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
2641	2026-01-13	The 100-protein NMR spectra dataset: A resource for biomolecular NMR data analysis 2024-01-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02879-5 PMID:38177162	研究论文	本文介绍了100-蛋白质NMR光谱数据集，这是一个包含1329个多维NMR光谱及相关注释的标准化资源，旨在促进生物分子NMR数据分析方法的发展	首次公开了一个标准化的多维NMR光谱数据集，允许从原始实验数据重现100个蛋白质结构，解决了NMR原始数据缺乏公开存档的问题	数据集仅包含100个蛋白质，可能无法覆盖所有蛋白质类型或NMR实验条件，且依赖于特定方法（ARTINA）的原始开发背景	促进生物分子NMR光谱的计算方法开发，特别是机器学习方法，并实现方法间的一致性和客观比较	蛋白质的NMR光谱数据	生物信息学	NA	NMR光谱学	深度学习	NMR光谱	100个蛋白质的1329个2-4维NMR光谱	NA	ARTINA	NA	NA
2642	2026-01-13	An annotated wing interferential pattern dataset of dipteran insects of medical interest for deep learning 2024-01-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02848-y PMID:38168517	研究论文	本研究介绍了一个用于训练和评估基于翅干涉模式识别医学和兽医学重要双翅目昆虫的数据集	创建了一个包含多种双翅目昆虫翅干涉模式图像的新数据集，并整合了先前发布的数据集，以支持计算机视觉识别系统的开发	数据集仅覆盖18个属，每个属的物种数量和样本量存在差异，可能影响模型的泛化能力	开发一个基于计算机视觉的系统，利用翅干涉模式快速识别医学和兽医学重要的双翅目昆虫	双翅目昆虫，包括蚊科、丽蝇科、蝇科、虻科、蠓科和毛蠓科等	计算机视觉	NA	翅干涉模式成像	NA	图像	2,399张图片，覆盖18个属，部分属样本量达300个	NA	NA	NA	NA
2643	2026-01-13	Generation of skin tone and pigmented region-modified images using a pigment discrimination model trained with an optical approach 2023-Oct, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13486 PMID:37881042	研究论文	本文提出了一种结合光学方法和深度学习生成可数值控制的肤色和色素区域修改图像的方法	提出了一种混合技术，整合光学方法与深度学习，实现对肤色和色素区域修改图像的精确数值控制，并验证了独立调整色素的能力	未明确说明方法在处理复杂皮肤条件或大规模数据集时的泛化能力	开发一种能够模拟多样化色素条件并生成修改图像的技术，以扩展皮肤分析的应用范围	皮肤图像中的肤色和色素区域，特别是与黑色素和血红蛋白相关的部分	计算机视觉	NA	光学方法结合深度学习	深度学习模型	图像	NA	NA	NA	相关系数, ITA, 黑色素指数, 红斑指数	NA
2644	2026-01-12	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2026-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	提出一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的脑电信号特征，增强关键通道特征并抑制噪声，同时精确定位与情感相关的关键区域	仅在DEAP和SEED两个公开数据集上进行了验证，未在更多样化的数据集或实际应用场景中测试	提高脑电信号情感识别的准确性和特征判别能力	脑电信号	机器学习	NA	脑电信号采集	CNN	脑电信号	DEAP和SEED数据集	NA	多尺度卷积神经网络, 通道注意力, 空间注意力	准确率	NA
2645	2026-01-12	Hybrid TCN-BiGRU model for accurate air quality index prediction 2026-Feb-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127577 PMID:41443548	研究论文	提出一种结合TCN和BiGRU的混合深度学习模型，用于准确预测空气质量指数	通过级联架构与残差连接整合TCN和BiGRU，利用TCN提取多尺度时间特征，BiGRU双向处理特征以捕获上下文依赖	跨年度验证显示性能下降8.3%，跨城市迁移学习仅能达到完全本地训练性能的74.2-82.7%	空气质量指数预测，用于污染控制和公共健康保护	北京、广州、上海等城市的空气质量数据	机器学习	NA	深度学习	TCN, BiGRU	时间序列数据	北京（2022年和2023年）、广州（2023年）、上海（2023年）的数据集，涵盖16个季节-区域场景	NA	TCN-BiGRU混合架构	RMSE, R值	NA
