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
7241	2026-01-16	Dynamic Analysis of the Substrate Tolerance Mechanism and Domain Synergistic Engineering of CYP450 Fusion Protein (CYPLY) 2026-Jan-14, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c09518 PMID:41429466	研究论文	本研究通过整合多模板同源建模、分子动力学模拟和深度学习预测，揭示了CYP450融合蛋白的底物耐受机制，并通过协同工程改造显著提升了其催化性能	首次提出协同门控-动力学-电子传递调控模型，并利用深度学习指导突变设计，实现了底物抑制的显著缓解和电子传递效率的同步提升	研究主要基于计算模拟和体外实验，尚未在复杂工业发酵体系或体内环境中进行验证	阐明CYP450融合蛋白的底物耐受机制并开发高效的工程化改造策略	嵌合酶CYP153A/M228L-CPR（CYP）及其突变体	计算生物学	NA	多模板同源建模、分子动力学模拟、深度学习突变预测	深度学习模型	蛋白质结构数据、分子动力学轨迹、酶活性数据	NA	NA	NA	底物抑制缓解倍数（34倍、61倍）、转化率（49.1%、65.8%）、反应时间缩短（6小时、4小时）	NA
7242	2026-01-16	Effect of Helicobacter pylori infection on deep learning-assisted detection of gastric neoplastic lesions under white light endoscopy 2026-Jan-14, Surgical endoscopy DOI:10.1007/s00464-025-12560-0 PMID:41535450	研究论文	本研究评估了幽门螺杆菌感染对基于深度卷积神经网络的AI系统在白光内镜下检测胃肿瘤性病变诊断性能的影响	首次系统评估了幽门螺杆菌感染状态对AI辅助内镜诊断胃肿瘤性能的影响，并发现根除幽门螺杆菌可恢复AI系统的诊断性能	回顾性研究设计，样本量相对有限，且仅使用单一医疗中心的图像数据	评估幽门螺杆菌感染对AI模型诊断胃肿瘤准确性的影响	胃肿瘤性病变（包括低级别上皮内瘤变、高级别上皮内瘤变和早期胃癌）	计算机视觉	胃癌	白光内镜	CNN	图像	563名患者的2347张图像用于主要评估，117名患者的447张图像用于与内镜医师比较	NA	深度卷积神经网络	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
7243	2026-01-16	CADS: A Causal Inference Framework for Identifying Essential Genes to Enhance Drug Synergy Prediction 2026-Jan-14, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag010 PMID:41537237	研究论文	本文提出了一种名为CADS的深度学习框架，通过整合基因与药物反应之间的因果关系来预测药物协同作用并识别关键因果基因	CADS框架首次将可学习的掩码机制与后门调整相结合，以识别关键因果基因并过滤无关遗传因素，从而同时实现药物协同作用的准确预测和可解释的因果基因发现	未在摘要中明确说明	开发一种深度学习框架，以增强药物协同作用的预测并识别介导药物相互作用的因果基因	药物协同作用、基因与药物反应之间的因果关系	机器学习	癌症	多组学数据	深度学习	多组学数据	多个数据集	未在摘要中明确说明	未在摘要中明确说明	多个指标	未在摘要中明确说明
7244	2026-01-16	Towards digital twin-enabled perioperative care: extending the potential of multimodal deep learning for cardiovascular risk stratification 2026-Jan-13, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004617 PMID:41537304	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7245	2026-01-16	Transformer based HF communication demodulation 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18407-x PMID:41513715	研究论文	本文提出了一种基于深度学习的短波信道解调算法，旨在在低信噪比环境下提升解调性能	采用多通道输入方式，将信号的实部和虚部分别作为输入通道，并结合CNN模块进行局部特征提取，以更有效地捕获信号局部特性，相比传统方法和其他深度学习模型，在低信噪比下实现了1-5 dB的信噪比增益	未明确提及算法在更广泛信道条件或实际部署中的泛化能力及计算复杂度	提升低信噪比环境下短波通信的解调准确性和通信质量	短波信道信号	机器学习	NA	深度学习	Transformer, CNN	信号数据	NA	NA	Transformer, CNN	信噪比增益, 比特误码率	NA
