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
1861	2026-08-30	DVNDTA: a dual virtual node based heterogeneous interaction model for accurate prediction of drug-target affinity 2026-Jun-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06481-5 PMID:42286477	研究论文	本文提出了一种基于双虚拟节点的异质相互作用模型DVNDTA，用于准确预测药物-靶点亲和力	引入双虚拟节点，动态加权全局-局部协同感知机制，以及双向反馈机制，以捕获药物和靶点口袋的全局上下文信息，增强对结合模式的学习	未在摘要中明确提及限制，可能包括对3D复合物数据的依赖和计算复杂度	通过整合全局上下文信息，提高药物-靶点亲和力预测的准确性和泛化能力	药物-靶点复合物及其结合位点	机器学习	NA	深度学习（基于3D复合物）	异质相互作用模型（图神经网络类）	3D复合物结构数据	多个基准数据集，具体数量未在摘要中给出	NA	双虚拟节点网络（具体架构未详细说明，可能涉及图神经网络）	准确性、泛化能力（具体指标如AUC等未列出）	NA
1862	2026-08-30	A longitudinal and explainable 2.5D deep learning framework for Alzheimer's disease progression using ADNI MRI 2026-Jun, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100342 PMID:42005278	研究论文	本研究提出了一个可解释的2.5D深度学习框架，用于使用ADNI MRI数据对认知正常、轻度认知障碍和阿尔茨海默病受试者进行纵向分类	采用基于改进的ResNet-18架构的2.5D卷积神经网络，并结合严格的受试者级别数据划分策略和Grad-CAM可解释性分析，同时强调纵向有效性和评估严谨性	在严格的受试者级别划分下，三分类纵向神经退行性疾病分类性能仅为中等，且扫描级别划分未带来显著性能提升	开发结合纵向MRI分析和可解释深度学习的框架，为阿尔茨海默病研究提供可解释且可复现的基线，并推动神经影像学中可信AI方法的发展	来自ADNI的认知正常、轻度认知障碍和阿尔茨海默病受试者的MRI数据	计算机视觉, 数字病理学	阿尔茨海默病	NA	CNN	MRI图像	NA	NA	ResNet-18	分类性能（准确率、精确率、召回率、F1分数、AUC等）	NA
1863	2026-08-30	Deep neural networks to predict foraging behaviour: saltwater immersion data can accurately predict diving in seabirds 2026-05-27, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0172 PMID:42191224	研究论文	本研究利用深度神经网络，基于盐度浸水数据预测海鸟的潜水觅食行为，并与加速度数据对比验证其有效性	首次证明仅使用光敏地理定位器（GLS）的盐度浸水数据即可高精度预测追潜海鸟的潜水行为，提供了一种低侵入性、可扩展的方法来补充全年GLS迁徙追踪研究	使用小规模试点数据集，可能限制模型的泛化能力；未详细讨论模型在不同环境条件下的表现	评估盐度浸水数据作为预测追潜海鸟觅食行为的有效性，并为野生动物保护提供可靠的方法	红脚鲣鸟（Sula sula rubripes）的潜水行为	机器学习	NA	GLS盐度浸水数据和三轴加速度数据	深度神经网络	时间序列数据	小规模试点数据集，包含多只海鸟个体	NA	深度神经网络（具体架构未提及）	准确率	NA
1864	2026-08-30	Contrastive graph regularized non-negative matrix factorization for domain identification of spatial transcriptomics 2026-05-20, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0424 PMID:42159088	研究论文	提出了一种对比图正则化非负矩阵分解（CGNMF）模型，用于空间转录组数据的可解释性降维和空间域识别	将自监督对比学习框架与图正则化非负矩阵分解相结合，通过考虑基因表达相似性和空间邻近性构建正负样本对，增强特征表示和空间结构保持，提高模型的可解释性和空间域识别性能	摘要未提及具体局限性	开发一种可解释的降维方法，用于空间转录组数据中的空间域识别，以克服高维性和深度学习方法可解释性差的挑战	空间转录组数据中的基因表达和空间位置信息	机器学习	不适用	空间转录组学	非负矩阵分解（NMF）	空间转录组数据（基因表达和空间信息）	三个公开数据集	不适用	图正则化非负矩阵分解（GNMF），对比学习框架	聚类指标（如准确率、归一化互信息、调整兰德指数等）	不适用
