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
3041	2026-02-28	Longitudinal multisource clinical model for early lung cancer risk stratification and screening 2026-Feb-24, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101989 PMID:41734977	研究论文	本研究开发了一种基于多通道卷积神经网络的轻量级模型，利用常规诊疗前数据对肺癌进行纵向风险分层，以支持早期筛查	提出了一种轻量级多通道CNN架构，能够同时处理诊断代码、用药记录和医嘱单等多种异构临床数据，并通过似然比特征选择方法将计算需求降低了99.8%，使其适用于资源有限的临床环境	模型在精确率-召回率曲线下面积（AUPRC）仅为0.1617，表明在识别少数类（肺癌病例）方面仍有改进空间；用药特征在诊断前阶段的判别信号有限	开发一种利用常规临床数据进行肺癌早期风险分层和筛查的深度学习模型	来自台湾全民健康保险研究数据库的99,615名个体（575例肺癌病例，99,040例非癌症对照）	数字病理学	肺癌	回顾性队列研究，基于电子健康记录（EHR）的数据分析	CNN	结构化临床数据（诊断代码、用药记录、医嘱单）	99,615名个体（575例肺癌，99,040例对照）	未明确提及	多通道卷积神经网络	F1分数, 精确率, AUROC, AUPRC	轻量级架构，适用于资源受限的临床环境（具体硬件未提及）
3042	2026-02-26	Explainable active reinforcement deep learning improves lung cancer detection from CT images 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38239-7 PMID:41735399	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3043	2026-02-26	Deep learning-based image segmentation for predicting hot carcass weight in tropical beef cattle 2026-Feb-24, Tropical animal health and production IF:1.7Q2 DOI:10.1007/s11250-026-04920-2 PMID:41735708	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3044	2026-02-28	Artificial intelligence in emergency musculoskeletal imaging: A critical review of current applications 2026-Feb-24, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2026.02.003 PMID:41741319	综述	本文综述了人工智能在急诊肌肉骨骼影像学中的当前应用，包括工作流优化、异常检测、儿科应用和报告生成等方面	系统总结了AI在急诊肌肉骨骼影像中的多领域应用，并特别强调了儿科专用AI系统和大型语言模型在报告生成与沟通中的新兴作用	存在外部验证有限、数据集偏倚以及法律医学考量等挑战	评估人工智能在急诊肌肉骨骼影像学中的应用现状、优势与局限	急诊肌肉骨骼影像学中的AI应用技术	数字病理学	肌肉骨骼损伤	NA	深度学习模型, 大型语言模型	影像数据	NA	NA	NA	NA	NA
3045	2026-02-28	metaRLK 2.0: an updated database of plant receptor-like kinases developed with structure- and deep learning-based functional annotation and classification 2026-Feb-24, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101781 PMID:41742654	研究论文	本文介绍了metaRLK 2.0，一个基于结构和深度学习进行功能注释与分类的植物受体样激酶更新数据库	整合大规模结构注释、折叠分类、网络分析和语义功能推断，解决了先前13% RLKs缺乏清晰域或家族分配的问题，并系统集成了结构特征	未明确提及具体的技术或模型局限性	开发一个结构增强的植物受体样激酶资源，以探索其多样性、进化和结构-功能关系	植物受体样激酶	生物信息学	NA	结构注释、深度学习	NA	蛋白质序列、结构数据	311,581个RLKs来自508个植物物种	NA	NA	NA	NA
3046	2026-02-28	Decoding Protein-Membrane Binding Interfaces from Surface-Fingerprint-Based Geometric Deep Learning and Molecular Dynamics Simulations 2026-Feb-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02566 PMID:41622943	研究论文	本文提出了一种名为MaSIF-PMP的几何深度学习模型，用于预测外周膜蛋白的界面结合位点	结合分子表面指纹和几何深度学习，整合几何与化学表面特征进行空间分辨的界面结合位点预测，并通过分子动力学模拟验证和优化预测结果	实验解析的膜结合蛋白构象稀缺，模型可能受限于现有数据	预测蛋白质与膜之间的相互作用界面	外周膜蛋白	机器学习	NA	分子动力学模拟	几何深度学习	分子表面数据	NA	NA	MaSIF-PMP	分类性能	NA
