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	2026-04-04	BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins 2026-Feb-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02508-8 PMID:41749211	研究论文	本研究提出了一种名为BiToxNet的深度学习框架，通过整合来自蛋白质大语言模型的进化嵌入和十种手工生化描述符，利用双线性注意力网络实现多模态特征融合，用于准确识别神经毒性肽和蛋白质	BiToxNet通过双线性注意力网络（BAN）有效整合进化嵌入和手工生化特征，实现了跨模态交互和残基级依赖性的建模，显著提升了神经毒性预测的准确性和泛化能力	未明确提及具体局限性，但现有计算方法通常受限于浅层特征工程和多模态融合策略的不足	开发一个准确预测肽和蛋白质神经毒性的计算框架，以支持蛋白质治疗药物的安全性评估和蛋白质药物开发	神经毒性肽和蛋白质	自然语言处理	NA	蛋白质大语言模型	深度学习	序列数据	三个不同序列长度的数据集：蛋白质数据集、肽数据集和组合数据集，以及一个外部不平衡数据集	NA	双线性注意力网络（BAN）	准确率	NA
342	2026-04-04	Decoding cardiovascular risk in Chinese middle-aged and elderly adults: a 9-year prospective study integrating machine learning with explainable AI based on CHARLS cohort 2026-Feb-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03389-1 PMID:41749231	研究论文	本研究基于中国健康与养老追踪调查队列数据，结合机器学习与可解释人工智能技术，开发并验证了一个针对中国中老年人群的心血管疾病长期风险预测模型	首次将可解释人工智能技术（SHAP）与机器学习算法（梯度提升机）相结合，针对中国中老年人群开发心血管疾病风险预测模型，实现了预测准确性与临床可解释性的平衡	模型重要性分析反映的是统计贡献而非因果关系，且需要独立队列的外部验证才能确立普适性	开发并验证一个针对中国中老年人群的心血管疾病长期风险预测模型	中国中老年人群（年龄≥45岁）	机器学习	心血管疾病	队列研究，机器学习	梯度提升机，以及包含线性、非线性、集成学习和深度学习在内的12种算法	纵向队列数据	8080名参与者完成9年随访，其中训练队列5699人	未明确说明	未明确说明	AUC，特异性，阳性预测值，敏感性	NA
343	2026-04-04	Integration of fairness-awareness into clinical language processing models 2026-Feb-24, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01433-9 PMID:41731014	研究论文	本研究评估了从临床文本预测种族时模型的性能和公平性，并探讨了将公平性意识整合到临床语言处理模型中的方法	提出了一种两阶段主动学习框架来指导注释，并应用公平性感知损失函数以减轻不同种族群体间的差异，同时比较了多种深度学习模型在公平性优化下的表现	公平性干预措施高度依赖于模型类型，某些模型在应用公平性约束后性能下降或倾向于多数预测，且种族、性别和年龄间的持续差异表明算法偏见反映了上游文档记录的不平等	评估临床人工智能系统在预测种族时的模型性能和公平性，以促进其在多样化患者群体中的公平部署	临床文本数据，特别是来自初级保健数据库的电子健康记录	自然语言处理	NA	深度学习，主动学习	transformer-based deep learning models, hierarchical convolutional neural network	文本	NA	NA	transformer, hierarchical convolutional neural network	macro F1, accuracy, performance equity	NA
344	2026-02-26	Deep learning models for pulmonary embolism segmentation on dual-energy CT: performance analysis and image quality correlation 2026-Feb-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02221-6 PMID:41735881	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
345	2026-04-04	Universal framework for efficient estimation of stability in multi-principal element alloys 2026-Feb-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69585-9 PMID:41730879	研究论文	本文提出了一种通用框架，用于高效预测多主元合金的稳定性	通过物理模型将多主元合金的总能量表示为低维子系统能量的线性组合，实现了在广泛成分和结构空间中的可合成性预测，其准确性可与最先进的深度学习模型相媲美，同时保持了通过团簇展开理论的可解释性	NA	预测多主元合金在全球化学空间中的合成可及性	多主元合金	机器学习	NA	密度泛函理论	物理模型	计算数据集	135,791个多主元合金，涵盖28种金属和最多十个组分	NA	NA	平均绝对误差	NA
346	2026-04-04	Normative growth trajectories of fetal brain regions validated by satisfactory maturation of neurodevelopmental domains at 2 years of age 2026-Feb-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69657-w PMID:41730874	研究论文	本研究利用深度学习分析胎儿大脑超声扫描数据，建立了与2岁时神经发育评分相关的16个大脑结构的标准化生长轨迹	首次通过深度学习量化了胎儿大脑16个结构的生长轨迹，提出了反映大脑区域异步成熟的rILV/rPLV比值，并创建了量化生物年龄与时间年龄偏差的胎儿大脑成熟指数	研究仅覆盖18-27孕周的胎儿数据，未包含更早期或更晚期的发育阶段	建立与正常神经发育结果相关的胎儿大脑区域标准化生长参考轨迹	4205例18-27孕周的健康胎儿大脑超声扫描数据	医学影像分析	NA	3D超声成像	深度学习	3D超声图像	4205例胎儿大脑扫描（来自多国健康队列）	NA	NA	方差解释百分比	NA
347	2026-04-04	Sign4all: a Spanish Sign Language dataset 2026-Feb-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06872-6 PMID:41730896	研究论文	本文介绍了Sign4all数据集，这是一个专为西班牙手语孤立词识别设计的高密度、手势平衡数据集	提出首个针对西班牙手语的高密度数据集，提供左右手平衡的样本表示，并包含视频和骨骼关键点两种数据格式	词汇量仅涵盖24个与餐饮领域相关的日常活动手势，未涉及连续手语识别	解决手语识别中数据稀疏性和右手偏向问题，促进包容性人机交互技术发展	西班牙手语(LSE)的孤立手势	计算机视觉	NA	视频录制、骨骼关键点提取	Transformer, 骨骼模型	视频, 骨骼关键点	7,756个高分辨率RGB视频样本，平均每个手势323个样本	TensorFlow, PyTorch	Transformer	NA	NA
348	2026-04-04	A multi-modal approach for recognizing fake news and influential nodes in spreading them using deep learning and network analysis 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35342-7 PMID:41708655	研究论文	本文提出了一种结合深度学习和网络分析的多模态方法，用于识别社交媒体上的假新闻及其传播中的关键节点	创新点在于将深度学习与基于图的聚类技术相结合，有效检测谣言源头并预测传播路径，采用GloVe技术描述内容特征，并引入新的聚类方法识别社区结构	NA	研究目标是减少社交媒体上谣言的危害，通过检测谣言源头和识别传播中的关键节点	研究对象是社交媒体网络中的谣言传播内容和用户节点	自然语言处理, 机器学习	NA	GloVe技术, 深度神经网络, 图聚类	深度神经网络	文本, 网络图数据	使用了真实社交网络数据库	NA	NA	准确率, 精确率, 处理时间	NA
349	2026-03-28	A hybrid deep learning framework using convolutional and transformer models for robust plant disease classification 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38209-z PMID:41708692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
350	2026-04-04	Integrative framework for cancer detection via integro-differential equations using deep learning techniques 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39283-z PMID:41708707	研究论文	本研究提出了一种结合积分-微分方程和深度学习技术的癌症检测框架，通过将2D医学图像转换为1D信号进行特征提取和分类	将积分-微分方程融入深度学习框架以建模肿瘤生长动态和时空强度变化，旨在提升模型的可解释性	存在数据依赖性、信号转换过程中的信息丢失以及数学模型简化等局限性	开发用于医学图像中癌症区域准确识别的计算工具	公开可用的乳腺X光摄影数据集（INbreast和MIAS）	计算机视觉	癌症	深度学习	CNN	图像	NA	NA	1D卷积神经网络	准确率	NA
351	2026-02-19	Multimodal deep learning for survival prediction and biomarker discovery in non-small cell lung cancer 2026-Feb-17, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00522-8 PMID:41703583	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
352	2026-04-04	Anatomy-guided visual prompt tuning for cross-modal breast cancer understanding 2026-Feb-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02417-8 PMID:41688744	研究论文	提出一种解剖学引导的视觉提示调优框架，用于跨模态乳腺癌理解	将明确的解剖结构整合到冻结的Vision Transformer骨干网络的提示空间中，动态生成组织感知提示，并通过跨模态对比对齐策略协调不同成像模态间的解剖语义	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源的具体需求	实现乳腺癌的早期可靠检测，并提高跨成像模态的一致性	乳腺癌病变	计算机视觉	乳腺癌	NA	Vision Transformer (ViT)	图像	三个基准数据集（INbreast, BUSI, Duke-Breast-MRI）	NA	Vision Transformer (ViT)	病变分类和分割性能指标（具体未列出，如准确率、Dice系数等）	NA
353	2026-04-04	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Feb-13, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，用于自动化和改进3D病理数据集中良性区域与前列腺癌富集区域的划分	开发了基于深度学习的3D图像翻译模型，将H&E模拟3D病理数据集转换为多路复用3D免疫荧光数据集，以促进肿瘤检测，并生成可解释的3D热图	未明确说明模型在更大或更多样化数据集上的泛化能力，以及计算资源的具体需求	自动化并改进3D病理数据集中良性区域与前列腺癌富集区域的划分，以支持基于3D病理数据集的风险分层	前列腺组织样本	数字病理学	前列腺癌	3D病理学，免疫荧光	深度学习图像翻译模型	3D图像数据	75名患者	NA	NA	F1分数	NA
354	2026-04-04	An Artificial Intelligence Method for Phenotyping of OCT-Derived Thickness Maps Using Unsupervised and Self-supervised Deep Learning 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01539-x PMID:40394321	研究论文	本研究提出了一种基于无监督和自监督深度学习的新型人工智能方法，用于对OCT衍生的视网膜层厚度图进行表型分析和聚类，以青光眼为模型疾病	提出了一种结合深度学习、流形学习和高斯混合模型的新方法，解决了OCT表型在不同数据集间迁移的挑战，实现了跨数据集的稳健表型识别	研究主要聚焦于青光眼作为模型疾病，方法在其他眼科疾病中的普适性有待进一步验证	通过人工智能分析OCT图像，增强对眼科疾病生理学和遗传结构的理解	光学相干断层扫描（OCT）图像，特别是视网膜层厚度图	计算机视觉	青光眼	光学相干断层扫描（OCT）	深度学习	图像	两个大型数据集：MEE（18,985张图像）和UKBB（86,115张图像）	NA	NA	皮尔逊相关系数	NA
355	2026-04-04	Deep learning-based segmentation of acute pulmonary embolism in cardiac CT images 2026-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03503-0 PMID:40996587	研究论文	本研究利用深度学习模型（nnU-Net和VT-UNet）对心脏CT图像中的急性肺栓塞进行自动分割，以提升诊断和治疗规划	首次将nnU-Net和基于Transformer的VT-UNet应用于急性肺栓塞的自动分割，并在自建CTPA数据集上实现了优于现有技术的性能	数据集规模有限（200个CTPA图像体积），且未在外部验证集上测试模型泛化能力	开发自动分割急性肺栓塞的深度学习模型，以辅助临床诊断和治疗规划	急性肺栓塞患者的CT肺动脉造影图像	计算机视觉	肺栓塞	CT肺动脉造影	CNN, Transformer	图像	200个CTPA图像体积	NA	nnU-Net, VT-UNet	Dice相似系数, 95百分位Hausdorff距离	NA
356	2026-04-04	A Deep Learning Framework With Domain Generalization and Few-Shot Learning for Locomotion Mode Classification Across Users, Sessions, and Prostheses 2026-Feb, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3606364 PMID:41924131	研究论文	本文提出了一种基于领域对抗训练和少样本学习微调的深度学习框架，用于跨用户、会话和假肢模型的运动模式分类	结合领域泛化和少样本学习，以处理跨会话和跨假体模型的数据分类问题，提高了未见会话或受试者数据的分类性能	研究仅基于两个假肢模型（VU Gen 2和Gen 3）的数据，样本量相对较小（11名受试者，31个会话），且仅针对五种运动任务	开发一个能够跨用户、会话和假肢模型进行运动模式分类的深度学习框架，以促进临床应用中分类算法的实施	经股截肢者使用不同假肢模型（Vanderbilt University Gen 2和Gen 3动力膝踝假肢）进行五种运动任务的数据	机器学习	NA	NA	深度学习	运动数据	11名受试者，31个会话，涉及两种假肢模型（VU Gen 2和Gen 3）	NA	NA	F1分数	NA
357	2026-04-04	Deep Learning Model With Nodule Indexing Tailored to Early-Stage Lung Cancer Detection 2026-Jan-29, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2026.01.025 PMID:41620056	研究论文	本研究评估了一种基于深度学习的AI系统，通过结节索引和恶性风险分层，在CT扫描中检测肺结节，并提高了放射科医生的诊断性能	开发了针对早期肺癌检测的深度学习模型，结合结节索引和恶性风险分层，显著提升了放射科医生在检测肺结节方面的敏感性和效率	研究数据集虽包含早期肺癌病例，但样本来源主要为NLST试验，可能限制了结果的泛化性	评估AI系统在CT扫描中辅助放射科医生检测肺结节和早期肺癌的性能	CT扫描图像，包括209例筛查和131例非筛查病例，其中133例肺癌、61例良性非钙化结节和146例正常病例	计算机视觉	肺癌	CT扫描	深度学习模型	图像	340例CT扫描，包含133例肺癌、61例良性结节和146例正常病例	NA	NA	敏感性, 特异性, AUC, 假阳性率, 解读时间	NA
358	2026-04-04	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出了一种轻量化的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2，用于乳腺癌组织病理学图像的检测	提出了一种互惠门控融合机制，实现了两个高效卷积神经网络之间的结构化双向交互，增强了互补特征交换并抑制了冗余响应	未在摘要中明确说明	开发一种计算开销小、实用性强、精确可靠的计算机辅助诊断解决方案，用于乳腺癌检测	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN	图像	未在摘要中明确说明	未在摘要中明确说明	SqueezeNet, ShuffleNetV2	多类准确率, 二元准确率	未在摘要中明确说明
359	2026-04-04	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	本文提出了ViralBindPredict，一种直接从蛋白质序列预测病毒蛋白-配体结合位点的深度学习框架	首次引入泄漏控制的大规模病毒蛋白-配体相互作用基准数据集，并开发了无需结构信息的序列直接预测方法	对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文对泛化能力有主导影响	加速抗病毒药物发现，支持靶点优先排序、化合物再利用和新药设计	病毒蛋白-配体结合位点	生物信息学	病毒性疾病	深度学习，蛋白质序列分析	多层感知机，LightGBM	蛋白质序列，配体描述符	超过10,000个病毒链和约13,000个相互作用	NA	多层感知机	精确率，召回率	NA
360	2026-04-04	Using Artificial Intelligence to Automate the Analysis of Psoriasis Severity: A Pilot Study 2026, Dermatology (Basel, Switzerland) DOI:10.1159/000549640 PMID:41269911	研究论文	本研究利用YOLOv8深度学习模型，基于2D临床图像特征，自动分类银屑病皮损严重程度，以改进PASI评分的客观性和一致性	首次应用YOLOv8模型对银屑病皮损的PASI关键子成分（红斑、厚度、鳞屑）进行自动化严重程度分类，并采用分层k折交叉验证增强模型在不同数据集上的可靠性	研究为初步试验，样本规模可能有限，且仅基于2D图像，未考虑三维或动态临床因素	利用人工智能提高银屑病严重程度评估的客观性和一致性	银屑病皮损的临床图像	计算机视觉	银屑病	深度学习	CNN	图像	三个不同数据集，具体样本数未明确	Google Colab	YOLOv8	混淆矩阵, 准确率	云端环境（Google Colab）