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
141	2026-05-04	Spatiotemporal prediction of chlorophyll-a in semi-enclosed gulfs using a hybrid graph neural network-transformer framework with satellite data and causal analysis 2026-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42388-0 PMID:41851279	研究论文	提出结合图神经网络与Transformer的混合模型GNN-T，利用卫星数据和因果分析预测半封闭海湾叶绿素-a浓度时空动态	首次将图神经网络与Transformer结合用于半封闭海湾叶绿素-a预测，并引入因果分析（CCM）和Sobol敏感性分析进行特征选择，减少25%计算成本	未提及模型在不同地理区域或极端气候条件下的泛化能力验证	提升半封闭海湾叶绿素-a浓度预测准确性和运行效率，为藻华预警提供决策支持	半封闭海湾（如波斯湾、墨西哥湾）的叶绿素-a浓度时空动态	机器学习、环境科学	NA	MODIS/Aqua卫星数据、ERA5再分析数据、卫星遥感	图神经网络-Transformer混合模型（GNN-T）	卫星影像（MODIS/Aqua）、再分析气象数据（ERA5）	30万观测样本（覆盖波斯湾与墨西哥湾区域）	PyTorch	GNN-T（图神经网络+Transformer）、CNN-LSTM、BiLSTM、Temporal-Relational GNN、AGTCNSD	R²、统计误差指标（如MAE/RMSE）、95%置信区间（蒙特卡洛丢弃法）	NA
142	2026-05-02	Deep learning analysis for enhanced prediction of heat transfer in Maxwell hybrid nanofluids with non-Fourier law and radiation effects 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43327-9 PMID:41844713	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
143	2026-05-04	SynAPSeg: A novel dataset and image analysis framework for deep learning-based synapse detection and quantification 2026-Mar-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.12.711395 PMID:41890116	研究论文	提出名为SynAPSeg的新型数据集和图像分析框架，用于基于深度学习的突触检测与量化	首个针对突触斑点的公开大规模实例分割数据集，结合交互式界面实现全自动分割与量化流程	未提及明显局限性	开发可扩展的深度学习框架以实现突触组织在健康和疾病状态下的全面研究	突触斑点（具体为PSD95阳性兴奋性突触后密集区）	数字病理学, 计算机视觉	神经科学疾病（年龄相关认知衰退）	荧光标记成像	深度学习模型（语义分割网络）	图像（多维数据）	近400万个PSD95斑点，涉及小鼠背侧海马抑制性中间神经元及CA1区PV阳性抑制性神经元	NA	NA	达到人类专家水平的基准性能	NA
144	2026-05-04	EPInformer: scalable and integrative prediction of gene expression from promoter-enhancer sequences with multimodal epigenomic profiles 2026-Mar-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70535-8 PMID:41832145	研究论文	提出了EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子相互作用及其序列、表观基因组图谱和染色质接触来预测基因表达	通过整合启动子-增强子相互作用、组蛋白修饰、染色质接触等多模态表观基因组特征，提高了对远处增强子调控效应的捕捉能力，并且具有可扩展性以适应新数据	即使是最先进的深度学习方法也可能在捕捉增强子等远端元件的调控效应方面存在不足，限制了预测准确性且可能需要大量资源来训练或适应新数据	开发一个可扩展的深度学习框架，通过整合启动子-增强子相互作用及其序列、表观基因组图谱和染色质接触来预测基因表达	基因表达、启动子-增强子相互作用、表观基因组图谱、染色质接触	机器学习	NA	NA	深度学习	序列、表观基因组数据	来自联盟的广泛染色质图谱和基因表达数据	NA	NA	跨染色体验证准确性	NA
145	2026-05-04	ROBUST-MIPS: A Combined Skeletal Pose and Instance Segmentation Dataset for Laparoscopic Surgical Instruments 2026-Mar-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06938-5 PMID:41832216	研究论文	提出ROBUST-MIPS数据集，结合骨骼姿态注释与实例分割注释，用于腹腔镜手术器械定位	提出骨骼姿态注释作为手术器械更高效的注释方式，平衡语义信息丰富度与注释便捷性，并将现有数据集的实例分割注释扩展为联合姿态和分割注释	未明确提及，但从内容推断，仍受限于原始数据集规模及下游任务评估的全面性	推动骨骼姿态注释在手术器械定位中的应用，促进两种注释风格的联合研究及公平比较	腹腔镜手术器械	计算机视觉	NA	NA	姿态估计模型	图像及骨骼姿态数据	从ROBUST-MIS数据集衍生的新数据集，未明确具体样本数	NA	流行姿态估计方法（未具体列出）	NA	NA
146	2026-05-04	Myelination-attention-empowered deep learning model improved brain age prediction in children below 2 years of age 2026-03, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06495-w PMID:41432745	research paper	提出一种名为MAENet的深度学习模型，通过整合髓鞘化生物过程作为注意力机制，提高0-2岁儿童脑龄预测的准确性和可解释性	首次将髓鞘化生物过程作为注意力机制融入深度学习模型，设计多尺度和髓鞘化特征提取双通道架构，显著提升低龄婴幼儿脑龄预测精度	NA	增强早期婴儿脑龄预测的准确性和可解释性	0-2岁婴幼儿	machine learning	NA	结构磁共振成像	CNN	图像	603名0-2岁参与者的sMRI数据	NA	ResNet-50, VGG, Inception, SFCN, Skewed, FiA-Net, TSAN, MAENet	平均绝对误差	NA
147	2026-05-04	Performance of a deep learning-based algorithm for automated measurements of Cobb angles on preoperative spine radiographs in adolescent idiopathic scoliosis 2026-03, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06492-z PMID:41389104	研究论文	评估一种基于深度学习的商业软件在青少年特发性脊柱侧弯手术病例中自动测量Cobb角的准确性，并与放射科住院医师的测量结果进行比较	首次在包含重度及极重度脊柱侧弯的儿科手术病例中评估商业AI软件的Cobb角测量准确性，并直接与放射科住院医师的表现进行对比	AI在极重度脊柱侧弯（≥60°）中准确性显著下降，均绝对误差高于住院医师，提示需要放射科医师监督	评估深度学习算法在青少年特发性脊柱侧弯患者术前X光片上自动测量Cobb角的性能	151例青少年特发性脊柱侧弯患者的术前前后位全脊柱X光片	计算机视觉	青少年特发性脊柱侧弯	深度学习	卷积神经网络	X射线图像	151例全脊柱X光片（含13例中度、74例重度、64例极重度侧弯）	NA	NA	平均绝对误差，组内相关系数	NA
148	2026-05-04	Zero-shot prediction of drug responses using biologically informed neural networks trained on phosphoproteomic timeseries 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014100 PMID:41849361	研究论文	将生物信息学先验知识与递归神经网络结合，从磷蛋白质组时间序列数据中零样本预测药物反应	通过引入两种可解释模块（磷酸化位点映射和单调时间映射），将生物信息学先验知识嵌入递归神经网络，实现了零样本地预测药物诱导的磷蛋白质组响应	未知	从磷蛋白质组时间序列数据中预测动态药物反应	雷帕霉素、达沙替尼、曲美替尼、阿哌立布、坦西莫司、舒尼替尼、索拉非尼等抑制剂处理的EGF刺激数据集	机器学习	癌症（如前列腺癌，基于FOXO3转录因子的提及）	磷蛋白质组学 (phosphoproteomics) 通过质谱	递归神经网络 (RNN)	磷蛋白质组时间序列数据 (phosphoproteomic timeseries)	未经治疗和抑制剂处理的EGF刺激数据集（具体数量未提及）	PyTorch	LEMBAS (生物信息学递归神经网络)	NA	NA
149	2026-05-04	CrisprPr: a hybrid-driven framework for CRISPR/Cas9 off-target prediction with analysis of prior-information updates 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag140 PMID:41911152	研究论文	提出一个混合驱动的CRISPR/Cas9脱靶预测框架CrisprPr，该框架整合先验信息与数据驱动建模，通过同步更新策略优化先验知识和深度学习模块，实现准确稳定的脱靶预测	首次提出混合驱动框架CrisprPr，通过同步更新策略联合优化先验知识和深度学习模块，并集成多源信息以提升脱靶活性表征能力	未明确说明具体局限性，但可能包括对某些复杂脱靶模式的捕捉仍有局限或需要更多数据验证	开发一种结合先验信息与数据驱动的新型混合框架，提高CRISPR/Cas9脱靶预测的准确性和泛化能力	CRISPR/Cas9系统的脱靶效应及其中的错配模式和组合特征	机器学习	NA	深度学习, 先验信息集成	混合驱动模型（结合先验知识与深度学习）	序列数据	多个独立测试数据集	PyTorch, TensorFlow	深度学习模块（未明确具体架构）	预测性能指标（如准确率、AUC等，具体未列出）	NA
150	2026-05-04	Vascular age estimation using a consumer wearable sleep tracker 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001329 PMID:41911176	研究论文	评估可穿戴设备收集的夜间光电容积描记图波形的能力，用于估计血管年龄	首次使用消费级可穿戴睡眠追踪器（Oura Ring）从光电容积描记图波形中估计血管年龄，并与临床级设备进行比较	由于波形采集方式的差异，可穿戴传感器的反射指数与年龄的关联较弱	研究可穿戴设备从光电容积描记图估计血管年龄的可行性	年龄相关的光电容积描记图波形变化和血管年龄估计	机器学习	心血管疾病	光电容积描记图	深度学习模型	波形数据	160名健康成年人（78名男性，中位年龄31岁）	NA	无特征深度学习模型	平均绝对误差，相关性系数	NA
