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
441	2026-03-30	DeepIM: Integrating Channel-Spatial Attention with Transformer for DNA i-Motif Folding Status Prediction 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00023 PMID:41854168	研究论文	本文提出了一种名为DeepIM的新型深度学习模型，用于高精度预测DNA i-Motif结构的折叠状态	首次将通道-空间注意力机制与Transformer架构相结合，用于DNA i-Motif折叠状态预测，并实现了高准确性和可解释性	模型依赖于酸性条件下的序列数据，可能不适用于其他生理条件；且需要大量标注数据进行训练	开发一种高效、高精度的计算方法来预测DNA i-Motif结构的折叠状态	DNA序列中的i-Motif结构	生物信息学	癌症	深度学习	Transformer, 注意力机制	DNA序列	超过750,000条序列	NA	Transformer, 通道-空间注意力机制	准确率	NA
442	2026-03-30	Hybrid Graph-Machine Learning Framework for Accurate and Interpretable Band Gap Prediction 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00365 PMID:41855083	研究论文	本研究提出了一种结合图深度学习嵌入与经典机器学习算法的混合人工智能框架，用于实现高精度、可解释且计算高效的带隙预测	通过整合CGCNN、MEGNet和SchNet架构的图深度学习嵌入与物理意义明确的晶体描述符，并采用优化的梯度提升和神经架构进行训练，实现了比传统模型和独立图神经网络更高的预测精度，同时计算资源需求更低且泛化能力更强	未明确说明模型在特定材料类别或极端条件下的预测局限性，以及训练数据可能存在的偏差	加速半导体和能源材料的发现与设计，通过人工智能方法实现准确、可解释的带隙预测	晶体结构及其电子带隙	机器学习	NA	图深度学习嵌入、梯度提升算法、神经网络训练	CGCNN, MEGNet, SchNet, 梯度提升模型, 神经网络	晶体结构数据	来自Materials Project数据库的136,000个晶体结构	NA	CGCNN, MEGNet, SchNet	R², MAE, MSE	较低的计算资源需求（具体类型未指定）
443	2026-03-30	Optimized Reinforcement Learning-Driven Model for Remote Sensing Change Detection 2026-Mar-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030139 PMID:41892941	研究论文	本文提出了一种结合双分支U-Net与深度强化学习的反馈驱动框架，用于遥感变化检测中的像素级概率迭代优化	引入基于PPO的强化学习代理，将变化概率图的优化建模为马尔可夫决策过程，实现自适应误差校正，提升边界保真度和空间一致性	未明确说明计算复杂度或实时性限制，且实验仅在四个公开数据集上进行验证	解决遥感变化检测中因成像不确定性和静态推理范式导致的伪变化及边界碎片化问题	遥感图像中的变化区域检测	计算机视觉	NA	遥感成像技术	CNN, 强化学习	图像	四个数据集（CDD、SYSU-CD、PVCD、BRIGHT），具体样本数量未明确	PyTorch（基于常见实现推断）	U-Net, SiamU-Net	mIoU	NA
444	2026-03-30	Real-Time Endoscopic Video Enhancement via Degradation Representation Estimation and Propagation 2026-Mar-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030134 PMID:41892936	研究论文	本文提出了一种高效的逐步内窥镜图像增强框架，通过估计和传播隐式退化表示来实时提升视频质量	引入隐式退化表示作为中间特征来指导增强模块，并利用内窥镜视频的时间连续性，仅在关键帧估计高质量退化表示，其余帧通过快速帧间传播获得，显著提高了计算效率	未明确说明方法在极端退化情况下的性能，且假设图像退化在短时间间隔内平滑演化可能不适用于所有手术场景	开发一种实时内窥镜视频增强方法，以改善手术场景的可视化和理解	内窥镜图像和视频，特别是单端口内窥镜手术中的退化图像	计算机视觉	NA	深度学习	NA	视频, 图像	NA	NA	NA	增强质量, 计算效率, 下游分割任务评估	NA
