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
341	2026-06-15	Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025 2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae475a PMID:41707249	综述	本文对2020年至2025年间人工智能在CT辐射剂量优化方面的临床证据进行了叙述性综合	系统性地总结了AI在CT剂量优化中实现40%-90%剂量降低的最新临床证据，并按解剖区域和AI应用类型进行了分组分析	多数研究为单中心且由厂商支持，对极小或亚实性病灶的敏感性在最低剂量下下降，高降噪强度改变了图像纹理，多中心验证有限	评估AI策略在CT剂量优化中的临床效果，包括深度学习重建、降噪和工作流自动化	2020年1月至2025年5月发表的关于AI辅助CT剂量优化的临床研究	机器学习	肺癌	CT成像	深度学习	图像	86项符合纳入标准的研究	NA	NA	辐射剂量、诊断准确性、图像质量、可行性	NA
342	2026-06-15	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	提出一种基于深度学习的方法，从电阻抗断层成像图像中直接估计肺塌陷程度，避免了对肺部分割的依赖	首次利用深度学习框架从EIT图像直接估计肺塌陷程度，无需进行肺部分割，克服了传统全局不均匀性指标依赖分割的局限性	NA	估计机械通气患者肺塌陷程度，以辅助评估通气性肺损伤风险	基于EIT图像估计的肺塌陷程度	计算机视觉	呼吸系统疾病	电阻抗断层成像	深度学习模型	图像	合成数据集模拟多种肺条件，数值与体模测试	NA	NA	误差百分比	NA
343	2026-06-15	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	开发一种深度学习辅助的压力-面积分析框架，用于量化动脉主动力学特性	结合超声成像、血压测量、神经网络分割和生物力学模型反演，首次实现体内动脉主动力学特性的定量表征，揭示血压与平滑肌恢复的分离现象	NA	量化体内动脉主动力学特性，并探究运动后颈动脉平滑肌张力的恢复动态	人体右侧颈总动脉	数字病理学	心血管疾病	超声成像、血压测量	神经网络	超声视频数据	233名志愿者（训练神经网络），10名志愿者（运动测试）	PyTorch	U-Net	空间性能、时间性能	NA
344	2026-06-15	Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38941-6 PMID:41786881	研究论文	基于深度学习的复发性流产免疫-生活方式模式识别探索性回顾研究	首次采用TabNet深度学习模型综合分析免疫和生活方式因素与复发性流产的关联模式	未提及具体局限性信息	构建深度学习模型以识别复发性流产患者的免疫-生活方式模式	复发性流产患者与健康女性的临床和实验室数据	机器学习	复发性流产	NA	TabNet	临床与实验室数据	16818例复发性流产患者与19979例健康女性	PyTorch	TabNet	AUC, 准确率, 精确率, 特异度, 灵敏度	NA
345	2026-06-15	Manipulating 2D Nanomaterials: Shaping the Future of Intelligent Wearable Health Monitoring Devices 2026-Mar-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c21609 PMID:41717965	综述	系统总结基于二维纳米材料的可穿戴健康监测设备，涵盖传感机制、设备类型及其在物理、电化学和生物电子信号监测中的应用	整合了可穿戴电子设备与基于二维纳米材料的多样化健康监测应用，并强调将人工智能和机器学习相结合的必要性	未提供具体实验数据或定量性能比较	综述二维纳米材料在智能可穿戴健康监测设备中的研究进展与未来方向	二维纳米材料及其制备的可穿戴电子设备	机器学习	NA	二维纳米材料制备技术	NA	生物电子信号、电化学信号、物理信号	NA	NA	NA	NA	NA
