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
3941	2026-02-19	Comment on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after noncardiac surgery" 2026-Jan-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004804 PMID:41563071	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3942	2026-02-19	A Deep Learning Model for Dynamic Prediction of Acute Kidney Injury in Heart Failure Patients 2026-Jan-16, The Canadian journal of cardiology DOI:10.1016/j.cjca.2026.01.011 PMID:41548653	研究论文	本研究开发并验证了一种基于深度学习的动态预测模型，用于预测心力衰竭患者的急性肾损伤风险	提出了一个结合长短期记忆网络和动态焦点损失函数的模型，以处理类别不平衡问题，并设计了短期和长期两种动态预测视角	研究数据来源于单一数据库（MIMIC-IV），可能限制了模型的泛化能力	开发并验证一个动态预测模型，用于心力衰竭患者急性肾损伤的风险评估	7636名心力衰竭患者	机器学习	心血管疾病	NA	LSTM	临床时间序列数据	7636名心力衰竭患者	NA	长短期记忆网络	AUC	NA
3943	2026-02-19	Comprehensive mapping of RNA modification dynamics and crosstalk via deep learning and nanopore direct RNA-sequencing 2026-Jan-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68419-y PMID:41535294	研究论文	本文介绍了一种名为ORCA的深度学习框架，用于通过纳米孔直接RNA测序全面绘制RNA修饰动态和互作图谱	ORCA采用领域对抗学习和迁移学习模块，能够同时检测多种RNA修饰类型，揭示修饰间的协作与竞争相互作用	NA	开发一个无偏且可推广的框架，以解码RNA修饰动态及其在多种生物背景下的调控复杂性	人类细胞系中的RNA修饰	自然语言处理	NA	纳米孔直接RNA测序	深度学习	RNA测序数据	NA	NA	NA	NA	NA
3944	2026-02-19	EPINTLM: enhancer-promoter prediction with pretrained k-mer embeddings and residual cross-attention 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag064 PMID:41697918	研究论文	提出一种名为EPINTLM的深度学习框架，用于在标准化基准设置下预测增强子-启动子相互作用	整合了预训练的k-mer嵌入与残差交叉注意力机制，并引入了统一的预处理流程以提高可重复性	仅在当前基准约束范围内验证，可解释性分析有限	研究增强子-启动子相互作用预测的架构策略	人类细胞系中的增强子-启动子相互作用	生物信息学	NA	DNA序列分析	深度学习	DNA序列，基因组特征	六种人类细胞系的基准数据集	NA	基于Nucleotide Transformer的预训练嵌入，残差自注意力，双向交叉注意力	AUROC, AUPR	NA
3945	2026-02-19	Transformer-based graphs for drug-drug interaction with chemical knowledge embedding 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag039 PMID:41697921	研究论文	本文提出了一种名为TRACE的基于Transformer的图表示学习框架，用于整合化学知识以预测药物相互作用	提出TRACE框架，首次将Transformer与图表示学习结合，并集成化学知识嵌入，以增强DDI预测的准确性和可解释性	未在摘要中明确提及	提高药物相互作用预测的准确性和可解释性，以支持药物开发和联合疗法	药物相互作用	自然语言处理, 机器学习	NA	深度学习, 图表示学习	Transformer	图数据, 化学知识嵌入	NA	NA	Transformer	NA	NA
