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
121	2026-03-30	Deep Learning-Derived Pathomic Features Predict NCIT Efficacy in Resectable Locally Advanced ESCC: Clinical Utility and Mechanistic Insights 2026-Feb-26, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33030136 PMID:41892164	研究论文	本研究开发了一种基于深度学习的病理组学模型，用于预测可切除局部晚期食管鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	首次利用深度学习从H&E染色全切片图像中提取空间加权的病理组学特征，构建了ECiT评分，并结合临床变量开发了集成预测模型，同时揭示了EIF2S3介导的内质网应激-UPR轴作为潜在的耐药机制和治疗靶点	研究样本量相对有限（198名患者），且为回顾性研究，需要前瞻性多中心验证来确认模型的泛化能力和临床实用性	开发并验证一个AI驱动的病理组学模型，以预测可切除局部晚期食管鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其潜在的生物学机制	198名食管鳞状细胞癌患者的269张H&E染色全切片图像，以及来自TCGA-ESCA和GSE160269数据集的分子数据	数字病理学	食管鳞状细胞癌	H&E染色，全切片图像分析，RNA测序	CNN	图像，临床数据，基因表达数据	198名患者（104名来自同济医院，94名来自TCGA），共计269张全切片图像	PyTorch	ResNet152	AUC	NA
122	2026-03-30	A Two-Stage Framework for Early Detection and Subtype Identification of Alzheimer's Disease Through Multimodal Biomarker Extraction and Improved GCN 2026-Feb-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16030255 PMID:41892599	研究论文	本研究提出了一种基于多模态生物标志物提取和改进图卷积网络的两阶段框架，用于阿尔茨海默病的早期检测和亚型识别	提出了一种结合多模态关联分析和自注意力自表达图卷积网络的两阶段方法，有效整合结构MRI、PET和转录组数据，识别关键生物标志物并提高分类准确性，同时通过无监督聚类探索MCI亚型异质性	AD样本量有限，存在极端的类别不平衡问题	早期检测阿尔茨海默病并识别不同进展风险的轻度认知障碍亚型	阿尔茨海默病患者和轻度认知障碍患者	数字病理学	阿尔茨海默病	多模态磁共振成像, PET, 转录组学	GCN	图像, 转录组数据	未明确指定具体样本数量，但提及AD样本量有限	未明确指定	MFEAA-GCNSASE	AUC	NA
123	2026-03-30	A Deep Learning-Based Correction for Scanning Radius Errors in Circular-Scan Photoacoustic Tomography 2026-Feb-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030097 PMID:41892899	研究论文	提出一种基于深度学习的框架（SD-ResNet），用于校正由扫描半径误差引起的圆形扫描光声层析成像重建图像退化	提出了一种名为平滑反卷积ResNet（SD-ResNet）的新型深度学习框架，该框架结合了ImageNet预训练的ResNet-50编码器和一个轻量级的反卷积解码器，并引入了额外的平滑卷积层来抑制棋盘伪影并恢复精细结构细节	研究主要基于模拟数据和体模实验，尚未在大量真实临床数据上进行验证	开发一种对扫描半径误差具有鲁棒性的光声层析成像重建校正方法	圆形扫描光声层析成像的重建图像	医学影像处理	NA	光声层析成像，k-Wave模拟	深度学习	图像	使用人体胸部CT切片驱动的k-Wave模拟生成的配对训练数据集	NA	ResNet-50, SD-ResNet	图像质量恢复效果	NA
124	2026-03-30	Towards Lightweight and Multi-Scale Scene Classification: A Lie Group-Guided Deep Learning Network with Collaborative Attention 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030094 PMID:41892896	研究论文	本文提出了一种轻量级多尺度网络LGLMNet，用于遥感场景分类，通过整合李群协方差特征和双分支架构提升性能	提出LGLMNet网络，结合李群机器学习提取浅层特征与深度学习分支提取高层语义，并引入并行深度可分离卷积块和多尺度感知及空间通道协同注意力机制，实现高效全局-局部建模	未明确提及具体局限性，但可能涉及计算成本或泛化能力方面的挑战	解决遥感场景分类中现有方法忽略浅层细节和计算成本高的问题，提升分类准确性和效率	遥感图像场景	计算机视觉	NA	深度学习	CNN, 注意力机制	图像	UCM-21、AID和NWPU-45数据集	NA	LGLMNet, PDSCB, SCCA, CLFFB	准确率	NA