1865	2026-08-30	Deep learning-driven prediction of on-target activity, off-target risk, and repair outcomes in CRISPR/Cas9: current landscape and multi-scale perspectives 2026-04-28, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08175-1 PMID:42046128	综述	本文综述了人工智能驱动的CRISPR/Cas9预测方法，涵盖靶上活性、脱靶风险和修复结果，并提出整合分子、细胞和组织层面的三层框架	提出一个前瞻性的“三层框架”，整合分子、细胞和组织维度，以弥合基于序列的预测与表型结果之间的差距	现有模型主要在序列层面操作，忽略基因组编辑的下游功能后果	总结AI驱动的CRISPR/Cas9预测方法现状，并提出整合多尺度信息以提升精确性和转译潜力的框架	CRISPR/Cas9系统的预测方法，包括靶上活性、脱靶风险和修复结果	机器学习	NA	CRISPR/Cas9	深度学习	序列数据	NA	NA	NA	NA	NA
1866	2026-08-30	Artificial intelligence construction: a review of the bridge between CT imaging features of lung ground-glass nodules adenocarcinoma and carcinogenic driver genes 2026-Apr-22, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-026-06465-1 PMID:42017975	综述	本文综述了人工智能在肺磨玻璃结节腺癌CT影像特征与致癌驱动基因关联分析中的应用进展。	系统总结了连接肺GGN影像表型与基因改变的人工智能驱动技术，并指出了数据异质性、标注数据集有限和可解释性等挑战。	未提及具体实验验证，仅基于文献综述，可能缺乏实证数据的支持。	提供人工智能、放射组学和基因组学在肺GGN腺癌交叉领域的理论见解和技术参考，促进早期诊断和精准肿瘤学。	肺磨玻璃结节腺癌及其CT影像特征和致癌驱动基因	医学影像分析、基因组学	肺腺癌	深度学习、机器学习	深度学习模型（具体未指明）	CT影像和基因组数据	NA	NA	NA	NA	NA
1867	2026-08-30	Early detection of heart failure using trend similarity metrics combined with hybrid deep learning based on real-world health monitoring data 2026-04-15, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0997 PMID:41980729	研究论文	提出一种结合趋势相似度分析和混合深度学习的跨学科框架，用于基于真实世界健康监测数据的早期心力衰竭检测	将Haar小波分解的趋势相似性分析与混合深度学习相结合，实现高维多源数据的集成和动态时间模式捕捉	未提及	早期检测心力衰竭，以支持及时的生活方式干预和靶向药物治疗	心力衰竭患者、家庭成员和健康个体	机器学习	心力衰竭	NA	混合深度学习（LogitBoost元分类器结合LReLU激活）	生理传感器数据和电子健康记录	2976名心力衰竭患者，18203名家庭成员，295801名健康个体	NA	LogitBoost	准确率	NA
1868	2026-08-30	Unveiling gender disparities in corporate board career paths using deep learning 2026-Apr-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2026.101495 PMID:42005391	研究论文	本研究利用深度学习模型分析企业董事会职业路径中的性别差异，聚焦于加拿大上市公司。	结合社会网络分析与因果学习框架及LSTM模型，揭示性别差异中的玻璃天花板效应，并通过性别特定的个性化PageRank发现女性间联系的重要作用。	研究仅针对加拿大上市公司，可能限制结论的普遍性。	探讨职业网络与董事会任命中性别差异的关系，并提出减少领导层性别障碍的建议。	加拿大上市公司的19,000多名高级管理人员和董事会成员，涉及700多家公司，时间跨度为2000年至2022年。	机器学习	不适用	社会网络分析、因果学习、LSTM模型	LSTM	文本、网络数据	19,000多名高级管理人员和董事会成员，700多家公司	不适用	LSTM	不适用	不适用
