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
4861	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
4862	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
4863	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
4864	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
4865	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
4866	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
4867	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
4868	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
4869	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
4870	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
4871	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
4872	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
4873	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
4874	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
4875	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
4876	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
4877	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
4878	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
4879	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
4880	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