7246	2026-01-10	Bayesian deep learning for probabilistic aquifer vulnerability and uncertainty prediction 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32612-8 PMID:41507246	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7247	2026-01-16	Benchmarking community drug response prediction models: datasets, models, tools, and metrics for cross-dataset generalization analysis 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf667 PMID:41525315	研究论文	本研究提出了一个用于评估药物反应预测模型跨数据集泛化能力的标准化基准框架	引入了首个用于系统评估药物反应预测模型跨数据集泛化能力的标准化基准框架，包含统一的数据集、模型、评估指标和工作流程	研究仅基于五个公开数据集和七个模型，可能未涵盖所有现有方法和数据源	评估和比较不同药物反应预测模型在跨数据集场景下的泛化能力	药物反应预测模型	机器学习	NA	药物筛选	深度学习, 机器学习	药物筛选数据	五个公开药物筛选数据集	NA	NA	预测准确性, 性能下降幅度	NA
7248	2026-01-16	Integration of clinical, pathological, and endoscopic data improves prediction for lymph node metastasis in early gastric cancer: a retrospective multicenter study 2026-Jan-07, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004707 PMID:41536186	研究论文	本研究开发了一个深度学习系统，整合临床、病理和内镜数据，以预测早期胃癌的淋巴结转移，并在多中心回顾性研究中验证了其性能	开发了深度学习模型LNMate和DLEN，整合多模态数据预测淋巴结转移，并首次评估了其对内镜医师诊断性能的辅助作用	研究为回顾性设计，样本量有限（605例），且未在外部独立队列中进行前瞻性验证	提高早期胃癌淋巴结转移的预测准确性，以优化治疗决策	早期胃癌患者	数字病理学	胃癌	免疫组化分析，内镜黏膜下剥离术	深度学习模型	临床数据，病理数据，内镜图像	605名早期胃癌患者，其中32例进行了免疫组化分析	NA	NA	AUC，准确性，特异性	NA
7249	2026-01-16	Human-like AI-based Auto-Field-in-Field Whole-Brain Radiotherapy Treatment Planning With Conversation Large Language Model Feedback 2026-Jan-02, ArXiv PMID:41503098	研究论文	本研究提出了一种结合深度学习超参数预测与大语言模型对话界面的自动化全脑放疗计划生成流程	首次将深度学习超参数预测模型与基于大语言模型的对话式交互界面结合，用于自动化全脑放疗计划优化	研究样本量较小（55例训练，15例测试），且仅针对特定治疗计划系统（RayStation）	开发一个自动化、高效且高质量的全脑放疗计划生成系统	全脑放疗患者的临床靶区与危及器官的几何特征	医学影像处理	脑部肿瘤	全脑放疗计划设计	深度学习模型, 大语言模型	几何特征数据, 语音输入	55例训练病例，15例独立测试病例	NA	Whisper, GPT-4o	CTV D95%, D1%, D99%, 眼睛和晶状体剂量, 临床可接受性	NA
7250	2026-01-14	Advancing Clinical and Ethical Dimensions of Deep Learning in Cardiovascular Imaging 2026-Jan, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.71731 PMID:41527586	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7251	2026-01-16	Pretreatment CT Identification of Extranodal Extension in Laryngeal and Hypopharyngeal Cancers Using Deep Learning 2026-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.250332 PMID:41528225	研究论文	本研究开发并评估了一种名为DeepENE的深度学习工具，用于在喉癌和下咽癌患者的术前CT扫描中检测转移性淋巴结和结外侵犯	开发了首个用于喉癌和下咽癌术前CT图像中结外侵犯自动识别的深度学习工具DeepENE，并在多中心队列中验证其性能优于头颈癌专家	研究为回顾性设计，未来需要前瞻性研究验证其临床实用性	开发并评估一种深度学习工具，用于术前CT图像中喉癌和下咽癌淋巴结转移及结外侵犯的准确识别	喉鳞状细胞癌和下咽鳞状细胞癌患者的术前CT扫描图像及病理证实的淋巴结	数字病理	喉癌	CT扫描	深度学习	医学影像	289名喉癌和下咽癌患者，包含1954个病理证实的淋巴结	未明确说明	DeepENE	AUC, 敏感性, 特异性	未明确说明
