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
461	2026-03-30	Exploring how deep learning decodes anomalous diffusion via Grad-CAM 2026-Mar-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71229-x PMID:41904151	研究论文	本研究利用Grad-CAM技术探索深度学习如何从原始轨迹数据中识别异常扩散机制的特征	首次将Grad-CAM应用于异常扩散分类的可解释性分析，揭示了深度学习在不同时空尺度上提取统计特征的能力	研究仅基于ResNet架构，未探索其他深度学习模型；分析主要针对模拟轨迹数据，实际实验数据的适用性有待验证	探究深度学习算法识别异常扩散机制的工作原理	异常扩散模型的轨迹数据	机器学习	NA	Grad-CAM（梯度加权类激活映射）	CNN	轨迹数据	NA	NA	ResNet	NA	NA
462	2026-03-30	The athlete microbiome project: Integrating deep learning to reveal microbial associations of physical fitness 2026-Mar-28, Physiological genomics IF:2.5Q2 DOI:10.1152/physiolgenomics.00278.2025 PMID:41902691	研究论文	本研究通过整合深度学习技术，揭示了运动员与非运动员肠道微生物组与身体适能指标（如VO₂max和无脂体重百分比）之间的关联	首次大规模整合多大陆已发表的人类微生物组数据，并应用多层感知机神经网络和随机森林模型，系统揭示了运动员肠道微生物组的独特模式及其与身体适能指标的强关联	研究为基于已发表数据的二次分析，可能受原始研究设计异质性的影响；因果关系尚未通过实验验证	探究运动员是否具有独特的肠道微生物组，以及微生物组组成是否与身体适能指标相关	运动员（n=656）与非运动员（n=199）的肠道微生物组数据	机器学习	NA	扩增子测序	随机森林, 多层感知机	微生物组序列数据, 元数据	总计855名参与者（运动员656人，非运动员199人）	Scikit-learn, TensorFlow或PyTorch（未明确指定）	多层感知机神经网络	平衡准确率, AUC	NA
463	2026-03-30	AI-Based Forecasting of National Tourism Revenues: Integrating Economic, Fiscal, Political, and Environmental Determinants Through Regression-Oriented Hybrid Models 2026-Mar-28, Big data IF:2.6Q2 DOI:10.1177/2167647X261431683 PMID:41902908	研究论文	本研究提出了一种预测国家旅游收入的先进框架，通过系统比较机器学习、深度学习和混合架构，整合经济、财政、政治和环境因素	提出了一种回归导向的两阶段残差提升混合模型设计，结合Transformer的预测能力和LightGBM的结构可解释性，超越了先前的深度学习-深度学习堆叠混合方法	实证结果为相关性而非因果性，不能解释为政策干预的因果效应	预测国家旅游收入，为政策制定者提供财政规划、政治稳定和环境可持续性的行动指导	国家年度面板数据	机器学习	NA	NA	LightGBM, Transformer, 混合模型	面板数据	NA	NA	Transformer	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
464	2026-03-30	Fast 3D whole-body occupational dose estimation in interventional radiology using physics-informed deep learning 2026-Mar-28, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01043-z PMID:41903035	研究论文	本研究提出了一种基于物理信息深度学习的框架，用于快速预测介入放射学中医师的三维辐射剂量分布	首次将物理信息深度学习与GPU加速的蒙特卡洛模拟相结合，实现了快速、准确且具有解剖学细节的三维职业剂量估计，解决了传统点剂量测量的关键局限	未明确提及模型在临床实际环境中的泛化能力验证，以及不同设备或场景下的适用性评估	开发一种快速、准确的三维全身职业剂量估计方法，以改进介入放射学中的辐射防护	介入放射学中医师的全身三维辐射剂量分布	医学物理与深度学习交叉领域	NA	GPU加速的蒙特卡洛模拟、X射线散射辐射测量	深度学习	三维剂量图（体素数据）	通过GPU Geant4蒙特卡洛模拟平台生成的多种X射线能量、C臂角度和医师配置下的三维剂量图数据集	未明确指定（可能为PyTorch或TensorFlow）	残差3D U-Net、基于Transformer的3D U-Net	平均绝对误差、伽马通过率、体素级误差指标、个人剂量当量	GPU加速（具体型号未指定）、GPU Geant4蒙特卡洛模拟平台
