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
6201	2026-01-18	Prediction of protein-protein interactions using point transformer and spherical Convex Hull graphs 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.008 PMID:41536689	研究论文	本文提出了一种结合蛋白质表面点云与几何图的深度学习框架PT-PPI，用于预测蛋白质-蛋白质相互作用	引入了无超参数的球形凸包方法构建稀疏且连接良好的几何图，并结合点Transformer网络与序列嵌入，提升了模型对蛋白质空间关系的利用能力	未明确讨论模型的计算复杂度或对大规模数据集的可扩展性限制	实现蛋白质-蛋白质相互作用的准确预测和大规模识别，以理解其生物机制和功能	蛋白质-蛋白质相互作用	机器学习	NA	几何深度学习	Point Transformer, GCN, GAT	蛋白质表面点云、序列数据	基于PINDER数据集进行评估，具体样本数量未明确说明	PyTorch（推断，因提及Transformer架构）	Point Transformer	未明确列出具体指标，但通过与其他模型（D-SCRIPT, GCN, GAT, Struct2Graph, SpatialPPIv2）比较展示性能提升	NA
6202	2026-01-18	Comment on "Deep learning in CT-based organ-at-risk delineation for pediatric flank irradiation": Methodological and clinical considerations 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101065 PMID:41536764	comments	本文是对Ding等人关于深度学习辅助儿童侧腹放疗危及器官勾画研究的评论，指出了其方法学和临床分析上的局限性	提出了针对深度学习在放疗勾画应用中的关键方法学改进方向，包括透明化标注标准、整合概率模型、纳入剂量学终点和真实世界评估	作为评论文章，本身不包含原始研究数据或实验验证	评估和批判现有深度学习在放疗计划中自动勾画研究的科学严谨性与临床适用性	深度学习辅助的儿童侧腹放疗危及器官勾画方法	digital pathology	pediatric cancer	NA	deep learning	CT images	NA	NA	NA	Dice, HD95	NA
6203	2026-01-18	The impact of heart rate on echocardiographic measures of left ventricular function: novel insights facilitated by deep learning 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf163 PMID:41536930	研究论文	本研究利用心房起搏和深度学习技术，探讨了心率对左心室功能超声心动图测量指标的影响	首次结合心房起搏和透明多步骤深度学习方法来全面、自动化地分析心率对左心室功能测量指标的影响，实现了快速、准确且可重复的分析	研究样本仅包括50名植入永久起搏器的参与者，可能限制了结果的普遍性；未探讨心率变化对特定心脏疾病患者的影响	探索心率与左心室整体纵向应变、射血分数、舒张末期容积和收缩末期容积等超声心动图测量指标之间的关系	50名植入永久起搏器的参与者	数字病理学	心血管疾病	超声心动图，心房起搏	深度学习	图像（超声心动图10次心跳电影循环）	50名参与者，共分析了10161个心动周期	NA	NA	可行性（97%），处理时间（每个心动周期1.3秒）	NA
6204	2026-01-18	A prior-sampling conditional variational autoencoder for neuroimaging normative modelling: Benchmarking deep learning against statistical approaches 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1098 PMID:41537055	研究论文	本文提出了一种基于先验采样条件变分自编码器的神经影像规范建模框架，用于处理高维脑成像数据并量化个体偏差	通过先验采样推理直接从协变量生成预测，改进了现有cVAE方法在概率预测可靠性方面的不足，同时保持了规范建模原则	研究主要基于UK Biobank数据，可能受限于特定人群和成像特征，未全面评估其他神经疾病或协变量的适用性	开发一种深度学习框架，用于神经影像规范建模，以量化个体脑结构测量相对于协变量的偏差	UK Biobank中的8,551名正常血压参与者和18,180名高血压参与者	神经影像分析	高血压相关脑损伤	神经影像衍生表型分析	条件变分自编码器	脑成像衍生特征	26,731名参与者	TensorFlow, PyTorch	条件变分自编码器	准确性, 敏感性, 偏差量化	GPU
6205	2026-01-18	Deep Learning-Enhanced High-Precision Wind Field Concurrent Triboelectric Sensing 2026-Jan, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514540 PMID:41055251	研究论文	本文开发了一种结合深度学习的磁涡流摩擦电传感系统，用于高精度、实时的风场监测	将摩擦纳米发电机与涡激振动结构、磁增强弹性元件耦合，并采用深度学习模型从多通道信号中提取时频域特征，实现了高精度风速风向预测及恶劣环境下的鲁棒运行	NA	为环境监测和分布式气象预报提供可靠、实时的风场传感解决方案	风场（风速和风向）	机器学习	NA	摩擦电传感，涡激振动	Transformer	多通道电信号（时域和频域特征）	NA	NA	Regression Transformer (ReT)	风速最大误差（0.69 m/s），预测误差（低于5%），风向误差（1°以内）	NA