2646	2026-01-12	Possibilities and limitations of artificial intelligence in food-derived peptides 2026-Feb, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70099 PMID:40751946	综述	本文综述了人工智能在食品源肽研究中的应用、挑战与未来前景	深入探讨了AI与食品源肽研究的深度融合，提出了标准化多维数据库、计算可视化框架及跨学科策略等创新方向	面临数据集完整性不足、模型架构优化困难、可解释性受限、实验验证需求高以及蛋白质结构预测中的维度诅咒和局部最优等挑战	评估人工智能在食品源肽研究中的传统方法应用、当前局限性与未来发展机遇	食品源肽	机器学习	NA	NA	随机森林, 卷积神经网络	NA	NA	NA	NA	NA	NA
2647	2026-01-12	Detection of kochia [Bassia scoparia (L.) A.J. Scott] and waterhemp [Amaranthus tuberculatus (Moq.) J.D. Sauer] in sugarbeet field using hyperspectral imaging and deep learning technologies 2026-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.70319 PMID:41147806	研究论文	本研究开发了一种基于高光谱成像和深度学习技术的模型，用于在田间条件下区分甜菜田中的杂草科氏藜和水苋菜	提出了一种结合光谱和空间特征的注意力增强卷积神经网络（AE-CNN），在杂草早期识别中实现了高达99.99%的分类准确率	研究仅针对两种特定杂草（科氏藜和水苋菜）与甜菜作物，未涉及其他杂草或作物种类，且模型性能依赖于高光谱成像数据，可能受田间环境条件影响	开发并评估一种能够准确区分甜菜田中入侵杂草与作物的高光谱成像深度学习模型，以支持精准农业中的定点杂草管理	甜菜田中的杂草科氏藜和水苋菜，以及甜菜作物本身	计算机视觉	NA	高光谱成像	CNN, SVM	图像	NA	NA	注意力增强卷积神经网络（AE-CNN）	准确率, 精确率, 召回率, F1分数	NA
2648	2026-01-12	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2026-Feb, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文是一篇关于深度学习在牙科成像中合成数据应用及挑战的叙述性综述	聚焦于使用合成数据作为解决牙科成像中数据隐私、类别不平衡和数据稀缺性挑战的潜在方案，并涵盖了技术、临床和伦理/监管多方面	牙科图像合成的研究仍然稀缺，缺乏关于使用合成图像进行数据增强影响的全面证据，关键挑战包括确保解剖学保真度和最小化伪影	探讨合成数据在牙科人工智能中克服数据稀缺和类别不平衡的潜力，以开发更稳健和可泛化的AI模型	牙科成像领域，特别是完全合成图像生成的研究	计算机视觉	NA	合成图像生成	GAN, VAE, DDPM	图像	NA	NA	生成对抗网络, 变分自编码器, 去噪扩散概率模型	NA	NA
2649	2026-01-12	Factors associated with rapid spinal radiographic progression in patients with axial spondyloarthritis: A hospital-based retrospective cohort study with mSASSS scoring using deep learning model 2026-Feb, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2025.152888 PMID:41418417	研究论文	本研究利用深度学习模型辅助mSASSS评分，通过回顾性队列分析，识别了中轴型脊柱关节炎患者脊柱影像快速进展的相关因素和保护因素	首次将深度学习模型应用于mSASSS评分，以自动化、客观的方式评估脊柱影像进展，并结合时间依赖性广义估计方程分析相关因素	研究为单中心回顾性队列设计，样本量有限（242名患者），可能存在选择偏倚，且深度学习模型的泛化能力未在外部数据集中验证	识别中轴型脊柱关节炎患者脊柱影像快速进展的相关和保护因素	中轴型脊柱关节炎患者	数字病理学	中轴型脊柱关节炎	脊柱侧位X光摄影，深度学习模型	深度学习模型	影像（脊柱X光片）	242名患者，共379个观察间隔	NA	NA	调整后比值比，95%置信区间	NA
2650	2026-01-12	Deep transfer learning for comprehensive diagnosis of cotton leaf pathologies 2026-Feb, Microbial pathogenesis IF:3.3Q2 DOI:10.1016/j.micpath.2025.108257 PMID:41422871	研究论文	本研究通过深度学习和图像处理技术，建立了一种自动诊断棉花叶部病害的方法	结合多种深度学习架构（如CNN、InceptionV3、ResNet50、VGG16、VGG19、Xception）进行棉花叶部病害诊断，并探索了ResNet50、RegNet、EfficientNetB和Vision Transformers等先进技术以提升模型性能	未明确提及具体局限性，但后续研究旨在通过集成更先进技术进一步提高模型的精度和效率	开发一种可靠且精确的自动化工具，用于预测和诊断棉花叶部病害，以支持精准农业	棉花叶部病害，特别是叶枯病，以及健康叶片	计算机视觉	棉花叶部病害	图像处理	CNN	图像	超过4200张图像，包括约3000张棉花叶枯病图像和1200张健康叶片图像	NA	Convolutional Neural Network, InceptionV3, ResNet50, VGG16, VGG19, Xception	验证准确率	NA
