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
2461	2026-07-09	Solar Power Forecasting Using Hybrid Deep Learning: Performance Enhancement with Random Forest-BiLSTM and Ensemble Modeling 2026-Feb-03, Journal of visualized experiments : JoVE DOI:10.3791/69743 PMID:41729804	研究论文	提出一种混合深度学习集成方法，通过RF-BiLSTM和集成建模提升太阳能发电预测性能	提出RF-BiLSTM混合架构与逆MAE加权集成策略，结合随机森林与双向LSTM的优势，并通过集成建模将预测误差降低6.2%	实验仅基于特定辐射数据，未考虑天气突变、地理差异等复杂因素对模型泛化能力的影响	提升太阳能发电预测的准确性和鲁棒性，支持智能电网和能源管理系统	太阳能发电历史时间序列辐射数据中的时空依赖关系	机器学习, 深度学习	NA	深度学习，集成学习	BiLSTM, CNN, GRU, Transformer, 随机森林	时间序列数据	未明确说明样本数量	TensorFlow, PyTorch	RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU, CNN-Transformer	R², MAE, MSE	未明确说明计算资源
2462	2026-07-09	Integrated In Silico, In Vivo, and Deep Learning Approaches in the Discovery of Novel Candidate Molecules for Aedes aegypti Control 2026-Feb, Archives of insect biochemistry and physiology IF:1.5Q4 DOI:10.1002/arch.70138 PMID:41729012	研究论文	本研究整合了计算机模拟、体内实验和深度学习方法，用于发现控制埃及伊蚊的新候选分子	首次将基于深度学习的虚拟筛选和德新奥算法结合，针对埃及伊蚊幼虫和成虫的不同生物学弱点，提出阶段特异性发现框架	未提供实验验证所有候选分子的结果，仅对少数化合物进行了幼虫杀灭实验，成虫血餐抑制的候选分子尚需后续评估	发现控制埃及伊蚊的新候选分子，包括幼虫杀灭剂和成虫血餐抑制剂	埃及伊蚊及其幼虫和成虫	机器学习, 计算机辅助药物设计	虫媒病毒病	计算虚拟筛选, 深度学习虚拟筛选, 从头药物设计	深度学习模型	分子结构数据	1070个查尔酮化合物用于虚拟筛选；3个化合物用于幼虫杀灭实验	NA	德新奥算法	结合能	NA
2463	2026-07-09	Deep learning meets clinical practice: A You Only Look Once-based framework for accurate and real-time detection of carotid vulnerable plaques 2026-Feb, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605261420504 PMID:41730715	研究论文	开发了基于YOLO的深度学习框架，用于超声图像中颈动脉易损斑块的准确实时检测	首次系统比较YOLOv7、v8、v9和v10在颈动脉斑块检测中的性能，并选出最优版本YOLOv9用于临床实践	NA	实现颈动脉易损斑块的早期准确检测，预防缺血性卒中	颈动脉超声图像中的稳定斑块和易损斑块	计算机视觉	心血管疾病	超声成像	YOLO（You Only Look Once）	图像	来自368名患者的1610张颈动脉超声图像	PyTorch	YOLOv7, YOLOv8, YOLOv9, YOLOv10	平均精度均值（mAP@0.5和mAP@0.95）、精确率、召回率、F1分数	NA
2464	2026-07-09	Radiologic Pattern of Fibrosis in Combined Pulmonary Fibrosis and Emphysema: Impact on Disease Trajectories and Prognostic Outcomes 2026-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.251686 PMID:41733469	研究论文	评估肺纤维化合并肺气肿中不同纤维化影像模式对疾病轨迹和预后的影响	首次系统比较不同纤维化模式（UIP、NSIP、SRIF、DIP）在CPFE患者中的纤维化进展速率，并发现UIP模式进展最快	回顾性设计可能导致选择偏倚；样本量相对较小；未评估治疗干预对结局的影响	评估不同纤维化影像模式对CPFE患者疾病进展和临床结局的影响	236例CPFE患者（平均年龄65岁，232名男性）	医学影像分析	肺纤维化合并肺气肿	高分辨率CT	深度学习分割模型	CT影像	236例CPFE患者	NA	CNN	风险比、中位进展时间	NA
