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
1041	2026-03-21	Cross-dataset adaptation of voxel-level deep radiomics for predicting survival in inoperable locally advanced NSCLC treated with immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1787518 PMID:41853289	研究论文	本研究开发了一种结合体素级深度放射组学和知识迁移策略的预后框架，用于预测接受免疫治疗的不可手术局部晚期非小细胞肺癌患者的总生存期	提出了一种新颖的预后框架，通过整合预处理影像的体素级深度放射组学特征与跨数据集迁移学习策略，以解决免疫治疗数据集有限的问题，并利用Vision-Mamba深度学习模型进行双输入协同训练	研究依赖于手动勾画的肿瘤区域，可能引入人为偏差；且免疫治疗数据集规模有限，可能影响模型的泛化能力	开发一个能够准确预测不可手术局部晚期非小细胞肺癌患者在接受免疫治疗后总生存期的预后模型	526名不可手术局部晚期非小细胞肺癌患者，包括非免疫治疗数据集（RTOG 0617临床试验）和免疫治疗数据集	数字病理学	肺癌	CT影像分析，深度放射组学	深度学习模型	医学影像（CT图像）	526名患者	NA	Vision-Mamba	一致性指数（C-index），时间依赖性受试者工作特征曲线下面积，Kaplan-Meier生存分析，校准曲线，决策曲线分析	NA
1042	2026-03-21	AI-powered mapping of tumor immunity for optimized mRNA vaccine engineering 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1766201 PMID:41853314	综述	本文综述了人工智能（AI）在优化mRNA癌症疫苗设计中的应用，包括新抗原预测、mRNA序列优化和递送系统建模	系统性地整合了机器学习与深度学习方法来增强新抗原预测的准确性，并利用AI优化mRNA序列和脂质纳米颗粒（LNP）配方，以克服肿瘤异质性和免疫逃逸机制	本文是一篇综述，未提出新的实验数据或模型，主要挑战在于如何将AI预测与实验验证有效结合，以及应对高度异质性肿瘤的复杂性	为开发具有更高免疫原性和疗效的个性化mRNA癌症疫苗提供AI驱动的计算框架和实用指南	mRNA癌症疫苗的设计、优化与评估	生物信息学	癌症	机器学习，深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
1043	2026-03-21	A hybrid deep learning and residual connection-based architecture for intrusion detection in autonomous vehicles 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338079 PMID:41855218	研究论文	本文提出了一种基于混合深度学习和残差连接的架构，用于自动驾驶车辆中的入侵检测	提出了一种结合卷积层和LSTM层的混合深度学习模型，并引入残差连接以增强梯度流和训练稳定性，同时使用LIME技术提供模型决策的可解释性	仅评估了四种常见攻击类型（RPM欺骗、齿轮欺骗、模糊攻击和拒绝服务攻击），未涵盖所有可能的攻击场景	开发一种高效、可解释的入侵检测系统，以保护自动驾驶车辆免受网络攻击	自动驾驶车辆（CAVs）的控制器局域网（CAN）总线消息	机器学习	NA	深度学习	CNN, LSTM	网络消息数据（CAN总线消息）	NA	NA	混合CNN-LSTM架构（含残差连接）	准确率	NA
1044	2026-03-21	Effects of similarity networks in graph-based multi-omics classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344754 PMID:41855231	研究论文	本文系统评估了六种相似性网络构建策略在基于图的多组学疾病分类中的效果	首次系统比较了包括余弦相似性、余弦距离、RBF度量及混合方法在内的多种相似性网络构建策略，并发现简单余弦相似性在性能上优于更复杂技术	研究仅基于两个基准数据集（BRCA和ROSMAP），可能未涵盖所有疾病类型或数据特性	评估不同相似性网络构建策略对多组学疾病分类性能的影响	乳腺癌（BRCA）和阿尔茨海默病（ROSMAP）的多组学数据	机器学习	乳腺癌, 阿尔茨海默病	多组学整合	GCN, VCDN	多组学数据	NA	NA	图卷积网络, 视图相关发现网络	准确率, F1分数, AUC	NA
1045	2026-03-21	Facilitating Precision Medicine in HCC Patients by Deep Learning-Directed lncRNAs Classification and Ascertaining Causal Markers 2025-12, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.70066 PMID:41405166	研究论文	本研究利用深度学习框架对肝细胞癌患者的lncRNA进行分类，以识别新的生物标志物，推动精准医疗	构建了一个分层复合深度学习框架，结合可解释AI技术（SHAP分析）来识别与HCC病理分期相关的关键lncRNA生物标志物	模型3在区分晚期HCC分期时性能较低（AU-ROC=0.774），表明lncRNA在晚期阶段关联紧密，数据存在固有挑战	通过人工智能技术识别新的lncRNA生物标志物，以促进肝细胞癌的精准医疗	肝细胞癌患者及其lncRNA表达数据	机器学习	肝细胞癌	RNA-seq	DNN	基因表达数据	来自癌症基因组图谱的肝细胞癌患者数据	NA	深度神经网络	AU-ROC	NA
