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
21	2026-04-14	Tumor lactate metabolism shapes immune suppression and therapeutic resistance revealed by integrative multi-omics and digital pathology 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1797798 PMID:41972178	研究论文	本研究通过整合多组学数据和数字病理学，开发了一种深度学习框架，能够从常规H&E全切片图像推断肿瘤乳酸代谢状态，并揭示了其与免疫抑制和治疗耐药性的关联	首次将多组学分析与数字病理学相结合，利用深度学习从常规H&E切片直接推断肿瘤乳酸代谢状态，开发了一种可扩展且临床实用的数字生物标志物	研究主要基于回顾性数据，需要在更多前瞻性队列中进行验证；模型在部分癌症类型中的性能有待进一步优化	开发一种临床可及且低成本的方法来评估肿瘤内乳酸活性，以指导代谢精准肿瘤学	头颈部鳞状细胞癌（HNSCC）及其他多种癌症类型的肿瘤样本	数字病理学	头颈部鳞状细胞癌	多组学分析（转录组、单细胞RNA-seq）、空间分析、免疫组化、深度学习	深度学习模型	全切片图像（H&E染色）、基因表达数据、单细胞RNA-seq数据、蛋白质表达数据	TCGA、GEO数据库中的多个队列，以及独立的真实世界SAZHU-HNSCC队列	NA	NA	AUC	NA
22	2026-04-14	OralHybridNet: A Deep Learning Framework for Multi-Label Classification of Dental Restorations and Prostheses in Panoramic Radiographs 2026 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580261439986 PMID:41972827	研究论文	本文提出了一种名为OralHybridNet的混合深度学习框架，用于全景X光片中牙科修复体和修复体的多标签分类	提出了一种新颖的混合深度学习框架OralHybridNet，集成了分层卷积神经网络、双注意力机制和OralNetXPlus，并采用了结合弹性变换和伽马校正的自适应增强协议以及混合特征选择算法	未明确提及研究的局限性	开发一个自动化的深度学习框架，用于全景X光片中牙科修复体和修复体的多标签分类	牙科修复体和修复体	计算机视觉	NA	全景X光成像	CNN	图像	2047张临床医生标注的全景X光片	NA	CustomDentalNet, OralNetXPlus, ResNet50	准确率, 精确率, AUC-ROC	NA
23	2026-04-12	Deep Learning for analyzing chaotic dynamics in biological time series: Insights from frog heart signals 2026-Jan-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2025.131820 PMID:41958751	研究论文	本研究提出了一种结合深度学习和基于数学模型的选择策略的自动算法，用于分析生物时间序列中的混沌动力学，特别是在短而嘈杂的青蛙心脏信号中检测混沌行为	提出了一种针对短而嘈杂实验时间序列的自动算法，结合深度学习和基于数学模型的选择策略，克服了传统混沌检测技术和深度学习在小数据集上的限制	算法主要基于青蛙心脏实验数据验证，可能在其他生物系统或更复杂场景中的泛化能力未充分测试	分析生物时间序列中的混沌动力学，特别是与病理心律失常相关的混沌行为检测	青蛙心脏实验获得的生物时间序列信号	机器学习	心血管疾病	NA	深度学习	时间序列数据	NA	NA	NA	高准确度结果	NA
24	2026-04-12	MVGFormer: Multi-view perspective with graph-guided transformer for cryo-ET segmentation 2026-Jan-03, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2025.114810 PMID:41959693	研究论文	本文提出了一种名为MVGFormer的新型基于Transformer的框架，用于冷冻电子断层扫描（cryo-ET）分割任务	首次将基于Transformer的模型应用于cryo-ET分割，并引入了多视角融合Transformer编码器、并行上下文编码器、两种互补的3D解码器以及视图掩码自监督学习策略	未在摘要中明确说明	改进冷冻电子断层扫描（cryo-ET）的分割性能，以更好地支持粒子对齐、分类等后续任务	冷冻电子断层扫描（cryo-ET）数据中的生物大分子结构	计算机视觉	NA	冷冻电子断层扫描（cryo-ET）	Transformer	3D图像	六个cryo-ET数据集	NA	MVGFormer（包含多视角融合Transformer编码器、并行上下文编码器、多级特征融合解码器、并行空洞卷积解码器）	NA	NA
25	2026-04-12	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次提出基于深度学习的声光视觉伺服系统，结合点源定位和混合位置-力控制实现实时三维跟踪	推理时间较长（实例分割方法≥516.3毫秒），可能影响实时性能；仅在小规模试验中验证（9次视觉伺服试验）	开发实时三维跟踪导管尖端的声光视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
26	2026-04-12	Deep learning for adaptive chemotherapy: A DDPG-based approach to optimizing tumor-immune dynamics 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345877 PMID:41950297	研究论文	本文提出了一种基于深度强化学习的化疗调控框架，用于实现个性化、动态优化的癌症治疗	采用深度确定性策略梯度算法在连续动作空间中学习最优给药策略，并引入高斯噪声模拟治疗反应中的生理振荡和不确定性，提高了策略的稳定性和适应性	模型基于简化的非线性动态系统，可能未完全涵盖肿瘤微环境的复杂性；实验为模拟研究，需进一步临床验证	实现个性化、低毒性的自适应化疗优化	肿瘤微环境动态演化模型（包括肿瘤细胞、正常细胞和免疫细胞相互作用）	机器学习	癌症	深度强化学习	DDPG	模拟数据	多种初始场景的模拟实验	NA	深度确定性策略梯度网络	肿瘤生长控制效果、药物浓度累积、灵活性与安全性评估	NA
27	2026-04-12	Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346251 PMID:41955202	研究论文	本研究开发并评估了一种基于多模态特征的预测模型，用于预测鼻咽癌患者放疗诱导的口腔黏膜炎	在有限样本量的小队列设置下，系统比较了传统机器学习算法与深度学习架构的多分类预测性能，并提出了结合特征降维与轻量级网络（1D-CNN）的优越策略	研究样本量较小（108例患者），且高维多模态3D-CNN模型在有限数据下出现了严重的过拟合和模式崩溃现象	准确预测头颈癌放疗诱导的口腔黏膜炎，以实现个性化治疗	鼻咽癌患者	机器学习	鼻咽癌	CT成像、剂量分布分析	传统机器学习算法, 深度学习模型（1D-CNN, 3D-CNN）	多模态数据（CT影像、剂量分布、临床特征）	108例患者	NA	1D-CNN, 3D-CNN	AUC, 准确率, Matthews相关系数	NA
28	2026-04-12	ATEdrug: A reliable human-in-the-loop annotation scheme for aspect term extraction and polarity detection in drug reviews 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344296 PMID:41955228	研究论文	本文提出了一种名为ATEDrug的人机协同标注方案，用于从药物评论中提取方面术语并检测情感极性，以支持药物警戒研究	提出了一种结合专家驱动规则与最小人工干预的自动化标注方案，并构建了针对抑郁症、关节炎和避孕三种医疗状况的公开标注数据集	标注方案主要依赖规则方法，可能无法覆盖所有语言表达变体；研究仅针对三种特定医疗状况	开发可靠的自动化标注方案以支持药物评论中的方面术语提取和情感极性检测，促进药物安全监测	药物评论文本数据	自然语言处理	抑郁症,关节炎,避孕	方面术语提取,情感极性检测	BERT,BioBERT,ClinicalBERT,Transformer	文本	NA	NA	BERT,BioBERT,ClinicalBERT,Transformer	标注者一致性	NA
29	2026-04-12	Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346825 PMID:41955258	研究论文	本研究开发了一种名为SPFF-UNet的深度学习模型，用于在光谱光子计数CT中直接对羟基磷灰石和碘进行体素级分割，无需材料分解预处理	首次提出了一种光谱保持的3D分割模型，集成了光谱挤压激励、EnergyFiLM和FourierGate模块，以直接利用多能量信息进行体素级材料分类，避免了传统材料分解步骤	研究基于体模实验，尚未进行体内验证，且样本类型和数量有限	开发一种直接从光谱光子计数CT数据中准确分割羟基磷灰石和碘浓度的深度学习方法，以改善钙化性肌肉骨骼疾病和血管钙化的诊断	包含羟基磷灰石、碘、软组织等效物和水的圆柱体模	计算机视觉	钙化性肌肉骨骼疾病	光谱光子计数CT	深度学习	图像	一个包含12种材料的体模扫描，包括5种羟基磷灰石浓度、3种碘浓度、3种软组织等效物和水	NA	SPFF-UNet, ResUNet++	Dice系数, IoU, 灵敏度, 精确度	NA
30	2026-04-12	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	本研究提出了一种结合可解释性特征重要性测试的深度神经网络框架，用于预测ICU患者术后感染风险	将排列特征重要性测试（PermFIT）与深度神经网络结合，在保持高预测性能的同时提供特征层面的可解释性	研究基于单一数据库（MIMIC-III），未在外部数据集验证模型泛化能力	开发可解释的深度学习模型以预测ICU患者术后感染风险并识别关键影响因素	重症监护室（ICU）接受手术的患者	机器学习	术后感染	电子健康记录分析	深度神经网络（DNN）	电子健康记录（EHR）	MIMIC-III大型ICU EHR数据库中的患者记录	NA	深度神经网络	预测准确性	NA
31	2026-04-11	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-01-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	本文通过引入HyDrop v2单细胞ATAC-seq方法，首次系统评估了不同scATAC-seq平台在训练序列到功能深度学习模型方面的性能	首次针对scATAC-seq平台在训练S2F模型和转录因子足迹分析能力方面进行系统基准测试，并提出通过整合不同平台数据实现大规模、成本效益高的图谱构建策略	未明确说明具体使用的深度学习模型架构细节和计算资源配置	评估单细胞ATAC-seq图谱技术在序列到功能建模中的应用效果	单细胞染色质可及性数据（scATAC-seq）	计算生物学	NA	单细胞ATAC-seq（scATAC-seq）	深度学习模型	基因组序列数据	未明确说明具体样本数量	NA	序列到功能（S2F）模型	增强子预测准确性、序列可解释性、转录因子足迹分析	NA
32	2026-04-11	Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation 2026-Jan-06, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.125.077494 PMID:41460938	研究论文	本文提出了一种基于深度学习的连续QT监测系统（3DRECON-QT），用于从单导联心电信号重建12导联并预测QT/QTc，以识别III类抗心律失常药物启动后的高风险QT延长事件	开发了一种空间感知的深度学习系统，能够从单导联信号重建空间信息，实现连续QTc监测，并在真实世界队列中验证了其识别高风险QT延长事件的能力	研究依赖于特定数据集和外部验证中心，可能受限于不同心电图硬件和患者群体的泛化性	开发并验证一种深度学习系统，用于连续监测QTc并识别III类抗心律失常药物启动后的高风险QT延长事件	接受III类抗心律失常药物（如多非利特或索他洛尔）治疗的门诊患者，以及使用可插入式心脏监测器的患者	数字病理学	心血管疾病	心电图（ECG）监测	深度学习，多任务编码器-解码器	心电图信号	内部测试集和外部中心数据，真实世界队列包括1676名门诊患者	NA	多任务编码器-解码器	受试者工作特征曲线下面积（AUC），平均绝对误差（MAE），相关系数（r），F1分数	NA
33	2026-04-11	Enhancing autonomous agriculture control systems in greenhouses for sustainable resource usage using deep learning techniques 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344946 PMID:41886461	研究论文	本文提出了一种基于强化学习的温室气候控制框架，通过集成深度学习模型预测作物生长和资源消耗，以优化控制设定点，实现高产和可持续资源利用	结合多层感知机、长短期记忆模型和强化学习代理，设计自定义奖励函数，并引入特征选择机制和随机天气条件下的再训练，以提高适应性和鲁棒性	未提及具体实验的温室规模或作物类型，可能限制通用性；依赖于模拟环境，实际部署需进一步验证	优化温室气候控制系统，以平衡作物产量和资源消耗，促进可持续农业	温室环境中的气候控制，包括温度、CO2浓度和灌溉水平	机器学习	NA	强化学习，深度学习	MLP, LSTM, RL	气候数据，作物参数，资源消耗数据	NA	NA	多层感知机，长短期记忆	累积奖励，作物产量增长率，资源消耗指标	NA
34	2026-04-11	Sparse-selective quantization for real-time cyber threat detection in large-scale networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345758 PMID:41886730	研究论文	提出了一种用于大规模网络实时网络威胁检测的稀疏选择性量化框架，旨在平衡计算效率与检测精度	将特征级稀疏模式直接与动态量化策略关联，而非关注模型激活或固定参数，通过混合精度量化与TensorRT加速实现亚毫秒级推理延迟	未明确说明在极端资源受限环境下的性能边界或对新型未知威胁的泛化能力	开发一种能在大规模网络中实时检测网络威胁的高效准确方法	大规模网络流量数据	机器学习	NA	NA	GRU, 注意力机制	网络流量数据	NA	TensorFlow Lite, TensorRT	GRU-注意力机制	推理延迟, 精度	边缘部署环境, TensorRT加速
35	2026-04-11	Research progress of artificial intelligence in bone tumor imaging 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1780545 PMID:41889404	综述	本文综述了人工智能在骨肿瘤影像学中的研究进展及其在提高诊断准确性和临床管理方面的潜在应用	探讨了AI技术在骨肿瘤影像自动识别、分割、分类及疗效评估中的广泛应用，并展望了未来在多模态影像数据整合和不同类型骨肿瘤中扩展应用的前景	未具体说明当前AI技术在骨肿瘤影像应用中存在的具体技术或临床局限性	回顾人工智能在骨肿瘤影像学中的研究进展，探索其在改善诊断准确性和临床管理方面的潜力	骨肿瘤，包括原发性和转移性肿瘤	计算机视觉	骨肿瘤	NA	深度学习算法	影像	NA	NA	NA	NA	NA
36	2026-04-11	Lower limb edema detection and grading classification using deep learning and image enhancement technologies 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1697503 PMID:41889522	研究论文	本研究提出了一种结合目标检测和图像分类的多阶段深度学习框架，用于下肢水肿的自动检测和分级	提出了一种多阶段深度学习框架，整合了YOLO目标检测、图像增强技术和分类模型，并采用随机旋转数据增强和自动背景消除以解决数据不平衡问题	未明确提及模型在外部验证集上的泛化性能或临床环境中的实时应用挑战	开发自动检测和分级下肢水肿的系统，以支持临床诊断和疾病监测	下肢水肿图像	计算机视觉	心血管疾病	图像增强技术	CNN	图像	NA	NA	YOLO	准确率, 召回率, 精确率	NA
37	2026-04-11	Integrative deep learning strategies to enhance early-stage drug discovery: optimizing computational structure-activity modeling for pharmacotherapeutic innovation 2026, Journal of pharmacy & pharmaceutical sciences : a publication of the Canadian Society for Pharmaceutical Sciences, Societe canadienne des sciences pharmaceutiques DOI:10.3389/jpps.2026.16155 PMID:41889533	研究论文	本研究开发了一种优化的基于神经网络的预测框架，用于支持识别具有镇痛潜力的生物活性化合物	采用逐步特征消除程序优化分子描述符集，并利用Levenberg-Marquardt算法训练人工神经网络，在QSAR任务中取得了优于传统统计方法的性能	研究仅基于532个分子的数据集，模型泛化能力有待在更大规模数据上验证	优化计算结构-活性建模以支持早期药物发现和化合物优先排序	具有镇痛潜力的生物活性化合物	机器学习	NA	QSAR（定量构效关系）建模	人工神经网络	分子描述符数据	532个结构多样的分子	NA	人工神经网络	相关系数, 预测误差	NA
38	2026-04-11	Deep Learning-Based Rapid Identification of Escherichia coli and Klebsiella pneumoniae from Chromogenic Agar Urine Cultures Using YOLOv12 2026, Risk management and healthcare policy IF:2.7Q2 DOI:10.2147/RMHP.S561761 PMID:41889706	研究论文	本研究开发并验证了一种基于YOLOv12深度学习模型的人工智能系统，用于从显色琼脂尿液培养图像中快速识别大肠杆菌和肺炎克雷伯菌	首次将YOLOv12模型应用于尿液培养图像中细菌菌落的快速识别，实现了亚秒级的准确分类，性能优于五种基准深度学习模型	模型依赖于显色形态学进行大肠杆菌的标注，对罕见显色变异菌株（如金色色素大肠杆菌）识别存在误差，且外部验证集的物种标签基于菌落颜色推断	开发人工智能模型以快速识别尿路感染常见病原体，缩短诊断时间，促进靶向治疗和抗菌药物管理	大肠杆菌和肺炎克雷伯菌的细菌菌落	计算机视觉	尿路感染	显色琼脂培养，MALDI-TOF质谱分析	YOLOv12	图像	1547张显色琼脂尿液培养图像（850张大肠杆菌，697张肺炎克雷伯菌），外加91张独立图像用于外部验证	NA	YOLOv12	准确率，精确率，召回率，F1分数	NA
39	2026-04-11	digiBONE: an automated tool for segmental Greulich-Pyle bone age assessment of Indian children and adolescents 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1757571 PMID:41890183	研究论文	开发了一个名为digiBONE的深度学习框架，用于对印度儿童和青少年进行基于Greulich-Pyle方法的节段性骨龄评估	提出了一种建模手部特定节段骨骼成熟度的深度学习方法，而非传统方法中假设手部骨骼均匀成熟	研究主要针对印度人群，未明确说明在其他种族或人群中的泛化能力	提高儿童和青少年骨龄评估的准确性和可解释性，以辅助儿科内分泌和生长障碍的诊断与管理	印度儿童和青少年的手部X光片	数字病理	儿科内分泌与生长障碍	X光成像	CNN	图像	NA	NA	卷积神经网络	平均绝对差异	NA
40	2026-04-11	An auxiliary diagnosis model for the pathological classification of cervical cancer based on radiomics biomarkers 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1685927 PMID:41890225	研究论文	本文提出了一种基于卷积循环特征提取（CRFE）的自动分割框架，结合放射组学和临床特征，构建了用于宫颈癌病理分类的辅助诊断模型	提出CRFE自动分割框架，并开发了反映病变像素浓度趋势的直方图成像特征，结合传统放射组学与临床特征，实现宫颈癌的精确病理分类	研究样本量较小（114例患者），且仅基于MRI图像，未考虑多模态影像数据	开发宫颈癌病理分类的辅助诊断模型，以支持个性化治疗规划	宫颈癌患者的MRI图像	数字病理	宫颈癌	MRI	CNN, 随机森林, XGBoost, 支持向量机, 逻辑回归	图像	114名宫颈癌患者	NA	CRFE	IoU, Dice系数, F1分数, 准确率	NA