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
1281	2026-05-27	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述	该文章全面概述了如何将人工智能（特别是机器学习和深度学习）整合到代谢组学工作流程中，以克服数据分析挑战并预测疾病	系统性地介绍了AI在代谢组学中的应用，涵盖技术和概念框架，并通过最新案例研究和方法学进展加以说明	未明确提及	探讨如何利用人工智能技术（尤其是机器学习和深度学习）提升代谢组学在疾病预测中的能力	代谢组学数据及其在疾病预测中的应用	机器学习	癌症、糖尿病及并发症、脑部、心脏、肝脏、肾脏等主要器官疾病	NA	机器学习、深度学习	代谢组学数据	NA	NA	NA	NA	NA
1282	2026-05-27	Artificial Intelligence in single-cell and spatial transcriptomics data analyses 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.011 PMID:41986013	综述	本文综述了人工智能在单细胞和空间转录组学数据分析中的应用	系统性地介绍了卷积神经网络、图神经网络和变分自编码器等方法在单细胞和空间转录组学数据分析中的应用，并强调了在癌症生物学、免疫学和神经科学等领域的应用	可扩展性、可解释性和一致的数据标准方面仍存在挑战	探讨人工智能如何推动单细胞和空间转录组学数据分析的发展，为研究人员提供应用AI的简明指南	单细胞和空间转录组学数据	机器学习	NA	scRNA-seq, 空间转录组学	CNN, GNN, VAE	基因表达数据	NA	NA	卷积神经网络, 图神经网络, 变分自编码器	NA	NA
1283	2026-05-27	Artificial intelligence in multi-omics analysis of heart diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.011 PMID:42173636	综述论文	探讨人工智能在多组学分析心脏病中的应用，通过整合基因组、转录组、蛋白质组和代谢组等多组学数据，发现不同疾病亚型的关键分子标志物	系统总结了AI驱动的心血管疾病研究框架，包括深度学习、集成与混合模型、可解释AI技术、整合性多组学算法和高级网络分析等前沿方法	未提及具体限制	提升心血管疾病的早期诊断、风险预测和患者分层能力，推动精准医疗发展	心血管疾病及其亚型（如早期心脏代谢疾病）	机器学习	心血管疾病	NA	深度学习、集成模型、混合模型	多组学数据（基因组、转录组、蛋白质组、代谢组等）	NA	NA	NA	NA	NA
1284	2026-05-27	AI in multi-omics analysis in AMR 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.02.001 PMID:42173634	综述	探讨人工智能在多组学分析抗菌药物耐药性中的作用	系统评述了AI驱动多组学分析在AMR研究中的概念基础、方法进展、代表性应用及转化意义	AI策略面临的局限包括数据标准化不足、稳健验证缺乏以及跨学科协作需求	综述AI在多组学分析AMR中的角色与前景	抗菌药物耐药性及其多组学数据	机器学习	抗菌药物耐药性	多组学技术（基因组学、转录组学、蛋白质组学、代谢组学）	NA	多组学数据（基因组、转录组、蛋白质组、代谢组）	NA	NA	NA	NA	NA
1285	2026-05-27	Artificial intelligence in multi-omics analysis of neurological diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.016 PMID:42173630	综述	探讨人工智能在多组学分析神经退行性疾病中的应用与进展	系统整合人工智能在神经系统疾病研究中的发展历程，从传统规则系统到深度学习基础模型，并提供组学组合与AI方法匹配的实用指南	未提及具体研究案例的局限性及临床转化中的实际困难	为神经科学研究者提供多组学与AI结合的理论知识和实践指导	阿尔茨海默病、帕金森病、多发性硬化症、精神分裂症等神经系统疾病的多组学数据	machine learning	神经系统疾病	多组学测序	深度学习框架、基础模型	基因表达、蛋白质组、代谢组等多模态组学数据	NA	NA	NA	NA	NA
1286	2026-05-26	Data-driven decision support in hospital resource planning: an artificial intelligence-based model proposal for emergency department demand 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106483 PMID:42143518	研究论文	提出基于人工智能的医院急诊科需求决策支持模型，分析气象因素对就诊量的影响	结合SHAP可解释人工智能方法进行特征选择，并采用7天滚动更新模拟真实场景，与22种机器学习/深度学习/时间序列模型进行公平比较	待补充	通过气象因素分析提高急诊科资源规划准确性，开发可解释的智能决策支持系统	土耳其东黑海地区两家公立医院的急诊就诊记录	机器学习	NA	NA	Prophet, SVM, CatBoost, 机器学习, 深度学习, 时间序列模型	数值型特征（气象数据、日历变量、历史趋势）	约150万条记录，来自两家医院	NA	Prophet, SVM, CatBoost, 及其他19种未明确列出的模型	MAE, MAPE	NA
