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
4561	2026-02-09	Sequential glioblastoma segmentation via topological data analysis and spatial adjacency 2026-Feb-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3e97 PMID:41604711	研究论文	本文提出了一种基于拓扑数据分析（TDA）和空间邻接信息的顺序分割框架，用于精确分割胶质母细胞瘤	利用TDA的可解释过滤和持久同源性捕获胶质瘤的内在拓扑特征，减少对大型标注数据集的依赖，并引入模糊边缘Dice分数作为新的性能指标	未明确提及方法的计算效率或在大规模数据集上的泛化能力	提高胶质母细胞瘤在医学影像中的分割准确性	胶质母细胞瘤的医学影像数据	数字病理学	胶质母细胞瘤	拓扑数据分析（TDA），持久同源性	NA	医学影像	BRATS2021和BRATS2022-Reg公共数据集	NA	NA	模糊边缘Dice分数	NA
4562	2026-02-09	MetaChest: generalized few-shot learning of pathologies from chest X-rays 2026-Feb-06, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-026-00214-4 PMID:41644911	研究论文	本文提出了MetaChest数据集，用于评估广义少样本学习在胸部X光病理分类中的应用	引入了专门设计用于广义少样本分类的大规模胸部X光数据集，并评估了标准迁移学习与ProtoNet扩展在少样本多标签分类任务中的表现	研究未提及模型在外部验证集上的泛化能力或临床部署的具体挑战	探索广义少样本学习在医学图像分析中的应用，特别是胸部X光病理分类	胸部X光图像中的病理分类	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	479,215张胸部X光图像，来自四个公共数据库	TensorFlow, PyTorch	ProtoNet, 未指定具体架构但提及高效模型架构	准确率	未具体说明，但提及高分辨率图像增加计算成本及高效模型减少资源需求
4563	2026-02-09	Mass spectrometry-based human spatial omics: fundamentals, innovations, and applications 2026-Feb-06, Journal of biomedical science IF:9.0Q1 DOI:10.1186/s12929-026-01219-0 PMID:41645178	综述	本文系统回顾了基于质谱的空间组学技术，涵盖其基本原理、技术创新、计算分析流程及其在生物医学领域的应用	系统梳理了质谱空间组学领域的技术与计算进展，包括空间分辨率提升、分子覆盖度扩展、深度学习整合及多模态平台融合等创新方向	NA	综述质谱空间组学技术的发展历程、当前进展、应用场景及未来挑战	人类组织中的蛋白质、代谢物、脂质等生物分子的空间分布	空间组学	肿瘤、神经退行性疾病	质谱成像（MSI）、标记技术、邻近标记技术	深度学习	空间分子成像数据	NA	NA	NA	NA	云优化数据格式
4564	2026-02-09	Comment on "Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction" 2026-Feb-06, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2026.02.006 PMID:41654475	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4565	2026-02-09	Protein model building for intermediate-resolution cryo-EM maps by integrating evolutionary and experimental information 2026-Feb-05, Structure (London, England : 1993) DOI:10.1016/j.str.2025.11.004 PMID:41314215	研究论文	本文提出了一种名为CryoEvoBuild的自动化方法，用于通过有效整合进化和实验信息，从中间分辨率冷冻电镜图中改进蛋白质模型构建	CryoEvoBuild引入了一种新颖的基于域的分割、精修、组装和重建流程，并采用由AlphaFold2指导的循环框架，显著提升了AF2预测结构的准确性	NA	解决在中间分辨率冷冻电镜图中，使用深度学习预测的初始结构进行准确模型构建的挑战	蛋白质结构模型	结构生物学, 计算生物学	NA	冷冻电镜, AlphaFold2	深度学习模型	冷冻电镜图	117个分辨率在4.0-10.0 Å的多样化测试图	NA	AlphaFold2	准确性	NA
