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
6961	2026-01-09	The Impact of Radiation Dose to Bowel on the Risk of Developing Gastrointestinal Toxicities When Treating Abdominopelvic Soft-Tissue Sarcomas With Preoperative Radiation Therapy 2026-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101953 PMID:41492444	研究论文	本研究探讨了腹盆腔软组织肉瘤术前放疗中肠道辐射剂量对急性和长期胃肠道毒性的预测因素	采用基于深度学习的nnU-Net自动勾画肠道结构，并评估传统放疗剂量限制在大型肿瘤中的适用性	回顾性研究设计，样本量较小（76例患者），可能影响统计功效和普遍性	确定腹盆腔软组织肉瘤术前放疗中预测胃肠道毒性的剂量学因素	接受术前放疗和手术的非转移性腹盆腔软组织肉瘤患者	数字病理学	软组织肉瘤	放疗剂量学分析，深度学习自动分割	CNN	医学影像（如CT扫描）	76例患者	nnU-Net	U-Net	卡方检验，Fisher精确检验，Kaplan-Meier生存分析	NA
6962	2026-01-09	PFUS1: Premier pelvic floor ultrasound segmentation dataset. A resource for advancing research 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112346 PMID:41492545	研究论文	本文介绍了一个精心策划的盆底超声视频数据集，旨在支持自动化盆底评估、医学图像分割和动态器官跟踪的研究	该数据集是首个专注于盆底解剖结构的标注超声视频资源，旨在促进计算机辅助诊断和医学图像分析领域的基准测试、可重复性和方法创新	NA	推动自动化盆底评估、医学图像分割和动态器官跟踪的研究	111名患者的经会阴盆底超声视频，包含静息和Valsalva动作下的盆底器官中矢状面视图	医学图像分析	盆底疾病	经会阴超声成像	深度学习模型	超声视频	111名患者	NA	Feature Pyramid Networks (FPNs)	NA	NA
6963	2026-01-09	Inundation2Depth: A multi-source dataset for floodwater depth estimation in urban areas 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112347 PMID:41492553	研究论文	本文介绍了Inundation2Depth数据集，这是一个用于城市洪水深度估计的多源数据集，结合了航空影像和LiDAR数据	提供了首个大规模、地理参考的洪水深度数据集，结合多传感器遥感数据，支持机器/深度学习管道直接集成	数据基于静水假设（水面高程相对于地形），可能无法完全反映动态洪水条件	开发用于洪水深度估计的数据集，以支持洪水检测、分割和损害评估模型的研究	美国东南部北卡罗来纳州和南卡罗来纳州12个受洪水影响区域的洪水数据	计算机视觉	NA	航空影像、LiDAR点云数据、数字地形模型	NA	图像、点云	5925个重叠的256×256瓦片，覆盖24,649.88英亩	NA	NA	NA	NA
6964	2026-01-09	A Review on Efficient and Scalable Graph-Based Clustering Algorithms for Protein Complex Identification in PPI Networks 2026-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.70026 PMID:40820243	综述	本文综述了用于蛋白质-蛋白质相互作用网络中蛋白质复合物识别的图聚类算法	系统识别、分析和比较了生物信息学中用于PPI网络聚类的多种技术，并提出了整合图方法、机器学习和深度学习的新策略	现有方法在预测稀疏、小型和重叠复合物方面存在挑战，且缺乏对蛋白质生物学特性的显式知识整合	评估图聚类算法以促进蛋白质复合物识别方法的基准测试、识别局限性并推动新计算工具的开发	蛋白质-蛋白质相互作用网络中的蛋白质复合物	生物信息学	NA	NA	NA	网络数据	NA	NA	NA	NA	NA
6965	2026-01-09	Leveraging AI for cell biology discovery 2026-Jan-08, Biochemical Society transactions IF:3.8Q2 DOI:10.1042/BST20253023 PMID:41502213	综述	本文综述了人工智能在细胞生物学中的多样化应用及其对显微镜、成像、药物发现和合成生物学等领域的影响	探讨了人工智能在单细胞分辨率分析、细胞行为建模以及提高模型可解释性和工具普及性方面的创新潜力	NA	综述人工智能在细胞生物学中的应用，推动基础研究和治疗应用的发展	细胞生物学中的复杂生物数据，包括细胞图像、转录组学数据和蛋白质结构	机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