1287	2026-05-26	Explainable TabNet for gestational diabetes prediction with physician-in-the-loop and multi-site clinical validation 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106488 PMID:42155534	研究论文	开发了一种可解释的TabNet模型用于妊娠期糖尿病预测，并通过医师参与和多中心临床验证	首次结合TabNet深度学习的可解释性与双阶段医师参与验证，并在三个独立医院进行前瞻性外部验证	外部验证中F1分数下降，部分归因于不同医院间特征可用性和临床数据记录协议的差异	开发一个临床验证的、可解释的深度学习框架，用于妊娠期糖尿病预测，并评估其临床适用性	妊娠期糖尿病预测模型	机器学习	妊娠期糖尿病	NA	TabNet	临床记录	3525份训练记录和80例前瞻性外部验证病例	PyTorch	TabNet	准确率、精确率、召回率、F1分数、Cohen's kappa、Fleiss' kappa	NA
1288	2026-05-26	Comparative analysis of traditional and deep learning time series architectures for influenza A infectious disease forecasting 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111736 PMID:42127736	研究论文	比较传统时间序列模型和深度学习架构在甲型流感预测中的性能，并提出基于Transformer的单变量框架HistoFluAFormer	首次系统性比较六种深度学习架构与传统时间序列模型在甲型流感月度病例预测中的表现，并引入仅依赖历史发病率序列的单变量Transformer模型，展示了自注意力机制在捕捉非线性季节性、异常激增和长期依赖方面的优势	未明确提及限制，但可能包括模型仅基于历史序列数据，未考虑外部协变量（如气候、人口流动）的影响，且测试集仅为一年数据，泛化性需进一步验证	评估不同时间序列模型在甲型流感预测中的效果，提高预测准确性以支持公共卫生准备与资源分配	美国2009年1月至2023年12月的甲型流感月度病例数据	机器学习，时间序列预测	甲型流感	NA	ARIMA, Holt-Winters指数平滑, 简单RNN, LSTM, GRU, 双向LSTM, 双向GRU, Transformer	数值型时间序列数据	2009年1月至2023年12月共180个月度数据点，其中训练集168个月（2009-2022年），测试集12个月（2023年）	NA	ARIMA, Holt-Winters, 简单RNN, LSTM, GRU, BiLSTM, BiGRU, Transformer	均方误差，平均绝对误差， GMRAE, Theil U1	NA
1289	2026-05-26	Toward protocol simplification: Deep learning-based image synthesis in three-phase CT urography 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111746 PMID:42140070	研究论文	开发并评估一种利用扩散模型与Swin Transformer相结合的方法，在CT尿路造影中从非对比期和排泄期图像合成三维尿路上皮期图像	首次提出dsSNICT模型，将扩散模型与Swin Transformer结合用于CT尿路造影的三相图像合成，实现辐射剂量降低33%而保持图像质量	单中心回顾性研究，样本量相对较小（335例），仅关注图像质量而缺乏对诊断准确性的全面评估	开发基于深度学习的图像合成方法，简化CT尿路造影的采集协议，减少辐射剂量并提高检查安全性	CT尿路造影中的三维尿路上皮期图像	医学影像	泌尿系统疾病	CT尿路造影	扩散模型	图像	335例患者，179男156女，平均年龄63±15岁	PyTorch	Swin Transformer	峰值信噪比, 结构相似性指数, 平均绝对误差, Fréchet视频距离	NA
1290	2026-05-26	Hybrid fractional groupers and moray eels driven deep learning for pneumonia detection using multi-modal data in federated learning 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111739 PMID:42155376	研究论文	提出一种基于多模态数据和联邦学习的新型深度学习模型，用于肺炎检测	将分数阶群鱼和鳗鱼优化算法与联邦学习框架结合，并开发了EESHLossNet损失函数来改进Shepard卷积金字塔膨胀网络	未提及模型在不同数据集上的泛化能力验证，且联邦学习框架可能面临通信开销和隐私保护的实际挑战	提高肺炎检测的准确性并保护医疗数据安全性	肺炎患者的多模态医学图像数据（CT、胸部X光片和频谱图）	计算机视觉，数字病理学	肺炎	CT成像， X光成像，频谱成像，深度递归残差网络，阿尔法修剪均值滤波，伽马校正	Shepard卷积金字塔膨胀网络，深度递归残差网络	图像	未提及具体样本数量	未提及	Shepard卷积金字塔膨胀网络，深度递归残差网络	损失函数，均方误差，准确率，真阳性率，真阴性率，精确率， F1分数，假阴性率，假阳性率	未提及
