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
881	2026-03-30	Towards the Development of a Deep Learning Framework Using Adaptive and Non-Adaptive Time-Frequency Features for EEG-Based Depression Therapy Prediction 2026-Mar-09, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16030301 PMID:41892644	研究论文	本研究提出了一种基于深度学习的计算机辅助决策框架，利用脑电图信号的时间-频率特征来预测抑郁症患者对两种不同疗法（SSRI和rTMS）的治疗反应	首次系统比较了自适应（VMD）与非自适应（CWT）时间-频率特征在抑郁症治疗预测中的表现，并揭示了特征选择具有疗法特异性；发现精心设计的谱图与简单的预训练残差网络结合，无需循环或注意力层即可获得有竞争力的性能	样本量相对较小（SSRI 30例，rTMS 46例）；研究结果需要在更大规模、多中心数据集中进行验证	开发一个深度学习框架，用于在治疗开始前预测抑郁症患者对特定疗法的个体化反应，以辅助临床决策	接受选择性5-羟色胺再摄取抑制剂（SSRI）治疗的30名患者和接受重复经颅磁刺激（rTMS）治疗的46名患者	机器学习	抑郁症	连续小波变换（CWT）、变分模态分解（VMD）、像素级融合	CNN	脑电图（EEG）信号转换的时间-频率图像	SSRI患者30例，rTMS患者46例	NA	ResNet-18, MobileNet-V3, EfficientNet-B0, TinyViT-Hybrid	准确率	NA
882	2026-03-30	Artificial Intelligence in Venous Thromboembolism Prevention: A Narrative Review of Machine Learning, Deep Learning, and Natural Language Processing 2026-Mar-06, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13030119 PMID:41892708	综述	本文综述了人工智能（包括机器学习、深度学习和自然语言处理）在静脉血栓栓塞预防中的应用现状与前景	整合了多种AI技术（ML、DL、NLP）在VTE预防中的综合应用，并探讨了可穿戴设备数据与时间序列分析的动态风险评估新方向	作为叙述性综述，缺乏系统性定量分析；AI技术在实际临床工作流中的整合仍需前瞻性验证和跨机构合作	探讨人工智能技术在静脉血栓栓塞预防领域的应用潜力与实现路径	静脉血栓栓塞（VTE）高风险患者的识别与管理	自然语言处理, 机器学习	心血管疾病	电子健康记录分析、医学影像解读、临床文本挖掘	随机森林, 支持向量机, 梯度提升, CNN	结构化电子健康记录、医学影像、非结构化临床文本、可穿戴设备时间序列数据	NA	NA	卷积神经网络	诊断准确率	NA
883	2026-03-30	Evidence-Guided Diagnostic Reasoning for Pediatric Chest Radiology Based on Multimodal Large Language Models 2026-Mar-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030111 PMID:41892913	研究论文	提出了一种基于多模态大语言模型的、证据引导的儿科胸部放射学诊断推理两阶段范式	提出了一种与临床放射学工作流程紧密结合的可信两阶段诊断范式，将诊断过程约束在证据基础上，结合了视觉语言模型提取结构化证据和多模态大语言模型整合多源信息进行最终诊断	NA	开发一种可靠、可解释的AI辅助诊断方法，以减轻临床放射科医生的工作负担并提高儿科胸部X光诊断的准确性	儿科胸部X光图像	计算机视觉, 自然语言处理	儿科呼吸系统疾病	胸部X光摄影	视觉语言模型, 多模态大语言模型	图像, 文本	VinDr-PCXR数据集	NA	NA	诊断准确率, F1分数, AUC	NA
884	2026-03-07	Optimized decomposition and deep learning with bias correction for reliable runoff point-interval prediction 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33713-0 PMID:41786752	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
885	2026-03-30	District-Level Dengue Early Warning Prediction System in Bangladesh Using Hybrid Explainable AI and Bayesian Deep Learning 2026-Mar-05, Tropical medicine and infectious disease IF:2.8Q1 DOI:10.3390/tropicalmed11030073 PMID:41893409	研究论文	本研究开发了一个结合可解释AI和贝叶斯深度学习的孟加拉国地区级登革热早期预警预测系统	整合了气候、社会经济、医疗等多源数据，并采用SHAP可解释AI与贝叶斯时空模型来捕捉空间聚类和时间依赖性	未明确提及模型在其他地区或国家的泛化能力，以及长期预测的稳定性	开发一个准确且可解释的地区级登革热早期预警系统，以支持疫情准备和资源分配	孟加拉国所有64个地区从2017年至2024年的登革热病例及相关气候、社会经济、医疗指标	机器学习	登革热	机器学习、深度学习、贝叶斯时空建模	MLP, ConvLSTM, 贝叶斯模型	时间序列数据、空间数据、表格数据	孟加拉国64个地区从2017年至2024年的登革热病例及相关指标数据	NA	多层感知机, 卷积长短期记忆网络, BYM2_RW2	准确率, ROC-AUC, 召回率, DIC	NA
