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
7041	2026-03-16	AI in the Prediction of Hepatic Fibrosis Progression Using Non-Coding RNAs 2026-Mar-12, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2026.120973 PMID:41831666	综述	本文综述了人工智能在利用非编码RNA预测肝纤维化进展中的应用，包括最新发现、挑战与未来机遇	整合人工智能与多组学数据及非编码RNA互作网络，提升肝纤维化进展预测的精确性和非侵入性诊断工具	数据标准化和临床验证的必要性尚未完全解决，存在潜在挑战	探讨人工智能在肝纤维化中识别非编码RNA生物标志物、预测疾病分期和风险分层的作用	肝纤维化及其进展至肝硬化和肝细胞癌的过程	机器学习	肝纤维化	转录组数据分析	NA	转录组数据	NA	NA	NA	NA	NA
7042	2026-03-16	Evolutionary-Based Deep Learning Network Model using Adaptive Mixing Differential Evolution and Application in Acute Pulmonary Embolism 2026-Mar-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.03.009 PMID:41831678	研究论文	本文提出了一种基于进化计算的深度学习网络模型EDLAlexNet，用于急性肺栓塞的预测和分析	提出了一种结合Q学习和对立学习的自适应混合差分进化算法MIXDE，并将其集成到AlexNet模型中，用于急性肺栓塞的预测	NA	开发一种高效、准确的工具，用于急性肺栓塞的预测和分析，以克服现有评估方法的复杂性、耗时性和侵入性等局限	中低风险和高风险的急性肺栓塞患者	机器学习	急性肺栓塞	NA	CNN	血液生化指标、生命体征、临床参数和临床特征	NA	NA	AlexNet	准确率, 特异性, 敏感性, AUC	NA
7043	2026-03-16	Molecular Design with Artificial Intelligence: Progress and Perspectives for Small Molecules 2026-Mar-11, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.5c00689 PMID:41764645	综述	本文回顾了人工智能在分子设计领域的发展路径，并探讨了AI对化学的实际影响	整合了生成式人工智能（如变分自编码器、大语言模型和扩散模型）于化学分子设计，推动了该领域的爆炸性发展	讨论了AI生成分子合成相关的可能性和问题，但未具体说明技术或应用限制	探讨人工智能在化学分子设计中的进展与前景	小分子	机器学习	NA	NA	变分自编码器, 大语言模型, 扩散模型	NA	NA	NA	NA	NA	NA
7044	2026-03-16	Deep Learning Assisted Proton Pure Shift NMR Spectroscopy 2026-Mar-11, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c22860 PMID:41770844	研究论文	本文提出了一种基于深度学习的质子纯位移核磁共振光谱方法，用于将自旋回波调制的氢核磁共振光谱转换为高灵敏度、高分辨率的单峰光谱	利用深度学习将复杂重叠的多重峰模式转换为虚拟同核去耦纯位移光谱，并预测转换不确定性以实现定量分析	未明确说明方法在特定低灵敏度样品或可交换质子系统中的具体应用限制	开发一种深度学习辅助的核磁共振光谱分析技术，以改善复杂有机化合物光谱的解析能力	复杂有机化合物，包括天然产物和药物类有机分子	机器学习	NA	核磁共振光谱学，质子纯位移光谱	深度学习	核磁共振光谱数据	NA	NA	NA	NA	NA
7045	2026-03-16	Untangling biological complexity: A deep learning approach to separating multiple signals in single-cell data 2026-Mar-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101188 PMID:41819074	研究论文	本文介绍了一种名为CellUntangler的深度学习模型，用于从单细胞RNA测序数据中捕获和过滤多个生物信号	开发了基于深度学习的CellUntangler模型，能够有效分离单细胞数据中的多个生物信号	NA	从单细胞RNA测序数据中分离多个生物信号	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	NA	NA	NA	NA	NA
