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
9181	2026-03-18	Robust Histopathology Subtyping via Perturbation Fidelity in Deep Classifier 2026-Mar-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01875-6 PMID:41840135	研究论文	本文提出了一种基于扰动保真度的深度分类器框架，用于提高浸润性肺腺癌亚型分型的鲁棒性	提出了边缘一致性框架和扰动保真度评分方法，通过贝叶斯优化参数施加结构化扰动，解决了对比正则化导致的特征过度聚类问题	跨机构验证时存在约15-20%的性能下降，表明存在领域偏移问题，未来需要领域自适应研究	提高深度学习模型对浸润性肺腺癌亚型分型在真实世界成像扰动下的鲁棒性	浸润性肺腺癌的五个亚型	数字病理学	肺癌	全切片图像分析	深度学习分类器	图像	143张全切片图像，共203,226个图像块	NA	Vision Transformer-Large, ResNet101, ResNet50	准确率, 受试者工作特征曲线下面积, Kendall相关系数	NA
9182	2026-03-18	Multimodal machine learning for Cr(Ⅵ) removal and floc settling using image-based floc features and operating parameters 2026-Mar-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129024 PMID:41719855	研究论文	本文开发了一种新颖的多模态机器学习框架，通过整合基于图像的絮体特征和操作参数，来预测电絮凝过程中Cr(Ⅵ)的去除效率和絮体沉降性能	首次提出结合基于深度学习的絮体图像特征提取（使用ResNet50）与操作参数的多模态机器学习框架，用于优化电絮凝过程，显著提高了预测准确性	研究可能受限于特定实验条件（如pH变化、电解质浓度、搅拌速率）下的数据集，未明确提及模型在其他废水类型或更广泛操作条件下的泛化能力	优化电絮凝技术，提高Cr(Ⅵ)去除效率和絮体沉降性能，以应对废水处理中多变的操作条件	废水中的Cr(Ⅵ)污染物及电絮凝过程中形成的絮体	机器学习	NA	电絮凝，深度学习图像特征提取	ResNet50, 支持向量分类, 支持向量回归, Bagging分类器, Extra Tree	图像, 操作参数	NA	NA	ResNet50	R值（相关系数）	NA
9183	2026-03-18	Advances in transfer learning for smart wastewater treatment plants: Learning frameworks and emerging pathways 2026-Mar-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129078 PMID:41740504	综述	本文综述了迁移学习在智能污水处理厂中的应用框架、挑战及未来研究方向	首次对迁移学习在污水处理厂领域的应用进行全面综述，填补了现有文献的空白	NA	为基于迁移学习的智能污水处理厂策略的开发与实施提供信息	污水处理厂	机器学习	NA	迁移学习	NA	水质参数、传感器数据、过程数据	NA	NA	NA	预测精度	NA
9184	2026-03-18	Accelerated discovery of cell migration regulators using label-free deep learning-based automated tracking 2026-Mar-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea1492 PMID:41811952	研究论文	本文介绍了一种名为DeepBIT的无标记深度学习平台，用于高通量自动追踪细胞迁移，以系统研究其调控机制	开发了基于卷积神经网络的无标记亮场成像与细胞追踪平台，无需荧光标记或人工注释，实现了大规模单细胞迁移分析	未明确提及平台在复杂三维微环境或体内模型中的适用性限制	系统解析细胞迁移的调控机制，并探索其在药物发现和基因组扰动中的应用	乳腺癌细胞	计算机视觉	乳腺癌	亮场成像，荧光成像，CRISPR敲除	CNN	视频	约1500个细胞每孔，共840种条件，产生约130万条轨迹	NA	NA	NA	NA
9185	2026-03-18	De novo design of Ras isoform selective binders 2026-Mar-11, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2026.02.008 PMID:41819089	研究论文	本文利用深度学习技术从头设计了针对所有主要Ras亚型的特异性结合剂，以靶向Ras的C末端	首次通过深度学习从头设计出能够特异性结合Ras亚型的分子，克服了传统方法因序列差异有限而难以实现亚型选择性的挑战	NA	开发能够特异性结合不同Ras亚型的分子工具，以研究Ras生物学和疾病机制，并探索潜在的治疗应用	Ras原癌基因编码的四种主要亚型	机器学习	癌症	深度学习	NA	NA	NA	NA	NA	NA	NA
9186	2026-03-18	DGSite: A Well-Calibrated Deep Learning Framework for Protein-RNA Binding Site Prediction 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c12723 PMID:41835510	研究论文	本文提出了一种名为DGSite的深度学习框架，用于预测蛋白质-RNA结合位点，通过结合变形注意力Transformer和图注意力网络来整合全局与局部特征，并引入自适应偏置损失以解决类别不平衡和模型校准问题	开发了DGSite框架，首次结合简化变形注意力Transformer和图注意力网络来捕获长程依赖和多尺度局部特征，并基于最优传输理论提出自适应偏置损失（ABL）及混合损失函数ABL+FL，以优化精度、召回率和预测校准	NA	解决蛋白质-RNA结合位点预测中全局与局部特征整合不足、类别不平衡影响精度-召回率以及预测校准不佳的挑战	蛋白质-RNA相互作用	机器学习	NA	深度学习	Transformer, GAT	蛋白质-RNA结合位点数据	训练集Train-1086和测试集Test-107	PyTorch	简化变形注意力Transformer, 图注意力网络	精度, 召回率, 校准指标	NA
9187	2026-03-18	A Machine Learning Quest to Design Molecular Graph Fingerprints of Organic Chromophores for Adjusting Photoluminescent Quantum Yields 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c08921 PMID:41835603	研究论文	本文提出了一种基于分子指纹的深度学习流程，用于发现具有目标光致发光量子产率的有机发色团	开发了结合分子指纹与机器学习（支持向量机和梯度提升回归器）的流程，用于高效预测和设计有机发色团的光学性能，并利用逆合成分析设计了5200个新发色团	模型预测性能的R²值在0.68至0.88之间，仍有提升空间；研究基于713个已知发色团的数据集，化学空间的覆盖可能有限	设计具有高光致发光量子产率的有机发色团，以加速高性能有机光电材料的发现	有机发色团	机器学习	NA	分子指纹化、逆合成分析、结构-活性景观分析	支持向量机、梯度提升回归器	分子结构数据（转换为2048位指纹）	713个已知有机发色团，并新设计了5200个发色团	Scikit-learn	NA	R²	NA
9188	2026-03-18	CTP-Free Method for Automated Lesion Water Uptake in Acute Ischemic Stroke 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9054 PMID:41781175	研究论文	本研究开发并评估了一种仅使用NCCT和CTA的自动化方法，用于测量急性缺血性卒中患者的病灶净水摄取量，以替代传统的需要CTP的方法	提出了一种无需CTP、仅基于NCCT和CTA的自动化病灶净水摄取量测量方法，提高了临床适用性	需要进行外部验证以确认研究结果	开发并评估一种自动化的病灶净水摄取量测量方法，以辅助急性缺血性卒中的治疗选择和损伤进展评估	急性缺血性卒中患者的影像数据	数字病理学	心血管疾病	深度学习	NA	图像	90名来自MR CLEAN注册研究和MR CLEAN-LATE试验的、已知发病时间且拥有NCCT、CTA和CTP影像的缺血性卒中患者	NA	NA	组内相关系数, Bland-Altman分析, 受试者工作特征分析, 曲线下面积	NA
9189	2026-03-18	Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500362 PMID:41220170	研究论文	本研究提出了一种结合可见光-近红外高光谱成像与深度学习融合框架的非破坏性基因分型方法，用于快速评估肺腺癌驱动突变	首次将可见光-近红外高光谱成像与双分支深度学习融合框架结合，实现无需染色的肺腺癌驱动突变快速评估	研究样本量较小（90例临床标本），且未提及外部验证或跨中心验证结果	开发一种非侵入性、非破坏性的肺腺癌驱动突变（如ALK、EGFR、KRAS）识别方法，以指导个性化治疗	肺腺癌临床标本的未染色病理切片	生物医学光子学	肺腺癌	可见光-近红外高光谱成像（400-1000 nm）	深度学习融合框架，XGBoost	高光谱图像	90例临床标本	NA	双分支融合网络，XGBoost	准确率，ROC曲线下面积（AUC）	NA
9190	2026-03-18	MALDI-TOF mass spectrometry coupled with machine learning: an accurate tool to detect toxigenic Clostridioides difficile strains 2026-Mar, Anaerobe IF:2.5Q3 DOI:10.1016/j.anaerobe.2025.103017 PMID:41325791	研究论文	本研究评估了MALDI-TOF质谱结合机器学习在检测产毒艰难梭菌菌株中的有效性	首次将MALDI-TOF质谱与机器学习算法结合，用于区分产毒与非产毒艰难梭菌菌株，提供了一种低成本、易用的替代方法	样本量相对有限（389个菌株），且仅基于单一机构的临床样本，可能影响模型的泛化能力	评估MALDI-TOF质谱在识别产毒艰难梭菌菌株中的有效性，并开发基于机器学习的检测工具	从315名患者粪便中分离的389个艰难梭菌菌株（包括产毒和非产毒菌株）	机器学习	艰难梭菌感染	MALDI-TOF质谱, 全基因组测序, PCR, 厌氧培养	支持向量机, 随机森林, 深度学习算法	质谱数据, 基因组数据	389个艰难梭菌菌株（来自315名患者）	NA	NA	准确率, κ值, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
9191	2026-03-18	Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100880 PMID:41411852	研究论文	本文提出了一种名为NowcastPNN的新型概率神经网络架构，用于估计传染病（以巴西圣保罗的登革热为例）中已发生但尚未报告的病例数	结合负二项分布统计建模与注意力机制等深度学习技术，通过蒙特卡洛Dropout获取不确定性区间，在预测区间评分规则上相比现有最佳方法减少近30%的损失	模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准方法	开发快速可靠的传染病实时预测方法，以支持公共卫生决策	登革热发病率数据	机器学习	登革热	NA	概率神经网络, 注意力机制	发病率计数数据	相当于2-4年的发病率计数	NA	NowcastPNN	预测区间评分规则	计算成本低廉
9192	2026-03-18	VarCoNet: A Variability-Aware Self-Supervised Framework for Functional Connectome Extraction From Resting-State fMRI 2026-Mar, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70469 PMID:41810518	研究论文	本文提出了一种名为VarCoNet的变异性感知自监督框架，用于从静息态功能磁共振成像数据中提取稳健的功能连接组	将功能个体间变异性视为有意义的数据而非噪声，通过自监督对比学习利用这种变异性，并引入基于信号分割的新颖增强策略	NA	开发一个用于从静息态功能磁共振成像数据中提取功能连接组的稳健框架，以支持精准医学	静息态功能磁共振成像数据，包括来自人类连接组计划的2117条记录和自闭症脑成像数据交换I（995条记录）及II（730条记录）数据集的数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	CNN, Transformer	时间序列数据	人类连接组计划：2117条记录；自闭症脑成像数据交换I：995条记录；自闭症脑成像数据交换II：730条记录	NA	1D卷积神经网络与Transformer编码器集成	准确率, AUC	NA
9193	2026-03-18	Time-resolved functional genomics using deep learning reveals global hierarchical control of autophagy 2026-Mar, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01837-0 PMID:41826700	研究论文	本研究结合时间分辨高内涵成像、深度学习和潜在特征分析，绘制了氮变化期间控制自噬激活和失活的遗传网络	首次通过时间分辨功能基因组学方法，结合深度学习揭示自噬的全局层次控制，并识别逆行通路作为关键的时间变化调节因子	NA	研究自噬在营养环境变化中的系统动态调控机制	自噬过程及其遗传网络	机器学习	NA	时间分辨高内涵成像，潜在特征分析	深度学习	图像数据	5,919个突变体	NA	NA	NA	NA
9194	2026-03-18	Deep learning-driven immunohistochemical analysis of renal lymphatics for chronic kidney disease: bioinformatic and histopathological study 2026-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2025.12.15 PMID:41820010	研究论文	本研究开发了一种基于弱监督、注意力机制的多实例学习框架，用于自动检测和量化肾淋巴管密度，以支持慢性肾脏病和高血压肾病的诊断与风险分层	采用聚类约束注意力多实例学习（CLAM）模型，联合执行基于注意力的实例选择和实例级聚类，以区分每个切片内的正负证据，从而生成更具区分性的切片级特征和可解释的注意力图	研究仅基于两个独立内部数据集（来自同济医院），样本量相对有限（CKD 198例，HTN 50例），且仅使用D2-40免疫组化染色的全切片图像	评估一种自动化框架，用于肾淋巴管密度的检测和量化，以替代缓慢、主观的视觉评估方法	慢性肾脏病（CKD）和高血压肾病（HTN）患者的肾活检组织	数字病理学	慢性肾脏病	免疫组化染色（D2-40）、全切片图像数字化	CNN, 多实例学习	图像	CKD 198例，HTN 50例，总计248例肾活检样本	NA	CLAM（聚类约束注意力多实例学习模型）	AUC（接收者操作特征曲线下面积）	NA
9195	2026-03-18	Deep learning-based upsampling of 2D detector array measurements for patient plan verification in radiotherapy 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70358 PMID:41840888	研究论文	本文提出了一种基于深度学习的上采样方法，用于提高放疗患者计划验证中探测器阵列的空间分辨率	利用深度卷积神经网络对探测器阵列测量进行上采样，校正体积平均效应，并在陡峭梯度区域实现比标准双线性插值更好的插值效果	训练数据基于蒙特卡洛模拟生成，可能无法完全覆盖所有临床场景；研究主要针对特定型号探测器（OCTAVIUS Detector 1500）	提高强度调制放射治疗中探测器阵列用于患者计划验证的空间分辨率	放疗治疗计划验证中的二维剂量分布测量	医学影像分析	NA	蒙特卡洛模拟	CNN	二维剂量分布图像	基于蒙特卡洛模拟生成的合成训练数据，覆盖不同直线加速器设置和射野形状	PyTorch	深度卷积架构	伽马指数通过率	NA
9196	2026-03-18	Real-Time Pond Water Assessment via Embedded Deep Learning and Visual Data Acquisition: A Practical Monitoring Approach for Aquaculture 2026-Feb-24, Journal of visualized experiments : JoVE DOI:10.3791/69744 PMID:41838729	研究论文	本文提出了一种基于嵌入式深度学习和视觉数据采集的实时池塘水质评估系统，用于水产养殖监测	开发了一种集成低成本水下摄像头、树莓派控制器网络和轻量级神经网络的自主水面机器人系统，实现实时水下图像分类和水质评估	系统仅针对五种水质条件进行分类，可能需要进一步扩展类别；方法在其他水产养殖或环境监测场景中的适应性需要验证	设计、部署和操作基于嵌入式深度学习的实时水质监测系统，支持可持续水产养殖实践	观赏鱼（如锦鲤）养殖池塘的水质条件	计算机视觉	NA	水下图像采集、嵌入式系统	深度学习、神经网络	图像	自定义数据集（具体数量未说明）	NA	轻量级神经网络	准确率	树莓派控制器网络、嵌入式系统
9197	2026-03-18	Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34846-y PMID:41688507	研究论文	本文提出了一种基于深度学习的优化模型，用于最小化D2D毫米波通信中的中断概率和能量消耗	结合Flamingo Elk Herd Optimization（FEHO）和Deep Spiking Neural Network（DSNN）模型，优化中断概率和能量消耗，在平均发射功率和中断概率方面达到39.056 dBm和0.0015的优越性能	未明确说明模型在更复杂无线信道环境或大规模网络中的泛化能力，以及计算资源需求	最小化D2D毫米波通信系统的中断概率和能量消耗，以增强网络覆盖的鲁棒性	D2D毫米波通信系统，包括相干、单簇近似和非相干下界三种覆盖概率机制	机器学习	NA	深度学习优化，模拟仿真	Deep Spiking Neural Network（DSNN）	模拟数据	未明确指定样本数量，基于模拟仿真	未明确指定，可能为自定义框架	Deep Spiking Neural Network（DSNN）	平均发射功率（dBm），中断概率	未明确指定
9198	2026-03-18	Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35147-8 PMID:41690988	研究论文	本文提出了一种基于机器学习的框架，利用高速视频数据预测垂直管上饱和池沸腾过程中的热通量	首次将深度学习模型（如卷积神经网络和目标检测算法）应用于沸腾气泡的动态分析，以自动提取分层和基于物理的特征，并实现原位热通量预测	未明确说明模型在极端或非标准沸腾条件下的泛化能力，且样本大小和具体数据细节未在摘要中详细描述	开发一种自动化、基于学习的方法来预测饱和池沸腾过程中的热通量，以提高设备设计、安全性和可靠性	垂直管上的饱和池沸腾过程，特别是气泡的形成、合并和脱离动态	计算机视觉	NA	高速成像	CNN, 目标检测算法	视频	NA	NA	NA	平均热通量预测误差, 分类准确率	NA
9199	2026-03-18	Assessing conformation validity and rationality of deep learning-generated 3D molecules 2026-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69303-5 PMID:41654558	研究论文	提出一种用于评估AI生成3D分子构象有效性与合理性的两阶段方法，兼顾速度与量子力学精度	结合AI力场与深度学习网络，实现快速且具备量子力学精度的构象异常检测	未明确说明方法在超大规模分子库（如千万级）中的计算效率表现	解决AI生成3D分子构象缺乏有效评估方法的问题	AI生成的3D分子构象	机器学习	NA	密度泛函理论, AI力场	深度学习网络	3D分子构象数据	5个AI模型在102个靶点（Directory of Useful Decoys-Enhanced数据集）上生成的分子	NA	NA	NA	NA
9200	2026-03-18	Artificial intelligence in cardiology: an updated systematic review with ethical considerations and challenges in implementing artificial intelligence models 2026-Feb, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004607 PMID:41675877	综述	本文是一篇关于人工智能在心血管医学中应用的系统性综述，重点评估了AI在诊断准确性、效率和预测能力方面的优势，并探讨了伦理考量与实施挑战	该综述不仅总结了AI在心血管诊断（如超声心动图、心电图、CT血管造影）中的最新进展，还特别强调了伦理问题、数据隐私、模型泛化性及临床实施指南等关键挑战，为未来研究提供了综合视角	综述指出，对AI在心血管医学中全面影响的理解仍存在显著空白，包括模型泛化性不足、数据质量问题、潜在算法偏见以及缺乏清晰的临床实施指南	评估人工智能在心血管医学中的影响，探讨其在提升诊断准确性和改善患者预后方面的潜力，并分析相关伦理与实施挑战	心血管医学领域的人工智能应用，特别是诊断工具（如超声心动图、心电图、CT血管造影）和预测分析模型	机器学习	心血管疾病	NA	机器学习, 深度学习	医学影像数据（如超声心动图、CT血管造影）、信号数据（如心电图）	NA	NA	NA	诊断准确性, 预测能力	NA