1046	2026-03-21	STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3605968 PMID:40907046	研究论文	本研究提出了一种名为STAD-CoAtt的时空图卷积网络方法，用于整合阿尔茨海默病特异性基因调控网络的动态图特征，以评估神经病理学阶段和认知功能障碍	提出了一种结合共注意力网络和非线性流形对齐融合块的ST-GCN架构，首次将动态演化的AD特异性基因调控网络图特征与时空特征进行整合，以构建单核RNA测序数据的联合潜在表示	方法仅在ROSMAP和GSE平台的基准数据集上进行了验证，尚未在其他独立队列或不同神经退行性疾病中进行广泛测试	开发一种深度学习模型，通过整合时空图特征来更准确地评估阿尔茨海默病的神经病理学阶段和认知功能障碍	人类脑组织样本的单核RNA测序数据，特别是与阿尔茨海默病和痴呆相关的数据	生物信息学, 机器学习	阿尔茨海默病, 痴呆	单核RNA测序	图卷积网络, 注意力机制	基因表达数据, 图数据	来自ROSMAP和GSE平台的两个基准RNA测序数据集	NA	ST-GCN, 共注意力网络	分类性能指标	NA
1047	2026-03-21	DeepHDAC3i: Leveraging an Interpretable Deep Learning-Based Framework for the Accelerated Discovery of HDAC3 Inhibitors 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602433 PMID:40880325	研究论文	本文提出了一种名为DeepHDAC3i的可解释深度学习框架，用于加速发现HDAC3抑制剂	开发了一种基于可解释深度学习的框架，仅使用SMILES符号即可准确识别HDAC3抑制剂，并通过特征融合和SHAP算法提高预测性能和可解释性	NA	加速发现高选择性的HDAC3抑制剂	HDAC3抑制剂	机器学习	NA	SMILES符号表示	CNN	SMILES符号	NA	NA	1D-CNN	准确率, MCC, AUC, F1分数	NA
1048	2026-03-21	Artificial intelligence-based approaches for sleep-related breathing events identification using EEG and ECG signals 2025-09-01, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03442-9 PMID:40888857	研究论文	本研究提出了一种基于EEG和ECG信号的人工智能方法，用于识别睡眠相关呼吸事件，包括阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停和低通气	采用多模态方法结合EEG和ECG信号，并引入稳健的集成学习模型与深度学习模型进行性能比较，提高了家庭睡眠测试中事件分类的准确性	研究仅基于201个PSG数据，样本量相对有限，且未详细讨论模型在更广泛人群或不同设备上的泛化能力	开发一种基于AI的方法，利用EEG和ECG信号识别睡眠相关呼吸事件，以替代传统耗时、不适且昂贵的多导睡眠图诊断	睡眠呼吸暂停（阻塞性和中枢性）和低通气事件	机器学习	睡眠呼吸障碍	小波变换	集成学习模型,深度学习模型	EEG信号,ECG信号	201个多导睡眠图数据	NA	NA	准确率,灵敏度,特异性	NA
1049	2026-03-21	Current Trends and Future Directions of Statistical Methods in Medical Research: A Scientometric Analysis 2025-09, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70257 PMID:40916916	综述	本研究通过科学计量分析，探讨了医学研究中统计方法的当前趋势、热点领域及未来发展方向	利用CiteSpace进行双图叠加和文献共被引分析，结合网络指标量化文献影响力与新颖性，系统揭示了医学统计学与多学科的交叉融合及人工智能等新兴技术的增长趋势	研究基于Web of Science的4,919篇出版物，可能未涵盖所有相关文献，且未来方向预测基于现有趋势分析，存在不确定性	全面分析医学统计学领域的当前趋势、有影响力的研究领域及未来方向	医学研究中的统计方法及相关出版物	机器学习	NA	科学计量分析，包括高频关键词分析、引文指标分析、双图叠加分析、文献共被引分析	NA	文本数据（出版物元数据）	4,919篇相关出版物	CiteSpace	NA	网络指标（如中介中心性、sigma值）	NA
