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
981	2026-03-21	Delineating white matter phenotypes of sensori-/psychomotor functioning in large-scale cohorts of healthy individuals and patients with mental disorders across the lifespan (whiteSPAN): rationale and methods of an interdisciplinary bicentric project 2026-Apr, European archives of psychiatry and clinical neuroscience IF:3.5Q2 DOI:10.1007/s00406-025-02138-1 PMID:41288695	研究论文	该项目旨在通过大规模神经影像数据研究感觉/精神运动功能与白质微结构之间的关联，跨越多种精神与神经退行性疾病	整合多中心公开与内部数据集，结合先进计算工具如tractometry、tractomics、规范建模和深度学习，跨诊断边界识别生物驱动的感觉/精神运动生物型	依赖现有数据集的异质性，可能受样本选择和测量方法差异的影响	研究感觉/精神运动功能与白质微结构的关联，以指导精神与神经退行性疾病的精准医疗和生物标志物驱动干预	健康个体和患有焦虑障碍、重度抑郁障碍、精神分裂症谱系障碍、轻度认知障碍和阿尔茨海默病的患者	神经影像学	精神障碍与神经退行性疾病	扩散MRI	深度学习	神经影像数据	超过2,400名健康个体和1,600名患者	NA	NA	NA	NA
982	2026-03-21	An Artificial Intelligence-Based Prognostic Model for Prediction of Functional Glaucoma Progression From Clinical and Structural Data 2026-Apr, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.026 PMID:41483865	研究论文	本研究设计了一个基于深度学习的预后模型，结合临床和结构数据预测青光眼功能进展，并与临床医生进行比较	首次整合基线临床数据、视盘照片和光学相干断层扫描测量，利用预训练的卷积神经网络预测青光眼进展，显著优于临床医生评估	研究为回顾性设计，样本量有限（1599只眼），且验证队列使用不同设备可能影响模型泛化能力	预测青光眼的功能进展，提升疾病诊断和预后评估的准确性	1599只眼（908名患者），包括确诊或疑似青光眼，具有至少5次24-2视野检查和3年以上随访	数字病理学	青光眼	光学相干断层扫描，24-2视野检查，线性回归分析	CNN	图像，临床数据，人口统计数据	1599只眼（908名患者），验证队列291只眼	NA	基于ImageNet预训练的卷积神经网络	AUC，准确率，精确率-召回曲线下面积	NA
983	2026-03-21	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	本研究提出并评估了一种基于ForensicNet的多任务深度学习框架，用于同时估计巴西5-15岁年轻人群的全景X光片的实际年龄和性别分类	提出了一种基于EfficientNet-B3的多任务深度学习模型，结合了卷积块注意力模块（CBAM）和加权多任务损失函数，在年龄估计和性别分类任务中均优于基准模型	研究仅针对巴西5-15岁年轻人群，样本量有限（2200张全景X光片），可能限制了模型的泛化能力	开发一个自动化框架，用于从全景X光片中准确估计年龄和分类性别，以应用于法医和临床环境	巴西5-15岁年轻人群的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2200张高分辨率全景X光片，按年龄和性别平衡	NA	EfficientNet-B3, ForensicNet	平均绝对误差, 决定系数, 准确率, AUC	NA
984	2026-03-21	Deep Learning-based Monoenergetic Imaging for Calcified Coronary Stenosis Assessment at Energy-integrating Detector CT 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250230 PMID:41854396	研究论文	本研究开发并评估了一种基于深度学习的单能成像框架，用于从传统能量积分探测器CT生成虚拟单能图像，旨在减少伪影并改善重度钙化斑块的冠状动脉CT血管造影狭窄评估	提出了名为DIAMOND的深度学习框架，首次实现了从单能量能量积分探测器CT生成高千电子伏特虚拟单能图像，无需硬件升级即可达到与光子计数探测器CT相当的成像效果	研究样本量相对较小（23名参与者），且主要针对重度钙化斑块，未涵盖其他类型的冠状动脉病变	开发一种深度学习方法来改善冠状动脉CT血管造影中重度钙化斑块的狭窄评估	冠状动脉重度钙化斑块	医学影像分析	心血管疾病	CT血管造影，虚拟单能成像	深度学习	CT图像	回顾性数据集包含10次CT检查，前瞻性数据集包含23名参与者（平均年龄69岁，18名男性）	NA	简化U-Net	直径狭窄百分比，Bland-Altman分析，狭窄严重程度分类变化	标准图形处理单元
