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
761	2026-03-24	Deep learning with limited data: a transfer learning approach for transcriptomic survival prediction 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111618 PMID:41812364	研究论文	本研究评估了迁移学习在转录组学生存预测中的应用，通过利用跨癌症的大数据集来提升小队列中的预测性能	首次系统评估迁移学习在转录组学生存预测中的效果，并采用留一法预训练策略结合微调，显著提升了小队列肿瘤的预测性能	研究依赖于TCGA数据，可能未涵盖所有肿瘤类型或临床异质性，且模型解释性方法基于LIME-like方法，可能存在局限性	探索迁移学习在癌症转录组学数据中用于疾病无进展生存预测的有效性	来自TCGA的27种肿瘤类型的7509名患者的RNA-seq数据	机器学习	癌症	RNA-seq	深度神经网络	转录组学数据	7509名患者	NA	NA	一致性指数	NA
762	2026-03-24	Interpretable evaluation of physiological signals for biometric identification 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111616 PMID:41812367	研究论文	本文提出一个统一框架，用于分析ECG、EEG和PPG生理信号在生物识别中的应用，并强调模型可解释性	将研究焦点从单纯性能指标转向深入理解生物识别系统行为，特别是信号特征、人口规模和样本可用性对性能的影响，并引入SHAP进行特征重要性量化	未明确提及具体局限性，但可能涉及数据集多样性或实际部署中的泛化能力	评估生理信号在生物识别中的性能，并提高系统的可解释性和可靠性	ECG、EEG和PPG生理信号	机器学习	NA	生理信号分析	机器学习模型	生理信号数据	NA	NA	NA	识别准确率, 等错误率	NA
763	2026-03-24	Empirical evaluation of variability and multi-institutional generalizability of deep learning survival models: application to renal cancer CT scans 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111603 PMID:41806695	研究论文	本研究系统评估了深度学习生存模型在肾癌CT影像上的变异性与多机构泛化能力，探讨了数据划分、初始化及增强策略对模型性能的影响	首次在医学影像生存预测领域系统量化数据划分策略、模型初始化及数据增强对多机构泛化能力的影响，提出协变量平衡划分方法	研究仅针对肾癌CT影像，样本量相对有限（525例），未涵盖其他癌症类型或模态影像	评估深度学习生存模型在跨机构医学影像数据上的泛化性能，探索提升模型鲁棒性的方法论	肾癌患者的CT扫描影像及对应的生存时间数据	数字病理	肾癌	CT影像分析	CNN	3D医学影像	525名患者（来自9个机构）	PyTorch	3D ResNet-18	一致性指数（c-index），风险比（HR）	NA
764	2026-03-24	Beyond spectroscopy: Machine vision as the future of non-destructive testing in 3D-printed pharmaceuticals 2026-Apr-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2026.126750 PMID:41819388	综述	本文综述了用于3D打印药物质量控制的非破坏性光谱和成像检测技术，并重点探讨了机器视觉（MV）与人工智能结合的应用前景	强调了机器视觉（MV）与深度学习算法（如CNN、YOLO）结合，作为实时缺陷检测和视觉检查的创新工具，在个性化制药领域提供更灵活、精确和高效的质量控制策略	讨论了现有技术差距、监管挑战以及标准化需求，以确保这些技术安全可靠地集成到制药工作流程中	开发适用于3D打印药物的灵活、精确且高效的非破坏性质量控制策略	3D打印（3DP）的个性化剂型和药物递送系统	机器视觉	NA	近红外光谱、拉曼光谱、太赫兹光谱、光学相干断层扫描、高光谱成像	CNN, YOLO	图像	NA	NA	卷积神经网络（CNN）、YOLO模型	准确性、速度、适应性	NA
765	2026-03-24	Artificial intelligence in clinical nutrition. A narrative review 2026-Apr, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2025.11.142 PMID:41285366	综述	本文是一篇关于人工智能在临床营养学中应用的叙述性综述，旨在为临床医生提供AI基础概念及其在营养护理中实际应用的概述	系统性地综述了AI在临床营养学中的整合潜力，并强调了临床医生教育、跨学科合作与伦理监督对成功实施的重要性	作为一篇叙述性综述，可能未涵盖所有最新研究，且未进行定量分析或荟萃分析	概述人工智能在临床营养学中的应用，并探讨如何促进其负责任和有效的整合	临床营养学领域的人工智能技术及其在医疗保健中的应用	机器学习	NA	NA	机器学习, 深度学习, 大语言模型	NA	NA	NA	NA	NA	NA
766	2026-03-24	Dynamic insights into cellular mechanics and membrane undulations in vascular smooth muscle cells 2026-Apr-01, American journal of physiology. Cell physiology DOI:10.1152/ajpcell.00771.2025 PMID:41758219	研究论文	本研究结合实时原子力显微镜、信号处理、生化分析与机器学习图像量化，探究血管平滑肌细胞中细胞力学、膜波动、细胞骨架组织与肌动球蛋白信号间的时空耦合关系	首次在血管平滑肌细胞中观察到特定频率且跨细胞同步的机械振荡现象，并揭示了肌动蛋白组织与肌球蛋白轻链激酶信号对不同振荡模式的差异化调控机制	研究主要基于体外细胞模型，未在完整血管组织或活体环境中验证；药理干预可能产生非特异性效应	探究血管平滑肌细胞机械振荡的调控机制及其与细胞骨架、收缩信号的关系	血管平滑肌细胞	生物力学与细胞生物物理学	心血管疾病	实时原子力显微镜、共聚焦成像、生化分析、信号处理	深度学习	显微镜图像、力学测量数据、生化数据	未明确说明	NA	NA	NA	NA
767	2026-03-24	MML-DTI: Multimanifold Learning with Hyperbolic Graph Neural Networks for Enhanced Drug-Target Interaction Prediction 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02826 PMID:41802299	研究论文	提出了一种结合双曲空间和欧几里得空间的多流形学习框架，用于增强药物-靶点相互作用预测	首次将双曲图神经网络用于药物-靶点相互作用预测，通过多流形特征融合模块整合异构信息，有效捕捉生物数据的层次结构特性	未明确说明模型在更大规模或更复杂生物网络上的泛化能力，也未讨论计算复杂度与效率的具体对比	提高药物-靶点相互作用预测的准确性，以促进药物发现和重定位	小分子药物和靶点蛋白质	机器学习	NA	图神经网络，预训练语言模型	HGNN, GNN	分子图，化学指纹，语义嵌入	基准数据集（未指定具体数量）	NA	Hyperbolic Graph Neural Network	NA	NA
768	2026-03-24	Trustworthy Compound-Protein Interaction Prediction with Interpretable and Conformalized Cross-Attention Transformers 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02709 PMID:41790973	研究论文	本文提出了一个名为ConfBiXtCPI的集成框架，用于实现准确、可解释且具有统计严格不确定性量化的化合物-蛋白质相互作用预测	该研究首次将双向交叉注意力Transformer与Mondrian保形预测相结合，在实现最先进预测精度的同时，为多数类和少数类提供了有效的统计覆盖保证，并支持可解释的注意力机制和主动学习策略	未明确提及具体的数据集规模限制或计算资源需求，也未讨论模型在更广泛蛋白质家族或新型化合物上的泛化能力	开发一个可信赖的化合物-蛋白质相互作用预测框架，统一准确性、可解释性和不确定性量化	化合物-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列数据	NA	NA	双向交叉注意力Transformer	准确性, 错误发现率	NA
769	2026-03-24	Interpretable multi-modality consensus QSAR framework: integrating machine and deep learning for enhanced multi-endpoint toxicity assessment 2026-Mar-23, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2026.2643659 PMID:41839829	研究论文	本研究开发了一个可解释的多模态共识QSAR框架，整合多种分子表征以及机器学习和深度学习，用于预测八种不同机制的毒性终点	提出了一个整合多种分子表征、机器学习与深度学习的多模态共识框架，显著提升了多终点毒性预测的鲁棒性、可解释性和广泛适用性	未明确说明模型在特定化学空间或低数据区域的表现局限性，也未讨论计算成本或框架部署的复杂性	开发一个可靠且可解释的框架，用于广谱毒性预测和多终点化学安全评估	30,160种独特化合物及其八种毒性终点（皮肤致敏性、呼吸毒性、AMES致突变性、肝毒性、发育毒性、心脏毒性、药物诱导肾毒性和神经毒性）	机器学习	NA	定量构效关系（QSAR）	机器学习, 深度学习	分子表征数据	30,160种独特化合物	NA	NA	AUC, 平衡准确率（BACC）	NA
770	2026-03-24	TabPFN Opens New Avenues for Small-Data Tabular Learning in Drug Discovery 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02823 PMID:41867095	研究论文	本文评估了基于Transformer的表格基础模型TabPFN在药物发现中处理小数据和分布外场景下的性能	TabPFN是一种无需任务特定重新训练的表格基础模型，在小数据和分布外场景下展现出比传统梯度提升决策树更强的鲁棒性和数据效率	在较大的QM8数据集上，TabPFN的性能受到挑战，而树集成方法重新显示出优势	探索TabPFN在药物发现中处理小数据和分布外场景下的表格学习能力	多种分子数据集，包括QM7和QM8量子任务数据	机器学习	NA	NA	Transformer	表格数据	小到中等规模的数据集，具体数量未明确说明	NA	TabPFN	分类性能、回归性能、分布外评估、特征和数据消融分析	NA
