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
1001	2026-03-15	A novel few-shot meta-learning strategy for fault diagnosis of wastewater treatment process 2026-Apr, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2026.02.016 PMID:41741308	研究论文	本文提出了一种结合原型网络与增强TimesBlock模块的新型小样本故障诊断框架，用于污水处理过程的故障诊断	设计了基于XGBoost重要性分析的Meta-TimesBlock来自适应加权多维时间序列特征，引入了参数高效的MetaLearner模块以降低计算复杂度，并采用辅助损失函数增强原型判别性	NA	解决污水处理过程中故障样本有限且多维时间序列数据复杂的问题，实现小样本故障诊断	污水处理过程（WWTPs）的故障诊断	机器学习	NA	NA	原型网络, 元学习	多维时间序列数据	基于BSM1基准在三种天气场景下进行实验	NA	Meta-TimesBlock, MetaLearner	准确率	NA
1002	2026-03-15	Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.012 PMID:41825999	综述	本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术	系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标	NA	回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用	牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像	计算机视觉	NA	放射影像技术（全景、根尖、咬翼、锥形束CT成像）	CNN	图像	NA	NA	NA	NA	NA
1003	2026-03-15	The Science Behind Machine Learning, Deep Learning, and Active Learning 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.006 PMID:41826000	综述	本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用	强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用	NA	介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用	牙科数据，特别是锥形束计算机断层扫描中的根尖周病变	机器学习	牙科疾病	锥形束计算机断层扫描	CNN, Transformer	图像	NA	NA	卷积神经网络, Transformer	NA	NA
1004	2026-03-14	Novel Psychoactive Substances: Slaying the Dragon With Artificial Intelligence 2026-Apr-01, Therapeutic drug monitoring IF:2.8Q2 DOI:10.1097/FTD.0000000000001429 PMID:41413933	综述	本文综述了人工智能和机器学习在新型精神活性物质识别与表征中的应用，探讨了其如何应对传统分析技术面临的挑战	重点介绍了基于人工智能的方法，如深度学习模型、化学语言模型和光谱预测工具，特别是DarkNPS框架和CFM-ID等工具，用于生成大量潜在NPS结构和预测质谱谱图	NA	探索人工智能在解决新型精神活性物质识别和表征日益增长挑战中的作用	新型精神活性物质	机器学习	NA	质谱分析	LSTM, 变换器, 图神经网络	化学结构数据, 质谱数据	NA	NA	NA	余弦相似度得分, 命中率	NA
1005	2026-03-14	Development and Validation of an Artificial Intelligence Surgical Video Analysis Model for Predicting Visceral Pleural Invasion in Lung Cancer Surgery: A Multicenter Study 2026-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18863-9 PMID:41428020	研究论文	本研究开发并验证了一种基于深度学习的胸腔镜视频分析模型（VPI-Net），用于术中预测肺癌手术中的脏层胸膜侵犯。	首次开发并验证了一种专门用于胸腔镜视频分析以预测脏层胸膜侵犯的深度学习模型（VPI-Net），并引入了VPI风险评分（VPIscore）作为量化指标，该模型在多个中心验证中显著优于外科医生和放射科医生的判断。	研究样本量相对有限（总患者数399名），且外部验证集仅来自另外两家医院，模型的泛化能力需要在更广泛的多中心数据中进行进一步验证。	提高视频辅助胸腔镜手术中脏层胸膜侵犯的术中诊断准确性，以指导手术决策。	接受视频辅助胸腔镜手术的肺癌患者。	数字病理	肺癌	视频辅助胸腔镜手术	CNN	视频，图像	总共399名患者（内部数据集346名患者，3367张图像；外部数据集53名患者，1274张图像）	NA	基于空间Dropout的残差卷积神经网络（VPI-Net）	AUC，准确率，敏感性，特异性，阳性预测值，阴性预测值	NA
1006	2026-03-14	A Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer 2026-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18929-8 PMID:41456225	研究论文	本研究开发了一种基于深度学习的多模态预后模型，整合了基因组特征、全切片成像的组织形态学特征和临床参数，以改善前列腺癌的风险分层和治疗决策	通过从组织病理学图像中计算推断基因组特征，消除了对基因组检测的依赖，并显著提高了预后精度，同时细化了现有的NCCN分类	研究依赖于两个独立队列（TCGA和PLCO）进行训练和验证，可能受限于这些队列的样本代表性和数据质量	开发一个多模态预后模型，以改善前列腺癌的风险分层和治疗决策	前列腺癌患者	数字病理学	前列腺癌	全切片成像（WSI）、苏木精-伊红（H&E）染色	深度学习	图像、基因组数据、临床参数	两个独立队列：TCGA（训练）和PLCO试验（外部验证）	NA	NA	C-index、Kaplan-Meier分析、Harrell's concordance index、多变量Cox回归	NA