465	2026-03-30	Convolutional neural network for real‑time localization of ganglionated plexi from bipolar intracardiac electrograms 2026-Mar-28, Journal of interventional cardiac electrophysiology : an international journal of arrhythmias and pacing IF:2.1Q3 DOI:10.1007/s10840-026-02307-9 PMID:41903033	研究论文	本研究提出了一种基于一维卷积神经网络（CNN）的模型，用于从双极心内电图（EGM）中实时定位神经节丛（GP），以支持心脏神经消融手术	首次将轻量级一维CNN应用于原始双极EGM数据，实现GP的自动化检测，并结合梯度加权类激活映射（GCAM）增强模型可解释性，提供实时生理学感知决策支持	GP在数据集中占比极低（约3.5%），存在显著的类别不平衡问题；模型在外部测试集上的精确度（0.09）和F1分数（0.17）仍有提升空间	开发一种深度学习模型，以自动化和改进心脏神经消融手术中神经节丛（GP）的定位	从18名患者收集的189,760个双极心内电图（EGM）窗口，用于神经节丛（GP）的检测	机器学习	心血管疾病	双极心内电图（EGM）	CNN	一维信号数据（心内电图）	18名患者，共189,760个双极EGM窗口（左心房18张图，右心房15张图），其中119,222个清洁窗口用于模型开发	PyTorch	一维卷积神经网络（CNN）	准确率, 精确度, 召回率, F1分数, ROC-AUC, PR-AUC	NA
466	2026-03-30	Editorial for "Clinical Feasibility of Deep Learning Contrast Synthesis From MR Fingerprinting in Knee Osteoarthritis" 2026-Mar-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70305 PMID:41903188	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
467	2026-03-30	PTBP1 knockdown reprograms glioma stem cells into neuronal-like cells and suppresses tumorigenesis via the DUSP5-ERK1/2 signaling pathway 2026-Mar-28, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noag068 PMID:41903206	研究论文	本研究揭示了PTBP1通过调控DUSP5-ERK1/2信号通路影响胶质瘤干细胞增殖与分化的新机制，并开发了一种靶向PTBP1的纳米治疗策略	发现了PTBP1/DUSP5/ERK1/2轴调控胶质瘤干细胞命运的新机制，并首次将白血病药物venetoclax重新用于靶向PTBP1的胶质瘤治疗	研究主要基于小鼠模型和体外实验，尚未在人体临床试验中得到验证	探究胶质瘤细胞形态与患者生存的关系，并开发新的治疗策略	胶质瘤患者样本、胶质瘤干细胞、小鼠原位模型	数字病理学	胶质母细胞瘤	深度学习形态分类、组织透明化3D成像、转录组测序、单细胞RNA测序	深度学习模型	H&E染色图像、转录组数据、单细胞测序数据	65例胶质瘤患者标本、小鼠模型	NA	NA	NA	NA
468	2026-03-30	An optimized EfficientNetB0 framework with CLAHE-based preprocessing for accurate multi-class chest X-ray classification 2026-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42492-1 PMID:41904170	研究论文	本研究提出了一种优化的EfficientNetB0框架，结合CLAHE预处理，用于胸部X光片的多标签分类	整合了CLAHE对比度增强、策略性类别平衡和保留数据集固有复杂性的迁移学习策略，专门针对多标签分类场景	未明确讨论模型在外部验证集上的泛化能力或临床部署的可行性	开发一个用于准确分类胸部X光片中多种共发病变的深度学习框架	胸部X光片图像	计算机视觉	肺癌	CLAHE对比度增强	CNN	图像	NIH数据集	NA	EfficientNetB0, DenseNet121, MobileNetV2	AUC, 召回率	NA
469	2026-03-30	Optimized environmental prediction in smart buildings using Dynamic Greylag Goose algorithm and deep learning 2026-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41343-3 PMID:41904179	研究论文	本文提出了一种结合动态灰雁优化算法和长短期记忆网络的预测框架，用于智能建筑环境参数的高精度预测	首次将动态灰雁优化算法以二进制形式应用于传感器特征选择，并同时用于LSTM超参数调优，实现了双重优化	仅使用单一公开数据集进行验证，未在不同类型建筑环境中测试框架的泛化能力	开发高精度环境预测模型以支持智能建筑的主动环境控制	智能建筑环境参数（温度、湿度、空气质量、声音、光照）	机器学习	NA	物联网数据监测	LSTM	时间序列数据	来自智能建筑环境的公开物联网数据集	NA	LSTM	均方误差, Nash-Sutcliffe效率	NA
