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
41	2026-04-06	Clinical Human-Derived Pathogen Signatures Captured by SERS and Deep Learning for Environmental Exposure Risk Assessment 2026-Mar-20, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.5c00365 PMID:41883383	研究论文	本研究开发了一种结合表面增强拉曼光谱（SERS）与卷积神经网络（CNN）的无标记平台，用于评估抗生素耐药细菌（ARB）的环境暴露风险	首次整合SERS与CNN构建了一个包含368个临床尿路分离菌株的光谱数据库，用于ARB暴露评估，并通过SHAP解释增强了模型的可解释性	研究主要依赖临床尿路分离菌株，可能未涵盖所有环境中的病原体多样性，且在实际大规模环境监测中的应用仍需进一步验证	开发一种用于环境微生物污染和抗生素耐药细菌暴露风险评估的快速、准确监测方法	临床尿路分离的病原体（人类来源）以及废水样本和独立尿液标本	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	368个临床尿路分离菌株，并包括废水样本和独立尿液标本进行验证	NA	卷积神经网络（CNN）	分类准确率	NA
42	2026-04-06	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Mar-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构	引入了动态社区检测的新视角来分析分子动力学模拟，将分子建模为随时间演化的图，并整合图卷积网络与循环模型进行端到端的动态社区识别	NA	揭示复杂生物分子系统的内在组织和动态功能	蛋白质（以三种整合素系统为例）	机器学习	NA	分子动力学模拟	图卷积网络, 循环模型	分子动力学轨迹数据	三种整合素系统	NA	DynMoCo	NA	NA
43	2026-04-06	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	本文提出了一种通过整合蛋白质物理相互作用和动力学来改进深度学习模型在蛋白质序列-功能建模中外推能力的方法	将基于生物物理学的能量效应建模直接整合到卷积神经网络和图卷积神经网络中，以克服训练数据中未见位置或突变类型的外推挑战	未具体说明模型在处理更复杂蛋白质系统或大规模数据集时的可扩展性	改进蛋白质序列到功能关系的建模，以准确预测未见变异的功能效应	蛋白质序列及其功能映射，特别是深度突变扫描数据和可用结构	机器学习	NA	深度突变扫描	CNN, GCN	序列数据, 结构数据	NA	NA	卷积神经网络, 图卷积神经网络, Transformer	NA	NA
44	2026-04-06	Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42019-8 PMID:41760729	研究论文	本研究利用AI辅助数字病理学定量评估牙源性粘液瘤谱系病变中的纤维组织比例，并探讨其与临床病理特征的相关性	首次在多中心研究中应用AI辅助数字病理学定量分析牙源性粘液瘤谱系病变的纤维组织比例，揭示了诊断的机构间变异性	样本量相对有限（100例），且仅基于Masson三色染色切片，可能未涵盖所有病理特征	通过定量病理学方法提高牙源性粘液瘤谱系病变病理评估的客观性和可重复性	牙源性粘液瘤（OM）和牙源性粘液纤维瘤（OMF）的手术标本	数字病理学	牙源性肿瘤	Masson三色染色，全切片图像分析	深度学习	图像	来自34家机构的143个手术标本，经集中病理审查后纳入100例	NA	多阶段深度学习流程	专家评估与定量测量的一致性	统一的数字病理学平台
45	2026-04-06	IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41330-8 PMID:41760833	研究论文	提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟	提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署	当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证	优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量	边缘-云计算环境中的任务调度问题	机器学习	NA	深度强化学习	演员-评论家模型	仿真数据	在不同工作负载下进行的广泛仿真实验	NA	混合演员-评论家深度强化学习框架	归一化奖励、训练损失、运营成本、拒绝率、体验质量	NA
46	2026-02-28	HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40509-3 PMID:41748692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
47	2026-04-06	Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41969-3 PMID:41748689	研究论文	本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题	结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性	NA	评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划	液化引起的浅基础建筑沉降	机器学习	NA	NA	机器学习, 深度学习	结构化数据（建筑特征、岩土参数、地震强度指标）	系统编制的已记录案例研究数据库	NA	NA	NA	NA
48	2026-02-28	A hybrid model for image forgery detection using deep learning with block and keypoint methods 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41473-8 PMID:41748712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