7046	2026-03-16	Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study 2026-Mar-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84261 PMID:41806366	研究论文	本研究提出了一种创新的框架，将人群层面的共病模式识别与个体层面的预测建模相结合，用于前瞻性预测个体未来的共病模式	提出了一种新颖的深度学习模型CLA-Net，它结合了GRU和Transformer架构的优势，并引入了双时间定向交叉注意力机制，以同时捕捉时间依赖性和复杂的特征交互	未明确说明研究数据的来源、时间跨度或潜在的样本偏差，也未讨论模型在外部验证或不同人群中的泛化能力	将共病研究从描述性分析推进到前瞻性的共病模式预测，以支持个性化的预防和管理	纵向健康随访数据中的个体	机器学习	共病	潜在转变分析，深度学习	GRU, Transformer	纵向健康随访数据	NA	NA	CLA-Net	准确率, 精确率, 召回率, F1分数, AUC	NA
7047	2026-03-16	Computer-aided diagnosis of papillary thyroid carcinoma based on deep learning technology 2026-Mar-10, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105235 PMID:41819301	综述	本文系统评估了深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用，包括影像学和病理学分析，并探讨了未来发展方向	系统性地综述了深度学习在PTC诊断中的多模态应用（超声、CT、MRI、H&E染色病理切片），并前瞻性地提出了结合影像组学与分子生物标志物的混合模型以及可解释AI框架的发展方向	存在数据集异质性、模型可解释性限制以及影像标准化挑战等局限性	评估深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用现状与未来方向，以优化临床决策	甲状腺乳头状癌（PTC）的影像学（超声、CT、MRI）和病理学（H&E染色切片）数据	数字病理学	甲状腺癌	深度学习，影像组学分析	深度学习模型	图像（超声、CT、MRI影像，H&E染色病理切片）	NA	NA	NA	准确性	NA
7048	2026-03-16	Classification of functional near-infrared spectroscopy (fNIRS) signals in schizophrenia and bipolar disorder using deep learning methods 2026-Mar-10, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117084 PMID:41831295	研究论文	本研究利用功能近红外光谱（fNIRS）结合言语流畅性任务（VFT），通过深度学习方法和可解释性分析，对精神分裂症（SCZ）和双相情感障碍（BD）患者进行功能分类和鉴别诊断	首次将深度学习与可解释性方法结合应用于fNIRS信号，以区分SCZ和BD，并识别关键神经影像生物标志物（如lOFC）	样本量相对较小（共169名参与者），且仅基于fNIRS和VFT任务，可能未涵盖其他认知或生理指标	评估fNIRS作为临床诊断工具的可靠性，并探索其在认知任务中对SCZ和BD进行鉴别诊断的潜力	精神分裂症患者、双相情感障碍患者和健康对照者	机器学习	精神分裂症, 双相情感障碍	功能近红外光谱（fNIRS）, 言语流畅性任务（VFT）	深度学习	fNIRS信号（氧合血红蛋白浓度变化）	50名SCZ患者、67名BD患者和52名健康对照者（共169名）	NA	NA	分类准确率, AUC	NA
7049	2026-03-16	MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits 2026-Mar-09, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101620 PMID:41267404	研究论文	提出了一种名为MeNet的混合效应深度神经网络，用于多环境下的农艺性状基因组预测	将混合效应模型的统计严谨性与神经网络的非线性建模能力统一起来，通过双嵌入和自适应学习遗传复杂性，能够捕获上位性和基因-环境互作	未明确提及	提升多环境下农艺性状基因组预测的准确性和可解释性	水稻、小麦和玉米的农艺性状	机器学习	NA	基因组预测	深度神经网络	基因组数据	三个数据集，包括12个水稻性状（三个环境）、小麦籽粒产量（四个环境）和三个玉米性状	NA	MeNet	NA	NA
7050	2026-03-16	DisNet : Learning interpretable depression representations in speech 2026-Mar-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108820 PMID:41831358	研究论文	本文提出了一种可解释的抑郁症筛查网络DisNet，用于从语音中学习可解释的抑郁症表征	提出了包含可学习频域滤波器组模块和分层语音表征提取模块的端到端可解释网络，并采用自监督学习策略增强特征可解释性	未明确说明模型在跨数据集泛化能力方面的具体限制	开发可解释的语音抑郁症检测方法	语音信号	自然语言处理	抑郁症	语音分析	深度学习网络	语音	AMHS-corpus数据集（具体数量未说明）及公开数据集DAIC-woz、CMDC、EATD-corpus	未明确说明	DisNet（包含LFB和HRE模块）	F1分数	NA
