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
8881	2026-06-07	Enhancing EEG Decoding with Selective Augmentation Integration 2026-Jan-08, Sensors (Basel, Switzerland) DOI:10.3390/s26020399 PMID:41600214	研究论文	提出一种基于选择性增强集成的脑电信号解码框架，结合对比学习和自适应增强策略，有效应对脑电数据稀缺和噪声问题	提出端到端自适应增强框架NeuroBrain，创新性地融合对比学习与选择性增强策略，首次实现根据性能动态确定最优增强组合	未提及	提升脑电信号解码性能，解决数据稀缺和噪声问题	听觉脑电解码任务中的EEG信号	机器学习	神经疾病	EEG	对比学习	EEG信号	NA	PyTorch	NeuroBrain	准确率	NA
8882	2026-06-07	DeepRMSF: a deep learning-based automated approach for predicting atomic-level flexibility in RNA structure 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf720 PMID:41529119	研究论文	提出深度学习模型DeepRMSF，从RNA三级结构预测原子级振动灵活性	首个直接从RNA三级结构预测局部灵活性的深度学习方法，实现比分子动力学模拟快3000倍的速度提升	仅适用于中等大小RNA（约75个核苷酸），且无法完全替代分子动力学模拟	开发高效自动化方法预测RNA结构的局部灵活性	371个非冗余RNA的原子级振动灵活性	机器学习	不适用	分子动力学模拟	深度学习模型	分子结构数据	371个RNA（311个用于五折交叉验证，60个作为独立测试集）	PyTorch	不适用	皮尔逊相关系数	不适用
8883	2026-06-07	A comprehensive survey of genome language models in bioinformatics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf724 PMID:41537311	综述	全面综述基因组语言模型在生物信息学中的应用	系统梳理了基因组语言模型（gLMs）的架构（Transformer、Hyena卷积、状态空间模型）、序列分词策略、预训练策略及评估方法，并构建了下游任务分类体系	数据稀缺性、模型可解释性不足、计算资源需求高等挑战	综述基因组语言模型在生物信息学领域的发展现状与未来方向	基于DNA和RNA序列的基因组语言模型	自然语言处理	NA	基因组语言模型	Transformer, Hyena卷积, 状态空间模型	DNA和RNA序列数据	NA	NA	Transformer, Hyena卷积, 状态空间模型	监督学习、零样本学习、少样本学习指标	NA
8884	2026-06-07	Predicting protein-carbohydrate binding sites: a deep learning approach integrating protein language model embeddings and structural features 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag008 PMID:41608988	研究论文	提出一种整合蛋白质语言模型嵌入和结构特征的深度学习模型DeepCPBSite，用于预测蛋白质-碳水化合物非共价结合位点	构建了集成三种样本处理策略（随机欠采样、加权过采样和类别加权损失）的ResNet+FNN集成模型，并系统比较了AlphaFold和ESMFold预测结构的特征，采用SHAP分析进行特征解释	未在文摘中明确提及局限性	开发计算工具预测蛋白质-碳水化合物非共价结合位点	非共价碳水化合物结合位点	机器学习	NA	蛋白质语言模型嵌入、结构特征提取	ResNet、FNN、集成模型	蛋白质序列和结构数据	来自RCSB、UniProt和CASP三个来源的独立数据集	NA	ResNet, FNN, DeepCPBSite（集成模型）	平衡准确率（balanced accuracy）、敏感性（sensitivity）、F1分数、MCC、AUPR	NA
