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
2961	2026-03-02	Unpaired Learning-Enabled Nanotube Identification from AFM Images 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512504 PMID:41449757	研究论文	提出一种基于深度学习的无配对学习方法，用于从原子力显微镜图像中提取纳米管形态	利用基于cycleGAN的图像到图像翻译框架，结合专门设计的损失函数，将包含纳米管的AFM图像转换为纯基底图像，从而有效分离纳米管形态	模型泛化能力有待扩展，未来工作旨在与实时AFM成像集成	优化纳米管网络形态的表征，以支持柔性电子应用的开发	单壁碳纳米管（SWCNTs）及其在柔性聚合物基底上的网络形态	计算机视觉	NA	原子力显微镜（AFM）成像	GAN	图像	NA	NA	cycleGAN	灵敏度, 准确度	NA
2962	2026-03-02	CLinNET: An Interpretable and Uncertainty-Aware Deep Learning Framework for Multi-Modal Clinical Genomics 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512842 PMID:41604548	研究论文	本文介绍了一种名为CLinNET的可解释且具有不确定性感知的深度学习框架，用于多模态临床基因组学分析，旨在增强基因管理和VUS解释	CLinNET采用双分支设计整合多模态数据，结合生物信息学架构、基于置信度的不确定性量化以及分层SHAP解释，提高了预测准确性和生物相关性	模型主要针对神经认知障碍数据集进行训练，在其他疾病类型中的普适性仍需进一步验证	开发一个可解释且不确定性感知的深度学习框架，以识别神经认知障碍的分子驱动因子和诊断基因	神经认知障碍（NDs）相关的基因数据，包括测序数据、基因表达、生物通路和基因本体（GO）信息	机器学习	神经认知障碍	测序数据、基因表达分析、生物通路分析、基因本体（GO）分析	深度神经网络	多模态数据（测序、基因表达、通路、GO）	NA	NA	双分支深度神经网络	F1分数, 准确率, 精确率-召回曲线下面积（AUC-PR）	NA
2963	2026-03-02	CA-CAE: A deep learning-based multi-omics model for pan-cancer subtype classification and prognosis prediction 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014015 PMID:41719374	研究论文	本研究提出了一种结合通道注意力机制的卷积自编码器预后模型（CA-CAE），用于基于多组学数据进行泛癌症亚型分类和预后预测	提出了一种结合通道注意力机制的卷积自编码器模型，能够更准确地识别癌症亚型并预测生存结果，相比传统统计方法和其他深度学习方法表现更优	NA	通过整合深度学习技术，更准确地识别癌症亚型，为癌症患者的个性化治疗提供可靠依据	多种癌症类型的多组学数据	机器学习	癌症	高通量测序技术	卷积自编码器	多组学数据	NA	NA	卷积自编码器	生存预测性能	NA
2964	2026-03-02	Yin-Dan-Ping-Gan Capsule Mitigates CCL4-Induced Liver Fibrosis via Regulating PPAR γ/GPX4 Signaling and Suppressing Ferroptosis 2026-Feb-01, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19020251 PMID:41754793	研究论文	本研究探讨了银丹平肝胶囊通过调控PPARγ/GPX4信号通路抑制铁死亡，从而减轻四氯化碳诱导的小鼠肝纤维化的作用机制	首次结合蛋白质组学、深度学习和网络药理学方法，系统揭示了银丹平肝胶囊通过调控PPARγ/GPX4信号通路抑制铁死亡来抗肝纤维化的新机制	研究仅基于小鼠模型，尚未在人体中进行验证；机制研究主要集中于PPARγ/GPX4通路，可能存在其他未探索的作用途径	探究银丹平肝胶囊治疗肝纤维化的分子机制	四氯化碳诱导的肝纤维化小鼠模型	数字病理学	肝纤维化	蛋白质组学、Western blot、深度学习、网络药理学	深度学习模型	蛋白质组数据、生化指标数据、图像数据	小鼠模型样本（具体数量未明确说明）	NA	NA	纤维化指数、肝功能指标、MDA含量、铁含量、GSH活性	NA