7051	2026-03-16	Last-layer committee machines for uncertainty estimations of benthic imagery 2026-Mar-06, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108819 PMID:41830872	研究论文	本研究提出了一种基于最后一层委员会机器的框架，用于改善海底栖息地图像分类中的不确定性估计，以减少模型参数并提升标注可靠性	提出了一种单最后一层委员会机器方法，能在保持性能的同时将网络参数减少超过95%，相比贝叶斯神经网络、蒙特卡洛dropout和深度集成等计算成本更高的策略	方法仅在BenthicNet数据集的两个挑战性子数据集上进行了测试，未在其他海洋图像数据集或更广泛的应用场景中验证	改善海底栖息地图像自动标注的可靠性，通过不确定性估计识别模糊、错误标注或分布外样本	海底栖息地图像，包括海底及其相关生物、栖息地和地质特征的图像	计算机视觉	NA	深度学习	贝叶斯神经网络, 蒙特卡洛dropout, 委员会机器	图像	NA	NA	NA	NA	NA
7052	2026-03-16	Treehopper-Inspired Passive Electroluminescent Vector Electric Field Sensor with Deep Learning-Enabled High-Precision Reconstruction 2026-Mar-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c25790 PMID:41784229	研究论文	本研究受树蝉生物电传感机制启发，设计并实现了一种基于仿生介电异质结构的被动电致发光矢量电场传感器，并利用深度学习方案从光谱中重建完整的矢量场信息	提出了一种无需外部电源、基于仿生介电异质结构的被动电致发光矢量电场传感器，并结合共享权重一维卷积神经网络进行高精度矢量信息重建	NA	实现复杂电磁环境中被动、高精度、矢量分辨的电场传感	矢量电场	机器学习	NA	电致发光	CNN	光谱数据	NA	NA	共享权重一维卷积神经网络	平均绝对误差, 平均相对误差, 平均绝对角度误差	NA
7053	2026-03-16	Deep Learning-Enabled Multi-Omics Integration: A New Frontier in Precise Drug Target Discovery 2026-Mar-02, Biology DOI:10.3390/biology15050410 PMID:41823837	综述	本文系统综述了深度学习驱动的多组学整合在药物靶点发现领域的最新进展、挑战与未来机遇	系统性地总结了深度学习整合多组学数据用于药物靶点发现这一新兴前沿领域，并探讨了生成式AI、大型多模态模型等新兴技术带来的机遇	文中提及了该领域面临的持续挑战，包括数据稀疏性、模型可解释性、靶点成药性及验证障碍	推动精准药物靶点发现，以应对药物研发成本上升和高失败率的问题	多组学数据（如基因组学、转录组学、蛋白质组学等）	机器学习	NA	多组学整合	深度学习	多组学数据	NA	NA	NA	NA	NA
7054	2026-03-16	Applications of artificial intelligence in bovine reproductive assessment: focus on oocytes and blastocysts 2026-Mar, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-025-03772-3 PMID:41396246	综述	本文综述了人工智能在牛卵母细胞和囊胚质量评估中的应用，探讨其如何提高辅助生殖技术的效率和准确性	将人工智能，特别是计算机视觉和深度学习，引入牛生殖评估领域，以自动化、标准化传统上主观且耗时的手动评估过程	NA	探讨人工智能在牛生殖生物学中卵母细胞和囊胚质量评估的应用潜力，以支持辅助生殖技术和遗传改良策略	牛的卵母细胞和囊胚	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	准确率	NA
7055	2026-03-16	KANPM-DTA: improving drug-target affinity prediction with Kolmogorov-Arnold networks and pretrained models 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag112 PMID:41818722	研究论文	本文提出了一种名为KANPM-DTA的深度学习框架，用于改进药物-靶点亲和力预测	引入了ESM引导的蛋白质图构建策略以整合进化和结构信息，采用门控融合机制整合药物-蛋白质图特征，使用线性注意力捕获跨模态依赖关系，并利用Kolmogorov-Arnold网络进行最终亲和力预测，以提供更强的非线性逼近和更好的可解释性	需要湿实验验证来评估结果的适用性	提高药物-靶点亲和力预测的准确性和可靠性，以促进药物发现和再利用	药物-靶点对	机器学习	NA	深度学习	Kolmogorov-Arnold网络, 图神经网络	蛋白质序列, 药物分子结构, 亲和力数据	在Davis、KIBA、Metz和BindingDB等多个基准数据集上进行了综合实验	NA	KANPM-DTA (包含ESM引导的蛋白质图构建、门控融合机制、线性注意力模块和Kolmogorov-Arnold网络)	均方误差, 一致性指数, $r_{m}^{2}$	NA
