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
10321	2026-04-27	Multimodal cardiovascular risk profiling using self-supervised learning of polysomnography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	开发并评估一种自监督深度学习框架，从多导睡眠图数据中识别与心血管疾病结果相关的生理模式	首次采用自监督学习框架从多导睡眠图数据中提取可解释的投影评分，用于心血管风险分层，无需依赖手动注释（如睡眠阶段）	未提及具体局限性	探索多导睡眠图数据在评估未来健康风险（特别是心血管疾病）中的潜力，并开发可解释的风险分层工具	多导睡眠图信号（脑电图、心电图、呼吸信号）	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	生理信号（脑电图、心电图、呼吸信号）	4398名参与者（训练集），1093名参与者（外部验证集）	NA	自监督深度学习模型	曲线下面积	NA
10322	2026-04-27	AngioCAD: A public x-ray angiography dataset and an adaptive fusion framework for stenosis detection 2026-Apr-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109368 PMID:42033972	研究论文	本文提出了一个公开的X射线血管造影数据集AngioCAD和一个自适应融合框架用于狭窄检测	AngioCAD数据集提供了包含时间连续性、动脉特异性标注和临床上下文信息的血管造影视频序列及结构化临床数据，并提出了一个基于自适应融合模块的深度学习框架，该模块通过学习注意力权重来优先选择最具信息量的特征流	未明确提及	通过提供高质量数据集和适应性框架，提升冠状动脉狭窄自动检测的准确性	冠状动脉狭窄检测	计算机视觉	冠状动脉疾病	X射线血管造影	卷积神经网络（CNN）	图像（血管造影视频序列）和结构化临床数据	413名患者的数据	NA	两个卷积神经网络结合自适应融合模块	F1分数, PR-AUC	NA
10323	2026-04-27	Clustered Regularly Interspaced Short Palindromic Repeat-Based Colorimetric Aptasensor Combined with Smartphone Imaging and Deep Learning Enables Selective Recycling and Visual Prediction of Microplastics in the Environment 2026-Apr-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08138 PMID:41964558	研究论文	基于CRISPR的比色适体传感器结合智能手机成像和深度学习，实现环境中微塑料的选择性回收和可视化预测	将CRISPR-Cas12a系统与比色反应、智能手机成像和深度学习回归模型相结合，实现微塑料的快速、灵敏、可视化定量检测	未提及实际环境样品中其他干扰物质的影响评估	开发一种简单、快速、灵敏、可现场部署的微塑料检测方法	聚氯乙烯和聚苯乙烯微塑料	机器学习，计算机视觉	不适用	CRISPR-Cas12a，比色检测，智能手机成像	深度学习回归模型	图像	不适用	不适用	深度学习回归模型	检测限，动态范围	智能手机
10324	2026-04-27	Accurate 3D Structure Prediction of Small Cyclic Peptides Containing Non-Canonical Amino Acid Residues Using an All-Atom Diffusion Model with Stereogenic Implementation 2026-Apr-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03236 PMID:41962133	研究论文	利用全原子扩散模型精确预测含非规范氨基酸的小环肽的三维结构	将原用于小分子构象生成的全原子扩散模型AGDIFF改编并重新训练于环肽数据集，通过立体化学校正步骤解决了立体化学不敏感性问题，能够可靠生成对映体残基的正确镜像异构体	未明确说明，可能包括对非规范氨基酸和复杂环化化学的覆盖范围有限，以及计算资源需求等未提及	实现含非规范氨基酸的小环肽的高精度结构预测，以支持药物发现中的理性设计	含非规范氨基酸和多样化环化化学的小环肽	机器学习	NA	深度学习扩散模型	扩散生成模型	分子图结构数据	36,198个成员的Conformer Rotamer Ensembles of Macrocyclic Peptides (CREMP)数据集	NA	AGDIFF（全原子扩散模型）	平均RMSD（均方根偏差）、环扭转指纹偏差、Ramachandran分析	NA
10325	2026-04-27	RetinaDetachNet: Automated Deep Learning Quantification of Photoreceptor Cell Death for Neuroprotection Studies in Experimental Retinal Detachment 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.23 PMID:42017313	研究论文	开发并验证了RetinaDetachNet，一种用于实验性视网膜脱离模型中光感受器细胞死亡自动量化的深度学习流程	首次提出并验证了针对TUNEL阳性细胞量化的深度学习流程，采用混合双验证架构（U-Net结合StarDist和Otsu阈值）提高准确性和可重复性	未提及	开发自动化量化光感受器细胞死亡的工具，用于神经保护研究的标准化评估	实验性视网膜脱离模型中的光感受器细胞	数字病理学	视网膜脱离	TUNEL染色	CNN	图像	三个独立数据集：主数据集（50张图像）、历史数据集（50张图像）、外部数据集（40张图像）	TensorFlow, PyTorch	U-Net, StarDist	Dice系数, Spearman相关系数, Bland-Altman分析	NA
10326	2026-04-27	Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology 2026-Apr, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	利用深度学习模型基于H&E全切片图像区分胸腺上皮肿瘤的组织学亚型	引入新型层级损失函数以反映基于治疗策略和患者预后的临床相关肿瘤分组	模型误分类中60%处于相同临床管理组内，但六分类准确率仍有提升空间；研究基于单一机构外部验证集	开发深度学习工具以降低胸腺上皮肿瘤组织学分类的观察者间差异并提高诊断一致性	胸腺上皮肿瘤的H&E染色全切片图像	数字病理学	胸腺肿瘤	H&E染色	深度学习模型	全切片图像	训练集来自TCGA；验证集包含112例连续病例	NA	NA	准确率, Cohen's κ系数, 敏感性	NA
10327	2026-04-27	Cellular and subcellular specialization enables biology-constrained deep learning 2026-Mar-26, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117159 PMID:41894388	科研论文	该论文提出了一种基于生物约束的深度学习算法，利用细胞和亚细胞特化机制来模拟生物学习过程	首次将神经元细胞类型专业化和树突内区室化信号整合到多层人工神经网络中，并采用完全符合生物学的树突目标传播深度学习算法进行图像分类	NA	探索生物学习机制，并基于严格的生物约束构建可解释的深度学习模型	多层人工神经网络中分离的兴奋性和抑制性细胞类型以及具有独立树突区室的神经元单元	机器学习	NA	树突目标传播	人工神经网络	图像	NA	NA	多层人工神经网络（包含分离的兴奋性/抑制性细胞类型和树突区室）	图像分类准确率	NA
10328	2026-04-27	Quantifying Epistemic Uncertainty in Multimodal Long-Tailed Classification: A Belief Entropy-Based Evidential Fusion Framework 2026-Mar-19, Entropy (Basel, Switzerland) DOI:10.3390/e28030343 PMID:41899995	研究论文	提出了一种基于信念熵的证据融合框架，用于量化多模态长尾分类中的认知不确定性	提出了不确定性门控证据融合模块、EMA公平性正则化器和两阶段跨模态一致性正则化器，以解决多模态长尾分类中的模态不确定性和类别不平衡问题	未在更大规模或更多样化的数据集上验证，可能在实际应用中存在泛化限制	提升多模态长尾分类中尾类的性能，并量化认知不确定性	多模态长尾分类任务中的视觉、语言和音频模态数据	机器学习	NA	NA	深度学习模型	多模态数据（视觉、语言、音频）	三个长尾基准数据集	NA	证据融合网络	整体指标、校准性能、尾类子集性能	NA
10329	2026-04-27	PromptSeg: An End-to-End Universal Medical Image Segmentation Method via Visual Prompts 2026-Mar-18, Entropy (Basel, Switzerland) DOI:10.3390/e28030342 PMID:41899994	研究论文	提出一种基于视觉提示的端到端通用医学图像分割方法PromptSeg	创新性地从信息论角度将分割过程建模为条件熵最小化问题，利用视觉提示减少目标任务的不确定性，并通过信息瓶颈原则过滤冗余噪声，仅需少量标注的视觉提示对即可处理未见过的数据集或分割目标而无需重新训练	方法在CT和MRI数据集上验证，但可能在其他影像模态或多任务场景下需进一步评估	解决医学图像分割中模型泛化能力差的问题，提出一种跨任务、跨模态的通用分割框架	2D医学图像分割任务	计算机视觉	NA	Transformer	Transformer-based unified framework	图像（CT和MRI数据集）	NA	PyTorch	Transformer	NA	NA
10330	2026-04-27	Development and internal validation of a deep learning algorithm for intraoperative arterial pressure-based stroke volume index estimation in children: a single-center retrospective study 2026-Mar-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03428-x PMID:41845328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10331	2026-04-27	AI-based modeling of treatment decisions in benign prostatic hyperplasia: a transformer-based comparative study 2026-Mar-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03438-9 PMID:41845421	研究论文	本研究利用先进的大语言模型和深度学习模型，基于历史临床数据预测良性前列腺增生患者是否接受经尿道前列腺切除术或继续药物治疗	首次将大语言模型（GEMMA、GPT）与传统深度学习模型（RNN、CNN、LSTM）对比应用于良性前列腺增生治疗决策预测，并展示了GEMMA模型在该任务中优越的性能	样本量较小（仅883例来自单一医院），数据来源局限，可能影响模型的泛化能力	开发用于预测良性前列腺增生患者治疗决策（手术或药物治疗）的AI模型	良性前列腺增生患者的治疗决策	机器学习	前列腺增生	NA	大语言模型（GEMMA、GPT）、循环神经网络（RNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM）	临床数据	883例患者病例（来自约旦大学医院）	NA	GEMMA、GPT、RNN、CNN、LSTM	准确率、ROC AUC分数	NA
10332	2026-04-27	U-Shaped Split Federated Learning with Compact Features for Deep Learning-Based Image Coding 2026-Mar-16, Entropy (Basel, Switzerland) DOI:10.3390/e28030331 PMID:41899983	研究论文	提出一种紧凑特征U型分割联邦学习框架，用于基于深度学习的图像编码，以减少通信开销并保持低图像失真	引入特征熵估计网络对分割层特征建模，实现传输时有效压缩，并设计含熵约束的联合优化目标指导端到端训练	未在摘要中明确提及局限性	减少U型分割联邦学习中双向中间特征传输带来的通信开销，同时维持低图像失真和提高训练效率	分布式图像编码中的边缘设备	机器学习	NA	NA	深度学习模型	图像	NA	NA	NA	通信开销、重建性能	NA
10333	2026-04-27	Predictors of self-reported sexually transmitted infections (STIs) among men in 54 low and middle income countries (LMICs): a comparison of deep learning and classical machine learning algorithms 2026-Mar-12, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13010-5 PMID:41820907	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10334	2026-04-27	Confidence scoring for deep learning-predicted antibody-antigen complexes: AntiConf as a precision-driven metric 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag137 PMID:41903187	研究论文	本研究评估了九种深度学习模型在抗体-抗原复合物预测中的表现，并开发了新型置信度评分指标AntiConf	整合pDockQ2和pTM评分开发了AntiConf指标，该指标在精度和召回率上优于现有方法，可作为AF2和AF3架构的有效后处理评分	未提及具体局限性，但可能包括数据集规模有限（200个复合物）及对特定模型的依赖性	评估深度学习模型在抗体-抗原复合物预测中的表现，并开发更精准的置信度评分方法	200个抗体-抗原复合物的三维结构预测结果	计算生物学，深度学习，结构预测	NA	NA	深度学习模型	结构数据，评分数据	200个抗体-抗原复合物	NA	AlphaFold2, Boltz-1, Boltz-1x, Boltz-2, Chai-1, Protenix, Protenix-1, OpenFold3, ESMFold	精度，召回率	NA
10335	2026-04-27	A Channel-Independent Anchor Graph-Regularized Broad Learning System for Industrial Soft Sensors 2026-Feb-28, Entropy (Basel, Switzerland) DOI:10.3390/e28030274 PMID:41899926	研究论文	提出一种通道无关锚图正则化宽度学习系统(CI-GBLS)，用于工业软传感器中的非线性动力学和多元耦合建模	引入通道独立(CI)策略，通过构建物理隔离的特征通道实现多元输入的正交分解，并利用RBF聚类中心作为图锚点设计高效流形正则化算法，嵌入数据几何结构到学习目标	未提及具体限制	解决复杂工业数据的非线性动力学和强多元耦合问题，同时克服深度学习的高计算成本和部署挑战	IndPenSim过程数据	机器学习	不适用	不适用	宽度学习系统	时间序列数据	不适用	不适用	CI-GBLS	预测精度和效率	不适用
10336	2026-04-27	Deep learning-integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring 2026-Feb-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea8902 PMID:41650267	研究论文	提出一种集成深度学习与多层热梯度传感的软电子平台，用于实时监测血流速度和血管深度	首次将多层热传感与深度学习算法结合，解决传统热传感中血管深度变异导致的测量限制，能够同时测量血流速率和血管深度	未提及具体局限性信息	开发一种无需笨重设备和专业知识的可穿戴血流监测技术，提升心血管健康评估和血管并发症检测的便捷性	血流速率和血管深度	机器学习	心血管疾病	多层热传感、深度学习、光电容积脉搏波	深度学习模型	热梯度数据	NA	NA	NA	NA	NA
10337	2026-04-27	Cerebrovascular diagnosis using CTA-based intracranial aneurysm classification via transfer learning and Grad-CAM visualization 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1704945 PMID:41908287	研究论文	通过迁移学习和Grad-CAM可视化技术，基于CT血管造影对颅内动脉瘤进行分类诊断	将迁移学习与定量可解释性评估相结合，在有限数据条件下同时提升了颅内动脉瘤CTA分类的准确性和透明度	样本量较小（仅83例患者），且缺乏多中心外部验证	评估混合深度迁移学习框架结合Grad-CAM在CTA图像中进行颅内动脉瘤分类的可解释性和准确性	来自两个中心的83例符合条件患者的CTA影像数据	计算机视觉	脑血管疾病	CTA	CNN	图像	83例患者	PyTorch	ResNet-18	AUC, 准确率, 校准曲线, 决策曲线分析, NRI, IDI, IoU, Dice相似系数	NA
10338	2026-04-27	Genetic algorithm-based daily power output forecasting for energy storage power stations 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342331 PMID:42030241	研究论文	提出一种结合混沌理论、信号分解和深度学习并采用自适应遗传算法优化的混合预测方法，用于储能电站日前功率输出预测	首次将自适应遗传算法优化的CNN-LSTM-MLP混合模型与混沌相空间重构、集合经验模态分解及基于峰值频段划分的隐特征提取相结合，并引入精细化损耗模型量化储能电站的能量损失，实现数据驱动与物理模型的集成	仅基于单一10 MW/20 MWh电化学储能电站的实际运行数据验证，可能缺乏在不同规模和类型储能电站中的泛化性；未讨论模型的计算复杂度和实时部署可行性	提高储能电站日前发电功率预测的准确性，以提升电站运行效率和电网调度可靠性	储能电站的日前发电功率	机器学习	NA	NA	CNN、LSTM、MLP	时间序列数据	一个10 MW/20 MWh电化学储能电站的实际运行数据	NA	CNN-LSTM-MLP	均方误差、平均绝对误差、决定系数	NA
10339	2026-04-27	A cycle-aware and physics-informed framework for battery remaining useful life prediction 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28505-5 PMID:41476082	研究论文	提出一个基于物理信息且考虑充放电周期一致性的锂电池剩余使用寿命预测框架	在输入层面引入周期感知的分段方法，将时间序列按实际充放电周期分割，并在目标层面引入物理信息一致性损失函数，使预测与物理退化曲线一致	未明确提及局限	提高锂电池剩余使用寿命预测的准确性	锂电池的剩余使用寿命	机器学习	NA	NA	图神经网络	时间序列	NA	NA	Bat-T-GNN	NA	NA
10340	2026-04-27	Fuzzy granulation-based wind speed prediction with multi-objective optimization 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28328-4 PMID:41461667	研究论文	提出一种结合模糊信息粒化与多目标优化策略的多尺度风速预测框架	通过模糊信息粒化技术降低高波动风速数据复杂度并抑制噪声干扰，创新性地将多种神经网络与启发式优化算法自适应集成，同时提升预测准确性与鲁棒性	未明确提及局限性	提升短中期风速预测的准确性与计算效率，推动可再生能源并网与脱碳目标实现	高波动风速时间序列数据	机器学习	NA	模糊信息粒化	神经网络	时间序列	蓬莱风电场数据集	NA	多种神经网络	预测精度、计算效率	NA