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
1481	2026-01-24	Comparative machine learning and deep learning frameworks for robust carcinogenicity prediction and activity cliff analysis 2026-Jan-23, Environmental science. Processes & impacts DOI:10.1039/d5em01001b PMID:41575273	研究论文	本研究开发了基于机器学习和深度学习框架的预测模型，用于大鼠致癌性数据的二元分类，并与人类致癌性紧密关联	结合了特征基方法和化学语言建模，引入了c-RASAR模型和ARKA描述符，能够识别活性悬崖并解释误预测原因	NA	开发稳健的致癌性预测模型并进行活性悬崖分析	工业化学品的致癌性数据	机器学习	癌症	化学语言建模	线性判别分析, 人工神经网络, 逻辑回归, LSTM	化学描述符, SMILES字符串	NA	NA	LSTM	NA	NA
1482	2026-01-24	Confidence-based prediction of antibiotic resistance at the patient level 2026-Jan-23, mBio IF:5.1Q1 DOI:10.1128/mbio.03431-25 PMID:41575464	研究论文	本研究提出了一种基于深度学习和患者数据预测抗生素敏感性的方法，以应对抗生素耐药性问题	利用Transformer模型结合患者数据和抗生素敏感性测试结果，预测未测量的抗生素敏感性，并引入保形预测来估计预测不确定性	对于青霉素和喹诺酮类抗生素的耐药性预测存在较高的主要错误率	开发一种快速、准确的抗生素耐药性预测方法，以改善细菌感染的诊断和治疗	细菌感染患者及其抗生素敏感性测试结果	自然语言处理	细菌感染	抗生素敏感性测试	Transformer	文本	来自30个欧洲国家的三百万个抗生素敏感性测试结果	NA	Transformer	准确率, 主要错误率, 非常主要错误率	NA
1483	2026-01-24	Deep learning-enhanced QSAR modeling for predicting developmental neurotoxicity based on molecular initiating events from adverse outcome pathways 2026-Jan-23, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11454-6 PMID:41575478	研究论文	本文开发了一种基于深度学习的QSAR建模框架，用于预测与农药污染大麻暴露相关的分子起始事件和关键事件的结合亲和力	结合深度学习与QSAR模型，利用SHAP值增强模型可解释性，并将ECFP4特征映射到已知神经毒性化合物上以可视化识别关键区域	模型基于ChEMBL数据库的化合物数据，可能未涵盖所有潜在神经毒性物质，且测试任务仅限于4个MIE和6个KE	预测发育神经毒性，特别是与农药污染大麻暴露相关的分子起始事件和关键事件的结合亲和力	化学化合物，特别是与发育神经毒性相关的分子起始事件和关键事件	机器学习	发育神经毒性	QSAR建模，深度学习	DNN	化学化合物数据	24,476个化合物	NA	DNN	相关系数，均方根误差	NA
1484	2026-01-24	[Wolff-Parkinson-White syndrome : Comparison of different algorithms] 2026-Jan-23, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-025-01128-z PMID:41575500	综述	本文系统比较了用于Wolff-Parkinson-White综合征旁路定位的不同心电图算法，包括经典规则方法、现代规则方法以及深度学习模型	全面比较了从经典到现代的多种算法性能，并展示了深度学习模型在自动分析、减少观察者间变异性和识别特定复杂旁路方面的优势	NA	评估和比较不同心电图算法在Wolff-Parkinson-White综合征旁路术前定位中的准确性和实用性	Wolff-Parkinson-White综合征患者	医学信息学	心血管疾病	心电图分析	深度学习模型	心电图数据	NA	NA	NA	准确率, 灵敏度, 特异性, AUROC	NA
1485	2026-01-24	Explainable Artificial Intelligence for the Mayo Endoscopic Score in Ulcerative Colitis 2026-Jan-22, Digestion IF:3.0Q2 DOI:10.1159/000550610 PMID:41569974	研究论文	本研究开发了一种用于溃疡性结肠炎Mayo内镜评分的可解释人工智能模型，并评估了其与内镜医师的交互效果	首次将可解释人工智能（XAI）框架应用于溃疡性结肠炎Mayo内镜评分，通过Grad-CAM等技术提供模型决策依据，并验证了AI辅助能提升内镜医师的诊断性能	研究为回顾性多中心设计，样本主要来自中国医疗机构，外部验证数据集的多样性可能有限	开发可解释的深度学习模型用于溃疡性结肠炎内镜严重程度评估，并探索人机交互对诊断性能的影响	溃疡性结肠炎患者的白光内镜图像	计算机视觉	溃疡性结肠炎	深度学习	CNN	图像	训练集2600张图像，三个外部测试集共460张图像（来自不同医院）	未明确指定	Xception	准确率, Matthew相关系数, Cohen's kappa	NA
