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
2681	2026-03-05	Supervised Machine Learning and Graph Neural Networks to Predict Collision Cross-Section Values of Aquatic Dissolved Organic Compounds 2026-Mar-04, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.5c00276 PMID:41505766	研究论文	本研究结合监督机器学习和深度学习，预测水环境中溶解有机化合物的碰撞截面值，以提升复杂环境混合物中分子结构的识别能力	首次整合多种监督机器学习模型与图神经网络，针对多种溶解有机分子类别预测CCS值，并利用北极海洋的高分辨率质谱数据进行验证	模型性能因分子类别和数据集特性而异，未详细讨论模型在极端环境条件下的泛化能力	开发一个数据驱动的框架，用于准确预测溶解有机化合物的碰撞截面值，以增强环境样品中的分子分类和污染物检测	水环境中的溶解有机分子，包括碳水化合物、烃类、木质素、脂质、蛋白质、单宁和未分配分子	机器学习	NA	高分辨率质谱	Gradient Boosted Regression, K-Nearest Neighbors, LASSO, Linear Regression, Partial Least Squares, Random Forest, Support Vector Regression, Voting Regressor, Graph Neural Network	分子指纹和结构描述符	NA	NA	图神经网络	准确度	NA
2682	2026-03-05	Real-time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions 2026-Mar-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02513-9 PMID:41775925	研究论文	本研究通过分析中国最大的按需药品配送平台的2108万张数字处方交易数据，验证了其作为流感动态实时监测和长期预测的有效代理指标	首次大规模验证数字处方交易数据作为流感流行病学实时监测和预测的因果有效代理指标，并构建了一个集成了GNN、Mamba和LSTM的时空深度学习框架，实现了长达96天的流感预测	研究数据来源于单一平台，可能无法完全代表全国所有地区的用药行为；研究主要关注流感，对其他传染病的适用性有待验证	开发一种实时、准确的流感监测和预测方法，以克服传统监测系统的报告延迟问题	中国31个省份的2108万张数字处方交易数据	机器学习	流感	数字处方交易数据分析	GNN, Mamba, LSTM	交易数据	2108万张处方交易，覆盖中国31个省份	NA	GNN, Mamba, LSTM	平均绝对误差	NA
2683	2026-03-05	Performance of deep learning-based segmentation of soft tissue sarcoma by MRI sequence, tumor type and location 2026-Mar-04, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05178-3 PMID:41776099	研究论文	本研究评估了基于深度学习的模型在术前MRI上自动分割软组织肉瘤的性能，重点关注不同MRI序列、解剖位置和组织学亚型对模型准确性的影响	首次系统评估了深度学习模型在软组织肉瘤分割中，针对不同MRI序列、肿瘤解剖位置和组织学亚型的性能差异，并发现单序列T1模型优于多模态融合	研究为回顾性分析，样本量相对有限（299例），且仅包含特定五种组织学亚型，可能无法推广到所有软组织肉瘤类型	评估深度学习模型在软组织肉瘤自动分割中的性能，并分析MRI序列、肿瘤位置和组织学亚型对分割准确性的影响	299例经活检证实的软组织肉瘤患者，包括平滑肌肉瘤、黏液纤维肉瘤、黏液样脂肪肉瘤、未分化多形性肉瘤和肌肉内黏液瘤	数字病理	软组织肉瘤	MRI成像	深度学习	医学影像	299例患者	nnU-Net	3D nnU-Net	Dice系数, F2分数, 平均对称表面距离, 95百分位Hausdorff距离	NA
2684	2026-03-05	Letter to the Editor: Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2026-Mar-03, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12364-3 PMID:41774130	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2685	2026-03-05	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	本文提出了一种新颖的基于图的全局-局部特征交互框架（WGB-GLFI），用于自动癫痫发作检测	通过加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，统一建模空间连接性和动态模式，全面捕捉癫痫发作期间的动态空间关系，实现无缝的全局-局部特征融合	未明确提及具体局限性	提高癫痫发作检测的准确性和鲁棒性	癫痫患者	机器学习	癫痫	EEG	深度学习	EEG数据	多个数据集（CHB-MIT, Siena Scalp及私有数据集）	未明确提及	WGB-GLFI	准确率	未明确提及
2686	2026-03-05	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026-Mar-03, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	本文提出了一种基于Vision Transformer的深度学习框架EPViT，用于识别必需蛋白质	提出了一种结合蛋白质相互作用网络拓扑特征和无主观因素亚细胞定位特征的新特征矩阵，并首次将Vision Transformer模型应用于必需蛋白质识别任务	仅在酵母数据上进行了实验验证，未在其他生物数据上测试	提高必需蛋白质的识别率	必需蛋白质	机器学习	NA	多组学数据融合	Vision Transformer	蛋白质相互作用网络数据、亚细胞定位数据	NA	NA	Vision Transformer	识别率	NA
2687	2026-03-05	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-Mar-03, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	提出了一种结合出院摘要感知的协作式粗到细疾病学习框架，用于电子健康记录事件预测	通过构建细粒度动态疾病图、整合ICD-9-CM层次结构信息、结合非结构化出院摘要进行协作学习，解决了动态疾病关系建模、诊断代码本体多视角利用和文本数据融合三大挑战	未明确说明模型在跨机构数据上的泛化能力，也未讨论计算复杂度对实时预测的影响	改进电子健康记录事件预测的准确性和可解释性	电子健康记录中的疾病诊断事件	自然语言处理	NA	深度学习	GRU, 注意力机制	结构化诊断代码, 非结构化文本（出院摘要）	两个真实世界EHR数据集：MIMIC-III和MIMIC-IV	NA	基于GRU和注意力机制的序列模型	NA	NA
2688	2026-03-05	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-Mar-03, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	本研究提出了一种名为XNet的双域深度学习模型，用于分类身体活动强度和估计能量消耗，旨在解决传统方法在泛化性方面的不足	提出了一种新颖的分层多头注意力特征融合模块，分两阶段聚合传感器特征和融合域嵌入，并引入了互补的可视化分析框架以增强模型的可解释性和透明度	未明确说明模型在极端活动或特殊人群（如患有特定疾病的个体）上的性能	开发一种能够准确监测身体活动强度并具有良好泛化能力的模型，以应对久坐行为这一全球健康问题	身体活动强度与能量消耗	机器学习	NA	深度学习	CNN, Transformer, GAT	生理信号（如心率、ECG）、加速度计数据	多个公共数据集及一个包含105名参与者的新数据集	NA	XNet（包含轻量级1D卷积频谱编码器和分层多头注意力特征融合模块）	F1-score, TPR	NA
2689	2026-03-05	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026-Mar-03, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	本文提出了一种名为METRON的深度学习框架，用于从类固醇代谢组学数据中预测生物年龄	提出了代谢物交互感知模块（MIPM）来捕获代谢网络中的复杂非线性相互作用，并集成了Group-Rational Kolmogorov-Arnold网络以增强表示能力	NA	预测生物年龄以评估健康风险和衰老干预措施	类固醇代谢组学数据	机器学习	老年疾病	类固醇代谢组学	深度学习	代谢组学数据	NA	NA	Kolmogorov-Arnold Network	NA	NA
2690	2026-03-05	A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02499-4 PMID:41775791	研究论文	本文提出了一种用于磁共振成像驱动的膀胱癌分类的领域自适应深度对比网络	提出了一种结合源域和目标域样本进行特征学习的领域自适应深度对比网络，以获取领域不变且具有判别性的表示，从而提高跨中心泛化能力	NA	解决膀胱癌磁共振成像分类中跨中心分布差异和特征判别性有限的问题	膀胱癌磁共振成像数据	计算机视觉	膀胱癌	磁共振成像	CNN, Transformer	图像	NA	NA	DADCNet	准确率, F1分数, 曲线下面积	NA
2691	2026-03-05	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	提出一种结合负热标签编码和类别权重掩码的机器学习遗忘框架，以实现对特定类别的高效选择性遗忘	引入负热标签编码来抑制目标类别在特征空间中的可区分性，并结合类别权重掩码，无需原始训练数据即可实现高效遗忘	仅使用少量遗忘类别样本进行迭代微调，可能在某些复杂场景下泛化能力有限	解决机器学习中数据隐私和合规性要求下的选择性遗忘问题	深度学习模型中的特定类别数据	机器学习	NA	NA	深度学习模型	图像	多个视觉数据集上的广泛实验	NA	NA	分类准确率	NA
2692	2026-03-05	Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02498-5 PMID:41775831	研究论文	开发了一种动态深度学习模型（DyLM-OHCA），用于从实时急救电话中早期识别院外心脏骤停	提出了一种动态深度学习模型，超越了简单的关键词识别，能够捕捉临床有意义的对话模式，并提供实时、上下文感知且可解释的风险评估	NA	通过深度学习模型早期识别院外心脏骤停，以支持决策、增强调度员信心并改善早期识别	急救电话转录文本	自然语言处理	心血管疾病	深度学习	动态深度学习模型	文本	158,973个来自韩国三个大都市区的急救电话转录文本	NA	DyLM-OHCA	AUROC, AUPRC	NA
2693	2026-03-05	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	本研究评估了ICU脓毒症预测深度学习模型在分布偏移下的泛化性能，并比较了五种部署策略	首次系统量化了三个ICU数据集间的分布偏移，并对比了五种部署策略在不同目标数据规模下的表现，挑战了文献中普遍采用的微调方法	研究仅基于回顾性队列数据，未进行前瞻性验证；模型性能可能受数据质量和标注一致性的影响	评估深度学习脓毒症预测模型在分布偏移下的泛化能力，并比较不同部署策略的有效性	三个成人ICU队列（HiRID, MIMIC-IV, eICU）中的216,536次住院记录	机器学习	脓毒症	深度学习	深度学习模型	ICU临床时间序列数据	216,536次ICU住院记录	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
2694	2026-03-05	Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules 2026-Mar-03, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01583-w PMID:41775904	研究论文	本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值	首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性	样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性	评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值	疑似肺结节的患者	数字病理学	肺癌	CT扫描	深度学习图像重建	医学影像	115例患者	NA	NA	CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性	NA
2695	2026-03-05	Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42847-8 PMID:41775953	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2696	2026-03-05	Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification 2026-Mar-03, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01628-4 PMID:41776034	研究论文	本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测	开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性	未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明	开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层	类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标	生物信息学	类风湿关节炎	内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA）	双向门控循环单元（BiGRU）	肽段序列数据、临床数据、质谱数据	包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段	未明确说明	双向门控循环单元（BiGRU）	预测准确率（84.2%）	NA
2697	2026-03-05	Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning 2026-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01877-4 PMID:41776128	研究论文	本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性	首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度	研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证	建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策	锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域	计算机视觉	上颌横向发育不足	锥形束计算机断层扫描	CNN	图像	400例CBCT扫描	NA	U-Net, Deeplab v3, Segformer	F1分数	NA
2698	2026-03-05	ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37590-z PMID:41776220	研究论文	本研究提出了一种名为ETNeXt的轻量级自组织故障检测框架，用于基于声学信号分析检测无刷直流电机的故障	提出了一种集成特征工程与分类的轻量级自组织框架ETNeXt，结合多级离散小波变换、三元直方图特征生成以及混合特征选择方法，在保持高精度的同时显著降低了计算复杂度	未明确说明框架在更广泛或更复杂工业环境中的泛化能力，也未讨论对非声学信号数据类型的适用性	开发一种高效、轻量化的故障检测方法，以预防无刷直流电机故障导致的意外停机	无刷直流电机的电气和机械故障（如轴承磨损、转子不平衡）	机器学习	NA	声学信号分析、多级离散小波变换、三元直方图特征生成	Fine k-NN, Cubic SVM	声学信号	基准数据集和独立测试数据集（具体数量未提供）	未明确说明，可能为MATLAB、Python（Scikit-learn）等	ETNeXt（自定义框架）	准确率	轻量化设计，适用于边缘计算部署，具体硬件资源未说明
2699	2026-03-05	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	本研究开发了一种基于特征级注意力机制的多模态深度学习框架，用于预测大学篮球运动员的睡眠质量	提出了一种结合特征级注意力机制的多模态深度学习框架（Attention-MLP），用于综合评估运动员的睡眠质量，优于传统的机器学习方法	模型对中度睡眠质量类别的区分能力较差（AUC=0.40），当前样本量下模型性能提升有限，更适合筛查导向的风险分层而非确定性诊断	开发一个用于大学篮球运动员睡眠质量筛查的预测模型	大学篮球运动员	机器学习	NA	问卷调查（PSQI）、体能测试、心理评估	Logistic Regression, Random Forest, XGBoost, Attention-based Multilayer Perceptron (Attention-MLP)	表格数据	来自一所大学的学生运动员数据	NA	多层感知机（MLP）结合注意力机制	准确率, F1值, AUC	NA
2700	2026-03-05	An IoT-enabled CRNN framework for secure wearable sensor-based activity recognition in physical education 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42082-1 PMID:41776307	研究论文	本文提出了一种基于卷积循环神经网络的物联网框架，用于从可穿戴传感器数据中识别体育活动	提出了一种新颖的物联网导向的活动识别框架，该框架采用卷积循环神经网络架构，旨在同时建模多模态可穿戴传感器数据流的空间和时间特征	未在摘要中明确提及	解决从可穿戴传感器数据中准确识别复杂人类活动的挑战	多模态生理和运动学数据，包括心率变异性、三轴加速度计读数、陀螺仪角速度、磁力计方向数据和皮肤温度信号	机器学习	NA	可穿戴传感器数据采集	CNN, RNN	传感器信号（生理和惯性测量数据）	未在摘要中明确提及	未在摘要中明确提及	卷积循环神经网络	准确率, 灵敏度, 特异性, 召回率, 精确率	未在摘要中明确提及