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
4101	2026-02-15	Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01681 PMID:41570305	研究论文	本研究提出了一种融合分子动力学模拟和深度学习模型的集成框架，用于提高蛋白质可电离残基pKa值的预测准确性	通过基于AMOEBA极化力场的高通量分子建模构建了富含原子静电和其他物理启发特征的蛋白质结构数据集，并训练了三种基于图的神经网络模型，在预测准确性上相比PROPKA3.5.1有显著提升	NA	提高蛋白质残基pKa值的预测准确性，以促进对酶活性和蛋白质-配体结合的理解，支持药物发现	蛋白质可电离残基，包括天冬氨酸、谷氨酸、赖氨酸和组氨酸	机器学习	NA	分子动力学模拟，AMOEBA极化力场	图神经网络，图注意力网络	蛋白质结构数据	基于PKAD-2数据集的实验测定pKa值	NA	图注意力网络	预测准确性	NA
4102	2026-02-15	[Expert consensus on the application of artificial intelligence in stomatology] 2026-Feb-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20251017-00413 PMID:41605470	专家共识	本文提供了关于人工智能在口腔医学中应用的专家共识，全面概述了AI在疾病筛查、诊断辅助、治疗规划、预后预测和教育等领域的应用，并提出了数据治理、平台开发、伦理和监管方面的建议	通过深度学习与多模态分析，AI能高效整合锥束CT、口内扫描和电子健康记录数据，提升龋齿、牙髓病、牙周病、口腔黏膜病变及颌面创伤管理的精准度和效率，并推动组学研究、生物材料开发和实验室自动化	存在数据治理标准化不足、模型可解释性有限、隐私安全风险以及临床验证和监管框架不充分等挑战	为口腔医学从业者、医疗机构、研究者和行业利益相关者提供实用且统一的指导，促进AI在口腔医疗中的安全、规范和可持续发展	口腔医学领域，包括龋齿、牙髓病、牙周病、口腔黏膜病变、颌面创伤等疾病	数字病理	口腔疾病	深度学习，多模态分析	NA	图像，文本，电子健康记录	NA	NA	NA	NA	NA
4103	2026-02-15	Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes 2026-Feb-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69295-2 PMID:41663377	研究论文	本研究利用可解释AI分析人类胰腺切片，识别2型糖尿病的组织学特征	首次结合千像素显微镜图像与可解释AI技术，量化胰腺中α细胞、δ细胞和神经元轴突等细微形态变化作为2型糖尿病生物标志物	研究样本仅来自活体捐赠者，未涵盖疾病全谱；组织学变化与血糖状态的因果关系仍需进一步验证	开发基于深度学习的组织病理学方法，预测2型糖尿病状态并识别相关生物标志物	人类胰腺组织切片（来自活体捐赠者）	数字病理学	2型糖尿病	多重免疫荧光染色，显色染色，千像素显微镜成像	深度学习模型	全切片图像	NA	NA	NA	预测性能	NA
4104	2026-02-15	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Feb-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权损失和欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于求解最优控制问题中的欧拉-拉格朗日系统	创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数分量	NA	解决最优控制问题中的欧拉-拉格朗日系统，提高求解精度和稳定性	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	物理信息神经网络	PINNs	数值模拟数据	五个数值示例	NA	物理信息神经网络	精度，稳定性	NA
4105	2026-02-15	Design and rationale of the artifiCiAl intelligence Model for Evaluating the surgical techniques of caRdiAc surgeons (CAMERA): a cohort study 2026-Feb-06, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-106359 PMID:41651534	研究论文	本研究旨在开发和验证一个基于人工智能的框架，用于自动评估冠状动脉旁路移植术中的手术技术技能	首次将人工智能驱动的评估应用于高风险心脏手术中，结合视觉印象和工具轨迹准确性进行自动化技能评分	单中心观察性研究，样本可能有限，且依赖于完整的术中视频数据	开发并验证一个AI框架，用于客观、自动地评估CABG手术中的技术技能	接受择期冠状动脉旁路移植术的成年患者及其术中视频数据	计算机视觉	心血管疾病	计算机视觉，深度学习	NA	视频	NA	NA	NA	组内相关系数	NA
4106	2026-02-15	Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations 2026-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001333 PMID:41462401	研究论文	本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较	首次将深度学习模型应用于膝关节X光片上检测桶柄状半月板撕裂，并通过生成结合前后位和侧位视图的复合图像输入，实现了比骨科医生更高的诊断性能	研究样本主要来自单一机构，外部医院数据较少，可能影响模型的泛化能力；未详细说明模型的具体架构和训练细节	评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性	膝关节X光片（包括前后位和侧位视图）	计算机视觉	骨科疾病	X光成像	CNN	图像	共496名患者（来自本机构的406名患者和外部医院的90名患者）的膝关节X光片	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 精确率, F1分数	NA
4107	2026-02-15	AI-enhanced Centiloid quantification of amyloid PET images 2026-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.71162 PMID:41670187	研究论文	本研究提出了一种名为DeepSUVR的深度学习方法，用于校正淀粉样蛋白PET图像的Centiloid量化，通过惩罚训练中不合理的纵向轨迹来提高量化的一致性和准确性	提出了一种新颖的AI方法，通过惩罚生物学上不合理的纵向轨迹，使模型能够在无需推理时纵向数据的情况下学习标准化摄取值比(SUVR)校正因子，从而显著提高跨示踪剂和研究的Centiloid一致性	NA	改进淀粉样蛋白(Aβ) PET图像的Centiloid量化，减少示踪剂和扫描仪之间的变异性，以支持临床决策和检测淀粉样蛋白的细微或早期变化	淀粉样蛋白PET图像	数字病理学	阿尔茨海默病	淀粉样蛋白正电子发射断层扫描(PET)	深度学习	图像	训练数据来自2,129名参与者（7,149次Aβ PET扫描），验证数据来自10,543名参与者（15,807次Aβ PET扫描），涵盖10个外部数据集	NA	NA	相关性、变异性减少、与认知、视觉读取、神经病理学的关联强度、纵向一致性、效应大小	NA
4108	2026-02-15	LamNet: an alchemical-path-aware graph neural network to accelerate binding free energy calculations for drug discovery and beyond 2026-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf559 PMID:41675646	研究论文	本文提出了一种名为LamNet的图神经网络，用于加速药物发现中的蛋白质-配体结合自由能计算	将端点分子状态和连接它们的炼金术路径（由λ参数化）整合到一个物理信息表示学习框架中，明确地沿着选定的热力学变换路径对自由能变化进行建模，并优化λ调度以改进传统AFEM的收敛性	未在摘要中明确说明	加速药物发现中蛋白质-配体结合自由能的准确预测	蛋白质-配体结合	机器学习	NA	分子动力学模拟	图神经网络	分子结构数据	463个配体，16种蛋白质	NA	LamNet	相对结合自由能，绝对结合自由能	NA
4109	2026-02-15	An Effective Approach for Recognition of Crop Diseases Using Advanced Image Processing and YOLOv8 2026-Feb, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71504 PMID:41676010	研究论文	本文提出了一种结合先进图像处理和YOLOv8深度学习模型的方法，用于作物病害的识别与分类	采用局部对比度增强、小波变换、Sigmoid校正、伽马校正和中值滤波等先进图像处理技术预处理图像，并结合YOLOv8模型进行分割与分类，实现了高召回率和准确率的作物病害识别	未明确提及模型在未见过作物或环境条件下的泛化能力，以及计算资源需求的具体评估	开发一种计算机辅助方法，以自动检测和分类作物病害，提升农业病害管理效率	番茄、咖啡、黄瓜、橄榄和小麦等亚洲重要经济作物的病害	计算机视觉	作物病害	图像处理技术（局部对比度增强、小波变换、Sigmoid校正、伽马校正、中值滤波）	YOLOv8	图像	包含32种病害的混合数据集，具体样本数量未明确	NA	YOLOv8	召回率, 准确率, 均方误差, 峰值信噪比	NA
4110	2026-02-15	Deep learning can automate chicken tibia-breaking strength quantification to improve animal welfare 2026-Jan-30, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106549 PMID:41637790	研究论文	本文开发了一种端到端的深度学习流程，用于自动从鸡的X射线图像中分割胫骨并预测其断裂强度，以改善动物福利	首次提出一个自动化深度学习流程，结合U-Net分割和强度预测，实现了非侵入性、快速的鸡骨强度量化，超越了传统手动标注方法	模型性能虽优于手动方法，但预测与实测断裂强度的相关性仅为中等（皮尔逊相关系数0.74），且样本量有限（916张图像）	开发一种自动化、非侵入性的方法来量化鸡胫骨断裂强度，以替代耗时的手动标注或破坏性尸检测试	鸡的胫骨（胫跗骨）	计算机视觉	NA	X射线成像	CNN	图像	916张经过筛选的鸡骨X射线图像	NA	U-Net	Dice系数, 皮尔逊相关系数	NA
4111	2026-02-15	Integrating multi-omic QTLs and predictive models reveals regulatory architectures at immune related GWAS loci in CD4+ T cells 2026-Jan-30, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.27.26344979 PMID:41646693	研究论文	本研究通过整合多组学QTL数据和预测模型，揭示了CD4+ T细胞中免疫相关GWAS位点的调控架构	整合单细胞RNA测序和染色质可及性的分子QTL图谱，并结合基于染色质可及性数据训练的深度学习模型预测变异效应，系统性地融合了经验性和预测性方法	仅有一小部分经验检测到的分子QTL被预测模型发现，深度学习方法仅能解释4.7%的GWAS位点	解释遗传变异在复杂性状中的调控作用，特别是在免疫相关疾病中的功能机制	从362名捐赠者收集的CD4+ T细胞	计算生物学	免疫相关疾病	单细胞RNA测序, 染色质可及性分析	深度学习模型	基因组数据, 转录组数据, 表观基因组数据	362名捐赠者的CD4+ T细胞样本	NA	NA	相关性分析	NA
4112	2026-02-15	A hybrid CNN and reinforcement learning framework for speaker identification using Mel-Spectrogram and continuous wavelet transform features 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35858-y PMID:41611801	研究论文	本文提出了一种结合CNN和强化学习的混合深度学习框架，用于基于梅尔频谱图和连续小波变换特征的说话人识别	首次将强化学习（Q-learning）与CNN结合用于说话人识别，通过置信度感知的自适应决策机制处理分类不确定性，并比较了梅尔频谱图（带自注意力）与连续小波变换两种特征提取方法的性能	研究仅在LibriSpeech dev-clean数据集（40名说话人）上进行验证，样本规模和说话人多样性有限；未在噪声环境或跨数据集场景下测试鲁棒性	开发一种鲁棒的说话人识别系统，用于生物特征认证	音频信号中的说话人身份	自然语言处理	NA	梅尔频谱图分析，连续小波变换（Morlet小波）	CNN, 强化学习	音频	2,703个音频文件，来自40名说话人	NA	CNN-RL混合架构（具体架构未指定）	准确率，ROC-AUC，Matthews相关系数，置信区间，p值	NA
4113	2026-02-15	Object detection on low-compute edge SoCs: a reproducible benchmark and deployment guidelines 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36862-y PMID:41565765	研究论文	本文对低功耗边缘AI SoC上的目标检测模型部署进行了全面且可复现的基准测试，提供了实用的部署指南	通过实际性能评估揭示了推理延迟与检测精度（mAP）的强相关性，而非仅依赖FLOPs或参数数量，并识别了硬件架构、内存带宽和系统级竞争对部署效果的关键影响	研究仅针对Rockchip SoC和YOLO变体，可能未覆盖所有边缘硬件或模型类型，且多任务压力测试场景可能有限	评估和优化深度学习目标检测模型在低功耗边缘AI SoC上的部署性能	九个YOLO变体模型在三种广泛使用的Rockchip SoC上的部署表现	计算机视觉	NA	深度学习目标检测	YOLO	图像	NA	NA	YOLO变体	mAP, 推理延迟, 每推理能耗	Rockchip SoC（低功耗边缘AI芯片）
4114	2026-02-15	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出了一种轻量级的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2，用于乳腺癌组织病理学图像的检测	提出了互惠门控机制，实现了两个高效卷积神经网络之间的结构化双向交互，增强了互补特征交换并抑制了冗余响应	未明确说明	开发一种计算开销小、性能高的计算机辅助诊断（CAD）解决方案，用于乳腺癌检测	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN	图像	未明确说明	未明确说明	SqueezeNet, ShuffleNetV2	多类准确率, 二元准确率	未明确说明
4115	2026-02-15	A self attention based deep learning framework for accurate and efficient dental disease detection in OPG radiographs 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36672-2 PMID:41565856	研究论文	本研究提出了一种基于自注意力的深度学习框架，用于在口腔全景X光片中准确高效地检测牙齿疾病	首次在牙齿疾病诊断中比较了Vision Transformer和Swin Transformer两种基于Transformer的架构，并证明了其在口腔成像任务中的有效性	未提及具体的数据集规模、疾病类型多样性或模型泛化能力的详细评估	开发自动诊断系统以帮助临床医生更准确、更快速地检测口腔疾病，减少人为错误	口腔全景X光片中的牙齿疾病	计算机视觉	口腔疾病	口腔全景X光成像	Transformer	图像	NA	NA	Vision Transformer, Swin Transformer	准确率, 精确率, 召回率	NA
4116	2026-02-15	Knowledge graph enhanced cross modal generative adversarial network for martial arts motion reconstruction and heritage preservation 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36095-z PMID:41565884	研究论文	本文提出了一种新颖的知识图谱增强跨模态生成对抗网络（KG-CMGAN），用于传统武术动作重建与遗产保护	通过整合结构化领域知识与先进深度学习架构，构建了首个端到端解决方案，将视觉、文本和序列表示相结合，实现了全面的动作重建，同时保持了风格真实性和语义意义	NA	保护传统武术技术，实现动作重建与文化遗产数字化保存	六种中国传统武术风格的动作数据	计算机视觉	NA	知识图谱构建，跨模态生成对抗网络	GAN	视觉，文本，序列数据	NA	NA	知识图谱增强跨模态生成对抗网络（KG-CMGAN）	关节位置误差，知识一致性得分	NA
4117	2026-02-15	Hybrid deep learning framework for accurate classification of high dimensional genomic data 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36128-7 PMID:41565905	研究论文	本文提出了一种结合注意力机制与卷积神经网络的混合深度学习框架，用于高维基因组数据的准确分类	提出了一种混合TabNet-CNN框架，将注意力驱动的特征选择与自适应卷积细化相结合，以处理基因组数据中的冗余、噪声和稀疏特征	未明确提及具体的数据集规模或计算资源限制，可能在实际应用中存在泛化性挑战	提高高维基因组数据分类的准确性、可解释性和稳定性	高维基因组数据集	机器学习	NA	基因组测序	TabNet, CNN	基因组数据	NA	NA	TabNet, CNN	准确率, AUC	NA
4118	2026-02-15	ASTRID-Net: SE-enhanced triple attention deep learning framework for IoT and IIoT security 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36731-8 PMID:41565992	研究论文	提出了一种名为ASTRID-Net的新型深度学习框架，用于物联网和工业物联网网络的高精度入侵检测	构建了一个包含多尺度卷积特征提取、双向循环建模和残差学习的三重注意力混合模型，并集成了通道-时间注意力机制以优先处理数据中最相关的信息	NA	应对物联网和工业物联网网络中的安全风险，实现复杂网络威胁的实时检测	物联网和工业物联网网络中的入侵检测	机器学习	NA	深度学习	CNN, BiGRU	网络数据	NA	NA	ASTRID-Net	准确率, 精确率, 召回率, F1分数	NA
4119	2026-02-15	A study on the coupling mechanism between the urban environment and depression perception based on deep learning and street view image 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36804-8 PMID:41559177	研究论文	本研究基于深度学习和街景图像，探讨了城市环境与抑郁感知之间的耦合机制	开发了一种基于街景图像的新颖深度学习方法，系统量化了多维城市元素与抑郁感知的关系，突破了以往研究在方法和数据上的瓶颈	研究主要聚焦于武汉市的特定区域，可能无法完全推广到其他城市或文化背景	探究城市环境与居民抑郁感知之间的耦合关系，为健康城市设计提供理论框架和实践策略	武汉市的城市环境与居民抑郁感知	计算机视觉	抑郁	街景图像分析	深度学习	图像	133,114张街景图像	NA	NA	NA	NA
4120	2026-02-15	A channel water temperature prediction method based on transfer learning and spatial-temporal graph neural networks 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35408-6 PMID:41559172	研究论文	本研究提出了一种结合迁移学习和时空图神经网络的渠道水温预测方法，用于南水北调东线北延工程冬季运行期的水温预测	提出了一种新颖的TF-GTCN模型，首次将迁移学习技术与时空图神经网络相结合，利用中线工程的冰期调度数据来捕捉水温的周期性变化及其与气温的关联，从而解决北延工程历史数据有限和监测记录稀疏的挑战	模型性能依赖于迁移学习源域（中线工程）与目标域（北延工程）之间的相关性，且可能受限于监测站点的稀疏性	开发一种准确的水温预测方法，以支持南水北调工程在冰期运行中的调水调度	南水北调东线北延工程渠道的水温	机器学习	NA	迁移学习，时空图神经网络	图神经网络，时序卷积网络	时序数据（水温、气温、流量），空间图数据（不同断面）	NA	NA	TF-GTCN (Transfer-Learning Graph Temporal Convolutional Network)	平均绝对误差 (MAE)	NA