3047	2026-02-28	Chemical Feature Engineering and Defect-Aware Structural Fingerprint Representations for Complex Defects in 2D Materials 2026-Feb-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02100 PMID:41674448	研究论文	本文提出了一种结合化学特征工程和缺陷感知结构指纹表示的方法，用于改进二维材料中复杂缺陷的描述符设计	通过工程化化学描述符和基于Hellinger距离构建缺陷感知结构特征，在减少特征数量的同时提高了高维特征空间中数据点的区分能力，并增强了模型的解释性和泛化能力	在预测高度复杂和非线性的目标（如HOMO-LUMO能隙）时，该方法未能超越基线描述符	开发一种可解释且计算高效的描述符，用于二维材料中多缺陷的表征和稳定缺陷候选物的高通量预筛选	二维材料中的复杂缺陷，特别是具有不同缺陷类型和排列的局部原子环境	材料科学	NA	经典力场启发描述符（CFID）、Hellinger距离	NA	结构特征、化学描述符	NA	NA	NA	预测误差、不确定性、稳定性	NA
3048	2026-02-28	Variational Bayesian Multi-Kernel Adaptive Deep Fusion for Microbe-Related Drug Prediction 2026-Feb-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02748 PMID:41628646	研究论文	本研究提出了一种名为VBMKADF的变分贝叶斯多核自适应深度融合模型，用于预测微生物-药物关联	首次将多组学数据、多层图卷积与超图卷积、注意力机制以及变分贝叶斯逻辑矩阵分解相结合，并开发了变分期望最大化算法进行自适应推理	未在摘要中明确说明	开发一种有效的计算模型来预测新的微生物-药物关联，以辅助药物发现和临床治疗	微生物-药物关联	机器学习	NA	多组学数据整合	图卷积网络, 超图卷积网络, 注意力机制, 贝叶斯逻辑矩阵分解	图数据（药物分子图、微生物超图）	在两个基准数据集上进行实验	NA	VBMKADF（变分贝叶斯多核自适应深度融合模型）	AUPR, AUC, F1分数	NA
3049	2026-02-28	A deep learning model for artery of Adamkiewicz and anterior spinal artery detection in bronchial artery embolization:a multicenter retrospective study 2026-Feb-23, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2026.108584 PMID:41740672	研究论文	本研究提出了一种深度学习模型，用于在支气管动脉栓塞术中检测Adamkiewicz动脉和前脊髓动脉，以预防脊髓梗死并发症	提出了一种结合ROI感知和目标脊髓动脉识别的深度学习框架，通过渐进式精炼学习网络和跨尺度信息交互，提高了脊髓动脉的识别精度	模型存在假阴性结果，可能导致漏检，因此被归类为阴性研究	评估深度学习模型在支气管动脉栓塞术中识别脊髓动脉以避免误栓的效能	接受支气管动脉栓塞术的大咯血患者	计算机视觉	肺血管疾病	血管造影	深度学习	图像	2,036名患者，其中78名（3.8%）在右侧肋间-支气管动脉造影中可识别Adamkiewicz动脉和前脊髓动脉	NA	渐进式精炼学习网络	灵敏度, 特异度	NA
3050	2026-02-28	Deep learning approaches for dislocation segmentation in TEM 2026-Feb-23, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2026.114334 PMID:41747437	研究论文	本文提出多种深度学习方法，用于在透射电子显微镜图像中实现位错分割，以促进材料分析	结合全监督学习、半监督学习及无监督学习（领域适应），并利用边界类型损失函数和合成图像增强特征描述	合成图像到真实图像的特征知识转移困难，导致性能较低	开发深度学习方法来简化TEM图像中的位错分割，以支持材料力学性能分析	多种材料和成像条件下的透射电子显微镜图像	计算机视觉	NA	透射电子显微镜成像	编码器-解码器神经网络	图像	内部大型未标记数据集及合成图像数据集	NA	编码器-解码器	评估指标（未具体说明，如准确率、召回率等）	NA