985	2026-03-21	Deep learning-empowered SERS: deciphering the multidimensional information code of complex biological samples 2026-Mar-19, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d6ay00224b PMID:41854202	综述	本文综述了深度学习与表面增强拉曼光谱技术相结合的最新进展、挑战与未来展望	将深度学习与SERS技术深度融合，为处理复杂生物样本的多维信息提供新视角，并推动该技术向更高级阶段发展	NA	总结深度学习在SERS技术中的应用进展，并探讨其未来发展方向	表面增强拉曼光谱技术及其在生物医学、环境保护、食品安全等领域的应用	机器学习	NA	表面增强拉曼光谱	深度学习	光谱数据	NA	NA	NA	NA	NA
986	2026-03-21	ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675771 PMID:41855066	研究论文	提出了一种名为ProCausal-WS的弱监督因果表示学习框架，用于可解释的前列腺癌诊断	同时解决了现有线性因果模型无法处理非线性依赖关系以及深度学习方法需要大量专家标注且缺乏反事实推理机制的问题，通过可逆流因果编码器、外源性临床干预模块和弱监督对齐机制三个相互关联的组件实现	仅使用了TCGA-PRAD和PANDA两个数据集进行验证，且仅针对前列腺癌诊断	开发一个弱监督因果表示学习框架，用于前列腺癌的可解释诊断	前列腺癌诊断	数字病理学	前列腺癌	NA	因果表示学习, 可逆流模型, 对比学习	多模态数据（影像、基因组、临床变量）	TCGA-PRAD数据集和PANDA数据集	NA	可逆流因果编码器, 动态门控结构, 投影头	临床因果概念识别准确率, 干预均方误差, AUROC, 生物合理性评分	NA
987	2026-03-21	BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation using Ultrasound Imaging 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675965 PMID:41855067	研究论文	本文提出了一种名为BWS-Net的新型深度学习网络，用于从超声图像中精确分割膀胱前壁	提出了一种结合蓝图可分离卷积层和自适应注意力跳跃连接的编码器-解码器结构，在提升分割性能的同时显著降低了计算复杂度	现有深度学习方法的临床验证有限，本研究也未明确说明其临床验证的广泛性	开发一种用于膀胱前壁超声图像自动分割的精确且高效的方法，以支持无创膀胱功能评估	膀胱前壁的超声图像	计算机视觉	泌尿系统疾病	超声成像	CNN	图像	从64名患者中获取的8592张不同图像	NA	编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接	Dice分数，敏感性，均方根误差	NA
988	2026-03-21	The visual nature of social interaction and its impact on overall mood judgments 2026-Mar-19, Cognition & emotion IF:2.6Q2 DOI:10.1080/02699931.2026.2644244 PMID:41855466	研究论文	本研究探讨了社交互动中的视觉线索如何影响人们对人群整体情绪的快速判断	首次系统性地研究了社交互动及其视觉线索在自然场景中对人群整体情绪判断的影响	研究仅基于静态照片，未考虑动态或真实环境中的社交互动	探究社交互动的视觉性质及其在评估人群情绪中的作用	自然照片中的人群（超过五人），包括互动与非互动场景	计算机视觉	NA	深度学习算法	深度学习	图像	NA	NA	NA	情绪强度估计	NA
989	2026-03-21	TCB-Kla: a hybrid deep learning model for predicting human lysine lactylation sites by incorporating transformer encoder and multi-scale CNN 2026-Mar-19, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2026.2645110 PMID:41855483	研究论文	本研究提出了一种名为TCB-Kla的混合深度学习模型，用于预测人类蛋白质的赖氨酸乳酰化位点	首次将Transformer编码器、多尺度CNN和双向LSTM相结合，构建了用于赖氨酸乳酰化位点预测的混合深度学习模型，并在独立测试集和跨数据集验证中均表现出优于基线模型的性能	模型主要针对人类蛋白质数据，在其他物种上的泛化能力未充分验证；依赖现有标注数据，可能受数据质量和规模限制	开发一种高效准确的深度学习模型，以替代耗时费力的质谱方法，实现蛋白质赖氨酸乳酰化位点的预测	人类蛋白质的赖氨酸乳酰化位点	生物信息学	NA	质谱分析	Transformer, CNN, LSTM	蛋白质序列数据	未明确说明具体样本数量，但使用了独立测试集和10折交叉验证	未明确说明	Transformer编码器, 多尺度CNN, 双向LSTM	准确率, 灵敏度, 特异性, 马修斯相关系数, ROC曲线下面积	未明确说明
