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
3221	2026-02-25	Retraction: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343285 PMID:41729793	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3222	2026-02-27	Deep locomotion prediction learning over biosensors, ambient sensors, and computer vision 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342793 PMID:41729836	研究论文	本文提出了一种融合生物传感器、环境传感器与计算机视觉的深度学习系统，用于人体运动预测学习	首次结合生物传感器信号、环境传感器数据与计算机视觉特征，并采用改进的隐马尔可夫模型与深度指数残差神经网络进行运动预测	未明确说明模型在实时应用中的计算效率及跨场景泛化能力的验证	开发智能系统以实现准确的人体运动预测学习	人体运动数据（包括生理运动、环境信号与视觉特征）	计算机视觉, 机器学习	NA	生物传感技术, 环境传感技术, 计算机视觉技术	隐马尔可夫模型, 深度神经网络	传感器信号, RGB图像, 身体关键点数据	基于五个不同场景的数据集（具体样本量未说明）	NA	改进的体感传感器隐马尔可夫模型, 深度指数残差神经网络	NA	NA
3223	2026-02-27	A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342430 PMID:41729932	研究论文	本研究提出了一种融合抽象与具体特征的深度学习评价系统，用于评估儿童友好型城市街道	提出了一种结合可量化具体特征与从街景图像中提取的抽象特征的深度学习评价系统，为儿童友好街道的定量评估提供了新的技术路径	研究仅以上海市街道为案例，样本范围有限，且依赖于7-12岁儿童的感知调查数据	解决当前儿童友好城市街道评价方法主观性强、数据获取困难、效率低下的问题	上海市的儿童友好型城市街道	计算机视觉	NA	街景图像分析	CNN, 人工神经网络	图像, 量化特征数据	1322个街道样本，6724张街景图像	NA	ResNet18	准确率	NA
3224	2026-02-27	Mask - Region-based Convolutional Neural Networks (R-CNN) with Radiomics Integration and Gray Level Co-occurrence Matrix (GLCM) for brain tumor detection and segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342185 PMID:41729939	研究论文	本研究提出了一种结合Mask R-CNN、影像组学特征和灰度共生矩阵的混合方法，用于脑肿瘤的检测与分割	将手工提取的影像组学特征和GLCM纹理特征与Mask R-CNN提取的深度特征相结合，形成强大的混合特征集，充分利用了传统影像组学和深度学习的优势	NA	提高脑肿瘤的早期检测和分割精度，为临床医生提供准确诊断工具	脑肿瘤MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Mask R-CNN	灵敏度, 特异性, 精确度	NA
3225	2026-02-27	A deep learning framework for gait-based frailty classification using inertial measurement units 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343402 PMID:41734192	研究论文	本文提出了一种结合可穿戴传感器测量与深度学习技术的先进衰弱评估方法，用于将个体分类为衰弱或非衰弱阶段	提出了一种基于信号窗口分割的参与者中心数据划分框架，并将其应用于深度学习算法，同时利用多个IMU传感器配置和安装位置进行增强的衰弱分析	NA	开发一种基于步态的衰弱分类方法，以早期检测和及时干预老年人的衰弱状况	老年人	机器学习	老年疾病	惯性测量单元（IMU）传感器测量	深度学习	传感器信号（IMU原始信号）	两个数据集（GSTRIDE和FRAILPOL），具体样本数量未明确	NA	InceptionTime	准确率, AUC, 精确率, 召回率, F1分数	NA
3226	2026-02-27	FORCE: Feature-Oriented Representation with Clustering and Explanation 2026-Jan, European journal of artificial intelligence and machine learning DOI:10.24018/ejai.2026.5.1.1076 PMID:41737733	研究论文	本文提出了一种基于SHAP值的监督深度学习框架FORCE，通过聚类和注意力机制增强模型对潜在结构的捕捉能力	提出两阶段使用SHAP值的方法：通过聚类绝对SHAP值指导模型训练，并利用潜在信息在架构中启动注意力机制	仅使用三个真实数据集进行评估，未在更广泛的数据集上验证通用性	通过利用潜在未观测结构来提高预测模型的准确性	多囊卵巢综合征等疾病的预测模型	机器学习	多囊卵巢综合征	SHAP（Shapley Additive exPlanations）值分析	深度学习	特征数据	三个真实数据集	NA	神经网络	F1分数	NA