886	2026-03-30	Performance Validation of ORTHOSEG, a Novel Artificial Intelligence Tool for the Segmentation of Orthopantomographs and Intra-Oral X-Rays 2026-Mar-04, Clinics and practice IF:1.7Q2 DOI:10.3390/clinpract16030054 PMID:41892498	研究论文	本研究验证了一种名为ORTHOSEG的新型人工智能工具，用于自动分割口腔X射线图像中的解剖、病理和非病理元素	ORTHOSEG是一种基于深度学习的系统，能够自动分割口腔X射线图像中的多种元素，包括正位全景片、咬翼片和根尖周图像，其分割能力覆盖约70个不同元素，在正位全景片上超越了现有基准	研究使用的数据集来自欧洲人群，缺乏多样性和普遍性；未进行可用性和临床工作流程评估	验证ORTHOSEG人工智能工具在口腔X射线图像分割中的性能，以提高诊断效率和一致性	口腔X射线图像，包括正位全景片、咬翼片和根尖周图像	计算机视觉	NA	深度学习	CNN	图像	150张口腔X射线图像（包括50张正位全景片、50张咬翼片和50张根尖周图像）	NA	NA	平均Dice相似系数, 平均交并比	标准临床硬件
887	2026-03-30	A Hierarchical Multi-View Deep Learning Framework for Autism Classification Using Structural and Functional MRI 2026-Mar-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030109 PMID:41892911	研究论文	本文提出了一种新颖的层次化多视图深度学习框架，用于融合结构磁共振成像和功能磁共振成像数据，以实现自闭症的准确分类	提出了一种新颖的层次化深度学习框架，能够联合捕捉自闭症大脑的空间结构（通过3D分层CNN处理多视图sMRI）和时间功能（通过双向LSTM编码器处理fMRI）变化，并通过跨模态融合方案整合双模态特征表示	研究仅在ABIDE I数据集（NYU存储库）上进行评估，样本来源和规模可能存在局限性，未在其他独立数据集上进行广泛验证	开发一个深度学习框架，以更准确地分类自闭症，通过整合大脑的结构和功能成像信息	自闭症患者和正常对照个体的结构磁共振成像和功能磁共振成像数据	医学图像分析	自闭症	结构磁共振成像，功能磁共振成像	CNN, LSTM, 多层感知机	3D医学图像（sMRI），时间序列数据（fMRI）	ABIDE I数据集（NYU存储库）中的样本	NA	3D分层卷积神经网络，双向LSTM，多层感知机	准确率，精确率，召回率，F1分数，焦点损失	NA
888	2026-03-30	Optimizing Radiographic Diagnosis Through Signal-Balanced Convolutional Models 2026-Mar-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030108 PMID:41892910	研究论文	本研究提出了一种结合生物医学信号保真度分析与迁移学习的可解释深度学习框架，用于优化胸部X光片的诊断可靠性	将信号保真度分析（通过SSIM验证）与可解释深度学习（Grad-CAM可视化）相结合，增强了诊断的透明性和可靠性	仅使用了公开数据集，未在更多样化的临床环境中验证；模型性能可能受数据集类别平衡和预处理影响	通过信号平衡的卷积模型优化放射学诊断，提高胸部X光片分类的准确性和可解释性	胸部X光片图像，用于诊断COVID-19、病毒性肺炎、肺部不透明和正常情况	计算机视觉	肺部疾病	深度学习，迁移学习，信号保真度分析	CNN	图像	21,165张胸部X光片图像，分为四类	NA	CNN, ResNet-50, EfficientNetB3	准确率, 宏AUC, SSIM	NA
889	2026-03-30	Deep-Neural-Network-Aided Genetic Association Testing in Samples with Related Individuals 2026-Mar-04, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48030273 PMID:41899425	研究论文	本文提出了一种基于深度神经网络的机器学习方法，用于辅助具有亲缘关系个体的样本中的遗传关联测试	将深度学习整合到传统GWAS框架中，特别是在存在隐性亲缘关系的情况下，通过近似表型-基因型关系并组合多个测试的近似值，以提高关联变异的检测能力	NA	扩展GWAS的分析范围，通过联合建模、非线性效应和整合分析来改进遗传关联测试	具有亲缘关系的个体样本	机器学习	心血管疾病	GWAS	DNN	遗传数据	NA	NA	NA	检测能力	NA
890	2026-03-30	Semi-Supervised Vertebra Segmentation and Identification in CT Images 2026-Mar-03, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12030033 PMID:41893829	研究论文	本文提出了一种基于双分支3D U-Net的半监督方法，用于CT图像中椎骨的分割与识别，通过教师-学生一致性利用未标记数据提升性能	在双分支3D U-Net中插入Mamba模块以建模颅尾轴长程依赖，结合3D-CBAM增强类别区分能力，并采用基于置信度过滤和类频率重加权的统一半监督目标	方法依赖于未标记数据的可用性，且在复杂形态变异下可能仍存在挑战	开发一种半监督方法以提升CT图像中椎骨自动分割与识别的准确性和鲁棒性	脊柱CT图像中的椎骨	计算机视觉	脊柱疾病	CT成像	CNN	3D图像	VerSe 2019和2020数据集，其中VerSe 2020扫描作为未标记训练数据	PyTorch	3D U-Net, Mamba, 3D-CBAM	Dice系数, 识别准确率	NA
891	2026-03-30	Transformer-Based Deep Learning Approaches for Speech-Based Dementia Detection: A Systematic Review 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3595781 PMID:40768460	系统综述	本文系统综述了基于语音的深度学习在痴呆症检测中的应用，重点分析了Transformer模型的效果	首次系统性地比较了Transformer架构在语音痴呆检测中的表现，并明确了语言特征优于声学特征的结论	数据集多样性不足、痴呆严重程度分类标准不一致、样本量和性能指标报告方式存在差异	识别未来数据驱动的痴呆症研究的最佳实践，以开发临床诊断决策支持系统	基于语音的痴呆症检测研究	自然语言处理	老年疾病	语音分析	Transformer	语音	80项研究	NA	Transformer	准确率, 灵敏度, 特异性	NA
892	2026-03-29	Regulatory grammar in human promoters uncovered by MPRA-based deep learning 2026-Mar, Nature IF:50.5Q1 DOI:10.1038/s41586-025-10093-z PMID:41639451	研究论文	本研究提出了一种基于MPRA数据的深度学习模型PARM，用于从DNA序列预测人类启动子活性并揭示其调控语法	开发了轻量级细胞类型特异性深度学习模型PARM，仅从DNA序列即可可靠预测全基因组自主启动子活性，并能设计纯合成强启动子	未明确说明模型在不同细胞类型间的泛化能力及对非编码变异的解释局限性	构建从调控元件序列准确预测全基因组基因表达的计算模型	人类启动子序列	计算生物学	NA	大规模平行报告基因检测（MPRA）	深度学习模型	DNA序列数据	NA	NA	PARM	NA	NA
893	2026-03-29	NeuroMDAVIS: Visualization of Single-Cell Multi-Omics Data under Deep Learning Framework 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261423965 PMID:41744270	研究论文	本文提出了一种名为NeuroMDAVIS的新型无监督深度神经网络模型，用于单细胞多组学数据的联合可视化	NeuroMDAVIS是首个为多模态生物数据集提供联合可视化能力的模型，能够同时捕获模态特定信息和跨模态共同信息	未在摘要中明确提及	解决单细胞多组学数据的高维可视化挑战，实现数据的降维和联合可视化	单细胞多组学数据	机器学习	NA	单细胞技术	深度神经网络	多组学数据	NA	NA	NA	准确率, 精确率, 召回率, F1分数, 聚类有效性指数	NA
894	2026-03-29	DP-OTG: A Feature-Free Deep Learning Model for Accurate Prediction of Human O-Linked Threonine Glycosylation Sites 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261424278 PMID:41762162	研究论文	本研究提出了一种名为DP-OTG的免特征深度学习模型，用于准确预测人类蛋白质O-连接苏氨酸糖基化位点	提出了一种免特征、端到端的深度学习框架，无需手动特征工程，通过混合架构自动从原始蛋白质序列中学习序列模式	未明确说明模型在跨物种预测或处理极低丰度糖基化位点方面的泛化能力	开发一种高效的计算工具来预测人类蛋白质O-连接苏氨酸糖基化位点，以替代昂贵且耗时的实验检测方法	人类蛋白质序列及其O-连接苏氨酸糖基化位点	生物信息学	癌症, 神经系统疾病	深度学习	CNN, BiLSTM	蛋白质序列（文本数据）	未明确说明具体样本数量，但使用了平衡和不平衡测试集进行验证	未明确说明，但代码已开源	多核卷积神经网络, 双向长短期记忆网络, 可训练嵌入层	准确率, 马修斯相关系数	未明确说明
895	2026-03-29	Artificial intelligence in preterm birth prediction: a narrative review of current approaches and clinical applicability 2026-Mar, Obstetrics & gynecology science IF:2.0Q2 DOI:10.5468/ogs.26043 PMID:41775248	综述	本文是一篇关于人工智能在早产预测中应用现状、方法学质量及临床适用性的叙述性综述	系统性地评估了不同数据模态下AI预测早产的方法学质量和临床适用性，并指出了当前研究在方法学严谨性上的普遍不足	综述本身不产生新数据，且指出纳入的研究普遍存在样本量不足、缺乏外部验证、未报告校准指标以及高偏倚风险等局限性	评估人工智能在早产预测领域的应用现状、方法学质量及临床适用性	用于预测自发性早产的机器学习模型及相关研究	机器学习	早产	电子健康记录分析、超声图像分析、宫颈纹理和影像组学特征提取、弹性成像参数、多组学整合	深度学习, Transformer	电子健康记录, 超声图像, 多组学数据	NA	NA	Transformer	受试者工作特征曲线下面积	NA
896	2026-03-28	Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT 2026-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5209 PMID:41825133	研究论文	本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎	首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能	回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据	开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型	121名接受根治性调强放疗的局部晚期非小细胞肺癌患者	数字病理学	肺癌	深度学习，超体素方法，CT成像	机器学习	CT图像，剂量分布图	121名患者	未明确说明	未明确说明	AUC, 准确率, 精确率, 召回率, F1分数	NA
897	2026-03-28	Distinctive DNA sequence features define epigenetic longevity of inflammatory memory 2026-Mar-26, Science (New York, N.Y.) DOI:10.1126/science.adz6830 PMID:41886579	研究论文	本研究通过深度学习探究小鼠表皮干细胞在银屑病样皮肤炎症后形成的长期表观遗传记忆机制，发现CpG二核苷酸密度是记忆持久性的主要驱动因素	首次揭示DNA序列特征（特别是CpG密度）通过整合DNA去甲基化、甲基敏感转录因子、核小体排斥倾向和组蛋白变体H2A.Z等多重机制，驱动炎症记忆在细胞世代间持久维持	研究基于小鼠模型，人类组织中的验证尚需进一步研究；深度学习模型的具体架构和训练细节未在摘要中详细说明	探究炎症记忆在组织干细胞中如何跨时间和细胞分裂持久维持的表观遗传机制	小鼠表皮干细胞	表观遗传学	银屑病	深度学习，染色质可及性分析，DNA甲基化分析	深度学习模型	染色质动态数据，DNA序列数据	NA	NA	NA	NA	NA
898	2026-03-28	A Deep Learning-Driven Framework Integrating Organoid-Based Functional Validation Identifies Universal Neoantigens from Recurrent Glioma Mutations 2026-Mar-26, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2679 PMID:41886621	研究论文	本研究开发了一种结合HLA结合和TCR识别特征的深度学习驱动新抗原预测算法TCRscore，并利用患者来源的胶质母细胞瘤类器官模型进行功能验证，以识别胶质母细胞瘤中的通用新抗原	整合了HLA结合和TCR识别特征的新抗原预测算法TCRscore，结合患者来源的类器官模型进行功能验证，提高了预测准确性并识别出潜在共享新抗原	未明确说明算法在更大规模数据集上的泛化能力，类器官模型可能无法完全模拟体内肿瘤微环境的复杂性	提高胶质母细胞瘤新抗原的识别准确性和免疫原性验证	胶质母细胞瘤患者来源的肿瘤样本和类器官模型	机器学习	胶质母细胞瘤	ELISpot检测、流式细胞术、体外杀伤实验、类器官-T细胞共培养系统	深度学习	基因组数据、转录组数据、类器官图像数据	21例异柠檬酸脱氢酶野生型肿瘤来源的胶质母细胞瘤类器官模型	NA	NA	预测准确性	NA
899	2026-03-28	Leveraging weighted embedding and Transformer architecture to improve phenotype prediction of complex traits for crops 2026-Mar-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71035-5 PMID:41888146	研究论文	本文提出了一种名为GP-WAITER的深度学习框架，通过整合GWAS衍生的SNP权重到混合卷积神经网络和Transformer架构中，以改善作物复杂性状的表型预测	引入了加权嵌入机制和多头自注意力，有效捕捉超长基因组序列中的长程依赖关系，并在预测精度、均方误差减少和计算效率方面显著优于现有模型	未明确提及模型在更广泛作物种类或环境条件下的泛化能力限制	提高作物复杂性状的表型预测准确性，并增强模型的生物学可解释性	作物基因组变异与表型之间的关系	机器学习	NA	GWAS	CNN, Transformer	基因组序列数据	NA	NA	混合卷积神经网络和Transformer架构	预测精度, 均方误差, 计算效率	NA
900	2026-03-28	Letter to the Editor: Deep learning-derived features on neonatal abdominal radiographs-implications and next steps for early NEC diagnosis 2026-Mar-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12463-1 PMID:41888253	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA