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
1541	2026-06-06	Cell Analyser in Batch for Neurite (CABaNe), an Automated, High-Throughput ImageJ Macro for Cell and Neurite Analysis 2026-Feb, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0193-25.2025 PMID:41617476	研究论文	介绍CABaNe，一种用于细胞和神经突分析的高通量自动化ImageJ宏	提出一种开源、高通量、基于规则的ImageJ宏，用于自动分析细胞及其神经突长度，具有图形界面和元数据生成功能	未在更复杂的神经元类型或体内数据上验证其泛化能力	开发一种高通量、自动化的细胞和神经突分析工具	N2A小鼠神经母细胞瘤细胞系	数字病理学	神经退行性疾病	NA	基于规则的方法	图像	小样本和大数据集	ImageJ	NA	精度	NA
1542	2026-06-06	Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches 2026-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae39e2 PMID:41554181	研究论文	通过分类和序数深度学习方法预测乳腺密度，并生成模型不确定性估计	提出在保持预测性能的同时，利用分类和序数深度学习模型内置不确定性估计的方法	NA	在不降低预测性能的前提下，生成带有不确定性估计的深度学习模型	乳腺密度	机器学习, 数字病理学	乳腺癌	NA	深度学习模型（分类和序数模型）	图像	超过150,000张乳房X线照片	NA	NA	均方根误差	NA
1543	2026-06-06	Decoding Allosteric Inhibition in MALT1: The Hidden Role of Conformational Plasticity in Metastable States via Biased MD and Deep Learning 2026-Jan-29, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c07665 PMID:41557786	研究论文	通过偏置分子动力学和深度学习揭示MALT1蛋白变构抑制中构象可塑性的隐藏作用	首次结合偏置分子动力学模拟、神经网络和对接计算，系统研究MALT1蛋白在变构抑制中的复杂构象行为，揭示Loop 1和Loop 3运动对催化位点腔体积缩小和半胱氨酸不可及性的关键作用	研究结果适用于小鼠MALT1蛋白，尽管与人类MALT1有93%同源性，但泛化至人类MALT1需谨慎	探索MALT1蛋白的复杂动力学行为及其变构抑制机制，为新型MALT1变构抑制剂的计算机设计提供客观标准	MALT1蛋白（黏膜相关淋巴组织淋巴瘤易位蛋白1）	机器学习	血液癌症	偏置分子动力学模拟、神经网络、对接计算	神经网络	分子动力学轨迹数据	未明确提及样本数量	NA	NA	NA	NA
1544	2026-06-06	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	提出了两种基于生物物理动力学训练的蛋白质语言模型SeqDance和ESMDance，用于预测蛋白质动态特性和突变效应	首次将分子动力学模拟和简正模态分析的动态生物物理特性整合到蛋白质语言模型中，能捕获蛋白质结构动态性从而提升突变效应预测的泛化能力	未提及具体局限性	通过融合蛋白质动态特性改进语言模型对突变效应的预测能力	超过64000种蛋白质的动力学特性及其突变效应	机器学习	NA	分子动力学模拟、简正模态分析	蛋白质语言模型	蛋白质序列、动态生物物理特性数据	超过64000种蛋白质	PyTorch	Transformer, ESM2	零样本预测性能	NA
1545	2026-06-06	Deep atrous context convolution generative adversarial network with corner key point extracted feature for nuts classification 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36238-2 PMID:41588160	研究论文	提出一种深度空洞上下文卷积生成对抗网络（DAC-GAN）用于坚果分类，在8类坚果数据集上达到99.83%准确率	将角点关键点特征提取与空洞卷积相结合，并在空洞卷积前后附加上下文模块以融入图像级信息，同时利用DCGAN生成合成图像解决标注数据不足问题	NA	实现坚果分类的自动化，提升分类精度和泛化能力	8类坚果（巴西坚果、腰果、花生、山核桃、开心果、栗子、夏威夷果、核桃）	计算机视觉	NA	NA	生成对抗网络、空洞卷积神经网络	图像	Common Nut KAGGLE数据集，共4000张坚果图像，涵盖8个类别	NA	DAC-GAN（基于DCGAN的生成器和判别器，结合空洞卷积及前后上下文模块）	准确率	NA
1546	2026-06-06	Exploring anatomical similarity in zero-shot learning for bone abnormality detection 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37516-9 PMID:41593191	研究论文	本文探索了在骨骼异常检测中利用解剖相似性进行零样本学习的方法	明确提出在MURA数据集上进行零样本转移训练，利用解剖相似性进行跨部位检测，无需目标数据访问	研究仅基于MURA数据集，未使用语义侧信息或目标自适应，可能限制实际应用中的性能	评估解剖相似性在零样本学习中提升骨骼异常检测跨部位迁移性能的可行性	MURA数据集中的不同解剖部位图像	计算机视觉	骨骼异常	NA	NA	图像	NA	NA	NA	准确率，95% Wilson置信区间	NA
1547	2026-06-06	Trimester-aware yoga video recommendation using hybrid deep learning for pregnant woman 2026-Jan-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37149-y PMID:41588129	研究论文	提出一种孕期意识混合深度学习框架，用于为孕妇推荐孕 trimester-aware 瑜伽视频	引入了孕期加权Wasserstein相似度机制和安全性感知有向图卷积关系神经网络，实现多模态文本-视频分析与生理安全推理的结合	未明确提及局限性	开发孕期意识瑜伽推荐系统，提升孕妇运动安全性和个性化体验	孕妇及其不同孕期的瑜伽视频推荐	机器学习, 计算机视觉, 自然语言处理	孕妇健康	NA	混合深度学习模型	文本和视频	未明确提及	NA	孕期加权Wasserstein相似度机制, 安全性感知有向图卷积关系神经网络	准确率, 孕期特异性安全合规性	NA
1548	2026-06-06	Aegis: a transformer-based deep learning framework for the accurate identification of anticancer peptides 2026-Jan-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02520-y PMID:41588397	研究论文	提出基于Transformer的深度学习框架Aegis用于精准识别抗癌肽	首次将Transformer架构应用于抗癌肽识别，结合SHAP特征重要性分析和增量特征选择，达到最先进性能	NA	开发高效计算工具以准确预测抗癌肽	抗癌肽序列	机器学习	癌症	NA	Transformer	文本（氨基酸序列）	NA	NA	Transformer	NA	NA
1549	2026-06-06	FibroTrack: a standalone deep learning platform for automated fibrosis quantification in muscle and cardiac histology 2026-Jan-26, Skeletal muscle IF:5.3Q2 DOI:10.1186/s13395-026-00415-8 PMID:41588534	研究论文	介绍FibroTrack，一个用于肌肉和心脏组织学中自动化纤维化量化的独立深度学习平台	独特的整合了LAB色彩空间归一化与YOLOv11分割模型，并结合图形用户界面，实现高精度、高重现性的纤维化自动化量化	未提及具体局限性	提供一种准确、可重复且高效的全自动纤维化量化工具，用于临床前研究和病理学实践	肌肉和心脏组织学图像中的纤维化区域	数字病理学	肌肉疾病、心脏疾病	组织学染色（天狼星红、马松三色、免疫组化）	YOLOv11	图像	2,034张组织学图像	PyTorch	YOLOv11	掩码精确率、斯皮尔曼相关性	NA
1550	2026-06-06	[Precision surgical treatment for middle and low rectal cancer in the era of artificial intelligence] 2026-Jan-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20251015-00381 PMID:41566182	综述	探讨人工智能时代中低位直肠癌的精准外科治疗策略	提出通过深度学习算法分析CT和MRI影像数据为手术规划提供量化依据，并结合增强现实技术实现术中实时肿瘤定位和解剖导航	NA	实现中低位直肠癌的个性化精准外科治疗	中低位直肠癌患者	机器学习, 计算机视觉	直肠癌	CT, MRI	CNN, 深度学习	影像	NA	NA	深度学习模型	NA	NA
1551	2026-06-06	Sickle cell disease detection in low-resource conditions using transfer-learning and contrastive-learning coupled with XAI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35831-9 PMID:41580439	研究论文	利用迁移学习和对比学习结合可解释人工智能在低资源条件下检测镰状细胞病	提出结合迁移学习与基于三元组损失的对比学习及可解释人工智能方法，解决低资源条件下深度学习模型训练数据不足的问题	信息不足	提高低资源条件下镰状细胞病自动检测的效率和可解释性	镰状细胞病图像数据集	计算机视觉	镰状细胞病	NA	CNN	图像	NA	NA	ResNet-50, DenseNet-121, EfficientNet-B0	NA	NA
1552	2026-06-06	EDEN: multiscale expected density of nucleotide encoding for enhanced DNA sequence classification with hybrid deep learning 2026-Jan-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06367-6 PMID:41580658	研究论文	提出基于核密度估计的多尺度编码框架EDEN，用于增强DNA序列分类	首次将核密度估计应用于DNA序列编码，统一捕获局部和长程依赖，并在16个基准数据集中以极少参数取得最优平均性能	N/A	提升DNA序列分类的准确性和效率	DNA序列，涵盖启动子检测、核心启动子检测和转录因子结合预测	机器学习	N/A	N/A	混合深度学习模型	DNA序列数据	16个基准数据集	N/A	混合深度学习架构	平均性能	N/A
1553	2026-06-06	DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37134-5 PMID:41580539	研究论文	介绍DANEELpath，一个用于神经母细胞瘤模型组织病理学研究的开源数字分析工具包	开发了集深度学习、数学形态学管道和空间特征提取于一体的开源图像分析工具包，适用于3D水凝胶培养的神经母细胞瘤模型	NA	开发用于分析3D培养神经母细胞瘤细胞动态的开源图像分析工具，以研究肿瘤微环境中细胞外基质的作用	三维水凝胶培养的神经母细胞瘤细胞模型	数字病理学	神经母细胞瘤	生物图像分析	深度学习模型	全切片图像	NA	NA	数学形态学管道	NA	NA
1554	2026-06-06	The role of low-complexity repeats in RNA-RNA interactions and a deep learning framework for duplex prediction 2026-Jan-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68356-w PMID:41571635	研究论文	分析低复杂度重复序列在RNA-RNA相互作用中的作用，并开发了一个基于深度学习的双链预测框架	首次识别低复杂度重复序列（包括简单串联重复）作为RNA-RNA相互作用的关键驱动因素，并利用核酸语言模型嵌入开发了性能优于传统热力学工具的深度学习模型RIME	未明确指出局限性	阐明低复杂度重复序列在RNA-RNA相互作用中的分子决定作用，并开发更准确的相互作用预测工具	多个大规模RNA-RNA相互作用数据集，以及lncRNA Lhx1os的相互作用组	自然语言处理	不适用	RNA-seq	深度学习	序列数据	多个大规模RNA-RNA相互作用数据集	PyTorch	核酸语言模型	准确性，AUC	不适用
1555	2026-06-06	Deep tobit model: an integrated framework for high-dimensional censored regression with variable selection 2026-Jan-23, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09690-5 PMID:41571915	研究论文	提出了一种名为Deep Tobit的集成深度学习框架，用于处理高维左删失回归问题，并同时进行变量选择	首次将Tobit对数似然作为损失函数整合到深度学习框架中，并开发了具有理论保证的两阶段特征选择算法	未明确提及局限性，但可能包括对复杂非线性关系的处理能力有限或计算复杂度较高	解决高维左删失数据中现有方法无法处理非线性关系或进行变量选择的局限	左删失航空发动机壳体振动数据和HIV病毒载量数据	机器学习	HIV感染	NA	Deep Tobit	数值型、删失数据	NA	NA	Deep Tobit	变量选择准确率、预测精度	NA
1556	2026-06-06	Groundwater depth prediction based on CNN-GRU-attention model 2026-Jan-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-14993-z PMID:41577970	研究论文	提出一种结合卷积神经网络、门控循环单元和注意力机制的混合深度学习模型用于地下水位深度预测	首次将CNN、GRU与注意力机制融合构建地下水位深度预测模型，并通过香农熵方法严格筛选输入变量	仅基于中国郑州的时空数据验证，且未考虑土壤性质、地质结构等其他潜在影响因素	开发地下水位深度预测框架以支持干旱半干旱地区可持续水资源管理	郑州市月尺度地下水埋深动态变化时空特征	机器学习	NA	NA	深度学习混合模型（CNN-GRU-注意力机制）	时间序列数据	未明确说明样本量，数据涵盖月蒸发量、降水、平均温度及地下水开采量四个变量	NA	CNN, GRU, 注意力机制	MAE, RMSE, R	NA