49	2026-04-06	A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40925-5 PMID:41748772	研究论文	本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性	提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐	未在标题和摘要中明确说明	开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常	12导联心电图信号	机器学习	心血管疾病	NA	CNN, Bi-LSTM, Transformer	心电图信号	超过43,000个多标签心电图记录，涵盖27种心律失常类别	NA	CNN, Bi-LSTM, Transformer	准确率, 宏F1分数, ROC曲线下面积	NA
50	2026-04-06	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题	提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制	未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习	驾驶场景数据	NA	NA	NA	安全性能提升幅度（数量级）	NA
51	2026-04-06	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟中揭示蛋白质的模块化亚结构	引入动态社区检测的新视角，将分子建模为时间演化图，并整合图卷积网络与循环模型进行端到端分析	NA	分析分子动力学模拟数据，以揭示蛋白质的动态功能和内在组织	蛋白质分子，特别是整合素系统	机器学习	NA	分子动力学模拟	图卷积网络, 循环模型	分子动力学轨迹数据	三个整合素系统	NA	NA	NA	NA
52	2026-04-06	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视	提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练	需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性	评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法	眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名病例，10名无眼科异常对照）	NA	NA	斯皮尔曼相关系数	NA
53	2026-04-06	Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.017502 PMID:41567872	研究论文	本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能	提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，并通过互信息分析手工特征与深度学习特征之间的相关性	未明确说明框架在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	增强深度学习模型在组织学图像分类中的可解释性和预测性能	组织学全切片图像	数字病理学	肿瘤分类	NA	深度学习模型	图像	三个公共数据集	NA	NA	分类性能，互信息	NA
54	2026-04-06	Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746364 PMID:41884147	研究论文	本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别	提出了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，显著缩短了诊断时间并提高了对STEMI和NSTEMI的识别准确性	模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高敏感性但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征	开发一种人工智能辅助工具，以提升急诊科急性胸痛患者的诊断准确性和临床决策效率	急诊科就诊的急性胸痛患者	数字病理学	心血管疾病	12导联心电图	CNN	图像	1188名患者	NA	结合通道注意力机制的卷积神经网络	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA
55	2026-04-06	YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1714086 PMID:41884779	研究论文	本文提出了一种基于YOLO的深度学习框架YOLOBT，用于动态调整事件相关电位（ERP）研究中坏试次的检测	提出了一种能模拟专家自适应策略的坏试次检测框架，通过全局信号质量评估实现动态阈值调整，并引入了跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新结构	未在论文摘要中明确说明	开发一种能模拟专家自适应判断的自动化ERP坏试次检测方法	脑电图（EEG）信号中的事件相关电位（ERP）试次	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	YOLO	图像（将EEG信号可视化为波形图像）	未在摘要中明确说明具体样本数量，仅提及使用手动标注的数据集	NA	YOLO	精确率，召回率，平均精度均值，F1分数	NA
56	2026-04-06	Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345470 PMID:41926489	研究论文	本文提出了一种结合物理约束和图神经网络的混合模型，用于通过检测嵌合体状态实现跨患者的癫痫发作预测	将基于Kuramoto振荡器理论的物理约束与图神经网络结合，实现了自动化、鲁棒且可解释的嵌合体状态检测，显著提升了跨患者泛化能力	研究主要基于公开数据集，未在更广泛的临床环境中进行实时验证；模型对EEG信号质量可能敏感	开发一种能够跨患者泛化、具有临床可解释性的癫痫发作预测方法	癫痫患者的脑电图（EEG）数据	计算神经科学, 机器学习	癫痫	脑电图（EEG）分析, 相位锁定值（Phase Locking Values）	图神经网络（GNN）, 状态空间网络（Mamba）	多通道脑电图（EEG）信号	CHB-MIT数据集（22名儿科患者，182次发作）；IEEG.org数据集（16名成人患者，87次发作）；总计844小时连续EEG数据	PyTorch	混合物理信息图神经网络（HP-GNN）, 超图卷积网络, Mamba网络	准确率, 灵敏度, 假阳性率每小时, 跨患者泛化准确率	未明确指定，但涉及深度学习模型训练，可能使用GPU
57	2026-04-06	Utilizing the transformer mechanism to predict cervical lymph node metastasis in patients with papillary thyroid carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345937 PMID:41931576	研究论文	本研究开发并验证了基于Vision Transformer (ViT) 的深度学习模型，用于术前预测甲状腺乳头状癌患者的颈部淋巴结转移	首次将Vision Transformer (ViT) 模型应用于甲状腺乳头状癌颈部淋巴结转移的术前预测，并与传统CNN模型、超声影像组学联合模型及临床模型进行比较，显示出更优且稳定的预测性能	研究为回顾性设计，样本量相对有限（540例患者），且仅基于二维矩形超声图像，未来需前瞻性研究和多模态数据验证	开发并验证Vision Transformer (ViT) 模型在术前预测甲状腺乳头状癌患者颈部淋巴结转移中的应用价值	甲状腺乳头状癌患者	计算机视觉	甲状腺癌	超声成像	Vision Transformer (ViT), 卷积神经网络 (CNN)	图像	540例甲状腺乳头状癌患者（来自两家医院）	NA	Vision Transformer (ViT), 传统CNN框架	AUC, 净重分类改善指数 (NRI), 综合判别改善指数 (IDI)	NA
58	2026-04-06	The Predictive Value of the Pan-Immune-Inflammation Value for Atrial Fibrillation Risk in Patients with Coronary Artery Disease: A Multicenter Machine Learning Study 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S579135 PMID:41883473	研究论文	本研究通过多中心机器学习方法，探讨了泛免疫炎症值（PIV）对冠心病患者心房颤动风险的预测价值	首次将新型复合炎症标志物PIV应用于冠心病患者心房颤动的风险预测，并比较了XGBoost与多层感知机模型的性能	研究为回顾性设计，可能存在选择偏倚；样本仅来自两家三级医院，外部验证有待加强	评估PIV对冠心病患者发生心房颤动的预测能力，并构建机器学习模型进行个体化风险评估	经冠状动脉造影确诊的冠心病患者，分为心房颤动组与非心房颤动组	机器学习	心血管疾病	冠状动脉造影，实验室检测	XGBoost, MLP	临床特征与实验室数据	来自两家三级医院的多中心冠心病患者队列	XGBoost, 未指定深度学习框架	XGBoost, 多层感知机	AUC, 校准分析	NA
59	2026-04-06	Advances and challenges from pathological mechanisms to intelligent quantified diagnosis in diabetic optic neuropathy 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261435864 PMID:41883518	综述	本文全面综述了糖尿病性视神经病变的病理生理机制、当前诊断挑战以及人工智能在早期检测和个性化管理中的新兴作用	系统探讨了人工智能在糖尿病性视神经病变中的转化应用，包括视神经头分割、疾病分类、鉴别诊断、预测分析和影像组学新生物标志物发现，并强调了从糖尿病视网膜病变模型向神经退行性变化检测的转变	NA	综述糖尿病性视神经病变的病理机制、诊断挑战及人工智能在量化诊断中的应用前景	糖尿病性视神经病变	数字病理学	糖尿病性视神经病变	NA	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
60	2026-04-06	Improving stain normalization for digital histological image analysis based on the cycle generative adversarial network identity loss model 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261438012 PMID:41883528	研究论文	本研究提出了一种基于循环生成对抗网络身份损失模型的染色归一化框架，旨在改善数字组织病理学图像分析中的染色颜色变化问题	提出了一种结合StainGAN和Stain-to-Stain Translation的I-GAN框架，通过引入身份损失和RGB-灰度训练策略，在测试阶段使用RGB图像以保留原始染色信息，实现了结构信息的保持和跨异质染色域的稳定颜色域转换	NA	开发一个鲁棒的染色归一化框架，以解决染色环境和扫描设备差异导致的颜色变化问题，促进基于深度学习的数字组织病理学图像分析	数字组织病理学图像，特别是苏木精和伊红染色的图像	数字病理学	NA	苏木精和伊红染色	GAN	图像	使用了MITOS-ATYPIA 14、Camelyon17和ICIAR2018 BACH Challenge数据集	NA	StainGAN, Stain-to-Stain Translation	SSIM, PSNR, DeltaE-ITP, 平均精度, 准确率, 精确率, 召回率	NA