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
4681	2026-02-08	iDeep-Cancer: Predicting Cancer-Related circRNA-RBP Binding Sites Using a Hybrid Network Framework 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3642248 PMID:41370173	研究论文	本文提出了一种名为iDeep-Cancer的混合网络框架，用于预测癌症相关的circRNA-RBP结合位点	结合改进的DenseNet、双向门控循环单元和自注意力机制，仅使用circRNA序列进行预测，克服了现有方法特征学习不足和可扩展性差的问题	NA	预测circRNA与RNA结合蛋白之间的相互作用位点，以促进人类疾病调控研究	circRNA序列及其与RNA结合蛋白的相互作用	自然语言处理	癌症	NA	CNN, LSTM	序列数据	NA	NA	DenseNet, BiGRU, Self-attention	NA	NA
4682	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4683	2026-02-08	A Mixed Dual-Branch Network for Detecting Cervical Spondylotic Myelopathy and Parkinsonian Syndromes via Gait Analysis 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3654804 PMID:41543967	研究论文	本研究提出了一种混合双分支网络DCDM-Net，通过步态分析来区分颈椎病性脊髓病、帕金森综合征患者和健康个体	提出了一种结合卷积块注意力模块和证据深度学习的双分支网络，并采用协同决策方法进行分类，在不确定性估计方面优于传统方法	仅使用关节角度特征时，跨数据集外分布验证性能较差，表明模型对角度特征的依赖性可能导致分布重叠	开发一种基于步态分析的分类模型，以减少颈椎病性脊髓病和帕金森综合征的误诊	颈椎病性脊髓病患者、帕金森综合征患者和健康对照者	机器学习	颈椎病性脊髓病, 帕金森综合征	步态分析	CNN, MLP	时间序列数据	133名参与者（51名CSM患者、49名PS患者、33名健康对照）	PyTorch	ResNet, CBAM, MLP	准确率, AUC, 预期校准误差, Brier分数, AUROC, AUPR	未明确说明
4684	2026-02-08	GEXPNET: A Novel Gene EXPression NETwork for Tumor Classification Using the ResNet-Based Deep Learning Approach 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3637184 PMID:41385413	研究论文	本文提出了一种名为GexpNet的新型深度学习架构，用于从微阵列基因表达数据中准确分类癌症亚型	提出了一种集成动态多头残差块和自适应密集分类器的深度学习架构，并引入了包含中位数插补、分位数归一化和基于逻辑回归的监督特征选择的定制预处理流程	未明确说明模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算效率或模型可解释性	开发一种用于癌症亚型分类的深度学习框架，解决高维性、类别不平衡和样本量有限等挑战	微阵列基因表达数据	机器学习	癌症	微阵列基因表达分析	CNN	基因表达数据	四个公开数据集（包括Mendeley数据集）	NA	ResNet	准确率, F1分数	NA
4685	2026-02-08	SDXL model-based optimization for interior design: Data-driven and deep learning methods 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342258 PMID:41637387	研究论文	本研究提出了一种针对Stable Diffusion XL模型的领域特定优化框架，旨在解决AI辅助室内设计中结构一致性和美学保真度的关键挑战	引入了结合自动语义清洗与严格超参数优化策略的系统化流程，并建立了经验验证的训练协议，专门用于保持室内空间的几何约束	未明确说明	优化大规模扩散模型以适应空间设计的专业需求	室内设计	计算机视觉	NA	深度学习	扩散模型	图像	未明确说明	未明确说明	Stable Diffusion XL	Fréchet Inception Distance, Structural Similarity Index, Learned Perceptual Image Patch Similarity, CLIP Semantic Alignment	未明确说明
4686	2026-02-08	Deep Learning Reconstruction Enhances Lung Cancer CT Imaging 2026-Jan, Cureus DOI:10.7759/cureus.100762 PMID:41640929	研究论文	本文通过一个病例研究，展示了超高清CT结合深度学习重建技术在评估肺尖部肿瘤中的应用	将超高清CT与深度学习重建技术结合，显著减少了图像噪声和伪影，提高了对肺尖部肿瘤与邻近结构关系的评估能力	仅基于单个病例研究，样本量有限，需要更大规模的研究来验证其普遍适用性	评估深度学习重建技术在增强肺癌CT成像质量方面的效果	一位70岁男性患者的右肺上叶腺癌	数字病理学	肺癌	超高清CT扫描，深度学习重建	深度学习模型	CT图像	1例患者	NA	NA	图像质量改善，噪声和伪影减少	NA
4687	2026-02-08	A Deep Learning Model to Guide Personalized Mechanical Circulatory Support Use in Cardiogenic Shock Patients Undergoing PCI 2026-Jan, JACC. Advances DOI:10.1016/j.jacadv.2025.102379 PMID:41609277	研究论文	开发并验证了一个深度学习模型，用于指导心源性休克患者在经皮冠状动脉介入治疗中个性化使用机械循环支持设备	开发了OPtiMCS深度学习模型，能够整合临床、血流动力学和代谢变量的纵向数据，预测多种不良结局，并通过模拟设备切换支持以患者为中心的治疗决策	需要外部验证和临床实践中的实施，模型基于历史数据（2004-2019年），可能未涵盖最新治疗进展	开发一个深度学习模型，以指导心源性休克患者在经皮冠状动脉介入治疗中个性化使用机械循环支持设备，改善预后	心源性休克并接受经皮冠状动脉介入治疗的患者，使用主动脉内球囊反搏或微轴流泵	机器学习	心血管疾病	深度学习	深度学习模型	临床、血流动力学和代谢变量的纵向向量	1,408名心源性休克患者	PyTorch	TabNet	AUC	Google Colab
4688	2026-02-08	Protein Structure Prediction Methods 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07511-6_1 PMID:41652158	综述	本章综述了蛋白质结构预测方法的演变，从基于模板建模和自由建模到先进的混合和端到端深度学习方法	介绍了AlphaFold2和RoseTTAFold等端到端深度学习方法，以及蛋白质语言模型，这些方法通过神经网络直接从序列预测原子坐标，实现了接近实验的精度	NA	探索蛋白质结构预测方法的原理、进展及其对结构生物学领域的变革性影响	蛋白质结构预测方法	计算生物学	NA	基于模板建模（TBM）、自由建模（FM）、混合方法、端到端深度学习、蛋白质语言模型	神经网络	氨基酸序列	NA	NA	AlphaFold2, RoseTTAFold	接近实验精度	NA
4689	2026-02-08	Deep learning algorithm for predicting rapid progression of abdominal aortic aneurysm by integrating CT images and clinical features 2025-Nov-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22167-z PMID:41184332	研究论文	本研究开发并验证了一种端到端多模态深度学习模型，通过整合CT图像特征、几何特征和临床特征来预测腹主动脉瘤的快速进展	首次提出结合CT图像、几何特征和临床特征的多模态深度学习模型，显著提升了腹主动脉瘤快速进展的预测性能	研究为回顾性设计，数据来源于两家医院，可能存在选择偏倚，且模型需要进一步的外部验证	开发并验证一种多模态深度学习模型，以更准确地预测腹主动脉瘤的快速进展	腹主动脉瘤患者	数字病理学	心血管疾病	CT成像	深度学习	图像, 临床数据	561名腹主动脉瘤患者，包含14,252张标注的CT轴位图像	NA	ResNet	AUC, 准确率	NA
4690	2026-02-08	Novel fusion architecture of multi-location blood flow sounds for arteriovenous fistula stenosis diagnosis 2025-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109022 PMID:40886696	研究论文	本文提出了一种基于多位置血流声音融合的架构，用于动静脉瘘狭窄诊断	引入了多位置融合架构（MPFA）结合位置元数据，通过通道融合和时间融合策略，利用多个血管段的声音信息提升诊断准确性，而非仅依赖模型复杂度增加	未明确说明数据采集的具体环境条件或潜在噪声干扰，且样本量未在摘要中详细披露	诊断动静脉瘘狭窄并确定其精确位置	动静脉瘘的血流声音数据	机器学习	心血管疾病	血流声音分析	深度学习模型	声音数据	NA	NA	通用模型和个体位置模型	准确率	NA
