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
1261	2026-02-28	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	本研究结合深度学习与差异表达分析等基因特征选择方法，在基因表达数据上显著提升了急性心肌梗死患者的分类性能	将深度学习与生物特征选择方法（特别是差异表达分析）相结合，用于基因表达分类，同时实现基因排序和生物标志物识别	研究仅基于两个基因表达数据集（GSE36961和GSE57345），样本量有限，可能影响结果的泛化能力	提高基于基因表达数据的急性心肌梗死患者分类准确性，并识别高风险基因	急性心肌梗死患者的基因表达数据	机器学习	心血管疾病	基因表达分析	深度学习, 机器学习	基因表达数据	两个基因表达数据集（GSE36961和GSE57345），具体样本数未明确	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
1262	2026-02-28	AI for smart wastewater treatment plants: A review of physics-informed water quality modeling, optimization, and advanced control 2026-Mar-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128949 PMID:41671993	综述	本文综述了过去十年中人工智能在污水处理厂出水质量预测、过程优化和先进控制方面的研究进展，重点探讨了这些方法如何支持智能污水处理厂的发展	强调将物理信息（如活性污泥模型和过程约束）嵌入神经网络，并讨论将这些模型与实时优化和控制框架结合的路径	当前应用仍面临可解释性有限、跨厂可移植性弱以及对变化运行条件鲁棒性差的问题	探讨人工智能如何使污水处理厂实现低碳和智能化	污水处理厂	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	神经网络	NA	NA
1263	2026-02-28	Limitation of existing GFR estimating equations and application of artificial intelligence in improving GFR estimation and chronic kidney disease progression in people with diabetes 2026-Mar, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113152 PMID:41679651	综述	本文综述了现有肾小球滤过率估算方程的局限性，并探讨了人工智能在改善糖尿病患者GFR估算和慢性肾病进展预测中的应用	系统性地评估了人工智能方法（特别是机器学习）在糖尿病患者这一特定人群中改进GFR估算和CKD进展预测的潜力，并指出了现有研究的局限性	现有研究样本量较小，且多数来自特定国家或人群，研究结果不一致，需要在更大规模和更多样化的人群中进行验证	评估和改进糖尿病患者肾小球滤过率的估算方法，并预测慢性肾病的进展	糖尿病患者	机器学习	慢性肾病	NA	人工神经网络, 随机森林, 支持向量机, 集成学习模型	NA	较小样本量（具体未说明）	NA	NA	偏倚, 精确度, 准确度	NA
1264	2026-02-28	Deep learning and machine learning for differentiation between contrast extravasation and hemorrhagic transformation in post-thrombectomy stroke CT 2026-Mar, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101530 PMID:41687434	研究论文	本研究开发并验证了基于机器学习和深度学习的模型，用于在机械取栓后6小时内的非增强CT上区分出血性转化与造影剂外渗	首次将U-Net深度学习模型与基于影像组学的传统机器学习模型（如支持向量机、随机森林和逻辑回归）结合，用于急性缺血性卒中后机械取栓术的早期并发症鉴别	研究为回顾性设计，样本量相对较小（111例患者），且仅针对前循环卒中患者，未来需要更大规模的前瞻性研究和混合方法验证	开发并验证机器学习模型，以在机械取栓后早期准确区分非增强CT上的出血性转化与造影剂外渗	接受机械取栓术的急性前循环缺血性卒中患者，特别是术后出现高密度影的患者	计算机视觉	心血管疾病	非增强CT成像	SVM, RF, LR, CNN	医学影像（CT图像）	351例患者（其中111例有术后高密度影，分为训练集72例和测试集39例）	NA	U-Net	准确率, 灵敏度, 特异度, F1分数, AUC	NA
1265	2026-02-28	Predicting human gait kinematics and kinetics from a single inertial measurement unit using deep learning and synthetic datasets: A blinded assessment study 2026-Mar, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113149 PMID:41687508	研究论文	本研究提出了一种使用单个惯性测量单元和深度学习网络预测人体步态运动学和动力学的方法，并通过盲法评估验证其性能	采用条件生成对抗网络增强合成数据集的变异性，并首次在真实IMU数据上进行盲法评估和微调验证	模型在真实IMU数据上的性能较虚拟数据有所下降，且样本量相对有限（共59名健康成年人）	开发从单个骶骨佩戴的惯性测量单元预测下肢关节角度和力矩的神经网络模型	健康成年人的步态运动学和动力学数据	机器学习	NA	惯性测量单元测量，运动捕捉系统	神经网络，条件生成对抗网络	惯性测量单元数据，运动捕捉标记数据	49名健康成年人（训练集），7名健康成年人（盲法测试集），3名健康成年人（微调后测试集）	NA	神经网络，条件生成对抗网络	均方根误差	NA
