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
581	2026-04-06	[Contrast-enhanced CT-based habitat radiomics for analyzing the predictive capability for oral squamous cell carcinoma] 2026-Apr-01, Hua xi kou qiang yi xue za zhi = Huaxi kouqiang yixue zazhi = West China journal of stomatology DOI:10.7518/hxkq.2026.2025211 PMID:41919548	研究论文	本研究通过对比基于增强CT的深度学习和栖息地分析模型，探索预测口腔鳞状细胞癌颈淋巴结转移和病理亚型的新方法	结合K-means聚类、全连接神经网络和临床特征，构建了栖息地-临床联合模型，用于预测口腔鳞状细胞癌的淋巴结转移和病理亚型，显示出优越的预测性能	研究为回顾性设计，样本量较小（107例患者），可能影响模型的泛化能力，且未详细说明外部验证情况	预测口腔鳞状细胞癌的颈淋巴结转移和病理亚型	经石蜡病理诊断为口腔鳞状细胞癌的患者	数字病理	口腔鳞状细胞癌	对比增强CT成像	深度学习模型, 栖息地分析模型	图像	107例患者	NA	全连接神经网络	AUC, 混淆矩阵, ROC曲线	NA
582	2026-04-06	A Deep Learning Model for the Identification of Active Contraction Properties of the Myocardium Using Limited Clinical Metrics 2026-Apr, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.70170 PMID:41934219	研究论文	本研究开发了一种深度学习模型，用于基于有限的临床指标预测左心室心肌的主动收缩特性	提出了一种深度学习模型，能够通过合成临床指标和压力-容积环数据，在单次前向传递中预测整个心动周期中心肌的主动收缩参数波形并估计心内膜和心外膜的纤维角度，从而弥合复杂本构模型与临床实践之间的差距	模型仅在理想化和单个患者衍生几何结构上进行了测试，尚未使用真实临床数据进行验证	开发一种面向患者特异性评估左心室心肌行为的深度学习模型，以支持更精准的心血管干预和诊断	左心室心肌的主动收缩特性	机器学习	心血管疾病	深度学习	深度学习模型	合成临床指标和压力-容积环数据	NA	NA	NA	一致性	NA
583	2026-04-06	Biochemical biomarker-Driven deep learning framework with SHAP-based feature interpretation for diabetes classification 2026-Apr-01, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107601 PMID:41935405	研究论文	本研究提出了一种结合深度神经网络、特征排序和统计算法的预测模型，用于改进糖尿病的早期识别，并通过SHAP增强模型可解释性	整合深度神经网络与特征排序及统计算法，并应用SHAP进行特征解释，以提高糖尿病早期预测的准确性和可解释性	未明确说明数据来源的局限性或模型在外部验证中的泛化能力	开发一种早期糖尿病诊断方法，以减少严重并发症的风险	糖尿病患者及处于糖尿病前期状态的个体	机器学习	糖尿病	生化标志物分析	深度神经网络	生化标志物数据	未明确说明具体样本数量	未明确说明	深度神经网络	准确率	未明确说明
584	2026-04-06	A CT-based model integrating deep learning features radiomics and body composition for preoperative prediction of microsatellite instability in colorectal cancer: a multicenter study 2026-Mar-31, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112837 PMID:41935453	研究论文	本研究开发了一种基于增强CT的、融合深度学习特征、影像组学和身体成分的可解释模型，用于术前预测结直肠癌的微卫星不稳定性状态	首次将深度学习特征、影像组学特征和基于身体成分的临床风险因素整合到一个可解释的融合模型中，用于术前无创预测结直肠癌MSI状态，并进行了多中心验证	研究为回顾性设计，需要进一步的前瞻性验证才能常规应用于临床	提高结直肠癌患者术前微卫星不稳定性状态的预测准确性，以指导围手术期治疗和预后评估	接受根治性手术的结直肠癌患者	数字病理学	结直肠癌	增强CT成像	随机森林	医学影像（CT图像）	873名来自三个医疗中心的结直肠癌患者	NA	NA	AUC（曲线下面积）	NA
585	2026-04-06	Discovery of WRN helicase inhibitors by 3D-CNN docking and ML consensus from traditional Chinese medicine monomers 2026-Mar-30, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109376 PMID:41934827	研究论文	本文通过结合深度学习分子对接和机器学习分类的计算机辅助药物发现流程，从传统中药单体中筛选WRN解旋酶抑制剂	创新点在于整合了基于3D-CNN的深度学习分子对接和多种机器学习分类器的共识筛选，用于从传统中药单体中识别WRN抑制剂，并利用分子动力学模拟验证筛选结果	研究局限性包括仅进行了虚拟筛选和理论计算验证，缺乏实验验证；筛选库仅限于2940个传统中药单体，可能遗漏其他潜在化合物	研究目标是发现针对WRN解旋酶的抑制剂，作为微卫星不稳定性癌症的潜在治疗靶点	研究对象是传统中药单体库中的化合物，特别是针对WRN D1/D2界面的抑制剂候选物	机器学习	癌症	计算机辅助药物发现、分子对接、分子动力学模拟、MM/PBSA自由能计算	3D-CNN, Random Forest, XGBoost, SVM	分子结构数据	2940个传统中药单体	GNINA, Scikit-learn	3D-CNN	AI置信度、热力学亲和力、自由能计算	NA
586	2026-04-06	Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity 2026-Mar-28, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110746 PMID:41911955	研究论文	本研究比较了特征选择和降维方法在基于功能连接性的认知任务解码中的性能	首次系统性地比较了特征选择和降维方法在认知任务解码中的性能，并确定了特征保留与预测准确性之间的“最佳平衡点”	研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性	比较特征选择和降维方法在认知任务解码中的性能，以优化机器学习分类器的预测准确性	功能磁共振成像（fMRI）数据中的功能连接性特征	机器学习	NA	功能磁共振成像（fMRI）	NA	功能连接性数据	两个开源数据集	NA	NA	解码准确性	NA
587	2026-04-06	Automated estimation of perivascular space and brain morphometry from deep learning-reconstructed three-dimensional T1-weighted MRI: comparison with the conventional technique 2026-Mar-24, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101550 PMID:41887462	研究论文	本研究评估了基于深度学习的重建技术（DLR）在三维T1加权磁共振成像中，通过自动估计脑形态测量和血管周围间隙（PVS）来改善精细结构描绘的效用	首次将深度学习重建的三维T1加权成像用于自动估计脑形态测量和血管周围间隙，并与传统技术进行比较，结果显示DLR能提供更一致、变异更小的测量结果	这是一项回顾性队列研究，可能存在选择偏倚；研究样本量相对有限（共240名参与者）	评估深度学习重建的三维T1加权成像在改善脑部精细结构描绘和自动估计脑形态测量及血管周围间隙方面的应用价值	接受T1加权磁共振成像的参与者，包括正常组和疾病组，以及根据血管周围间隙严重程度分组的个体	数字病理学	NA	三维T1加权磁共振成像，深度学习重建	深度学习	三维磁共振图像	240名参与者（正常组144人，疾病组96人），外加外部数据集63人	NA	NA	皮质厚度、脑体积、血管周围间隙体积、变异性	NA
588	2026-04-06	Readout of intrinsic and induced DNA shape by homeodomain transcription factor complexes 2026-Mar-20, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.036 PMID:41863075	研究论文	本研究通过分子动力学模拟和深度学习相结合的方法，探究了同源域转录因子复合物如何通过读取DNA的内在结构和蛋白诱导结构来识别其靶标	揭示了同源域转录因子识别DNA时内在结构与蛋白诱导结构之间的动态平衡机制，并开发了一个整合AlphaFold、分子动力学模拟和深度学习（DeepPBS）的多尺度框架来捕捉AF3单独无法预测的DNA结构主动调控	AlphaFold 3在预测突变或构象动力学如何改变DNA形状方面存在困难，无法完全捕捉突变敏感的DNA形状读取	探究同源域转录因子复合物如何通过读取DNA的内在结构和蛋白诱导结构来确定其结合特异性	果蝇Hox转录因子Sex combs reduced及其辅因子Homothorax和Extradenticle组成的三聚体复合物，以及另外两种同源域转录因子Distal-less和Engrailed	计算生物学	NA	SELEX-seq, 分子动力学模拟, AlphaFold 3, 深度学习	深度学习	DNA序列, 蛋白质结构	NA	AlphaFold, DeepPBS	NA	NA	NA
589	2026-04-06	Clinical Human-Derived Pathogen Signatures Captured by SERS and Deep Learning for Environmental Exposure Risk Assessment 2026-Mar-20, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.5c00365 PMID:41883383	研究论文	本研究开发了一种结合表面增强拉曼光谱（SERS）与卷积神经网络（CNN）的无标记平台，用于评估抗生素耐药细菌（ARB）的环境暴露风险	首次整合SERS与CNN构建了一个包含368个临床尿路分离菌株的光谱数据库，用于ARB暴露评估，并通过SHAP解释增强了模型的可解释性	研究主要依赖临床尿路分离菌株，可能未涵盖所有环境中的病原体多样性，且在实际大规模环境监测中的应用仍需进一步验证	开发一种用于环境微生物污染和抗生素耐药细菌暴露风险评估的快速、准确监测方法	临床尿路分离的病原体（人类来源）以及废水样本和独立尿液标本	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	368个临床尿路分离菌株，并包括废水样本和独立尿液标本进行验证	NA	卷积神经网络（CNN）	分类准确率	NA
590	2026-04-06	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Mar-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构	引入了动态社区检测的新视角来分析分子动力学模拟，将分子建模为随时间演化的图，并整合图卷积网络与循环模型进行端到端的动态社区识别	NA	揭示复杂生物分子系统的内在组织和动态功能	蛋白质（以三种整合素系统为例）	机器学习	NA	分子动力学模拟	图卷积网络, 循环模型	分子动力学轨迹数据	三种整合素系统	NA	DynMoCo	NA	NA
591	2026-04-06	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	本文提出了一种通过整合蛋白质物理相互作用和动力学来改进深度学习模型在蛋白质序列-功能建模中外推能力的方法	将基于生物物理学的能量效应建模直接整合到卷积神经网络和图卷积神经网络中，以克服训练数据中未见位置或突变类型的外推挑战	未具体说明模型在处理更复杂蛋白质系统或大规模数据集时的可扩展性	改进蛋白质序列到功能关系的建模，以准确预测未见变异的功能效应	蛋白质序列及其功能映射，特别是深度突变扫描数据和可用结构	机器学习	NA	深度突变扫描	CNN, GCN	序列数据, 结构数据	NA	NA	卷积神经网络, 图卷积神经网络, Transformer	NA	NA
592	2026-04-06	Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42019-8 PMID:41760729	研究论文	本研究利用AI辅助数字病理学定量评估牙源性粘液瘤谱系病变中的纤维组织比例，并探讨其与临床病理特征的相关性	首次在多中心研究中应用AI辅助数字病理学定量分析牙源性粘液瘤谱系病变的纤维组织比例，揭示了诊断的机构间变异性	样本量相对有限（100例），且仅基于Masson三色染色切片，可能未涵盖所有病理特征	通过定量病理学方法提高牙源性粘液瘤谱系病变病理评估的客观性和可重复性	牙源性粘液瘤（OM）和牙源性粘液纤维瘤（OMF）的手术标本	数字病理学	牙源性肿瘤	Masson三色染色，全切片图像分析	深度学习	图像	来自34家机构的143个手术标本，经集中病理审查后纳入100例	NA	多阶段深度学习流程	专家评估与定量测量的一致性	统一的数字病理学平台
593	2026-04-06	IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41330-8 PMID:41760833	研究论文	提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟	提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署	当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证	优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量	边缘-云计算环境中的任务调度问题	机器学习	NA	深度强化学习	演员-评论家模型	仿真数据	在不同工作负载下进行的广泛仿真实验	NA	混合演员-评论家深度强化学习框架	归一化奖励、训练损失、运营成本、拒绝率、体验质量	NA
594	2026-02-28	HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40509-3 PMID:41748692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
595	2026-04-06	Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41969-3 PMID:41748689	研究论文	本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题	结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性	NA	评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划	液化引起的浅基础建筑沉降	机器学习	NA	NA	机器学习, 深度学习	结构化数据（建筑特征、岩土参数、地震强度指标）	系统编制的已记录案例研究数据库	NA	NA	NA	NA
596	2026-02-28	A hybrid model for image forgery detection using deep learning with block and keypoint methods 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41473-8 PMID:41748712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
597	2026-04-06	A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40925-5 PMID:41748772	研究论文	本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性	提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐	未在标题和摘要中明确说明	开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常	12导联心电图信号	机器学习	心血管疾病	NA	CNN, Bi-LSTM, Transformer	心电图信号	超过43,000个多标签心电图记录，涵盖27种心律失常类别	NA	CNN, Bi-LSTM, Transformer	准确率, 宏F1分数, ROC曲线下面积	NA
598	2026-04-06	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题	提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制	未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习	驾驶场景数据	NA	NA	NA	安全性能提升幅度（数量级）	NA
599	2026-04-06	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视	提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练	需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性	评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法	眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名病例，10名无眼科异常对照）	NA	NA	斯皮尔曼相关系数	NA
600	2026-04-06	Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.017502 PMID:41567872	研究论文	本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能	提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，并通过互信息分析手工特征与深度学习特征之间的相关性	未明确说明框架在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	增强深度学习模型在组织学图像分类中的可解释性和预测性能	组织学全切片图像	数字病理学	肿瘤分类	NA	深度学习模型	图像	三个公共数据集	NA	NA	分类性能，互信息	NA