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
1221	2026-03-05	Early feature extraction drives model performance in high-resolution chromatin accessibility prediction 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.281042.125 PMID:41526189	研究论文	本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素	首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用	未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体	提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响	染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测	机器学习	NA	ATAC-seq	CNN, LSTM, 扩张CNN, Transformer	DNA序列数据	NA	NA	ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer	预测准确性, 信号形状保持度	NA
1222	2026-03-05	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Mar-02, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	本文通过文献计量分析，绘制了人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	首次系统性地利用CiteSpace和Carrot2工具对人工智能在口腔颌面外科领域的文献进行共引网络、结构变异分析和术语共现网络分析，揭示了从传统机器学习向深度学习及Transformer模型的范式转变，并突出了迁移学习和头颈癌预后建模等新兴应用方向	研究基于截至2025年1月10日的文献数据库，可能未涵盖最新发表的研究；分析依赖于所选数据库的收录范围，可能存在遗漏	旨在绘制人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	人工智能在口腔颌面外科领域的相关学术出版物	数字病理学	头颈癌	文献计量分析	NA	文本	5267篇文章	NA	NA	NA	NA
1223	2026-03-05	Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review 2026-Mar-02, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2026.02.016 PMID:41775582	系统综述	本文系统评估了人工智能模型在预测骨骼性III类错颌畸形患者是否需要正颌手术方面的性能	首次对AI在骨骼性III类错颌畸形治疗预测中的应用进行了系统性综述，比较了机器学习与深度学习模型在头影测量和临床数据上的表现	纳入研究数量有限（15项），需要更大规模、多中心数据集和外部验证以提高可靠性并解决潜在偏倚	评估AI模型在预测骨骼性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能	骨骼性III类错颌畸形患者	机器学习	骨骼性III类错颌畸形	头影测量和临床数据分析	机器学习算法（如Random Forest, XGBoost）和深度学习模型（如CNN）	头影测量数据和临床数据	NA	NA	Random Forest, XGBoost, ResNet-based CNN	准确率, 灵敏度, 特异性, AUC	NA
1224	2026-03-05	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-Mar-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	本研究评估了基于多序列MRI的深度学习特征与Vision Transformer结合预测局部晚期鼻咽癌新辅助化疗疗效的价值	首次探索将MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效，通过融合2.5D-ResNet50和3D-DenseNet121特征并输入ViT进行全局上下文建模，显著提升了预测性能	回顾性研究设计，样本量相对有限（266例患者），需要外部验证以确认模型的泛化能力	预测局部晚期鼻咽癌患者新辅助化疗的疗效	局部晚期鼻咽癌患者	计算机视觉	鼻咽癌	MRI	深度学习模型, Vision Transformer	MRI图像	266例局部晚期鼻咽癌患者	NA	ResNet50, DenseNet121, Vision Transformer	AUC, 准确率, F1分数	NA
1225	2026-03-05	Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D 2026-Mar, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2410228 PMID:39422438	研究论文	本文提出了一种基于融合特征MSA和改进的1D DRN-biLSTM网络模型，用于识别脑卒中后构音障碍的病理语音	提出了一种新颖的融合特征（MSA）并结合了改进的一维残差网络、双向LSTM和空洞卷积的混合模型（1D DRN-biLSTM），以更好地表征病理语音的隐藏特征	摘要中未明确提及研究的局限性	开发一种改进的深度学习模型，用于区分脑卒中后构音障碍的病理语音和正常语音，以辅助PSD的评估与诊断	脑卒中后构音障碍患者的语音数据	自然语言处理	脑卒中	语音信号处理，深度学习	CNN, LSTM, ResNet	语音	NA	NA	1D ResNet, bi-directional LSTM, 1D DRN-biLSTM	准确率	NA
