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
1381	2026-01-25	Study on the release pattern of radon exhalation in the overburden soil of uranium tailings under arid climate and prediction based on Fully Connected Neural Network (FCNN)-based deep learning radon prediction model 2026-Jan-22, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107883 PMID:41576636	研究论文	本研究提出了一种基于全连接神经网络（FCNN）的深度学习氡预测模型，用于预测干旱气候下铀尾矿覆盖土壤的氡析出率	首次将FCNN模型应用于铀尾矿氡析出预测，并通过与LSTM模型的误差比较验证了其优越性，能更准确地反映温度、湿度、裂隙率与氡析出率之间的关系	研究基于室内模拟实验，可能无法完全复现真实干旱气候下的复杂环境条件，且模型在极端条件下的泛化能力未经验证	为铀尾矿管理单位提供一种在高温暴晒条件下预测氡析出率的可行方法，以支持氡的控制与防护	铀尾矿覆盖土壤	机器学习	NA	室内模拟实验	FCNN, LSTM	实验数据（温度、湿度、裂隙率、氡析出率）	一系列不同温度下的室内模拟实验	NA	全连接神经网络（FCNN）, 长短期记忆网络（LSTM）	误差比较	NA
1382	2026-01-25	Corrigendum to 'Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics' [Acad Radiol 33 (2026) 236-254] 2026-Jan-22, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.012 PMID:41577514	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1383	2026-01-25	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-Jan-22, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	本研究通过深度学习衍生的MRI区域脑年龄，探讨了慢性卒中患者对侧半球神经可塑性与运动障碍之间的关联	首次使用图卷积网络算法估计18个预定义功能亚区的区域脑预测年龄差异，并揭示了卒中病灶大小与同侧脑区加速老化及对侧脑区减速老化之间的关联，表明了对侧半球可能存在补偿性神经机制	研究为回顾性观察性研究，无法确定因果关系；样本主要来自ENIGMA卒中恢复工作组和UK Biobank队列，可能存在选择偏倚；未考虑急性期干预措施对长期结果的影响	探讨慢性卒中患者局灶性病灶损伤、双侧半球区域脑预测年龄差异与运动结局之间的关联，并识别运动障碍的关键预测因子	慢性单侧卒中患者（卒中后>180天）和健康对照个体	医学影像分析	卒中	结构T1加权MRI扫描	图卷积网络	MRI图像	ENIGMA卒中恢复工作组数据集中的501名个体（来自8个国家的34个队列）和UK Biobank数据集中的17791名个体	NA	图卷积网络	β系数, 95%置信区间, FDR校正p值, 调整后平均差	NA
1384	2026-01-25	DynamicGT: A dynamic-aware geometric transformer model to predict protein-binding interfaces in flexible and disordered regions 2026-Jan-21, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101454 PMID:41435823	研究论文	本文提出了一种动态感知的几何Transformer模型（DynamicGT），用于预测蛋白质结合界面，特别是在无序和柔性区域	将构象动力学整合到协作图神经网络与几何Transformer中，通过动态调节核心与表面残基间的消息传递，增强了关键相互作用的检测	模型依赖于分子动力学模拟和AlphaFlow生成的构象数据，可能受限于数据质量和覆盖范围	提高蛋白质结合界面预测的准确性，特别是在无序和柔性区域	蛋白质-蛋白质相互作用，特别是无序、瞬态和未结合结构	机器学习	NA	分子动力学模拟，AlphaFlow生成的构象	图神经网络（GNN），Transformer	蛋白质结构数据，分子动力学模拟数据	基于1毫秒分子动力学模拟数据集，并增强AlphaFlow生成的构象	NA	协作图神经网络（Co-GNN），几何Transformer（GT）	预测准确性	NA
1385	2026-01-25	Multimodal-based Crystal Graph Convolution Neural Networks for Predicting Soil Toxicity to Earthworms 2026-Jan-21, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123770 PMID:41577106	研究论文	本研究开发了一种基于多模态深度学习的模型，通过整合分子级特征、土壤暴露条件及生物与化学物质的内在特性，预测土壤对蚯蚓的毒性指数	提出了一种集成晶体图卷积神经网络与宏观环境数据的多模态建模框架，用于可解释的化学毒性评估，超越了传统的单模态方法	数据来源于文献，数据集规模有限，可能影响模型的泛化能力	开发一个整合多尺度特征的多模态深度学习模型，以预测土壤中化学物质对蚯蚓的毒性	14种化学物质对蚯蚓的致死浓度（LC50）	机器学习	NA	晶体图卷积神经网络	CNN	分子结构图，暴露条件、土壤和生物相关数据	14种化学物质的毒性数据	NA	晶体图卷积神经网络	决定系数	NA