6966	2026-01-09	Genomic prediction of feed efficiency in boars by deep learning 2026-Jan-07, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf274 PMID:41239183	研究论文	本研究使用深度学习模型预测公猪的饲料效率，并与传统线性模型进行比较，以评估非线性遗传效应的影响	首次将深度学习模型（多层感知机和卷积神经网络）应用于公猪饲料效率的基因组预测，并量化了其捕获的非加性遗传方差	计算成本显著增加，且捕获的非加性遗传方差并未显著提升预测能力	比较深度学习与线性模型在预测公猪饲料效率方面的能力，并评估非加性遗传效应的影响	两个公猪群体（父系和母系）的饲料效率性状	机器学习	NA	基因组选择	多层感知机, 卷积神经网络	基因组数据	两个公猪群体（具体数量未明确）	NA	多层感知机, 卷积神经网络	预测能力（以相关系数表示）	NA
6967	2026-01-09	Towards Clinical Integration of Deep Learning-Based Classification of Urinary Sediment Particles from Digital Microscopy Images: A Prospective Study 2026-Jan-07, Clinical chemistry IF:7.1Q1 DOI:10.1093/clinchem/hvaf182 PMID:41499256	研究论文	本研究评估了基于深度学习的尿液沉渣颗粒分类模型在临床实验室中的整合应用，包括前瞻性验证其性能	通过前瞻性研究评估深度学习模型在临床环境中的实际应用效果，并分析回顾性与前瞻性评估之间的差异	模型性能对数据集变异性敏感，前瞻性评估中准确率有所下降	开发并验证基于深度学习的尿液沉渣颗粒自动分类系统，以替代耗时且易出错的人工评估	尿液沉渣颗粒	数字病理学	NA	数字显微镜成像	CNN	图像	来自Sysmex UD-10数字显微镜图像的标注数据集，包含13类尿液沉渣元素	NA	EfficientNet	准确率, 敏感性, 置信度评分, Top 1准确率, Top 3准确率	NA
6968	2026-01-09	AI-assisted detection of high-pitched bruits in arteriovenous fistulas using a digital stethoscope 2026-Jan-07, The journal of vascular access IF:1.6Q3 DOI:10.1177/11297298251396199 PMID:41500774	研究论文	本研究开发了一种基于深度学习的AI辅助工具，用于通过数字听诊器检测动静脉瘘中的高音调杂音，以早期识别狭窄等并发症	首次将深度学习模型与数字听诊器结合，用于自动检测动静脉瘘中的高音调杂音，提供了一种敏感、客观且高效的临床筛查方法	研究样本量相对较小（65名患者），且特异性（73.8%）有待进一步提高，模型在不同人群中的泛化能力需进一步验证	开发一种AI辅助工具，用于早期检测动静脉瘘并发症（如狭窄），以改善血液透析患者的临床管理	动静脉瘘患者，特别是接受血液透析的患者	机器学习	心血管疾病	数字听诊器录音	深度学习模型	音频	65名患者，来自欧洲和亚洲的12个透析中心	NA	NA	灵敏度, 特异性, 准确率, ROC-AUC	NA
6969	2026-01-09	COPD-TransNet: A Swin Transformer Network with Quantitative Emphysema Feature Fusion for COPD Detection and Staging from Opportunistic CT Scans 2026-Jan-07, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01785-z PMID:41501304	研究论文	本研究开发了一个名为COPD-TransNet的深度学习模型，该模型基于Swin Transformer架构，融合了定量肺气肿特征，用于利用肺癌筛查CT图像检测和分期慢性阻塞性肺疾病	提出了一种结合Swin Transformer算法与定量肺气肿特征（LAV-950%）的新框架，用于COPD的检测、分期和严重程度分类，并在外部验证中表现出优于主流方法的性能	模型在COPD分期任务上的F1分数相对较低（0.561），表明该任务仍具挑战性；研究主要基于特定医疗中心的肺结节患者数据	开发一个深度学习模型，利用肺癌筛查CT扫描，根据GOLD标准对慢性阻塞性肺疾病进行检测和分期	来自肺癌筛查的胸部CT扫描图像	计算机视觉	慢性阻塞性肺疾病	CT扫描	Transformer	图像	内部数据集：637名肺结节患者的CT扫描；外部验证集：1464份来自NLST队列的CT扫描	NA	Swin Transformer	AUC, F1分数, 准确率	NA
6970	2026-01-09	Generalizable Single-cell Multimodal Data Integration with Self-supervised Learning 2026-Jan-07, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf129 PMID:41501996	研究论文	本文提出了一种名为MINERVA的自监督学习框架，用于单细胞多模态数据整合，以解决小规模配对模态研究和大规模参考图谱在泛化性方面的挑战	MINERVA采用自监督策略，首次在小规模精度与图谱级泛化之间建立桥梁，支持零样本知识迁移和即时细胞类型注释，无需模型重新训练	未在摘要中明确提及	开发一个统一的深度学习框架，用于单细胞多模态数据整合，以提升降维、缺失特征插补和批次效应校正的性能	单细胞多模态数据	机器学习	NA	单细胞多组学技术	深度学习	单细胞多模态数据	小规模研究涉及数百个细胞，大规模应用构建多组织参考图谱	NA	MINERVA	降维、缺失特征插补、批次效应校正	NA