6206	2026-01-18	Artificial Intelligence as a Catalyst for Advancements in Medical Virology 2026-Jan-01, Clinical laboratory IF:0.7Q4 DOI:10.7754/Clin.Lab.2025.250474 PMID:41543085	评论	本文探讨了人工智能（包括机器学习和深度学习）在医学病毒学中的关键作用，及其在基因组分析、诊断、治疗和流行病学建模方面的应用	强调了AI与量子计算和蛋白质语言模型等先进技术的结合，预示着病毒学进步的新时代	存在数据隐私、算法偏见和伦理困境等挑战	促进跨学科合作，利用AI的变革能力应对病毒感染，同时保持严格的伦理监督	病毒性疾病的研究与治疗	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
6207	2026-01-18	Audio-visual speech enhancement in noisy environments using emotion-based contextual cues 2026-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042239 PMID:41543276	研究论文	本研究提出了一种基于情感上下文线索的音频-视觉语音增强系统，用于在嘈杂环境中提升语音清晰度	首次将情感特征作为新的上下文线索整合到音频-视觉语音增强框架中，通过面部关键点提取情感信息来改进语音增强性能	研究仅在特定数据集（CMU-MOSEI）上进行训练和评估，未在更广泛或更具挑战性的真实场景中进行验证	在嘈杂环境中提高语音的清晰度和可懂度	人类语音信号及其对应的视觉（面部）和情感信息	多模态机器学习	NA	音频-视觉信号处理，情感特征提取	深度学习，编码器-解码器网络	音频，视频，面部关键点	使用卡内基梅隆大学多模态观点情感和情绪强度数据集（CMU-MOSEI），该数据集包含多样化的带情感标注的音频-视觉录音	未明确指定，可能为PyTorch或TensorFlow	基于UNet的编码器-解码器网络	PESQ（语音质量感知评估），STOI（短时客观可懂度），S-SNR（尺度不变信噪比）	NA
6208	2026-01-18	SARCDNet-an enhanced deep learning network for change detection from bi-temporal SAR images 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31488-y PMID:41476094	研究论文	本文提出了一种名为SARCDNet的增强型深度学习网络，用于从双时相SAR图像中进行变化检测	设计了自适应融合块，结合了提取频域特征的自适应全局滤波操作和通道注意力机制，以增强提取特征的相关性，并有效减轻斑点噪声影响	NA	利用双时相SAR图像进行地表变化检测，应用于洪水检测、环境监测、灾害响应和城市规划	双时相合成孔径雷达（SAR）图像	计算机视觉	NA	合成孔径雷达（SAR）成像	深度学习网络	SAR图像	公共数据集（黄河、农田、巢湖数据集）	NA	SARCDNet	F1分数, PCC, κ, MCC	NA
6209	2026-01-18	A memory based model for cartilage and meniscus segmentation in 3D knee MRI 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31503-2 PMID:41462583	研究论文	本研究提出了一种基于记忆的视觉基础模型SAMRI-2，用于从3D膝关节MRI中分割软骨和半月板，以提高分割的准确性和泛化能力	引入了基于记忆的视觉基础模型（VFM）和混合洗牌策略（HSS），结合分割掩码传播技术，提升了空间感知和收敛性，并在少量用户交互下保持高性能	模型依赖于专家标注数据集，可能受读者间变异性影响，且仅针对膝关节MRI进行评估，未涉及其他关节或成像模态	开发一种可靠的人工智能辅助膝关节MRI分割方法，以改进骨关节炎监测中的形态测量评估	膝关节软骨和半月板	计算机视觉	骨关节炎	MRI	Transformer	3D MRI图像	575个3D膝关节MRI体积（来自270名不同患者），测试集包含57个外部病例	NA	Transformer, 3D-VNet, 3D nnU-Net, SAMRI2D, SAMRI3D	Dice相似系数（DSC）, 交并比（IoU）	NA
6210	2026-01-18	An efficient hybrid artificial intelligence framework for lung cancer classification using CT images 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31432-0 PMID:41444763	研究论文	提出一种基于CT图像的混合人工智能框架，用于对正常、良性和恶性肺结节进行分类	提出了一种结合传统特征提取方法（GLCM、SIFT）和深度学习方法（VGG-16、MobileNet）的混合AI模型，并通过特征融合和全连接层进行分类，其中GLCM+SIFT+MobileNet组合表现出最佳性能	研究仅使用了IQ-OTH/NCCD单一数据集，未提及外部验证或跨数据集测试	开发一种高效、自动化的肺癌早期预测方法，以辅助临床诊断	肺部CT图像	计算机视觉	肺癌	CT成像	混合模型（传统特征提取+深度学习）	图像	IQ-OTH/NCCD数据集中的CT图像（具体数量未在摘要中说明）	NA	VGG-16, MobileNet	准确率, 精确率, 召回率, F1分数, 特异性	NA