2465	2026-07-09	Structure-informed machine learning for drug discovery: a task-centric perspective 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag081 PMID:41729820	综述	从任务中心视角全面综述了结构感知分子建模在药物发现中的应用	提出任务中心视角，系统分类了结构条件分子生成的四种核心策略，并首次讨论了共折叠模型在统一蛋白质折叠与配体结合预测中的作用	数据稀缺性、模型泛化能力和多目标控制仍是主要挑战，当前方法在计算可处理性和物理真实性之间需进一步平衡	梳理结构知识如何重塑AI驱动的药物设计，为下一代分子建模提供概念路线图和实践见解	药物发现中的结构感知分子建模方法，包括结合口袋识别、相互作用预测、姿态估计和复杂建模	机器学习	NA	NA	深度学习模型	蛋白质结构数据、分子数据	NA	NA	扩散模型、点云模型、共折叠模型	NA	NA
2466	2026-07-09	MHAFR-DDI: a multimodal hierarchical attention fusion and relation-aware architecture for drug-drug interaction event prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag077 PMID:41729823	研究论文	提出一种多模态分层注意力融合与关系感知架构（MHAFR-DDI），用于药物相互作用事件预测	通过两阶段预训练-微调范式，实现从分子内表征到分子间相互作用的统一建模，并引入注意力引导数据增强和多层级对比学习以跨模态对齐语义	未提及计算资源消耗或模型可解释性等具体局限	提高药物相互作用事件预测的准确性和鲁棒性，特别是在罕见药物和长尾交互场景中	药物分子及其相互作用事件	机器学习	NA	NGS,RNA-seq	CNN,Transformer	序列,图结构,三维构象	包含65和86种DDI类型的基准数据集	PyTorch	ResNet,Transformer,U-Net	macro-F1	NA
2467	2026-07-09	A two-stage GAN-based instrumental variable method for causal analysis of omics data 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag071 PMID:41729822	研究论文	提出了一种基于GAN的两阶段工具变量方法，用于组学数据的因果分析	首次将生成对抗网络与深度函数神经网络结合，构建无分布假设的工具变量方法，能够有效处理非线性暴露-结局关系和多组学数据	主要依赖遗传变异作为工具变量，可能无法完全消除未观测的混杂偏倚；在真实应用中对样本量和数据质量有一定要求	开发一种灵活、无分布假设的工具变量方法，用于估计复杂疾病相关基因的因果效应，减少混杂因素导致的虚假关联	组学数据（基因表达数据和多组学数据），以及疾病表型之间的因果关系	机器学习	复杂疾病（未特指具体疾病）	NGS（测序技术）	GAN（生成对抗网络），深度函数神经网络	组学数据（基因表达数据、多组学数据）	模拟研究和真实数据集（ROSMAP数据集）	PyTorch	GAN（生成对抗网络），深度函数神经网络	准确率、均方误差（MSE）	NA
2468	2026-07-09	Systematic evaluation of computational methods for cell segmentation 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag066 PMID:41734135	综述	系统评估深度学习方法在细胞分割任务中的表现	提出面向任务和数据的双维分类框架，并引入多模态数据（如测序与图像结合）的评估	仅涵盖七种算法和五个数据集，可能未完全代表所有方法	系统分类并评估深度学习在细胞分割中的方法，特别是多模态输入的潜力	细胞核/细胞分割的深度学习方法	计算机视觉	NA	NA	深度学习模型	图像, 测序数据, 多模态数据	五个数据集：四个来自传统显微镜，一个整合测序与图像	NA	NA	有效性, 鲁棒性, 效率	NA
2469	2026-07-09	Research on the construction of growth models for dominant tree species in the Manas River Basin, Xinjiang 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20650 PMID:41727221	研究论文	以新疆玛纳斯河流域为例，构建五种优势树种（云杉、杨树、混交林、沙枣和...）的胸径-树高和年龄-胸径基本生长模型，并引入气候和地形因子建立多元非线性模型，最终用深度学习优化模型精度	首次在玛纳斯河流域综合引入气候因子（年降水量、TXn）和地形因子（DEM）构建多元非线性森林生长模型，并利用深度学习进一步优化整体模型精度	部分树种因随机因素导致模型精度下降；仅基于2011年一期森林资源调查数据，可能缺乏时间动态性	构建玛纳斯河流域优势树种生长模型，以优化区域森林管理策略，促进碳和水资源合理配置及可持续发展	玛纳斯河流域五种优势树种（云杉、杨树、混交林、沙枣和...）	机器学习	NA	NA	深度学习模型	数值型数据（森林资源调查数据、气候因子、地形因子）	基于2011年玛纳斯河流域森林资源调查数据，具体样本量未明确	NA	S曲线模型、对数模型、生长模型、线性模型、逻辑斯谛模型、深度学习模型	R值（相关系数）、RMSE	NA
