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
2581	2026-03-06	MM-GradCAM: an improved multimodal GradCAM method with 1D and 2D ECG data for detection of cardiac arrhythmia 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38654-w PMID:41663616	研究论文	本研究提出了一种创新的多模态GradCAM方法，结合1D ECG信号和2D ECG图像数据，用于心律失常检测并提供模型可解释性	首次提出结合1D ECG信号和2D ECG图像两种数据格式的多模态可解释性方法，为医学AI应用提供更高的透明度和可靠性	未明确说明模型在不同心律失常类型间的性能差异，也未提及外部验证数据集的测试结果	开发一种可解释的深度学习模型，用于心律失常的自动检测和诊断	心电图（ECG）数据，包括1D信号和2D图像格式	医学人工智能	心血管疾病	心电图分析	CNN	1D信号, 2D图像	超过10,000名患者的数据集	NA	17层CNN	准确率	NA
2582	2026-02-11	Evaluation of deep learning models for segmentation of hippocampus volumes from MRI images in Alzheimer's disease 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38220-4 PMID:41663727	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2583	2026-03-06	SpliceRead: Improving Canonical and Non-Canonical Splice Site Prediction with Residual Blocks and Synthetic Data Augmentation 2026-Feb-09, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.05.703825 PMID:41726927	研究论文	提出了一种名为SpliceRead的新型深度学习模型，通过结合残差卷积块和合成数据增强技术，旨在提高对规范和非规范剪接位点的分类准确性	结合残差卷积块和合成数据增强技术，专门针对非规范剪接位点的稀有序列多样性进行优化，显著降低了非规范位点的误分类率	未明确提及模型在极端罕见变异或跨物种泛化中的具体限制	改进规范和非规范剪接位点的预测准确性，以促进基因表达和相关疾病的理解	多物种的400和600核苷酸序列数据集	自然语言处理	NA	合成数据增强	CNN	序列数据	未明确指定具体样本数量，但基于多物种的400和600核苷酸序列数据集	未明确指定	残差卷积块	F1分数, 准确率, 精确率, 召回率	未明确指定
2584	2026-03-06	Hybrid vision transformer and graph neural network model with region-adaptive attention for enhanced skin cancer prediction 2026-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32502-z PMID:41654513	研究论文	提出了一种结合视觉变换器、图神经网络和区域自适应注意力的混合模型，用于增强皮肤癌预测	首次将视觉变换器与图神经网络结合，并引入区域自适应注意力机制，通过元学习方法提升模型对不同肤色和成像条件的泛化能力	未明确说明模型在临床实际部署中的计算效率、对罕见亚型皮肤癌的识别能力，以及需要的外部验证数据	开发一种能够更准确、可解释地诊断皮肤癌的深度学习模型	皮肤病变图像（皮肤镜图像）	计算机视觉	皮肤癌	皮肤镜成像	Vision Transformer, Graph Neural Network	图像	NA	NA	Hybrid Vision Transformer with Graph Neural Network	分类准确率	NA
2585	2026-03-06	Multimodal Artificial Intelligence for Predicting 3- and 5-Year Risks of Myopic Choroidal Neovascularization in High Myopia 2026-Feb-06, Ophthalmology. Retina DOI:10.1016/j.oret.2026.02.003 PMID:41655768	研究论文	本研究开发了基于人工智能的模型，用于预测高度近视眼中近视性黄斑新生血管（MNV）在1年、3年和5年内的风险	结合眼底图像和临床变量的多模态生存模型（基于DeepSurv框架），实现了对MNV风险的纵向时间-事件风险评估和临床有意义的风险分层	单中心回顾性研究，需要进一步的外部验证	开发人工智能模型以评估高度近视眼中近视性黄斑新生血管（MNV）的发病风险	高度近视患者的眼睛（来自2501名患者的4235只眼）	数字病理学	近视性黄斑新生血管	眼底摄影，临床变量分析	深度学习模型，多模态生存模型	图像（眼底照片），临床变量	4235只眼（来自2501名患者）	PyTorch（推断自DenseNet使用），DeepSurv	DenseNet-121	AUC（受试者工作特征曲线下面积），一致性指数（C-index），校准指标，临床效用指标	NA