1291	2026-05-26	Interpretable Deep Regression Models With Interval-Censored Failure Time Data 2026-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70609 PMID:42179352	研究论文	提出一种结合深度神经网络与部分线性变换模型的区间删失失效时间数据回归框架	首次将可解释的深度回归模型扩展至区间删失数据，兼顾关键参数的线性可解释性和干扰协变量的非线性灵活性	未详细讨论模型在高维协变量场景下的计算效率和可扩展性	建立用于区间删失失效时间数据的可解释深度回归模型	区间删失失效时间数据	机器学习	阿尔茨海默病	NA	深度神经网络	NA	NA	NA	NA	NA	NA
1292	2026-05-26	An upper limb stroke rehabilitation exercise video dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112819 PMID:42181301	研究论文	提出一个用于上肢中风康复运动视频数据集，包含491个视频和四种上肢肌肉强化运动，由十名志愿者在多种背景和光照条件下使用RGB相机录制	第一个专门针对家庭康复场景、包含四种不同上肢肌肉强化运动、由普通RGB相机拍摄并具有详细标注的视频数据集	样本量有限（仅十名志愿者），运动种类较少（仅四种），未提及患者实际康复效果验证	为开发基于深度学习的低成本远程康复系统提供数据支持，改善中低收入国家中风患者的康复护理可及性	中风患者上肢康复运动视频	计算机视觉	中风	RGB视频录制	深度学习（通用，未指定具体模型）	视频	491个视频，来自10名志愿者	NA	NA	NA	NA
1293	2026-05-26	Predicting Visual Field Loss in Glaucoma Using OCT and Deep Learning: A Comparative Study of U-Net Variants 2026-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101169 PMID:42181664	研究论文	本研究使用三种深度学习模型（R2 U-Net、Dense U-Net 和 Nested U-Net++）基于OCT图像预测青光眼患者的视野缺损	首次应用生成式人工智能模型（如R2 U-Net）基于OCT数据预测视野缺损	样本来自单一三级转诊中心，仅分析左眼以避免眼间相关性，未涉及多中心验证	评估不同U-Net变体在基于OCT的视网膜神经纤维层厚度图预测视野结果中的性能	1640名青光眼患者的OCT和视野数据	计算机视觉	青光眼	OCT	深度学习生成模型（U-Net变体）	图像（OCT视网膜神经纤维层厚度图）	1640名青光眼患者，每例分析一只左眼	NA	R2 U-Net, Dense U-Net, Nested U-Net (UNet++)	均方误差(MSE), 平均绝对误差(MAE), 峰值信噪比(PSNR), 结构相似性指数(SSIM), Fréchet初始距离(FID)	NA
1294	2026-05-26	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	探索在线健康社区中关于戒烟交流的内容和上下文对信息传播及行为动态的影响	将大型语言模型与网络分析相结合，利用随机行动者导向模型分析内容和上下文对社交网络拓扑与行为动态的交互影响	未提及	研究在线健康社区中关于烟草使用交流的信息扩散模式，以及内容和特定上下文因素对行为动态的影响	在线戒烟论坛QuitNet中的社区成员及消息	自然语言处理	烟草成瘾及戒烟行为	大型语言模型，社交网络分析	大型语言模型（LLMs）	文本	64,632名成员，239万条消息（2000-2015年），三个波次分别有3055、2475和2289名成员	NA	大型语言模型（LLMs）	F1分数	NA
1295	2026-05-26	Deep Learning-Enhanced DNAzyme-Driven Rolling-Circle Amplification Encoding for Multibacterial Detection 2026-May-25, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.4446117 PMID:41983347	研究论文	提出一种基于DNAzyme驱动滚环扩增与分子信标编码系统，结合智能手机卷积神经网络，实现多种活菌的同步检测和定量	首次将DNAzyme驱动滚环扩增与分子信标编码系统结合智能手机CNN，实现三菌同时检测，并达到10-10 CFU/mL的灵敏度	可能受限于实际样本复杂性和细菌蛋白质分泌稳定性，且检测细菌种类有限	开发一种高灵敏度、高特异性的多细菌检测方法，替代传统方法无法同时处理多种活菌的局限	三种活菌（金黄色葡萄球菌、椰毒假单胞菌、大肠杆菌）在食品、临床和环境样本中的检测与定量	机器学习, 数字病理学	NA	DNAzyme驱动滚环扩增, 分子信标编码	卷积神经网络	图像	2800张训练图像, 32个实际样本	PyTorch	CNN	灵敏度, 阳性符合率, 阴性符合率	NA