2470	2026-07-09	Automated bone age assessment in rare pediatric growth disorders: a comparative study using Deeplasia 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1741927 PMID:41727682	研究论文	验证开源深度学习系统Deeplasia在罕见儿科生长障碍患者骨龄评估中的准确性与一致性，并与多位人类专家进行对比	首次在多种综合征、内分泌和溶酶体贮积症的罕见儿科患者群体中系统评估开源Deeplasia模型的通用性，并证明其优于个体人类评估者	未在更大规模或更多样化的罕见病群体中验证，且人类专家评估的可变性可能影响参考标准	验证Deeplasia在罕见儿科生长障碍中的骨龄评估准确性和一致性	1138张来自多中心的儿科患者手部X光片，涵盖SHOX缺乏症、Noonan综合征、Silver-Russell综合征、Turner综合征、假性甲状旁腺功能减退症、先天性肾上腺皮质增生症、性早熟及假性性早熟（队列1），以及多种黏多糖贮积症和α-甘露糖苷病（队列2）	数字病理学	儿科生长障碍	深度学习	Deeplasia（基于CNN的模型）	图像	1138张手部X光片	NA	Deeplasia	平均绝对误差、均方根误差、1年准确率	NA
2471	2026-07-09	Deep locomotion prediction learning over biosensors, ambient sensors, and computer vision 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342793 PMID:41729836	研究论文	提出一种融合生物传感器、环境传感器和计算机视觉的深度运动预测学习方法	结合机器学习和深度学习分类器，使用改进的基于身体特定传感器的隐马尔可夫模型和深度指数残差神经网络进行运动预测，并引入系统本体论阐明数据、概念和对象之间的关系	未提及具体局限性，但涉及多模态数据融合可能面临噪声干扰和计算复杂度挑战	开发智能运动预测学习系统，实现通过视觉RGB设备、环境传感器信号和生物传感器生理运动数据的准确预测	人类运动行为	机器学	NA	生物传感器、环境传感器、计算机视觉	隐马尔可夫模型、深度指数残差神经网络	图像、传感器信号	五个不同场景数据集	NA	隐马尔可夫模型、深度指数残差神经网络	实验结果显示有效性但未明确列出具体指标	NA
2472	2026-07-09	Mask - Region-based Convolutional Neural Networks (R-CNN) with Radiomics Integration and Gray Level Co-occurrence Matrix (GLCM) for brain tumor detection and segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342185 PMID:41729939	研究论文	使用Mask R-CNN、影像组学和灰度共生矩阵的混合方法对脑肿瘤进行检测和分割	将手工设计的影像组学特征（包括灰度共生矩阵纹理特征）与Mask R-CNN提取的深度特征融合，形成混合特征集，并通过检测头多层感知机进行分类	未知	提高脑肿瘤检测和分割的准确性与敏感性，辅助早期诊断	脑肿瘤磁共振成像图像	计算机视觉	脑肿瘤	MRI	CNN	图像	实验性脑肿瘤MRI数据集	NA	Mask R-CNN, 多层感知机	敏感度, 特异度, 精确度	NA
2473	2026-07-09	A deep learning framework for gait-based frailty classification using inertial measurement units 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343402 PMID:41734192	研究论文	提出一种结合可穿戴传感器与深度学习技术的衰弱评估框架，用于将老年人分类为衰弱或非衰弱状态	基于惯性测量单元的步态数据，采用参与者中心的数据分割框架，并首次将InceptionTime深度学习算法应用于衰弱分类任务	未提及具体限制	利用可穿戴传感器和深度学习技术实现老年人衰弱状态的自动分类	老年人	机器学习	老年疾病	惯性测量单元传感器	深度学习模型	信号数据	GSTRIDE和FRAILPOL两个数据集，使用了1至5个IMU传感器进行多种配置和佩戴位置实验	NA	InceptionTime	准确率、AUC、精确率、召回率、F1分数	NA
2474	2026-07-09	Explainable AI for Healthcare 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251454 PMID:41728714	综述	综述可解释人工智能在医疗健康领域的应用、方法及挑战	系统性分析了不同数据模态（时间序列、医学文本、医学图像、音频）下可解释AI的独特需求与挑战，并探讨了未来研究方向	未深入讨论具体实现技术细节和定量性能比较	阐述可解释AI的基本概念，分析其在医疗健康领域的方法、应用、限制和未来方向	医疗健康领域的可解释AI应用	机器学习	NA	NA	NA	时间序列数据、医学文本、医学图像、音频数据	NA	NA	NA	NA	NA