6971	2026-01-09	Ensemble deep learning approach for traffic video analytics in edge computing 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25628-7 PMID:41484116	研究论文	本文提出了一种用于边缘计算中交通视频分析的集成深度学习方法，结合Tiny YOLO和YOLOR进行车辆检测与分类，并通过ELITVA框架优化交通流控制	提出了一种新颖的混合模型，结合Tiny YOLO和YOLOR在边缘层进行车辆检测与分类，并引入ELITVA框架使用F-RNN进行交通流决策，实现了更高的处理速度和精度	实验仅基于无人机在道路信号处捕获的数据集，可能未涵盖所有交通场景或天气条件，且未详细讨论模型在更复杂环境下的泛化能力	开发一种高效的交通视频分析系统，以实时监控和控制道路交通流量	交通监控视频中的车辆检测与分类，以及交通流量估计	计算机视觉	NA	视频分析，深度学习	CNN, RNN	视频	无人机在道路信号处捕获的数据集（具体数量未提及）	NA	Tiny YOLO, YOLOR, F-RNN	精度, 准确率, 召回率, F1分数, 帧率	边缘计算平台（具体资源未提及）
6972	2026-01-09	Exploring the impact of urban vitality on carbon emission mechanisms using multi-source data 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29624-9 PMID:41484152	研究论文	本研究通过构建六维城市活力理论框架，利用多源数据分析了烟台中心区城市活力的分布特征及其对碳排放的影响机制	创新性地整合了三维空间与文化感知视角，弥补了以往研究从单一视角表征城市活力的偏差	研究范围局限于烟台中心区，可能限制了结论的普适性	探索城市活力对碳排放机制的影响，为构建低碳、高活力、可持续的城市环境提供建议	烟台中心区的城市活力与碳排放	城市科学与环境研究	NA	空间句法、熵权TOPSIS、深度学习模型、地理探测器	深度学习模型	多源数据（包括空间、社会、经济、文化、环境、感知数据）	NA	NA	NA	NA	NA
6973	2026-01-09	Bridging data gaps of rare conditions in ICU: a multi-disease adaptation approach for clinical prediction 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02176-y PMID:41484235	研究论文	本文提出了KnowRare框架，一种基于领域适应的深度学习模型，用于预测ICU中罕见疾病的临床结局	通过自监督预训练学习条件无关表示，并利用构建的条件知识图谱选择性适应临床相似条件的知识，以解决数据稀缺和条件内异质性问题	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	开发一个深度学习框架，以改善ICU中罕见疾病的临床预测	ICU中的罕见疾病和低患病率条件	机器学习	罕见疾病	电子健康记录分析	深度学习	电子健康记录	两个ICU数据集	NA	KnowRare	NA	NA
6974	2026-01-09	Adversarial selective domain adaptation with feature cluster for skin cancer diagnosis 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98293-5 PMID:41484458	研究论文	本文提出了一种名为对抗选择性域适应与特征聚类的新方法，用于改善皮肤癌诊断中的模型泛化性能	提出ASDA方法，同时处理域间差异和目标数据集数据有限的问题，通过特征聚类减少数据需求，并使用选择性最小最大熵保持一致性	未明确说明方法在其他疾病或更广泛医学图像任务中的适用性	旨在通过域适应技术提升皮肤癌诊断模型在不同数据集上的泛化能力	皮肤癌相关的皮肤镜和临床图像	计算机视觉	皮肤癌	深度学习	条件域对抗网络	图像	NA	NA	NA	NA	NA
6975	2026-01-09	Predicting small molecule-RNA interactions without RNA tertiary structures 2026-Jan-02, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02942-z PMID:41482542	研究论文	本研究提出了一种名为SMRTnet的深度学习模型，用于预测小分子与RNA的相互作用，且无需RNA三级结构信息	通过多模态数据融合，结合两个大型语言模型与卷积及图注意力网络，首次实现了仅基于RNA二级结构预测小分子-RNA相互作用，无需依赖难以获取的RNA三级结构	模型性能依赖于RNA二级结构的准确性，且未明确说明对未知RNA靶点的泛化能力	开发一种无需RNA三级结构即可预测小分子-RNA相互作用的计算工具，以加速RNA靶向药物的发现	小分子与RNA的相互作用	机器学习	癌症	深度学习，多模态数据融合	CNN, GAT, 大型语言模型	RNA二级结构数据，小分子数据	针对10种疾病相关RNA靶点进行了预测验证	NA	SMRTnet（融合卷积网络、图注意力网络及大型语言模型的多模态架构）	结合解离常数（纳摩尔至微摩尔范围）及结合分数与验证率的相关性进行评估	NA
