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
11681	2026-04-27	Predicting drug solubility in binary solvent mixtures using graph convolutional networks: a comprehensive deep learning approach 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28272-3 PMID:41318549	研究论文	本研究提出基于图卷积网络（GCN）的综合深度学习框架，用于预测药物在二元溶剂混合物中的溶解度	首次系统评估GCN结合多头注意力机制和多层级分子表征学习在药物溶解度预测中的效能，通过消融研究和注意力可视化揭示结构-溶解度关系，将实验工作量减少60-80%	对于结构显著异于训练数据的化合物预测误差可能超过MAE<0.5 logS单位，模型泛化性需进一步验证	开发高效的药物溶解度预测方法以加速制剂开发，降低传统实验的时间和资源消耗	123种小分子溶质在44种溶剂和110种二元溶剂组合中的溶解度数据	机器学习	NA	NA	图卷积网络	分子结构数据、溶解度实验值	27,000个溶解度测量值，涵盖273-373 K温度范围	PyTorch	多头注意力GCN，层级池化	平均绝对误差（MAE）	NA
11682	2026-04-27	Optimized YOLOv8s framework with deformable convolution for underwater object detection 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28989-1 PMID:41309854	研究论文	提出一种优化YOLOv8s框架（O-YOLOv8s-DC），融合可变形卷积与多尺度注意力机制，用于水下目标检测	创新集成可变形卷积特征模块（C2f_DC）、深度加权双向特征金字塔（DeepBiFPN）、内容感知特征重组（CARAFE）和高效多尺度注意力（EMA），有效提升小目标与遮挡目标检测性能	未提及在极端浑浊水质或极高密度目标场景下的性能表现，且仅使用两个数据集进行验证	解决水下目标检测中小目标、遮挡目标、形态多变及低图像质量等关键挑战	水下环境中的目标物体	计算机视觉	NA	可变形卷积、深度学习	YOLOv8s（优化框架）	图像	两个数据集：LFIW和OI数据集	PyTorch	YOLOv8s, C2f_DC, DeepBiFPN, CARAFE, EMA	AP@[0.50:0.05:0.95], AP@0.75, 消融实验指标	未提及具体计算资源，但可推断需GPU支持训练
11683	2026-04-27	A smart assistive system for visually challenged people through efficient object detection using deep learning with tunicate swarm algorithm 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29947-7 PMID:41309919	research paper	提出了一种基于深度学习和海鞘群算法的智能辅助系统，用于视觉障碍人群的物体检测	结合YOLOV8、CapsNet、深度信念网络和海鞘群算法，通过参数优化提升物体检测精度	仅在室内物体检测数据集上验证，未测试室外场景和实时性能	开发一种自动物体检测系统，辅助视觉障碍者完成日常任务	视觉障碍者	computer vision	NA	median filtering, object detection, deep learning	YOLOV8, CapsNet, DBN, TSA	image	使用Indoor Object Detection数据集，具体数量未提及	NA	YOLOV8, CapsNet, Deep Belief Network	accuracy	NA
11684	2026-04-27	Modifier guided resilient CNN inference enables fault-tolerant edge collaboration for IoT 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28454-z PMID:41310049	研究论文	提出一种无需云端参与的边缘分布式CNN架构，通过轻量级修饰模块实现容错推理，适用于资源受限的物联网场景	设计轻量级修饰模块，利用故障模拟训练机制实时生成失效设备的预测结果，避免模型复制或云端回退，实现完全边缘侧容错	仅在MNIST和CIFAR-10数据集上验证，未在更复杂的真实物联网数据上测试；对超过五个设备同时故障的场景未充分评估	实现资源受限物联网场景下鲁棒且准确的分布式深度学习推理，消除对云端的依赖	物联网环境中的边缘设备及其分布式CNN推理过程	机器学习	NA	NA	CNN	图像	MNIST和CIFAR-10数据集，实验中最多模拟五个设备同时故障	NA	CNN	准确率、错误率	NA
