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
741	2026-04-04	Deep learning-based phishing classification framework for accurate detection using optimized URL intelligence 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46481-2 PMID:41927869	研究论文	本文提出了一种基于深度学习的自适应URL智能网络（ADUIN），用于准确检测和分类钓鱼URL	提出了一种结合优化的URL词汇、主机和结构特征的自适应深度URL智能网络，能动态更新架构以应对攻击行为变化	未明确说明模型在更广泛数据集上的泛化能力，以及在实际部署中的计算资源消耗	开发一种高精度、低误报率的钓鱼URL检测系统	钓鱼URL	自然语言处理	NA	NA	深度学习	文本（URL）	基准钓鱼数据集（具体数量未说明）	NA	多层深度神经网络	准确率, 精确率, 零日检测率, 误报率	NA
742	2026-04-04	A hybrid deep learning model for robust and efficient plant leaf disease detection using ResNet50, PCA, and SVM 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46085-w PMID:41927866	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
743	2026-04-04	Topology modeling and energy efficiency prediction of parallel chillers based on deep learning 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47180-8 PMID:41927915	研究论文	本研究提出了一种结合LSTM和GCN的物理引导时空融合模型，用于提高并联冷水机组能效预测的准确性	通过构建拓扑图表示冷却水网络和负荷分布关系，利用GCN捕捉空间依赖，结合LSTM提取时间特征，解决了多机组并联运行中拓扑耦合导致的能效预测精度不足问题	未明确提及模型在更广泛工业场景或不同规模数据中心的泛化能力，以及实时预测的计算效率	提高并联冷水机组能效预测的准确性，为多设备协同优化提供解决方案	大型数据中心冷却站的并联冷水机组	机器学习	NA	深度学习	LSTM, GCN	时间序列数据，仿真数据	1.28亿条原始记录和8000小时仿真数据	未明确指定，但基于深度学习框架	GCN-LSTM融合架构	均方根误差，平均绝对百分比误差	未明确指定
744	2026-04-04	DSPONVNet: a multimodal deep learning model integrating intraoperative monitoring and clinical features for predicting postoperative nausea and vomiting risk 2026-Apr-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02845-w PMID:41928118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
745	2026-04-04	A pipeline for developing AI-driven models to predict molecular initiating events: a case study on neural tube defects 2026-Apr-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01177-7 PMID:41928299	研究论文	本文介绍了一种自动化AI管道，用于将原始ChEMBL生物活性数据转化为优化的深度学习模型，以预测分子起始事件（MIE），并以神经管缺陷为例进行案例研究	开发了一个端到端的AI管道，集成了数据管理、分子图生成和模型训练，基于知识引导的图变换器（KPGT）框架，提高了MIE预测的准确性和可重复性	案例研究仅聚焦于神经管缺陷，未在其他毒性领域广泛验证，且依赖于ChEMBL数据的质量和覆盖范围	开发AI驱动的模型以加速不良结局路径（AOP）的发展，支持毒性评估和化合物优先级排序	化学结构和生物活性数据，特别是与神经管缺陷相关的分子起始事件	机器学习	神经管缺陷	ChEMBL生物活性数据，深度学习	图变换器，支持向量机	分子图数据	NA	KPGT框架	知识引导的图变换器（KPGT）	NA	NA
