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
7161	2026-01-11	Pixel-level transformer GAN for enhanced parametric mapping of DCE MRI analysis 2025-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.18092 PMID:40891183	研究论文	本文提出了一种基于Vision Transformer和生成对抗网络的创新方法，用于将稀疏动态对比增强磁共振成像序列转换为高时间分辨率的参数图，以提升癌症诊断和监测的准确性	结合Vision Transformer和GAN的优势，首次提出VP-GAN模型，能够从稀疏DCE-MRI相位中生成密集时间分辨率的参数图，显著减少所需相位数量	研究未明确说明模型在不同癌症类型或更大数据集上的泛化能力，也未详细讨论计算资源需求或实时应用可行性	探索利用深度学习和稀疏DCE-MRI相位生成高时间分辨率DCE-MRI参数图的可行性	动态对比增强磁共振成像数据，特别是针对Ktrans和ve参数图	计算机视觉	癌症	动态对比增强磁共振成像	GAN, Transformer	图像	NA	NA	Vision Transformer Pix2Pix GAN	峰值信噪比, 结构相似性指数, Pearson相关分析, Bland-Altman分析	NA
7162	2026-01-11	A lightweight neural attention-based model for service chatbots 2025-Aug-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14215-5 PMID:40804277	研究论文	本文提出了一种轻量级神经注意力机制，用于提升服务聊天机器人的上下文相关性和可扩展性	在现有注意力得分计算中引入标量函数，针对seq2seq架构优化对齐序列，从而改善上下文相关性并降低资源需求	未与基于Transformer的架构结合，未来可扩展至更广泛的序列预测任务	开发一种轻量级神经注意力机制，以增强服务聊天机器人的响应准确性和上下文相关性	服务聊天机器人	自然语言处理	NA	NA	seq2seq	文本	真实世界的Customer Support Twitter数据集	NA	seq2seq	BLEU-4, 训练时间, 验证损失	NA
7163	2026-01-11	The TDGL Module: A Fast Multi-Scale Vision Sensor Based on a Transformation Dilated Grouped Layer 2025-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s25113339 PMID:41498160	研究论文	本文提出了一种基于深度学习的快速多尺度视觉传感器模块TDGL，旨在提升道路目标特征提取网络的效率和精度	提出TDGL模块，通过GLConv单元引入缩放和偏移参数、修改膨胀策略及采用分组卷积，动态调整卷积操作以有效区分不同尺度特征，同时优化空间信息处理并降低计算成本	NA	提升道路目标检测任务中多尺度特征提取的效率和准确性	道路障碍物目标	计算机视觉	NA	深度学习	CNN	图像	BDD100K数据集	NA	YOLO系列模型	mAP, FPS	NA
7164	2026-01-11	Low-Cost and Fast Epiretinal Membrane Detection and Quantification Based on SD-OCT 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3629332 PMID:41503050	研究论文	提出了一种基于SD-OCT B扫描的低成本、快速视网膜前膜检测与量化新方法	提出了一种新的en face投影技术（EPI），并利用YOLOv11x模型实现高精度检测，同时提出了一种将EPI投影与视网膜厚度图相关联的评分机制，揭示了视网膜前膜与视网膜增厚之间的空间关系	需要进一步的大规模验证以确认其临床可靠性	开发一种低成本、快速且准确的视网膜前膜检测与量化方法	视网膜前膜	计算机视觉	视网膜疾病	SD-OCT	CNN	图像	NA	NA	YOLOv11x	mAP@50, mAP@50:95, 相关性评分, ICC, AAS, AR	NA
7165	2026-01-11	Evidence for the role of transcription factors in the co-transcriptional regulation of intron retention 2023-03-22, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02885-1 PMID:36949544	研究论文	本研究通过深度学习模型分析开放染色质区域，探索转录因子在共转录调控内含子保留中的作用	首次利用深度学习模型系统性地识别转录因子在调控内含子保留中的角色，并预测锌指家族转录因子为主要调控因子	研究主要基于计算预测和ChIP-seq数据验证，缺乏直接的实验机制验证	探究转录因子在共转录过程中调控内含子保留的机制	人类基因组中的内含子保留事件及相关转录因子	生物信息学	NA	深度学习, ChIP-seq	深度学习模型	基因组序列数据, ChIP-seq数据	NA	NA	NA	NA	NA