1557	2026-06-06	Evaluating gait system vulnerabilities through PPO and GAN-generated adversarial attacks 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37011-1 PMID:41578011	研究论文	本研究探讨了基于深度学习的步态识别系统对对抗性攻击的脆弱性，提出了一种结合PPO和GAN的对抗性攻击方法	创新性地利用PPO确定对抗性补丁的最佳位置，结合GAN生成欺骗性样本，最大化对步态识别系统的干扰	未明确提出具体局限性	评估步态识别系统对对抗性攻击的脆弱性，并推动更安全的生物识别系统开发	步态识别系统	计算机视觉	NA	NA	Proximal Policy Optimization (PPO), Generative Adversarial Networks (GANs)	步态图像数据	使用CASIA步态数据库数据集B和OU-ISIR跑步机数据集B（衣物变化），未明确样本数量	NA	NA	识别准确率	NA
1558	2026-06-06	Explainable Hybrid Deep Learning Framework Integrating MobileNetV2, EfficientNetV2B0, and KNN for MRI-Based Brain Tumor Classification 2026-Jan-23, Cellular and molecular neurobiology IF:3.6Q2 DOI:10.1007/s10571-025-01660-z PMID:41578036	研究论文	提出一种结合MobileNetV2、EfficientNetV2B0和KNN的可解释混合深度学习框架，用于基于MRI的脑肿瘤分类	创新性地将MobileNetV2和EfficientNetV2B0双骨干网络通过全局平均池化和向量拼接进行后期融合，并采用KNN作为分类器，同时结合Grad-CAM和SHAP提供临床可解释性	结果基于统一数据集，需要外部验证来确认泛化能力	开发一种轻量级且可解释的混合深度学习框架，用于MRI脑肿瘤的准确分类，同时提供模型决策的透明解释	7,023张MRI脑肿瘤图像，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤四个类别	数字病理学, 计算机视觉, 机器学习	脑肿瘤	MRI	混合模型（MobileNetV2, EfficientNetV2B0, KNN）	图像	7,023张MRI图像，来自Figshare、SARTAJ和BR35H数据集	NA	MobileNetV2, EfficientNetV2B0	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
1559	2026-06-06	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	提出PMAK深度学习框架，通过整合酶序列和反应SMILES的预训练表示与残基感知注意力机制，提升kcat预测准确性与可解释性	首次将残基感知注意力机制与预训练表示相结合，实现对酶-反应联合建模，捕获关键催化残基并同时提升预测性能和可解释性	未明确说明局限性，可能依赖于预训练模型的质量及反应SMILES的完整性	开发高精度且可解释的酶周转数预测方法	酶催化反应中的酶序列与反应SMILES数据	机器学习	NA	深度学习	残基感知注意力机制	文本（酶序列及反应SMILES字符串）	未在摘要中明确提及具体样本数量	PyTorch（推测）、TensorFlow（可能）	Transformer（预训练表示）、注意力机制	R值（相关系数）	NA
1560	2026-06-06	Artificial Intelligence and Machine Learning in Bone Metastasis Management: A Narrative Review 2026-Jan-22, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33010065 PMID:41590385	综述	人工智能和机器学习在骨转移管理中的应用综述，涵盖病灶检测、分割、预后建模、骨折风险评估和手术决策支持	聚焦于骨转移管理领域的AI/ML应用，特别强调临床可转化性，并指出当前文献异质性大且快速发展，为临床医生提供系统梳理	多数研究缺乏外部验证，新兴工作尚处于早期概念验证阶段，极少框架集成至常规工作流程，且可解释性、偏差缓解和卫生经济学影响评估不足	综述AI/ML在骨转移诊断和管理中的应用现状，识别临床转化机会并提出未来研究方向	骨转移患者的影像诊断、病变检测分割、预后建模、骨折风险评估及手术决策支持	机器学习、数字病理	骨转移（肿瘤相关）	放射组学、深度学习	CNN（卷积神经网络）	影像数据	NA	NA	NA	内部性能指标（未具体说明）	NA