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
5641	2025-12-21	Enhancing deep learning telemedicine for retinopathy of prematurity: current evidence and opportunities for improvement 2026-Feb, Eye (London, England) DOI:10.1038/s41433-025-04188-0 PMID:41419595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5642	2026-01-27	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估	开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流	NA	降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型	蛋白质结构预测和质量评估	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	NA	NA
5643	2026-01-27	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性	提出了一个统一的多模态多任务学习框架，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习	未在摘要中明确提及	克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键因素（如血脑屏障渗透性和神经毒性）的预测能力	药物靶点亲和力、血脑屏障渗透性、神经毒性	机器学习	中枢神经系统疾病	深度学习	多任务学习框架	多模态数据	多源数据集	未在摘要中明确提及	未在摘要中明确提及	MSE, 准确率	未在摘要中明确提及
5644	2026-01-27	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数	提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息	未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制	开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数	机器学习	NA	深度学习，迁移学习	深度学习模型	化学结构数据（图、基序、三维结构）	NA	NA	MFPK（多保真度药代动力学学习框架）	RMSLE（对数误差均方根），GMFE（几何平均折叠误差）	NA
5645	2026-01-27	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 通过整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法未能考虑细胞通讯与下游基因调控网络协同作用的问题，并构建完整的细胞通讯网络以提高生物学意义和可解释性	细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
5646	2026-01-27	AAPPE: Protein-Ligand Binding Affinity Prediction Leveraging Amino Acid Pair Positional Encoding in Deep Learning 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01872 PMID:41124588	研究论文	本研究提出了一种名为氨基酸对位置编码（AAPPE）的深度学习框架，用于准确预测蛋白质-配体结合亲和力	引入了基于生物相关性的位置决定原子对距离编码方法，构建了不依赖配体结合构象的3124维特征集	在CASF-2016基准上评估，但未提及在其他数据集或真实药物发现场景中的泛化能力验证	加速药物发现过程，改进蛋白质-配体结合亲和力的预测精度	蛋白质口袋中的氨基酸与配体分子	机器学习	NA	深度学习	深度学习框架	蛋白质结构数据、配体分子指纹	NA	NA	AAPPE（氨基酸对位置编码框架）	MAE, RMSE, R²	NA
5647	2026-01-27	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度学习模型，用于预测法律判决中的违规类型及具体违反的法律条款	提出了结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕捉词间和词内依赖关系，提升预测透明度和可解释性	未提及模型在跨法域或不同语言法律文本上的泛化能力，也未说明训练数据的具体规模和多样性限制	开发可解释的法律判决预测和条款违规分析人工智能系统	法律文档中的违规类型识别和具体法律条款违反分析	自然语言处理	NA	深度学习文本分析	BERT, Transformer	文本（法律文档）	NA	NA	分层BERT（Hierarchical BERT）	准确率, 微平均F1分数	NA
5648	2026-01-27	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	本文提出了一种结合特征工程的混合深度学习模型HDLMFE-ADGDT，用于从超声图像中准确诊断胆囊疾病类型	提出了一种新颖的混合深度学习模型，结合了非局部均值滤波、Squeeze-and-Excitation胶囊网络和CNN-BiLSTM架构，用于胆囊疾病的自动诊断	未明确说明模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发有效的基于深度学习的胆囊疾病分类方法	胆囊疾病超声图像	计算机视觉	胆囊疾病	超声成像	CNN, BiLSTM, Capsule Network	图像	NA	NA	Squeeze-and-Excitation Capsule Network, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异性	NA
5649	2026-01-27	Practical applications of AI in body imaging 2026-Jan, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上针对腹盆腔器官及相关疾病评估的FDA批准AI算法的实际应用	聚焦于FDA批准的商业可用AI算法在腹盆腔成像中的实际应用，评估其潜在优势并展望未来方向	NA	评估AI算法在腹盆腔成像中的实际应用、优势及未来发展趋势	FDA批准的商业可用AI算法	医学影像分析	腹盆腔器官相关疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
5650	2026-01-27	Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models 2026-Jan, The Knee DOI:10.1016/j.knee.2025.10.024 PMID:41241647	研究论文	本研究提出了一种深度学习模型，用于在常规质子密度脂肪饱和MRI序列中分割膝关节软骨，以评估软骨形态并辅助后续损伤分级	采用3D Res U-net模型进行膝关节软骨分割，并在内部和外部验证中展示了优于3D U-net和3D V-net的性能	研究为回顾性设计，样本量相对有限（共254例），且仅基于两个放射中心的MRI数据，可能影响模型的泛化能力	开发并验证深度学习模型以准确分割膝关节软骨，用于临床评估膝痛来源和骨关节炎的分类与治疗	膝关节软骨，具体包括外侧股胫关节、内侧股胫关节和髌股关节的软骨区域	医学影像分析	骨关节炎	常规质子密度脂肪饱和MRI序列	深度学习	MRI图像	254例膝关节MRI数据（来自254名患者），其中219例用于训练和内部验证，35例用于外部验证	NA	3D Res U-net, 3D U-net, 3D V-net	Dice系数, Jaccard指数	NA
5651	2026-01-27	Fast electromagnetic field simulation using a current-density- based physics-informed neural network 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33166-5 PMID:41476089	研究论文	本研究提出了一种基于电流密度的物理信息神经网络模型，用于高效解决电磁场模拟中的泊松方程，提升计算速度和适应性	结合物理数学先验知识与深度学习，构建了基于电流密度的PINN模型，克服了传统数值方法效率低和适应性差的局限	NA	解决电磁场模拟和电流密度相关问题的计算效率与适应性挑战	电磁场模拟中的泊松方程求解	机器学习	NA	物理信息神经网络	PINN	模拟数据	NA	NA	NA	相对误差	NA
5652	2026-01-27	A PIKAN-based model for the prediction of the temperature fields of castings 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32973-0 PMID:41469430	研究论文	本研究提出了一种基于PIKAN的深度学习模型，用于预测铸件凝固过程中的二维温度场演化	采用分组时空参数输入MLP模型，结合物理损失和数据损失的损失函数，并通过贝叶斯优化确定最优权重参数，利用多铸件几何形状进行预训练以提高预测效率	未明确提及模型在复杂三维温度场或极端工艺条件下的泛化能力	通过深度学习技术优化铸造过程中的温度场预测，支持新仿真方法在工程中的应用	铸件凝固过程中的温度场	机器学习	NA	深度学习	MLP	时空参数数据	未明确指定样本数量，但涉及多铸件几何形状	未明确指定，可能为TensorFlow或PyTorch	PIKAN模型	绝对误差（平均温度误差5.62 K），平均准确率（88.74%）	未明确指定
5653	2026-01-27	Multimodal deep learning for cancer prognosis prediction with clinical information prompts integration 2025-Dec-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02257-y PMID:41455823	研究论文	本文提出了一种名为SurvPGC的多模态深度学习模型，用于整合病理图像、基因组数据和临床记录以预测癌症预后	通过文本模板和基础模型将临床信息转换为高维向量，并利用交叉注意力模块实现多模态数据的有效整合	临床信息具有离散、稀疏和低维度的特点，其利用仍不充分	提高癌症生存预测的准确性，以指导治疗和评估疗效	癌症患者的多模态数据，包括病理图像、基因组数据和临床记录	数字病理学	癌症	多模态深度学习	深度学习模型	图像, 基因组数据, 文本	三个来自癌症基因组图谱的数据集	NA	交叉注意力模块	NA	NA
5654	2026-01-27	Deep learning-based joint analysis of diabetic retinopathy and glaucoma in retinal fundus images 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32991-y PMID:41449171	研究论文	提出一种基于Vision Transformer与双向特征融合的深度学习架构，用于视网膜眼底图像中糖尿病视网膜病变与青光眼的联合分析	提出ViT-BiFusionDRNet-HGS模型，首次将双向特征融合模块与Vision Transformer结合，并引入Hunger Games Search算法优化超参数与融合权重，实现复杂眼底图像的跨疾病联合分析	模型仅在开源数据集上验证，未在临床多中心数据中进行大规模验证，且未说明对图像质量变化的鲁棒性	开发能够同时诊断糖尿病视网膜病变和青光眼的自动化分析系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变, 青光眼	眼底成像	Vision Transformer	图像	NA	NA	Vision Transformer, ViT-BiFusionDRNet-HGS	准确率, 敏感度	NA