4566	2026-02-09	LSTM-GPT-4 Integration for Interpretable Biomedical Signal Classification 2026-Feb-05, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41653471	研究论文	本研究开发并评估了一个集成LSTM网络与GPT-4的技术框架，用于自动化生物医学信号分类和生成人类可读的临床解释	首次将LSTM网络与GPT-4进行显式方法学整合，用于生物医学信号分类并生成临床解释，为资源受限环境下的部署提供了技术基础	本研究为概念验证阶段，尚未进行前瞻性临床验证和现场研究，且仅使用了公开数据集	开发一个适用于资源受限环境的自动化生物医学信号分类和临床解释框架	心电图(ECG)和脑电图(EEG)等生物医学信号	数字病理学	心血管疾病	生物医学信号处理	LSTM, GPT-4	信号数据	使用了多个公开PhysioNet数据集：MIT-BIH心律失常数据库、PTB诊断心电图数据库、PTB-XL、Chapman-Shaoxing、MIMIC-III波形数据和Sleep-EDF	NA	两层LSTM架构(128→64单元)	准确率, F1分数, AUC, 临床准确性评分, 清晰度评分, 可操作性评分	NA
4567	2026-02-09	Deep learning approach for hybrid beamforming design in MU-MISO mmWave systems 2026-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35247-5 PMID:41639140	研究论文	本文提出了一种基于深度学习的混合波束成形方法，用于降低MU-MISO毫米波系统中的计算延迟并保持可接受的速率性能	提出了一种深度学习驱动的混合波束成形方法，相比传统迭代优化算法显著降低计算复杂度，并引入高效的数据集生成流程以加速部署和扩展	未明确提及模型在极端信道条件下的性能或泛化能力，且可能依赖于仿真环境验证	为多用户多输入单输出毫米波系统设计低计算延迟、高实时性的混合波束成形方案	MU-MISO毫米波系统中的混合波束成形架构	机器学习	NA	深度学习	深度学习模型	信道数据	NA	NA	NA	和速率	NA
4568	2026-02-09	Deep neural network-based analysis of voice biomarkers for monitoring treatment response in adolescent major depressive disorder 2026-Feb-04, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01326-3 PMID:41639246	研究论文	本研究利用深度学习模型分析青少年重度抑郁症患者的语音生物标志物，以监测治疗反应	提出了双语音抑郁状态分析方法，用于评估患者个体内治疗期间抑郁状态的变化，而非仅进行横断面比较	样本量较小，仅包含48名患者，且仅分析了基频等有限声学特征	开发基于语音生物标志物的客观方法，以监测青少年重度抑郁症患者的治疗反应	48名青少年重度抑郁症患者	自然语言处理	重度抑郁症	语音分析	深度学习模型	语音	48名青少年重度抑郁症患者的治疗前后语音样本	NA	WavLM	F1分数	NA
4569	2026-02-09	CRISPR-initiated exponential amplification on fluorescently-barcoded microspheres for deep learning-assisted multiplexed HPV detection 2026-Feb-04, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118488 PMID:41653672	研究论文	本文介绍了一种结合CRISPR-Cas9启动的指数扩增、量子点编码微珠和深度学习图像分析的多重HPV DNA检测平台	通过CRISPR-Cas9触发指数扩增，结合量子点编码微珠和深度学习辅助荧光读取，实现了高特异性、低检测限的多重核酸检测	NA	开发一种快速、低成本、多重核酸检测平台，适用于近患者检测	人乳头瘤病毒（HPV）DNA，包括HPV16、HPV18和HPV33	数字病理学	宫颈癌	CRISPR-Cas9, 指数扩增, 荧光读取	深度学习	图像	NA	NA	NA	检测限	NA
4570	2026-02-09	Recent advances in machine learning predictions of protein-ligand binding affinities 2026-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103193 PMID:41317487	综述	本文综述了机器学习在蛋白质-配体结合亲和力预测领域的最新进展	介绍了基于机器学习的新范式，涵盖结构、配体及混合方法，并突出从传统监督学习到深度学习架构的代表性算法	NA	提升蛋白质-配体结合亲和力预测的准确性和适用性，以支持理性药物设计	蛋白质-配体结合亲和力预测方法	机器学习	NA	机器学习	监督学习, 深度学习	三维构象数据, 拓扑不变量	NA	NA	NA	NA	NA
