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
2941	2026-01-10	SU3327: A multi-target compound targeting bacterial menaquinone and DNA 2026-Jan, International journal of antimicrobial agents IF:4.9Q1 DOI:10.1016/j.ijantimicag.2025.107679 PMID:41308844	研究论文	本研究阐明了抗菌化合物SU3327（Halicin）通过靶向细菌呼吸链中的甲基萘醌和诱导DNA氧化损伤的双重作用机制	首次揭示了SU3327通过靶向细菌电子传递链中的甲基萘醌并抑制复合物I，同时通过硝基还原酶生物活化产生活性代谢物诱导DNA氧化损伤的双重协同抗菌机制	研究主要基于大肠杆菌ATCC 25922菌株，其他细菌物种中的机制可能有所不同；体内耐药性发展潜力需要进一步验证	阐明SU3327的抗菌作用机制并探索其作为多靶点治疗剂的潜力	抗菌化合物SU3327（Halicin）及其对细菌能量代谢和DNA的影响	微生物学与药物发现	细菌感染	微生物学分析、生物化学/生物物理分析、质谱分析、电化学分析、转录组学分析	NA	实验数据	使用大肠杆菌ATCC 25922菌株进行研究	NA	NA	NA	NA
2942	2026-01-10	Conductive Composite Hydrogel with Unsymmetrical Structure as Multimodal Triboelectric Nanogenerators for Machine Learning-Assisted Motion 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202512928 PMID:41340381	研究论文	本文提出了一种具有非对称结构的导电复合水凝胶作为多模态摩擦纳米发电机，结合机器学习用于全身运动识别与康复评估	设计了非对称结构的摩擦纳米发电机，利用ZnSnO量子点的非中心对称晶体结构产生显著压电效应，并通过化学交联显著提升了材料的拉伸能力和灵敏度	NA	开发高灵敏度、耐用且稳定的可定制柔性可穿戴传感器，用于生物反馈、运动监测和康复评估	人体全身运动信号	机器学习	NA	摩擦纳米发电机技术、压电效应	深度学习	电信号（由生物机械能转换而来）	NA	NA	NA	灵敏度（应变因子=7.38）、拉伸能力（1082%）	NA
2943	2026-01-10	Deep learning method based on image recognition for intra-puparial age and postmortem interval estimation in the forensically important Sarcophaga peregrina (Diptera: Sarcophagidae) 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112761 PMID:41349266	研究论文	本文提出了一种基于图像识别的深度学习框架，用于自动分类法医重要蝇种Sarcophaga peregrina的蛹内发育年龄，以提高死后间隔估计的准确性	首次结合ResNet50和Vision Transformer模型，实现法医昆虫学中蛹内发育年龄的端到端自动分类，减少了对专家经验和主观形态观察的依赖	研究仅在25°C恒温条件下进行，未考虑温度变化对发育的影响，且样本仅来自单一物种Sarcophaga peregrina	提高法医昆虫学中基于昆虫证据的死后间隔估计的准确性和客观性	法医重要蝇种Sarcophaga peregrina的蛹内发育阶段	计算机视觉	NA	高分辨率图像采集	CNN, Transformer	图像	从第1天到第11天不同发育阶段的蛹样本	NA	ResNet50, Vision Transformer	精确率, 召回率, F1分数	NA
2944	2026-01-10	Forensic gender and stature identification from footprint images using machine learning 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112760 PMID:41352210	研究论文	本研究提出了一种利用图像分析和传统机器学习方法，从足迹图像中自动进行性别分类和身高估计的端到端方法	提出了一种新颖的、自动化的端到端方法，用于从足迹图像中推断性别和身高，结合了图像预处理技术和多种传统机器学习模型的基准测试	训练数据集规模有限（396个足迹，33名参与者），且缺乏更多样化的质量和人群多样性，可能影响模型的泛化能力	开发一种自动化工具，用于法医调查中从足迹推断人类特征和生物识别信息	人类足迹图像	机器学习	NA	图像分析	Logistic Regression, Gaussian Naive Bayes, K-Nearest Neighbor, Decision Tree Classifier, Support Vector Machine, XGBoost	图像	33名参与者（18名男性，15名女性，年龄18-48岁，身高148-182厘米）的396个足迹	Scikit-learn, XGBoost	NA	准确率, MAE, RMSE	NA
2945	2026-01-10	Validation of a new implantable collamer lens sizing algorithm based on SS-OCT images 2026-Jan-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001764 PMID:40827890	研究论文	本研究评估了一种基于深度学习的新型植入式Collamer镜片（ICL）尺寸预测模型，该模型使用原始扫频源光学相干断层扫描（SS-OCT）图像作为输入	首次开发了基于深度学习、直接使用原始SS-OCT图像进行ICL尺寸预测的算法，并引入了P250-750等辅助临床决策的指标	研究为回顾性外部验证，且仅基于欧洲两家诊所的数据，可能缺乏更广泛人群的普适性	评估新型深度学习模型在预测植入式Collamer镜片（ICL）尺寸方面的性能，以辅助临床决策并改善患者预后	在2019年10月至2024年4月期间于欧洲两家诊所植入EVO ICL V4镜片的患者	计算机视觉	NA	扫频源光学相干断层扫描（SS-OCT）	深度学习模型	图像	429名患者的848只眼睛	NA	NA	平均绝对误差（MAE）, P250-750准确率, 术后拱高分布	NA
2946	2026-01-10	Reducing manual labour in forensic microtrace recognition with deep learning 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112714 PMID:41435738	研究论文	本研究利用深度学习技术自动化法医微痕识别，通过像素级分类定位和分类纤维、毛发、皮肤、玻璃和沙粒等微痕，以减少人工劳动	结合ImageNet预训练和自监督学习预训练策略，显著减少所需标注数据量，同时提高识别和定位精度	NA	自动化法医微痕识别，减少人工劳动	法医微痕，包括纤维、毛发、皮肤、玻璃和沙粒	计算机视觉	NA	自动化显微镜成像	深度学习模型	图像	仅使用2.2分米长的标注胶带提升扫描数据	NA	NA	平均交并比	NA
2947	2026-01-10	Assessing an Automated Noncontrast CT-based Pipeline for Sacral Tumor Classification Using a Hip Bone Reference Frame 2026-Jan, Radiology. Imaging cancer DOI:10.1148/rycan.250098 PMID:41481488	研究论文	开发了一种基于术前非增强CT的自动化混合模型，用于骶骨肿瘤的分类	首次将髋骨作为参考坐标系用于肿瘤定位，并开发了一个创新的六分类模型CL-MedImageNet，可同时输入肿瘤图像、临床数据和位置信息	NA	开发一个全自动的混合方法来从术前非增强CT图像预测骶骨肿瘤类型	骶骨肿瘤患者	数字病理	骶骨肿瘤	非增强CT	CNN	图像	690名患者	NA	CL-MedImageNet	AUC, F1分数, 混淆矩阵, Dice系数, 精确度, 灵敏度	NA
2948	2026-01-10	A Trust-Guided Approach to MR Image Reconstruction With Side Information 2026-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3594363 PMID:40742840	研究论文	本文提出了一种名为信任引导变分网络（TGVN）的端到端深度学习框架，用于在磁共振图像重建中有效且可靠地整合辅助数据（侧信息）	提出了一种新颖的端到端深度学习框架，能够有效且可靠地将侧信息整合到病态线性逆问题中，并在多线圈、多对比度MRI重建中展现出优越性能	未明确说明模型在极端加速水平下的性能边界或对特定病理特征的泛化能力限制	通过整合侧信息来加速磁共振成像扫描，同时保持诊断图像质量	多线圈、多对比度的磁共振图像	医学影像分析	NA	磁共振成像（MRI）	深度学习框架	图像（k空间数据）	NA	NA	信任引导变分网络（TGVN）	图像质量，病理特征保留能力	NA
2949	2026-01-10	MedNeXt for accurate medical image classification and segmentation: A lightweight transformer-style convolutional neural network 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340108 PMID:41490062	研究论文	提出了一种名为MedNeXt的轻量级Transformer风格卷积神经网络，用于医学图像的准确分类和分割	重新思考大核CNN和MLP在医学图像分析中的作用，用它们替代计算量大的自注意力操作，在性能和效率之间取得更好平衡，并设计了三个轻量级模块	NA	开发一种在性能和效率之间取得更好平衡的医学图像分类与分割方法	医学图像	计算机视觉	多种疾病（COVID-19、猴痘、心脏疾病等）	深度学习	CNN, MLP	图像	五个不同规模和疾病的数据集	NA	MedNeXt	准确率	NA
2950	2026-01-10	MMSpa is a deep learning-based tool that enhances the identification of spatial domains in spatial transcriptomics studies 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003580 PMID:41490241	研究论文	本文提出了一种名为MMSpa的深度学习工具，用于增强空间转录组学研究中空间域的识别	MMSpa采用掩码图注意力自编码器框架，结合边移除策略构建增强的空间图，以解决跨域干扰并刻画更清晰的域边界，通过掩码基因表达重建学习稳定的潜在表示	NA	提高空间转录组学中空间域识别的准确性	空间转录组数据	空间转录组学	NA	空间转录组技术	自编码器	基因表达数据	NA	NA	掩码图注意力自编码器	NA	NA