7166	2026-01-11	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究利用MRI影像的放射组学特征，通过深度学习分割和机器学习模型，识别三叉神经痛患者中有症状的三叉神经	首次将U-net深度学习网络用于三叉神经的自动分割，并结合放射组学特征与随机森林特征选择及浅层神经网络，以区分TN影响与未影响的神经	研究为回顾性设计，样本量相对较小（134名患者），且仅使用1.5-Tesla MRI，可能影响模型的泛化能力	探索MRI放射组学特征是否能区分三叉神经痛患者中有症状和无症状的三叉神经	三叉神经痛患者的MRI影像数据，包括TN影响和未影响的三叉神经	数字病理学	三叉神经痛	MRI（3D T1-加权和T2-加权成像）	U-net, 随机森林, 浅层神经网络	图像	134名患者（268条神经）	NA	U-net	准确率, AUC, 灵敏度, 特异性	NA
7167	2026-01-11	Deep learning for cardiovascular medicine: a practical primer 2019-07-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehz056 PMID:30815669	综述	本文为心血管医学领域提供深度学习应用的实用入门指南，概述了其潜力、优势、局限性及未来挑战	系统性地为心血管临床医生和研究者整合了深度学习的当前状态，并提供了技术背景以理解其前景、陷阱和近期机遇	深度学习存在模型解释困难（'黑箱'批评）、需要大量标注数据、设计缺乏标准化、训练数据效率低、临床试验适用性有限等问题	为心血管医学领域提供深度学习的实用入门指南，帮助临床医生和研究者理解其应用前景与挑战	心血管医学中的深度学习应用，包括医疗图像解释、临床决策支持、新表型识别和治疗路径选择	机器学习	心血管疾病	深度学习	NA	医疗图像、血流动力学和电生理学数据、可穿戴设备数据	NA	NA	NA	NA	NA
7168	2026-01-10	Pulmonary blood volume redistribution in COVID-19 patients of different severity and its predictive value for six-month outcomes in the less pathogenic Omicron variant 2026-Dec, Pulmonology IF:10.4Q1 DOI:10.1080/25310429.2025.2607932 PMID:41504189	研究论文	本研究探讨了不同严重程度COVID-19患者的肺血容量（PBV）再分布模式，并验证了其对Omicron变异株六个月临床结局的预测价值	首次在免疫逃逸能力强的Omicron变异株中，系统研究了肺血容量再分布模式及其对长期临床结局的预测价值，并发现其预测阈值与既往高致病性变异株不同	回顾性研究设计，样本主要来自单一时期（2022年11月至2023年1月），可能无法完全代表其他变异株或人群	探究COVID-19严重程度与肺血容量再分布的关系，并评估PBV对Omicron变异株六个月临床结局的预测能力	COVID-19患者（包括轻/中度和重/危重症组）	数字病理学	COVID-19	CT成像	深度学习算法	CT图像	921名患者（轻/中度组755人，重/危重症组166人）	NA	预训练深度学习模型	AUC, 敏感性, 比值比（OR）	NA
7169	2026-01-10	Iterative Modeling via Structural Diffusion (IMSD): Exploring Fold-Switching Pathways in Metamorphic Proteins Using AlphaFold2-Based Generative Diffusion Model UFConf 2026-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.70050 PMID:40990820	研究论文	本文提出了一种基于AlphaFold2的生成扩散模型UFConf的新算法IMSD，用于探索变形蛋白的折叠切换路径	开发了基于UFConf的迭代建模算法IMSD，首次利用生成扩散模型模拟变形蛋白从一种构象状态到另一种的完整折叠切换路径	NA	预测蛋白质折叠切换潜力并建模其重折叠路径	变形蛋白GA98、SA1 V90T和RfaH的C端结构域	机器学习	NA	生成扩散模型	扩散模型	蛋白质结构数据	NA	AlphaFold2	UFConf	NA	NA
7170	2026-01-10	A Novel Multimodal Deep Image Analysis Model for Predicting Extraction/Non-Extraction Decision 2026-Feb, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70057 PMID:41195767	研究论文	本研究开发了一种基于深度学习模型的多模态图像分析模型，用于预测正畸治疗中的拔牙/非拔牙决策	提出了一种结合侧位头影测量片和口内扫描数据的多模态深度学习模型，并引入了新颖的牙齿空间特征提取方法	研究样本量相对有限（617例患者），且仅基于单一机构的数据，可能影响模型的泛化能力	开发一个辅助正畸医生决策的深度学习模型，用于预测拔牙/非拔牙的二元分类	617名正畸患者（平均年龄18.2岁，63.5%为女性）的侧位头影测量片和口内扫描数据	计算机视觉	口腔正畸	头影测量分析，口内扫描，特征提取	深度学习分类器	图像（侧位头影测量片和口内扫描数据）	617名患者（192例拔牙组，425例非拔牙组）	NA	CephNet，卷积自编码器	准确率，灵敏度，特异性，阳性预测值，阴性预测值，阳性似然比，阴性似然比，F1分数	NA
7171	2026-01-10	Small data, big challenges: Machine- and deep-learning strategies for data-limited drug discovery 2026-Feb, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115762 PMID:41421504	综述	本文综述了在数据有限的药物发现中，机器学习和深度学习面临的挑战及应对策略	针对药物发现流程中普遍存在的小数据问题，系统整合了传统机器学习方法和先进的深度学习策略，填补了现有综述的空白	NA	探讨在数据有限的药物发现中，如何应用和调整机器学习和深度学习模型	药物发现与开发流程中的关键任务	机器学习	NA	NA	CNN, LSTM, GAN	NA	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	GPU类型（如NVIDIA RTX 3090, V100, A100）, 云平台（如AWS, Google Cloud, Azure）, 分布式计算
7172	2026-01-10	Artificial Intelligence and Machine (Deep) Learning in Otorhinolaryngology: A Bibliometric Analysis Based on VOSviewer and CiteSpace 2026-Feb, Ear, nose, & throat journal DOI:10.1177/01455613231185074 PMID:37515527	综述	本文通过文献计量分析可视化人工智能和深度学习在耳鼻喉科疾病中的研究热点与趋势	首次系统性地利用VOSviewer和CiteSpace软件对耳鼻喉科中AI和DL领域进行文献计量分析，揭示时间维度上的热点演变	仅基于Web of Science核心合集的232篇文章，可能未涵盖所有相关文献，且分析依赖于特定软件工具	通过文献计量分析帮助研究者理解人工智能和深度学习在耳鼻喉科疾病基础与临床研究的未来发展方向	耳鼻喉科疾病，包括耳硬化症、中耳炎、鼻息肉、鼻窦炎等	机器学习	耳鼻喉科疾病	文献计量分析	NA	文献数据	232篇文章和综述	VOSviewer, CiteSpace	NA	NA	NA
7173	2026-01-10	Unlocking the potential of umami peptides: A comprehensive review of preparation methods, evaluation strategies, health benefits, and taste transduction mechanisms 2026-Feb-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118024 PMID:41508449	综述	本文系统综述了鲜味肽的制备方法、评价策略、健康益处及味觉转导机制，并探讨了其在食品工业中的开发应用	系统整合了多组学技术、分子模拟及深度学习在鲜味肽高通量筛选中的应用，并提出了结合冷冻电镜、单分子FRET等先进技术解析受体结合机制的新方向	鲜味受体激活的构象机制尚未完全阐明，且缺乏高通量筛选与标准化评价的统一技术体系	为食品工业中鲜味肽的开发、利用及健康化提供新的研究方向和技术路径	鲜味肽（umami peptides）	食品科学	NA	多组学技术、分子模拟、深度学习、冷冻电镜、单分子FRET、三维变异性分析、多光谱技术、分子动力学模拟	深度学习模型	多组学数据、分子结构数据、生物传感数据	NA	NA	NA	NA	NA
7174	2026-01-10	From mechanism to application: Harnessing oxidative stress signaling for innovative food design 2026-Feb-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118093 PMID:41508505	综述	本文系统分析了氧化应激信号通路，并提出基于多通路协同策略和数据驱动框架的创新食品设计方法	提出结合多通路协同策略与数据驱动设计框架，利用深度学习与人体相关验证平台，推动功能食品从经验配方向精准健康工具的转变	未明确提及具体实验验证或临床研究结果，主要侧重于理论框架与概念设计	探索利用氧化应激信号通路进行创新食品设计，以应对衰老和慢性疾病	氧化应激信号通路（如Nrf2/ARE、FOXO、NF-κB、p53、SIRT1、AMPK）及其在细胞防御、代谢和命运中的作用	机器学习	老年疾病	多组学分析，器官芯片技术	深度学习	多组学数据	NA	NA	NA	NA	NA
7175	2026-01-10	Wavelet-Based Frequency Replacement and Edge Enhancement for Semi-Supervised Fetal Ultrasound Image Segmentation 2026-Jan-08, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70171 PMID:41503872	研究论文	本研究提出了一种基于小波变换和边缘增强的半监督胎儿超声图像分割框架	提出了一种结合高频分量替换和边缘掩码增强的半监督分割方法，通过频率域增强和结构一致性提升分割精度	仅在三个公开胎儿超声数据集上验证，未在更多样化或临床实际数据中测试	开发适用于标注数据有限的超声图像的有效半监督分割框架	胎儿超声图像	计算机视觉	胎儿医学	离散小波变换（DWT）	深度学习模型（未指定具体类型）	图像	三个公开数据集（PSFHS、HC18、CCAUI），仅使用10张标注图像进行训练	未指定	未指定	Dice相似系数（DSC）	未指定
7176	2026-01-10	Accurate automated diagnosis of B-acute lymphoblastic leukemia using deep learning and flow cytometry 2026-Jan-08, Haematologica IF:8.2Q1 DOI:10.3324/haematol.2025.288277 PMID:41504225	研究论文	本文利用深度学习和流式细胞术实现B细胞急性淋巴细胞白血病的自动化诊断	NA	NA	开发一种基于深度学习的自动化诊断方法，用于B细胞急性淋巴细胞白血病	B细胞急性淋巴细胞白血病	数字病理学	白血病	流式细胞术	深度学习	流式细胞术数据	NA	NA	NA	NA	NA
7177	2026-01-10	Gml-PAF: A Generalizable Machine Learning Algorithm for Paroxysmal Atrial Fibrillation Detection based on Short-Term Inter-Beat Intervals 2026-Jan-08, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2610683 PMID:41505727	研究论文	本文提出了一种基于短期心跳间期（IBI）的通用机器学习算法Gml-PAF，用于检测阵发性心房颤动（PAF）	采用模型无关框架，集成模型选择、特征选择和超参数调优，在16个PhysioNet心电图数据库上实现稳健的跨数据库泛化	未明确说明算法在特定人群或临床环境中的局限性	开发一种通用且可靠的阵发性心房颤动检测算法	阵发性心房颤动（PAF）	机器学习	心血管疾病	心电图（ECG）分析	机器学习算法	心电图信号	基于16个PhysioNet心电图数据库	模型无关框架	NA	F1分数, AUC	NA
7178	2026-01-10	Emotion recognition from auditory Autonomous Sensory Meridian Response (ASMR) using multi-modal physiological signals 2026-Jan-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35ca PMID:41505907	研究论文	本研究利用多模态生理信号（EEG、PPG、EDA）和深度学习模型，对ASMR听觉刺激引发的多种情绪进行分类识别	首次将ASMR研究从低唤醒积极情绪（如放松）扩展到更广泛的情绪范围（包括快乐、悲伤、厌恶），并采用多模态生理信号结合深度学习进行情绪分类	样本量较小（仅23名参与者），且情绪诱导可能受个体差异影响	探索ASMR听觉刺激引发的多种情绪，并开发基于生理信号的情绪分类方法	ASMR体验者（23名参与者）在ASMR听觉刺激下的生理反应	机器学习	NA	多模态生理信号采集（EEG、PPG、EDA）	ANN, CNN	生理信号数据（EEG、PPG、EDA）	23名ASMR体验参与者	NA	人工神经网络, 卷积神经网络	分类准确率	NA
7179	2026-01-10	Foundation model-enhanced unsupervised 3D deformable medical image registration 2026-Jan-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae35c6 PMID:41505905	研究论文	本文提出了一种基于视觉基础模型增强的无监督3D可变形医学图像配准方法，旨在解决传统方法因结构模糊性导致的病态问题	通过集成视觉基础模型的隐式解剖理解到多尺度无监督框架中，显著提升了配准的准确性和鲁棒性	研究主要针对心脏MRI和肝脏CT图像，未广泛验证于其他器官或模态	开发一种准确且鲁棒的无监督可变形图像配准方法，以处理多模态、低对比度的复杂结构医学图像	心脏cine MRI图像和肝脏CT图像	医学图像分析	心血管疾病	无监督深度学习	CNN, MLP	3D医学图像	150例心脏cine MR和40例肝脏CT，来自多机构数据库	PyTorch	金字塔架构，相关感知多层感知机	Dice分数，平均地标误差	NA
7180	2026-01-10	A deep learning and large language hybrid workflow for omics interpretation 2026-Jan-08, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01576-5 PMID:41507521	研究论文	本文开发了一个结合深度学习和大型语言模型的混合工作流程LyMOI，用于从多组学数据中机制性解释分子调控网络	结合GPT-3.5进行生物知识推理和图卷积网络构建大型图模型，通过机器思维链机制性解释分子调控角色	NA	开发一个混合工作流程，用于从多组学数据中机制性解释分子调控网络并识别关键调控因子	自噬过程中的分子调控网络，以及人类癌蛋白CTSL和FAM98A	机器学习	癌症	转录组学、蛋白质组学、磷酸化蛋白质组学	GCN, GPT-3.5	多组学数据	涉及1.3 TB的转录组、蛋白质组和磷酸化蛋白质组数据	NA	图卷积网络	NA	NA