2586	2026-03-06	Plasmonic artificial inspector for herbal medicines via surface-enhanced Raman spectroscopy and deep learning 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38497-5 PMID:41644682	研究论文	本研究提出了一种基于表面增强拉曼光谱（SERS）和深度学习（DL）的等离子体人工草药检查器，用于草药的安全监测	通过SERS与DL的协同集成，实现了对35种外观相似或同属草药的高准确度（约95%）自动化区分，为传统感官检查提供了高效可靠的辅助方法	未明确提及样本量的具体限制、模型泛化能力或在实际应用环境中的验证情况	开发一种高效可靠的草药安全监测辅助工具，以替代或补充传统劳动密集型的感官检查	草药样本，特别是外观相似或属于同一属的35种不同草药物种	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习模型	光谱数据（SERS光谱）	涉及35种草药物种，但未提供具体样本数量	NA	NA	准确度	NA
2587	2026-03-06	Artificial intelligence risk stratification from dynamic digital subtraction angiography radiomics predicts pulmonary embolism and associates with clinical outcomes in deep vein thrombosis: A retrospective cohort study 2026-Feb-03, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102450 PMID:41638306	研究论文	本研究开发并验证了一种基于动态数字减影血管造影影像组学的人工智能风险分层系统，用于预测下肢深静脉血栓患者的肺栓塞风险并指导精准治疗	首次提出结合Transformer-UNet空间特征提取和LSTM时间序列分析的混合深度学习模型，用于处理动态DSA序列并量化血栓运动学和血流动力学新参数	回顾性单中心研究，样本量有限（168例患者），需要前瞻性多中心验证	开发人工智能风险分层系统，改善下肢深静脉血栓患者的肺栓塞预测和临床决策	下肢深静脉血栓患者	数字病理学	心血管疾病	动态数字减影血管造影	混合深度学习模型（Transformer-UNet + LSTM）	动态影像序列	168例患者（2019-2023年单中心回顾性队列）	NA	Transformer-UNet, LSTM	AUC, 相对风险, 置信区间	NA
2588	2026-03-06	Data-efficient learning for accurate identification of MAPK1 inhibitors using an active meta-deep learning framework 2026-Feb-03, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01159-9 PMID:41634737	研究论文	本研究提出了一种数据高效的活动元深度学习框架，用于预测MAPK1抑制剂，以解决药物发现中实验数据有限的问题	结合主动学习与一个由四种深度学习架构组成的元模型，显著提升了在有限训练数据下的预测性能	NA	开发一种数据高效的框架，用于准确识别MAPK1抑制剂，以加速癌症相关药物发现	MAPK1抑制剂分子	机器学习	癌症	分子对接	CNN, 注意力机制, GCN, GNN-注意力	分子描述符, 图表示	NA	NA	卷积神经网络, 注意力机制, 图卷积网络, 图神经网络-注意力	AUPRC, MCC, 平衡准确度	NA
