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
3921	2026-02-02	SBTM: epileptic seizure prediction from EEG signal using deep learning in blockchain-enabled smart healthcare monitoring with IoT networking 2026-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36425-1 PMID:41620453	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3922	2026-02-22	A systematic assessment of machine learning for structural variant filtering 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.27.702059 PMID:41659531	研究论文	本文系统评估了五种机器学习范式在长读长测序数据中结构变异过滤任务上的性能、效率和实用性	首次将基于扩散的异常检测和稀疏自编码器应用于结构变异分析，并进行了全面的基准比较	更复杂的模型（如扩散模型和稀疏自编码器）在分类性能上并未显著超越简单的随机森林模型	评估和比较不同机器学习方法在结构变异过滤任务中的表现	长读长测序数据中的结构变异	机器学习	NA	长读长测序	随机森林, CNN, 扩散模型, 稀疏自编码器	基因组数据	两个样本（HG002和HG005）的标准化Genome in a Bottle数据	NA	ResNet50, VICReg, Evo2-7B	F1分数	NA
3923	2026-02-22	Deep learning-enabled speckle reduction for cleared-sample coherent scattering tomography 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.27.702188 PMID:41659538	研究论文	本文提出了一种专门用于清除样本相干散射断层成像的深度学习去噪网络CLEAR Net，以有效抑制全脑白质图像中的散斑噪声	针对CAST成像特点专门设计了深度学习去噪网络CLEAR Net，解决了现有OCT去噪方法因样本和噪声统计差异而无法直接迁移的问题	未在摘要中明确说明	开发专门用于清除样本相干散射断层成像的散斑噪声抑制方法	全脑白质图像	计算机视觉	NA	清除辅助散射断层成像	深度学习网络	图像	未在摘要中明确说明	NA	CLEAR Net	未在摘要中明确说明	NA
3924	2026-01-30	Development and validation of a deep learning-based emergency triage model: a feasibility and effectiveness study 2026-Jan-28, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01489-9 PMID:41606477	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3925	2026-02-22	STRIKER: a spectral metadata repairing tool for expanding the comprehensiveness of spectral libraries 2026-Jan-27, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01150-4 PMID:41593726	研究论文	本研究介绍了一个名为STRIKER的光谱元数据修复工具，旨在通过基于距离的度量和深度学习模型解决加合物元数据缺陷，从而提高公共光谱库的完整性和数据质量	开发了首个专门用于修复光谱库加合物元数据的工具，结合了基于距离的相似性方法和多层感知器（MLP）深度学习模型，能够预测缺失的加合物信息并纠正现有错误，而非简单地排除有问题的数据	工具主要针对加合物元数据进行修复，可能无法处理光谱库中其他类型的元数据错误或质量问题；性能评估基于特定数据集，在更广泛的光谱库中的泛化能力需要进一步验证	开发一个工具来修复和标准化公共光谱库中的元数据，特别是加合物信息，以提高代谢物注释的准确性和机器学习应用的数据质量	公共质谱光谱库中的光谱数据及其元数据，特别是人类代谢组数据库（HMDB）中的光谱数据	生物信息学	NA	质谱光谱分析，代谢组学	深度学习，多层感知器（MLP）	光谱数据，元数据	NA	Python	多层感知器（MLP）	加合物匹配正确率，加合物纠正准确率	NA
3926	2026-02-22	Deep Learning-Based Spatial Immunoprofiling of Multiplex Immunofluorescence Images Distinguishes Tuberculosis Disease States in Diversity Outbred Mice 2026-Jan-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.26.701667 PMID:41659494	研究论文	本文利用深度学习技术对多重免疫荧光图像进行空间免疫分析，以区分多样性远交小鼠中的结核病不同疾病状态	开发了新的准确模型来自动分割肺肉芽肿并提取细胞空间特征，并首次提出使用大型语言模型解码肉芽肿内的复杂细胞模式	研究基于小鼠模型，无法直接应用于人类，且样本数量有限	识别指示无症状肺部感染的细胞空间特征，以填补结核病肉芽肿组织知识空白	感染结核分枝杆菌的多样性远交小鼠的肺组织切片	数字病理学	结核病	多重免疫荧光染色	深度学习模型, 大型语言模型	图像	多样性远交小鼠的肺组织切片，涵盖急性肺结核、无症状感染和慢性肺结核三种疾病状态	NA	NA	NA	NA
3927	2026-02-22	Aegis: a transformer-based deep learning framework for the accurate identification of anticancer peptides 2026-Jan-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02520-y PMID:41588397	研究论文	本文介绍了一种基于Transformer的深度学习框架Aegis，用于准确识别抗癌肽	提出了一种新颖的基于Transformer的深度学习框架，通过多种特征提取方法和特征重要性分析，确定了最优特征子集，在独立测试数据集上实现了最先进的性能	未明确提及研究的局限性	开发一种计算方法来快速准确地预测抗癌肽，以替代昂贵且耗时的实验识别	抗癌肽序列	自然语言处理	癌症	多种特征提取方法，包括CKSAAP、CTDC、CTDT、CTDD和PAAC	Transformer	序列数据	NA	NA	Transformer	NA	NA
3928	2026-02-22	Deep learning for malignancy and tumor origin prediction using cytology or histopathology whole slide images 2026-Jan-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02359-1 PMID:41580547	研究论文	提出一种数据高效的深度学习框架MAMILE-UNI，用于从细胞学或组织病理学全玻片图像中预测恶性肿瘤和肿瘤起源	首次将深度学习应用于胸腹水细胞学领域，开发了可直接从细胞学涂片或细胞块全玻片图像检测恶性肿瘤的数据高效框架	未明确说明模型在外部验证集上的泛化能力及临床部署的可行性	提高胸腹水细胞学中恶性肿瘤诊断和肿瘤起源预测的准确性与一致性	胸腹水细胞学涂片、细胞块和组织病理学全玻片图像	数字病理学	转移性癌症	全玻片成像	深度学习	图像	1250张细胞学全玻片图像和1196张组织病理学全玻片图像	NA	MAMILE-UNI	AUROC, MeanSS, 准确率, 精确率, 灵敏度, F1分数, 特异度	NA
3929	2026-02-22	HMC-transducer: hierarchical mamba-CNN transducer for robust liver tumor segmentation 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02361-7 PMID:41577985	研究论文	提出一种名为HMC-transducer的新型混合架构，用于从CT扫描中准确分割肝脏肿瘤	提出了一种结合CNN与Mamba状态空间模型优势的混合架构，核心创新包括方向感知的3D Mamba块和带有门控融合机制的Mamba-CNN Transducer块，以线性复杂度实现长程依赖建模	NA	开发一种鲁棒且高效的肝脏肿瘤分割模型，以克服现有CNN和Transformer模型在局部特征捕获与长程依赖建模之间的权衡问题	肝脏肿瘤	计算机视觉	肝癌	计算机断层扫描	CNN, Mamba	图像	NA	NA	HMC-transducer, DA3D-Mamba, Mamba-CNN Transducer	分割准确率	NA
3930	2026-02-22	Enhancing kcat prediction through residue-aware attention mechanism and pre-trained representations 2026-Jan-22, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09551-9 PMID:41571855	研究论文	本研究提出了一种名为PMAK的深度学习框架，通过整合酶序列和反应SMILES的预训练表示与残基感知注意力机制，以提升酶催化效率参数kcat的预测性能	首次将酶序列与反应SMILES的预训练表示联合建模，并引入残基感知注意力机制，能够同时捕获酶与反应的相互作用并识别影响催化活性的关键残基	论文未明确说明模型在更广泛酶家族或非标准反应条件下的泛化能力，也未讨论计算资源需求对实际应用的影响	开发一种高精度且可解释的酶催化效率（kcat）预测计算方法	酶催化反应及其动力学参数	机器学习	NA	深度学习	注意力机制,预训练模型	序列数据（酶氨基酸序列）,文本数据（反应SMILES字符串）	未明确说明具体样本数量，但采用五折交叉验证进行评估	未明确说明，可能为PyTorch或TensorFlow	基于注意力机制的神经网络架构	R²（决定系数）	NA
3931	2026-02-22	Reconstruction of Extreme Sea Levels in coastal China using Multiple Deep Learning models 2026-Jan-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06593-w PMID:41554759	研究论文	本研究利用多种深度学习模型重建了中国沿海1970-2020年逐日最大水位数据集	首次将基于Informer的深度学习工作流应用于中国沿海风暴潮残差预测，并综合多种模型（LSTM、CNN-LSTM、ConvLSTM）进行性能对比	数据重建存在平均14.9厘米的非重合偏差，且极端水位事件的预测相关性相对较低（0.68）	重建中国沿海极端水位数据以支持海岸灾害缓解研究	中国沿海23个潮位站的逐日最大水位数据	机器学习	NA	深度学习模型集成、天文潮汐估计（UTide）、再分析数据融合	Informer, LSTM, CNN-LSTM, ConvLSTM	时间序列数据（水位、气象再分析数据）	23个潮位站1970-2020年的逐日数据	NA	Informer, LSTM, CNN-LSTM, ConvLSTM	相关系数, RMSE	NA
3932	2026-02-22	Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data 2026-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68487-0 PMID:41545411	研究论文	本文介绍了一个名为STimage的综合模型套件，用于直接从标准H&E图像预测空间基因表达和分类细胞类型	通过估计基因表达分布并使用集成方法量化数据驱动和模型不确定性来增强稳健性，并通过单细胞分辨率归因分析结合组织病理学注释、功能基因和潜在表示实现可解释性	NA	提高从空间转录组学数据预测基因标记和细胞类型的稳健性和可解释性	空间转录组学数据，标准H&E图像	数字病理学	NA	空间转录组学	深度学习模型	图像	NA	NA	基础模型	NA	NA
3933	2026-02-22	Deep learning for detecting depression in individuals with and without alexithymia 2026-Jan-16, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01393-0 PMID:41545479	研究论文	本研究探讨了述情障碍对抑郁症检测的影响，并比较了深度学习模型与自评量表在抑郁症检测中的表现	首次利用大型语言模型（LLMs）分析临床访谈转录文本，以提升对述情障碍个体抑郁症检测的准确性，并揭示了自评量表在该群体中的局限性	样本量相对较小（共299名参与者），且仅基于汉密尔顿抑郁评定量表（HAMD）作为金标准，可能未涵盖所有抑郁症亚型或共病情况	评估深度学习模型在检测抑郁症，特别是针对述情障碍个体时的准确性，并与传统自评量表进行比较	194名重度抑郁障碍患者和105名社区对照个体	自然语言处理	抑郁症	临床结构化访谈转录文本分析	大型语言模型（LLMs）	文本	299名参与者（194名患者和105名对照）	NA	NA	AUC	NA
3934	2026-02-22	BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients 2026-Jan-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06589-6 PMID:41540040	研究论文	本文介绍了BreastDCEDL，一个标准化的深度学习就绪乳腺癌DCE-MRI数据集，包含来自2,070名患者的预处理3D DCE-MRI扫描	填补了公开标准化、多中心乳腺癌DCE-MRI数据集的空白，提供统一格式和注释，支持高级模型开发	Duke队列中仅32.5%的患者有病理完全缓解数据，可能限制某些分析的全面性	为乳腺癌治疗响应监测和深度学习研究提供标准化数据集	2,070名乳腺癌患者的预处理3D DCE-MRI扫描	数字病理学	乳腺癌	动态对比增强磁共振成像	NA	3D DCE-MRI图像	2,070名患者（I-SPY1: 172, I-SPY2: 982, Duke: 916）	NA	NA	NA	NA
3935	2026-02-22	Biologically interpretable deep learning-derived MRI phenotypes reveal lymph node involvement and neoadjuvant therapy response in intrahepatic cholangiocarcinoma 2026-Jan-12, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001671 PMID:41525512	研究论文	本研究开发了一个名为SwinU-CliRad的模型，用于肝内胆管癌的淋巴结风险分层和辅助治疗评估	结合了基于Swin UNETR的MRI衍生淋巴结特征与临床放射学特征，构建了可解释的深度学习模型，并探索了模型输出与肿瘤多组学特征的相关性	研究依赖于回顾性队列，外部验证样本量相对较小，且模型在更广泛人群中的泛化能力需进一步验证	开发一个模型以改进肝内胆管癌的淋巴结分期，并为治疗决策提供信息	肝内胆管癌患者	数字病理学	肝内胆管癌	MRI, 单细胞RNA测序, 多组学分析	Transformer, CNN	MRI图像, 临床数据, 放射学特征	发现队列682例，内部测试队列204例，外部多中心队列88例，新辅助治疗队列145例	PyTorch	Swin UNETR	AUC, 误分类纠正率, 病理完全缓解率, 主要病理缓解率	NA
3936	2026-02-22	Multimodal MRI radiomics and deep learning for brain age prediction: age-corrected brain age gap analysis in patients with insomnia 2026-Jan-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01512-x PMID:41507907	研究论文	本研究通过整合多模态MRI影像组学特征与深度学习，开发并验证了高精度脑龄预测模型，并应用于失眠患者以评估其脑老化加速情况	结合T1和T2加权MRI的影像组学特征与深度学习进行多模态融合，用于脑龄预测，并应用于失眠患者的脑龄差距分析	研究为回顾性设计，样本主要来自特定医院和公开数据集，可能限制泛化性	开发高精度脑龄预测模型，并评估慢性失眠是否与加速脑老化相关	健康个体和失眠患者	数字病理学	失眠	T1加权MRI, T2加权MRI, 影像组学特征提取	深度学习回归模型	MRI图像	总计1200名参与者，包括942名健康对照和258名失眠患者	NA	NA	平均绝对误差, 均方根误差, R2	NA
3937	2026-02-22	Justifying model complexity: Evaluating transfer learning against classical models for intraoperative nociception monitoring under anesthesia 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342688 PMID:41701784	研究论文	本文比较了传统监督模型与基于迁移学习的时序卷积网络在术中伤害性事件监测中的性能，评估了模型复杂度与临床效益的平衡	首次在术中伤害性监测中，系统比较了传统模型（如随机森林）与深度学习迁移学习框架的性能，并强调了模型复杂度的合理性验证	研究样本量较小（101例成人手术案例），且未在更大规模或多样化数据集上验证结论的普适性	评估传统模型与深度学习模型在术中伤害性事件监测中的性能差异，以优化镇痛管理并改善术后结果	101例成人手术案例，包含30个生理特征和18个药物剂量特征，采样窗口为5秒	机器学习	麻醉相关并发症	监督学习，迁移学习	逻辑回归，随机森林，时序卷积网络	时间序列数据	101例成人手术案例	NA	随机森林，时序卷积网络	AUROC，AUPRC	NA
3938	2026-02-22	Comparison of machine learning methods in forecasting and characterizing the birch and grass pollen season 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332093 PMID:41706687	研究论文	本研究比较了八种机器学习方法在预测和表征桦树及草类花粉季节中的应用，并分析了气象变量与花粉浓度之间的依赖关系	首次在波兰克拉科夫地区综合比较了来自四个不同家族（懒惰、线性、基于树和深度学习）的机器学习模型，用于预测花粉浓度类别，并进行了特征重要性分析和关联规则挖掘	研究仅基于克拉科夫地区的数据，可能无法推广到其他地理或气候区域，且模型性能在更长的预测时间（如7天）上有所下降	开发并比较机器学习方法，以准确预测花粉浓度，辅助季节性过敏疾病的个性化治疗	桦树（Betula）和草类（Poaceae）花粉浓度数据及气象变量	机器学习	季节性过敏疾病	容积法花粉数据收集	懒惰模型, 线性模型, 树基模型, 深度学习模型	时间序列数据（花粉浓度和气象数据）	1991年至2024年在克拉科夫收集的花粉和气象数据	NA	增强树, 关联知识图, 带记忆单元的深度神经网络	准确率	NA
3939	2026-02-22	An intelligent method for Buoy meteorological data restoration using a Spatio-Temporal Dual-Attention Network with transformer and GAT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343310 PMID:41706759	研究论文	本文提出了一种结合Transformer和图注意力网络（GAT）的时空双注意力网络（ST-DAN），用于修复海洋浮标气象数据中的缺失值和异常值	提出了一种新颖的深度学习模型ST-DAN，通过并行计算整合Transformer和GAT，分别捕获时间依赖性和基于物理信息邻接矩阵的变量间空间相关性，动态调整变量间影响权重，显著提高了重建精度	NA	解决海洋浮标气象数据因恶劣天气和环境条件导致的数据丢失或异常值问题，实现高精度数据重建	海洋浮标气象数据，特别是温度和风速数据	机器学习	NA	NA	Transformer, GAT	时间序列数据	基于ERA5再分析数据集和青岛浮标现场观测数据	NA	Transformer, GAT	MAE, MSE, RMSE, R²	NA
3940	2026-02-22	An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342339 PMID:41706751	研究论文	本研究构建了一个基于超声图像和人工智能的“双模型、三步法”分层策略框架，用于预测困难气道风险	提出了一个结合两个卷积神经网络模型（CL-AI和VIDIAC-AI）的三步分层决策框架，用于困难气道的风险分层预测，旨在作为临床决策支持工具	仅进行了内部验证，未进行外部验证，需要在大型多中心队列中进一步验证	开发一个基于超声图像的人工智能框架，用于困难气道的早期预警和风险分层	在青岛大学附属医院接受择期全身麻醉手术的903名患者	计算机视觉	NA	颈部超声成像	CNN	图像	903名患者（752例用于训练和验证，151例作为内部测试集）	NA	卷积神经网络（具体架构未指定），CL-AI, VIDIAC-AI	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA