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
7461	2026-03-14	SwinSite: 3D Structure-Based Prediction of Protein-Ligand Binding Sites Using a Combined Vision Transformer and Convolution Model 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02734 PMID:41717955	研究论文	本文提出了一种名为SwinSite的深度学习框架，用于基于蛋白质三维结构预测配体结合位点	结合3D卷积神经网络和分层视觉Transformer模块的混合架构，通过体素化蛋白质结构并利用移位窗口自注意力机制，有效捕捉局部几何特征和长程依赖关系	NA	准确识别蛋白质-配体结合位点以支持基于结构的药物发现	蛋白质三维结构	计算生物学	NA	深度学习	CNN, Transformer	三维网格数据	NA	NA	SwinSite	NA	NA
7462	2026-03-14	ChemTorch: A Deep Learning Framework for Benchmarking and Developing Chemical Reaction Property Prediction Models 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02645 PMID:41735237	研究论文	本文介绍了一个名为ChemTorch的开源深度学习框架，旨在简化和标准化化学反应属性预测模型的开发、实验、超参数调优和基准测试	提出了一个统一的深度学习框架ChemTorch，通过模块化管道、标准化配置和内置数据分割器，解决了现有软件生态系统碎片化问题，促进了模型的可重用性、公平比较和可重复性	NA	开发一个用于化学反应属性预测模型基准测试和开发的深度学习框架	化学反应属性预测模型，特别是能垒高度预测	机器学习	NA	深度学习	NA	化学反应数据	使用RDB7数据集	PyTorch	NA	NA	NA
7463	2026-03-14	Percutaneous nephrostomy guidance by a convolutional-neural-network-based optical coherence tomography endoscope 2026-Mar-06, Communications engineering DOI:10.1038/s44172-026-00613-8 PMID:41792429	研究论文	本研究开发了一种基于卷积神经网络的OCT内窥镜探针，用于经皮肾造瘘术中的针头导航，旨在提高组织识别和血管检测的准确性	结合OCT内窥镜与深度学习模型（Inception和nnU-net），自动化识别肾组织结构和检测血流，提升了手术导航的精确性和效率	实验仅在31个人类肾脏样本中进行，未涉及临床实时手术验证，且样本量相对有限	改进经皮肾造瘘术的导航技术，以解决针头精确放置和避免血管破裂出血的挑战	人类肾脏组织，包括皮质、髓质、肾盏、窦脂肪和肾盂，以及肾脏血流	计算机视觉	肾脏疾病	光学相干断层扫描（OCT），包括结构成像和多普勒功能	CNN	图像	31个人类肾脏样本	NA	Inception, nnU-net	准确率, 交并比	NA
7464	2026-03-14	Artificial intelligence-enabled nanomedicine: enhancing drug design and predictive modeling in pharmaceutics 2026-Mar-05, The Journal of pharmacy and pharmacology IF:2.8Q2 DOI:10.1093/jpp/rgaf113 PMID:41353571	综述	本文综述了人工智能与纳米医学在药物设计及预测建模中的整合应用	探讨了AI方法（如深度学习、强化学习和图神经网络）与纳米载体系统（如脂质体、聚合物纳米颗粒和树枝状聚合物）的结合，以提升药代动力学预测的准确性	面临数据标准化、算法透明度和监管合规性方面的挑战，缺乏统一且灵活的框架来适应快速技术发展	旨在通过AI增强纳米医学，推动靶向药物递送、控释和个性化治疗的发展	纳米载体系统（如脂质体、聚合物纳米颗粒、树枝状聚合物）及相关的药物设计过程	机器学习	NA	NA	深度学习, 强化学习, 图神经网络	高维数据集	NA	NA	NA	NA	NA
7465	2026-03-14	Multi-sequence MRI deep learning and habitat radiomics for predicting mismatch repair status and prognosis in colorectal liver metastasis: a multicenter study 2026-Mar, La Radiologia medica DOI:10.1007/s11547-025-02155-z PMID:41231329	研究论文	本研究利用多序列MRI的栖息地放射组学和深度学习模型，预测结直肠肝转移的错配修复状态和预后	结合栖息地放射组学和深度学习模型，基于多序列MRI预测结直肠肝转移的错配修复状态及预后，并进行了多中心验证	回顾性研究设计，样本量相对有限（178例患者），可能存在选择偏倚	术前预测结直肠肝转移的错配修复状态及患者预后	结直肠肝转移患者	数字病理学	结直肠癌	多序列MRI（包括T2WI、DWI、动态对比增强MRI）	深度学习模型	医学影像（MRI图像）	178例患者（训练队列93例，内部验证队列40例，外部验证队列45例）	NA	NA	AUC, 95% CI	NA
7466	2026-03-14	A Comparative Study on Signal Decomposition Techniques for Stimulated Raman Photoacoustic Microscopy 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500388 PMID:41397816	研究论文	本文比较了基于受激拉曼光谱的多光谱光声显微镜系统中四种信号分解技术的性能	首次在受激拉曼光声显微镜系统中系统比较FFT、最小二乘法、互相关和基于CNN自编码器的深度学习方法的信号分解效果	深度学习方法的性能在较长时延下表现出较大变异性，研究仅在小鼠脑组织数据上进行验证	评估不同信号分解技术在受激拉曼光声显微镜系统中的性能差异	小鼠脑组织产生的532nm和558nm波长的光声信号	生物医学成像	NA	受激拉曼光谱，多光谱光声显微镜	CNN，自编码器	光声信号数据	NA	NA	卷积神经网络与自编码器结合架构	准确度，氧饱和度估计性能	NA
7467	2026-03-14	MultiCell: geometric learning in multicellular development 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02983-x PMID:41398502	研究论文	本文提出了一种名为MultiCell的几何深度学习方法，用于在发育过程中捕获细胞间复杂的相互作用并预测单细胞行为	通过统一的图数据结构整合细胞相互作用和细胞连接网络，实现了可解释的四维形态序列对齐和单细胞分辨率的行为预测	NA	理解和预测发育过程中活体组织内每个细胞随时间变化的行为	果蝇胚胎发生过程中的多细胞系统	机器学习	NA	几何深度学习	几何深度学习模型	多细胞数据，包括细胞几何和细胞连接网络	NA	NA	NA	NA	NA
7468	2026-03-14	[Artificial intelligence in risk stratification of acute coronary syndrome : Future vision or already reality?] 2026-Mar, Herz IF:1.1Q4 DOI:10.1007/s00059-025-05360-8 PMID:41533149	综述	本文综述了人工智能在急性冠脉综合征风险分层中的应用，重点讨论了基于临床变量和高敏肌钙蛋白测量的模型以及基于心电图的方法	利用连续肌钙蛋白值与患者特征结合估计心肌梗死个体概率，而非依赖固定阈值；深度学习模型直接应用于原始心电图信号，利用细微时空变化提升性能	模型仍依赖实验室检测，目前缺乏改善患者相关结局的前瞻性证据	探讨人工智能在急性冠脉综合征风险分层中的支持作用，以实现基于风险的决策	急性冠脉综合征患者，特别是1型或闭塞性心肌梗死	机器学习	心血管疾病	高敏肌钙蛋白测量，心电图分析	机器学习，深度学习	临床变量，肌钙蛋白测量值，心电图信号	NA	NA	NA	NA	NA
7469	2026-03-14	Peripheral Retinal Vessel Density in Children and Adolescents with Myopia: A Deep Learning Assessment 2026-Mar, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01335-y PMID:41689621	研究论文	本研究利用深度学习模型评估了儿童和青少年近视患者眼轴长度对周边视网膜血管密度的影响	首次结合Nested U-Net和ResNet34深度学习模型，通过超广角视网膜图像分析近视儿童周边视网膜血管密度的变化模式	研究为横断面设计，需要纵向研究验证血管变化与近视进展的因果关系	探究眼轴长度对周边视网膜血管密度的影响，并评估深度学习检测近视早期血管变化的可行性	儿童和青少年近视患者	数字病理学	近视	非散瞳超广角成像	CNN	图像	396名儿童和青少年的679只眼睛	NA	Nested U-Net, ResNet34	AUC	NA
7470	2026-03-14	Impact of a deep-learning image reconstruction algorithm on ventilation and perfusion parameters derived by phase-resolved functional lung (PREFUL) magnetic resonance imaging (MRI) in a prospective healthy cohort 2026-Mar, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107248 PMID:41643396	研究论文	本研究首次评估了基于深度学习的图像重建算法对相位分辨功能肺磁共振成像衍生的通气和灌注参数的影响	首次在健康人群中评估深度学习重建算法对PREFUL MRI功能参数的影响，验证了其在提升图像质量的同时不改变功能量化结果	研究仅纳入健康志愿者且样本量较小（24人），未涵盖肺部疾病患者群体	评估深度学习图像重建算法在功能肺MRI中对通气和灌注参数量化的影响	24名肺功能正常的健康志愿者	医学影像分析	NA	相位分辨功能肺磁共振成像，2D快速扰相梯度回波序列	深度学习重建算法	磁共振图像	24名健康志愿者（12名男性，平均年龄28.9±12.8岁）	NA	NA	信噪比，对比噪声比，Bland-Altman分析，相关系数	NA
7471	2026-03-14	Automated Report Generation in Ophthalmology: Integrating Artificial Intelligence, Multimodal Imaging, and Clinical Data 2026-Mar, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01316-1 PMID:41714517	综述	本文综述了人工智能在眼科自动报告生成领域的最新进展，重点探讨了多模态成像与临床数据的整合	强调将多模态成像（如眼底照相、OCT、荧光素血管造影）与临床数据通过AI进行整合，以生成结构化、可解释且个性化的诊断报告，从而提升诊断精度和工作流程效率	面临数据异质性、模型可解释性、伦理治理以及临床整合等持续挑战	总结AI驱动的眼科报告生成技术进展，探讨其临床价值、挑战及未来方向	眼科诊断报告，涉及糖尿病视网膜病变、青光眼、白内障、年龄相关性黄斑变性等疾病	自然语言处理, 计算机视觉	糖尿病视网膜病变, 青光眼, 白内障, 年龄相关性黄斑变性	多模态成像（眼底照相、光学相干断层扫描、荧光素血管造影）	深度学习, 自然语言处理模型, 卷积神经网络, Transformer, 大语言模型	图像, 文本（临床记录）	NA	NA	卷积神经网络, Transformer	NA	NA
7472	2026-03-14	Phylogenetic estimation of diversity-dependent biogeographic rates using deep learning 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.17.706216 PMID:41756993	研究论文	本文介绍了一种名为DDGeoSSE的基于事件的系统发育多样化模型，用于估计多样性依赖的生物地理速率	开发了DDGeoSSE模型，首次将深度学习方法应用于多样性依赖的系统发育模型中，以处理不可处理的似然函数	模型依赖于模拟验证，可能受限于特定类群或生态系统的适用性	研究局部物种丰富度如何影响生物地理速率，如物种形成、灭绝和扩散	加勒比蜥蜴和云雾林植物类群	机器学习	NA	系统发育建模，深度学习方法	深度学习模型	系统发育数据	两个类群：加勒比蜥蜴和云雾林植物	phyddle	NA	参数推断和模型选择	NA