11685	2026-04-27	EnCTN: an enhanced AI-enabled deep learning framework for security enhancement in blockchain transactions 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29160-6 PMID:41310051	研究论文	提出一种增强型卷积时间网络，用于提升基于AI的区块链交易安全	将区块链与深度学习结合，通过增强型卷积时间网络和自动编码器技术实现交易分析中的异常检测，同时采用扩张卷积捕获长期依赖关系	文中未明确说明局限性	提升区块链交易的安全性和异常检测能力，解决数据机密性和匿名性问题	区块链网络中的交易数据	机器学习	NA	NA	增强型卷积时间网络	时间序列数据	使用NSL-KDD数据集进行评估	Python	增强型卷积时间网络, 自动编码器	异常分类准确率	NA
11686	2026-04-27	Deep learning-based AI model for predicting academic success and engagement among physical higher education students 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29000-7 PMID:41310101	研究论文	提出基于深度学习的HybridStackNet堆叠集成模型，用于预测体育高等教育学生的学业成功与参与度	构建结合随机森林和支持向量机作为基学习器、逻辑回归作为元学习器的堆叠集成模型，并引入偏依赖图和LIME实现可解释性分析	基于500条公开数据集进行训练，样本规模有限可能影响泛化能力；未提及跨机构或纵向数据的验证	开发可解释的机器学习模型以早期识别体育教育学生的学业风险	体育高等教育学生的学业表现与参与行为	机器学习	不适用	SMOTE过采样、随机森林特征选择	堆叠集成模型（HybridStackNet）	结构化表格数据	500个实例，包含学业、行为和身体属性	Scikit-learn	随机森林、支持向量机、逻辑回归	准确率、精确率、召回率、F1分数、AUC、Jaccard系数、Kappa系数、Hamming损失	未提及
11687	2026-04-27	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-11-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	探讨深度学习在神经影像学分析中用于神经退行性疾病诊断与监测的最新进展、挑战与机遇	通过涵盖更广泛的神经退行性疾病类型（包括阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症和多发性硬化症），并关注空间/时间信息处理方法，扩展了现有文献	回顾的模型在小样本上取得高准确性但临床应用有限；存在推理冲突、忽略扫描仪间及站点内/间变异；数据整合面临协调性、不完整性、类别不平衡和高成本等挑战	总结深度学习在神经影像学中诊断与监测神经退行性疾病的最新进展，并讨论相关挑战	神经影像学数据（脑体积成像数据），涵盖从单个患者到多队列研究	计算机视觉, 机器学习	神经退行性疾病	神经影像学	深度学习模型	图像	NA	NA	NA	NA	NA
11688	2026-04-27	The coming era of nudge drugs for cancer 2025-Nov-10, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2025.08.004 PMID:40939589	研究论文	提出一种基于肿瘤微环境逐步重塑的癌症治疗新策略，通过深度学习分析扰动肿瘤的单细胞图谱来设计“推动”药物	首次提出“推动药物”概念，利用深度学习识别肿瘤微环境原型间的基因和细胞网络转换，实现治疗顺序的设计	NA	开发针对晚期癌症的渐进式肿瘤微环境重塑治疗策略	肿瘤微环境及其在不同患者和组织来源中的保守原型	机器学习	癌症	单细胞测序	深度学习模型	单细胞图谱数据	NA	NA	NA	NA	NA
11689	2026-04-27	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	综述	系统综述脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究现状	综合总结深度学习在脑年龄预测中的应用进展，强调脑年龄差距作为早期诊断标志物的潜力	存在站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等挑战	系统评估脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究进展和局限性	脑年龄预测模型和脑年龄差距指标	机器学习	阿尔茨海默病	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA
11690	2026-04-27	Deep learning-based computer-aided diagnosis system for the automatic detection and classification of lateral cervical lymph nodes on original ultrasound images of papillary thyroid carcinoma: a prospective diagnostic study 2024-09, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03808-1 PMID:38570388	研究论文	开发一种基于深度学习的计算机辅助诊断系统，用于在甲状腺乳头状癌患者原始超声图像上自动检测和分类侧颈淋巴结	首次开发了基于可变形检测变压器的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，在前瞻性数据集中验证其诊断效能优于不同年资的超声医师	未在摘要中明确说明研究局限性	开发并验证一种基于深度学习的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，辅助超声医师诊断	甲状腺乳头状癌患者侧颈淋巴结超声图像	计算机视觉	甲状腺癌	超声成像	可变形检测变压器（Deformable DETR）	图像	回顾性数据集包括1675例患者的1801张图像，前瞻性测试集包括160例患者的185张图像	NA	可变形检测变压器（Deformable DETR）	平均精度均值（mAP）、准确率、曲线下面积（AUC）	NA
11691	2026-04-27	Deep learning of Parkinson's movement from video, without human-defined measures 2024-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2024.123089 PMID:38991323	研究论文	利用深度学习神经网络直接分析帕金森病患者手指敲击视频，无需人工定义的测量指标，实现疾病分类	首次将3D卷积神经网络直接应用于原始手指敲击视频，无需提取一维信号或预定义特征，并可视化模型学习的关键时空特征（如PD组特有的拇指下垂动作）	样本量较小（40名患者和37名对照），测试准确率仅为0.69，且未在真实临床环境中验证	评估直接从视频中学习手指敲击动作以区分帕金森病患者与对照组的可行性，并解释模型关注的时空特征	特发性帕金森病患者与健康对照者的手指敲击视频	计算机视觉	帕金森病	视频记录（智能手机拍摄）	3D卷积神经网络	视频	152段10秒手指敲击视频，来自40名PD患者和37名对照	NA	3D卷积神经网络	准确率, 精确率, 召回率, AUROC	NA
11692	2026-04-27	Clinical narratives as a predictor for prognosticating functional outcomes after intracerebral hemorrhage 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120807 PMID:37717279	research paper	研究临床叙述能否改善脑出血患者功能预后的预测性能	首次利用自然语言处理从临床叙述中提取文本标记，并将其与现有预后模型结合，显著提升脑出血患者功能结局的预测性能	NA	探讨临床叙述能否提升脑出血后功能结局的预测能力	脑出血患者的临床叙述记录和功能结局（改良Rankin量表评分）	natural language processing	intracerebral hemorrhage	NLP	machine learning and deep learning approaches	text	1363例患者（训练集1023例，测试集340例）	NA	NA	area under the receiver operating characteristic curve, net reclassification improvement, integrated discrimination improvement	NA
11693	2026-04-27	Deep learning analysis of UPLC-MS/MS-based metabolomics data to predict Alzheimer's disease 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120812 PMID:37776718	研究论文	利用深度学习分析基于UPLC-MS/MS的代谢组学数据来预测阿尔茨海默病	首次通过UPLC-MS/MS代谢组学数据结合深度学习模型，识别出一组新的诊断性代谢生物标志物用于预测阿尔茨海默病，其中胆汁酸代谢物与APOE-ε4等位基因和临床生物标志物相关	样本量较小，仅包含177名个体，且模型在单一数据集上验证，可能缺乏泛化能力	识别新的代谢生物标志物并开发深度学习工具以预测阿尔茨海默病	来自阿尔茨海默病神经影像学倡议队列的78名AD患者和99名认知正常个体，共177人	机器学习	阿尔茨海默病	UPLC-MS/MS	多层前馈神经网络	代谢组学数据	177名个体（78名AD患者和99名认知正常者）	H2O	多层前馈神经网络（2层18个神经元）	准确率、F1分数、AUC	NA
11694	2026-04-27	Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium 2022-07-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002080 PMID:36206463	研究论文	本研究探讨高级磁共振成像技术能否反映急性胰腺炎后的病理生理变化，并提供预测糖尿病的影像生物标志物	利用先进MRI技术开发定量复合风险评分，并结合人工智能深度学习算法优化预测能力	NA	通过纵向MRI观察急性胰腺炎后糖尿病的自然病程，识别高危个体并建立风险评分系统	急性胰腺炎后发生糖尿病的患者及其血糖正常、糖尿病前期人群	机器学习	糖尿病, 急性胰腺炎	MRI	深度学习	图像	NA	NA	NA	NA	NA
