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
821	2026-03-24	Large-Scale Histological Image Dataset with Metadata for Colorectal Cancer Microenvironment 2026-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06675-9 PMID:41673045	研究论文	本文介绍了一个用于结直肠癌肿瘤微环境分析的大规模组织学图像数据集HMU-CRC-Hist550K，并展示了其在深度学习模型基准测试中的应用	构建了首个包含55万张标注图像块、覆盖8种不同TME组织类别的大规模结直肠癌组织学图像数据集，填补了该领域高质量标注数据的空白	数据集主要基于公开可用的结直肠癌组织学样本，可能无法完全代表所有临床场景的多样性	解决结直肠癌肿瘤微环境异质性分析中高质量标注数据缺乏的问题，促进AI辅助诊断和个性化治疗	结直肠癌组织学图像中的肿瘤微环境组织成分	数字病理学	结直肠癌	组织学成像	深度学习模型	组织学图像	550,000张标注图像块（来自500张全切片图像）	NA	NA	NA	NA
822	2026-02-14	A comprehensive maternal health risk prediction dataset from IoT-enabled medical cyber-physical systems in developing countries: supporting machine learning and deep learning applications for clinical decision support 2026-Feb-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03343-1 PMID:41680779	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
823	2026-03-24	Polysomnography Dataset for Sleep Analysis in Ischemic Stroke Patients 2026-Feb-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06747-w PMID:41673037	研究论文	本文介绍了首个针对缺血性卒中患者的亚洲大型睡眠数据库iSLEEPS，并利用深度学习模型进行了自动睡眠分期分类	创建了首个亚洲地区、规模最大的卒中特异性睡眠数据库，填补了卒中睡眠研究领域的数据空白	样本量相对有限（100例），且数据来源单一（印度NIMHANS医院）	研究缺血性卒中患者的睡眠结构与神经恢复之间的关系，特别是睡眠呼吸障碍的病理生理机制	缺血性卒中患者	数字病理学	缺血性卒中	多导睡眠图	LSTM, Transformer, CNN	多导睡眠图记录	100例夜间PSG记录	NA	长短期记忆网络, Transformer, 卷积神经网络	准确率	NA
824	2026-03-24	A fine-grained fundus image dataset for cataract severity assessment and diagnosis 2026-Feb-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06684-8 PMID:41654552	研究论文	本文构建了一个用于白内障严重程度评估和诊断的细粒度眼底图像数据集，并提出了一个基于多模态大语言模型的诊断框架	首次应用多模态大语言模型技术进行精确的定量白内障诊断，并公开了首个包含细粒度分类和专业诊断描述的高质量眼底图像数据集	数据集规模相对较小，仅包含187个病例，可能影响模型的泛化能力	开发一个能够进行细粒度白内障严重程度评估并生成专业诊断报告的自动诊断系统	白内障患者的眼底图像	计算机视觉	白内障	眼底成像	多模态大语言模型	图像, 文本	187个眼底图像病例	NA	多模态大语言模型	NA	NA
825	2026-03-24	A Large-Scale Peripheral Blood Cell Dataset for Automated Hematological Analysis 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06761-y PMID:41651863	研究论文	本文介绍了一个大规模外周血细胞数据集，用于自动化血液学分析	提供了目前最大的公开外周血细胞图像数据集，包含13个细胞类别和31,489张高分辨率图像，涵盖了诊断关键但罕见的细胞亚型	NA	支持自动化血液学系统的开发，用于临床血液学诊断	外周血细胞图像	数字病理学	血液疾病	May-Grünwald-Giemsa染色，Sysmex DI-60系统采集	CNN	图像	31,489张高分辨率显微镜图像	NA	DenseNet-121	准确率	NA
826	2026-03-24	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-01-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	本文通过序列到功能建模评估单细胞ATAC-seq图谱技术，并引入改进的HyDrop v2方法进行平台基准测试	首次系统评估不同scATAC-seq平台在训练S2F深度学习模型和生成TF足迹方面的能力，并证明低片段数可通过增加细胞数补偿	未明确说明具体训练数据集构建的最优标准，且平台比较可能受实验条件限制	解码细胞类型身份的顺式调控逻辑，优化scATAC-seq图谱构建用于深度学习建模	单细胞染色质可及性数据、增强子逻辑、转录因子足迹	机器学习	NA	单细胞ATAC-seq、序列到功能深度学习建模	深度学习模型	单细胞染色质可及性序列数据	未明确指定具体样本数量，涉及多平台数据整合	NA	序列到功能模型	增强子预测性能、序列可解释性、转录因子足迹生成能力	NA
