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
11801	2026-04-24	MultiScaleWave: a wavelet-based multiscale framework for univariate time series forecasting 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42317-1 PMID:41820434	研究论文	提出一种基于小波变换的多尺度深度学习框架MultiScaleWave，用于单变量时间序列预测	采用多级离散小波变换将时间序列分解为多尺度时间成分，并通过粒度自适应模块分别建模后融合生成预测表示	NA	解决真实世界时间序列数据中噪声、非平稳性和多尺度时间依赖性问题，提高预测性能	单变量时间序列数据	机器学习	NA	离散小波变换	深度学习框架	时间序列数值数据	基准数据集（具体数量未说明）	NA	MultiScaleWave	与竞争基线相比表现出优越性能（具体指标未说明）	NA
11802	2026-04-24	Predictive modeling for early diagnosis of dementia using sequential data analysis and data mining 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43382-2 PMID:41820458	研究论文	提出一种名为TCBiNet的深度学习框架，利用时序临床数据对痴呆症进行早期诊断预测	将时序卷积网络（TCN）、双向长短期记忆网络（BiLSTM）和时间注意力机制整合，同时捕捉局部化趋势、双向时序分析和关键症状区间，显著提升了预测准确性和可解释性	未提及外部验证或真实临床环境下的性能表现，数据为单中心回顾性研究，可能缺乏泛化性	开发一种基于时序数据分析的痴呆症早期诊断预测模型，克服传统方法忽略疾病进展动态性的局限	收集2149名60-90岁患者的纵向临床数据，包括认知、行为和功能指标，并切分为30天间隔的时序数据	机器学习, 数字病理学	痴呆症	未提及具体测序技术	深度学习	时序数据	2149名患者，年龄60-90岁	TensorFlow	TCN, BiLSTM, 时间注意力机制	准确率, F1分数, AUC-ROC	未提及
11803	2026-04-24	MSCMF-DTB: a multi-scale cross-modal fusion framework for drug-target binding prediction 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44048-9 PMID:41820521	研究论文	提出一种多尺度跨模态融合框架MSCMF-DTB，用于药物-靶点结合预测，包括相互作用分类和亲和力回归任务	首次将DenseGCN分子图编码、TAPE-BERT蛋白质嵌入、多尺度1D CNN、跨模态交叉注意力机制与张量网络高阶特征交互相结合，构建端到端深度学习框架	文中未明确提及局限性与未来改进方向	解决药物发现中药物-靶点结合预测的挑战，实现高精度分类与回归预测	药物分子（拓扑结构、化学子结构）与蛋白质序列	机器学习	NA	分子图生成（RDKit）、蛋白质嵌入（TAPE-BERT）	深度学习框架（DenseGCN、CNN、MLP）	分子图、蛋白质序列、化合物指纹	多个数据集：Human, C. elegans, GPCR, BioSNAP, DrugBank（DTI任务）; DAVIS, KIBA（DTA任务）	PyTorch, RDKit	DenseGCN, 多尺度1D CNN, 交叉注意力, 张量网络, MLP	AUC, Recall, MSE, Concordance Index, r²	NA
11804	2026-04-24	Development of head-to-head and longitudinal CycleGAN algorithm for MRI harmonization: validation in follow-up MRI evaluation in patients with brain metastasis 2026-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43755-7 PMID:41813851	research paper	开发一种基于CycleGAN的头对头和纵向MRI协调算法，并在脑转移患者随访MRI评估中验证其效用	首次聚焦于使用CycleGAN技术减少脑转移患者在不同扫描仪间纵向随访MRI变异性，并验证其临床实用性	未在摘要中明确提及局限性	开发并验证基于CycleGAN的深度学习算法，用于MRI协调，减少不同扫描仪间差异，提高脑转移随访MRI评估的准确性	脑转移患者，其随访MRI使用不同扫描仪获取	machine learning	brain metastasis	MRI	CycleGAN	image	未在摘要中明确提及样本数量	NA	CycleGAN	图像相似度评分, 对比噪声比(CNR), 诊断置信度	NA
11805	2026-04-24	From Physical Replacement to Biological Symbiosis: Evolutionary Paradigms and Future Prospects of Auditory Reconstruction Brain-Computer Interfaces 2026-Mar-11, Micromachines IF:3.0Q2 DOI:10.3390/mi17030343 PMID:41900229	综述	该文回顾了听觉脑机接口从物理替代到生物共生的进化范式，并探讨了未来发展方向	系统整合了听觉重建从物理替代到生物共生的转变，并评估了高分辨率调制技术及AI辅助意图感知的未来潜力	未提供具体的实验验证或定量性能比较，主要基于现有文献的综述和未来展望	批判性分析听觉脑机接口的进化范式，并展望高保真神经假体的未来发展	听觉脑机接口在耳蜗、脑干和皮层水平的生理障碍及新兴技术方法	生物医学工程、人工智能	神经性听力损失	NA	深度学习	NA	NA	NA	NA	NA	NA
