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
281	2026-03-09	BioLM-NET: an interpretable deep learning model combining prior biological knowledge and contextual LLM gene embeddings on multi-omics data to predict disease 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0047 PMID:41758175	研究论文	本文提出了一种结合先验生物学知识和上下文LLM基因嵌入的深度学习模型BioLM-NET，用于多组学数据预测疾病	BioLM-NET首次融合了蛋白质-蛋白质相互作用(PPI)和蛋白质-DNA相互作用(PDI)先验知识，并引入基于注意力的通路层整合预训练大语言模型生成的上下文特异性基因嵌入	未明确说明模型的计算复杂度、训练时间或在小样本数据集上的泛化能力	开发一个可解释的深度学习模型，利用多组学数据和生物学先验知识预测疾病类型	结直肠癌单细胞数据、TCGA乳腺癌、胶质母细胞瘤、结肠癌数据以及ROSMAP阿尔茨海默病数据	机器学习	结直肠癌, 乳腺癌, 胶质母细胞瘤, 阿尔茨海默病	单细胞基因表达测序, DNA甲基化测序	深度学习, 注意力机制	基因表达数据, DNA甲基化数据	scTrioseq2平台结直肠癌单细胞数据、TCGA-BRCA、TCGA-GBM、TCGA-COAD数据集及ROSMAP阿尔茨海默病数据	NA	BioLM-NET, P-NET, PASNet, Dense neural network	统计显著性	NA
282	2026-03-09	Deep Learning-based Classification of Patients with Postural Orthostatic Tachycardia Syndrome using Wearable ECG and Accelerometer Data 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0050 PMID:41758178	研究论文	本研究利用可穿戴设备收集的ECG和加速度计数据，通过深度学习模型对体位性心动过速综合征患者进行分类	首次使用可穿戴设备在日常生活场景中连续收集生理数据，并基于深度学习模型对POTS患者进行分类，克服了传统临床测试的限制	样本量较小（66名患者和20名对照），未来需要在更大、更多样化的临床条件下进行验证	开发一种基于可穿戴设备和深度学习的POTS诊断辅助工具	体位性心动过速综合征患者和健康对照者	机器学习	心血管疾病	可穿戴设备数据采集（ECG和加速度计）	深度学习模型	ECG信号和加速度计数据	66名POTS患者和20名健康对照者	NA	NA	NA	NA
283	2026-03-09	Explainable AI for gait speed analysis from multimodal data fusion 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341067 PMID:41758888	研究论文	本研究提出了一种基于多模态数据融合和深度学习的步态速度分类框架，并利用层间相关性传播进行优化	提出了两种新颖的架构：混合CNN+LSTM和多流CNN，并应用LRP进行特征相关性评估以验证模型鲁棒性	研究仅基于50名无损伤成年人的公开数据集，样本规模有限且未涵盖临床患者群体	开发高精度且鲁棒的步态速度分析工具，用于医疗保健、康复和人机交互等领域	50名无损伤成年人在不同速度下的步行数据	机器学习	NA	全身运动捕捉、肌电图、测力板数据采集	CNN, LSTM, TCN, Transformer, GRU	多模态时序数据（运动、肌电、力学信号）	50名成年人的多模态步态数据集	NA	混合CNN+LSTM, 多流CNN, Temporal Convolutional Networks, Transformer, Gated Recurrent Units	F1分数, ROC曲线, 混淆矩阵	NA
284	2026-03-09	Multi-omics signatures of chronic inflammation across immune-related disease states 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753156 PMID:41766899	研究论文	本研究利用英国生物银行数据，通过多组学深度学习模型分析慢性炎症在多种免疫相关疾病中的特征，并评估其与长期死亡率的关联	首次在人群规模上整合系统性炎症、代谢和蛋白质组学信号，构建多组学深度学习模型，并通过堆叠元模型和竞争风险模型解码慢性疾病中的免疫代谢通讯模式	研究基于英国生物银行数据，可能受人群代表性限制；模型验证主要依赖体外实验，需进一步体内验证	解码慢性疾病状态下的免疫代谢通讯模式，并建立风险分层定量框架	英国生物银行参与者，分为健康对照组、癌症、自身免疫性疾病、感染性疾病、代谢性疾病及多重共病组	机器学习	慢性炎症相关疾病	NMR代谢组学、Olink蛋白质组学、ELISA、流式细胞术、qPCR	深度学习	临床数据、血液学指标、代谢组学数据、蛋白质组学数据	英国生物银行参与者（具体数量未在摘要中明确，但为大规模人群数据）	NA	多组学深度学习模型（包括临床/炎症模型、+NMR模型、+Olink模型及三塔多组学模型）	准确率、宏F1分数、多类AUC	NA