2589	2026-03-06	Integrating deep learning and radiomics for precise identification of luminal A/B breast cancer subtypes on dynamic contrast-enhanced MRI 2026-Feb-03, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-00996-z PMID:41634854	研究论文	本研究开发了一种结合放射组学和深度学习特征的混合模型，用于基于动态对比增强磁共振成像（DCE-MRI）无创区分乳腺浸润癌的Luminal A和B亚型	提出了一种结合放射组学特征和深度学习特征的混合模型，通过堆叠集成方法整合两种方法，显著提高了分类性能，并利用SHAP和Grad-CAM技术增强模型可解释性	研究为回顾性设计，未来需要前瞻性验证，并计划整合基因组和临床数据以进一步提升模型在精准肿瘤学框架内的应用	开发并验证一种基于DCE-MRI的非侵入性成像方法，用于准确区分乳腺浸润癌的Luminal A和B亚型，以辅助治疗策略选择	来自中国、俄罗斯和保加利亚的312名经免疫组化（IHC）确认的乳腺浸润癌Luminal亚型女性患者	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI），免疫组化（IHC）分析	卷积神经网络（CNN），集成学习	医学影像（DCE-MRI）	312名患者（训练/测试集）及148名患者的外部验证队列	PyRadiomics, 未明确指定深度学习框架（可能为PyTorch或TensorFlow）	3D ResNet-50	AUC, 敏感性, 特异性	NA
2590	2026-03-06	Predicting Traumatic Brain Injury Post-Trauma Using Temporal Attention on Sleep-Wake Data 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3592009 PMID:40705576	研究论文	本研究利用深度学习模型分析创伤后7天内的睡眠/觉醒数据，以预测创伤性脑损伤	首次将时间注意力机制应用于创伤后睡眠/觉醒数据，并确定了创伤后7天为识别TBI的最佳时间窗口	模型特异性较低（7天数据仅25%），样本量虽大但仅限于急诊科患者	探索睡眠/觉醒行为作为创伤性脑损伤生物标志物的潜力，并确定最佳监测时间窗口	2000多名急诊科患者（包括GFAP生物标志物确诊的TBI阳性与阴性病例）	机器学习	创伤性脑损伤	睡眠/觉醒行为监测，血液生物标志物检测（GFAP）	深度学习模型（含时间注意力机制）	时间序列数据（每日纵向睡眠/觉醒记录）	超过2000名急诊科患者	未明确说明	未明确说明具体架构，但包含时间注意力机制	灵敏度，特异性，F1分数	NA
2591	2026-03-06	Diagnostic performance of deep learning for predicting glioma isocitrate dehydrogenase and 1p/19q co-deletion in MRI: a systematic review and meta-analysis 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11898-2 PMID:40817944	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于深度学习的影像组学模型利用MRI序列无创预测胶质瘤患者IDH突变和1p/19q共缺失状态的诊断性能，并识别了影响准确性和泛化性的方法学因素	首次对基于深度学习的MRI影像组学模型在预测胶质瘤IDH突变和1p/19q共缺失状态方面的诊断性能进行了全面的系统综述和荟萃分析，并识别了肿瘤分割方法和深度学习在影像组学流程中的整合程度是研究间异质性的重要来源	研究纳入的文献存在异质性，临床转化仍需多中心数据协调、标准化自动分割、广泛的外部验证和前瞻性临床验证等关键步骤	评估基于深度学习的影像组学模型在胶质瘤分子分类中的诊断性能，并探讨影响其准确性的方法学因素	胶质瘤患者的MRI影像数据	数字病理学	胶质瘤	MRI	深度学习模型	医学影像（MRI）	来自1517篇独特出版物，其中104篇用于定性综合，72篇用于荟萃分析	NA	NA	敏感性, 特异性	NA
2592	2026-03-06	Deep learning-based radiomics does not improve residual cancer burden prediction post-chemotherapy in LIMA breast MRI trial 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11801-z PMID:40770139	研究论文	本研究评估了基于深度学习的放射组学在预测局部晚期乳腺癌新辅助化疗后残留癌症负担方面的附加价值，并与标准预测因子（肿瘤体积和亚型）进行比较	首次在LIMA试验中比较了三种深度学习网络（nnU-Net、Attention U-net和向量量化编码器-解码器）提取的深度放射组学特征与肿瘤体积和亚型在预测残留癌症负担方面的性能	研究为回顾性设计，样本量有限（训练集105例，测试集41例），且未观察到深度学习模型与标准预测因子之间存在统计学显著差异	评估深度放射组学在预测乳腺癌新辅助化疗后残留癌症负担方面的潜在附加价值	局部晚期乳腺癌患者在新辅助化疗后但手术前的MRI影像	数字病理学	乳腺癌	DCE-MRI（动态对比增强磁共振成像）	CNN	医学影像（MRI）	训练集105例（单机构），测试集41例（三机构外部验证）	PyTorch	nnU-Net, Attention U-net, 向量量化编码器-解码器	AUC（曲线下面积）, Spearman相关系数	NA
2593	2026-03-06	Scanner-integrated reconstruction versus post-processing deep learning for low-count 18F-FDG PET/CT: a comparative clinical evaluation 2026-Jan-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00841-z PMID:41619102	研究论文	本研究比较了两种用于低计数18F-FDG PET/CT的深度学习方法：扫描仪集成的重建级方法（DPR）和图像域后处理增强方法（POST），评估了它们在图像质量、病灶检测和扫描时间减少方面的表现	首次在临床环境中直接比较了扫描仪集成重建与后处理深度学习两种低计数PET/CT方法的性能，并预设了非劣效性边界进行定量评估	研究样本量有限（67例患者），且仅针对18F-FDG PET/CT，未涵盖其他示踪剂或更广泛的临床场景	评估和比较两种深度学习方法在低计数PET/CT中的图像质量和诊断性能，以实现扫描时间减少	67例接受全身18F-FDG PET/CT检查的患者	医学影像分析	癌症（未特指具体类型）	18F-FDG PET/CT成像，有序子集期望最大化（OSEM）重建	深度学习	PET/CT图像	67例患者	NA	深度渐进重建（DPR），RaDynPET（POST）	Likert量表评分，信噪比（SNR），肿瘤背景比（TBR），对比噪声比（CNR），Lin一致性相关系数（CCC），Bland-Altman分析	NA
2594	2026-03-06	A Comprehensive X-ray Dataset for Pediatric Ulna and Radius Fractures Analysis 2026-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06666-w PMID:41605965	研究论文	本文介绍了首个公开的儿科尺骨和桡骨骨折X射线数据集PediURF，并提出了一个双视图分类模型URFNet用于骨折分类	创建了首个公开的儿科尺骨和桡骨骨折X射线数据集PediURF，包含超过10,000张去标识化图像，并提出了一个集成前后位和侧位视角的双视图分类模型URFNet	未明确说明数据集的多样性或模型在外部验证集上的性能	为儿科尺骨和桡骨骨折的人工智能研究提供标准化数据集，并开发深度学习模型进行骨折分类	儿科尺骨和桡骨骨折的X射线图像	计算机视觉	儿科骨折	X射线成像	深度学习分类模型	图像	超过10,000张去标识化X射线图像	NA	URFNet	NA	NA
2595	2026-03-06	Systematic evaluation of mitochondrial morphology regulators for amelioration of neuronal α-synucleinopathy 2026-Jan-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01277-z PMID:41593075	研究论文	本研究系统评估了线粒体形态调节因子在神经元α-突触核蛋白病模型中的治疗潜力，并利用深度学习工具MitoVis进行快速分析	首次在α-突触核蛋白病模型中系统比较线粒体融合/分裂关键调节因子，并开发基于深度学习的线粒体图像分析工具MitoVis实现区室特异性形态分析	研究仅针对α-突触核蛋白病模型，未验证其他神经退行性疾病；干预效果可能受模型特异性限制	评估线粒体形态调节因子作为神经退行性疾病治疗靶点的潜力	神经元线粒体（树突与轴突区室）	数字病理学	帕金森病	深度学习图像分析	CNN	图像	NA	NA	NA	NA	NA
2596	2026-01-30	Deep Learning-Based Instance-Level Segmentation of Kidney and Liver Cysts in Computed Tomography Images of Patients Affected by Polycystic Kidney Disease 2026-Jan-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000924 PMID:40811034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2597	2026-03-06	Predicting Stereotactic Body Radiation Therapy Response Using an AI-Based Tumor Vessel Biomarker 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261428377 