990	2026-03-21	Analysis of Models to Estimate Morbidity Rates of Respiratory Diseases Through Deep Learning 2026-Mar-19, Tropical medicine & international health : TM & IH IF:2.6Q2 DOI:10.1111/tmi.70126 PMID:41856921	研究论文	本研究比较了XGBoost与基于堆叠门控循环单元（GRU）的深度学习模型，利用呼吸系统疾病发病率数据及社会经济与环境变量，预测巴西不同地区的疾病发病率	首次将堆叠GRU模型与XGBoost在呼吸系统疾病发病率预测中进行比较，并整合了社会经济与环境指标作为外生变量，同时使用合成数据进行时间序列细粒度化	研究结果显示出区域异质性，XGBoost模型在多数地区表现不佳（R值为负），可能受数据质量或模型适用性限制	比较不同机器学习模型在呼吸系统疾病发病率预测中的性能，以支持精准公共卫生决策	巴西地区的呼吸系统疾病发病率数据及相关社会经济与环境变量	机器学习	呼吸系统疾病	时间序列分析，合成数据生成	XGBoost, GRU	时间序列数据	1999年至2023年的呼吸系统疾病发病率及外生变量数据（具体样本数未提供）	NA	堆叠门控循环单元（GRU）	R值（相关系数）	NA
991	2026-03-21	A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding 2026-Mar-19, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500267 PMID:41856938	研究论文	本文提出了一种轻量级的双注意力神经网络DA-EEGNet，用于鲁棒且高效的脑电图运动想象解码	在EEGNet骨干网络基础上，集成了通道注意力模块和深度注意力模块，以选择性强调信息丰富的电极和具有时间区分性的特征，在保持紧凑模型参数化的同时实现了有效的时空特征建模	NA	解决运动想象脑机接口中有效时空特征建模与紧凑模型参数化之间的关键挑战	脑电图运动想象数据	机器学习	NA	脑电图	CNN, 注意力机制	脑电图信号	使用了两个广泛使用的运动想象基准数据集	NA	EEGNet, DA-EEGNet	分类准确率	NA
992	2026-03-21	A proof-of-concept machine learning model for short-term suicide risk stratification in depressed youth 2026-Mar-19, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-03944-4 PMID:41856968	研究论文	本文开发了一种基于机器学习的短期自杀风险分层模型，用于预测青少年抑郁症患者在治疗30天内的自杀企图	首次针对中国青少年抑郁症患者，利用机器学习模型进行短期（30天内）自杀风险分层，并采用正则化和简约模型选择策略以减少过拟合风险	事件数量少（仅30例自杀企图）限制了模型稳定性，队列同质性和单国招募限制了泛化能力，缺乏时间验证无法评估模型漂移	开发并验证机器学习模型，用于青少年抑郁症患者的短期自杀风险分层	602名年龄在15-24岁的中国青少年抑郁症患者	机器学习	抑郁症	NA	支持向量机, 弹性网络, 随机森林, 深度学习	临床和心理社会数据	602名患者（训练集421人，测试集181人）	NA	NA	AUC	NA
993	2026-03-21	SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41890-9 PMID:41857089	研究论文	提出一种结合SiaCon-DetNet与HySHO算法的先进面部情绪识别模型	首次将卷积特征学习与Transformer注意力机制相结合，并引入生物启发式优化算法动态调整模型参数	未提及模型在跨数据库或真实场景下的泛化能力测试	提升面部情绪识别的特征表示能力和模型鲁棒性	面部情绪图像数据	计算机视觉	NA	深度学习	CNN, Transformer	图像	JAFFE数据库（具体数量未说明）	未明确说明	Siamese卷积网络, 检测Transformer网络	准确率, 精确率, 召回率, F1分数	未明确说明
994	2026-03-21	Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44754-4 PMID:41857156	研究论文	本研究评估了在数据极度稀缺条件下，使用浅层反向传播神经网络预测医院短期口罩需求的可行性	在新型流行病早期阶段历史数据极其有限的情况下，验证了浅层BP神经网络用于短期医院物资需求预测的可行性，并与传统统计和深度学习基线模型进行了对比	研究结果仅为可行性验证，而非可部署的预测系统；样本量小（仅24天单中心数据），需要更大规模、多中心数据集进行进一步验证	评估在数据稀缺条件下，使用浅层BP神经网络进行医院短期物资需求预测的可行性	中国一家三级医院的口罩消耗量时间序列数据	机器学习	传染病	时间序列分析	BP神经网络, ARIMA, LSTM	时间序列数据	24天连续的医院口罩消耗量单变量时间序列数据	NA	浅层反向传播神经网络	均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差	NA
995	2026-03-21	A CNN-transformer dual-branch network with structure-aware loss for high-resolution edge detection 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44362-2 PMID:41857141	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
996	2026-03-21	Identifying microbial protease allergens through protein language model-guided homology 2026-Mar-18, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101510 PMID:41722567	研究论文	本研究利用深度学习和预训练蛋白质语言模型，从宏基因组数据中识别丝氨酸蛋白酶过敏原	结合蛋白质语言模型和深度学习框架，通过保守催化三联体识别低序列同源性的过敏原，预测了新型蛋白酶过敏原并实验验证其致敏性	NA	识别微生物蛋白酶过敏原，为过敏研究提供新靶点	丝氨酸蛋白酶和半胱氨酸蛋白酶，特别是来自肠道和口腔微生物组的潜在过敏原	自然语言处理, 机器学习	过敏	宏基因组测序	深度学习, 蛋白质语言模型	蛋白质序列数据	NA	NA	NA	NA	NA
997	2026-03-21	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults Using Source-Free Domain Adaptation: Algorithm Development and Validation 2026-Mar-18, JMIR aging IF:5.0Q1 DOI:10.2196/79123 PMID:41848218	研究论文	本研究开发并验证了一种基于源自由域适应的算法，用于预测老年人对计算机化认知训练项目的依从性模式	首次将源自由域适应技术应用于预测老年人每日对认知训练项目的依从性，解决了数据隐私限制下的模型训练问题	研究依赖于三个先前进行的认知训练干预研究的数据，样本来源可能有限，且未详细讨论模型在其他人群或场景中的泛化能力	提高预测老年人认知训练项目依从性模式的准确性，以开发个性化支持系统，促进依从性并改善认知结果	参与计算机化认知训练项目的老年人	机器学习	老年疾病	源自由域适应	深度学习模型	训练数据	来自三个先前认知训练干预研究的数据	NA	NA	NA	NA
998	2026-03-21	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-Mar-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	本研究回顾性分析了2020年至2025年6月期间中国获批的人工智能医疗设备的批准趋势和特征	首次提供了截至2025年6月中国人工智能医疗设备批准情况的全面、最新概述，并揭示了风险等级与批准年份、制造商地点及医学专科之间的显著关联	数据仅来源于Drugdataexpy数据库，可能未涵盖所有获批设备；分析截止于2025年上半年，无法反映全年趋势；研究为回顾性分析，无法推断因果关系	分析中国人工智能医疗设备的批准趋势、特征及其与监管框架的关联	2020年至2025年6月30日期间在中国获批的人工智能医疗设备	医疗人工智能	多种疾病（重点关注肺结节检测和心血管评估）	深度学习	NA	医学影像数据（主要来自计算机断层扫描）	154个获批的人工智能医疗设备	NA	NA	NA	NA
999	2026-03-21	Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma 2026-Mar-18, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000876 PMID:41854294	研究论文	本研究评估了两种新型2.5维深度学习模型在临床IA期肺腺癌内脏胸膜侵犯预测中的性能，并与传统2D和3D模型进行了比较	首次验证了2.5D深度学习模型（特别是多视图方法）用于VPI预测，通过可解释的可视化揭示了空间相关的生物标志物，性能优于2D/3D模型	NA	评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯的性能	来自两家中国医院的804名经病理证实的IA期肺腺癌患者	计算机视觉	肺癌	深度学习	深度学习模型	医学影像	804名患者（训练集360例，内部验证集155例，外部测试集289例）	NA	2.5D多视图模型, 2.5D上下文模型	AUC, 准确率, 阳性预测值, 阴性预测值	NA
1000	2026-03-21	Redesigning myoglobin via functional site scaffolding for enhanced catalytic functions 2026-Mar-18, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153642 PMID:41855859	研究论文	本研究利用深度学习驱动的功能位点支架策略，重新设计肌红蛋白，以增强其催化功能	采用基于扩散的结构模型生成骨架架构，结合逆折叠设计优化序列，并通过结构预测算法评估结构一致性，成功设计出具有增强热稳定性和催化活性的迷你肌红蛋白变体	NA	通过蛋白质重新设计增强肌红蛋白的催化功能和稳定性	肌红蛋白及其变体	机器学习	NA	深度学习，扩散模型，逆折叠设计，结构预测	扩散模型，ProteinMPNN，AlphaFold，OmegaFold	蛋白质序列和结构数据	超过100,000个序列	NA	NA	热稳定性（熔解温度），酶活性（过氧化物酶和卡宾转移酶活性），溶剂稳定性	NA