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
241	2026-02-07	PAINT: Prior-Aided Alternate Iterative NeTwork for Ultra-Low-Dose CT Imaging Using Diffusion Model-Restored Sinogram 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3599508 PMID:40824975	研究论文	提出一种结合扩散模型与深度学习展开式迭代重建的两阶段框架，用于从极低剂量采样的正弦图中恢复高质量CT图像	提出了一种名为PAINT的两阶段框架，首次将条件扩散模型用于正弦图恢复，并结合展开式迭代重建，通过交替更新欠采样与恢复数据的保真度项来充分利用先验信息	未明确说明计算成本与推理时间，临床数据实验的样本规模未具体说明	实现超低剂量CT成像，以减少重复扫描对患者的辐射风险	CT扫描的正弦图与重建图像	医学影像重建	肺癌	区域少视角扫描	扩散模型, 深度学习展开式迭代网络	正弦图, CT图像	模拟数据实验（112 mm视野），临床数据实验（具体数量未说明）	NA	条件扩散模型, Prior-aided Alternate Iterative NeTwork (PAINT)	CT值准确性, 图像细节保留, 伪影减少, 结构恢复	NA
242	2026-02-07	Secure Tracking of Patient's Vital Signs Using CSI-Based Homomorphic Encryption-Enabled Deep Learning Framework 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3601969 PMID:40844949	研究论文	本文提出了一种结合信道状态信息、同态加密和轻量级深度学习的患者生命体征安全实时监测框架VitalCrypt	首次将同态加密与轻量级深度学习结合用于CSI信号处理，实现加密数据上的直接计算，在保证高精度的同时确保数据全流程机密性	加密数据处理延迟约为明文数据的7倍，存在性能与隐私保护的权衡	开发保护患者隐私的数字医疗系统，实现安全、实时的非侵入式生命体征监测	患者的呼吸率和心率信号	机器学习	NA	信道状态信息（CSI）采集、同态加密	轻量级神经网络	无线信号数据（CSI）	公开数据集（具体数量未说明）	NA	轻量级神经网络（具体架构未说明）	准确率	NA
243	2026-02-07	Integrative Transcriptomic and Bioinformatics Approaches Combined With Transformer Models Identify Key Gene Networks in Atherosclerosis 2026-Jan-31, FASEB journal : official publication of the Federation of American Societies for Experimental Biology IF:4.4Q2 DOI:10.1096/fj.202503988R PMID:41524613	研究论文	本研究通过整合基于Transformer的深度学习与经典生物信息学及实验验证，识别了与人类动脉粥样硬化进展相关的关键基因网络	首次将TabTransformer模型与SHAP分析结合用于动脉粥样硬化基因表达数据，以识别关键基因并验证其生物学意义	研究仅基于一个数据集（GSE100927），样本量相对有限（104个样本），且实验验证仅在体外细胞模型中进行	识别与动脉粥样硬化进展相关的关键转录组介质，并探索其作为生物标志物或治疗靶点的潜力	人类动脉粥样硬化斑块基因表达数据及氧化低密度脂蛋白处理的人脐静脉内皮细胞	生物信息学	心血管疾病	转录组学分析，差异表达分析，网络拓扑分析，通路富集分析，体外细胞实验	Transformer	基因表达数据	104个样本（69个斑块，35个对照）	limma, STRING, Cytoscape	TabTransformer	AUC	NA
244	2026-02-07	Computational methods for signal peptide prediction: From statistical models to deep learning 2026-Jan-31, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108819 PMID:41628812	综述	本文系统总结了信号肽预测的计算方法，从统计模型到深度学习的演进	系统梳理了信号肽预测方法的演进历程，并强调了统一评估、生物学解释和生成建模等未来发展方向	NA	总结和比较信号肽预测的计算方法，推动该领域发展	信号肽（位于蛋白质N端的短氨基酸序列）	生物信息学	NA	NA	深度学习	氨基酸序列数据	NA	NA	NA	预测准确度	NA
