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
21	2026-01-28	Multi-dimensional attention-enhanced reconstruction for sparse-view CBCT 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70299 PMID:41589426	研究论文	本研究提出了一种用于稀疏视图CBCT重建的多维注意力增强算法，旨在消除条纹伪影并恢复图像细节	引入了两个即插即用的增强模块，考虑投影间的长程依赖性和特征内的信息冗余，通过双域深度学习网络提升图像质量	NA	消除稀疏视图CBCT中的条纹伪影并恢复图像细节，提高重建图像质量	稀疏视图锥束计算机断层扫描（CBCT）图像	计算机视觉	NA	锥束计算机断层扫描（CBCT）	深度学习网络	图像	一个真实胸部数据集和一个模拟腹部数据集	NA	MAE-Recon（包含线性插值模块、投影域网络、FDK算子和图像域网络）	RMSE, SSIM, PSNR	NA
22	2026-01-28	A Deep Multimodal Fusion Framework Integrating SERS, Clinical Data, and Metabolomics for Noninvasive MASH Diagnosis 2026-Jan-27, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04917 PMID:41518251	研究论文	本文提出了一种名为MedFusionNet的多模态深度学习框架，用于整合SERS光谱、临床生化参数和胆汁酸代谢组学数据，以实现非侵入性的MASH诊断	开发了基于Product-of-Experts的变分融合架构，以捕捉模态间交互和潜在相关性，并通过多损失优化策略联合学习共享潜在表示	未明确提及具体局限性，如样本量可能有限或外部验证的缺乏	解决代谢功能障碍相关脂肪性肝病（MASLD）及其进展形式MASH的诊断挑战，开发非侵入性诊断方法	经活检证实的MASLD患者队列	机器学习	代谢功能障碍相关脂肪性肝病	表面增强拉曼光谱（SERS）、临床生化参数分析、胆汁酸代谢组学	深度学习框架	光谱数据、临床数据、代谢组学数据	240名经活检证实的MASLD患者	未明确指定，但基于深度学习框架	Product-of-Experts（PoE）变分融合架构	预测准确性、鲁棒性	未明确指定
23	2026-01-28	ME-pKa: A Deep Learning Method with Multimodal Learning for Protein pKa Prediction 2026-Jan-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01747 PMID:41528986	研究论文	本文提出了一种名为ME-pKa的多模态深度学习模型，用于预测蛋白质pKa值，通过整合氨基酸局部环境属性和蛋白质FASTA序列特征，并采用多保真度学习策略，提高了预测精度和泛化能力	开发了首个结合多模态信息（氨基酸局部环境属性和蛋白质序列特征）并采用多保真度学习策略的蛋白质pKa预测模型，显著提升了预测准确性，特别是在预测埋藏残基的pKa值方面表现优异	模型性能仍受限于数据可用性和质量，多保真度学习策略仅部分缓解了数据不足问题，且模型在处理极端复杂蛋白质结构时可能面临挑战	开发一种快速、准确的蛋白质pKa预测方法，以克服实验测定困难和现有预测方法的局限性，支持蛋白质结构、功能研究和药物设计	蛋白质的pKa值，特别是离子化氨基酸（如ASP、GLU、HIS、LYS）的质子化状态	机器学习	NA	深度学习，多模态学习，多保真度学习	深度学习模型	蛋白质序列数据（FASTA格式），氨基酸局部环境属性数据	基于PE-p数据集和Small Set数据集，具体样本数量未明确说明	未明确指定，但提及了ESM（进化尺度建模）相关技术	未明确指定具体架构，但基于多模态学习框架	RMSE, MAE, R²	未明确说明
24	2026-01-28	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	本文介绍了两种基于生物物理动力学训练的蛋白质语言模型SeqDance和ESMDance，用于预测蛋白质动态特性和突变效应	首次将分子动力学模拟和简正模式分析得到的蛋白质动态生物物理特性作为训练数据，构建了能够直接预测蛋白质动态特性的语言模型，解决了现有模型主要依赖静态结构数据的局限性	模型训练数据主要来自分子动力学模拟和简正模式分析，这些计算方法的准确性可能影响模型性能；模型在缺乏进化信息的蛋白质上的表现仍需进一步验证	开发能够整合蛋白质动态特性的深度学习模型，以更准确地预测蛋白质行为和突变效应	蛋白质序列、结构和动态特性	自然语言处理, 机器学习	NA	分子动力学模拟, 简正模式分析	蛋白质语言模型	序列数据, 结构数据, 动态特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance (基于ESM2)	零样本预测性能	NA
