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
1821	2026-01-20	Harnessing artificial intelligence for the assessment of liver fibrosis and steatosis via multiparametric ultrasound 2026-Jan-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i2.113059 PMID:41551823	综述	本文综述了人工智能（AI）结合多参数超声（US）技术在肝纤维化和脂肪变性评估中的应用、进展及临床意义	整合AI与多参数超声（如弹性成像和多普勒成像）技术，提高了肝纤维化和脂肪变性诊断的准确性、客观性和可重复性，减少了操作者依赖性	需要大规模数据集、算法透明度不足以及缺乏充分的临床验证	探索AI在多参数超声评估肝纤维化和脂肪变性中的当前应用和未来潜力	肝纤维化和脂肪变性	医学影像	肝病	多参数超声（包括弹性成像和多普勒成像）	机器学习, 深度学习	超声图像	NA	NA	NA	灵敏度	NA
1822	2026-01-20	Machine Learning for Separating Dopamine and Octopamine Electrochemical Signals in Drosophila 2026-Jan-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04155 PMID:41480932	研究论文	本研究利用深度学习回归方法，通过分析颜色图分离果蝇中多巴胺和章鱼胺的电化学信号	采用改进的U-Net架构作为回归模型，利用章鱼胺的独特初级氧化峰预测其二级氧化峰，从而从混合信号中分离多巴胺贡献，克服了传统方法假设伏安图形状固定的局限性	方法依赖于计算生成的混合物作为地面真实值进行训练，可能无法完全捕捉实验条件下的所有变异性	开发一种机器学习方法，用于同时检测和分离果蝇中多巴胺和章鱼胺的重叠电化学信号	果蝇中的多巴胺和章鱼胺神经递质	机器学习	NA	快速扫描循环伏安法	深度学习回归	颜色图（伏安图）	NA	NA	U-Net	归一化均方根误差, 相关系数, 一致性相关系数	NA
1823	2026-01-20	Development and validation of a novel multimodal deep learning model integrating histopathology, radiology, and clinical data to predict primary non-response to infliximab in patients with Crohn's disease 2026-Jan-09, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjaf206 PMID:41298328	研究论文	本研究开发并验证了一种整合组织病理学、放射学和临床数据的多模态深度学习模型，用于预测克罗恩病患者对英夫利昔单抗的初始无应答	首次将TabNet模型应用于临床和实验室特征，并采用多实例学习框架整合多模态信息，以预测英夫利昔单抗的初始无应答	研究为回顾性分析，样本量相对较小（188例患者），且仅针对英夫利昔单抗一种药物	提高克罗恩病患者对英夫利昔单抗治疗反应的预测准确性，推动精准医疗发展	克罗恩病患者	数字病理学	克罗恩病	计算机断层扫描肠造影（CTE）、内镜组织病理学全切片活检图像	TabNet	图像、文本	188例患者（内部训练集93例，内部验证集38例，外部测试集57例）	NA	TabNet	AUC	NA
1824	2026-01-20	Artificial intelligence and machine learning-driven advancements in gastrointestinal cancer: Paving the way for precision medicine 2026-Jan-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i1.111428 PMID:41551523	综述	本文综述了人工智能和机器学习在胃肠道癌症检测、诊断和预后预测中的应用进展	整合了从影像学、病理学到临床数据的多模态AI方法，为精准肿瘤学提供了新机遇，并评估了大型语言模型在放射学报告中的应用	需要更广泛的验证、融入临床工作流程，并关注伦理、法律和社会影响	探讨人工智能和机器学习在胃肠道癌症精准医疗中的应用与进展	胃肠道癌症	机器学习	胃肠道癌症	NA	深度学习	影像数据, 病理数据, 临床数据	NA	NA	NA	准确率, AUC	NA
1825	2026-01-20	Predicting lymph node metastasis in colorectal cancer using case-level multiple instance learning 2026-Jan-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i1.112090 PMID:41551528	研究论文	本研究开发并验证了一种基于病例级多实例学习（MIL）的框架，用于预测局部晚期结直肠癌的淋巴结转移，通过整合病理特征与临床数据提升预测性能	采用病例级多实例学习框架模拟病理学家的全面审查过程，相比传统的切片级深度学习，能更好地捕捉稀疏且诊断关键的转移潜力特征，并首次将CONCH v1.5和UNI2-h深度学习模型应用于此任务	研究为回顾性设计，样本量较小（130例患者），需要进一步的外部验证以确认其泛化能力	开发并验证一种改进的深度学习框架，以更准确地预测局部晚期（T3/T4）结直肠癌的淋巴结转移	130例T3/T4期结直肠癌患者的全切片图像及临床数据	数字病理学	结直肠癌	全切片图像分析，苏木精-伊红染色	深度学习，多实例学习	图像，临床数据	130例患者	NA	CONCH v1.5, UNI2-h	AUC	NA
1826	2026-01-20	RCSB Protein Data Bank: Delivering integrative structures alongside experimental structures and computed structure models 2026-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1187 PMID:41206752	研究论文	本文介绍了RCSB.org在整合结构数据管理方面的扩展能力，使其能够与单一方法实验结构和计算结构模型一同支持发现、分析和可视化	将PDB-IHM系统与PDB统一，首次在RCSB.org上实现对整合结构、单一方法实验结构和计算结构模型的集成访问	未提及具体的数据处理技术限制或用户访问性能问题	扩展RCSB.org的数据服务能力，以支持更广泛的结构生物学研究	蛋白质数据银行（PDB）中的大分子三维结构数据，包括实验结构、计算结构模型和整合结构	结构生物信息学	NA	整合/混合方法（IHM）、深度学习、大分子晶体学、3D电子显微镜、核磁共振波谱	NA	三维结构数据	超过240,000个实验结构和超过100万个计算结构模型	NA	NA	NA	NA
1827	2026-01-20	JASPAR 2026: expansion of transcription factor binding profiles and integration of deep learning models 2026-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1209 PMID:41325984	研究论文	本文介绍了JASPAR数据库2026版本的更新内容，包括扩展转录因子结合谱、整合深度学习模型以及新增功能	首次在JASPAR数据库中整合深度学习模型集合，包含1259个BPNet模型，用于建模和表征转录因子与DNA的相互作用	未明确说明模型在非人类物种或其他实验条件下的泛化能力	更新和扩展转录因子结合谱数据库，整合深度学习模型以改进转录因子-DNA相互作用的建模	转录因子（TFs）的DNA结合谱及其与DNA的相互作用	生物信息学	NA	ChIP-seq，深度学习建模	BPNet	基因组序列数据，ChIP-seq数据	240个人类转录因子的ENCODE ChIP-seq数据集	NA	BPNet	NA	NA
1828	2026-01-20	Comprehensive perturbation of transcription factors in human cardiomyocytes reveals the regulatory architecture of congenital heart disease 2026-Jan-05, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.15.694070 PMID:41446109	研究论文	本文通过系统扰动人类干细胞心肌细胞分化过程中的转录因子，揭示了先天性心脏病的调控架构	首次大规模扰动1983个转录因子，结合深度学习Transformer模型预测扰动转录因子，并构建了TF-基因调控网络以解析先天性心脏病的调控机制	研究基于体外干细胞分化模型，可能无法完全模拟体内心脏发育的复杂性；增强子扰动仅涉及981个，覆盖范围有限	定义先天性心脏病基因的调控架构，解析转录因子在心脏发育中的作用	人类干细胞分化的心肌细胞，先天性心脏病相关转录因子和增强子	计算生物学	先天性心脏病	转录因子扰动，增强子扰动，RNA测序	Transformer	转录组数据	涉及1983个转录因子和981个增强子的扰动实验	NA	Transformer	NA	NA
1829	2026-01-20	Multimodal Deep Learning Differentiates Papilledema and Non-Arteritic Anterior Ischemic Optic Neuropathy From Healthy Eyes 2026-Jan-05, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.67.1.12 PMID:41533910	研究论文	本研究开发了一种多模态深度学习模型，结合光学相干断层扫描（OCT）和眼底照片，用于区分视盘水肿（IIH）、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛	首次提出结合OCT和眼底照片的多模态深度学习方法来提高IIH和NAION的诊断准确性	未提及	提高视盘水肿（IIH）和非动脉炎性前部缺血性视神经病变（NAION）的诊断准确性	视盘水肿（IIH）、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛	数字病理学	眼科疾病	光学相干断层扫描（OCT）和眼底摄影	CNN	图像	7019张OCT扫描和17,657张眼底照片，涉及视盘水肿（2315 OCT, 6349眼底）、NAION（841 OCT, 1814眼底）和健康眼睛（3863 OCT, 9494眼底）	PyTorch	3D-ResNet-18, ResNet-50	AUC-ROC, 准确率, 精确率, 召回率, F1分数	未提及
1830	2026-01-20	Precise Identification of Gastric Cancer Pathological Differentiation Based on Hyperspectral Imaging and Lightweight Deep Learning Models 2026-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500242 PMID:40903818	研究论文	本研究提出了一种结合高光谱成像和轻量级深度学习模型的改进深度残差网络，用于精确识别胃癌组织的病理分化程度	提出了一种结合高光谱成像和轻量级深度学习模型的改进深度残差网络，通过光谱预处理、降维和带有注意力机制的残差CNN来增强特征提取，同时保持效率，特别在识别低分化组织方面表现出色	NA	实现胃癌组织病理分化程度的精确分类，以辅助预后和治疗决策	胃癌组织	计算机视觉	胃癌	高光谱成像	CNN	图像	NA	NA	改进深度残差网络, ResNet50, ViT	NA	NA
1831	2026-01-20	Predicting defibrillation outcomes by combining ventricular fibrillation and defibrillation waveforms: a retrospective clinical study 2026-Jan, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110906 PMID:41270994	研究论文	本研究通过结合心室颤动波形和除颤波形，利用卷积神经网络提高除颤结局预测的准确性	首次将心室颤动波形与基于能量和经胸阻抗建模的除颤波形相结合，采用深度学习方法来预测除颤结局，相比传统的振幅谱面积方法，显著提高了预测性能	研究为回顾性设计，可能受限于数据质量和样本选择偏差，且模型在特定AMSA值范围内的性能提升最为显著，泛化能力需进一步验证	验证结合心室颤动和除颤波形是否能提高除颤结局的预测准确性	经历心室颤动和除颤治疗的心脏骤停患者的电生理波形数据	数字病理学	心血管疾病	心电图波形记录与建模	CNN	波形数据	未明确指定样本数量，数据按4:1比例随机分为训练集和测试集	NA	卷积神经网络	AUC	NA
1832	2026-01-20	Spontaneous Wrinkle Collapse in Anisotropic Condensed Matter Predicted by Deep Learning 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510844 PMID:41288205	研究论文	本文提出了一种基于深度学习框架预测向列相液晶平衡构型的方法	利用3D U-Net模型快速预测液晶的全局取向序和局部缺陷结构，实现了毫秒级预测，相比传统模拟大幅加速，并首次准确再现了高能缺陷的自发塌缩和分裂过程	模型依赖于有限元求解器生成的数据集，可能受限于训练数据的覆盖范围和边界条件的多样性	预测向列相液晶的平衡构型，并验证其在复杂边界条件和拓扑缺陷中的可靠性	向列相液晶系统，包括光对准皱纹基底和反应性介晶	机器学习	NA	有限元Landau-de Gennes求解器，光对准技术	CNN	模拟数据，实验图像	NA	NA	3D U-Net	NA	NA