746	2026-04-04	Modeling and forecasting neonatal mortality in Ethiopia: a comparative study using statistical, machine learning, and deep learning approaches 2026-Apr-02, Archives of public health = Archives belges de sante publique DOI:10.1186/s13690-026-01909-z PMID:41928309	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
747	2026-04-04	Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.11.003 PMID:41276422	研究论文	本研究评估了基于深度学习的图像重建（DLBIR）在3特斯拉轨道磁共振成像（MRI）中改善图像质量的效果	首次在3特斯拉轨道MRI中系统评估DLBIR技术对图像质量的提升效果，并验证其在保持临床相关信息不丢失的同时显著改善图像质量	样本量相对较小（71名患者），且仅评估了特定MRI序列（冠状T2加权和对比后脂肪饱和T1加权图像），未涵盖所有可能的MRI序列或场强	评估DLBIR技术在轨道MRI中改善图像质量的效益	71名接受3特斯拉轨道MRI检查的患者（48名女性，23名男性，平均年龄52±19.5岁）	医学影像分析	轨道疾病	磁共振成像（MRI），基于深度学习的图像重建（DLBIR）	深度学习模型	磁共振图像	71名患者，包括70名患者的冠状T2加权MR图像和25名患者的对比后脂肪饱和冠状T1加权MR图像	NA	NA	信噪比（SNR），对比噪声比（CNR），图像质量评分（5点Likert量表），异常检测率	NA
748	2026-04-04	Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning 2026-Apr, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-02083-z PMID:41350440	研究论文	本研究利用深度学习设计了一种能够同时呈现三个非重叠病毒表位的单域蛋白质支架	首次使用深度学习方法在单个小分子蛋白质域（小于130个残基）中同时成功支架三个不同的、不规则的病毒表位，且整体折叠与已知蛋白质结构库中的结构相似度极低	未明确说明深度学习模型的具体泛化能力及对其他蛋白质复合表位设计的适用性	开发一种能够同时呈现多个功能性位点的单域蛋白质设计方法	呼吸道合胞病毒（RSV）的三个非重叠、不规则表位	机器学习	呼吸道合胞病毒感染	深度学习，X射线晶体学	生成式深度学习模型	蛋白质序列与结构数据	未明确说明具体样本数量，但涉及设计的多个单域免疫原	NA	NA	交叉反应滴度，中和反应	NA
749	2026-04-04	Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases 2026-Apr, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01921-3 PMID:41366626	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在对比增强T1加权脑部MRI中检测和可视化脑转移瘤的性能	首次在脑转移瘤检测中比较SR-DLR与DLR，证明SR-DLR在病灶检测性能和图像质量方面具有显著优势	回顾性研究设计，样本量相对较小（47例患者），可能影响结果的普遍性	评估SR-DLR在提高脑部MRI质量和脑转移瘤检测能力方面的效果	脑转移瘤患者	数字病理学	脑转移瘤	MRI	深度学习重建模型	MRI图像	47例连续患者，共检测到117个脑转移瘤	NA	NA	JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，FWHM，ERD，ERS，SNR，CNR	NA
750	2026-01-06	Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.12.006 PMID:41486036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
751	2026-04-04	External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy 2026-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.01.014 PMID:41525968	研究论文	本研究外部验证了一种仅基于心电图的可解释深度学习算法（FactorECG算法），用于预测心脏再同步化治疗后的无应答情况	首次在外部队列中验证了仅使用心电图数据的可解释深度学习算法在预测CRT无应答方面的泛化能力，并探索了结合机械不同步指标的价值	外部验证队列样本量较小（仅161例患者），且仅针对容积无应答进行了验证，未涵盖临床结局	验证可解释深度学习算法在预测心脏再同步化治疗应答方面的有效性和泛化性	接受心脏再同步化治疗的心力衰竭患者	机器学习	心血管疾病	心电图分析	深度学习算法	心电图	外部验证队列：161例患者；原始训练数据：>100万次心电图中间搏动	NA	FactorECG算法	C统计量	NA
752	2026-04-04	Topological control of spontaneous failure in active nematic solids 2026-Apr, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02493-x PMID:41741734	研究论文	本研究通过实验和模型揭示了拓扑缺陷在活性向列固体中如何集中内应力并控制自发断裂的机制	发现了多缺陷构型（特别是缺陷四极子）在活性固体断裂中的关键作用，并建立了深度学习模型从初始拓扑结构预测最终星状体形成	NA	探究拓扑缺陷如何控制活性向列固体的自发机械失效	重构的二维肌动球蛋白网络	机器学习	NA	NA	深度学习模型	实验数据	NA	NA	NA	NA	NA
753	2026-04-04	Deep learning on histopathological images to predict breast cancer recurrence risk and chemotherapy benefit: a multicentre, model development and validation study 2026-Apr, The Lancet. Oncology DOI:10.1016/S1470-2045(25)00727-2 PMID:41831466	研究论文	本研究开发并验证了一种基于深度学习的AI模型，利用常规组织病理学切片和临床病理变量预测乳腺癌复发风险和化疗获益	首次开发了一种多模态深度学习模型，直接利用常规组织病理学切片预测Oncotype DX 21基因复发评分，无需昂贵基因组检测	研究仅针对激素受体阳性、HER2阴性早期乳腺癌患者，未涵盖其他亚型；模型性能在外部验证中表现良好但可能存在未识别的偏差	开发可替代昂贵基因组检测的AI工具，指导乳腺癌化疗决策	激素受体阳性、HER2阴性早期乳腺癌患者的组织病理学切片和临床数据	数字病理学	乳腺癌	全切片数字图像分析，临床病理变量整合	深度学习	图像，临床数据	TAILORx试验8284名患者（质量控制后），外部验证6个独立队列共5497名患者	未明确说明	基于171,189张组织病理学切片预训练的基础模型	AUC，风险比，复发风险分类准确性	未明确说明
754	2026-04-04	Structuring large language models for chemical health risk reasoning in environmental and occupational exposure 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141820 PMID:41865571	研究论文	本文提出了一种集成深度学习化合物属性预测、检索增强生成和提示工程的健康风险助手，用于环境与职业暴露中的化学健康风险推理	通过语义结构化和领域感知提示两种协同策略，将异构知识重组为上下文一致且语义丰富的配置文件，并引导大语言模型进行结构化、角色特定的毒理学推理	未明确说明模型在处理极端罕见化合物或高度不确定数据时的具体局限性	开发一个可信且可扩展的AI推理框架，用于公共和环境健康保护中的化学风险评估	化学化合物，特别是稀有或研究不足的化合物，涉及多样化的职业和日常暴露场景	自然语言处理	NA	深度学习化合物属性预测, 检索增强生成, 提示工程	大语言模型	文本, 结构化知识	在一个包含100个问题的基准测试上进行评估，涵盖慢性毒性、职业危害和暴露特定风险	NA	NA	正确性, 忠实性, 领域特定帮助性	NA
755	2026-04-04	Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images 2026-Apr, Surgery today IF:1.7Q2 DOI:10.1007/s00595-025-03152-5 PMID:41109897	研究论文	本研究评估了基于多模态成像（包括非增强CT、增强CT和PET）的深度学习模型在诊断食管癌淋巴结转移方面的性能，并与专家评估进行比较	开发了一种结合CT和PET图像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当	研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力	评估深度学习模型利用多模态成像检测食管癌淋巴结转移的性能，并与专家诊断进行比较	食管癌患者的淋巴结（来自167名接受食管切除术的患者）	计算机视觉	食管癌	非增强CT、增强CT、正电子发射断层扫描（PET）成像	深度学习模型	图像（CT和PET图像）	521个淋巴结来自167名食管癌患者	NA	NA	受试者工作特征曲线下面积（AUC）	NA
