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
801	2026-03-25	CHD-CXR: a de-identified publicly available dataset of chest x-ray for congenital heart disease 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1351965 PMID:38650917	研究论文	本文发布了一个用于先天性心脏病检测的公开去标识化胸部X射线数据集，并进行了初步模型验证	首次公开了一个针对儿童先天性心脏病、包含DICOM格式胸部X射线和心脏超声报告的高质量数据集，强调复杂结构特征，促进深度学习从机器学习向机器教学的转变	数据集样本量相对较小（828例），且仅针对儿童先天性心脏病，可能限制模型的泛化能力	通过构建公开医学影像数据集推动先天性心脏病的早期检测，特别是在医疗资源匮乏地区	儿童先天性心脏病患者的胸部X射线影像	计算机视觉	先天性心脏病	胸部X射线成像，心脏超声	深度学习模型	医学影像（DICOM格式胸部X射线）	828例儿童先天性心脏病患者的DICOM胸部X射线文件	NA	NA	ROC曲线下面积（AUC）	NA
802	2026-03-25	Fundus Tessellated Density Assessed by Deep Learning in Primary School Children 2023-06-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.6.11 PMID:37342054	研究论文	本研究利用深度学习技术评估小学儿童眼底镶嵌密度，并探讨其与眼部参数的关系	首次将人工智能技术应用于儿童眼底镶嵌密度的定量评估，并分析了不同分布模式的特征	样本量有限（仅577名7岁儿童），且为横断面研究，无法确定因果关系	探索眼底镶嵌密度与眼部特征的关系，并比较不同眼底镶嵌分布模式	577名7岁儿童的眼部数据	计算机视觉	近视相关眼底病变	深度学习	深度学习模型	图像	577名7岁儿童	NA	NA	NA	NA
803	2026-03-25	Validation of a deep learning, value-based care model to predict mortality and comorbidities from chest radiographs in COVID-19 2022-Aug, PLOS digital health DOI:10.1371/journal.pdig.0000057 PMID:36812559	研究论文	本研究验证了一个基于深度学习、以价值为导向的护理模型，该模型利用胸部X光片预测COVID-19患者的死亡率和合并症	开发并验证了一个仅使用正面胸部X光片预测COVID-19患者合并症和死亡率的深度学习模型，并与传统的分层条件类别（HCC）风险调整模型进行了性能比较	模型训练数据来自单一机构（2010-2019年），且外部验证队列规模有限（共900例COVID-19患者），可能影响模型的泛化能力	验证深度学习模型在预测COVID-19患者合并症和死亡率方面的性能，并评估其在临床决策中的潜在应用价值	COVID-19患者的正面胸部X光片	数字病理学	COVID-19	胸部X光成像	深度学习模型	图像	训练集：14,121张门诊患者正面胸部X光片（2010-2019年）；验证集：413例门诊COVID-19患者（内部队列）和487例住院COVID-19患者（外部队列）的初始正面胸部X光片	NA	NA	ROC曲线下面积（AUC）、相关系数、绝对平均误差	NA
804	2026-03-25	Deep 3D Neural Network for Brain Structures Segmentation Using Self-Attention Modules in MRI Images 2022-03-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072559 PMID:35408173	研究论文	本文提出了一种基于深度学习的3D神经网络，结合自注意力模块用于MRI图像中的脑结构分割	提出了一种结合局部卷积特征和全局自注意力机制的3D深度学习模型，用于脑结构分割，据称是使用注意力机制分割最多脑结构（37个）的3D方法	NA	开发一种用于脑结构分割的深度学习模型，以提高分割精度和速度	脑MRI图像中的37个脑结构	计算机视觉	NA	磁共振成像	CNN, 自注意力模块	三维MRI图像	Mindboggle-101数据集	NA	基于UNet的架构，包含卷积层和自注意力模块	平均Dice分数	NA
805	2026-03-25	Deep-AmPEP30: Improve Short Antimicrobial Peptides Prediction with Deep Learning 2020-Jun-05, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2020.05.006 PMID:32464552	研究论文	本文提出了一种基于深度学习的短长度抗菌肽预测方法Deep-AmPEP30，用于从基因组序列中识别潜在的抗菌肽	结合PseKRAAC简化的氨基酸组成最优特征集与卷积神经网络，提高了短长度抗菌肽的预测性能	NA	开发一种高效的短长度抗菌肽预测工具，以支持药物发现	短长度（≤30个氨基酸）抗菌肽	机器学习	NA	NA	CNN	序列数据	188个样本的平衡基准数据集	NA	NA	准确率, AUC-ROC, AUC-PR	NA
806	2026-03-25	Deep learning in rare disease. Detection of tubers in tuberous sclerosis complex 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0232376 PMID:32348367	研究论文	本研究开发并测试了一种深度学习算法，用于自动检测结节性硬化症患者MRI中的皮质结节，并探索了在数据有限的罕见疾病中深度学习的应用	在罕见疾病（结节性硬化症）中应用深度学习算法进行皮质结节检测，并开发了开源的独立应用程序	算法仅适用于手动选择的MRI图像，未在未经筛选的临床数据中进行全面验证	开发自动检测结节性硬化症皮质结节的深度学习算法，并探索其在罕见疾病诊断中的应用潜力	结节性硬化症患者的MRI图像（T2和FLAIR序列）	计算机视觉	结节性硬化症	磁共振成像	CNN	图像	228名受试者（114名结节性硬化症患者和114名对照）	NA	InceptionV3	灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数, 准确率, AUC	NA
807	2026-03-24	Granular stockpile volume dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112631 PMID:41869581	研究论文	本研究介绍了一个用于基于视觉的无人机系统（UAS）体积测量的标注数据集，旨在提高颗粒状料堆体积测量的准确性和自动化水平	首次提供了一个全面的UAS数据集，涵盖了不同天气条件、料堆尺寸、相机角度、飞行模式和图像重叠等参数，并包含标注的3D点云数据，支持3D深度学习模型开发	数据集为横断面设计，料堆未随时间单独追踪，且数据收集期间其中一个站点的料堆体积发生了变化	开发一个标注的UAS数据集，以促进基于视觉的无人机系统在颗粒状料堆体积测量中的应用，并研究视觉数据收集参数对测量结果的影响	颗粒状料堆（沙子和砾石材料），共47个料堆，体积范围从51 m³到3000 m³	计算机视觉	NA	无人机系统（UAS）数据采集，Pix4D摄影测量	3D深度学习模型	图像，3D点云	1521张图像，来自47个料堆，覆盖两个不同站点	NA	NA	NA	NA
808	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
809	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
810	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
811	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
812	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
813	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
814	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
815	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
816	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
817	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
818	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
819	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
820	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