3946	2026-02-19	The Identification and Severity Staging of Chronic Obstructive Pulmonary Disease Using Quantitative CT Parameters, Radiomics Features, and Deep Learning Features 2026, Respiration; international review of thoracic diseases DOI:10.1159/000548595 PMID:40996946	研究论文	本研究评估了基于吸气和呼气CT的定量CT参数、影像组学特征和深度学习特征在慢性阻塞性肺疾病识别和严重程度分期中的价值	提出了一种基于双相CT的多模态方法，整合定量CT参数、影像组学特征和深度学习特征，用于COPD的识别和严重程度分期，并在外部验证队列中展示了良好的泛化性能	研究为回顾性分析，样本量相对有限（223名COPD患者和59名健康对照），且仅基于两个队列（广州和深圳），可能影响结果的普遍适用性	评估多模态CT特征在慢性阻塞性肺疾病识别和严重程度分期中的应用价值	慢性阻塞性肺疾病患者和健康对照者	数字病理学	慢性阻塞性肺疾病	定量CT、影像组学、深度学习	逻辑回归	CT图像	282名参与者（223名COPD患者和59名健康对照），来自广州队列，深圳队列作为外部验证	pyradiomics, NeuLungCARE	VGG-16	AUC	NA
3947	2026-02-19	Machine Learning Prediction of Protein Adsorption on Drug-delivering Nanoparticles: A Literature Survey and Need for Future Development 2026-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-025-03981-6 PMID:41298984	综述	本文综述了机器学习在预测药物递送纳米颗粒上蛋白质吸附方面的研究，并强调了未来发展的需求	强调结合随机森林和深度学习的互补优势来克服实验数据有限的挑战，并指出未来模型可能扩展到其他生物冠成分，特别是针对软材料如脂质纳米颗粒	当前研究主要集中于蛋白质冠，缺乏对其他生物冠成分的全面考虑，且实验数据质量和多样性有待提高	优化纳米颗粒设计以用于药物递送、诊断和治疗	纳米颗粒-蛋白质相互作用	机器学习	NA	NA	随机森林, 深度学习	高维数据	NA	NA	NA	NA	NA
3948	2026-02-19	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	综述与荟萃分析	本文对人工智能驱动的MRI运动伪影检测与校正方法进行了系统性回顾和荟萃分析	聚焦于深度学习，特别是生成模型，在MRI运动伪影处理中的应用，并评估其发展、有效性及挑战	方法泛化能力有限，依赖成对训练数据，存在视觉失真风险，且缺乏标准化数据集和报告协议	评估人工智能方法在检测和校正磁共振成像运动伪影方面的当前进展、效果、挑战及未来研究方向	人工智能驱动的MRI运动伪影检测与校正方法	医学影像分析	NA	磁共振成像	深度学习，生成模型	图像	NA	NA	NA	NA	NA
3949	2026-02-19	Wesselsbron Virus-Induced Hepatitis in Ewes and Lambs Unraveled Through Machine Learning-Driven Digital Histopathology 2026, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/tbed/7912840 PMID:41693730	研究论文	本研究利用机器学习驱动的数字组织病理学方法，系统评估了Wesselsbron病毒在母羊和羔羊中诱导的肝炎	首次将深度学习与全玻片成像技术结合，对WSLV诱导的肝炎进行客观、定量的组织病理学表征，并揭示了组织细胞密度与病毒载量之间的强相关性	样本量较小（实验组14只，对照组6只），且仅研究了两种病毒株系	通过数字组织病理学客观表征Wesselsbron病毒诱导的肝炎病变	感染WSLV clade I (rSA999) 和 clade II (SAH117) 的母羊和羔羊	数字病理学	病毒性肝炎	免疫组织化学染色，RT-qPCR，全玻片成像	深度学习	组织病理学图像	20只动物（6只感染clade I，8只感染clade II，6只对照组）	NA	NA	相关性分析（与RT-qPCR结果及肝损伤标志物的相关性）	NA
3950	2026-02-19	Promises and challenges of AI-enabled methods for myocardial characterisation in cardiovascular magnetic resonance 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1638861 PMID:41694301	综述	本文总结了人工智能在心血管磁共振心肌组织表征中的最新进展，并探讨了其临床转化的前景与挑战	AI技术通过深度学习自动化LGE分割、改进运动校正和图像重建、利用原生CMR信号实现无对比剂瘢痕表征，并加速了心脏磁共振指纹识别和扩散张量成像等新兴技术	临床转化受限于大规模异质训练数据的获取、泛化性、公平性、可解释性问题，以及监管批准和临床部署的障碍	探讨人工智能在心血管磁共振心肌组织表征中的应用，以解决传统方法的局限性并推动临床转化	心血管磁共振成像数据，特别是心肌组织表征相关图像	数字病理	心血管疾病	心脏磁共振成像，包括LGE、T1 mapping、磁共振指纹识别、扩散张量成像	深度学习	图像	NA	NA	NA	NA	NA