4691	2026-02-08	Interpretable deep multimodal-based tomato disease diagnosis and severity estimation 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21611-4 PMID:41162432	研究论文	本文提出了一种新颖的多模态深度学习算法，用于番茄病害诊断和严重程度估计	通过结合视觉图像和环境数据的多模态输入，提升了分类准确性和可解释性，并应用了LIME和SHAP等可解释AI技术	未明确说明算法的计算复杂度、泛化能力或在不同环境条件下的适用性限制	开发一种高效、可解释的番茄病害诊断和严重程度预测方法，以支持精准农业实践	番茄作物及其相关病害	计算机视觉, 自然语言处理	植物病害	深度学习	CNN, RNN	图像, 环境数据	NA	NA	EfficientNetB0, RNN	准确率	NA
4692	2026-02-08	Resolution enhancement and target segmentation of medical images based on the frequency-domain information in deep learning 2025-Aug-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.557903 PMID:40981883	研究论文	本文提出了一种基于频域信息的深度学习网络，用于增强医学图像分辨率并优化细胞分割	通过将图像映射到频域，独立处理振幅和相位信息，并采用融合策略恢复清晰图像，超越了传统空间域方法	NA	提高医学图像分辨率以优化细胞分割，支持癌症诊断和分级	数字病理图像中的细胞核	数字病理	癌症	深度学习	CNN	图像	NA	NA	频域分辨率网络	NA	NA
4693	2026-02-08	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.09.669342 PMID:40832296	研究论文	本文介绍了SynAnno，一种用于大规模连接组学数据集中突触注释交互式校对的新工具	开发了集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以提升校对效率和准确性	NA	旨在通过交互式工具改进连接组学中突触注释的校对过程	大规模连接组学数据集中的突触注释	数字病理学	NA	深度学习	NA	图像	涉及七位神经科学专家的用户和案例研究	PyTorch	NA	校对速度、认知负荷、注释错误率	NA
4694	2026-02-08	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-08-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	研究论文	本研究利用深度学习模型从眼压治疗研究的视盘照片中预测视网膜神经纤维层厚度，并评估其作为原发性开角型青光眼风险因素的有效性	首次使用深度学习模型从视盘照片预测RNFL厚度，并将其作为青光眼发展的风险因素进行评估	研究基于特定队列（OHTS），可能无法推广到其他人群；模型预测依赖于照片质量	预测RNFL厚度并评估其作为原发性开角型青光眼风险因素的有效性	眼压升高但无青光眼的患者	数字病理学	青光眼	深度学习	深度学习模型	图像	1636名参与者的3272只眼睛，共66714张视盘照片	NA	M2M模型	风险比, 置信区间, P值	NA
4695	2026-02-08	Predicting RNA structure and dynamics with deep learning and solution scattering 2025-Feb-04, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.12.024 PMID:39722452	研究论文	本文介绍了一种名为SCOPER的RNA溶液构象预测工具，该工具结合了基于运动学的构象采样和深度学习模型IonNet，用于预测RNA在溶液中的结构和动力学，并通过小角X射线散射（SAXS）数据进行验证	开发了SCOPER管道，整合了构象采样与创新的深度学习模型IonNet来预测Mg离子结合位点，解决了RNA结构预测中缺乏离子和构象可塑性的挑战	需要初始足够准确的结构作为输入，且可能因过度调整可塑性和离子密度而导致过拟合实验SAXS数据	预测RNA在溶液中的结构和动力学，并通过SAXS数据验证结构预测的准确性	RNA分子及其在溶液中的构象	机器学习	NA	小角X射线散射（SAXS）	深度学习模型	结构数据，SAXS数据	14个实验数据集	NA	IonNet	SAXS剖面拟合质量	NA
