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
1021	2026-03-21	Broadband Nanocavity Imaging with Machine Vision for Multiplex miRNA Assays 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202522938 PMID:41738572	研究论文	本文提出了一种结合分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔与深度学习实例分割的方法，用于实现多重miRNA的自动化图像读出与定量分析	将纳米光子学结构与深度学习实例分割（Mask R-CNN）相结合，实现了无需富集或扩增的直接内源性miRNA多重定量，并利用纳米腔增强收集效率、抑制量子点闪烁	研究仅在A549肺癌细胞提取物中验证，未在更广泛的临床样本或体内环境中测试	开发一种灵敏、特异、稳健且可扩展的多重miRNA分析平台	内源性miRNA（miR-191, miR-25, miR-130a）	机器学习	肺癌	分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔技术	CNN	图像	A549肺癌细胞提取物	NA	Mask R-CNN	检测限（LOD）, 线性动态范围, 正确识别率	NA
1022	2026-03-21	Embracing the Digital Revolution: How Artificial Intelligence is Transforming Clinical Trials in Older Participants 2026-Mar, Drugs & aging IF:3.4Q2 DOI:10.1007/s40266-026-01288-8 PMID:41781638	综述	本文探讨了人工智能在老年人群临床试验中的变革作用，概述了关键进展、实际挑战及战略方向	利用人工智能技术，特别是机器学习和深度学习，针对老年人群的独特挑战（如疾病异质性）进行智能患者分层、风险预测和实时监测，并推动去中心化临床试验设计	NA	研究人工智能如何优化老年人群的临床试验，提高效率、准确性和患者中心性	老年人群的临床试验	机器学习	老年疾病	NA	NA	多组学数据、电子健康记录、可穿戴设备输出	NA	NA	NA	NA	NA
1023	2026-03-21	MoCETSE: A mixture-of-convolutional experts and transformer-based model for predicting Gram-negative bacterial secreted effectors 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013397 PMID:41811851	研究论文	本研究提出了一种名为MoCETSE的深度学习模型，用于预测革兰氏阴性菌的分泌效应蛋白	结合了预训练蛋白质语言模型、目标预处理网络和带有相对位置编码的Transformer模块，以精炼关键功能特征并显式建模残基间的相对空间关系	未明确提及	提高革兰氏阴性菌分泌系统效应蛋白的预测准确性，以解析其致病机制并指导抗菌策略开发	革兰氏阴性菌的分泌效应蛋白	自然语言处理, 机器学习	细菌感染	预训练蛋白质语言模型	CNN, Transformer	蛋白质序列	NA	NA	Mixture-of-Convolutional Experts, Transformer	特异性, 可靠性	NA
1024	2026-03-21	MultiPert: An adversarial alignment and dual attention framework for single-cell multi-omics perturbation prediction 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014054 PMID:41811907	研究论文	本文提出了一个名为MultiPert的深度学习框架，用于预测单细胞多组学数据中的扰动响应	设计了专门用于单细胞多组学扰动预测的深度学习框架，通过模态特定编码器、双注意力机制和对抗训练实现跨模态对齐，能够同时预测基因表达和蛋白质丰度变化	NA	预测单细胞多组学数据中的扰动响应，以表征细胞身份并阐明生物通路的调控机制	单细胞多组学数据	机器学习	NA	单细胞多组学测序	深度学习	单细胞多组学数据	人类THP-1和肾脏多组学数据集	NA	模态特定编码器，双注意力机制	准确性，稳定性	NA
1025	2026-03-21	Maternal High-Fat Diet and Neonatal LPS Exposure Prolong USV Sequences and Shift Call-Type Repertoires in Neonatal Rats 2026-Mar, Developmental psychobiology IF:1.8Q3 DOI:10.1002/dev.70142 PMID:41844290	研究论文	本研究利用深度学习系统DeepSqueak分析母体高脂饮食和新生期脂多糖暴露对新生大鼠超声发声的时序和句法特征的影响	首次采用深度学习系统DeepSqueak对超声发声进行自动无监督分类，并深入分析其时序和句法变化，超越了传统手动编码的基本特征分析	样本量较小（每组5-6只，总计41只），仅使用Long Evans大鼠品种，且仅观察了出生后第7天的短期效应	探究早期炎症应激（母体高脂饮食和新生期脂多糖暴露）对新生大鼠神经发育和行为的影响	Long Evans大鼠的新生幼崽	机器学习	神经发育障碍	超声发声记录与分析	深度学习	音频	41只新生大鼠（每组5-6只）	DeepSqueak	NA	一致性（97%），p值	NA