3227	2026-02-27	Design of an AI-driven secure 5G-SDN framework with federated reinforcement learning for anomaly detection, mitigation, and attack forensics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1701944 PMID:41743650	研究论文	本文提出了一种集成高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的多层安全框架，用于5G-SDN网络中的异常检测、缓解和攻击取证	提出了一种结合高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的创新多层安全框架，实现了轻量级、低延迟、可扩展且隐私保护的异常检测与缓解	未明确提及框架在极端网络条件或新型未知攻击下的性能表现，以及实际大规模部署中的潜在挑战	为5G-SDN网络设计一个安全、可扩展、低延迟的入侵检测与缓解框架	5G软件定义网络中的数据平面异常、控制层入侵和分布式拒绝服务攻击	机器学习	NA	知识蒸馏、联邦强化学习、区块链技术	CNN, LSTM, Transformer, SNN	网络流量数据	使用多个基准数据集，包括CICIDS2017、UNSW-NB15、IoT-23和InSDN	NA	EfficientNet, Transformer	检测准确率、检测延迟、吞吐量退化、能耗	NA
3228	2026-02-27	Resilient Sinkhorn-Based Optimal Transport Late Fusion Framework for Breast Cancer Diagnosis 2026, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351261420789 PMID:41743692	研究论文	本研究开发了一种基于Sinkhorn最优传输的晚期融合多模态深度学习框架，用于乳腺癌诊断，旨在解决临床数据异步、不配对或不完整等现实挑战	首次将乳腺癌晚期融合建模为最优传输问题，并采用动态重加权Sinkhorn融合层来处理数据异构性和模态缺失	研究为回顾性研究，性能评估在内部受控条件下进行，未在外部独立数据集上进行验证	开发并评估一种在数据异步、不配对或不完整情况下仍保持鲁棒性的、可临床部署的乳腺癌诊断多模态深度学习框架	乳腺癌诊断	数字病理学	乳腺癌	多模态深度学习	深度学习	组织病理学图像, 结构化临床风险因素	未明确说明具体样本数量	未明确说明	未明确说明具体架构，但包含为各模态定制的模型及Sinkhorn融合层	PR-AUC, 召回率, F1分数, Brier分数	未明确说明
3229	2026-02-27	Autonomic dysfunction and hypothalamic atrophy in frontotemporal dementia and primary psychiatric disorders 2026 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70284 PMID:41743836	研究论文	本研究探讨了额颞叶痴呆和原发性精神障碍中自主神经功能障碍与下丘脑萎缩的关系	首次使用深度学习方法分析MRI数据，比较了额颞叶痴呆、原发性精神障碍和对照组的自主神经症状与下丘脑体积的关联	样本量相对较小，特别是自主神经症状问卷数据部分，且研究为横断面设计，无法确定因果关系	研究额颞叶痴呆和原发性精神障碍中自主神经症状与下丘脑病理学的关系	额颞叶痴呆患者、原发性精神障碍患者和健康对照者	医学影像分析	额颞叶痴呆, 原发性精神障碍	MRI, 自主神经症状问卷	深度学习	MRI图像, 问卷数据	自主神经症状问卷数据：FTD n=31, PPD n=30, 对照 n=30；MRI数据：FTD n=259, PPD n=44, 对照 n=62	NA	NA	p值	NA
3230	2026-02-27	Assessing arterial stiffness using characteristics of Korotkoff sounds 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1654162 PMID:41743963	研究论文	本研究探讨了从袖带血压测量中记录的柯氏音中提取动脉僵硬度相关信息的可行性，并应用特征分析和机器学习方法进行分类	首次利用柯氏音特征结合机器学习评估动脉僵硬度，为临床和家庭环境提供了一种非侵入性、便捷的潜在评估工具	主要使用年龄作为替代标签，未评估临床结局，无法确定其在心血管风险分层中超越年龄和血压的增量价值，需要更大规模研究及前瞻性验证	评估从柯氏音中提取动脉僵硬度信息的可行性，并探索机器学习在血管老化相关群体区分中的应用	年轻参与者、老年参与者以及医院中测量了臂踝脉搏波速度的参与者	机器学习	心血管疾病	柯氏音记录、特征提取（时域和频域）	深度学习模型	音频信号（柯氏音）	123名年轻参与者、112名老年参与者、81名医院参与者	NA	NA	准确率	NA