1007	2026-01-20	ASO Author Reflections: Multimodal Deep Learning Redefining Precision Prognosis in Prostate Cancer 2026-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19105-2 PMID:41549219	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1008	2026-02-17	Corrigendum to "Deep learning in fetal, infant, and toddler neuroimaging research"[Dev. Cognit. Neurosci. (2026), 101680] 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101694 PMID:41692673	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1009	2026-03-14	Artificial intelligence revolution in toxicology: Clinical precision, global equity, and the 2030 roadmap 2026-Apr, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2026.111871 PMID:41762830	综述	本文综述了人工智能在毒理学领域的革命性应用，并提出了2030年发展路线图	提出了“ToxAI Pact”路线图，强调协调验证标准、稳健的特征重要性验证协议、生成式输出水印以及针对低资源环境的基础设施投资	算法偏见、模型可解释性有限、特征重要性准确性验证挑战、全球数字不平等、预测准确性不等于机制可靠性、AI生成错误信息的风险	指导人工智能在毒理学领域的负责任整合，实现更安全、更包容的全球毒理学发展	临床毒理学、预测建模、药物警戒、教育培训	机器学习	NA	深度学习、强化学习、生成式人工智能	深度学习模型、强化学习模型、生成式AI模型	临床数据、毒理学数据	NA	NA	NA	预测准确性、特征重要性准确性	NA
1010	2026-03-14	ASO Visual Abstract: Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer 2026-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19136-9 PMID:41644916	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1011	2026-03-13	Machine learning, docking, or physics for structure prediction of ligand-induced ternary complexes 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103217 PMID:41619702	综述	本文综述了用于预测配体诱导的三元复合物结构的计算方法，包括多步对接流程和单步深度学习模型	系统比较了传统对接方法与深度学习模型在预测三元复合物结构方面的最新进展和工具	多步方法受限于采样复杂性、输入结构准确性、评分精度和计算成本；单步方法受限于训练数据稀缺	促进在缺乏实验结构的情况下基于结构的设计，以支持靶向蛋白降解剂的理性设计	由E3连接酶、配体和靶蛋白形成的三元复合物结构	机器学习	NA	晶体学、冷冻电镜、计算建模	深度学习模型	结构数据	NA	NA	NA	NA	NA
1012	2026-03-13	From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103216 PMID:41650708	综述	本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变	系统性地梳理了三种深度学习范式（基于语言模型的方法、端到端结构预测器、几何距离预测方法），并指出了未来关键研究方向，如应对数据稀缺的高级标记化策略和提升模型可解释性的可解释人工智能技术	RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，实现突破性性能需要持续的方法创新和高质量结构数据集的显著扩展	回顾和评估深度学习模型在RNA结构预测中的应用，以推动该领域发展	RNA的二级和三级结构	计算生物学	NA	NA	深度学习模型	序列和结构数据	NA	NA	NA	NA	NA
1013	2026-03-13	deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile 2026-Apr, Forensic science international. Genetics DOI:10.1016/j.fsigen.2026.103434 PMID:41650721	研究论文	本研究开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA图谱的贡献者数量	通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出	算法在实验室特定环境下需通过少量实际图谱进行微调以达到相同精度	开发一个自动化工具来准确估计STR DNA图谱中的贡献者数量，以辅助法医生物学分析	短串联重复DNA图谱	机器学习	NA	DNA图谱模拟，电泳信号模拟	深度神经网络	模拟的DNA图谱信号数据	100,000个模拟图谱	NA	深度神经网络	准确率	NA
1014	2026-03-13	Multi-scale kernel and electrode attention network for EEG-based epileptic seizure detection 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111585 PMID:41747565	研究论文	本文提出了一种名为多尺度卷积核与电极注意力网络的新模型，用于基于原始全通道脑电图信号的癫痫发作自动检测	提出了一种新颖的端到端特征提取网络，直接处理全通道脑电图信号，无需通道缩减或模态转换，避免了信息丢失或额外计算成本；引入了多尺度卷积结构以捕捉多样的电极通道组合，并设计了电极注意力模块来自适应地为不同通道分配权重	未明确讨论模型在更广泛或更具挑战性的临床环境中的泛化能力，也未提及对计算资源的具体要求或模型在边缘设备上的部署可行性	提高基于多通道脑电图信号的癫痫发作自动检测的诊断效率	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	CNN, 注意力机制	脑电图信号	两个公共数据集（CHB-MIT数据集和Siena Scalp数据集），具体样本数量未在摘要中提及	NA	Multi-scale Kernel and Electrode Attention Network	准确率, 灵敏度, 特异度	NA
