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
9601	2026-02-08	Chemistry-Structure Dual-Perception Large Language Models: Advancing Molecular Property Prediction for Precise Disease Treatment 2026-Feb-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3662042 PMID:41650399	研究论文	本文提出了一种名为CSLLM的新方法，通过指令引导大型语言模型生成蕴含化学知识的药物分子表示，以提升分子性质预测的准确性	提出了一个三维指令框架（任务引导、化学感知、结构感知），使大型语言模型能够像化学家一样推理，并在有限计算资源下生成富含化学知识的分子表示	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	提高药物分子性质的预测准确性，以支持精准疾病诊断和个性化治疗	药物分子	自然语言处理, 机器学习	NA	大型语言模型（LLMs）	大型语言模型（LLM）	分子结构数据, 化学知识文本	在九个数据集上进行了评估	NA	CSLLM（基于指令框架的定制化LLM）	在九个数据集上优于现有模型（具体指标未列明）	有限的计算资源
9602	2026-02-08	ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space 2026-Feb-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3661424 PMID:41650430	研究论文	本文提出了一种名为ASIL（增强结构信息学习）的新方法，用于在双曲空间中实现无需预设聚类数量的深度图聚类，尤其针对不平衡图数据	首次将可微结构信息理论引入深度聚类，提出双曲空间中的神经划分树学习模型（LSEnet），并通过增强结构熵目标统一划分树构建与对比学习	未在超大规模图数据集上进行验证，且未讨论计算资源消耗的具体量化分析	解决无需预设聚类数量且能处理不平衡图数据的深度图聚类问题	图数据（特别是具有不平衡聚类结构的图）	机器学习	NA	深度学习方法	深度学习模型	图数据	Citeseer等公开图数据集（具体数量未明确说明）	PyTorch（基于深度学习框架的典型选择）	LSEnet（基于双曲空间的神经划分树架构）	NMI（标准化互信息）	NA（未明确说明具体计算资源）
9603	2026-02-08	Network for Real-time Laryngeal Lesions Video Object Detection 2026-Feb-06, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01855-w PMID:41652139	研究论文	本文提出了一种名为DynSTPN的两阶段视频病变检测网络，用于在复杂场景下实时检测鼻咽-喉部病变	设计了一个动态提示生成器来生成区分性提示，并引入自适应可微分门控机制，以动态调整参考帧对推理帧的增强效果，从而在视频质量下降的情况下提升检测性能	NA	提高鼻咽-喉部肿瘤的早期和准确诊断，通过深度学习实现复杂场景下的实时视频病变检测	鼻咽-喉部病变视频	计算机视觉	鼻咽-喉部肿瘤	NA	CNN	视频	NA	NA	DynSTPN	检测准确率, FPS	NA
9604	2026-02-08	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2026-Feb-04, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.10.026 PMID:41308644	研究论文	本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性	引入多会话降秩回归模型和多会话状态空间模型，首次系统性地捕捉跨试验和会话的神经与行为结构相关性	未与深度学习方法的计算效率进行直接对比，模型在极端非线性场景下的适用性未验证	提升神经解码性能，通过建模跨试验和会话的神经活动相关性	国际脑实验室小鼠Neuropixels数据集中的神经活动与行为数据	机器学习	NA	神经像素记录技术	降秩回归模型,状态空间模型	神经活动时间序列数据	433个会话，覆盖270个大脑区域	NA	多会话降秩回归模型,多会话状态空间模型	NA	NA
9605	2026-02-08	Using AI Algorithms and Machine Learning in the Analysis of a Bio-Purification Method (Therapeutic Emesis, Known as "Vamana Karma"): Protocol for a Mixed Methods Study 2026-Feb-03, JMIR research protocols IF:1.4Q3 DOI:10.2196/79875 PMID:41632954	研究论文	本研究提出并验证了一个AI辅助的数字框架，用于客观评估阿育吠陀中的治疗性呕吐（vamana karma）过程	首次在传统医学系统中探索应用深度学习算法（如YOLOv9和残差神经网络）对治疗性呕吐过程进行客观分析，包括自动呕吐物检测、内容分类和患者姿态识别	研究为探索性，样本量较小（50名志愿者），且需要进一步的临床验证和多中心扩展才能在真实世界部署	开发并验证一个AI辅助的数字框架，用于治疗性呕吐过程的客观评估，以改善临床结果	阿育吠陀中的治疗性呕吐（vamana karma）过程，包括呕吐物特征和患者反应	机器学习	NA	NA	CNN, 残差神经网络	视频, 图像	50名志愿者	TensorFlow, scikit-learn, SPSS	YOLOv9, 残差神经网络	Fleiss κ统计量, 标准机器学习指标	NA