245	2026-02-07	Attention-based deep learning for immunoglobulin typing from electrophoresis and laboratory data 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120735 PMID:41297746	研究论文	本研究开发了一种基于注意力的深度学习模型，用于结合血清蛋白电泳图像和实验室数据进行免疫球蛋白分型	首次提出结合Sebia毛细管免疫分型系统图像和临床实验室参数的多模态深度学习模型，并引入注意力机制增强模型可解释性	仅使用单一供应商（Sebia）的电泳系统数据，样本不平衡问题通过混合采样处理但可能仍存在偏差	开发自动化工具以辅助临床医生解释血清蛋白电泳免疫分型结果，减少人工解读的劳动强度和观察者间差异	来自Sebia毛细管免疫分型系统的电泳图像及相关的临床实验室参数（肌酐、钙、乳酸脱氢酶等）	数字病理	NA	毛细管电泳	深度学习	图像, 实验室数据	内部验证集未明确数量，外部验证使用200例独立队列病例	NA	注意力机制	准确率, Cohen's Kappa, F1分数, 召回率	NA
246	2026-02-07	CLM-former for enhancing multi-horizon time series forecasting and load prediction in smart microgrids using a robust transformer-based model 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34870-y PMID:41606036	研究论文	本文提出了一种名为CLM-Former的新型混合深度学习架构，用于增强智能微电网中的多时间尺度时间序列预测和负荷预测	提出了一种结合时间序列分解、基于自相关的注意力机制以及专门设计的CLM-subNet子网络的混合架构，该子网络融合了卷积层和循环层，以同时捕获季节性依赖和高分辨率用电变化	未明确提及	提高智能电网（特别是住宅环境）中多时间尺度负荷预测的准确性和鲁棒性，以支持电网稳定、需求响应和分布式调度	智能电表的真实世界用电数据	机器学习	NA	NA	Transformer, CNN, RNN	时间序列数据	未明确提及具体数量	NA	CLM-Former, Autoformer	未明确提及具体指标	NA
247	2026-02-07	Fault detection and isolation method for gas turbines using self-organizing type-3 fuzzy wavelet neural networks 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31932-z PMID:41593112	研究论文	本文提出了一种用于燃气轮机故障检测与隔离的自组织Type-3模糊小波神经网络方法	引入了钟形Type-3隶属度函数以增强不确定性处理能力，采用混合Adam-无迹卡尔曼滤波器优化器进行快速收敛训练，并嵌入了自适应增长与剪枝规则的自组织机制	未明确说明模型在极端噪声或未知故障类型下的泛化能力，且仅在一个仿真器和一个真实信号数据集上进行了验证	开发一种鲁棒且高效的燃气轮机故障检测与隔离方法	燃气轮机	机器学习	NA	声发射信号分析	自组织Type-3模糊粗糙小波神经网络	仿真数据，声发射信号	基于一个163-MW西门子燃气轮机高保真仿真器（案例1）和真实声发射信号（案例2）	NA	ST3FRWNN	故障检测率，故障隔离率	NA
248	2026-02-07	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Jan-27, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	本研究提出并评估了一种基于ForensicNet的多任务深度学习框架，用于利用巴西5-15岁年轻人群的全景X光片同时估计实际年龄和分类性别	提出了一种基于EfficientNet-B3的多任务深度学习模型，并集成了卷积块注意力模块（CBAM）以同时预测年龄和性别，通过加权多任务损失进行端到端训练，在年龄估计和性别分类任务上均优于基准模型	研究样本仅限于巴西5-15岁的年轻人群，可能限制了模型在其他年龄段或不同种族人群中的泛化能力	开发并评估一个多任务深度学习框架，用于从全景X光片中自动、准确地估计年龄和分类性别，以支持法医和临床应用	巴西5-15岁年轻人群的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2200张高分辨率全景X光片，按年龄和性别平衡，随机分为训练集（1320张）、验证集（440张）和测试集（440张）	PyTorch, TensorFlow	EfficientNet-B3, ForensicNet	平均绝对误差, 决定系数, 准确率, AUC	NA