151	2026-05-03	Few-Shot and Zero-Shot Biomedical Named Entity Recognition: A Procedure for Enhancing BioBERT with Prompt-Based Learning and Large Language Models 2026-03-31, Journal of visualized experiments : JoVE DOI:10.3791/69390 PMID:42008560	研究论文	提出一种结合BioBERT、提示学习和大型语言模型的混合框架，增强生物医学命名实体识别中的少样本和零样本学习能力	利用提示学习和大语言模型提升BioBERT在低资源生物医学术语、领域适应和未见过实体泛化方面的性能，实现高准确性并减少对大量标注数据的依赖	未在摘要中明确提及限制	解决传统深度学习模型在低资源生物医学命名实体识别中的局限，提高少样本和零样本学习能力	生物医学文本中的命名实体	自然语言处理	不适用	NA	BioBERT，大型语言模型	文本	多个生物医学基准数据集	NA	BioBERT	准确率, 精确率, 召回率, F1分数	NA
152	2026-05-03	Enhancing Korean adolescent suicide risk prediction with TabR: A generative AI and explainable retrieval-based deep learning approach 2026-Mar-27, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048172 PMID:41894311	研究论文	提出一种结合生成式AI与可解释检索增强残差网络（TabR）的方法，用于预测韩国青少年自杀风险	首次将TabR架构应用于青少年自杀风险预测，并结合表格变分自编码器进行数据增强以处理极端类别不平衡问题	数据集规模有限、类别不平衡问题未完全解决、缺乏外部验证，以及未评估临床影响和误报/漏报后果	开发并评估基于TabR的深度学习模型，提升韩国青少年自杀风险预测的准确性和可解释性	韩国青少年群体（来自2020-2022年韩国青少年风险行为调查数据集的161,646名参与者）	机器学习	青少年自杀	NA	TabR（检索增强残差网络）、TVAE（表格变分自编码器）	表格数据	161,646名韩国青少年参与者	PyTorch	TabR, TVAE	准确率, AUC, F1分数	NA
153	2026-05-03	Robust Deep Learning Framework for Early Diabetic Retinopathy Detection Using Preprocessed Fundus Images and Optimized CNNs 2026-03-24, Journal of visualized experiments : JoVE DOI:10.3791/69901 PMID:41973762	研究论文	提出一个鲁棒的深度学习框架，使用预处理的眼底图像和优化的CNN进行早期糖尿病视网膜病变检测	集成了EfficientNetB0和DenseNet121的混合集成模型，系统评估了眼底图像预处理对诊断性能的影响，并采用Grad-CAM进行可解释性分析	模型需要外部独立数据集验证和真实世界前瞻性评估，未来需优化以适用于移动和床旁筛查	开发一个临床可行、可解释的深度学习模型用于糖尿病视网膜病变检测	糖尿病视网膜病变的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像, CLAHE预处理	CNN, 混合集成模型	图像	53,412张眼底图像，来自EyePACS、APTOS 2019和中国一家三级医疗中心	NA	EfficientNetB0, DenseNet121, Grad-CAM	准确率, macro-AUC, 敏感度, 特异度, F1分数	NA
154	2026-05-03	Enhancing educational assessment through automated question classification using a RoBERTa-based ensemble model 2026-Mar-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45486-1 PMID:41872668	研究论文	提出一种基于RoBERTa的集成模型，用于基于布鲁姆分类法的考试题目自动分类，以提升教育评估效率	首次将加权集成策略应用于RoBERTa与GRU、LSTM和CNN的组合，在题目分类中实现性能突破，并通过统计显著性检验验证提升效果	未提及模型在不同学科或语言场景下的泛化能力验证，且依赖公开数据集的规模与质量可能限制实际应用范围	实现教育评估中基于布鲁姆分类法的自动题目分类，减少教师人工负担并避免主观偏差	基于布鲁姆分类法的考试题目	自然语言处理	NA	预训练语言模型（RoBERTa）	集成模型（GRU, LSTM, CNN, 加权集成）	文本数据	公开数据集（未具体说明样本数量）	PyTorch	RoBERTa, GRU, LSTM, CNN, Weighted Ensemble	准确率, 宏F1分数, AUC	NA
155	2026-05-03	Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison 2026-Mar-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04794-z PMID:41864912	研究论文	基于人工智能的胎儿缺氧预测模型开发及其与人类专家的全国性比较	首次通过多中心大规模数据集和全国性AI-人类专家比较，验证了基于深度学习的心电图（CTG）解读模型在预测胎儿缺氧方面优于人类专家，并采用Grad-CAM技术增强模型可解释性	模型在公共数据集CTU-UHB上的性能低于内部验证集，可能因数据异质性；可解释性验证仅依赖Grad-CAM，未深入探讨其他解释方法	开发并验证基于人工智能的CTG解读模型，以改善胎儿缺氧预测的准确性	胎儿缺氧	机器学习	胎儿缺氧	NA	CNN, Transformer, LSTM, CfC	CTG信号	20,780个CTG追踪记录用于模型开发，467例用于全国性AI-人类专家比较	PyTorch	CAP-C, CAP-T, CAP-L, CAP-CfC	AUROC	NA
156	2026-03-23	An interpretable machine learning model based on habitat radiomics combined with deep learning for predicting the WHO/ISUP grade of patients with clear cell renal cell carcinoma 2026-Mar-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02285-4 PMID:41864916	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
157	2026-05-01	Deep learning for dynamic tactical formation recognition in professional football 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41383-9 PMID:41844762	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
158	2026-05-03	Multi-dimensional deep learning-based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44094-3 PMID:41844778	研究论文	开发基于深度学习的蝶窦积液自动分割与体积评估方法，用于法医学溺死案例的死后CT分析	首次将多维度U-Net模型（2D、2.5D和3D）应用于死后CT图像中蝶窦积液的自动分割与体积量化，替代传统人工评估，提高效率与客观性	仅基于165例尸检确认的溺死案例，样本量有限；未评估模型在其他死因或不同成像条件下的泛化能力	实现法医学中蝶窦积液的自动分割与体积定量评估，支持溺死诊断	165例尸检确认溺死案例的死后CT图像中的蝶窦积液	计算机视觉	溺死	死后计算机断层扫描（PMCT）	U-Net	图像	165例尸检确认溺死案例的死后CT图像	NA	2D U-Net、2.5D U-Net、3D U-Net	Dice系数、Spearman相关系数、平均绝对误差	NA
159	2026-05-03	Multi-model forecasting of [Formula: see text] and [Formula: see text] in Abu Dhabi: benefits of correlation-based feature augmentation 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44485-6 PMID:41844799	研究论文	比较多种机器学习和深度学习模型在阿布扎比预测二氧化氮和地面臭氧水平的性能，并探索基于污染物间相关性特征增强的优势	首次在阿布扎比地区系统比较多种模型（含Transformer）对二氧化氮和臭氧的多时间尺度预测，并揭示了利用两种污染物间相关性可提升预测精度	NA	评估不同机器学习和深度学习模型在阿布扎比预测二氧化氮和臭氧水平的效果，并验证污染物间相关性特征增强对预测准确性的提升作用	阿布扎比地区的二氧化氮和地面臭氧浓度	机器学习	NA	NA	决策树、随机森林、支持向量回归、卷积神经网络、长短期记忆网络、Prophet、Transformer	时间序列数据	NA	NA	决策树、随机森林、支持向量回归、CNN、LSTM、Prophet、Transformer	对称平均绝对百分比误差、均方根误差、平均绝对误差	NA
160	2026-05-03	Explainable artificial intelligence for early Alzheimer's diagnosis using enhanced grey relational features and multimodal data 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43707-1 PMID:41844810	研究论文	提出一个可解释且可持续的机器学习架构，利用多模态结构化临床和行为数据早期诊断阿尔茨海默病	引入基于灰色系统理论和Sigmoid归一化的增强型灰色关联度指标，提升特征-诊断相关性；结合Shapley Additive Explanations增强模型可解释性	NA（摘要未提及局限性）	实现早期阿尔茨海默病的准确且可解释的诊断	多模态结构化临床和行为数据，包括人口统计学、血管风险因素、生活方式和认知数据	机器学习	阿尔茨海默病	NA（未明确指定测序或其他技术）	深度学习神经网络	结构化数据（临床和行为数据）	NA（摘要未提及具体样本量）	NA（未明确指定框架）	Logistic回归、随机森林、XGBoost、LightGBM、CatBoost、Stacking集成、深度神经网络	准确率、AUC	NA（摘要未提及计算资源）