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
241	2026-04-12	Explainable deep learning framework incorporating medical knowledge for insulin titration in diabetes 2026-Feb-26, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01449-1 PMID:41748914	研究论文	本文提出了一种结合医学知识的可解释深度学习框架，用于糖尿病胰岛素剂量调整	引入专家引导的可解释人工智能框架，结合Shapley Taylor交互指数捕获特征交互影响，并通过医生在环过程编码临床约束以对齐医学专业知识	研究主要基于两个电子健康记录队列，样本量相对有限，且外部验证数据集规模较小	提高深度学习模型在糖尿病胰岛素剂量调整中的透明度和可信度	2型糖尿病住院患者	机器学习	糖尿病	电子健康记录分析	深度学习模型	电子健康记录	内部数据集1,275名住院患者，外部数据集292名患者	NA	NA	胰岛素剂量调整准确性	NA
242	2026-02-26	Performance comparison and future perspectives of deep learning and classical machine learning in bone tumor applications: a systematic review (2019-2025) 2026-Feb-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03401-8 PMID:41735994	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
243	2026-04-12	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构	将社交网络科学中的动态社区检测方法引入分子动力学分析，首次结合图卷积网络与循环模型进行端到端的动态社区检测	方法目前仅在整合素系统上进行了验证，需要进一步扩展到更多蛋白质体系	开发能够揭示蛋白质动态模块化亚结构的AI分析框架	蛋白质分子动力学模拟数据	机器学习	NA	分子动力学模拟	图卷积网络, 循环模型	分子图数据	三个整合素系统的力拉伸和力钳制引导分子动力学模拟	NA	DynMoCo	NA	NA
244	2026-04-12	Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals 2026-Feb-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02318-2 PMID:41652030	研究论文	本研究开发了一种深度学习模型，用于筛查非洲裔人群中的原发性开角型青光眼（POAG）	针对非洲裔人群开发了首个基于深度学习的POAG筛查模型，并成功在亚洲裔数据集上进行跨种族验证	模型在非洲裔人群中的训练数据可能仍存在代表性不足的问题，且跨种族验证仅在一个外部数据集上进行	开发一种人工智能模型，用于在非洲裔人群中筛查原发性开角型青光眼	非洲裔人群中的POAG患者和健康对照者	计算机视觉	青光眼	眼底摄影	深度学习	图像	64,129张图像（来自1,782例病例和682例对照）	NA	Vision-Transformer	AUC	NA
245	2026-04-12	Deep Learning for analyzing chaotic dynamics in biological time series: Insights from frog heart signals 2026-Jan-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2025.131820 PMID:41958751	研究论文	本研究提出了一种结合深度学习和基于数学模型的选择策略的自动算法，用于分析生物时间序列中的混沌动力学，特别是在短而嘈杂的青蛙心脏信号中检测混沌行为	提出了一种针对短而嘈杂实验时间序列的自动算法，结合深度学习和基于数学模型的选择策略，克服了传统混沌检测技术和深度学习在小数据集上的限制	算法主要基于青蛙心脏实验数据验证，可能在其他生物系统或更复杂场景中的泛化能力未充分测试	分析生物时间序列中的混沌动力学，特别是与病理心律失常相关的混沌行为检测	青蛙心脏实验获得的生物时间序列信号	机器学习	心血管疾病	NA	深度学习	时间序列数据	NA	NA	NA	高准确度结果	NA
246	2026-04-12	MVGFormer: Multi-view perspective with graph-guided transformer for cryo-ET segmentation 2026-Jan-03, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2025.114810 PMID:41959693	研究论文	本文提出了一种名为MVGFormer的新型基于Transformer的框架，用于冷冻电子断层扫描（cryo-ET）分割任务	首次将基于Transformer的模型应用于cryo-ET分割，并引入了多视角融合Transformer编码器、并行上下文编码器、两种互补的3D解码器以及视图掩码自监督学习策略	未在摘要中明确说明	改进冷冻电子断层扫描（cryo-ET）的分割性能，以更好地支持粒子对齐、分类等后续任务	冷冻电子断层扫描（cryo-ET）数据中的生物大分子结构	计算机视觉	NA	冷冻电子断层扫描（cryo-ET）	Transformer	3D图像	六个cryo-ET数据集	NA	MVGFormer（包含多视角融合Transformer编码器、并行上下文编码器、多级特征融合解码器、并行空洞卷积解码器）	NA	NA
247	2026-04-12	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次提出基于深度学习的声光视觉伺服系统，结合点源定位和混合位置-力控制实现实时三维跟踪	推理时间较长（实例分割方法≥516.3毫秒），可能影响实时性能；仅在小规模试验中验证（9次视觉伺服试验）	开发实时三维跟踪导管尖端的声光视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
248	2026-04-12	Deep learning for adaptive chemotherapy: A DDPG-based approach to optimizing tumor-immune dynamics 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345877 PMID:41950297	研究论文	本文提出了一种基于深度强化学习的化疗调控框架，用于实现个性化、动态优化的癌症治疗	采用深度确定性策略梯度算法在连续动作空间中学习最优给药策略，并引入高斯噪声模拟治疗反应中的生理振荡和不确定性，提高了策略的稳定性和适应性	模型基于简化的非线性动态系统，可能未完全涵盖肿瘤微环境的复杂性；实验为模拟研究，需进一步临床验证	实现个性化、低毒性的自适应化疗优化	肿瘤微环境动态演化模型（包括肿瘤细胞、正常细胞和免疫细胞相互作用）	机器学习	癌症	深度强化学习	DDPG	模拟数据	多种初始场景的模拟实验	NA	深度确定性策略梯度网络	肿瘤生长控制效果、药物浓度累积、灵活性与安全性评估	NA
249	2026-04-12	Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346251 PMID:41955202	研究论文	本研究开发并评估了一种基于多模态特征的预测模型，用于预测鼻咽癌患者放疗诱导的口腔黏膜炎	在有限样本量的小队列设置下，系统比较了传统机器学习算法与深度学习架构的多分类预测性能，并提出了结合特征降维与轻量级网络（1D-CNN）的优越策略	研究样本量较小（108例患者），且高维多模态3D-CNN模型在有限数据下出现了严重的过拟合和模式崩溃现象	准确预测头颈癌放疗诱导的口腔黏膜炎，以实现个性化治疗	鼻咽癌患者	机器学习	鼻咽癌	CT成像、剂量分布分析	传统机器学习算法, 深度学习模型（1D-CNN, 3D-CNN）	多模态数据（CT影像、剂量分布、临床特征）	108例患者	NA	1D-CNN, 3D-CNN	AUC, 准确率, Matthews相关系数	NA
250	2026-04-12	ATEdrug: A reliable human-in-the-loop annotation scheme for aspect term extraction and polarity detection in drug reviews 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344296 PMID:41955228	研究论文	本文提出了一种名为ATEDrug的人机协同标注方案，用于从药物评论中提取方面术语并检测情感极性，以支持药物警戒研究	提出了一种结合专家驱动规则与最小人工干预的自动化标注方案，并构建了针对抑郁症、关节炎和避孕三种医疗状况的公开标注数据集	标注方案主要依赖规则方法，可能无法覆盖所有语言表达变体；研究仅针对三种特定医疗状况	开发可靠的自动化标注方案以支持药物评论中的方面术语提取和情感极性检测，促进药物安全监测	药物评论文本数据	自然语言处理	抑郁症,关节炎,避孕	方面术语提取,情感极性检测	BERT,BioBERT,ClinicalBERT,Transformer	文本	NA	NA	BERT,BioBERT,ClinicalBERT,Transformer	标注者一致性	NA
251	2026-04-12	Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346825 PMID:41955258	研究论文	本研究开发了一种名为SPFF-UNet的深度学习模型，用于在光谱光子计数CT中直接对羟基磷灰石和碘进行体素级分割，无需材料分解预处理	首次提出了一种光谱保持的3D分割模型，集成了光谱挤压激励、EnergyFiLM和FourierGate模块，以直接利用多能量信息进行体素级材料分类，避免了传统材料分解步骤	研究基于体模实验，尚未进行体内验证，且样本类型和数量有限	开发一种直接从光谱光子计数CT数据中准确分割羟基磷灰石和碘浓度的深度学习方法，以改善钙化性肌肉骨骼疾病和血管钙化的诊断	包含羟基磷灰石、碘、软组织等效物和水的圆柱体模	计算机视觉	钙化性肌肉骨骼疾病	光谱光子计数CT	深度学习	图像	一个包含12种材料的体模扫描，包括5种羟基磷灰石浓度、3种碘浓度、3种软组织等效物和水	NA	SPFF-UNet, ResUNet++	Dice系数, IoU, 灵敏度, 精确度	NA
252	2026-04-12	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	本研究提出了一种结合可解释性特征重要性测试的深度神经网络框架，用于预测ICU患者术后感染风险	将排列特征重要性测试（PermFIT）与深度神经网络结合，在保持高预测性能的同时提供特征层面的可解释性	研究基于单一数据库（MIMIC-III），未在外部数据集验证模型泛化能力	开发可解释的深度学习模型以预测ICU患者术后感染风险并识别关键影响因素	重症监护室（ICU）接受手术的患者	机器学习	术后感染	电子健康记录分析	深度神经网络（DNN）	电子健康记录（EHR）	MIMIC-III大型ICU EHR数据库中的患者记录	NA	深度神经网络	预测准确性	NA
253	2026-04-12	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学、内窥镜和临床数据来改善结直肠癌的诊断和预后预测	开发了首个深度融合病理-放射组学与临床数据的多模态框架，在生存预测和微卫星不稳定性识别方面显著优于单模态模型，并能提供比传统TNM分期更精细的风险分层	存在因'领域偏移'导致的性能适度下降，以及在形态学模糊病例中的分类错误，需要未来前瞻性试验验证其临床效用	改善结直肠癌的诊断和预后预测，实现个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习，多模态融合	深度学习框架	组织病理学图像，放射学图像，内窥镜图像，临床数据	NA	NA	PRISM-CRC	一致性指数，AUC	NA
254	2026-04-12	MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103574 PMID:40949826	研究论文	本文介绍了一种将用于癫痫检测的脑电图数据集转换为适合癫痫发作预测的机器学习就绪基准的方法	开发了一种新方法，能将标注为检测用途的脑电图大数据转换为适用于预测任务的机器学习就绪数据，并生成了12个基准数据集	NA	为癫痫发作预测模型开发提供标准化的机器学习就绪基准数据	脑电图数据集	机器学习	癫痫	脑电图	机器学习模型,深度学习模型	脑电图信号	NA	NA	NA	验证准确率	NA
255	2026-04-12	Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach 2025-12, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.08.012 PMID:40882869	研究论文	本研究利用基于深度学习的因果推断模型，评估了万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的降低效果，并识别了与各抗生素疗效相关的患者特征	首次将基于深度学习的因果推断模型应用于ICU患者MRSA血流感染的抗生素个性化治疗评估，能够量化不同抗生素的死亡率降低效果并识别特定患者亚群的疗效差异	研究样本量相对较小（仅270名患者），且数据来源于回顾性数据库，可能存在选择偏倚和未测量的混杂因素	评估万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的治疗效果，并为个性化抗生素治疗提供依据	重症监护室（ICU）中患有耐甲氧西林金黄色葡萄球菌（MRSA）血流感染的患者	机器学习	血流感染	基于深度学习的因果推断	深度学习模型	临床数据	270名ICU患者	NA	NA	平均处理效应（ATE）、P值	NA
256	2026-04-12	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-12, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108492 PMID:41241154	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基于AI模型（利用影像组学、基因组学和蛋白质组学数据）预测非小细胞肺癌患者免疫治疗后总生存期和无进展生存期的预后准确性	首次通过荟萃分析综合评估了AI模型在预测NSCLC免疫治疗生存结局中的表现，并比较了不同数据模态（如蛋白质组学）和AI方法（如深度学习）的预测准确性	纳入研究存在异质性（I²较高），且缺乏前瞻性验证和多中心临床试验数据，AI方法尚未标准化	评估AI模型在预测非小细胞肺癌患者免疫治疗生存结局中的预后准确性	接受免疫治疗的非小细胞肺癌患者	机器学习	肺癌	影像组学、基因组学、蛋白质组学	机器学习、深度学习	影像数据、基因组数据、蛋白质组数据	23项研究，共19,189名患者	NA	NA	风险比、95%置信区间、I²统计量	NA
257	2026-04-12	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-12, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了一个深度学习模型ScreenDx，用于在CT扫描中自动检测ILD特征，特别是在最初未诊断的病例中，展示了高敏感性和特异性	研究基于COPDGene数据集，ILD患病率目标设定为约1-2%，可能限制了结果的泛化性；且ILD病例最初是意外纳入的，可能存在选择偏倚	评估人工智能工具在CT扫描中检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括意外纳入的ILD患者（阳性）以及随机选择的COPD和对照患者（阴性）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	图像	COPDGene数据集中的患者，目标ILD患病率为约1-2%	NA	ScreenDx	敏感性, 特异性	NA
258	2026-04-12	Delineating the Role of Alpha Waves in Exercise-induced Neural Changes through Resting-state EEG 2025-11-07, Journal of visualized experiments : JoVE DOI:10.3791/68737 PMID:41284639	研究论文	本研究通过静息态脑电图结合深度学习算法，探索运动干预对高特质焦虑大学生前额叶Alpha波神经振荡重编程的影响	首次识别前额叶Alpha兴奋性再平衡作为运动介导焦虑缓解的核心机制，并开发了Alpha波段时频预测模型	样本量较小（仅40名大学生），且仅针对特质焦虑这一特定情绪障碍	阐明运动诱导神经变化的神经调节目标，以促进精准运动处方的开发	40名高特质焦虑大学生	机器学习	焦虑症	静息态脑电图	深度学习	脑电图信号	40名大学生（运动干预组20人，对照组20人）	NA	NA	准确率, F1分数, Kappa系数	NA
259	2026-04-12	Spam Classification with Support Vector Machines Using Van der Waerden Rank Score Attention 2025-10-31, Journal of visualized experiments : JoVE DOI:10.3791/69082 PMID:41247923	研究论文	本研究提出了一种基于Van der Waerden秩分数特征注意力增强的支持向量机（VWR-Attn-SVM）用于垃圾邮件分类	引入了Van der Waerden秩变换来归一化文本特征，增强了对异常值的鲁棒性并保持序数关系，同时通过非线性处理和正则化的增强注意力机制优化特征选择	未明确提及具体局限性，如模型在更广泛数据集上的泛化能力或实际部署中的计算效率细节	解决垃圾邮件分类中高维稀疏数据处理的挑战，并降低计算资源需求	垃圾邮件分类任务	自然语言处理	NA	Van der Waerden秩变换	支持向量机（SVM）	文本	使用了UCI Spambase和Indonesian Spam数据集，但未明确指定具体样本数量	NA	VWR-Attn-SVM	准确率, 精确率, 召回率, F1分数, AUC	NA
260	2026-04-12	GeoEvoBuilder: A deep learning framework for efficient functional and thermostable protein design 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504117122 PMID:41071657	研究论文	本文介绍了一个名为GeoEvoBuilder的深度学习框架，用于高效设计功能性和热稳定性蛋白质	提出了一种自适应整合结构和进化约束的深度学习框架，能够直接生成具有所需特性的蛋白质序列，无需依赖传统的单点突变和迭代设计实验循环	未明确提及该框架在计算资源需求、序列设计成功率或对特定蛋白质家族适用性方面的具体限制	开发一种能够直接生成高活性、高热稳定性蛋白质序列的深度学习方法	绿色荧光蛋白、谷胱甘肽过氧化物酶4（GPX4）和二氢叶酸还原酶（DHFR）	机器学习	NA	深度学习	NA	蛋白质序列、结构数据	NA	NA	NA	催化效率提升倍数、热稳定性增益（摄氏度）、结构正确性验证	NA