11806	2026-04-24	A lightweight CNN for enhanced non-small cell lung cancer classification using CT scan image 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41401-w PMID:41807468	研究论文	提出一种轻量级卷积神经网络MiniConvNet，用于CT图像中非小细胞肺癌及其亚型的检测和分类	设计了一种轻量级CNN架构MiniConvNet，在保持较小模型尺寸和较快推理速度的同时，在非小细胞肺癌亚型分类上达到与大型网络相当的性能，并验证了其在组织病理学数据集上的跨模态泛化能力	未提及具体局限性，但可能受限于仅使用两个公开数据集，且轻量设计可能在高复杂度任务上存在性能上限	开发一个高效、可部署的轻量级CNN模型，用于非小细胞肺癌的自动检测和亚型分类，特别是面向资源受限的临床环境	非小细胞肺癌及其亚型（腺癌、鳞状细胞癌、大细胞癌）	计算机视觉	肺癌	CT扫描图像分析	卷积神经网络（CNN）	图像	NA	NA	MiniConvNet, ResNet50, VGG16, VGG19, Inception V3, MobileNetV3Small, EfficientNetV2B0, ConvNeXtTiny	分类准确率、模型大小、推理速度	NA
11807	2026-04-24	Assessing the environmental costs of multi-scale recurrent neural networks for sustainable extreme rainfall nowcasting 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43029-2 PMID:41807644	研究论文	评估多尺度循环神经网络在极端降雨临近预报中的环境成本，旨在实现可持续预报	首次在实际天气雷达数据（TAASRAD19和里约热内卢数据集）上评估MS-RNN框架的计算效率与预测准确性，并关注可持续性指标（能耗、碳排放、用水量）	可持续性指标（如能耗、碳排放、用水量）在当前文献中极少计算，本文也未在这些方面进行实际量化	提高极端降雨临近预报的计算效率与预测准确性，支持资源有限地区的可持续AI解决方案	极端降雨事件的实时预报	机器学习	不适用	不适用，使用天气雷达数据	循环神经网络	图像（天气雷达数据）	使用TAASRAD19和里约热内卢数据集，具体样本量未提及	不适用	MS-RNN	计算效率、预测准确性	未具体说明
11808	2026-04-24	Deep learning for predicting stem cell efficiency for use in beta cell differentiation 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42830-3 PMID:41803201	研究论文	提出基于图像深度学习模型，预测干细胞克隆效率，用于β细胞分化指导	利用无标记相位差成像与深度学习（EfficientNet-V2-S）相结合，实现分化的早期预测（53小时），克隆级准确率达96.7%，并通过层相关性传播和傅立叶分析解释模型特征	本研究仅为概念验证，且未提及模型在更大样本或不同干细胞系上的泛化能力	开发基于图像的深度学习模型，早期预测干细胞克隆在β细胞分化中的效率，以降低细胞生产成本	患者来源的干细胞克隆（高效与低效克隆）	计算机视觉, 数字病理学	糖尿病	相位差成像	卷积神经网络（EfficientNet-V2-S）	图像（相位差成像）	干细胞克隆样本（具体数量未给出）	NA	EfficientNet-V2-S	准确率（96.7%）	NA
11809	2026-04-24	Adaptive Logit Fusion for Mitigating Class Imbalance in Multi-Category Sperm Morphology Assessment 2026-Mar-09, Life (Basel, Switzerland) DOI:10.3390/life16030438 PMID:41900957	研究论文	提出一种基于深度学习的集成方法，用于对精子细胞进行18类形态学分类，包括1类正常和17类异常	通过自适应逻辑融合策略结合EfficientNetV2-S和ResNet50V2两种架构，并优化融合权重以最大化召回率、精确率和F1分数，有效缓解了类别不平衡问题	视觉特征不明显的缺陷类型分类性能较低	提高多类别精子形态评估中类别不平衡下的分类性能	精子细胞，涵盖1个正常和17个异常形态类别	计算机视觉	男性不育症	深度学习	卷积神经网络集成模型	图像	未明确说明样本数量	TensorFlow, Keras	EfficientNetV2-S, ResNet50V2	准确率, 召回率, 精确率, F1分数	自动混合精度训练，未明确GPU类型
11810	2026-04-24	EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.06.704509 PMID:41867859	研究论文	EpiExpr是一个灵活的深度学习框架，利用一维表观遗传数据和三维染色质相互作用预测基因表达	整合一维表观遗传图谱和三维染色质相互作用进行基因表达预测，无需序列嵌入即可达到与基于DNA序列的transformer模型相当的性能	NA	从表观基因组图谱解码基因表达，捕获远端调控效应	GM12878和K562细胞	机器学习	NA	CRISPRi-FlowFISH	残差卷积网络、图神经网络、图注意力模型、图变换器模型	表观遗传图谱、染色质相互作用数据	两种细胞系（GM12878和K562）	PyTorch	ResNet, GNN, GAT, Graph Transformer	预测精度、AUC	NA
11811	2026-04-24	Artificial Intelligence-Driven Discovery and Optimization of Antimicrobial Peptides Targeting ESKAPE Pathogens and Multidrug-Resistant Fungi 2026-Mar-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030591 PMID:41900351	综述	本文综述了人工智能在针对ESKAPE病原体和多重耐药真菌的抗菌肽发现与优化中的应用	结合机器学习、深度学习及基于transformer的蛋白质语言模型，以及生成式方法（如变分自编码器、扩散模型和强化学习）实现从头多目标肽设计和病原导向优化	尚未有完全由AI设计的抗菌肽获得监管批准，临床转化仍受毒性、稳定性和生产限制	评估人工智能在加速下一代抗多重耐药病原体的抗菌肽临床转化中的潜力	抗菌肽、ESKAPE病原体、多重耐药真菌	机器学习	抗微生物耐药性感染	NA	机器学习、深度学习、transformer、变分自编码器、扩散模型、强化学习	序列数据	NA	NA	transformer, 变分自编码器, 扩散模型	NA	NA
11812	2026-04-24	AI-Driven Drug Discovery: Focus on Targets for Solid Tumors 2026-Mar-06, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18030329 PMID:41900815	综述	探讨人工智能在实体肿瘤药物靶点发现中的应用进展与挑战	系统总结了近三年特别是大语言模型在肿瘤药物发现中的应用，并聚焦于AI辅助靶点识别的最新进展	未提及具体实验验证或定量性能比较，且侧重于综述性分析而非技术方法创新	综述AI在实体肿瘤药物靶点发现中的应用现状及未来方向	实体肿瘤及其药物靶点	机器学习	实体肿瘤	NA	大语言模型	多组学生物数据、真实世界证据	NA	NA	NA	NA	NA
11813	2026-04-24	MRI-based qualitative, quantitative, and radiomics/deep learning methods for assessing treatment response after neoadjuvant chemoradiotherapy in patients with locally advanced rectal cancer 2026-Mar, Precision radiation oncology DOI:10.1002/pro6.70055 PMID:42022355	综述	总结基于MRI的定性、定量、影像组学和深度学习方法在评估局部进展期直肠癌新辅助放化疗疗效中的现状与未来展望	综合阐述了功能MRI技术（如弥散加权成像、灌注加权成像等）以及新兴的影像组学和深度学习方法在评估新辅助放化疗后病理完全缓解中的应用	未明确提及，但综述性质可能导致缺乏实证对比分析	评估新辅助放化疗后病理完全缓解的术前准确评估方法	局部进展期直肠癌患者	医学影像分析, 机器学习	直肠癌	MRI, 功能MRI, 影像组学, 深度学习	深度学习模型（未具体指定）	MRI图像	NA	NA	NA	NA	NA
11814	2026-04-24	Early Cancer Detection: What's Going on and What's Next 2026-Mar, MedComm IF:10.7Q1 DOI:10.1002/mco2.70653 PMID:42022539	综述	本文综述了基于血液的多癌种早期检测技术的现状、挑战与未来方向	整合多组学分析与先进分子成像的协同方法，以及风险适应的MCED范式，可能提高检测准确性和肿瘤定位能力	MCED方法在方法学、临床和实施方面仍面临重大障碍，影响了其广泛应用	评估多癌种早期检测技术的发展现状、优势及局限，并探讨人工智能在其中的作用	循环游离DNA和循环肿瘤DNA为基础的检测方法	机器学习	癌症	多组学分析、分子成像、循环游离DNA测序、循环肿瘤DNA测序	深度学习	血液样本中的DNA数据	NA	NA	NA	灵敏度、特异性、预测性能	NA
11815	2026-04-24	Explainable Artificial Intelligence in Healthcare: Current Landscape, Challenges, and Future Directions 2026-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72172 PMID:42022614	综述	系统综述了可解释人工智能在医疗健康领域的当前状况、挑战与未来方向	首次系统性地将可解释人工智能技术与具体医疗领域（如肿瘤学、心脏病学）进行映射分析，并识别出新兴趋势如混合可解释模型和人本设计	真实世界验证不足、可解释性指标缺乏标准化、伦理监管框架不完善	综合评估可解释人工智能在医疗健康中的应用现状，识别关键挑战并指出未来发展方向	2017-2025年间发表的70篇同行评审研究文献	机器学习	肿瘤学、心脏病学、传染病、神经学	NA	深度学习（CNN、RNN、LSTM、Transformer）、树模型（随机森林、XGBoost、决策树）	文本	70篇研究文献	NA	CNN, RNN, LSTM, Transformer, 随机森林, XGBoost, 决策树	NA	NA
11816	2026-04-24	Wearable Hybrid Strain-Myoelectric Sensing System for Machine-Learning-Assisted Sarcopenia Screening 2026-Mar, Small science IF:11.1Q1 DOI:10.1002/smsc.202500582 PMID:42022867	研究论文	提出一种可穿戴混合应变-肌电传感系统，结合CNN-LSTM深度学习框架，用于机器学习辅助的肌肉减少症早期筛查	首次集成表面肌电信号与压电应变传感技术，同时捕捉电生理信号和机械变形信号，结合CNN-LSTM深度学习和特征工程（9种生理相关特征）实现高精度筛查，并利用SHAP可解释性分析揭示神经肌肉退行性变化机制	仅在75名老年参与者中验证，样本量较小，且未明确说明该方法在更广泛人群或临床环境中的泛化能力	开发一种便携、低成本、无辐射的肌肉减少症早期筛查系统	肌肉减少症患者的神经肌肉状态，特别是肌肉收缩时的电生理信号和机械变形信号	机器学习	老年疾病	表面肌电图、压电应变传感	CNN-LSTM	信号	75名老年参与者	PyTorch	CNN, LSTM	准确率, 曲线下面积	NA
11817	2026-04-24	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	提出一种集成YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	首次将YOLOV10和YOLOV11模型集成用于肾结石检测，通过减少假阴性和假阳性错误提升个体模型性能	未提及具体计算资源和数据集规模等限制	提高肾结石在医学图像中的检测准确性和精确度	CT和超声图像中的肾结石	计算机视觉	肾结石	深度学习	YOLOV10, YOLOV11	图像	未提及	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50	NA
11818	2026-04-24	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2026-Feb, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统综述与统计分析	对脑机接口神经反馈训练在创伤后应激障碍干预中的方法学与实验设计进行系统评价	揭示了神经反馈训练中缺乏明确调控指导与过程评估机制是争议来源，并提出机器学习/深度学习方法在小样本场景下的应用方向	仅包含Web of Science数据库文献，未纳入非英语或未发表研究；样本量较小限制了高级分析方法的应用	分析神经反馈技术在PTSD调控中的主要技术路线与结果，探讨有效性争议原因并提出改进方向	已发表的PTSD神经反馈原始研究文献（共31篇）	数字病理学	创伤后应激障碍	脑电图神经反馈、功能性磁共振成像神经反馈	机器学习（基础方法）、深度学习（未应用）	时间序列信号（EEG）、脑功能影像（fMRI）	EEG研究平均样本量17.4（SD 7.13），fMRI研究平均样本量14.6（SD 6.37）	NA	NA	NA	NA
11819	2026-04-24	Diffusion Posterior Sampling for Tomographic Reconstruction with Mixed Resolution Priors 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3088076 PMID:42017039	研究论文	提出一种基于扩散后验采样的混合先验模型，用于提高断层重建中区域空间分辨率并保持全局结构一致性	结合全局扩散模型和区域块状扩散模型，通过频域方法融合低频和高频成分，并采用移位块划分机制消除拼接伪影	混合先验模型依赖高质量训练数据，且区域先验的应用需手动定义掩膜	在断层图像重建中通过混合先验模型提升区域分辨率，同时保持全局稳定性和一致性	断层重建中的图像数据	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA	PyTorch	扩散模型（全局+区域块状模型）	重建质量	NA
11820	2026-04-24	Evaluation of Fluence Reduction versus Sparsity for Diffusion Posterior Sampling Reconstruction in Low-Dose CT 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3087836 PMID:42017038	研究论文	系统模拟研究低剂量CT中光子通量减少与稀疏采样对扩散后验采样重建性能的影响	首次在同一框架下系统比较低剂量CT协议中两种降剂量策略（稀疏采样与每视角光子通量减少）对扩散后验采样重建的影响，并提出联合优化方案	仅基于模拟研究，未涉及真实临床数据验证	探究低剂量CT协议设计时，如何平衡稀疏采样与光子通量减少以最优维持重建图像质量	基于扩散后验采样算法的低剂量CT重建	计算机视觉, 数字病理学	NA	CT扫描	扩散概率模型	图像	模拟数据集（通过调整视角数和每视角入射光子数生成的不同组合）	PyTorch	扩散后验采样	PSNR, 偏差, 后验样本变异性	NA