4571	2026-02-09	Unsupervised learning of spatially varying regularization for diffeomorphic image registration 2026-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103887 PMID:41317547	研究论文	本文提出了一种无监督学习框架，用于学习空间变化的变形正则化，以改进可变形图像配准性能	通过层次概率模型集成先验分布，实现从数据中端到端学习空间变化的变形正则化，并结合贝叶斯优化自动调整超参数	未明确讨论模型在极端解剖变异或噪声数据下的鲁棒性	开发一种能够适应不同解剖区域变形变化的空间变化正则化方法，以提升深度学习图像配准的性能和可解释性	可变形图像配准任务	计算机视觉	NA	无监督学习	深度学习模型	图像	基于公开可用数据集进行综合评估，具体样本数量未明确说明	PyTorch, TensorFlow	NA	配准性能指标（如配准精度）、变形平滑度	NA
4572	2026-02-09	Deep learning-based postprocessing and model building for cryo-electron microscopy maps 2026-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103196 PMID:41401630	综述	本文全面概述了基于深度学习的冷冻电镜图谱后处理和模型构建方法的最新进展	重点介绍了人工智能在冷冻电镜后处理和原子模型构建中的应用，并讨论了当前方法的优势与局限性	指出了现有方法面临的挑战，为未来研究指明了方向	探讨深度学习在冷冻电镜图谱后处理和模型构建中的应用	冷冻电镜图谱后处理和原子模型构建	计算机视觉	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
4573	2026-02-09	Integrative spatial omics and artificial intelligence: transforming cancer research with omics data and AI 2026-Feb, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2026.01.002 PMID:41520911	综述	本文综述了空间组学与人工智能在癌症研究中的整合应用，探讨了其方法、平台、挑战及未来方向	系统性地整合了空间组学（如空间转录组学、空间蛋白质组学）与人工智能（包括深度学习、空间图分析），用于解析肿瘤微环境的空间动态，推动精准肿瘤学发展	面临高维数据复杂性、计算资源限制、分析流程标准化不足以及跨平台数据协调等挑战	探讨空间组学与人工智能在肿瘤研究中的应用，以改善治疗结果并深化对癌症机制的理解	癌症研究，特别是肿瘤微环境及其空间动态	机器学习和数字病理学	癌症	空间转录组学, 空间蛋白质组学, 空间条形码, 原位测序, 数字空间分析	深度学习模型	多组学数据（基因组学、转录组学、蛋白质组学、表观基因组学、代谢组学）和空间组织学数据	NA	NA	NA	NA	NA
4574	2026-02-09	Machine learning approaches for crystallographic classification from synthetic 2D X-ray diffraction data 2026-Feb-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576726000099 PMID:41647181	研究论文	本研究利用合成2D X射线衍射数据结合深度学习技术，实现了对七种晶系和230个空间群的自动化高通量分类	提出了新颖的Auto Diffraction Pipeline，用于在多种条件下（如不同晶带轴、原子替换、原子缺失和机械加载）从晶体学信息文件生成合成2D XRD点阵图案，增强了合成数据的真实性，并解决了实验数据集稀缺的问题	未明确提及具体局限性，但可能依赖于合成数据的质量与实验条件的匹配度	实现晶体学结构的自动化、高通量分类，以促进材料科学中数据驱动方法的更广泛应用	七种晶系和230个空间群的晶体学结构	机器学习	NA	2D X射线衍射	CNN	图像	NA	NA	卷积神经网络	NA	NA
4575	2026-02-09	Traditional Chinese Medicine Modernization in Diagnosis and Treatment: Utilizing Artificial Intelligence and Nanotechnology 2026-Feb, MedComm IF:10.7Q1 DOI:10.1002/mco2.70596 PMID:41648057	综述	本文综述了人工智能和纳米技术在辅助中医现代化诊断与治疗中的应用	整合人工智能与纳米技术，推动中医诊断的标准化、量化及治疗效果的优化	未提及具体实验数据或临床验证的局限性	促进中医现代化，提升其诊断客观性和治疗效果	中医诊断与治疗系统	自然语言处理, 机器学习	NA	机器学习, 深度学习, 纳米技术	NA	标准化和可量化的诊断数据	NA	NA	NA	NA	NA