3951	2026-02-19	The impact of online real-time teaching interaction on teaching effect among undergraduate nursing students: the mediating role of deep learning 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1715936 PMID:41694521	研究论文	本研究探讨了在线实时教学互动、深度学习与教学效果之间的关系，并分析了深度学习在其中的中介作用	首次在护理本科生在线教育背景下，实证检验了深度学习在在线实时教学互动与教学效果间的中介作用	采用方便抽样，样本仅来自河北省高校，可能限制结果的普适性；横断面设计无法确定因果关系	探索护理本科生在线实时教学互动、深度学习与在线教学效果之间的关系，并分析深度学习的中介作用	河北省开设护理专业高校的587名护理本科生	教育技术	NA	问卷调查法	NA	问卷量表数据	587名护理本科生	SPSSAU	NA	相关系数(r), p值, 中介效应值, 中介效应占比	NA
3952	2026-02-19	A scalable and reliable deep learning framework for enhanced brain tumor detection and diagnosis using AI-based medical imaging 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1738796 PMID:41695179	研究论文	提出了一种可扩展且可靠的深度学习框架，用于通过AI医学影像增强脑肿瘤检测和诊断	采用两阶段深度学习架构，结合分割和分类，以提高检测可靠性，并注重临床适用性和数据治理	未涉及肿瘤亚型的诊断，可能限制了在更精细分类中的应用	开发一个用于脑肿瘤检测和诊断的深度学习框架，以支持及时诊断和基于证据的决策	脑肿瘤	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	DeepLabV3, CNN	准确率, 精确率, 召回率	NA
3953	2026-02-19	Transforming multi-omics data into images for disease classification: A review of techniques and tools 2026-Jan, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100543 PMID:41695317	综述	本文综述了将多组学非图像数据转换为图像格式以利用深度学习进行疾病分类和生物标志物发现的技术与工具	系统回顾了多组学数据图像化转换这一新兴方法，并总结了多种转换技术与深度学习模型的结合应用	存在过拟合、泛化能力有限和可解释性不足等挑战，且多组学数据的多样性和复杂性加剧了这些问题	探讨多组学数据图像化转换技术及其在疾病分类和生物标志物发现中的应用	2013年至2024年间发表的关于多组学数据转换为图像的研究	机器学习	NA	t-SNE, kernel PCA, UMAP, FFT, treemaps	CNN, autoencoders, SVM, GCN, GNN	多组学数据	NA	NA	NA	准确率	NA
3954	2026-02-19	Radiation exposure and clinical validation of autosegmentation models for the supraventricular cardiac conduction system in breast cancer radiotherapy: an institutional perspective 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1734696 PMID:41695359	研究论文	本研究评估了乳腺癌放疗中窦房结和房室结的辐射剂量，并临床验证了一种基于深度学习的自动分割模型	首次在乳腺癌放疗中系统评估心脏传导节点的剂量，并开发了CNN自动分割模型，实现了高效准确的解剖结构勾画	样本量较小（87例患者），且为单中心回顾性研究，可能限制结果的普适性	评估乳腺癌放疗中心脏传导节点的辐射暴露风险，并验证自动分割模型的临床适用性	接受调强放疗的乳腺癌患者	数字病理学	乳腺癌	调强放疗（IMRT）	CNN	医学影像	87例乳腺癌患者（训练集60例，验证集7例，测试集20例）	NA	卷积神经网络	Dice相似系数	NA
3955	2026-02-19	Toward Efficient Identification of Retinal Diseases: A Lightweight Convolutional Neural Network-Based Approach Using Optical Coherence Tomography 2026 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70059 PMID:41695596	研究论文	本文提出了一种基于轻量级卷积神经网络的诊断框架，用于高效识别视网膜疾病	模型集成了轻量卷积块和全局-局部融合块，采用深度可分离卷积和挤压-激励机制，参数仅0.27百万，适合边缘设备部署	未明确提及模型在更广泛或更具挑战性数据集上的泛化能力	开发高效的视网膜疾病诊断方法，适用于临床边缘设备	光学相干断层扫描图像	计算机视觉	视网膜疾病	光学相干断层扫描	CNN	图像	三个基准数据集：OCT 2017、OCT C8和OCTDL	未指定	轻量卷积块、全局-局部融合块	准确率、混淆矩阵、ROC分析	未指定
3956	2026-02-19	A Hybrid Ensemble Approach for Early-Stage Diabetes Detection 2026 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70060 PMID:41695598	研究论文	本文提出了一种结合XGBoost和深度神经网络的混合集成方法，用于早期糖尿病检测	采用软投票的混合集成框架，结合XGBoost和深度神经网络，提高了模型的稳定性和泛化能力	未明确说明模型在更广泛人群或不同医疗环境中的验证情况	开发一种用于早期糖尿病检测的混合机器学习-深度学习模型	糖尿病早期检测	机器学习	糖尿病	NA	XGBoost, DNN	NA	两个数据集：Diabetes UCI数据集和新收集的尼泊尔数据集	NA	NA	准确率, AUC	NA
3957	2026-02-19	Deep learning-based prediction of TERT mutation status from MRI for glioma molecular subtyping 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1749556 PMID:41695629	研究论文	本研究开发并验证了一种基于术前MRI的深度学习模型，用于无创预测胶质瘤患者的TERT启动子突变状态	首次利用深度学习模型从常规MRI中预测TERT启动子突变状态，为胶质瘤分子分型提供了一种非侵入性工具	研究为单中心回顾性研究，样本量较小（100例），需要多中心数据进一步验证以增强临床适用性	开发一种基于术前MRI的非侵入性方法，用于预测胶质瘤的TERT启动子突变状态，以辅助分子分型	经组织学证实的高级别胶质瘤患者	数字病理学	胶质瘤	MRI（对比增强T1加权序列）	CNN	图像	100例患者	NA	RegNet, GhostNet, MobileNet, ResNeXt50, ShuffleNet	准确率, 精确率, 召回率, F1分数, AUC	NA
3958	2026-02-19	Better data for better predictions: data curation improves deep learning for sgRNA/Cas9 prediction 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20706 PMID:41695711	研究论文	本文探讨了通过数据优化方法提升sgRNA/Cas9预测模型性能的研究	采用数据为中心的方法，通过优化输入序列长度和数据过滤策略，而非仅依赖模型架构改进，来提升预测性能	NA	提高细菌SpCas9系统的靶向切割预测准确性	sgRNA核苷酸序列及其活性评分	机器学习	NA	NA	深度学习	序列数据	NA	NA	crisprHAL	NA	NA
3959	2026-02-19	Artificial intelligence for patent ductus arteriosus-a systematic review 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1648943 PMID:41695746	系统综述	本文对人工智能在动脉导管未闭领域的应用研究进行了系统性回顾，评估了现有研究的优势、局限性和未来方向	首次对人工智能在动脉导管未闭领域的应用进行全面系统综述，识别了该领域的研究现状、方法学挑战和临床转化障碍	纳入研究存在高度异质性，无法进行荟萃分析；所有研究均存在高偏倚风险；缺乏外部验证、临床效用评估和公平性考量	评估人工智能在动脉导管未闭管理中的应用现状、有效性和局限性	动脉导管未闭患者，特别是早产儿、新生儿和儿科队列	机器学习	心血管疾病	NA	监督学习, 传统机器学习, 深度学习	多模态参数, 高维单模态数据	11项研究，样本量范围66-8,369，多数小于500	NA	NA	AUC	NA
3960	2026-02-19	Evaluating haptic experience using EEG and deep learning across multiple modalities: linking stimulus and self-reports 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1666558 PMID:41695974	研究论文	本研究通过EEG和深度学习评估多模态触觉体验，比较基于物理刺激参数和自我报告标签的模型性能	系统性地比较了基于物理刺激参数和自我报告标签的深度学习模型在触觉体验评估中的表现，揭示了在接近感知阈值时物理刺激标签的优越性	研究未探讨如何将物理刺激训练的模型与用户特定的自我报告信息进行有效结合	探索神经响应与触觉体验的物理刺激参数和自我报告感知之间的关系	触觉接口的EEG神经响应数据	机器学习	NA	EEG	深度学习	EEG信号	NA	NA	ATCNet, EEG Inception, EEG Conformer	NA	NA