771	2026-03-24	ToxPLTC: Peptide Toxicity Prediction by Integrating Pretrained T5 Protein Language Model and Text Convolutional Neural Network 2026-Mar-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02745 PMID:41869759	研究论文	本研究提出了一种名为ToxPLTC的深度学习框架，用于高效预测肽类药物的毒性	整合了基于Transformer架构的ProtT5蛋白质语言模型进行肽序列预训练，并采用边界SMOTE算法处理不平衡训练数据，结合文本卷积神经网络进行分类	未明确说明模型在更广泛肽序列或不同疾病背景下的泛化能力限制	开发一种高效、准确的肽毒性预测工具，以支持肽类药物开发	肽序列及其毒性分类	自然语言处理	NA	深度学习，蛋白质语言模型	Transformer, CNN	文本（肽序列）	NA	NA	ProtT5, 文本卷积神经网络	平衡准确率	NA
772	2026-03-24	Deep learning approach to super-resolution correction of brain MRI motion artifacts for accurate hippocampal volumetry 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44834-5 PMID:41866419	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
773	2026-03-24	A misclassification-aware explainable hybrid CNN-vision transformer framework for radiographic weld inspection 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44874-x PMID:41866427	研究论文	本文提出了一种混合CNN-Vision Transformer框架，用于提高焊接缺陷检测的可靠性和可解释性	结合CNN和Vision Transformer的混合架构，通过全局上下文建模显著提升视觉相似缺陷的区分能力，并利用可解释性方法减少误分类	NA	开发一种智能焊接检测框架，以提高缺陷分类的准确性和可解释性	焊接缺陷，包括裂纹、气孔和未焊透	计算机视觉	NA	NA	CNN, Vision Transformer	图像	使用RIAWELC射线焊接数据集和外部GDXray数据集	NA	混合CNN-Vision Transformer架构	准确率, 误分类率	NA
774	2026-03-24	A low-latency deep learning framework for volcanic ash cloud nowcasting using geostationary satellite imagery 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42230-7 PMID:41866598	研究论文	本文开发并验证了一种基于深度学习的近实时火山灰扩散临近预报方法，利用地球静止卫星图像实现低延迟预测	提出了一种完整的边缘计算工作流，能在五秒内完成数据下载和推理，并引入像素级事件注入算法以模拟不同规模的合成羽流场景	研究主要基于SEVIRI仪器的Ash RGB合成图像，可能未涵盖所有火山灰类型或气象条件，且合成羽流场景为假设性演示	开发低延迟的火山灰扩散临近预报系统，支持应急决策和场景可视化	火山灰卫星图像（来自EUMETSAT的SEVIRI仪器Ash RGB合成数据）及合成羽流场景	计算机视觉	NA	地球静止卫星观测（SEVIRI仪器Ash RGB合成）	深度学习模型	卫星图像	基于EUMETSAT SEVIRI仪器火山灰卫星图像档案的训练数据	NA	NA	结构相似性指数（SSIM）	NVIDIA Jetson AGX Orin边缘计算设备
775	2026-03-24	A contrastive learning framework with adaptive feature fusion for brain tumor classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44887-6 PMID:41866612	研究论文	本文提出了一种结合自适应特征融合的对比学习框架，用于脑肿瘤MRI图像的精确分类	引入了动态标签队列存储历史标签，构建同一类别内多幅图像间的多个正样本对，从而在对比学习中注入显式监督，增强特征表示的判别力	未明确提及	提高脑肿瘤MRI图像分类的准确性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	公共figshare数据集	NA	对比学习框架与自适应特征融合模块	NA	NA
776	2026-03-24	Physical Implausibility of Carbohydrate Ligands in Results of Deep Learning-Based Cofolding Methods 2026-Mar-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03075 PMID:41866819	研究论文	本文分析了AlphaFold 3和Boltz-1x等深度学习共折叠方法在碳水化合物配体建模中的立体化学违规问题	首次系统评估了深度学习共折叠方法在碳水化合物配体建模中的立体化学错误，揭示了AlphaFold 3模型中高达85.8%的配体存在错误，并比较了Boltz-1x和BondedAtomPairs协议在减少违规方面的效果与局限性	研究仅分析了900个碳水化合物配体，样本规模有限；BondedAtomPairs协议虽减少立体化学问题但丢失了还原端异头氧，表明准确建模仍面临挑战	评估深度学习共折叠方法在碳水化合物配体建模中的物理合理性	碳水化合物配体	机器学习	NA	深度学习共折叠方法	AlphaFold 3, Boltz-1x	分子结构数据	900个碳水化合物配体	NA	NA	立体化学违规率、手性错误率、键转换率、平面环畸变率、芳香环形成率、不当结构配置率	NA
777	2026-03-24	Prediction of cyclin-dependent proteins using pre-trained protein language models and effective neural network architectures 2026-Mar-21, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116116 PMID:41865419	研究论文	本文提出了一种结合预训练蛋白质语言模型和深度学习技术的新型计算方法，用于准确预测细胞周期依赖性蛋白	整合预训练蛋白质语言模型（如ESM）生成高质量蛋白质嵌入，避免手动特征提取，并设计定制化的卷积神经网络架构自动学习与CDP识别相关的判别性特征	未明确提及方法在处理非典型或高度变异蛋白质序列时的性能，也未讨论计算资源需求或模型可解释性	开发一种计算方法来准确识别细胞周期依赖性蛋白，以克服传统方法在非同源数据和手动特征提取上的限制	细胞周期依赖性蛋白，包括细胞周期蛋白、细胞周期依赖性激酶和细胞周期依赖性激酶抑制剂	自然语言处理	癌症	蛋白质语言模型，深度学习	CNN	蛋白质序列	NA	NA	定制化卷积神经网络	NA	NA
778	2026-03-24	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Mar-21, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断系统，用于在MRI上区分腮腺肿瘤的良恶性，并评估其对放射科医生诊断性能的提升作用	首次将EfficientNet CNN模型应用于腮腺肿瘤的MRI影像分析，并通过读者研究证明了该CAD系统能显著提高不同经验水平医生的诊断准确性，特别是在中高级别和局部晚期肿瘤中	研究样本量相对有限（170例用于模型开发），且未在外部验证集上测试模型泛化能力；CAD对低级别或pT1肿瘤的诊断改善不显著	评估基于深度学习的计算机辅助诊断系统在MRI腮腺肿瘤良恶性鉴别中的临床价值	经手术病理证实的腮腺肿瘤患者及其MRI影像	计算机视觉	腮腺肿瘤	MRI影像分析	CNN	医学影像（MRI）	170例经组织学确认的病例用于模型开发，其中134例用于读者研究	未明确提及	EfficientNet	准确率, 敏感性, 特异性, AUC	NA
779	2026-03-24	A Novel Quantitative Analysis in Myocardial Perfusion Imaging: How does it compare to the "Golden Eye"? 2026-Mar-21, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.03.009 PMID:41866260	研究论文	本文提出了一种新的心肌灌注成像定量分析方法，与传统TPD方法相比，从逆向角度评估异常灌注的严重程度和范围	提出了一种基于逆向视角的定量分析方法，将TPD视为更广泛方法的一个特例，并探索了通用定量分析的建立方式	缺乏基于生存率或主要不良心血管事件（MACE）标准的真实数据验证	开发一种新的心肌灌注成像定量分析方法，用于评估缺血性心脏病患者的左心室灌注异常	心肌灌注成像数据，特别是左心室放射性示踪剂摄取的极坐标图	医学影像分析	心血管疾病	心肌灌注成像	深度学习	图像（2D极坐标图）	NA	NA	标准深度学习架构	统计一致性，视觉一致性	NA
780	2026-03-24	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究开发并评估了一个结合LSTM网络与GPT-4的技术框架，用于生物医学信号的自动分类和可读解释	首次将LSTM网络与GPT-4进行显式方法学整合，为生物医学信号分类提供自动化分类和人类可读的临床解释	本研究为概念验证性研究，未来需要进行前瞻性临床验证、现场研究和监管审查	开发适用于资源受限环境的自动化生物医学信号分类与解释框架	心电图和脑电图等生物医学信号	机器学习	心血管疾病	NA	LSTM	信号数据	使用多个公共PhysioNet数据集，包括MIT-BIH心律失常、PTB诊断心电图等，测试时随机采样了150个案例	NA	两层LSTM架构（128→64单元）	准确率, F1分数, AUC	NA