827	2026-03-24	Personalized gene expression prediction in the era of deep learning: a review 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag022 PMID:41615288	综述	本文回顾了深度学习时代下个性化基因表达预测的研究进展，重点讨论了现有模型的局限性及改进方法	系统比较了深度学习模型与传统线性模型在跨个体基因表达预测中的性能，并探讨了基因组语言模型等新兴方法	深度学习模型在跨个体基因表达预测中仍面临显著挑战，难以稳定超越传统线性模型	改进个性化基因表达预测的准确性和鲁棒性	基因组序列与基因表达数据	计算基因组学	NA	表观基因组测序	深度学习模型, 线性模型	基因组序列数据, 表观基因组数据	大规模表观基因组数据集	NA	基因组语言模型	NA	NA
828	2026-03-24	Deep learning-assisted discovery of a potent and cell-active inhibitor of RNA N6-methyladenosine recognition protein YTHDC2 2026-01-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65542-0 PMID:41495018	研究论文	本研究开发了一种基于深度学习的分子生成模型EPMolGen，用于发现针对RNA N6-甲基腺苷识别蛋白YTHDC2的有效小分子抑制剂	首次开发了EPMolGen模型，该模型在分子生成中明确整合了受体蛋白的静电特征，实现了干实验验证中的最先进性能，并成功发现了高效且具有选择性的YTHDC2抑制剂DC2-C1	未在摘要中明确提及	发现针对YTHDC2蛋白的有效小分子抑制剂，以用于药物开发	RNA N6-甲基腺苷识别蛋白YTHDC2及其小分子抑制剂	机器学习	NA	深度学习	分子生成模型	分子结构数据，受体蛋白静电特征	NA	NA	EPMolGen	IC50值	NA
829	2026-03-24	Deep learning guided design of protease substrates 2026-01-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67226-1 PMID:41495045	研究论文	本文提出了一种名为CleaveNet的端到端AI流程，用于设计蛋白酶底物	开发了首个端到端AI流程（CleaveNet），用于大规模、可调控且高效地设计蛋白酶底物，并引入了条件标签以引导生成具有特定切割谱的肽段	研究主要应用于基质金属蛋白酶，尚未扩展到所有蛋白酶类别；大规模体外筛选的实验验证可能受限于特定实验条件	加速蛋白酶底物的设计，以研究蛋白酶活性并应用于蛋白酶激活的诊断和治疗	蛋白酶（特别是基质金属蛋白酶）的肽段底物	机器学习	NA	深度学习，大规模体外筛选	深度学习模型	肽序列数据	NA	NA	CleaveNet	体外实验验证（切割效率与选择性）	NA
830	2026-03-24	Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70000 PMID:40847589	研究论文	本研究提出了一种基于计算机视觉的无传感器方法，利用神经辐射场（NeRF）从单目内窥镜视频生成动态术中CT更新，以改善内窥镜鼻窦手术中的图像引导导航	首次将神经辐射场（NeRF）应用于内窥镜鼻窦手术，实现无外部跟踪的术中CT动态更新，通过视频直接可视化切除进展	研究仅基于三个3D打印模型（共6侧）进行验证，样本量较小，且未在真实患者手术中进行测试	开发一种能够动态反映术中变化的图像引导手术系统，以提高手术完整性和减少残留病灶	内窥镜鼻窦手术（ESS）中的3D打印模型	计算机视觉	鼻窦疾病	神经辐射场（NeRF）、CT扫描、内窥镜视频处理	深度学习算法	视频、CT图像	3个3D打印模型（双侧，共6侧）	自定义NeRF流程	神经辐射场（NeRF）	豪斯多夫距离、Dice相似系数、Bland-Altman分析	NA
831	2026-03-24	The application of artificial intelligence in the acute and sub-acute phases of spinal cord injury- a systematic review 2026-01, Spinal cord IF:2.1Q1 DOI:10.1038/s41393-025-01155-0 PMID:41345782	系统综述	本文系统综述了人工智能在脊髓损伤急性期和亚急性期管理中的应用，重点关注诊断、预后预测和治疗干预	首次系统性地总结了2020年至2025年间AI在脊髓损伤急性期和亚急性期管理中的应用，涵盖了多种机器学习模型和临床预测目标	仅纳入了2020年至2025年间的英文研究，排除了脑机接口、机器人技术和非神经学方面的研究，可能存在发表偏倚	描述人工智能在创伤性脊髓损伤管理中的应用，特别是在诊断、预后预测和治疗干预方面	脊髓损伤患者，特别是在急性期、损伤后康复期和第一年内的患者	机器学习	脊髓损伤	机器学习	经典机器学习模型, 集成学习模型, 深度学习模型	临床数据, 影像数据	23项研究，共120,931名个体	NA	NA	满意，部分研究显示高于人类表现	NA
832	2026-03-24	AI-navigated shoulder injection: precision, real-time learning and clinical translation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1727704 PMID:41867312	综述	本文综述了人工智能引导的超声肩关节注射技术，系统检索了相关研究并评估了其技术原理、临床应用及伦理监管	通过AI技术实现精准定位和实时学习，克服传统超声引导的局限性，优化肩关节注射治疗	NA	评估人工智能在超声引导肩关节注射中的应用效果及临床价值	人工智能引导的肩关节注射相关研究文献	计算机视觉	肩关节疾病	超声成像	深度学习	医学图像	NA	NA	NA	Dice相似系数, 首次穿刺成功率, 视觉模拟量表评分, 美国肩肘外科医师评分	NA
833	2026-03-24	Artificial neural networks fighting real neural decline: a systematic review of AI in Alzheimer's research 2026, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11484-4 PMID:41867506	系统综述	本文对2010年至2024年间关于人工智能在阿尔茨海默病研究中应用的156项同行评审研究进行了系统性回顾，并提出了一个新颖的分层框架来组织该领域	提出了一个新颖的分层框架，将AI应用分为早期检测、疾病进展建模、治疗发现和现实世界整合四个领域，并应用ARIMA预测模型来预测至2030年的研究轨迹	识别了模型泛化能力有限、伦理问题以及临床实施探索不足等持续存在的挑战	系统性回顾人工智能在阿尔茨海默病研究中的应用，并预测未来研究方向	2010年至2024年间发表的156项关于AI在阿尔茨海默病研究中应用的同行评审研究	机器学习	阿尔茨海默病	NA	深度学习, 生成模型, Transformer	神经影像, 遗传学数据, 生物标志物, 临床数据	NA	NA	Transformer	准确性	NA
834	2026-03-24	Deep learning-based classification of student GPA integrating psychological and family factors in the post-pandemic era 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1696610 PMID:41867970	研究论文	本研究开发了一个基于深度学习的GPA分类框架，整合了家庭背景和心理评估指标，以提升后疫情时代大学生学业成绩预测的准确性	引入了轻量级特征门控机制以改进高维异构数据中的特征选择，并首次将TabTransformer等深度学习模型应用于结合家庭和心理因素的学生GPA分类任务	研究样本仅来自一所中国大学，可能限制结果的普适性；未考虑课程难度、学习环境等其他潜在影响因素	开发一个深度学习框架，通过整合家庭背景和心理评估因素来分类学生GPA，以支持学业风险识别并指导针对性的学业援助和心理干预	来自一所中国大学的1,692名本科生	机器学习	NA	SCL-90心理评估	TabTransformer, DCNv2, AutoInt, MLP-ResNet	表格数据	1,692名本科生	NA	TabTransformer, DCNv2, AutoInt, MLP-ResNet	准确率, AUC	NA
835	2026-03-24	Enhancing deep learning in AI-enhanced education: a dual mediation model of cognitive load and learning motivation through interaction quality 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1768822 PMID:41867972	研究论文	本研究构建并验证了一个双中介模型，探讨了人工智能教育系统中的交互质量如何通过降低认知负荷和增强学习动机来促进深度学习结果	首次将认知负荷理论与自我决定理论相结合，提出了交互质量通过认知负荷与学习动机的双重中介作用影响深度学习的理论框架，并提供了实证证据	研究样本仅限于大学教师，未涵盖学生群体；采用横断面调查数据，无法确定因果关系；未考虑不同学科背景的调节作用	探究人工智能教育系统中交互质量影响深度学习结果的心理机制，为优化AI教育系统设计提供理论依据	使用AI学习平台的570名大学教师	教育技术	NA	问卷调查，协方差结构方程模型	结构方程模型	调查数据	570名大学教师	CB-SEM	双中介结构方程模型	模型拟合指数，方差解释率（R²=31.5%），中介效应占比（53%）	NA
836	2026-03-24	Bidirectional predictive modeling of narcissists' social exclusion and their hostile interpretations: a deep learning-based exploration of cognitive mechanisms 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1761090 PMID:41868005	研究论文	本研究通过构建深度学习模型（HIBPN），探索自恋特质、社会排斥/接纳情境与敌意解释偏差之间的双向预测关系，并验证自我肯定干预对减少敌意解释偏差的效果	构建了双向预测网络（HIBPN），整合情境变量与自恋特质，建立闭环的“前因-社会排斥-认知”系统，克服传统线性分析的局限性，提供新的认知预测框架	研究样本主要局限于本科生和研究生，可能限制结果的普适性；模型在特定训练-测试集比例下验证，需进一步外部验证	阐明敌意解释、自恋人格特质与社会排斥/接纳情境之间的交互机制，并验证自我肯定干预对社会排斥的影响	大学生和研究生，根据自恋特质分为显性自恋、隐性自恋和中性对照组	机器学习	NA	深度学习	深度学习网络	行为实验数据（情境操纵、特质评分、解释偏差量化）	实验1包括本科生和研究生分组；实验2从实验1中选择隐性自恋者进行随机分配	NA	Hostile Interpretation & Bidirectional Prediction Network (HIBPN)	预测效能（百分比）	NA
837	2026-03-24	Evaluation of classification performance for six types of fundus diseases in OCT images based on multi-source training strategy 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1775911 PMID:41868207	研究论文	本研究构建了一个包含六种关键眼底病变和正常对照的高质量OCT数据集，并系统评估了多源数据融合训练策略对多类别分类性能的提升效果	通过整合本地临床数据与公开数据集OCTDL，建立了一个覆盖七种类别的OCT数据集，并比较了单一来源与多源联合训练策略，验证了多源数据融合对提升模型鲁棒性的有效性	研究仅基于特定医院数据和单一公开数据集，可能未涵盖所有临床场景；模型性能评估仅在OCTDL测试集上进行，可能缺乏外部验证	评估多源训练策略对OCT图像中六种眼底疾病分类性能的改善效果	OCT图像中的年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜动脉阻塞、视网膜静脉阻塞、视网膜前膜、玻璃体黄斑界面疾病及正常对照	计算机视觉	眼底疾病	光学相干断层扫描	深度学习	图像	6165张OCT图像，覆盖七种类别	NA	ViT-Base	准确率, 加权F1分数, 类别特异性召回率, AUC, 误诊率	NA
838	2026-03-24	Deep learning for FDG-PET classification in patients with Alzheimer's disease, dementia with Lewy bodies and their mixed pathology: a solution for diagnostic heterogeneity 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1780858 PMID:41868427	研究论文	本研究开发了一种基于深度学习的集成模型，利用FDG-PET图像对阿尔茨海默病、路易体痴呆、混合病理及健康对照进行分类，以解决诊断异质性问题	首次将深度学习集成模型应用于FDG-PET图像，以区分阿尔茨海默病、路易体痴呆及其混合病理，提高了诊断准确性	样本量相对有限（277名参与者），模型在混合病理分类上的性能（AUROC 0.71）略低于其他组	提高阿尔茨海默病、路易体痴呆及其混合病理的诊断准确性	阿尔茨海默病患者、路易体痴呆患者、混合病理患者及健康对照	数字病理学	老年疾病	FDG-PET成像	深度学习	图像	277名参与者（包括AD、DLB、混合病理及健康对照组）	NA	集成模型	AUROC	NA
839	2026-03-24	Breast tumor segmentation and morphological feature-based classification in ultrasound using a two-stage U-net and SVM 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1774371 PMID:41868544	研究论文	本研究提出了一种基于两阶段U-Net和SVM的计算机辅助诊断框架，用于乳腺超声图像的自动分割和形态特征分类	结合了深度学习分割与基于手工形态特征的SVM分类，在保持高性能的同时提高了临床可解释性	仅使用了四种手工形态特征，可能未充分利用图像信息；数据集规模和多样性未明确说明	实现乳腺超声图像中肿瘤的自动分割和良恶性分类	乳腺超声图像	数字病理学	乳腺癌	超声成像	CNN, SVM	图像	包含正常、良性和恶性病例的综合数据集（具体数量未提供）	未明确指定	U-Net	Mask IoU, 准确率	NA
840	2026-03-24	Dose Prediction Deep Learning-Based Model for VMAT of Prostate Cancer Applying Magnetic Resonance Image (MRI) in Versa HD Linear Accelerator 2026, Advanced biomedical research IF:0.7Q4 DOI:10.4103/abr.abr_180_25 PMID:41868994	研究论文	本研究旨在开发一个基于深度学习的剂量预测模型，用于前列腺癌的容积调强弧形治疗（VMAT），利用MRI在Versa HD直线加速器上生成合成CT图像并进行剂量预测	应用CycleGAN和U-net深度学习框架从MRI生成合成CT图像，用于VMAT剂量预测，并比较了两种模型在Versa HD直线加速器上的性能	样本量较小（仅45名患者），且研究仅针对前列腺癌和特定加速器（Versa HD），可能限制结果的普适性	设计一个基于深度学习的剂量预测模型，以改善前列腺癌VMAT治疗中剂量分布的准确性，减少治疗计划系统的不确定性	前列腺癌患者	数字病理学	前列腺癌	MRI	GAN, CNN	图像	45名患者	NA	CycleGAN, U-net	gamma通过率	NA