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	2026-02-16	Development and Validation of a Protein Electrophoresis Classification Algorithm: Tabular Data-Based Alternative 2026-Jan-28, JMIR formative research IF:2.0Q4 DOI:10.2196/83124 PMID:41605495	研究论文	本文开发并验证了一种基于表格数据的蛋白质电泳分类算法，为基于图像的深度学习方法提供了稳健且可解释的替代方案	引入了一种高效的基于表格数据的机器学习方法，直接利用数值血清蛋白电泳（SPE）谱，提供了一种稳健且可解释的替代方案，区别于传统的视觉评估或基于图像的深度学习方法	NA	开发并验证一种基于表格数据的蛋白质电泳分类算法	血清蛋白电泳（SPE）谱	机器学习	NA	血清蛋白电泳（SPE）	NA	表格数据	NA	NA	NA	NA	NA
4322	2026-02-16	Sickle cell disease detection in low-resource conditions using transfer-learning and contrastive-learning coupled with XAI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35831-9 PMID:41580439	研究论文	本文提出了一种结合迁移学习、对比学习和可解释人工智能的方法，用于在低资源条件下检测镰状细胞病	结合迁移学习、对比学习（使用三元组损失）和可解释人工智能，以在训练数据有限的情况下提高镰状细胞病检测模型的效率和可解释性	NA	开发在低资源条件下准确检测镰状细胞病的深度学习方法	镰状细胞病	计算机视觉	镰状细胞病	NA	CNN	图像	NA	NA	ResNet-50, DenseNet-121, EfficientNet-B0	NA	NA
4323	2026-02-16	An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986-2024) 2026-Jan-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06549-0 PMID:41577719	研究论文	本文提出了一种新的两阶段深度学习模型，用于生成中国1986年至2024年的年度人工夜间灯光数据集，以解决现有数据产品在光强低估和结构细节缺失方面的不足	提出了一种新颖的两阶段深度学习模型，首次使用高分辨率不透水面数据作为指导来细化细粒度结构细节，从而生成时间覆盖更长、质量更高的VIIRS-like夜间灯光数据集	NA	生成时间覆盖更长、质量更高的中国人工夜间灯光数据集，以支持长期时间序列研究	中国的人工夜间灯光数据	遥感	NA	深度学习	深度学习模型	遥感图像	NA	NA	两阶段深度学习模型	时间一致性, 与社会经济指标的相关性	NA
4324	2026-01-25	Hybrid deep learning model for air quality prediction and its impact on healthcare 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36564-5 PMID:41577974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4325	2026-02-16	Sex disparities in deep learning estimation of ejection fraction from cardiac magnetic resonance imaging 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02330-6 PMID:41577988	研究论文	本研究分析了基于心脏磁共振成像的深度学习模型在估计射血分数时存在的性别差异	首次在心脏成像深度学习模型中系统研究性别偏见，并探讨了缓解策略如掩蔽保护属性和数据重采样	尽管尝试了多种缓解策略，模型公平性未得到显著改善，且研究主要基于UK Biobank数据集	评估深度学习模型在心血管成像中估计射血分数的性别偏见及其影响	心脏磁共振成像数据和放射学报告	医学影像分析	心血管疾病	心脏磁共振成像	深度学习基础模型	图像, 文本	UK Biobank数据集的多机构数据	NA	NA	射血分数估计误差	NA
4326	2026-02-16	Evaluating gait system vulnerabilities through PPO and GAN-generated adversarial attacks 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37011-1 PMID:41578011	研究论文	本研究探讨基于深度学习的步态识别系统在对抗攻击下的脆弱性，提出一种结合PPO和GAN的先进方法生成对抗性补丁进行攻击	创新性地整合PPO与GAN生成对抗性补丁，利用PPO优化补丁放置位置以最大化攻击效果	研究主要基于特定数据集（CASIA和OU-ISIR），未涵盖所有步态识别场景或模型	评估步态识别系统的安全漏洞，提升其对抗攻击的鲁棒性	基于深度学习的步态识别系统	计算机视觉	NA	对抗攻击生成技术	GAN, PPO	步态视频或图像数据	CASIA Gait Database: Dataset B 和 OU-ISIR Treadmill Dataset B - Clothes variation- 数据集	NA	NA	识别准确率	NA
4327	2026-02-16	Data-Augmented Deep Learning for Downhole Depth Sensing and Validation 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030775 PMID:41682291	研究论文	本文提出了一种集成到井下工具串中的系统，用于套管接箍定位器（CCL）测井数据采集，并开发了数据增强预处理方法以提升套管接箍识别神经网络的性能	针对CCL数据有限的情况，提出了一套综合的数据增强预处理方法，包括标准化、标签分布平滑、随机裁剪等，并系统评估了各方法对模型泛化能力的贡献	研究依赖于模拟或有限的实际井数据，可能无法完全覆盖所有井下环境的复杂性	提高井下深度测量的准确性，以优化油气井作业中的储层接触、生产效率和操作安全	套管接箍定位器（CCL）测井数据	机器学习	NA	CCL测井数据采集	神经网络	波形数据	NA	NA	TAN, MAN	F1分数	NA
4328	2026-02-16	Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36301-y PMID:41571740	研究论文	本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场	引入了变分自编码器结合傅里叶特征层，并添加感知损失项来学习流场的低维潜在表示，通过基于注意力的网络将潜在表示与传感器测量关联	未明确提及方法在极端或非标准流动条件下的适用性限制	开发一种从稀疏传感器测量中准确重建流场的方法，并提高其在不同流动条件下的泛化能力	流体流动场	机器学习	NA	NA	变分自编码器, 注意力网络	传感器测量数据	NA	NA	FLRNet	重建准确性, 鲁棒性	NA
4329	2026-02-16	Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36895-3 PMID:41571775	研究论文	本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测	通过可穿戴设备实时监测生理和行为数据，并利用RNN模型分析时序模式，实现了对阿尔茨海默病的连续、非侵入性早期检测	未提及具体样本量、模型验证的临床环境或与其他方法的比较结果	开发一种基于可穿戴技术和深度学习的早期阿尔茨海默病检测系统	阿尔茨海默病患者	机器学习	阿尔茨海默病	可穿戴传感器数据采集	RNN	时序生理和行为数据（心率、睡眠习惯、身体活动）	NA	NA	RNN	检测敏感性和准确性	NA
4330	2026-02-16	Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35540-3 PMID:41565887	研究论文	本文提出了一种量子去噪自编码器（QDAE），用于提高视网膜眼底图像质量，以支持早期糖尿病视网膜病变筛查	提出了一种混合量子-经典架构，利用参数化量子电路在潜在空间中增强表示，通过量子叠加和纠缠改善去噪效果和视网膜细节保留	浅层量子电路带来轻微的计算开销，且模型在小型医学数据集上的泛化能力仍需进一步验证	提高视网膜眼底图像的去噪质量，以促进早期糖尿病视网膜病变的准确检测	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	量子计算与深度学习结合	自编码器	图像	基于Diabetic Retinopathy 224×224 (2019)数据集，具体样本数量未明确说明	未明确说明，可能涉及PyTorch或TensorFlow等经典框架与量子计算库的结合	量子去噪自编码器（QDAE），结合卷积特征编码与参数化量子电路	PSNR, SSIM, AMI	未明确说明，但提及涉及量子电路，可能使用量子计算模拟器或实际量子硬件
4331	2026-02-16	AI-powered segmentation and prognosis with missing MRI in pediatric brain tumors 2026-Jan-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01269-x PMID:41530498	研究论文	本研究开发了处理儿科脑肿瘤MRI序列缺失的策略，包括dropout训练的分割模型和生成模型，以提高AI工具在真实世界临床环境中的实用性	提出了针对MRI序列缺失的dropout训练分割模型和生成图像合成方法，在序列不完整时仍保持稳健的分割和预后准确性	研究为回顾性设计，样本主要来自特定网络和临床试验，可能限制泛化性	解决儿科脑肿瘤MRI成像中序列缺失问题，提升深度学习模型在临床环境中的鲁棒性和实用性	儿科脑肿瘤患者及其MRI影像	数字病理学	脑肿瘤	MRI	深度学习模型	图像	715名患者来自儿童脑肿瘤网络和BraTS-PEDs，43名患者（157张纵向MRI）来自PNOC003/007临床试验	NA	NA	Dice系数，SSIM	NA
4332	2026-02-16	Learning physical interactions to compose biological large language models 2026-Jan-07, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01883-7 PMID:41501135	综述	本文探讨了结合不同生物模态表示以改进药物设计中分子相互作用预测的方法，并提出了构建生化基础模型的未来研究方向	提出通过组合特定领域的生物语言模型内部层表示来提升分子相互作用预测的泛化能力，并展示了该方法在特征较少情况下优于标准方法	未具体说明模型组合的具体技术细节或实验验证的完整范围	开发能够联合编码多种分子模态的生化基础模型，以更有效地预测分子相互作用	生化序列、分子复合物及分子相互作用	自然语言处理	NA	深度学习、大语言模型训练	大语言模型	生化序列数据	NA	NA	NA	NA	NA
4333	2026-02-16	GATCL: graph attention network meets contrastive learning for spatial domain identification 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag043 PMID:41678736	研究论文	本文提出了一种名为GATCL的新型深度学习框架，该框架将图注意力网络与对比学习相结合，用于稳健的空间域识别	GATCL通过图注意力机制动态分配邻域权重以建模复杂细胞结构，并采用跨模态对比学习策略实现模态间的稳健对齐	未在摘要中明确说明	开发一种用于空间域识别的稳健深度学习框架	空间多组学数据中的细胞或点	机器学习	NA	空间多组学	图注意力网络, 对比学习	空间多组学数据（转录组、蛋白质组、染色质）	六个不同的数据集	NA	图注意力网络	六项关键评估指标	NA
4334	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
4335	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
4336	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
4337	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
4338	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
4339	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
4340	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