445	2026-03-30	Hyper-Thyro Vision: An Integrated Framework for Hyperthyroidism Diagnostic Facial Image Analysis Based on Deep Learning 2026-Mar-15, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11030210 PMID:41892133	研究论文	本文提出了一种基于深度学习的集成多模态框架，用于通过联合分析正面面部和颈部图像来检测与甲状腺功能亢进相关的异常，即突眼和甲状腺相关的颈部肿胀	提出了一个模拟生物视觉机制的双通路架构，同时处理眼睛和颈部的高分辨率细节，并将视觉嵌入与定量形态学测量相结合，以模拟临床医生融合观察与物理评估的能力	NA	开发一个集成的AI框架，通过同时分析眼睛和颈部的面部图像，基于临床模式知识来改进甲状腺功能亢进相关异常的检测	与甲状腺功能亢进相关的面部异常，特别是突眼和颈部肿胀	计算机视觉	甲状腺功能亢进	深度学习	CNN	图像	NA	NA	YOLOv11s, 双分支架构	平均精度均值(mAP50)	NA
446	2026-03-30	GeoPMB: An Interface-Aware Geometric Deep Learning Framework for Peptide-MHCI Binding Prediction with Evolutionary Insight 2026-Mar-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03233 PMID:41830611	研究论文	本文提出了一种名为GeoPMB的新型几何深度学习框架，用于预测肽段与MHCI分子的结合，该框架结合了预训练蛋白质语言模型和几何图网络	将几何深度学习与预训练蛋白质语言模型协同整合，显式建模预测的pMHCI复合物内的空间依赖性和界面物理化学特征，解决了现有方法在捕获精细3D几何约束和泛化到罕见等位基因方面的不足	未在摘要中明确说明	开发一种准确的计算方法，用于高通量预测肽段与I类主要组织相容性复合物（MHCI）分子的结合，以助力疫苗和免疫疗法的开发	肽段与MHCI分子的结合	机器学习	NA	几何深度学习，预训练蛋白质语言模型	几何图网络	序列数据，结构数据	NA	NA	几何图网络	结合特异性预测，结合亲和力预测	NA
447	2026-03-30	ncProFormer: A CNN-enhanced Transformer for ncRNA Coding-Potential Prediction 2026-Mar-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00056 PMID:41830618	研究论文	本文提出了一个名为ncProFormer的深度学习框架，用于预测非编码RNA的编码潜力	首次在ncRNA编码潜力预测中引入跨物种评估，并整合了核酸语言模型GENA-LM和CNN增强的Transformer编码器，以联合捕获局部核苷酸模式和长程依赖关系	未在摘要中明确提及	准确识别具有编码潜力的非编码RNA	非编码RNA	自然语言处理	NA	深度学习	CNN, Transformer	序列数据	内部人类数据集、外部验证数据集、公共CPPred基准数据集以及小鼠和大鼠数据集	NA	CNN-enhanced transformer encoder	NA	NA
448	2026-03-30	Acoustic Signal-Based Piezoelectric Thin-Film Microbalance: A Versatile and Portable Platform for Biomedical Sensing and Point-of-Care Testing 2026-Mar-13, Biosensors DOI:10.3390/bios16030160 PMID:41892052	研究论文	本文介绍了一种结合声学信号分析和深度学习的便携式压电薄膜微天平平台，用于即时护理质量检测	该平台整合了柔性聚偏氟乙烯传感器、智能手机声学信号采集和三种深度学习模型，实现了无标记、实时检测，具有成本效益和可扩展性	NA	开发一种便携式平台，用于生物医学传感和即时护理测试中的质量检测	压电薄膜微天平平台及其在生物医学传感中的应用	机器学习	NA	声学信号分析	CNN, LSTM, Transformer	声学信号	NA	NA	卷积神经网络, 长短期记忆网络, Transformer	分类准确率	NA