1226	2026-03-05	Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images 2026-Mar, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70075 PMID:41307481	研究论文	本研究开发了一种基于全切片图像的深度学习系统（QANIC），用于慢性鼻炎患者鼻腔炎症细胞的定量评估和表型分型	首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行炎症表型分型	研究样本量相对有限，外部验证队列仅包含两个临床中心	建立基于人工智能的鼻腔炎症细胞学定量评估系统，以研究慢性鼻炎的炎症表型	慢性鼻炎患者的鼻腔分泌物涂片	数字病理学	慢性鼻炎	全切片图像	深度学习模型	图像	开发阶段145例患者，内部队列881例，外部验证队列234例	NA	NA	NA	NA
1227	2026-01-11	A novel quantification method for automatic computation of breast density from mammography images using deep learning 2026-Mar, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01808-1 PMID:41511727	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1228	2026-03-05	Sub-Milliscale-Resolution Bimodal Tactile Sensor Array with Human-Skin-Like Graphesthesia Sensation 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202519734 PMID:41572940	研究论文	本文介绍了一种具有亚毫米级分辨率的双模态触觉传感器阵列，结合压电和摩擦电传感器，实现了类似人类皮肤的图形感知能力	实现了亚毫米级空间分辨率（700微米）和高传感器密度（226像素/平方厘米）的双模态触觉感知，并利用深度学习算法重建软度加密图案	未明确提及传感器阵列的长期稳定性、环境适应性或大规模生产成本等限制	开发高分辨率多模态触觉传感器，以提升具身智能系统和机器人的触觉感知能力	双模态触觉传感器阵列，包括压电传感器阵列和摩擦电传感器阵列	机器感知	NA	压电传感、摩擦电传感	深度学习算法	压力分布数据、接触高度数据	NA	NA	NA	空间分辨率、传感器密度、响应时间	NA
1229	2026-03-05	LeqMod: Adaptable Lesion-Quantification-Consistent Modulation for Deep Learning Low-Count PET Image Denoising 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618247 PMID:41052161	研究论文	提出一种名为LeqMod的可适应调制策略，用于深度学习低计数PET图像去噪，以改善病灶量化准确性	通过下游病灶量化分析作为辅助工具，设计了一种即插即用的病灶感知和量化一致调制策略，无需在推理阶段增加计算负担	NA	增强PET图像去噪性能，减少辐射暴露和扫描时间	低计数PET图像	数字病理学	NA	PET成像	深度学习	图像	来自多个中心和供应商的大型PET数据集，包含不同噪声水平	NA	NA	SUVmax偏差, PSNR	NA
1230	2026-03-05	Transformer-based multidimensional feature fusion for accurate prediction of lipid nanoparticles transfection efficiency 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag092 PMID:41766648	研究论文	本研究构建了一个用于预测脂质纳米颗粒转染效率的深度学习框架LIFT，并提供了包含超过10,000个实验测量值的数据集LNPs-TE	提出了首个基于Transformer的多维特征融合框架LIFT，用于预测脂质纳米颗粒的转染效率，在多个数据集上实现了优于现有基准模型的性能	研究主要关注离子化脂质，未全面考虑脂质纳米颗粒配方中其他组分（如辅助脂质、PEG脂质等）的潜在影响	通过深度学习模型辅助脂质纳米颗粒配方的早期设计与优化，以提高RNA递送效率	脂质纳米颗粒及其转染效率	机器学习	NA	深度学习	Transformer	分子表示数据、实验测量值	超过10,000个实验测量的转染效率值	PyTorch	Transformer	Pearson相关系数, AUC-ROC, 决定系数R2	NA
