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
3961	2026-06-07	Variational Bayesian Multi-Kernel Adaptive Deep Fusion for Microbe-Related Drug Prediction 2026-Feb-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02748 PMID:41628646	研究论文	提出一种基于变分贝叶斯多核自适应深度融合模型来预测微生物-药物关联	融合多组学数据构建药物分子图和微生物超图，采用注意力机制自适应融合多级相似性，并引入变分期望最大化算法进行模型超参数和潜变量的自适应推断	可能需要更丰富的数据整合方式以进一步提升预测性能	开发计算模型预测新型微生物-药物关联，以节省生物实验成本和时间并深入理解微生物机制	微生物-药物关联及其预测	机器学习	NA	多组学数据融合	贝叶斯逻辑矩阵分解	多组学数据	两个基准数据集	PyTorch	图卷积网络, 超图卷积网络	AUPR, AUC, F1分数	NA
3962	2026-06-07	Patch2Space: a registration-free segmentation method for misaligned multimodal medical images 2026-Feb-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4286 PMID:41643314	研究论文	提出一种无配准的多模态医学图像分割方法Patch2Space，通过统一体空间模块有效融合未对齐的多模态图像特征	提出无配准的多模态图像分割框架，利用统一体空间模块将不同模态的图像块投影至共同解剖空间，通过空间注意力机制实现内部、空间和模态级别的多层次特征融合	未明确提及局限性，可能包括对极端未对齐情况的鲁棒性需进一步验证，以及计算开销问题	开发无需配准即可从未对齐多模态图像中学习高质量特征并实现准确分割的深度学习方法	多模态医学图像（CT与MR等）	计算机视觉, 数字病理学	NA	深度学习图像分析	CNN	医学图像	1472例患者的多模态图像数据集	PyTorch	UNet变体（基于空间注意力机制的多级特征融合模块）	Dice系数	NA
3963	2026-06-07	Enhancing transcription factor regulatory network analysis through data balancing and representation learning 2026-Feb-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4239 PMID:41643219	研究论文	提出一种融合K-means++聚类和数据平衡策略的方法，结合深度学习与随机游走采样，增强转录因子-靶基因相互作用预测	创新性地将K-means++聚类与基于逆信息原则的低频转录因子选择策略结合，以缓解数据不平衡问题，并利用随机游走采样和skip-gram嵌入提取异质生物网络的信息表示	仅基于标题与摘要，未明确提及计算的资源开销、模型可解释性或真实生物实验验证等方面的限制	提高转录因子-靶基因相互作用预测的准确性，解决数据不平衡问题，推动分子生物学和生物医学研究	转录因子与靶基因的相互作用关系	机器学习	癌症	ChIP-seq, RNA-seq	深度学习	生物网络数据	未明确提及样本数量	NA	skip-gram, 随机游走	AUC	NA
3964	2026-06-07	IntNet: Lightweight yet high-performance deep learning system for intuitive radar patterns analysis and human fall detection 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111485 PMID:41547050	研究论文	提出了一种轻量高效、基于雷达的深度学习系统IntNet，用于跌倒检测，在保护隐私的同时实现了高精度边缘计算	首次在复杂真实场景下达到98.99%召回率和99.32%精确率，模型仅211.8k参数和约8.84M FLOPs，并提出适用于所有分类问题的公平性能比较方法	未提及	开发一种高性能、轻量化的雷达跌倒检测系统，适用于边缘计算和实时监控	老年人及独居群体的跌倒事件检测	机器学习	老年病	雷达感知	深度学习模型	雷达信号	自建数据集，未明确样本数量	NA	IntNet	召回率, 精确率	边缘计算设备，未指定具体GPU型号或平台
3965	2026-06-07	Towards sustainable desertification control: A manufacturing method for porosity-controlled upright reed sand fences 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128763 PMID:41616718	研究论文	提出一种结合深度学习与实时控制的智能系统，用于制造孔隙度可控的直立芦苇沙障，以实现可持续的沙漠化治理	开发了轻量级实例分割模型Reed-YOLOv8n-SSAS，并提出掩膜重定位算法，结合闭环控制策略实现制造过程中孔隙度的实时精确调控	未提及模型在极端环境（如强风沙或高湿度）下的鲁棒性，也未讨论长期使用中孔隙度保持的耐久性	实现直立芦苇沙障制造过程中孔隙度的精准控制，提升生产效率和结构完整性，为沙漠化治理提供绿色智能制造技术路径	直立芦苇沙障的制造系统及孔隙度控制方法	机器学习, 计算机视觉	NA	深度学习, 机器视觉	实例分割模型	图像	新疆和若铁路沿线现场测试数据	PyTorch	Reed-YOLOv8n-SSAS	精度, mAP@0.5	NA
3966	2026-06-07	Generative deep learning synthesizes high signal-to-noise ratio sensitivity maps for PET from low count direct normalization data 2026-Feb-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3ec6 PMID:41604704	研究论文	开发一种生成式深度学习管道，从低计数直接归一化数据合成高信噪比PET灵敏度图	提出一种条件注意力引导的生成对抗网络，能保留灵敏度图的几何和探测器特定特征，并构建稳健评估框架验证合成图的合理性	NA	实现高效获取高信噪比PET灵敏度图，显著缩短采集时间同时确保准确归一化	PET灵敏度图（合成高计数/低计数灵敏度图）	深度学习	NA	PET成像	生成对抗网络	图像	Hoffman脑体模、对比体模、均匀圆柱体模的归一化数据	PyTorch	条件注意力引导生成对抗网络	峰值信噪比, 结构相似性指数, 归一化均方根误差	NA
3967	2026-06-07	Design Glycosyltransferases with High Glycosyl Transfer Efficiency to Efficiently Produce Isoquercetin from Quercetin 2026-Feb-11, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c15833 PMID:41631425	研究论文	通过虚拟筛选、分子对接和实验验证，设计高效糖基转移酶以从槲皮素高产异槲皮素	结合虚拟筛选与深度学习kcat预测，筛选并设计出活性提高103倍的糖基转移酶突变体PCAA，并耦合蔗糖合酶实现UDP-葡萄糖再生，提高异槲皮素产率	未提及在工业规模下的长期稳定性和成本效益评估	高效生产异槲皮素，克服其生物合成中糖基转移酶催化效率低的问题	糖基转移酶MiCGT及其突变体，蔗糖合酶GmSUS	机器学习	NA	虚拟筛选，分子对接，深度学习kcat预测，蛋白BLAST	深度学习模型	序列数据，结构数据	约1000个同源序列	NA	NA	酶活性倍数，转化率	NA
3968	2026-06-07	Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02389 PMID:41574593	研究论文	开发深度学习模型Deep GIST，用于预测蛋白质周围水合热力学量的空间分布	首次利用深度学习模型在数十秒内完成GIST需数十小时的计算，并考虑蛋白质构象波动	预测水合熵和总自由能的拟合精度低于水合能，且依赖于分子动力学模拟数据	高效准确地预测蛋白质周围水合热力学量的分布	蛋白质周围的水合热力学量，包括水合能ΔE、水合熵ΔS和水合自由能ΔG	机器学习	NA	分子动力学模拟	深度学习模型	三维空间分布数据	多个蛋白质体系（具体数量未明确提及），包含代表性蛋白-配体复合物	PyTorch	NA	决定系数，相关系数	单个GPU
3969	2026-06-07	Sequential glioblastoma segmentation via topological data analysis and spatial adjacency 2026-Feb-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3e97 PMID:41604711	研究论文	提出一种基于拓扑数据分析与空间邻接的胶质母细胞瘤顺序分割框架	利用拓扑数据分析的过滤与持续同调特征，结合空间邻接信息，实现顺序分割并减少对大规模标注数据的依赖	NA	解决传统方法因肿瘤不规则形状、异质纹理和模糊边界导致的分割不准确问题	胶质母细胞瘤影像分割任务	数字病理学, 计算机视觉	脑胶质瘤	磁共振成像	拓扑数据分析	医学图像	BRATS2021和BRATS2022-Reg公开数据集	NA	NA	模糊Edge-Dice分数	NA
3970	2026-06-07	Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data 2026-Feb-04, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/72501 PMID:41637624	研究论文	评估通过智能手机应用结合主动和被动数据预测非临床青少年心理健康风险的可行性	首次在非临床学校青少年群体中整合主动自我报告和被动传感器数据，利用对比预训练的深度学习模型预测多种心理健康风险	样本量较小（n=103），实验周期仅14天，外部验证队列规模有限（n=45），可能影响模型泛化能力	验证智能手机数字表型结合机器学习预测青少年心理健康风险的可行性与实用性	103名英国中学青少年（平均年龄16.1岁），使用Mindcraft应用14天	数字表型	青少年心理健康障碍	智能手机传感数据收集	深度学习模型	主动数据（自我报告）和被动数据（传感器数据，包括位置、步数、应用使用等）	103名青少年（开发集），45名青少年（外部验证集）	PyTorch	对比预训练深度学习模型、CatBoost、多层感知机	平衡准确率	NA
3971	2026-06-07	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-Feb-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	提出一种基于深度学习的三维卷积残差网络，用于质量光度法数据的着陆事件分类，以优化单分子水平的质量测量	首次将三维卷积残差网络应用于质量光度法数据的事件分类，通过分析时空动态选择最佳单分子测量，将分辨能力提升至两倍	未提及在复杂生物样本或低信噪比环境下的泛化能力验证	开发一种基于深度学习的分类方法，用于从质量光度法数据中识别最优单分子测量事件，提高质量分辨率和测量鲁棒性	质量光度法中的蛋白质结合/解离事件	机器学习	NA	质量光度法	三维卷积残差网络	时空三维事件缩略图	涵盖多种实验数据集，包括已分辨和部分分辨样本，不同质量、浓度和积分时间	PyTorch	ResNet（三维变体）	质量分辨率、灵敏度、浓度测量精度	NA
3972	2026-06-07	Deep learning to predict left ventricular hypertrophy from the electrocardiogram 2026-Feb-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euag015 PMID:41589068	研究论文	利用深度学习模型从心电图中预测左心室肥厚，并在多个数据集中验证其性能	首次将全卷积网络应用于心电图预测左心室肥厚，实现了高AUROC并优于传统机器学习和临床基准方法	模型在外部数据集上泛化性有限，受临床特征、心电图采集和CMR标注差异影响	开发可扩展的深度学习筛查工具，通过心电图预测左心室肥厚	来自UK Biobank和SHIP研究的参与者心电图及临床数据	机器学习	心血管疾病	心电图	全卷积网络	心电图信号和临床变量	48,835名UK Biobank参与者（训练、验证、测试集）及1,423名SHIP参与者	NA	全卷积网络	AUROC	NA
3973	2026-06-07	How negative sampling shapes the performance of transcription factor binding site prediction models 2026-Feb-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag048 PMID:41601205	research paper	研究不同负采样技术对转录因子结合位点预测模型性能的影响	系统评估了多种负采样方法（包括基因组采样、shuffling、二核苷酸shuffling、邻域采样和细胞系特异性采样）对预测性能的影响，揭示了训练数据集上的度量结果往往高估了模型性能	测试的负采样技术中，基于正样本相似性的基因组采样表现最佳，但仍未达到基于高质量数据集训练的基线模型性能；二核苷酸shuffled负样本训练的模型表现较差，尽管这是领域内的常见做法	探究不同的负采样技术如何影响转录因子结合位点预测模型的性能	转录因子结合位点预测模型及其负采样技术	natural language processing	NA	ChIP-seq, ATAC-seq	深度学习模型（泛指）	基因组序列数据	NA	NA	NA	NA	NA
3974	2026-06-07	A DNABERT based deep learning framework for predicting transcription factor binding sites 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37483-1 PMID:41634097	研究论文	提出一个基于DNABERT的深度学习框架用于预测转录因子结合位点	结合预训练DNABERT、CNN模块、改进的卷积块注意力模块和多尺度卷积注意力模块，实现了对DNA序列长程依赖和高级局部特征的有效提取	未提及	提高转录因子结合位点预测的准确性	DNA序列	机器学习	NA	ChIP-seq	CNN, DNABERT, MCBAM, MSCA	序列数据	165个ENCODE ChIP-seq数据集	PyTorch	DNABERT, CNN, MCBAM, MSCA	准确性、精度、召回率、F1分数、AUC	NA
3975	2026-06-07	TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography 2026-Feb-03, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.044333 PMID:41614293	研究论文	提出一种基于多视图、多模态超声心动图的深度学习模型TEERAI-pre，用于经导管缘对缘二尖瓣修复术的术前评估	首次开发基于视频视觉变换器的端到端深度学习模型，通过多视图、多模态超声心动图特征级融合实现术前形态学适合性预测	外部验证集规模相对较小（150例患者），且未提及模型在不同超声设备或操作者间的泛化能力评估	开发用于经导管缘对缘二尖瓣修复术术前人工智能评估的深度学习模型，提升患者选择的准确性和临床工作流程效率	经导管缘对缘二尖瓣修复术候选患者的术前超声心动图数据	计算机视觉	二尖瓣反流	超声心动图	视频视觉变换器	超声心动图视频及脉冲波多普勒图像	内部数据集633例患者（7997个经胸超声心动图视频及766个脉冲波多普勒图像）；外部数据集150例患者（1735个视频及169个图像）	PyTorch	视频视觉变换器, 基于变换器的特征级融合模块	准确率, 精确率, 召回率, F1分数	NA
3976	2026-06-07	AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease 2026-Feb-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68956-6 PMID:41629312	研究论文	提出基于多组学数据的人工智能框架CardiOmicScore，用于心血管疾病的个性化风险预测	首次提出多任务深度学习框架CardiOmicScore，整合蛋白质组和代谢组学特征，学习疾病特异性的ProScore和MetScore风险评分，并证明其结合临床数据可提前15年显著提升心血管疾病风险预测能力	外部验证尚未完成，识别出的蛋白质和代谢物需要进一步验证以开发新型生物标志物和靶向疗法	利用多组学分析提升心血管疾病的早期个性化风险评估	六种最常见的心血管疾病	机器学习	心血管疾病	蛋白质组学、代谢组学、多组学分析	多任务深度学习	蛋白质组数据、代谢组数据、临床数据	UK Biobank数据库中的2920种蛋白质和168种代谢物的样本数据	NA	多任务深度学习框架	C指数	NA
3977	2026-06-07	Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models 2026-Feb, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71544 PMID:41589030	研究论文	对比两种公平性感知的深度学习生存模型，以减轻前列腺癌根治术后生存预测中的种族差异	将公平性感知方法扩展到生存分析领域，并首次在大型前列腺癌数据集中对比两种公平性深度Cox模型（Fair DCPH和GroupDRO DCPH）	未具体说明局限性	评估公平性感知的深度学习模型在减少前列腺癌生存预测中的种族差异方面的效果	前列腺癌患者（基于种族分组：白人、黑人、西班牙裔、亚裔等）	机器学习	前列腺癌	NA	深度Cox比例风险模型（Deep Cox Proportional Hazards Model）	表格数据（来自国家癌症数据库的临床记录）	418,968名患者（其中白人78.5%，黑人13.2%，西班牙裔4.5%，亚裔1.9%，其他2.0%）	NA	Fair DCPH, GroupDRO DCPH, 标准深度Cox模型	C指数（concordance index），包括组间和组内C指数	NA
3978	2026-06-07	Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70298 PMID:41589400	研究论文	针对双面板专用前列腺PET扫描仪，研究并比较多种图像重建策略以减少伸长伪影并提升图像质量	首次将Swin-UNETR深度学习模型应用于双面板专用前列腺PET的图像后处理增强，并系统比较了经典MLEM、PSF建模、混合列表模式重建及深度学习方法在有限角度系统上的效果	未提及深度学习模型的泛化性验证或在不同扫描仪上的迁移能力，且仅在仿真和体模实验中评估，缺乏临床患者数据验证	优化双面板专用前列腺PET扫描仪（ProVision）的图像重建方法，减少有限角度采集导致的伸长伪影并提高对比度噪声比	双面板专用前列腺PET扫描仪（ProVision）及其采集的图像数据	计算机视觉	前列腺癌	PET	深度学习后处理增强模型（Swin-UNETR）	图像	使用缩放NEMA体模和真实尺寸人体骨盆体模（Adam-PETer）进行实验	PyTorch	Swin-UNETR	对比度恢复系数(CRC)、对比度噪声比(CNR)、对比度噪声一致性(CNC)	NA
3979	2026-06-07	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	提出一种名为CLinNET的多模态深度神经网络框架，用于整合基因组数据以增强基因筛选和意义不确定变异解读，并提升可解释性与不确定性建模	提出双分支设计整合测序数据、基因表达、生物通路和基因本体，结合生物学先验知识构建稀疏网络，并引入置信度不确定性量化与分层SHAP可解释性方法	未明确讨论模型泛化性到其他疾病领域的限制，也未说明不确定性过滤对低置信度预测的具体影响	开发一种可解释且不确定性感知的深度学习框架，用于神经认知障碍相关基因的精准筛选与意义不确定变异解读	神经认知障碍相关基因及意义不确定变异	机器学, 数字病理学	神经认知障碍	测序技术, 基因表达分析, 生物通路分析, 基因本体分析	深度神经网络	基因序列数据, 基因表达数据, 生物通路数据, 基因本体注释数据	神经认知障碍数据集（未说明具体样本量），前列腺癌数据集用于验证	PyTorch	双分支深度神经网络，含自信度不确定性模块及SHAP解释模块	F1分数, 准确率, 精确率-召回率曲线下面积	NA
3980	2026-06-07	Deep learning-based lung volume estimation with dynamic chest radiography 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70487 PMID:41611260	研究论文	基于深度学习的动态胸部X线摄影肺容量估计方法研究，并与传统方法对比评估其准确性	首次将深度学习应用于动态胸部X线摄影图像进行肺容量估计，且性能优于传统线性回归方法	基于动态胸部X线摄影的用力肺活量估计误差较大，模型架构和呼吸引导技术有待改进	评估基于深度学习的动态胸部X线摄影肺容量估计方法的准确性	257名患者的动态胸部X线摄影图像和对应的CT参考肺容量	计算机视觉	肺疾病	动态胸部X线摄影	卷积神经网络	图像	257名患者的动态胸部X线摄影图像数据集	NA	VGG19, DenseNet121	平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 调整决定系数	NA