125	2026-03-30	Hybrid MICO-LAC Segmentation with Panoptic Tumor Instance Analysis for Dense Breast Mammograms 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030095 PMID:41892897	研究论文	提出一种用于乳腺X线图像中致密乳腺组织分析的临床驱动混合分割框架，整合了偏置场校正、粗分割、局部细化及全景式肿瘤实例分割	结合了MICO_2D偏置场校正、距离正则化多相Vese-Chan水平集模型、局部活动轮廓与局部图像拟合能量，并引入全景式肿瘤实例分割以分解相连肿瘤区域	未明确说明框架在更大或更多样化数据集上的泛化能力，以及计算效率方面的具体限制	开发一种用于致密乳腺X线图像中肿瘤分割和分析的混合框架，以解决强度不均匀性、低对比度和复杂肿瘤形态的挑战	乳腺X线图像中的致密乳腺组织和肿瘤	数字病理学	乳腺癌	乳腺X线成像	水平集模型, 活动轮廓模型	图像	MIAS和INBreast乳腺X线数据集	NA	U-Net, 多尺度网络, 多视图网络	Dice相似系数, 交并比	NA
126	2026-03-30	Automated Multi-Modal MRI Segmentation of Stroke Lesions and Corticospinal Tract Integrity for Functional Outcome Prediction 2026-Feb-24, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12030029 PMID:41893824	研究论文	本研究提出了一种基于常规多模态MRI的自动化卒中病灶分割与皮质脊髓束完整性评估流程，用于预测患者出院时的功能结局	利用常规临床MRI序列，结合自动化病灶分割与解剖学信息生物标志物，进行可解释的卒中结局建模，提高了临床可行性	研究为探索性分析，未来需要大规模验证；零样本外部评估的Dice分数较低（0.57），表明模型泛化能力有待提升	预测卒中患者出院时的功能结局（如改良Rankin量表评分），以指导治疗和康复	卒中患者的脑部MRI影像及相关的功能结局数据	数字病理学	卒中	多模态MRI，包括常规MRI序列和单壳扩散加权成像	深度学习模型集成，机器学习模型	MRI图像	ISLES 2022数据集（250个训练案例，150个测试案例），ISLES 2024数据集（149个案例用于零样本外部评估）	NA	SEALS, NVAUTO, FACTORIZER, TractSeg	Dice分数，准确率，F1分数，ROC-AUC	NA
127	2026-03-30	Mass Balance Implications for Sediment Restoration Initiatives in the Detroit River, USA 2026-Feb-20, Bulletin of environmental contamination and toxicology IF:2.7Q3 DOI:10.1007/s00128-026-04198-y PMID:41718904	研究论文	本研究评估了美国底特律河区域沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的潜在影响	利用深度学习人工神经网络空间插值生成高分辨率沉积物污染地图，以评估化学物质平衡的预期变化和超过可能效应浓度区域的减少	NA	评估沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的影响	底特律河区域的沉积物	环境科学	NA	深度学习人工神经网络空间插值	人工神经网络	空间数据	NA	NA	NA	NA	NA
128	2026-03-30	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Feb-19, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	首次将全切片图像的深度学习特征与细胞（特别是巨核细胞）表型数据融合，采用双流方法增强MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析、高级图像处理技术	CNN	图像	411个患者样本	NA	双流深度特征与细胞表型融合模型（DS-DFCPF）	NA	NA
129	2026-03-30	Dielectrocapillarity for exquisite control of fluids 2026-Feb-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69482-1 PMID:41680166	研究论文	本文通过整合液体状态理论和深度学习，揭示了电场梯度如何调控流体结构和毛细现象，并提出了“介电毛细作用”作为控制纳米孔中流体行为的新机制	首次建立了严格的电场梯度调控流体行为的微观第一性原理理论，并展示了其在相变、毛细凝结和多孔介质流体吸收中的可调控制	NA	研究电场梯度对极性流体结构和毛细现象的控制机制	极性流体、纳米孔材料、液体-气相变、毛细凝结	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
130	2026-03-30	Global daily 9 km remotely sensed soil moisture (2015-2025) with microwave radiative transfer-guided learning 2026-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06721-6 PMID:41680217	研究论文	本研究开发了一个过程引导机器学习框架，结合微波辐射传输模型理论和深度学习，以生成2015年至2025年全球每日9公里分辨率的地表土壤水分数据	通过整合辐射传输模型理论和深度学习，设计基于Kling-Gupta效率的损失函数，并利用模型模拟进行预训练和现场测量进行微调，克服了传统SMAP土壤水分产品在密集植被和复杂地表区域的精度限制	未明确说明模型在极端气候条件或特定地理区域（如永久冻土或高纬度地区）的适用性和潜在偏差	提高全球地表土壤水分的估计精度，以支持水资源和生态系统管理	全球陆地生态系统的地表土壤水分	机器学习	NA	微波辐射传输模型，深度学习	深度学习模型	遥感数据，现场测量数据	覆盖全球每日9公里分辨率数据（2015年4月至2025年6月），并使用独立现场测量进行验证	未明确指定，但涉及深度学习框架	过程引导机器学习框架	相关系数R，无偏均方根误差	NA
