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
3581	2026-02-22	Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data 2026-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68487-0 PMID:41545411	研究论文	本文介绍了一个名为STimage的综合模型套件，用于直接从标准H&E图像预测空间基因表达和分类细胞类型	通过估计基因表达分布并使用集成方法量化数据驱动和模型不确定性来增强稳健性，并通过单细胞分辨率归因分析结合组织病理学注释、功能基因和潜在表示实现可解释性	NA	提高从空间转录组学数据预测基因标记和细胞类型的稳健性和可解释性	空间转录组学数据，标准H&E图像	数字病理学	NA	空间转录组学	深度学习模型	图像	NA	NA	基础模型	NA	NA
3582	2026-02-22	Deep learning for detecting depression in individuals with and without alexithymia 2026-Jan-16, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01393-0 PMID:41545479	研究论文	本研究探讨了述情障碍对抑郁症检测的影响，并比较了深度学习模型与自评量表在抑郁症检测中的表现	首次利用大型语言模型（LLMs）分析临床访谈转录文本，以提升对述情障碍个体抑郁症检测的准确性，并揭示了自评量表在该群体中的局限性	样本量相对较小（共299名参与者），且仅基于汉密尔顿抑郁评定量表（HAMD）作为金标准，可能未涵盖所有抑郁症亚型或共病情况	评估深度学习模型在检测抑郁症，特别是针对述情障碍个体时的准确性，并与传统自评量表进行比较	194名重度抑郁障碍患者和105名社区对照个体	自然语言处理	抑郁症	临床结构化访谈转录文本分析	大型语言模型（LLMs）	文本	299名参与者（194名患者和105名对照）	NA	NA	AUC	NA
3583	2026-02-22	BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients 2026-Jan-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06589-6 PMID:41540040	研究论文	本文介绍了BreastDCEDL，一个标准化的深度学习就绪乳腺癌DCE-MRI数据集，包含来自2,070名患者的预处理3D DCE-MRI扫描	填补了公开标准化、多中心乳腺癌DCE-MRI数据集的空白，提供统一格式和注释，支持高级模型开发	Duke队列中仅32.5%的患者有病理完全缓解数据，可能限制某些分析的全面性	为乳腺癌治疗响应监测和深度学习研究提供标准化数据集	2,070名乳腺癌患者的预处理3D DCE-MRI扫描	数字病理学	乳腺癌	动态对比增强磁共振成像	NA	3D DCE-MRI图像	2,070名患者（I-SPY1: 172, I-SPY2: 982, Duke: 916）	NA	NA	NA	NA
3584	2026-02-22	Biologically interpretable deep learning-derived MRI phenotypes reveal lymph node involvement and neoadjuvant therapy response in intrahepatic cholangiocarcinoma 2026-Jan-12, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001671 PMID:41525512	研究论文	本研究开发了一个名为SwinU-CliRad的模型，用于肝内胆管癌的淋巴结风险分层和辅助治疗评估	结合了基于Swin UNETR的MRI衍生淋巴结特征与临床放射学特征，构建了可解释的深度学习模型，并探索了模型输出与肿瘤多组学特征的相关性	研究依赖于回顾性队列，外部验证样本量相对较小，且模型在更广泛人群中的泛化能力需进一步验证	开发一个模型以改进肝内胆管癌的淋巴结分期，并为治疗决策提供信息	肝内胆管癌患者	数字病理学	肝内胆管癌	MRI, 单细胞RNA测序, 多组学分析	Transformer, CNN	MRI图像, 临床数据, 放射学特征	发现队列682例，内部测试队列204例，外部多中心队列88例，新辅助治疗队列145例	PyTorch	Swin UNETR	AUC, 误分类纠正率, 病理完全缓解率, 主要病理缓解率	NA
3585	2026-02-22	Multimodal MRI radiomics and deep learning for brain age prediction: age-corrected brain age gap analysis in patients with insomnia 2026-Jan-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01512-x PMID:41507907	研究论文	本研究通过整合多模态MRI影像组学特征与深度学习，开发并验证了高精度脑龄预测模型，并应用于失眠患者以评估其脑老化加速情况	结合T1和T2加权MRI的影像组学特征与深度学习进行多模态融合，用于脑龄预测，并应用于失眠患者的脑龄差距分析	研究为回顾性设计，样本主要来自特定医院和公开数据集，可能限制泛化性	开发高精度脑龄预测模型，并评估慢性失眠是否与加速脑老化相关	健康个体和失眠患者	数字病理学	失眠	T1加权MRI, T2加权MRI, 影像组学特征提取	深度学习回归模型	MRI图像	总计1200名参与者，包括942名健康对照和258名失眠患者	NA	NA	平均绝对误差, 均方根误差, R2	NA
3586	2026-02-22	Justifying model complexity: Evaluating transfer learning against classical models for intraoperative nociception monitoring under anesthesia 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342688 PMID:41701784	研究论文	本文比较了传统监督模型与基于迁移学习的时序卷积网络在术中伤害性事件监测中的性能，评估了模型复杂度与临床效益的平衡	首次在术中伤害性监测中，系统比较了传统模型（如随机森林）与深度学习迁移学习框架的性能，并强调了模型复杂度的合理性验证	研究样本量较小（101例成人手术案例），且未在更大规模或多样化数据集上验证结论的普适性	评估传统模型与深度学习模型在术中伤害性事件监测中的性能差异，以优化镇痛管理并改善术后结果	101例成人手术案例，包含30个生理特征和18个药物剂量特征，采样窗口为5秒	机器学习	麻醉相关并发症	监督学习，迁移学习	逻辑回归，随机森林，时序卷积网络	时间序列数据	101例成人手术案例	NA	随机森林，时序卷积网络	AUROC，AUPRC	NA
3587	2026-02-22	Comparison of machine learning methods in forecasting and characterizing the birch and grass pollen season 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332093 PMID:41706687	研究论文	本研究比较了八种机器学习方法在预测和表征桦树及草类花粉季节中的应用，并分析了气象变量与花粉浓度之间的依赖关系	首次在波兰克拉科夫地区综合比较了来自四个不同家族（懒惰、线性、基于树和深度学习）的机器学习模型，用于预测花粉浓度类别，并进行了特征重要性分析和关联规则挖掘	研究仅基于克拉科夫地区的数据，可能无法推广到其他地理或气候区域，且模型性能在更长的预测时间（如7天）上有所下降	开发并比较机器学习方法，以准确预测花粉浓度，辅助季节性过敏疾病的个性化治疗	桦树（Betula）和草类（Poaceae）花粉浓度数据及气象变量	机器学习	季节性过敏疾病	容积法花粉数据收集	懒惰模型, 线性模型, 树基模型, 深度学习模型	时间序列数据（花粉浓度和气象数据）	1991年至2024年在克拉科夫收集的花粉和气象数据	NA	增强树, 关联知识图, 带记忆单元的深度神经网络	准确率	NA
3588	2026-02-22	An intelligent method for Buoy meteorological data restoration using a Spatio-Temporal Dual-Attention Network with transformer and GAT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343310 PMID:41706759	研究论文	本文提出了一种结合Transformer和图注意力网络（GAT）的时空双注意力网络（ST-DAN），用于修复海洋浮标气象数据中的缺失值和异常值	提出了一种新颖的深度学习模型ST-DAN，通过并行计算整合Transformer和GAT，分别捕获时间依赖性和基于物理信息邻接矩阵的变量间空间相关性，动态调整变量间影响权重，显著提高了重建精度	NA	解决海洋浮标气象数据因恶劣天气和环境条件导致的数据丢失或异常值问题，实现高精度数据重建	海洋浮标气象数据，特别是温度和风速数据	机器学习	NA	NA	Transformer, GAT	时间序列数据	基于ERA5再分析数据集和青岛浮标现场观测数据	NA	Transformer, GAT	MAE, MSE, RMSE, R²	NA
3589	2026-02-22	An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342339 PMID:41706751	研究论文	本研究构建了一个基于超声图像和人工智能的“双模型、三步法”分层策略框架，用于预测困难气道风险	提出了一个结合两个卷积神经网络模型（CL-AI和VIDIAC-AI）的三步分层决策框架，用于困难气道的风险分层预测，旨在作为临床决策支持工具	仅进行了内部验证，未进行外部验证，需要在大型多中心队列中进一步验证	开发一个基于超声图像的人工智能框架，用于困难气道的早期预警和风险分层	在青岛大学附属医院接受择期全身麻醉手术的903名患者	计算机视觉	NA	颈部超声成像	CNN	图像	903名患者（752例用于训练和验证，151例作为内部测试集）	NA	卷积神经网络（具体架构未指定），CL-AI, VIDIAC-AI	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA
3590	2026-02-22	Anomaly detection of cybersecurity behavior using cross-sequence aligned transformer-A dynamic recognition approach for high-frequency interaction patterns 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340801 PMID:41706767	研究论文	本文提出了一种基于跨序列对齐Transformer的动态识别模型（CSAT-DRM），用于提升高频交互网络环境中网络安全异常检测的准确性和稳定性	提出了跨序列对齐机制以软对齐网络流量和用户行为序列，并引入交互敏感残差结构和动态阈值生成策略，以增强模型对高频交互下异常特征的判别能力和自适应异常识别能力	未在摘要中明确说明	提升高频交互网络环境中网络安全异常检测的准确性和稳定性	高频交互网络环境中的网络流量和用户行为序列	自然语言处理	NA	NA	Transformer	网络交互日志数据	未在摘要中明确说明	未在摘要中明确说明	Transformer	准确率, 精确率, 召回率, F1分数	未在摘要中明确说明
3591	2026-02-22	Open-source framework for detecting bias and overfitting for large pathology images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341715 PMID:41712557	研究论文	本文提出了一种模型架构无关的开源框架，用于检测和消除大型病理图像中深度学习模型的偏差和过拟合问题	开发了一个模型架构无关的框架，能够检测和移除深度学习模型对非相关伪影（如背景颜色或颜色强度）的依赖，从而增强模型的鲁棒性	未在多种疾病或数据集上进行广泛验证，且框架的计算效率可能受大型病理图像处理需求的影响	确保深度学习模型在病理图像分析中的鲁棒性，通过检测和消除偏差与过拟合	大型病理图像（WSI）数据集，包括预训练的基础模型（Phikon-v2）和自训练的自监督模型（MoCo v1）	数字病理学	NA	深度学习	基础模型, 自监督模型	图像	使用广泛使用的组织病理学数据集，具体样本数量未明确说明	MONAI	Phikon-v2, MoCo v1	NA	处理大型病理图像通常需要大量计算资源，具体硬件未指定
3592	2026-02-22	DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342940 PMID:41712587	研究论文	本文提出了一种基于推理增强的大型语言模型DrugReasoner，用于预测小分子药物的审批可能性，并提供可解释的决策依据	首次将基于LLaMA架构的推理增强大型语言模型应用于药物审批预测，通过整合分子描述符和结构相似化合物的对比推理，生成逐步推理过程和置信度分数，显著提升了模型的可解释性	模型性能虽优于传统基线方法，但与XGBoost相比仅具有竞争力，且未在更广泛的外部数据集上进行全面验证	开发可解释的AI模型以预测小分子药物的审批结果，优化药物研发资源配置	小分子化合物	自然语言处理	NA	分子描述符分析	LLM	文本（分子描述符与结构信息）	NA	NA	LLaMA	AUC, F1-score, 精确度, 灵敏度	NA
3593	2026-02-22	AdaptiveInvolutionNet: Spatially-adaptive involution with channel-wise attention for breast MRI tumor classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340808 PMID:41712600	研究论文	提出了一种名为AdaptiveInvolutionNet的新型深度学习框架，用于从乳腺MRI图像中准确分类肿瘤	提出了一种结合空间自适应Involution层和通道注意力机制的混合架构，以改进乳腺肿瘤分类的判别性特征学习	未明确提及	提高乳腺MRI肿瘤分类的准确性，以改善患者预后	乳腺MRI图像中的肿瘤	计算机视觉	乳腺癌	MRI	CNN	图像	6000张乳腺MRI图像（3000张良性，3000张恶性）	未明确提及	AdaptiveInvolutionNet（结合空间自适应Involution层、卷积层和挤压-激励模块）	准确率, Cohen's Kappa分数, Brier分数	未明确提及
3594	2026-02-22	Multimodal Motion Capture Toolbox for Enhanced Analysis of Intersegmental Coordination in Children with Cerebral Palsy and Typically Developing 2025-Dec-16, Journal of visualized experiments : JoVE DOI:10.3791/69604 PMID:41490048	研究论文	本文开发了一个多模态运动捕捉工具箱，用于增强对脑瘫儿童和典型发育儿童节段间协调性的分析	结合了多种运动捕捉技术（包括研究级运动学设备、惯性测量单元、3D无标记系统和基于MediaPipe的2D无标记系统），并提出了一个开源方法，以解决传统标记系统对神经残疾儿童（如脑瘫）的挑战	样本量较小（仅包括两名典型发育儿童和两名脑瘫儿童），可能限制结果的普遍性	评估和比较3D标记与2D无标记运动捕捉系统在分析儿童运动协调模式中的可行性	脑瘫儿童和典型发育儿童	计算机视觉	脑瘫	深度学习人体姿态估计	NA	视频, 运动捕捉数据	4名儿童（2名典型发育，2名脑瘫）	MediaPipe	NA	NA	NA
3595	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3596	2026-02-22	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间多组学技术和深度学习框架，揭示了肝细胞癌免疫治疗响应和耐药性的分子特征	开发了一种可解释的多模态深度学习框架，结合空间转录组学和蛋白质组学数据，首次识别出免疫治疗响应和耐药性的空间多组学指纹	研究样本量有限，且仅针对肝细胞癌，未在其他癌症类型中验证	探索肝细胞癌免疫治疗响应和耐药性的机制，以改善患者分层和治疗策略	人类肝细胞癌组织样本，在免疫治疗前后收集	数字病理学	肝细胞癌	空间转录组学, 空间蛋白质组学	图神经网络	空间多组学数据	未明确指定样本数量	未明确指定	未明确指定	ROC-AUC	未明确指定
3597	2026-02-22	Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization 2025-Jan-30, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c05276 PMID:39809573	研究论文	本文提出了一种名为Kin-SiM的深度学习框架，利用预训练的LSTM网络自动化单分子FRET轨迹的理想化处理	使用预训练的LSTM网络自动化smFRET轨迹理想化，无需用户输入马尔可夫假设，减少了手动干预和偏差风险	未在真实世界数据上进行广泛验证，性能评估主要基于基准数据集	开发一种自动化方法用于单分子FRET轨迹的理想化分析	单分子荧光共振能量转移（smFRET）时间轨迹	机器学习	NA	单分子荧光共振能量转移（smFRET）	LSTM	多维FRET轨迹（模拟数据）	NA	NA	LSTM	NA	NA
3598	2026-02-22	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-10, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	综述	本文探讨了数据科学在优化放疗计划和临床决策中的应用前景	提出结合深度学习与多源数据（如基因组学、影像组学和剂量组学）来改进预测模型，并引入“数字孪生”概念以指导自适应放疗	NA	提升放疗的个性化治疗水平，通过整合数据科学方法优化肿瘤控制与正常组织保护	放疗患者及其相关数据（如肿瘤基因组、影像数据和剂量分布）	机器学习	肿瘤	基因组学、影像组学、剂量组学	深度学习	基因组数据、影像数据、剂量数据	NA	NA	NA	NA	NA
3599	2026-02-22	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究通过比较多种机器学习算法，探讨深度学习在预测早产方面的适用性	首次在早产预测中比较了Transformer模型与传统机器学习算法（如逻辑回归、随机森林和支持向量机），并展示了Transformer的优越性能	研究为回顾性单中心设计，可能存在选择偏倚，且未详细说明模型的可解释性	评估深度学习算法是否适合用于预测早产	2018年1月至2023年6月在北京大学第三医院分娩的产妇数据	机器学习	早产	回顾性数据分析	Transformer, 逻辑回归, 随机森林, 支持向量机	结构化临床数据	30,965例分娩数据（第一部分24,770例，第二部分6,195例）	NA	Transformer	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
3600	2026-02-22	The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272657 PMID:39493635	综述	本文对电子健康记录研究中可解释人工智能（XAI）的应用进行了范围综述	首次对使用表格型电子健康记录数据的机器学习/深度学习模型中的XAI方法应用进行了系统性范围综述，揭示了该领域快速增长但缺乏关键评估的现状	仅纳入了表格型电子健康记录数据的研究，未涵盖其他类型医疗数据；缺乏对XAI方法有效性的深入评估；可能存在发表偏倚	批判性评估可解释人工智能方法在电子健康记录研究中的应用现状与效果	使用电子健康记录数据并应用可解释人工智能方法的机器学习/深度学习研究	机器学习	NA	NA	机器学习模型,深度学习模型	表格数据	76篇出版物（来自3220篇筛选文献）	NA	极端梯度提升,随机森林	NA	NA