2651	2026-01-12	Deep learning-enabled high-performance multiphoton fluorescence vascular imaging using clinically approved fluorescent probes 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114141 PMID:41509928	研究论文	本文提出了一种基于深度学习的方法，利用临床批准的荧光探针实现高性能多光子荧光血管成像	开发了一种深度学习模型，能够将临床批准的荧光探针（如ICG）用于高性能多光子荧光成像，解决了传统探针不适用于MPFI的问题	方法依赖于先前报道的MPFI图像进行训练，且新型定制探针的生物安全性尚未完全验证	提高多光子荧光成像（MPFI）的实用性和临床适用性	大脑微血管系统，特别是海马区域的血管	计算机视觉	NA	多光子荧光成像（MPFI）	深度学习	图像	NA	NA	NA	NA	NA
2652	2026-01-12	Harnessing Artificial Intelligence for Genomic Variant Prediction: Advances, Challenges, and Future Directions 2026-Jan-10, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag004 PMID:41518203	综述	本文综述了人工智能在基因组变异预测领域的应用进展、挑战与未来方向	系统评估了从传统规则系统到现代机器学习、深度学习和蛋白质语言模型的演变，并针对变异分类中的关键挑战提出了增强预测器选择、多组学数据整合和优化计算流程的策略	面临数据异质性、模型可解释性以及意义未明变异持续存在等关键障碍，需要可解释AI框架和更具包容性的基因组数据库	提升基因组变异解释的准确性，以促进疾病研究和靶向治疗开发，最终推动个性化医疗发展	基因组变异及其预测方法	机器学习	NA	多组学数据整合	机器学习, 深度学习, 蛋白质语言模型	多模态基因组数据	NA	NA	NA	NA	NA
2653	2026-01-12	A Novel Acetylcholine Nanosensor for Single Vesicle Storage and Sub-Quantal Exocytosis in Living Neurons and Organoids 2026-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520854 PMID:41518282	研究论文	本文开发了一种基于TiCT MXene/酶功能化的纳米传感器，用于实时监测活体神经元和类器官中单个囊泡的乙酰胆碱存储和释放动态	开发了一种新型纳米传感器，首次实现了在单细胞水平对单个囊泡存储和亚量子释放动力学的原位定量化学分析	NA	研究胆碱能突触可塑性在生理和病理状态下的机制，特别是单个囊泡的存储和释放动力学	原代胆碱能神经元、人类脊髓类器官以及唐氏综合征模型	生物传感与神经科学	唐氏综合征	纳米传感器技术、酶功能化、实时监测	1D-CNN	信号峰值形状数据	NA	NA	一维卷积神经网络	NA	NA
2654	2026-01-12	Bayesian neural networks for genomic prediction: uncertainty quantification and SNP interpretation with SHAP and GWAS 2026-Jan-10, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05127-z PMID:41518523	研究论文	本研究提出了一个结合LASSO正则化的贝叶斯神经网络框架及GSMeSP可解释性工具，用于实现准确、不确定性感知且具有生物学可解释性的基因组预测	开发了结合LASSO正则化的贝叶斯神经网络框架，提供不确定性量化，并创新性地整合SHAP与GWAS信号，提出GSMeSP工具以从统计和生物学角度优先识别性状相关SNP	研究主要针对陆地棉的纤维相关性状，尚未在其他作物或性状中广泛验证，且模型复杂度可能较高	提高基因组预测的准确性、不确定性量化及模型可解释性，以加速作物育种中的基因组选择	1385份陆地棉种质资源，基因型数据包含超过12,000个SNP，针对多个纤维相关性状	机器学习	NA	基因组预测，全基因组关联研究	贝叶斯神经网络	基因型数据（SNP）	1385份陆地棉种质资源	NA	贝叶斯神经网络	预测准确性	NA
2655	2026-01-12	Very-large-scale mimetic optogenetic synapses for physical reservoir computing 2026-Jan-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-68229-8 PMID:41519787	研究论文	本研究提出了一种利用自组织亚毫米级二硫化钨纳米管簇作为三维超大规模物理储层进行计算的方法，以应对深度学习扩展定律带来的效率和可持续性挑战	开发了与果蝇大脑突触数量和密度相匹配的超大规模物理储层，并集成了光敏模拟突触连接以模拟体内生物系统的光遗传学调制	NA	为下一代节能人工智能设计先进计算架构	自组织二硫化钨纳米管簇作为物理储层	机器学习	NA	物理储层计算	物理储层计算模型	语音、图像、医学图像等多模态数据	NA	NA	三维超大规模物理储层	NA	NA
2656	2026-01-12	Non-destructive detection of micro-impurities in tea using the YOLOv11-PFT model 2026-Jan-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00702-6 PMID:41519826	研究论文	本文提出了一种基于改进YOLOv11的深度学习模型YOLOv11-PFT，用于茶叶中微观杂质的无损检测	在YOLOv11基础上集成了Powerful-IoU损失函数、FasterNet模块和Triple Attention模块，提升了检测精度、减小了模型尺寸并改进了特征提取能力	未提及模型在其他食品或杂质类型上的泛化能力，也未说明训练数据的具体来源和多样性	开发一种高效、轻量化的深度学习模型，用于检测茶叶生产加工过程中的微观污染物	茶叶中的微观杂质（如生产、加工和包装过程中引入的不可见污染物）	计算机视觉	NA	深度学习图像检测	CNN	图像	NA	NA	YOLOv11, FasterNet, Triple Attention	准确率, 精确率, 召回率, F1分数, mAP, GFLOPs, 推理速度(FPS), 模型大小	NA
2657	2026-01-12	High-throughput spheroid-based assay for functional breast cancer precision medicine facilitated by deep learning 2026-Jan-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01359-8 PMID:41519924	研究论文	本研究开发了一种基于深度学习的高通量球体检测方法，用于预测乳腺癌对靶向治疗的反应	结合深度学习自动分割球体，实现高通量功能检测，以区分对顺铂和奥拉帕尼敏感与耐药的肿瘤	研究基于患者来源的异种移植模型，可能不完全反映人体内肿瘤的复杂性	开发功能检测方法以预测乳腺癌个性化治疗的最佳方案	乳腺癌患者来源的异种移植模型，特别是三阴性乳腺癌	数字病理学	乳腺癌	高通量球体检测，深度学习分割	深度学习模型	图像数据（球体图像）	患者来源的乳腺癌异种移植模型（敏感和耐药类型）	NA	NA	响应与非响应球体百分比预测	NA
2658	2026-01-12	Survival prediction and risk stratification in R0-resected ovarian cancer: a multi-modal deep learning approach 2026-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01263-3 PMID:41520012	研究论文	本研究提出了一种名为OvcaSurvivor的多模态深度学习框架，用于预测R0切除卵巢癌患者的生存期并进行风险分层	开发了首个整合全切片图像、超声图像和临床数据的多模态深度学习框架，并引入了注意力引导的融合模块	外部验证集的C指数有所下降（0.76和0.70），表明模型泛化能力有待进一步提升	提高卵巢癌患者的生存预测准确性和个体化风险评估	R0切除的卵巢癌患者	数字病理学	卵巢癌	多模态数据融合	深度学习	图像, 临床数据	543名患者	NA	CHIEF, ResNet50	C-index, 时间依赖性AUC	NA
2659	2026-01-12	Bridging AI and biology: Foundation models meet human physiology and disease 2026-Jan-09, Med (New York, N.Y.) DOI:10.1016/j.medj.2025.100971 PMID:41519120	综述	本文探讨了将基础模型从基准测试转化为临床影响时遇到的挑战，并提出了结合深度学习与生物机制表示的混合模型以促进因果推理	提出结合深度学习与生物机制表示的混合模型，以解决基础模型在临床应用中因果推理不足的问题	NA	旨在通过混合模型提升基础模型在人类生理和疾病研究中的因果推理能力	人类生理和疾病	机器学习	NA	深度学习	基础模型, 混合模型	观测数据	NA	NA	NA	NA	NA
2660	2026-01-12	In silico design of stable single-domain antibodies with high affinity 2026-Jan-09, Structure (London, England : 1993) DOI:10.1016/j.str.2025.12.010 PMID:41519125	研究论文	本文介绍了一种基于结构的抗体设计流程EvolveX，用于设计高亲和力和稳定性的单域抗体	利用经验力场FoldX设计单域抗体的互补决定区，显著提高了抗体亲和力，并通过结构分析验证了设计准确性	NA	克服抗体设计中的高亲和力和稳定性挑战，开发治疗性抗体	针对小鼠Vsig4和人Vsig4的单域抗体	机器学习	NA	深度学习，生成方法，X射线晶体学，下一代测序	NA	结构数据，序列数据	NA	NA	NA	结合亲和力提升倍数	NA