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
1	2026-02-16	Redefining obstructive sleep apnea diagnosis: An attention augmented CNN-BiLSTM hybrid alternative to traditional PSG testing 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103808 PMID:41684745	研究论文	本研究提出了一种基于注意力增强的CNN-BiLSTM混合深度学习模型，用于自动检测阻塞性睡眠呼吸暂停（OSA），以替代传统的多导睡眠图（PSG）诊断方法	结合卷积神经网络与双向长短期记忆网络的混合架构，并集成注意力机制以提升特征表示和分类性能，同时通过ANOVA选择生理信号子集以优化检测效果	NA	开发一种替代传统多导睡眠图（PSG）的自动化OSA检测方法，以提高诊断的可及性和准确性	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	深度学习	CNN, BiLSTM	生理信号数据	基于两个公开数据库，具体样本数量未明确说明	NA	CNN-BiLSTM混合架构	准确率, F1分数	NA
2	2026-02-15	Artificial intelligence driven protein design and sustainable nanomedicine for advanced theranostics 2026-Jun, Bioactive materials IF:18.0Q1 DOI:10.1016/j.bioactmat.2026.01.036 PMID:41674557	综述	本文综述了人工智能驱动的蛋白质设计与可持续纳米医学在先进诊疗一体化中的整合应用	将人工智能、蛋白质工程与可持续纳米医学相结合，推动诊疗一体化范式转变，实现高精度疾病诊断和靶向治疗	NA	总结AI驱动的蛋白质设计策略、可持续纳米载体工程及其在下一代诊疗系统中的融合	蛋白质、肽、纳米材料、纳米载体	机器学习	肿瘤学	机器学习、深度学习	NA	生物和化学数据集	NA	NA	NA	NA	NA
3	2026-02-15	Advances and challenges in multiscale biomolecular simulations: artificial intelligence-driven paradigm shift 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70024 PMID:41675594	综述	本文讨论了生物分子模拟技术的最新进展，并探讨了生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	整合机器学习特别是深度学习算法，推动了生物分子模拟领域的创新	NA	讨论生物分子模拟技术的最新进展，并探索生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	生物分子模拟技术	机器学习	NA	分子模拟技术	深度学习算法	NA	NA	NA	NA	NA	NA
4	2026-02-15	Protein design and RNA design: Perspectives 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70029 PMID:41675592	综述	本文综述了深度学习和生成模型在蛋白质与RNA设计领域的最新进展，强调了其在创造具有定制结构和功能的新型生物分子方面的应用潜力	整合了蛋白质与RNA设计的生成式深度学习框架，支持前所未有的精确度进行骨架生成、序列优化及序列-结构协同设计，并展望了统一建模、大规模采样和自动化实验管道的新时代	模型泛化能力和实验验证方面仍存在挑战	探讨深度学习和生成模型如何推动蛋白质与RNA设计领域的发展，以加速可编程生物系统和下一代疗法的创建	蛋白质和RNA生物分子	机器学习	NA	深度学习, 生成建模	生成模型	序列数据, 结构数据	NA	NA	NA	NA	NA
5	2026-02-14	Development of a deep neural network model for simultaneous analysis of extracellular analyte gradients for a population of cells 2026-Jun, Artificial intelligence in the life sciences DOI:10.1016/j.ailsci.2026.100156 PMID:41669397	研究论文	本研究开发了一种结合单壁碳纳米管荧光传感平台与深度学习模型的方法，用于快速分析细胞群体释放的细胞外一氧化氮空间梯度	首次将YOLOv8分割模型与单壁碳纳米管荧光传感平台结合，实现了对多种形态和聚集细胞群体的自动识别及细胞外分析物空间梯度的同步分析	未明确说明模型在不同细胞类型或实验条件下的泛化能力，也未讨论荧光信号可能受到的环境干扰	开发一种能够快速分析细胞外分析物空间分布的自动化方法，以研究细胞通讯动态	细胞群体释放的细胞外一氧化氮	计算机视觉	NA	荧光传感、单壁碳纳米管传感	CNN	图像	100对图像	NA	YOLOv8	召回率, 精确率	NA