2475	2026-07-09	Deep Learning-Based Sleep Apnea Classification with Hybrid 1D-CNN-LSTM and 1D-CNN-GRU Models 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251462 PMID:41728721	研究论文	提出两种混合深度学习架构（1D-CNN-LSTM和1D-CNN-GRU），基于心电图信号进行睡眠呼吸暂停分类	结合一维卷积神经网络（1D-CNN）与LSTM/GRU，同时提取空间特征和时间依赖关系，实现高精度睡眠呼吸暂停分类	未提及	开发高效鲁棒的睡眠呼吸暂停自动检测系统，实现早期诊断和实时监测	PhysioNet Apnea-ECG数据库中的心电图信号，包括R-R间期和R波振幅特征	机器学习	睡眠呼吸暂停	NA	混合深度学习模型（1D-CNN-LSTM、1D-CNN-GRU）	心电图信号	使用PhysioNet Apnea-ECG数据库，样本量未明确具体数量	NA	1D-CNN, LSTM, GRU	准确率、灵敏度、特异度、F1分数	NA
2476	2026-07-09	Failure Modes of Time Series Interpretability Algorithms for Critical Care Applications and Potential Solutions 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726394	研究论文	系统分析时间序列可解释性算法在重症监护应用中失效的模式，并提出可学习的基于掩码的可解释性框架作为替代方案	首次系统研究梯度、遮挡和置换方法在动态预测任务中因时间依赖性和时间平滑性导致的失效模式，并支持可学习掩码框架融入时间连续性和标签一致性约束	未提供具体实验验证或在大型临床数据集上的评估结果，仅提出概念性替代方案	识别和解决常见可解释性算法在重症监护动态预测中的失效问题，提高模型解释的可靠性	深度学习模型在重症监护中的应用，特别是随时间演变的患者轨迹动态预测任务	机器学习	重症监护相关疾病	NA	可学习掩码模型	时间序列数据	NA	NA	NA	NA	NA
2477	2026-07-09	HIBERT: A Hybrid Clustering BERT for Interpretable Opioid Overdose Risk Prediction 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726407	research paper	提出一种混合BERT模型HIBERT，结合深度聚类与Transformer，用于可解释的阿片类药物过量风险预测	采用多BERT架构处理不同类别的电子健康记录特征，并融合深度显著性聚类以生成具有临床意义的风险分层	NA	实现早期、可解释的阿片类药物过量风险预测	阿片类药物过量风险预测问题	machine learning	阿片类药物过量	深度学习	BERT	电子健康记录	Health Facts数据库中的样本	NA	BERT	NA	NA
2478	2026-07-09	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	利用电子健康记录和ZIP级别数据开发预测模型，指导阿片类药物使用障碍的治疗选择	首次将ZIP级别数据与电子健康记录结合，用于阿片类药物使用障碍的治疗反应预测，并比较了多种模型及数据融合方法	ZIP级别数据未能显著提升仅使用电子健康记录的模型性能，且模型一致推荐丁丙诺啡而非美沙酮，未来需探索不同建模方法及社会外部因素	开发预测模型以指导阿片类药物使用障碍的治疗选择，提高药物使用率	阿片类药物使用障碍患者的治疗反应	机器学习	阿片类药物使用障碍	NA	广义线性回归、随机森林、梯度提升机、深度学习模型	电子健康记录、ZIP级别数据	NA	NA	NA	NA	NA
2479	2026-07-09	No Black Box Anymore: Demystifying Clinical Predictive Modeling with Temporal-Feature Cross Attention Mechanism 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726437	研究论文	提出时间-特征交叉注意力机制（TFCAM），用于临床预测建模，同时提升预测精度和可解释性	创新性地提出时间-特征交叉注意力机制，能够捕捉临床特征在时间维度上的动态交互，提供多层次可解释性，包括识别关键时间周期、特征重要性排序及跨时间特征影响量化	未明确说明，但可能涉及数据集规模有限（仅1,422例患者）和单病种验证（慢性肾病）	解决深度学习模型在临床预测任务中的“黑箱”问题，同时保持高预测性能	慢性肾病患者向终末期肾病的进展预测	机器学习	慢性肾病	NA	Temporal-Feature Cross Attention Mechanism (TFCAM)	临床特征时间序列数据	1,422名慢性肾病患者	NA	TFCAM	AUROC, F1分数	NA
2480	2026-07-09	Predicting Chemotherapy-Related Symptom Deterioration Using Hybrid Deep Learning Architecture 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726450	研究论文	利用混合深度学习架构（CNN-LSTM）预测化疗患者症状恶化趋势，实现早期干预和预后改善	首次将CNN-LSTM混合架构应用于化疗症状恶化的时间序列预测，并探索最佳数据聚合间隔（5天）以处理高度不平衡数据	NA	预测化疗患者自我报告症状（身体和心理类别）的恶化，以支持实时临床决策	化疗患者的日常自我报告症状数据	自然语言处理	癌症	NA	CNN-LSTM混合模型	时间序列症状日志	NA	NA	CNN-LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA