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
4641	2026-02-08	Chemistry-Structure Dual-Perception Large Language Models: Advancing Molecular Property Prediction for Precise Disease Treatment 2026-Feb-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3662042 PMID:41650399	研究论文	本文提出了一种名为CSLLM的新方法，通过指令引导大型语言模型生成蕴含化学知识的药物分子表示，以提升分子性质预测的准确性	提出了一个三维指令框架（任务引导、化学感知、结构感知），使大型语言模型能够像化学家一样推理，并在有限计算资源下生成富含化学知识的分子表示	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	提高药物分子性质的预测准确性，以支持精准疾病诊断和个性化治疗	药物分子	自然语言处理, 机器学习	NA	大型语言模型（LLMs）	大型语言模型（LLM）	分子结构数据, 化学知识文本	在九个数据集上进行了评估	NA	CSLLM（基于指令框架的定制化LLM）	在九个数据集上优于现有模型（具体指标未列明）	有限的计算资源
4642	2026-02-08	ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space 2026-Feb-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3661424 PMID:41650430	研究论文	本文提出了一种名为ASIL（增强结构信息学习）的新方法，用于在双曲空间中实现无需预设聚类数量的深度图聚类，尤其针对不平衡图数据	首次将可微结构信息理论引入深度聚类，提出双曲空间中的神经划分树学习模型（LSEnet），并通过增强结构熵目标统一划分树构建与对比学习	未在超大规模图数据集上进行验证，且未讨论计算资源消耗的具体量化分析	解决无需预设聚类数量且能处理不平衡图数据的深度图聚类问题	图数据（特别是具有不平衡聚类结构的图）	机器学习	NA	深度学习方法	深度学习模型	图数据	Citeseer等公开图数据集（具体数量未明确说明）	PyTorch（基于深度学习框架的典型选择）	LSEnet（基于双曲空间的神经划分树架构）	NMI（标准化互信息）	NA（未明确说明具体计算资源）
4643	2026-02-08	Few-Shot Pulmonary Vessel Segmentation based on Tubular-Aware Prompt-Tuning 2026-Feb-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3662001 PMID:41650434	研究论文	本文提出了一种基于管状感知提示调优的少样本肺血管分割方法，并发布了首个包含肺血管和气道精细配对标注的数据集PV25	提出了TPNet框架，通过可调的编码和解码网络学习管状结构作为迁移学习先验，并开发了MDRG和CCG模块以捕获肺血管的细粒度特征和多尺度相关性	NA	在有限标注数据下实现肺血管的精确分割，以辅助肺部疾病的诊断和治疗	肺血管和气道	数字病理学	肺部疾病	计算机断层扫描（CT）	深度学习	图像	NA	NA	编码器-解码器	NA	NA
4644	2026-02-08	Network for Real-time Laryngeal Lesions Video Object Detection 2026-Feb-06, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01855-w PMID:41652139	研究论文	本文提出了一种名为DynSTPN的两阶段视频病变检测网络，用于在复杂场景下实时检测鼻咽-喉部病变	设计了一个动态提示生成器来生成区分性提示，并引入自适应可微分门控机制，以动态调整参考帧对推理帧的增强效果，从而在视频质量下降的情况下提升检测性能	NA	提高鼻咽-喉部肿瘤的早期和准确诊断，通过深度学习实现复杂场景下的实时视频病变检测	鼻咽-喉部病变视频	计算机视觉	鼻咽-喉部肿瘤	NA	CNN	视频	NA	NA	DynSTPN	检测准确率, FPS	NA
4645	2026-02-08	MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data 2026-Feb-05, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101141 PMID:41650976	研究论文	本文提出了一种名为MultiSP的深度学习框架，用于从空间多组学数据中解析组织结构和多细胞通信	通过高效的空间和特征相似性融合、模态特定的概率生成建模以及跨模态对抗学习来增强数据表示，从而在捕获生物学可解释的空间域方面优于现有方法	未明确提及	探索组织复杂性，包括组织结构、细胞通信和基因调控机制	空间多组学数据，特别是肿瘤微环境中的细胞分布	机器学习	NA	空间多组学	深度学习	空间多组学数据	NA	NA	NA	NA	NA