2965	2026-03-02	PolyAseqTrap: a universal tool for genome-wide identification and quantification of polyadenylation sites from different 3' end sequencing data 2026-Jan-31, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03963-w PMID:41620776	研究论文	本文提出PolyAseqTrap，一个用于从多种3'端测序数据中识别和量化多聚腺苷酸化位点的通用R包	提出了一种多聚腺苷酸化读段优先策略以精确定位polyA位点，并引入了一个可迁移的跨物种深度学习模型来缓解长期存在的内部引物问题	NA	开发一个通用工具，用于全基因组范围内识别和量化不同3'端测序数据中的多聚腺苷酸化位点	多种3'端测序技术生成的数据，涉及多个物种	生物信息学	NA	3'端测序	深度学习模型	测序数据	涉及16种不同的3'端测序技术，跨多个物种	R	NA	NA	NA
2966	2026-03-02	Machine Learning-Based Estimation of Knee Joint Mechanics from Kinematic and Neuromuscular Inputs: A Proof-of-Concept Using the CAMS-Knee Datasets 2026-Jan-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020173 PMID:41749713	研究论文	本研究探索了利用深度学习模型基于体内生物力学数据估计胫股关节接触力的可行性	首次结合双向长短期记忆网络与多层感知器以及时序卷积网络，利用CAMS-Knee数据集预测日常活动中膝关节接触力，为个性化膝关节负荷估计提供了可扩展的替代方案	个体力分量的预测精度略低，且TCN模型在不同力分量和活动中的表现较为多变，EMG特征对整体预测性能贡献有限	评估深度学习模型在估计膝关节接触力方面的可行性，替代传统的肌肉骨骼模拟	膝关节接触力，特别是胫股关节的接触力	机器学习	NA	NA	biLSTM-MLP, TCN	运动学和神经肌肉输入数据	使用CAMS-Knee数据集，具体样本数量未明确说明	NA	双向长短期记忆网络与多层感知器组合，时序卷积网络	均方根误差，皮尔逊相关系数	NA
2967	2026-03-02	Deep Learning-Based Classification of Common Lung Sounds via Auto-Detected Respiratory Cycles 2026-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020170 PMID:41749710	研究论文	本研究通过自动检测呼吸周期，利用深度学习技术对常见肺音进行分类，旨在辅助慢性呼吸疾病的早期诊断	提出了一种自动检测呼吸周期的方法，并结合多种时频表示（如谱图、小波图、梅尔谱图和伽马通图）与预训练的CNN模型进行肺音分类，其中伽马通图与CNN架构结合取得了最佳分类准确率	未明确提及研究的局限性，如数据集的多样性、模型泛化能力或临床验证的充分性	开发一种基于人工智能的肺音分类方法，以辅助慢性呼吸疾病的早期诊断	常见肺音（LSs）	机器学习	肺病	信号处理，时频分析（谱图、小波图、梅尔谱图、伽马通图）	CNN, LSTM, SVM	音频信号	NA	TensorFlow, PyTorch, Keras, Scikit-learn	预训练的CNN模型，CNN-LSTM混合架构	分类准确率	NA
2968	2026-03-02	MFST-GCN: A Sleep Stage Classification Method Based on Multi-Feature Spatio-Temporal Graph Convolutional Network 2026-Jan-30, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16020162 PMID:41750163	研究论文	提出了一种基于多特征时空图卷积网络（MFST-GCN）的睡眠阶段分类方法，用于从脑电图信号中准确识别睡眠阶段	通过三个互补模块（DDFCM、MMFEN、ASTGCN）对神经信号传播的时滞效应和皮层激活模式的区域异质性进行显式建模，特别是双尺度时变功能连接建模和自适应时空图卷积网络的设计	仅在ISRUC-S1和ISRUC-S3数据集上进行了评估，未在其他独立数据集上进行验证；模型复杂度可能较高	开发一种能够更准确分类睡眠阶段的深度学习方法，以评估睡眠质量和诊断睡眠障碍	脑电图（EEG）信号	机器学习	睡眠障碍	脑电图（EEG）	图卷积网络（GCN）	时间序列信号	ISRUC-S1和ISRUC-S3数据集（具体样本数未在摘要中提供）	NA	MFST-GCN（包含DDFCM、MMFEN、ASTGCN模块）	F1分数	NA