1486	2026-01-24	A Few-Shot Learning Framework for Time-Varying Scientific Data Generation Via Conditional Diffusion Model 2026-Jan-22, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3656934 PMID:41570098	研究论文	本文提出了一种基于条件扩散模型的少样本学习框架，用于生成时变科学数据，以解决科学可视化中数据稀疏问题	引入时间感知UNet和噪声感知损失函数，仅需极少训练样本即可实现泛化能力和性能，并在多个科学可视化任务中优于现有方法	未明确说明计算成本或存储需求的具体限制，且仅基于三个任务进行评估	解决科学可视化中因模拟计算成本高和数据存储挑战导致的数据稀疏问题，通过生成模型增强深度学习训练	时变科学数据，如用于空间超分辨率、时间超分辨率和变量转换的体数据	科学可视化	NA	条件扩散模型	扩散模型	体数据	极少训练样本（如1、3或5个）	NA	时间感知UNet	定量和定性评估	NA
1487	2026-01-24	Decoding Spikes From Multiunit Data 2026-Jan-22, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3647848 PMID:41570095	综述	本文提供了一个关于从多单元数据中解码尖峰的统一方法论视角，将问题形式化为卷积混合模型下的稀疏源分离任务	通过将尖峰解码问题形式化为卷积混合模型下的稀疏源分离任务，提供了一个统一的方法论视角，并跨应用领域和物理记录模态综合比较了不同方法	作为一篇综述，本文未提出新的解码方法，主要侧重于现有方法的比较和综合	旨在为神经科学、临床诊断和神经接口领域中的多单元数据尖峰解码问题提供方法论指导和路线图	多单元数据或信号，即从活跃细胞/源（如神经元和肌肉纤维）发射的波形混合信号	信号处理	NA	电记录（电极）、光学成像、超声波等多种记录技术	NA	多单元数据/信号	NA	NA	NA	NA	NA
1488	2026-01-24	A Conditional GAN-based Framework for Sparse sEMG Data Augmentation with Muscle Synergy Prior Constraints 2026-Jan-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3656514 PMID:41570105	研究论文	本文提出了一种基于肌肉协同先验约束的条件GAN框架，用于稀疏表面肌电信号的数据增强	提出了一种新颖的图卷积网络生成器架构，专门针对稀疏sEMG信号设计，通过基于图的表示学习捕获复杂通道间关系，并整合肌肉协同先验约束作为动态损失函数，确保生成信号在生理学上合理	未明确提及	解决高质量表面肌电信号稀缺问题，提升深度学习模型在sEMG分析中的鲁棒性	多通道表面肌电信号	机器学习	NA	表面肌电信号采集	GAN, GCN	多通道sEMG信号	IRASS数据集及公开数据集（NinaPro DB1和DB2）	NA	图卷积网络, 条件GAN	信号真实性, 运动学预测精度	NA
1489	2026-01-24	Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering 2026-Jan-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01681 PMID:41570305	研究论文	本文提出了一种融合分子动力学模拟和深度学习模型的集成框架，用于提高蛋白质可电离残基pKa值的预测准确性	通过AMOEBA极化力场构建富含原子静电学和其他物理启发性特征的蛋白质结构数据集，并训练三种基于图的神经网络模型，相比现有工具如PROPKA3.5.1在预测精度上有显著提升	未明确提及具体局限性，但可能受限于数据集规模和模型泛化能力	提高蛋白质可电离残基pKa值的预测准确性，以支持药物发现和蛋白质工程	蛋白质可电离残基，包括天冬氨酸、谷氨酸、赖氨酸和组氨酸	机器学习	NA	分子动力学模拟，AMOEBA极化力场	图神经网络，图注意力网络	蛋白质结构数据，原子静电学特征	基于PKAD-2数据集的实验测定pKa值	NA	图注意力网络	预测准确性	NA
1490	2026-01-24	Amplifying image quality gain in x-ray phase contrast imaging of mastectomy samples with deep learning denoising 2026-Jan-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3c54 PMID:41570391	研究论文	本研究通过应用监督式深度学习去噪技术，旨在降低乳腺相衬计算机断层扫描的辐射剂量，同时保持或提高图像质量	首次将监督式U-Net深度学习去噪模型应用于乳腺相衬计算机断层扫描图像，以在降低辐射剂量的同时提升图像质量	研究基于34个新鲜全乳腺切除样本，样本量有限，且尚未在活体患者中进行验证	降低乳腺相衬计算机断层扫描的辐射剂量，同时保持或提高图像质量，为未来临床低剂量成像协议做准备	34个新鲜全乳腺切除样本	数字病理学	乳腺癌	传播式相衬成像，32 keV单色平行X射线	CNN	图像	34个新鲜全乳腺切除样本，其中28对用于训练，6个用于测试	NA	U-Net	信噪比, 空间分辨率, 结构相似性指数, 峰值信噪比	NA