4646	2026-02-08	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2026-Feb-04, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.10.026 PMID:41308644	研究论文	本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性	引入多会话降秩回归模型和多会话状态空间模型，首次系统性地捕捉跨试验和会话的神经与行为结构相关性	未与深度学习方法的计算效率进行直接对比，模型在极端非线性场景下的适用性未验证	提升神经解码性能，通过建模跨试验和会话的神经活动相关性	国际脑实验室小鼠Neuropixels数据集中的神经活动与行为数据	机器学习	NA	神经像素记录技术	降秩回归模型,状态空间模型	神经活动时间序列数据	433个会话，覆盖270个大脑区域	NA	多会话降秩回归模型,多会话状态空间模型	NA	NA
4647	2026-02-08	Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study 2026-Feb-04, JMIR nursing DOI:10.2196/82283 PMID:41637487	研究论文	本研究通过混合方法评估肿瘤科护士对AI症状预测模型的看法及其影响因素	首次基于罗杰斯创新扩散理论，系统评估肿瘤科护士对AI症状预测模型的接受度及影响因素	样本量较小（仅15名护士），且为单中心研究，可能限制结果的普适性	探索肿瘤科护士对预测性症状模型在癌症护理中使用的看法，以及影响该症状护理创新采用的因素	肿瘤科护士	NA	癌症	混合方法研究（定量与定性分析）	NA	调查问卷数据、定性评论	15名具有超过1年肿瘤科经验的护士	NA	NA	描述性统计、内容分析、归纳编码	NA
4648	2026-02-08	Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data 2026-Feb-04, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/72501 PMID:41637624	研究论文	本研究评估了使用智能手机应用结合主动和被动数据流，通过机器学习框架预测非临床青少年心理健康风险的可行性	首次在非临床、在校青少年群体中应用数字表型分析，结合对比预训练与三元组边界损失来稳定用户特定行为模式，并整合主动和被动数据流进行心理健康风险预测	样本量相对较小（n=103），研究周期较短（14天），且外部验证队列规模有限（n=45），可能影响模型的泛化能力和长期预测稳定性	评估基于智能手机的数字表型分析在预测非临床青少年心理健康风险中的可行性和效用	来自英国三所中学的103名青少年（平均年龄16.1岁）	机器学习	心理健康障碍	数字表型分析，智能手机传感器数据采集	深度学习模型，CatBoost，多层感知机	主动数据（自我报告），被动数据（传感器数据）	103名青少年参与主要研究，45名青少年用于外部验证	未明确指定，但提及了CatBoost（Yandex）	深度学习模型（具体架构未指定），多层感知机	平衡准确度	NA
4649	2026-02-08	Research on fast and accurate prediction of milk yield in dairy goats based on deep learning 2026-Feb-04, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27905 PMID:41651371	研究论文	本研究基于深度学习改进Mask R-CNN模型，用于快速准确预测奶山羊产奶量	通过引入特征通道注意力和锚框细化模块改进Mask R-CNN模型，使其更适用于奶山羊产奶量预测	NA	实现奶山羊产奶量的快速准确预测以辅助育种选择	奶山羊	计算机视觉	NA	深度学习	CNN	图像	NA	NA	Mask R-CNN	准确率, 召回率, mIoU, 平均绝对误差, 均方误差, 平均绝对百分比误差	NA
4650	2026-02-08	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-Feb-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	本文提出了一种基于三维卷积残差网络的深度学习方法，用于分类质谱光度法数据中的着陆事件，以优化单分子水平的质量测量	利用三维卷积残差网络分析事件的时空动态，从而隔离最优的单分子测量，消除累积直方图伪影，并将分辨率提升高达两倍	NA	优化质谱光度法在单分子水平上的质量测量，提高质量分辨率、灵敏度和浓度准确性	质谱光度法数据中的生物分子结构、相互作用和动力学，特别是蛋白质（解）结合过程中的反射率变化事件	机器学习和数字病理学	NA	质谱光度法	CNN	图像（3D事件缩略图）	多样化的实验数据集，包括已解析和部分解析的样本，以及不同质量、浓度和积分时间的数据	NA	三维卷积残差网络	质量分辨率、灵敏度、浓度准确性	NA
4651	2026-02-08	An improved seam carving method for enhancing the visual field of tunnel vision patients 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35527-0 PMID:41634090	研究论文	本文提出了一种改进的接缝裁剪方法，用于增强隧道视觉患者的视野	通过多尺度图像融合计算能量图，结合深度、显著性、前景分割和边缘检测特征，并采用前向-中间方法进行接缝移除，从而改进了原始接缝裁剪方法	NA	为隧道视觉患者开发一种内容感知的图像重定向方法，以增强其视野	隧道视觉患者	计算机视觉	视觉障碍	图像处理	NA	图像	NA	NA	NA	SSIM, SIFT特征匹配, 深度学习感知质量指标, 综合评分	NA