470	2026-03-30	Domain specific multimodal large language model for automated endoscopy reporting with multicenter prospective validation 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02569-7 PMID:41904204	研究论文	本研究开发了一个名为Report-Angel的集成AI系统，基于多模态大语言模型和传统深度学习模型，用于自动生成上消化道内镜检查的详细报告草案	开发了首个针对上消化道内镜报告自动生成的领域专用多模态大语言模型系统，并进行了前瞻性多中心验证	未明确提及系统在罕见疾病或复杂病例上的表现，也未讨论模型对不同内镜设备或成像条件的适应性	开发一个能够自动生成准确、完整内镜报告的AI系统，以标准化报告流程并减轻内镜医师的工作负担	上消化道内镜检查的图像和视频数据	自然语言处理, 计算机视觉	上消化道疾病	内镜检查	多模态大语言模型, 深度学习模型	图像, 文本, 视频	20,617个图像-文本对，以及前瞻性内部和外部队列、回顾性图像数据集、前瞻性单中心和多中心视频数据集	未明确提及	未明确提及	临床可接受报告率, 报告完整性, 报告准确性, 处理时间	未明确提及
471	2026-03-30	Long term evolutions of hard exudates after anti-VEGF therapy for diabetic macular oedema 2026-Mar-28, Eye (London, England) DOI:10.1038/s41433-026-04408-1 PMID:41904245	研究论文	本研究评估了抗VEGF治疗后糖尿病黄斑水肿患者硬性渗出物体积的长期变化	首次使用深度学习模型对硬性渗出物进行自动分割，并分析了其在5年内的纵向变化	样本量相对较小，且为事后分析，可能存在选择偏倚	评估抗VEGF治疗后硬性渗出物的长期演变及其对视力结果的影响	糖尿病黄斑水肿患者的眼部OCT扫描图像	数字病理学	糖尿病黄斑水肿	光学相干断层扫描	深度学习模型	图像	116只眼	NA	NA	NA	NA
472	2026-03-30	Machine and Deep Learning Models for Preoperative Prediction of Suboptimal Clinical Response One Year after Metabolic Bariatric Surgery: Findings from the Tehran Obesity Treatment Study 2026-Mar-28, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-026-08568-7 PMID:41904288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
473	2026-03-30	Deep learning characterizes depression and suicidal ideation in young adults from eye movements 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02550-4 PMID:41904340	研究论文	本研究利用深度学习分析年轻成年人在阅读和回应情感性句子时的眼动数据，以识别抑郁和自杀意念的客观生物行为标记	首次设计了一个深度学习框架，能够同时考虑眼动数据的试次内和试次间变异，并发现眼动模式在回应生成阶段和对负面情感刺激时更具区分性	样本量相对较小（126名年轻成年人），且结果基于自我报告的症状严重程度，需要更大样本和临床诊断的验证	探索眼动追踪作为抑郁和自杀意念的客观生物行为标记的潜力	126名年轻成年人	机器学习	精神疾病	眼动追踪	深度学习	眼动数据	126名年轻成年人	NA	NA	AUC	NA
474	2026-03-30	A systematic review of the use of artificial intelligence in mental health-based diabetes care: Current applications and future directions 2026-Mar-28, Diabetic medicine : a journal of the British Diabetic Association IF:3.2Q2 DOI:10.1111/dme.70299 PMID:41904510	系统综述	本文系统综述了人工智能在心理健康为基础的糖尿病护理中的应用，总结了当前研究趋势、方法学局限及未来方向	首次系统性地梳理了人工智能在糖尿病心理健康护理领域的研究现状，并识别了研究空白与方法学不足	研究样本多样性不足，前瞻性实验和随机对照试验设计使用较少，过度依赖监督学习算法	梳理人工智能在心理健康为基础的糖尿病护理中的研究现状，识别趋势、方法学局限及未来研究方向	涉及人类、糖尿病背景、心理健康因素及人工智能方法的同行评审实证定量研究	机器学习	糖尿病	NA	监督学习算法, 深度学习模型	NA	41项研究	NA	NA	NA	NA
475	2026-03-30	Contrastive representation learning and capsule networks enable accurate identification of ferroptosis-related proteins 2026-Mar-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01183-9 PMID:41904560	研究论文	本文提出了一种名为FeroConCap的新型深度学习框架，用于准确识别铁死亡相关蛋白	首次将分形混沌游戏表示编码、胶囊网络和监督对比学习相结合，以捕获与铁死亡相关的层次和空间序列依赖性，并开发了用户友好的Web服务器	受限于实验验证数据的有限可用性，且模型性能可能依赖于基准数据集的规模和代表性	开发一种准确且高通量的计算方法来识别铁死亡相关蛋白	铁死亡相关蛋白	自然语言处理	癌症	蛋白质序列分析	Capsule Networks, 深度学习	蛋白质序列	2298个非冗余蛋白质序列	NA	Capsule Networks	准确率, MCC	NA
476	2026-03-30	Toward ultimate NMR resolution with deep learning 2026-Mar-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady7995 PMID:41894514	研究论文	本文提出了一种基于深度学习的核磁共振谱峰概率表示方法，以逼近理论极限的分辨率	引入了峰值概率表示法，并开发了物理启发的深度学习神经网络MR-Ai，实现了多谱协同处理与信息交换	方法在60种数据库蛋白质上验证，但未明确说明在更广泛生物样本或临床样本中的泛化能力	提升核磁共振光谱的分辨率，实现接近理论极限的峰定位精度	蛋白质核磁共振光谱	机器学习	NA	核磁共振光谱	深度学习神经网络	光谱数据	60种数据库蛋白质，包括Tau和MATL1蛋白	NA	MR-Ai	峰定位精度，与克拉美-罗下界和贝叶斯蒙特卡洛估计的理论极限对比	NA
477	2026-03-30	Reducing breath-hold time in liver MRI: Clinical performance of deep learning-accelerated post-contrast T1 VIBE sequences 2026-Mar-25, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112815 PMID:41903373	研究论文	本研究评估了深度学习加速的T1 VIBE序列在缩短肝脏MRI屏气时间的同时，是否能够维持诊断图像质量	首次在临床前瞻性研究中，将深度学习加速的MRI序列（10秒和6秒）与标准18秒序列进行直接比较，验证了其非劣效性	加速序列在解剖区分性和病灶显影性方面评分略低于标准序列，图像质量存在轻微折衷	评估深度学习加速技术能否缩短肝脏MRI屏气时间，同时保持诊断可接受性	接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	T1加权两点Dixon梯度回波序列，深度学习加速重建	深度学习模型	MRI图像	99名患者（平均年龄61.0±15.4岁，49.5%女性）	NA	NA	Likert量表评分（图像质量、运动伪影、其他伪影、解剖区分性、病灶显影性），非劣效性检验	1.5T MRI系统
478	2026-03-30	The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review 2026-Mar-23, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121869 PMID:41881175	综述	本文对脑损伤患者T1加权MRI病灶修复工具的演变进行了范围综述	首次系统性地对脑损伤病灶修复工具进行分类和比较，涵盖传统方法与深度学习方法，并为工具的使用和开发提供建议	仅纳入24篇文献，可能未覆盖所有相关研究；作为范围综述，未进行定量荟萃分析	综述脑损伤患者MRI病灶修复工具的发展，以促进其在神经影像分析中的广泛应用	脑损伤患者的T1加权MRI图像	数字病理学	脑损伤	T1加权磁共振成像	CNN, GAN, 去噪扩散模型	图像	NA	NA	NA	NA	NA
479	2026-03-30	DFENet: A Novel Dual-Path Feature Extraction Network for Semantic Segmentation of Remote Sensing Images 2026-Mar-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030141 PMID:41892943	研究论文	本文提出了一种新颖的双路径特征提取网络（DFENet），用于遥感图像的语义分割，旨在解决特征融合和频域信息利用的挑战	提出了一种双路径模块（DPM）来分别提取全局和局部特征，并创新性地集成了四种特征提取策略以从不同粒度提取全局特征；设计了一个以离散小波变换（DWT）为主的频域特征提取块（FFEB），有效捕获高频和低频分量	NA	提高遥感图像语义分割的性能，解决语义混淆和边界模糊问题	遥感图像（RSIs）	计算机视觉	NA	离散小波变换（DWT）	CNN	图像	ISPRS Vaihingen数据集和ISPRS Potsdam数据集	NA	DFENet	平均交并比（mIoU）	NA
480	2026-03-30	Clinical priors-inspired privileged knowledge distillation for reliable pancreatic lesion classification 2026-Mar-23, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104041 PMID:41903258	研究论文	提出一种基于临床先验知识的特权知识蒸馏框架，用于提高胰腺病变分类的可靠性	引入两种由临床先验指导的新组件：诊断相关特权知识策略和先验引导的双重校准策略，将MRI作为特权模态来增强CT分类	需要多模态数据进行训练，且推理阶段仍依赖CT单模态	提高胰腺病变分类的准确性和临床可靠性	胰腺病变（包括小病灶或等密度病灶）	计算机视觉	胰腺癌	CT, MRI	深度学习	医学图像	多中心数据集（具体数量未提供）	PyTorch	知识蒸馏框架	准确率	NA