1266	2026-02-28	Molecular modelling assisted identification of novel Benzoxazole derivatives as hit molecules targeting Mycobacterial Membrane Protein Large 3 (MmpL3) 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111521 PMID:41628494	研究论文	本文通过分子建模辅助设计新型苯并恶唑衍生物作为靶向分枝杆菌膜蛋白大3（MmpL3）的候选分子，以抑制细胞壁合成并对抗结核病	设计了新型苯并恶唑甲酰胺衍生物，并综合运用分子对接、深度学习对接、分子动力学模拟及MM-GBSA、FEP分析等多种计算与实验方法进行验证，其中BXZ-IX和BXZ-XIV显示出与标准抑制剂SQ109相当的抗分枝杆菌活性	研究主要基于实验室测试和计算模拟，尚未进行体内实验或临床验证，且活性化合物的MIC值（15.62-62.5 μg/mL）虽有效但仍有优化空间	开发靶向MmpL3蛋白的新型抗结核化合物，以抑制分枝杆菌细胞壁合成	14种合成的苯并恶唑甲酰胺衍生物（BXZ-I至BXZ-XIV）及其对分枝杆菌（如耻垢分枝杆菌）的抑制活性	计算药物设计	结核病	分子对接、ADME预测、毒性预测、深度学习对接、分子动力学模拟、MM-GBSA、FEP分析	深度学习模型（用于对接）、分子动力学模拟模型	化合物结构数据、计算模拟数据、实验MIC数据	14种合成衍生物	NA	NA	最小抑制浓度（MIC）	NA
1267	2026-02-28	Complex networks for modeling texture and spectral features of hyperspectral images for environmental analysis 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111504 PMID:41633275	研究论文	本文介绍了一种用于高分辨率高光谱图像分析和分类的复杂网络方法，应用于检测环境污染	提出了一种名为定向角度相似性网络（DNAS）的手工设计技术，将高光谱像素建模为基于光谱带角度相似性连接的复杂网络顶点，有效提取特征并生成紧凑图像表示	样本数量有限，高光谱数据维度高，传统深度学习方法不适用	开发一种稳健高效的方法，用于高分辨率高光谱图像的分类，以检测环境污染	暴露于不同氟化钾水平的Jacaranda caroba植物叶片	计算机视觉	NA	共聚焦激光扫描显微镜（CLSM）	复杂网络	高光谱图像	NA	NA	定向角度相似性网络（DNAS）	分类准确率	NA
1268	2026-02-28	Deep Learning-based Detection of Colorectal Liver Metastases: Performance, Robustness, and Clinical Implications 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.260046 PMID:41758034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1269	2026-02-27	Can atrial fibrillation ablation outcomes be properly predicted with electrocardiography and artificial intelligence? 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztag029 PMID:41743189	研究论文	本研究探讨了基于心电图和深度学习算法预测心房颤动消融术后重复消融需求的能力	首次使用原始12导联心电图数据和深度神经网络来预测心房颤动消融的重复手术需求	模型预测性能有限（AUC仅0.61），可能受限于非心电图参数的影响、数据集规模不足或需要长期心电图监测数据	评估心电图结合人工智能在预测心房颤动消融结果中的有效性	接受心房颤动消融手术的患者	机器学习	心血管疾病	心电图	深度神经网络,随机森林	心电图原始数据	865名患者（其中163名需要重复消融）	NA	NA	AUC,准确率	NA
1270	2026-02-26	Neural network-assisted RNA velocity imputation for empowering transcript dynamics-based analyses 2026-Mar-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114909 PMID:41736867	研究论文	提出了一种名为NARVI的深度学习框架，用于通过神经网络辅助RNA速度插补，以解决现有工具无法计算大量基因速度的问题	首次利用深度学习模型学习可计算基因的表达模式与速度之间的关系，以准确估计原本无法计算的基因速度	未在摘要中明确提及	解决RNA速度估计工具因技术限制或模型假设而无法计算大量基因速度的问题，以扩展基于速度的下游分析范围	单细胞转录组数据集中的基因速度估计	机器学习	NA	单细胞转录组测序	深度学习	单细胞转录组数据	多个单细胞转录组数据集	NA	NA	NA	NA