6211	2026-01-18	Biologically Inspired Digital Histology for Deep Phenotyping of Placental Composition Changes Across Major Lesion Types 2025-Dec-24, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.22.693945 PMID:41509205	研究论文	本研究应用深度学习管道HAPPY分析胎盘组织切片，量化细胞和组织结构组成变化，以揭示不同病变类型下的胎盘表型差异	首次利用单细胞分辨率深度学习分析胎盘病变的细胞组成变化，并发现病变区域外的器官范围适应性反应	研究样本仅包括62例足月活产妊娠，未涵盖早产或其他并发症病例，且注释规模依赖专家病理学家	通过数字病理学方法深入表征胎盘组成变化，以增强传统组织病理学评估	62例足月活产妊娠的130张H&E染色胎盘组织切片，包括健康对照和四种常见病变类型	数字病理学	妊娠并发症	H&E染色组织学分析	深度学习	图像	130张切片来自62例妊娠	NA	HAPPY（分层深度学习管道）	NA	NA
6212	2026-01-18	Real-time construction safety monitoring using a drone based deep hybrid attention model 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31392-5 PMID:41422095	研究论文	本文提出了一种基于无人机和深度混合注意力模型的实时建筑工地安全监控系统，用于检测个人防护装备的使用情况	提出了一种名为2D-3CKO-MTHSAN的新型网络，结合了离散膨胀余弦因果卷积多头自注意力和离散余弦-Krawtchouk-Tchebichef变换，并利用猩猩优化算法进行参数调整，以提高检测精度和鲁棒性	未在摘要中明确说明	解决建筑工地中个人防护装备检测的准确性和实时性问题，以提升工人安全	建筑工地工人及其个人防护装备，特别是个人防坠落系统中的头盔、安全带和安全绳	计算机视觉	NA	无人机实时监控	CNN, 注意力模型	图像	未在摘要中明确说明	NA	2D-3CKO-MTHSAN, DCCMSA-DCKTKT, Adaptive Causal Decision Transformers	检测准确率	未在摘要中明确说明
6213	2026-01-18	A novel deep transformer based CvT model for sign language recognition in visual communication 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31558-1 PMID:41423468	研究论文	本文提出了一种基于卷积视觉变换器（CvT）的新模型，用于视觉交流中的手语识别	提出了一种结合分层卷积标记化与基于变换器的注意力机制的CvT模型，优化了局部和全局特征提取，在手语识别任务中超越了传统CNN和变换器基线模型	未明确说明模型在复杂背景、快速连续手势或不同用户变体下的泛化能力	开发一种能够更准确识别手语的深度学习模型，以改善听障人士的交流可及性	手语数字、字母和符号图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	手语数字数据集：10个类别共1,712张图像；字母和符号数据集：29个类别共87,000张图像	NA	卷积视觉变换器（CvT）	准确率	NA
6214	2026-01-18	Assessing clinician performance using a multi-modality clinical decision-support system for lung cancer prognostication 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31204-w PMID:41419585	研究论文	本研究开发了一个整合多模态深度学习模型的临床决策支持系统，用于肺癌术后预后评估，并评估了其对肿瘤科医生预测性能和信心的影响	首次将多模态深度学习模型与临床决策支持系统整合用于肺癌预后评估，并首次研究了临床医生对该类系统的态度	这是一项探索性研究，样本量可能有限，且未详细说明外部验证的具体范围或长期临床效果	开发并评估一个用于肺癌术后预后评估的临床决策支持系统，以辅助确定哪些患者可能从辅助治疗中受益	早期肺癌患者，特别是那些接受手术并考虑辅助治疗的患者	数字病理学	肺癌	深度学习模型，多模态数据整合	深度学习模型	医学影像（术前）、临床信息、手术信息、病理信息	NA	NA	NA	预测性能、置信度	NA
6215	2026-01-18	An AI-driven multi-omics framework identifies lactylation-mediated therapeutic targets to overcome drug resistance in ovarian cancer 2025-Dec-20, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01150-x PMID:41422325	研究论文	本研究开发了一个AI驱动的多组学框架，用于识别卵巢癌中与乳酸化修饰相关的基因、分层患者药物反应并建立预后标志	首次将乳酸化修饰生物学与AI驱动的多组学分析整合，构建了一个精准肿瘤学框架，以发现可成药靶点并增强患者分层	传统分析方法难以整合多组学的复杂性，限制了可操作的乳酸化相关脆弱性的发现	开发AI驱动的多组学框架，以识别卵巢癌中与乳酸化相关的治疗靶点并克服耐药性	卵巢癌患者	机器学习	卵巢癌	转录组学、表观基因组学、药物基因组学、突变分析	VAE, LSTM, MLP	转录组、表观基因组、药物基因组、突变、临床结局数据	来自TCGA、GDSC和独立卵巢癌队列的数据	NA	变分自编码器, 长短期记忆网络, 多层感知机	精确度	NA