1491	2026-01-24	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	本文通过评估单细胞ATAC-seq图谱技术，利用序列到功能建模来解析细胞类型身份的顺式调控逻辑	首次对scATAC-seq平台进行基准测试，重点关注其训练S2F模型的能力和在不同物种中产生TF足迹的能力，并引入改进的HyDrop v2方法	未明确说明训练数据集构建的最优标准，如细胞数量和ATAC片段数量	评估单细胞ATAC-seq图谱技术，以解码增强子逻辑和顺式调控机制	单细胞染色质可及性（scATAC-seq）数据，包括不同物种的细胞类型	机器学习	NA	单细胞ATAC-seq（scATAC-seq），序列到功能（S2F）深度学习建模	深度学习模型	序列数据，染色质可及性数据	未指定具体样本数量，但涉及不同物种的细胞	NA	NA	增强子预测，序列可解释性，转录因子足迹	NA
1492	2026-01-24	Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36301-y PMID:41571740	研究论文	本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场	引入了变分自编码器结合傅里叶特征层，并添加感知损失项以学习流场的丰富低维潜在表示，同时使用基于注意力的网络将潜在表示与传感器测量关联	未明确提及方法在极端流动条件或实际实验环境中的局限性	开发一种从稀疏传感器测量中准确重建流场的方法，并提高其在不同流动条件下的泛化能力	流体流动场	机器学习	NA	深度学习	变分自编码器, 注意力网络	传感器测量数据	NA	NA	FLRNet	重建准确性, 鲁棒性	NA
1493	2026-01-24	A deep learning radiopathomic signature predicts recurrence risk of hepatocellular carcinoma after hepatectomy 2026-Jan-22, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09571-5 PMID:41571762	研究论文	本研究开发了一种融合CT图像和病理全切片图像深度特征的深度学习放射病理学特征，用于预测肝细胞癌患者肝切除术后的复发风险	首次提出融合放射组学（CT图像）和病理组学（全切片图像）深度特征的深度学习特征，用于预测HCC术后复发风险，并在多组学数据中探索其生物学解释	样本量相对有限（共599例），TCGA验证队列样本量较小（n=33），且为回顾性研究	开发一种能够准确预测肝细胞癌患者肝切除术后复发风险的预测模型	肝细胞癌患者	数字病理学	肝细胞癌	CT成像，组织学全切片成像，多组学数据分析	深度学习模型	医学图像（CT图像，病理全切片图像）	共599例患者，分为训练队列（272例）、内部测试队列（120例）、外部测试队列（174例）和TCGA验证队列（33例）	NA	NA	C-index	NA
1494	2026-01-24	Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36895-3 PMID:41571775	研究论文	本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测	通过可穿戴设备实时监测生命体征和行为特征，并利用RNN模型分析时序数据，实现了对阿尔茨海默病的连续、非侵入性早期检测	未提及具体样本量或临床验证结果，可能缺乏大规模实际应用验证	开发一种基于可穿戴技术和深度学习的系统，以改善阿尔茨海默病的早期检测和实时监测	阿尔茨海默病患者或潜在风险人群	机器学习	阿尔茨海默病	可穿戴传感器数据采集	RNN	时序数据（心率、睡眠习惯、身体活动）	NA	NA	RNN	灵敏度, 准确度	NA
1495	2026-01-24	Enhancing kcat prediction through residue-aware attention mechanism and pre-trained representations 2026-Jan-22, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09551-9 PMID:41571855	研究论文	本文提出了一种名为PMAK的深度学习框架，通过整合酶序列和反应SMILES的预训练表示以及残基感知注意力机制，来提升酶催化效率参数kcat的预测准确性	PMAK框架首次将酶序列和反应SMILES的预训练表示与残基感知注意力机制相结合，实现了酶与反应的联合建模，从而捕捉它们的相互作用并突出对催化活性有贡献的关键残基	NA	提升酶催化效率参数kcat的预测准确性，并增强模型的可解释性	酶动力学中的周转数kcat	机器学习	NA	深度学习	注意力机制	酶序列数据，反应SMILES数据	NA	NA	PMAK	R平方改进率	NA