346	2026-06-15	Application of a Natural Language Processing Framework for Data Extraction From Pathology Reports Across Multiple Cancer Types 2026-Mar-02, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e79 PMID:41775279	研究论文	开发一个基于自然语言处理的系统，用于自动从多种癌症类型的病理报告中提取关键数据	通过对比多种深度学习架构，选择ClinicalBERT模型实现跨多种癌症类型病理报告的高效数据提取	在远处转移变量上表现较低（F1=0.3889），且未提及模型对罕见或复杂病理变异的适应能力	自动化提取病理报告中的临床和病理特征，以简化数据存储、检索和分析流程	来自胃癌、肝癌、结直肠癌和乳腺癌的病理报告	自然语言处理	胃癌, 肝癌, 结直肠癌, 乳腺癌	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	文本	NA	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	F1-score	NA
347	2026-06-15	M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40636-x PMID:41771960	研究论文	提出一种基于动态图注意力网络的多视图多尺度方法，利用全血RNA测序数据预测帕金森病进展	提出多视图多尺度动态图注意力网络（M^3DGAT），整合时空视图，采用计数草图双线性融合策略，利用动态图表示编码疾病进展的动态信息，在预测准确性上显著优于现有先进方法	未提及具体局限性	利用全血RNA测序数据预测神经退行性疾病（特别是帕金森病）的进展轨迹	帕金森病患者的全血RNA测序数据	机器学习, 计算生物学	帕金森病, 神经退行性疾病	RNA测序	动态图注意力网络	RNA测序数据	PPMI和PDBP队列的数据样本	NA	动态图注意力网络（DGAT）	预测准确性	NA
348	2026-06-15	Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250407 PMID:41718534	研究论文	评估整合多模态数据的深度学习模型在预测肝细胞癌微血管侵犯中的性能，并研究不同人工标注方法对性能的影响	比较了体素级掩模和边界框两种人工标注方法对多序列MRI深度学习模型预测肝细胞癌微血管侵犯性能的影响，发现边界框标注在保持可比AUC的同时显著提高了标注效率	NA	评估整合多模态数据的深度学习模型在术前预测肝细胞癌微血管侵犯中的性能，并探究不同人工标注方法的影响	来自三家机构的肝细胞癌患者	机器学习	肝癌	MRI	深度学习模型	医学图像	281名患者（平均年龄59.05±11.92岁，238名男性）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
349	2026-06-15	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	提出一种结合数学和深度学习模型的集成方法，用于改善COVID-19疫情下的流感样疾病预测	首次将机械性n-subepidemic模型与蒙特卡洛丢弃长短期记忆神经网络结合，形成适应性集成框架，有效捕捉疫情改变后的传播模式并提供不确定性量化	NA	提升流感样疾病的短期预测性能，增强疫情应对和医疗资源分配的可靠性	韩国不同年龄组的流感样疾病发病率	机器学习	流感样疾病、COVID-19	蒙特卡洛丢弃、长短期记忆网络	集成模型（n-subepidemic模型 + LSTM神经网络）	时序发病率数据	包含四次疫情波的年龄分层数据	PyTorch	LSTM	加权区间评分（WIS）、平均绝对误差（MAE）	NA
350	2026-06-15	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	开发了一个名为GReNIMJA的深度学习模型，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测已知和未知转录因子的基因调控关系	首次实现了对未知转录因子的基因调控关系预测，解决了传统深度学习模型仅能预测已知转录因子的局限	NA	预测转录因子与基因之间的调控关系，特别是针对未知转录因子	转录因子与目标基因的调控关系	机器学习	NA	NA	2D长短期记忆网络	氨基酸序列和核苷酸序列	NA	NA	2D LSTM	准确率	NA
351	2026-06-15	Rapid-EEG Software Architecture's Clinical Impact: Advantages and Limitations 2026-Mar-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001188 PMID:41773895	综述	本文综述了快速脑电图（EEG）设备软件架构的临床应用优势与局限性	系统阐述了快速EEG设备从第一代麻醉管理到第二代癫痫检测的发展历程，并重点分析了深度学习算法在回顾性研究中与人类专家相媲美或更优的表现，同时指出算法“黑箱”特性对临床应用的制约	讨论限于回顾性研究，缺乏前瞻性临床试验验证，且对专有算法透明性问题提出建议但未给出具体解决方案	评估快速EEG设备自动分析方法的原理及人工智能/机器学习技术在癫痫检测中的应用影响，并倡导算法透明度以促进临床协作	快速EEG设备的软件架构及其临床应用中的算法性能	机器学习	癫痫	EEG	深度学习	EEG信号	NA	NA	NA	NA	NA
352	2026-06-15	Glycemic Variability as a Predictor of Mortality in Sepsis Patients With Concurrent Persistent Inflammation, Immunosuppression, and Catabolism Syndrome 2026-Mar, Immunity, inflammation and disease DOI:10.1002/iid3.70400 PMID:41791121	research paper	本研究探讨血糖变异系数（GVC）对并发持续性炎症、免疫抑制和分解代谢综合征（PICS）的脓毒症患者死亡率的影响	首次在并发PICS的脓毒症亚组中验证GVC与不良临床结局的关联，并利用TabPFN深度学习模型构建预测模型，AUC达0.960	单中心数据库回顾性研究，GVC分组基于指南但未动态调整，外部验证样本量较小	评估GVC对并发PICS的脓毒症患者28天、院内及180天死亡率的预测价值	1353例来自MIMIC-IV数据库的院内感染脓毒症患者，以及116例天津医科大学总医院急诊科验证队列	machine learning	sepsis	NA	TabPFN（表格数据先验适配网络）	tabular data	1353例（训练队列）及116例（外部验证队列）	Scikit-learn (Boruta), PyTorch (TabPFN)	TabPFN	AUC	NA
353	2026-06-15	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	提出一种结合布谷鸟搜索优化和ResNet的深度学习算法用于骨癌细胞检测	将布谷鸟搜索优化算法与ResNet结合，形成CS-MHC ResNet模型，优化特征选择和超参数调优，提升骨癌分类性能	仅在有限数据集上验证，未来需要在更大规模多中心数据集和简化设计上提高鲁棒性和适用性	开发一种自动化的骨癌细胞检测与分类系统，用于早期骨癌诊断	骨癌组织图像（恶性和健康骨组织）	计算机视觉	骨癌	图像分类	卷积神经网络（CNN）	图像	未明确说明样本数量	NA	ResNet, VGG-16, Xception, Inception	准确率，敏感性，精确率，F-measure	NA
354	2026-06-15	DECODE: deep learning-based common deconvolution framework for various omics data 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03007-y PMID:41772096	研究论文	提出DECODE，一个通用反卷积框架，适用于多种组学数据，包括转录组、蛋白质组和代谢组	首次实现代谢组学反卷积，并能在不同组学数据、供体、疾病状态和测量平台上优于现有方法	信息不足，无法从标题和摘要中提取	开发一个通用反卷积框架，用于从组织水平数据估算细胞类型丰度，并整合多组学数据	细胞类型和细胞状态	机器学习	NA	反卷积算法	深度学习模型	转录组、蛋白质组、代谢组数据	NA	NA	NA	性能指标未在摘要中明确列出，但提到优于现有方法	NA
355	2026-06-15	Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study 2026-Mar, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2025.00808 PMID:41943643	研究论文	开发一种全自动双模态深度学习框架，用于胶质母细胞瘤放疗的靶区和危及器官自动勾画，并通过剂量学等效性验证其临床实用性	提出了一种无需预对齐的双编码器注意力U-Net结构，同时处理CT和MRI双模态图像，且在独立测试集上实现了与专家手动勾画在剂量学上的等效性	未在文中提及	通过剂量学等效性验证自动勾画框架在胶质母细胞瘤放疗计划中的临床可靠性	胶质母细胞瘤患者的CT和MRI图像	数字病理学	胶质母细胞瘤	深度学习	注意力U-Net	CT和MRI图像	100名患者的回顾性数据集	NA	双编码器注意力U-Net（CT），单编码器注意力U-Net（MRI）	Dice相似系数（DSC）	NA
356	2026-06-15	Deep learning-based semantic matching of cis-regulatory DNA sequences facilitates the prediction of gene function 2026-Mar, Nature plants IF:15.8Q1 DOI:10.1038/s41477-026-02231-w PMID:41708941	研究论文	使用深度学习模型PhytoBabel捕捉顺式调控DNA序列的语义相似性，从而预测基因功能	证明了远缘物种间（约1.6亿年进化分歧）的直系同源顺式调控序列虽缺乏序列相似性，但保留可通过深度学习捕获的语义相似性，并能在无直接训练的情况下隐式学习时空表达模式、保守非编码序列和系统发育关系	未明确说明模型在不同物种间的泛化能力、对非直系同源序列的适用性或计算资源需求等潜在局限性	利用顺式调控DNA序列的语义相似性来预测未知基因功能，特别是反向遗传学中的应用	15种被子植物的直系同源顺式调控序列对，以及玉米和拟南芥中与体细胞胚胎发生相关的形态发生调控因子	机器学习	NA	NA	深度学习模型（PhytoBabel）	DNA序列	15种被子植物的直系同源顺式调控序列对	NA	NA	语义相似性（深度学习捕获）	NA
357	2026-06-15	A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag088 PMID:41712756	研究论文	提出了一个用于全面预测人类RNA G-四链体结合蛋白的深度学习框架	利用ESM-2蛋白质语言模型嵌入和LSTM架构，实现了对RNA G4BPs的高精度预测，并在人类蛋白质组中发现了大量候选物，揭示了与应激颗粒的潜在联系	NA	开发一种有效的方法来识别RNA G-四链体结合蛋白，并探索其在RNA调控中的作用	人类RNA G-四链体结合蛋白	机器学习	NA	深度学习、蛋白质语言模型	LSTM	蛋白质序列数据	人类蛋白质组中2160个高置信度RG4BP候选物	PyTorch	LSTM	准确率	NA
358	2026-06-15	Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis 2026-Feb-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/76637 PMID:41773691	系统综述与荟萃分析	系统评估机器学习方法在左心室肥厚检测中的诊断准确性	首次通过系统综述与荟萃分析，全面评估不同机器学习方法和建模变量对左心室肥厚检测准确性的影响	纳入研究存在极端异质性，基于有限证据得出的结论需要谨慎解读，且未来需更多基于影像数据的高性能模型研究	系统评估机器学习方法在左心室肥厚检测中的诊断准确性，为人工智能工具的开发提供依据	左心室肥厚检测相关的机器学习模型	机器学习	心血管疾病	NA	机器学习模型（包括深度学习模型）	心电图、临床特征、超声心动图	25项研究	NA	NA	灵敏度, 特异性	NA
359	2026-06-15	A novel deep learning framework for field-scale wheat yield prediction 2026-Feb-25, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05166-0 PMID:41739241	研究论文	提出一种基于遗传算法优化的深度神经网络框架，利用近地传感数据实现田间尺度小麦产量预测	首次将遗传算法优化的深度神经网络与手持或车载主动近地传感器数据相结合，用于印度农业背景下的小麦产量预测，在多种条件下优于传统机器学习模型	NA	利用近地传感数据构建深度学习框架，实现田间尺度小麦产量的精确预测，支持育种者高效选择基因型并助力可持续发展目标	2020-2021冬季生长季两个地点的灌溉和雨养条件下3350份不同小麦种质	机器学习	NA	近地传感（NDVI、冠层温度、株高测量）	深度神经网络、随机森林回归、LASSO、支持向量回归	数值数据（光谱植被指数、温度、高度）	3350份小麦种质，涵盖灌溉和雨养条件	NA	遗传算法优化的深度神经网络	R²值	NA
360	2026-06-15	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	提出一种基于深度学习的混合模型Hybrid-Sumo，用于准确预测SUMO化修饰位点	整合蛋白质结构特征和序列特征，结合HSE、PSSM-DWT和BERT三种先进特征提取技术，并利用SHAP算法进行最优特征选择	NA	开发一种准确预测SUMO化修饰位点的计算工具	蛋白质SUMO化修饰位点	机器学习	NA	深度学习	深度神经网络（DNN）	蛋白质序列和结构特征数据	基准数据集	NA	DNN	准确率	NA