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
4581	2026-02-09	A multi-branch network for cooperative spectrum sensing via attention-based and CNN feature fusion 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36031-1 PMID:41530621	研究论文	本文提出了一种名为ATC的新型深度学习架构，通过融合注意力机制和CNN特征，用于认知无线电系统中的协作频谱感知	提出了一种结合图注意力网络、CNN和Transformer编码器的并行混合模型，能够同时捕获频谱信号的时空特征和拓扑结构	真实世界数据仅针对单主用户场景进行评估，受实际数据收集限制	提高认知无线电系统中频谱空洞检测的准确性和鲁棒性	认知无线电系统中的频谱感知信号	机器学习	NA	深度学习	GAT, CNN, Transformer	图结构数据、协方差矩阵	模拟数据集和真实世界数据集	NA	图注意力网络、CNN、Transformer编码器	准确性、鲁棒性	NA
4582	2026-02-09	Deep learning-based assessment of periapical radiographic image quality 2026-Jan-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35100-9 PMID:41526431	研究论文	本文开发了一种基于深度学习的自动化系统，用于全面评估根尖周X光片的图像质量	首次利用ResNet50模型对根尖周X光片进行多类别牙齿位置分类和六种常见质量缺陷的二元检测，实现了高效、客观的图像质量评估	需要独立、多中心数据集进行验证后才能临床部署，且模型在划痕检测上的AUC相对较低（0.924）	解决根尖周X光片手动质量评估的主观性、耗时性问题，提升诊断准确性和工作流程效率	根尖周X光片	计算机视觉	NA	X光成像	CNN	图像	3594张根尖周X光片	NA	ResNet50	AUC, 准确率, 精确率, 召回率, F1分数, 损失值	NA
4583	2026-01-14	A real-time mobile aquatic plant recognition algorithm based on deep learning for intelligent ecological monitoring 2026-Jan-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35310-1 PMID:41526515	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4584	2026-02-09	Deep learning-based classification of thyroid nodules using uncertainty-aware multi-modal ultrasound imaging 2026-Jan-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35965-w PMID:41526676	研究论文	本研究提出了一种基于深度学习的甲状腺结节分类方法，通过结合多模态超声成像和不确定性感知融合策略，提高了分类性能	首次在甲状腺结节分类中应用定制的自注意力机制，并引入患者级别的不确定性感知融合策略，选择性整合不同模态的预测结果	样本量相对有限（506个结节），且未明确说明模型在其他数据集上的泛化能力	提高甲状腺结节的分类准确性，以辅助甲状腺癌的及时诊断	甲状腺结节	计算机视觉	甲状腺癌	多模态超声成像（B-mode、彩色多普勒、剪切波弹性成像）	CNN	图像	506个甲状腺结节（来自422名受试者）	NA	MobileNetV2	准确率, 灵敏度, AUC, 特异性, F1分数	NA
4585	2026-01-11	Hybrid deep learning and RSM modeling of diesel engine performance using TiO2 doped butanol and waste plastic oil blends 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35126-z PMID:41513713	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4586	2026-02-09	Cross-species prediction of histone modifications in plants via deep learning 2026-Jan-09, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03929-4 PMID:41514301	研究论文	本研究通过深度学习模型评估植物中组蛋白修饰的跨物种预测能力，并开发了一个易于使用的基因组范围染色质信号预测流程	首次系统评估深度学习模型在植物中预测组蛋白修饰的跨物种泛化能力，并构建了基于系统发育信息的家族级模型以提高对新植物基因组的适应性	跨家族模型的预测结果一致性较低，仅在具有保守调控特征的物种中表现可靠，且模型在单子叶植物和双子叶植物间的可迁移性有限	评估深度学习模型预测植物组蛋白修饰的跨物种泛化能力，并开发适用于非模式及重要农业植物的功能注释计算策略	拟南芥、水稻和玉米的组蛋白修饰	机器学习	NA	ChIP-seq	深度学习模型	DNA序列	拟南芥、水稻和玉米三个物种的数据	NA	Sei	NA	NA
4587	2026-02-09	Global and local integrated gradient-based diffusion model for de novo drug design 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag033 PMID:41642194	研究论文	本文提出了一种基于全局和局部集成梯度的扩散模型（GlintDM），用于从头药物设计，以优化结合亲和力和药物样性质	引入了跳过过渡的快速去噪过程，结合全局和局部梯度，并在分子生成过程中执行位置细化、候选评估和配体重采样三个阶段	未明确提及具体计算成本或模型泛化能力的限制	开发一种高效的深度学习模型，用于生成具有高结合亲和力和良好药物样性质的分子	药物样分子	机器学习	NA	扩散模型	扩散模型	分子数据	基于CrossDocked和Binding MOAD数据集，具体样本数未提及	NA	GlintDM	Vina相关分数，PoseBusters测试，立体冲突和几何性质评估	NA
4588	2026-02-09	Deep learning models to map osteocyte networks from confocal microscopy can successfully distinguish between young and aged bone 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013914 PMID:41592113	研究论文	本研究应用深度学习模型自动分割和测量骨细胞网络，以区分年轻和年老小鼠的骨骼	首次将深度学习与计算机视觉技术应用于骨细胞连接组学的自动分割与测量，显著提高了分析效率与准确性	模型对树突状突起的分割准确率较低（42.1%），仍需进一步优化训练以提高性能	开发自动化工具以高效分析骨细胞网络结构，并研究其与衰老的关系	小鼠骨骼中的骨细胞及其树突状网络	计算机视觉	老年疾病	共聚焦显微镜成像	CNN, Transformer	图像	年轻（2月龄）和年老（36月龄）小鼠的骨骼样本	未明确说明	U-Net, Vision Transformer, Attention U-Net	分割准确率（骨细胞81.8%，树突状突起42.1%）	未明确说明
4589	2026-02-09	A hybrid feature extraction framework combining PCA and mutual information for gene expression based lung cancer classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342160 PMID:41642802	研究论文	本研究提出了一种结合主成分分析和互信息的混合特征提取框架，用于基于基因表达数据的肺癌分类	提出了一种结合PCA降维和MI特征选择的混合框架，并整合了深度学习和蛋白质-蛋白质相互作用网络分析以增强生物可解释性	未明确提及，但可能包括对特定数据集的依赖以及框架在其他癌症类型或数据模态上的泛化能力	开发一个鲁棒的框架以应对高维基因表达数据在肺癌分类中的挑战，并提高诊断准确性	肺癌患者的基因表达数据	机器学习	肺癌	基因表达分析	CNN	基因表达数据	整合自TCGA和ICGC的数据集，聚焦于共有基因	未明确提及，但CNN训练通常使用TensorFlow或PyTorch	未指定具体CNN架构	准确率, 精确率	NA
4590	2026-02-09	Foundations of Artificial Intelligence in Hepatology: What a Clinician Needs to Know 2026 Jan-Feb, Journal of clinical and experimental hepatology IF:3.3Q2 DOI:10.1016/j.jceh.2025.103183 PMID:41048886	综述	本文综述了人工智能在肝病学中的基础知识，探讨了AI如何利用大规模临床数据变革肝病的诊断、风险评估、预后和管理	强调AI通过识别高维数据中的复杂非线性模式来最大化预测准确性，并描述了促进临床医生参与AI全生命周期的在线资源，确保其不仅是终端用户，还能参与开发和部署	AI模型通常以可解释性为代价，且成功整合到常规护理中面临挑战，包括与现有电子健康记录的无缝工作流集成、明确的责任框架建立以及患者隐私保护	为临床医生提供肝病学中人工智能的基础知识，以理解其变革能力、当前应用、新兴前沿及关键实施考量	肝病学领域，特别是肝病的诊断、风险评估、预后和管理	机器学习	肝病	NA	NA	大规模临床数据，包括纵向实验室结果、合并症、联合用药、患者报告结果、基因组数据和实时肝功能监测数据	NA	NA	NA	NA	NA