2969	2026-03-02	MDEB-YOLO: A Lightweight Multi-Scale Attention Network for Micro-Defect Detection on Printed Circuit Boards 2026-Jan-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17020192 PMID:41753848	研究论文	本文提出了一种名为MDEB-YOLO的轻量级实时检测网络，专门用于印刷电路板上的微缺陷检测	设计了高效多尺度可变形注意力模块、双向残差多尺度特征金字塔网络以及轻量级分组卷积头，以提升对微小、不规则缺陷的检测精度和推理速度	未明确提及模型在更广泛工业场景或不同PCB类型上的泛化能力测试	开发一种在检测精度和推理速度之间达到更好平衡的PCB微缺陷检测方法	印刷电路板表面的微缺陷，如鼠咬缺陷和毛刺缺陷	计算机视觉	NA	NA	CNN	图像	PKU-Market-PCB数据集（具体样本数量未在摘要中提供）	NA	YOLO	平均精度均值, 每秒帧数	NA
2970	2026-03-02	3D Medical Image Segmentation with 3D Modelling 2026-Jan-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020160 PMID:41749700	研究论文	本文提出了一种增强的交互式Graphcut算法，用于三维医学图像分割，旨在提高乳腺和脑肿瘤在异质组织强度数据集中的边界精度和三维建模效果	通过集成聚类机制（使用2-5个簇）增强标准Graphcut算法，以改进在强度变化组织中的边界检测，无需大量预训练即可达到与先进深度学习基准相当的性能	该方法在临床环境中可能受限于缺乏大规模标注数据集的情况，尽管其设计初衷正是为了应对此挑战	开发一种高效、精确的三维肿瘤分割工具，用于医学诊断和治疗规划	乳腺肿瘤和脑肿瘤的三维DICOM图像数据	医学图像处理	乳腺癌, 脑肿瘤	三维医学图像分割	Graphcut算法	三维DICOM图像	未明确指定具体样本数量，但涉及乳腺和脑肿瘤数据集	PyMaxflow, pydicom	增强的交互式Graphcut算法	Dice相似系数, 边界边缘误差, 处理时间	未明确指定，但使用Python 3.13实现
2971	2026-03-02	Smart Devices and Multimodal Systems for Mental Health Monitoring: From Theory to Application 2026-Jan-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020165 PMID:41749705	系统综述	本文系统综述了基于智能设备和多模态生物信号系统（如EEG、ECG、EMG）在心理健康监测中的应用、信号处理方法及方法论局限性	首次系统性地将多模态生物信号系统与人工智能支持的心理健康监测应用进行综合评述，并识别了从理论到临床转化的关键挑战	现有研究样本量普遍较小（67%的研究参与者少于100人），生态效度有限，缺乏外部验证，且采集协议和分析流程存在高度异质性	评估和纵向监测心理健康状况，改善心理健康评估方法	人类应用可穿戴/智能设备或多模态生物信号（如EEG/MEG、ECG/HRV、EMG、EDA/GSR、睡眠/活动数据）进行心理健康结果的检测、监测或管理	机器学习	心理健康疾病	EEG/MEG, ECG/HRV, EMG, EDA/GSR, 睡眠/活动监测	SVM, 随机森林, CNN, Transformer	生物信号数据	多数研究样本量低于100名参与者	NA	NA	NA	NA
2972	2026-03-02	Bone-CNN: A Lightweight Deep Learning Architecture for Multi-Class Classification of Primary Bone Tumours in Radiographs 2026-Jan-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020299 PMID:41751198	研究论文	本研究提出了一种轻量级深度学习架构Bone-CNN，用于X光片中原发性骨肿瘤的多分类任务	开发了一种计算效率高且专门针对X光片分类的CNN架构，在保持高准确率的同时降低了计算复杂度	研究未提及模型在外部验证集或不同成像设备上的泛化能力	开发一个轻量级且高精度的模型，用于原发性骨肿瘤的多分类	原发性骨肿瘤的X光片	计算机视觉	骨肿瘤	X光成像	CNN	图像	使用公开的Figshare原发性骨肿瘤X光数据集，包含九个不同的肿瘤类别	未明确指定	Bone-CNN	准确率, 宏AUC	未明确指定
