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
4321	2026-02-13	Metadata driven malicious URL detection using RoBERTa large and multi source network threat intelligence 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34790-x PMID:41611764	研究论文	本研究提出了一种基于RoBERTa-Large变换器模型和元数据驱动的恶意URL检测方法，旨在提高检测准确性和可解释性	结合了RoBERTa-Large变换器的上下文子词嵌入与轻量级元数据信号，通过注意力层实现双机制检测，显著提升了恶意URL检测的性能和透明度	未明确说明模型对新型对抗性攻击的鲁棒性，且数据集可能未覆盖所有类型的恶意URL变体	检测恶意URL，以应对网络钓鱼、恶意软件攻击和网站篡改等安全挑战	恶意URL，包括良性、篡改、钓鱼和恶意软件类别的链接	自然语言处理	NA	NA	Transformer	文本	平衡数据集，包含良性、篡改、钓鱼和恶意软件URL，具体数量未明确	NA	RoBERTa-Large	准确率	NA
4322	2026-02-13	A meta learning framework for few shot personalized gait cycle generation and reconstruction 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35121-4 PMID:41611817	研究论文	本文提出了一种基于元学习的少样本个性化步态周期生成与重建框架MetaGait	采用模型无关元学习（MAML）策略，通过少量步态周期样本实现个性化模型快速适应	未明确说明模型在极端步态异常或跨数据集泛化方面的性能	解决步态分析中个性化模型需要大量数据的问题	人类步态周期数据	机器学习	NA	元学习	TCN	序列数据	使用Human Gait Database（HuGaDB）数据集，具体样本量未明确说明	未明确说明	时序卷积网络	均方误差（MSE），动态时间规整（DTW）	NA
4323	2026-02-13	Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35158-5 PMID:41606065	研究论文	本研究开发了一种基于放射组学的端到端模型，用于分割和预测早期妊娠结局	结合临床特征和超声图像的放射组学特征，利用深度学习分割模型和多任务nnUNet v2，开发了预测早期妊娠流产的分类模型	样本量有限，可能导致机器学习模型容易过拟合	预测早期妊娠在孕早期结束时的存活情况	未知存活状态的早期妊娠病例	数字病理学	妊娠相关疾病	超声成像	深度学习, 机器学习	图像	500例未知存活状态的妊娠病例，其中400例用于训练和验证，100例用于测试	PyTorch	多任务nnUNet v2, XGBoost, LASSO	Dice系数, AUC, F1分数, 召回率	NA
4324	2026-02-13	Feature Integration of [18F]FDG PET Brain Imaging Using Deep Learning for Sensitive Cognitive Decline Detection 2026-Jan-26, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.22.26344669 PMID:41646662	研究论文	本研究提出了一种多表征学习框架，通过结合[18F]FDG PET脑成像的体素级和区域级特征，利用深度学习提高认知衰退检测的敏感性和准确性	提出了一种结合体素级和区域级特征的多表征学习框架，通过直接拼接集成CNN、PCANet和DNN模型，显著提升了认知衰退分类的准确性和敏感性	研究样本量相对有限（252名参与者），且仅基于ADNI数据集，可能限制了模型的泛化能力	提高认知衰退（包括早期阿尔茨海默病）与认知正常个体的诊断准确性，以支持及时干预	阿尔茨海默病神经影像学倡议（ADNI）中的252名参与者，包括118名认知正常和134名认知衰退受试者	数字病理学	阿尔茨海默病	[18F]FDG PET脑成像	CNN, PCANet, DNN	图像	252名参与者（118名认知正常，134名认知衰退）	NA	CNN, PCANet, DNN	准确率, 召回率, F1分数, 精确率	NA
4325	2026-02-13	A deep reinforcement learning approach to dance movement analysis 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35311-0 PMID:41577743	研究论文	本文提出了一种基于深度强化学习的舞蹈动作分析框架RATS，通过序列决策过程优化视频帧采样，提高分类效率与准确性	提出RATS框架，将舞蹈分类建模为序列决策过程，结合3DCNN特征提取、DQN代理与BiLSTM记忆，实现关键帧聚焦并降低计算复杂度	未明确讨论模型在更广泛舞蹈数据集或实时应用中的泛化能力与计算资源需求	开发高效且准确的视频舞蹈风格分类方法	舞蹈视频数据	计算机视觉	NA	视频分析	深度强化学习, 3DCNN, BiLSTM	视频	基于Let's Dance数据集（具体样本数未提供）	NA	3DCNN, DQN, BiLSTM	准确率, F-measure	NA
4326	2026-01-21	Compact deep learning models for colon histopathology focusing performance and generalization challenges 2026-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35119-y PMID:41554906	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4327	2026-02-13	Contemporary strategies for active learning in oral and maxillofacial surgery education 2026-Jan-15, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.002 PMID:41672806	综述	本文回顾并倡导了口腔颌面外科教育中当代的主动学习策略	强调通过团队学习、翻转课堂、模拟训练等现代方法促进主动学习，以提升教育效果	NA	探讨口腔颌面外科教育中的主动学习策略，以改善临床医生培训	口腔颌面外科的受训者（住院医师）	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
4328	2026-01-14	End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs 2026-Jan-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02150-4 PMID:41527051	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4329	2026-02-13	Proteolysis-targeting Chimera efficacy prediction using a deep-learning-QSP model 2026-Jan-12, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01152-2 PMID:41521293	研究论文	本研究提出了一种结合深度学习和定量系统药理学的集成计算建模框架，用于预测PROTAC分子的疗效	首次将基于卷积神经网络的深度学习模型DeepCalici与机制性QSP Hook模型相结合，以预测PROTAC的关键药效参数，并通过补充深度神经网络基于化学和生化特征调整模型参数以提高预测准确性	对最大降解的预测准确性较低，可能反映了当前数据集中未捕获的实验条件变异性	开发一种计算模型以预测PROTAC分子的疗效，加速其发现和优化	PROTAC分子及其与蛋白质靶点和E3连接酶的结合亲和力	机器学习	NA	定量系统药理学，深度学习	卷积神经网络，深度神经网络	化学和生化特征数据，实验验证的PROTAC-DB数据	NA	NA	DeepCalici，Hook模型	预测准确性	NA
4330	2026-01-14	MRI-based deep learning and radiomics for severity classification of pediatric venous malformations 2026-Jan-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02161-1 PMID:41526842	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4331	2026-02-13	Crop phenotype prediction using SNP context and whole-genome feature embedding based on DNABERT-2 2026-Jan-12, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01492-4 PMID:41527074	研究论文	本研究提出两种基于DNABERT-2基因组基础模型的特征嵌入方法，用于作物表型预测，并比较了不同遗传力性状下的预测性能	首次将DNABERT-2跨物种基因组基础模型应用于作物表型预测，提出SNP上下文和全基因组两种特征嵌入模式，突破了传统方法仅关注单个SNP累积效应的局限	研究仅针对三种作物数据集（水稻和玉米）进行验证，未涵盖更广泛的作物种类；特征维度优化范围有限（4-768维）	开发基于基因组序列上下文的精准表型预测方法，加速优良作物品种选育	水稻（rice413, rice395）和玉米（maize301）的基因组序列与表型数据	机器学习	NA	基因组测序	Transformer, 机器学习算法	基因组序列	三个作物数据集（水稻413个样本、水稻395个样本、玉米301个样本）	DNABERT-2	DNABERT-2（基于Transformer架构）	准确率, 平均绝对误差	NA
4332	2026-02-13	A multicenter deep learning framework integrating radiomics and vision transformers for comprehensive ovarian tumor analysis from ultrasound imaging 2026-Jan-11, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03395-5 PMID:41521324	研究论文	本研究开发并验证了一个多中心深度学习框架，整合了放射组学特征和视觉变换器，用于从超声图像中实现卵巢肿瘤的全面分析，包括分割、多分类和预后预测	提出一个结合放射组学描述符和深度特征嵌入的多中心深度学习框架，首次在卵巢肿瘤超声分析中集成多种分割网络和分类器，并进行了外部验证	研究为回顾性分析，可能存在选择偏倚；未明确说明模型在不同超声设备或采集参数下的泛化能力	开发一个鲁棒的多中心深度学习流程，用于卵巢肿瘤的全面分析，以支持个性化临床决策	卵巢肿瘤患者	计算机视觉	卵巢癌	超声成像	CNN, Transformer	图像	3156名患者（来自八个中心），外部验证集756名患者	NA	UNETR, nnU-Net, Swin-UNet, SegNet, UNet, ResNet, Vision Transformer (ViT), TabTransformer, MLP, XGBoost	DSC, AUC, 准确率, C-index	NA
4333	2026-02-13	High-throughput spheroid-based assay for functional breast cancer precision medicine facilitated by deep learning 2026-Jan-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01359-8 PMID:41519924	研究论文	本研究开发了一种基于深度学习的高通量球体检测方法，用于乳腺癌精准医学的功能性评估	利用深度学习实现自动球体分割，以预测肿瘤对顺铂、奥拉帕尼和放疗的敏感性，为乳腺癌精准治疗提供功能性检测手段	研究基于患者来源的异种移植模型，可能无法完全反映人体内肿瘤的复杂性，且样本量有限	开发一种功能性检测方法，以预测乳腺癌患者对靶向治疗和放疗的个性化反应	乳腺癌患者来源的异种移植模型，特别是对顺铂敏感和耐药的肿瘤	数字病理学	乳腺癌	高通量球体培养、深度学习图像分析	深度学习模型	图像	使用患者来源的乳腺癌异种移植模型，具体数量未在摘要中明确说明	NA	NA	响应与非响应球体的百分比预测	NA
4334	2026-02-13	Survival prediction and risk stratification in R0-resected ovarian cancer: a multi-modal deep learning approach 2026-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01263-3 PMID:41520012	研究论文	本研究提出了一种名为OvcaSurvivor的多模态深度学习框架，用于R0切除卵巢癌患者的生存预测和风险分层	开发了首个整合全切片图像、超声图像和临床数据的多模态深度学习框架，并引入了注意力引导融合模块以提升预测性能	研究样本量相对有限（543例患者），且外部验证性能有所下降（C指数从0.81降至0.70）	提高卵巢癌患者的生存预测准确性和个体化风险评估	R0切除的卵巢癌患者	数字病理学	卵巢癌	全切片图像分析, 超声成像	深度学习	图像, 临床数据	543名患者	NA	CHIEF, ResNet50	C指数, 时间依赖性AUC	NA
4335	2026-02-13	Leveraging large scale deep learning models for diagnosis and visual outcome prediction in retinitis pigmentosa 2026-Jan-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02311-9 PMID:41507439	研究论文	本研究开发了基于大规模深度学习模型的诊断和预后模型，用于视网膜色素变性的诊断和视觉结果预测	利用预训练的大规模深度学习模型结合临床元数据进行生存分析，在患者层面严格分割以避免数据泄露，并发现诊断和预后特征不同	需要外部和多中心数据集进行进一步验证以实现临床转化	开发视网膜色素变性的诊断和视觉预后预测模型	视网膜色素变性患者	计算机视觉	视网膜色素变性	深度学习	CNN	图像, 临床元数据	NA	NA	EfficientNetB4	AUC, 时间依赖性AUC	NA
4336	2026-02-13	Longitudinal MRI-based deep learning model for predicting pathological complete response in breast cancer: a multicenter, retrospective cohort study 2026-Jan-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01256-2 PMID:41491286	研究论文	本研究提出了一种基于纵向MRI的深度学习模型BSTNet，用于预测乳腺癌新辅助治疗后的病理完全缓解	开发了一种新颖的乳腺自监督时序学习框架（BSTNet），通过自监督预训练实现模型在多时间点和双时间点场景下的泛化，并捕捉新辅助治疗期间肿瘤的动态变化	NA	早期预测乳腺癌患者对新辅助治疗的病理完全缓解，以优化治疗策略	乳腺癌患者	数字病理学	乳腺癌	纵向MRI	深度学习模型	MRI图像	1339名患者（多中心队列）	NA	BSTNet	AUC, 特异性	NA
4337	2026-02-13	A Deep Learning-Enabled Ionogram Dataset for Detection and Classification of Low-latitude Spread-F Phenomena 2026-Jan-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06493-5 PMID:41484136	研究论文	本文介绍了一个用于检测和分类低纬度Spread-F现象的首个公开、专家指导的深度学习离子图数据集	首次提供了公开的、专家指导的离子图数据集，覆盖最全面的类别、最大数据量和最长时间跨度，并附带了基于该数据集的分类模型	NA	研究电离层Spread-F现象，以改进无线电技术（如通信和导航）中的操作应用	低纬度Spread-F现象	计算机视觉	NA	NA	CNN	图像	150,000张离子图（包括30,000张每类，含“非SF”组），覆盖2002年至2016年共14年	NA	SA-ResNet50	NA	NA
4338	2026-02-13	MAGIN-GO: Protein function prediction based on dual graph neural networks and gene ontology structure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342072 PMID:41662346	研究论文	提出了一种名为MAGIN-GO的蛋白质功能预测方法，该方法结合了双重图神经网络和基因本体结构	结合了图同构网络（GIN）、图卷积网络（GCN）和图卷积自注意力网络（GMSA）来提取多源蛋白质信息，并整合了基因本体（GO）注释嵌入，有效结合了蛋白质序列特征与蛋白质-蛋白质相互作用（PPI）图节点特征，解决了传统GNN方法在特征表示能力、长程依赖捕获和注释间关系整合方面的局限性	NA	准确预测蛋白质功能	蛋白质	自然语言处理	NA	NA	GNN, GIN, GCN, GMSA	序列数据，图数据	UniProtKB/Swiss-Prot数据集	NA	图同构网络（GIN），图卷积网络（GCN），图卷积自注意力网络（GMSA）	AUPR, Fmax, Smin, AUC	NA
4339	2026-02-13	Enhanced extractive text summarization framework for low-resourced Urdu language 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341596 PMID:41662374	研究论文	本文提出了一种针对低资源乌尔都语的增强型抽取式文本摘要框架，包括改进的监督和非监督方法	为低资源乌尔都语创建大规模标注数据集，并提出结合特征选择和机器学习/深度学习的混合摘要模型，在ROUGE分数上分别实现约7%和12%的提升	未明确说明模型在跨领域或不同文本类型上的泛化能力，且可能受限于乌尔都语特有的语言复杂性	开发针对低资源乌尔都语的高效抽取式文本摘要方法	乌尔都语文本文档及其人工标注的抽取式摘要	自然语言处理	NA	文本摘要	机器学习模型,深度学习模型	文本	大规模数据集（具体数量未说明）	NA	NA	ROUGE分数	NA
4340	2026-02-13	Development and validation of clinico-imaging machine learning and deep learning models to predict responses to initial antiseizure medications in epilepsy 2026-Jan, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18668 PMID:41133949	研究论文	本研究开发并验证了结合临床和脑部MRI数据的AI模型，用于预测癫痫患者对前两种抗癫痫药物的反应	首次融合了18层3D videoResNet（用于多序列MRI数据）、Transformer编码器（用于ASM方案）和双线性神经网络（用于临床特征）的深度学习模型，以预测癫痫患者的药物反应	需要更大规模队列的进一步验证	预测癫痫患者对初始抗癫痫药物的反应，以优化治疗选择	癫痫患者	机器学习	癫痫	脑部多模态磁共振成像	深度学习, 机器学习	图像, 临床数据	开发队列154人，验证队列301人	NA	3D videoResNet, Transformer, 线性神经网络	F1分数	NA