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
161	2026-04-10	RETRACTED: Optimizing chemotherapeutic targets in non-small cell lung cancer with transfer learning for precision medicine 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319499 PMID:40299923	研究论文	本文提出了一种结合混合UNet Transformer、改进Rime优化算法和深度迁移学习的药物发现模型，用于识别非小细胞肺癌的化疗靶点	提出了一种混合UNet Transformer架构用于从药物和蛋白质序列中提取深度特征，并引入了改进的Rime优化算法进行特征选择，同时设计了深度迁移学习模型以提高药物发现的准确性	未提及模型在临床实际应用中的验证情况，也未讨论模型对不同患者亚群的泛化能力	优化非小细胞肺癌的化疗靶点识别，推动精准医疗发展	非小细胞肺癌患者的药物靶点	机器学习	肺癌	特征提取，迁移学习	Transformer, UNet, LSTM	序列数据（药物序列和蛋白质序列）	使用了Davis、KIBA和Binding-DB三个基准数据集，具体样本数量未明确说明	NA	混合UNet Transformer, DTransL	准确率	NA
162	2026-04-10	RETRACTED: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	研究论文	本研究提出了一个融合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生成绩预测	提出了理论指导的TGEL-Transformer框架，首次将多元智能理论和社会认知理论融入深度学习模型，设计了双通道特征处理模块、理论指导的四头注意力机制和可解释预测层	未在摘要中明确说明	解决传统教育数据挖掘方法难以整合异构特征数据、现有深度学习模型缺乏教育理论指导且可解释性不足的问题	学生	教育数据挖掘	NA	深度学习	Transformer	异构特征数据（认知、情感、环境维度）	6,608名学生（主要数据集），480名跨文化数据（外部验证）	未在摘要中明确说明	TGEL-Transformer（Theory-Guided Educational Learning Transformer）	RMSE, R2	未在摘要中明确说明
163	2026-04-10	Artificial intelligence in breast ultrasound: a systematic review of research advances 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619364 PMID:41098709	综述	本研究通过文献计量可视化分析，总结了人工智能集成超声技术在乳腺癌领域的研究进展、热点、趋势及国际合作模式	首次对2004-2025年间人工智能在乳腺超声领域的文献进行系统性文献计量与可视化分析，揭示了该领域的发展轨迹、核心研究力量及新兴主题	分析仅基于Web of Science核心合集数据库，可能未涵盖所有相关文献；研究结果存在地域性差异，全球合作仍需加强	总结人工智能在乳腺超声领域的研究进展，为临床诊断和治疗决策提供参考	2004-2025年间发表的关于人工智能集成超声技术用于乳腺癌的相关学术文献	医学影像分析	乳腺癌	文献计量分析，可视化分析	NA	文献元数据（发表量、引用、合作网络、关键词等）	1876篇纳入分析的学术文章	VOSviewer, CiteSpace, Microsoft Excel	NA	发表数量，总引用次数，关键词聚类，突现检测	NA
164	2026-04-07	Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning 2025-01-17, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010141 PMID:39858535	综述	本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用预测的计算方法，重点关注机器学习和深度学习技术	通过整合三维空间和生化特征，结构基方法比序列基方法提供更高的生物准确性，并揭示功能位点如结合和催化残基	面临高分辨率结构数据有限和有效负采样需求等挑战	推动蛋白质-蛋白质相互作用预测，以理解细胞过程并揭示健康和疾病的分子机制	蛋白质-蛋白质相互作用	机器学习	NA	结构基预测	机器学习,深度学习	蛋白质结构数据	NA	NA	NA	预测准确性	NA
165	2026-04-07	Utilizing Feature Selection Techniques for AI-Driven Tumor Subtype Classification: Enhancing Precision in Cancer Diagnostics 2025-01-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010081 PMID:39858475	综述	本文综述了特征选择技术如何通过提高机器学习模型在高维数据集中的可解释性和性能，来应对癌症异质性带来的诊断挑战	探讨了人工智能驱动的特征选择在自动化特征提取方面的潜力，并强调了整合深度学习模型和多组学策略的未来方向	方法仍面临数据质量保证、过拟合缓解和可扩展性处理等关键限制	提升癌症诊断的精确性，特别是肿瘤亚型的分类	肿瘤亚型及其生物行为	机器学习	癌症	多组学数据整合	机器学习模型，深度学习模型	高维数据集	NA	NA	NA	NA	NA
166	2026-04-05	Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1665173 PMID:41018263	研究论文	本研究开发并评估了基于彩色眼底照相和光学相干断层扫描的双模态深度学习模型，用于检测多种视网膜疾病，并评估其诊断性能和泛化能力	提出了双模态融合模型（Fusion-MIL），结合了彩色眼底照相和光学相干断层扫描数据，在多种设备和扫描模式下表现出优于单模态模型的诊断性能和高泛化能力	研究为横断面设计，未进行前瞻性验证；样本量相对有限，且数据来自特定医院和设备，可能影响模型在更广泛人群中的适用性	开发并评估深度学习模型，用于检测和分类多种视网膜疾病，提升诊断准确性和泛化能力	视网膜疾病患者，包括糖尿病视网膜病变、年龄相关性黄斑变性、病理性近视、视网膜前膜和黄斑水肿等	计算机视觉	视网膜疾病	彩色眼底照相，光学相干断层扫描	深度学习模型，多实例学习	图像	1445对CFP-OCT图像来自1029名患者，另有1184对用于ATN分类	NA	Fusion-MIL, CFP-MIL, OCT-MIL	AUC	NA
167	2026-04-02	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究利用VGG-16深度学习模型提取HRCT扫描特征，结合临床特征和定量CT参数，预测慢性阻塞性肺疾病患者的急性加重表型	首次将VGG-16深度学习特征与定量CT参数及临床特征结合，构建预测COPD急性加重的综合模型，并在外部验证队列中验证了其稳健性	研究为回顾性设计，样本量相对较小（219例患者），外部验证队列仅29例患者，可能影响模型的泛化能力	开发基于深度学习的模型，用于预测慢性阻塞性肺疾病患者的急性加重表型	219例接受吸气和呼气HRCT扫描的慢性阻塞性肺疾病患者	数字病理学	慢性阻塞性肺疾病	HRCT扫描	CNN	图像	219例患者（训练/测试队列）和29例患者（外部验证队列）	NA	VGG-16	AUC	NA
168	2026-04-02	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在缺乏MRI的情况下，通过深度学习模型仅使用CT输入实现前列腺自动分割的准确性	提出了一种基于CT-MRI配准信息的增量学习策略，以提升在MRI可用性有限时的CT前列腺分割精度	研究样本量相对较小（111例患者），且依赖于CT-MRI配准数据作为参考轮廓，可能受配准误差影响	实现在无MRI时仅基于CT的前列腺自动分割，达到与MRI相当的分割准确性	前列腺放疗患者的CT和MRI图像	数字病理	前列腺癌	CT-MRI配准，深度学习	深度学习模型	医学图像（CT和MRI）	111例前列腺放疗患者，分为训练集（37例）、验证集（20例）和测试集（54例）	NA	NA	Dice相似系数（DSC），95%定向Hausdorff距离（HD95）	NA
169	2026-04-02	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种名为“剂量带预测”的新方法，用于在放射治疗中预测一系列剂量分布，以改进计划制定和质量保证	首次提出剂量带预测方法，通过Upper/Lower-band模型预测剂量谱，而非单一剂量分布，为自动计划和质量保证提供更多选择	研究样本量有限（三个数据集共195例），且仅针对特定癌症类型（鼻咽癌和宫颈癌）和放疗技术（螺旋断层放疗、IMRT、VMAT）进行验证	开发一种能够预测剂量谱的深度学习方法，以增强放射治疗计划制定的灵活性和质量保证能力	鼻咽癌和宫颈癌患者的放疗剂量分布	医学影像分析	鼻咽癌, 宫颈癌	放射治疗计划，包括螺旋断层放疗、IMRT、VMAT	3D神经网络	3D剂量分布数据	104例鼻咽癌病例（数据集1），54例宫颈癌病例（数据集2），37例宫颈癌病例（数据集3），总计195例	NA	Upper-band模型, Lower-band模型	平均差异百分比	NA
170	2026-04-02	Deep learning-based multiple-CT optimization: An adaptive treatment planning approach to account for anatomical changes in intensity-modulated proton therapy for head and neck cancers 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110650 PMID:39581351	研究论文	本文提出了一种基于深度学习的多CT优化框架，用于头颈癌强度调制质子治疗中考虑解剖结构变化的自适应治疗计划方法	创新点在于结合深度学习和多CT优化，利用U-net架构预测稳健剂量，并通过剂量模拟算法生成可交付计划，以提高治疗计划对解剖变化的鲁棒性	研究为回顾性分析，样本量较小（55例患者），且仅针对头颈癌，未在其他癌症类型中验证	研究目标是开发一种自适应治疗计划方法，以应对头颈癌强度调制质子治疗中的解剖结构变化和不确定性	研究对象为55例头颈癌患者，包括训练集（38例）、验证集（7例）和测试集（10例）	数字病理学	头颈癌	锥形束CT（CBCT）、可变形配准、多CT优化	深度学习模型	CT图像	55例头颈癌患者（38例训练、7例验证、10例测试）	NA	U-net	D2%、均匀性指数、适形性指数	NA
171	2026-03-31	Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review 2025-01, Journal of gerontological nursing IF:1.1Q3 DOI:10.3928/00989134-20241210-01 PMID:39746126	系统综述	本文系统综述了人工智能和机器学习技术在安宁疗护领域的应用，重点关注用于识别慢性病和终末期患者中潜在安宁疗护服务受益者的模型	首次系统性地总结和评估了AI/ML模型在识别安宁疗护潜在受益者方面的应用现状与方法	纳入研究数量有限（仅5项），且研究间异质性较大，可能影响结论的普适性	评估人工智能和机器学习技术在识别安宁疗护服务潜在受益者方面的应用效果与前景	慢性病和终末期疾病患者	自然语言处理, 机器学习	老年疾病	NA	监督学习算法, 深度学习模型	NA	NA	NA	神经网络模型, 逻辑回归, 树模型	NA	NA
172	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	介绍了一个基于深度学习的网络平台G2PDeep-v2，用于多组学数据的表型预测和生物标志物发现	开发了一个通用的网络平台，支持所有生物体（包括人类、植物、动物和病毒）的多组学数据分析，并集成了自动化超参数调优和基因集富集分析功能	未在摘要中明确提及具体限制	构建一个基于深度学习的网络平台，用于表型预测和生物标志物发现	所有生物体（包括人类、植物、动物和病毒）的多组学数据	机器学习	NA	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
173	2026-03-23	TRANSFORMER-BASED T1-TRACTOGRAPHY 2025, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10981144 PMID:40814567	研究论文	本文提出了一种基于Transformer的T1加权MRI纤维束追踪方法，通过改进现有CoRNN架构，提升白质通路估计的准确性	将Transformer模块引入T1加权纤维束追踪，替代传统的循环单元和序列表示，改进纤维方向分布的表示和预测网络	研究仅针对健康成年人的数据，未涉及病理状态或更广泛人群的验证	提高T1加权MRI纤维束追踪的准确性，使其更接近扩散MRI金标准	人类大脑白质通路	医学影像分析	NA	T1加权MRI, 扩散MRI	Transformer	MRI图像	健康正常成年人数据	NA	Transformer	角度一致性	NA
174	2026-03-22	SpaGRA: Graph augmentation facilitates domain identification for spatially resolved transcriptomics 2025-01, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.09.015 PMID:39362628	研究论文	提出一种基于图增强的新方法SpaGRA，用于空间分辨转录组学中的自动多关系构建和空间域识别	引入图增强技术，动态调整边权重，利用多头图注意力网络揭示多样节点关系，并构建多视图关系以解决随机选择带来的采样偏差	未明确说明方法在超大规模数据集上的计算效率或对特定组织类型的泛化能力限制	改进空间分辨转录组学中的空间域识别任务，通过多关系构建提升准确性	空间分辨转录组学数据，包括小鼠下丘脑、小鼠胚胎和Visium HD数据中的细胞或点	计算生物学	NA	空间分辨转录组学	GAT	空间转录组数据	多个数据集，具体样本数量未明确说明	NA	多头图注意力网络	空间域识别性能，具体指标未明确说明	NA
175	2026-03-21	The impact of artificial intelligence on the endoscopic assessment of inflammatory bowel disease-related neoplasia 2025, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251348574 PMID:40556746	综述	本文总结了人工智能在炎症性肠病相关肿瘤内镜评估中的应用现状、潜在益处、局限性和未来方向	聚焦于AI在IBD相关肿瘤内镜检测中的应用，这是相对于非IBD人群研究较为有限的领域，并强调了其在减少观察者间变异、改善活检靶向和个性化监测策略方面的潜力	针对IBD相关肿瘤的临床数据仍然有限，需要更多在IBD特定队列中的验证研究以及与临床工作流程的整合	总结人工智能技术在检测IBD相关肿瘤方面的应用证据	炎症性肠病患者及其内镜评估	数字病理学	炎症性肠病	内镜检查	机器学习, 深度学习	内镜图像	NA	NA	NA	灵敏度	NA
176	2026-03-21	Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1701951 PMID:41480282	研究论文	本研究探讨了基于循环神经网络和卷积神经网络的深度学习模型在V2X通信网络中用于交通预测的应用	系统比较了GRU、LSTM和BiLSTM等RNN变体以及CNN在V2X交通预测中的性能，并优化了损失函数和优化器等超参数	未明确说明数据来源、具体网络拓扑结构以及模型在真实V2X环境中的部署验证	提高V2X通信网络的交通信息预测准确性，以改善交通管理、缓解拥堵并提升网络安全与能效	V2X通信网络中的交通流量模式	机器学习	NA	NA	RNN, CNN	交通流量数据	NA	NA	GRU, LSTM, BiLSTM	准确率, 计算效率, RMSE	NA
177	2026-03-21	CMNet: an asymmetric dual-branch network for accurate cotton segmentation 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1692647 PMID:41852902	研究论文	本文提出了一种名为CMNet的新型双分支棉花分割网络，用于在复杂田间环境中实现精确的棉花分割	提出了一种非对称双分支网络CMNet，通过引入2D选择性扫描模块替代原始Transformer分支来优化ParaTransCNN架构，并集成可变形卷积网络模块以增强对不规则形状目标的感知，同时采用ASPP模块和scSE注意力机制来增强多尺度特征表示和特征建模能力	未明确说明模型在极端光照条件或严重遮挡情况下的性能表现	提高复杂田间环境下棉花分割的准确性和鲁棒性，为智能农业应用提供技术支持	田间棉花图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	未明确说明具体样本数量，但使用了自建的田间棉花图像数据集	PyTorch	U-Net, ParaTransCNN, Vision Mamba	Dice系数, mIoU, 准确率	未明确说明具体计算资源
178	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_9 PMID:41800187	研究论文	本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力	LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力	研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估	预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估	卒中后失语症患者	数字病理学	卒中后失语症	rs-fMRI	图神经网络（GNN）	神经影像数据（rs-fMRI）	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
179	2026-03-18	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究方案	本文提出了一项关于人工智能在实施科学中应用、评估方法和成果的活体范围综述协议	采用活体范围综述方法，以跟踪人工智能在实施科学中快速演变的角色	NA	绘制人工智能在实施研究和实践中的应用图景，识别评估方法、报告成果及潜在风险，并综合研究空白和机遇	实证研究、系统综述、灰色文献和政策文件	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	NA	文本	NA	NA	NA	NA	NA
180	2026-03-17	AI: the Apollo guidance computer of the Exposome moonshot 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1632520 PMID:41000410	评论	本文提出将人工智能与微生理系统和多组学平台结合，以推动暴露组学研究，实现疾病预防和个性化健康管理	提出“暴露组登月计划”统一愿景，将微生理系统、多组学平台和人工智能整合，创建器官、个体和人群的数字孪生模型	需要扩展模型的适用领域、实施稳健的数据安全措施，并优先采用透明可解释的算法	推动暴露组学研究，通过人工智能整合环境暴露数据以理解和预防人类疾病	人类环境暴露数据、微生理系统生成的数据、多组学平台数据	机器学习	NA	多组学平台	深度学习	异质数据流	NA	NA	NA	NA	NA