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
2981	2026-02-28	Emergent Language Symbolic Autoencoder (ELSA) with weak supervision to model hierarchical brain networks 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111533 PMID:41655479	研究论文	提出一种名为ELSA的新型分层符号自编码器架构，用于对静息态fMRI脑网络进行可解释的建模	结合弱监督和涌现语言框架，通过分层感知损失函数（渐进损失、严格损失、包含偏置损失）在无大量人工标注的情况下强制实现从粗到细的层次结构	未明确说明模型在其他类型分层生物医学数据上的泛化能力，也未讨论计算效率或训练时间	开发可解释的深度学习模型来建模具有层次结构的脑功能网络	静息态功能磁共振成像（fMRI）脑网络	机器学习	NA	静息态fMRI，独立成分分析（ICA）	自编码器	脑网络数据	来自1000 Functional Connectomes Project的公开数据	NA	Emergent Language Symbolic Autoencoder (ELSA)	分层一致性	NA
2982	2026-02-28	VSSI2p-Net: Physics-guided deep unfolding with L2p-norm and variation sparsity for EEG source imaging 2026-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121793 PMID:41655611	研究论文	提出一种基于深度展开的神经网络模型VSSI-Net，用于解决脑电图源成像中的欠定问题	将变分稀疏性和ℓp范数正则化引入ESI模型，并通过ADMM迭代求解，再通过深度展开将迭代过程映射为神经网络结构，实现端到端参数优化	未明确说明模型对特定噪声类型或个体差异的鲁棒性	提高脑电图源成像的定位精度、空间范围估计和成像速度	脑电图源成像问题	神经影像	NA	脑电图	深度展开神经网络	脑电图信号	合成数据集和真实数据集	NA	VSSI-Net	源定位精度, 空间范围估计, 成像速度	NA
2983	2026-02-28	Periodontal bone loss analysis via keypoint detection with heuristic post-processing 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111515 PMID:41666656	研究论文	本研究提出了一种用于自动检测牙周骨丧失标志点、相关状况及分期的深度学习框架与标注方法	提出了一种启发式后处理模块，通过辅助实例分割模型将预测的关键点对齐到牙齿边界；并提出了适用于牙科影像领域的评估指标PRCK	根分叉病变和牙周膜间隙增宽任务的检测仍具挑战性，主要由于阳性样本稀缺；后处理模块偶尔会出现灾难性失败	开发自动检测牙周骨丧失标志点及相关临床状况的深度学习系统	牙周骨丧失的放射学标志点、疾病分期及相关临床状况	计算机视觉	牙周病	深度学习	关键点检测模型	根尖周X光片	192张根尖周X光片	NA	NA	PRCK, Dice系数	NA
2984	2026-02-28	Exploring the potential of explainable deep learning for EEG-based cognitive decline prediction 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111538 PMID:41666658	研究论文	本研究开发了两种具有自注意力机制的深度学习算法，用于基于静息态脑电图数据预测轻度认知障碍和认知衰退	首次使用深度学习模型评估基于认知评分对健康受试者进行分类，其中大脑变化极小且难以检测，为早期阿尔茨海默病诊断中生物标志物的发现开辟了新途径	预测健康受试者的临床前认知衰退比预测已诊断的轻度认知障碍更具挑战性，转移学习方法仅达到56.08%的测试准确率	创建一种经济高效且非侵入性的早期认知衰退检测方法	健康对照者和轻度认知障碍患者的静息态脑电图数据	机器学习	阿尔茨海默病	脑电图	深度学习, CNN	脑电图信号	公开可用数据集中的健康对照和轻度认知障碍患者	NA	具有自注意力机制的深度学习算法	准确率	NA
2985	2026-02-28	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	本研究结合深度学习与差异表达分析等基因特征选择方法，在基因表达数据上显著提升了急性心肌梗死患者的分类性能	将深度学习与生物特征选择方法（特别是差异表达分析）相结合，用于基因表达分类，同时实现基因排序和生物标志物识别	研究仅基于两个基因表达数据集（GSE36961和GSE57345），样本量有限，可能影响结果的泛化能力	提高基于基因表达数据的急性心肌梗死患者分类准确性，并识别高风险基因	急性心肌梗死患者的基因表达数据	机器学习	心血管疾病	基因表达分析	深度学习, 机器学习	基因表达数据	两个基因表达数据集（GSE36961和GSE57345），具体样本数未明确	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
2986	2026-02-28	AI for smart wastewater treatment plants: A review of physics-informed water quality modeling, optimization, and advanced control 2026-Mar-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128949 PMID:41671993	综述	本文综述了过去十年中人工智能在污水处理厂出水质量预测、过程优化和先进控制方面的研究进展，重点探讨了这些方法如何支持智能污水处理厂的发展	强调将物理信息（如活性污泥模型和过程约束）嵌入神经网络，并讨论将这些模型与实时优化和控制框架结合的路径	当前应用仍面临可解释性有限、跨厂可移植性弱以及对变化运行条件鲁棒性差的问题	探讨人工智能如何使污水处理厂实现低碳和智能化	污水处理厂	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	神经网络	NA	NA
2987	2026-02-28	Limitation of existing GFR estimating equations and application of artificial intelligence in improving GFR estimation and chronic kidney disease progression in people with diabetes 2026-Mar, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113152 PMID:41679651	综述	本文综述了现有肾小球滤过率估算方程的局限性，并探讨了人工智能在改善糖尿病患者GFR估算和慢性肾病进展预测中的应用	系统性地评估了人工智能方法（特别是机器学习）在糖尿病患者这一特定人群中改进GFR估算和CKD进展预测的潜力，并指出了现有研究的局限性	现有研究样本量较小，且多数来自特定国家或人群，研究结果不一致，需要在更大规模和更多样化的人群中进行验证	评估和改进糖尿病患者肾小球滤过率的估算方法，并预测慢性肾病的进展	糖尿病患者	机器学习	慢性肾病	NA	人工神经网络, 随机森林, 支持向量机, 集成学习模型	NA	较小样本量（具体未说明）	NA	NA	偏倚, 精确度, 准确度	NA
2988	2026-02-28	Deep learning and machine learning for differentiation between contrast extravasation and hemorrhagic transformation in post-thrombectomy stroke CT 2026-Mar, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101530 PMID:41687434	研究论文	本研究开发并验证了基于机器学习和深度学习的模型，用于在机械取栓后6小时内的非增强CT上区分出血性转化与造影剂外渗	首次将U-Net深度学习模型与基于影像组学的传统机器学习模型（如支持向量机、随机森林和逻辑回归）结合，用于急性缺血性卒中后机械取栓术的早期并发症鉴别	研究为回顾性设计，样本量相对较小（111例患者），且仅针对前循环卒中患者，未来需要更大规模的前瞻性研究和混合方法验证	开发并验证机器学习模型，以在机械取栓后早期准确区分非增强CT上的出血性转化与造影剂外渗	接受机械取栓术的急性前循环缺血性卒中患者，特别是术后出现高密度影的患者	计算机视觉	心血管疾病	非增强CT成像	SVM, RF, LR, CNN	医学影像（CT图像）	351例患者（其中111例有术后高密度影，分为训练集72例和测试集39例）	NA	U-Net	准确率, 灵敏度, 特异度, F1分数, AUC	NA
2989	2026-02-28	Predicting human gait kinematics and kinetics from a single inertial measurement unit using deep learning and synthetic datasets: A blinded assessment study 2026-Mar, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113149 PMID:41687508	研究论文	本研究提出了一种使用单个惯性测量单元和深度学习网络预测人体步态运动学和动力学的方法，并通过盲法评估验证其性能	采用条件生成对抗网络增强合成数据集的变异性，并首次在真实IMU数据上进行盲法评估和微调验证	模型在真实IMU数据上的性能较虚拟数据有所下降，且样本量相对有限（共59名健康成年人）	开发从单个骶骨佩戴的惯性测量单元预测下肢关节角度和力矩的神经网络模型	健康成年人的步态运动学和动力学数据	机器学习	NA	惯性测量单元测量，运动捕捉系统	神经网络，条件生成对抗网络	惯性测量单元数据，运动捕捉标记数据	49名健康成年人（训练集），7名健康成年人（盲法测试集），3名健康成年人（微调后测试集）	NA	神经网络，条件生成对抗网络	均方根误差	NA
2990	2026-02-28	Molecular modelling assisted identification of novel Benzoxazole derivatives as hit molecules targeting Mycobacterial Membrane Protein Large 3 (MmpL3) 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111521 PMID:41628494	研究论文	本文通过分子建模辅助设计新型苯并恶唑衍生物作为靶向分枝杆菌膜蛋白大3（MmpL3）的候选分子，以抑制细胞壁合成并对抗结核病	设计了新型苯并恶唑甲酰胺衍生物，并综合运用分子对接、深度学习对接、分子动力学模拟及MM-GBSA、FEP分析等多种计算与实验方法进行验证，其中BXZ-IX和BXZ-XIV显示出与标准抑制剂SQ109相当的抗分枝杆菌活性	研究主要基于实验室测试和计算模拟，尚未进行体内实验或临床验证，且活性化合物的MIC值（15.62-62.5 μg/mL）虽有效但仍有优化空间	开发靶向MmpL3蛋白的新型抗结核化合物，以抑制分枝杆菌细胞壁合成	14种合成的苯并恶唑甲酰胺衍生物（BXZ-I至BXZ-XIV）及其对分枝杆菌（如耻垢分枝杆菌）的抑制活性	计算药物设计	结核病	分子对接、ADME预测、毒性预测、深度学习对接、分子动力学模拟、MM-GBSA、FEP分析	深度学习模型（用于对接）、分子动力学模拟模型	化合物结构数据、计算模拟数据、实验MIC数据	14种合成衍生物	NA	NA	最小抑制浓度（MIC）	NA
2991	2026-02-28	Complex networks for modeling texture and spectral features of hyperspectral images for environmental analysis 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111504 PMID:41633275	研究论文	本文介绍了一种用于高分辨率高光谱图像分析和分类的复杂网络方法，应用于检测环境污染	提出了一种名为定向角度相似性网络（DNAS）的手工设计技术，将高光谱像素建模为基于光谱带角度相似性连接的复杂网络顶点，有效提取特征并生成紧凑图像表示	样本数量有限，高光谱数据维度高，传统深度学习方法不适用	开发一种稳健高效的方法，用于高分辨率高光谱图像的分类，以检测环境污染	暴露于不同氟化钾水平的Jacaranda caroba植物叶片	计算机视觉	NA	共聚焦激光扫描显微镜（CLSM）	复杂网络	高光谱图像	NA	NA	定向角度相似性网络（DNAS）	分类准确率	NA
2992	2026-02-28	Deep Learning-based Detection of Colorectal Liver Metastases: Performance, Robustness, and Clinical Implications 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.260046 PMID:41758034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2993	2025-12-11	The road to bedside: addressing key hurdles for deep learning prognostic models in light-chain cardiac amyloidosis 2026-Feb-27, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf344 PMID:41364678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2994	2026-02-28	Fabrication of NbC/GaN Nanofilm Sensor via Photolithography and its Investigation as a Sensor for Trimethylamine Mixed Gas Detection Using Dual-Feature Extraction and Deep Learning 2026-Feb-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c02507 PMID:41543399	研究论文	本研究通过光刻技术制备了NbC/GaN纳米薄膜传感器，结合双特征提取和深度学习算法，用于三甲胺混合气体的检测	创新性地采用光刻和蚀刻技术优化了NbC纳米薄膜的均匀性和厚度，并结合KPCA与多项式特征工程进行双特征提取，提升了气体传感器的性能	NA	开发一种高性能的气体传感器，用于精确识别混合气体中的目标成分	三甲胺（TMA）混合气体	传感器技术	NA	光刻技术、蚀刻技术	深度学习算法	传感器阵列数据	NA	NA	NA	准确率	NA
2995	2026-02-28	Multiscale Analysis of Deep Learning and Machine Learning: New Insights into the Adsorption Mechanism of VOCs Gas-Sensitive Materials 2026-Feb-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c03820 PMID:41626786	研究论文	本研究通过整合第一性原理计算与机器学习，系统预测了纳米复合材料上挥发性有机化合物（VOCs）的吸附能，旨在为肺癌相关VOC生物标志物的快速筛选和高性能气体传感器的设计提供理论工具	首次基于第一性原理数据，对深度学习和传统机器学习方法在纳米复合材料VOC吸附预测中的性能进行了比较评估，并构建了一个通用的预测模型	研究基于336个吸附案例的数据集，样本量相对有限，且模型性能可能受限于所选择的特定算法和特征	高效筛选和准确预测VOCs在气体敏感材料上的吸附性能，以设计用于早期无创诊断的下一代气体传感器	与肺癌相关的挥发性有机化合物（VOCs）及其在纳米复合材料上的吸附行为	机器学习	肺癌	第一性原理计算	SVR, GBR, GPR, XGBoost, MLP, KRR, Transformer	数值数据（吸附能等）	336个吸附案例	NA	Transformer	R²	NA