756	2026-04-04	Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images 2026-Apr, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2025.0133 PMID:41914320	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤	采用Attention U-Net模型，并比较了有无直肠引导的分割效果，发现叠加直肠轮廓可提高分割准确性	研究为回顾性设计，样本量有限（458例），且仅基于T2加权图像，未考虑多模态数据	开发直肠癌肿瘤的自动分割模型以提高诊断效率	直肠癌患者的T2加权磁共振图像	数字病理学	直肠癌	T2加权磁共振成像	CNN	图像	458例患者	NA	Attention U-Net	Dice相似系数	NA
757	2026-04-04	Real-Life Clinical Validation of Artificial Intelligence-Assisted Detection and Differentiation of Pleomorphic Lesions in Capsule Endoscopy 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003756 PMID:40874973	研究论文	本研究通过多中心前瞻性验证，评估了人工智能辅助阅读在胶囊内窥镜中检测和区分多形性小肠病变的临床效果	首次在多中心研究中证明AI辅助胶囊内窥镜阅读在病变检测和区分方面优于传统阅读方法，并解决了设备互操作性和人口多样性挑战	未明确说明AI模型的泛化能力在更广泛临床环境中的验证情况，且未详细讨论模型对不同类型病变的具体区分性能	比较人工智能辅助阅读与传统胶囊内窥镜阅读在检测和区分小肠多形性病变方面的准确性和效率	胶囊内窥镜视频中的小肠多形性病变	数字病理学	小肠疾病	胶囊内窥镜	深度学习模型	视频	330个胶囊内窥镜视频，来自7个中心的3种设备，覆盖4个国家	NA	NA	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 小肠病变检测率	NA
758	2026-04-04	A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data 2026-Apr-01, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag026 PMID:41655240	研究论文	本文对27种用于从单细胞RNA数据向ATAC数据转移标签的计算工具进行了全面的基准测试研究	首次大规模评估跨组学标签转移工具，特别关注scRNA-seq到scATAC-seq的数据转换，并识别了最佳性能方法如Bridge和GLUE	研究可能受限于可用数据集的质量和多样性，且未涵盖所有新兴工具	评估和比较计算工具在单细胞RNA到ATAC数据标签转移中的性能	人类和小鼠组织的单细胞RNA和ATAC数据	生物信息学	NA	scATAC-seq, scRNA-seq	深度学习算法, 分类器	单细胞测序数据	来自多种人类和小鼠组织的数据集	NA	NA	预测准确率, 时间效率, 内存效率	NA
759	2026-04-04	EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151520 PMID:41861881	研究论文	本文提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT，通过整合转录因子结合谱来捕获调控关系	首次将交叉注意力机制与转录因子结合谱结合，用于增强子-启动子相互作用的预测，并设计了双通道卷积-交叉注意力结构来对齐区域特征	模型仅在K562和GM12878细胞系的26个共享转录因子数据上进行验证，可能在其他细胞类型或转录因子中泛化能力有限	预测增强子与启动子之间的相互作用，以深入理解转录调控机制	增强子-启动子相互作用	自然语言处理	NA	ChIP-seq	Transformer	序列数据	使用K562和GM12878细胞系的26个共享转录因子的ChIP-seq信号数据	NA	Transformer, 双通道卷积-交叉注意力结构	AUROC, AUPRC	NA
760	2026-04-04	Classification of soil-embedded colored plastics of many types with NIR hyperspectral high-resolution imaging system and multi-scale 3D deep learning 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141821 PMID:41875571	研究论文	本研究提出了一种结合近红外高光谱成像系统和多尺度3D深度学习网络的方法，用于在复杂土壤背景下对多种颜色的嵌入式塑料进行高精度分类	开发了新型近红外高光谱成像系统，并设计了专门的MS3D-Net模型，能够同时进行像素级分割和聚合物分类，有效克服了塑料着色剂和复杂土壤背景的干扰	NA	开发一种能够在复杂土壤环境中精确分类多种塑料聚合物的方法，为环境可持续性和塑料废物管理提供技术支持	嵌入土壤中的11种塑料类型，包括经过老化、氧化、破碎和生物污染的塑料，以及从环境中收集的不规则消费塑料产品	计算机视觉	NA	近红外高光谱成像	3D深度学习	高光谱图像	在三种不同的异质土壤类型（壤土、粘土和沙子）中，在不同湿度梯度下进行测试	NA	MS3D-Net	平均精度	NA