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
6181	2026-01-19	Leveraging molecular graphs for natural product classification 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.031 PMID:41542071	研究论文	本研究探索了使用图神经网络直接从分子图结构学习神经指纹，用于天然产物的自动分类	首次系统地评估了多种图神经网络架构在天然产物分类任务上的性能，并强调了基于图表示的数据驱动方法优于传统指纹方法	模型性能高度依赖于架构选择和特征表示，需要针对特定任务进行定制化设计	开发一种能够更好地捕捉天然产物结构和生物合成复杂性的自动分类方法	天然产物分子	机器学习	NA	图神经网络	GNN	分子图	NA	NA	多种图神经网络架构	准确率, 鲁棒性	NA
6182	2026-01-19	AOP-DRL: A deep representation learning framework for the computational prediction of antioxidant peptides 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.014 PMID:41542079	研究论文	本文提出了一种名为AOP-DRL的深度学习框架，用于高通量预测抗氧化肽，结合了蛋白质语言模型和分层卷积网络	开发了结合蛋白质语言模型与分层卷积网络的深度学习框架AOP-DRL，有效处理可变肽长度并捕获非线性残基相互作用，相比现有模型在多个数据集上显著提升了预测准确率	未明确提及具体局限性，但可能依赖于公开数据集的覆盖范围和验证质量	开发一个计算框架以高效预测抗氧化肽，替代传统湿实验室方法	抗氧化肽序列	机器学习	NA	深度学习，蛋白质语言模型，卷积网络	深度学习框架	肽序列数据	来自公开研究的实验验证抗氧化序列和负对照序列，具体数量未明确	NA	分层卷积网络	准确率	NA
6183	2026-01-19	TBM preferred to AlphaFold 3 for functional models of insect odorant receptors 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.028 PMID:41542085	研究论文	本文比较了基于模板的建模与AlphaFold 3在构建昆虫气味受体功能模型上的表现，并基于功能突变数据支持前者	首次系统比较了传统模板建模与最新AI模型AlphaFold 3在昆虫气味受体结构预测上的优劣，并引入了脂质分子模拟膜环境	研究仅涉及来自三个昆虫目的六个受体序列，样本量有限	评估并比较不同计算方法在预测昆虫气味受体结构和功能上的可靠性，以支持基于结构的害虫控制策略	昆虫气味受体	计算生物学	NA	模板建模，深度学习结构预测	AlphaFold 3	蛋白质序列，实验结构数据	来自三个昆虫目的六个气味受体序列	NA	AlphaFold 3	功能突变数据支持度	NA
6184	2026-01-19	STAG-LLM: Predicting TCR-pHLA binding with protein language models and computationally generated 3D structures 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.004 PMID:41542080	研究论文	本文提出了一种名为STAG-LLM的多模态机器学习模型，用于预测TCR-pHLA结合特异性，该模型结合了蛋白质序列数据和计算生成的3D结构	通过结合蛋白质语言模型与几何深度学习架构，利用计算生成的3D蛋白质结构作为额外数据模态，显著提升了预测性能，即使在训练数据量减少三倍的情况下仍优于现有方法	使用计算生成的3D结构可能带来推理成本增加、训练数据有限以及对生成结构中噪声的鲁棒性等挑战	预测T细胞受体（TCR）与肽-HLA（pHLA）复合物的结合特异性，以支持个性化免疫治疗设计	T细胞受体（TCR）和肽-HLA（pHLA）复合物	机器学习	NA	计算建模工具生成3D蛋白质结构	蛋白质语言模型, 几何深度学习	蛋白质序列, 3D结构	NA	NA	STAG-LLM	NA	NA
6185	2026-01-19	Using AI and computer vision to analyze technical proficiency in robotic surgery 2023-04, Surgical endoscopy DOI:10.1007/s00464-022-09781-y PMID:36536082	研究论文	本研究利用AI和计算机视觉技术分析机器人手术视频，以评估外科医生的技术熟练度	开发了一种可解释的自动化方法，通过计算机视觉AI算法评估机器人手术中的技术熟练度，并与专家评分进行相关性验证	研究仅针对结直肠机器人手术中的腹膜闭合步骤，样本量相对较小（92个剪辑），且主要关注效率和双手灵巧性两个维度	设计并验证一种客观、高效的计算机视觉方法，用于评估机器人手术中的技术熟练度	结直肠机器人手术视频中的腹膜闭合剪辑	计算机视觉	结直肠癌	计算机视觉视频分析	深度学习	视频	92个腹膜闭合手术视频剪辑	未明确指定	未明确指定	相关性系数（r值），p值	未明确指定
