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
3941	2026-03-24	Deep learning with limited data: a transfer learning approach for transcriptomic survival prediction 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111618 PMID:41812364	研究论文	本研究评估了迁移学习在转录组学生存预测中的应用，通过利用跨癌症的大数据集来提升小队列中的预测性能	首次系统评估迁移学习在转录组学生存预测中的效果，并采用留一法预训练策略结合微调，显著提升了小队列肿瘤的预测性能	研究依赖于TCGA数据，可能未涵盖所有肿瘤类型或临床异质性，且模型解释性方法基于LIME-like方法，可能存在局限性	探索迁移学习在癌症转录组学数据中用于疾病无进展生存预测的有效性	来自TCGA的27种肿瘤类型的7509名患者的RNA-seq数据	机器学习	癌症	RNA-seq	深度神经网络	转录组学数据	7509名患者	NA	NA	一致性指数	NA
3942	2026-03-24	Interpretable evaluation of physiological signals for biometric identification 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111616 PMID:41812367	研究论文	本文提出一个统一框架，用于分析ECG、EEG和PPG生理信号在生物识别中的应用，并强调模型可解释性	将研究焦点从单纯性能指标转向深入理解生物识别系统行为，特别是信号特征、人口规模和样本可用性对性能的影响，并引入SHAP进行特征重要性量化	未明确提及具体局限性，但可能涉及数据集多样性或实际部署中的泛化能力	评估生理信号在生物识别中的性能，并提高系统的可解释性和可靠性	ECG、EEG和PPG生理信号	机器学习	NA	生理信号分析	机器学习模型	生理信号数据	NA	NA	NA	识别准确率, 等错误率	NA
3943	2026-03-24	Empirical evaluation of variability and multi-institutional generalizability of deep learning survival models: application to renal cancer CT scans 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111603 PMID:41806695	研究论文	本研究系统评估了深度学习生存模型在肾癌CT影像上的变异性与多机构泛化能力，探讨了数据划分、初始化及增强策略对模型性能的影响	首次在医学影像生存预测领域系统量化数据划分策略、模型初始化及数据增强对多机构泛化能力的影响，提出协变量平衡划分方法	研究仅针对肾癌CT影像，样本量相对有限（525例），未涵盖其他癌症类型或模态影像	评估深度学习生存模型在跨机构医学影像数据上的泛化性能，探索提升模型鲁棒性的方法论	肾癌患者的CT扫描影像及对应的生存时间数据	数字病理	肾癌	CT影像分析	CNN	3D医学影像	525名患者（来自9个机构）	PyTorch	3D ResNet-18	一致性指数（c-index），风险比（HR）	NA
3944	2026-03-24	Beyond spectroscopy: Machine vision as the future of non-destructive testing in 3D-printed pharmaceuticals 2026-Apr-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2026.126750 PMID:41819388	综述	本文综述了用于3D打印药物质量控制的非破坏性光谱和成像检测技术，并重点探讨了机器视觉（MV）与人工智能结合的应用前景	强调了机器视觉（MV）与深度学习算法（如CNN、YOLO）结合，作为实时缺陷检测和视觉检查的创新工具，在个性化制药领域提供更灵活、精确和高效的质量控制策略	讨论了现有技术差距、监管挑战以及标准化需求，以确保这些技术安全可靠地集成到制药工作流程中	开发适用于3D打印药物的灵活、精确且高效的非破坏性质量控制策略	3D打印（3DP）的个性化剂型和药物递送系统	机器视觉	NA	近红外光谱、拉曼光谱、太赫兹光谱、光学相干断层扫描、高光谱成像	CNN, YOLO	图像	NA	NA	卷积神经网络（CNN）、YOLO模型	准确性、速度、适应性	NA
3945	2026-03-24	Artificial intelligence in clinical nutrition. A narrative review 2026-Apr, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2025.11.142 PMID:41285366	综述	本文是一篇关于人工智能在临床营养学中应用的叙述性综述，旨在为临床医生提供AI基础概念及其在营养护理中实际应用的概述	系统性地综述了AI在临床营养学中的整合潜力，并强调了临床医生教育、跨学科合作与伦理监督对成功实施的重要性	作为一篇叙述性综述，可能未涵盖所有最新研究，且未进行定量分析或荟萃分析	概述人工智能在临床营养学中的应用，并探讨如何促进其负责任和有效的整合	临床营养学领域的人工智能技术及其在医疗保健中的应用	机器学习	NA	NA	机器学习, 深度学习, 大语言模型	NA	NA	NA	NA	NA	NA
3946	2026-03-24	Dynamic insights into cellular mechanics and membrane undulations in vascular smooth muscle cells 2026-Apr-01, American journal of physiology. Cell physiology DOI:10.1152/ajpcell.00771.2025 PMID:41758219	研究论文	本研究结合实时原子力显微镜、信号处理、生化分析与机器学习图像量化，探究血管平滑肌细胞中细胞力学、膜波动、细胞骨架组织与肌动球蛋白信号间的时空耦合关系	首次在血管平滑肌细胞中观察到特定频率且跨细胞同步的机械振荡现象，并揭示了肌动蛋白组织与肌球蛋白轻链激酶信号对不同振荡模式的差异化调控机制	研究主要基于体外细胞模型，未在完整血管组织或活体环境中验证；药理干预可能产生非特异性效应	探究血管平滑肌细胞机械振荡的调控机制及其与细胞骨架、收缩信号的关系	血管平滑肌细胞	生物力学与细胞生物物理学	心血管疾病	实时原子力显微镜、共聚焦成像、生化分析、信号处理	深度学习	显微镜图像、力学测量数据、生化数据	未明确说明	NA	NA	NA	NA
3947	2026-03-24	MML-DTI: Multimanifold Learning with Hyperbolic Graph Neural Networks for Enhanced Drug-Target Interaction Prediction 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02826 PMID:41802299	研究论文	提出了一种结合双曲空间和欧几里得空间的多流形学习框架，用于增强药物-靶点相互作用预测	首次将双曲图神经网络用于药物-靶点相互作用预测，通过多流形特征融合模块整合异构信息，有效捕捉生物数据的层次结构特性	未明确说明模型在更大规模或更复杂生物网络上的泛化能力，也未讨论计算复杂度与效率的具体对比	提高药物-靶点相互作用预测的准确性，以促进药物发现和重定位	小分子药物和靶点蛋白质	机器学习	NA	图神经网络，预训练语言模型	HGNN, GNN	分子图，化学指纹，语义嵌入	基准数据集（未指定具体数量）	NA	Hyperbolic Graph Neural Network	NA	NA
3948	2026-03-24	Trustworthy Compound-Protein Interaction Prediction with Interpretable and Conformalized Cross-Attention Transformers 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02709 PMID:41790973	研究论文	本文提出了一个名为ConfBiXtCPI的集成框架，用于实现准确、可解释且具有统计严格不确定性量化的化合物-蛋白质相互作用预测	该研究首次将双向交叉注意力Transformer与Mondrian保形预测相结合，在实现最先进预测精度的同时，为多数类和少数类提供了有效的统计覆盖保证，并支持可解释的注意力机制和主动学习策略	未明确提及具体的数据集规模限制或计算资源需求，也未讨论模型在更广泛蛋白质家族或新型化合物上的泛化能力	开发一个可信赖的化合物-蛋白质相互作用预测框架，统一准确性、可解释性和不确定性量化	化合物-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列数据	NA	NA	双向交叉注意力Transformer	准确性, 错误发现率	NA
3949	2026-03-24	Deep learning approach to super-resolution correction of brain MRI motion artifacts for accurate hippocampal volumetry 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44834-5 PMID:41866419	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3950	2026-03-24	A low-latency deep learning framework for volcanic ash cloud nowcasting using geostationary satellite imagery 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42230-7 PMID:41866598	研究论文	本文开发并验证了一种基于深度学习的近实时火山灰扩散临近预报方法，利用地球静止卫星图像实现低延迟预测	提出了一种完整的边缘计算工作流，能在五秒内完成数据下载和推理，并引入像素级事件注入算法以模拟不同规模的合成羽流场景	研究主要基于SEVIRI仪器的Ash RGB合成图像，可能未涵盖所有火山灰类型或气象条件，且合成羽流场景为假设性演示	开发低延迟的火山灰扩散临近预报系统，支持应急决策和场景可视化	火山灰卫星图像（来自EUMETSAT的SEVIRI仪器Ash RGB合成数据）及合成羽流场景	计算机视觉	NA	地球静止卫星观测（SEVIRI仪器Ash RGB合成）	深度学习模型	卫星图像	基于EUMETSAT SEVIRI仪器火山灰卫星图像档案的训练数据	NA	NA	结构相似性指数（SSIM）	NVIDIA Jetson AGX Orin边缘计算设备
3951	2026-03-24	A contrastive learning framework with adaptive feature fusion for brain tumor classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44887-6 PMID:41866612	研究论文	本文提出了一种结合自适应特征融合的对比学习框架，用于脑肿瘤MRI图像的精确分类	引入了动态标签队列存储历史标签，构建同一类别内多幅图像间的多个正样本对，从而在对比学习中注入显式监督，增强特征表示的判别力	未明确提及	提高脑肿瘤MRI图像分类的准确性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	公共figshare数据集	NA	对比学习框架与自适应特征融合模块	NA	NA
3952	2026-03-24	Prediction of cyclin-dependent proteins using pre-trained protein language models and effective neural network architectures 2026-Mar-21, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116116 PMID:41865419	研究论文	本文提出了一种结合预训练蛋白质语言模型和深度学习技术的新型计算方法，用于准确预测细胞周期依赖性蛋白	整合预训练蛋白质语言模型（如ESM）生成高质量蛋白质嵌入，避免手动特征提取，并设计定制化的卷积神经网络架构自动学习与CDP识别相关的判别性特征	未明确提及方法在处理非典型或高度变异蛋白质序列时的性能，也未讨论计算资源需求或模型可解释性	开发一种计算方法来准确识别细胞周期依赖性蛋白，以克服传统方法在非同源数据和手动特征提取上的限制	细胞周期依赖性蛋白，包括细胞周期蛋白、细胞周期依赖性激酶和细胞周期依赖性激酶抑制剂	自然语言处理	癌症	蛋白质语言模型，深度学习	CNN	蛋白质序列	NA	NA	定制化卷积神经网络	NA	NA
3953	2026-03-24	A Novel Quantitative Analysis in Myocardial Perfusion Imaging: How does it compare to the "Golden Eye"? 2026-Mar-21, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.03.009 PMID:41866260	研究论文	本文提出了一种新的心肌灌注成像定量分析方法，与传统TPD方法相比，从逆向角度评估异常灌注的严重程度和范围	提出了一种基于逆向视角的定量分析方法，将TPD视为更广泛方法的一个特例，并探索了通用定量分析的建立方式	缺乏基于生存率或主要不良心血管事件（MACE）标准的真实数据验证	开发一种新的心肌灌注成像定量分析方法，用于评估缺血性心脏病患者的左心室灌注异常	心肌灌注成像数据，特别是左心室放射性示踪剂摄取的极坐标图	医学影像分析	心血管疾病	心肌灌注成像	深度学习	图像（2D极坐标图）	NA	NA	标准深度学习架构	统计一致性，视觉一致性	NA
3954	2026-03-24	Hard-Soft Acid-Base Principle Drives Rational Synthesis of Super-Dense Rare-Earth-Based Diatomic Sites 2026-Mar-18, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c21164 PMID:41847911	研究论文	本文提出了一种基于硬软酸碱原理的通用合成策略，成功制备了14种具有超高金属负载量的稀土基双原子催化剂，并通过深度学习辅助识别方法明确了其异质双原子构型	利用硬软酸碱原理指导合成，实现了稀土基双原子催化剂的超高负载量（12.8-30.7 wt%）和明确构型识别，突破了传统双原子催化剂负载量低、构型不明确的限制	NA	开发一种通用设计原则，用于理性合成高负载双原子催化剂，以提升电催化硝酸盐还原性能	稀土基双原子催化剂	机器学习	NA	深度学习辅助双原子识别方法	深度学习模型	NA	14种稀土基双原子催化剂	NA	NA	氨产率	NA
3955	2026-03-24	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-Mar-18, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出一种结合基因本体图嵌入和动态阈值深度神经网络的两步法，用于多标签蛋白质亚细胞定位预测	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，实现多标签预测，克服了固定阈值仅能单标签预测的限制	NA	提高蛋白质亚细胞定位预测的效率和准确性	蛋白质	机器学习	NA	基因本体图嵌入	深度神经网络	图数据	两个基准数据集：DeepLoc 2.0 和 Plant-mSubP	NA	深度神经网络	总体实际准确率, 宽松准确率	NA
3956	2026-03-24	Domain-Level Classification of Archaea and Bacteria Using AI-Assisted Single-Cell Raman Spectroscopy 2026-Mar-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00460 PMID:41867523	研究论文	本研究提出了一种结合拉曼光谱和机器学习的方法，用于在单细胞水平上区分古菌和细菌	开发了一种基于拉曼光谱和LightGBM算法的文化独立方法，用于古菌和细菌的域级分类，无需培养且适用于低丰度微生物	数据集中仅包含22个原核物种（11个古菌和11个细菌），样本规模相对较小，可能限制了模型的泛化能力	开发一种无需培养的方法，以区分古菌和细菌，并促进对复杂微生物群落中古菌的研究	古菌和细菌的单细胞	机器学习	NA	拉曼光谱	LightGBM, CNN	光谱数据	22个原核物种（11个古菌和11个细菌）	LightGBM, 可能包括TensorFlow或PyTorch（用于CNN）	LightGBM（树基模型）, CNN（具体架构未指定）	准确率, 灵敏度	NA
3957	2026-03-24	Identification of novel biomarkers for Alzheimer's disease: A deep learning omics-based approach to drug pair discovery and exploration of potential therapeutic targets 2026-Mar-14, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00989 PMID:41837520	研究论文	本研究采用深度学习与组学方法，探索了阿尔茨海默病的新型生物标志物、潜在治疗靶点及药物组合发现	提出了一个基于组学的智能药物发现框架，用于快速筛选和优化化合物药物对，并将免疫失调确立为疾病早期的核心协同驱动因素，特别是揭示了CD8+ T细胞和Fcγ受体3A在疾病病理生理学中的关键作用	因果关系主要基于孟德尔随机化分析，仍需进一步的实验验证；药物发现框架的有效性需要在临床前和临床研究中进一步评估	探究免疫细胞、血浆蛋白与阿尔茨海默病之间的因果关系，并发现针对血浆蛋白的有效药物组合疗法	阿尔茨海默病患者、轻度认知障碍个体、认知正常参与者、5×FAD小鼠模型、免疫细胞（特别是CD8+ T细胞）、血浆蛋白（特别是Fcγ受体3A）	机器学习	阿尔茨海默病	两样本孟德尔随机化、数据挖掘、分子对接分析、生物信息学分析	神经网络	组学数据、队列数据、药物数据库数据	大型阿尔茨海默病队列、阿尔茨海默病神经影像学倡议数据库、药物数据库	NA	生物因子调控的神经网络	NA	NA
3958	2026-03-24	Precisely Identifying Growth Phases of Living Bacteria using Open-Set Deep Learning-Driven Single-Cell Raman Spectroscopy 2026-Mar-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08187 PMID:41823082	研究论文	本研究提出了一种结合卷积神经网络和长短期记忆模型的开放集深度学习策略，利用单细胞拉曼光谱精确识别活细菌细胞的生长阶段	提出了一种新的开放集深度学习配置，通过集成CNN和LSTM模型，并采用插值算法增强的光谱偏移策略来增强数据多样性，同时开发了增强的Softmax模块以在开放集环境中工作	NA	精确识别和预测单个活细菌细胞的生长阶段	产孢细菌的单个细胞/孢子	机器学习	NA	单细胞拉曼光谱	CNN, LSTM	光谱数据	在13个不同生长时间点采样的细胞/孢子时间依赖性单细胞拉曼光谱	NA	CNN-LSTM集成架构	预测准确率	NA
3959	2026-03-24	Self-supervised learning-aided ultrasonic testing for overcoming long-tail problems in stress-strain curve prediction 2026-Mar-11, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108053 PMID:41865614	研究论文	本研究提出了一种基于VIME的自监督学习框架，用于解决超声测试中应力-应变曲线预测的长尾问题	应用VIME自监督学习框架处理超声测试中的长尾问题，并发现频域信号对改善性能特别有效	研究仅针对铝合金样本，未涉及其他材料或更广泛的缺陷类型	解决超声测试中因缺陷样本导致的长尾问题，提升应力-应变曲线预测的准确性	铝合金样本，包括低屈服强度（100-200 MPa）的案例	机器学习	NA	超声测试	深度学习模型	频域信号（包含基波和二次谐波分量）	816个铝合金样本	NA	VIME-SSL	平均绝对百分比误差（MAPE）	NA
3960	2026-03-24	GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI 2026-Mar-10, ArXiv PMID:41647239	研究论文	本文介绍了GOUHFI 2.0，一个用于超强场MRI脑部图像分割和皮层分区的深度学习工具箱	GOUHFI 2.0通过引入更大的训练数据变异性和新增皮层分区及体积测量功能，改进了原始工具箱，成为首个能在超强场MRI上实现稳健皮层分区的深度学习工具箱	NA	开发一个适用于超强场MRI的自动脑部分割和皮层分区工具，以解决信号不均匀性、对比度和分辨率变化等挑战	超强场MRI脑部图像	数字病理学	NA	超强场MRI	CNN	图像	238名受试者，涵盖不同分辨率、场强和人群	NA	3D U-Net	分割准确性	NA