1386	2026-01-25	Deep learning architectures for modeling and forecasting stroke cases in Ghana 2026-Jan-21, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2026.108570 PMID:41577309	研究论文	本研究利用深度学习模型对加纳的卒中病例进行建模和预测，以支持数据驱动的公共卫生策略	首次在加纳应用包括LSTM、BLSTM、ConvLSTM和BConvLSTM在内的多种深度学习架构来捕获卒中发病率的时空模式，并纳入糖尿病患病率作为协变量	研究仅使用了加纳2018年至2023年的月度卒中病例数据，数据来源和时间范围有限，可能影响模型的泛化能力	建模和预测加纳的卒中发病率，为公共卫生规划和干预提供数据支持	加纳的卒中病例	机器学习	卒中	NA	LSTM, BLSTM, ConvLSTM, BConvLSTM	时间序列数据	2018年至2023年的月度卒中病例数据	Python, R	LSTM, BLSTM, ConvLSTM, BConvLSTM	MAE, MSE, RMSE, MAPE	NA
1387	2026-01-25	A zero-shot learning framework for chilli leaf disease detection, classification and severity estimation using contrastive image text representations 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32959-y PMID:41559188	研究论文	本文提出了一种零样本学习框架，用于辣椒叶病害的检测、分类和严重程度估计，利用对比图像文本表示方法	提出了一种零样本双编码器框架，结合Vision Transformer和RoBERTa语义编码器，能够识别未见过的病害类别并基于病变面积比估计其严重程度，无需重新训练模型	未明确说明框架在处理极端环境条件或高度变异病害模式时的泛化能力，且数据集可能未涵盖所有潜在病害类型	开发一个零样本学习框架，以自动检测、分类和估计辣椒叶病害的严重程度，解决传统方法对未见病害识别不足的问题	辣椒叶病害	计算机视觉	植物病害	对比图像文本表示学习	Vision Transformer, RoBERTa	图像	未明确指定，但使用了一个在不同环境条件下收集的辣椒叶数据集	未明确指定，可能基于PyTorch或TensorFlow	Vision Transformer, RoBERTa	准确率, 精确率, 召回率	未明确指定
1388	2026-01-25	Zero-shot deep learning with multi-objective optimization improves thermostability of zearalenone hydrolase and xylanase 2026-Jan-19, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2026.01.009 PMID:41565015	研究论文	本研究通过结合序列和结构深度学习模型，利用零样本设计策略，成功提升了玉米赤霉烯酮水解酶和木聚糖酶的热稳定性，同时保持了高酶活性	提出了一种零样本深度学习与多目标优化相结合的策略，整合了序列模型（MSA Transformer）和结构模型（ABACUS-R），在无需大量实验的情况下，高效设计出同时提升热稳定性和保持活性的多位点突变体	研究仅以两种酶（RmZHD和木聚糖酶）作为模型系统进行验证，其普适性有待在更多酶类中进一步检验	开发一种高效设计兼具高热稳定性和高活性的工业用酶的方法	玉米赤霉烯酮水解酶（RmZHD）和木聚糖酶	机器学习	NA	深度学习模型，多目标优化，Markov Chain Monte Carlo采样	Transformer, 深度学习模型	蛋白质序列数据，蛋白质结构数据	NA	NA	ABACUS-R, ProGen2, MSA Transformer	热稳定性提升（ΔT），野生型活性保留百分比	NA
1389	2026-01-25	Construction of musculoskeletal quantitative model based on deep learning and study of musculoskeletal relationship in patients with osteoporosis 2026-Jan-18, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.01.037 PMID:41558598	研究论文	本研究基于深度学习构建了用于骨质疏松患者腰椎CT和MRI的肌肉骨骼定量模型，并探索了肌肉骨骼关系	开发了基于U-Net的UNet3D模型，能同时分割CT上的L1-S1椎体和MRI上的椎旁肌/肌间隙，并在性能上超越了U-Net、U2-Net和Mask R-CNN	研究为回顾性分析，样本来自两个中心，可能存在选择偏倚；外部测试集样本量相对较小	开发用于骨质疏松筛查的深度学习肌肉骨骼定量模型，并研究骨质疏松患者的肌肉骨骼关系	骨质疏松患者的腰椎CT、MRI和DXA扫描图像	数字病理学	骨质疏松	CT, MRI, DXA扫描	CNN	图像	410名骨质疏松患者（平均年龄65±10岁，240名女性），包含76,700张CT轴位切片和6,210张T2 MRI轴位切片，分为训练集（266例）、验证集（76例）、内部测试集（38例）和外部测试集（30例）	未明确指定，但提及了U-Net、U2-Net、Mask R-CNN等模型	UNet3D, U-Net, U2-Net, Mask R-CNN	像素准确率（PA）、平均像素准确率（mPA）、平均交并比（mIoU）	NA
1390	2026-01-25	GIN-transformer based pairwise graph contrastive learning framework 2026-Jan-18, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108621 PMID:41576557	研究论文	本文提出了一种基于GIN-Transformer的成对图对比学习框架，用于从静息态功能磁共振成像中自动诊断神经精神疾病	结合图同构网络和Transformer，通过无监督图对比学习解决数据稀缺问题，并利用双模态对比学习模块实现多尺度特征提取	未明确说明模型在更广泛数据集或实际临床环境中的泛化能力限制	开发一种无监督学习框架，以降低对标记数据的依赖，提高神经精神疾病的自动诊断性能	静息态功能磁共振成像数据，用于自闭症谱系障碍和重度抑郁障碍的诊断	机器学习	神经精神疾病	静息态功能磁共振成像	GIN, Transformer	图像（时间序列数据）	两个公开数据集，具体样本数量未在摘要中提供	NA	GIN-Transformer	NA	NA
1391	2026-01-25	Deep learning-guided engineering of pectinase for enhanced catalytic performance in tobacco processing 2026-Jan-17, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134028 PMID:41554444	研究论文	本研究利用深度学习引导的蛋白质工程方法，对果胶酶进行理性设计，以提升其在烟草加工中的催化性能	结合ProteinMPNN与多序列比对，通过深度学习指导酶工程，成功设计出具有72个突变的果胶酶变体DS-5，其催化活性提升8.9倍，热稳定性和pH适应性显著增强，并首次将催化性能提升与终端产品质量（如烟草感官特性改善）直接关联	未明确提及实验样本量或重复次数，且未详细说明深度学习模型的泛化能力或对其他酶类的适用性	通过深度学习引导的酶工程，提升果胶酶的催化性能，以优化工业应用（如烟草加工和果汁澄清）中的效率与产品质量	果胶酶（一种用于降解果胶的酶），重点关注其突变变体DS-5	机器学习	NA	深度学习，蛋白质工程，多序列比对，分子动力学分析	ProteinMPNN（一种基于深度学习的蛋白质序列设计模型）	蛋白质序列数据，结构数据	NA	NA	ProteinMPNN	催化活性（倍数提升），热稳定性（最适温度变化），pH范围适应性	NA
1392	2026-01-25	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-Jan-17, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出了一种基于几何映射的fMRI迁移学习方法，使从2D自然图像到4D fMRI脑图像的迁移学习成为可能	通过将大脑皮层视为3D空间中的折叠黎曼流形，并利用表面几何映射将其映射到2D空间，从而弥合了fMRI数据与自然图像之间的迁移学习鸿沟	未明确提及	解决fMRI数据集样本量小的问题，并实现从大规模2D自然图像到4D fMRI脑图像的有效迁移学习	fMRI脑图像数据	医学图像分析	抑郁症	功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号	深度学习模型（具体未指定），迁移学习	4D fMRI图像，2D自然图像	基于人类连接组计划（HCP）数据集，并在23个抑郁症数据集上验证	未明确提及	多尺度多域特征聚合（MMFA）模块	未明确提及具体指标，但提及在性别分类、年龄估计和行为测量预测任务中达到最先进性能	未明确提及
1393	2026-01-25	Dataset-centric evaluation of federated intrusion detection models in IoT networks 2026-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32567-w PMID:41545394	研究论文	本文对物联网网络中的联邦入侵检测模型进行了全面的数据集中心评估	首次跨三个当代物联网/工业物联网数据集进行联邦学习入侵检测系统的综合评估，并引入标签统一和特征对齐方法	评估仅限于三个数据集，可能未覆盖所有物联网场景；联邦学习模型在跨数据集测试中性能下降显著	评估联邦学习在物联网入侵检测系统中的泛化能力、收敛行为和通信成本	物联网网络中的入侵检测系统	机器学习	NA	联邦学习	LSTM, Transformer	网络流量数据	三个数据集：Edge-IIoTset (2022), CIC-IoT2023, TII-SSRC-23 (2023)	NA	LSTM, Transformer	macro-F1, 准确率	NA
1394	2026-01-25	Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg 2026-Jan-16, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121729 PMID:41548822	研究论文	本文提出了一种基于SynthSeg框架的数据驱动训练时采样策略，旨在提高胎儿脑部MRI分割模型在对比度和病理变化下的泛化能力	引入了一种新颖的数据驱动训练时采样策略，充分利用训练数据集的多样性，以增强模型在胎儿脑部MRI中面对不同对比度和病理形状差异时的泛化能力	模型在解剖异常较少的情况下性能略有下降，需要在泛化性与特定场景精度之间进行权衡	开发能够自动分割具有广泛领域偏移（如生理和采集环境差异）的胎儿脑部MRI的深度学习网络	胎儿脑部磁共振成像（MRI）数据	计算机视觉	NA	磁共振成像（MRI）	CNN	图像	NA	NA	NA	NA	NA
1395	2026-01-25	Dual-representation structural MRI classification of psychiatric disorders using deep learning and large language models 2026-Jan-16, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112146 PMID:41576904	研究论文	本研究提出了一种双表征结构MRI框架，结合深度学习与大型语言模型，用于精神疾病的分类与解释	提出结合原始MRI切片与组织分割图的双表征分析框架，并首次使用大型语言模型对CNN输出进行后验解释分析	数据集规模有限（N=103），需通过迁移学习和数据增强技术弥补	开发更准确、可解释的精神疾病神经影像诊断工具	健康对照组、精神分裂症谱系、伴精神病性症状的双相情感障碍、不伴精神病性症状的双相情感障碍	医学影像分析	精神疾病	结构MRI（T1加权）	CNN, LLM	医学影像（MRI切片）	103例样本	PyTorch（推测）	ResNet-18	四分类准确率	NA
1396	2026-01-25	Pain assessment using physiological responses/markers in different types of pain: a scoping review 2026-Jan-15, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02241-6 PMID:41540230	综述	本文对2014年至2024年间利用生理信号进行疼痛评估的生物标志物和机器学习方法进行了范围综述	系统性地总结了不同疼痛类型下生理信号特征的变化，并回顾了基于经典机器学习和深度学习技术的最新疼痛评估模型	作为一篇范围综述，主要关注文献总结而非原始研究，未提供新的实验数据或模型验证	概述利用生理信号进行客观疼痛评估的最新进展，强调该领域日益增长的研究兴趣和未满足的需求	疼痛评估的生物标志物和机器学习方法	机器学习	NA	生理信号分析	经典机器学习, 深度学习	生理信号	NA	NA	NA	NA	NA
1397	2026-01-10	A deep learning framework for species-level identification of root-knot nematodes using perineal pattern images 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33143-y PMID:41507258	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1398	2026-01-25	RTCC-Net: tropical cyclone generation classification model based on multi-source information fusion 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33207-z PMID:41507302	研究论文	本文提出了一种基于多源信息融合的热带气旋生成分类模型RTCC-Net，用于准确预测热带云团是否会发展为热带气旋	通过计算对流核心图和极坐标表示，并结合ResNet与自注意力机制提取时空特征，实现了对热带云团数据的更充分特征提取，超越了以往深度学习研究的局限性	未明确提及模型在处理极端或罕见天气模式时的泛化能力，以及在不同地理区域的应用限制	提高热带气旋生成的预测准确性，以支持灾害预防和减灾工作	热带云团的红外图像数据	计算机视觉	NA	红外图像分析	CNN, 自注意力机制	图像	未明确提及具体样本数量	未明确提及，可能为TensorFlow或PyTorch	ResNet	检测率, 误报率	未明确提及
1399	2026-01-25	A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study 2026-Jan-02, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.12.038 PMID:41576754	研究论文	本研究开发了一种融合临床变量、影像组学特征和深度学习特征的多模态预测模型，用于提高钝性胸部创伤患者的预后预测准确性	通过整合多时间点CT影像与临床变量，构建了多模态融合模型，并引入代表时间变化的delta特征，显著提升了预后性能	回顾性研究设计，样本量相对有限（337例），且仅来自三个医疗中心，可能存在选择偏倚	提高钝性胸部创伤患者的预后预测准确性	钝性胸部创伤患者	数字病理学	胸部创伤	CT成像	LASSO回归, 深度学习模型	临床数据, CT图像	337例患者（来自三个医疗中心）	NA	NA	AUC, 校准曲线, 决策曲线分析, 净重分类改善指数, 综合判别改善指数	NA
1400	2026-01-25	3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401050 PMID:40509616	研究论文	本文介绍了一种在活体人视网膜类器官中定量三维表征病毒转导效率的方法	结合活体成像和深度学习图像分割，实现了在三维活体组织中单细胞水平的时空定量分析，克服了传统方法的组织解离和空间信息丢失问题	方法依赖于特定的成像技术和类器官模型，可能无法完全模拟体内复杂环境	优化基因疗法，通过定量测试病毒转导效率来指导治疗开发	人视网膜类器官	数字病理学	NA	共聚焦活体成像，工程化腺相关病毒（AAV）载体	深度学习	三维图像	NA	NA	NA	NA	NA