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
381	2026-03-02	Transformer Models, Graph Networks, and Generative AI in Gut Microbiome Research: A Narrative Review 2026-Jan-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020144 PMID:41749685	综述	本文是一篇叙述性综述，旨在综合人工智能在肠道微生物组研究中的最新方法学进展，并评估其在治疗优化、个性化营养和精准医学中的转化相关性	系统性地综述了包括Transformer模型、图神经网络和生成式AI在内的多种AI方法在肠道微生物组多组学整合分析中的应用进展，并强调了其在预测个体化治疗反应和设计干预措施方面的潜力	面临数据异质性、模型可解释性有限、人群偏倚以及临床部署障碍等关键挑战	评估人工智能方法在肠道微生物组研究中的进展及其在精准医学和个性化健康干预中的转化应用	肠道微生物组及其与人类宿主的相互作用	机器学习	NA	多组学整合（宏基因组学、宏转录组学、代谢组学、蛋白质组学）	Transformer, 图神经网络, 生成式AI	多组学数据, 临床数据	NA	NA	NA	AUC	NA
382	2026-03-02	Integrating Textual Features with Survival Analysis for Predicting Employee Turnover 2026-Jan-26, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16020174 PMID:41749982	研究论文	本研究提出了一种新颖方法，将基于Transformer的文本分析与传统人口统计学变量结合在生存分析框架中，用于预测员工离职	整合了专业社交平台的Transformer文本分析与人口统计学变量，在生存分析框架中预测离职，提高了预测准确性和可解释性	NA	预测员工离职，支持人力资源决策制定	来自脉脉（中国领先专业社交平台）的4087个工作事件	自然语言处理	NA	情感分析，深度学习语义表示，生存分析	Transformer	文本，人口统计学数据	4087个工作事件	NA	Transformer	C-index, 累积/动态AUC	NA
383	2026-03-02	Artificial Intelligence in the Evaluation and Intervention of Developmental Coordination Disorder: A Scoping Review of Methods, Clinical Purposes, and Future Directions 2026-Jan-23, Children (Basel, Switzerland) DOI:10.3390/children13020161 PMID:41749517	综述	本文是一篇范围综述，系统梳理了人工智能在发育性协调障碍评估与干预中的应用方法、临床目的及未来方向	首次对人工智能在发育性协调障碍领域的应用进行系统性范围综述，明确了当前研究趋势、方法特征及证据缺口	纳入研究数量有限（7项），证据基础以早期开发和验证研究为主，缺乏外部验证，诊断定义异质性大，干预性研究稀缺	系统梳理人工智能在发育性协调障碍的评估、筛查、监测和干预中的应用现状，识别当前趋势、方法特征及证据缺口	发育性协调障碍相关人群	机器学习	发育性协调障碍	NA	监督机器学习, 深度学习	基于运动的数据, 可穿戴传感器数据, 视频记录, 神经生理信号, 电子健康记录	NA	NA	NA	NA	NA
384	2026-03-02	Artificial Intelligence Drives Advances in Multi-Omics Analysis and Precision Medicine for Sepsis 2026-Jan-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020261 PMID:41751160	综述	本文综述了人工智能如何驱动多组学分析在脓毒症精准医学研究中的进展	系统阐述了人工智能与多组学技术融合在解码脓毒症复杂性、实现早期检测、分子分型、预后预测和治疗靶点识别方面的创新应用范式	临床转化面临数据可用性有限、队列异质性、模型可解释性与因果推断受限、计算需求高、静态分子谱与动态临床数据整合困难、伦理与治理问题以及跨人群和平台泛化能力不足等挑战	探讨人工智能与多组学技术融合如何推动脓毒症研究从描述性分析转向预测性、机制性和精准导向的医学	脓毒症（一种以显著临床异质性和复杂宿主-病原体相互作用为特征的危及生命的综合征）	机器学习	脓毒症	多组学技术（包括基因组学、转录组学、蛋白质组学、代谢组学）	机器学习，深度学习	多组学数据（超高通量、高维、异质性数据）	NA	NA	NA	NA	NA
385	2026-03-02	Identification of FDA-Approved Drugs as Potential Inhibitors of WEE2: Structure-Based Virtual Screening and Molecular Dynamics with Perspectives for Machine Learning-Assisted Prioritization 2026-Jan-23, Life (Basel, Switzerland) DOI:10.3390/life16020185 PMID:41752823	研究论文	本研究采用结构虚拟筛选、分子动力学模拟和自由能计算，从已批准的药物中识别出潜在的WEE2激酶抑制剂，并探讨了机器学习辅助优先排序的应用前景	首次采用综合的计算方法筛选已批准药物作为WEE2抑制剂，并结合机器学习框架提升候选药物的转化优先排序	研究为计算机模拟结果，尚未进行体外或体内实验验证	识别具有WEE2抑制活性的已批准药物，为生殖健康干预提供新的候选药物	Wee1样蛋白激酶2（WEE2）及其潜在的小分子抑制剂	计算生物学, 药物发现	生殖健康疾病	结构虚拟筛选, 分子动力学模拟, MM-PBSA自由能计算, 机器学习辅助筛选	机器学习, 深度学习	分子结构数据, 化合物库数据	约3800个DrugBank化合物	NA	NA	结合亲和力（kcal/mol）, 结合自由能（kJ/mol）, 构象稳定性	NA
386	2026-03-02	Prediction of Retinopathy of Prematurity and Treatment in Very Low Birth Weight Infants Using Machine Learning on Nationwide Non-Imaging Clinical Data 2026-Jan-19, Neonatology IF:2.6Q1 DOI:10.1159/000550513 PMID:41553943	研究论文	本研究利用全国性非影像临床数据，开发机器学习模型预测极低出生体重婴儿的早产儿视网膜病变及其严重程度和治疗需求	首次在极低出生体重婴儿中，基于全国性非影像临床数据，应用专为表格数据优化的深度学习方法（MLP和NODE）预测ROP、sROP和tROP，并开发了仅需8个关键变量的简化模型	研究仅基于韩国新生儿网络数据，未包含影像数据，模型性能需在其他人群和临床环境中进一步验证	开发基于非影像临床数据的机器学习模型，以实现极低出生体重婴儿早产儿视网膜病变的早期风险识别和及时干预	极低出生体重婴儿	机器学习	早产儿视网膜病变	NA	MLP, NODE	表格数据（临床变量）	韩国新生儿网络全国性临床数据，包含44个围产期和新生儿变量	NA	Multilayer Perceptron, Neural Oblivious Decision Ensembles	AUROC	NA
387	2026-03-02	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-Jan, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	本研究利用深度学习衍生的MRI区域脑年龄，探讨慢性卒中患者病灶对侧神经可塑性、区域脑年龄与运动障碍之间的关联	首次结合图卷积网络算法预测区域脑年龄，并系统分析卒中病灶负荷、双侧半球区域脑年龄差异与运动预后的关系，揭示了病灶对侧脑年龄降低的补偿性神经机制	研究为回顾性观察设计，无法确定因果关系；样本主要来自欧美人群，可能存在人群偏倚；未考虑急性期干预措施对脑年龄的影响	探究慢性卒中患者局部病灶损伤、双侧半球区域脑年龄与运动功能结局的关联，并识别运动障碍的关键预测因子	慢性单侧卒中患者（卒中后>180天）及健康对照人群	医学影像分析	卒中	结构T1加权MRI扫描	图卷积网络	MRI图像	ENIGMA卒中恢复工作组501例患者（8个国家34个队列）及UK Biobank数据集17791例个体	NA	图卷积网络	β系数, 95%置信区间, FDR校正p值, 调整后均值差异	NA