131	2026-03-30	EfficientNetB7-Based Deep Learning Framework for Enhanced Classification of Lung and Colon Cancer Histopathological Images 2026-02-06, Journal of visualized experiments : JoVE DOI:10.3791/68812 PMID:41729802	研究论文	本研究提出了一种基于预训练EfficientNetB7的深度学习框架，用于增强肺和结肠癌组织病理学图像的分类，准确率达到96%	结合高级预处理、微调和特定领域数据增强技术优化模型性能，有效解决了类别不平衡和细微组织学变异问题，并通过多种数据增强和早停策略防止过拟合	未明确说明模型在其他癌症类型或更大数据集上的泛化能力，且未详细讨论计算资源需求	开发一个高效的深度学习模型，用于肺和结肠癌组织病理学图像的早期准确分类，以辅助临床诊断	肺和结肠组织病理学图像	数字病理学	肺癌, 结肠癌	组织病理学成像	CNN	图像	NA	NA	EfficientNetB7	准确率	NA
132	2026-03-30	Solar Power Forecasting Using Hybrid Deep Learning: Performance Enhancement with Random Forest-BiLSTM and Ensemble Modeling 2026-02-03, Journal of visualized experiments : JoVE DOI:10.3791/69743 PMID:41729804	研究论文	本研究提出了一种混合深度学习集成方法，用于通过捕捉辐照度数据中的复杂时间依赖性来预测太阳能发电量	提出了一种集成前三名架构的逆MAE加权平均集成模型，与最佳个体模型相比，预测误差降低了6.2%，有效平衡了模型优势并增强了预测鲁棒性	NA	提高太阳能发电预测的准确性，以支持电网集成和可再生能源系统的运行稳定性	太阳能发电预测	机器学习	NA	NA	RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU, CNN-Transformer	历史时间序列数据	NA	NA	RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU, CNN-Transformer	R², MAE, MSE	NA
133	2026-03-30	Deep Learning Automated Measurement of Shunt Severity with Estimation of Uncertainty in 4D Flow MRI 2026-Feb, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250138 PMID:41711549	研究论文	本研究开发了一种深度学习系统，用于全自动测量四维血流MRI中的系统性和肺血流，以评估分流严重性	提出了一种深度学习系统，能够全自动化进行三维定位和二维分割，计算主动脉和肺动脉的净血流，并估计测量不确定性	研究样本量有限（共188例临床检查），且为回顾性研究，可能影响结果的普适性	评估深度学习系统在四维血流MRI中全自动测量血流量的可行性	临床四维血流MRI检查数据，包括有和无分流的患者	医学影像分析	先天性心脏病	四维血流MRI	CNN	MRI图像	188例临床四维血流MRI检查用于开发，71例患者用于验证	NA	卷积神经网络	Pearson相关系数, Bland-Altman分析	NA
134	2026-03-29	Parameter Estimation from Phylogenetic Trees Using Neural Networks and Ensemble Learning 2026-Feb-25, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf060 PMID:40899780	研究论文	本文提出了一种新的集成神经网络方法，用于从系统发育树中估计物种多样化参数	利用多种神经网络（密集神经网络、图神经网络和长短期记忆循环网络）的集成方法，同时从系统发育树的图表示、分支时间和汇总统计中学习，提高了参数估计的效率和准确性	与最大似然估计方法类似，该方法在延展的出生-死亡过程下仍无法精确恢复参数	估计物种多样化参数，包括物种形成和灭绝速率	时间校准的系统发育树	机器学习	NA	深度学习	DNN, GNN, LSTM	图数据、时间序列数据、汇总统计数据	NA	NA	密集神经网络、图神经网络、长短期记忆循环网络	估计速度、偏差、对树大小的敏感性	NA
135	2026-03-29	Deep models of protein evolution in time generate realistic evolutionary trajectories and functional proteins 2026-Feb-20, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.19.706898 PMID:41757065	研究论文	本文介绍了一种名为PEINT的深度学习框架，用于模拟蛋白质序列随时间演变的过程，并生成具有功能性的蛋白质	PEINT框架突破了传统模型中位点独立演化的简化假设，能够学习位点间复杂相互作用，直接从原始序列学习插入缺失动态，并准确模拟自然进化特征	NA	开发一个能够模拟蛋白质真实进化轨迹并生成功能性蛋白质的深度学习模型	蛋白质序列及其进化过程	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	数百万个跨越不同折叠家族的蛋白质序列	NA	NA	NA	NA
136	2026-03-29	Deep learning-based battery health prediction for enhancing electric vehicle performance 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39911-8 PMID:41714349	研究论文	本研究提出了一种混合深度学习框架，用于智能电动汽车电池健康诊断，以提高电池诊断的可靠性和可持续性	提出了一种集成了1D-CNN、TCN、LSTM层和注意力机制的混合深度学习框架，用于电池健康状态预测，在精度、推理延迟和能耗方面均优于传统基线模型	未明确提及	通过智能电池健康诊断，提升电动汽车性能，并支持可持续发展目标7（经济适用的清洁能源）	电动汽车电池的健康状态	机器学习	NA	差分电压分析、差分电流分析、增量容量分析	CNN, LSTM, TCN	电池充放电循环数据	来自NASA PCoE、牛津和CALCE电池退化数据集的超过10,000个充放电循环	NA	1D-CNN, TCN, LSTM	准确率, RMSE	NA
137	2026-03-29	Pneumonia detection from enhanced chest X-Ray images based on Double SGAN model 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39785-w PMID:41714360	研究论文	本研究提出了一种基于双SGAN模型和增强型胸片图像的肺炎检测深度学习诊断系统	创新性地提出了Double SGAN模型以解决类别不平衡问题，并在ResNet18中嵌入了空间注意力机制以聚焦肺炎诊断关键特征区域	研究仅使用儿科肺部图像的肺炎MNIST数据集，未涉及成人或其他类型医学影像数据	开发一种能够处理不平衡数据集并提高肺炎图像分类准确性和鲁棒性的深度学习诊断系统	儿科胸片X光图像	计算机视觉	肺炎	胸片X光成像	GAN, CNN	图像	肺炎MNIST数据集（具体数量未明确说明）	NA	Double SGAN, ResNet18-SA	准确率, 精确率, 召回率, F1分数	NA
138	2026-03-29	The BIOPREVENT machine-learning algorithm predicts chronic graft-versus-host disease and mortality risk using posttransplant biomarkers 2026-Feb-16, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI195228 PMID:41697751	研究论文	本研究开发了一种名为BIOPREVENT的机器学习算法，利用移植后生物标志物预测慢性移植物抗宿主病和死亡率风险	首次结合移植后90/100天测量的7种血浆蛋白和9个临床变量，开发了能够预测cGVHD和非复发死亡率的机器学习算法，并创建了公开可用的R Shiny网络应用程序支持临床使用	深度学习模型未表现出优于其他机器学习方法的性能，需要进一步研究探索该算法在指导预防性治疗中的作用	开发机器学习算法以改善造血细胞移植后慢性移植物抗宿主病和非复发死亡率的预测准确性	1,310名造血细胞移植受者	机器学习	移植物抗宿主病	血浆蛋白测量	CoxXGBoost, Group SCAD, Adaptive Group Lasso, Random Survival Forests, BART, 深度学习模型	临床变量和生物标志物数据	1,310名患者，分为训练集和验证集	R	贝叶斯加性回归树（BART）被选为最终模型	时间依赖性ROC曲线下面积（AUCt），校准曲线	NA
139	2026-03-29	AI accelerate the identification of druggable targets by 3D structures of proteins and compounds 2026-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01310-7 PMID:41691035	综述	本文综述了人工智能在肿瘤药物开发中的应用，特别是在靶点识别、虚拟筛选和从头分子设计方面的进展	系统性地总结了AI如何通过预测蛋白质三维结构、评估靶点成药性、加速虚拟筛选和从头药物设计来革新肿瘤药物开发流程	讨论了AI药物开发面临的主要挑战，包括数据质量、模型可解释性、计算资源限制以及伦理和监管问题	概述人工智能技术在加速肿瘤药物开发，特别是靶点识别和化合物筛选方面的应用与挑战	蛋白质三维结构、化合物库、药物-靶点相互作用、分子性质	机器学习	肿瘤	机器学习，深度学习	神经网络	分子结构数据，蛋白质结构数据，化学库数据	NA	NA	NA	NA	NA
140	2026-03-29	Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients 2026-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01324-1 PMID:41691080	研究论文	本研究建立了一个名为Kinic指数（KI）的人工智能预测模型，用于肝细胞癌（HCC）患者的风险分层、预后预测和多靶点药物发现	首次将异烟酰化（K）修饰与多组学数据整合，通过人工智能模型（KI）对HCC患者进行亚型分类，并结合GraphBAN深度学习和ADMET-AI筛选，优先针对CYP2C9和G6PD进行多靶点药物发现	未明确说明模型在外部验证集上的泛化能力，以及候选化合物的体内实验验证结果	开发一个AI驱动的预测模型和药物发现框架，以改善肝细胞癌患者的预后和治疗选择	肝细胞癌（HCC）患者	机器学习	肝细胞癌	多组学数据整合，单细胞转录组分析，空间转录组分析	LASSO, RSF, 深度学习	多组学数据，转录组数据	NA	GraphBAN, ADMET-AI	NA	总体生存率，结合亲和力验证	NA