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
2201	2026-03-09	Efficient self-supervised Barlow Twins from limited tissue slide cohorts for colonic pathology diagnostics 2026-Feb-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104004 PMID:41793844	研究论文	本文提出了一种优化的Barlow Twins自监督学习框架，用于结直肠息肉筛查，通过调整超参数、增强策略和编码器以适应病理数据特性，并探讨了最佳视野范围	针对结直肠息肉筛查优化了Barlow Twins框架，提出新的增强策略和编码器适配，并构建了包含四种息肉类型和正常组织的基准数据集	研究基于有限的组织切片队列，可能影响模型的泛化能力；自监督学习在病理数据中的应用仍处于探索阶段	开发高效的计算模型以辅助病理学家筛查结直肠息肉活检，改善工作流程并引导关注关键区域	结直肠息肉活检的病理切片图像，包括四种息肉类型和正常组织	数字病理学	结直肠癌	全切片图像分析	自监督学习, Transformer	图像	基于MHIST和NCT-CRC-7K数据集构建的基准数据集，具体样本数量未明确说明	PyTorch	Swin Transformer	NA	NA
2202	2026-03-09	Assessment of Predictive Factors That Shorten Duration of Treatment in Patients With Multiple Myeloma Using AI: Real-World Longitudinal Study Using Data From Medical Data Vision Claims Database 2026-Feb-19, JMIR cancer IF:3.3Q2 DOI:10.2196/75586 PMID:41711382	研究论文	本研究利用机器学习技术，从日本医疗数据视觉索赔数据库中识别影响多发性骨髓瘤患者治疗持续时间缩短的预测因素	首次应用可解释的深度学习模型和点状线性模型，结合聚类分析，从真实世界数据中识别多发性骨髓瘤治疗持续时间缩短的关键因素	研究基于回顾性索赔数据，可能存在数据完整性和准确性的限制，且结果主要适用于日本患者群体	识别多发性骨髓瘤患者治疗持续时间缩短的预测因素	日本多发性骨髓瘤患者，包括移植不合格的新诊断患者以及复发或难治性患者	机器学习	多发性骨髓瘤	索赔数据分析，机器学习算法	深度学习模型，弹性网络，极端梯度提升	结构化医疗索赔数据	2762名患者（4848个个体样本）	NA	点状线性模型	曲线下面积	NA
2203	2026-03-09	Machine Learning for Predicting Stroke Risk Stratification Using Multiomics Data: Systematic Review 2026-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85654 PMID:41711384	系统综述	本文系统评估了使用多组学数据和机器学习模型进行卒中风险分层的预测准确性、整合策略及验证报告实践	首次对多组学数据结合机器学习在卒中风险分层中的应用进行系统性综述，总结了整合策略、性能表现及方法学局限性	纳入研究数量有限（仅7项），样本量小，设计异质性高，报告不完整，阻碍了模型的可重复性和泛化性	评估多组学数据结合机器学习模型在卒中风险分层中的预测性能、整合方法及验证实践，为未来方法学发展提供信息	以缺血性、出血性或未指定类型卒中为预测目标的成年患者	机器学习	卒中	多组学技术（如代谢组学-蛋白质组学、代谢组学-脂质组学等）	支持向量机, 树集成模型, 广义线性模型, 深度学习	多组学数据	40,274名参与者（来自7项研究）	NA	NA	受试者工作特征曲线下面积	NA
2204	2026-03-09	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Feb-13, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，通过深度学习模型将3D病理数据集转换为多路复用免疫荧光数据，以自动检测前列腺癌区域	开发了基于深度学习的3D图像翻译模型SIGHT，能够合成免疫标记并生成可解释的3D热图，用于自动化识别前列腺癌区域，其性能与病理学家间的一致性相当	未明确提及具体局限性，但可能包括模型在更大或更多样化数据集上的泛化能力验证不足	自动化并改进在3D病理数据集中区分良性和前列腺癌富集区域的过程，以支持基于3D病理的前列腺癌风险分层	前列腺组织样本的3D病理数据集	数字病理学	前列腺癌	3D病理学，免疫荧光	深度学习图像翻译模型	3D图像数据	75名患者的前列腺组织样本	NA	NA	F1分数，Kaplan-Meier风险比	NA
2205	2026-03-09	A CNN-RNN Siamese framework with multi-level aggregation for video-based person re-identification 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39277-x PMID:41673086	研究论文	本研究提出了一种结合CNN和RNN的紧凑型孪生网络框架，用于视频行人重识别，通过多级聚合有效融合空间和时间特征	提出了一种紧凑的CNN-GRU孪生网络框架，避免了基于Transformer的主干网络的深度和计算需求，同时通过多级相似性聚合有效结合了细粒度空间线索和长程时间模式	未明确说明在极端遮挡或视角变化下的性能，也未与其他最先进的Transformer方法进行详细比较	开发一种准确且资源高效的视频行人重识别方法，适用于现实世界中资源受限的环境	视频序列中的行人	计算机视觉	NA	NA	CNN, RNN, Siamese network	视频	NA	NA	CNN-GRU	NA	NA
2206	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
2207	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
2208	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
2209	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
2210	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
2211	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
2212	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
2213	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
2214	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
2215	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
2216	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
2217	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
2218	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
2219	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
2220	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