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
7301	2026-01-04	An explainable deep learning-based feature fusion model for acute lymphoblastic leukemia diagnosis and severity assessment 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1694024 PMID:41476880	研究论文	本文提出了一种名为XIncept-ALL的新型深度学习框架，用于急性淋巴细胞白血病的自动检测和严重程度分类	通过特征融合块整合预训练的InceptionV3和Xception网络，并采用数据自动增强技术和Grad-CAM可视化以提升性能与可解释性	使用了新开发的私有数据集Pak-ALL，可能限制模型在其他人群或数据集上的泛化能力	开发一个可靠、可解释的计算机辅助诊断系统，用于急性淋巴细胞白血病的早期检测和严重程度评估	急性淋巴细胞白血病细胞图像	数字病理学	急性淋巴细胞白血病	NA	CNN	图像	新开发的私有数据集Pak-ALL（来自巴基斯坦医院）以及来自可靠网络来源的额外数据集	NA	InceptionV3, Xception	准确率	NA
7302	2026-01-04	Nature's cryptographic codebreaker: in silico decoding of apigenin's triple defense against SARS-CoV-2 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1708660 PMID:41477204	研究论文	本研究通过计算建模方法探索了芹菜素对SARS-CoV-2的潜在抗病毒机制	首次结合矩阵分解、深度学习、多尺度分子建模和网络药理学，系统预测并验证了芹菜素通过多靶点机制（包括GRP78、HSPG、Nsp15、AKT1和PTGS2）对抗SARS-CoV-2的潜力	研究主要基于计算模拟，缺乏实验验证；预测结果需进一步体内外实验确认	探索芹菜素治疗SARS-CoV-2的潜在作用及机制，为开发基于天然产物的抗病毒疗法提供依据	芹菜素（一种天然黄酮类化合物）及其与SARS-CoV-2相关蛋白（如GRP78、HSPG、Nsp15）和宿主因子（如AKT1、PTGS2）的相互作用	计算生物学	COVID-19	矩阵分解、深度学习、多尺度分子建模、网络药理学、分子对接	基于图的高斯核相似性模型（GiGs）、卷积自注意力模型（CSatDTA）	分子结构数据、蛋白质结构数据、药物-靶点相互作用数据	NA	NA	GiGs, CSatDTA	结合自由能（kcal/mol）	NA
7303	2026-01-04	TIC-FusionNet: A multimodal deep learning framework with temporal decomposition and attention-based fusion for time series forecasting 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333379 PMID:41066756	研究论文	提出了一种名为TIC-FusionNet的多模态深度学习框架，用于时间序列预测，特别针对金融环境中的噪声问题	结合了指数移动平均分解进行去噪和趋势提取、轻量级线性Transformer进行高效长序列建模、以及带有CBAM注意力的空间-通道CNN从K线图图像中捕捉形态模式，并通过门控融合机制自适应地整合数值和视觉模态	未明确提及模型在极端市场事件或数据极度稀缺情况下的表现	解决单模态和短程依赖模型在嘈杂金融环境中的局限性，提升时间序列预测的准确性和泛化能力	六家真实世界公司的股票数据集，包括亚马逊、特斯拉、贵州茅台、中国平安、万科和苹果	机器学习	NA	时间序列分析，图像分析	Transformer, CNN	数值时间序列数据，图像数据	六个股票数据集，涵盖中美主要公司及不同市场板块和波动模式	NA	线性Transformer, CNN with CBAM	预测准确性，泛化能力	NA
7304	2026-01-04	Deep learning-based idiomatic expression recognition for the Amharic language 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295339 PMID:38096324	研究论文	本文提出了一种基于卷积神经网络和FastText嵌入的模型，用于检测阿姆哈拉语中的惯用表达	首次将深度学习模型应用于阿姆哈拉语的惯用表达识别，结合CNN和FastText嵌入以提高检测准确性	数据集规模相对较小（总计3300个表达），且测试集准确率为80%，仍有提升空间	开发一个能够准确识别阿姆哈拉语中惯用表达的自然语言处理模型	阿姆哈拉语中的惯用表达和非惯用表达	自然语言处理	NA	NA	CNN	文本	1700个惯用表达和1600个非惯用表达，总计3300个样本	NA	CNN	准确率	NA
7305	2026-01-03	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	本文提出了一种结合卷积非线性脉冲神经模型与双向长短期记忆的多元云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型（ConvNSNP），增强处理非线性数据的能力，并与BiLSTM结合构建混合预测模型，有效捕获多元时间序列的变量间相关性和时间模式	NA	解决云计算环境中多元工作负载预测的关键研究问题	多元时间序列数据	机器学习	NA	NA	CNN, BiLSTM	时间序列数据	三个公共云工作负载轨迹数据集（来自阿里巴巴和Google）	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
7306	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA
7307	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA
7308	2026-01-03	Deep Learning Segmentation and Quantification of the Left Ventricle from the Parasternal Short-Axis View in Echocardiography 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.005 PMID:41188093	研究论文	本研究开发了一种基于深度学习的自动化管道，用于从超声心动图的胸骨旁短轴视图中分割和量化左心室，以提取临床相关的定量测量指标	利用nnU-Net模型自动分割左心室腔和心肌，并基于分割结果自动计算左心室面积、分数面积变化、平均壁厚度和全局周向应变等测量值，实现了与专家标注相当的性能	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证的深度	开发一种自动化深度学习管道，以从超声心动图的胸骨旁短轴视图中提取临床相关的定量测量，减少测量变异性和时间消耗	超声心动图中的左心室腔和心肌	计算机视觉	心血管疾病	超声心动图	CNN	图像	未明确提及具体样本数量，但提到主题级可行性为90.4%	NA	nnU-Net	Dice系数, 95th percentile Hausdorff距离	NA
7309	2026-01-03	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出了一种基于BioBERT的可解释机器学习方法，通过分析非结构化临床文本来检测自闭症谱系障碍，并与黑盒方法进行了比较	引入了一种透明且可解释的机器学习方法，利用BioBERT分析临床文本，并将行为描述映射到诊断标准，同时系统评估了迁移学习中不同训练策略（顺序训练与混合训练）对模型性能的影响	研究仅使用了两个真实世界数据集，模型的泛化能力仍需在更多样化的数据集上进一步验证	开发可解释的AI工具以自动化自闭症谱系障碍的诊断过程	自闭症谱系障碍患者的非结构化临床文本记录	自然语言处理	自闭症谱系障碍	自然语言处理	Transformer	文本	两个不同的真实世界临床文本数据集	NA	BioBERT	灵敏度, 特异性	NA
7310	2026-01-03	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	本文提出一种基于SE(3)对称变换器模型的方法，用于在腹主动脉瘤表面直接预测局部生长，以改进个性化监测策略	首次使用SE(3)对称变换器模型在血管模型表面直接预测AAA生长，保留了血管表面的解剖结构和几何保真度，避免了参数化形状的局限性	训练数据仅基于24名患者的113次CTA扫描，样本量较小，且外部验证集仅包含7名患者，可能影响模型的泛化能力	开发个性化腹主动脉瘤生长预测方法，以优化临床监测策略	腹主动脉瘤患者及其CTA扫描图像	计算机视觉	心血管疾病	计算机断层扫描血管造影	Transformer	图像	113次CTA扫描，来自24名AAA患者（训练集），以及25次CTA扫描，来自7名AAA患者（外部验证集）	NA	SE(3)-symmetric transformer	中位直径误差，准确率	NA
