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
14781	2026-02-08	Social network analysis for crime prediction under social computing and deep learning technology 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34891-7 PMID:41491265	研究论文	提出一种基于账户关联的关键人物识别模型（KPI-AA），用于犯罪网络中的关键节点识别与行为预测	结合局部邻居相似性与全局边介数，并利用图神经网络对社交网络中的关键节点进行深度表征，以揭示复杂社会结构中的潜在组织核心和犯罪网络中的潜在扩散路径	NA	识别犯罪网络中的隐藏关键人物并预测犯罪行为，服务于社会安全治理与刑事侦查应用	犯罪网络、社交网络中的关键节点	社交计算、机器学习	NA	社交网络分析、图神经网络	GNN	网络图数据	Zachary网络、Harry Potter网络、Twitter数据集	NA	图神经网络	传播动力学（感染节点数）、网络鲁棒性（相对连通性）、排名一致性（Kendall's tau系数）、计算效率	NA
14782	2026-02-08	Knowledge graph-enhanced deep learning for pharmaceutical demand forecasting 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35113-4 PMID:41491846	研究论文	本文提出了一种结合知识图谱与深度学习的混合模型KG-GCN-LSTM，用于提高药品需求预测的准确性和鲁棒性	首次将药品知识图谱与深度学习技术结合，通过GCN提取相关药品特征，LSTM捕捉时序动态，以解决传统方法难以处理的非线性需求模式	未提及模型在更广泛数据集或不同医疗环境下的泛化能力，以及知识图谱构建的依赖性和可扩展性	提高药品需求预测的准确性，以优化医疗供应链管理	药品需求预测，基于药房销售数据和药品知识图谱	机器学习	NA	知识图谱构建，深度学习	GCN, LSTM	时序销售数据，知识图谱	未明确指定，但基于真实世界药房销售数据	未明确指定，可能为PyTorch或TensorFlow	GCN, LSTM	SMAPE	未明确指定
14783	2026-02-08	Multimodal graph, surface, and language-based model for protein protein interaction prediction 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34758-x PMID:41495146	研究论文	本文提出了一种名为GSMFormer-PPI的新型多模态框架，用于预测蛋白质-蛋白质相互作用，通过整合蛋白质分子表面特征、3D结构图和残基级序列嵌入来提高预测准确性	引入几何深度学习提取表面物理化学描述符，结合图卷积网络处理结构上下文，并采用带有线性投影器的Transformer编码器学习超越简单拼接的复杂跨模态交互	未明确说明模型在更大或更复杂数据集上的泛化能力，也未讨论计算效率或资源需求的具体限制	提高蛋白质-蛋白质相互作用预测的准确性，以理解生物过程和疾病机制	蛋白质-蛋白质相互作用	机器学习	NA	几何深度学习，图卷积网络，Transformer编码器	GCN, Transformer	蛋白质分子表面特征，3D结构图，残基级序列嵌入	基于策划的PINDER数据集进行评估，具体样本数量未明确	NA	MaSIF, GCN, Transformer	NA	NA
14784	2026-02-08	Innovative Learning in Anatomy Education: Assessing the Impact of Low-Cost 3D Deep Learning Anatomical Models in Museum-Based Instruction 2026-01, Journal of surgical education IF:2.6Q1 DOI:10.1016/j.jsurg.2025.103748 PMID:41187606	研究论文	本研究评估了基于低成本交互式3D模型和深度学习的虚拟解剖博物馆教学方法，在提升医学生临床推理和解剖学理解方面的有效性	将PointNeXt深度学习骨干网络与AnatoVision模块结合，构建了一个基于网络的虚拟解剖博物馆平台，为资源有限环境下的解剖学教育提供了一种低成本、可扩展的交互式补充方案	研究为非实验性观察性研究，样本量较小（40名本科生），且对照组与目标组的教学方法存在质性差异，无法进行直接比较；技术困难报告率为25%	评估虚拟解剖博物馆教学方法在提升医学生临床推理和解剖学熟练度方面的有效性	哈利德国王大学应用医学科学学士课程的40名本科医学生	数字病理	NA	虚拟解剖博物馆，交互式3D模型可视化	深度学习	3D模型，问卷数据	40名本科医学生（目标组20人，对照组20人）	NA	PointNeXt, AnatoVision Block	5点李克特量表评分，案例问卷评分（接受度、临床问题解决创造力、动机、知识获取、沟通技巧），p值	NA