PMID:41761492	研究论文	本文提出了一种基于深度学习的成像生物标志物Vessel Risk Score（VRS），用于从增强CT扫描中量化肿瘤血管异常，以预测非小细胞肺癌患者对立体定向放射治疗的反应和预后	开发了一种新的AI驱动的肿瘤血管生物标志物VRS，能够非侵入性地量化血管异常，相比传统的血管密度指标，能更准确地预测放疗反应和预后	研究主要基于非小细胞肺癌患者，且样本量有限（训练集126例，外部验证集128例），需要进一步在其他癌症类型和大规模队列中验证其普适性	预测非小细胞肺癌患者对立体定向放射治疗（SBRT）的反应和预后	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	对比增强CT扫描	深度学习模型	图像	训练集：126例NSCLC患者（接受大分割放疗）；外部验证集：128例早期NSCLC患者（接受SBRT）	NA	NA	VRS值（置信区间），PFS（无进展生存期），Cox多变量分析p值	NA
2598	2026-03-06	Multi-view deep learning of highly multiplexed imaging data improves association of cell states with clinical outcomes 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag010 PMID:41782683	研究论文	本文提出了一种多模态变分自编码器方法，用于从高度多重成像数据中整合细胞的多个视图，以改善细胞状态与临床结果的关联	首次探索了多模态变分自编码器在整合高度多重成像数据中细胞的多个视图（包括平均表达、形态学、亚细胞蛋白共定位和空间细胞上下文）方面的能力，并展示了整合后的潜在空间与患者特异性临床结果更强的关联性	未明确说明模型在处理大规模数据集时的计算效率或可扩展性限制	研究多模态深度学习模型在整合高度多重成像数据中细胞的多视图信息方面的能力，以改善细胞状态与临床结果的关联	从高度多重成像数据中量化的单个细胞，包括其平均表达、形态学、亚细胞蛋白共定位和空间细胞上下文	数字病理学	NA	高度多重成像	变分自编码器	图像	NA	Python	变分自编码器	NA	NA
2599	2026-03-06	Performance evaluation of deep learning models for overbite classification on cephalometric radiographs 2026, European oral research IF:0.9Q3 DOI:10.26650/eor.20251689033 PMID:41782781	研究论文	本研究评估并比较了不同深度学习算法在基于侧位头颅X光片对覆合进行分类的效果	首次系统评估了包括ResNet101、DenseNet201、EfficientNetV2-B0、ConvNetBase、EfficientNet-B0及混合模型在内的六种深度学习模型在头颅X光片覆合分类任务上的性能，并利用Grad-CAM可视化技术解释模型决策过程	研究样本量相对有限（1062名患者），且仅基于侧位头颅X光片，未考虑其他影像或临床数据	评估深度学习模型在头颅X光片覆合分类中的有效性和可靠性	1062名患者的侧位头颅X光片	计算机视觉	口腔正畸	侧位头颅X光摄影	CNN	图像	1062名患者的侧位头颅X光片	NA	ResNet101, DenseNet201, EfficientNetV2-B0, ConvNetBase, EfficientNet-B0, Hybrid Model	F1分数, 准确率, 精确率, 召回率, 平均绝对误差, Cohen's Kappa系数, AUC-ROC	NA
2600	2026-03-06	Leveraging Artificial Intelligence to Advance Bioinformatics in Africa: Opportunities, Challenges, and Ethical Considerations in Combating Antimicrobial Resistance 2026, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322261427123 PMID:41782801	综述	本文探讨了人工智能与生物信息学在非洲协同应用以应对抗菌素耐药性的机遇、挑战与伦理考量	系统性地阐述了AI（特别是ML、DL及LLMs）在非洲AMR基因组数据分析、耐药性预测与传播建模中的创新应用潜力，并提出了针对非洲情境的三大优先行动	非洲地区存在基础设施不足、数据共享壁垒、伦理规范缺失等挑战，可能限制AI技术的实际部署与效果	推动人工智能与生物信息学在非洲的整合，以提升抗菌素耐药性的监测、预测与防控能力	非洲地区的抗菌素耐药性感染及相关病原体基因组数据	生物信息学	感染性疾病（抗菌素耐药性）	全基因组测序	机器学习, 深度学习, 大语言模型	基因组序列数据	NA	NA	卷积神经网络, 支持向量机	NA	NA