1496	2026-01-24	Deep learning-based automated contrast enema analysis to improve the assessment of Hirschsprung disease 2026-Jan-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12267-9 PMID:41572045	研究论文	本研究开发了一种基于深度学习的自动对比灌肠分析模型，用于改善先天性巨结肠症的评估	首次将预训练的深度神经网络（DenseNet121）应用于对比灌肠图像的自动分析，以辅助先天性巨结肠症的诊断，并与放射科专家的传统评估进行比较	研究为单中心回顾性观察性研究，样本量相对有限（278次对比灌肠），且模型灵敏度（58.5%）较低，可能影响其在临床实践中的广泛应用	比较基于对比灌肠的放射学评估与使用深度神经网络进行自动图像分析在诊断先天性巨结肠症方面的性能	儿科患者（2011年至2023年间接受对比灌肠检查的221名患者）	计算机视觉	先天性巨结肠症	对比灌肠成像	CNN	图像	278次对比灌肠检查，涉及221名患者（64.8%男性，35.2%女性），平均年龄4.14岁，中位年龄2.65岁	NA	DenseNet121	平衡准确率, 灵敏度, 特异性, AUC-ROC, AUC-PR, Cohen's kappa	NA
1497	2026-01-24	The application of artificial intelligence in blind ultrasound sweep diagnostics for prenatal medicine: A systematic literature review 2026-Jan-22, Acta obstetricia et gynecologica Scandinavica IF:3.5Q1 DOI:10.1111/aogs.70147 PMID:41574472	综述	本文系统回顾了人工智能在盲超声扫描诊断于产前医学中的应用，评估了其性能、潜力和局限性	首次系统综述了AI应用于盲超声扫描在产前诊断中的表现，突出了其在资源有限地区提升产前超声可及性的创新潜力	准确性在妊娠晚期有所下降，在早期妊娠或异常检测方面的验证有限，临床采用需要更广泛的验证和可解释性改进	评估人工智能在盲超声扫描中用于产前诊断的性能和潜力，以改善全球产前护理的可及性	应用于盲超声扫描的AI模型及其在产前诊断（如孕龄估计、胎位检测、羊水评估）中的性能	医学影像分析	产前医学	盲超声扫描（标准化的经腹扫描）	深度学习	超声图像	NA	NA	NA	平均绝对误差, AUC, Dice系数, 准确率	NA
1498	2026-01-24	Explainable artificial intelligence for molecular design in pharmaceutical research 2026-Jan-21, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08461j PMID:41531766	综述	本文探讨了可解释人工智能在药物研究中分子设计领域的应用、挑战与机遇	评估了将领域特定知识融入XAI方法以改进模型、实验设计和假设检验的益处，并讨论了化学语言模型在分子设计中的当前局限性	当前化学语言模型在分子设计和药物发现中的结果评估存在局限性	研究可解释人工智能在药物研究分子设计中的应用与挑战	分子设计中的AI/ML模型，特别是黑盒模型和化学语言模型	机器学习	NA	NA	深度学习框架，化学语言模型	分子数据	NA	NA	NA	NA	NA
1499	2026-01-24	Comparison of VADER and TextBlob labeling for sentiment analysis using machine learning and deep learning models: A study on generative AI user experience 2026-Jan-21, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106268 PMID:41570547	研究论文	本研究通过情感分析探讨生成式AI的用户体验，比较了VADER和TextBlob两种情感标注方法在机器学习和深度学习模型中的效果	比较了VADER和TextBlob两种情感标注方法对机器学习和深度学习模型性能的影响，并发现TextBlob标注的数据集通常能提升分类器性能	研究仅基于用户评论数据，可能未涵盖所有用户群体或使用场景，且情感标注方法的比较可能受特定数据集特性影响	通过情感分析研究生成式AI的用户体验，以提升服务交付和吸引新用户	生成式AI（特别是ChatGPT）的用户评论	自然语言处理	NA	情感分析、主题建模、情感分类	GRU, SVM	文本	88,343条用户评论	NA	GRU, SVM	准确率	NA
1500	2026-01-24	Towards robust deep learning-based autosegmentation in MRI-planned gynecological brachytherapy: Importance of scalable development and comprehensive evaluation 2026-Jan-21, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.12.007 PMID:41571559	研究论文	本文提出了一种用于MRI引导的宫颈近距离放疗中盆腔危及器官自动勾画的深度学习模型开发与评估方法	采用可扩展的开发流程和全面的评估方法，包括几何和剂量学指标以及临床医生定性评审，以提升模型在异质数据集上的泛化能力	定量评分与定性结果之间存在差异，且模型在小肠等器官上的表现变异性较大	开发并评估一种适用于MRI引导的妇科近距离放疗中盆腔危及器官自动勾画的深度学习模型	盆腔危及器官（膀胱、直肠、乙状结肠、小肠）的MRI图像及手动勾画轮廓	数字病理学	宫颈癌	MRI成像	CNN	3D MRI图像	200例3D MRI图像（85%训练/验证，15%测试）	PyTorch	nnU-Net	Dice系数, Hausdorff距离95百分位数, 剂量体积直方图, 剂量差异	NA