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
3441	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
3442	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
3443	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
3444	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
3445	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
3446	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
3447	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
3448	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
3449	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
3450	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
3451	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
3452	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
3453	2026-03-05	Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging 2026-Mar-03, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03784-w PMID:41776569	研究论文	本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类	基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能	NA	提高中风CT影像诊断的准确性和效率，以辅助临床决策	公共中风CT数据集，包括964例出血性中风和1551例缺血性中风	计算机视觉	中风	CT成像	CNN	图像	2515例中风CT影像	NA	GCDCNet, GhostNet	准确率, 召回率, F1分数, 精确率, AUC	NA
3454	2026-03-05	Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response 2026-Mar-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析非小细胞肺癌患者治疗前后的多重组织图像，开发了一个结合空间统计、机器学习和深度学习的计算流程，以预测疾病进展并识别潜在的临床生物标志物	首次结合细胞分割、样方分析、空间统计与深度学习，系统揭示了肺癌患者肿瘤-免疫微生态的空间特征及其与治疗反应的关联，并发现这些空间生态特征比PD-L1状态更能预测疾病进展	样本量较小（仅9名患者），且患者反应类型仅限于疾病稳定和疾病进展，缺乏完全缓解和部分缓解的病例	开发一个计算框架来分析多重成像数据，以预测非小细胞肺癌患者对免疫治疗的响应，并识别相关的生物标志物	接受口服组蛋白去乙酰化酶抑制剂（伏立诺他）联合PD-1抑制剂（帕博利珠单抗）治疗的免疫治疗难治性非小细胞肺癌患者	数字病理学	肺癌	多重组织成像	深度学习	多重组织图像	9名患者的配对治疗前和治疗中样本	NA	NA	NA	NA
3455	2026-03-05	Early feature extraction drives model performance in high-resolution chromatin accessibility prediction 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.281042.125 PMID:41526189	研究论文	本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素	首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用	未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体	提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响	染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测	机器学习	NA	ATAC-seq	CNN, LSTM, 扩张CNN, Transformer	DNA序列数据	NA	NA	ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer	预测准确性, 信号形状保持度	NA
3456	2026-03-05	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Mar-02, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	本文通过文献计量分析，绘制了人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	首次系统性地利用CiteSpace和Carrot2工具对人工智能在口腔颌面外科领域的文献进行共引网络、结构变异分析和术语共现网络分析，揭示了从传统机器学习向深度学习及Transformer模型的范式转变，并突出了迁移学习和头颈癌预后建模等新兴应用方向	研究基于截至2025年1月10日的文献数据库，可能未涵盖最新发表的研究；分析依赖于所选数据库的收录范围，可能存在遗漏	旨在绘制人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	人工智能在口腔颌面外科领域的相关学术出版物	数字病理学	头颈癌	文献计量分析	NA	文本	5267篇文章	NA	NA	NA	NA
3457	2026-03-05	Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review 2026-Mar-02, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2026.02.016 PMID:41775582	系统综述	本文系统评估了人工智能模型在预测骨骼性III类错颌畸形患者是否需要正颌手术方面的性能	首次对AI在骨骼性III类错颌畸形治疗预测中的应用进行了系统性综述，比较了机器学习与深度学习模型在头影测量和临床数据上的表现	纳入研究数量有限（15项），需要更大规模、多中心数据集和外部验证以提高可靠性并解决潜在偏倚	评估AI模型在预测骨骼性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能	骨骼性III类错颌畸形患者	机器学习	骨骼性III类错颌畸形	头影测量和临床数据分析	机器学习算法（如Random Forest, XGBoost）和深度学习模型（如CNN）	头影测量数据和临床数据	NA	NA	Random Forest, XGBoost, ResNet-based CNN	准确率, 灵敏度, 特异性, AUC	NA
3458	2026-03-05	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-Mar-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	本研究评估了基于多序列MRI的深度学习特征与Vision Transformer结合预测局部晚期鼻咽癌新辅助化疗疗效的价值	首次探索将MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效，通过融合2.5D-ResNet50和3D-DenseNet121特征并输入ViT进行全局上下文建模，显著提升了预测性能	回顾性研究设计，样本量相对有限（266例患者），需要外部验证以确认模型的泛化能力	预测局部晚期鼻咽癌患者新辅助化疗的疗效	局部晚期鼻咽癌患者	计算机视觉	鼻咽癌	MRI	深度学习模型, Vision Transformer	MRI图像	266例局部晚期鼻咽癌患者	NA	ResNet50, DenseNet121, Vision Transformer	AUC, 准确率, F1分数	NA
3459	2026-03-05	Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D 2026-Mar, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2410228 PMID:39422438	研究论文	本文提出了一种基于融合特征MSA和改进的1D DRN-biLSTM网络模型，用于识别脑卒中后构音障碍的病理语音	提出了一种新颖的融合特征（MSA）并结合了改进的一维残差网络、双向LSTM和空洞卷积的混合模型（1D DRN-biLSTM），以更好地表征病理语音的隐藏特征	摘要中未明确提及研究的局限性	开发一种改进的深度学习模型，用于区分脑卒中后构音障碍的病理语音和正常语音，以辅助PSD的评估与诊断	脑卒中后构音障碍患者的语音数据	自然语言处理	脑卒中	语音信号处理，深度学习	CNN, LSTM, ResNet	语音	NA	NA	1D ResNet, bi-directional LSTM, 1D DRN-biLSTM	准确率	NA
3460	2026-03-05	Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images 2026-Mar, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70075 PMID:41307481	研究论文	本研究开发了一种基于全切片图像的深度学习系统（QANIC），用于慢性鼻炎患者鼻腔炎症细胞的定量评估和表型分型	首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行炎症表型分型	研究样本量相对有限，外部验证队列仅包含两个临床中心	建立基于人工智能的鼻腔炎症细胞学定量评估系统，以研究慢性鼻炎的炎症表型	慢性鼻炎患者的鼻腔分泌物涂片	数字病理学	慢性鼻炎	全切片图像	深度学习模型	图像	开发阶段145例患者，内部队列881例，外部验证队列234例	NA	NA	NA	NA