6216	2026-01-18	Predicting and classifying type 2 diabetes using a transparent ensemble model combining random forest, k-nearest neighbor, and neural networks 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31562-5 PMID:41419964	研究论文	本研究提出了一种结合随机森林、K近邻和神经网络的透明集成模型，用于预测和分类2型糖尿病	通过堆叠和投票方法结合三种机器学习算法，并利用LIME和SHAP可解释性技术提高模型透明度，识别重要特征	研究仅使用了768个皮马印第安人糖尿病样本，数据来源单一，可能限制模型的泛化能力	开发一个准确且可解释的模型，用于2型糖尿病的早期检测和分类	皮马印第安人糖尿病数据集中的医疗数据	机器学习	2型糖尿病	机器学习集成方法	集成模型, 随机森林, K近邻, 神经网络	结构化医疗数据	768个皮马印第安人糖尿病样本	Scikit-learn	随机森林, K近邻, 神经网络, 逻辑回归	准确率, 精确率, 召回率, 特异性, F1分数, AUROC, Brier分数, 期望校准误差	NA
6217	2026-01-18	Advances in Artificial Intelligence in Cosmetic Dermatology 2025-Dec-17, Actas dermo-sifiliograficas IF:3.8Q1 DOI:10.1016/j.ad.2025.104560 PMID:41418903	综述	本文综述了人工智能在美容皮肤科中的应用进展，包括皮肤评估、个性化治疗及产品推荐	系统总结了AI在美容皮肤科中的革命性作用，特别是通过先进算法实现疾病诊断、激光治疗预测和配方优化	面临数据偏见和临床验证不足等挑战	探讨人工智能技术在美容皮肤科领域的应用与前景	美容皮肤科中的皮肤评估、治疗及产品开发	机器学习	NA	机器学习,深度学习	NA	图像,临床数据	NA	NA	NA	准确性	NA
6218	2025-12-18	Deep learning based real-time prediction of depth of penetration during activated tungsten inert gas welding of 10 mm thick 316LN stainless steel 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31414-2 PMID:41402476	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6219	2026-01-18	Enhancing the weed segmentation in diverse crop fields using computationally effective concatenated attention U-Net with convolutional block attention module 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31285-7 PMID:41402468	研究论文	本文提出了一种名为CAUC的轻量级卷积神经网络，用于在多种作物田中增强杂草分割效果	通过整合线性连接块、注意力门连接和卷积块注意力模块，有效利用特征图实现高性能，同时采用深度卷积和1×1卷积层降低计算复杂度	NA	开发轻量级深度学习模型，用于作物和杂草分割，以支持选择性杂草处理	多种作物田中的杂草	计算机视觉	NA	深度学习	CNN	图像	整合了三个数据集：Crop/Weed Field Image Dataset (CWFID)、Sugar Beet和Sunflower数据集	NA	U-Net, Convolutional Block Attention Module (CBAM)	准确率, MIoU, F1分数	低计算设备
6220	2026-01-18	Complex genetic effects linked to plasma protein abundance in the UK Biobank 2025-Dec-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67235-0 PMID:41392155	研究论文	本研究开发了一种基于深度学习的方法EIR-auto-GP，用于识别与血浆蛋白水平相关的复杂遗传效应，如显性和上位性，并在UK Biobank队列中进行了大规模应用	开发了EIR-auto-GP这一深度学习新方法，首次系统性地在大规模人群中识别血浆蛋白的复杂遗传效应，并揭示了ABO与FUT3位点间的新颖相互作用	方法主要依赖于UK Biobank队列数据，可能受限于该队列的特定人群特征；复杂效应的生物学解释仍需进一步实验验证	研究遗传变异对血浆蛋白水平的复杂遗传效应，包括显性和上位性作用	血浆蛋白的蛋白数量性状位点（pQTLs）	机器学习	NA	蛋白质组学（Olink和质谱技术）	深度学习	遗传和蛋白质组学数据	48,594名个体（UK Biobank队列）	NA	EIR-auto-GP	NA	NA