7473	2026-03-14	Estimating changes in center pivot irrigation in the High Plains Aquifer using a hybrid GIS-remote sensing deep learning approach, 2001 to 2023 2026-Feb-17, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15061-2 PMID:41703333	研究论文	本文提出了一种结合GIS与遥感技术的深度学习方法，用于估计2001年至2023年间美国高平原含水层中心支点灌溉系统的变化	采用混合GIS-遥感方法，结合Google Earth Engine的多年度Landsat影像与Esri的ArcGIS深度学习框架，实现了对中心支点灌溉系统变化的快速、可复制估计	NA	开发时空明确的模型以监测中心支点灌溉系统的长期变化，支持水资源管理和农业可持续发展	美国高平原含水层区域内的中心支点灌溉系统	遥感	NA	遥感影像分析, 深度学习	深度学习模型	遥感影像	覆盖2001年至2023年每隔一年的高平原含水层区域影像数据	Esri ArcGIS深度学习框架, Google Earth Engine	NA	总体准确率	NA
7474	2026-03-14	Ensemble learning for air quality index prediction: integrating gradient boosting, XGBoost, and stacking with SHAP-based interpretability 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39232-w PMID:41680275	研究论文	本文提出了一种加权投票集成模型，结合多种梯度提升算法，用于提高空气质量指数（AQI）预测的准确性，并利用SHAP提供模型可解释性	提出了一种结合Gradient Boosting、CatBoost、XGBoost和LightGBM的加权投票集成模型，并采用完整的预处理和超参数优化流程，同时利用SHAP进行特征贡献度分析以增强模型可解释性	模型部署仅限于单个站点（排除了空间/时间ID），且未明确说明模型在极端天气条件下的泛化能力	开发一种高精度且可解释的空气质量指数预测方法，以支持可持续城市生活和社区健康管理	空气质量指数（AQI）	机器学习	NA	NA	集成学习, 梯度提升, XGBoost, LightGBM, CatBoost	时间序列数据, 数值数据	台湾空气质量数据集（2016-2024年，来自74个监测站的每小时记录）	Scikit-learn, Optuna	加权投票集成（Gradient Boosting ×4, CatBoost ×3, XGBoost ×2, LightGBM ×1）	MSE, R²	NA
7475	2026-03-14	Serial cascaded hybrid adaptive deep networks-based lyrics text classification using optimization approach 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38813-z PMID:41680344	研究论文	提出了一种基于序列级联混合自适应深度网络（SCHADNet）的歌词文本分类方法，用于根据情感内容对音乐歌词进行分类	开发了新型的序列级联混合自适应深度网络（SCHADNet），该网络集成了基于Transformer的双向长短期记忆网络（Trans Bi-LSTM）和门控循环单元（GRU），并使用改进的海洋捕食者算法（IMPA）优化网络参数	未在摘要中明确说明	开发一种深度学习模型，用于根据情感内容对音乐歌词进行分类，以帮助识别不适宜的音乐	音乐歌词文本	自然语言处理	NA	NA	Trans Bi-LSTM, GRU	文本	未在摘要中明确说明	未在摘要中明确说明	序列级联混合自适应深度网络（SCHADNet），集成Trans Bi-LSTM和GRU	准确率, 召回率, 净预测值（NPV）	未在摘要中明确说明
7476	2026-03-14	OpenEar: an ultra-affordable, high-throughput, and accurate maize ear phenotyping system 2026-Feb-08, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01504-x PMID:41656271	研究论文	本文开发了一种名为OpenEar的开源、低成本玉米果穗表型分析系统，该系统结合了DIY成像平台和基于深度学习的端到端表型数据提取流程	开发了一种超低成本、高通量且准确的玉米果穗表型分析系统，结合了3D打印DIY成像平台和基于深度学习的端到端分析流程，并公开了标注数据集	NA	解决田间作物表型分析在单株分辨率下的高通量、低成本和高精度瓶颈，以促进遗传分析和育种应用	玉米果穗	计算机视觉	NA	360°表面扫描成像	CNN, YOLOv11	图像, 视频	NA	NA	NA	相关系数R	NA
7477	2026-03-14	AMP-CapsNet: a multi-view feature fusion approach for antimicrobial peptide prediction using capsule networks 2026-Feb-07, Genomics & informatics DOI:10.1186/s44342-026-00067-6 PMID:41654884	研究论文	本文提出了一种名为AMP-CapsNet的新深度学习模型，用于通过胶囊网络和多视图特征融合方法预测抗菌肽	首次将胶囊神经网络应用于抗菌肽预测，结合氨基酸组成和二肽组成进行多视图特征融合，提高了预测精度	未提及模型在更大或更复杂数据集上的泛化能力，也未讨论计算资源需求	开发一种基于深度学习的抗菌肽预测方法，以辅助药物发现	抗菌肽（AMPs）	机器学习	NA	氨基酸组成（AAC），二肽组成（DPC）	Capsule Neural Network	序列数据	NA	NA	AMP-CapsNet	准确率，AUC	NA
7478	2026-03-14	Generalisation of automatic tumour segmentation in histopathological whole-slide images across multiple cancer types 2026-Feb-04, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01311-6 PMID:41634087	研究论文	开发了一个通用的肿瘤分割模型，用于组织病理学全切片图像，并在多种癌症类型中验证其性能	提出了一个单一模型，能够跨癌症类型、患者群体、样本制备和切片扫描仪进行通用肿瘤分割，且性能与针对特定癌症类型的专用模型相当	未明确提及模型在非开发集癌症类型或更广泛外部验证中的具体局限性	研究深度学习模型在组织病理学图像中肿瘤分割的泛化能力	结直肠癌、子宫内膜癌、肺癌和前列腺癌患者的组织病理学全切片图像	数字病理学	多种癌症	组织病理学成像	深度学习模型	图像	开发集：超过4000名患者的20000多张全切片图像；验证集：超过3000名患者的外部队列和超过1500名患者的TCGA队列	NA	NA	Dice系数	NA
7479	2026-03-14	Noninvasive prediction of occult pT3a upstaging in localized ccRCC with radiogenomic insights and prognostic relevance 2026-Feb-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01315-2 PMID:41634348	研究论文	本研究开发并验证了一个名为RENALNet的3D深度学习框架，用于术前无创预测局限性透明细胞肾细胞癌的隐匿性pT3a分期升级	首次结合多中心数据和KiTS23数据集，开发了基于肾图期CT的3D深度学习框架，并通过Grad-CAM可视化提高了模型的可解释性，同时将模型风险评分与Ki-67增殖指数和转录组学分析相关联，揭示了其生物学和预后相关性	研究为回顾性多中心设计，可能存在选择偏倚；模型仅在特定CT相位（肾图期）进行训练和验证	术前无创预测局限性透明细胞肾细胞癌的隐匿性pT3a分期升级，以支持手术决策并推进放射基因组学在精准肿瘤学中的应用	局限性透明细胞肾细胞癌患者	数字病理学	肾细胞癌	CT成像，转录组学分析	深度学习	3D CT图像，基因表达数据	来自五个机构的1661名患者及KiTS23数据集	NA	RENALNet	诊断准确性，5年无进展生存期分层	NA
7480	2026-03-14	Deep learning framework for bronchoscopic diagnosis of burn inhalation injury 2026-02, Burns : journal of the International Society for Burn Injuries IF:3.2Q1 DOI:10.1016/j.burns.2025.107770 PMID:41297238	研究论文	本研究开发了一个基于深度学习框架的支气管镜诊断系统，用于自动评估烧伤吸入性损伤的严重程度	首次将预训练的视觉Transformer模型应用于支气管镜图像，通过迁移学习和数据增强技术，实现了高精度的烧伤吸入性损伤自动分级	样本量较小（仅36名患者），且数据来自单一医疗中心，可能影响模型的泛化能力	开发一个自动化的支气管镜分级系统，以提高烧伤吸入性损伤诊断的准确性和可靠性	烧伤吸入性损伤患者的支气管镜图像	计算机视觉	烧伤吸入性损伤	支气管镜检查	Vision Transformer (ViT)	图像	36名患者的1089张质量控制帧	PyTorch	Vision Transformer (ViT)	准确率, 精确率, F1分数, 召回率	NA