4696	2026-02-08	Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort 2025-Feb-04, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	研究论文	本研究利用Google街景图像和深度学习技术，分析住宅周围建筑环境特征与心血管事件风险之间的关系	首次结合Google街景图像和深度学习技术，大规模量化评估建筑环境特征（如绿化和人行道）与心血管风险的关联	研究为回顾性队列设计，需未来研究验证关联性并深入理解其机制	探究建筑环境特征（包括住宅绿化和人行道）与心血管风险之间的关系	美国俄亥俄州东北部地区的居民	计算机视觉	心血管疾病	Google街景图像分析	深度学习模型	图像	49,887名个体	NA	NA	风险比（HR），95%置信区间	NA
4697	2026-02-08	Transforming cervical cancer pathological diagnosis through artificial intelligence: progress, performance, and barriers to clinical implementation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1716018 PMID:41640440	综述	本系统综述评估了人工智能技术在宫颈癌病理诊断中的应用现状、发展水平及关键挑战	系统性地总结了AI在宫颈癌病理诊断中的进展，特别指出深度学习模型可将诊断时间从8-15分钟缩短至1-3分钟，并达到92-98%的准确率	存在标准化问题、临床验证有限以及基础设施成本高昂等实施挑战	评估人工智能技术在宫颈癌病理诊断中的应用与挑战	涉及宫颈癌病理诊断的人工智能应用研究，包括组织病理学、免疫组织化学和分子病理学诊断	数字病理学	宫颈癌	NA	CNN	组织病理学图像	基于56项纳入研究，具体样本量未在摘要中明确	NA	卷积神经网络	诊断准确率	NA
4698	2026-02-08	Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1726947 PMID:41641033	研究论文	本研究开发了一种多模态MRI影像组学-临床融合模型，用于预测甲状腺眼病患者对静脉糖皮质激素治疗的反应	首次将多模态MRI影像组学特征与深度迁移学习特征融合，并结合临床预测因子构建综合模型，以预测甲状腺眼病的治疗反应	研究为回顾性、多中心设计，样本量相对较小（108名患者），且仅使用了两种MRI序列（T1WI和T2WI-FS）	预测甲状腺眼病患者对静脉糖皮质激素治疗的反应，以实现个性化治疗规划	甲状腺眼病患者	数字病理学	甲状腺眼病	MRI（T1加权成像和脂肪抑制T2加权成像）	融合模型（影像组学与深度学习）	医学影像（MRI）	108名甲状腺眼病患者（78名应答者，30名无应答者）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
4699	2026-02-08	CervSpineNet: a hybrid deep learning-based approach for the segmentation of cervical spinous processes 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1733689 PMID:41635798	研究论文	本文提出了一种名为CervSpineNet的混合深度学习框架，用于自动分割颈椎棘突，并基于专家标注的500张颈椎X光片数据集进行验证	结合基于Transformer的编码器捕获全局解剖上下文与轻量级卷积解码器细化局部边界，并采用复合损失函数联合优化区域重叠、类别平衡、结构保真度和边界准确性	未提及模型在外部数据集或不同设备采集图像上的泛化性能	开发自动化工具以可靠分割颈椎棘突，支持解剖标志定位、手术规划和脊柱畸形纵向评估	颈椎棘突	计算机视觉	脊柱畸形	X射线成像	混合深度学习框架	图像	500张颈椎脊柱X光片	未明确提及	Transformer编码器与卷积解码器混合架构	Dice系数, IoU, SSIM, HD95距离, MAE	标准临床硬件
4700	2026-02-08	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-11, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种深度学习算法，用于自动分类小儿脊柱侧弯患者的脊柱X光片	首次将EfficientNet B6架构应用于小儿脊柱侧弯X光片的自动分类，实现了高精度分类，为大规模影像注册库的数据自动录入提供了重要工具	在数据集中图像数量少于100的类别上观察到性能较低，可能影响模型在罕见类别上的泛化能力	开发自动分类小儿脊柱侧弯患者脊柱X光片的算法，以支持大规模影像注册库的数据管理	小儿脊柱侧弯患者的脊柱X光片（前后位和侧位）	计算机视觉	脊柱侧弯	X光成像	CNN	图像	7777张前后位图像和5621张侧位图像，总计13398张X光片	NA	EfficientNet B6	准确率, 精确率, 召回率, F1分数	NA