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
2161	2026-03-09	Alzheimer's disease prediction using deep learning and XAI based interpretable feature selection from blood gene expression data 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35260-8 PMID:41667529	研究论文	本文提出了一种基于深度学习与可解释人工智能的血液基因表达数据特征选择方法，用于阿尔茨海默病的早期预测	结合多种特征选择方法、生成对抗网络数据增强与SHAP可解释性分析，从高维小样本血液基因表达数据中识别关键生物标志物	样本量有限，依赖公开数据集，需进一步临床验证	开发非侵入性、低成本的阿尔茨海默病早期检测方法	阿尔茨海默病患者与健康对照的血液基因表达数据	机器学习	阿尔茨海默病	基因表达分析	深度学习, GAN	基因表达数据	三个公开数据集（GSE63060、GSE63061、ADNI）及其整合版本	NA	深度神经网络	准确率, 精确率	NA
2162	2026-03-09	Utilizing deep learning models for early detection and classification of fruit diseases: towards sustainable agriculture and enhanced food quality 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38259-3 PMID:41667572	研究论文	本研究提出使用深度学习模型进行水果病害的早期检测与分类，旨在提升农业可持续性和食品质量	结合图像预处理和数据增强技术，应用五种深度学习模型（CNN、DenseNet121、EfficientNetB3、Xception、ResNet50）对六种水果病害进行检测，并推荐EfficientNetB3模型以实现高精度分类	未提及模型在真实田间环境下的泛化能力、计算资源需求或数据集的规模限制	通过深度学习模型实现水果病害的早期检测与分类，以改善农业生产力与食品质量	六种水果（橙子、葡萄、芒果、番石榴、苹果、香蕉）的植物病害	计算机视觉	NA	图像预处理、数据增强	CNN, DenseNet, EfficientNet, Xception, ResNet	图像	NA	NA	CNN, DenseNet121, EfficientNetB3, Xception, ResNet50	准确率	NA
2163	2026-03-09	De novo protein design: a transformative frontier in clinical protein applications 2026-Feb-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07784-0 PMID:41639692	综述	本文综述了从头蛋白质设计在临床蛋白质应用中的前沿进展，包括其计算策略、深度学习的贡献、应用前景及面临的挑战	超越传统依赖天然蛋白质支架的限制，直接设计具有定制结构和功能的蛋白质，为临床应用提供新途径	临床转化仍受生物、技术和转化等多方面因素限制，需加强计算设计、实验验证、工程优化与临床需求的协调	探讨从头蛋白质设计在临床蛋白质应用中的潜力、挑战及未来发展方向	从头蛋白质设计的方法、策略及其在临床蛋白质应用中的前景	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
2164	2026-03-09	UniSyn: a multi-modal framework with knowledge transfer for anti-cancer drug synergy prediction 2026-Feb-04, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03972-9 PMID:41639919	研究论文	本文提出了一种名为UniSyn的可解释多模态深度学习框架，通过知识转移从单药反应中学习，以增强抗癌药物协同作用的预测	UniSyn框架利用混合注意力机制整合药物和细胞系特征，支持多任务学习，并能提供机制性见解，同时能泛化到未见过的药物对和细胞类型	NA	预测抗癌药物协同作用，以改善癌症治疗	药物组合和肿瘤细胞系	机器学习	癌症	深度学习	深度学习框架	多模态数据	NA	NA	混合注意力机制	多种协同作用评分指标	NA
2165	2026-03-09	Self-supervised pretraining with NuSPIRe unlocks nuclear morphology-driven insights in spatial omics 2026-Feb-03, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03987-2 PMID:41634826	研究论文	本研究介绍了NuSPIRe，一种用于分析DAPI染色图像中细胞核形态的自监督深度学习模型，并展示了其在细胞类型识别、扰动检测以及与空间组学数据整合中的应用	开发了NuSPIRe模型，首次通过自监督学习大规模分析细胞核形态，并将其与空间组学数据关联，实现了AI驱动的实验优化	未在摘要中明确提及	解锁细胞核形态在空间组学中的潜力，以理解细胞状态并优化实验设计	细胞核形态（基于DAPI染色图像）	数字病理学	NA	DAPI染色成像	深度学习模型	图像	1552万个细胞核图像	NA	NuSPIRe	NA	NA
2166	2026-03-09	Deep learning-based image enhancement for improved black blood imaging in brain metastasis 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11920-7 PMID:40781512	研究论文	本研究评估了基于深度学习的图像增强技术在改善3D对比增强T1加权黑血磁共振成像图像质量和脑转移瘤诊断性能方面的效用	首次将商业化的深度学习图像增强软件应用于3D对比增强T1加权黑血磁共振成像，显著提高了小尺寸（小于5毫米）脑转移瘤的检测灵敏度	研究为回顾性设计，未与其他深度学习增强方法进行直接比较，且伪影改善不显著	评估深度学习图像增强对脑转移瘤黑血磁共振成像质量和诊断性能的改善效果	126名脑转移瘤患者和121名非脑转移瘤患者的3T磁共振成像数据	医学影像分析	脑转移瘤	3D对比增强T1加权黑血磁共振成像	深度学习	磁共振图像	247名患者（126例脑转移，121例非脑转移）	NA	NA	信噪比, 对比噪声比, 灵敏度, 特异性, 假阳性计数	NA
2167	2026-03-09	Domain generalization for diabetic retinopathy grading with phase augmentation framework 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03469-w PMID:41199099	研究论文	本文提出了一种基于傅里叶变换的领域泛化框架，用于提高糖尿病视网膜病变分级的泛化性能	提出了一种新颖的傅里叶谱增强技术，利用相位信息保留关键高频特征，并结合协作师生知识蒸馏和特征融合模块，显著提升了跨域鲁棒性和分类性能	未明确提及具体局限性，但可能涉及对多种成像设备和条件的泛化能力仍需进一步验证	解决糖尿病视网膜病变分级中因源域和目标域分布差异导致的泛化性能下降问题，即领域泛化问题	眼底图像	计算机视觉	糖尿病视网膜病变	傅里叶变换	深度学习	图像	六个临床现实DR数据集	NA	双网络学习机制	泛化性能	NA
2168	2026-03-09	Artificial intelligence-driven longitudinal quantification of technetium pyrophosphate uptake in cardiac amyloidosis: Correlation with multimodality imaging and outcomes 2026-Feb, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102573 PMID:41314377	研究论文	本研究利用人工智能驱动的深度学习技术纵向量化心脏淀粉样变性患者中锝-99m焦磷酸盐的摄取，并探讨其与多模态影像参数及临床结局的相关性	首次将深度学习技术应用于纵向量化心脏淀粉样变性患者的锝-99m焦磷酸盐摄取，并与多模态影像参数及临床结局进行关联分析	样本量相对较小（85例患者），且研究为单中心设计，可能存在选择偏倚	评估心脏淀粉样变性患者治疗反应监测的新方法	诊断为转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的患者	数字病理学	心血管疾病	锝-99m焦磷酸盐（99mTc-PYP）成像	深度学习	医学影像	85例患者	NA	NA	相关性分析（ρ值），风险比（HR）	NA
2169	2026-03-09	Advantages and Limitations of AlphaFold in Structural Biology: Insights from Recent Studies 2026-Feb, The protein journal DOI:10.1007/s10930-025-10310-8 PMID:41326937	综述	本文综述了2022年至2025年间AlphaFold在结构生物学中的应用、优势与局限性	系统性地综合了AlphaFold在病毒学、微生物学和生物医学等多个领域的最新应用案例，并总结了其方法扩展（如AlphaFold-Multimer）以及与分子动力学模拟的结合，同时明确了其在特定场景下的精度限制	AlphaFold对固有无序区域、蛋白质-配体/辅因子相互作用、以及非常大或瞬时的组装体的预测存在局限，约三分之一的残基可能缺乏原子精度	评估AlphaFold在结构生物学中的实际影响、应用范围及现有挑战	人类、微生物和病毒系统中的蛋白质结构，包括SARS-CoV-2刺突蛋白和核衣壳蛋白、细菌核糖体和膜蛋白复合物、人类GPCRs等	结构生物学	NA	深度学习蛋白质结构预测，分子动力学模拟	深度学习模型	氨基酸序列，冷冻电镜图谱	NA	NA	AlphaFold, AlphaFold-Multimer	原子精度，模型拟合度	NA
2170	2026-03-09	Diagnostic accuracy of artificial intelligence models for temporomandibular joint anomalies on MRI: a systematic review and meta-analysis 2026-Jan-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01525-6 PMID:41620618	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在MRI上检测颞下颌关节异常的诊断准确性	首次对AI模型在颞下颌关节MRI异常检测中的诊断性能进行了全面的系统综述和荟萃分析，并识别了影响模型性能的因素	存在显著的异质性（I2 > 90%），外部验证有限，这限制了临床转化	系统评价和荟萃分析AI模型在MRI上检测颞下颌关节异常的诊断性能，并识别影响模型性能的因素	颞下颌关节异常	医学影像分析	颞下颌关节疾病	磁共振成像	深度学习, 机器学习	MRI图像	NA	NA	ResNet-18, Inception v3, EfficientNet-b4	准确率, 灵敏度, 特异性	NA
2171	2026-03-09	Towards Automated Analysis of Gaze Behavior from Consumer VR Devices for Neurological Diagnosis 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0016 PMID:41758144	研究论文	本研究探索了使用消费级VR设备采集的眼动追踪数据来支持神经退行性疾病诊断的可行性	利用消费级VR头显替代昂贵临床设备进行眼动追踪，实现大规模、低成本、远程的神经退行性疾病评估	消费级设备固有的噪声和较低精度可能影响数据质量	开发可扩展、自动化且易于获取的神经退行性疾病诊断工具	帕金森病等神经退行性疾病患者的眼动行为数据	机器学习	帕金森病	眼动追踪	深度学习嵌入	眼动数据	NA	NA	NA	分类性能	NA
2172	2026-03-09	BioLM-NET: an interpretable deep learning model combining prior biological knowledge and contextual LLM gene embeddings on multi-omics data to predict disease 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0047 PMID:41758175	研究论文	本文提出了一种结合先验生物学知识和上下文LLM基因嵌入的深度学习模型BioLM-NET，用于多组学数据预测疾病	BioLM-NET首次融合了蛋白质-蛋白质相互作用(PPI)和蛋白质-DNA相互作用(PDI)先验知识，并引入基于注意力的通路层整合预训练大语言模型生成的上下文特异性基因嵌入	未明确说明模型的计算复杂度、训练时间或在小样本数据集上的泛化能力	开发一个可解释的深度学习模型，利用多组学数据和生物学先验知识预测疾病类型	结直肠癌单细胞数据、TCGA乳腺癌、胶质母细胞瘤、结肠癌数据以及ROSMAP阿尔茨海默病数据	机器学习	结直肠癌, 乳腺癌, 胶质母细胞瘤, 阿尔茨海默病	单细胞基因表达测序, DNA甲基化测序	深度学习, 注意力机制	基因表达数据, DNA甲基化数据	scTrioseq2平台结直肠癌单细胞数据、TCGA-BRCA、TCGA-GBM、TCGA-COAD数据集及ROSMAP阿尔茨海默病数据	NA	BioLM-NET, P-NET, PASNet, Dense neural network	统计显著性	NA
2173	2026-03-09	Deep Learning-based Classification of Patients with Postural Orthostatic Tachycardia Syndrome using Wearable ECG and Accelerometer Data 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0050 PMID:41758178	研究论文	本研究利用可穿戴设备收集的ECG和加速度计数据，通过深度学习模型对体位性心动过速综合征患者进行分类	首次使用可穿戴设备在日常生活场景中连续收集生理数据，并基于深度学习模型对POTS患者进行分类，克服了传统临床测试的限制	样本量较小（66名患者和20名对照），未来需要在更大、更多样化的临床条件下进行验证	开发一种基于可穿戴设备和深度学习的POTS诊断辅助工具	体位性心动过速综合征患者和健康对照者	机器学习	心血管疾病	可穿戴设备数据采集（ECG和加速度计）	深度学习模型	ECG信号和加速度计数据	66名POTS患者和20名健康对照者	NA	NA	NA	NA
2174	2026-03-09	Explainable AI for gait speed analysis from multimodal data fusion 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341067 PMID:41758888	研究论文	本研究提出了一种基于多模态数据融合和深度学习的步态速度分类框架，并利用层间相关性传播进行优化	提出了两种新颖的架构：混合CNN+LSTM和多流CNN，并应用LRP进行特征相关性评估以验证模型鲁棒性	研究仅基于50名无损伤成年人的公开数据集，样本规模有限且未涵盖临床患者群体	开发高精度且鲁棒的步态速度分析工具，用于医疗保健、康复和人机交互等领域	50名无损伤成年人在不同速度下的步行数据	机器学习	NA	全身运动捕捉、肌电图、测力板数据采集	CNN, LSTM, TCN, Transformer, GRU	多模态时序数据（运动、肌电、力学信号）	50名成年人的多模态步态数据集	NA	混合CNN+LSTM, 多流CNN, Temporal Convolutional Networks, Transformer, Gated Recurrent Units	F1分数, ROC曲线, 混淆矩阵	NA
2175	2026-03-09	Multi-omics signatures of chronic inflammation across immune-related disease states 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753156 PMID:41766899	研究论文	本研究利用英国生物银行数据，通过多组学深度学习模型分析慢性炎症在多种免疫相关疾病中的特征，并评估其与长期死亡率的关联	首次在人群规模上整合系统性炎症、代谢和蛋白质组学信号，构建多组学深度学习模型，并通过堆叠元模型和竞争风险模型解码慢性疾病中的免疫代谢通讯模式	研究基于英国生物银行数据，可能受人群代表性限制；模型验证主要依赖体外实验，需进一步体内验证	解码慢性疾病状态下的免疫代谢通讯模式，并建立风险分层定量框架	英国生物银行参与者，分为健康对照组、癌症、自身免疫性疾病、感染性疾病、代谢性疾病及多重共病组	机器学习	慢性炎症相关疾病	NMR代谢组学、Olink蛋白质组学、ELISA、流式细胞术、qPCR	深度学习	临床数据、血液学指标、代谢组学数据、蛋白质组学数据	英国生物银行参与者（具体数量未在摘要中明确，但为大规模人群数据）	NA	多组学深度学习模型（包括临床/炎症模型、+NMR模型、+Olink模型及三塔多组学模型）	准确率、宏F1分数、多类AUC	NA
2176	2026-03-09	Hybrid lightweight vision transformers with attention mechanism for feature extraction and classification of product designs 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343510 PMID:41774737	研究论文	本研究提出了一种名为LeViT的混合轻量级视觉Transformer架构，用于产品包装设计的特征提取与分类	提出了一种结合卷积神经网络与视觉Transformer的混合架构，能够同时学习局部视觉细节和全局上下文特征，在保持计算效率的同时改进了特征表示	未在摘要中明确说明	解决传统深度学习模型在复杂视觉任务（如包装分类）中难以捕捉长距离关系和全局视觉上下文的问题	产品包装设计图像	计算机视觉	NA	NA	CNN, Transformer	图像	未在摘要中明确说明	NA	LeViT, ResNet-50, RegNet, ConvNeXt	分类准确率	未在摘要中明确说明
2177	2026-03-09	Scalable and objective wound infection screening from clinical images using deep learning 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1772514 PMID:41778136	研究论文	本研究开发并评估了一种基于深度学习的框架，用于从临床伤口图像中自动检测伤口感染，旨在提高诊断一致性并支持公共卫生导向的伤口管理	首次将Swin Transformer架构应用于临床伤口图像进行感染检测，相比传统卷积神经网络表现出更优性能，并展示了在资源有限或非专科临床环境中的可扩展性和客观性	研究未明确提及数据集的多样性限制（如伤口类型、肤色或光照条件的变化），也未讨论模型在不同医疗设备或拍摄条件下的泛化能力	开发一种可扩展、客观的伤口感染筛查工具，以改善诊断一致性并支持公共卫生管理	临床伤口图像	计算机视觉	伤口感染	深度学习	Swin Transformer, CNN	图像	4000张多样化的临床伤口图像	NA	Swin Transformer, 传统卷积神经网络	准确率, AUC, F1分数	NA
2178	2026-03-09	Enhancing InceptionResNet to Diagnose COVID-19 from Medical Images 2026, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673378155250704110629 PMID:40734430	研究论文	本研究提出了一种改进的InceptionResNet模型（Enhanced InceptionResNet），用于从胸部X光图像中诊断COVID-19	改进了InceptionResNet模型，通过引入深度可分离卷积来增强特征提取效率并减少计算资源消耗	计算需求较高，且在区分正常与肺炎病例方面仍有提升空间	开发一种高效的深度学习模型，用于从医学图像中诊断COVID-19	胸部X光图像	计算机视觉	COVID-19	X光成像	CNN	图像	2600张X光图像	NA	ResNet, InceptionResNet, Enhanced InceptionResNet	准确率, 召回率, 精确率, F1分数, ROC-AUC, 损失值, 混淆矩阵分析	NA
2179	2026-03-09	MLGT: A multimodal graph attention network for virtual screening of anti-Uveitis drugs 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343159 PMID:41785238	研究论文	本文提出了一种名为MLGT的多模态图注意力网络，用于抗葡萄膜炎药物的虚拟筛选	提出了一种基于GATv2的新型图注意力网络，首次在统一深度学习框架中协同整合分子图拓扑、键属性和物理化学描述符，并采用动态注意力机制捕获非局部原子相互作用以及双流融合模块结合图嵌入与分子描述符	未明确说明模型在其他疾病或更大规模数据集上的泛化能力，以及计算资源的具体需求	开发一种高效的计算工具，用于靶向葡萄膜炎药物的虚拟筛选，并为复杂疾病的精准药物发现建立可扩展的AI驱动范式	葡萄膜炎相关化合物	机器学习	葡萄膜炎	虚拟筛选	图注意力网络	分子图, 物理化学描述符	来自ChEMBL的严格策划的葡萄膜炎相关化合物数据集	NA	GATv2	准确率, F1分数, 召回率, AUC-ROC	NA
2180	2026-03-09	Investigating the correlation between candidate teachers' acceptance of generative artificial intelligence and artificial intelligence literacy across various disciplines 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342853 PMID:41785261	研究论文	本研究采用解释性顺序混合方法，调查了不同学科准教师的生成式人工智能接受度与人工智能素养水平之间的相关性及其影响因素	首次在准教师群体中系统探讨生成式人工智能接受度与人工智能素养的跨学科比较，并整合定量与定性数据揭示影响因素	样本仅来自单一国家或地区的准教师，可能限制结果的普适性；自我报告数据可能存在偏差	探究准教师的生成式人工智能接受度与人工智能素养的关系及影响因素	723名准教师（定量）和48名准教师（定性）	自然语言处理	NA	问卷调查、半结构化访谈	NA	问卷数据、访谈文本	723名准教师（定量）、48名准教师（定性）	NA	NA	NA	NA