4652	2026-02-08	Using AI Algorithms and Machine Learning in the Analysis of a Bio-Purification Method (Therapeutic Emesis, Known as "Vamana Karma"): Protocol for a Mixed Methods Study 2026-Feb-03, JMIR research protocols IF:1.4Q3 DOI:10.2196/79875 PMID:41632954	研究论文	本研究提出并验证了一个AI辅助的数字框架，用于客观评估阿育吠陀中的治疗性呕吐（vamana karma）过程	首次在传统医学系统中探索应用深度学习算法（如YOLOv9和残差神经网络）对治疗性呕吐过程进行客观分析，包括自动呕吐物检测、内容分类和患者姿态识别	研究为探索性，样本量较小（50名志愿者），且需要进一步的临床验证和多中心扩展才能在真实世界部署	开发并验证一个AI辅助的数字框架，用于治疗性呕吐过程的客观评估，以改善临床结果	阿育吠陀中的治疗性呕吐（vamana karma）过程，包括呕吐物特征和患者反应	机器学习	NA	NA	CNN, 残差神经网络	视频, 图像	50名志愿者	TensorFlow, scikit-learn, SPSS	YOLOv9, 残差神经网络	Fleiss κ统计量, 标准机器学习指标	NA
4653	2026-02-08	Artificial Intelligence-based detection of neuropsychiatric lupus: an exploratory meta-analysis of neuroimaging and multimodal biomarker models 2026-Feb-02, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-02030-1 PMID:41627551	荟萃分析	本文对基于人工智能的神经影像学和多模态生物标志物模型在检测神经精神性狼疮中的诊断性能、异质性和方法学特征进行了探索性荟萃分析	首次对应用于神经精神性狼疮检测的人工智能模型进行系统性探索性荟萃分析，综合评估了其诊断性能、方法学异质性和稳健性	研究间存在显著的异质性，汇总估计值不稳定且受个别研究影响，外部验证和可解释人工智能方法应用不足，目前尚无法得出关于临床适用性的明确结论	评估基于人工智能的模型使用神经影像学和多模态生物标志物检测系统性红斑狼疮中神经精神性受累的诊断性能、异质性和方法学特征	系统性红斑狼疮患者的神经影像学数据（如结构或功能MRI、磁共振波谱）及其他生物信息学模态数据（如基于波谱的分子指纹、脑脊液或血清生物标志物）	机器学习	神经精神性狼疮	神经影像学（结构/功能MRI、磁共振波谱）、光谱学、生物标志物分析	机器学习, 深度学习	图像, 生物标志物数据	超过800名参与者（来自14项研究）	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
4654	2026-02-08	Pediatric coronary MR angiography with a two-minute scan using de-aliasing regularization based compressed sensing 2026-Feb-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110627 PMID:41638264	研究论文	本研究评估了基于去混叠正则化的压缩感知（DARCS）在儿科冠状动脉磁共振血管成像（CMRA）中加速扫描的应用，旨在缩短扫描时间并评估其图像质量和诊断性能	首次在儿科人群中探索并验证了DARCS加速CMRA的临床可行性，实现了两分钟扫描并保持了冠状动脉瘤（CAA）检测的高诊断准确性	研究样本量相对有限，且仅在一台3.0T扫描仪上进行，未在多中心或不同设备上验证	减少儿科冠状动脉磁共振血管成像的扫描时间，并评估加速后图像质量和诊断性能	儿科患者，特别是针对冠状动脉瘤（CAA）的检测	医学影像	心血管疾病	磁共振血管成像（CMRA），三维膈肌导航T2准备梯度回波序列	深度学习	医学影像（k空间数据）	123名儿科患者（96名回顾性，27名前瞻性）	NA	DARCS（De-Aliasing Regularization-based Compressed Sensing）	峰值信噪比（PSNR），结构相似性指数（SSIM），血管长度，锐度，视觉评分，灵敏度，特异性	3.0T磁共振扫描仪
4655	2026-02-08	Open-surface digital ELISA enabled by magnetic trapping and deep learning for rapid and highly sensitive detection of African swine fever 2026-Feb-02, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118473 PMID:41650557	研究论文	本研究开发了一种结合开放空间磁珠阵列与人工智能的开放表面数字ELISA平台，用于快速、高灵敏度检测非洲猪瘟病毒p30抗原	通过磁捕获形成开放空间微腔，结合往复流微流体和原位酪胺信号放大，消除了免疫复合物封装步骤，提高了微腔利用率和抗原捕获效率，并采用改进的Mask R-CNN进行智能图像识别	未明确提及具体局限性，但可能涉及平台在实际现场应用中的验证或成本效益分析	开发一种快速、高灵敏度的检测方法，用于早期诊断非洲猪瘟，以减少经济损失	非洲猪瘟病毒p30抗原	数字病理	非洲猪瘟	数字ELISA, 磁捕获, 微流体技术, 原位酪胺信号放大	CNN	图像	血清样本验证（具体数量未提及）	未明确指定，但基于卷积神经网络框架	Mask R-CNN	检测限, 灵敏度, 特异性	未明确提及
