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
161	2026-04-11	Deep learning for early detection of mild cognitive impairment using smart home ambient sensor data 2026-Apr, The Clinical neuropsychologist DOI:10.1080/13854046.2025.2570303 PMID:41105477	研究论文	本研究利用基于对比预训练的时间卷积网络（TCN-CL）分析智能家居环境传感器数据，以区分健康老年人和轻度认知障碍患者	采用对比预训练的时间卷积网络（TCN-CL）从智能家居环境传感器数据中捕获复杂的时间依赖关系并提取高级特征，以提升在多样化、多居民环境中的诊断准确性	样本量相对较小（137名参与者），且仅基于社区居住的老年人，可能限制了模型的泛化能力	早期检测轻度认知障碍（MCI），以补充和增强临床决策	社区居住的老年人，包括健康老年人（HOA）和轻度认知障碍（MCI）患者	机器学习	老年疾病	智能家居环境传感器数据采集	TCN-CL（时间卷积网络与对比预训练）	时间序列传感器数据	137名社区居住的老年人（76名健康老年人，61名MCI患者）	NA	时间卷积网络（TCN）	准确率, 灵敏度, 特异度, Matthews相关系数	NA
162	2026-04-11	Heuristically Adaptive Diffusion-Model Evolutionary Strategy 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511537 PMID:41793196	研究论文	提出一种将扩散模型与进化算法相结合的混合框架，通过启发式自适应机制提升进化优化的效率和精度	首次将扩散模型的深度生成能力与进化算法的启发式搜索相结合，利用扩散模型保留历史数据并挖掘隐式关联，通过无分类器引导实现对进化动态的精确控制	未在论文摘要中明确说明具体局限性	开发一种自适应、记忆增强的进化优化框架，提升生成建模和启发式搜索的灵活性与精度	进化算法的参数优化过程	机器学习	NA	扩散模型, 进化算法, 深度学习	扩散模型	数值参数	NA	NA	NA	NA	NA
163	2026-04-11	The roadmap towards AI-assisted pulse programming for solid-state NMR 2026-Apr, Solid state nuclear magnetic resonance IF:1.8Q2 DOI:10.1016/j.ssnmr.2026.102078 PMID:41875813	综述	本文综述了人工智能在固态核磁共振脉冲序列设计中的潜在应用，探讨了传统方法的局限性及AI算法的优势	提出了将进化算法、深度学习和强化学习等AI方法应用于固态核磁共振脉冲序列设计的新兴替代途径	传统方法在处理多强相互作用或硬件约束时存在固有局限性	探讨人工智能算法在克服固态核磁共振脉冲序列设计关键瓶颈方面的潜力	固态核磁共振脉冲序列设计方法	机器学习	NA	固态核磁共振	NA	NA	NA	NA	NA	NA	NA
164	2026-04-11	AI solutions for evolutionary genomics of nonmodel species 2026-Apr, Evolution letters IF:3.4Q2 DOI:10.1093/evlett/qrag004 PMID:41938207	综述	本文综述了人工智能（特别是深度学习）在非模式物种进化基因组学中的应用，并提出了新的研究方向	提出了利用AI处理非模式物种研究中数据缺失、不确定性以及未知基因组和人口统计学参数等挑战的新策略，并展示了在低样本量、测序数据不确定和未知人口模型条件下检测选择性清除的原创性方法	NA	开发用于非模式物种进化推断的通用数据驱动方法	非模式物种的基因组数据	机器学习	NA	基因组测序	深度神经网络	基因组数据	低样本量	NA	NA	NA	NA
165	2026-04-11	Explainable artificial intelligence in electrocardiography: A systematic review 2026-Apr-01, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.109325 PMID:41953749	综述	本文系统回顾了心电图（ECG）领域可解释人工智能（XAI）技术的研究进展	首次基于PRISMA指南系统评估ECG特异性XAI技术，并揭示针对结构化数据设计的扰动方法在ECG时序信号中的局限性	现有方法仍呈现碎片化状态，临床验证不足，且在稳定性、计算效率和监管准备方面存在显著挑战	评估可解释AI技术在心电图诊断中的应用与挑战	心电图信号及其相关心脏病理（如心律失常、心肌梗死）	机器学习	心血管疾病	深度学习模型	NA	时序信号（心电图）	45项同行评审研究（来自380条记录筛选）	NA	NA	定位准确性、保真度、鲁棒性	NA