4591	2026-02-09	Deep Learning-Based Image Quality Enhancement Combining Denoising and Super-Resolution for Fat-Suppressed T2-Weighted Breast MRI: A Qualitative and Quantitative Evaluation 2026-Jan, Cureus DOI:10.7759/cureus.100771 PMID:41646591	研究论文	本研究评估了一种结合去噪和超分辨率的商业深度学习重建方法在脂肪抑制T2加权乳腺MRI中的图像质量增强效果	首次在乳腺MRI中评估了结合去噪和超分辨率的深度学习重建方法对图像质量的固有影响，并与传统重建方法进行对比	研究为回顾性设计，样本量较小（49例），且伪影评估的读者间一致性仅为中等	评估深度学习重建方法在脂肪抑制T2加权乳腺MRI中提升图像质量的潜力	49名接受3-T乳腺MRI检查的女性患者	医学影像分析	乳腺癌	脂肪抑制T2加权乳腺MRI	深度学习重建模型	MRI图像	49例患者，其中44例可用于定量分析	NA	NA	信噪比, 对比度比, 定性评分（对比度、噪声、乳腺实质显示、信号均匀性、伪影）	NA
4592	2026-02-09	Semiautomated breast ultrasound report generation using multimodal large language models and deep learning 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1679203 PMID:41647521	研究论文	本研究提出了一种结合多模态大语言模型和深度学习的新型框架，用于半自动化生成乳腺超声报告	通过整合放射科医师标注、先进图像分类和结构化报告编译，桥接了手动与全自动工作流之间的差距，实现了设备自适应的报告生成	回顾性收集数据，样本量有限（60例标注病例），未在更大规模前瞻性数据中验证	开发半自动化乳腺超声报告生成系统，以减轻放射科医师工作负担并提高效率	乳腺超声弹性成像图像及患者病例	数字病理学	乳腺癌	超声弹性成像（剪切波、应变、多普勒成像）	深度学习, 大语言模型	图像	2,119张弹性成像图像和60例标注患者病例	NA	NA	AUC（受试者工作特征曲线下面积）, 敏感性	NA
4593	2026-02-09	Data tells the truth: A Knowledge distillation method for genomic survival analysis by handling censoring 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.06.016 PMID:41647535	研究论文	提出一种基于知识蒸馏的基因组生存分析方法，通过处理删失数据提高癌症生存预测准确性	利用未删失数据进行知识蒸馏来校正删失数据的监督偏差，首次将知识蒸馏技术系统性地应用于基因组生存分析的删失数据处理	仅基于TCGA数据集进行验证，未在更多外部独立队列或多组学数据中进行广泛测试	解决生存分析中删失数据处理难题，提高癌症生存预测的准确性和临床相关性	癌症患者的基因组数据和生存时间数据	机器学习	癌症	基因组测序	深度学习模型	基因组数据, 生存数据	TCGA数据集中19个癌症部位的样本	未指定	未指定	预测准确性	未指定
4594	2026-02-09	Harnessing multi-omics and machine learning for predicting immune checkpoint blockade responses: Advances, challenges, and future directions 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.08.009 PMID:41647536	综述	本文综述了如何利用多组学数据和机器学习/深度学习模型来预测免疫检查点阻断疗法的疗效，并探讨了其进展、挑战和未来方向	系统性地整合了临床、基因组、放射组学和转录组学等多组学数据，并应用人工智能模型进行患者分层预测，体现了基础研究与临床应用的结合	NA	优化免疫检查点阻断疗法的患者分层，提高治疗反应的预测精度	接受免疫检查点阻断治疗的癌症患者	机器学习	癌症	多组学数据整合（临床、基因组、放射组学、转录组学）	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
4595	2026-02-09	Multiple conformational states assembly of multidomain proteins using evolutionary algorithm based on structural analogues and sequential homologues 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.05.003 PMID:41647552	研究论文	本研究开发了一种名为M-SADA的多域蛋白质组装方法，用于组装多个构象状态	提出了一种基于多群体进化算法的方法，结合同源和类似模板以及深度学习预测的域间距离来采样多个构象状态	未明确提及	准确建模多域蛋白质的全链结构，特别是具有多个构象状态的结构	多域蛋白质	机器学习	NA	深度学习	NA	蛋白质结构数据	72个具有多个构象状态的多域蛋白质和296个具有单个构象状态的多域蛋白质	NA	NA	TM-score	NA
