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
3021	2026-01-09	Exploring the impact of urban vitality on carbon emission mechanisms using multi-source data 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29624-9 PMID:41484152	研究论文	本研究通过构建六维城市活力理论框架，利用多源数据分析了烟台中心区城市活力的分布特征及其对碳排放的影响机制	创新性地整合了三维空间与文化感知视角，弥补了以往研究从单一视角表征城市活力的偏差	研究范围局限于烟台中心区，可能限制了结论的普适性	探索城市活力对碳排放机制的影响，为构建低碳、高活力、可持续的城市环境提供建议	烟台中心区的城市活力与碳排放	城市科学与环境研究	NA	空间句法、熵权TOPSIS、深度学习模型、地理探测器	深度学习模型	多源数据（包括空间、社会、经济、文化、环境、感知数据）	NA	NA	NA	NA	NA
3022	2026-01-09	Bridging data gaps of rare conditions in ICU: a multi-disease adaptation approach for clinical prediction 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02176-y PMID:41484235	研究论文	本文提出了KnowRare框架，一种基于领域适应的深度学习模型，用于预测ICU中罕见疾病的临床结局	通过自监督预训练学习条件无关表示，并利用构建的条件知识图谱选择性适应临床相似条件的知识，以解决数据稀缺和条件内异质性问题	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	开发一个深度学习框架，以改善ICU中罕见疾病的临床预测	ICU中的罕见疾病和低患病率条件	机器学习	罕见疾病	电子健康记录分析	深度学习	电子健康记录	两个ICU数据集	NA	KnowRare	NA	NA
3023	2026-01-09	Adversarial selective domain adaptation with feature cluster for skin cancer diagnosis 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98293-5 PMID:41484458	研究论文	本文提出了一种名为对抗选择性域适应与特征聚类的新方法，用于改善皮肤癌诊断中的模型泛化性能	提出ASDA方法，同时处理域间差异和目标数据集数据有限的问题，通过特征聚类减少数据需求，并使用选择性最小最大熵保持一致性	未明确说明方法在其他疾病或更广泛医学图像任务中的适用性	旨在通过域适应技术提升皮肤癌诊断模型在不同数据集上的泛化能力	皮肤癌相关的皮肤镜和临床图像	计算机视觉	皮肤癌	深度学习	条件域对抗网络	图像	NA	NA	NA	NA	NA
3024	2026-01-09	Predicting small molecule-RNA interactions without RNA tertiary structures 2026-Jan-02, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02942-z PMID:41482542	研究论文	本研究提出了一种名为SMRTnet的深度学习模型，用于预测小分子与RNA的相互作用，且无需RNA三级结构信息	通过多模态数据融合，结合两个大型语言模型与卷积及图注意力网络，首次实现了仅基于RNA二级结构预测小分子-RNA相互作用，无需依赖难以获取的RNA三级结构	模型性能依赖于RNA二级结构的准确性，且未明确说明对未知RNA靶点的泛化能力	开发一种无需RNA三级结构即可预测小分子-RNA相互作用的计算工具，以加速RNA靶向药物的发现	小分子与RNA的相互作用	机器学习	癌症	深度学习，多模态数据融合	CNN, GAT, 大型语言模型	RNA二级结构数据，小分子数据	针对10种疾病相关RNA靶点进行了预测验证	NA	SMRTnet（融合卷积网络、图注意力网络及大型语言模型的多模态架构）	结合解离常数（纳摩尔至微摩尔范围）及结合分数与验证率的相关性进行评估	NA
3025	2026-01-09	Electric vehicles charging stations load forecasting based on hybrid XGBoost-BiLSTM model 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29739-z PMID:41484290	研究论文	本研究提出了一种基于混合XGBoost-BiLSTM堆叠模型的电动汽车充电站短期负荷预测方法	提出了一种结合XGBoost元学习器的XGBoost-BiLSTM混合堆叠模型（Hybrid 3），用于提升充电站负荷预测精度	在独立合成数据集上的跨站点评估显示泛化能力有所下降，表明模型对站点特定时间模式敏感	优化电动汽车充电站的能源管理并保障电网稳定性	电动汽车充电站的短期小时级负荷	机器学习	NA	负荷预测	XGBoost, BiLSTM, 集成模型	时间序列数据	31,424个原始充电会话，预处理后得到14,496个清洁会话用于建模；另使用包含1,965,239个会话的独立合成数据集进行跨站点评估	XGBoost, LightGBM, TensorFlow/PyTorch（用于深度学习模型）	BiLSTM, CNN, 以及多种集成架构（如XGBoost+BiLSTM+LightGBM）	MAE（平均绝对误差）, R（相关系数）, SD（标准差）	NA
3026	2026-01-09	Improving spliced alignment by modeling splice sites with deep learning 2026-Jan-02, Algorithms for molecular biology : AMB IF:1.5Q3 DOI:10.1186/s13015-025-00293-7 PMID:41484786	研究论文	本文提出了一种名为minisplice的方法，通过一维卷积神经网络建模剪接位点，以提高跨物种的剪接比对准确性	使用一维卷积神经网络学习剪接信号，能够捕捉跨门类的保守剪接信号，并揭示哺乳动物和鸟类特有的GC富集内含子特征	模型主要针对脊椎动物和昆虫基因组进行训练，可能在其他物种中的泛化能力有限	提高剪接比对的准确性，特别是在处理噪声长读RNA-seq数据和远缘同源蛋白质时	信使RNA序列、蛋白质序列与真核生物基因组的比对	生物信息学	NA	长读RNA-seq测序、蛋白质序列比对	1D-CNN	基因组序列、RNA-seq数据、蛋白质序列	基于脊椎动物和昆虫基因组训练的模型，具体样本数量未明确说明	未明确指定，但代码托管于GitHub	一维卷积神经网络	连接点准确性	NA
3027	2026-01-09	Innovative approaches for coronary heart disease management: integrating biomedical sensors, deep learning, and stellate ganglion modulation 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378099 PMID:39023137	研究论文	本研究评估了结合传统中医干预、现代生物医学传感器和星状神经节调节的综合治疗方法对冠心病患者的疗效	将传统中医干预与现代生物医学传感器和星状神经节调节相结合，形成一种创新的冠心病综合治疗方法	研究样本量相对较小（117名患者），且仅针对痰浊壅盛证型的冠心病患者，需要进一步研究优化传感器技术	评估综合治疗方法对冠心病患者症状缓解、临床结局、血液流变学指标和炎症生物标志物的影响	117名痰浊壅盛证型的冠心病患者	数字病理学	心血管疾病	生物医学传感器、星状神经节调节	NA	临床数据、血液流变学指标、炎症生物标志物	117名冠心病患者	NA	NA	中医症状评分、临床效果、心绞痛表现、血液流变学指标、血清炎症生物标志物	NA
3028	2026-01-09	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学，建立并验证了流感病毒感染的诊断预测模型，并识别了SAA2作为流感感染的特异性分子标志物	结合外周血蛋白质组学与机器学习（随机森林和LASSO回归）预测流感病毒感染的关键分子标志物，并首次验证SAA2蛋白作为流感辅助诊断指标	样本量相对有限（共1115名参与者），且未提及模型在外部验证集上的泛化性能	预测流感病毒感染的关键分子标志物，并建立诊断预测模型	850名患者（包括流感、COVID-19和混合感染）和265名健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林、LASSO回归	蛋白质组学数据、临床特征数据	1115名参与者（850名患者和265名健康个体）	NA	NA	ROC曲线分析	NA
3029	2026-01-09	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	本研究开发并验证了一种基于级联掩码区域卷积神经网络的深度学习模型，用于无创且准确地识别人类圆形精子细胞	首次应用级联掩码R-CNN深度学习模型于人类圆形精子细胞的非侵入性识别，避免了传统Hoechst染色的毒性问题	模型仅基于3457张光学显微镜图像进行训练和验证，样本量相对有限，且未在更广泛或多样化的临床样本中进行外部验证	评估深度学习模型在非侵入性准确识别人类圆形精子细胞方面的能力，以促进人类圆形精子注射技术的临床应用	人类圆形精子细胞	计算机视觉	男性不育症	流式细胞术分析、光学显微镜成像	CNN	图像	3457张已分选人类圆形精子细胞的光学显微镜图像	NA	级联掩码区域卷积神经网络	平均精度均值	NA
3030	2026-01-09	Confining thrombus morphospace through targeted inhibition of platelet mechanosensory signaling 2026-Jan, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2025.08.013 PMID:40907704	研究论文	本研究开发了一种基于深度学习的框架，用于在体内追踪大量血小板活动，以评估靶向抑制血小板机械传感信号对血栓形态的影响	通过选择性抑制血小板机械传感信号（PI3KC2α），揭示了其在血栓持续扩张中的作用，并展示了如何在不损害止血关键区域结构完整性的情况下，优化抗血小板治疗的风险/效益比	研究主要针对高流量肠系膜静脉，可能不适用于其他血管类型或低流量环境，且未涉及长期临床效果评估	探索如何利用止血系统的结构-功能关系来改善抗血小板治疗的风险/效益比	血小板活动与血栓形态	数字病理学	心血管疾病	深度学习追踪技术	深度学习模型	视频或图像序列	NA	NA	NA	NA	NA
3031	2026-01-09	The combined use of cervical ultrasound and deep learning improves the detection of patients at risk for spontaneous preterm delivery 2026-Jan, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于从宫颈超声图像中预测自发性早产，并与宫颈长度测量方法进行比较	首次大规模多中心研究证明AI在预测自发性早产方面比宫颈长度测量更敏感，且能整合更多数据特征	超声检查的指征未系统记录，可能基于风险因素或早产症状进行，存在选择偏倚	开发并验证用于自发性早产预测的人工智能模型，并与传统宫颈长度测量方法进行性能比较	接受宫颈超声扫描的孕妇及其超声图像	数字病理学	早产	宫颈超声扫描	深度学习模型	图像	4224例妊娠，7862张宫颈超声图像	NA	NA	AUC, 敏感性, 特异性, 似然比	NA
3032	2026-01-09	Fractal-driven self-supervised learning enhances early-stage lung cancer GTV segmentation: a novel transfer learning framework 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01865-8 PMID:40952548	研究论文	本文开发并评估了一种利用数学生成的非自然分形图像进行预训练的新型深度学习策略，用于自动分割早期肺癌大体肿瘤体积	提出了一种新颖的迁移学习框架，使用数学生成的分形图像（FractalDB）进行自监督预训练，以增强早期肺癌GTV分割，这在医学图像分割领域是一种创新的预训练数据来源	研究为回顾性研究，样本量相对较小（104名患者），且仅针对外周早期非小细胞肺癌，结果可能无法推广到其他类型或阶段的肺癌	开发并评估用于自动分割早期肺癌大体肿瘤体积（GTV）的深度学习策略	早期非小细胞肺癌患者的大体肿瘤体积（GTV）	数字病理	肺癌	CT成像	CNN, Vision Transformer (ViT)	图像	104名患者（36-91岁；81名男性；23名女性）的CT图像和医生勾画的轮廓数据	NA	NA	体积Dice相似系数（vDSC）, 表面Dice相似系数（sDSC）, 95百分位Hausdorff距离（HD95）	NA
3033	2026-01-09	Ultra-fast whole-brain T2-weighted imaging in 7 seconds using dual-type deep learning reconstruction with single-shot acquisition: clinical feasibility and comparison with conventional methods 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01875-6 PMID:41003971	研究论文	本文评估了结合单次激发涡轮自旋回波技术和双类型深度学习重建的超快速T2加权成像的图像质量与临床效用	提出了一种超快速T2加权成像方法，仅需7秒即可完成全脑扫描，并采用结合去噪和超分辨率的双类型深度学习重建技术	研究样本量较小（38例患者），且仅由两名放射科医生进行定性评估，可能存在主观偏差	评估超快速T2加权成像在临床中的可行性和图像质量，并与传统方法进行比较	38例接受传统T2加权成像和超快速T2加权成像的患者	医学影像	中枢神经系统疾病	单次激发涡轮自旋回波技术，深度学习图像重建	深度学习	磁共振图像	38例患者	NA	NA	信噪比，对比噪声比，图像质量评分，噪声和伪影水平，解剖结构可见性，病变描绘	NA
3034	2026-01-09	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一个名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次开发了能够从超声心动图视频中自动分类二尖瓣脱垂的深度学习模型，并验证了其预测与临床终点（如二尖瓣反流严重程度和未来二尖瓣修复/置换术）的关联	模型主要在单一医疗中心（MGH）的数据上训练和验证，尽管进行了外部验证（BWH），但样本来源可能有限，且未提及模型在不同人群或设备间的泛化能力	开发一个深度学习模型来自动化二尖瓣脱垂的诊断，并探索其预测与临床结局的关联	心脏病患者和初级保健患者的超声心动图视频	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏病患者、8,888名MGH初级保健患者和257名BWH初级保健患者	NA	DROID-MVP	AUROC, 平均精度	NA
3035	2026-01-09	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	本文提出了一种基于深度学习的多中心自动分割模型，用于在CT影像中准确勾画子宫恶性肿瘤的临床靶区和计划靶区	开发了一个能够跨多种子宫恶性肿瘤类型（宫颈癌和子宫内膜癌）和多中心数据准确分割CTV和PTV的深度学习模型，并进行了广泛的外部验证	研究为回顾性设计，且主要基于对比增强CT影像，未来需要前瞻性研究和更多样化的影像数据验证	开发一个自动化、可扩展的深度学习框架，以改进子宫恶性肿瘤放疗中靶区勾画的准确性和效率	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	数字病理	子宫恶性肿瘤	CT成像	深度学习分割模型	CT图像	602例对比增强CT扫描（302例来自内部机构，300例来自外部中心）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数, 95%豪斯多夫距离, 平均表面距离	NA
