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
841	2026-03-18	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合数学和深度学习模型的集成方法，用于改进韩国特定年龄流感样疾病的短期预测	提出了一种新颖的集成建模方法，结合了机制性n-次流行模型和蒙特卡洛Dropout LSTM神经网络，以捕获疾病传播的结构化动态和非线性时间依赖关系，适应疫情改变的传播模式并提供稳健的不确定性量化	NA	改进流感样疾病的短期预测性能，以指导疫情应对、优化医疗资源分配和公共卫生干预	韩国特定年龄的流感样疾病数据	机器学习	流感样疾病	NA	LSTM	时间序列数据	NA	NA	LSTM	加权区间评分, 平均绝对误差	NA
842	2026-03-18	VarCoNet: A Variability-Aware Self-Supervised Framework for Functional Connectome Extraction From Resting-State fMRI 2026-Mar, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70469 PMID:41810518	研究论文	本文提出了一种名为VarCoNet的变异性感知自监督框架，用于从静息态功能磁共振成像数据中提取稳健的功能连接组	将功能个体间变异性视为有意义的数据而非噪声，通过自监督对比学习利用这种变异性，并引入基于信号分割的新颖增强策略	NA	开发一个用于从静息态功能磁共振成像数据中提取功能连接组的稳健框架，以支持精准医学	静息态功能磁共振成像数据，包括来自人类连接组计划的2117条记录和自闭症脑成像数据交换I（995条记录）及II（730条记录）数据集的数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	CNN, Transformer	时间序列数据	人类连接组计划：2117条记录；自闭症脑成像数据交换I：995条记录；自闭症脑成像数据交换II：730条记录	NA	1D卷积神经网络与Transformer编码器集成	准确率, AUC	NA
843	2026-03-18	Time-resolved functional genomics using deep learning reveals global hierarchical control of autophagy 2026-Mar, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01837-0 PMID:41826700	研究论文	本研究结合时间分辨高内涵成像、深度学习和潜在特征分析，绘制了氮变化期间控制自噬激活和失活的遗传网络	首次通过时间分辨功能基因组学方法，结合深度学习揭示自噬的全局层次控制，并识别逆行通路作为关键的时间变化调节因子	NA	研究自噬在营养环境变化中的系统动态调控机制	自噬过程及其遗传网络	机器学习	NA	时间分辨高内涵成像，潜在特征分析	深度学习	图像数据	5,919个突变体	NA	NA	NA	NA
844	2026-03-18	Cross-Institutional Five-Class Kellgren-Lawrence Grading of Knee Osteoarthritis via Multitask Deep Learning 2026-Mar, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70254 PMID:41830909	研究论文	本研究提出了一种名为KL-FuseNet的多任务深度学习模型，用于膝关节骨关节炎的Kellgren-Lawrence分级，并通过跨机构验证评估其性能	引入KL-FuseNet多任务架构，融合全局（ConvNeXt-Base）和局部（ResNet-50）特征，同时预测序数分级、标签分布和二元严重性（KL≥2），并采用严格的病人分层划分和零样本迁移与选择性微调策略	外部零样本部署时存在领域差距，导致性能下降，需通过选择性微调来弥补	开发一个可重复且能泛化到不同医疗中心的自动膝关节骨关节炎分级模型	膝关节骨关节炎的X光图像	计算机视觉	骨关节炎	深度学习	CNN	图像	内部数据集（n=8260）和独立中国队列（n=2295）	PyTorch	ConvNeXt-Base, ResNet-50	二次Cohen's kappa, 准确率, AUC	NA
845	2026-03-18	Deep learning-driven immunohistochemical analysis of renal lymphatics for chronic kidney disease: bioinformatic and histopathological study 2026-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2025.12.15 PMID:41820010	研究论文	本研究开发了一种基于弱监督、注意力机制的多实例学习框架，用于自动检测和量化肾淋巴管密度，以支持慢性肾脏病和高血压肾病的诊断与风险分层	采用聚类约束注意力多实例学习（CLAM）模型，联合执行基于注意力的实例选择和实例级聚类，以区分每个切片内的正负证据，从而生成更具区分性的切片级特征和可解释的注意力图	研究仅基于两个独立内部数据集（来自同济医院），样本量相对有限（CKD 198例，HTN 50例），且仅使用D2-40免疫组化染色的全切片图像	评估一种自动化框架，用于肾淋巴管密度的检测和量化，以替代缓慢、主观的视觉评估方法	慢性肾脏病（CKD）和高血压肾病（HTN）患者的肾活检组织	数字病理学	慢性肾脏病	免疫组化染色（D2-40）、全切片图像数字化	CNN, 多实例学习	图像	CKD 198例，HTN 50例，总计248例肾活检样本	NA	CLAM（聚类约束注意力多实例学习模型）	AUC（接收者操作特征曲线下面积）	NA
846	2026-03-18	Deep learning-based upsampling of 2D detector array measurements for patient plan verification in radiotherapy 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70358 PMID:41840888	研究论文	本文提出了一种基于深度学习的上采样方法，用于提高放疗患者计划验证中探测器阵列的空间分辨率	利用深度卷积神经网络对探测器阵列测量进行上采样，校正体积平均效应，并在陡峭梯度区域实现比标准双线性插值更好的插值效果	训练数据基于蒙特卡洛模拟生成，可能无法完全覆盖所有临床场景；研究主要针对特定型号探测器（OCTAVIUS Detector 1500）	提高强度调制放射治疗中探测器阵列用于患者计划验证的空间分辨率	放疗治疗计划验证中的二维剂量分布测量	医学影像分析	NA	蒙特卡洛模拟	CNN	二维剂量分布图像	基于蒙特卡洛模拟生成的合成训练数据，覆盖不同直线加速器设置和射野形状	PyTorch	深度卷积架构	伽马指数通过率	NA
847	2026-03-17	Deep learning predicts and in vitro experiments validates the synergistic anti-liver cancer effect of vincristine and lenvatinib: Mechanism involving apoptosis induction via the TNF-α/Caspase-8 pathway 2026-03-19, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153380 PMID:41637988	研究论文	本研究利用深度学习模型预测并验证了长春新碱与乐伐替尼在抗肝癌中的协同作用及其通过TNF-α/Caspase-8通路诱导凋亡的机制	首次结合深度学习模型（MARSY和MatchMaker）预测药物协同作用，并通过实验验证了长春新碱与乐伐替尼联用能通过ROS介导的TNF-α/Caspase-8通路诱导肝癌细胞凋亡	研究仅进行了体外实验验证，缺乏体内动物模型或临床数据的支持	开发克服乐伐替尼耐药性的协同药物组合，为肝癌治疗提供新策略	肝癌细胞	机器学习	肝癌	CCK-8检测、集落形成实验、伤口愈合实验、Transwell实验、流式细胞术、Western blot分析	深度学习模型	药物相互作用数据、细胞实验数据	NA	NA	MARSY, MatchMaker	ZIP模型协同指数	NA
848	2026-03-17	Comprehensive Multiomics Characterization of Perineural Invasion in Cervical Cancer Reveals Diagnostic Markers, Molecular Drivers, and Therapeutic Strategies 2026-Mar-16, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0149 PMID:41379570	研究论文	本研究通过多组学分析揭示了宫颈癌神经周围浸润的分子机制，并识别了诊断标志物和潜在治疗策略	首次通过整合全外显子、全基因组和RNA测序数据，结合机器学习和深度学习模型，系统性地识别了PNI的基因表达特征、驱动突变及靶向治疗药物	样本量相对较小（45例患者），且验证队列规模有限（37例），可能影响结果的普适性	阐明宫颈癌神经周围浸润的分子机制，开发诊断标志物和治疗策略	宫颈癌患者的肿瘤和匹配正常组织样本	机器学习, 深度学习	宫颈癌	全外显子测序, 全基因组测序, RNA测序	机器学习, 深度学习	基因组数据, 转录组数据	45例患者（23例PNI, 22例非PNI），独立验证队列37例（18例PNI, 19例非PNI）	NA	NA	准确性	NA
849	2026-03-17	Predicting Cerebral Aneurysm Recurrence after Coil Embolization: A Novel Deep Learning Approach Using Time-of-flight Magnetic Resonance Angiography 2026-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2025-0288 PMID:41526250	研究论文	本研究提出了一种结合机器学习和深度学习技术的新方法，利用时间飞跃磁共振血管成像来预测脑动脉瘤弹簧圈栓塞术后的复发	首次将临床数据与3D重建的时间飞跃磁共振血管成像数据结合，构建了融合深度学习的预测模型，并比较了仅使用术前图像与同时使用术前术后图像两种版本的性能	研究为回顾性多中心分析，样本量相对有限（154例患者），且模型性能有待在前瞻性研究中进一步验证	预测脑动脉瘤在弹簧圈栓塞术后的复发风险	接受弹簧圈栓塞术的未破裂脑动脉瘤患者	数字病理学	脑血管疾病	时间飞跃磁共振血管成像	逻辑回归, 神经网络, 深度学习	图像, 临床数据	154例患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
