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
5641	2026-01-05	Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation 2026-Jan-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7768 PMID:41477839	研究论文	本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础	首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据	研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证	探究人类视网膜色素沉着的遗传结构和进化基础	人类视网膜色素沉着	计算机视觉	NA	全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序	深度学习	高分辨率眼底图像	NA	NA	DeepGRP	NA	NA
5642	2026-01-05	A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China 2026-Jan-02, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128477 PMID:41483761	研究论文	本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析	开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性	案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证	建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理	河口湿地生态系统，特别是潮汐河道网络的水文连通性	环境科学与生态学	NA	深度学习，多维地貌与水文参数分析，概率模型	深度学习模型	地理空间数据，水文数据	中国北方辽河口区域	NA	NA	结构连通性增加百分比（39%），过程连通性增加百分比（11.2%）	NA
5643	2026-01-05	MaizeGEP: A Maize Hybrids Dataset with Genotype, Phenotype, and Envirotype to Develop Genomic Selection Models 2026-Jan-02, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf140 PMID:41485082	研究论文	本研究介绍了MaizeGEP数据集，该数据集整合了260个杂交玉米品种的基因型、表型和环境型数据，用于开发基因组选择模型	提出了一个包含广泛试验地点、标准化管理协议和全面环境变量记录的新数据集，并应用了一种新颖的混合专家框架结合GE2P算法进行表型预测	数据集仅涵盖260个杂交玉米品种，可能无法代表所有玉米遗传多样性；环境变量记录可能受限于特定地理位置和时间范围	开发基因组选择模型，以精确预测玉米表型，并研究基因型、环境型和表型之间的关系	260个杂交玉米品种，包括其基因型、表型数据和2382个年-县地点的环境记录	机器学习	NA	单核苷酸多态性分析，全基因组关联研究，气象记录分析	贝叶斯方法，支持向量机，LightGBM，多层感知机，DeepGS，DEM，Cropformer	基因型数据，表型数据，环境数据	260个杂交玉米品种，2382个年-县地点	TensorFlow，PyTorch，Scikit-learn	多层感知机，DeepGS，DEM，Cropformer	最佳线性无偏估计值预测准确度，表型预测准确度	NA
5644	2026-01-05	DySurv: dynamic deep learning model for survival analysis with conditional variational inference 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae271 PMID:39569428	研究论文	本文提出了一种名为DySurv的新型条件变分自编码器方法，用于从电子健康记录中进行动态生存分析，以估计个体死亡风险	DySurv结合静态和纵向测量数据，无需对时间到事件的基础随机过程做出参数假设，直接估计累积风险发生率函数，在动态风险预测方面优于现有统计和深度学习方法	虽然方法利用了深度学习引导的生存分布估计的非参数扩展，但进一步的深度学习范式仍有待探索	开发一种基于深度学习的动态生存分析方法，用于从电子健康记录中预测个体死亡风险	电子健康记录数据，包括静态和纵向测量，来自ICU数据集（如eICU和MIMIC-IV）以及其他医疗时间到事件基准数据集	机器学习	重症监护相关疾病	条件变分自编码器	条件变分自编码器	电子健康记录数据，包括静态和纵向测量	多个数据集，包括6个医疗时间到事件基准数据集和2个真实世界ICU电子健康记录数据集（来自eICU和MIMIC-IV）	NA	条件变分自编码器	一致性，时间依赖性一致性，准确性，敏感性	NA