285	2026-03-09	Hybrid lightweight vision transformers with attention mechanism for feature extraction and classification of product designs 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343510 PMID:41774737	研究论文	本研究提出了一种名为LeViT的混合轻量级视觉Transformer架构，用于产品包装设计的特征提取与分类	提出了一种结合卷积神经网络与视觉Transformer的混合架构，能够同时学习局部视觉细节和全局上下文特征，在保持计算效率的同时改进了特征表示	未在摘要中明确说明	解决传统深度学习模型在复杂视觉任务（如包装分类）中难以捕捉长距离关系和全局视觉上下文的问题	产品包装设计图像	计算机视觉	NA	NA	CNN, Transformer	图像	未在摘要中明确说明	NA	LeViT, ResNet-50, RegNet, ConvNeXt	分类准确率	未在摘要中明确说明
286	2026-03-09	Scalable and objective wound infection screening from clinical images using deep learning 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1772514 PMID:41778136	研究论文	本研究开发并评估了一种基于深度学习的框架，用于从临床伤口图像中自动检测伤口感染，旨在提高诊断一致性并支持公共卫生导向的伤口管理	首次将Swin Transformer架构应用于临床伤口图像进行感染检测，相比传统卷积神经网络表现出更优性能，并展示了在资源有限或非专科临床环境中的可扩展性和客观性	研究未明确提及数据集的多样性限制（如伤口类型、肤色或光照条件的变化），也未讨论模型在不同医疗设备或拍摄条件下的泛化能力	开发一种可扩展、客观的伤口感染筛查工具，以改善诊断一致性并支持公共卫生管理	临床伤口图像	计算机视觉	伤口感染	深度学习	Swin Transformer, CNN	图像	4000张多样化的临床伤口图像	NA	Swin Transformer, 传统卷积神经网络	准确率, AUC, F1分数	NA
287	2026-03-09	Enhancing InceptionResNet to Diagnose COVID-19 from Medical Images 2026, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673378155250704110629 PMID:40734430	研究论文	本研究提出了一种改进的InceptionResNet模型（Enhanced InceptionResNet），用于从胸部X光图像中诊断COVID-19	改进了InceptionResNet模型，通过引入深度可分离卷积来增强特征提取效率并减少计算资源消耗	计算需求较高，且在区分正常与肺炎病例方面仍有提升空间	开发一种高效的深度学习模型，用于从医学图像中诊断COVID-19	胸部X光图像	计算机视觉	COVID-19	X光成像	CNN	图像	2600张X光图像	NA	ResNet, InceptionResNet, Enhanced InceptionResNet	准确率, 召回率, 精确率, F1分数, ROC-AUC, 损失值, 混淆矩阵分析	NA
288	2026-03-09	MLGT: A multimodal graph attention network for virtual screening of anti-Uveitis drugs 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343159 PMID:41785238	研究论文	本文提出了一种名为MLGT的多模态图注意力网络，用于抗葡萄膜炎药物的虚拟筛选	提出了一种基于GATv2的新型图注意力网络，首次在统一深度学习框架中协同整合分子图拓扑、键属性和物理化学描述符，并采用动态注意力机制捕获非局部原子相互作用以及双流融合模块结合图嵌入与分子描述符	未明确说明模型在其他疾病或更大规模数据集上的泛化能力，以及计算资源的具体需求	开发一种高效的计算工具，用于靶向葡萄膜炎药物的虚拟筛选，并为复杂疾病的精准药物发现建立可扩展的AI驱动范式	葡萄膜炎相关化合物	机器学习	葡萄膜炎	虚拟筛选	图注意力网络	分子图, 物理化学描述符	来自ChEMBL的严格策划的葡萄膜炎相关化合物数据集	NA	GATv2	准确率, F1分数, 召回率, AUC-ROC	NA