2973	2026-03-02	Watershed Encoder-Decoder Neural Network for Nuclei Segmentation of Breast Cancer Histology Images 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020154 PMID:41749694	研究论文	本文提出了一种基于分水岭编码器-解码器神经网络（WEDN）的方法，用于乳腺癌组织学图像中的细胞核分割	结合分水岭算法与U-Net架构，通过数据增强和预处理技术（如阈值化、膨胀、距离变换）提升分割性能，在有限数据集上实现高精度分割	方法依赖于数据增强来扩展数据集，可能无法完全解决原始图像质量差和结构复杂性问题；在更广泛或多样化数据集上的泛化能力未验证	开发一种深度学习模型，用于乳腺癌组织学图像中癌性病变的精确分割，以辅助早期诊断和治疗	乳腺癌组织学图像中的癌性病变区域	数字病理学	乳腺癌	图像分割，数据增强（阈值化、开运算、膨胀、距离变换），分水岭算法	编码器-解码器神经网络	图像	3000张增强后的分水岭掩码图像（训练集2400张，测试集600张）	未明确指定，但基于U-Net架构	WEDN（分水岭编码器-解码器神经网络），基于U-Net的改进架构	准确率，Dice系数，IoU（交并比）	NA
2974	2026-03-02	Simulation-Driven Annotation-Free Deep Learning for Automated Detection and Segmentation of Airway Mucus Plugs on Non-Contrast CT Images 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020153 PMID:41749693	研究论文	本文开发了一种基于模拟驱动的无标注深度学习框架，用于在非对比胸部CT图像上自动检测和分割气道黏液栓	提出了一种模拟驱动的无标注深度学习框架，通过合成黏液栓数据来训练模型，避免了繁琐的手动标注，并在检测性能上超越了基于手动标注的模型	该框架在COPD队列和特定成像协议之外的泛化能力尚未验证，需要在不同人群和扫描条件下进行性能验证	开发自动化工具以准确量化气道黏液栓，作为阻塞性肺疾病的影像生物标志物	气道黏液栓	数字病理学	慢性阻塞性肺疾病	非对比胸部CT成像	深度学习	CT图像	200例COPD患者的CT扫描（98例阳性，83例阴性，19例不确定）	nnU-Net	nnU-Net	灵敏度，假阳性率	NA
2975	2026-03-02	A Robust ConvNeXt-Based Framework for Efficient, Generalizable, and Explainable Brain Tumor Classification on MRI 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020157 PMID:41749697	研究论文	本研究提出了一种基于ConvNeXt Base架构的鲁棒框架，用于MRI图像的脑肿瘤分类，并在多个独立数据集上验证了其高效性、泛化性和可解释性	采用ConvNeXt Base架构构建分类框架，并在三个独立MRI数据集上进行全面评估，结合了严格的统计验证、计算效率分析和可解释性方法（Grad-CAM++和Gradient SHAP），证明了模型优异的泛化能力和临床可靠性	研究未明确提及模型在更大规模或更多样化数据集（如多中心、多设备数据）上的泛化能力，也未讨论模型在临床实际部署中可能遇到的具体挑战（如数据隐私、实时性要求等）	开发一个准确、可靠、可泛化且可解释的脑肿瘤自动分类系统，以支持临床决策	脑部MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	三个独立MRI数据集，包含四类样本：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	NA	ConvNeXt Base	准确率、精确率、召回率、F1分数、AUC、Cohen's Kappa	NA
2976	2026-03-02	Transformer Models, Graph Networks, and Generative AI in Gut Microbiome Research: A Narrative Review 2026-Jan-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020144 PMID:41749685	综述	本文是一篇叙述性综述，旨在综合人工智能在肠道微生物组研究中的最新方法学进展，并评估其在治疗优化、个性化营养和精准医学中的转化相关性	系统性地综述了包括Transformer模型、图神经网络和生成式AI在内的多种AI方法在肠道微生物组多组学整合分析中的应用进展，并强调了其在预测个体化治疗反应和设计干预措施方面的潜力	面临数据异质性、模型可解释性有限、人群偏倚以及临床部署障碍等关键挑战	评估人工智能方法在肠道微生物组研究中的进展及其在精准医学和个性化健康干预中的转化应用	肠道微生物组及其与人类宿主的相互作用	机器学习	NA	多组学整合（宏基因组学、宏转录组学、代谢组学、蛋白质组学）	Transformer, 图神经网络, 生成式AI	多组学数据, 临床数据	NA	NA	NA	AUC	NA