4576	2026-02-09	EDEN: multiscale expected density of nucleotide encoding for enhanced DNA sequence classification with hybrid deep learning 2026-Jan-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06367-6 PMID:41580658	研究论文	本文提出了一种名为EDEN的多尺度核苷酸编码框架，用于增强DNA序列分类，结合了混合深度学习架构	EDEN是一种基于核密度估计的统一多尺度编码框架，能同时捕获位置特异性和上下文依赖的核苷酸模式，并集成到混合深度学习架构中，在多个基准数据集上实现了最佳平均性能，且参数数量显著减少	NA	开发一种高效、生物信息学启发的多尺度表示方法，用于基因组序列分类，以提升对基因调控、疾病机制和转化基因组学的理解	DNA序列	机器学习	NA	核密度估计	混合深度学习	DNA序列数据	NA	NA	NA	平均性能	NA
4577	2026-02-09	Secure multi-party test case data generation through generative adversarial networks 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35773-2 PMID:41526446	研究论文	提出一种基于生成对抗网络（GAN）的联邦学习方法，用于在保护数据隐私的前提下生成高质量、多样化的测试用例数据	将GAN与联邦学习结合，通过协议语法深度学习框架和测试用例编码器-解码器机制，在分布式环境中实现隐私保护的测试数据生成	未明确说明模型在极端数据分布或网络延迟情况下的性能表现，也未讨论计算开销的具体量化分析	解决联邦环境下测试用例数据生成中的隐私保护和数据共享难题	软件测试用例数据	机器学习	NA	生成对抗网络（GAN）	GAN	测试用例数据（文本/结构化数据）	NA	NA	编码器-解码器架构，GAN生成器与判别器	覆盖率，有效性	NA
4578	2026-01-14	High-accuracy brain tumor detection method based on deep learning 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35783-0 PMID:41526535	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4579	2026-02-09	From data to decisions: the use of explainable AI to forecast soybean yield in major producing countries 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35716-x PMID:41530297	研究论文	本研究提出XAI-Crop框架，通过多国比较实验，评估了可解释深度学习模型KAN与MLP、RF模型在大豆产量预测中的性能差异	首次将可解释深度学习模型KAN应用于多国大豆产量预测，并系统评估其在平衡预测精度与可解释性方面的能力	研究主要针对大豆作物，且在小样本设置下进行，模型在其他作物和大规模数据下的泛化能力有待进一步验证	评估可解释人工智能模型在农作物产量预测中平衡预测精度与可解释性的能力	主要大豆生产国的大豆产量	机器学习	NA	多源数据融合分析	KAN, MLP, RF	多源数据（包括太阳诱导叶绿素荧光等遥感数据）	小样本设置（具体数量未明确说明）	NA	Kolmogorov-Arnold Networks, Multilayer Perceptron, Random Forest	预测准确性, 泛化能力	NA
4580	2026-02-09	An AI-based algorithm for analyzing physical activity and health-related fitness in youth 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35514-5 PMID:41530524	研究论文	本研究应用机器学习和深度学习方法，基于2018年至2022年小学体能测试数据，开发自动分类和性能预测模型，以分析青少年体育活动与健康相关体能	结合BP神经网络进行自动综合等级分类，以及CNN-LSTM神经网络用于体能测试项目的性能预测，为中小学体能测试管理提供了新的数据分析与预测方法	NA	通过数据分析和预测模型，解决传统体能测试管理中的主观影响、人工计算复杂和数据利用不足的问题，为学校提供科学指导	2018年至2022年小学体能测试数据	机器学习	NA	NA	BP神经网络, CNN-LSTM神经网络	体能测试数据	NA	NA	BP神经网络, CNN-LSTM	分类性能（98.448%）	NA