1296	2026-05-26	Domain shift analysis of deep learning models for tooth detection in pediatric panoramic radiographs 2026-May-25, Dental materials journal IF:1.9Q4 DOI:10.4012/dmj.2025-301 PMID:42091502	研究论文	本研究在儿童全景X光片上外部验证了用于全面牙齿检测的目标检测模型，量化了跨机构和成像协议的域转移影响，并比较了YOLOv8和YOLOv10	首次对牙齿检测深度学习模型进行跨机构外部验证，系统量化域转移影响，并比较YOLOv8与YOLOv10在儿童全景X光片上的性能	域转移会改变错误模式并损害罕见但临床重要类别的检测	外部验证牙齿检测深度学习模型并量化域转移影响	儿童全景X光片中牙齿检测	计算机视觉	口腔疾病	NA	YOLOv8, YOLOv10	图像	内部数据集200张早期混合牙列无咬合块图像，外部开源数据集192张有咬合块图像	PyTorch	YOLOv8, YOLOv10	平均平均精度（mAP）、各类别AP、精确度-召回率曲线、混淆矩阵	NA
1297	2026-05-26	The robust frequency domain feature and hybrid CNN model for fatigue detection based on sEMG signal 2026-May-25, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2675492 PMID:42179231	研究论文	提出基于自回归模型的新特征和混合CNN模型，用于表面肌电信号疲劳检测	将基于自回归模型的鲁棒频域特征与Inception块及特征重构模块整合到CNN中，同时融合手工特征与深度学习特征以增加多样性	NA	提高肌肉疲劳检测在特征捕获、鲁棒性和泛化能力方面的性能	表面肌电信号中的肌肉疲劳状态	机器学习	肌肉疲劳	表面肌电信号分析	混合卷积神经网络	表面肌电信号波形	两个数据集（dataset1和dataset2）	NA	CNN, Inception块, 特征重构模块	准确率	NA
1298	2026-05-26	Prediction of groundwater level in shallow and complex aquifers using hybrid soft computing models and metaheuristic algorithms 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43005-w PMID:42178317	研究论文	提出两种混合软计算模型ANN-HBO和ANN-POA，用于预测浅层复杂含水层的地下水位动态	创新性地将人工神经网络与蜜獾优化算法（HBO）和鹈鹕优化算法（POA）两种元启发式优化算法耦合，动态优化数据稀缺非平稳环境下的网络权重，解决深度学习架构收敛性差和过拟合问题	未提及具体局限性，但隐含需要进一步验证在其他含水层或气候条件下的泛化能力	开发适用于数据有限区域的地下水位预测方法，支持从被动管理向主动预测管理转变	伊朗北部Astaneh-Kuchesfahan含水层的浅层松散含水层系统	机器学习	NA	最小冗余最大相关性(MRMR)算法	ANN, ANN-HBO, ANN-POA	水文气象时间序列数据	256个月的水文气象记录，3个观测井	未明确提及，但涉及人工神经网络和元启发式优化算法	ANN, ANN-HBO, ANN-POA	RMSE, MAE	NA
1299	2026-05-26	WHiAR-Net: an interpretable multi-scale forecasting framework via Wavelet-Hilbert feature engineering 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54363-w PMID:42178322	研究论文	提出了一种名为WHiAR-Net的可解释多尺度预测框架，该框架融合了小波理论与希尔伯特谱分析，用于分离长期趋势与瞬时波动，并在电力和环境数据集上取得了竞争性的精度	通过结构化嵌入算子误差界，将小波与希尔伯特特征工程引入透明架构，替代传统黑箱模型，实现了可解释的多尺度非平稳时间序列预测	所提信息不足以识别具体限制	准确预测非平稳时间序列中的复杂波动	电力和环境时间序列数据	机器学习	NA	小波变换、希尔伯特谱分析	神经网络	时间序列	NA	NA	WHiAR-Net	精度	NA
1300	2026-05-26	Research on the application of deep learning-driven urban change detection in sustainable development of hilly-area cities in western China 2026-May-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53767-y PMID:42178339	研究论文	研究深度学习驱动的城市变化检测在西部丘陵城市可持续发展中的应用，以南充市为案例	针对西部丘陵城市景观特征，构建了区域自适应的建筑与道路语义分割数据集和变化检测数据集，并应用深度学习模型有效解决了丘陵城市复杂环境中的破碎化景观、建筑分散和光谱混合特征等挑战	未提及局限性	探究深度学习驱动的城市变化检测技术在支持西部丘陵城市可持续发展中的实践价值	四川省南充市的城市变化检测、建筑与道路语义分割	计算机视觉	不适用	中分辨率遥感影像	深度学习模型	遥感影像	不适用	NA	NA	NA	NA