850	2026-03-17	Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104612 PMID:41577169	综述	本文综述了肽类药物发现中计算化学信息学工具的当前方法，旨在促进这些工具在药物发现流程中的整合应用	系统性地概述了肽类计算研究的不同阶段，包括表示、相似性评估、机器学习/深度学习模型和肽设计，并基于关键特征强调了现有工具	NA	促进肽类药物发现中计算工具的应用，加速设计-测试周期并指导候选药物开发	肽类分子及其在药物发现中的应用	计算化学信息学	NA	计算化学信息学工具，机器学习/深度学习	ML/DL模型	肽类分子数据	NA	NA	NA	NA	NA
851	2026-03-16	Beyond whole-image learning: anatomically partitioned deep learning models for superior sinonasal disease classification 2026-Mar-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12436-4 PMID:41832258	研究论文	本研究提出了一种基于解剖分区的深度学习模型，用于提升鼻窦疾病的CT诊断准确性	通过解剖分区策略替代全图像学习，针对鼻窦解剖异质性设计疾病特异性网络，显著提高了诊断性能	研究为回顾性设计，样本量有限（150例手动分割），且仅针对特定解剖区域	提升基于CT的鼻窦疾病分类诊断准确性	鼻窦CT图像中的13个解剖区域（包括双侧鼻腔、上颌窦、筛窦等）	数字病理学	鼻窦疾病	CT成像	深度学习	医学图像（CT）	2947例CT检查（其中150例用于手动分割）	nnU-Net v2	nnU-Net	敏感性, 特异性, AUC, Dice系数	NA
852	2026-03-16	Integrative Approaches in Lung Cancer Diagnosis: Bridging Molecular Biomarkers and AI Driven Imaging 2026-Mar-14, Biomarkers : biochemical indicators of exposure, response, and susceptibility to chemicals IF:2.0Q4 DOI:10.1080/1354750X.2026.2644329 PMID:41830914	综述	本文综述了分子生物标志物与人工智能驱动的影像学在肺癌诊断中的整合方法	分析了将分子生物标志物（如EGFR、ALK、KRAS等）与人工智能（特别是机器学习和深度学习）驱动的影像学（如低剂量CT扫描的影像组学和模式识别）进行整合的潜力，以实现更快、更精确、更具个性化的肺癌诊断	面临数据标准化、模型可解释性、临床验证和伦理问题等诸多挑战	探讨肺癌诊断领域如何整合分子生物学和计算技术的最新进展	肺癌	数字病理学	肺癌	液体活检、循环肿瘤DNA、下一代测序、多组学方法（基因组学、转录组学、蛋白质组学）	机器学习, 深度学习	图像, 分子数据	NA	NA	NA	NA	NA
853	2026-03-16	Decoding soil properties from surface cracks using Minkowski functionals, junction crack angle distributions, and AI-based image analysis 2026-Mar-14, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-026-00567-x PMID:41830988	研究论文	本研究通过Minkowski泛函、裂缝交汇角分布和基于AI的图像分析，解码土壤表面裂缝以识别土壤类型和亚型	结合形态学描述符（如Minkowski泛函和裂缝交汇角分布）与卷积神经网络，实现对土壤类型的精确分类，准确率达100%	NA	通过分析干燥裂缝模式，准确识别土壤类型和亚型，应用于农业土壤评估、行星地形研究等领域	不同土壤类型及其亚类（如洪水左岸和非洪水右岸的土壤）	计算机视觉	NA	图像分析	CNN	图像	NA	NA	NA	准确率	NA
854	2026-03-16	Super-resolution deep learning reconstruction enhances visualization of cerebral aneurysms on magnetic resonance angiography 2026-Mar-14, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03965-2 PMID:41831007	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
855	2026-03-16	A multimodal feature disentanglement model for lymphadenopathy diagnosis based on BUS and CDFI ultrasound videos: a retrospective, prospective, multicenter study 2026-Mar-14, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12409-7 PMID:41831029	研究论文	本研究开发并验证了一种基于B超和彩色多普勒血流成像视频的多模态深度学习模型，用于淋巴结病变的诊断	提出了一种多模态特征解耦模型，整合了B超和彩色多普勒血流成像视频以及患者临床信息，以提高淋巴结病变的诊断准确性	NA	开发并验证一个深度学习模型，用于基于多模态超声视频诊断淋巴结病变	淋巴结病变患者	计算机视觉	淋巴结病变	B超, 彩色多普勒血流成像	深度学习模型	视频	7371名患者，共提取147,420个关键帧	NA	多模态特征解耦模型	AUC, 准确率, 灵敏度, 特异度, 精确度	NA
856	2026-03-16	MyoClass: A modular multimodal auto-classification system for myocardial tissue characterization 2026-Mar-14, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03684-y PMID:41831142	研究论文	提出了一种名为MyoClass的深度学习框架，用于整合多模态心脏磁共振成像数据和患者元数据，实现心肌组织的自动分类	开发了一个模块化的多模态自动分类系统，首次整合了多种CMR序列、左心室形态描述符、T1定量映射和患者元数据，无需手动分割即可实现准确分类	研究样本量相对较小（150名患者），需要在更大规模的多中心数据集中进一步验证	开发一个自动化系统，用于区分健康心肌、心肌炎和心肌梗死	心肌组织	数字病理学	心血管疾病	心脏磁共振成像	MLP	图像, 元数据	150名患者（每类50名）	NA	多层感知机	准确率	NA
857	2026-03-16	Development and Validation of a Deep Learning System for Echocardiographic Assessment of 16-Segment LV Wall Thickness 2026-Mar-13, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.014 PMID:41832107	研究论文	本研究开发并验证了一种基于深度学习的系统，用于自动测量16段左心室壁厚度，通过超声心动图评估左心室肥厚的病理进展	首次提出基于深度学习的自动测量16段左心室壁厚度的方法，并在体内和体外数据集中进行验证，减少了传统方法的时间消耗和变异性	研究样本量相对有限（197名患者），且未在更广泛或多样化的临床人群中验证，可能影响泛化能力	开发并验证一种自动测量16段左心室壁厚度的深度学习系统，以改善左心室肥厚的诊断和治疗评估	超声心动图图像，包括正常壁厚度和增厚壁厚度的患者队列	计算机视觉	心血管疾病	超声心动图	深度学习算法	图像	92,984张超声心动图（正常壁厚度队列），26,523张超声心动图（增厚壁厚度数据集），2,238张超声心动图（体外数据集），总计197名患者	NA	NA	Dice相似系数，Hausdorff距离，平均绝对误差	NA
858	2026-03-16	Deep learning techniques for crop classification in complex agricultural landscapes 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37806-2 PMID:41820421	研究论文	本文提出了一种结合植被指数和注意力机制的深度学习方法，用于复杂农业景观中的作物分类	引入了Tanh激活的自注意力机制，在作物分类中取得了最高准确率（88.89%），优于乘法注意力、软注意力和全局注意力	NA	提高复杂农业景观中作物分类的准确性	遥感数据中的作物类型	计算机视觉	NA	遥感技术、植被指数分析	深度学习模型	时间序列遥感数据、频率信息数据	NA	NA	自注意力机制、乘法注意力、软注意力、全局注意力	准确率	NA
859	2026-03-16	Enhanced pneumonia prognosis via a hybrid deep learning ensemble: Dense Net, Efficient Net, and VGG16 integration 2026-Mar-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109009 PMID:41830760	研究论文	本研究提出了一种集成DenseNet、EfficientNet和VGG16的深度学习框架，用于增强肺炎的预后诊断	提出了一种结合深度CNN和InceptionV3的混合特征提取方法，并应用贝叶斯优化与粒子群优化的混合策略进行超参数调优	NA	开发一个稳健、临床可行且高度可靠的早期准确肺炎诊断解决方案	肺炎	计算机视觉	肺炎	深度学习	CNN	图像	NA	NA	DenseNet, EfficientNet, VGG16, InceptionV3	准确率, 灵敏度, 特异性	NA
860	2026-03-16	AI in the Prediction of Hepatic Fibrosis Progression Using Non-Coding RNAs 2026-Mar-12, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2026.120973 PMID:41831666	综述	本文综述了人工智能在利用非编码RNA预测肝纤维化进展中的应用，包括最新发现、挑战与未来机遇	整合人工智能与多组学数据及非编码RNA互作网络，提升肝纤维化进展预测的精确性和非侵入性诊断工具	数据标准化和临床验证的必要性尚未完全解决，存在潜在挑战	探讨人工智能在肝纤维化中识别非编码RNA生物标志物、预测疾病分期和风险分层的作用	肝纤维化及其进展至肝硬化和肝细胞癌的过程	机器学习	肝纤维化	转录组数据分析	NA	转录组数据	NA	NA	NA	NA	NA