8885	2026-06-07	Non-Contact Measurement of Human Vital Signs in Dynamic Conditions Using Microwave Techniques: A Review 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020359 PMID:41600153	综述	综述了在动态条件下使用微波和雷达技术进行人体生命体征非接触测量的最新进展	重点介绍了在受试者移动或进行日常活动时工作的解决方案，以及创新可生物降解和柔性天线设计，结合先进信号处理和深度学习算法	主要限制包括受试者间解剖变异性、运动伪影、硬件小型化和能效问题，仍限制广泛部署	探讨微波技术在动态条件下非接触测量人体生命体征（如呼吸、心率）的潜力，支持未来医疗和安全系统	人体生命体征（呼吸、心率及其他心肺参数）的测量	signal processing, deep learning	NA	微波、雷达、超宽带（UWB）、多普勒传感器、微波反射测量	深度学习	信号	NA	NA	NA	NA	NA
8886	2026-06-07	Neurosymbolic AI Framework for Explainable Retinal Disease Classification From OCT Images 2026-Jan-05, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.1.6 PMID:41533847	研究论文	提出一种神经符号AI框架，结合CNN与符号推理层，基于OCT图像进行可解释的视网膜疾病分类	将卷积神经网络与基于专家定义的临床规则符号推理层相结合，实现透明且临床可解释的决策，尤其适用于罕见和复杂病情	未明确提及，但可能是对罕见类别的数据不平衡依赖或符号规则的可扩展性限制	提高视网膜疾病分类的准确性并增强模型可解释性	光学相干断层扫描图像及七种视网膜诊断类别	计算机视觉	视网膜疾病	OCT	CNN	图像	10,846张OCT图像	NA	CNN、符号推理层	宏精度、召回率、F1分数	NA
8887	2026-06-07	Deep Learning-Based Segmentation of the Ulnar Nerve in Ultrasound Images 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010113 PMID:41597399	研究论文	评估深度学习分割方法在超声图像中检测尺神经的性能，并分析常见数据增强技术的影响	首次利用大规模尺神经超声数据集（来自545名患者的4789张图像）进行系统性分割模型与数据增强方法比较	未明确说明局限性	优化深度学习在尺神经超声图像分割中的应用	来自545名患者的4789张尺神经超声图像	计算机视觉	尺神经病变	NA	深度学习分割模型（包括U-Net等六种模型）	图像	545名患者的4789张超声图像	NA	U-Net及多种骨干网络架构	Dice系数、交并比（IoU）	NA
8888	2026-06-07	Single-inspiratory quantitative CT nomogram for enhanced PRISm and COPD differentiation: a cross-sectional study with interpretable diagnostic boundaries 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20575 PMID:41551461	研究论文	开发一种基于单次吸气定量CT的列线图，用于区分PRISm与COPD	首次整合实质、气道和血管参数构建单次吸气QCT列线图，以可解释的影像边界重新定义PRISm与COPD的鉴别诊断标准	单中心回顾性研究，未提及辐射剂量具体比较，缺乏外部验证	开发一种低辐射、可解释的单次吸气QCT列线图，以增强PRISm与COPD的鉴别诊断	658名来自宁波市第二医院的受试者（正常135例、PRISm 328例、COPD 195例）	计算机视觉	慢性阻塞性肺疾病	定量CT	逻辑回归	CT影像	658例受试者（正常135、PRISm 328、COPD 195）	NA	逻辑回归模型（共4个模型）	ROC-AUC	NA
8889	2026-06-07	LeafAI: Interpretable plant disease detection for edge computing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335956 PMID:41576062	研究论文	提出一种混合AI方法，结合轻量级分类器和深度学习模型，用于边缘计算环境下的植物病害检测	提出两阶段混合AI方法，先使用轻量级机器学习分类器筛除健康叶片，再对病害叶片使用深度学习模型进行细粒度分类，结合可解释AI（Grad-CAM）提升模型透明度和特征提取效果	关于约3%的准确率损失需要进一步评估其对实际应用的影响；研究主要针对特定植物病害数据集，泛化能力需要更多验证	提升边缘计算场景下植物病害检测的计算效率、可解释性和可扩展性	植物叶片图像，包括健康叶片和病害叶片	计算机视觉	植物病害	传统机器学习分类器（Logistic Regression）、深度学习模型（ResNet、DenseNet、MobileNet、EfficientNet）	Logistic Regression和MobileNetV3的混合模型	图像	1,227张叶片图像用于大规模测试	NA	Logistic Regression, MobileNetV3, ResNet, DenseNet, EfficientNet	准确率、推理时间、CPU负载	入门级笔记本电脑
