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
2221	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
2222	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
2223	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
2224	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
2225	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
2226	2026-03-09	Integrated microwave cavity perturbation sensor for nondestructive estimation of moisture content of grains: A case study on wheat and chickpea 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343435 PMID:41785294	研究论文	本研究提出了一种低成本、集成式微波腔微扰传感器，用于无损估计小麦和鹰嘴豆的水分含量	开发了一种不依赖昂贵矢量网络分析仪的自定义电路系统，并推导出与密度无关的水分含量函数M(Ψ)	研究仅针对小麦和鹰嘴豆两种谷物进行验证，未涵盖其他谷物种类	开发一种用于谷物水分含量无损估计的快速、精确且经济有效的实时监测系统	小麦和鹰嘴豆谷物	机器学习	NA	微波腔微扰传感技术	Bagging, k-NN, REPTree, 深度学习模型	介电特性指标数据	未明确说明具体样本数量	NA	NA	相关系数(R), 均方根误差(RMSE), 准确率	NA
2227	2026-03-09	Hybridizing deep learning algorithms and geostatistical approaches for improved crop yield disaggregation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344081 PMID:41790616	研究论文	本研究提出了一种结合深度学习模型与地理统计残差克里金法的多阶段混合框架，用于将村级作物产量统计数据分解到像素级	首次实证展示了利用天气和卫星波段数据组合进行村级到像素级产量分解的混合框架，通过残差克里金法纠正深度学习模型的空间偏差	研究仅针对印度哈里亚纳邦半干旱地区的小麦和芥菜作物进行案例研究，未涉及其他作物或气候区域	提高精细空间分辨率下的作物产量估计可靠性，以支持精准农业、粮食安全规划和保险计划	小麦和芥菜作物在印度哈里亚纳邦半干旱地区的产量数据	机器学习	NA	地理统计残差克里金法、卫星遥感（Sentinel-1和Sentinel-2波段数据）	深度学习模型、随机森林	土壤数据、天气数据、卫星遥感图像	NA	NA	NA	R2, RMSE, Moran's I	NA
2228	2026-03-09	PAH-former: Transfer learning for efficient discovery of pulmonary arterial hypertension-associated genes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344084 PMID:41790620	研究论文	本研究开发了一个名为PAH-former的迁移学习平台，用于从有限的公开单细胞RNA测序数据中高效发现与肺动脉高压相关的基因	通过微调Geneformer深度学习模型，创建了专门针对肺动脉高压的PAH-former模型，并利用其进行计算机扰动分析来识别和排序候选基因，为从有限数据中发现疾病相关基因提供了一种新策略	研究依赖于公开可用的有限患者样本数据，且体外验证仅在人类肺动脉内皮细胞中进行，未涉及其他细胞类型或体内模型	高效识别肺动脉高压的新型功能相关疾病关联基因，以发现新的治疗靶点	肺动脉高压患者的单细胞RNA测序数据，以及人类肺动脉内皮细胞	机器学习	肺动脉高压	单细胞RNA测序，RNA干扰介导的敲低	深度学习模型	基因表达数据	未明确说明具体样本数量，但提及数据来源于公开的肺动脉高压患者单细胞RNA测序数据	NA	Geneformer	NA	NA
2229	2026-03-09	MoGraphDRP: Multi-omics and graph fusion with bilinear attention for predicting drug sensitivity 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341458 PMID:41790794	研究论文	提出了一种多分支深度学习框架，通过融合多组学细胞数据和药物结构特征来预测药物敏感性	结合多组学数据和药物分子图与化学指纹，并引入多头双线性注意力模块来建模细胞与药物间的复杂相互作用	NA	实现精准医疗和个性化治疗设计，准确预测癌细胞中的药物反应	癌细胞的多组学数据（基因表达、突变、甲基化、生物通路）和药物结构特征（分子图、化学指纹）	机器学习	癌症	多组学数据分析	GCN, MLP, XGBoost	基因表达、突变、甲基化、生物通路数据、分子图、化学指纹	NA	TensorFlow, PyTorch, XGBoost	Graph Convolutional Network, Multi-head Bilinear Attention	PCC, RMSE, R²	NA
2230	2026-03-09	[Research progress in RNA secondary structure prediction methods] 2025-Dec-26, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.250791 PMID:41755596	综述	本文综述了RNA二级结构预测的主要计算方法，比较了各类算法的优缺点，并讨论了相关技术在生物医学领域的应用及未来发展方向	系统比较了基于能量、多序列、传统机器学习、深度学习以及基于三级结构的RNA二级结构预测方法，并特别关注了在RNA结合蛋白位点识别中的应用	NA	回顾RNA二级结构预测方法的研究进展，为相关研究提供重要参考	RNA二级结构预测方法	计算生物学	NA	能量方法、多序列方法、传统机器学习、深度学习、基于三级结构的预测方法	NA	NA	NA	NA	NA	NA	NA
2231	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Jun, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2232	2026-03-07	Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids 2026-Dec, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2026.2634734 PMID:41755457	研究论文	本研究开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于在子宫肌瘤的磁共振引导高强度聚焦超声治疗中分割皮下脂肪层	首次将注意力门控U-Net架构应用于子宫肌瘤MR-HIFU治疗中的皮下脂肪自动分割，显著提高了分割效率并确保了治疗安全性	研究样本量相对较小（62例患者），且模型仅在特定患者群体（子宫肌瘤）的MR图像上进行了验证	开发一种自动分割算法以增强MR-HIFU治疗子宫肌瘤时的安全性和临床工作效率	接受MR-HIFU治疗的子宫肌瘤患者的磁共振图像	数字病理学	子宫肌瘤	磁共振成像	CNN	图像	62例患者	NA	注意力门控U-Net	Dice系数, 95百分位Hausdorff距离, 平均绝对厚度误差	NA
2233	2026-03-07	Comparing deep learning and classical regression approaches for predicting healthcare expenditure and spending: a systematic review 2026-Dec, Journal of medical economics IF:2.9Q1 DOI:10.1080/13696998.2026.2630598 PMID:41779998	系统综述	本研究系统比较了深度学习架构与传统回归及树模型在个体层面医疗成本预测中的表现，特别关注不同数据背景下的性能差异	提出了复杂性-性能假说，并系统评估了深度学习在序列丰富的纵向成本预测中的优势，同时明确了传统方法在低维横截面数据中的稳健性	证据基于少量（8项）异质性研究，外部或时间验证有限，预测周期短，且对校准、经济可解释性和公平性的评估稀疏，需谨慎解读	比较深度学习与传统回归及树模型在医疗支出预测中的性能差异	使用真实世界个体层面数据（如理赔、电子健康记录或注册数据）预测成本相关结果的研究	机器学习	NA	NA	LSTM, CNN-LSTM, 回归模型, 树模型	结构化数据, 时间序列数据	NA	NA	LSTM, CNN-LSTM	RMSE, MAE, R2, AUROC	NA
2234	2026-03-07	Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin 2026-Apr-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345196 PMID:41765623	研究论文	本研究开发了一种集成了双发射分子印迹荧光传感器与深度学习的便携式传感平台，用于诺氟沙星的快速现场检测	结合分子印迹荧光传感器与卷积神经网络，利用智能手机捕获的荧光图像实现高灵敏度、抗环境干扰的现场定量检测	NA	开发用于诺氟沙星快速现场检测的便携式传感技术	诺氟沙星（NOR）	计算机视觉	NA	分子印迹荧光传感，配体到金属电荷转移（LMCT）机制	CNN	图像	NA	NA	CNN	检测限，回收率，相对标准偏差（RSD）	智能手机
2235	2026-03-07	Critical assessment of machine learning approaches for classification, dynamic prediction and surrogate Modeling in food fermentation 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118403 PMID:41763759	研究论文	本研究批判性地评估了机器学习方法在葡萄酒发酵过程中的分类、动态预测和代理建模任务中的表现，并与基于知识的模型进行了比较	首次在食品发酵领域系统比较了多种监督机器学习方法与基于知识的模型在有限数据条件下的性能，并开发了一种集成知识预测与残差神经网络的混合模型以纠正系统误差	机器学习模型在训练数据有限或需要预测超出训练条件范围的结果时表现不佳，而基于知识的模型虽然泛化能力更好，但计算成本较高	评估机器学习方法在食品发酵过程中分类、动态预测和代理建模任务中的有效性，并与传统基于知识的模型进行比较	葡萄酒发酵过程、工业酵母菌株、发酵动力学数据	机器学习	NA	NA	决策树, 支持向量机, 神经网络, 残差神经网络	时间序列发酵数据, 代谢物数据, 合成数据	NA	NA	残差神经网络	准确率, 归一化均方根误差	NA
2236	2026-03-07	Simultaneous detection and visualization of lipid and protein oxidation in frozen-thawed chicken meat using hyperspectral imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118463 PMID:41763786	研究论文	本研究利用高光谱成像技术结合多任务深度学习框架，实现了冷冻-解冻鸡肉中脂质和蛋白质氧化的同时检测与可视化	提出了一种新颖的多任务深度学习框架，将格拉米安角差场与多任务卷积神经网络集成，实现了脂质和蛋白质氧化指标的同时端到端预测，避免了传统方法需为每个指标单独训练模型的低效问题	研究仅针对鸡肉进行，未涉及其他肉类或食品；实验条件限于10次冻融循环，可能未覆盖所有实际存储场景	评估冷冻-解冻鸡肉在存储过程中的脂质和蛋白质氧化程度，以改善肉类质量控制	冷冻-解冻的鸡肉样品	计算机视觉	NA	高光谱成像	CNN	图像	未明确指定样本数量，但涉及10次冻融循环的鸡肉样品	未明确指定，但基于深度学习框架	多任务卷积神经网络	相关系数R, 均方根误差RMSEP, 相对预测偏差RPD	NA
2237	2026-03-07	Seeing structure, sensing softening: Decoding the microstructural mediation between optical properties and peach firmness using spatial frequency domain imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118510 PMID:41763828	研究论文	本研究利用空间频率域成像系统，结合深度学习模型和多元统计分析，揭示了桃子光学特性与硬度之间通过微观结构介导的定量机制	首次构建了“光学-结构-力学”多维框架，并采用Cellpose-SAM深度学习模型实现复杂细胞形态的高通量分割，克服了传统方法的局限性	研究仅针对‘湖景’桃子品种，且光学测量范围限定在450-1040 nm波段，可能无法完全代表其他品种或更宽光谱范围的情况	解码桃子硬度的光学检测机制，为光学质量评估提供生物物理基础	‘湖景’桃子在成熟和贮藏阶段的光学特性、微观结构及生化属性	计算机视觉	NA	空间频率域成像	深度学习模型	图像	NA	NA	Cellpose-SAM	决定系数	NA
2238	2026-03-07	Efficacy of Automatic 3D Segmentation of the Upper Airway in CBCT or CT Scans via Artificial Intelligence Versus Manual Segmentation by Human Experts: A Systematic Review and Meta-Analysis 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70314 PMID:41764765	系统综述与荟萃分析	本文通过系统综述与荟萃分析，首次评估了AI在CBCT或CT扫描中自动三维分割上呼吸道的效能，并与人工分割进行比较	首次对上呼吸道AI自动分割与人工分割的效能进行荟萃分析，综合评估了多种分割性能指标	纳入研究数量有限（仅11项，其中6项用于荟萃分析），需要更多研究才能得出决定性结论	评估人工智能在CBCT或CT扫描中自动三维分割上呼吸道的效能	基于CBCT或CT扫描的上呼吸道评估研究	医学影像分析	NA	CBCT扫描, CT扫描	深度学习, 机器学习	三维医学影像（CBCT/CT）	NA	NA	NA	准确率, 精确率, Dice相似系数, 总体积差异, 交并比, 召回率	NA
2239	2026-03-07	Has AI Reshaped Drug Discovery, or Is There Still a Long Way to Go? 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70257 PMID:41766174	综述	本文探讨了人工智能在药物发现中的应用现状、进展与挑战	系统总结了AI在药物发现各阶段（如分子性质预测、蛋白质结构建模）的整合应用，并指出尽管AI加速了早期研发，但尚未有完全由AI起源的药物获得全面监管批准，这突显了其作为辅助工具而非独立解决方案的定位	关键限制包括数据质量与可访问性差、模型可解释性不足、计算预测与化学可行性之间的差距，以及生物系统复杂性导致的转化成功受限	评估人工智能是否已重塑药物发现流程，并分析其当前角色与未来潜力	药物发现中的AI应用，包括分子、蛋白质结构及ADME/Tox预测等	机器学习	NA	深度学习	NA	多模态数据（如分子数据、文本数据）	NA	NA	NA	NA	NA
2240	2026-03-07	The Evaluation of Machine Learning Models Using Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF-MS) Spectra for the Prediction of Antibiotic Resistance in Klebsiella pneumoniae 2026-Apr, MicrobiologyOpen IF:3.9Q2 DOI:10.1002/mbo3.70257 PMID:41771780	综述	本文评估了利用MALDI-TOF-MS质谱数据构建机器学习模型以预测肺炎克雷伯菌抗生素耐药性的研究现状	通过整合23项研究，系统展示了机器学习模型（尤其是集成算法和深度学习）结合MALDI-TOF-MS质谱在快速、准确预测抗生素耐药性方面的创新应用，将诊断时间从传统方法的数天缩短至数分钟或数小时	模型受到外部验证有限、质谱预处理方案不一致以及不同MALDI-TOF-MS平台间变异性的限制，可能影响模型的泛化能力和临床转化	评估机器学习模型利用MALDI-TOF-MS质谱预测肺炎克雷伯菌抗生素耐药性的有效性和应用潜力	肺炎克雷伯菌	机器学习	细菌感染	MALDI-TOF-MS	集成算法, 深度学习	质谱数据	35至超过15,000株分离株	NA	Random Forest, XGBoost, Light Gradient Boosting Machine, CNN	AUROC, 准确率	NA