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
4021	2026-02-16	Dynamic-GLEP: a dynamics-informed deep learning framework for ligand efficacy prediction in representative Class A GPCRs 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag049 PMID:41678734	研究论文	本文提出了一种名为Dynamic-GLEP的深度学习框架，用于预测A类GPCRs中配体的功效，该框架整合了分子动力学模拟和等变图神经网络	首次将分子动力学衍生的构象集合与等变图神经网络的迁移学习相结合，构建多构象受体-配体复合物，以捕获驱动功效的构象动力学	目前主要应用于代表性A类GPCRs（如5-HT1A和A2A受体），在其他GPCR亚型或更广泛靶点中的普适性有待进一步验证	开发一个可靠且可解释的计算平台，用于预测A类GPCRs中配体的功效，以支持虚拟筛选、候选物优先排序和机制驱动的药物设计	A类G蛋白偶联受体（GPCRs）及其配体，特别是5-HT1A受体和腺苷A2A受体	计算生物学, 药物发现	NA	分子动力学模拟, 等变图神经网络, 迁移学习	等变图神经网络	分子结构数据, 构象集合	使用了交叉验证数据集和一个外部FDA相关数据集	NA	EquiScore模型	曲线下面积	NA
4022	2026-02-16	A Comparative Study of Unsupervised and Deep Learning Methods for Automatic Segmentation of Abdominal Aortic Aneurysm on CT Images: Preliminary Results 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_33 PMID:41252020	研究论文	本研究比较了无监督和深度学习两种方法在CT图像上自动分割腹主动脉瘤的性能，并展示了初步结果	首次使用18名AAA患者的CT图像数据集，该数据集在类似研究中未曾使用过，并比较了基于传统图像分析技术的内部算法与基于nnU-Net框架的TotalSegmentor深度学习方法的性能	研究仅包含18名患者的CT图像，样本量较小，且为初步结果，可能限制了结果的泛化能力	比较无监督和深度学习两种方法在腹主动脉瘤自动分割中的准确性和鲁棒性，以优化临床工作流程	18名被诊断为腹主动脉瘤的患者的CT图像	计算机视觉	心血管疾病	X射线计算机断层扫描	深度学习	图像	18名患者的CT图像	nnU-Net	TotalSegmentor	Sorensen-Dice系数, Jaccard指数	NA
4023	2026-02-16	Building a GUI Tool for Automated Aortic Segmentation in Low-Dose Chest CT Images with PET-Based Standard Uptake Value (SUV) Analysis 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_29 PMID:41252016	研究论文	本研究开发了一种基于深度学习的自动化主动脉分割和SUVmax计算方法，用于低剂量胸部CT图像，旨在提升PET-CT诊断工作流程的效率	首次将UNET与ResNet-18骨干网络结合用于PET-CT图像的主动脉自动化分割，并集成SUV分析，显著减少了手动操作时间	研究为概念验证性质，样本量有限，未在更大规模数据集上进行外部验证	开发自动化工具以提升PET-CT图像中主动脉区域分割和标准化摄取值（SUV）分析的效率和准确性	PET-CT扫描图像（包括血管炎、淋巴瘤患者及健康对照）	数字病理	心血管疾病	PET-CT结合氟代脱氧葡萄糖（FDG）成像	CNN	医学影像（CT/PET融合图像）	未明确具体数量，包含血管炎、淋巴瘤患者及健康对照的PET-CT扫描	未明确说明	UNET, ResNet-18	IoU（交并比）, SUVmax, 处理时间	NA
