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
81	2026-06-15	Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250407 PMID:41718534	研究论文	评估整合多模态数据的深度学习模型在预测肝细胞癌微血管侵犯中的性能，并研究不同人工标注方法对性能的影响	比较了体素级掩模和边界框两种人工标注方法对多序列MRI深度学习模型预测肝细胞癌微血管侵犯性能的影响，发现边界框标注在保持可比AUC的同时显著提高了标注效率	NA	评估整合多模态数据的深度学习模型在术前预测肝细胞癌微血管侵犯中的性能，并探究不同人工标注方法的影响	来自三家机构的肝细胞癌患者	机器学习	肝癌	MRI	深度学习模型	医学图像	281名患者（平均年龄59.05±11.92岁，238名男性）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
82	2026-06-15	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	提出一种结合数学和深度学习模型的集成方法，用于改善COVID-19疫情下的流感样疾病预测	首次将机械性n-subepidemic模型与蒙特卡洛丢弃长短期记忆神经网络结合，形成适应性集成框架，有效捕捉疫情改变后的传播模式并提供不确定性量化	NA	提升流感样疾病的短期预测性能，增强疫情应对和医疗资源分配的可靠性	韩国不同年龄组的流感样疾病发病率	机器学习	流感样疾病、COVID-19	蒙特卡洛丢弃、长短期记忆网络	集成模型（n-subepidemic模型 + LSTM神经网络）	时序发病率数据	包含四次疫情波的年龄分层数据	PyTorch	LSTM	加权区间评分（WIS）、平均绝对误差（MAE）	NA
83	2026-06-15	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	开发了一个名为GReNIMJA的深度学习模型，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测已知和未知转录因子的基因调控关系	首次实现了对未知转录因子的基因调控关系预测，解决了传统深度学习模型仅能预测已知转录因子的局限	NA	预测转录因子与基因之间的调控关系，特别是针对未知转录因子	转录因子与目标基因的调控关系	机器学习	NA	NA	2D长短期记忆网络	氨基酸序列和核苷酸序列	NA	NA	2D LSTM	准确率	NA
84	2026-06-15	Rapid-EEG Software Architecture's Clinical Impact: Advantages and Limitations 2026-Mar-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001188 PMID:41773895	综述	本文综述了快速脑电图（EEG）设备软件架构的临床应用优势与局限性	系统阐述了快速EEG设备从第一代麻醉管理到第二代癫痫检测的发展历程，并重点分析了深度学习算法在回顾性研究中与人类专家相媲美或更优的表现，同时指出算法“黑箱”特性对临床应用的制约	讨论限于回顾性研究，缺乏前瞻性临床试验验证，且对专有算法透明性问题提出建议但未给出具体解决方案	评估快速EEG设备自动分析方法的原理及人工智能/机器学习技术在癫痫检测中的应用影响，并倡导算法透明度以促进临床协作	快速EEG设备的软件架构及其临床应用中的算法性能	机器学习	癫痫	EEG	深度学习	EEG信号	NA	NA	NA	NA	NA
85	2026-06-15	Glycemic Variability as a Predictor of Mortality in Sepsis Patients With Concurrent Persistent Inflammation, Immunosuppression, and Catabolism Syndrome 2026-Mar, Immunity, inflammation and disease DOI:10.1002/iid3.70400 PMID:41791121	research paper	本研究探讨血糖变异系数（GVC）对并发持续性炎症、免疫抑制和分解代谢综合征（PICS）的脓毒症患者死亡率的影响	首次在并发PICS的脓毒症亚组中验证GVC与不良临床结局的关联，并利用TabPFN深度学习模型构建预测模型，AUC达0.960	单中心数据库回顾性研究，GVC分组基于指南但未动态调整，外部验证样本量较小	评估GVC对并发PICS的脓毒症患者28天、院内及180天死亡率的预测价值	1353例来自MIMIC-IV数据库的院内感染脓毒症患者，以及116例天津医科大学总医院急诊科验证队列	machine learning	sepsis	NA	TabPFN（表格数据先验适配网络）	tabular data	1353例（训练队列）及116例（外部验证队列）	Scikit-learn (Boruta), PyTorch (TabPFN)	TabPFN	AUC	NA
86	2026-06-15	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	提出一种结合布谷鸟搜索优化和ResNet的深度学习算法用于骨癌细胞检测	将布谷鸟搜索优化算法与ResNet结合，形成CS-MHC ResNet模型，优化特征选择和超参数调优，提升骨癌分类性能	仅在有限数据集上验证，未来需要在更大规模多中心数据集和简化设计上提高鲁棒性和适用性	开发一种自动化的骨癌细胞检测与分类系统，用于早期骨癌诊断	骨癌组织图像（恶性和健康骨组织）	计算机视觉	骨癌	图像分类	卷积神经网络（CNN）	图像	未明确说明样本数量	NA	ResNet, VGG-16, Xception, Inception	准确率，敏感性，精确率，F-measure	NA
87	2026-06-15	DECODE: deep learning-based common deconvolution framework for various omics data 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03007-y PMID:41772096	研究论文	提出DECODE，一个通用反卷积框架，适用于多种组学数据，包括转录组、蛋白质组和代谢组	首次实现代谢组学反卷积，并能在不同组学数据、供体、疾病状态和测量平台上优于现有方法	信息不足，无法从标题和摘要中提取	开发一个通用反卷积框架，用于从组织水平数据估算细胞类型丰度，并整合多组学数据	细胞类型和细胞状态	机器学习	NA	反卷积算法	深度学习模型	转录组、蛋白质组、代谢组数据	NA	NA	NA	性能指标未在摘要中明确列出，但提到优于现有方法	NA
88	2026-06-15	Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study 2026-Mar, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2025.00808 PMID:41943643	研究论文	开发一种全自动双模态深度学习框架，用于胶质母细胞瘤放疗的靶区和危及器官自动勾画，并通过剂量学等效性验证其临床实用性	提出了一种无需预对齐的双编码器注意力U-Net结构，同时处理CT和MRI双模态图像，且在独立测试集上实现了与专家手动勾画在剂量学上的等效性	未在文中提及	通过剂量学等效性验证自动勾画框架在胶质母细胞瘤放疗计划中的临床可靠性	胶质母细胞瘤患者的CT和MRI图像	数字病理学	胶质母细胞瘤	深度学习	注意力U-Net	CT和MRI图像	100名患者的回顾性数据集	NA	双编码器注意力U-Net（CT），单编码器注意力U-Net（MRI）	Dice相似系数（DSC）	NA
89	2026-06-15	Deep learning-based semantic matching of cis-regulatory DNA sequences facilitates the prediction of gene function 2026-Mar, Nature plants IF:15.8Q1 DOI:10.1038/s41477-026-02231-w PMID:41708941	研究论文	使用深度学习模型PhytoBabel捕捉顺式调控DNA序列的语义相似性，从而预测基因功能	证明了远缘物种间（约1.6亿年进化分歧）的直系同源顺式调控序列虽缺乏序列相似性，但保留可通过深度学习捕获的语义相似性，并能在无直接训练的情况下隐式学习时空表达模式、保守非编码序列和系统发育关系	未明确说明模型在不同物种间的泛化能力、对非直系同源序列的适用性或计算资源需求等潜在局限性	利用顺式调控DNA序列的语义相似性来预测未知基因功能，特别是反向遗传学中的应用	15种被子植物的直系同源顺式调控序列对，以及玉米和拟南芥中与体细胞胚胎发生相关的形态发生调控因子	机器学习	NA	NA	深度学习模型（PhytoBabel）	DNA序列	15种被子植物的直系同源顺式调控序列对	NA	NA	语义相似性（深度学习捕获）	NA
90	2026-06-15	A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag088 PMID:41712756	研究论文	提出了一个用于全面预测人类RNA G-四链体结合蛋白的深度学习框架	利用ESM-2蛋白质语言模型嵌入和LSTM架构，实现了对RNA G4BPs的高精度预测，并在人类蛋白质组中发现了大量候选物，揭示了与应激颗粒的潜在联系	NA	开发一种有效的方法来识别RNA G-四链体结合蛋白，并探索其在RNA调控中的作用	人类RNA G-四链体结合蛋白	机器学习	NA	深度学习、蛋白质语言模型	LSTM	蛋白质序列数据	人类蛋白质组中2160个高置信度RG4BP候选物	PyTorch	LSTM	准确率	NA
91	2026-06-15	Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis 2026-Feb-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/76637 PMID:41773691	系统综述与荟萃分析	系统评估机器学习方法在左心室肥厚检测中的诊断准确性	首次通过系统综述与荟萃分析，全面评估不同机器学习方法和建模变量对左心室肥厚检测准确性的影响	纳入研究存在极端异质性，基于有限证据得出的结论需要谨慎解读，且未来需更多基于影像数据的高性能模型研究	系统评估机器学习方法在左心室肥厚检测中的诊断准确性，为人工智能工具的开发提供依据	左心室肥厚检测相关的机器学习模型	机器学习	心血管疾病	NA	机器学习模型（包括深度学习模型）	心电图、临床特征、超声心动图	25项研究	NA	NA	灵敏度, 特异性	NA
92	2026-06-15	A novel deep learning framework for field-scale wheat yield prediction 2026-Feb-25, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05166-0 PMID:41739241	研究论文	提出一种基于遗传算法优化的深度神经网络框架，利用近地传感数据实现田间尺度小麦产量预测	首次将遗传算法优化的深度神经网络与手持或车载主动近地传感器数据相结合，用于印度农业背景下的小麦产量预测，在多种条件下优于传统机器学习模型	NA	利用近地传感数据构建深度学习框架，实现田间尺度小麦产量的精确预测，支持育种者高效选择基因型并助力可持续发展目标	2020-2021冬季生长季两个地点的灌溉和雨养条件下3350份不同小麦种质	机器学习	NA	近地传感（NDVI、冠层温度、株高测量）	深度神经网络、随机森林回归、LASSO、支持向量回归	数值数据（光谱植被指数、温度、高度）	3350份小麦种质，涵盖灌溉和雨养条件	NA	遗传算法优化的深度神经网络	R²值	NA
93	2026-06-15	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	提出一种基于深度学习的混合模型Hybrid-Sumo，用于准确预测SUMO化修饰位点	整合蛋白质结构特征和序列特征，结合HSE、PSSM-DWT和BERT三种先进特征提取技术，并利用SHAP算法进行最优特征选择	NA	开发一种准确预测SUMO化修饰位点的计算工具	蛋白质SUMO化修饰位点	机器学习	NA	深度学习	深度神经网络（DNN）	蛋白质序列和结构特征数据	基准数据集	NA	DNN	准确率	NA
94	2026-06-15	A hybrid blockchain based deep learning model for multivector attack detection in internet of things enabled healthcare systems 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40765-3 PMID:41721001	研究论文	提出一种结合区块链和深度学习的混合模型，用于物联网医疗系统中的多向量攻击检测	首次将深度稀疏自编码器、双向长短期记忆网络与区块链技术结合，通过贝叶斯专家乘积方法进行仿真结果验证，实现高精度、低延迟的实时攻击检测	跨数据集测试的平均得分在11.52%至13.55%之间，表明泛化能力中等；实验环境为受控设置，实际部署中可能面临更多挑战	提升物联网医疗系统中的网络安全，抵御多向量攻击并保护患者数据	医疗物联网设备生成的网络流量数据及攻击检测模型	机器学习, 网络安全	NA	NA	深度稀疏自编码器, 双向长短期记忆网络	网络流量数据	IoT-Flock和CICIoT2023两个数据集	NA	深度稀疏自编码器, 双向长短期记忆网络, 贝叶斯专家乘积	准确率, 检测延迟, 网络吞吐量, 共识延迟, 验证成功率	NA
95	2026-06-15	SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07417-y PMID:41715092	研究论文	提出了一个整合单细胞分辨率的TME生态和多组学数据的深度学习模型SCMO，用于结直肠癌患者的生存预测	首次将单细胞RNA测序解析的肿瘤微环境特征与多组学数据通过自归一化神经网络整合，并利用集成梯度算法和空间转录组数据增强模型的可解释性	未提及模型的泛化能力验证和外部数据集的独立测试	提升结直肠癌患者生存预测的精确性和生物可解释性	213个CRC单细胞RNA测序样本和TCGA-CRC队列的批量RNA-seq、临床、基因组、转录组及微生物组数据	机器学习	结直肠癌	单细胞RNA测序（scRNA-seq）、批量RNA测序、空间转录组学	深度学习模型	基因表达数据、临床数据、微生物数据	213个scRNA-seq样本（339060个细胞）和TCGA-CRC队列（具体样本数未提及）	NA	自归一化神经网络	一致性指数（C-index）、曲线下面积（AUC）	NA
96	2026-06-15	Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation 2026-Feb-19, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-026-04154-2 PMID:41709202	综述	探讨人工智能驱动纳米增强干细胞疗法治疗神经退行性疾病的理性设计到临床转化	提出一个集成患者特异性数据、AI驱动设计和实时监测的闭环系统，以推动神经退行性疾病的真正个性化医疗	NA	探索机器学习和深度学习如何解决当前干细胞疗法和纳米增强干细胞疗法的挑战，并提供将AI整合到整个纳米增强干细胞疗法中的系统性框架	神经退行性疾病及其干细胞疗法	机器学习	神经退行性疾病	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA
97	2026-06-15	A Flexible Hybrid Quantum-classical Training Framework of Organ-at-Risk and Tumor Segmentation Models for Radiation Therapy Planning 2026-Feb-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40127-z PMID:41699007	research paper	提出一种混合量子-经典训练框架，用于放射治疗计划中的危及器官和肿瘤分割模型的参数高效训练	基于量子参数生成技术，在保持模型结构完整性和通道独立性的前提下自适应确定参数矩阵秩，显著减少可训练参数数量同时保持表示灵活性	NA	解决深度学习分割模型在医学小样本场景下的过参数化问题，实现参数高效训练	放射治疗计划中的危及器官和肿瘤分割模型	machine learning	NA	量子参数生成	混合量子-经典神经网络	医学图像	NA	NA	UNetPP	IoU, DSC	NA
98	2026-06-15	EEG-Based Emotion Estimation Model Integrating Structural and Time-Series Information Based on Deep Learning Architecture Optimization 2026-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s26041210 PMID:41755151	研究论文	提出一种基于深度学习的脑电图情绪估计模型，融合结构信息和时间序列信息，通过自动架构搜索优化性能	首次将图卷积网络、LSTM、通道注意力和可微分架构搜索集成于脑电图情绪识别，自动发现针对个体脑电图模式的最优架构，降低搜索成本	未明确说明模型的局限性，但可能包括计算资源需求或对不同情绪类别的性能差异	开发一种能够自动优化架构并融合频率域和时间域特征的脑电图情绪识别模型，以提高准确性和适应性	脑电图信号中的情绪识别	自然语言处理、机器学习	不适用	脑电图	图卷积网络、长短期记忆网络	时间序列	未明确说明	不适用	GCN、LSTM、通道注意力、可微分架构搜索	准确率、适应性	未明确说明
99	2026-06-15	Assessing Low Back Movement with Motion Tape Sensor Data Through Deep Learning 2026-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s26041127 PMID:41755069	研究论文	提出一种基于深度学习的方法，利用低成本可穿戴传感器Motion Tape数据评估下背部运动	采用条件生成模型合成运动数据，并结合关节运动学特征增强，以解决小样本和噪声问题	Motion Tape传感器数据集规模小且存在固有噪声，可能影响模型泛化能力	开发一种能准确分类下背部运动的深度学习模型，辅助临床远程监控和物理治疗	下背部运动分类	机器学习	背痛	可穿戴传感器（Motion Tape）	生成模型、深度学习分类模型	传感器时间序列数据	小规模Motion Tape数据集	NA	条件生成模型、运动带增强推理模型	准确率	NA
100	2026-06-15	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	综述	系统综述了从自行车到电动滑板车等微出行方式中用于监测驾驶员生理状态的可穿戴传感器，识别现有差距以推动主动安全系统发展	首次系统对比自行车与电动滑板车在生理安全监测中的传感器适用性差异，指出CNN-LSTM模型存在过拟合和缺乏独立验证的问题，并呼吁向无监督域适应和抗噪边缘AI架构转型	仅纳入11篇文献，样本量小（数据集中仅27人），缺乏独立验证；电动滑板车自动安全分类证据极度稀缺	评估可穿戴传感器在微出行方式中检测应激、疲劳和体力消耗的现状，并识别阻碍主动安全系统开发的差距	自行车和电动滑板车骑行者，以及微出行场景	机器学习和可穿戴计算	NA	可穿戴传感器，心率变异性分析，CNN-LSTM深度学习	CNN-LSTM（用于预测体力消耗），无监督域适应（UDA）（建议的未来方向）	生理信号数据（如心率变异性、加速度计数据）	27名实验者（来自单个冗余数据集），4项实验室研究和7项现场研究	NA	CNN-LSTM	F1分数（86.3%-91.7%）	NA