2951	2026-01-10	Similarity-aware VAE with wavelet-convolutional 1D-CNN for rolling bearing fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338388 PMID:41490447	研究论文	提出一种结合改进变分自编码器与小波卷积一维CNN的滚动轴承故障诊断框架，以解决数据集中故障类别分布不均的问题	提出相似感知VAE，采用新型相似度损失函数进行数据增强，并通过改进的注意力机制自动调整训练参数和权重；将CNN的首个卷积层替换为基于连续小波变换的小波卷积层，实现多尺度特征提取	NA	提升深度学习在故障诊断中的性能，解决数据类别不平衡问题	滚动轴承	机器学习	NA	连续小波变换	VAE, CNN	一维振动信号	NA	NA	变分自编码器, 一维卷积神经网络	NA	NA
2952	2026-01-10	LncTracker: A Unified Multi-Channel Framework for Multi-Label lncRNA Localization 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597589 PMID:40788811	研究论文	本文提出了一个名为LncTracker的高效深度学习框架，用于长非编码RNA（lncRNA）在七个不同亚细胞区室中的多标签定位预测	LncTracker采用多通道架构，整合了序列和二级结构信息，并将二级结构转换为属性图以捕获核苷酸间的空间关系，从而学习序列与结构的联合表示，提升了预测性能和鲁棒性	NA	开发一个深度学习框架，准确预测lncRNA的亚细胞定位，以理解其在细胞调控和疾病机制中的生物学功能	长非编码RNA（lncRNAs）	自然语言处理	NA	深度学习	深度学习框架	序列数据、结构数据	NA	NA	多通道架构	NA	NA
2953	2026-01-10	Enhanced Post-Prandial Glycemic Response Prediction in Type 2 Diabetes with Microbiome Data and Deep Learning 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3602827 PMID:40864582	研究论文	本研究开发了一种结合肠道微生物组数据和深度学习的多模态模型，用于预测2型糖尿病患者的餐后血糖反应	首次在2型糖尿病人群中，通过整合餐食记录、连续血糖监测、临床人口学特征和肠道微生物组等多源数据，揭示了饮食-微生物组-餐后血糖反应之间的因果关系，并构建了显著超越传统碳水化合物预测因子和现有机器学习算法的深度学习预测模型	研究样本量相对有限（88名个体），且模型在更广泛人群和不同饮食文化背景下的泛化能力有待进一步验证	提高2型糖尿病患者餐后血糖反应的预测准确性，为精准营养和血糖管理提供支持	2型糖尿病患者	机器学习	2型糖尿病	连续血糖监测，肠道微生物组测序	深度学习	多模态数据（餐食日志、连续血糖记录、临床人口学资料、肠道微生物组数据）	88名2型糖尿病患者，超过2000份真实餐食记录	NA	NA	决定系数R	NA
2954	2026-01-10	Unleashing the Power of Pretrained Transformer for Dense Prediction in Physiological Signals 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3592687 PMID:40875430	研究论文	本文提出了一种利用预训练Transformer进行生理信号密集预测的通用编码器-解码器架构，旨在提升智能医疗中的信号处理性能	首次将预训练Transformer编码器与轻量级卷积Restormer解码器结合，用于生理信号密集预测，无需复杂的任务特定架构设计，并通过知识蒸馏优化性能与计算效率的平衡	未明确讨论模型在不同生理信号类型或噪声环境下的泛化能力，且实验仅聚焦于四种代表性任务，可能未覆盖所有密集预测场景	探索预训练Transformer在生理信号密集预测任务中的应用，以优化模型性能与计算效率	生理信号，包括血压波形估计、PPG到ECG重建、去噪和基准点定位	机器学习	NA	深度学习，知识蒸馏	Transformer, CNN	生理信号数据	NA	NA	Transformer编码器, Restormer解码器	NA	NA
2955	2026-01-10	End-to-end audio-visual learning for cochlear implant sound coding simulations in noisy environments 2026-Jan-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0042198 PMID:41511184	研究论文	本研究提出了一种端到端的音频-视觉学习系统，用于在嘈杂环境中模拟人工耳蜗的声音编码	将音频-视觉语音增强模块与ElectrodeNet-CS模型集成，形成端到端的人工耳蜗系统AVSE-ECS，通过联合训练在嘈杂环境中提升语音可懂度	NA	改善人工耳蜗用户在嘈杂环境中的听觉体验，提升语音可懂度	人工耳蜗的声音编码模拟	机器学习和生物医学工程	听力损失	音频-视觉学习，深度神经网络	深度学习模型	音频和视觉数据	NA	NA	ElectrodeNet-CS，AVSE-ECS	客观语音可懂度，信号误差比	NA