1231	2026-03-05	Q-Space Guided Multi-Modal Translation Network for Diffusion-Weighted Image Synthesis 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618683 PMID:41056154	研究论文	提出了一种用于从灵活q空间采样合成多壳高角度分辨率扩散加权成像的Q空间引导多模态翻译网络	提出Q-MMTN网络，通过混合编码器和多模态注意力融合机制，结合灵活的q空间感知嵌入，实现了不依赖固定采样方案的动态特征调制	NA	从灵活的q空间采样合成多壳高角度分辨率扩散加权成像	扩散加权成像数据	医学影像分析	NA	扩散加权成像	深度学习网络	MRI图像（T1加权、T2加权、DWI）	四个生命周期数据集（儿童、青少年、年轻成人、老年成人）	NA	Q-MMTN（Q-space Guided Multi-Modal Translation Network）	参数图和纤维束估计的准确性	NA
1232	2026-03-05	MACE Risk Prediction in ARVC Patients via CMR: A Three-Tier Spatiotemporal Transformer With Pericardial Adipose Tissue Embedding 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618711 PMID:41056153	研究论文	本文提出了一种基于心脏磁共振成像的三层时空Transformer模型，用于预测致心律失常性右室心肌病患者的重大不良心脏事件风险	提出了三层时空Transformer架构，首次将心包脂肪组织的动态和位置信息作为先验知识嵌入模型，并引入了基于心包脂肪组织信息引导的局部特征投票单元	数据集规模有限（ARVC为罕见病），非MACE与MACE患者的图像分布存在重叠	预测致心律失常性右室心肌病患者发生重大不良心脏事件的风险	致心律失常性右室心肌病患者	计算机视觉	心血管疾病	心脏磁共振成像	Transformer	图像序列	未明确说明具体样本数量（提及数据集规模有限）	未明确说明	三层时空Transformer	AUC, 准确率, C-index	未明确说明
1233	2026-03-05	MoE-Morph: Lightweight Pyramid Model With Heterogeneous Mixture of Experts for Deformable Medical Image Registration 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620406 PMID:41086068	研究论文	提出了一种用于可变形医学图像配准的轻量级金字塔模型MoE-Morph，它采用异构专家混合机制来增强特征处理能力	引入了密集的专家混合金字塔配准模型，通过路由方案和多个异构专家增加单层特征处理的宽度和灵活性，仅使用形变场作为层级间信息传递范式	未使用注意力或视觉Transformer等复杂机制，模型保持最简形式，可能在某些极端复杂形变场景下存在局限	解决深度学习配准方法在处理大而复杂位移时的困难，提高医学图像配准的精度和鲁棒性	医学图像（脑部、肺部、腹部多模态图像）	数字病理	NA	深度学习图像配准	金字塔模型、专家混合模型	医学图像	四个公共数据集（具体数量未明确说明）	NA	MoE-Morph（异构专家混合金字塔架构）	NA	NA
1234	2026-03-03	Deep learning of committor for ion dissociation and interpretable analysis of solvent effects using atom-centered symmetry functions 2026-Mar-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0315825 PMID:41769876	研究论文	本研究利用深度学习识别水中NaCl离子对结合与解离的反应坐标，并通过可解释人工智能技术分析溶剂效应	采用基于原子中心对称函数的描述符编码离子周围溶剂环境，并应用SHAP分析识别对反应坐标有贡献的ACSFs，为离子解离机制提供分子层面解释	未明确说明模型泛化能力或对其他离子体系的适用性	识别水中离子对结合与解离过程的反应坐标，并分析溶剂效应	水中的NaCl离子对	机器学习	NA	分子动力学模拟，原子中心对称函数	神经网络	分子模拟数据	NA	NA	NA	committor作为反应坐标的定量度量	NA
1235	2026-03-03	A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images 2026-Mar-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0582 PMID:41289566	研究论文	本文提出了一种名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中准确预测多种驱动基因突变	开发了基于多实例学习的自适应多视图特征融合框架，能够整合全切片图像中的肿瘤微环境特征，不仅预测驱动基因突变，还能识别突变亚型和外显子变异，超越了现有方法仅进行突变水平预测的限制	研究主要基于中国四家医院的数据，可能限制了模型在其他人群或地区的泛化能力；未详细讨论模型在临床实际部署中的具体挑战	开发一个深度学习框架，从常规组织病理学切片中预测肺癌的驱动基因突变，以指导靶向治疗选择	肺癌患者的病理图像和下一代测序数据	数字病理学	肺癌	下一代测序	多实例学习	图像	来自中国四家医院的2,573名肺癌患者	NA	NAVF-Bio	NA	NA