5645	2026-01-05	Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae286 PMID:39576664	研究论文	本研究开发了首个整合放射学和临床数据的人工智能系统FluDeep，用于早期预测流感住院患者的30天死亡率	首创整合放射学评分（FluDeep-XR）与临床数据的多模态AI系统，模拟临床推理过程，通过晚期融合设计提升预测性能	研究仅基于两家医院的队列数据，外部验证范围有限，未涵盖所有流感亚型或人群多样性	开发可解释的多模态AI系统，用于流感住院患者的早期死亡风险预测	流感住院患者的胸部X光影像和临床数据	数字病理学	流感	胸部X光影像分析	CNN, Random Forest	图像, 临床数据	来自台湾大学医院（开发集）和意大利Niguarda医院（外部验证集）的流感患者队列	TensorFlow, Scikit-learn	Xception	均方误差, AUC, 灵敏度	NA
5646	2026-01-05	Enhancing end-stage renal disease outcome prediction: a multisourced data-driven approach 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf118 PMID:40795063	研究论文	本研究利用机器学习和深度学习模型，结合临床和索赔数据，预测慢性肾脏病进展为终末期肾病的风险，并通过可解释人工智能提高模型可解释性和减少偏差	采用多源数据集成方法，结合不同观察窗口，并应用SHAP分析增强模型可解释性，同时评估了2021年eGFR方程在减少种族偏见方面的效果	研究基于2009年至2018年的数据，未来需扩展数据集成范围并验证框架在其他慢性疾病中的适用性	提高慢性肾脏病进展为终末期肾病的预测准确性，支持临床决策和减少医疗差异	10,326名慢性肾脏病患者	机器学习	慢性肾脏病	临床数据和索赔数据集成分析	LSTM	临床数据和索赔数据	10,326名患者	NA	LSTM	AUROC, F1分数	NA
5647	2026-01-04	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2026-Mar, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息，提高了预测准确性	结合Molr和ProtTrans网络进行特征提取，并引入转置注意力机制与三重损失自监督学习方法，以改进传统模型在蛋白质特征忽略和GPCR数据集标签反转任务上的性能	未明确说明模型在其他类型数据集上的泛化能力或计算效率的具体限制	预测药物与靶点之间的结合亲和力，以推进虚拟药物筛选和药物发现	小分子药物和蛋白质靶点，特别是G蛋白偶联受体（GPCR）数据集和人类靶点数据集	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	NA	NA	MolrProtTrans, TransformerCPI	AUC	NA
5648	2026-01-04	Structure-Guided Engineering of High-Affinity Antibodies Against Zika Virus Using Deep Learning and Molecular Dynamics 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502769 PMID:41205205	研究论文	本研究利用深度学习和分子动力学模拟，对靶向寨卡病毒包膜蛋白DIII区域的中和抗体进行结构引导的工程化改造，以优化其结合亲和力	结合高分辨率晶体结构、深度学习模型（DeepPurpose）和分子动力学模拟，系统性地对单克隆抗体进行双点突变库的设计与评估，以计算驱动的方式发现高亲和力抗体变体	研究结果基于计算预测，尚未进行实验验证；突变库的设计范围可能有限，未涵盖所有可能的突变组合	开发针对寨卡病毒的高亲和力抗体疗法	寨卡病毒包膜蛋白（ZIKV E）的DIII区域及其中和抗体ZV-64的突变变体	计算生物学，生物信息学	寨卡病毒感染	晶体结构分析，分子对接，分子动力学模拟，深度学习	深度学习模型（DeepPurpose）	蛋白质三维结构数据，序列数据	通过双点突变设计的抗体变体库（具体数量未明确说明），重点关注了Variant-213和Variant-206两个变体	DeepPurpose	NA	预测结合亲和力，预测溶解度，结构稳定性，结合能（-76.90 kcal/mol）	NA
5649	2026-01-04	Histopathology Images-Based Deep Learning Prediction of Histological Types in Endometrial Cancer 2026-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71509 PMID:41469815	研究论文	本研究开发并验证了一个名为EC-AIHIS的深度卷积神经网络，用于基于子宫内膜癌H&E染色图像预测其组织学类型	开发了EC-AIHIS模型，首次利用深度学习从H&E染色图像中预测子宫内膜癌的侵袭性与非侵袭性组织学类型，并在多队列中验证了其泛化能力和临床实用性	未明确说明模型在更广泛或多样化人群中的性能，以及可能存在的样本选择偏差	开发并验证一个深度学习模型，以准确预测子宫内膜癌的组织学类型，辅助病理学家诊断	子宫内膜癌标本的H&E染色图像	数字病理学	子宫内膜癌	H&E染色	CNN	图像	1187个子宫内膜癌标本	NA	EC-AIHIS	AUC, 灵敏度, 特异性	NA
5650	2026-01-03	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	本文提出了一种结合卷积非线性脉冲神经模型与双向长短期记忆的多元云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型（ConvNSNP），增强处理非线性数据的能力，并与BiLSTM结合构建混合预测模型，有效捕获多元时间序列的变量间相关性和时间模式	NA	解决云计算环境中多元工作负载预测的关键研究问题	多元时间序列数据	机器学习	NA	NA	CNN, BiLSTM	时间序列数据	三个公共云工作负载轨迹数据集（来自阿里巴巴和Google）	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
5651	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA
5652	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA
5653	2026-01-03	Deep Learning Segmentation and Quantification of the Left Ventricle from the Parasternal Short-Axis View in Echocardiography 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.005 PMID:41188093	研究论文	本研究开发了一种基于深度学习的自动化管道，用于从超声心动图的胸骨旁短轴视图中分割和量化左心室，以提取临床相关的定量测量指标	利用nnU-Net模型自动分割左心室腔和心肌，并基于分割结果自动计算左心室面积、分数面积变化、平均壁厚度和全局周向应变等测量值，实现了与专家标注相当的性能	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证的深度	开发一种自动化深度学习管道，以从超声心动图的胸骨旁短轴视图中提取临床相关的定量测量，减少测量变异性和时间消耗	超声心动图中的左心室腔和心肌	计算机视觉	心血管疾病	超声心动图	CNN	图像	未明确提及具体样本数量，但提到主题级可行性为90.4%	NA	nnU-Net	Dice系数, 95th percentile Hausdorff距离	NA
5654	2026-01-03	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出了一种基于BioBERT的可解释机器学习方法，通过分析非结构化临床文本来检测自闭症谱系障碍，并与黑盒方法进行了比较	引入了一种透明且可解释的机器学习方法，利用BioBERT分析临床文本，并将行为描述映射到诊断标准，同时系统评估了迁移学习中不同训练策略（顺序训练与混合训练）对模型性能的影响	研究仅使用了两个真实世界数据集，模型的泛化能力仍需在更多样化的数据集上进一步验证	开发可解释的AI工具以自动化自闭症谱系障碍的诊断过程	自闭症谱系障碍患者的非结构化临床文本记录	自然语言处理	自闭症谱系障碍	自然语言处理	Transformer	文本	两个不同的真实世界临床文本数据集	NA	BioBERT	灵敏度, 特异性	NA
5655	2026-01-03	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	本文提出一种基于SE(3)对称变换器模型的方法，用于在腹主动脉瘤表面直接预测局部生长，以改进个性化监测策略	首次使用SE(3)对称变换器模型在血管模型表面直接预测AAA生长，保留了血管表面的解剖结构和几何保真度，避免了参数化形状的局限性	训练数据仅基于24名患者的113次CTA扫描，样本量较小，且外部验证集仅包含7名患者，可能影响模型的泛化能力	开发个性化腹主动脉瘤生长预测方法，以优化临床监测策略	腹主动脉瘤患者及其CTA扫描图像	计算机视觉	心血管疾病	计算机断层扫描血管造影	Transformer	图像	113次CTA扫描，来自24名AAA患者（训练集），以及25次CTA扫描，来自7名AAA患者（外部验证集）	NA	SE(3)-symmetric transformer	中位直径误差，准确率	NA
5656	2026-01-03	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出了一种量子增强神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病检测	将量子卷积层与经典深度学习结合，并引入量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据稀缺问题	未明确提及模型在更大规模或更多样化数据集上的泛化能力，以及量子计算资源在实际临床环境中的可及性	提高早期阿尔茨海默病检测的诊断准确性	阿尔茨海默病患者的脑部磁共振成像（MRI）数据	机器学习	阿尔茨海默病	磁共振成像（MRI）	量子增强神经网络	图像	两个公共MRI数据集（具体样本数量未明确）	NA	QENNA（量子卷积层与经典深度学习结合）	准确率, AUC	NA
5657	2026-01-03	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	本研究开发了一个针对约旦阿拉伯方言患者反馈的语料库JADKHCC，并利用深度学习模型进行情感分析，以评估医疗服务质量	首次创建了专门用于约旦阿拉伯方言患者反馈情感分析的语料库JADKHCC，并比较了多种深度学习模型在阿拉伯语方言数据上的性能	研究主要针对特定医疗中心（KHCC）的约旦阿拉伯方言数据，可能无法直接推广到其他阿拉伯方言或医疗环境	通过情感分析自动化患者反馈，以检测不满、识别未满足需求并推动医疗服务改进	来自侯赛因国王癌症中心（KHCC）的约旦阿拉伯方言患者反馈文本	自然语言处理	癌症	情感分析	CNN, BiLSTM, LSTM, RNN, RNNLSTM	文本	15,812条约旦阿拉伯方言评论	NA	BERT-base-Arabic, Word2Vec, FastText	F1-score	NA
5658	2026-01-03	Deep learning-based prediction of dynamic blood dose estimates for head-and-neck cancer 2026-Jan-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3047 PMID:41429110	研究论文	本研究开发了一种基于深度学习的模型，用于准即时预测头颈癌放疗中动态血液剂量模拟结果	首次提出结合全连接层和Transformer编码器的深度神经网络，实现动态血液剂量模拟的快速预测，克服了传统模拟在治疗计划迭代中时间不可行的限制	研究仅基于157名头颈癌患者的数据，样本量相对较小，且模型尚未在其他癌症类型或更大规模数据集中验证	开发一种准即时预测动态血液剂量模拟结果的方法，以促进放疗治疗计划中纳入血液剂量考虑	157名头颈癌患者的治疗计划CT图像和剂量体积直方图	数字病理学	头颈癌	动态血液剂量模拟（HEDOS）	深度神经网络	图像（CT）、剂量体积直方图	157名患者（126名用于训练和内部验证，31名用于测试）	NA	全连接层, Transformer编码器	Kullback-Leibler散度, 平均绝对百分比误差	NA
5659	2026-01-03	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种名为MI-CSBO的混合系统，用于通过深度学习与贝叶斯优化对心肌梗死进行分类	结合了深度残差CNN、贝叶斯优化和NCA特征选择，构建了一个新的混合分类系统，并在ECG数据上实现了100%的诊断准确率	NA	实现对心肌梗死的早期检测和分类	心电图（ECG）信号	机器学习	心血管疾病	谱图方法	CNN	图像（由ECG信号转换的谱图）	来自PTB数据库（PTBDB）的ECG信号数据集	NA	深度残差CNN	正确诊断率	NA
5660	2026-01-03	Arrhythmia detection in inter-patient ECG signals using entropy rate features and RR intervals with CNN architecture 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378105 PMID:39021157	研究论文	本文提出了一种结合熵率特征、RR间期和1D CNN架构的心律失常检测方法，用于处理患者间ECG信号分类	创新性地将熵率特征提取技术应用于ECG信号分类，并融合形态学特征（通过1D CNN自动捕获）与时间特征（RR间期），提升了患者间ECG分类性能	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力限制，以及计算资源需求的具体分析	开发一种高性能的心律失常自动检测方法，以解决患者间ECG信号分类的挑战	心电图（ECG）信号，特别是MIT-BIH心律失常数据集和INCART数据集中的信号	机器学习	心血管疾病	ECG信号分析，特征提取（包括熵率计算和RR间期测量）	CNN	信号数据（ECG波形）	使用MIT-BIH心律失常数据集（具体样本数未明确，但涉及患者内和患者间范式）和INCART数据集进行验证	未明确指定，可能为TensorFlow或PyTorch等深度学习框架	1D CNN	准确率	NA