1833	2026-01-20	Zeolitic Imidazolate Framework-8 Doped Intermediate Layer Strategy Enhances the Performance of Self-Powered Fibrous Triboelectric Sensors for Multi-Scenario Sensing and Barrier-Free Communication 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202512712 PMID:41294056	研究论文	本研究提出了一种掺杂ZIF-8中间层的策略，构建了高性能纤维摩擦电传感器，用于多场景传感和无障碍通信	首次将沸石咪唑酯骨架-8（ZIF-8）掺杂到中间层，构建三层同轴结构的纤维摩擦电传感器，显著提高了电荷保持能力和灵敏度	未明确说明传感器的长期稳定性、环境适应性（如湿度、温度影响）以及大规模生产的可行性	解决柔性摩擦电传感器的电荷损失问题，提升其传感性能，并拓展其在可穿戴电子、生物医学传感和无障碍通信等领域的应用	具有三层同轴结构（内电极层/ZIF-8掺杂中间层/外摩擦层）的纤维摩擦电传感器	可穿戴电子、传感技术	NA	湿法纺丝结合浇铸技术、深度学习	LSTM	传感信号（电压）、运动数据	未明确说明具体样本数量，但涉及9种不同材料的识别	未明确指定，但提及深度学习	LSTM	灵敏度（V/N）、响应时间（ms）、断裂伸长率（%）、准确率（%）	NA
1834	2026-01-20	AI-enhanced synergistic chemo-immunotherapy: From mechanistic insights to clinical translation 2026-Jan, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.105064 PMID:41325797	综述	本文全面探讨了化疗与免疫检查点抑制剂联合治疗的机制基础、临床应用及当前挑战，并重点分析了人工智能在优化此类联合策略中的新兴作用	强调了人工智能（包括多组学整合、放射组学和深度学习）在识别协同药物对、预测治疗反应和患者分层方面的应用，以推动个性化癌症治疗	面临化疗诱导的免疫抑制、肿瘤异质性和数据可解释性等关键挑战	优化化疗与免疫检查点抑制剂的协同治疗策略，推动个性化癌症治疗的发展	化疗与免疫检查点抑制剂联合治疗在肿瘤学中的应用	机器学习	肿瘤	多组学整合、放射组学、深度学习	深度学习	多组学数据、影像数据	NA	NA	NA	NA	NA
1835	2026-01-20	InfoARD: Enhancing Adversarial Robustness Distillation With Attack-Strength Adaptation and Mutual-Information Maximization 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637689 PMID:41343323	研究论文	提出一种名为InfoARD的对抗鲁棒性蒸馏新范式，通过攻击强度自适应和互信息最大化增强紧凑模型的对抗鲁棒性	设计了攻击强度自适应机制动态调整攻击强度，并引入互信息最大化策略确保学生模型从多层级特征表示中有效学习	未明确说明在极端对抗攻击场景下的性能边界，也未讨论计算开销增加的具体量化分析	提升深度神经网络对抗攻击的鲁棒性，通过师生交互机制保护紧凑模型	深度神经网络模型，特别是教师-学生蒸馏框架中的紧凑模型	机器学习	NA	对抗蒸馏，对抗训练	深度神经网络	图像数据（基于多数据集实验推断）	NA	PyTorch, TensorFlow（基于通用深度学习框架推断）	NA	对抗鲁棒性指标（具体未列明），准确率	GPU（具体型号未说明）
1836	2026-01-20	An explainable hybrid CNN-LSTM framework for accurate sequence-based classification of RNA N6-methyladenosine (m6A) modification 2026-Jan, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100383 PMID:41354216	研究论文	本文提出了一种结合CNN-LSTM和SHAP的可解释性混合框架，用于准确分类RNA N6-甲基腺苷修饰位点	结合CNN-LSTM模型与SHAP特征选择，提升预测性能并提供生物学解释性	未明确说明数据集的规模或潜在的数据不平衡问题	提高RNA m6A修饰位点的准确识别能力	RNA序列中的N6-甲基腺苷修饰位点	自然语言处理	NA	RNA序列分析	CNN, LSTM	序列数据	NA	NA	CNN-LSTM混合架构	准确率, 灵敏度, 特异性, MCC	NA