4596	2026-02-09	Application of artificial intelligence in life science: Historical review and future perspectives 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.10.014 PMID:41647562	综述	本文回顾了人工智能在生命科学中的应用历史，并通过文献计量分析评估了AI方法的特点、贡献和变化，同时讨论了未来挑战	通过文献计量分析系统评估AI在生命科学中的历史贡献与变化，并展望未来发展方向	作为综述文章，未涉及具体实验数据或模型验证	总结人工智能在生命科学领域的历史应用并展望未来趋势	生命科学数据与人工智能方法	生物信息学	NA	文献计量分析	深度学习算法, Transformer神经网络	生命科学数据	NA	NA	NA	NA	NA
4597	2026-02-09	MULGONET: An interpretable neural network framework to integrate multi-omics data for cancer recurrence prediction and biomarker discovery 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.01.004 PMID:41647565	研究论文	提出一种名为MULGONET的新型端到端深度学习框架，用于整合多组学数据以预测癌症复发并发现生物标志物	有效解决了多组学数据整合中的维度灾难和模型可解释性不足问题，并探索了基因与GO术语之间的相互作用和调控关系	NA	通过整合多组学数据来更好地理解肿瘤发生机制并预测癌症复发	膀胱癌、胰腺癌和胃癌的多组学数据	机器学习	癌症	多组学数据整合	神经网络	多组学数据	NA	NA	MULGONET	AUPR	NA
4598	2026-02-09	Jumping in the human brain: A review on somatic transposition 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.03.001 PMID:41647578	综述	本文综述了人类大脑中体细胞转座（“跳跃基因”）的研究现状，包括其功能、检测挑战及方法学进展	系统梳理了体细胞转座率估计的广泛变异性和方法学挑战，并指出单细胞基因组扩增与深度学习软件结合是未来突破的关键方向	现有研究对体细胞转座的功能认知仍有限，且检测方法易受人工嵌合体和多拷贝特性影响导致假阳性/假阴性结果	综述人类大脑体细胞转座研究的最新进展，探讨其功能意义与检测方法学	人类大脑中的转座元件（跳跃基因）	NA	NA	单细胞基因组扩增技术	深度学习	基因组数据	NA	NA	NA	NA	NA
4599	2026-02-09	MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30940-3 PMID:41419754	研究论文	本研究提出了一种基于MapReduce的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测	将轻量级MobileNetV3分类器与MapReduce风格的数据管道相结合，实现了预处理和批量推理的跨节点并行化处理	仅使用了2152张图像的数据集，且病害类别仅限于三类，未在更大规模或更多类别的数据集上进行验证	实现马铃薯叶部病害的准确、及时检测，以支持可持续精准农业并减少作物产量损失	马铃薯叶部病害图像，包括疫病等类别	计算机视觉	马铃薯叶部病害	图像处理，数据增强	CNN	图像	2152张图像，分为三个类别	TensorFlow, PyTorch (未明确指定，但基于MobileNetV3推断)	MobileNetV3	准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率	GPU训练，MapReduce管道实现水平可扩展性
4600	2026-02-09	Evaluation of computer-aided detection for gastric cancer using white-light and linked-color imaging: a pilot study 2025-Dec, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2025.09.010 PMID:41647811	研究论文	本研究评估了新型计算机辅助检测系统CAD EYE在胃镜中使用白光成像和联动彩色成像检测胃癌的性能	首次比较了CADe系统在WLI与LCI模式下的检测框出现频率，并评估了其在胃癌检测中的实际应用效果	单中心回顾性研究，样本量有限，假阳性率较高，需要进一步优化	评估计算机辅助检测系统在胃癌诊断中的性能	接受胃镜检查的胃癌患者	数字病理	胃癌	白光成像，联动彩色成像，计算机辅助检测	深度学习模型	内窥镜图像	210名患者（105名CADe组，105名对照组），来自600名患者的倾向评分匹配	NA	CAD EYE系统	假阳性检测次数，检测框出现频率，活检率，检查时间，癌症检测率，关键胃部位识别准确率	NA