1869	2026-08-30	Multi-class classification of autoimmune skin disease by efficient localization of overlapped lesion boundaries using SAM 2026-04, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2026.2663042 PMID:42013205	研究论文	提出一种混合深度学习模型 AutoImmune-HybridNet，结合 Segment Anything Model 和 ResNet50 与可变形注意力变换器，用于多类别自身免疫性皮肤病分类，并在人类皮肤病数据集上达成 98% 的准确率	利用 SAM 智能隔离病灶区域，结合 ResNet50 与可变形注意力变换器自适应建模不规则病灶形状，引入对比学习和焦点损失增强特征区分能力，并融入可解释性和不确定性估计	数据集规模有限，且仅基于图像数据，未来将结合多模态临床信息	开发一种可解释的深度学习框架，有效分类多种自身免疫性皮肤病，并提供可解释的可视化	自身免疫性皮肤病病灶图像	数字病理学	自身免疫性皮肤病	图像分割与分类	混合深度学习模型（SAM、ResNet50、可变形注意力变换器）	图像	人类皮肤病数据集（具体样本数未在摘要中说明）	未明确提及，可能为 PyTorch 或 TensorFlow	ResNet50, 可变形注意力变换器, Segment Anything Model	准确率	未在摘要中提及
1870	2026-08-30	An enhanced transformer model for detecting 1p36 deletion syndrome 2026-Apr-01, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02403-5 PMID:41917487	研究论文	提出一种增强的Transformer模型（MultiSight Transformer）用于检测1p36缺失综合征	首次将多头部自注意力机制的Transformer架构应用于1p36染色体缺失检测，结合基因组变异数据实现高精度分类	未在论文中明确提及局限性	提高1p36缺失综合征的检测准确性和效率，支持早期诊断和临床决策	染色体1p36缺失区域的基因序列及相关临床条件	机器学习	1p36缺失综合征	基因组变异分析	Transformer	基因组数据	未明确说明样本数量	未明确说明	MultiSight Transformer（基于多头自注意力机制）	准确率, 精确率, 召回率, F1分数, AUC	未明确说明
1871	2026-08-30	Size-Dependent Performance of Abnormal-Focused U-Net Segmentation for Mammographic Lesion Detection: A Two-Stage Hybrid Training Approach 2026-Mar, Cureus DOI:10.7759/cureus.105360 PMID:42005261	研究论文	本研究提出一种两阶段混合训练方法，用于异常聚焦的U-Net分割模型，以提升乳腺X线摄影中病变检测的性能，并分析病变大小对分割效果的影响	采用两阶段混合训练策略，包括基于斑块的预训练和全图像微调，并结合复合损失函数（焦点损失与Tversky损失）来处理类别不平衡和边界精度问题	小病变的漏检率较高（27%），图像下采样导致分辨率降低，且未在正常乳腺X线摄影图像上评估假阳性率，缺乏外部验证和前瞻性临床评估	评估异常聚焦的U-Net分割模型在乳腺X线摄影病变检测中的性能，特别是不同大小病变的分割效果	乳腺X线摄影图像中的病变，涵盖小（<500像素）、中（500-1500像素）和大（>1500像素）三种大小类别	计算机视觉	乳腺癌	对比度受限自适应直方图均衡化（CLAHE）	U-Net	图像	55张测试图像，包含异常乳腺X线摄影图像	NA	U-Net	Dice系数，交并比（IoU），像素准确率，豪斯多夫距离，病变检出率	NA
1872	2026-08-30	Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X391863251015111807 PMID:41510734	综述	本文叙述性综述了人工智能和增强现实在心血管疾病管理中的应用潜力，涵盖预测模型、诊断影像和风险评估等方面。	结合了AI和AR两种新兴技术，全面概述其在心血管疾病管理中的应用，并指出当前评估不足，强调未来需要更大规模试验。	缺乏对模型有效性的充分评估，现有研究规模较小，且综述可能受限于检索数据库和手动筛选的偏倚。	总结AI和AR在心血管疾病管理中的最新发现，并展望未来的研究方向。	心血管疾病患者及其管理流程，包括风险预测、影像解读、诊疗记录等。	机器学习、自然语言处理、计算机视觉	心血管疾病	NA	卷积神经网络（CNN）、自然语言处理（NLP）	文献数据	NA	NA	卷积神经网络（CNN）、自然语言处理（NLP）	NA	NA