3051	2026-02-28	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-Feb-23, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用从EEG信号中提取的庞加莱图特征来区分多发性硬化症患者与健康个体	首次将EEG信号的庞加莱图特征用于多发性硬化症的诊断，并比较了传统机器学习与深度学习模型在不同EEG子频带上的分类性能	样本量有限（仅50名受试者），结果仅为初步发现，需要更大规模和更多样化的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者与健康对照者的EEG信号	机器学习	多发性硬化症	EEG信号处理，庞加莱图分析	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	多层感知机, CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA
3052	2026-02-28	DecoyFinderNetAna: Application of Graph Convolution Neural Networks for Accurate Classification of True Small Molecule Binders from their Decoys 2026-Feb-23, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099429333260113070143 PMID:41755405	研究论文	本研究介绍并评估了DecoyFinderNetAna，一种基于图卷积神经网络的方法，用于从化合物库中区分真实配体与诱饵，旨在提高早期虚拟筛选的准确性	开发了一种基于图卷积神经网络的创新方法，用于准确分类真实小分子结合剂与诱饵，并通过分子对接和分子动力学模拟进行验证，展示了在药物发现中替代传统基于物理方法的潜力	研究主要基于DUD-E数据库的85个蛋白质靶点进行训练，可能未涵盖所有类型的化合物或靶点，且案例研究仅针对结核分枝杆菌胸苷酸激酶，泛化能力需进一步验证	提高早期虚拟筛选的准确性，区分真实配体与诱饵，以加速药物发现流程	小分子化合物，特别是从DUD-E数据库获取的85个蛋白质靶点相关的配体与诱饵	机器学习	结核病	分子对接，分子动力学模拟	GCNN	分子图数据	85个蛋白质靶点，涉及102个蛋白质靶点的评估	NA	图卷积神经网络	灵敏度，特异性，AUC，精确度，召回率	NA
3053	2026-02-28	A novel framework integrating a coupled mixing rule with deep learning for toxicity prediction and environmental risk assessment of antibiotic mixtures 2026-Feb-22, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124079 PMID:41734879	研究论文	本研究开发了一种结合耦合混合规则与Transformer-DNN深度学习模型的新框架，用于抗生素混合物毒性的多任务预测和环境风险评估	创新性地提出了耦合混合规则以优化混合物描述符构建，并首次将Transformer架构与深度神经网络结合用于抗生素混合物毒性的多任务预测	未明确说明模型在更广泛环境污染物或更复杂混合物体系中的泛化能力	开发高精度预测抗生素混合物毒性的模型，并将其应用于环境风险评估	环境中的抗生素混合物	机器学习	NA	NA	Transformer, DNN	化学结构描述符数据	NA	NA	Transformer-DNN	预测准确率, 相关系数R, 预测误差	NA
3054	2026-02-28	Adaptive TFM imaging with multi-stage channel optimization for enhanced defect characterization in coarse-grained materials 2026-Feb-22, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108022 PMID:41740453	研究论文	本文提出了一种自适应全聚焦方法，通过多阶段通道优化来增强粗晶材料中的缺陷表征能力	提出了一种称为多步通道优化全聚焦方法的新方法，该方法依次在接收器、发射器和单个A扫描通道上进行分层通道优化，无需高质量训练数据或先验环境知识，并能有效补偿缺陷与基线数据之间的时空错位	未明确提及具体局限性	增强粗晶材料中微小亚波长裂纹和陡峭倾斜裂纹的超声无损检测与表征	多晶材料中的缺陷，特别是亚波长裂纹和陡峭倾斜裂纹	机器视觉	NA	超声无损测试，全矩阵捕获	NA	超声阵列采集的全矩阵捕获数据集	五个代表性缺陷（一个亚波长裂纹和四个陡峭倾斜裂纹）	NA	NA	信噪比，6分贝尺寸测量法	NA
3055	2026-02-28	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Feb-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	通过构建双流信息瓶颈模块，将中间特征激活分解为判别性特征流和任务无关噪声流，并基于互信息最大化分配权重系数，从而生成可靠的视觉解释	NA	增强视觉神经网络决策的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	变分推断	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