3231	2026-02-27	Enhancing CBCT-based CT synthesis using planning MRI in adaptive proton therapy for head cancer: A deep learning approach 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70367 PMID:41373115	研究论文	本研究提出了一种结合CBCT和MRI的深度学习方法来合成CT图像，以提升头癌自适应质子治疗中的剂量计算精度	首次将MRI数据整合到CBCT-based CT合成中，以改善软组织轮廓的恢复和剂量计算的准确性	数据集规模有限，未来需要更大数据集进行验证	提升自适应质子治疗中基于CBCT的CT合成质量，以改善剂量计算精度	头癌患者	医学影像分析	头癌	CBCT, MRI	cGAN, CycleGAN	图像	NA	NA	ResUnet, SwinUnet	HU误差, 剂量差异, 剂量分布	NA
3232	2026-02-27	Current State of Artificial Intelligence in Assessing Cardiac Function 2025-Nov-27, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-025-02314-8 PMID:41307845	综述	本文综述了人工智能在评估心脏功能方面的最新进展，涵盖心电图、超声心动图、心脏CT/MRI及电子健康记录等多种数据模态	整合了跨模态AI应用的最新成果，包括基础模型和多模态架构的兴起，这些技术推动了标签高效学习、自动化报告生成和可扩展的群体筛查	需要更多稳健的多中心验证、开源代码透明度和前瞻性试验来确认模型的泛化能力并量化患者层面的益处	综述人工智能在心血管医学中评估心脏功能的应用进展，旨在促进AI从概念验证向临床不可或缺工具的转变	心血管疾病，特别是心脏功能的评估	机器学习	心血管疾病	ECG, 超声心动图, 心脏CT/MRI, EHR文本分析	深度学习算法, 基础模型, 多模态架构	心电图, 图像, 文本	NA	NA	NA	准确性	NA
3233	2026-02-27	Impact of patient-specific deep learning lung organs-at-risk segmentation on accumulated dose in online adaptive 0.35 T MR-guided radiotherapy 2025-Nov-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae16fb PMID:41130258	研究论文	本研究评估了在0.35 T MR引导放疗中，使用患者特异性深度学习模型进行危及器官自动分割对累积剂量的影响	通过患者特异性微调预训练的3D U-Net模型，提升了危及器官分割的准确性，并改善了靶区覆盖和器官保护，为在线自适应MR引导放疗提供了更高效的解决方案	研究为回顾性分析，样本量较小（仅11名患者），且未考虑手动修改分割结果的情况	评估在在线自适应MR引导放疗中，使用未修改的深度学习方法进行危及器官分割对累积剂量的影响	11名接受0.35 T磁共振直线加速器治疗的肺癌患者	数字病理	肺癌	磁共振成像引导放疗	深度学习	磁共振图像	11名肺癌患者	NA	3D U-Net	分割准确性, D1cc, PTVD95%, GTVD98%, 剂量体积直方图参数	NA
3234	2026-02-27	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Nov, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文综述了数字神经病理学与机器学习在神经退行性疾病研究中的当前进展与应用潜力	强调了利用全切片图像和先进机器学习/人工智能技术进行神经退行性疾病分析的计算神经病理学这一新兴领域，包括自动化疾病分期、识别新型形态学生物标志物以及通过多模态AI方法揭示新临床见解	领域面临专家标注有限、切片扫描不可及、机构间差异以及共享大型全切片图像数据集的复杂性等挑战	探讨计算神经退行性神经病理学如何增强神经病理学评估、诊断和研究，以推进对神经退行性疾病的理解	神经退行性疾病的神经病理学数据，特别是全切片图像	数字病理学	神经退行性疾病	全切片成像，机器学习/人工智能技术	深度学习模型，无监督学习模型，可解释AI模型	图像（全切片图像）	NA	NA	NA	NA	NA
3235	2026-02-27	ESCMID workshop: Artificial intelligence and machine learning in medical microbiology diagnostics 2025 Nov-Dec, Microbes and infection IF:2.6Q3 DOI:10.1016/j.micinf.2025.105562 PMID:40915468	会议报告	本文介绍了ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容	汇集了专家讲座、实践课程和小组讨论，全面探讨了AI/ML在病原体识别、抗菌药物敏感性预测和疫情检测等关键应用，并特别强调了标准化协议、监管合规和伦理考量	NA	探讨人工智能和机器学习在医学微生物学诊断领域的应用潜力、挑战和未来发展方向	医学微生物学诊断技术、AI/ML工具与平台	机器学习	NA	全基因组测序、MALDI-TOF质谱分析、数字显微镜	深度学习	基因组数据、质谱数据、显微图像	NA	NA	NA	NA	NA
3236	2026-02-27	Prediction of Proto-Oncogene Using Bidirectional GRU and Attention 2025-Nov-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3959 PMID:41312920	研究论文	本研究提出两种基于注意力机制的深度学习方法，用于预测原癌基因蛋白序列	结合注意力机制与卷积神经网络（ACNN）及双向门控循环单元（ABiGRU），提高了蛋白序列分类的准确性和可解释性	未提及模型在更广泛数据集或实际临床环境中的泛化能力验证	预测原癌基因蛋白序列，以辅助癌症早期预后和靶向药物开发	原癌基因蛋白序列	生物信息学	癌症	基因组测序技术	CNN, GRU	蛋白序列数据	基于Uniprot基准数据集，具体样本数未明确	NA	ACNN, ABiGRU	准确率	NA