289	2026-03-09	Investigating the correlation between candidate teachers' acceptance of generative artificial intelligence and artificial intelligence literacy across various disciplines 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342853 PMID:41785261	研究论文	本研究采用解释性顺序混合方法，调查了不同学科准教师的生成式人工智能接受度与人工智能素养水平之间的相关性及其影响因素	首次在准教师群体中系统探讨生成式人工智能接受度与人工智能素养的跨学科比较，并整合定量与定性数据揭示影响因素	样本仅来自单一国家或地区的准教师，可能限制结果的普适性；自我报告数据可能存在偏差	探究准教师的生成式人工智能接受度与人工智能素养的关系及影响因素	723名准教师（定量）和48名准教师（定性）	自然语言处理	NA	问卷调查、半结构化访谈	NA	问卷数据、访谈文本	723名准教师（定量）、48名准教师（定性）	NA	NA	NA	NA
290	2026-03-09	Integrated microwave cavity perturbation sensor for nondestructive estimation of moisture content of grains: A case study on wheat and chickpea 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343435 PMID:41785294	研究论文	本研究提出了一种低成本、集成式微波腔微扰传感器，用于无损估计小麦和鹰嘴豆的水分含量	开发了一种不依赖昂贵矢量网络分析仪的自定义电路系统，并推导出与密度无关的水分含量函数M(Ψ)	研究仅针对小麦和鹰嘴豆两种谷物进行验证，未涵盖其他谷物种类	开发一种用于谷物水分含量无损估计的快速、精确且经济有效的实时监测系统	小麦和鹰嘴豆谷物	机器学习	NA	微波腔微扰传感技术	Bagging, k-NN, REPTree, 深度学习模型	介电特性指标数据	未明确说明具体样本数量	NA	NA	相关系数(R), 均方根误差(RMSE), 准确率	NA
291	2026-03-09	Hybridizing deep learning algorithms and geostatistical approaches for improved crop yield disaggregation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344081 PMID:41790616	研究论文	本研究提出了一种结合深度学习模型与地理统计残差克里金法的多阶段混合框架，用于将村级作物产量统计数据分解到像素级	首次实证展示了利用天气和卫星波段数据组合进行村级到像素级产量分解的混合框架，通过残差克里金法纠正深度学习模型的空间偏差	研究仅针对印度哈里亚纳邦半干旱地区的小麦和芥菜作物进行案例研究，未涉及其他作物或气候区域	提高精细空间分辨率下的作物产量估计可靠性，以支持精准农业、粮食安全规划和保险计划	小麦和芥菜作物在印度哈里亚纳邦半干旱地区的产量数据	机器学习	NA	地理统计残差克里金法、卫星遥感（Sentinel-1和Sentinel-2波段数据）	深度学习模型、随机森林	土壤数据、天气数据、卫星遥感图像	NA	NA	NA	R2, RMSE, Moran's I	NA
292	2026-03-09	PAH-former: Transfer learning for efficient discovery of pulmonary arterial hypertension-associated genes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344084 PMID:41790620	研究论文	本研究开发了一个名为PAH-former的迁移学习平台，用于从有限的公开单细胞RNA测序数据中高效发现与肺动脉高压相关的基因	通过微调Geneformer深度学习模型，创建了专门针对肺动脉高压的PAH-former模型，并利用其进行计算机扰动分析来识别和排序候选基因，为从有限数据中发现疾病相关基因提供了一种新策略	研究依赖于公开可用的有限患者样本数据，且体外验证仅在人类肺动脉内皮细胞中进行，未涉及其他细胞类型或体内模型	高效识别肺动脉高压的新型功能相关疾病关联基因，以发现新的治疗靶点	肺动脉高压患者的单细胞RNA测序数据，以及人类肺动脉内皮细胞	机器学习	肺动脉高压	单细胞RNA测序，RNA干扰介导的敲低	深度学习模型	基因表达数据	未明确说明具体样本数量，但提及数据来源于公开的肺动脉高压患者单细胞RNA测序数据	NA	Geneformer	NA	NA
293	2026-03-09	MoGraphDRP: Multi-omics and graph fusion with bilinear attention for predicting drug sensitivity 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341458 PMID:41790794	研究论文	提出了一种多分支深度学习框架，通过融合多组学细胞数据和药物结构特征来预测药物敏感性	结合多组学数据和药物分子图与化学指纹，并引入多头双线性注意力模块来建模细胞与药物间的复杂相互作用	NA	实现精准医疗和个性化治疗设计，准确预测癌细胞中的药物反应	癌细胞的多组学数据（基因表达、突变、甲基化、生物通路）和药物结构特征（分子图、化学指纹）	机器学习	癌症	多组学数据分析	GCN, MLP, XGBoost	基因表达、突变、甲基化、生物通路数据、分子图、化学指纹	NA	TensorFlow, PyTorch, XGBoost	Graph Convolutional Network, Multi-head Bilinear Attention	PCC, RMSE, R²	NA
294	2026-03-07	Intelligent Attention-Driven Deep Learning for Hip Disease Diagnosis: Fusing Multimodal Imaging and Clinical Text for Enhanced Precision and Early Detection 2026-Jan-24, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62020250 PMID:41752650	研究论文	本研究开发了一种基于注意力机制的多模态深度学习框架，用于融合X光、CT影像和临床文本数据，以提升髋关节疾病的早期诊断和精确分类性能	提出了一种结合影像（X光、CT）与临床文本的多模态深度学习框架，并采用注意力机制进行特征融合，提高了髋关节疾病诊断的准确性和可解释性	研究为回顾性设计，外部验证队列样本量较小（仅24例），可能影响模型的泛化能力评估	开发一个多模态深度学习系统，以改善髋关节疾病的早期诊断和精确分类	髋关节，包括正常髋关节、骨关节炎、股骨头坏死和股骨髋臼撞击症	数字病理学	骨关节疾病	X光成像，CT成像，临床文本分析	CNN, Transformer	图像，文本	内部数据集包含605个髋关节（来自中心A，2018-2024年），外部验证集包含24个髋关节（来自中心B，2024-2025年）	PyTorch, TensorFlow (推断，因使用BERT和ResNet)	ResNet50, 3D-ResNet50, BERT	AUC, 准确率, 灵敏度, 特异性, 决策曲线分析	NA
295	2026-03-07	ProMMF_Kron: a multimodal deep learning model for immunotherapy response prediction in stomach adenocarcinoma 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1602846 PMID:41743737	研究论文	本文开发了一种名为ProMMF_Kron的多模态深度学习模型，用于预测胃腺癌患者对免疫检查点抑制剂治疗的响应	提出了一种结合Kronecker乘积运算和反向投影模块的两阶段特征融合策略，有效整合分子谱和病理图像特征，显著提升了预测性能	研究样本量相对较小（282名患者），且主要基于胃腺癌数据，尽管在结直肠癌数据上进行了验证，但泛化能力仍需在更多癌症类型中进一步测试	开发可靠的预测工具，以区分胃腺癌中的微卫星不稳定（MSI）和微卫星稳定（MSS）亚型，并预测免疫治疗响应	胃腺癌患者，包括MSI和MSS亚型	数字病理学	胃腺癌	差异基因分析，预训练的深度卷积神经网络	CNN	分子谱数据，病理图像	282名患者	NA	预训练的深度卷积神经网络	AUC	NA
296	2026-03-07	An interpretable deep learning framework based on TabNet-Cox for risk stratification and prognostic assessment in hepatocellular carcinoma immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1751829 PMID:41756275	研究论文	本研究开发并验证了一种基于TabNet-Cox的可解释深度学习生存模型，用于预测接受免疫检查点抑制剂治疗的肝细胞癌患者的总生存期	首次将TabNet-Cox模型应用于肝细胞癌免疫治疗的预后评估，结合SHAP分析和无监督聚类实现模型可解释性和表型探索	研究为回顾性设计，外部验证队列来自同一医疗系统，需进一步多中心前瞻性验证	开发可解释的深度学习模型用于肝细胞癌免疫治疗患者的风险分层和预后评估	接受免疫检查点抑制剂治疗的肝细胞癌患者	机器学习	肝细胞癌	深度学习，生存分析	TabNet-Cox	临床基线数据（人口统计学、肿瘤特征、治疗类别、实验室参数）	训练队列339例，内部验证队列114例，外部验证队列105例	PyTorch	TabNet	C-index, AUC, Brier score	未明确说明
297	2026-03-07	Application of artificial intelligence in differentiating IgG4-related ophthalmic disease and orbital MALT lymphoma: a review of radiomics and deep learning advances 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1722733 PMID:41756276	综述	本文综述了人工智能（特别是影像组学和深度学习）在鉴别IgG4相关眼病与眼眶MALT淋巴瘤中的应用进展	系统性地总结了AI技术在该特定临床鉴别诊断中的最新应用，并整合了多模态影像数据融合与深度学习架构优化的策略	回顾性单中心研究设计、样本量小、数据变异性大、模型可解释性不足以及缺乏稳健的外部验证	提高IgG4相关眼病与眼眶MALT淋巴瘤的鉴别诊断准确性，以支持更精准的临床决策	IgG4相关眼病（IgG4-ROD）和眼眶黏膜相关淋巴组织（MALT）淋巴瘤的影像数据	数字病理学	眼病，淋巴瘤	影像组学，深度学习	深度学习模型	影像数据	NA	NA	NA	诊断准确性	NA
298	2026-03-07	SeizureFormer: A Multi-Scale Transformer for Seizure Risk Forecasting from RNS-Derived Biomarkers 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0007 PMID:41758135	研究论文	本文提出了一种基于Transformer的模型SeizureFormer，用于利用从响应性神经刺激系统提取的结构化生物标志物进行长期癫痫发作风险预测	首次将Transformer架构应用于基于RNS生物标志物的长期癫痫发作风险预测，并集成了多尺度CNN补丁嵌入、跨变量时间卷积和挤压-激励注意力机制，以同时捕捉短期波动和长期发作周期	仅在五名患者中进行了测试，样本量较小，且模型性能可能受限于RNS系统数据的可用性和质量	开发一种能够进行长期（1-14天）癫痫发作风险预测的模型，以支持个性化和主动的癫痫护理干预	从响应性神经刺激系统提取的发作间期癫痫样活动和长发作事件等结构化生物标志物	机器学习	癫痫	响应性神经刺激系统	Transformer	结构化生物标志物数据	五名患者	NA	Transformer, CNN	ROC AUC, PR AUC	NA
299	2026-03-07	From Detection to Mitigation: Addressing Bias in Deep Learning Models for Chest X-Ray Diagnosis 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0039 PMID:41758167	研究论文	本文提出了一种针对胸部X光诊断中深度学习模型偏见的检测与缓解框架，旨在减少性别、年龄和种族相关的性能差异	通过将CNN的最后一层替换为eXtreme Gradient Boosting分类器，在保持或提升整体预测性能的同时改善了子组的公平性，并展示了该方法的模型无关性和计算高效性	研究主要基于CheXpert和MIMIC数据集，可能在其他数据集或临床环境中的泛化能力有待进一步验证	开发并验证一种能够检测和缓解胸部X光诊断深度学习模型中基于人口统计学偏见的框架	胸部X光图像及其相关的诊断任务，针对四种医疗条件进行多标签分类	计算机视觉	NA	NA	CNN, XGBoost	图像	基于CheXpert和MIMIC数据集，具体样本数量未在摘要中明确说明	NA	DenseNet-121, ResNet-50	NA	NA
300	2026-03-07	Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0045 PMID:41758173	研究论文	本研究通过整合影像衍生的临床内型、血浆蛋白质组学和外源性多基因风险评分，开发了一种用于冠状动脉微血管疾病风险预测的综合模型	首次将影像学内型分型与遗传、蛋白质组学数据整合用于CMVD风险预测，并开发了基于灌注PET数据的无监督内型分型框架，揭示了超越传统病例-对照定义的异质性患者亚群	CMVD的大规模全基因组关联研究数据缺乏，依赖冠状动脉疾病GWAS作为代理权重，可能无法完全捕捉CMVD特有的遗传风险	开发一种整合多模态数据的冠状动脉微血管疾病风险预测模型，以提高诊断精度和个性化水平	冠状动脉微血管疾病患者	数字病理学	心血管疾病	全基因组关联研究，血浆蛋白质组学，灌注PET成像	机器学习，深度学习	影像数据，遗传数据，蛋白质组学数据，临床数据	NA	NA	NA	AUROC	NA