1236	2026-03-03	Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning 2026-Mar-02, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261419893 PMID:41769819	研究论文	本文提出了一种基于预训练和自监督微调的低剂量CT去噪领域自适应方法	提出了一种无需目标域标签的自监督微调方法，通过像素洗牌图像预处理和两阶段微调策略来弥合领域差距，并设计了双尺度SwinIR模型作为预训练骨干网络	未明确说明方法在更广泛或临床数据集上的泛化能力，以及计算效率的详细评估	开发一种有效的领域自适应技术，以提升低剂量CT去噪模型在跨域数据集上的性能	低剂量CT图像	计算机视觉	NA	低剂量CT成像	深度学习模型	图像	基于两个公共数据集进行评估，具体样本数量未明确说明	PyTorch（基于代码仓库推断）	SwinIR	去噪性能指标（如PSNR、SSIM等，具体未列出）	NA
1237	2026-03-03	Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging 2026-Mar, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01904-4 PMID:41196555	研究论文	评估并比较了使用压缩感知的扩散加权成像与结合模型深度学习重建的扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能	首次将模型深度学习重建应用于腹部扩散加权成像，以评估其在肝转移瘤与血管瘤检测和区分中的效果	研究为回顾性分析，样本量较小（53名患者），且未在独立外部数据集上验证	评估深度学习重建对腹部扩散加权成像在肝转移瘤与血管瘤检测和区分中图像质量和诊断性能的影响	肝转移瘤和肝血管瘤患者	数字病理	肝转移瘤, 肝血管瘤	扩散加权成像, 压缩感知, 深度学习重建	深度学习模型	医学影像（扩散加权成像）	53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤	NA	NA	信号噪声比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 敏感性, 特异性	NA
1238	2026-03-03	Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis 2026-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000864 PMID:41321165	综述	本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析和临床报告生成	全面概述了深度学习在心血管MRI全流程（从采集到诊断）中的应用进展，并强调了其在提升效率、图像质量和自动化分析方面的潜力	NA	探讨人工智能在心血管磁共振成像中的应用及其对临床实践的变革	心血管磁共振成像技术及其相关数据处理流程	医学影像分析	心血管疾病	磁共振成像	深度学习	医学影像数据	NA	NA	NA	NA	NA
1239	2026-03-03	Transformer-based classification and interpretability of NR3C1 expression patterns in OSCC: Metabolic adaptation insights 2026 Mar-Apr, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2026.101427 PMID:41768316	研究论文	本研究评估了四种基于Transformer的模型在NR3C1蛋白序列分类中的性能，并与深度学习和传统机器学习方法进行比较	首次将Transformer模型（如RoBERTa、ALBERT）应用于NR3C1蛋白序列分类，并展示了其在准确性和参数效率上的优势	研究仅基于5个UniProt序列的小样本数据集，可能限制模型的泛化能力	评估Transformer模型在蛋白序列分类任务中的性能，并探索其在口腔鳞状细胞癌（OSCC）相关蛋白NR3C1表达模式分类中的应用	NR3C1蛋白的肽序列	自然语言处理	口腔鳞状细胞癌	蛋白序列分析	Transformer, 深度学习模型, 传统机器学习分类器	蛋白序列（文本）	5个UniProt序列，分为中等长度（200-500 aa）和长序列（>500 aa）两类	NA	BERT, RoBERTa, DistilBERT, ALBERT	F1分数	NA
1240	2026-03-02	Optimizing deep CNN architecture via hybrid Harris Hawks arithmetic algorithm for EEG meditation classification 2026-Mar-27, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.02.001 PMID:41655886	研究论文	本文提出了一种结合Harris Hawks优化算法和算术优化算法的混合CNN架构优化方法，用于基于EEG信号的冥想分类	首次将HHO和AOA算法结合，用于优化CNN超参数，以处理EEG信号的时频图像分类任务	未提及	优化深度学习架构以提升EEG冥想分类的准确性和鲁棒性	EEG信号，具体分为Vipassana、Isha Shoonya和Control三类冥想状态	机器学习	NA	EEG信号处理，Stockwell变换	CNN	图像（时频图像）	NA	NA	CNN	准确率，最佳适应度，最差适应度，平均适应度，标准差	NA