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
41	2026-02-15	AFTS: A patient-agnostic encoder-decoder architecture with directional attention for blood glucose forecasting 2026-Feb-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.104998 PMID:41687901	研究论文	本文提出了一种名为AFTS的患者无关深度学习架构，用于血糖预测，该架构结合了双向LSTM编码器-解码器和级联方向表示模块	引入了专门设计的轴级注意力机制，分别处理时间和特征维度，旨在将趋势演变与潜在特征幅度解耦，提供了一种层次化特征细化的新机制	未明确提及	开发一种患者无关的深度学习架构，用于准确预测血糖水平	血糖时间序列数据	机器学习	糖尿病	连续血糖监测	LSTM, Transformer, RNN	时间序列数据	两个真实世界CGM数据集（KDD18和CDD23）	NA	双向LSTM编码器-解码器	MAE	NA
42	2026-02-15	Comprehensive 3D Optical Coherence Tomography Dataset for AMD and DME: Facilitating Deep-Learning-Based 3D Segmentation 2026-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06497-1 PMID:41667492	研究论文	本文提出了一个用于AMD和DME的3D OCT数据集，并基于BiFormer Block设计了一种新颖的3D分割网络	首次提供了针对AMD和DME的3D OCT数据集，并引入了基于BiFormer Block的新型3D分割网络，利用Bi-Level Routing Attention捕捉局部上下文和长距离依赖关系	数据集规模相对较小，仅包含224个体积图像，可能影响模型的泛化能力	促进基于深度学习的3D分割技术在AMD和DME领域的应用	年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）患者	计算机视觉	年龄相关性黄斑变性, 糖尿病性黄斑水肿	光学相干断层扫描（OCT）	CNN	3D体积图像	224个体积图像（122个AMD，102个DME）	NA	BiFormer Block	NA	NA
43	2026-02-15	HBID24K: A New Benchmark Dataset for Vulnerable Houbara Bustard and Intruder Detection in Wildlife Monitoring 2026-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06496-2 PMID:41667517	研究论文	本文提出了一个用于脆弱波斑鸨及入侵者检测的新基准数据集HBID24K，并评估了10种先进的目标检测模型	创建了首个针对脆弱波斑鸨及入侵者检测的大规模、多样化相机陷阱图像数据集，填补了该领域数据资源的空白	数据集主要来自特定栖息地环境，可能对泛化到其他生态环境的模型性能产生影响	通过深度学习目标检测技术，自动化监测脆弱波斑鸨并检测对其巢穴构成威胁的入侵者，以支持有效的物种保护	脆弱波斑鸨（鸟类）及其栖息地中的潜在入侵者	计算机视觉	NA	相机陷阱图像采集	目标检测模型	图像	24,318张相机陷阱图像（其中15,070张波斑鸨图像，9,248张入侵者图像）	NA	YOLOv10	多种评估指标	NA
44	2026-02-15	Domain adversarial gated bilinear attention networks for cross domain drug target interaction prediction 2026-Feb-10, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153448 PMID:41687302	研究论文	本文提出了一种名为GBAN-DA的新型深度学习框架，用于准确且可泛化的药物-靶点相互作用预测	集成了三个关键组件：结合图卷积网络和特征注意力的混合分子编码器、用于显式建模子结构相互作用的门控双线性注意力机制，以及用于跨域特征分布对齐的条件域对抗网络，显著提升了跨域预测性能	未在摘要中明确提及	加速药物发现，通过计算模型准确预测药物-靶点相互作用	药物分子和蛋白质靶点	机器学习	NA	深度学习	GCN, CNN, Transformer	分子图数据，蛋白质序列数据	NA	PyTorch	图卷积网络，CNN-Transformer协同架构	AUROC, AUPRC	NA
45	2026-02-15	Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01681 PMID:41570305	研究论文	本研究提出了一种融合分子动力学模拟和深度学习模型的集成框架，用于提高蛋白质可电离残基pKa值的预测准确性	通过基于AMOEBA极化力场的高通量分子建模构建了富含原子静电和其他物理启发特征的蛋白质结构数据集，并训练了三种基于图的神经网络模型，在预测准确性上相比PROPKA3.5.1有显著提升	NA	提高蛋白质残基pKa值的预测准确性，以促进对酶活性和蛋白质-配体结合的理解，支持药物发现	蛋白质可电离残基，包括天冬氨酸、谷氨酸、赖氨酸和组氨酸	机器学习	NA	分子动力学模拟，AMOEBA极化力场	图神经网络，图注意力网络	蛋白质结构数据	基于PKAD-2数据集的实验测定pKa值	NA	图注意力网络	预测准确性	NA
46	2026-02-15	[Expert consensus on the application of artificial intelligence in stomatology] 2026-Feb-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20251017-00413 PMID:41605470	专家共识	本文提供了关于人工智能在口腔医学中应用的专家共识，全面概述了AI在疾病筛查、诊断辅助、治疗规划、预后预测和教育等领域的应用，并提出了数据治理、平台开发、伦理和监管方面的建议	通过深度学习与多模态分析，AI能高效整合锥束CT、口内扫描和电子健康记录数据，提升龋齿、牙髓病、牙周病、口腔黏膜病变及颌面创伤管理的精准度和效率，并推动组学研究、生物材料开发和实验室自动化	存在数据治理标准化不足、模型可解释性有限、隐私安全风险以及临床验证和监管框架不充分等挑战	为口腔医学从业者、医疗机构、研究者和行业利益相关者提供实用且统一的指导，促进AI在口腔医疗中的安全、规范和可持续发展	口腔医学领域，包括龋齿、牙髓病、牙周病、口腔黏膜病变、颌面创伤等疾病	数字病理	口腔疾病	深度学习，多模态分析	NA	图像，文本，电子健康记录	NA	NA	NA	NA	NA
47	2026-02-15	Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes 2026-Feb-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69295-2 PMID:41663377	研究论文	本研究利用可解释AI分析人类胰腺切片，识别2型糖尿病的组织学特征	首次结合千像素显微镜图像与可解释AI技术，量化胰腺中α细胞、δ细胞和神经元轴突等细微形态变化作为2型糖尿病生物标志物	研究样本仅来自活体捐赠者，未涵盖疾病全谱；组织学变化与血糖状态的因果关系仍需进一步验证	开发基于深度学习的组织病理学方法，预测2型糖尿病状态并识别相关生物标志物	人类胰腺组织切片（来自活体捐赠者）	数字病理学	2型糖尿病	多重免疫荧光染色，显色染色，千像素显微镜成像	深度学习模型	全切片图像	NA	NA	NA	预测性能	NA
48	2026-02-15	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Feb-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权损失和欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于求解最优控制问题中的欧拉-拉格朗日系统	创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数分量	NA	解决最优控制问题中的欧拉-拉格朗日系统，提高求解精度和稳定性	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	物理信息神经网络	PINNs	数值模拟数据	五个数值示例	NA	物理信息神经网络	精度，稳定性	NA
49	2026-02-15	Segmentation-guided multi-modal brain tumors survival prediction model using pseudo-labeling approach 2026-Feb-07, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102724 PMID:41687296	研究论文	本文提出了一种用于脑肿瘤生存期预测的端到端多模态伪标签模型，旨在整合患者群体信息并有效处理删失数据	提出了一种集成患者群体信息的端到端多模态伪标签方法，通过生成类别标签增强数据校正，并扩展了BraTS 2021数据集用于分割与生存预测的双重任务	未明确说明模型对特定脑肿瘤亚型的适用性，且伪标签生成方法可能引入标注噪声	提高脑肿瘤患者生存期的预测精度，辅助临床治疗决策	脑肿瘤患者	数字病理学	脑肿瘤	深度学习	多模态深度学习模型	多模态医学影像数据	基于BraTS 2021数据集（具体数量未明确说明）	未明确说明	端到端多模态架构	预测精度、泛化性能	未明确说明
50	2026-02-15	Design and rationale of the artifiCiAl intelligence Model for Evaluating the surgical techniques of caRdiAc surgeons (CAMERA): a cohort study 2026-Feb-06, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-106359 PMID:41651534	研究论文	本研究旨在开发和验证一个基于人工智能的框架，用于自动评估冠状动脉旁路移植术中的手术技术技能	首次将人工智能驱动的评估应用于高风险心脏手术中，结合视觉印象和工具轨迹准确性进行自动化技能评分	单中心观察性研究，样本可能有限，且依赖于完整的术中视频数据	开发并验证一个AI框架，用于客观、自动地评估CABG手术中的技术技能	接受择期冠状动脉旁路移植术的成年患者及其术中视频数据	计算机视觉	心血管疾病	计算机视觉，深度学习	NA	视频	NA	NA	NA	组内相关系数	NA
51	2026-02-15	Advancing NanoLuc Luciferase Stability beyond Directed Evolution and Rational Design through Expert-Guided Deep Learning 2026-Feb-06, ACS catalysis IF:11.3Q1 DOI:10.1021/acscatal.5c08789 PMID:41676228	研究论文	本文提出了一种结合深度学习和结构引导理性设计的混合方法，用于增强NanoLuc荧光素酶的热稳定性，从而提升其在高温下的活性	通过整合深度学习和结构引导理性设计，克服了传统基于同源性的方法在酶工程中的局限性，并解决了稳定性与活性之间的权衡问题	未明确提及具体局限性，但可能涉及方法在更广泛酶类中的应用验证或实验规模的限制	开发增强型NanoLuc荧光素酶变体，以提高其热稳定性并维持酶活性	NanoLuc荧光素酶（NLuc）及其工程变体	机器学习	NA	深度学习，分子动力学模拟，蛋白质折叠研究	深度学习模型（未指定具体类型）	工程变体库数据，蛋白质结构数据	未明确指定样本数量，但涉及系统分析工程变体库	NA	NA	熔解温度（Tm）增加，酶活性维持	NA
52	2026-02-15	Dual-channel ultrasonic images empowered deep learning: significantly improving prediction of occult central lymph node metastases in solitary papillary thyroid microcarcinoma 2026-Feb-06, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2026-0006 PMID:41686681	研究论文	本研究开发了一种基于双通道超声图像的深度学习模型，用于预测孤立性甲状腺微小乳头状癌的隐匿性中央淋巴结转移	结合纵向和横向超声图像构建双通道深度学习模型，显著提高了预测准确性，并首次将其与临床特征整合以优化个性化风险分层	回顾性研究设计可能引入选择偏倚，样本量相对有限且仅来自两家医院，外部验证需进一步扩大	术前准确预测甲状腺微小乳头状癌的隐匿性中央淋巴结转移，以指导个体化治疗策略	461名来自两家医院的甲状腺微小乳头状癌患者	数字病理	甲状腺癌	超声成像	深度学习模型	超声图像	461名患者	NA	双通道深度学习模型	AUC, 校准曲线	NA
53	2026-02-15	Artificial Intelligence for Exosomal Biomarker Discovery for Cardiovascular Diseases: Multi-Omics Integration, Reproducibility, and Translational Prospects 2026-Feb-05, Cells IF:5.1Q2 DOI:10.3390/cells15030304 PMID:41677667	综述	本文综述了人工智能在心血管疾病外泌体生物标志物发现中的应用，重点是多组学整合、可重复性及临床转化前景	通过全面、整合和比较分析AI方法用于EV生物标志物发现，并结合明确的重复性和转化准备标准，为外泌体诊断从探索性研究向临床实施推进建立了实用框架	当前大多数证据仍处于探索阶段，基于小样本队列（<50）且外部验证有限，AI模型（如图神经网络）需要更大的验证队列，进化神经网络在临床应用中面临可解释性挑战	支持心血管疾病外泌体生物标志物的开发，通过整合多组学数据与临床元数据，实现特征选择、疾病亚型分型和可解释模型构建	外泌体及其他细胞外囊泡（EVs）携带的microRNA、蛋白质和脂质，用于心血管病理生理学反映和微创生物标志物发现	机器学习	心血管疾病	多组学整合（包括microRNA、蛋白质、脂质分析），细胞外囊泡分离/表征工作流程	机器学习（ML）、深度学习（DL）、基于网络的方法、集成方法、图神经网络（GNNs）、进化神经网络	多组学数据（如microRNA、蛋白质、脂质谱）、临床元数据、EV形态特征	小样本队列（<50），需要更大的验证队列	NA	随机森林、梯度提升、图神经网络（GNNs）、进化神经网络	AUC（0.80-0.92）	NA
54	2026-02-15	SMF-DETR: An Efficient Lightweight Detection Transformer for Real-Time Bearing Surface Defect Detection 2026-Feb, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70156 PMID:41319189	研究论文	本文提出了一种基于StarNet-MEIS-FDConv检测变换器的高效轴承表面缺陷检测算法，旨在解决现有深度学习方法在检测小目标、计算复杂度和边缘设备部署方面的不足	提出SMF-DETR算法，通过骨干网络中的元素级乘法操作实现高维特征映射，结合多尺度边缘信息选择机制和频域动态卷积，在降低计算复杂度的同时提升小缺陷检测能力	未明确提及算法的具体局限性，但可能包括对特定数据集或工业环境的依赖	开发一种高效、轻量化的实时轴承表面缺陷检测方法，以满足工业设备可靠性需求	轴承表面缺陷	计算机视觉	NA	深度学习	DETR	图像	自定义轴承缺陷数据集、公开轴承缺陷检测数据集、PASCAL VOC数据集	NA	StarNet-MEIS-FDConv-DETR	mAP@50, 准确率	桌面系统、嵌入式RK3588平台
55	2026-02-15	Systematic scRNA-seq screens profile neural organoid response to morphogens 2026-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02927-5 PMID:41398501	研究论文	本研究通过单细胞转录组测序系统筛选，详细描绘了神经类器官对形态发生素的响应模式	首次对人类神经上皮在形态发生素作用下的响应进行全面系统调查，结合微流控芯片梯度浓度实验与深度学习模型预测分化结果	未明确说明实验所用细胞系的具体数量及类器官培养的时间跨度细节	探究形态发生素对人类神经类器官区域特化的调控机制	人类神经类器官	计算生物学	NA	单细胞RNA测序（scRNA-seq），微流控芯片技术	深度学习模型	单细胞转录组数据	NA	NA	NA	NA	NA
56	2026-02-15	Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations 2026-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001333 PMID:41462401	研究论文	本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较	首次将深度学习模型应用于膝关节X光片上检测桶柄状半月板撕裂，并通过生成结合前后位和侧位视图的复合图像输入，实现了比骨科医生更高的诊断性能	研究样本主要来自单一机构，外部医院数据较少，可能影响模型的泛化能力；未详细说明模型的具体架构和训练细节	评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性	膝关节X光片（包括前后位和侧位视图）	计算机视觉	骨科疾病	X光成像	CNN	图像	共496名患者（来自本机构的406名患者和外部医院的90名患者）的膝关节X光片	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 精确率, F1分数	NA
57	2026-02-15	The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics 2026-Feb, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01838-z PMID:41495202	研究论文	本文介绍了一种可解释的多模态降维框架SpaHDmap，通过整合空间转录组学数据和高分辨率组织学图像来提升空间分辨率	将非负矩阵分解融入深度学习框架，实现高分辨率空间元基因的识别，并能同时分析多个样本且兼容多种组织学图像类型	NA	提升空间转录组学数据的空间分辨率以解析细微空间结构和生物活动	空间转录组学数据和高分辨率组织学图像	数字病理学	NA	空间转录组学技术	深度学习	基因表达数据, 图像	合成、公共及新测序的空间转录组学数据集，涵盖多种技术和组织类型	NA	NA	NA	NA
58	2026-02-15	Deep learning enhanced ALPS reveals genetic and environmental factors of brain glymphatic function 2026-Feb, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106133 PMID:41619353	研究论文	本研究开发了一种深度学习增强的DTI-ALPS方法，用于自动评估脑类淋巴系统功能，并在大规模队列中揭示了其遗传和环境决定因素	结合CNN和YOLO模型实现了DTI图像中感兴趣区域的自动检测，首次在大规模队列中系统性地进行了脑类淋巴功能的遗传学和环境关联分析	研究主要基于UK Biobank等现有队列数据，可能受限于数据采集的异质性和人群代表性	开发自动化工具以评估脑类淋巴系统功能，并探索其遗传和环境决定因素	超过65,000名来自UK Biobank及多个队列的参与者	医学影像分析	神经系统疾病	扩散张量成像、基因组关联研究、转录组关联研究、蛋白质组关联研究	CNN, YOLO	DTI图像、遗传数据、临床数据	超过65,000名参与者	NA	CNN, YOLO	组内相关系数	NA
59	2026-02-15	AI-enhanced Centiloid quantification of amyloid PET images 2026-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.71162 PMID:41670187	研究论文	本研究提出了一种名为DeepSUVR的深度学习方法，用于校正淀粉样蛋白PET图像的Centiloid量化，通过惩罚训练中不合理的纵向轨迹来提高量化的一致性和准确性	提出了一种新颖的AI方法，通过惩罚生物学上不合理的纵向轨迹，使模型能够在无需推理时纵向数据的情况下学习标准化摄取值比(SUVR)校正因子，从而显著提高跨示踪剂和研究的Centiloid一致性	NA	改进淀粉样蛋白(Aβ) PET图像的Centiloid量化，减少示踪剂和扫描仪之间的变异性，以支持临床决策和检测淀粉样蛋白的细微或早期变化	淀粉样蛋白PET图像	数字病理学	阿尔茨海默病	淀粉样蛋白正电子发射断层扫描(PET)	深度学习	图像	训练数据来自2,129名参与者（7,149次Aβ PET扫描），验证数据来自10,543名参与者（15,807次Aβ PET扫描），涵盖10个外部数据集	NA	NA	相关性、变异性减少、与认知、视觉读取、神经病理学的关联强度、纵向一致性、效应大小	NA
60	2026-02-15	LamNet: an alchemical-path-aware graph neural network to accelerate binding free energy calculations for drug discovery and beyond 2026-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf559 PMID:41675646	研究论文	本文提出了一种名为LamNet的图神经网络，用于加速药物发现中的蛋白质-配体结合自由能计算	将端点分子状态和连接它们的炼金术路径（由λ参数化）整合到一个物理信息表示学习框架中，明确地沿着选定的热力学变换路径对自由能变化进行建模，并优化λ调度以改进传统AFEM的收敛性	未在摘要中明确说明	加速药物发现中蛋白质-配体结合自由能的准确预测	蛋白质-配体结合	机器学习	NA	分子动力学模拟	图神经网络	分子结构数据	463个配体，16种蛋白质	NA	LamNet	相对结合自由能，绝对结合自由能	NA