7252	2026-01-16	Efficient computed tomography-based image segmentation for predicting lateral cervical lymph node metastasis in papillary thyroid carcinoma 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014504 PMID:41536566	研究论文	本研究提出了一种基于YOLOv8的深度学习模型，结合可变形自注意力模块，用于增强CT图像中甲状腺乳头状癌侧颈淋巴结转移的术前评估准确性	将可变形自注意力模块集成到YOLOv8模型中，以提高转移性淋巴结的分割精度	未明确提及模型在外部验证集上的泛化能力或与其他先进方法的直接比较	提高甲状腺乳头状癌侧颈淋巴结转移的术前评估准确性，辅助手术规划	甲状腺乳头状癌患者的增强CT图像	计算机视觉	甲状腺乳头状癌	增强CT成像	CNN	图像	基于病理学确认的PTC患者CT图像的大规模数据集（具体数量未提供）	NA	YOLOv8	精确度, 敏感性, 特异性	NA
7253	2026-01-16	The Role and Challenge of Knee Cartilage Magnetic Resonance Imaging in Early Diagnosis of Knee Osteoarthritis: A Literature Review 2025-Dec-15, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2025.12.001 PMID:41407057	文献综述	本文探讨了膝关节软骨磁共振成像在早期诊断膝骨关节炎中的优势、局限性和改进策略	综述了在深度学习、高分辨率三维技术和超分辨率重建技术指导下，软骨评估更准确快速，加速临床转化	NA	提供对膝关节软骨MRI在早期诊断膝骨关节炎中临床意义的全面理解	膝骨关节炎的早期诊断	数字病理学	骨关节炎	磁共振成像	NA	图像	NA	NA	NA	NA	NA
7254	2026-01-16	Landscape design concept generation combining cultural mapping technology and multimodal modeling 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31088-w PMID:41360932	研究论文	本文提出了一种结合草图生成与多模态学习的新型景观设计模型，用于生成高质量的景观设计图像	提出了一种结合草图生成（Pix2Pix GAN）与文本描述对齐（CLIP）的多模态学习模型，在自动化景观设计中实现了更高的创造性、灵活性和细节表现力	模型在处理复杂和抽象设计需求方面仍有改进空间，需要进一步开发以适应智能设计系统的发展	开发一种更高效、更具创造性和上下文相关性的自动化景观设计解决方案	景观设计的概念生成	计算机视觉	NA	草图生成、多模态学习	GAN, 多模态模型	图像、文本、草图	NA	NA	Pix2Pix GAN, CLIP	定量分析、定性分析、图像质量、文本对齐度	NA
7255	2026-01-16	BugPrioritizeAI for multimodal test case prioritisation using bug reports, code changes, and test metadata 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31851-z PMID:41360983	研究论文	本文提出了一种名为BugPrioritizeAI的多模态测试用例优先级排序框架，利用缺陷报告、源代码变更和测试元数据来加速回归测试中的故障检测	首次联合使用缺陷报告、源代码变更和测试元数据等多模态信息进行测试用例优先级排序，并引入SHAP可解释性机制	未明确提及跨项目泛化能力的定量评估，且可能面临深度学习模型常见的误解释问题	通过多模态人工智能方法优化软件测试中的测试用例优先级排序，以减少回归测试开销	软件测试中的测试用例、缺陷报告、源代码变更记录	机器学习	NA	深度学习，可解释人工智能	NA	文本（缺陷报告、源代码变更）、元数据（测试元数据）	NA	NA	BugTestRankNet	NA	NA
7256	2026-01-16	A resource-efficient machine learning framework for real-time non-intrusive load monitoring and performance optimization in solar-powered aviation systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31379-2 PMID:41360980	研究论文	本研究开发了一种资源高效的机器学习框架，用于太阳能航空系统中的实时非侵入式负载监测与性能优化	提出了一种在资源受限的太阳能航空系统中实现实时非侵入式负载监测的资源高效机器学习框架，并系统比较了多种机器学习与深度学习模型在实时可行性方面的表现	深度学习模型如混合CNN-LSTM架构虽然精度高，但计算时间较长，不适合机载实时部署，突显了精度与效率之间的权衡	实现太阳能航空系统中实时、资源高效的非侵入式负载监测与性能优化	太阳能航空系统的负载特性与能量管理	机器学习	NA	非侵入式负载监测	KNN, RF, XGBoost, CNN, LSTM, CNN-LSTM	高分辨率功率数据	NA	NA	CNN-LSTM	R², 均方误差, 执行时间	Opal-RT, Launchpad-F28379D DSP控制器
7257	2026-01-16	Assessment of a VoIP steganalysis method based on statistical analysis and deep neural network 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31478-0 PMID:41361363	研究论文	本文提出了一种结合语音信号处理和深度神经网络的VoIP隐写分析方法，用于检测G.729编码音频中的隐写数据	提出了一种混合方法，结合了语音信号处理技术和人工智能，通过提取帧内特征和帧间相关性，并利用深度学习网络进行训练，显著提升了检测准确率和计算效率	NA	开发一种高效的VoIP隐写分析方法，以应对通过隐写术进行的隐蔽通信安全威胁	G.729编码的音频信号，针对QIM、PMS和HPS三种隐写技术	自然语言处理	NA	语音信号处理，深度学习	深度神经网络	音频	NA	NA	NA	准确率	NA
7258	2026-01-16	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出了一种基于混合特征提取的深度学习模型CerviHFENet，用于X射线图像中上颈椎异常的多标签分类	集成了自适应ROI检测模块以精确定位上颈椎区域，并设计了混合特征提取机制来同时提取解剖学特征和不同颈部位置下的动态结构变化，还采用了改进的焦点损失函数来学习六种异常之间的互斥或条件依赖关系	样本量相对较小（249名患者），且仅使用了单一机构的X射线图像	开发一个深度学习模型，以辅助上颈椎异常的准确诊断	上颈椎异常	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	249名患者，共747张X射线图像（每个患者包含伸展位、中立位和屈曲位三个视图）	NA	CerviHFENet	AUC, mAP	NA
7259	2026-01-16	Simulation-assisted multimodal deep learning (Sim-MDL) fusion models for the evaluation of thermal barrier coatings using infrared thermography and Terahertz imaging 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31783-8 PMID:41361561	研究论文	本文提出了一种模拟辅助多模态深度学习（Sim-MDL）融合框架，结合红外热成像和太赫兹成像数据，用于全面评估热障涂层的性能	提出了一种结合模拟生成数据和实验数据的多模态深度学习框架，用于同时预测热障涂层的多个关键性能参数，提高了评估的准确性和鲁棒性	研究仅基于四个新涂层样本进行实验，样本量有限，且涂层厚度范围较窄（24至120微米），可能影响模型的泛化能力	开发一种高效、准确的热障涂层非破坏性评估方法，以提升操作效率、优化预测性维护策略并延长部件寿命	热障涂层（TBCs），特别是其顶层涂层的热导率、热容、厚度和折射率等性能参数	机器视觉	NA	红外热成像（IRT）、太赫兹（THz）成像、模拟数据生成	CNN, LSTM	图像数据（红外热成像和太赫兹成像）、模拟数据	四个新涂层样本，顶层涂层厚度范围为24至120微米	NA	1D CNN, 注意力机制LSTM	MAPE（平均绝对百分比误差）	NA
7260	2026-01-16	Multi-stage classification of abnormal traffic events using a multi-head + LSTM 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31470-8 PMID:41361558	研究论文	本文提出了一种多阶段分类框架，结合多头注意力机制和LSTM模型，用于检测和分类交通异常事件、拥堵程度及事故原因	提出了一种结合隔离森林、K-means聚类和空间阈值方法的多阶段分类框架，并首次将多头注意力机制与LSTM结合用于交通事件分析	模型仅在PeMS数据集上进行验证，未在其他城市或交通网络中进行泛化测试；空间阈值方法（1.5公里）可能不适用于所有交通场景	提高交通异常事件的检测与分类精度，支持智能交通系统的数据驱动决策	交通流量数据中的异常事件、拥堵程度（低、中、高）及事故导致的异常	机器学习	NA	交通流量监测、天气数据整合	LSTM, 多头注意力机制	时间序列数据（交通流量）、天气数据	15天的PeMS交通数据（集成天气信息）	未明确说明（可能为TensorFlow/PyTorch）	多阶段分类框架（隔离森林 + K-means + 空间阈值 + 多头注意力 + LSTM）	精确率, 召回率, F1分数, ROC-AUC	未明确说明