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
2941	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
2942	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
2943	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
2944	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
2945	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
2946	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
2947	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
2948	2026-03-01	Understanding Artificial Intelligence (AI) for the Electrophysiologist 2026 Jan-Feb, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.010 PMID:41621626	综述	本文为电生理学家提供关于人工智能的实用入门指南，支持其知情评估和负责任的临床采纳	系统梳理了AI在电生理学中的历史演变、核心方法概念、常见失败模式及监管评估，并展望了个体化建模、资源受限环境下的专家决策支持等未来方向	作为综述文章，未提出新的AI模型或进行实证验证，主要基于现有文献进行总结和评述	为电生理学家提供评估和临床采纳AI工具的知识框架	人工智能在临床电生理学中的应用，包括自动ECG解读、心律失常检测、风险分层、手术规划和流程支持	机器学习	心血管疾病	NA	机器学习, 深度学习, 生成式AI, 大语言模型	NA	NA	NA	NA	分析性能, 临床效用	NA
2949	2026-03-01	Progress in sepsis prediction models: from traditional scoring systems to multimodal intelligence and clinical translation 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1732164 PMID:41756387	综述	本文系统综述了脓毒症预测模型的发展历程，从传统评分系统到现代机器学习和深度学习模型，并讨论了临床转化挑战与未来机遇	系统梳理了脓毒症预测模型从传统方法到多模态智能的演进路径，并提出了从算法精度到临床价值的转化框架	作为综述文章，未提出新的预测模型或进行原始数据分析	总结脓毒症预测模型的研究进展、挑战与未来方向	脓毒症预测模型及相关研究	机器学习	脓毒症	电子健康记录分析	梯度提升树, 随机森林, LSTM, Transformer	临床时间序列数据	NA	NA	NA	NA	NA
2950	2026-03-01	Deep learning-based head and neck deformable image registration using spatio-temporal analysis and self attention 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100928 PMID:41756517	研究论文	本研究提出了一种基于深度学习的头颈部可变形图像配准算法，用于放疗中的自适应治疗	结合了3D卷积神经网络、自注意力和卷积长短期记忆网络来建模时间变形，实现了快速且无需手动参数调优的双向配准	仅使用了60例头颈部癌症患者数据集，样本量相对有限，且未在更广泛的患者群体或不同癌症类型中进行验证	开发一种快速、准确且一致的可变形图像配准算法，以支持头颈部癌症放疗中的实时自适应工作流程和回顾性剂量累积	头颈部癌症患者的纵向成像数据，包括计划CT和每周锥形束CT	计算机视觉	头颈部癌症	锥形束CT成像	CNN, LSTM	图像	60例头颈部癌症患者数据集，其中50例用于训练，10例用于测试	NA	3D卷积神经网络, 自注意力, 卷积长短期记忆网络	Dice相似系数, Hausdorff距离, Jacobian分析	NA
2951	2026-03-01	Detection of monkeypox skin lesions using edge enhancement algorithms integrated with hybrid deep learning 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261415651 PMID:41756609	研究论文	本研究提出了一种轻量级深度学习框架，通过边缘增强算法和混合深度学习模型来检测猴痘皮肤病变	提出了一种新颖的边缘增强算法，结合对比度受限自适应直方图均衡化和双边滤波器来优化皮肤图像，并引入了一种新的混合深度学习模型DN-CXT（DenseNet121 + ConvNeXt-Tiny）	未在摘要中明确提及研究的局限性	开发一种创新的检测方法，以改进猴痘皮肤病变的检测，提高诊断效率并降低医疗人员的感染风险	猴痘皮肤病变的皮肤图像数据	计算机视觉	猴痘	数据增强、边缘增强算法（包括对比度受限自适应直方图均衡化和双边滤波器）	CNN	图像	NA	NA	DenseNet121, MobileNetV2, InceptionV3, ConvNeXt-Tiny, DN-CXT（DenseNet121 + ConvNeXt-Tiny）	准确率, F1分数, 精确率	NA
2952	2026-03-01	Estimating sorghum leaf dhurrin content using a handheld near infrared instrument 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1759377 PMID:41756654	研究论文	本研究评估了使用手持近红外光谱仪快速测量高粱叶片中dhurrin含量的可行性	首次将手持近红外光谱仪结合深度学习人工神经网络（ANNDL）用于高粱叶片dhurrin含量的快速估算，为植物育种提供了一种成本效益高的预筛选方法	无法基于新鲜叶片扫描建立有效模型，仅适用于干燥叶片；模型性能（R²约0.71-0.72）仍有提升空间	开发一种快速、低成本的高粱叶片dhurrin含量测量方法，以替代昂贵耗时的HPLC标准分析	高粱叶片（新鲜和干燥状态）中的dhurrin（一种氰苷类毒素）含量	机器学习	NA	近红外光谱法	PLS回归, BPNN, ANNDL	光谱数据	NA	NA	NA	R², RMSEP, 偏差	NA
2953	2026-03-01	Optimizing wearable IMU configurations for running gait analysis: a machine learning-based sensor fusion approach 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1762919 PMID:41757318	研究论文	本研究应用机器学习技术优化可穿戴惯性测量单元配置，通过传感器融合方法减少传感器数量而不牺牲跑步步态分析的准确性	首次系统量化运动链中的信息冗余，通过递归特征消除识别关键信号属性，提出基于生物力学优化的最小最优传感器子集配置	单节点配置无法有效检测步态不对称性，且研究仅针对休闲跑者在跑步机上的三种速度协议，未涵盖户外或不同技能水平跑者	优化可穿戴惯性测量单元配置，降低硬件复杂度同时保持跑步步态分析精度	25名休闲跑者在跑步机上进行三种速度（8、10、12 km/h）的跑步协议	机器学习	NA	惯性测量单元传感器融合，时间域和频率域特征提取	Random Forest, Linear Regression, LSTM	加速度计和陀螺仪原始信号	25名休闲跑者，在三种跑步速度下采集数据	Scikit-learn	Random Forest, Linear Regression, LSTM	R², MAPE	NA
2954	2026-02-28	Clinical applications of artificial intelligence-driven nitric oxide: a bibliometric and scientific mapping analysis 2026-Sep-01, Medical gas research IF:3.0Q2 DOI:10.4103/mgr.MEDGASRES-D-25-00096 PMID:41496298	综述	本研究通过文献计量和科学图谱分析，系统阐述了人工智能驱动的一氧化氮研究的临床应用、知识框架及转化瓶颈	首次基于知识图谱对人工智能驱动的一氧化氮系统进行系统性分析，揭示了该交叉领域的知识架构、技术演变及转化障碍	研究基于Web of Science数据库，可能遗漏其他来源的文献；分析主要聚焦于心血管和呼吸系统疾病，在神经免疫学和传染病领域的应用研究尚不充分	系统分析人工智能驱动的一氧化氮交叉领域的知识框架、技术演变及临床转化瓶颈	人工智能驱动的一氧化氮系统相关研究文献	机器学习	心血管疾病	文献计量分析、科学图谱分析	NA	文本数据（科学文献）	384篇相关文章（2005-2024年）	CiteSpace, VOSviewer, Bibliometrix R package	NA	NA	NA
2955	2026-02-28	AI-integrated smartphone platform enables POC dual-channel glucose monitoring with an indicator-free nanozyme gel kit 2026-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118510 PMID:41698866	研究论文	开发了一种基于无指示剂纳米酶凝胶试剂盒和AI集成智能手机平台的双通道葡萄糖即时检测系统	采用微波辅助静态生物矿化策略合成葡萄糖氧化酶模板化的MnO纳米片，保留了酶的天然活性和固有荧光，并构建了集成了深度学习算法的智能手机应用（SmartGDS）的“微管实验室”凝胶平台，实现了唾液葡萄糖的快速双模式（荧光和比色）定量检测	未明确说明临床验证的样本量细节或潜在的干扰物质影响	开发一种用于非侵入性、低成本健康管理的即时葡萄糖监测平台	唾液葡萄糖	数字病理	NA	微波辅助静态生物矿化，荧光共振能量转移（FRET）	深度学习算法	图像（颜色和荧光变化）	临床唾液样本（具体数量未明确）	NA	NA	线性范围，检测限（LOD），准确性	智能手机平台
2956	2026-02-28	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新	全面整合了机器学习、深度学习和强化学习等AI技术，以加速药物发现的关键流程，包括靶点识别、虚拟筛选、从头药物设计、毒性预测以及临床试验优化	存在数据质量保证、模型可解释性提升、监管接受度以及伦理问题等限制	加速药物发现过程，提高新药研发效率并推动个性化医疗	药物发现流程，包括靶点识别、虚拟筛选、药物设计、毒性预测、临床试验等	机器学习	NA	机器学习（ML）、深度学习（DL）、强化学习（RL）	NA	NA	NA	NA	NA	NA	NA
2957	2026-02-28	Deep Learning-Based Motion-Compensated Reconstruction for Accelerating 4-Dimensional Magnetic Resonance Fingerprinting 2026-Mar-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.001 PMID:41138788	研究论文	本文提出并验证了一种名为DeepMocor的深度学习方法，用于运动补偿的四维磁共振指纹成像重建，以加速传统的4D-MRF重建过程	开发了DeepMocor这一深度学习框架，通过运动场初始化、精炼和最终重建三个阶段，实现了24倍于传统方法的加速，并有效处理了自由呼吸下的运动伪影	研究样本量较小（19名肝细胞癌患者），且为单中心前瞻性研究，需要更大规模、多中心的验证	开发并验证一种加速四维磁共振指纹成像重建的深度学习方法，以支持更高效的临床治疗规划	19名肝细胞癌患者（平均年龄62岁，14名男性）在自由呼吸状态下采集的腹部原始k空间数据	医学影像分析	肝细胞癌	四维磁共振指纹成像	深度学习模型	磁共振成像k空间数据	19名患者	NA	DeepMocor（包含运动场初始化、精炼和重建模块）	峰值信噪比, 结构相似性指数, 平均绝对百分比误差, 对比噪声比, 平均运动差异, 皮尔逊相关系数	NA
2958	2026-02-28	Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review 2026-Mar, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2673-4339 PMID:40962128	综述	本文综述了用于评估骨形态（特别是颅骨和脊柱成像）的当前最先进3D MRI序列的技术进展与应用	系统比较了多种短回波时间MRI序列（如ZTE、UTE、VIBE）在骨成像中的应用，并探讨了其与深度学习结合以替代CT的潜力	这是一篇叙述性综述，未进行定量荟萃分析；研究主要聚焦于过去五年的颅骨和脊柱应用，可能未涵盖所有骨成像领域	回顾和总结用于骨形态评估的先进3D MRI序列的技术原理、应用进展及临床价值	颅骨和脊柱的骨结构成像	数字病理	NA	3D MRI序列（包括ZTE、UTE、VIBE、FRACTURE等）	NA	医学影像（MRI）	约250项近五年研究（针对应用综述）和约868项近十年研究（针对技术综述），最终筛选出69项研究	NA	NA	NA	NA
2959	2026-02-28	Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111516 PMID:41637822	研究论文	本文提出了一种用于磁共振血管成像和计算机断层扫描血管成像中Willis环多类别分割的深度学习框架，重点关注拓扑正确性和分割精度	提出了一种基于nnUNet的深度学习框架，并结合无需额外训练的后处理模块，专门针对Willis环多类别分割任务进行优化	未明确说明模型在更广泛临床数据上的泛化能力限制	实现Willis环血管的拓扑准确多类别分割，以评估其血管结构作为神经血管病理学生物标志物的重要性	Willis环血管网络（13个可能类别）	数字病理学	心血管疾病	磁共振血管成像, 计算机断层扫描血管成像	CNN	图像	使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集子集上进行评估	PyTorch	nnUNet	Dice系数, 中心线Dice	NA
2960	2026-02-28	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	本研究评估了一种深度学习算法在结直肠癌患者腹部增强CT中检测肝转移的性能，并与放射科医生进行了比较	开发了一种深度学习算法，用于在结直肠癌患者的腹部增强CT中检测肝转移，并与不同经验的放射科医生进行了全面的性能比较，特别是在不同病灶大小和位置（如包膜下）的检测表现	这是一项回顾性、双中心研究，可能存在选择偏倚；算法在小于10毫米的小病灶上检测率较低（55%）；假阳性主要源于胆管扩张和膈肌压迹等结构	评估深度学习算法在结直肠癌患者腹部增强CT图像中检测肝转移的准确性，并与放射科医生的诊断性能进行比较	结直肠癌患者的腹部增强CT图像	计算机视觉	结直肠癌	对比增强腹部CT成像	深度学习算法	医学图像	181名结直肠癌患者（95名有肝转移，86名无肝转移），共280个肝转移结节	NA	NA	检测率, 假检测率, 95%置信区间, 组内相关系数	NA