1873	2026-08-30	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	系统回顾2015年至2025年间利用视网膜眼底成像预测结构性心脏病（包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病）的文献，重点评估深度学习与机器学习模型的诊断性能	全面整合视网膜生物标志物与多种心血管疾病的关联，并探讨Transformer和SAM等新兴AI架构在提高模型泛化性和可解释性方面的潜力	数据集不平衡、纵向验证有限以及AI模型的不可解释性	评估视网膜眼底成像作为非侵入性工具预测结构性心脏病的潜力，并探讨先进AI架构提升诊断准确性的可能	结构性心脏病患者，包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病患者	计算机视觉, 机器学习	心血管疾病	视网膜眼底成像	CNN, Transformer, 混合多模态模型	图像	NA	NA	CNN, Transformer, Segment Anything Model (SAM)	AUC, 灵敏度	NA
1874	2026-08-30	Numerical Interpretation of Variation Indices of Tumor Outline Tracking Using Artificial Intelligence Mapping 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261441395 PMID:42004192	研究论文	本研究评估了利用深度学习模型从乳腺X线摄影图像中提取肿瘤轮廓特征进行良恶性鉴别，并数值化解释其变异指数的诊断潜力。	首次聚焦肿瘤轮廓特征而非全图像，利用多种深度学习模型提取特征并结合机器学习分类器，实现了高准确率的乳腺癌诊断，同时注重特征的生物学解释。	未明确提及局限性。	评估肿瘤轮廓特征在乳腺X线摄影图像中的诊断价值，并探索深度学习特征组合（集成方法）能否提高分类准确性。	100个乳腺X线摄影肿瘤轮廓样本。	计算机视觉	乳腺癌	NA	深度学习模型（ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3）和机器学习分类器（SVM, KNN, DT, Naive Bayes, 浅层神经网络）	图像（乳腺X线摄影肿瘤轮廓）	100个肿瘤轮廓	NA	ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3	准确率、敏感性、特异性、精确率	NA
1875	2026-08-30	Addressing class imbalance in traumatic brain injury prognostication: A survey of resampling approaches 2026, AIMS neuroscience IF:3.1Q2 DOI:10.3934/Neuroscience.2026008 PMID:42004566	综述	本文回顾了脑电图分类中解决类别不平衡问题的数据方法，包括过采样、欠采样和生成对抗网络，并探讨了其在创伤性脑损伤预后预测中的应用潜力	综述了近年来的先进算法如GAN在EEG分类中的应用，并针对创伤性脑损伤类别不平衡问题提出使用基于深度学习的生成对抗网络作为解决方案	主要基于对已有研究的文献回顾，缺乏实证实验验证；同时指出了EEG分类领域特别是TBI数据的潜在空白	评估EEG分类中类别不平衡处理的现状，并提出改进预测模型以提升TBI患者预后	脑电图信号分类中的类别不平衡问题及创伤性脑损伤预后预测	自然语言处理	创伤性脑损伤	脑电图	生成对抗网络	脑电图信号	不适用	不适用	不适用	不适用	不适用
1876	2026-08-29	Epileptic seizure detection in EEG signals using deep learning: LSTM and bidirectional LSTM 2026-Sep, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2490136 PMID:40255197	研究论文	本文提出了一种基于离散小波变换和深度学习（LSTM与BiLSTM）的自动检测脑电图癫痫发作的方法，并实现了100%的分类准确率	创新性地将LSTM和BiLSTM网络各一层串联组合成混合模型，用于脑电信号癫痫检测，相比其他方法性能更优	未提及具体局限性	开发一种自动检测脑电图癫痫发作的高效方法	脑电图（EEG）信号	深度学习	癫痫	离散小波变换（DWT）	LSTM, BiLSTM	脑电图（EEG）信号	未提及具体样本数量	NA	LSTM, BiLSTM	准确率	NA
1877	2026-08-28	Single Au@Pt bimetallic nanoparticle collision electrochemistry: Deep learning-assisted prediction and ultrasensitive matrix metalloproteinase-9 sensing 2026-10-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345895 PMID:42618104	研究论文	本研究提出了一种结合金-铂双金属纳米颗粒电催化信号切换和深度学习算法的单颗粒碰撞电化学检测策略，用于超灵敏检测基质金属蛋白酶9（MMP-9）	首次将深度学习算法与单颗粒碰撞电化学相结合，实现了对复杂矩阵干扰下的肿瘤标志物的超灵敏和高特异性定量分析	未能提供具体局限性信息	开发一种高灵敏度、高特异性的单颗粒水平检测方法，用于复杂生物样品中基质金属蛋白酶9的定量分析	金-铂双金属纳米颗粒（Au@Pt NPs）和基质金属蛋白酶9（MMP-9）	电化学、纳米技术、深度学习	肿瘤疾病	电化学碰撞技术、深度学习	深度学习模型	电化学信号数据（i-t曲线）	不同浓度MMP-9触发的碰撞信号数据集	未提及	未提及具体架构	未提及具体指标	未提及
1878	2026-08-28	PepOSX-AI: CPP - an interpretable transformer-based deep learning model for prediction of cell-penetrating peptides 2026-10-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345991 PMID:42567568	研究论文	开发了基于Transformer架构和六种理化描述符整合特征的深度学习模型PepOSX-AI: CPP，用于预测细胞穿透肽。	利用自注意力机制捕捉氨基酸序列的长程依赖，实现注意力模式的可解释性，并提供了新型计算工具和理论基础。	摘要中未提及局限性。	开发一个高效且可解释的深度学习模型，用于预测细胞穿透肽，以替代传统的耗时筛选方法。	细胞穿透肽（CPPs）	机器学习	NA	NA	Transformer	氨基酸序列	数据集（具体数量未提及）	NA	Transformer	AUC, 准确率	NA
1879	2026-08-28	Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05289-x PMID:42399390	研究论文	评估商业深度学习算法在站立全脊柱X光片中测量脊柱骨盆参数的准确性，并探讨其在融合手术后的局限性。	首次评估商业AI软件在临床队列中测量脊柱骨盆参数的准确性，并特别关注其在脊柱融合术后患者中的表现。	AI在脊柱融合术后患者中的测量准确性下降，且对腰椎前凸的测量一致性仅为中等。	评估商业AI软件在站立全脊柱X光片中测量脊柱骨盆参数的准确性，并与放射科医生的测量结果进行比较。	495张站立全脊柱X光片，来自临床队列。	医学影像分析	脊柱疾病	X光	深度学习算法	图像	495张X光片（其中50张用于评估人类评分者间信度）	NA	NA	平均绝对误差, 组内相关系数, Spearman等级相关系数, 灵敏度, 特异度, 预测值	NA
1880	2026-08-28	Deep learning-based CT-derived vertebral bone mineral density and metformin therapy: a longitudinal study in the Multi-Ethnic Study of Atherosclerosis 2026-Oct, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05263-7 PMID:42218332	研究论文	本研究通过模拟目标试验，评估了二甲双胍治疗与基于深度学习的CT椎体骨密度变化之间的关联，并进行了亚组分析。	利用深度学习从CT图像中分割和校准椎体，量化骨密度，并结合目标试验模拟方法，对二甲双胍骨骼效应进行了纵向研究。	观察性研究，可能存在未测量的混杂因素，样本量有限，亚组分析的统计功效可能不足。	评估二甲双胍治疗对CT椎体骨密度的影响，并探讨不同亚组间的异质性，以支持二甲双胍的骨骼安全性。	来自动脉粥样硬化多种族研究（MESA）的参与者的CT影像数据。	医学影像分析	骨质疏松症	CT成像	深度学习模型	影像数据	238个试验条目（86个二甲双胍使用者，152个对照组）	NA	NA	NA	NA