7311	2026-01-03	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出了一种量子增强神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病检测	将量子卷积层与经典深度学习结合，并引入量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据稀缺问题	未明确提及模型在更大规模或更多样化数据集上的泛化能力，以及量子计算资源在实际临床环境中的可及性	提高早期阿尔茨海默病检测的诊断准确性	阿尔茨海默病患者的脑部磁共振成像（MRI）数据	机器学习	阿尔茨海默病	磁共振成像（MRI）	量子增强神经网络	图像	两个公共MRI数据集（具体样本数量未明确）	NA	QENNA（量子卷积层与经典深度学习结合）	准确率, AUC	NA
7312	2026-01-03	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	本研究开发了一个针对约旦阿拉伯方言患者反馈的语料库JADKHCC，并利用深度学习模型进行情感分析，以评估医疗服务质量	首次创建了专门用于约旦阿拉伯方言患者反馈情感分析的语料库JADKHCC，并比较了多种深度学习模型在阿拉伯语方言数据上的性能	研究主要针对特定医疗中心（KHCC）的约旦阿拉伯方言数据，可能无法直接推广到其他阿拉伯方言或医疗环境	通过情感分析自动化患者反馈，以检测不满、识别未满足需求并推动医疗服务改进	来自侯赛因国王癌症中心（KHCC）的约旦阿拉伯方言患者反馈文本	自然语言处理	癌症	情感分析	CNN, BiLSTM, LSTM, RNN, RNNLSTM	文本	15,812条约旦阿拉伯方言评论	NA	BERT-base-Arabic, Word2Vec, FastText	F1-score	NA
7313	2026-01-03	Deep learning-based prediction of dynamic blood dose estimates for head-and-neck cancer 2026-Jan-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3047 PMID:41429110	研究论文	本研究开发了一种基于深度学习的模型，用于准即时预测头颈癌放疗中动态血液剂量模拟结果	首次提出结合全连接层和Transformer编码器的深度神经网络，实现动态血液剂量模拟的快速预测，克服了传统模拟在治疗计划迭代中时间不可行的限制	研究仅基于157名头颈癌患者的数据，样本量相对较小，且模型尚未在其他癌症类型或更大规模数据集中验证	开发一种准即时预测动态血液剂量模拟结果的方法，以促进放疗治疗计划中纳入血液剂量考虑	157名头颈癌患者的治疗计划CT图像和剂量体积直方图	数字病理学	头颈癌	动态血液剂量模拟（HEDOS）	深度神经网络	图像（CT）、剂量体积直方图	157名患者（126名用于训练和内部验证，31名用于测试）	NA	全连接层, Transformer编码器	Kullback-Leibler散度, 平均绝对百分比误差	NA
7314	2026-01-03	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种名为MI-CSBO的混合系统，用于通过深度学习与贝叶斯优化对心肌梗死进行分类	结合了深度残差CNN、贝叶斯优化和NCA特征选择，构建了一个新的混合分类系统，并在ECG数据上实现了100%的诊断准确率	NA	实现对心肌梗死的早期检测和分类	心电图（ECG）信号	机器学习	心血管疾病	谱图方法	CNN	图像（由ECG信号转换的谱图）	来自PTB数据库（PTBDB）的ECG信号数据集	NA	深度残差CNN	正确诊断率	NA
7315	2026-01-03	Arrhythmia detection in inter-patient ECG signals using entropy rate features and RR intervals with CNN architecture 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378105 PMID:39021157	研究论文	本文提出了一种结合熵率特征、RR间期和1D CNN架构的心律失常检测方法，用于处理患者间ECG信号分类	创新性地将熵率特征提取技术应用于ECG信号分类，并融合形态学特征（通过1D CNN自动捕获）与时间特征（RR间期），提升了患者间ECG分类性能	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力限制，以及计算资源需求的具体分析	开发一种高性能的心律失常自动检测方法，以解决患者间ECG信号分类的挑战	心电图（ECG）信号，特别是MIT-BIH心律失常数据集和INCART数据集中的信号	机器学习	心血管疾病	ECG信号分析，特征提取（包括熵率计算和RR间期测量）	CNN	信号数据（ECG波形）	使用MIT-BIH心律失常数据集（具体样本数未明确，但涉及患者内和患者间范式）和INCART数据集进行验证	未明确指定，可能为TensorFlow或PyTorch等深度学习框架	1D CNN	准确率	NA