3237	2026-02-27	Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases 2025-10, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110664 PMID:40902973	研究论文	本文揭示了与神经退行性疾病相关的未充分研究的激酶DCLK3的独特自调节机制和底物特异性	首次发现了DCLK3通过其截短的尾部进行自磷酸化，并以不同于其旁系同源物DCLK1的方式将其锚定在催化结构域上；利用深度学习模型预测并验证了微管相关蛋白Tau作为DCLK3的潜在底物	研究主要基于体外实验和计算预测，体内功能验证和病理相关性仍需进一步探索	阐明未充分表征的激酶DCLK3的调控机制和细胞功能，为神经退行性疾病提供潜在治疗靶点	双皮质素样激酶3（DCLK3）及其细胞底物	计算生物学, 生物信息学	神经退行性疾病（如亨廷顿病）	计算分析, 实验分析, 肽库数据集, 体外测定, 质谱分析	深度学习模型	肽序列数据	NA	NA	NA	NA	NA
3238	2026-02-27	Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14 2025-10, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110611 PMID:40848973	研究论文	本研究通过结构引导的虚拟筛选和机器学习增强的对接技术，发现并验证了一类可选择性、非共价抑制RGS14 GTP酶加速蛋白活性的小分子抑制剂	首次实现了对RGS14这一“不可成药”蛋白GTP酶加速活性的非共价、小分子抑制，并利用机器学习增强的对接技术指导针对浅表蛋白表面的配体优化	未在动物疾病模型中验证抑制剂的治疗潜力，且针对的蛋白-蛋白相互作用界面较浅，可能影响后续药物开发的难度	开发针对RGS14蛋白GTP酶加速活性的选择性小分子抑制剂，探索其作为中枢神经系统和代谢性疾病潜在治疗药物的可能性	RGS14蛋白及其GTP酶加速蛋白活性	药物发现，计算化学	中枢神经系统疾病，代谢性疾病	结构引导虚拟筛选，配体对接，荧光检测，放射性GTP水解测定，深度学习评分	深度学习模型	分子结构数据，生物化学测定数据	超过40个第二代类似物	NA	NA	抑制活性，亲和力增益，细胞毒性，药代动力学参数，中枢神经系统渗透性	NA
3239	2026-02-27	Integrating artificial intelligence with Gamma Knife radiosurgery in treating meningiomas and schwannomas: a review 2025-Sep-18, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03820-7 PMID:40965768	综述	本文综述了人工智能与伽玛刀放射外科技术在治疗脑膜瘤和神经鞘瘤中的整合应用	系统性地回顾了AI（特别是深度学习与影像组学）在伽玛刀治疗脑膜瘤和神经鞘瘤中的最新应用，包括肿瘤分割、体积评估、疗效预测及并发症预测	纳入研究数量有限（9项），存在外部验证不足、标准化缺乏以及计算需求高等挑战，限制了临床转化	评估人工智能技术在伽玛刀放射外科治疗脑膜瘤和神经鞘瘤中的应用潜力与现状	接受伽玛刀放射外科治疗的脑膜瘤和神经鞘瘤患者	数字病理学	脑膜瘤, 神经鞘瘤	伽玛刀放射外科, MRI (T1加权, T2加权)	深度学习, 机器学习, 卷积神经网络, 随机生存森林	医学影像 (MRI), 临床数据, 影像组学特征	861名患者（一项研究）	NA	双通路卷积神经网络, 随机生存森林	Dice相似系数, C-index	NA
3240	2026-02-27	The efficacy of machine learning algorithms in evaluating factors associated with shunt-dependent hydrocephalus after subarachnoid hemorrhage: a systematic review and meta-analysis 2025-Sep-01, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03773-x PMID:40887550	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机器学习算法在分析自发性蛛网膜下腔出血后慢性分流依赖性脑积水相关因素中的效能	首次对机器学习算法在预测蛛网膜下腔出血后慢性分流依赖性脑积水中的应用进行了系统综述和荟萃分析，并比较了不同特征数量对模型性能的影响	纳入的研究数量有限（仅5项），且存在中度异质性，可能影响结果的普遍性	评估机器学习算法在识别自发性蛛网膜下腔出血后慢性分流依赖性脑积水相关风险因素中的效能	自发性蛛网膜下腔出血后发生慢性分流依赖性脑积水的患者	机器学习	脑积水	机器学习算法分析	线性模型, 树基模型, 深度学习模型	临床数据集	来自5项符合条件的研究的数据	NA	NA	AUC-ROC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA