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
1101	2026-03-14	Optimizing solar and wind forecasting with iHow optimization algorithm and multi-scale attention networks 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39632-y PMID:41803197	研究论文	本文提出了一种结合深度学习和元启发式优化的混合框架，用于提高风能和太阳能发电预测的准确性和计算可扩展性	提出了基于人类认知阶段启发的iHow优化算法（包括二进制版biHOW和连续版iHOW），并将其与多尺度注意力网络（MSAN）相结合，用于特征选择和超参数调优	未明确说明模型在不同地理区域或极端天气条件下的泛化能力，也未讨论计算资源消耗的具体细节	开发智能且可扩展的可再生能源预测框架，解决输入特征维度高和超参数设置敏感的问题	风能和太阳能发电预测	机器学习	NA	时间序列预测	深度学习	时间序列数据	NA	NA	多尺度注意力网络（MSAN）	均方误差（MSE），平均误分类率	NA
1102	2026-03-14	Nanopore direct RNA sequencing for RNA modification analysis: workflow assessment and computational tool benchmarking 2026-Mar-10, Advanced biotechnology DOI:10.1007/s44307-025-00093-5 PMID:41806147	综述	本文全面概述了牛津纳米孔技术（ONT）在RNA修饰分析中的应用，评估了其工作流程并基准测试了相关的计算工具	系统性地评估了ONT直接RNA测序用于RNA修饰检测的完整工作流程，并对多种计算工具（包括统计模型、机器学习、深度学习及大语言模型策略）进行了基准测试，特别针对m6A和假尿苷（Ψ）进行了跨数据集分析	测序错误率较高、数据和计算需求大、多修饰联合推断复杂，以及不同工具检测结果存在显著差异	评估纳米孔直接RNA测序技术在RNA修饰分析中的工作流程性能，并对相关计算工具进行基准测试	RNA修饰（特别是m6A和假尿苷）	生物信息学	NA	牛津纳米孔直接RNA测序	统计模型, 机器学习, 深度学习, 大语言模型	纳米孔测序信号数据	两个公开可用的数据集	NA	NA	NA	NA
1103	2026-03-14	Integrative spatial profiling pipeline for determining TME architectures in archival clinical specimens using CmTSA superplex technology 2026-Mar-10, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-026-00874-9 PMID:41807362	研究论文	本文开发了一种结合HOC-FD技术和CmTSA超多重技术的空间分析平台，用于在存档临床样本中分析肿瘤微环境（TME）的架构，并提出了一个基于计算机视觉和RNN分析的计算流程来提取和量化空间特征	开发了混合光化学荧光淬灭（HOC-FD）技术，整合了自发荧光淬灭与循环多重酪酰胺信号放大（CmTSA），能够在FFPE组织中同时标记30-60个生物标志物，并具有超高信噪比；同时，提出了一个集成的计算机视觉流程，结合深度学习细胞分割和半径约束邻域网络（RNN）分析，用于定义和验证TME中的功能性生态位	未明确提及样本量以外的具体局限性，但暗示从原始像素级输出中提取空间特征在技术上仍具有挑战性	克服在存档临床样本中进行空间转录组学和蛋白质组学分析的局限性，以可视化并量化肿瘤微环境（TME）中的多细胞功能状态和空间架构	存档的福尔马林固定石蜡包埋（FFPE）组织样本，特别是人类结肠癌和宫颈癌标本	数字病理学	结肠癌, 宫颈癌	混合光化学荧光淬灭（HOC-FD），循环多重酪酰胺信号放大（CmTSA），超多重成像，空间蛋白质组学	深度学习	图像（超多重成像数据）	人类结肠癌和宫颈癌标本（具体数量未明确说明）	NA	NA	准确性，可靠性	NA