6	2026-02-12	Feasibility of single-phase DECT as an alternative to triple-phase CT for imaging-defined risk factors assessment in neuroblastoma for dose reduction 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100732 PMID:41657758	研究论文	本研究探讨了在神经母细胞瘤患者中使用单期相双能CT评估影像定义风险因素的可行性，以实现辐射剂量降低和检查流程优化	首次将单期相双能CT与深度学习图像重建技术结合，用于神经母细胞瘤的影像定义风险因素评估，相比传统三期相CT可显著降低辐射剂量	研究样本量相对有限，且仅针对神经母细胞瘤患者，未涉及其他肿瘤类型	评估单期相双能CT在神经母细胞瘤影像定义风险因素评估中的可行性，以降低辐射剂量并优化检查流程	94名儿科神经母细胞瘤患者	数字病理学	神经母细胞瘤	双能CT, 深度学习图像重建	深度学习	CT图像	94名儿科患者（年龄4.92±3.45岁，范围0-17岁）	NA	NA	CT值, 对比噪声比, 边缘上升斜率, 图像质量评分	NA
7	2026-02-06	An enhanced diabetes prediction using an improved hybrid deep learning algorithm with mountain gazelle optimizer 2026-Jun, Journal of diabetes and metabolic disorders IF:1.8Q4 DOI:10.1007/s40200-025-01844-w PMID:41641400	研究论文	提出了一种基于改进混合深度学习算法和山地瞪羚优化器的糖尿病预测框架	结合CatBoost算法、CNN和Bi-LSTM的混合深度学习架构，并利用山地瞪羚优化器进行超参数调优	仅使用Pima印度糖尿病数据集，样本规模有限，未在更广泛或多样化的数据集上验证	提高糖尿病预测的准确性和诊断效率	糖尿病患者的医疗数据	机器学习	糖尿病	深度学习	CNN, Bi-LSTM	结构化医疗数据	Pima印度糖尿病数据集（具体样本数未明确）	NA	CNN, Bi-LSTM	准确率, 精确率, 召回率, F1分数	NA
8	2026-01-29	Real-time vehicle control via edge cloud sensor fusion and CNN based perceptron 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103779 PMID:41583916	研究论文	本研究开发了一种混合边缘-云方法，通过集成深度学习和物联网传感器融合，实现自适应实时车辆控制	提出了一种结合深度学习与物联网传感器融合的混合边缘-云架构，用于自适应车辆控制，并在低成本边缘设备上验证了深度学习部署的可行性	研究在模拟的恶劣驾驶场景下进行评估，可能未完全覆盖所有真实世界的复杂情况	开发一种可靠、自适应的实时车辆控制系统，用于智能交通系统	车辆控制系统	机器视觉	NA	物联网传感器融合	CNN	超声波测距数据	NA	NA	CNN	R², 均方误差	Jetson Nano, Raspberry Pi
9	2026-01-26	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine Learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	本研究利用机器学习模型从远程视频对话中提取面部、声学、语言和心血管特征，以监测老年人的认知障碍和心理幸福感	通过整合多模态特征（面部、声学、语言和心血管）来量化认知状态和社会心理因素，并进行了特征重要性和偏差分析	样本量较小（仅39名老年人），模型在年龄、性别、疾病状况和教育水平方面存在显著偏差，需要更大规模的数据集以提高泛化能力	开发可扩展的方法来监测老年人的认知衰退和识别痴呆风险的社会心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析	机器学习模型	视频、音频、文本	39名老年人	NA	NA	AUC	NA
10	2026-01-25	Integrated region-specific modeling of H5 avian influenza in Asia using ENSO-based forecasts 2026-Jun, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101322 PMID:41567856	研究论文	本研究通过整合ENSO气候预测与分层统计模型，量化了亚洲地区H5高致病性禽流感的气候驱动动态，并利用深度学习进行风险预测	首次将ENSO指数作为主要预测因子，结合区域-宿主分层GAM模型与RNN预测框架，构建了气候驱动的禽流感动态预测系统	模型主要依赖气候变量，未充分考虑人为干预、家禽贸易网络等社会因素对疫情传播的影响	开发气候驱动的H5高致病性禽流感风险预测框架，支持亚洲地区的早期预警和针对性防控策略	亚洲地区的家禽和野生鸟类种群中的H5高致病性禽流感疫情事件	机器学习	禽流感	广义加性模型（GAM）、递归神经网络（RNN）、多变量ENSO指数（MEI）分析	GAM, RNN	气候指数时间序列、疫情事件记录	亚洲七个区域-宿主分层的数据（具体样本数未明确说明）	NA	NA	NA	NA