1271	2026-02-26	Knowledge-graph-enhanced multi-scale modeling for drug-drug interaction prediction 2026-Mar-12, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2026.102855 PMID:41736888	研究论文	本文提出了一种名为ALG-DDI的多尺度特征融合模型，用于预测药物-药物相互作用，并扩展至DDI事件预测	整合了属性、局部关联和全局语义信息，通过Transformer编码器融合多尺度表示，克服了传统方法依赖手工特征和无法捕捉全局多尺度关系的局限	未明确提及模型的具体计算复杂度或对特定药物类别的泛化能力限制	预测药物-药物相互作用，以理解联合用药效果并预防不良反应	药物及其相互作用	机器学习	NA	知识图谱增强的多尺度建模	Transformer, RGCN, GraphSAGE, ComplEx	药物属性、蛋白质与疾病关联、知识图谱数据	三个数据集	NA	Transformer编码器，全连接网络	NA	NA
1272	2026-02-26	Detection and classification of medical images using deep learning for chronic kidney disease 2026-Mar, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04786-7 PMID:40991191	研究论文	本研究提出了一种基于卷积神经网络和乌鸦搜索算法的深度学习方法，用于从医学图像中检测和分类慢性肾脏病	结合了卷积神经网络和乌鸦搜索算法进行特征优化，提高了分类准确性和模型可解释性	仅使用了公开的肾脏CT扫描数据集，未在其他类型医学图像或更大规模数据上进行验证	开发一种自动化、精确且高效的慢性肾脏病早期检测和分类方法	慢性肾脏病患者的医学图像	计算机视觉	慢性肾脏病	CT扫描	CNN	图像	公开的肾脏CT扫描数据集	NA	CNN	准确率, AUC-ROC, PR-AUC, 精确率, 召回率, F1分数	NA
1273	2026-02-26	Resolution and quality enhancement of SPECT cerebral blood flow images using Pix2pix deep learning 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02129-1 PMID:41231365	研究论文	本研究利用Pix2pix深度学习框架提升SPECT脑血流图像的分辨率和质量	首次应用Pix2pix机器学习框架将SPECT-CBF图像转换为与PET-CBF图像质量相近的图像，同时保留SPECT的定量特性	样本量相对较小（73例患者），且仅针对疑似脑缺血患者，可能限制了模型的泛化能力	提升SPECT脑血流图像的分辨率和图像质量，使其更接近PET图像	73例疑似脑缺血患者的SPECT和PET脑血流图像	医学影像分析	脑缺血	SPECT成像（使用123I-IMP）、PET成像（使用O-15标记气体）、图像配准（SPM12）	GAN	医学图像（SPECT和PET图像）	73例患者（43例用于训练，15例用于测试，15例用于验证）	Pix2pix	Pix2pix	视觉评估（5分制）、结构相似性指数（SSIM）、基于感兴趣区域（ROI）的定量分析（相关系数r）	NA
1274	2026-02-26	Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson's disease 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02132-6 PMID:41296269	研究论文	本研究开发了一种基于深度学习的简单图像分析方法，用于评估多巴胺转运体单光子发射计算机断层扫描图像，以支持帕金森病的诊断	首次利用预训练的卷积神经网络架构进行迁移学习，创建了针对DAT SPECT图像的AI模型，其准确性可与经验丰富的神经科医生相媲美	研究样本量相对有限，且仅使用单一影像模态（DAT SPECT），未考虑其他临床或影像数据	开发一种简单的人工智能图像分析方法，以辅助帕金森病的诊断	帕金森病患者和非神经退行性疾病对照患者	计算机视觉	帕金森病	多巴胺转运体单光子发射计算机断层扫描	CNN	图像	开发队列包括300名帕金森病患者和102名对照患者，验证队列包括96名帕金森病患者	NA	六种预训练的卷积神经网络架构	准确性, 敏感性, 受试者工作特征曲线下面积	NA
1275	2026-02-22	Deep Learning-Enabled Diabetic Retinopathy Screening: A Techno-Clinical Revolution or Just More Artificial Intelligence Hype? 2026-Mar-01, Diabetes care IF:14.8Q1 DOI:10.2337/dci25-0123 PMID:41719471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1276	2026-02-26	Integrating Artificial Intelligence in Environmental Monitoring: A Paradigm Shift in Data-Driven Sustainability 2026-Mar, EcoHealth IF:2.2Q3 DOI:10.1007/s10393-025-01752-8 PMID:40875110	综述	本文综述了人工智能在环境监测领域的最新进展，探讨了其在数据驱动可持续发展中的变革潜力	强调了可解释人工智能、边缘计算和物联网等新兴技术在提高透明度和降低处理成本方面的应用	面临数据质量、计算需求以及模型可解释性等持续挑战	评估人工智能在可持续环境管理中的实际应用潜力与挑战	环境监测系统、生态系统数据	机器学习	NA	机器学习、深度学习	NA	图像、GPS数据	NA	NA	NA	NA	边缘计算
1277	2026-02-25	Applicator reconstruction in cervical cancer brachytherapy: A systematic review of current methods, challenges, and AI-driven future directions 2026 Mar-Apr, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.10.004 PMID:41344965	综述	本文系统综述了宫颈癌近距离放射治疗中施源器重建的现有方法、挑战及AI驱动的未来方向	系统评估了从手动到AI驱动的施源器重建方法，并重点分析了深度学习模型在克服金属伪影、部分容积效应和操作者间变异性方面的潜力	临床验证有限（60%的研究使用体模），数据异质性大（层厚范围0.6-5毫米），且对新施源器设计的泛化性不足	评估施源器重建方法的准确性、效率和临床影响，并探讨AI克服现有局限性的潜力	宫颈癌近距离放射治疗中的施源器重建	数字病理	宫颈癌	3D图像引导近距离放射治疗	CNN	医学影像	分析了23项研究	NA	U-Net, Dilated-Supervised Deep U-Net, Attention-Gated networks	几何精度（尖端误差、豪斯多夫距离）、重建时间、剂量学参数（D90 HR-CTV、D2cc OARs）、Dice相似系数	NA
1278	2026-02-25	A Comprehensive Framework for Uncertainty Quantification of Voxel-Wise Supervised Deep Learning Models in IVIM MRI 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70227 PMID:41555683	研究论文	本文提出了一种基于深度集成和混合密度网络的概率深度学习框架，用于IVIM MRI中体素级监督深度学习模型的不确定性量化	创新点在于使用深度集成和混合密度网络来估计总预测不确定性，并将其分解为偶然性和认知性成分，为IVIM参数估计提供了全面的不确定性量化框架	局限性包括在伪扩散系数参数上观察到轻微过度自信，以及训练数据与真实采集条件之间存在不匹配，导致体内认知性不确定性升高	研究目标是开发一个用于IVIM MRI参数估计的不确定性量化框架，以识别和解释不可靠的估计	研究对象是IVIM MRI中的扩散加权MRI数据，包括合成数据、模拟数据和体内小鼠脑数据集	机器学习	NA	IVIM MRI, 扩散加权MRI	深度集成, 混合密度网络	图像	合成数据、模拟数据和体内小鼠脑数据集	NA	混合密度网络	校准曲线, 输出分布锐度, 连续排名概率分数	NA
1279	2026-02-25	Towards robust deep learning-based autosegmentation in MRI-planned gynecological brachytherapy: Importance of scalable development and comprehensive evaluation 2026 Mar-Apr, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.12.007 PMID:41571559	研究论文	本文提出并评估了一种基于深度学习的自动轮廓分割模型，用于MRI计划的宫颈近距离放疗中盆腔风险器官的勾画	开发了可扩展的深度学习模型，结合了定量几何与剂量学指标及定性医生评审的综合评估方法，强调了模型在异质数据集上的泛化能力和临床可接受性	定量评分与定性结果并不总是一致，且模型在小肠等器官上表现变异性较大，需在临床可用性评估中考虑方向性和幅度差异	为MRI计划的妇科近距离放疗开发一种通用且稳健的深度学习自动轮廓分割模型	盆腔风险器官（膀胱、直肠、乙状结肠、小肠）在3D-MRI图像中的轮廓	数字病理学	宫颈癌	MRI成像	CNN	3D-MRI图像	200例3D-MRI图像（85%训练/验证，15%测试）	nnU-Net	nnU-Net	Dice系数, Hausdorff距离95百分位数, 剂量体积直方图, 剂量差异	NA
1280	2026-02-25	From treadmill to outdoor overground walking: Enhancing ground contact timing detection for older adults using transfer learning 2026-Mar, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2026.113056 PMID:41654277	研究论文	本研究评估了基于年轻成人跑步机数据训练的深度学习模型在老年成人跑步机和户外行走中的泛化能力，并探索了通过迁移学习提升预测性能的方法	首次将迁移学习应用于从跑步机到户外不平坦地形（如斜坡和下降）的步态接触时间检测，并系统评估了不同模型在老年人群中的性能	下降行走的性能较差，表明需要更先进的建模策略；样本量相对有限，且老年人群的户外数据收集可能受环境因素影响	提高老年人在真实世界环境中步态接触时间检测的准确性和适用性	年轻成人和老年成人的步态数据	机器学习	老年疾病	惯性测量单元（IMU）数据采集、压力鞋垫、运动捕捉	CNN, LSTM, 全连接神经网络	IMU传感器数据	20名年轻成人（跑步机）和26名老年成人（跑步机及户外平地、斜坡、下降地形）	NA	全连接神经网络, 卷积神经网络, 双向长短期记忆网络	F1分数, 平均绝对误差（MAE）	NA