1104	2026-03-14	Artificial Intelligence enabled fouling prediction and effect of adsorbent sources in submerged fluidized bed ceramic membrane reactor for food industry wastewater treatment 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124260 PMID:41819202	研究论文	本研究应用浸没式流化床陶瓷膜反应器处理食品工业废水，并构建了基于深度学习的膜污染预测模型	首次在浸没式流化床陶瓷膜反应器中结合多种循环神经网络模型（RNN、LSTM、BiLSTM、GRU）预测膜污染，并采用蒙特卡洛Dropout进行不确定性量化	未明确说明模型在不同水质条件下的泛化能力，且本地购买的活性炭有机去除率较低	开发一种环境可持续的食品工业废水处理方法，并预测和控制膜污染	食品工业废水处理过程中的膜污染现象	机器学习	NA	X射线衍射、傅里叶变换红外光谱分析	RNN, LSTM, BiLSTM, GRU	时间序列数据	NA	NA	RNN, LSTM, BiLSTM, GRU	R值, 误差	NA
1105	2026-03-14	SwinSite: 3D Structure-Based Prediction of Protein-Ligand Binding Sites Using a Combined Vision Transformer and Convolution Model 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02734 PMID:41717955	研究论文	本文提出了一种名为SwinSite的深度学习框架，用于基于蛋白质三维结构预测配体结合位点	结合3D卷积神经网络和分层视觉Transformer模块的混合架构，通过体素化蛋白质结构并利用移位窗口自注意力机制，有效捕捉局部几何特征和长程依赖关系	NA	准确识别蛋白质-配体结合位点以支持基于结构的药物发现	蛋白质三维结构	计算生物学	NA	深度学习	CNN, Transformer	三维网格数据	NA	NA	SwinSite	NA	NA
1106	2026-03-14	ChemTorch: A Deep Learning Framework for Benchmarking and Developing Chemical Reaction Property Prediction Models 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02645 PMID:41735237	研究论文	本文介绍了一个名为ChemTorch的开源深度学习框架，旨在简化和标准化化学反应属性预测模型的开发、实验、超参数调优和基准测试	提出了一个统一的深度学习框架ChemTorch，通过模块化管道、标准化配置和内置数据分割器，解决了现有软件生态系统碎片化问题，促进了模型的可重用性、公平比较和可重复性	NA	开发一个用于化学反应属性预测模型基准测试和开发的深度学习框架	化学反应属性预测模型，特别是能垒高度预测	机器学习	NA	深度学习	NA	化学反应数据	使用RDB7数据集	PyTorch	NA	NA	NA
1107	2026-03-14	Percutaneous nephrostomy guidance by a convolutional-neural-network-based optical coherence tomography endoscope 2026-Mar-06, Communications engineering DOI:10.1038/s44172-026-00613-8 PMID:41792429	研究论文	本研究开发了一种基于卷积神经网络的OCT内窥镜探针，用于经皮肾造瘘术中的针头导航，旨在提高组织识别和血管检测的准确性	结合OCT内窥镜与深度学习模型（Inception和nnU-net），自动化识别肾组织结构和检测血流，提升了手术导航的精确性和效率	实验仅在31个人类肾脏样本中进行，未涉及临床实时手术验证，且样本量相对有限	改进经皮肾造瘘术的导航技术，以解决针头精确放置和避免血管破裂出血的挑战	人类肾脏组织，包括皮质、髓质、肾盏、窦脂肪和肾盂，以及肾脏血流	计算机视觉	肾脏疾病	光学相干断层扫描（OCT），包括结构成像和多普勒功能	CNN	图像	31个人类肾脏样本	NA	Inception, nnU-net	准确率, 交并比	NA
1108	2026-03-14	Artificial intelligence-enabled nanomedicine: enhancing drug design and predictive modeling in pharmaceutics 2026-Mar-05, The Journal of pharmacy and pharmacology IF:2.8Q2 DOI:10.1093/jpp/rgaf113 PMID:41353571	综述	本文综述了人工智能与纳米医学在药物设计及预测建模中的整合应用	探讨了AI方法（如深度学习、强化学习和图神经网络）与纳米载体系统（如脂质体、聚合物纳米颗粒和树枝状聚合物）的结合，以提升药代动力学预测的准确性	面临数据标准化、算法透明度和监管合规性方面的挑战，缺乏统一且灵活的框架来适应快速技术发展	旨在通过AI增强纳米医学，推动靶向药物递送、控释和个性化治疗的发展	纳米载体系统（如脂质体、聚合物纳米颗粒、树枝状聚合物）及相关的药物设计过程	机器学习	NA	NA	深度学习, 强化学习, 图神经网络	高维数据集	NA	NA	NA	NA	NA
1109	2026-03-14	Multi-sequence MRI deep learning and habitat radiomics for predicting mismatch repair status and prognosis in colorectal liver metastasis: a multicenter study 2026-Mar, La Radiologia medica DOI:10.1007/s11547-025-02155-z PMID:41231329	研究论文	本研究利用多序列MRI的栖息地放射组学和深度学习模型，预测结直肠肝转移的错配修复状态和预后	结合栖息地放射组学和深度学习模型，基于多序列MRI预测结直肠肝转移的错配修复状态及预后，并进行了多中心验证	回顾性研究设计，样本量相对有限（178例患者），可能存在选择偏倚	术前预测结直肠肝转移的错配修复状态及患者预后	结直肠肝转移患者	数字病理学	结直肠癌	多序列MRI（包括T2WI、DWI、动态对比增强MRI）	深度学习模型	医学影像（MRI图像）	178例患者（训练队列93例，内部验证队列40例，外部验证队列45例）	NA	NA	AUC, 95% CI	NA
1110	2026-03-14	A Comparative Study on Signal Decomposition Techniques for Stimulated Raman Photoacoustic Microscopy 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500388 PMID:41397816	研究论文	本文比较了基于受激拉曼光谱的多光谱光声显微镜系统中四种信号分解技术的性能	首次在受激拉曼光声显微镜系统中系统比较FFT、最小二乘法、互相关和基于CNN自编码器的深度学习方法的信号分解效果	深度学习方法的性能在较长时延下表现出较大变异性，研究仅在小鼠脑组织数据上进行验证	评估不同信号分解技术在受激拉曼光声显微镜系统中的性能差异	小鼠脑组织产生的532nm和558nm波长的光声信号	生物医学成像	NA	受激拉曼光谱，多光谱光声显微镜	CNN，自编码器	光声信号数据	NA	NA	卷积神经网络与自编码器结合架构	准确度，氧饱和度估计性能	NA
1111	2026-03-14	MultiCell: geometric learning in multicellular development 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02983-x PMID:41398502	研究论文	本文提出了一种名为MultiCell的几何深度学习方法，用于在发育过程中捕获细胞间复杂的相互作用并预测单细胞行为	通过统一的图数据结构整合细胞相互作用和细胞连接网络，实现了可解释的四维形态序列对齐和单细胞分辨率的行为预测	NA	理解和预测发育过程中活体组织内每个细胞随时间变化的行为	果蝇胚胎发生过程中的多细胞系统	机器学习	NA	几何深度学习	几何深度学习模型	多细胞数据，包括细胞几何和细胞连接网络	NA	NA	NA	NA	NA
1112	2026-03-14	[Artificial intelligence in risk stratification of acute coronary syndrome : Future vision or already reality?] 2026-Mar, Herz IF:1.1Q4 DOI:10.1007/s00059-025-05360-8 PMID:41533149	综述	本文综述了人工智能在急性冠脉综合征风险分层中的应用，重点讨论了基于临床变量和高敏肌钙蛋白测量的模型以及基于心电图的方法	利用连续肌钙蛋白值与患者特征结合估计心肌梗死个体概率，而非依赖固定阈值；深度学习模型直接应用于原始心电图信号，利用细微时空变化提升性能	模型仍依赖实验室检测，目前缺乏改善患者相关结局的前瞻性证据	探讨人工智能在急性冠脉综合征风险分层中的支持作用，以实现基于风险的决策	急性冠脉综合征患者，特别是1型或闭塞性心肌梗死	机器学习	心血管疾病	高敏肌钙蛋白测量，心电图分析	机器学习，深度学习	临床变量，肌钙蛋白测量值，心电图信号	NA	NA	NA	NA	NA
1113	2026-03-14	Peripheral Retinal Vessel Density in Children and Adolescents with Myopia: A Deep Learning Assessment 2026-Mar, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01335-y PMID:41689621	研究论文	本研究利用深度学习模型评估了儿童和青少年近视患者眼轴长度对周边视网膜血管密度的影响	首次结合Nested U-Net和ResNet34深度学习模型，通过超广角视网膜图像分析近视儿童周边视网膜血管密度的变化模式	研究为横断面设计，需要纵向研究验证血管变化与近视进展的因果关系	探究眼轴长度对周边视网膜血管密度的影响，并评估深度学习检测近视早期血管变化的可行性	儿童和青少年近视患者	数字病理学	近视	非散瞳超广角成像	CNN	图像	396名儿童和青少年的679只眼睛	NA	Nested U-Net, ResNet34	AUC	NA
1114	2026-03-14	Impact of a deep-learning image reconstruction algorithm on ventilation and perfusion parameters derived by phase-resolved functional lung (PREFUL) magnetic resonance imaging (MRI) in a prospective healthy cohort 2026-Mar, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107248 PMID:41643396	研究论文	本研究首次评估了基于深度学习的图像重建算法对相位分辨功能肺磁共振成像衍生的通气和灌注参数的影响	首次在健康人群中评估深度学习重建算法对PREFUL MRI功能参数的影响，验证了其在提升图像质量的同时不改变功能量化结果	研究仅纳入健康志愿者且样本量较小（24人），未涵盖肺部疾病患者群体	评估深度学习图像重建算法在功能肺MRI中对通气和灌注参数量化的影响	24名肺功能正常的健康志愿者	医学影像分析	NA	相位分辨功能肺磁共振成像，2D快速扰相梯度回波序列	深度学习重建算法	磁共振图像	24名健康志愿者（12名男性，平均年龄28.9±12.8岁）	NA	NA	信噪比，对比噪声比，Bland-Altman分析，相关系数	NA
1115	2026-03-14	Automated Report Generation in Ophthalmology: Integrating Artificial Intelligence, Multimodal Imaging, and Clinical Data 2026-Mar, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01316-1 PMID:41714517	综述	本文综述了人工智能在眼科自动报告生成领域的最新进展，重点探讨了多模态成像与临床数据的整合	强调将多模态成像（如眼底照相、OCT、荧光素血管造影）与临床数据通过AI进行整合，以生成结构化、可解释且个性化的诊断报告，从而提升诊断精度和工作流程效率	面临数据异质性、模型可解释性、伦理治理以及临床整合等持续挑战	总结AI驱动的眼科报告生成技术进展，探讨其临床价值、挑战及未来方向	眼科诊断报告，涉及糖尿病视网膜病变、青光眼、白内障、年龄相关性黄斑变性等疾病	自然语言处理, 计算机视觉	糖尿病视网膜病变, 青光眼, 白内障, 年龄相关性黄斑变性	多模态成像（眼底照相、光学相干断层扫描、荧光素血管造影）	深度学习, 自然语言处理模型, 卷积神经网络, Transformer, 大语言模型	图像, 文本（临床记录）	NA	NA	卷积神经网络, Transformer	NA	NA
1116	2026-03-13	Multimodal framework for early developability assessment to accelerate protein and antibody development 2026-Mar-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2026.126703 PMID:41724260	研究论文	本文提出了一种多模态深度学习框架（Formulation），用于早期蛋白质和抗体药物的可开发性评估，以加速其开发过程	构建了四个涵盖构象稳定性、胶体稳定性、粘度和溶解度的可开发性相关数据集，并设计了一个多模态深度学习框架来整合三维结构数据、序列、氨基酸组成描述符和配方组成，以准确预测蛋白质配方可开发性参数	未明确说明数据集的覆盖范围是否全面，或模型在更广泛蛋白质类型上的泛化能力	加速蛋白质和抗体药物的开发，通过早期可开发性评估减少试错实验	蛋白质和抗体药物，以及相关的配方条件（如pH、离子强度、辅料等）	机器学习	NA	多模态深度学习，迁移学习，传统机器学习算法	深度学习框架	三维结构数据，序列数据，氨基酸组成描述符，配方组成数据	四个数据集分别包含986、919、900和749个条目，每个条目代表特定蛋白质和配方条件下的可开发性属性测量；进一步实验验证涉及9种蛋白质和65种配方	未指定具体框架，但提及迁移学习和传统机器学习算法	Formulation（自定义多模态深度学习框架）	准确度	NA
1117	2026-03-13	A Semi-Automated Deep Learning Model for Diagnosing Placenta Accreta Spectrum (COMPAS): Comparison with Radiologists' Interpretations 2026-Mar-12, The Tohoku journal of experimental medicine DOI:10.1620/tjem.2026.J001 PMID:41813193	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1118	2026-03-13	Rapid Proteome-Wide Discovery of Protein-Protein Interactions With ppIRIS 2026-Mar-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521310 PMID:41816949	研究论文	介绍了一种名为ppIRIS的轻量级深度学习框架，用于从蛋白质序列直接预测蛋白质-蛋白质相互作用，并在多物种基准测试中实现了最先进的准确性	提出了一种结合进化和结构嵌入的迭代孪生网络框架，能够快速进行全蛋白质组规模的相互作用预测，并在跨物种预测中表现出色	模型主要基于细菌数据集训练，可能在其他物种或更复杂相互作用中的泛化能力有待进一步验证	开发一个高效、可扩展的计算方法，以全面映射蛋白质-蛋白质相互作用网络	蛋白质-蛋白质相互作用，特别是细菌（如A组链球菌）及其与人类血浆的跨物种相互作用	机器学习	NA	深度学习，蛋白质序列分析	Siamese networks	蛋白质序列数据	基于精选的细菌数据集训练，并应用于A组链球菌全蛋白质组	TensorFlow, PyTorch	迭代孪生网络	准确性，恢复率（56.2%已知相互作用）	Google Colaboratory，支持在几分钟内完成全蛋白质组筛选
1119	2026-03-13	IoT-based Stomach abnormality detection via hybrid MDCNN-Bi-LSTM architecture with statistical and texture features 2026-Mar-12, Informatics for health & social care IF:2.5Q3 DOI:10.1080/17538157.2026.2632846 PMID:41817021	研究论文	本文提出了一种基于医疗物联网（IoT）和虹膜图像的胃部异常检测方法（HIoT-SADII），通过混合MDCNN-Bi-LSTM架构结合统计与纹理特征进行检测	提出了一种结合医疗物联网架构、改进的均值与Niblack阈值深度联合分割（MMNT-DJS）方法、以及混合Bi-LSTM与块状改进Dropout CNN（BMDCNN）的深度学习模型，用于从虹膜图像中检测胃部异常	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及物联网数据采集在实际临床环境中的可行性与隐私问题	开发一种基于物联网和深度学习的自动化系统，用于通过虹膜图像非侵入性地检测胃部异常	虹膜图像	计算机视觉	胃部疾病	图像采集与处理，特征提取	CNN, LSTM	图像	NA	NA	Bi-Directional LSTM, 块状改进Dropout CNN (BMDCNN)	准确率, F-measure	NA
1120	2026-03-13	HD-MCVN: hybrid-domain multi-contrast variational network for MRI super-resolution 2026-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4a7e PMID:41740255	研究论文	本文提出了一种混合域多对比变分网络（HD-MCVN），用于MRI超分辨率重建，通过整合图像域和k空间信息以及多模态先验，提升重建质量	提出混合域多对比变分网络，整合变分优化与深度学习，显式建模跨模态关系，并引入数据保真层和结构纹理细化层，增强重建的物理可解释性	未明确提及模型的计算复杂度或泛化能力到其他医学影像模态的局限性	开发一种用于MRI超分辨率重建的深度学习方法，以提高图像质量和临床诊断可靠性	多对比MRI图像	计算机视觉	NA	MRI	变分网络	图像	多个MRI数据集（具体数量未提及）	NA	HD-MCVN	PSNR, SSIM, HFEN	NA