1050	2026-03-21	Deep Learning-Assisted SERS for Therapeutic Drug Monitoring of Clozapine in Serum on Plasmonic Metasurfaces 2025-04-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c00391 PMID:40111434	研究论文	提出一种结合人工神经网络与表面增强拉曼光谱的集成框架，用于快速监测血清中氯氮平及其代谢物的浓度	首次将人工神经网络与基于等离子体超表面的表面增强拉曼光谱技术集成，实现对氯氮平及其两种主要代谢物的快速分类和浓度预测	未明确说明样本量、模型架构细节、计算资源及具体性能指标数值	开发一种快速、精确的治疗药物监测方法，以优化精神分裂症患者的治疗效果并减少不良反应	人血清中的氯氮平及其两种主要代谢物（去甲氯氮平和氯氮平-N-氧化物）	机器学习	精神分裂症	表面增强拉曼光谱	人工神经网络	光谱数据	NA	NA	NA	NA	NA
1051	2026-03-21	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	提出了一种名为DSAM的可解释深度学习框架，用于分析脑网络中的时空动态特征	该框架直接学习目标特定的功能连接矩阵，并采用专门的图神经网络进行分类，超越了固定连接矩阵的假设	未明确提及	开发深度学习框架以揭示大脑的时空动态特征	静息态功能磁共振成像数据	机器学习	NA	静息态功能磁共振成像	图神经网络, 卷积神经网络	时间序列数据	Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本	NA	DSAM（包含时间因果卷积网络、时间注意力单元、自注意力单元和图神经网络变体）	NA	NA
1052	2026-03-21	The impact of artificial intelligence on the endoscopic assessment of inflammatory bowel disease-related neoplasia 2025, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251348574 PMID:40556746	综述	本文总结了人工智能在炎症性肠病相关肿瘤内镜评估中的应用现状、潜在益处、局限性和未来方向	聚焦于AI在IBD相关肿瘤内镜检测中的应用，这是相对于非IBD人群研究较为有限的领域，并强调了其在减少观察者间变异、改善活检靶向和个性化监测策略方面的潜力	针对IBD相关肿瘤的临床数据仍然有限，需要更多在IBD特定队列中的验证研究以及与临床工作流程的整合	总结人工智能技术在检测IBD相关肿瘤方面的应用证据	炎症性肠病患者及其内镜评估	数字病理学	炎症性肠病	内镜检查	机器学习, 深度学习	内镜图像	NA	NA	NA	灵敏度	NA
1053	2026-03-21	Diagnostic accuracy of a deep learning model for pterygium detection in Barcelos, Brazilian Amazon 2025, Arquivos brasileiros de oftalmologia IF:1.1Q3 DOI:10.5935/0004-2749.2025-0053 PMID:41172514	研究论文	本研究评估了基于MobileNet-V2的深度学习模型在巴西亚马逊地区使用智能手机拍摄的前节照片中检测翼状胬肉的诊断准确性	在偏远亚马逊地区首次应用基于智能手机和MobileNet-V2的深度学习模型进行翼状胬肉检测，为医疗资源匮乏地区提供AI辅助筛查方案	样本量较小（仅38名参与者），为试点研究，需要在更大规模人群中验证模型性能	评估深度学习模型在翼状胬肉检测中的诊断准确性，探索AI在偏远地区眼科筛查中的应用潜力	巴西巴塞卢斯地区的38名参与者（76只眼睛）的前节照片	计算机视觉	眼科疾病	智能手机摄影	CNN	图像	38名参与者（76只眼睛）	NA	MobileNet-V2	灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值, AUC	NA
1054	2026-03-21	Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1701951 PMID:41480282	研究论文	本研究探讨了基于循环神经网络和卷积神经网络的深度学习模型在V2X通信网络中用于交通预测的应用	系统比较了GRU、LSTM和BiLSTM等RNN变体以及CNN在V2X交通预测中的性能，并优化了损失函数和优化器等超参数	未明确说明数据来源、具体网络拓扑结构以及模型在真实V2X环境中的部署验证	提高V2X通信网络的交通信息预测准确性，以改善交通管理、缓解拥堵并提升网络安全与能效	V2X通信网络中的交通流量模式	机器学习	NA	NA	RNN, CNN	交通流量数据	NA	NA	GRU, LSTM, BiLSTM	准确率, 计算效率, RMSE	NA
1055	2026-03-21	CMNet: an asymmetric dual-branch network for accurate cotton segmentation 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1692647 PMID:41852902	研究论文	本文提出了一种名为CMNet的新型双分支棉花分割网络，用于在复杂田间环境中实现精确的棉花分割	提出了一种非对称双分支网络CMNet，通过引入2D选择性扫描模块替代原始Transformer分支来优化ParaTransCNN架构，并集成可变形卷积网络模块以增强对不规则形状目标的感知，同时采用ASPP模块和scSE注意力机制来增强多尺度特征表示和特征建模能力	未明确说明模型在极端光照条件或严重遮挡情况下的性能表现	提高复杂田间环境下棉花分割的准确性和鲁棒性，为智能农业应用提供技术支持	田间棉花图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	未明确说明具体样本数量，但使用了自建的田间棉花图像数据集	PyTorch	U-Net, ParaTransCNN, Vision Mamba	Dice系数, mIoU, 准确率	未明确说明具体计算资源
1056	2026-03-21	Conserved cysteine residues in Kaposi's sarcoma herpesvirus ORF34 are necessary for viral production and viral pre-initiation complex formation 2024-08-20, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01000-24 PMID:39078391	研究论文	本研究通过深度学习辅助的结构模型揭示了卡波西肉瘤疱疹病毒ORF34中保守的半胱氨酸残基对病毒前起始复合体形成和病毒生产的关键作用	利用深度学习算法辅助构建ORF34结构模型，首次系统鉴定并验证了四个保守半胱氨酸残基在vPIC组装中的金属离子捕获功能	研究主要基于体外细胞实验，尚未在动物模型中验证这些突变体的体内影响；金属离子结合的具体机制仍需进一步生化验证	阐明KSHV ORF34蛋白在病毒前起始复合体中的具体作用机制及其对病毒晚期基因表达的调控功能	卡波西肉瘤疱疹病毒（KSHV）的ORF34蛋白及其保守氨基酸残基	计算生物学	卡波西肉瘤	深度学习辅助结构建模、丙氨酸扫描突变、病毒-细菌人工染色体（BAC）系统	深度学习算法	蛋白质序列与结构数据	NA	NA	NA	病毒产量恢复效率、蛋白质相互作用强度	NA
1057	2026-03-21	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了两位评审员在标注视网膜OCT扫描质量和常见病理特征时的一致性	开发了自定义标注软件来评估OCT扫描特征标注的评分者间可靠性	某些特征如SRF和高反射点的标注一致性较低	评估OCT扫描质量和病理特征标注的评分者间可靠性	500个来自CIRRUS HD-OCT 5000设备的视网膜OCT扫描	数字病理学	视网膜疾病	光学相干断层扫描	NA	图像	500个OCT扫描，每位患者眼睛由16个随机扫描表示	NA	NA	原始百分比一致性, Cohen's kappa系数	NA
1058	2026-03-21	From cancer big data to treatment: Artificial intelligence in cancer research 2024-01, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.3629 PMID:37940369	综述	本文概述了癌症大数据，并探讨了传统机器学习和深度学习方法在癌症基因组学和蛋白质组学研究中的应用	探索了多模态人工智能框架在分析高维多组学数据中的应用，以提取难以手动获取的有意义信息	可解释性和数据质量仍然是关键挑战	推进对癌症生物学的理解，改善患者护理和临床结果	癌症大数据，包括临床研究、基因组学、蛋白质组学和公共卫生记录	机器学习	癌症	组学技术	传统机器学习，深度学习	多组学数据	NA	NA	NA	NA	NA
1059	2026-03-21	mHealth hyperspectral learning for instantaneous spatiospectral imaging of hemodynamics 2023-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgad111 PMID:37113981	研究论文	本文提出了一种基于学习的高光谱成像方法，通过少量采样数据从RGB图像中恢复高光谱立方体，实现快速血流动力学成像	提出高光谱学习概念，仅需小区域采样数据即可从RGB图像恢复完整高光谱立方体，突破传统高光谱成像的空间-光谱权衡限制	未明确说明算法在不同光照条件和组织类型下的泛化能力，也未讨论计算复杂度对实时应用的影响	开发一种快速、低成本的高光谱成像方法，用于血流动力学监测	血管发育实验模型和人体外周微循环系统	计算机视觉	心血管疾病	高光谱成像，智能手机视频录制	深度学习	图像，视频	NA	NA	NA	光谱分辨率（与科学光谱仪对比）	普通智能手机摄像头
1060	2026-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种结合生物正交化学和计算分析流程的创新技术FAST-FNA，用于通过细针抽吸对肿瘤免疫微环境进行快速、连续的免疫分析	首次证明通过简单的细针抽吸可以准确、连续地测量治疗期间复杂且快速演变的肿瘤免疫微环境，结合了生物正交化学和深度学习辅助分析流程	NA	开发一种微创方法，用于在免疫治疗期间连续评估肿瘤免疫微环境，以发现和整合预测性或预后性生物标志物	临床前小鼠模型和人类癌症患者的肿瘤免疫微环境中的单细胞	数字病理学	癌症	细针抽吸、生物正交化学、流式细胞术	深度学习	图像、单细胞数据	临床前样本和人类样本（具体数量未在摘要中明确说明）	NA	NA	R2（决定系数）	NA