2956	2026-01-10	A Multi-Modal, Multi-Temporal, Multi-Resolution Benchmark Dataset for Building Height Estimation 2025-Dec-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06495-3 PMID:41476079	研究论文	本文介绍了一个名为M4Heights的多模态、多时相、多分辨率基准数据集，用于建筑物高度估计	提出了首个涵盖爱沙尼亚、荷兰和瑞士的多样化建筑风格、城市密度和地形复杂性的多模态、多时相、多分辨率数据集，并包含最大的多图像超分辨率数据集	未明确提及具体限制，但可能受限于数据集覆盖的地理区域和样本数量	促进建筑物高度估计领域的研究，支持可持续城市规划和监测	建筑物高度估计	计算机视觉	NA	深度学习	NA	图像	约100万张图像	NA	NA	NA	NA
2957	2026-01-10	Evaluation of visual patient predictive for enhancing level 3 situation awareness: protocol for a multicentre randomised computer-based simulation and diagnostic accuracy study (true positive rate, precision, average lead time) 2025-Dec-30, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-109171 PMID:41469047	研究论文	本研究是一项多中心随机计算机模拟试验，旨在评估基于AI的视觉患者预测系统在提升临床医生预测关键生命体征变化能力方面的效果	首次将深度学习预测模型与视觉患者化身整合，以虚线可视化元素显示预测的生命体征偏差，旨在支持第三级情境感知（未来状态预测）	研究基于模拟场景进行，未使用真实患者数据，结果可能无法完全反映临床实际环境	评估视觉患者预测系统是否比传统数字和波形监测更能帮助临床医生预测关键生命体征变化，并考察其对决策、信心、工作负荷和用户接受度的影响	来自麻醉科的医疗专业人员	数字病理	NA	深度学习	深度学习模型	生命体征数据	在瑞士、德国和美国的五个学术中心进行，涉及多名医疗专业人员（具体数量未在摘要中说明）	NA	NA	召回率（真阳性率）、平均提前时间、精确度、预测信心、建议干预措施的数量和正确性	NA
2958	2026-01-10	Robust Fall Army Worm detection in maize using multimodal RGB and thermal image fusion 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29784-8 PMID:41449234	研究论文	本研究提出了一种基于深度学习的多模态图像融合框架，用于自动检测玉米作物是否受草地贪夜蛾侵害	提出了一种新颖的混合DNN-ViT模型，通过特征级和图像级两种互补的融合策略，首次将RGB图像与热成像数据结合用于草地贪夜蛾检测	未在真实田间环境中进行大规模部署验证，环境鲁棒性有待进一步研究	通过多模态图像融合提高玉米作物中草地贪夜蛾的自动检测精度	受草地贪夜蛾侵害与健康的玉米作物	计算机视觉	NA	多模态图像融合（RGB与热成像）	CNN, DNN, Vision Transformer	图像（RGB图像、热成像）	NA	NA	混合DNN-ViT模型（包含CNN特征提取器、DNN分类器和改进的Vision Transformer）	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
2959	2026-01-10	Neuroimaging-derived brain endophenotypes link molecular mechanisms to Alzheimer's disease and aging 2025-Dec-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.25.25340884 PMID:41358312	研究论文	本文开发了一个DNE-xQTL框架，通过整合深度学习衍生的神经影像内表型和脑分子定量性状位点，解析阿尔茨海默病和衰老相关脑变异的遗传通路	提出了一种结合深度学习和多组学数据的框架，用于连接遗传变异、脑影像变化和分子机制，增强了对阿尔茨海默病风险位点的生物学解释并揭示了新的调控通路	未明确说明样本量或数据来源的具体细节，且框架的普适性有待在其他疾病或独立队列中验证	解析阿尔茨海默病和衰老相关脑变异的遗传分子机制，实现早期风险分层	阿尔茨海默病相关的遗传位点、神经影像内表型及脑分子定量性状	神经影像学与计算生物学	阿尔茨海默病	GWAS, 深度学习, xQTL分析	深度学习模型	神经影像数据, 基因组数据, 分子表型数据	NA	NA	NA	NA	NA
2960	2026-01-10	Deep learning-based high dynamic range 3D reconstruction 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30204-0 PMID:41419546	研究论文	本文提出了一种基于深度学习的高动态范围三维重建方法，通过修复条纹投影轮廓术中因过曝而饱和的条纹图像，以提高三维重建精度	首次将U-Net及其衍生网络（Res-U-Net、SE-U-Net）应用于高动态范围场景下的条纹图像修复，无需额外硬件或多组图像采集即可提升重建精度	研究仅对比了三种U-Net变体网络，未探索其他可能的网络架构；实验场景可能未覆盖所有极端反射率变化情况	解决高动态范围环境下条纹投影轮廓术因图像过曝导致的三维重建精度下降问题	工业制造中具有高反射率变化物体表面的三维形貌测量	计算机视觉	NA	条纹投影轮廓术	CNN	图像	NA	NA	U-Net, Res-U-Net, SE-U-Net	定量实验分析（具体指标未明确说明）	NA