2977	2026-03-02	Integrating Textual Features with Survival Analysis for Predicting Employee Turnover 2026-Jan-26, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16020174 PMID:41749982	研究论文	本研究提出了一种新颖方法，将基于Transformer的文本分析与传统人口统计学变量结合在生存分析框架中，用于预测员工离职	整合了专业社交平台的Transformer文本分析与人口统计学变量，在生存分析框架中预测离职，提高了预测准确性和可解释性	NA	预测员工离职，支持人力资源决策制定	来自脉脉（中国领先专业社交平台）的4087个工作事件	自然语言处理	NA	情感分析，深度学习语义表示，生存分析	Transformer	文本，人口统计学数据	4087个工作事件	NA	Transformer	C-index, 累积/动态AUC	NA
2978	2026-03-02	Artificial Intelligence in the Evaluation and Intervention of Developmental Coordination Disorder: A Scoping Review of Methods, Clinical Purposes, and Future Directions 2026-Jan-23, Children (Basel, Switzerland) DOI:10.3390/children13020161 PMID:41749517	综述	本文是一篇范围综述，系统梳理了人工智能在发育性协调障碍评估与干预中的应用方法、临床目的及未来方向	首次对人工智能在发育性协调障碍领域的应用进行系统性范围综述，明确了当前研究趋势、方法特征及证据缺口	纳入研究数量有限（7项），证据基础以早期开发和验证研究为主，缺乏外部验证，诊断定义异质性大，干预性研究稀缺	系统梳理人工智能在发育性协调障碍的评估、筛查、监测和干预中的应用现状，识别当前趋势、方法特征及证据缺口	发育性协调障碍相关人群	机器学习	发育性协调障碍	NA	监督机器学习, 深度学习	基于运动的数据, 可穿戴传感器数据, 视频记录, 神经生理信号, 电子健康记录	NA	NA	NA	NA	NA
2979	2026-03-02	Artificial Intelligence Drives Advances in Multi-Omics Analysis and Precision Medicine for Sepsis 2026-Jan-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020261 PMID:41751160	综述	本文综述了人工智能如何驱动多组学分析在脓毒症精准医学研究中的进展	系统阐述了人工智能与多组学技术融合在解码脓毒症复杂性、实现早期检测、分子分型、预后预测和治疗靶点识别方面的创新应用范式	临床转化面临数据可用性有限、队列异质性、模型可解释性与因果推断受限、计算需求高、静态分子谱与动态临床数据整合困难、伦理与治理问题以及跨人群和平台泛化能力不足等挑战	探讨人工智能与多组学技术融合如何推动脓毒症研究从描述性分析转向预测性、机制性和精准导向的医学	脓毒症（一种以显著临床异质性和复杂宿主-病原体相互作用为特征的危及生命的综合征）	机器学习	脓毒症	多组学技术（包括基因组学、转录组学、蛋白质组学、代谢组学）	机器学习，深度学习	多组学数据（超高通量、高维、异质性数据）	NA	NA	NA	NA	NA
2980	2026-03-02	Identification of FDA-Approved Drugs as Potential Inhibitors of WEE2: Structure-Based Virtual Screening and Molecular Dynamics with Perspectives for Machine Learning-Assisted Prioritization 2026-Jan-23, Life (Basel, Switzerland) DOI:10.3390/life16020185 PMID:41752823	研究论文	本研究采用结构虚拟筛选、分子动力学模拟和自由能计算，从已批准的药物中识别出潜在的WEE2激酶抑制剂，并探讨了机器学习辅助优先排序的应用前景	首次采用综合的计算方法筛选已批准药物作为WEE2抑制剂，并结合机器学习框架提升候选药物的转化优先排序	研究为计算机模拟结果，尚未进行体外或体内实验验证	识别具有WEE2抑制活性的已批准药物，为生殖健康干预提供新的候选药物	Wee1样蛋白激酶2（WEE2）及其潜在的小分子抑制剂	计算生物学, 药物发现	生殖健康疾病	结构虚拟筛选, 分子动力学模拟, MM-PBSA自由能计算, 机器学习辅助筛选	机器学习, 深度学习	分子结构数据, 化合物库数据	约3800个DrugBank化合物	NA	NA	结合亲和力（kcal/mol）, 结合自由能（kJ/mol）, 构象稳定性	NA