4656	2026-02-08	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2026-Feb, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文提出了一个名为AMPCliff的定量定义和基准测试框架，用于研究由标准氨基酸组成的抗菌肽中的活性悬崖现象	首次针对抗菌肽中的活性悬崖现象提出了定量定义和系统性的基准测试框架，并评估了多种机器学习、深度学习和语言模型在该任务上的表现	当前基于深度学习的表示模型在预测抗菌肽活性悬崖方面仍有局限，需要整合原子级动态信息以更准确捕捉抗菌肽特性	定量定义和基准测试抗菌肽中的活性悬崖现象，并评估现有预测模型的性能	由标准氨基酸组成的抗菌肽，特别是针对金黄色葡萄球菌的抗菌肽对	机器学习	NA	NA	机器学习, 深度学习, 掩码语言模型, 生成语言模型	序列数据	来自公开AMP数据集GRAMPA的成对抗菌肽基准数据集	NA	ESM2	Spearman相关系数	NA
4657	2026-02-08	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2026-Feb, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水方面的性能	首次对机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水方面的预测性能进行了系统性的综述和荟萃分析	纳入的研究数量有限（6项），且仅提取了各研究中性能最佳模型的数据，可能存在选择偏倚	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	机器学习	脑积水	NA	机器学习，深度学习	NA	2096名个体	NA	NA	AUC，准确率，灵敏度，特异性，诊断比值比	NA
4658	2026-02-08	Deep learning and iterative image reconstruction for head CT: Impact on image quality and radiation dose reduction-Comparative study 2026-Feb, The neuroradiology journal DOI:10.1177/19714009251345108 PMID:40406852	研究论文	本研究客观评估了深度学习图像重建算法在无增强头部CT中，相较于自适应统计迭代重建算法，在改善图像质量和降低辐射剂量方面的能力	首次将深度学习图像重建算法应用于头部CT，并与标准迭代重建算法进行对比，展示了其在图像质量和辐射剂量降低方面的显著优势	研究样本量较小，且剂量降低功能在宽探测器扫描仪中因缺乏机架角度调整而效果有限	评估深度学习图像重建算法在头部CT中的图像质量改善和辐射剂量降低能力	无增强头部CT扫描图像	医学影像分析	NA	CT扫描	深度学习	图像	35名患者	NA	深度学习图像重建	信噪比, 对比噪声比	NA
4659	2026-02-08	FusionMVSA: Multi-View Fusion Strategy With Self-Attention for Enhancing Drug Recommendation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586758 PMID:40622834	研究论文	本文提出了一种名为FusionMVSA的创新深度学习模型，用于预测药物与疾病之间的关联，以增强药物推荐	提出了一种结合多视图融合策略与自注意力机制的特征提取方法，利用共享组参数计算多视角自注意力以突出共同特征，并利用生物医学相似性作为引导捕获更细微特征	NA	开发一种动态整合多源数据的方法以预测药物与疾病关联，提升药物推荐效果	药物与疾病之间的关联关系	机器学习	NA	多源数据整合	多层感知机神经网络, 自注意力机制	多源生物医学数据	NA	NA	FusionMVSA	NA	NA
4660	2026-02-08	mRSubLoc: A Novel Multi-Label Learning Framework Integrating RNA Large Language Model for mRNA Subcellular Localization 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3591454 PMID:40694461	研究论文	提出了一种名为mRSubLoc的新型多标签深度学习框架，用于预测mRNA的亚细胞定位	整合了RNA大语言模型RNAErnie与one-hot编码和Word2Vec嵌入来构建mRNA序列的全面表示，并采用多标签学习框架处理多定位任务	未在摘要中明确说明	预测mRNA的亚细胞定位，以促进基因表达调控研究和靶向药物开发	信使RNA (mRNA)	自然语言处理, 机器学习	NA	RNA大语言模型, one-hot编码, Word2Vec嵌入	TextCNN, BiLSTM, MLP	序列 (mRNA序列)	NA	NA	TextCNN, BiLSTM, 多头自注意力机制, MLP	Aiming, Coverage, Accuracy, Absolute-True, Absolute-False	NA