6976	2026-01-09	Electric vehicles charging stations load forecasting based on hybrid XGBoost-BiLSTM model 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29739-z PMID:41484290	研究论文	本研究提出了一种基于混合XGBoost-BiLSTM堆叠模型的电动汽车充电站短期负荷预测方法	提出了一种结合XGBoost元学习器的XGBoost-BiLSTM混合堆叠模型（Hybrid 3），用于提升充电站负荷预测精度	在独立合成数据集上的跨站点评估显示泛化能力有所下降，表明模型对站点特定时间模式敏感	优化电动汽车充电站的能源管理并保障电网稳定性	电动汽车充电站的短期小时级负荷	机器学习	NA	负荷预测	XGBoost, BiLSTM, 集成模型	时间序列数据	31,424个原始充电会话，预处理后得到14,496个清洁会话用于建模；另使用包含1,965,239个会话的独立合成数据集进行跨站点评估	XGBoost, LightGBM, TensorFlow/PyTorch（用于深度学习模型）	BiLSTM, CNN, 以及多种集成架构（如XGBoost+BiLSTM+LightGBM）	MAE（平均绝对误差）, R（相关系数）, SD（标准差）	NA
6977	2026-01-09	Improving spliced alignment by modeling splice sites with deep learning 2026-Jan-02, Algorithms for molecular biology : AMB IF:1.5Q3 DOI:10.1186/s13015-025-00293-7 PMID:41484786	研究论文	本文提出了一种名为minisplice的方法，通过一维卷积神经网络建模剪接位点，以提高跨物种的剪接比对准确性	使用一维卷积神经网络学习剪接信号，能够捕捉跨门类的保守剪接信号，并揭示哺乳动物和鸟类特有的GC富集内含子特征	模型主要针对脊椎动物和昆虫基因组进行训练，可能在其他物种中的泛化能力有限	提高剪接比对的准确性，特别是在处理噪声长读RNA-seq数据和远缘同源蛋白质时	信使RNA序列、蛋白质序列与真核生物基因组的比对	生物信息学	NA	长读RNA-seq测序、蛋白质序列比对	1D-CNN	基因组序列、RNA-seq数据、蛋白质序列	基于脊椎动物和昆虫基因组训练的模型，具体样本数量未明确说明	未明确指定，但代码托管于GitHub	一维卷积神经网络	连接点准确性	NA
6978	2026-01-09	Innovative approaches for coronary heart disease management: integrating biomedical sensors, deep learning, and stellate ganglion modulation 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378099 PMID:39023137	研究论文	本研究评估了结合传统中医干预、现代生物医学传感器和星状神经节调节的综合治疗方法对冠心病患者的疗效	将传统中医干预与现代生物医学传感器和星状神经节调节相结合，形成一种创新的冠心病综合治疗方法	研究样本量相对较小（117名患者），且仅针对痰浊壅盛证型的冠心病患者，需要进一步研究优化传感器技术	评估综合治疗方法对冠心病患者症状缓解、临床结局、血液流变学指标和炎症生物标志物的影响	117名痰浊壅盛证型的冠心病患者	数字病理学	心血管疾病	生物医学传感器、星状神经节调节	NA	临床数据、血液流变学指标、炎症生物标志物	117名冠心病患者	NA	NA	中医症状评分、临床效果、心绞痛表现、血液流变学指标、血清炎症生物标志物	NA
6979	2026-01-09	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学，建立并验证了流感病毒感染的诊断预测模型，并识别了SAA2作为流感感染的特异性分子标志物	结合外周血蛋白质组学与机器学习（随机森林和LASSO回归）预测流感病毒感染的关键分子标志物，并首次验证SAA2蛋白作为流感辅助诊断指标	样本量相对有限（共1115名参与者），且未提及模型在外部验证集上的泛化性能	预测流感病毒感染的关键分子标志物，并建立诊断预测模型	850名患者（包括流感、COVID-19和混合感染）和265名健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林、LASSO回归	蛋白质组学数据、临床特征数据	1115名参与者（850名患者和265名健康个体）	NA	NA	ROC曲线分析	NA
6980	2026-01-09	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	本研究开发并验证了一种基于级联掩码区域卷积神经网络的深度学习模型，用于无创且准确地识别人类圆形精子细胞	首次应用级联掩码R-CNN深度学习模型于人类圆形精子细胞的非侵入性识别，避免了传统Hoechst染色的毒性问题	模型仅基于3457张光学显微镜图像进行训练和验证，样本量相对有限，且未在更广泛或多样化的临床样本中进行外部验证	评估深度学习模型在非侵入性准确识别人类圆形精子细胞方面的能力，以促进人类圆形精子注射技术的临床应用	人类圆形精子细胞	计算机视觉	男性不育症	流式细胞术分析、光学显微镜成像	CNN	图像	3457张已分选人类圆形精子细胞的光学显微镜图像	NA	级联掩码区域卷积神经网络	平均精度均值	NA