5655	2026-01-27	Research on the performance inspection of large-span cable-stayed bridges under multi-physics field information guidance 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32954-3 PMID:41422307	研究论文	本研究提出了一种集成多物理场编码的异构图神经网络，用于大跨度斜拉桥的有限元模型参数更新与结构性能评估	提出了IMPFE-HGNN模型，通过元路径子图和关系感知编码显式建模应变、挠度、温度、索力和加速度传感器之间的异质拓扑关系，能够提取传统架构无法获取的高阶多物理场语义信息	研究仅针对大跨度斜拉桥进行案例验证，未涉及其他类型桥梁或结构，且模型性能可能受传感器布置密度和数据质量影响	提高大跨度桥梁有限元模型参数更新的精度，以支持准确的安全评估和使用寿命预测	大跨度斜拉桥的结构性能	机器学习	NA	有限元分析，多物理场传感器数据融合	异构图神经网络	多源传感器数据（应变、挠度、温度、索力、加速度）	NA	NA	IMPFE-HGNN	参数修正率，应变预测误差，挠度预测精度	NA
5656	2026-01-27	Innovative AI model for bladder cancer diagnosis 2025-Dec-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04278-1 PMID:41420667	研究论文	本研究开发了一种基于CT影像的AI模型，用于膀胱癌的准确诊断	利用深度学习技术自动从CT图像中学习并提取特征，结合Grad-CAM提供可解释性，实现了高精度的膀胱癌检测	研究为回顾性分析，需要前瞻性验证来进一步确认模型的临床适用性	开发一种AI模型以改善膀胱癌的早期诊断	膀胱癌患者	计算机视觉	膀胱癌	CT成像	深度学习模型	CT图像	来自医院和TCIA的大型CT图像数据集	NA	NA	准确率	NA
5657	2026-01-27	Evidential deep learning for interatomic potentials 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67663-y PMID:41422077	研究论文	本文提出了一种基于证据深度学习的原子间势能框架，用于分子模拟中的不确定性量化	该方法通过物理启发式设计，在不增加显著计算开销或降低预测准确性的情况下提供不确定性量化，并在多种数据集上优于现有方法	NA	开发一种高效且准确的不确定性量化方法，以提升机器学习原子间势能在分子模拟中的可靠性	原子间势能模型及其在分子模拟中的应用，例如水和通用势能	机器学习	NA	证据深度学习	深度学习	原子配置数据	NA	NA	NA	预测准确性，不确定性量化性能	NA
5658	2026-01-27	Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33010-w PMID:41422297	研究论文	本研究开发了一种基于常规2D超声的AI框架，用于标准化辅助生殖技术中的卵巢储备评估，通过融合放射组学和深度学习模型预测窦卵泡计数和抗缪勒管激素水平	首次提出结合放射组学和深度学习的融合模型，利用常规2D超声图像标准化卵巢储备评估，克服了传统AFC评估的观察者间变异性和AMH检测的局限性	研究为多中心回顾性设计，样本量相对有限（共395名患者），外部验证队列仅来自两家附属医院	开发AI框架以标准化辅助生殖技术中的卵巢储备评估，实现个性化卵巢刺激方案优化	395名不孕症女性患者	数字病理学	不孕症	常规2D超声成像	CNN, 放射组学模型	超声图像	395名患者（训练集210例，内部测试集91例，外部测试集94例）	NA	ResNet50	R², AUC, 敏感性, 特异性	NA
5659	2026-01-27	Structural configuration of sustainable sports industry based on deep learning and genetic algorithm 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32847-5 PMID:41419589	研究论文	本研究构建了一个融合深度学习与遗传算法的智能优化框架，用于解决体育产业高质量发展转型中的结构失衡与可持续性挑战	突破了传统静态描述范式，首次将一维卷积神经网络与遗传算法结合，构建了动态建模、多目标优化与定量求解的智能决策工具，为产业结构精准优化与跨区域应用提供了新范式	未明确说明模型对特定区域或新兴细分产业的适用性限制，且数据时间范围（2010-2022）可能无法完全捕捉长期结构性变化	优化体育产业结构，协同提升经济、社会与环境效益，推动产业向服务化转型	体育产业（基于2010-2022年行业统计数据及2018-2020年省级面板数据）	机器学习	NA	深度学习, 遗传算法	CNN, 遗传算法	高维行业数据, 面板数据	2010-2022年行业统计数据及2018-2020年省级面板数据，并包含美国与德国的验证数据	NA	一维卷积神经网络	跨区域预测误差（<6%）	NA
5660	2026-01-27	YOLO-TME: A UAV landing detection algorithm that is suitable for Polar ice Floe base stations 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32923-w PMID:41420005	研究论文	本文提出了一种名为YOLO-TME的无人机着陆检测算法，适用于极地冰浮基站环境，旨在解决GPS和RTK信号误差导致的无人机返航与着陆问题	将基于Transformer的卷积（TransConv）集成到YOLOv11中，增强了网络对雾雪遮挡图像全局信息的建模能力；设计了雾全局特征金字塔网络（MistGFPN）以提升小目标特征提取能力；提出了高效非对称检测头（EADH）以提高模型的实时检测性能	NA	开发一种适用于极地环境的无人机着陆检测算法，以克服GPS和RTK信号误差及恶劣图像条件带来的挑战	极地冰浮基站环境中的无人机着陆标志检测	计算机视觉	NA	深度学习目标检测	CNN, Transformer	图像	自制数据集（具体数量未提及）	NA	YOLOv11, TransConv, MistGFPN, EADH	准确率, 召回率, 平均精度, F1分数, FPS	NA