7316	2026-01-03	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了MULTICOM_ligand，一种基于深度学习的蛋白质-配体结构与结合亲和力预测集成方法，在CASP16中表现优异	提出了结合结构共识排序的无监督姿态排序方法，以及用于联合结构与结合亲和力预测的新型深度生成流匹配模型	未在摘要中明确说明	解决蛋白质-配体结构预测与结合亲和力准确估计的基础性问题	蛋白质-配体复合物	机器学习	NA	几何深度学习，流匹配	深度学习集成模型，生成模型	蛋白质-配体结构数据	NA	NA	流匹配模型	CASP16排名（前5名）	NA
7317	2026-01-03	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升了蛋白质复合物结构预测的准确性，并在CASP16中进行了盲测评估	整合了基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合了蛋白质复合物化学计量比预测、多样化的多序列比对生成、建模异常处理以及基于深度学习的蛋白质模型质量评估等内部技术	未明确提及具体局限性	提高蛋白质复合物结构预测的准确性	多链蛋白质复合物（多聚体）	机器学习	NA	多序列比对（MSA）、蛋白质模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	NA	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
7318	2026-01-03	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在量化中风后肌筋膜剪切应变中的可靠性，以验证临床假设	提出了一种新的临床假设，即中风后肌筋膜疼痛患者的患侧肩部肌肉间剪切应变低于健侧，并系统比较了四种位移估计算法（包括基于L1和L2范数正则化的优化方法）的可靠性	L1-SOUL-Search方法运行时间较慢，可能影响实时应用	评估超声位移跟踪技术在中风后肌筋膜剪切应变量化中的可靠性，以支持肌筋膜功能障碍的诊断和治疗	十名患有中风后肩部肌筋膜疼痛的研究参与者	医学影像分析	中风后肌筋膜疼痛	超声位移跟踪、T1ρ磁共振成像	NA	超声图像、磁共振图像	10名研究参与者	NA	NA	位移导数均值和方差、视觉检查、定量T1ρ磁共振成像验证	NA
7319	2026-01-03	Contrastive virtual staining enhances deep learning-based PDAC subtyping from H&E-stained tissue cores 2026-Jan, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6491 PMID:41188199	研究论文	本研究提出了一种基于对比学习启发的CycleGAN框架，用于从H&E染色组织切片生成虚拟IHC图像，以增强胰腺导管腺癌（PDAC）亚型分型的准确性	引入了一种新颖的、利用对比学习启发的cycleGAN框架，并在源自连续组织切片的半配对数据集上进行训练，显著提升了基于合成IHC图像的PDAC亚型分型性能	未明确提及具体的研究局限性	开发一种虚拟染色方法，以替代传统劳动密集型的IHC染色，用于PDAC亚型分型，旨在简化诊断流程并提高其稳健性	胰腺导管腺癌（PDAC）组织	数字病理学	胰腺癌	虚拟染色，免疫组织化学（IHC）染色，苏木精和伊红（H&E）染色	GAN	图像	NA	CycleGAN	CycleGAN	F1分数	NA
7320	2026-01-03	Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.111550 PMID:41355970	研究论文	本研究开发了一种名为DeepMGO的深度学习模型，用于预测化合物的甲基乙二醛清除活性，并成功鉴定出候选化合物TP-41，在小鼠模型中验证了其对阿尔茨海默病相关症状的改善作用	首次利用深度学习技术针对甲基乙二醛清除剂进行阿尔茨海默病治疗药物的开发	研究仅在小鼠模型中进行验证，尚未进行人体临床试验	开发深度学习模型以识别具有甲基乙二醛清除活性的化合物，用于阿尔茨海默病治疗	甲基乙二醛清除活性化合物	机器学习	阿尔茨海默病	深度学习	深度学习模型	化学活性数据	660个化合物的2,262个甲基乙二醛清除活性测定数据	NA	DeepMGO	预测性能	NA