2996	2026-02-28	Interpretable Multimodal Graph Learning Platform for Rational Design of AIEgens: From Molecular Structure and Microenvironments to Photophysical Properties 2026-Feb-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04324 PMID:41643048	研究论文	本研究构建了一个数据驱动且可解释的多模态深度学习平台GATM，用于从分子结构、微环境到光物理性质的关系解析，以指导AIEgens的理性设计	整合了多源数据（分子结构、光物理参数、溶剂环境），并利用图注意力网络（GAT）实现溶剂-溶质相互作用机制的可视化与关键结构特征影响的深度解析，为AIEgens的理性设计提供了新范式	未明确提及模型在更广泛或更复杂分子体系中的泛化能力，以及数据来源的潜在偏差	系统阐明聚集诱导发光分子（AIEgens）的结构-性质关系，并构建一个智能预测平台以指导其理性设计	聚集诱导发光分子（AIEgens）	机器学习	NA	NA	图神经网络，机器学习算法	分子结构数据，光物理参数数据，溶剂环境数据	NA	NA	图注意力网络	预测准确度（均值 > 0.90），检测限（0.4 nM），判别准确度（100%）	NA
2997	2026-02-28	NLP in Support of Pharmacovigilance: QUality Adverse Drug Reaction AcTIve Control (QUADRATIC) 2026-Feb-27, Clinical pharmacology and therapeutics DOI:10.1002/cpt.70250 PMID:41757758	研究论文	本研究开发并评估了用于从电子出院摘要中检测和提取药物不良反应信息的自然语言处理系统	提出了一种结合逻辑回归与词袋模型的NLP系统，在模拟部署中检测到的确认ADR出院摘要数量是正则表达式系统的近两倍	研究基于瑞士南部多站点医院网络的回顾性数据，样本量有限（400份出院摘要用于训练，100份用于评估），可能影响泛化能力	通过自然语言处理技术增强药物警戒，提高药物不良反应的检测效率	电子出院摘要中的临床叙述文本	自然语言处理	NA	自然语言处理	逻辑回归, 深度学习, 基于Transformer的命名实体识别	文本	400份出院摘要用于训练，100份用于手动注释评估	NA	Transformer	精确度, 召回率, F1分数, AUC, 自定义top-k排序指标	NA
2998	2026-02-28	DNAwhisper: An Integrated Deep Learning Pyramidal Framework for Multi-Trait Genomic Prediction and Adaptive Marker Prioritisation 2026-Feb-27, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.70619 PMID:41757800	研究论文	本研究提出了DNAwhisper，一个用于多性状基因组预测和自适应标记优先排序的深度学习框架	DNAwhisper整合了级联架构GFIformer，通过共享网络参数跨分区标记块，在分层金字塔中自适应压缩遗传特征，并利用群体遗传结构预训练来正则化特征学习，建立可泛化的潜在表示	未明确说明	加速植物育种中的遗传增益，通过深度学习框架进行多性状基因组预测和标记优先排序	玉米、小麦、番茄和葡萄数据集	机器学习	NA	基因组选择	深度学习	基因组数据	未明确说明	PyTorch	GFIformer	预测准确率	NA
2999	2026-02-28	Automatic acromegaly detection using deep learning on hand images: a multicenter observational study 2026-Feb-27, The Journal of clinical endocrinology and metabolism DOI:10.1210/clinem/dgag027 PMID:41757900	研究论文	本研究开发了一种基于手部图像的深度学习模型，用于自动检测肢端肥大症，并在多中心研究中验证其性能优于内分泌专家	提出了一种注重隐私的深度学习模型，仅使用手背和拳头征象图像进行肢端肥大症检测，避免了传统外观AI模型可能涉及的隐私问题	需要更大规模的数据集进行进一步验证，包括健康个体和多种疾病样本，以增强模型的泛化能力	开发一种注重隐私的深度学习工具，用于肢端肥大症的早期诊断	肢端肥大症患者和对照组的手部图像	计算机视觉	肢端肥大症	深度学习	CNN	图像	716名患者（317名肢端肥大症患者和399名对照组），共11,480张图像，来自15个日本垂体中心	PyTorch	ResNet-50	灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数, AUC	NA
3000	2026-02-28	Identification of Aspergillus at section and species levels by artificial intelligence-based microscopic morphology image recognition 2026-Feb-27, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00012-26 PMID:41757926	研究论文	本研究提出了一种名为FungalNet的深度学习模型，用于基于显微形态图像识别曲霉属的节和物种水平	开发了FungalNet模型，整合ResNet-50架构与Focal Loss算法，并引入结合五折交叉验证和专家手动审查的新型质量控制方法	需要进一步优化和多中心验证才能整合到常规诊断流程中	快速准确识别曲霉属物种以支持曲霉病诊断和抗真菌治疗	临床分离的曲霉属物种，属于八个不同节	计算机视觉	曲霉病	显微形态学图像分析，乳酚棉蓝染色	CNN	图像	11,689张合格的高分辨率图像，来源于12,000张初始图像	NA	ResNet-50, GoogLeNet, Xception	准确率	NA