模型	机器学习	NA	RNA二级结构预测，结构探测数据预测	深度学习模型	RNA结构数据，结构探测数据	从蛋白质数据库（PDB）中整理的结构化RNA基准数据集	NA	NA	泛化能力评估	NA
2431	2026-01-14	Predicting Cerebral Aneurysm Recurrence after Coil Embolization: A Novel Deep Learning Approach Using Time-of-flight Magnetic Resonance Angiography 2026-Jan-09, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2025-0288 PMID:41526250	研究论文	本研究提出了一种结合机器学习和深度学习技术的新方法，利用时间飞跃磁共振血管造影来预测脑动脉瘤弹簧圈栓塞术后的复发	首次将临床数据与3D重建的TOF-MRA影像数据结合，构建了融合深度学习模型，并比较了仅使用术前影像与结合术前术后影像两种版本的预测性能	研究为回顾性多中心分析，样本量相对有限（154例患者），且仅针对未破裂脑动脉瘤	预测脑动脉瘤在弹簧圈栓塞术后的复发风险	接受弹簧圈栓塞治疗的未破裂脑动脉瘤患者	数字病理学	心血管疾病	时间飞跃磁共振血管造影	逻辑回归, 神经网络, 深度学习	影像数据, 临床数据	154例患者（其中46例复发）	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
2432	2026-01-14	VISTA uncovers missing gene expression and spatial-induced information for spatial transcriptomic data analysis 2026-Jan-08, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09479-6 PMID:41507434	研究论文	本文提出了一种名为VISTA的模型，用于预测亚细胞空间转录组学数据中未测量的基因表达，通过整合单细胞RNA-seq和空间转录组数据	VISTA通过变分推理和几何深度学习结合不确定性量化，首次实现了在空间转录组数据中准确预测未测量基因表达，并支持多种下游分析	未在摘要中明确提及	克服空间转录组数据基因覆盖有限的问题，提升空间转录组数据的解释性和应用价值	亚细胞空间转录组学数据和单细胞RNA-seq数据	空间转录组学	NA	单细胞RNA-seq, 亚细胞空间转录组学	几何深度学习	基因表达数据, 空间数据	四个数据集	NA	NA	插补准确性, 可扩展性, 效率	NA
2433	2026-01-14	Robust mitochondria segmentation and morphological profiling using soft X-ray tomography 2026-Jan-08, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108291 PMID:41519210	研究论文	本文提出了一种名为MitoXRNet的数据和参数高效的3D深度学习模型，用于软X射线断层扫描图像中的线粒体和细胞核分割，并应用于量化分析线粒体形态变化	开发了MitoXRNet模型，结合多轴3D切片、基于Sobel滤波器的边界增强以及二元交叉熵与鲁棒Dice损失函数，在参数较少的情况下实现了高效的线粒体分割，并成功应用于代谢刺激下线粒体重塑的定量分析	未明确提及具体局限性，但可能包括模型在更广泛细胞类型或成像条件下的泛化能力需进一步验证	开发高效工具以大规模量化线粒体形态，支持细胞功能研究	INS-1E细胞中的线粒体和细胞核	计算机视觉	NA	软X射线断层扫描	深度学习模型	3D图像	未明确指定样本数量，但基于INS-1E细胞数据	未明确指定，可能为PyTorch或TensorFlow	MitoXRNet	Dice分数	未明确指定
2434	2026-01-14	A visual exploration of the evolutionary trajectory in robotic surgery for gastrointestinal malignancies 2026-Jan-05, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-03106-6 PMID:41486325	研究论文	本研究采用文献计量和可视化方法，绘制了胃肠道恶性肿瘤机器人手术领域的知识结构、演变轨迹、研究热点和新兴趋势	通过可视化分析揭示了该领域从可行性研究向人工智能、深度学习、风险预测和围手术期优化等方向演变的轨迹	研究基于过去十年的文献数据，可能未涵盖最新动态；且仅使用Web of Science数据库，可能存在文献覆盖不全的局限	探索胃肠道恶性肿瘤机器人手术领域的研究结构和发展趋势	胃肠道恶性肿瘤机器人手术相关的研究文献	数字病理学	胃肠道恶性肿瘤	文献计量分析，可视化分析	NA	文本数据（文献元数据）	过去十年Web of Science核心合集中的相关出版物	NA	NA	NA	NA
2435	2026-01-14	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Jan-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	本文介绍了GaitDynamics，一种用于分析人类行走和跑步的生成式基础模型，能够灵活处理输入和输出，并应用于临床场景	开发了一个基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入输出，并能处理缺失数据，相比现有小数据集模型更具优势	未在摘要中明确提及具体限制，但可能涉及模型泛化能力或数据偏差问题	通过深度学习模型分析人类步态动力学，以促进人类活动能力，替代昂贵的实验室实验和物理模拟	人类步态模式，包括运动和力	机器学习	NA	深度学习	生成式基础模型	运动学和力数据	大规模多样化步态数据集	NA	NA	准确性	NA