11	2026-01-25	Machine learning-based multi-class classification of bladder pathologies using fused 3D CT radiomic and 3D auto-encoder deep features 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100728 PMID:41568074	研究论文	本文提出了一种结合放射组学和深度学习特征的自动化分析框架，用于基于非增强CT图像对膀胱病理进行多类别分类	开发了一种集成3D放射组学特征和3D自编码器深度特征的混合特征提取方法，并利用XGBoost进行多类别分类，通过SHAP分析提供了模型的可解释性	研究为回顾性设计，样本量相对有限，且仅使用非增强CT图像，未对比其他影像模态	开发自动化分析框架，实现对膀胱病理（正常、结石、癌症、膀胱炎）的多类别分类	膀胱CT扫描图像	数字病理学	膀胱癌	CT成像	3D-UNet, 3D卷积自编码器, XGBoost	3D CT图像	902例CT扫描（584例正常，142例结石，66例癌症，110例膀胱炎）	PyTorch, Scikit-learn, XGBoost	3D-UNet, 3D卷积自编码器	AUROC	NA
12	2026-01-25	Automated diagnosis of usual interstitial pneumonia on chest CT via the mean curvature of isophotes 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100723 PMID:41568076	研究论文	本研究探讨了使用等照度线平均曲率（MCI）这一几何图像变换技术，以改进胸部CT上寻常型间质性肺炎（UIP）的自动检测性能	首次将MCI这一几何图像变换应用于胸部CT图像，以增强AI系统对UIP的自动检测能力，并展示了其在多个分类模型上的性能提升	研究为回顾性设计，数据来源于两个机构，可能存在选择偏倚；未在更大规模或更多样化的外部数据集上进行验证	评估MCI变换是否能提高胸部CT上UIP自动检测的分类性能	234名患者的胸部CT扫描图像	计算机视觉	间质性肺疾病	胸部CT成像	CNN, 非深度学习模型	图像	234名患者（123名女性，111名男性；平均年龄61.6岁；年龄范围18-90岁）的胸部CT扫描	TensorFlow, PyTorch, Scikit-learn	EfficientNet-V2	召回率-宏平均, 精确率-宏平均, F1分数-宏平均	NA
13	2026-01-20	BRAIN-META: A reproducible CNN-vision transformer meta-ensemble pipeline for explainable brain tumor classification 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103769 PMID:41551258	研究论文	本研究提出了一种名为BRAIN-META的可重复深度学习流程，用于基于结构MRI的多类别脑肿瘤分类	结合了十种混合CNN-Vision Transformer模型与元学习集成框架，并利用Grad-CAM增强可解释性	NA	开发一种准确、可解释且模块化的脑肿瘤分类方法，以支持神经肿瘤学的临床决策	代表四种类别的2D MRI图像：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	计算机视觉	脑肿瘤	结构MRI	CNN, Vision Transformer, 元学习集成	图像	NA	NA	DenseNet121, DenseNet169, DenseNet201, MobileNet, MobileNetV2, EfficientNetB0, EfficientNetB1, EfficientNetB4, InceptionV3, Xception, Vision Transformer	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
14	2026-01-18	Dengue fever prediction based on meteorological features and deep learning models 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.010 PMID:41536441	研究论文	本文提出了一种基于多维气象特征和深度学习模型的登革热预测方法，利用时间序列生成对抗网络扩展数据集，并通过信号分解、特征提取和融合技术提高预测性能	结合TimeGAN进行数据增强，采用SGMD和样本熵进行气象序列分解与重构，并引入双向时间卷积网络与注意力机制的BiLSTM进行特征融合与预测	研究仅基于中国广东省的数据，可能无法直接推广到其他地理或气候区域，且未详细讨论模型在不同季节或极端天气条件下的鲁棒性	提高登革热流行病趋势的预测准确性，以支持公共卫生决策	登革热病例数据与多维气象特征（如温度、湿度、降水）	机器学习	登革热	时间序列生成对抗网络（TimeGAN）、辛几何模态分解（SGMD）、样本熵（SE）	GAN, BiTCN, BiLSTM	时间序列数据	基于中国广东省的登革热病例数据，具体样本数量未明确说明	NA	TimeGAN, BiTCN, BiLSTM with attention module	平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
15	2026-01-11	Integrating Kolmogorov-Arnold networks with ordinary differential equations for efficient, interpretable, and robust deep learning: Epidemiology of infectious diseases as a case study 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.006 PMID:41503372	研究论文	本研究通过将Kolmogorov-Arnold网络与常微分方程结合，提出KAN-UDE框架，用于实现高效、可解释且稳健的深度学习，并以新发传染病流行病学为案例进行验证	将Kolmogorov-Arnold网络整合到通用微分方程框架中，相比基于多层感知机的UDE，显著提升了拟合性能，并在部分时间序列数据下实现了非线性函数的精确重建，同时保持了可解释性	在考虑真实世界数据随机性时，KAN-UDE模型的稳健性和准确性较低	开发一种高效、可解释且稳健的深度学习框架，用于建模和分析复杂动态系统	新发传染病的流行病学动态	机器学习	传染病	常微分方程建模	Kolmogorov-Arnold网络, 通用微分方程	时间序列数据	NA	NA	Kolmogorov-Arnold网络	损失函数	NA
16	2026-01-09	Performance of deep-learning reconstruction combined with metal artifact reduction algorithm for dual-energy computed tomography angiography in intracranial aneurysm coil embolization 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100715 PMID:41492271	研究论文	本研究评估了深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞后双能CT血管成像中的诊断性能	首次将深度学习图像重建与金属伪影减少算法结合应用于颅内动脉瘤弹簧圈栓塞后的双能CT血管成像，并确定了80-90 keV为最优能量范围	样本量较小（54例患者），且为单中心前瞻性研究，需要更大规模的多中心验证	评估深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞后随访中的诊断信心和最优方案选择	颅内动脉瘤弹簧圈栓塞后的患者	医学影像分析	颅内动脉瘤	双能计算机断层扫描血管成像	深度学习图像重建	CT图像	54例患者的前瞻性CTA数据库	NA	NA	伪影指数, 信噪比, 对比噪声比, Likert量表评分	NA
17	2025-12-27	Transfer learning with pre-trained language models for protein expression level prediction in Escherichia coli 2026-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2025.11.012 PMID:41438772	研究论文	本研究提出了一种名为TLCP-EPE的迁移学习框架，首次融合密码子和蛋白质水平的预训练语言模型来联合捕获表达决定因素，以预测大肠杆菌中的重组蛋白表达水平	首次将密码子和蛋白质序列的预训练语言模型进行融合，通过低秩适应（LoRA）微调CaLM和ProtT5，并利用BiGRU-MLP预测器整合其嵌入表示，从而学习表达感知的表征	未明确说明模型在其他生物体系或更广泛数据集上的泛化能力，也未讨论计算效率或实时预测的可行性	提高重组蛋白表达水平的预测准确性和泛化能力，为理性蛋白质设计和生物制造应用提供基础	大肠杆菌中的重组蛋白表达	自然语言处理	NA	迁移学习, 低秩适应（LoRA）	预训练语言模型, BiGRU, MLP	序列数据（密码子序列, 蛋白质序列）	两个独立测试数据集（具体数量未提供）	NA	CaLM, ProtT5, BiGRU-MLP	AUC	NA