249	2026-02-07	Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation 2026-Jan-27, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150581 PMID:41611152	研究论文	本文提出了一种结合深度学习和虚拟筛选的集成框架，用于发现IL23/IL23R大分子抑制剂，并通过实验验证其机制	采用基于顺序附着的片段嵌入（SAFE）深度生成模型设计新型p19靶向支架，结合虚拟筛选和分子动力学模拟，揭示了抑制剂通过多模态接触诱导受体刚性化和变构稳定的新机制	仅对31个候选化合物进行了细胞筛选，样本规模有限；未在动物模型中进行体内验证	发现和表征靶向IL23/IL23R蛋白-蛋白相互作用的抑制剂，用于治疗慢性炎症性疾病	IL23(p19)蛋白及其受体IL23R的相互作用界面	机器学习	银屑病	虚拟筛选，分子动力学模拟，细胞报告基因检测	深度生成模型	化学结构数据，分子动力学轨迹数据	31个候选化合物在HEK-Blue IL23报告细胞中进行筛选	NA	SAFE（Sequential Attachment-based Fragment Embedding）	RMSD（均方根偏差）	NA
250	2026-02-07	EDEN: multiscale expected density of nucleotide encoding for enhanced DNA sequence classification with hybrid deep learning 2026-Jan-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06367-6 PMID:41580658	研究论文	本文提出了一种名为EDEN的多尺度核苷酸编码框架，用于增强DNA序列分类，并结合混合深度学习架构	引入基于核密度估计的统一多尺度编码框架EDEN，能同时捕获局部和长程依赖关系，并整合到混合深度学习中，参数效率高	NA	提高DNA序列分类的准确性，以理解基因调控、疾病机制和转化基因组学	DNA序列	机器学习	NA	核密度估计	混合深度学习	DNA序列	NA	NA	NA	NA	NA
251	2026-02-07	UniCAS: A foundation model for cervical cytology screening 2026-Jan-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102570 PMID:41564861	研究论文	本文提出了一种用于宫颈细胞学筛查的基础模型UniCAS，该模型在多种临床分析任务中实现了最先进的性能	提出了首个针对宫颈细胞学的大规模基础模型，能够统一处理切片级诊断、区域级分析和像素级图像增强等多种任务，解决了现有方法工作流程碎片化的问题	未明确说明模型在外部验证集上的泛化性能，也未详细讨论模型对不同染色方案或扫描仪差异的鲁棒性	开发一个统一的基础模型，以实现宫颈细胞学的高效多尺度自动化分析	宫颈细胞学全切片图像	数字病理学	宫颈癌	全切片图像分析	基础模型	图像	48,532张宫颈全切片图像，涵盖多样化的患者人口统计学特征和病理状况	NA	UniCAS	AUC	NA
252	2026-02-07	Cha-PO and CVNet: a hybrid approach for automated cataract detection using adaptive feature selection and deep learning for high accuracy and efficiency 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34889-1 PMID:41559203	研究论文	本文提出了一种结合混沌自适应杨树-细菌优化（Cha-PO）和Cataract VisionNet（CVNet）的混合方法，用于自动化白内障检测，旨在提高诊断准确性和操作效率	提出Cha-PO优化算法进行特征选择以降低图像维度并保留关键诊断数据，结合CVNet深度学习模型通过优化网络参数提升分类性能，实现了高准确率和低计算资源需求	研究仅使用单一Kaggle数据集进行验证，可能缺乏数据多样性和泛化能力测试，且未提及模型在其他医疗图像数据集上的表现	开发一种自动化白内障检测方法，以克服现有模型在计算复杂度、特征冗余和精度不足方面的挑战	眼底图像中的白内障病变	计算机视觉	白内障	图像处理、特征提取、深度学习分类	深度学习模型	图像	使用Eye Cataract Kaggle数据集，具体样本数量未明确说明	未明确指定，但涉及深度学习框架	CVNet（自定义深度学习架构）	准确率、精确率、召回率、F1分数	执行时间为99秒，计算资源需求较低，但未具体说明硬件配置（如GPU类型或云平台）
253	2026-02-07	UroFusion-X: a unified multimodal deep learning framework for robust diagnosis, subtyping, and prognosis of urological cancers 2026-Jan-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02295-6 PMID:41554842	研究论文	本文提出了UroFusion-X，一个统一的多模态深度学习框架，用于泌尿系统癌症的稳健诊断、亚型分类和预后预测	提出了一种统一的多模态框架，整合了跨模态共注意力机制、门控专家乘积融合策略、解剖-病理一致性约束和患者级对比学习，增强了模型的鲁棒性、可解释性和泛化能力	未明确提及具体的数据集大小或潜在的模型计算复杂度限制	开发一个统一的多模态深度学习框架，以整合多源临床数据，提高泌尿系统癌症诊断、亚型分类和预后预测的准确性和一致性	膀胱癌、肾癌和前列腺癌患者	数字病理学	泌尿系统癌症	多模态数据整合（包括影像学、病理学、组学数据和实验室检测）	深度学习	多模态数据（包括3D影像、病理图像、组学数据、实验室和临床变量）	多中心真实世界队列，包含外部验证和留一中心测试	NA	3D影像编码器、病理学多实例学习、组学图网络、TabTransformer、DeepSurv、DeepHit	预测性能、临床净收益	NA
254	2026-02-07	Prediction of left ventricular systolic dysfunction in left bundle branch block using a fine-tuned ECG foundation model 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34911-6 PMID:41545539	研究论文	本研究提出了一种基于微调心电图基础模型的创新方法，用于在左束支传导阻滞患者中预测左心室收缩功能障碍	首次将微调后的心电图基础模型应用于左束支传导阻滞患者的左心室收缩功能障碍检测，并证明其优于传统的深度学习方法	研究为回顾性多中心分析，可能受到数据选择和可用性的限制	提高左束支传导阻滞患者左心室收缩功能障碍的早期检测能力	左束支传导阻滞患者	机器学习	心血管疾病	心电图	基础模型, FCN, LSTM-FCN, ResNet, InceptionTime	心电图信号	来自892名患者的2,031对心电图-超声心动图数据集	NA	基础模型, FCN, LSTM-FCN, ResNet, InceptionTime	准确率, 敏感度, AUROC	NA
255	2026-02-07	Secure multi-party test case data generation through generative adversarial networks 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35773-2 PMID:41526446	研究论文	提出一种基于生成对抗网络的联邦学习方法，用于在保护数据隐私的前提下生成高质量、多样化的测试用例数据	首次将生成对抗网络应用于联邦环境下的测试用例数据生成，结合协议语法深度学习框架与编码器-解码器机制，实现隐私保护的分布式数据合成	未明确说明联邦参与方的数量上限、异构数据分布的极端情况处理以及生成数据的实时性验证	解决联邦环境中测试用例数据生成的隐私保护与数据共享难题	分布式软件测试用例数据	机器学习	NA	生成对抗网络	GAN	文本数据（测试用例）	NA	NA	编码器-解码器架构，GAN	覆盖率，有效性	NA
256	2026-01-14	High-accuracy brain tumor detection method based on deep learning 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35783-0 PMID:41526535	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
257	2026-02-07	Voice-controlled autonomous navigation for smart wheelchairs using ROS-based SLAM 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34814-6 PMID:41530240	研究论文	本文提出了一种基于ROS SLAM的语音控制智能轮椅系统，通过集成优化的语音识别、实时导航框架和安全模块，提升了在动态室内环境中的自主移动能力	1) 采用在轻度言语障碍用户自定义数据集上微调的深度学习模型，提升语音识别鲁棒性；2) 构建系统级导航框架，集成GMapping SLAM、AMCL定位和双层语音接口；3) 引入量化参数化安全模块，包含自适应速度调节和实验校准的紧急停止阈值	研究主要针对室内环境，未涉及复杂户外场景；系统在极高噪声环境（>75 dB）下的性能未充分验证；成本效益分析相对有限	开发一种低成本、实验验证的辅助移动平台，强调包容性语音交互、鲁棒实时导航和安全感知行为	智能轮椅系统，面向严重运动障碍个体	机器人学，自主导航	运动障碍	语音识别，SLAM（同步定位与地图构建），LiDAR传感	深度学习模型（具体架构未明确说明）	语音数据，LiDAR点云数据，传感器融合数据	包含轻度言语障碍用户录音的自定义数据集（具体样本数未说明）	ROS（机器人操作系统）	GMapping（SLAM算法），AMCL（自适应蒙特卡洛定位）	词错误率，平均定位误差，目标完成率，端到端语音到运动延迟	NA
258	2026-02-07	From data to decisions: the use of explainable AI to forecast soybean yield in major producing countries 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35716-x PMID:41530297	研究论文	本研究提出XAI-Crop框架，利用多源数据评估和比较了可解释深度学习模型KAN与MLP、RF模型在大豆产量预测中的性能差异	首次将可解释AI模型KAN应用于多国大豆产量预测，并系统评估其在平衡预测准确性与可解释性方面的能力	研究主要针对大豆作物，且在小样本设置下进行，模型在其他作物和大样本场景下的适用性有待进一步验证	评估可解释AI模型在作物产量预测中平衡预测准确性与可解释性的能力，推动其在农业决策支持系统中的应用	主要大豆生产国的大豆产量	机器学习	NA	多源数据融合	KAN, MLP, RF	多源数据（包括太阳诱导叶绿素荧光等）	小样本设置	NA	Kolmogorov-Arnold Networks, Multilayer Perceptron, Random Forest	预测准确性, 泛化能力	NA
259	2026-02-07	An AI-based algorithm for analyzing physical activity and health-related fitness in youth 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35514-5 PMID:41530524	研究论文	本研究应用机器学习和深度学习方法，基于2018至2022年小学体能测试数据，开发自动分类和性能预测模型，以分析青少年体育活动与健康相关体能	结合CNN特征矩阵和LSTM连续时间序列信息，构建CNN-LSTM神经网络进行性能预测，为中小学体能测试管理提供新方法	研究仅基于过去五年小学数据，未涵盖更广泛年龄段或长期跟踪数据，且未详细讨论模型泛化能力	通过数据分析和预测模型，为中小学体能测试结果的管理与评估提供科学方法，辅助教师制定合理教学计划	2018至2022年小学学生的体能测试数据	机器学习	NA	NA	BP神经网络, CNN-LSTM神经网络	体能测试数据	2018至2022年五年间的小学体能测试数据	NA	BP神经网络, CNN-LSTM神经网络	分类性能（98.448%）	NA
260	2026-02-07	A multi-branch network for cooperative spectrum sensing via attention-based and CNN feature fusion 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36031-1 PMID:41530621	研究论文	本文提出了一种名为ATC的新型深度学习架构，通过融合注意力机制网络和卷积神经网络，用于认知无线电系统中的协作频谱感知，以提高频谱状态检测的准确性	ATC模型首次将图注意力网络、卷积神经网络和Transformer编码器并行集成，以同时捕获频谱信号的时空特征和复杂拓扑结构，从而在多主用户场景下提升检测性能	在真实世界数据评估中，由于实际数据收集限制，实验仅配置为单主用户场景，未能全面验证多主用户环境下的性能	提高认知无线电系统中频谱空洞检测的准确性和鲁棒性，以优化频谱利用率	认知无线电系统中的频谱感知信号，包括模拟和真实世界数据集	机器学习	NA	NA	GAT, CNN, Transformer	图结构数据（来自接收信号强度）、样本协方差矩阵（作为图像处理）	NA	NA	图注意力网络, 卷积神经网络, Transformer编码器	准确性, 鲁棒性	NA