2436	2026-01-14	Real-Time Fluorescence-Based COVID-19 Diagnosis Using a Lightweight Deep Learning System 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010339 PMID:41516773	研究论文	本研究提出了一种基于荧光图像的轻量级深度学习模型，用于实时COVID-19诊断，并在嵌入式环境中验证了其可行性	采用基于印记的方法计算层重要性并进行剪枝，实现了模型轻量化，在低功耗边缘设备上达到实时诊断性能	未提及模型在更广泛数据集或临床环境中的泛化能力验证	开发适用于嵌入式环境的实时COVID-19诊断系统	荧光图像	计算机视觉	COVID-19	荧光成像	CNN	图像	NA	NA	VGG, ResNet, DenseNet, EfficientNet, VGG13, ResNet152	准确率	NPU(Furiosa AI Warboy)
2437	2026-01-14	Recent Advances in Raman Spectral Classification with Machine Learning 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010341 PMID:41516775	综述	本文综述了机器学习在拉曼光谱分类中的最新进展、应用领域及未来研究方向	系统总结了数据驱动的机器学习和深度学习方法在拉曼光谱分析中的应用，实现了从原始数据自动学习复杂特征并进行高精度分类	训练数据有限、跨数据集泛化能力弱、可重复性差以及深度模型的可解释性有限	回顾机器学习辅助拉曼光谱分类的研究进展、当前趋势和未来方向	拉曼光谱数据	机器学习	NA	拉曼光谱	NA	光谱数据	NA	NA	NA	NA	NA
2438	2026-01-14	Deep Learning 1D-CNN-Based Ground Contact Detection in Sprint Acceleration Using Inertial Measurement Units 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010342 PMID:41516776	研究论文	本研究提出了一种基于一维卷积神经网络的深度学习方法，用于在短跑加速阶段使用惯性测量单元检测地面接触事件和时间	引入了一种优化的1D-CNN模型，在短跑加速阶段实现了近乎完美的地面接触检测，超越了传统的启发式和机器学习方法	研究样本仅包括12名训练有素的短跑运动员，可能限制了模型的泛化能力	提高短跑加速阶段地面接触事件和时间检测的准确性和可靠性	短跑运动员在加速阶段的地面接触事件	机器学习	NA	惯性测量单元数据采集，高速视频同步	CNN	时间序列数据（加速度和角速度）	12名训练有素的短跑运动员，进行了60米短跑测试	NA	1D-CNN，包含18个Inception块	Hausdorff距离，精度，召回率，Rand指数，偏差，一致性界限，相关系数	NA
2439	2026-01-14	Concurrent Incipient Fault Diagnosis in Three-Phase Induction Motors Using Discriminative Band Energy Analysis of AM-Demodulated Vibration Envelopes 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010349 PMID:41516783	研究论文	本文提出了一种基于振动信号的低复杂度滤波算法，用于三相感应电动机中并发初期故障的可靠检测	提出了一种新的判别性频带能量分析算法，该算法无需依赖神经网络或深度学习技术，通过AM解调振动包络增强故障类别间的区分能力，特别适用于处理并发故障产生的重叠特征	未明确提及算法在极端工况或长期运行下的稳定性验证，也未讨论与其他先进方法的直接性能对比	开发一种降低对复杂技术依赖的算法，实现使用低成本传感器可靠检测三相感应电动机中的现实故障	三相感应电动机的轴承和转子部件	机器学习	NA	振动信号分析，AM解调	NA	振动信号	NA	NA	NA	NA	NA
2440	2026-01-14	Role of Imaging Techniques in Ovarian Cancer Diagnosis: Current Approaches and Future Directions 2026-Jan-04, Cancers IF:4.5Q1 DOI:10.3390/cancers18010173 PMID:41514680	综述	本文综述了卵巢癌诊断中当前使用的影像学策略，重点介绍了先进成像技术和新兴人工智能方法的应用与未来方向	总结了对比增强MRI、O-RADS MRI评分系统以及人工智能在卵巢癌影像诊断中的最新进展和潜在应用	大多数人工智能技术尚需进一步的临床验证才能广泛采用	探讨卵巢癌诊断中影像学技术的角色、当前方法及未来发展方向	卵巢肿块，特别是经初步评估后仍不确定的卵巢肿块	数字病理	卵巢癌	经阴道超声、对比增强MRI	机器学习、深度学习	影像数据	NA	NA	NA	诊断准确率（83-93%）、敏感性（93%）、特异性（91%）	NA