8890	2026-06-07	A Structure-Based Deep Learning Framework for Correcting Marine Natural Products' Misannotations Attributed to Host-Microbe Symbiosis 2026-Jan-01, Marine drugs IF:4.9Q1 DOI:10.3390/md24010020 PMID:41590718	研究论文	开发一种基于结构的深度学习框架，用于纠正因宿主-微生物共生导致的海洋天然产物错误注释	首次结合微生物预训练的图神经网络和两步清洗策略，自动检测海洋天然产物数据库中的标签不一致与结构异常，并实现高准确率的起源分类与错误修正	NA	解决海洋天然产物因宿主-微生物共生导致的生物来源错误注释问题，支持更准确的生物合成基因簇追踪和AI驱动的药物发现	海洋天然产物及其宿主-微生物共生关系	机器学习	NA	图神经网络，结构化学分析	图神经网络	化学结构数据（分子结构）	使用CMNPD和NPAtlas数据集中的化合物，具体数量未明确，但包含3996个预测与动物标签矛盾的化合物	NA	微生物预训练的图神经网络	平衡准确率（85.56%）	NA
8891	2026-06-07	Deep learning models to map osteocyte networks from confocal microscopy can successfully distinguish between young and aged bone 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013914 PMID:41592113	研究论文	应用深度学习模型自动分割和测量共聚焦显微镜图像中的骨细胞网络，成功区分年轻与衰老骨骼	首次将深度学习与计算机视觉技术应用于骨细胞网络的全自动分割与测量，显著缩短分析时间（从130小时降至10秒），并证明Attention U-Net模型可达到足以区分年轻与衰老小鼠骨骼的精度	仍需进一步开发以提高对树突状过程的测量精度（42.1%），且当前模型在捕捉基因修饰诱导的退化方面仅部分有效	探索深度学习技术自动化骨细胞网络分割与测量，提高分析效率和准确性	小鼠股骨中的骨细胞网络	计算机视觉	骨骼衰老相关疾病	共聚焦显微镜	CNN、Transformer	图像	年轻（2月龄）和年长（36月龄）小鼠骨骼样本	NA	U-Net、Attention U-Net、Vision Transformer	准确率、召回率	NA
8892	2026-06-07	Pathogenomic analysis reveals clinically relevant epithelial-mesenchymal plasticity in esophageal squamous cell carcinoma 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125381 PMID:41608573	研究论文	通过病理组学分析揭示食管鳞状细胞癌中具有临床意义的上皮-间质可塑性	整合病理图像和bulk RNA测序轮廓识别出具有EMT富集和免疫抑制的高风险亚型；通过单细胞和空间转录组学揭示EMT宏观状态及其空间分布；开发基于病理图像的深度学习模型预测基因表达空间分布	NA	探索食管鳞状细胞癌中上皮-间质转化(EMT)的机制及其临床诊断和靶向策略	食管鳞状细胞癌(ESCC)的肿瘤微环境异质性，特别是EMT进展	计算机视觉, 自然语言处理, 机器学习, 数字病理学	食管癌	RNA测序, 单细胞测序, 空间转录组学	深度学习模型	病理图像, RNA测序数据, 单细胞转录组数据, 空间转录组数据	NA	NA	NA	NA	NA
8893	2026-06-07	Uralenol, Glycyrol, and Abyssinone II as potent inhibitors of fibroblast growth factor receptor 2 from anti-cancer plants: A deep learning and molecular dynamics approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341498 PMID:41615925	研究论文	本研究整合分子对接、深度学习、药代动力学分析和分子动力学模拟，从具有抗癌作用的植物化合物库中筛选成纤维细胞生长因子受体2（FGFR2）的潜在抑制剂	首次将分子对接、深度学习预测pIC₅₀和分子动力学模拟相结合，从传统抗癌药用植物化合物库中系统筛选FGFR2抑制剂	研究结果仅为计算预测，需要进一步的实验验证来确认化合物的实际抑制效果和治疗潜力	从传统抗癌药用植物中识别FGFR2的潜在抑制剂，为癌症治疗提供新的候选化合物	1350种来自51种传统抗癌药用植物的植物化学物	机器学习	癌症	分子对接、分子动力学模拟	深度神经网络	分子结构数据	1350种植物化学物，从中筛选出3种候选化合物（uralenol、glycyrol、abyssinone II）	AutoDock Vina	NA	pIC₅₀、结合亲和力	NA
8894	2026-06-07	Deep Batch Active Learning for Protein Structure Modeling 2026-Jan, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666251405823 PMID:41614412	研究论文	提出一种基于深度主动学习的蛋白质结构建模方法DEWDROP，用于优化VHH抗体结构数据的选择，以提升模型预测性能	针对VHH抗体在训练数据中代表性不足的问题，提出基于蒙特卡洛dropout的主动学习策略，实现批次选择优化，且模型无关的方法可推广至其他分子域	虽然证明了在VHH抗体和AlphaFold蛋白质数据库上的有效性，但可能受限于粗粒化分子表示模型（Equifold）的通用性，且实验结构测定仍需大量时间和成本	通过战略性数据选择提高蛋白质结构预测模型的训练效率，降低数据采集成本	VHH抗体结构（来自SAbDab-nano）和蛋白质结构（来自AlphaFold蛋白质数据库）	机器学习	NA	蒙特卡洛dropout	主动学习模型	蛋白质结构数据	两个结构家族：VHH抗体（特定数据集SAbDab-nano）和蛋白质（来自AlphaFold蛋白质数据库）	NA	Equifold	模型训练效率、批次选择效果	NA
8895	2026-06-07	Preoperative CT-based Radiomics for Predicting Response to Neoadjuvant Chemoimmunotherapy in Esophageal Squamous Cell Carcinoma 2026-Jan, Radiology. Imaging cancer DOI:10.1148/rycan.250128 PMID:41615298	研究论文	开发并评估基于CT的影像组学模型，结合二维和2.5维深度学习特征，预测食管鳞状细胞癌对新辅助化学免疫治疗的反应	首次将二维和2.5维深度学习迁移学习特征与影像组学特征融合，用于预测食管鳞癌新辅助化学免疫治疗反应	回顾性研究，样本量有限（251例），可能需前瞻性多中心验证	评估结合二维和2.5维深度学习与影像组学特征的CT模型在预测ESCC患者新辅助化学免疫治疗反应中的性能	食管鳞状细胞癌患者	计算机视觉	食管癌	CT成像	支持向量机，ResNet	图像	251名患者（中心1：157名，中心2：94名）	NA	ResNet18	AUC	NA
8896	2026-06-07	Tensor enhanced chest cancer classification via CNN and Vision Transformer models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348863 PMID:42228733	研究论文	本文介绍了一种统一平台，通过张量预处理管道，利用CNN和Vision Transformer模型对CT/PET-CT影像进行肺癌分类	提出基于张量的统一预处理管道，在不修改原始架构的情况下实现隐式微调，并系统比较多种CNN架构与Vision Transformer在肺癌分类中的表现	未提及具体局限性信息	评估多种卷积神经网络和Vision Transformer模型在肺癌CT/PET-CT影像分类中的性能，并建立一个统一的比较平台	肺癌CT/PET-CT影像数据	计算机视觉	肺癌	CT成像, PET-CT成像, 张量预处理	CNN, Vision Transformer	医学影像	NA	NA	AlexNet, VGG-16, ResNet-50, DenseNet, EfficientNet, Vision Transformer	准确率, 敏感性, 特异性, F1分数, AUC-ROC	NA
8897	2026-06-07	Multimodal deep learning fusion model for assessment of fetal lung development in gestational diabetes mellitus and pre-eclampsia 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1832468 PMID:42232760	研究论文	开发一种多模态深度学习融合模型，结合超声影像特征与分子和组织病理学数据，评估妊娠期糖尿病和先兆子痫小鼠模型的胎儿肺发育	首次将超声影像、分子标志物和组织病理学数据通过深度学习融合模型进行多模态分析，并通过迁移学习在人类胎儿超声图像上验证	未在文中明确提及研究局限性	开发一种结合超声影像特征与分子及组织病理学数据的多模态深度学习框架，以评估胎儿肺发育	妊娠期糖尿病和先兆子痫大鼠模型的胎儿肺组织及人类胎儿超声图像	计算机视觉, 机器学习	妊娠期糖尿病, 先兆子痫	超声成像, 组织病理学, 免疫组化, Western blot, 定量PCR, 基因测序	深度学习融合模型	图像, 文本（分子与组织学数据）	大鼠模型数据（具体数量未提及）；人类胎儿超声图像共1,183张	NA	NA	准确率, AUC	NA
8898	2026-06-07	Deep learning models built from PSMA PET of the primary tumor can predict synchronous and metachronous prostate cancer metastases 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349825 PMID:42247403	研究论文	利用深度学习模型从PSMA PET影像中预测前列腺癌的同步和异时转移	首次利用卷积神经网络从原发性肿瘤的PSMA PET影像中提取特征，构建多模态模型以预测同步转移，并验证其预测异时转移的潜力	样本量有限、数据来源单一中心、存在过拟合风险，可能影响模型的泛化能力	开发基于原发性肿瘤PSMA PET影像的深度卷积神经网络模型，预测局限性前列腺癌在根治性治疗后的早期转移进展	局限性前列腺癌患者的原发性肿瘤PSMA PET影像	计算机视觉, 数字病理学	前列腺癌	18F-DCFPyL (PSMA) PET 成像	卷积神经网络 (CNN)	图像 (PSMA PET 影像)	有限样本量，具体数值未提及	NA	CNN	AUC (受试者工作特征曲线下面积)	NA
8899	2026-06-07	Explainable IAOA-CNN-CBAM-SVR model for predicting air consumption of auxiliary nozzles with limited sample size 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351109 PMID:42247417	研究论文	提出一种混合CNN-CBAM-SVR模型，通过改进的阿尔基米德优化算法优化，用于预测空气喷射织机辅助喷嘴的空气消耗量，并利用SHAP方法进行可解释性分析	结合改进的阿尔基米德优化算法优化CNN-CBAM-SVR模型，并在有限样本量下实现高精度预测，同时利用SHAP方法实现模型可解释性	训练数据有限可能影响模型的泛化能力	提高非线性空气消耗预测的准确性和可解释性，优化辅助喷嘴设计并提升能源效率	空气喷射织机辅助喷嘴的空气消耗量	机器学习	NA	NA	混合模型（CNN-CBAM-SVR）	数值型数据	有限样本量	NA	CNN、CBAM、SVR	均方根误差、决定系数	NA
8900	2026-06-07	Large-scale statistical dissection of sequence-derived biochemical features distinguishing soluble and insoluble proteins 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344883 PMID:42247421	研究论文	对78,031种蛋白质进行大规模统计分析，评估序列衍生生化特征在区分可溶性与不可溶性蛋白质中的效果	首次在大规模数据集上系统性地量化经典序列衍生特征的效应大小、冗余性和判别性能，揭示了可溶性信息在全局序列描述符层面的低维组织结构	大多数特征即使统计显著，效应量较小且类别间重叠严重，仅大小相关特征（序列长度和分子量）表现出最强效应	系统表征序列衍生生化特征在区分可溶性与不可溶性蛋白质中的内在规模、冗余性和可解释性	从公共数据库整理的可溶性和不可溶性蛋白质序列及其生化描述符	机器学习	NA	Mann-Whitney U检验、Benjamini-Hochberg错误发现率校正、Cliff's delta效应量、Spearman相关性分析	NA	序列特征	78,031个蛋白质序列，包括46,450个可溶性蛋白质和31,581个不可溶性蛋白质	NA	NA	ROC AUC, 马修斯相关系数	NA