4024	2026-02-16	A Rule-Based System for Condition-Specific Recommendations and Sentiment Classification Using Machine Learning and Deep Learning after the Application of a Semantic-Based Sentiment Analysis Methodology on the UCI Drug Reviews Dataset 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_41 PMID:41252028	研究论文	本研究对UCI药物评论数据集进行了全面分析，旨在生成基于特定条件的药物推荐，并利用机器学习和深度学习技术进行情感分类	引入了针对医疗领域的语义过滤方法，包括基于规则的条件相关术语过滤，并开发了一种结合情感分数、评论评分和社会验证指标的自定义度量，用于提供针对特定条件的药物推荐	未提及	生成条件特定的药物推荐并进行情感分类，以深入理解患者对药物的体验	UCI药物评论数据集中的药物评论	自然语言处理	NA	语义情感分析，机器学习和深度学习	Bi-LSTM, CNN-Bidirectional LSTM	文本	未提及	未提及	Bi-LSTM, CNN-Bidirectional LSTM	准确率	未提及
4025	2026-02-16	A multi-class framework for fish species classification using deep learning technique 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342901 PMID:41678491	研究论文	本研究开发了一个基于YOLO深度学习框架的多类别鱼类物种分类系统，用于自动识别鱼类物种	提出使用YOLO深度学习框架进行鱼类物种识别，并在Fish-Pak数据集上实现了99%的准确率和99.65%的mAP，性能优于现有文献	研究仅针对热带鱼类，数据集规模有限（915张图像，6个类别），且未考虑季节和地理位置变化对识别的影响	开发一个自动化深度学习系统，用于准确识别鱼类物种，以支持生态研究、渔业管理和海洋生物学	热带鱼类物种，具体基于Fish-Pak数据集中的6个目标类别	计算机视觉	NA	深度学习，图像检测	CNN, YOLO	图像	915张图像，涵盖6个鱼类物种类别	NA	YOLO v3, YOLO v4	准确率, mAP	NA
4026	2026-02-16	TensorFlow-based MobileNetV2 U-Net tumor segmentation and multiparametric MRI radiomics for predicting cervical lymph node metastasis in oral tongue squamous cell carcinoma 2026, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359261421325 PMID:41684966	研究论文	本研究提出了一种基于TensorFlow的MobileNetV2 U-Net网络，用于自动分割口腔舌鳞状细胞癌肿瘤，并结合多参数MRI影像组学预测颈部淋巴结转移	首次将MobileNetV2 U-Net网络应用于口腔舌鳞状细胞癌的自动肿瘤分割，并构建融合影像组学特征和临床数据的列线图来预测淋巴结转移	这是一项回顾性试点研究，样本量相对较小（136例患者），且为单中心研究，需要进一步的外部验证	开发一种自动化工具来分割口腔舌鳞状细胞癌肿瘤并预测颈部淋巴结转移，以辅助个性化手术规划	口腔舌鳞状细胞癌患者	数字病理	口腔舌鳞状细胞癌	多参数MRI（包括对比增强T1加权、T2加权和T1加权序列）	CNN	MRI图像	136例患者（100名男性，36名女性，平均年龄50.29±12.25岁）	TensorFlow	MobileNetV2 U-Net	Dice相似系数, 平均交并比, ROC曲线下面积	NA
4027	2026-02-16	A comprehensive review of artificial intelligence as a catalyst in aging research: insights, gaps and future perspectives 2026, Frontiers in aging IF:3.3Q2 DOI:10.3389/fragi.2026.1644669 PMID:41685266	综述	本文全面回顾了人工智能在衰老研究中的应用，包括机器学习、深度学习和计算机视觉在经典衰老模型中的作用，并提出了改进AI研究质量的评估指标和概念框架	提出了AI质量评估指标（AI-QAM）和概念框架，以系统评估和整合AI方法与衰老生物学机制	仅3%的研究包含生物学验证，存在数据集小、不平衡、偏差、预测噪声、缺乏跨物种分析、无细胞毒性测试及过度依赖合成数据等问题	探讨人工智能在衰老研究中的催化剂作用，分析当前应用的见解、差距和未来前景	四种经典衰老模型（酵母、线虫、果蝇、小鼠）及相关高吞吐量数据（临床、影像、多组学）	机器学习	老年疾病	NA	机器学习, 深度学习, 计算机视觉	临床数据, 影像数据, 多组学数据	NA	NA	NA	NA	NA
4028	2026-02-16	Identification and validation of γ-Linolenic acid as a natural FABP5 inhibitor in hepatocellular carcinoma through deep learning and experimental approaches 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1700347 PMID:41685317	研究论文	本研究通过深度学习与实验方法相结合，鉴定并验证了γ-亚麻酸作为肝细胞癌中天然FABP5抑制剂	整合了基于机器学习的虚拟筛选、分子对接和分子动力学模拟，以识别与FABP5高亲和力结合的自然化合物，并通过实验验证了γ-亚麻酸的抗肿瘤活性	NA	鉴定并验证肝细胞癌中天然FABP5抑制剂，以开发潜在的治疗靶点	肝细胞癌细胞系	机器学习	肝细胞癌	虚拟筛选、分子对接、分子动力学模拟、体外实验	深度学习	化学化合物数据、细胞实验数据	NA	NA	NA	NA	NA
4029	2026-02-16	Radiology as a pillar in AI-based COVID-19 research: Insights from a diverse bibliometric analysis 2026 Jan-Feb, Radiologia IF:1.1Q3 DOI:10.1016/j.rxeng.2025.101651 PMID:41690763	综述	本研究通过文献计量分析，探讨了人工智能在COVID-19研究中的知识结构和研究现状	首次结合描述性引文分析和文献耦合分析，系统性地揭示了COVID-19与AI交叉领域的研究格局和知识流动	分析基于特定数据库（WoS和Scopus），可能未涵盖所有相关文献；样本选择可能受引文偏倚影响	探索人工智能在COVID-19背景下的研究现状，识别最具影响力的文献，并勾勒该领域的概念框架	8057篇关于COVID-19和人工智能的学术文献	自然语言处理	COVID-19	文献计量分析	NA	文本	8057篇文献（其中1000篇高被引文献用于描述性引文分析）	R Bibliometrix/Biblioshiny, VOSviewer	NA	NA	NA
4030	2026-02-16	KGLGANSynergy: knowledge graph-based local and global attention network for drug synergy prediction 2025-Dec-21, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07545-5 PMID:41423603	研究论文	提出了一种基于知识图谱的深度学习框架KGLGANSynergy，用于预测药物协同作用	整合了局部图注意力网络（LGAT）和全局图注意力网络（GGAT），并通过互交叉注意力（MCA）机制融合局部与全局特征，克服了现有方法忽视边属性和全局语义上下文的局限	未在摘要中明确说明	开发一种更准确的药物协同作用预测计算工具	药物组合和细胞系	机器学习	复杂疾病（泛指）	图表示学习	图注意力网络	图数据（知识图谱）	两个基准数据集：DrugCombDB和Oncology-Screen	NA	LGAT, GGAT	AUPR	NA
4031	2026-02-16	Comprehensive non-small cell lung cancer targets: From computational prediction to clinical breakthroughs in overcoming drug resistance 2025-Dec, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2025.117333 PMID:40946977	综述	本文全面综述了非小细胞肺癌靶向治疗的研究进展，涵盖从计算预测到临床突破的多个方面	整合了基于配体、结构和多特征深度学习模型的最新靶点预测方法，并探讨了第四代酪氨酸激酶抑制剂及合成致死等新兴策略	作为综述文章，未报告原始实验数据，主要基于现有文献进行分析	总结非小细胞肺癌靶向治疗的研究进展，分析当前局限并指导未来治疗开发	非小细胞肺癌的靶点预测方法、临床治疗进展及耐药机制	机器学习	肺癌	深度学习模型	深度学习模型	NA	NA	NA	NA	NA	NA
4032	2026-02-16	DART-Net: A Novel Deep Learning Framework for Precise Radiotherapy Planning with Automated Multiorgan Segmentation and RTSTRUCT Generation 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_238_25 PMID:41684493	研究论文	本研究提出了一种名为DART-Net的新型深度学习框架，用于精确放射治疗规划，实现自动多器官分割和RTSTRUCT生成	首次将双编码器架构、注意力机制和残差连接统一起来，用于自动分割和直接RTSTRUCT生成，这种组合在盆腔分割中先前未被探索	未明确提及，但可能包括训练数据量有限（125个样本）以及对盆腔特定区域的关注	解决放射治疗规划中手动勾画盆腔器官的瓶颈，减少临床时间消耗和观察者间变异性	盆腔器官（膀胱、前列腺、直肠）	数字病理	前列腺癌	CT扫描	CNN	图像	125个专家标注的盆腔CT扫描	NA	DART-Net	Dice相似系数, Hausdorff距离	NA
4033	2026-02-16	Uncertain Feature-refinement Attention Unet: Considering Suitable Convolutional Neural Network Model for Real-time Segmentation in Markerless Tumor Tracking 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_112_25 PMID:41684490	研究论文	本研究提出了一种名为UFA-Unet的卷积神经网络模型，用于无标记肿瘤跟踪中的实时分割，旨在解决因噪声和解剖变化导致的域偏移问题	提出UFA-Unet模型，通过不确定特征精炼注意力机制抑制过激活，提高了在域分布偏移下的分割准确性	研究主要基于模拟数字重建放射影像和体模数据，临床真实世界验证有限	开发适用于实时无标记肿瘤跟踪的卷积神经网络分割模型	肺癌病例的4DCT数据、数字重建放射影像、千伏X线透视图像以及动态体模图像	计算机视觉	肺癌	4DCT, 数字重建放射影像, 千伏X线透视	CNN	图像	10例肺癌病例，每例包含两个数据集（首次计划和二次计划），以及动态体模图像	NA	UFA-Unet, U-Net, Attention-Unet, Swin-Unet	分割准确性, 95百分位3D误差	NA
4034	2026-02-16	Application and Optimization of Lee Filter for Segmentation of Benign Tumor in Breast Ultrasound Images 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_131_25 PMID:41684505	研究论文	本研究通过优化Lee滤波器的窗口尺寸，提升乳腺超声图像中良性肿瘤分割的准确性	优化Lee滤波器的窗口尺寸以提升乳腺超声图像去噪和分割性能，并利用U-Net模型进行定量评估	NA	优化Lee滤波器窗口尺寸以改善乳腺超声图像中良性肿瘤的分割性能	乳腺超声图像中的良性肿瘤	数字病理学	乳腺癌	超声成像	CNN	图像	NA	NA	U-Net	IoU, PSNR, UQI	NA
4035	2026-02-16	Medical Image Segmentation Assisted with Clinical Inputs via Language Encoder in A Deep Learning Framework 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/adb371 PMID:41078606	研究论文	提出一种结合临床文本输入的深度学习框架，用于医学图像分割，特别是在癌症放疗中自动分割肿瘤体积和危及器官	通过基于Transformer的文本编码器将临床文本信息整合到图像分割过程中，弥补了传统自动分割方法在捕捉不可见微观肿瘤侵袭信息方面的不足	仅在前列腺癌分割示例中进行了验证，尚未在其他癌症类型或器官上广泛测试	提高癌症放疗中临床靶区（CTV）和危及器官（OAR）的自动分割精度	局部前列腺癌放疗中的前列腺分割	医学图像分割	前列腺癌	深度学习	深度学习框架	医学图像, 临床文本	NA	NA	Transformer	NA	NA
4036	2026-02-16	High-Resolution Estimation of Daily PM2.5 Levels in the Contiguous US Using Bi-LSTM with Attention 2025-Jan, Remote sensing IF:4.2Q2 DOI:10.3390/rs17010126 PMID:41674857	研究论文	本文开发了一种基于Bi-LSTM与注意力机制的深度学习模型，用于提高美国本土每日PM2.5浓度的高分辨率估计精度	通过结合注意力机制的Bi-LSTM网络，整合多源数据（包括现场测量、遥感数据和野火烟雾密度观测），显著提升了高浓度日子的PM2.5估计精度	模型主要针对美国本土，缺乏开源代码可能限制了在其他地区和时间段的直接应用，尽管本文已发布开源框架以改善可重复性	提高地表PM2.5浓度的估计精度，特别是针对高浓度日子，以支持公共卫生监测和队列研究	美国本土的每日PM2.5浓度数据	机器学习	NA	深度学习，多源数据整合（现场测量、遥感、野火烟雾观测）	Bi-LSTM	时间序列数据，包括测量数据、遥感数据和观测数据	2005年至2021年美国本土的PM2.5估计数据集	TensorFlow, PyTorch	Bi-LSTM with Attention	RMSE	NA
4037	2026-02-16	Performance and generalizability impacts of incorporating location encoders into deep learning for dynamic PM2.5 estimation 2025, GIScience & remote sensing IF:6.0Q1 DOI:10.1080/15481603.2025.2594797 PMID:41684775	研究论文	本研究评估了在动态PM2.5浓度估算的深度学习模型中整合地理位置编码器对模型性能和地理泛化能力的影响	首次在复杂、时间动态的估算场景中集成并系统评估了地理位置编码器，并比较了原始坐标与预训练编码器在区域内外泛化能力上的差异	某些区域存在由高次基函数和稀疏上游样本引起的伪影模式，且不同位置编码器（如SatCLIP与GeoCLIP）的性能表现存在差异	评估地理位置信息在提升深度学习模型性能及地理泛化能力方面的作用，并指导空气污染估算模型开发	美国本土的地表日PM2.5浓度	机器学习	NA	遥感数据、地面监测数据	深度学习	地理空间数据、时间序列数据	NA	NA	基于现有最先进的PM估算模型（未指定具体架构）	聚合性能指标、定性分析、消融实验结果	NA
4038	2026-02-15	Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices 2026-Jul, Applied ergonomics IF:3.1Q2 DOI:10.1016/j.apergo.2026.104743 PMID:41628493	研究论文	本研究评估并改进了基于智能手机的无标记运动捕捉系统OpenCap，用于测量职业举重任务中的三维关节运动学	针对OpenCap在职业举重任务中性能不足的问题，提出并训练了一个任务特定的模型，显著降低了运动学误差和误差变异性	原始模型在未包含于训练数据集的活动（如职业举重任务）中表现较差，本研究通过任务特定模型解决了此限制，但可能仍需针对其他特定任务进行类似适配	评估和改进无标记运动捕捉技术，以低成本、易用且适用于现场的方式收集三维举重运动学数据，用于人机工程学应用	职业举重任务中的三维关节运动学	计算机视觉	NA	无标记运动捕捉	深度学习模型	视频	基于大量多样化手动举重任务数据集	NA	标记增强器	均方根误差, 误差变异性	NA
4039	2026-02-15	Artificial intelligence driven protein design and sustainable nanomedicine for advanced theranostics 2026-Jun, Bioactive materials IF:18.0Q1 DOI:10.1016/j.bioactmat.2026.01.036 PMID:41674557	综述	本文综述了人工智能驱动的蛋白质设计与可持续纳米医学在先进诊疗一体化中的整合应用	将人工智能、蛋白质工程与可持续纳米医学相结合，推动诊疗一体化范式转变，实现高精度疾病诊断和靶向治疗	NA	总结AI驱动的蛋白质设计策略、可持续纳米载体工程及其在下一代诊疗系统中的融合	蛋白质、肽、纳米材料、纳米载体	机器学习	肿瘤学	机器学习、深度学习	NA	生物和化学数据集	NA	NA	NA	NA	NA
4040	2026-02-15	Advances and challenges in multiscale biomolecular simulations: artificial intelligence-driven paradigm shift 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70024 PMID:41675594	综述	本文讨论了生物分子模拟技术的最新进展，并探讨了生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	整合机器学习特别是深度学习算法，推动了生物分子模拟领域的创新	NA	讨论生物分子模拟技术的最新进展，并探索生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	生物分子模拟技术	机器学习	NA	分子模拟技术	深度学习算法	NA	NA	NA	NA	NA	NA