1015	2026-03-13	Geometric deep learning-based coronary wall shear stress estimation from real-world patients 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111583 PMID:41747562	研究论文	本研究评估了一种基于几何深度学习的框架，用于直接从真实世界患者的冠状动脉造影重建几何中估计冠状动脉壁剪切应力	提出了一种基于规范等变网格图卷积网络的几何深度学习框架，能够快速、无需计算流体动力学地估计冠状动脉壁剪切应力	研究仅基于1078条冠状动脉的数据集，可能需要在更大、更多样化的患者群体中进行验证	开发一种快速、准确的冠状动脉壁剪切应力估计方法，以支持大规模、真实世界的风险分层	从748名患者中重建的1078条冠状动脉	几何深度学习	心血管疾病	计算流体动力学, 冠状动脉造影	图卷积网络	几何网格数据	1078条冠状动脉（来自748名患者）	NA	规范等变网格图卷积网络	绝对误差, 百分比误差, Dice距离, 相关系数	NA
1016	2026-03-13	GraphUnet-SS: A novel deep learning model for protein secondary structure prediction based on U-Net architecture 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111598 PMID:41759455	研究论文	提出了一种基于U-Net架构的新型深度学习模型GraphUnet-SS，用于蛋白质二级结构预测	结合卷积神经网络、图卷积网络和双向长短期记忆网络，并利用接触图预测生成图表示氨基酸相互作用，通过贝叶斯优化技术优化超参数	未明确说明模型在特定蛋白质类型或复杂结构上的泛化能力限制	提高蛋白质二级结构预测的准确性，以辅助蛋白质三维结构预测	蛋白质序列及其二级结构	生物信息学	NA	PSI-BLAST位置特异性评分矩阵、HHBlits谱、氨基酸理化性质、结构谱	CNN, GCN, BiLSTM	序列数据、图数据	未明确说明	未明确说明	U-Net	未明确说明	未明确说明
1017	2026-03-13	Modeling strategies for CGM data: A scoping review of mechanistic, machine learning, and hybrid approaches in diabetes management 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111601 PMID:41780316	综述	本文对连续血糖监测（CGM）数据建模方法进行了范围综述，涵盖从经典机制模型到现代人工智能技术及混合框架的全谱系方法	首次全面探讨CGM数据建模的方法学全谱系，包括机制模型、统计时间序列、人工智能及混合框架，并扩展至除1型糖尿病外的多种人群（如2型糖尿病、妊娠期糖尿病）	数据异质性、高质量数据集在1型糖尿病外的有限可用性以及跨队列泛化能力不足等挑战仍然存在	综述CGM数据在糖尿病管理中的建模策略，比较不同方法在临床背景下的应用效果	连续血糖监测（CGM）数据及其在糖尿病管理中的应用	机器学习	糖尿病	连续血糖监测（CGM）	机制模型, 统计时间序列, 人工智能, 深度学习, 混合模型	时间序列数据	NA	NA	NA	预测性能, 准确性	NA
1018	2026-03-13	Predicting the active sites of quinolone antibiotics interacting with organisms by deep learning and molecular docking 2026-Apr, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107764 PMID:41722354	研究论文	本研究利用深度学习和分子对接技术，预测喹诺酮类抗生素与生物体相互作用的活性位点	结合深度学习构建高精度生物活性预测模型，并利用分子动力学模拟验证抗生素与靶蛋白的稳定结合构象	仅针对19种常见喹诺酮类抗生素进行研究，模型在CCRIS致突变性研究中的准确率相对较低（85.22%）	阐明生物体对环境外源性化学物的调控机制，为环境保护、食品安全政策制定及新型化合物风险评估提供理论支持	19种喹诺酮类抗生素及其与细菌DNA修复酶、神经行为相关蛋白的相互作用	机器学习	NA	深度学习，分子对接，分子动力学模拟	深度学习模型	生物测定活性数据	19种喹诺酮类抗生素的PubChem BioAssay数据集	NA	NA	准确率	NA
1019	2026-03-13	Deep Learning-Based Classification of Slit-Lamp Photograph Quality in Microbial Keratitis 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101086 PMID:41816093	研究论文	本研究开发并验证了一种深度学习模型，用于评估微生物性角膜炎中裂隙灯照片的质量	首次针对微生物性角膜炎的裂隙灯照片质量评估开发了深度学习模型，并比较了多种模型架构在不同照明类型下的性能	研究样本量相对有限，且未来需要进一步研究图像质量如何影响自动化决策	开发并验证一个深度学习模型，以评估微生物性角膜炎裂隙灯照片的质量	微生物性角膜炎患者的裂隙灯照片	计算机视觉	微生物性角膜炎	裂隙灯摄影	CNN	图像	来自138名个体的247至264张图像（每种照明类型）	NA	AlexNet, ResNet50, DenseNet169, InceptionV3, MobileNetV2	准确率, F1分数	NA
1020	2026-03-13	From imaging to omics: deep learning is bridging MRI and liquid biopsy in bone tumor diagnosis 2026-Apr, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2026.100753 PMID:41816119	综述	本文综述了深度学习如何通过融合MRI影像组学和液体活检组学数据，改善骨肿瘤（如骨肉瘤和尤文肉瘤）的诊断、风险分层和治疗监测	利用深度学习实现MRI影像组学与液体活检组学的多模态融合，以克服单一模态的局限性，提升骨肿瘤的精准诊断和个性化治疗	NA	探讨深度学习在整合MRI影像和液体活检数据以改善骨肿瘤精准诊断和治疗策略中的应用	骨肿瘤患者，特别是骨肉瘤和尤文肉瘤患者	数字病理学	骨肉瘤, 尤文肉瘤	MRI, 液体活检（循环DNA、RNA、细胞外囊泡）	深度学习	图像, 分子数据	NA	NA	NA	NA	NA