3036	2026-01-09	Ultra-low dose CT for suspected physical abuse 2026-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102148 PMID:41274092	研究论文	本研究比较了超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	首次在新生儿全身模型中评估超低剂量CT用于疑似虐待儿童诊断的可行性，并展示了93.5%的辐射剂量降低	研究基于体模而非真实患者，未直接与X射线骨骼检查比较，需要进一步协议优化和临床验证	比较超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	新生儿全身人体模型	医学影像学	儿童虐待	CT扫描，深度学习迭代重建，蒙特卡洛模拟	NA	CT图像	46名观察者（38名放射技师和8名放射科医生）	NA	NA	图像质量评分，有效剂量，AUC	GE Revolution Apex扫描仪
3037	2026-01-09	A deep learning radiomics model for predicting non-sentinel lymph node metastases in early-stage breast cancer patients 2026-Jan, Future oncology (London, England) DOI:10.1080/14796694.2025.2595688 PMID:41319290	研究论文	开发并验证一个深度学习放射组学模型，用于预测早期乳腺癌患者中非前哨淋巴结转移	结合临床因素、腋窝超声发现和放射组学特征，构建了一个综合预测模型，显著提升了非前哨淋巴结转移的预测性能	研究为回顾性和前瞻性结合，可能存在选择偏倚；模型在外部验证中的泛化能力未明确评估	预测早期乳腺癌患者的非前哨淋巴结转移	早期乳腺癌患者（具有1-2个阳性前哨淋巴结转移）	数字病理学	乳腺癌	超声成像	深度学习模型	图像	1,647名患者	NA	NA	AUC, 决策曲线分析, 校准曲线分析	NA
3038	2026-01-09	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-Jan, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	本文提出了一种名为SenSeqNet的深度学习框架，用于直接从蛋白质序列预测细胞衰老状态	首次将进化尺度建模（ESM-2）嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老，超越了传统机器学习与深度学习方法	未明确提及模型在更大规模或更复杂蛋白质数据集上的泛化能力，以及计算资源的具体需求	开发一种准确、可扩展的工具，用于从蛋白质序列中检测细胞衰老，以促进衰老机制研究和治疗靶点识别	蛋白质序列	自然语言处理	老年疾病	蛋白质序列分析	LSTM, CNN	序列数据	NA	NA	LSTM-CNN混合架构	准确率	NA
3039	2026-01-09	[Artificial intelligence for the management and monitoring of cardiovascular disease] 2026-Jan, Giornale italiano di cardiologia (2006) DOI:10.1714/4618.46266 PMID:41441829	综述	本文综述了人工智能在心血管疾病管理与监测中的应用、潜力及挑战	整合了机器学习、深度学习与自然语言处理技术，结合多模态数据，为心血管疾病提供早期诊断、动态风险分层和个性化治疗的新途径，并探讨了AI与远程医疗、数字疗法结合带来的远程监测和临床决策支持机会	存在算法偏见、可解释性不足、伦理法律问题以及医疗专业人员培训需求等挑战，且欧洲AI法案的严格监管标准可能减缓大规模实施	探讨人工智能在心血管疾病管理与监测中的变革性作用及其临床应用潜力	心血管疾病的管理与监测过程	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	电子健康记录, 影像数据, 可穿戴设备数据, 传感器数据	NA	NA	NA	NA	NA
3040	2026-01-09	LCSD-Net: a light-weight cross-attention-based semantic dual transformer for domain generalization in melanoma detection 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014502 PMID:41503367	研究论文	本文提出了一种轻量级交叉注意力语义双变换器模型，用于提高黑色素瘤检测中的领域泛化能力	模型通过提取全局语义信息、特征归一化和语义查询来减少对疾病无关视觉伪影的依赖，并优化计算复杂度以支持实时移动应用	NA	开发一种可靠且高效的黑色素瘤检测模型，以应对临床环境中的领域泛化挑战	皮肤病变图像	计算机视觉	黑色素瘤	深度学习	Transformer	图像	三个数据集：Derm7pt-Dermoscopic、Derm7pt-Clinical和PAD-UFES-20	NA	LCSD-Net	分类准确率	NA