6186	2026-01-18	Dengue fever prediction based on meteorological features and deep learning models 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.010 PMID:41536441	研究论文	本文提出了一种基于多维气象特征和深度学习模型的登革热预测方法，利用时间序列生成对抗网络扩展数据集，并通过信号分解、特征提取和融合技术提高预测性能	结合TimeGAN进行数据增强，采用SGMD和样本熵进行气象序列分解与重构，并引入双向时间卷积网络与注意力机制的BiLSTM进行特征融合与预测	研究仅基于中国广东省的数据，可能无法直接推广到其他地理或气候区域，且未详细讨论模型在不同季节或极端天气条件下的鲁棒性	提高登革热流行病趋势的预测准确性，以支持公共卫生决策	登革热病例数据与多维气象特征（如温度、湿度、降水）	机器学习	登革热	时间序列生成对抗网络（TimeGAN）、辛几何模态分解（SGMD）、样本熵（SE）	GAN, BiTCN, BiLSTM	时间序列数据	基于中国广东省的登革热病例数据，具体样本数量未明确说明	NA	TimeGAN, BiTCN, BiLSTM with attention module	平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
6187	2026-01-18	Deep learning assisted PfAgo-programmable genetic circuit for ultrasensitive visual detection of foodborne pathogen in one-tube 2026-Mar-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118296 PMID:41418735	研究论文	本研究开发了一种基于深度学习辅助的PfAgo可编程遗传电路，用于超灵敏可视化检测食源性病原体	将PfAgo双探针可编程遗传电路与超快V形PCR结合，实现单管操作并显著提高灵敏度；开发深度学习荧光图像识别技术进行批量结果处理	未明确说明方法对其他类型病原体的适用性验证范围	开发快速、灵敏的食源性病原体检测方法	食源性病原体	数字病理学	食源性疾病	PfAgo（激烈火球菌Argonaute）技术、V形PCR、荧光成像	深度学习模型	荧光图像	NA	NA	NA	灵敏度（1 CFU/mL）、检测时间（缩短至1/3）、荧光信号增强（超过200%）	NA
6188	2026-01-18	Graph attention network with comorbidity connectivity embedding for post-traumatic epilepsy risk prediction using sparse time-series electronic health records 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106239 PMID:41478164	研究论文	本文提出了一种基于图注意力网络的方法，利用稀疏时间序列电子健康记录预测创伤后癫痫风险	采用异构图注意力网络整合患者人口统计学数据和共病连通性，有效捕捉电子健康记录中的复杂依赖关系	模型性能可能受电子健康记录数据稀疏性和质量的影响，且仅基于特定数据库，泛化能力需进一步验证	提高创伤后癫痫风险的预测准确性，以支持个性化风险评估和主动管理	创伤性脑损伤患者，包括仅患创伤性脑损伤的患者和创伤后发展为癫痫的患者	机器学习	癫痫	电子健康记录分析	图注意力网络	时间序列电子健康记录	1,598,998名仅患创伤性脑损伤的患者和102,687名创伤后发展为癫痫的患者	PyTorch	异构图注意力网络	灵敏度, 特异度, 宏观F1分数, AUC-ROC	NA
6189	2026-01-18	Machine learning in stroke and its sequelae: a narrative review of clinical applications and emerging trends 2026-Mar-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106245 PMID:41478163	综述	本文综述了机器学习在脑卒中及其后遗症中的临床应用和新兴趋势	系统总结了机器学习在脑卒中从急性影像诊断到长期后遗症预后及康复的六个核心领域的应用，并指出了多模态数据整合和模型可解释性的发展趋势	NA	综述机器学习在脑卒中及其后遗症临床管理中的应用	脑卒中患者及其后遗症	机器学习	脑卒中	NA	深度学习	图像, 传感器数据	NA	NA	NA	NA	NA
6190	2026-01-18	A multi-branch ConvNeXt-MaxViT fusion transformer model for radiographic knee osteoarthritis severity assessment with Grad-CAM++ explainability 2026-Mar, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.12.040 PMID:41541300	研究论文	本研究提出了一种融合ConvNeXt和MaxViT的双分支Transformer模型，用于膝关节骨关节炎的X光片严重程度评估，并利用Grad-CAM++增强模型可解释性	提出了一种结合ConvNeXt-Tiny局部特征提取和MaxViT-Tiny全局上下文建模的双分支融合架构，并采用中期融合和晚期融合策略来增强判别性表示	未整合多模态成像（如MRI），未纳入纵向进展建模，且需在真实临床环境中进一步验证	开发一个可解释的深度学习模型，准确分类膝关节骨关节炎的严重程度（KL-0至KL-4），以增强临床决策支持的透明度	膝关节骨关节炎的X光影像	计算机视觉	骨关节炎	X光成像	CNN, Transformer	图像	NA	NA	ConvNeXt-Tiny, MaxViT-Tiny	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵, ROC曲线	NA
6191	2026-01-18	Low-cost and dense fog-adapted monitoring for fermentation quality evaluation of black tea 2026-Feb-28, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118188 PMID:41539772	研究论文	本研究提出了一种基于计算机视觉和深度学习的新方法，用于在浓雾环境中对红茶发酵质量进行低成本、原位、非破坏性监测	提出了一种新的发酵程度指标，并开发了适用于高湿度环境的计算机视觉系统，结合Cycle-Dehaze深度学习模型进行去雾处理，实现了红茶发酵质量的准确预测和可视化	研究仅针对红茶发酵过程，未涉及其他茶类或发酵食品，且模型在极端雾浓度下的性能可能受限	开发一种低成本、原位、非破坏性的红茶发酵质量监测方法	红茶发酵过程	计算机视觉	NA	计算机视觉，深度学习	Cycle-Dehaze，回归模型	图像	两个批次的样本，包括验证批次	NA	Cycle-Dehaze	残差预测偏差	NA
6192	2026-01-18	Artificial Intelligence Enhances Diagnostic Accuracy of Contrast Enemas in Hirschsprung Disease Compared to Clinical Experts 2026-Feb, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2646-2052 PMID:40592491	研究论文	本研究评估了深度学习神经网络在对比灌肠图像诊断先天性巨结肠症中的性能，并与儿科外科医生和放射科医生的诊断准确性进行比较	首次将深度学习模型应用于对比灌肠图像分析，并探索了结合临床数据对模型性能的提升，同时通过多数投票机制创建了“超级外科医生”和“超级放射科医生”作为专家基准	研究为回顾性设计，样本量相对有限（测试集仅218张图像），且仅针对15岁以下患者，可能限制了结果的普适性	评估人工智能在辅助诊断先天性巨结肠症对比灌肠图像中的准确性和临床实用性	先天性巨结肠症患者的对比灌肠图像	计算机视觉	先天性巨结肠症	对比灌肠成像	深度神经网络	医学图像	1,471张对比灌肠图像（其中218张用于测试）	NA	深度神经网络	AUC-ROC, 敏感性, 特异性, 阴性预测值, Cohen's kappa, Fleiss' kappa	NA
6193	2026-01-18	Deep Learning Reconstruction for T2 Weighted Turbo-Spin-Echo Imaging of the Pelvis: Prospective Comparison With Standard T2-Weighted TSE Imaging With Respect to Image Quality, Lesion Depiction, and Acquisition Time 2026-Feb, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251357790 PMID:40755270	研究论文	本研究前瞻性比较了深度学习重建的T2加权涡轮自旋回波成像与标准T2加权TSE成像在盆腔MRI中的图像质量、病灶描绘和采集时间	首次在盆腔MRI中对深度学习重建的TSE序列进行全面评估，证明其能在减少约50%扫描时间的同时，提供同等或更优的图像质量	样本量相对较小（55名受试者），且未详细说明深度学习模型的具体架构和训练细节	比较深度学习重建的TSE序列与常规TSE序列在盆腔MRI中的性能，以评估其在加速扫描同时保持图像质量的潜力	55名受试者（33名女性，22名男性）的盆腔MRI图像	医学影像分析	盆腔疾病	T2加权涡轮自旋回波成像，深度学习重建	深度学习模型	MRI图像	55名受试者	NA	NA	图像质量评估（边缘定义、血管边缘锐度、T2对比动态范围、伪影、整体图像质量、病灶特征），对比度比	NA
6194	2026-01-18	Application of Convolutional Neural Network Image Analysis and Machine Learning to Basic Blood Tests for Intelligent Diagnostic Assistance 2026-Feb, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14550 PMID:40932175	研究论文	本研究开发了一种基于卷积神经网络和机器学习的自动化外周血细胞形态图像识别深度学习系统，并结合全血细胞计数数据构建了智能诊断辅助系统，以评估其在常规检查中的临床性能	结合了外周血细胞形态图像识别深度学习系统与全血细胞计数数据，构建了智能诊断辅助系统，用于自动分类14种血细胞类型和识别24种形态特征，并在骨髓增生异常综合征等疾病诊断中表现出高准确性	研究未明确提及外部验证数据集或跨机构验证结果，可能限制了模型的泛化能力评估	评估自动化形态图像识别深度学习系统及结合全血细胞计数数据的诊断辅助系统在常规血液检查中的临床性能	健康受试者及急性淋巴细胞白血病、急性髓系白血病、恶性淋巴瘤、骨髓增殖性肿瘤、骨髓增生异常综合征患者的血涂片图像	计算机视觉	血液系统疾病	外周血细胞形态学分析	CNN	图像	1,476,727张血细胞图像用于训练，128,716张图像（来自589张血涂片）用于评估	NA	NA	准确率, AUC	NA
6195	2026-01-18	Editorial for: "Accelerating 2D Kidney Magnetic Resonance Fingerprinting Using Deep Learning Based Tissue Quantification" 2026-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70151 PMID:41103194	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6196	2026-01-18	Recognition of Normal Fetal Echocardiograms Based on an Explainable Denoising Deep Learning Model 2026-Jan-17, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70183 PMID:41546466	研究论文	本研究提出了一种基于可解释去噪深度学习模型GSCAViT，用于分类正常胎儿超声心动图	提出了新颖的去噪引导GSCA模块，结合Vision Transformer架构，提升了图像质量和模型可解释性	研究为回顾性研究，样本量相对有限（358例检查），未在外部验证集上广泛测试	评估GSCAViT模型在分类正常胎儿超声心动图方面的性能	胎儿心脏超声检查图像	计算机视觉	心血管疾病	超声心动图	Vision Transformer	图像	358例胎儿心脏超声检查，共2501张图像	NA	GSCAViT (Grouped Shared Convolutional Attention Vision Transformer)	准确率, 精确率, 召回率, F1分数, 对比噪声比, 峰值信噪比	NA
6197	2026-01-18	Bathymetry of the Philippine sea with convolution neural network from multisource marine geodetic data 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114285 PMID:41541674	研究论文	本研究开发了一种基于深度学习的菲律宾海高分辨率水深预测方法，旨在利用多源海洋大地测量数据提高海底深度估计的准确性	通过整合多种辅助特征（如重力异常、海底坡度等）并采用卷积神经网络，显著提升了水深预测的精度，展示了深度学习在大规模、低成本海底测绘中的潜力	NA	提高菲律宾海高分辨率水深预测的准确性	菲律宾海的海底深度	计算机视觉	NA	多源海洋大地测量数据整合	CNN	地理坐标与多源地球物理数据	基于8×8弧分区域提取的训练点数据	NA	卷积神经网络	预测精度	NA
6198	2026-01-18	Order-Aware Deep Learning for Drug Combination Benefit Prediction in Cancer Cell Lines 2026-Jan-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3650933 PMID:41543946	研究论文	本文提出了一种名为OrderCombo的新型顺序感知深度学习模型，用于预测癌症细胞系中药物的组合效益	提出了一种新颖的顺序感知深度学习模型，通过结合预训练的化学语言模型、组学导向的线性网络和混合编码器来提取药物和细胞系表征，并设计了顺序对比损失来促进判别性嵌入空间并保持类别顺序性	NA	加速治疗性药物组合的发现，预测癌症细胞系中药物的组合效益	药物组合和癌症细胞系	机器学习	癌症	NA	深度学习	化学数据、组学数据	大规模组合效益数据集	NA	混合编码器（结合基于连接和基于注意力的交互）	预测准确率	NA
6199	2026-01-18	Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models 2026-Jan-16, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3654585 PMID:41543953	研究论文	提出一种基于单步扩散模型的快速MRI重建框架SSDM-MRI，用于从高度欠采样的k空间数据中恢复图像	通过迭代选择性蒸馏算法和捷径反向采样策略，将扩散模型蒸馏为单步推理模型，显著缩短了重建时间	未明确说明模型在更广泛数据集或更高加速因子下的泛化能力	解决高加速因子下MRI图像重建质量下降和扩散模型推理时间长的问题	MRI图像	医学影像重建	NA	扩散模型	条件扩散模型	MRI图像	公开fastMRI脑部和膝盖图像数据集，以及内部多回波GRE（QSM）受试者数据	NA	U-net	PSNR, SSIM	NA
6200	2026-01-18	Learning-Based Multi-View Stereo: A Survey 2026-Jan-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654665 PMID:41543950	综述	本文对基于学习的多视图立体视觉（MVS）方法进行了全面综述	系统性地将基于学习的MVS方法分类为基于深度图、基于体素、基于NeRF、基于3D高斯泼溅和大规模前馈方法，并重点分析了主流方法	作为综述文章，不涉及具体实验验证，主要依赖现有文献和基准测试结果	综述基于学习的多视图立体视觉方法的研究进展、性能比较和未来方向	多视图立体视觉算法及其在3D重建中的应用	计算机视觉	NA	多视图立体视觉	深度学习	多视角图像	NA	NA	NA	基准测试性能	NA