9606	2026-02-08	Artificial Intelligence-based detection of neuropsychiatric lupus: an exploratory meta-analysis of neuroimaging and multimodal biomarker models 2026-Feb-02, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-02030-1 PMID:41627551	荟萃分析	本文对基于人工智能的神经影像学和多模态生物标志物模型在检测神经精神性狼疮中的诊断性能、异质性和方法学特征进行了探索性荟萃分析	首次对应用于神经精神性狼疮检测的人工智能模型进行系统性探索性荟萃分析，综合评估了其诊断性能、方法学异质性和稳健性	研究间存在显著的异质性，汇总估计值不稳定且受个别研究影响，外部验证和可解释人工智能方法应用不足，目前尚无法得出关于临床适用性的明确结论	评估基于人工智能的模型使用神经影像学和多模态生物标志物检测系统性红斑狼疮中神经精神性受累的诊断性能、异质性和方法学特征	系统性红斑狼疮患者的神经影像学数据（如结构或功能MRI、磁共振波谱）及其他生物信息学模态数据（如基于波谱的分子指纹、脑脊液或血清生物标志物）	机器学习	神经精神性狼疮	神经影像学（结构/功能MRI、磁共振波谱）、光谱学、生物标志物分析	机器学习, 深度学习	图像, 生物标志物数据	超过800名参与者（来自14项研究）	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
9607	2026-02-08	Open-surface digital ELISA enabled by magnetic trapping and deep learning for rapid and highly sensitive detection of African swine fever 2026-Feb-02, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118473 PMID:41650557	研究论文	本研究开发了一种结合开放空间磁珠阵列与人工智能的开放表面数字ELISA平台，用于快速、高灵敏度检测非洲猪瘟病毒p30抗原	通过磁捕获形成开放空间微腔，结合往复流微流体和原位酪胺信号放大，消除了免疫复合物封装步骤，提高了微腔利用率和抗原捕获效率，并采用改进的Mask R-CNN进行智能图像识别	未明确提及具体局限性，但可能涉及平台在实际现场应用中的验证或成本效益分析	开发一种快速、高灵敏度的检测方法，用于早期诊断非洲猪瘟，以减少经济损失	非洲猪瘟病毒p30抗原	数字病理	非洲猪瘟	数字ELISA, 磁捕获, 微流体技术, 原位酪胺信号放大	CNN	图像	血清样本验证（具体数量未提及）	未明确指定，但基于卷积神经网络框架	Mask R-CNN	检测限, 灵敏度, 特异性	未明确提及
9608	2026-02-08	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2026-Feb, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文提出了一个名为AMPCliff的定量定义和基准测试框架，用于研究由标准氨基酸组成的抗菌肽中的活性悬崖现象	首次针对抗菌肽中的活性悬崖现象提出了定量定义和系统性的基准测试框架，并评估了多种机器学习、深度学习和语言模型在该任务上的表现	当前基于深度学习的表示模型在预测抗菌肽活性悬崖方面仍有局限，需要整合原子级动态信息以更准确捕捉抗菌肽特性	定量定义和基准测试抗菌肽中的活性悬崖现象，并评估现有预测模型的性能	由标准氨基酸组成的抗菌肽，特别是针对金黄色葡萄球菌的抗菌肽对	机器学习	NA	NA	机器学习, 深度学习, 掩码语言模型, 生成语言模型	序列数据	来自公开AMP数据集GRAMPA的成对抗菌肽基准数据集	NA	ESM2	Spearman相关系数	NA
9609	2026-02-08	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2026-Feb, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水方面的性能	首次对机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水方面的预测性能进行了系统性的综述和荟萃分析	纳入的研究数量有限（6项），且仅提取了各研究中性能最佳模型的数据，可能存在选择偏倚	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	机器学习	脑积水	NA	机器学习，深度学习	NA	2096名个体	NA	NA	AUC，准确率，灵敏度，特异性，诊断比值比	NA
9610	2026-02-08	Deep learning and iterative image reconstruction for head CT: Impact on image quality and radiation dose reduction-Comparative study 2026-Feb, The neuroradiology journal DOI:10.1177/19714009251345108 PMID:40406852	研究论文	本研究客观评估了深度学习图像重建算法在无增强头部CT中，相较于自适应统计迭代重建算法，在改善图像质量和降低辐射剂量方面的能力	首次将深度学习图像重建算法应用于头部CT，并与标准迭代重建算法进行对比，展示了其在图像质量和辐射剂量降低方面的显著优势	研究样本量较小，且剂量降低功能在宽探测器扫描仪中因缺乏机架角度调整而效果有限	评估深度学习图像重建算法在头部CT中的图像质量改善和辐射剂量降低能力	无增强头部CT扫描图像	医学影像分析	NA	CT扫描	深度学习	图像	35名患者	NA	深度学习图像重建	信噪比, 对比噪声比	NA
9611	2026-02-08	FusionMVSA: Multi-View Fusion Strategy With Self-Attention for Enhancing Drug Recommendation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586758 PMID:40622834	研究论文	本文提出了一种名为FusionMVSA的创新深度学习模型，用于预测药物与疾病之间的关联，以增强药物推荐	提出了一种结合多视图融合策略与自注意力机制的特征提取方法，利用共享组参数计算多视角自注意力以突出共同特征，并利用生物医学相似性作为引导捕获更细微特征	NA	开发一种动态整合多源数据的方法以预测药物与疾病关联，提升药物推荐效果	药物与疾病之间的关联关系	机器学习	NA	多源数据整合	多层感知机神经网络, 自注意力机制	多源生物医学数据	NA	NA	FusionMVSA	NA	NA
9612	2026-02-08	mRSubLoc: A Novel Multi-Label Learning Framework Integrating RNA Large Language Model for mRNA Subcellular Localization 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3591454 PMID:40694461	研究论文	提出了一种名为mRSubLoc的新型多标签深度学习框架，用于预测mRNA的亚细胞定位	整合了RNA大语言模型RNAErnie与one-hot编码和Word2Vec嵌入来构建mRNA序列的全面表示，并采用多标签学习框架处理多定位任务	未在摘要中明确说明	预测mRNA的亚细胞定位，以促进基因表达调控研究和靶向药物开发	信使RNA (mRNA)	自然语言处理, 机器学习	NA	RNA大语言模型, one-hot编码, Word2Vec嵌入	TextCNN, BiLSTM, MLP	序列 (mRNA序列)	NA	NA	TextCNN, BiLSTM, 多头自注意力机制, MLP	Aiming, Coverage, Accuracy, Absolute-True, Absolute-False	NA
9613	2026-02-08	Stroke-Aware CycleGAN: Improving Low-Field MRI Image Quality for Accurate Stroke Assessment 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605566 PMID:40902054	研究论文	提出一种名为Stroke-Aware CycleGAN (SA-CycleGAN)的3D深度学习模型，用于提升低场MRI图像质量以改善常规卒中评估	在传统CycleGAN基础上，引入卒中病灶先验知识，通过新颖的空间特征变换机制，并结合梯度差异损失以解决合成图像过度平滑的问题	NA	提升低场便携式MRI设备图像质量，以支持更精确的卒中诊断和病灶量化	卒中患者的低场和高场扩散加权成像(DWI)图像	计算机视觉	卒中	扩散加权成像(DWI)	GAN	图像	101对高场和低场DWI图像，来自同一患者的双扫描	NA	CycleGAN	病灶体积相关性(R值), 平均绝对体积差异	NA
9614	2026-02-08	A Physics-ASIC Architecture-Driven Deep Learning Photon-Counting Detector Model Under Limited Data 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605886 PMID:40907044	研究论文	本文提出了一种基于物理-ASIC架构驱动的深度学习光子计数探测器模型，用于在有限校准数据下准确建模光子计数CT中的探测器响应	该模型创新性地结合物理原理与ASIC架构，能够全面捕捉探测器传感器和ASIC的响应，在有限数据下实现高精度建模	模型在有限校准数据条件下开发，可能对数据稀缺性敏感，且未明确讨论模型在极端条件下的泛化能力	解决光子计数CT中探测器在有限校准数据下的准确建模问题，以促进该技术的广泛应用	光子计数探测器（PCDs）及其在光子计数CT中的应用	医学影像	NA	光子计数CT（PCCT）	深度学习模型	校准数据	有限校准数据	NA	NA	校准误差、参数估计精度、材料分解图像质量	NA
9615	2026-02-08	Lesion Asymmetry Screening Assisted Global Awareness Multi-View Network for Mammogram Classification 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3607877 PMID:40924534	研究论文	本文提出了一种名为LAS-GAM的新型端到端框架，用于乳腺癌诊断，通过模拟放射科医生分析乳腺X光片的工作流程，整合多视图信息进行患者级别的预测	提出了一种患者级别的诊断框架，结合全局模块和病灶筛查模块，模拟放射科医生的全面评估和病灶定位过程，仅使用患者级别标签进行训练，降低了数据标注成本	未明确说明模型在更广泛数据集上的泛化能力，以及计算效率的具体分析	开发一种基于深度学习的计算机辅助系统，用于乳腺X光片的分类诊断，提高诊断性能和可解释性	乳腺X光片图像，特别是患者的四个视图（双侧乳房的CC和MLO视图）	计算机视觉	乳腺癌	深度学习	CNN	图像	使用了DDSM数据集和内部数据集，具体样本数量未明确说明	NA	LAS-GAM（病灶不对称筛查辅助全局感知多视图网络）	AUC	NA
9616	2026-02-08	Vision Mamba: A Comprehensive Survey and Taxonomy 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3610435 PMID:40982514	综述	本文对Mamba模型在视觉领域的应用进行了全面的调查和分类研究	首次系统地将Mamba从自然语言处理领域扩展到视觉领域，并对其在不同视觉任务和数据类型的应用进行了全面的综述和分类	作为一篇综述性文章，主要基于现有文献进行总结，未提出新的模型或实验验证	全面理解和分类Mamba模型在视觉领域的应用潜力	Mamba模型及其在视觉任务中的应用	计算机视觉	NA	状态空间模型	Mamba	序列数据，时间序列，自然语言，视频	NA	NA	Mamba	NA	NA
9617	2026-02-08	Fuzzy Rule-Based Differentiable Representation Learning 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3609722 PMID:40991592	研究论文	本文提出了一种基于模糊规则的可微表示学习方法，旨在解决现有表示学习方法缺乏透明度和可解释性的问题	提出了一种基于TSK模糊系统的可微表示学习方法，通过前件部分将数据映射到高维模糊特征空间，并设计了一种新颖的可微优化方法用于后件部分的学习，在保持可解释性的同时有效捕捉数据非线性关系	未明确说明方法在大规模数据集上的计算效率，也未与其他可解释表示学习方法进行详细比较	开发一种既具有高性能又保持可解释性的表示学习方法	机器学习中的表示学习任务	机器学习	NA	模糊系统，可微优化	模糊规则模型，TSK模糊系统	基准数据集	NA	NA	Takagi-Sugeno-Kang模糊系统	NA	NA
9618	2026-02-08	BrainAuth: A Neuro-Biometric Approach for Personal Authentication 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3613234 PMID:40991601	研究论文	本文提出了一种基于深度强化学习的个人身份认证框架BrainAuth，利用伽马和贝塔脑电波进行身份验证	采用深度强化学习框架，结合Dyna框架和双重估计技术，引入分层结构架构以减少探索时间，并在可见和未见数据上验证了模型的鲁棒性	未明确说明训练数据的具体规模，且模型在复杂数据结构和延迟敏感环境中的泛化能力仍需进一步评估	开发一个用户友好、鲁棒且可靠的个人身份认证系统	个体的脑电波模式，特别是伽马（γ）和贝塔（β）脑电波	机器学习	NA	脑电波采集与分析	深度强化学习, 深度神经网络	脑电波信号	NA	NA	深度神经网络	等错误率, 真阳性, 假阳性, 真阴性, 假阴性, 错误接受率, 错误拒绝率, 真接受率	NA
9619	2026-02-08	Conditional Virtual Imaging for Few-Shot Vascular Image Segmentation 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3608467 PMID:40996986	研究论文	本文提出了一种用于少样本血管图像分割的条件虚拟成像框架，通过结合有限标注数据和大量未标注数据生成高质量图像，以提高分割学习的准确性和鲁棒性	提出了条件虚拟成像框架，包含两个创新点：1）对齐的图像-掩码对生成，利用大型预训练模型的强大图像生成能力，仅用少量训练图像即可生成具有复杂结构的高质量血管图像；2）双重一致性学习策略，同时训练生成器和分割模型，使它们能够相互学习并最大化有限数据的利用率	未明确说明实验数据的具体来源和规模，也未详细讨论模型在不同血管类型或成像模态上的泛化能力	解决少样本情况下血管图像分割的挑战，提高分割模型的准确性和鲁棒性	血管图像	数字病理	NA	深度学习	生成模型, 分割模型	图像	少量标注血管图像与大量未标注数据	NA	NA	NA	NA
9620	2026-02-08	Automated surgical instrument recognition in laparoscopic cholecystectomy videos: a novel two-step deep learning approach with virtual image synthesis 2026-Feb, Surgical endoscopy DOI:10.1007/s00464-025-12341-9 PMID:41184678	研究论文	本文提出了一种用于腹腔镜胆囊切除术视频中手术器械自动识别的两步深度学习新方法，结合虚拟图像合成技术	通过虚拟图像合成技术生成训练数据，并采用两步深度学习模型（先定位后分类）进行手术器械识别，提高了模型的泛化能力	在公共数据集上的性能（AUC 0.688）相对较低，表明模型在更广泛数据上的泛化能力仍有提升空间	优化手术流程并预防手术器械遗留，通过自动识别腹腔镜手术器械来提高手术效率和安全性	腹腔镜胆囊切除术视频中的手术器械	计算机视觉	胆囊疾病	虚拟图像合成	深度学习模型	图像	来自52名患者的311张器械图像和1610张背景图像，通过数据增强生成6023张合成图像	NA	NA	平均精度, 交并比, 曲线下面积	NA