14785	2026-02-08	Sequence to Location: Protein Subcellular Localization Driven by Deep Pretrained Language Model 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3634612 PMID:41259184	研究论文	本研究提出了一种名为SubLoc的深度学习算法，用于预测蛋白质亚细胞定位，结合了蛋白质语言模型、图卷积网络和注意力机制	首次将深度预训练的蛋白质语言模型ProtT5与3D蛋白质结构图模型及双向门控循环单元结合，用于蛋白质亚细胞定位预测	仅针对10个亚细胞区室进行预测，未涵盖所有可能的细胞定位，且依赖于蛋白质序列和结构数据的可用性	开发一种高效、准确的蛋白质亚细胞定位预测方法，以替代传统耗时耗力的实验技术	蛋白质序列及其亚细胞定位	自然语言处理	NA	蛋白质语言模型，图卷积网络，注意力机制	ProtT5, 图卷积网络, 双向门控循环单元, 多头注意力机制	蛋白质序列，蛋白质结构图	NA	NA	ProtT5, 图卷积网络, 双向门控循环单元	精确度, 召回率, MCC平均值	NA
14786	2025-12-06	Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70139 PMID:41346225	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14787	2026-02-08	iDeep-Cancer: Predicting Cancer-Related circRNA-RBP Binding Sites Using a Hybrid Network Framework 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3642248 PMID:41370173	研究论文	本文提出了一种名为iDeep-Cancer的混合网络框架，用于预测癌症相关的circRNA-RBP结合位点	结合改进的DenseNet、双向门控循环单元和自注意力机制，仅使用circRNA序列进行预测，克服了现有方法特征学习不足和可扩展性差的问题	NA	预测circRNA与RNA结合蛋白之间的相互作用位点，以促进人类疾病调控研究	circRNA序列及其与RNA结合蛋白的相互作用	自然语言处理	癌症	NA	CNN, LSTM	序列数据	NA	NA	DenseNet, BiGRU, Self-attention	NA	NA
14788	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14789	2026-02-08	A Mixed Dual-Branch Network for Detecting Cervical Spondylotic Myelopathy and Parkinsonian Syndromes via Gait Analysis 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3654804 PMID:41543967	研究论文	本研究提出了一种混合双分支网络DCDM-Net，通过步态分析来区分颈椎病性脊髓病、帕金森综合征患者和健康个体	提出了一种结合卷积块注意力模块和证据深度学习的双分支网络，并采用协同决策方法进行分类，在不确定性估计方面优于传统方法	仅使用关节角度特征时，跨数据集外分布验证性能较差，表明模型对角度特征的依赖性可能导致分布重叠	开发一种基于步态分析的分类模型，以减少颈椎病性脊髓病和帕金森综合征的误诊	颈椎病性脊髓病患者、帕金森综合征患者和健康对照者	机器学习	颈椎病性脊髓病, 帕金森综合征	步态分析	CNN, MLP	时间序列数据	133名参与者（51名CSM患者、49名PS患者、33名健康对照）	PyTorch	ResNet, CBAM, MLP	准确率, AUC, 预期校准误差, Brier分数, AUROC, AUPR	未明确说明
14790	2026-02-08	GEXPNET: A Novel Gene EXPression NETwork for Tumor Classification Using the ResNet-Based Deep Learning Approach 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3637184 PMID:41385413	研究论文	本文提出了一种名为GexpNet的新型深度学习架构，用于从微阵列基因表达数据中准确分类癌症亚型	提出了一种集成动态多头残差块和自适应密集分类器的深度学习架构，并引入了包含中位数插补、分位数归一化和基于逻辑回归的监督特征选择的定制预处理流程	未明确说明模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算效率或模型可解释性	开发一种用于癌症亚型分类的深度学习框架，解决高维性、类别不平衡和样本量有限等挑战	微阵列基因表达数据	机器学习	癌症	微阵列基因表达分析	CNN	基因表达数据	四个公开数据集（包括Mendeley数据集）	NA	ResNet	准确率, F1分数	NA
14791	2026-02-08	Deep Learning Reconstruction Enhances Lung Cancer CT Imaging 2026-Jan, Cureus DOI:10.7759/cureus.100762 PMID:41640929	研究论文	本文通过一个病例研究，展示了超高清CT结合深度学习重建技术在评估肺尖部肿瘤中的应用	将超高清CT与深度学习重建技术结合，显著减少了图像噪声和伪影，提高了对肺尖部肿瘤与邻近结构关系的评估能力	仅基于单个病例研究，样本量有限，需要更大规模的研究来验证其普遍适用性	评估深度学习重建技术在增强肺癌CT成像质量方面的效果	一位70岁男性患者的右肺上叶腺癌	数字病理学	肺癌	超高清CT扫描，深度学习重建	深度学习模型	CT图像	1例患者	NA	NA	图像质量改善，噪声和伪影减少	NA
14792	2026-02-08	Novel fusion architecture of multi-location blood flow sounds for arteriovenous fistula stenosis diagnosis 2025-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109022 PMID:40886696	研究论文	本文提出了一种基于多位置血流声音融合的架构，用于动静脉瘘狭窄诊断	引入了多位置融合架构（MPFA）结合位置元数据，通过通道融合和时间融合策略，利用多个血管段的声音信息提升诊断准确性，而非仅依赖模型复杂度增加	未明确说明数据采集的具体环境条件或潜在噪声干扰，且样本量未在摘要中详细披露	诊断动静脉瘘狭窄并确定其精确位置	动静脉瘘的血流声音数据	机器学习	心血管疾病	血流声音分析	深度学习模型	声音数据	NA	NA	通用模型和个体位置模型	准确率	NA
14793	2026-02-08	Resolution enhancement and target segmentation of medical images based on the frequency-domain information in deep learning 2025-Aug-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.557903 PMID:40981883	研究论文	本文提出了一种基于频域信息的深度学习网络，用于增强医学图像分辨率并优化细胞分割	通过将图像映射到频域，独立处理振幅和相位信息，并采用融合策略恢复清晰图像，超越了传统空间域方法	NA	提高医学图像分辨率以优化细胞分割，支持癌症诊断和分级	数字病理图像中的细胞核	数字病理	癌症	深度学习	CNN	图像	NA	NA	频域分辨率网络	NA	NA
14794	2026-02-08	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.09.669342 PMID:40832296	研究论文	本文介绍了SynAnno，一种用于大规模连接组学数据集中突触注释交互式校对的新工具	开发了集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以提升校对效率和准确性	NA	旨在通过交互式工具改进连接组学中突触注释的校对过程	大规模连接组学数据集中的突触注释	数字病理学	NA	深度学习	NA	图像	涉及七位神经科学专家的用户和案例研究	PyTorch	NA	校对速度、认知负荷、注释错误率	NA
14795	2026-02-08	Transforming cervical cancer pathological diagnosis through artificial intelligence: progress, performance, and barriers to clinical implementation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1716018 PMID:41640440	综述	本系统综述评估了人工智能技术在宫颈癌病理诊断中的应用现状、发展水平及关键挑战	系统性地总结了AI在宫颈癌病理诊断中的进展，特别指出深度学习模型可将诊断时间从8-15分钟缩短至1-3分钟，并达到92-98%的准确率	存在标准化问题、临床验证有限以及基础设施成本高昂等实施挑战	评估人工智能技术在宫颈癌病理诊断中的应用与挑战	涉及宫颈癌病理诊断的人工智能应用研究，包括组织病理学、免疫组织化学和分子病理学诊断	数字病理学	宫颈癌	NA	CNN	组织病理学图像	基于56项纳入研究，具体样本量未在摘要中明确	NA	卷积神经网络	诊断准确率	NA
14796	2026-02-08	CervSpineNet: a hybrid deep learning-based approach for the segmentation of cervical spinous processes 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1733689 PMID:41635798	研究论文	本文提出了一种名为CervSpineNet的混合深度学习框架，用于自动分割颈椎棘突，并基于专家标注的500张颈椎X光片数据集进行验证	结合基于Transformer的编码器捕获全局解剖上下文与轻量级卷积解码器细化局部边界，并采用复合损失函数联合优化区域重叠、类别平衡、结构保真度和边界准确性	未提及模型在外部数据集或不同设备采集图像上的泛化性能	开发自动化工具以可靠分割颈椎棘突，支持解剖标志定位、手术规划和脊柱畸形纵向评估	颈椎棘突	计算机视觉	脊柱畸形	X射线成像	混合深度学习框架	图像	500张颈椎脊柱X光片	未明确提及	Transformer编码器与卷积解码器混合架构	Dice系数, IoU, SSIM, HD95距离, MAE	标准临床硬件
14797	2026-02-08	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-11, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种深度学习算法，用于自动分类小儿脊柱侧弯患者的脊柱X光片	首次将EfficientNet B6架构应用于小儿脊柱侧弯X光片的自动分类，实现了高精度分类，为大规模影像注册库的数据自动录入提供了重要工具	在数据集中图像数量少于100的类别上观察到性能较低，可能影响模型在罕见类别上的泛化能力	开发自动分类小儿脊柱侧弯患者脊柱X光片的算法，以支持大规模影像注册库的数据管理	小儿脊柱侧弯患者的脊柱X光片（前后位和侧位）	计算机视觉	脊柱侧弯	X光成像	CNN	图像	7777张前后位图像和5621张侧位图像，总计13398张X光片	NA	EfficientNet B6	准确率, 精确率, 召回率, F1分数	NA
14798	2026-02-08	PolyAMiner-Bulk is a deep learning-based algorithm that decodes alternative polyadenylation dynamics from bulk RNA-seq data 2024-Feb-26, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100707 PMID:38325383	研究论文	本文介绍了一种基于深度学习的算法PolyAMiner-Bulk，用于从批量RNA-seq数据中解码选择性多聚腺苷酸化动态	该算法使用注意力机制准确重建C/PAS序列语法，解决重叠C/PAS问题，捕捉非近端至远端APA变化，并生成可视化结果，相比现有方法能更准确地识别APA变化	NA	开发一种能够从批量RNA-seq数据中准确解码选择性多聚腺苷酸化动态的算法	选择性多聚腺苷酸化动态及其在人类疾病中的调控	自然语言处理	NA	RNA-seq	深度学习	RNA-seq数据	NA	NA	注意力机制	NA	NA
14799	2026-02-08	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一种名为IDSL_MINT的深度学习框架，用于从质谱数据预测分子指纹	IDSL_MINT首次将Transformer模型应用于质谱数据，类似于大型语言模型，能够将MS/MS谱图转化为分子指纹描述符	NA	提高非靶向代谢组学和暴露组学研究中MS/MS谱图的注释率	质谱数据（MS/MS谱图）	机器学习	NA	串联质谱（MS/MS）	Transformer	质谱数据	使用LipidMaps数据库进行基准测试	NA	Transformer	NA	NA
14800	2026-02-08	Multi-objective ensemble deep learning using electronic health records to predict outcomes after lung cancer radiotherapy 2019-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab555e PMID:31698346	研究论文	提出一种基于电子健康记录的多目标集成深度学习方法，用于预测肺癌放疗后的治疗失败高风险	结合动态集成深度学习、自适应多目标优化和证据推理融合，提高预测模型的鲁棒性和准确性	NA	利用电子健康记录预测肺癌放疗后的治疗结果，以支持个性化治疗计划	肺癌患者	机器学习	肺癌	电子健康记录分析	深度学习	电子健康记录	1007名患者（814名未达到无病状态，193名无病且随访至少一年）	NA	深度感知器网络	灵敏度, 特异度, AUC	NA