11695	2026-04-25	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2026-Apr-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	提出一种基于多尺度残差密集变换器生成对抗网络的低剂量CT去噪方法	在生成器中采用MRDT Block作为核心单元，将多尺度策略引入残差密集网络以减少过度平滑并保留精细细节，同时结合补丁变换器模块捕获长距离依赖，减轻卷积神经网络局部感受野引起的失真；引入混合注意力模块处理空间、频率和对比度信息，实现更好的噪声抑制和对比度均匀性；判别器在全局、像素和子尺度上对抗性探索去噪LDCT与正常剂量CT的差异，以更好捕捉结构变化	未提及具体局限性	开发一种低剂量CT去噪框架，在增强噪声抑制的同时保留解剖细节和结构保真度	低剂量CT图像	计算机视觉	NA	低剂量CT	生成对抗网络	图像	NIH-AAPM-Mayo Clinic低剂量CT数据集和真实世界数据集	NA	多尺度残差密集变换器生成对抗网络	NA	NA
11696	2026-04-25	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	研究论文	通过多中心外部验证，评估用于巴雷特食管异型增生组织学诊断的深度学习模型性能	对之前交叉验证的BE异型增生深度学习模型进行多中心外部验证，采用生成对抗网络归一化染色特性，结合YOLO和ResNet101的集成方法	NA	外部验证用于巴雷特食管异型增生分级诊断的深度学习模型	巴雷特食管的病理全切片图像	数字病理学	食管腺癌、巴雷特食管	全切片图像数字化	CNN、生成对抗网络	图像	489张全切片图像	NA	You Only Look Once, ResNet101	敏感性、特异性、F1分数	NA
11697	2026-04-25	Advancements in Caries Diagnostics Using Bitewing Radiography: A Systematic Review of Deep Learning Approaches 2026, Caries research IF:2.9Q1 DOI:10.1159/000546448 PMID:40544827	综述	系统综述深度学习技术在咬翼片放射影像中龋齿诊断的应用进展	首次系统性地综述了深度学习在咬翼片放射影像龋齿诊断中的最新进展，总结了不同深度学习架构的性能优势	综述可能受限于纳入研究的异质性及部分研究缺乏外部验证	评估深度学习技术在咬翼片放射影像中辅助龋齿诊断的现状与潜力	咬翼片放射影像中的龋齿病变检测与诊断	计算机视觉	龋齿	NA	深度学习	影像	NA	NA	NA	NA	NA
11698	2026-04-25	Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment 2026-01, Acta paediatrica (Oslo, Norway : 1992) DOI:10.1111/apa.70319 PMID:41025287	综述	本文探讨利用新生儿重症监护室的床边摄像头结合深度学习辅助进行全身运动评估	首次系统总结了床边摄像头在新生儿重症监护室中用于自动全身运动评估的潜力，并结合深度学习技术提出非侵入性、可扩展的解决方案	未提供实际实验数据或性能评估，仅基于文献综述，缺乏验证的临床结果	评估床边摄像头与深度学习结合在新生儿全身运动评估中的可行性与应用前景	床边摄像头获取的新生儿RGB视频数据	计算机视觉	新生儿神经系统疾病	深度学习	NA	视频数据	NA	NA	NA	NA	NA
11699	2026-04-25	An ancient recombination desert is a speciation supergene in placental mammals 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	利用深度学习方法研究胎盘哺乳动物中一个古老的重组荒漠作为物种形成的超级基因	首次通过深度学习从22个胎盘哺乳动物物种的基因组比对中推断重组景观的进化，并发现X连锁重组荒漠是一个古老且反复出现的基因流屏障，保留了物种历史	NA	理解减数分裂重组率在物种形成早期对基因流的影响，并应用重组感知的系统发育分析准确推断物种关系	胎盘哺乳动物物种	机器学习	NA	基因组比对	深度学习	基因组比对数据	22个胎盘哺乳动物物种用于初始分析，94个物种用于系统发育分析	PyTorch	NA	NA	NA
11700	2026-04-25	Advancing biological taxonomy in the AI era: deep learning applications, challenges, and future directions 2026-01, Science China. Life sciences DOI:10.1007/s11427-025-3074-8 PMID:41136689	综述	综述了深度学习在生物分类学中的应用、挑战与未来方向	提出将基因组视为“语言”的基础模型，以及整合因果关系的全集成模型可能为物种界定带来阶跃变化	存在数据质量、算法鲁棒性、参考文库完整性、模型透明度和共享标准等关键挑战	探讨人工智能尤其是深度学习如何推动生物分类学的发展，并分析其潜在变革与挑战	生物分类学，包括基于图像、生物声学、基因序列和物种性状的分类方法	机器学习	NA	深度学习	基础模型	图像、声音、基因序列	NA	NA	NA	NA	NA