3056	2026-02-28	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Feb-20, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了一种基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct及有创FFR进行比较	提出并验证了一种现场、快速的CT-FFR算法（xFFR），结合了深度学习和流体动力学，减少了对外部平台的依赖和处理延迟	单中心前瞻性研究，样本量有限（250例），需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法（xFFR）在冠状动脉疾病诊断中的性能，并与现有场外FFRct及有创FFR标准进行比较	250名有症状的中高危冠状动脉疾病风险患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影（CTA），深度学习和流体动力学算法	深度学习	医学图像（CT影像）	250例患者	NA	NA	AUC（曲线下面积），灵敏度，特异性，准确度，Spearman相关系数，Cohen's κ	NA
3057	2026-02-28	Emerging light-based strategies in cancer theranostics: Photodynamic therapy, nanomedicine, and precision oncology 2026-Feb-19, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101150 PMID:41747470	综述	本文综述了人工智能在光疗和光动力疗法等光基癌症治疗策略中的整合应用，以提升治疗精准性和个性化	探讨了AI在光基治疗中的新兴角色，特别是在增强靶向、实时监测、个性化治疗规划和药物发现方面的创新应用	AI在光疗和光动力疗法中的应用仍处于早期阶段，未来需进一步发展和验证	研究人工智能如何优化光基癌症治疗策略，包括光疗和光动力疗法，以实现精准和个性化治疗	光疗和光动力疗法在癌症治疗中的应用，以及AI技术在这些疗法中的整合	医学人工智能	癌症	光疗，光动力疗法，光学成像	深度学习模型	肿瘤影像数据，患者历史数据，遗传数据，治疗反应数据	NA	NA	NA	准确性，肿瘤检测准确率约90-95%，边缘勾画/分割准确率约85-95%	NA
3058	2026-02-28	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Feb-18, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，旨在通过理论框架提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架设计了归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在更大规模数据集或更复杂模型架构上的潜在限制	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA
3059	2026-02-28	Enhancing uncertainty assessment in dynamic PET imaging with residual permutation and clustering 2026-Feb-16, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103997 PMID:41747527	研究论文	本文提出了一种基于聚类残差置换的框架，用于动态PET成像中的不确定性量化	提出了一种无分布、无需训练、计算高效的新方法，通过在同质动力学簇内置换拟合残差来生成伪时间-活度曲线，避免了噪声在异质区域间的错误分配	未明确提及具体局限性，但暗示该方法在计算效率和避免大数据需求方面优于现有方法	为动态PET成像中的动力学参数提供可靠的不确定性量化，以提升疾病诊断和治疗监测的可靠性	动态PET成像数据，包括模拟数据（时间-活度曲线和XCAT-OSEM重建）和临床全身PET数据	医学影像分析	NA	动态PET成像，动力学参数估计	NA	图像，时间序列数据	模拟数据和临床全身PET数据（未指定具体数量）	NA	NA	不确定性估计与噪声水平的一致性，动力学参数间物理差异的保持	NA
3060	2026-02-28	Incorporating global-local tissue changes to predict future breast cancer from longitudinal screening mammograms 2026-Feb-16, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103990 PMID:41747525	研究论文	本研究提出了一种结合局部到全局多尺度纵向组织变化的新型框架TA-BreaCR，用于预测未来乳腺癌风险和发病时间	整合局部到全局多尺度纵向组织变化，并显式建模乳腺癌事件的时间顺序关系，实现风险分类和时间预测的联合预测	未在摘要中明确说明	提高乳腺癌风险预测的准确性和可解释性，以支持个性化筛查策略	乳腺癌筛查中的乳腺X线摄影图像	数字病理学	乳腺癌	乳腺X线摄影	深度学习模型	图像	两个数据集（内部数据集和EMBED数据集），具体样本数量未在摘要中提供	NA	TA-BreaCR	风险分类和时间到事件预测任务的性能指标，具体指标未在摘要中列出	NA