388	2026-03-01	Ensemble Entropy with Adaptive Deep Fusion for Short-Term Power Load Forecasting 2026-Jan-31, Entropy (Basel, Switzerland) DOI:10.3390/e28020158 PMID:41751662	研究论文	本文提出了一种用于短期多特征电力负荷预测的新框架EEADF，通过集成瞬时熵提取和自适应深度融合来提升预测精度	提出了集成瞬时熵提取模块，实时计算并融合多种熵类型；设计了任务自适应的分层融合机制，针对不同任务复杂度选择特征拼接或多头自注意力融合；构建了并行处理原始序列和熵特征的双分支深度学习模型	未在更多真实世界数据集上进行广泛验证；框架复杂度较高，可能影响计算效率	提高短期电力负荷预测的准确性，以保障电力系统的安全经济运行	电力负荷数据	机器学习	NA	时间序列分析，熵计算	LSTM, MLP	时间序列数据	模拟多模态数据集和真实世界ETDataset	NA	LSTM, MLP	MSE, MAE, R, RMSE, MAPE	NA
389	2026-03-01	A Cross-Domain Benchmark of Intrinsic and Post Hoc Explainability for 3D Deep Learning Models 2026-Jan-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020063 PMID:41745428	研究论文	本文提出了一个统一的基准测试框架，用于评估三维深度学习模型的内在和事后可解释性方法	首次为三维数据可解释性方法提供了一个标准化的、多领域的定量评估框架，涵盖了医学影像、CAD模型和点云数据	评估仅限于特定的数据集和方法，可能未覆盖所有三维XAI技术；框架的通用性有待在更广泛的数据集上验证	评估和比较三维深度学习模型的可解释性方法，以促进标准化基准的建立	三维深度学习模型的可解释性方法，包括Grad-CAM、Integrated Gradients、Saliency、Occlusion和ResAttNet-3D	计算机视觉	NA	NA	CNN	三维数据（体积CT扫描、体素化CAD模型、真实世界点云）	三个代表性数据集：MosMed（CT扫描）、ModelNet40（CAD模型）、ScanObjectNN（点云）	NA	ResAttNet-3D	正确性（AOPC）、完整性（AUPC）、紧凑性	NA
390	2026-03-01	QEKI: A Quantum-Classical Framework for Efficient Bayesian Inversion of PDEs 2026-Jan-30, Entropy (Basel, Switzerland) DOI:10.3390/e28020156 PMID:41751659	研究论文	本文提出了一种结合量子神经网络与经典集成卡尔曼反演的混合框架，用于高效求解偏微分方程的贝叶斯反问题	首次将量子神经网络作为偏微分方程解的紧凑代理模型，并采用无梯度的集成卡尔曼反演进行训练，有效缓解了量子优化中的贫瘠高原问题	大规模应用受限于当前量子硬件的能力	高效求解科学计算中的贝叶斯反问题	一维和二维非线性偏微分方程	机器学习	NA	NA	量子神经网络, 贝叶斯物理信息神经网络	NA	NA	NA	NA	NA	量子硬件
391	2026-03-01	Model-Data Hybrid-Driven Wideband Channel Estimation for Beamspace Massive MIMO Systems 2026-Jan-30, Entropy (Basel, Switzerland) DOI:10.3390/e28020154 PMID:41751657	研究论文	本文提出了一种模型-数据混合驱动的网络方案，用于解决波束空间大规模MIMO系统中的宽带信道估计问题	将向量近似消息传递算法展开为可训练网络，并引入新的收缩函数以提高估计精度	未在真实复杂传播环境中进行大规模验证，泛化能力仍需进一步评估	提高波束空间大规模MIMO系统中宽带信道估计的准确性和鲁棒性	波束空间大规模MIMO系统的宽带信道	机器学习	NA	深度学习	混合驱动网络	数值模拟数据	NA	NA	向量近似消息传递展开网络	估计精度, 鲁棒性	NA
392	2026-03-01	MRI-Based Bladder Cancer Staging via YOLOv11 Segmentation and Deep Learning Classification 2026-Jan-28, Diseases (Basel, Switzerland) DOI:10.3390/diseases14020045 PMID:41745083	研究论文	本研究提出了一种基于MRI的自动化深度学习框架，用于膀胱癌分期，结合YOLOv11分割和深度学习分类器	开发了一种顺序AI流水线，整合YOLOv11进行病灶检测和DeepLabV3进行边界细化，随后使用三种深度学习分类器进行MRI分期预测	需要进一步使用多中心数据集、增强前患者级数据分割、病理确认参考标准和可解释AI技术来验证泛化性和临床相关性	开发自动化深度学习框架以支持基于MRI的膀胱癌标准化分期	膀胱癌MRI图像，用于区分非肌层浸润性（T1）和肌层浸润性（T2-T4）疾病	计算机视觉	膀胱癌	MRI	CNN, Transformer	图像	416张T2加权MRI图像	NA	YOLOv11, DeepLabV3, VGG19, ResNet50, Vision Transformer	准确率, 精确率, 召回率, F1分数, 多类AUC	NA
393	2026-03-01	Neuro-Geometric Graph Transformers with Differentiable Radiographic Geometry for Spinal X-Ray Image Analysis 2026-Jan-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020059 PMID:41745424	研究论文	本文提出了一种名为SpineNeuroSym的神经几何成像框架，用于可解释的脊柱X射线图像分析	提出了一个统一几何感知学习和符号推理的神经几何成像框架，集成了可微放射几何模块、神经符号约束层和反事实几何扩散模块，以增强模型的可解释性和可信度	研究仅基于单中心医院的1613张脊柱X光片数据集，未提及外部验证或跨中心泛化能力	开发一种可解释、可信赖且可重复的医学影像AI系统，用于脊柱X射线图像的诊断分析	脊柱X射线图像	计算机视觉	脊柱疾病	X射线成像	图神经网络, Transformer	图像	1613张脊柱X光片，涵盖脊柱滑脱、感染、脊柱关节病、正常颈椎、正常胸椎和正常腰椎六个诊断类别	NA	双流图Transformer	准确率, 宏平均F1分数, AUROC	NA
394	2026-03-01	Tuning Deep Learning for Predicting Aluminum Prices Under Different Sampling: Bayesian Optimization Versus Random Search 2026-Jan-28, Entropy (Basel, Switzerland) DOI:10.3390/e28020145 PMID:41751647	研究论文	本研究通过比较贝叶斯优化与随机搜索两种超参数调优方法，评估了LSTM和深度前馈神经网络在铝价预测中的性能	首次在铝价预测中系统比较贝叶斯优化与随机搜索对深度学习模型调优的效果，并验证了LSTM结合贝叶斯优化的优越性	仅使用历史价格数据，未考虑宏观经济指标、供需关系等外部影响因素；实验限于特定时间周期和数据频率	开发高效的铝价预测模型，比较不同超参数优化方法对深度学习模型性能的影响	铝现货价格的时间序列数据	机器学习	NA	时间序列分析	LSTM, 深度前馈神经网络, SVR	时间序列数据（日度、周度、月度）	未明确样本数量，使用多频率时间序列数据	未明确说明	LSTM, 深度前馈神经网络	RMSE, MAE, R平方	NA
395	2026-03-01	A Deep-Learning-Enhanced Ultrasonic Biosensing System for Artifact Suppression in Sow Pregnancy Diagnosis 2026-Jan-27, Biosensors DOI:10.3390/bios16020075 PMID:41744694	研究论文	本研究开发了一种基于深度学习的超声生物传感系统，用于抑制母猪妊娠诊断超声图像中的伪影	提出了一种基于YOLOv8架构的轻量级深度神经网络，作为智能检测层，能同时识别和掩蔽伪影区域并检测关键解剖特征，实现伪影感知的可视化增强	NA	解决B型超声成像中的声学伪影问题，以提高母猪妊娠诊断的准确性	母猪妊娠超声图像	计算机视觉	NA	B型超声成像	DNN	图像	NA	NA	YOLOv8	平均交并比, 峰值信噪比, 结构相似性指数, 准确率	NA
396	2026-03-01	Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion 2026-Jan-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06619-3 PMID:41580403	研究论文	本研究通过融合2米高分辨率影像与30米Landsat数据，生成了2020年和2022年中国30米分辨率不透水面覆盖数据集	采用区域自适应深度学习策略，结合多源遥感数据（2米影像、Landsat年度合成数据、SRTM高程数据）进行数据融合，并利用熵引导分层采样方法生成高质量训练样本	数据集覆盖范围受限于2米卫星影像的可用区域，仅包括中国大陆及邻近可获得输入影像的地区	生成高精度、时空连续的中国不透水面覆盖数据集，支持城市动态分析、环境监测和区域规划等应用	中国大陆及邻近地区的不透水面覆盖	遥感与地理信息科学	NA	卫星遥感影像融合、深度学习	深度学习模型	卫星影像、高程数据	使用熵引导分层采样和专家视觉解释生成的高质量训练与验证样本	NA	NA	空间平均F1分数	NA
397	2026-03-01	Time Series Prediction of Open Quantum System Dynamics by Transformer Neural Networks 2026-Jan-23, Entropy (Basel, Switzerland) DOI:10.3390/e28020133 PMID:41751636	研究论文	本文提出了一种基于Transformer神经网络的时间序列预测模型，用于预测开放量子系统的动力学演化	采用正算子值测度方法将密度矩阵转换为概率分布，并基于Transformer构建时间序列预测模型，有效捕获系统历史演化模式并准确预测未来行为，包括稳态行为	NA	模拟开放量子系统的动力学演化，解决Lindblad主方程数值精确解计算成本高的问题	开放量子系统	机器学习	NA	正算子值测度	Transformer	时间序列数据	NA	NA	Transformer	保真度	NA
398	2026-03-01	Towards accurate artificial intelligence models for strain-level phage-host prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag085 PMID:41744225	综述	本文综述了菌株水平噬菌体-宿主相互作用预测的人工智能模型的最新进展，并分析了其在临床噬菌体治疗中的应用挑战	系统回顾并比较了基于生物学特征、混合表示学习、系统发育无关的机器学习以及端到端深度学习等多种新型人工智能模型在菌株水平预测中的应用	当前模型面临数据稀疏、不平衡、标签依赖实验、感染复杂性以及泛化能力有限等共享结构约束	开发更稳健、可解释且临床可转化的菌株水平噬菌体-宿主相互作用预测系统	噬菌体与宿主之间的相互作用	机器学习	NA	基因组信息分析	NA	基因组数据	NA	NA	NA	NA	NA
399	2026-03-01	Artificial intelligence-powered prediction of diabetic complications: from clinical data to molecular omics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag083 PMID:41744227	综述	本文系统综述了2015年至2025年间应用人工智能预测糖尿病并发症的研究，重点关注糖尿病视网膜病变、糖尿病肾病和糖尿病心血管疾病	提出了跨尺度和多模态数据融合的新范式，并总结了一个从数据管理到临床部署的六步可操作框架与转化路径	作为一篇叙事性综述，其结论基于对现有文献的系统性调查，而非原始研究，可能受纳入研究质量和偏倚的影响	为糖尿病并发症的风险预测和临床决策支持提供人工智能工具的综述与路线图	糖尿病并发症，特别是糖尿病视网膜病变、糖尿病肾病和糖尿病心血管疾病	机器学习	糖尿病并发症	NA	传统机器学习，深度学习，大语言模型，基于智能体的系统	临床特征，分子组学数据，医学影像，多模态数据	共纳入58项研究	NA	NA	NA	NA
400	2026-03-01	PLXFPred: interpretable cross-attention networks with hierarchical fusion of multi-modal features for predicting protein-ligand interactions and affinities 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf662 PMID:41512285	研究论文	提出一种名为PLXFPred的可解释跨模态融合模型，用于预测蛋白质-配体相互作用和结合亲和力	采用跨模态交叉注意力机制融合序列和图特征，并结合多模态分层融合策略，通过残差连接和条件域对抗学习提升泛化能力	未明确说明模型对未知蛋白质-配体对的泛化能力的具体限制条件	快速准确地预测蛋白质-配体相互作用和结合亲和力，以推动结构生物学发展	蛋白质-配体相互作用和结合亲和力	机器学习	NA	氨基酸序列和SMILES的物理化学性质提取，预训练模型特征提取	GATv2, BILSTM	序列数据（氨基酸序列、SMILES）、图结构数据	NA	PyTorch（基于GitHub代码库推断）	GATv2, BILSTM, 跨模态交叉注意力网络	RMSD, MAE, SD	NA