449	2026-03-30	Current Applications and Future Directions of Artificial Intelligence in Prostate Cancer Diagnosis: A Narrative Review 2026-Mar-13, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33030166 PMID:41892194	综述	本文是一篇关于人工智能在前列腺癌诊断中当前应用与未来方向的叙述性综述	系统性地整合了人工智能在医学影像、数字病理学、液体活检和多组学整合等多个关键诊断领域的应用证据，并指出了未来研究方向	作为叙述性综述，未进行定量荟萃分析；文中提及的挑战包括数据异质性、算法可解释性及工作流整合问题	综述人工智能技术在前列腺癌诊断中的应用现状并探讨未来发展方向	前列腺癌的诊断方法及相关人工智能技术	数字病理学	前列腺癌	NA	深度学习	多源数据（医学影像、病理图像、液体活检数据、多组学数据）	NA	NA	NA	NA	NA
450	2026-03-30	A Trustable Spine Abnormalities Classification System Using ResNet50 and VGG16 Supported by Explainable Artificial Intelligence 2026-Mar-12, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11030206 PMID:41892129	研究论文	本研究提出了一种基于ResNet50和VGG16的可解释人工智能系统，用于脊柱异常X光图像分类	结合可解释人工智能方法（Grad-CAM）提升深度学习模型在医学诊断中的可信度，并比较不同训练策略对模型临床相关性的影响	模型准确率与临床相关性存在差异，随机初始化VGG16虽准确率高但未聚焦临床相关区域	开发可信赖的脊柱异常自动分类系统，提升深度学习模型在医疗诊断中的可解释性	脊柱X光图像	计算机视觉	脊柱异常	X光成像	CNN	图像	未明确说明样本数量	未明确说明	ResNet50, VGG16	准确率	未明确说明
451	2026-03-30	Artificial Intelligence in Cardiovascular Imaging: From Automated Acquisition to Precision Diagnostics and Clinical Decision Support 2026-Mar-11, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14010132 PMID:41892847	综述	本文综述了人工智能在心血管影像学中的当前与新兴应用，并评估了其在精准诊断和临床决策支持方面的潜在价值	系统性地总结了AI如何从图像采集自动化扩展到疾病表型分析和个性化临床决策支持，并强调了视频、时序和多模态模型的最新发展	向常规临床实践的转化仍受限于数据集异质性、外部验证不足、算法偏差、可解释性有限以及监管审批和工作流整合方面的挑战	评估人工智能在心血管影像学中的应用潜力，以克服当前临床实践中的局限性，并推动其向精准医学工具发展	主要心血管影像模态，包括超声心动图、心血管磁共振、心脏计算机断层扫描和核心脏病学	计算机视觉	心血管疾病	NA	机器学习, 深度学习	图像, 视频	NA	NA	NA	NA	NA
452	2026-03-30	Deep Learning Based Computer-Aided Detection of Prostate Cancer Metastases in Bone Scintigraphy: An Experimental Analysis 2026-Mar-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030121 PMID:41892923	研究论文	本研究通过实验评估了14种卷积神经网络架构在平面骨闪烁扫描中用于前列腺癌骨转移二元分类的性能	首次在统一协议下对14种CNN架构在平面骨闪烁扫描中进行系统性的实验比较，并引入注意力机制变体进行分析	研究基于单一机构的数据集，缺乏外部验证，且样本量相对有限	开发可靠的计算机辅助检测系统，以支持前列腺癌骨转移的自动化诊断	前列腺癌患者的平面骨闪烁扫描图像	计算机视觉	前列腺癌	骨闪烁扫描	CNN	图像	600张扫描图像（300张正常，300张转移性）	NA	CNN, AlexNet, VGG16, VGG19, ResNet18, ResNet34, ResNet50, ResNet50-attention, DenseNet121, DenseNet169, DenseNet121-attention, WideResNet50_2, EfficientNet-B0, ConvNeXt-Tiny	AUC-ROC, 准确率, 精确率, 灵敏度（召回率）, F1分数, 特异性, Cohen's κ, Brier分数	NA
453	2026-03-30	Talking Head Generation Through Generative Models and Cross-Modal Synthesis Techniques 2026-Mar-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030119 PMID:41892920	综述	本文对说话头部生成领域进行了全面系统的技术综述	提出了基于输入模态和生成目标的方法分类法，并特别强调了生成式人工智能的整合如何显著提升了系统的适应性和真实感	NA	概述说话头部生成领域的技术现状、方法、数据集和评估指标	说话头部生成系统	计算机视觉	NA	NA	GAN, 运动感知循环架构, 基于注意力的模型	音频-视觉数据	NA	NA	NA	图像质量, 运动准确性, 同步性, 语义保真度	NA
454	2026-03-30	Automated Detection of Parasitic Elements in Veterinary Fecal Samples Using a Deep Learning-Based Object Detection Framework 2026-Mar-10, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci13030257 PMID:41893674	研究论文	本研究探讨了使用YOLOv8深度学习框架自动检测兽医粪便样本中寄生虫元素的方法	首次将YOLOv8对象检测框架应用于兽医粪便显微镜图像中多种寄生虫元素的自动化识别，实现了高精度和快速推理	研究仅针对六种特定寄生虫类群，数据集规模相对有限（326张图像），且未在更广泛的临床环境中进行验证	开发一种自动化、高效的寄生虫检测工具，以替代传统人工显微镜检查，减少诊断变异性和劳动强度	兽医粪便样本中的寄生虫元素，包括虫卵、虫卵包、钩虫卵、包囊和滋养体等六类	计算机视觉	寄生虫感染	显微镜检查，深度学习对象检测	CNN	图像	326张粪便显微镜图像，包含3710个标注对象	PyTorch	YOLOv8n	平均精度均值（mAP@0.5），每类AP	标准CPU
455	2026-03-30	Towards the Development of a Deep Learning Framework Using Adaptive and Non-Adaptive Time-Frequency Features for EEG-Based Depression Therapy Prediction 2026-Mar-09, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16030301 PMID:41892644	研究论文	本研究提出了一种基于深度学习的计算机辅助决策框架，利用脑电图信号的时间-频率特征来预测抑郁症患者对两种不同疗法（SSRI和rTMS）的治疗反应	首次系统比较了自适应（VMD）与非自适应（CWT）时间-频率特征在抑郁症治疗预测中的表现，并揭示了特征选择具有疗法特异性；发现精心设计的谱图与简单的预训练残差网络结合，无需循环或注意力层即可获得有竞争力的性能	样本量相对较小（SSRI 30例，rTMS 46例）；研究结果需要在更大规模、多中心数据集中进行验证	开发一个深度学习框架，用于在治疗开始前预测抑郁症患者对特定疗法的个体化反应，以辅助临床决策	接受选择性5-羟色胺再摄取抑制剂（SSRI）治疗的30名患者和接受重复经颅磁刺激（rTMS）治疗的46名患者	机器学习	抑郁症	连续小波变换（CWT）、变分模态分解（VMD）、像素级融合	CNN	脑电图（EEG）信号转换的时间-频率图像	SSRI患者30例，rTMS患者46例	NA	ResNet-18, MobileNet-V3, EfficientNet-B0, TinyViT-Hybrid	准确率	NA
456	2026-03-30	Artificial Intelligence in Venous Thromboembolism Prevention: A Narrative Review of Machine Learning, Deep Learning, and Natural Language Processing 2026-Mar-06, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13030119 PMID:41892708	综述	本文综述了人工智能（包括机器学习、深度学习和自然语言处理）在静脉血栓栓塞预防中的应用现状与前景	整合了多种AI技术（ML、DL、NLP）在VTE预防中的综合应用，并探讨了可穿戴设备数据与时间序列分析的动态风险评估新方向	作为叙述性综述，缺乏系统性定量分析；AI技术在实际临床工作流中的整合仍需前瞻性验证和跨机构合作	探讨人工智能技术在静脉血栓栓塞预防领域的应用潜力与实现路径	静脉血栓栓塞（VTE）高风险患者的识别与管理	自然语言处理, 机器学习	心血管疾病	电子健康记录分析、医学影像解读、临床文本挖掘	随机森林, 支持向量机, 梯度提升, CNN	结构化电子健康记录、医学影像、非结构化临床文本、可穿戴设备时间序列数据	NA	NA	卷积神经网络	诊断准确率	NA
457	2026-03-30	Evidence-Guided Diagnostic Reasoning for Pediatric Chest Radiology Based on Multimodal Large Language Models 2026-Mar-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030111 PMID:41892913	研究论文	提出了一种基于多模态大语言模型的、证据引导的儿科胸部放射学诊断推理两阶段范式	提出了一种与临床放射学工作流程紧密结合的可信两阶段诊断范式，将诊断过程约束在证据基础上，结合了视觉语言模型提取结构化证据和多模态大语言模型整合多源信息进行最终诊断	NA	开发一种可靠、可解释的AI辅助诊断方法，以减轻临床放射科医生的工作负担并提高儿科胸部X光诊断的准确性	儿科胸部X光图像	计算机视觉, 自然语言处理	儿科呼吸系统疾病	胸部X光摄影	视觉语言模型, 多模态大语言模型	图像, 文本	VinDr-PCXR数据集	NA	NA	诊断准确率, F1分数, AUC	NA
458	2026-03-07	Optimized decomposition and deep learning with bias correction for reliable runoff point-interval prediction 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33713-0 PMID:41786752	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
459	2026-03-30	District-Level Dengue Early Warning Prediction System in Bangladesh Using Hybrid Explainable AI and Bayesian Deep Learning 2026-Mar-05, Tropical medicine and infectious disease IF:2.8Q1 DOI:10.3390/tropicalmed11030073 PMID:41893409	研究论文	本研究开发了一个结合可解释AI和贝叶斯深度学习的孟加拉国地区级登革热早期预警预测系统	整合了气候、社会经济、医疗等多源数据，并采用SHAP可解释AI与贝叶斯时空模型来捕捉空间聚类和时间依赖性	未明确提及模型在其他地区或国家的泛化能力，以及长期预测的稳定性	开发一个准确且可解释的地区级登革热早期预警系统，以支持疫情准备和资源分配	孟加拉国所有64个地区从2017年至2024年的登革热病例及相关气候、社会经济、医疗指标	机器学习	登革热	机器学习、深度学习、贝叶斯时空建模	MLP, ConvLSTM, 贝叶斯模型	时间序列数据、空间数据、表格数据	孟加拉国64个地区从2017年至2024年的登革热病例及相关指标数据	NA	多层感知机, 卷积长短期记忆网络, BYM2_RW2	准确率, ROC-AUC, 召回率, DIC	NA
460	2026-03-30	Performance Validation of ORTHOSEG, a Novel Artificial Intelligence Tool for the Segmentation of Orthopantomographs and Intra-Oral X-Rays 2026-Mar-04, Clinics and practice IF:1.7Q2 DOI:10.3390/clinpract16030054 PMID:41892498	研究论文	本研究验证了一种名为ORTHOSEG的新型人工智能工具，用于自动分割口腔X射线图像中的解剖、病理和非病理元素	ORTHOSEG是一种基于深度学习的系统，能够自动分割口腔X射线图像中的多种元素，包括正位全景片、咬翼片和根尖周图像，其分割能力覆盖约70个不同元素，在正位全景片上超越了现有基准	研究使用的数据集来自欧洲人群，缺乏多样性和普遍性；未进行可用性和临床工作流程评估	验证ORTHOSEG人工智能工具在口腔X射线图像分割中的性能，以提高诊断效率和一致性	口腔X射线图像，包括正位全景片、咬翼片和根尖周图像	计算机视觉	NA	深度学习	CNN	图像	150张口腔X射线图像（包括50张正位全景片、50张咬翼片和50张根尖周图像）	NA	NA	平均Dice相似系数, 平均交并比	标准临床硬件