1026	2026-03-21	Bio-Inspired Design of Quasi-Ordered Structural Color via Stress-Driven Reconfiguration Enables Ultra-Secure and Scalable Unclonable Application 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202520440 PMID:41715282	研究论文	本文受自然界启发，提出一种应力驱动的微结构重构策略，用于制造具有超高编码容量、快速识别和可扩展制造能力的机械诱导结构色物理不可克隆函数标签	受Thecla opisena蝴蝶翅膀鳞片准有序光子结构启发，提出应力驱动的微结构重构策略，通过控制异质聚合物网络的压印，实现了空间随机、结构色PUF图案的制造，解决了光学PUF在高编码容量、快速识别和可扩展制造之间的权衡难题	NA	开发一种安全、可扩展的物理不可克隆函数用于下一代认证系统和物联网应用	机械诱导结构色PUF标签	机器视觉	NA	应力驱动微结构重构、异质聚合物网络压印	深度学习	图像	NA	NA	NA	准确率	NA
1027	2026-03-21	Multiview deep learning improves detection of major cardiac conditions from echocardiography 2026-Mar, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-026-00786-7 PMID:41844861	研究论文	本研究开发了一种多视图深度学习模型，通过整合超声心动图的多视图视频数据，提高了对主要心脏疾病的诊断性能	提出了一种能够同时整合多个成像视图的深度学习神经网络架构，相比单视图模型显著提升了诊断准确性	研究仅基于两个医疗中心的数据，可能缺乏泛化性；且仅针对三种特定心脏疾病进行了验证	通过多视图深度学习模型改善从超声心动图中检测主要心脏疾病的诊断性能	超声心动图数据，包括左心室或右心室异常、舒张功能障碍和显著瓣膜反流	计算机视觉	心血管疾病	超声心动图	DNN	视频	来自加州大学旧金山分校和蒙特利尔心脏研究所的超声心动图数据	NA	多视图DNN	AUC	NA
1028	2026-03-21	Impact of CT dose on AI performance: A comparison of radiomics, deep, and foundation models in a multicentric anthropomorphic phantom study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70374 PMID:41846467	研究论文	本研究通过多中心人体模型实验，比较了放射组学、深度学习和基础模型在不同CT剂量水平下的性能表现，评估了其对剂量变化的鲁棒性	首次在标准化人体模型数据集上系统比较了放射组学、浅层CNN、SwinUNETR和CT基础模型对CT剂量变化的鲁棒性，并验证了基础模型在跨剂量泛化方面的优势	研究处于早期实验阶段，仅使用回顾性数据测试，未进行前瞻性验证；实验主要基于模拟肝脏组织的人体模型，在真实患者数据中的泛化能力需进一步验证	评估基于放射组学和深度学习的模型对CT剂量水平变化的鲁棒性，探索基础模型在减少剂量相关变异方面的潜力	模拟肝脏组织（正常组织、囊肿、血管瘤、转移灶）的人体模型图像，以及CT-ORG数据集中真实患者的器官分类数据	医学影像分析	肝脏疾病	CT成像	CNN, SwinUNETR, 基础模型	CT图像	来自649次扫描的1378个图像序列（人体模型），以及CT-ORG数据集的140次CT扫描（真实患者）	PyRadiomics, PyTorch（推测，基于SwinUNETR和基础模型的常见实现）	浅层CNN, SwinUNETR, CT-FM（CT基础模型）	组内相关系数（ICC），准确率，UMAP可视化	NA
1029	2026-03-21	Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia 2026-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70127 PMID:41854092	研究论文	本文通过比较多种深度学习模型，为柬埔寨濒危长臂猿的长期声学监测提供了自动化检测的基准	首次系统比较了SVM、Koogu、ResNet50和基于BirdNET的迁移学习模型在长臂猿叫声检测中的性能，并展示了BirdNET在小样本情况下的优越性	研究仅针对特定物种（南部黄颊冠长臂猿）和特定地点（柬埔寨Jahoo），结果可能无法直接推广到其他物种或环境	开发并评估自动化声学检测方法，以改善濒危物种的长期监测能力	南部黄颊冠长臂猿（Nomascus gabriellae）的雌性二重唱叫声	机器学习	NA	被动声学监测	SVM, CNN	音频	超过200个长臂猿样本用于训练，部署模型分析了超过130,000小时的连续声景数据	NA	DenseNet, ResNet50	NA	NA
1030	2026-03-21	Mining whole-brain information with deep learning to predict EGFR mutation and subtypes in brain-metastatic NSCLC: A multicenter study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70398 PMID:41854843	研究论文	本研究开发了一种基于深度学习的全脑信息挖掘方法，利用MRI图像预测脑转移非小细胞肺癌患者的EGFR突变及其亚型	提出了一种新的EGFR位点识别网络（ESR-Net），通过整合可变形卷积和辅助网络来挖掘全脑信息，以增强肿瘤特征并寻找信息性突变特征，从而在预测EGFR突变及其亚型方面超越了传统方法	研究样本量相对有限（共293例患者），且仅使用了对比增强T1加权和T2加权MRI图像，可能未涵盖所有相关影像特征	开发一种准确、无创的定量方法，用于预测脑转移非小细胞肺癌患者的EGFR基因型，以支持个性化治疗	脑转移非小细胞肺癌患者	数字病理学	肺癌	MRI扫描（对比增强T1加权和T2加权）	CNN	图像	293例患者（170例来自中心1，62例来自中心2，61例来自中心3）	NA	ESR-Net	AUC	NA
1031	2026-03-21	A physics-driven neural network with parameter embedding for generating quantitative MR maps from weighted images 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70394 PMID:41854958	研究论文	本文提出了一种融合MRI序列参数的物理驱动神经网络，用于从加权MRI图像合成定量映射图	通过参数嵌入技术将MRI序列参数（TR、TE、TI）直接整合到神经网络中，使模型能够学习MRI信号形成的物理原理	模型仅在健康脑部MRI图像上训练，对病理区域的泛化能力仍需进一步验证	提高从临床加权MRI合成定量图像的准确性和泛化能力	健康脑部MRI图像及病理区域	医学影像分析	NA	定量MRI（qMRI）	深度学习神经网络	MRI图像（T1加权、T2加权、T2-FLAIR）	健康脑部MRI图像数据集，包含内部和外部测试集	NA	参数嵌入神经网络	平均百分比误差（MPE）、全局体素平均绝对误差（MAE）	NA
1032	2026-03-21	Explainable artificial intelligence for personalized prognosis in pancreatic cancer: A nationwide study from Taiwan 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001296 PMID:41855151	研究论文	本研究利用台湾全国癌症登记数据，开发了一种可解释的人工智能预后模型，用于预测胰腺癌患者的生存情况	结合可解释性AI方法（如SHAP）与大规模全国性登记数据，识别关键预后因素、非线性关系、交互作用及患者特异性生存变异性	研究基于台湾的登记数据，可能限制了结果的普适性；模型性能虽优于其他方法，但仍有改进空间	开发可解释的AI预后模型，以识别胰腺癌生存的关键因素及其复杂关系	台湾癌症登记中2013年至2021年诊断的8,864例胰腺癌病例	机器学习	胰腺癌	NA	XGBoost, 随机生存森林, 深度学习模型	结构化临床数据	8,864例胰腺癌病例	NA	NA	时间依赖性指标	NA
1033	2026-02-22	Comparative analysis of shallow and hybrid deep learning models for predicting the cooling efficiency of nanofluid-cooled photovoltaic panel across multiple materials 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40129-x PMID:41720907	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1034	2026-02-17	Hybrid deep learning novel framework for classification of parkinson's disease 2026-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37553-4 PMID:41692894	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1035	2026-03-21	Automatic classification of kidney stone components based on smartphone microscopy and the GoogLeNet model 2026-Feb-12, BMC urology IF:1.7Q3 DOI:10.1186/s12894-026-02080-x PMID:41673817	研究论文	本研究开发了一种基于智能手机显微镜和GoogLeNet模型的肾结石成分自动分类系统	将智能手机显微镜（TIPSCOPE）与深度学习模型（GoogLeNet）结合，为资源有限地区提供了一种低成本、高效、便携的肾结石成分分析解决方案	碳酸磷灰石类结石的分类性能相对较低（F1=0.69），且样本量相对有限（共140个样本）	开发一种快速、准确且经济高效的肾结石成分自动分类系统	手术提取的肾结石样本	计算机视觉	肾结石	智能手机显微镜成像	CNN	图像	140个肾结石样本，共生成840张图像	NA	GoogLeNet	准确率, F1分数, 精确率, 召回率	NA
1036	2026-03-21	Linking cortical structure and delirium in the elderly: insights from cohort study and shared genetic risk analysis 2026-Feb-12, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07841-8 PMID:41680881	研究论文	本研究通过队列研究和共享遗传风险分析，探讨了老年人皮质结构与谵妄之间的关联	结合前瞻性队列、独立临床队列及遗传数据分析，首次系统评估了区域皮质变化与谵妄风险的关联，并识别了共享的遗传位点	研究为观察性设计，无法确定因果关系；样本主要来自特定人群（如UK Biobank），可能限制泛化性	评估基于基线MRI测量的区域皮质变化与谵妄发病率之间的关联	60岁及以上老年人，包括UK Biobank队列和独立临床队列的参与者	医学影像分析	老年疾病	磁共振成像（MRI），深度学习分割算法，全基因组关联研究（GWAS）	深度学习算法	MRI图像，遗传数据	UK Biobank队列31,890名参与者，独立临床队列152名参与者	NA	NA	条件/联合错误发现率（cond/conjFDR）	NA
1037	2026-03-21	A geometric deep learning framework for genome-wide prediction of enzyme turnover number 2026-Feb-11, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03986-3 PMID:41673757	研究论文	本文介绍了一种名为KcatNet的几何深度学习模型，用于全基因组范围内预测酶的周转数（Kcat），以提升对酶催化效率和代谢机制的理解	KcatNet首次结合酶序列和底物表示，利用几何深度学习进行高通量Kcat预测，在催化效率高的酶上表现优异，并能泛化至训练集中未见过的酶，揭示了酶-底物复合物的结构机制和相互作用模式	实验测量数据有限且易受噪声影响，可能影响模型训练和预测的准确性	开发一个深度学习框架，用于全基因组范围内预测酶的周转数，以促进对酶催化效率、代谢机制和酶工程的研究	代谢酶及其周转数（Kcat），涵盖所有生物体，特别是酵母物种	机器学习	NA	几何深度学习，大规模蛋白质语言模型	几何深度学习模型	酶序列和底物表示数据	NA	NA	KcatNet	NA	NA
1038	2026-03-21	Deep capsule neural network for identifying anticancer peptides using sequence to image transformation-based local embedded features 2026-Feb-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02547-1 PMID:41673852	研究论文	本文提出了一种名为pACP-CapsNet的深度学习模型，用于准确识别抗癌肽（ACPs）	通过序列到图像的转换方法（SMR和RECM）生成局部嵌入特征，并结合HOG、DWT和CLBP变换创建新的特征空间，使用胶囊神经网络（CapsNet）进行预测，在ACP识别任务中取得了较高的准确率和AUC值	未明确说明模型在更大规模或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一种有效的深度学习模型，以识别具有抗癌潜力的肽序列，为癌症药物研发提供支持	抗癌肽（ACPs）序列	自然语言处理	癌症	序列到图像转换（SMR, RECM），特征提取（HOG, DWT, CLBP）	CapsNet	序列数据（转换为图像）	训练样本未明确数量，测试集包括ACP240和ACP740	NA	胶囊神经网络（CapsNet）	准确率, AUC	NA
1039	2026-02-13	A deep learning model based on ultrasound imaging to differentiate malignant from benign pleural effusion: a multicenter cohort study 2026-Feb-11, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-026-03574-w PMID:41673850	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1040	2026-03-21	Development of a smartphone-based bone maturity classification algorithm with XAI for beef carcass grading 2026-Feb-11, Food science of animal resources IF:4.2Q2 DOI:10.1007/s44463-025-00039-4 PMID:41849114	研究论文	本研究开发了一种基于智能手机的深度学习算法，用于对牛肉胴体软骨骨化程度进行分级，并结合可解释人工智能技术验证模型关注区域	首次将智能手机摄像与YOLO系列目标检测模型结合用于牛肉骨化分级，并应用Grad-CAM和LIME等XAI技术增强模型可解释性	仅针对骨化等级6-9级进行评估，未涵盖全部9个等级；数据集仅来源于单一采集设备（智能手机）	开发客观、自动化的牛肉胴体软骨骨化程度评估方法以替代传统主观人工分级	牛肉胴体的软骨骨化区域	计算机视觉	NA	智能手机摄像，图像采集	目标检测模型	图像	每个骨化等级（6-9级）1,770张图像，总计7,080张图像	NA	YOLO v8, YOLO v9, YOLO v10, YOLO v11	准确率	NA