7056	2026-03-16	Accurate Inverse Design of Broadband Solar Metamaterial Absorbers via Joint Forward-Inverse Deep Learning 2026-Feb-26, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano16050297 PMID:41823751	研究论文	本文提出了一种联合正向-逆向深度学习框架，用于快速、准确地优化多层超材料太阳能宽带吸收器	提出了一种基于改进Swin Transformer的逆向网络与多层感知机正向代理模型相结合的联合学习框架，通过一致性驱动的循环进行端到端训练，减少了逆向设计中一对多的模糊性	未明确说明模型在更宽光谱范围或更复杂材料组合下的泛化能力，也未讨论计算框架在其他类型超材料设计中的适用性	解决宽带高效太阳能吸收器设计中从目标光学响应到物理结构的复杂、不适定逆向映射问题	多层超材料太阳能吸收器（W/SiO双曲超材料堆栈和TiO/SiO抗反射涂层）	机器学习	NA	深度学习	Transformer, MLP	光学响应数据与结构参数	未明确说明	未明确说明（可能为PyTorch或TensorFlow）	Modified Swin Transformer, Multilayer Perceptron	归一化测试均方误差（7.2×10⁻⁴逆向，6.8×10⁻⁴正向），平均吸收率（97.4%），角度性能（高达60°入射角）	未明确说明
7057	2026-03-16	A lightweight residual dilated temporal transformer block for ECG classification on edge devices 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35531-4 PMID:41680225	研究论文	提出一种轻量级残差扩张时序Transformer块，用于在边缘设备上进行ECG分类	结合残差扩张卷积与深度Transformer架构，并集成位置编码、通道注意力（SE块）以及使用SMOTE和抖动噪声的类别平衡数据增强，实现了高精度与低复杂度的平衡	未明确提及模型在更广泛疾病类别或更大规模数据集上的泛化能力测试	开发一种高效、资源敏感的深度学习模型，用于ECG分类，以支持实时、隐私保护的边缘设备心脏监测	心电图（ECG）信号	机器学习	心血管疾病	ECG监测	CNN, Transformer	时序信号	基准ECG数据集（具体数量未明确）	未明确指定	残差扩张卷积, Transformer	准确率, Macro AUROC, Cohen's Kappa, Log Loss, Hamming Loss, Matthews Correlation Coefficient (MCC)	边缘设备（如无线体感网络和可穿戴边缘设备）
7058	2026-02-14	Swamp-AI: a deep learning model for monitoring wetlands change across the globe 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39257-1 PMID:41680429	研究论文	本文提出了一种名为Swamp-Eye的深度学习模型，用于全球湿地变化的监测	开发了一个独特的注释系统，结合多个全球数据集创建了涵盖多种湿地类型和季节性的全球湿地标注图像数据库，并训练了15个候选模型以选出最佳性能模型	NA	监测全球湿地范围的变化，特别是在偏远或难以进入的地区	全球范围内的湿地，包括沿海和内陆系统	计算机视觉	NA	遥感	深度学习模型	图像	NA	NA	Swamp-Eye	整体准确率, 生产者准确率, 用户准确率, 交并比	NA
7059	2026-02-15	Lightweight scalable deep learning framework for real time detection of potato leaf diseases 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33423-7 PMID:41688475	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7060	2026-03-16	Quantitative fat-fraction analysis of the rotator cuff muscles on clinical sagittal and coronal T1-weighted MRI using deep learning algorithms 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38108-3 PMID:41688617	研究论文	本研究开发了一种基于深度学习的算法，用于从临床T1加权MRI自动预测肩袖肌肉的定量脂肪分数	首次利用深度学习从标准T1加权MRI预测体素级脂肪分数，克服了传统Goutallier分类法的主观性和单切片限制	样本量相对较小（训练集75例，验证集24例），且仅针对肩袖肌肉进行评估	通过深度学习实现肩袖肌肉脂肪浸润的定量评估，以改善手术预后分析和治疗规划	肩袖肌肉	医学影像分析	肩袖疾病	MRI（T1加权和2点Dixon序列）	深度学习	图像（MRI）	99例患者（75例训练，24例验证）	NA	NA	平均全肌肉脂肪分数计算误差（均值±标准差）	NA