166	2026-04-10	Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis 2026-Apr-14, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2025017224 PMID:41512166	研究论文	本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并验证了其作为治疗靶点的潜力	首次通过多组学分析发现DVT早期中性粒细胞CD14过表达，并利用几何深度学习模型DeepPBS揭示了G-CSF通过上调C/EBPα驱动CD14表达的机制	研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证	探究深静脉血栓形成早期中性粒细胞激活的分子机制并寻找新的治疗靶点	骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞	生物医学研究	深静脉血栓	RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀	几何深度学习模型	多组学数据（转录组、蛋白质组、流式数据）	未明确说明具体样本数量	NA	DeepPBS	血栓负荷降低, 血栓发生率降低, 中性粒细胞和瓜氨酸化组蛋白H3积累减少	NA
167	2026-04-10	DeepFit: Physically and Chemically Informed XAS-Structure Fitting Made Simple 2026-Apr-09, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c04009 PMID:41711252	研究论文	DeepFit提出了一种基于深度学习的通用方法，通过结合光谱失配和量子化学能量的可微分最小化，解决X射线吸收光谱分析中的病态挑战，实现催化剂和材料局部结构的物理化学知情拟合	首次将深度学习与量子化学约束相结合，通过E(3)等变神经网络实现XAS数据的物理等变和化学合理结构精修，将定量XAS分析转化为黑盒常规工具	主要验证于均相催化剂的实验案例，可能尚未广泛测试于更复杂的材料体系或非过渡金属化合物	开发一种简化且准确的X射线吸收光谱结构拟合方法，以克服传统方法的高计算成本和模糊解问题	3d/4d过渡金属配合物的局部结构，特别是均相催化剂	机器学习	NA	X射线吸收光谱	E(3)-equivariant neural network	光谱数据	67,000个理论K边光谱	NA	E(3)-equivariant neural network	MAE, ROC-AUC	NA
168	2026-04-10	Integrating Molecular Dynamics and Deep Learning to Elucidate Conformational Plasticity Underlying the Reduced Activity of Glycocin F 2026-Apr-09, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c00056 PMID:41885711	研究论文	本文结合分子动力学与深度学习，揭示了糖肽F（GccF）中α-甲基化导致活性降低的结构动力学机制	利用变分自编码器引导的分子动力学框架，量化了微小化学修饰如何通过改变构象可塑性影响肽的功能	NA	阐明糖肽F中α-甲基化导致其抗菌活性大幅降低的结构动力学原因	糖肽F（GccF）及其α-甲基化变体	机器学习	NA	分子动力学模拟	变分自编码器	分子构象数据	NA	NA	变分自编码器	NA	NA
169	2026-04-10	Closed-loop transcranial ultrasound stimulation based on NREM and REM sleep for bidirectional modulation of sleep neural oscillation and memory 2026-Apr-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae584a PMID:41894824	研究论文	本研究开发了一种基于深度学习的闭环经颅超声刺激系统，针对非快速眼动和快速眼动睡眠振荡，评估了睡眠神经振荡和记忆能力	首次利用闭环经颅超声刺激技术，结合深度学习，针对睡眠特定振荡进行双向调制，揭示了其对神经活动和记忆功能的影响	研究主要基于小鼠模型，对人类睡眠和记忆的适用性尚不明确，且未详细探讨长期刺激效应	探究闭环经颅超声刺激对睡眠神经振荡和记忆能力的调制作用	健康小鼠和阿尔茨海默病模型小鼠	神经科学, 生物医学工程	阿尔茨海默病	闭环经颅超声刺激, 深度学习	深度学习模型	神经振荡信号, 行为数据	未明确指定样本数量，涉及健康小鼠和阿尔茨海默病模型小鼠	NA	NA	神经活动相关性, 记忆能力改善	NA
170	2026-04-10	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	本文提出FetalSleepNet，一种基于迁移学习和频谱均衡域适应的深度学习框架，用于胎儿睡眠状态分类	首次开发专门用于胎儿脑电图的自动睡眠分期深度学习架构，并实现跨发育（成人到胎儿）和跨物种（人到羊）的迁移学习框架，利用频谱均衡技术对齐频域特征	胎儿脑电图数据极其稀缺，且研究依赖于跨物种数据适应，可能引入未知偏差	开发自动化胎儿睡眠状态分类方法，以识别神经发育并发症如缺氧	胎儿睡眠状态分类，基于胎儿脑电图数据	机器学习	神经发育并发症	脑电图	深度学习	脑电图信号	NA	NA	FetalSleepNet	准确率, 宏F1分数	NA
171	2026-04-10	Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Apr-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	提出一种基于神经架构搜索与空谱注意力机制的高阶非线性高光谱解混模型	首次将神经架构搜索（NAS）集成到基于扩展多线性混合模型的高光谱解混中，设计了光谱-空间注意力引导的大规模搜索空间，并采用稀疏编码启发的加速策略	未明确说明模型在极端非线性混合场景下的泛化能力，以及搜索过程对计算资源的具体需求	解决高光谱解混中非线性混合过程的精确建模问题	高光谱遥感图像	计算机视觉	NA	高光谱成像	深度自编码器,神经架构搜索	高光谱图像	合成与真实数据集（未指定具体数量）	未明确说明	自定义多尺度卷积操作	光谱角距离	未明确说明
172	2026-04-10	Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants 2026-Apr-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5ca9 PMID:41950940	研究论文	本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能	将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解	未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力	开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性	脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤）	数字病理学	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net	分割精度	NA
173	2026-04-10	Multiomics and deep learning dissect regulatory syntax in human development 2026-Apr-08, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10326-9 PMID:41951735	研究论文	本研究通过整合单细胞多组学数据与深度学习模型，系统解析了人类发育过程中染色质可及性的调控语法	构建了首个覆盖12个器官、81.7万个胎儿细胞的单细胞染色质可及性与基因表达图谱，并开发深度学习模型揭示了调控元件中基序的句法规则	研究主要聚焦胎儿发育阶段，未涵盖成年期或疾病状态；模型预测基于序列特征，需实验验证其生物学功能	解析人类发育过程中转录因子结合与染色质可及性的调控机制	人类胎儿发育过程中的细胞与候选顺式调控元件	计算生物学	NA	单细胞多组学测序（染色质可及性与基因表达）	深度学习	基因组序列数据、单细胞多组学数据	817,740个胎儿细胞，覆盖12个器官、203种细胞类型	NA	NA	NA	NA
174	2026-04-10	Cost-effective and scalable urban air quality monitoring using image-based deep learning 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47424-7 PMID:41951751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
175	2026-04-10	A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46820-3 PMID:41951756	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
176	2026-04-10	Automatic Recognition and Prognostic Prediction of Colorectal Liver Metastases Using a Multi-Scale Deep Learning Framework: Model Development and Validation Study 2026-Apr-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73311 PMID:41945655	研究论文	本研究开发并验证了一个多模型集成深度学习框架（CLM-Net），用于从病理图像中自动识别和预测结直肠癌肝转移，以提高诊断准确性和临床适用性	通过集成VGG16、DeepLab-v3和U-Net等基础架构，并结合多尺度空洞卷积、挤压-激励注意力机制、条件随机场细化模块和迁移学习策略，构建了一个创新的多模型集成深度学习框架，显著提升了结直肠癌肝转移的识别和预后预测性能	研究样本量相对有限（197例），且未来需要多中心验证和多模态特征整合以进一步优化模型	开发并验证一个深度学习框架，用于自动识别和预测结直肠癌肝转移，以增强诊断准确性和临床实用性	结直肠癌肝转移的病理图像	数字病理学	结直肠癌肝转移	深度学习	CNN	图像	197例病理标注的结直肠癌肝转移病例，来自Kaggle和The Cancer Imaging Archive等公开数据集	TensorFlow, PyTorch	VGG16, DeepLab-v3, U-Net	准确率, 召回率, F1分数, AUC, Kaplan-Meier曲线, log-rank检验	NA
177	2026-04-10	Analyzing the deep learning approach-based modeling framework to understand the critical environmental factors of predicting daily nitrate concentrations 2026-Apr-07, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129539 PMID:41950591	研究论文	本研究利用深度学习框架分析影响河流硝酸盐浓度预测性能的关键环境因素	首次系统分析了影响深度学习模型预测河流硝酸盐浓度性能的关键环境因素，并验证了输入与目标站点在硝酸盐浓度-流量关系及关键环境因子时间变异性上的相似性对模型性能的促进作用	研究区域仅限于爱荷华州，未验证该框架在其他地理和气候区域的普适性	探究影响深度学习模型预测河流每日硝酸盐浓度性能的关键环境因素，以优化监测网络设计和模型应用	爱荷华州低频硝酸盐监测站点的每日河流硝酸盐浓度	机器学习	NA	高频硝酸盐传感器数据监测	深度学习模型	时间序列数据	爱荷华州多个低频硝酸盐监测站点	NA	NA	预测准确性	NA
178	2026-04-10	Fusion-m6A: A lightweight hybrid deep learning framework for RNA m6A site prediction 2026-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111669 PMID:41950858	研究论文	本文提出了一种名为Fusion-m6A的轻量级混合深度学习框架，用于预测RNA m6A位点	该框架整合了Word2Vec序列嵌入、卷积层、双向门控循环单元与注意力机制以及辅助k-mer特征，在保持高精度的同时实现了更快的推理速度和更低的内存占用	未在摘要中明确提及	开发一种准确、高效且实用的计算模型，用于大规模和特定组织的RNA m6A位点预测	RNA m6A位点	自然语言处理	NA	Nanopore直接RNA测序	CNN, LSTM	序列数据	多个人类组织和细胞系	NA	Word2Vec, 卷积神经网络, 双向门控循环单元, 注意力机制	准确率, Matthews相关系数	NA
179	2026-04-10	Deep Learning for Content-Based Medical Image Retrieval in Picture Archiving and Communication Systems for Brain Tumor Detection: Algorithm Development and Validation 2026-Apr-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/78300 PMID:41941563	研究论文	本研究开发了一种基于内容的医学图像检索系统，专门用于脑磁共振图像中七种不同类型脑肿瘤的检索，并成功集成到图片存档与通信系统中	采用先进的深度学习特征提取算法，结合广义均值池化捕捉局部特征，并通过协调两个开源项目将CBMIR系统成功嵌入到功能性PACS环境中	数据集来自单一医疗中心且未公开可用，可能限制模型的泛化能力	开发一个集成到PACS中的基于内容的医学图像检索系统，以辅助放射科医生和医疗专业人员高效检索相关历史医学图像，提供定量决策支持	脑磁共振图像中的七种不同类型脑肿瘤	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	658名参与者，共15,873张图像（收集于2000年至2017年）	NA	GoogLeNet	平均精度均值, Precision@10	NA
180	2026-04-10	Discovery, engineering and application of a maleate isomerase for efficient L-malic acid biosynthesis via dual-enzyme cascade with fumarase 2026-Apr-06, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.109842 PMID:41950715	研究论文	本研究通过生物信息学挖掘和深度学习工具指导的酶工程，开发了一种高效的双酶级联系统，用于以低成本马来酸为底物绿色合成L-苹果酸	从候选序列中鉴定出高活性的Schaalia vaccimaxillae来源的马来酸异构酶，并利用基于深度学习的计算预测指导突变，使其催化活性提升153.6%，进而与富马酸酶构建一锅双酶级联系统	未明确说明该酶系统在长期工业运行中的稳定性、底物浓度进一步提高的可行性以及大规模生产成本的具体评估	开发一种高效、可持续且经济可行的生物催化路线用于L-苹果酸的生产	L-苹果酸的生物合成	合成生物学，酶工程	NA	生物信息学挖掘，深度学习指导的酶工程，双酶级联催化	基于深度学习的计算预测工具	蛋白质序列数据，酶活性数据	NA	NA	NA	催化活性提升百分比（153.6%），产物浓度（171.4 g/L L-MA），生产率（14.28 g·(L·h)）	NA