25	2026-01-28	Deep residual networks with convolutional feature extraction for short-term load forecasting 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35410-y PMID:41588046	研究论文	本研究提出了一种卷积神经网络嵌入的深度残差网络，用于提升短期负荷预测中的特征提取和泛化能力	将CNN的局部特征提取集成到深度残差网络中，以捕获细粒度时空负荷模式，并通过残差学习缓解梯度退化	未涉及多区域或多尺度预测，也未引入注意力机制以增强长期依赖建模	提升短期负荷预测的准确性、鲁棒性和适应性	短期负荷预测模型	机器学习	NA	NA	CNN, ResNet	时间序列数据	两个数据集（ISO-NE和马来西亚）	NA	CNN-Embedded DRN	平均绝对百分比误差	NA
26	2026-01-28	Deep atrous context convolution generative adversarial network with corner key point extracted feature for nuts classification 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36238-2 PMID:41588160	研究论文	本文提出了一种基于深度学习的坚果分类方法，使用深度空洞上下文卷积生成对抗网络（DAC-GAN）结合角点关键特征提取，对8类坚果进行自动分类	通过结合DCGAN生成合成图像、角点关键点特征提取以及空洞卷积与上下文块，增强了特征选择与空间数据捕获能力，提高了分类精度	未明确讨论模型在更广泛或更复杂数据集上的泛化能力，以及计算资源需求	开发一种自动化坚果分类方法，以提升食品加工和农业领域的检测与分类效率	8类坚果（巴西坚果、腰果、花生、山核桃、开心果、栗子、夏威夷果、核桃）的图像数据	计算机视觉	NA	深度学习，图像处理	GAN, CNN	图像	Common Nut KAGGLE数据集中的4,000张坚果图像，涵盖8个类别	NA	DCGAN, DAC-GAN	准确率	NA
27	2026-01-28	Deep learning-driven microfluidic chip architecture design for intelligent particle motion control 2026-Jan-27, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01185j PMID:41589320	研究论文	提出一种基于深度学习的模块化框架，用于微流控芯片架构设计，以实现智能粒子运动控制	将复杂的微流控通道网络分解为标准化、可重用的功能模块，并利用专用神经网络预测粒子时空状态，通过多模块重构算法组装成连续轨迹，实现了从目标行为到可制造设备设计的快速自动生成	未明确说明模型在极端流动条件或非标准粒子类型下的泛化能力，以及实际制造公差对预测性能的影响	实现微流控芯片中粒子时空运动的精确编程与控制，以支持芯片实验室自动化等应用	微流控通道网络中的粒子运动	机器学习	NA	微流控技术	神经网络	模拟或实验的流体动力学与粒子运动数据	涉及5000个模块的集成测试	未明确指定，可能为TensorFlow, PyTorch等	未指定具体架构	平均绝对时序误差（低于0.031秒）	NA
28	2026-01-28	AI-Guided Design and Predictive Modeling of Synthetic Escherichia coli Promoters through Comprehensive -10/-35 Box Engineering 2026-Jan-27, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00765 PMID:41589500	研究论文	本研究通过AI平台结合合成启动子库，实现了对大肠杆菌启动子-10/-35框的工程化设计与预测建模	开发了整合卷积神经网络与生成对抗网络的双向AI平台，首次建立了-10/-35框序列与转录活性的深度学习关联框架	研究仅针对大肠杆菌启动子，未验证在其他生物系统中的普适性	建立启动子序列与转录强度的定量关系，实现理性化启动子设计	大肠杆菌合成启动子库	机器学习	NA	荧光激活细胞分选测序	CNN, GAN	DNA序列数据	20,799个不同启动子	TensorFlow, PyTorch	卷积神经网络, 生成对抗网络	皮尔逊相关系数	NA
29	2026-01-28	Classification of epileptic seizure using hybrid deep learning framework with time and time-frequency Hjorth features 2026-Jan-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2618585 PMID:41589762	研究论文	本文提出了一种结合时域和时频域Hjorth参数特征及注意力增强时序建模的混合深度学习框架，用于分类癫痫发作阶段	创新点在于引入多域（时域和时频域）Hjorth参数作为特征，并结合注意力机制增强时序建模能力	NA	旨在分类癫痫发作的不同阶段，包括正常、发作间期和发作期	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	离散小波变换（DWT）	CNN, BiLSTM, 注意力机制	脑电图（EEG）信号	Bonn EEG数据集	NA	1D CNN, BiLSTM	精确率, 召回率, F1分数, 准确率	NA
30	2026-01-28	Efficient feature selection with attention based deep cat convolutional stacked sparse autoencoder for diabetes prediction 2026-Jan-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2613708 PMID:41589769	研究论文	提出一种基于深度学习的糖尿病早期预测新方法，结合改进的猎豹优化算法进行特征选择和双注意力深度猫卷积堆叠稀疏自编码器模型进行分类	提出了一种改进的猎豹优化算法用于特征选择，并设计了一种结合双注意力机制的深度猫卷积堆叠稀疏自编码器模型用于糖尿病分类	NA	糖尿病早期预测	糖尿病	机器学习	糖尿病	深度学习	自编码器	NA	NA	NA	双注意力深度猫卷积堆叠稀疏自编码器	准确率	NA
31	2026-01-28	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Jan-27, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	本研究通过计算分析探讨了自闭症谱系障碍儿童家庭中父母压力与亲子韵律同步性的关系，并分析了照顾者角色的调节作用	首次结合复杂动态系统理论与情感计算框架，采用深度学习模型自动分割亲子声学互动，并通过交叉递归量化分析建模韵律同步性，揭示了父亲-儿童互动对压力更敏感的现象	样本量相对有限（62个亲子对），仅针对自闭症学前儿童群体，未包含典型发育儿童对照组	探究父母压力如何影响自闭症儿童与父母间的韵律同步性，并比较母亲与父亲在互动模式上的差异	31名自闭症学前儿童及其父母（母亲与父亲分别参与）组成的亲子互动对	自然语言处理	自闭症谱系障碍	声学交互分析、交叉递归量化分析	深度学习模型	音频数据（亲子结构化游戏互动的录音）	62个亲子对（31名自闭症儿童分别与母亲和父亲互动），在两个时间点（间隔12个月）收集数据	NA	NA	NA	NA
32	2026-01-28	Advancing personalized prognostic assessment in rectal cancer through multi-instance deep learning 2026-Jan-27, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12340-x PMID:41591473	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
33	2026-01-28	Edge-Aware Dual-Branch CNN Architecture for Alzheimer's Disease Diagnosis 2026-Jan-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01836-5 PMID:41591609	研究论文	本文提出了一种用于阿尔茨海默病诊断的双分支CNN架构，该架构集成了可学习的边缘检测模块，以联合学习全局语义表示和细粒度边缘特征	引入了双分支CNN架构和可学习的边缘检测模块，能够联合学习全局语义和细粒度边缘特征，以捕捉脑部MRI图像边缘区域的微弱结构特征	未明确提及，但可能包括数据集规模、模型在其他疾病或模态上的泛化能力等	提高基于脑部MRI图像的阿尔茨海默病诊断准确率，辅助临床早期检测和决策	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	脑部MRI成像	CNN	图像	基于两个公共数据集（包括OASIS数据集），具体样本数量未明确	NA	双分支CNN	准确率	NA
34	2026-01-28	Automatic detection and measurement system for aortic aneurysms using deep learning-based artificial intelligence 2026-Jan-27, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03630-y PMID:41591618	研究论文	本研究评估了一种基于深度学习的AI系统在非对比CT图像上自动检测主动脉瘤并测量整个主动脉直径的性能	开发了一种深度学习AI系统，用于在非对比CT图像上自动检测梭形主动脉瘤并测量整个主动脉直径，提高了检测效率和准确性	研究为回顾性设计，样本量相对有限（共350例），且主要基于非对比CT图像，可能无法推广到其他成像模式	评估深度学习AI系统在非对比CT图像上自动检测和测量主动脉瘤的准确性和性能	主动脉瘤患者，使用非对比CT图像进行分析	数字病理学	心血管疾病	非对比CT成像	深度学习	图像	350例非对比CT图像（训练集160例，验证集190例）	NA	NA	Dice分数, 敏感性, 阳性预测值, F-measure, ICCs	NA
35	2026-01-28	Integrated CT pipeline for automatic intracranial hemorrhage evaluation with GPT-enhanced clinical decision support 2026-Jan-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12316-3 PMID:41586845	研究论文	本研究开发了一个集成的深度学习管道，用于自动检测、分割和定位颅内出血，并结合GPT-4o提供临床决策支持	结合了半监督学习的深度学习模型进行出血检测与分割，并首次集成GPT-4o生成基于指南的临床决策建议，实现了从影像分析到临床行动的全流程自动化	研究主要依赖公开数据集进行训练和验证，临床决策支持系统在真实急诊环境中的广泛适用性和有效性仍需进一步前瞻性研究验证	开发一个自动化深度学习管道，以增强颅内出血的CT评估，并提供临床决策支持，旨在减少诊断延迟并改善急诊护理结果	颅内出血患者的CT扫描图像	数字病理学	颅内出血	CT扫描，半监督学习	深度学习模型	CT图像	训练数据包括RSNA数据集的21,784张标注和3,528张未标注CT扫描，以及HS数据集的1,226张扫描用于分割，另有507张扫描子集用于脑积水和中线移位模型；外部验证使用CQ500数据集的491名患者	NA	NA	AUC, Dice系数, 一致性相关系数, κ值	NA
36	2026-01-28	Integrating deep learning with multimodal MRI habitat radiomics: toward personalized prediction of risk stratification and androgen deprivation therapy outcomes in prostate cancer 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02205-8 PMID:41586866	研究论文	本研究开发了一种基于多参数磁共振成像的放射组学框架，结合深度学习和栖息地放射组学，用于预测前列腺癌患者对雄激素剥夺疗法的反应并改善风险分层	首次将栖息地放射组学与3D Vision Transformer深度学习模型集成，通过可解释的多模型分析肿瘤微环境异质性，以提升ADT反应预测的准确性和个性化决策	研究样本来自三个中心，虽然进行了外部验证，但可能存在选择偏倚；模型在内部验证和测试集上的AUC存在一定差异，表明泛化能力有待进一步验证	预测前列腺癌患者对雄激素剥夺疗法的反应并改善风险分层，以指导个性化治疗	550名接受ADT治疗的前列腺癌患者	数字病理学	前列腺癌	多参数磁共振成像（mpMRI），包括T2加权成像和扩散加权成像（DWI）	3D Vision Transformer（ViT），集成模型	多模态MRI图像	550名患者（训练集270名，内部验证集115名，外部测试集165名）	NA	3D Vision Transformer（ViT）	AUC（曲线下面积），ROC曲线	NA
37	2026-01-28	Deep learning in differentiating the colorectal cancer combined with hepatic enhancing nodules: liver metastases vs hemangiomas 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02192-2 PMID:41586944	研究论文	本研究评估了一种基于门静脉期CT的深度学习模型，用于区分结直肠癌肝转移和血管瘤	开发并验证了基于DenseNet-201和ResNet-152的深度学习模型，用于自动分割和分类肝内强化结节，并评估了其对放射科医生诊断性能的辅助价值，特别是在亚厘米和10-30毫米病灶中的表现差异	深度学习辅助诊断对于亚厘米结直肠癌肝转移和血管瘤的价值有限，且研究为回顾性设计	评估深度学习模型在区分结直肠癌肝转移和肝血管瘤中的诊断性能	结直肠癌患者中被诊断为肝转移或肝血管瘤的肝脏病灶	计算机视觉	结直肠癌	门静脉期CT成像	CNN	CT图像	534个肝转移病灶（来自134名患者）和262个血管瘤病灶（来自154名患者）	NA	DenseNet-201, ResNet-152	AUC, Dice系数	NA
38	2026-01-28	Multiregional MRI-based deep learning radiomics to predict axillary response after neoadjuvant chemotherapy in breast cancer patients 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02193-1 PMID:41586963	研究论文	本研究开发了一种基于多区域MRI的深度学习放射组学列线图，用于预测乳腺癌患者新辅助化疗后腋窝病理完全缓解	结合肿瘤内和5毫米瘤周区域的放射组学特征，构建深度学习放射组学列线图，以非侵入性方式预测腋窝病理完全缓解	NA	预测乳腺癌患者新辅助化疗后腋窝病理完全缓解	乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习	图像	内部数据集539名患者（训练队列431名，内部验证队列108名），外部验证队列703名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
39	2026-01-28	Deep learning reconstruction accelerated reduced field-of-view DWI in rectal cancer: mucosa-submucosa-muscularis visualization and T staging 2026-Jan-26, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00667-x PMID:41586954	研究论文	本研究比较了深度学习重建加速的减视场扩散加权成像与标准重建全视场扩散加权成像在直肠癌中的图像质量和诊断性能	首次将深度学习重建技术应用于减视场扩散加权成像，显著缩短了扫描时间并改善了图像质量，尤其在早期直肠癌T分期准确性方面有显著提升	研究为单中心前瞻性研究，样本量相对有限，且仅针对直肠癌患者，未涉及其他类型肿瘤	评估深度学习重建加速减视场扩散加权成像在直肠癌诊断和分期中的临床应用价值	经活检证实的直肠腺癌患者	医学影像分析	直肠癌	扩散加权成像，深度学习重建	深度学习模型	医学影像数据	173名参与者，其中94名接受根治性手术	NA	NA	诊断敏感性，特异性，准确性，图像质量评分，表观扩散系数测量一致性	NA
40	2026-01-28	CT-based deep learning signatures associated with transcriptomic heterogeneity and combined with nutritional biomarkers improve prediction of 3-year overall survival in esophageal squamous cell carcinoma 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02189-x PMID:41586987	研究论文	本研究开发并验证了一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探讨了基于深度学习特征的风险组之间的转录组学差异	首次将基于Crossformer架构从CT图像提取的深度学习特征与营养生物标志物（低骨骼肌质量）相结合，构建了预测食管鳞状细胞癌患者生存期的模型，并通过转录组学分析揭示了模型风险分层的生物学基础	研究为回顾性多中心设计，样本量相对有限，且外部验证队列规模较小，未来需要前瞻性研究进一步验证	开发并验证一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探索深度学习特征风险分层的生物学意义	食管鳞状细胞癌术后患者	数字病理学	食管鳞状细胞癌	CT成像, 转录组学分析	深度学习模型	CT图像, 临床数据, 转录组数据	662名来自三家医院的术后患者（内部队列）和16名来自TCGA的额外患者（外部队列）	NA	Crossformer	一致性指数	NA