1837	2026-01-20	Multitrait analyses identify genetic variants associated with aortic valve function and aortic stenosis risk 2026-Jan, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-025-02397-7 PMID:41419685	研究论文	本研究利用深度学习从磁共振成像中测量主动脉瓣功能指标，结合多性状GWAS分析，识别了与主动脉瓣功能和主动脉瓣狭窄风险相关的遗传变异	首次将深度学习测量的主动脉瓣功能指标与主动脉瓣狭窄GWAS通过多性状分析整合，识别了166个独特基因位点，并验证了多基因评分在独立队列中的预测能力	研究主要基于UK Biobank队列，可能受人群特异性限制；深度学习测量的准确性依赖于影像质量	探究正常主动脉瓣功能的遗传影响及其对主动脉瓣狭窄风险的贡献	UK Biobank的59,571名参与者的磁共振成像数据	医学影像分析	心血管疾病	磁共振成像, 全基因组关联研究, 孟德尔随机化	深度学习模型	医学影像	59,571名参与者	NA	NA	风险比	NA
1838	2026-01-20	Progress of Deep Learning Prediction of CD8+ T-Cell Epitopes 2026-Jan, Proteomics IF:3.4Q2 DOI:10.1002/pmic.70101 PMID:41452164	综述	本文全面回顾了基于蛋白质语言模型的表位编码方案以及用于预测MHC-I结合亲和力、TCR-肽反应性和pMHC-TCR结合亲和力的深度学习模型的最新进展	聚焦于深度学习技术在CD8+ T细胞表位预测中的应用，特别是结合蛋白质语言模型进行表位编码的创新方法	NA	总结深度学习在预测CD8+ T细胞表位方面的进展，以支持疫苗设计和免疫治疗研究	CD8+ T细胞表位、MHC-I分子、T细胞受体（TCR）以及它们之间的相互作用	自然语言处理, 机器学习	NA	深度学习, 蛋白质语言模型	深度学习模型	蛋白质序列数据, 肽序列数据	NA	NA	NA	NA	NA
1839	2026-01-20	Coupled Diffusion Posterior Sampling for Unsupervised Hyperspectral and Multispectral Images Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3647207 PMID:41477791	研究论文	提出一种耦合扩散后验采样方法，用于无监督的高光谱与多光谱图像融合	无需高分辨率高光谱图像进行监督训练，直接从输入的低分辨率高光谱图像和高分辨率多光谱图像对中学习扩散先验，并设计耦合扩散后验采样方法引入空间和光谱信息	未明确提及方法在极端光照或复杂场景下的泛化能力，也未讨论计算效率或实时性限制	实现无监督的高光谱与多光谱图像融合，以生成高分辨率高光谱图像	高光谱图像（HSI）和多光谱图像（MSI）或RGB图像	计算机视觉	NA	扩散模型	扩散模型	图像	未指定具体样本数量，仅使用输入测试图像对（低分辨率高光谱图像和高分辨率多光谱图像）	未指定	未指定具体架构，但提及使用较小的网络	未明确提及具体指标，但提到优于其他最先进的无监督方法	未指定
1840	2026-01-20	Recognizing stressed chicken signs: A comparison using the Happy Chicken Tool and the Stressed Chicken Scale 2026-Jan, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106141 PMID:41385955	研究论文	本研究利用深度学习中的卷积神经网络和迁移学习，通过图像分析检测鸡的不适迹象，并与人类观察者的压力评分进行比较	首次将EfficientNet和MobileNet等预训练CNN模型应用于鸡的压力检测，并利用Grad-CAM增强模型可解释性，揭示了AI决策时关注的鸡体部位	研究主要基于侧视图图像，可能未涵盖其他角度或环境条件下的压力表现，且模型性能依赖于特定数据集	开发自动化的动物福利监测方法，早期检测鸡的压力和不适指标	鸡（个体动物层面）	计算机视觉	NA	图像分析，深度学习	CNN	图像	NA	NA	EfficientNet, MobileNet	准确率, 灵敏度, 特异性	NA