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
1	2026-03-27	Enhancing explainability and performance of the depression detection model on social media utilizing feature engineering and LLMs 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00446-x PMID:41883984	研究论文	本研究通过特征工程和大型语言模型（LLMs）提升社交媒体上抑郁症检测模型的可解释性和性能	结合情感状态特征工程和LLMs，不仅提高分类性能，还通过LLM将情感状态与抑郁症特征关联，增强模型可解释性	未明确说明模型在跨平台或不同语言社交媒体数据上的泛化能力，且依赖特定时间段的情感状态计算	提升社交媒体上抑郁症检测模型的可解释性和分类性能	社交媒体帖子数据	自然语言处理	抑郁症	特征工程、词嵌入模型、注意力机制、大型语言模型（LLMs）	序列模型、注意力机制	文本	NA	NA	NA	NA	NA
2	2026-03-27	Machine learning models enhance detection of arrhythmogenic right ventricular cardiomyopathy 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae451a PMID:41884351	研究论文	本研究旨在通过机器学习模型提升致心律失常性右心室心肌病的检测能力	首次系统比较了八种机器学习模型在ARVC检测中的性能，并提出了基于梯度提升树的分层诊断策略，包括仅使用心电图的早期分诊模型	研究基于单一机构的回顾性数据，需要在前瞻性外部临床环境中进行验证	寻找最优的机器学习策略以增强ARVC的检测，并明确其在诊断路径中的作用	来自约翰霍普金斯ARVC注册库的688名患者	机器学习	心血管疾病	临床评估、心电图、影像学、遗传学检测	梯度提升树, 随机森林, 决策树, TabNet	临床、心电图、影像和遗传变量	688名患者	NA	梯度提升树, 随机森林, 决策树, TabNet	AUC, 准确率, 灵敏度, 特异性	NA
3	2026-03-27	HyCoSwin-PD: An explainable hybrid ConvNeXtV2-Swin transformer framework for Parkinson's disease detection from neuroimaging 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103868 PMID:41884659	研究论文	本研究提出了一种名为HyCoSwin-PD的可解释混合深度学习框架，用于从结构MRI中检测帕金森病	该研究创新性地将ConvNeXt-V2和Swin Transformer结合，共同建模细粒度局部形态和分层全局上下文，并通过专用融合机制统一这些互补表示	研究依赖于单模态MRI数据集和有限队列，需要多模态和多中心验证	开发一个用于从神经影像中准确检测帕金森病的可解释混合深度学习框架	帕金森病患者的结构MRI数据	计算机视觉	帕金森病	结构MRI	CNN, Transformer	图像	PPMI数据集中的有限队列	NA	ConvNeXt-V2, Swin Transformer	准确率, 灵敏度, 特异性	NA
4	2026-03-27	Improving Fairness and Mitigating Bias in Multicenter Electronic Health Records Models to Predict Glaucoma Outcomes 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101119 PMID:41883731	研究论文	本研究评估了在多中心电子健康记录中预测青光眼进展模型的偏见缓解方法的有效性和泛化性，并提出了一种平衡性能与公平性的新评估指标	提出了FairOdds-AUC这一复合指标，用于调整AUROC以平衡性别和种族/民族间的公平性，并系统比较了预处理、处理中和后处理三种偏见缓解方法在大型多中心青光眼队列中的效果	后处理和预处理偏见缓解策略的FairOdds-AUC变化较为不稳定（-0.009至+0.021），且在外部站点间的泛化能力较弱	评估偏见缓解方法在青光眼进展预测模型中的有效性和泛化性，并开发一种平衡性能与公平性的临床AI评估指标	来自美国SOURCE联盟七个机构的50,656名青光眼患者	机器学习	青光眼	电子健康记录分析	XGBoost, 神经网络, Transformer	电子健康记录	50,656名患者	Python	Transformer, 全连接网络	AUROC, 公平化机会差异, FairOdds-AUC	NA
5	2026-03-27	Feasibility of Free-breathing Deep Learning-reconstructed Single-Shot Cine MRI in Participants with Arrhythmia: Comparison with Conventional Segmented Cine MRI 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250298 PMID:41885622	研究论文	本研究评估了基于深度学习压缩感知重建的自由呼吸单次激发心脏电影MRI在心律失常患者中的可行性，并与传统分段采集电影MRI进行对比	首次将深度学习增强的压缩感知技术应用于自由呼吸、单次激发的心脏电影MRI序列，并在心律失常患者中验证其临床可行性，显著缩短扫描时间并减少运动伪影	样本量相对较小（70名参与者），研究仅在1.5T MRI扫描仪上进行，缺乏多中心验证	评估深度学习重建单次激发电影MRI在测量左心室结构和功能方面的临床可行性	健康志愿者和疑似心律失常的参与者	医学影像分析	心血管疾病	心脏磁共振成像，深度学习增强压缩感知，平衡稳态自由进动序列	深度学习模型	心脏磁共振图像	70名参与者（25名健康志愿者，45名疑似心律失常患者）	NA	NA	欧洲心血管磁共振注册评分，图像质量评分，扫描时间，左心室容积参数一致性	1.5T MRI扫描仪
6	2026-03-27	Automated acquisition of explainable knowledge from unannotated colposcopic images for predicting the natural course of CIN2 2026-Mar-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70976 PMID:41884887	研究论文	本研究开发了一种基于深度学习的预后模型，利用阴道镜图像预测CIN2的自然病程结局（消退、持续、进展），并提供临床风险分层	首次利用无标注的阴道镜图像通过自动化特征提取和聚类分析，结合机器学习模型预测CIN2预后，并提供了可解释的风险特征	研究为回顾性设计，样本量相对较小（212例），且仅基于单一中心数据，可能影响模型的泛化能力	开发预测宫颈上皮内瘤变2级（CIN2）自然病程结局的预后模型，实现个体化临床管理	212例诊断为CIN2的患者及其阴道镜图像（包括未染色、醋酸染色和卢戈碘染色图像）	数字病理学	宫颈癌	阴道镜成像，醋酸染色，卢戈碘染色	逻辑回归, XGBoost, 随机森林, Extra Trees	图像	212例患者	Scikit-learn, XGBoost	NA	宏AUC, 灵敏度, 准确率, 精确召回曲线, 决策曲线分析	NA
7	2026-03-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026-Mar-26, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出一种名为FDS-CAP的新型图深度学习框架，用于通过建模人类相互作用组中的碎片化疾病子图来预测疾病共病	首次引入组件级注意力机制来聚合碎片化疾病子图中连接组件的嵌入，从而更准确地表示反映生物复杂性的疾病，以改进共病预测	仅通过一个胶质瘤的案例研究来展示其生物学可解释性，可能缺乏更广泛的验证	预测人类疾病之间的共病关系，以揭示共享的病理生理机制并改进诊断和治疗策略	人类疾病网络中的疾病关联	机器学习	胶质瘤	图深度学习	Subgraph Neural Networks (SUBGNN), Variational Graph Auto-Encoder	图数据	基准数据集（具体数量未提及）	NA	SUBGNN, Variational Graph Auto-Encoder	AUROC	NA
8	2026-03-27	A Two-Module Parallel Dual-Domain Network for interior tomography reconstruction 2026-Mar-26, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261433954 PMID:41885505	研究论文	本文提出了一种用于内部断层扫描重建的双模块并行双域网络（TPDDN），通过整合投影域和图像域信息来提升重建图像质量	提出了一个端到端的深度学习框架TPDDN，包含初始恢复模块和交互融合模块，通过并行交互分支实现投影域与图像域的双向特征交互与信息融合，有效抑制截断数据引起的杯状伪影	NA	开发一种并行网络，有效整合投影域和图像域信息，以改进内部断层扫描重建	内部断层扫描重建	计算机视觉	NA	计算机断层扫描（CT）	深度学习网络	图像	NA	NA	双模块并行双域网络（TPDDN）	定性性能，定量性能	NA
9	2026-03-27	Integrating Molecular Dynamics and Deep Learning to Elucidate Conformational Plasticity Underlying the Reduced Activity of Glycocin F 2026-Mar-26, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c00056 PMID:41885711	研究论文	本文通过结合分子动力学模拟与深度学习，揭示了糖肽F（GccF）中α-甲基化导致其抗菌活性降低的构象可塑性机制	首次利用变分自编码器（VAE）引导的分子动力学框架，量化了GccF中微小化学修饰（α-甲基化）如何通过改变构象动力学导致功能丧失	研究主要基于计算模拟，缺乏实验验证；模型可能未完全捕捉所有生物物理细节	阐明糖肽F（GccF）中α-甲基化修饰导致其抗菌活性大幅降低的结构动力学机制	糖肽F（GccF）及其α-甲基化变体	机器学习	NA	分子动力学模拟	变分自编码器（VAE）	分子构象数据	NA	NA	变分自编码器	NA	NA
10	2026-03-27	Enhancing drug synergy in malignant diseases with deep architecture optimization algorithms 2026-Mar-26, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2646310 PMID:41885799	研究论文	本文通过超参数优化算法提升深度学习模型在预测恶性疾病药物协同作用方面的性能	强调超参数优化算法在药物协同作用预测模型中的关键作用，并探讨不同优化策略和超参数选择对模型效果的影响	超参数优化的效果高度依赖于具体任务和数据集，可能缺乏普适性	优化深度学习模型的超参数以提高恶性疾病药物协同作用的预测准确性	恶性疾病（如癌症）的药物协同作用预测	机器学习	癌症	深度学习	深度学习模型	大规模数据集（可能包括药物筛选数据）	NA	NA	NA	准确率	NA
11	2026-03-27	Fundus tessellation density as a quantitative marker of myopia progression: a five-year longitudinal deep learning study 2026-Mar-26, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07200-9 PMID:41886079	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2026-03-27	Fast and accurate identification of emerging viral reassortment from genome sequences 2026-Mar-19, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag255 PMID:41885208	研究论文	本研究开发了一种名为VReassort的工具，用于基于基因组序列快速准确地识别新兴病毒重配事件	结合深度学习模型和系统发育树衍生特征，实现了对病毒重配事件的高效检测，速度比基准工具快100倍以上	未明确说明工具在其他类型分段病毒上的泛化性能限制	开发快速准确识别新兴病毒重配事件的工具	分段病毒基因组序列，特别是甲型流感病毒和轮状病毒	生物信息学	流感	基因组测序	深度学习模型	基因组序列数据	模拟数据、约1000株甲型流感病毒株、超过8000株甲型流感病毒株的大规模数据	NA	NA	F1分数	NA
13	2026-03-27	A deep learning approach to broadband modal propagation in various shallow water waveguides 2026-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043177 PMID:41885549	研究论文	本文提出了一种基于神经网络的深度学习方法，用于近似和加速水下声学传播中的宽带模态参数计算	引入神经网络来预测模态参数（如水平波数和模态深度函数），以替代计算密集型的传统模态模拟方法，显著提高计算效率	模型训练基于范围独立的环境，可能无法完全适应动态海洋环境或未知海底的复杂变化	加速水下声学传播模拟，特别是针对宽带信号或迭代应用如反演	浅海波导中的声学模态传播	机器学习	NA	神经网络	神经网络	模拟数据	使用Kraken正常模态代码生成的训练数据，覆盖50-500 Hz频率范围和可变环境参数的浅海波导	NA	NA	NA	NA
14	2026-03-27	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐方向和角度，以检测和量化斜视	提出了一种基于深度学习的视线估计算法，能够通过视频非侵入性地定量估计斜视角度，为斜视评估提供了一种新颖、实用的方法	算法仍需进一步验证以符合临床标准，且当前准确性有待通过纳入多设备数据集来提升	开发并验证一种基于深度学习的算法，用于通过视线估计检测和量化斜视	眼球位置视频，包括两名案例对象（一名无眼科病史，一名诊断为外斜视）和十名无眼科异常的对照对象	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名案例，10名对照）	NA	NA	斯皮尔曼相关系数	NA
15	2026-03-27	Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746364 PMID:41884147	研究论文	本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别	开发了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，旨在减少对临床医生专业知识的依赖和观察者间差异	模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高灵敏度但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征	开发一种人工智能模型，以增强急诊科急性胸痛患者的诊断准确性并促进及时的临床决策	急诊科就诊的急性胸痛患者	机器学习	心血管疾病	12导联心电图	CNN	心电图信号	1188名患者	NA	结合通道注意力机制的卷积神经网络	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA
16	2026-03-27	Artificial intelligence models for point-of-care ultrasound diagnostics in dogs 2026, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2026.1729114 PMID:41884304	研究论文	本研究评估了深度学习模型在犬类中使用床旁超声（POCUS）检测危及生命的积液和气胸（PTX）的可行性和诊断性能	首次在兽医领域应用深度学习模型对犬类POCUS图像进行实时自动化解释，以辅助创伤评估和分诊决策	样本量小、仅纳入钝性创伤和非创伤性病理、类别不平衡、积液体积和位置存在变异性	评估人工智能模型在犬类床旁超声诊断中的应用，以提高诊断能力并辅助兽医急诊护理中的分诊和院前决策	五只健康的军用工作犬和二十只客户拥有的犬（22-55公斤），包括健康犬和确诊患有腹部、胸膜、心包积液或气胸的犬	计算机视觉	犬类创伤相关疾病	床旁超声（POCUS），聚焦创伤超声评估（FAST）	CNN	超声视频剪辑转换的图像帧	25只犬（5只健康军用工作犬，20只客户拥有的患病犬）	NA	多种卷积神经网络架构	召回率, 准确率	NA
17	2026-03-27	A Transformer-Based Deep Learning Model for predicting Early Recurrence in Hepatocellular Carcinoma After Hepatectomy Using Intravoxel Incoherent Motion Images 2026, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S564217 PMID:41884404	研究论文	本研究开发并验证了一种基于Transformer框架的深度学习模型，利用体素内不相干运动扩散加权成像预测肝细胞癌肝切除术后早期复发	首次将视觉Transformer框架应用于IVIM-DWI图像，通过融合九个b值DWI图像和IVIM参数图的深度特征构建预测模型，并结合临床特征提升预测性能	回顾性研究设计，样本量较小（122例患者），缺乏外部验证队列	开发术前预测肝细胞癌肝切除术后早期复发的深度学习模型	肝细胞癌患者	数字病理学	肝细胞癌	磁共振成像，体素内不相干运动扩散加权成像	Transformer	医学影像	122例患者（训练集85例，测试集37例）	NA	视觉Transformer	曲线下面积	NA
18	2026-03-27	YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1714086 PMID:41884779	研究论文	本文提出了一种名为YOLOBT的深度学习框架，用于动态调整基于全局信号质量的ERP坏试次检测	提出YOLOBT框架，通过整合全局信号质量评估与动态阈值调整来模拟专家判断，并引入跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新技术	NA	开发一种能够动态调整阈值以模拟专家自适应策略的自动化ERP坏试次检测方法	事件相关电位（ERP）数据中的坏试次（即因噪声或伪影污染而不适合分析的数据段）	自然语言处理	NA	脑电图（EEG）信号处理	YOLO	图像（将EEG信号可视化为波形图像）	NA	NA	YOLO	精确率, 召回率, mAP, F1分数	NA
19	2026-03-25	Toward a unified pipeline for natural product discovery: tools and strategies for NRPS and PKS pathway exploration and engineering 2026-02-25, Natural product reports IF:10.2Q1 DOI:10.1039/d5np00041f PMID:40719200	综述	本文综述了将非核糖体肽合成酶和聚酮合酶系统转变为理性设计平台的最新进展，涵盖基因组挖掘、高通量筛选、合成生物学和计算建模等工具与策略	强调计算建模（如同源建模、分子对接、分子动力学模拟）和深度学习策略与传统技术相结合，加速定制天然产物类似物的发现与组装	NA	探索和改造非核糖体肽合成酶和聚酮合酶生物合成途径，以发现和设计新型天然产物	非核糖体肽合成酶和聚酮合酶系统及其产生的天然产物（如抗生素、免疫抑制剂、抗癌剂）	计算生物学, 合成生物学	NA	基因组挖掘, 高通量筛选, 去重复化, 同源建模, 分子对接, 分子动力学模拟	深度学习模型	基因组数据, 蛋白质结构数据, 化学数据	NA	NA	NA	NA	NA
20	2026-03-25	Unlocking the metabolic potential of endophytic fungi through epigenetics: a paradigm shift for natural product discovery and plant-microbe interactions 2025-10-15, Natural product reports IF:10.2Q1 DOI:10.1039/d5np00028a PMID:40719258	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA