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
1221	2026-09-23	The Emerging Role of Artificial Intelligence in Cardiovascular Care: From Imaging to Predictive Analytics 2026, Heart views : the official journal of the Gulf Heart Association IF:0.4Q4 DOI:10.4103/heartviews.heartviews_41_26 PMID:42769554	综述	本文总结了人工智能在心血管护理中的应用，从影像学到预测分析，并探讨了包括量子计算在内的新兴创新	探讨了量子计算在心血管医学中的潜在角色，并强调了AI在肝移植候选者预测分析中的应用	作为综述文章，可能缺乏原始数据和新实验验证，依赖于现有文献	总结AI在心血管护理中的当前应用并探索未来创新方向	心血管护理中的AI应用，包括影像、信号分析、风险预测和临床沟通	机器学习	心血管疾病	NA	机器学习, 深度学习, 大型语言模型	NA	NA	NA	NA	NA	NA
1222	2026-09-23	Biomarkers in axial spondyloarthritis diagnosis: from clinical signs to multi-omics integration 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1929862 PMID:42769597	综述	本综述系统梳理了中轴型脊柱关节炎（axSpA）诊断生物标志物的研究进展，涵盖临床、分子和影像三大模态，并探讨了机器学习和多组学整合如何重塑诊断范式	全面整合了从临床标志物到分子标志物再到影像组学和深度学习模型的多模态生物标志物全景，并聚焦于多模态融合策略及算法公平性等临床转化障碍	缺乏前瞻性外部验证、标准化不一致、算法公平性在不同人群中的未解决问题	绘制axSpA诊断生物标志物的当前全景，探索机器学习和多组学整合在缩短诊断延迟中的潜力	中轴型脊柱关节炎（axSpA）诊断相关的生物标志物，包括临床、分子和影像模态	数字病理学, 机器学习	中轴型脊柱关节炎	基因组学, 蛋白质组学, 代谢组学, 液体活检, 影像组学, 深度学习	深度学习模型	影像, 文本, 分子数据	NA	NA	NA	NA	NA
1223	2026-09-23	Artificial intelligence in endometrial cancer: multimodal deep learning and future perspectives in precision gynecologic oncology - a structured narrative review 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1910139 PMID:42769630	综述	本文是一篇结构化叙述性综述，系统总结了人工智能在子宫内膜癌中的应用，涵盖超声影像、放射组学、数字病理、多模态深度学习、可解释AI及预后建模，并探讨了临床转化与未来前景	系统整合了多模态深度学习（尤其是HECTOR框架）和可解释AI在子宫内膜癌精准诊疗中的最新进展，并全面讨论了从诊断到预后预测的临床转化路径及伦理监管挑战	现有证据主要基于回顾性研究设计，数据集较小且常存在类别不平衡，AI模型可能过拟合，影像协议异质性大，外部验证有限，缺乏足够的前瞻性临床证据，限制了模型的泛化能力和临床推广	总结人工智能在子宫内膜癌中的应用现状，重点关注超声影像、放射组学、数字病理、多模态深度学习和可解释AI，并展望精准妇科肿瘤学的未来方向	子宫内膜癌患者及其相关的影像学、病理学和临床数据	数字病理	子宫内膜癌	全切片成像、放射组学、超声成像、多模态深度学习	深度学习、机器学习	图像、文本、多模态数据	NA	NA	HECTOR	NA	NA
1224	2026-09-23	AI-driven cybersecurity for industrial internet of things: architectures, challenges, datasets, and future research directions 2026, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2026.1938279 PMID:42769675	综述	本文系统综述了工业物联网中基于人工智能的网络安全威胁检测与防御的最新进展，涵盖架构、数据集、挑战及未来研究方向	系统性地从IIoT各层架构、公开数据集、评估实践和AI入侵检测方法等多维度进行批判性分析，并基于PRISMA流程识别文献，提出轻量级边缘智能、持续自适应学习、可解释联邦智能、数字孪生安全、基础模型驱动网络智能、自主网络防御和可信AI等新兴研究优先方向	现有研究在跨域泛化、计算开销、可解释性、对抗鲁棒性、边缘部署和操作验证方面存在持续局限，仅靠高基准性能不足以证明网络安全有效性	系统分析工业物联网环境中智能威胁检测与防御的最新发展，为下一代IIoT提供弹性、自适应且可操作部署的网络安全解决方案路径	工业物联网环境中的网络威胁及基于AI的入侵检测方法	机器学习	NA	NA	机器学习, 深度学习, 混合架构, Transformer, 图神经网络, 联邦学习, 强化学习, 可解释AI	文本	NA	NA	Transformer, 图神经网络	NA	NA
1225	2026-09-23	Advances in linear epitope-based subunit vaccines powered by artificial intelligence: current status and challenges 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1902723 PMID:42769934	综述	本文综述了人工智能驱动的线性表位亚单位疫苗的研究进展，涵盖计算表位筛选、化学修饰、递送平台及临床转化	系统评估了深度学习MHC结合预测工具（NetMHCpan、MHCflurry 2.0、MARIA）在线性表位疫苗中的应用，并提出AI驱动表位结构设计与病毒样颗粒递送系统协同优化的新路径	该领域仍面临免疫原性弱、酶降解快、对病毒变异株交叉保护不足等核心瓶颈	系统梳理线性表位亚单位疫苗的发展现状，评估AI在表位筛选中的作用，并探讨优化策略以推动下一代广谱疫苗的合理开发	线性表位亚单位疫苗、AI表位预测工具、递送平台、临床转化	机器学习	NA	深度学习MHC结合预测、计算免疫原性表位筛选、位点特异性化学修饰、病毒样颗粒递送	NA	文本	NA	NA	NA	NA	NA
1226	2026-09-23	An explainable deep learning approach for sleep staging in sleep apnea patients across all age subgroups from pulse oximetry signals 2025-Dec-22, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.112562 PMID:42306231	研究论文	该研究开发了一种基于U-Net框架的可解释深度学习模型（POxi-SleepNet），利用脉搏血氧仪的脉搏率（PR）和血氧饱和度（SpO₂）信号，对涵盖儿童、青少年、成人和老年人的阻塞性睡眠呼吸暂停（OSA）患者进行四分类睡眠分期，并采用Seg-Grad-CAM进行可解释性分析	首次在所有年龄亚组（儿童、青少年、成人、老年人）OSA患者中验证基于脉搏血氧仪信号的深度学习睡眠分期模型，并结合Seg-Grad-CAM可解释性方法定量解释脉搏血氧仪记录的时间和频率特征对睡眠分期的影响	未明确提及	开发可解释的深度学习模型，实现跨所有年龄亚组的OSA患者自动睡眠分期	来自六个数据集的17303例睡眠研究中的儿童、青少年、成人和老年OSA患者的整夜脉搏血氧仪信号	机器学习	阻塞性睡眠呼吸暂停	脉搏血氧仪信号采集	CNN	信号	17303例睡眠研究，来自六个数据集，涵盖儿童、青少年、成人和老年OSA患者	NA	U-Net	准确率, Cohen's kappa	NA
1227	2026-09-23	Multimodal LLM vs. Human-Measured Features for AI Predictions of Autism in Home Videos 2025-Nov, Algorithms IF:1.8Q2 DOI:10.3390/a18110687 PMID:42375709	研究论文	本文首次系统评估了多模态大语言模型（LLM）在基于AI的自闭症检测中替代人工标注的能力，通过50个YouTube视频比较了7个Gemini模型变体与人类标注者的表现	首次系统评估多模态LLM作为AI自闭症检测中人工标注的直接替代方案，并跨Gemini 1.5至2.5三个世代进行对比分析，揭示了LLM在自闭症行为特征提取方面的快速进步趋势	LLM在提取对human-in-the-loop AI诊断有用的行为特征方面尚未达到最高水平人类标注者的能力，样本量较小（仅50个视频），且仅评估了Gemini系列模型	评估多模态LLM能否替代人工标注用于AI自闭症检测，比较LLM与人群工作者及临床医生在行为特征提取和分类准确性方面的表现差异	50个YouTube自闭症相关视频	机器学习	自闭症	多模态大语言模型评估	多模态LLM	视频	50个YouTube视频	NA	Gemini 1.5, Gemini 2.0, Gemini 2.5	准确率	NA
1228	2026-09-23	Improved Deep Learning Prediction of TCR-HLA Associations 2025-Oct-06, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-025-09506-4 PMID:42453141	研究论文	本研究评估了DePTH在额外数据集上的性能，分析了TCR生成概率和CDR3序列长度这两个混杂因素的影响，并基于这些见解结合两个数据集的训练数据训练了DePTH 2.0	开发了DePTH 2.0，通过结合两个数据集的训练数据，并考虑了TCR生成概率和CDR3序列长度等混杂因素的影响	未明确说明模型的泛化能力及在其他数据集上的验证情况	提高TCR-HLA关联预测的深度学习模型性能，并理解TCR-HLA关系以阐明免疫反应特异性、自身免疫机制和推进靶向免疫治疗	T细胞受体（TCR）和人类白细胞抗原（HLA）的关联	机器学习	自身免疫疾病	深度学习	深度学习模型	氨基酸序列	NA	NA	NA	NA	NA
1229	2026-09-23	Dual-Attention BiLSTM for Interpretable Forecasting of Treatment Toxicities 2025-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi67747.2025.11269508 PMID:42170647	研究论文	本文提出了一种基于双重注意力机制的双向长短期记忆网络（Bi-LSTM）模型，用于对肿瘤治疗毒性进行可解释的预测	在项目层面和时间层面引入双重注意力机制，选择性地强调最具信息量的症状-时间交互，解决了传统Bi-LSTM模型对输入统一加权的问题，同时提升了预测准确性和可解释性	未明确说明模型在更大规模或多中心数据集上的泛化能力，也未讨论注意力机制在实际临床工作流程中的部署可行性	提升基于纵向患者报告结局（PRO）数据的症状轨迹预测性能，并增强深度学习模型在肿瘤学中的临床可解释性	纵向患者报告结局（PRO）数据，用于预测12个月症状严重程度	机器学习	癌症	纵向患者报告结局（PRO）分析	Bi-LSTM, 注意力机制	文本, 纵向临床数据	一个来自大型癌症中心的纵向PRO数据集（具体样本量未在摘要中说明）	NA	Bi-LSTM, 双重注意力机制	预测准确性, 可解释性	NA
1230	2026-09-23	Source-Free Active Learning for Adapting Alzheimer's Diagnostic Deep Learning Models Across Neuroimaging Cohorts 2025-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi67747.2025.11269546 PMID:42396431	研究论文	本文提出一种基于不确定性信息的主动学习框架，用于无源域自适应，以跨神经影像队列分类认知正常个体和阿尔茨海默病患者	利用蒙特卡洛丢弃法估计预测不确定性，指导从目标域选择信息量最大的样本进行模型自适应，无需源域数据	未明确提及	解决多站点神经影像数据中的域偏移问题，开发稳健的诊断模型，实现跨队列的阿尔茨海默病分类	来自五个神经影像研究的3,177名参与者（ADNI-1、ADNI-2/3、PENN、AIBL和OASIS）	医学图像分析	阿尔茨海默病	神经影像（脑体积测量）	深度学习模型（具体架构未指定）	图像（脑部MRI衍生的区域脑体积测量）	3,177名参与者，145个区域脑体积测量值	NA	NA	AUC	NA
1231	2026-09-23	Extracting Genetically-Imputed Causal Features From ECG Data 2025-Aug, Statistical analysis and data mining IF:2.1Q1 DOI:10.1002/sam.70026 PMID:42100677	研究论文	本文应用DeepFEIVR及其变体DeepFEIVR-RI于英国生物银行大型数据集，从ECG数据中提取遗传推算的因果特征以研究心房颤动	扩展了DeepFEIVR和DeepFEIVR-RI以容纳大量工具变量，并应用dnn-loc算法对提取的因果特征进行可视化检查	未明确提及	从ECG数据中提取遗传推算的因果特征，以增进对心房颤动病因学的理解	英国生物银行数据集中的ECG数据和心房颤动	机器学习	心血管疾病	孟德尔随机化	深度学习	图像	英国生物银行大型数据集（具体样本量未提及）	NA	DeepFEIVR, DeepFEIVR-RI	p值小于10的显著性	NA
1232	2026-09-23	Non-local modeling of enhancer-promoter interactions, a correspondence on "LOCO-EPI: Leave-one-chromosome-out (LOCO) as a benchmarking paradigm for deep learning based prediction of enhancer-promoter interactions" 2025-May, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-025-06378-5 PMID:42210916	评论	该文章是对Tahir等人2024年关于增强子-启动子相互作用预测模型的评论，指出其结论先前已发表，并解释其模型预测能力弱的原因	指出先前研究未被认可，并引入DNA环化、黏连蛋白挤出和CTCF等新见解来解释模型性能不足	作为评论文章，未进行新的实验研究，仅基于现有文献进行分析	纠正先前发表的记录，并讨论增强子-启动子相互作用建模的最新进展	增强子-启动子相互作用及其计算模型	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1233	2026-09-23	BRAID: Input-driven nonlinear dynamical modeling of neural-behavioral data 2025-Apr, ... International Conference on Learning Representations PMID:42131509	研究论文	提出了一种名为BRAID的深度学习框架，用于建模神经行为数据中的非线性动力学，并显式地纳入外部输入	显式地将测量的外部输入纳入非线性神经动力学建模中，通过输入驱动的循环神经网络与预测目标分离内在动力学与输入效应，并采用多阶段优化方案优先学习与行为相关的内在动力学	摘要中未明确提及	在建模神经群体动力学时显式考虑外部输入的影响，并准确学习与行为相关的内在动力学	神经行为数据，包括运动任务期间记录的运动皮层活动	机器学习	NA	NA	循环神经网络	神经活动数据	NA	NA	输入驱动的循环神经网络	拟合准确度、预测准确性	NA
1234	2026-09-23	GEOMETRY OF LONG-TAILED REPRESENTATION LEARNING: REBALANCING FEATURES FOR SKEWED DISTRIBUTIONS 2025-Apr, ... International Conference on Learning Representations PMID:42267119	研究论文	该论文从几何角度理论分析了长尾数据导致特征分布偏斜的原因，并提出了特征重构建方法FeatRecon以解决长尾表示学习问题	首次从理论上推导了长尾数据导致尾类中心收缩甚至坍缩为单点的条件，揭示了特征重叠的几何机制；提出FeatRecon方法通过重建特征空间使不同类别的特征分布对称且线性可分	未明确讨论计算复杂度或在大规模数据集上的可扩展性；实验仅限于图像分类数据集，未涉及其他模态或任务	深入理解长尾数据对特征分布的影响机制，并开发有效方法提升长尾分布下的表示学习性能	长尾分布下的深度神经网络特征表示	机器学习	NA	NA	NA	图像	CIFAR-10-LT、CIFAR-100-LT、ImageNet-LT和iNaturalist 2018数据集（具体样本量未在摘要中给出）	NA	NA	NA	NA
1235	2026-09-23	FeatureDock for protein-ligand docking guided by physicochemical feature-based local environment learning using transformer 2025-Mar-04, npj drug discovery DOI:10.1038/s44386-025-00005-6 PMID:42380495	研究论文	提出了一种基于transformer的深度学习框架FeatureDock，利用蛋白质局部环境的化学特征来预测蛋白质-配体结合构象并实现虚拟筛选的强打分能力	利用transformer学习蛋白质局部环境的物理化学特征来引导分子对接，同时解决了深度学习对接方法缺乏明确打分函数的问题	仅在Cyclin-Dependent Kinase 2和Angiotensin-converting enzyme两个数据集上进行了验证，未在更大规模或更多样化的数据集上评估	预测蛋白质与小分子配体之间的结合结构，并提高虚拟筛选中的打分能力	蛋白质-配体复合物，具体为Cyclin-Dependent Kinase 2和Angiotensin-converting enzyme的化合物数据集	机器学习	NA	分子对接	Transformer	分子结构数据	两个数据集：Cyclin-Dependent Kinase 2和Angiotensin-converting enzyme化合物数据集	NA	Transformer	NA	NA
1236	2026-09-23	Statistics and AI - A Fireside Conversation 2025, Harvard data science review DOI:10.1162/99608f92.c066fe9c PMID:42311443	评论	本文记录了一场关于统计学与人工智能的炉边对话网络研讨会，探讨了AI时代统计学的挑战、机遇及未来发展	以炉边对话形式组织多场专题讨论，汇集统计社区对AI时代关键挑战与机遇的集体见解，提出战略性路线图	仅为研讨会讨论总结，缺乏具体研究数据、实证分析或可量化结论，观点依赖与会者主观经验	探讨AI时代统计学的挑战与机遇，规划统计学的未来发展方向	统计学科、统计社区、AI技术、出版流程、统计教育	机器学习	NA	NA	NA	文本	约1000名在线参会者	NA	NA	NA	NA
1237	2026-09-23	Adaptive Time Encoding for Irregular Multivariate Time-Series Classification 2025, Advances in neural information processing systems PMID:42421990	研究论文	本文提出了一种自适应时间编码方法，通过可学习参考点生成潜在表示并引入一致性正则化，以解决不规则多元时间序列分类中的采样不规则问题	提出自适应时间编码方法，在可学习参考点生成潜在表示以捕获缺失模式，并引入一致性正则化整合复杂的时间与变量间信息	摘要中未提及具体限制	解决不规则多元时间序列分类中因采样不规则导致的观测错位和观测数量变化问题，提升分类性能	不规则多元时间序列数据	机器学习	NA	自适应时间编码	NA	时间序列	NA	NA	NA	分类性能	NA
1238	2026-09-23	Deep Learning Super-Resolution from Normal to Ultra-High Resolution CT: Conditional Diffusion Model Development and Performance Evaluation in Trabecular Bone Radiomics 2025, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3049109 PMID:42445206	研究论文	本研究开发了一种条件去噪扩散概率模型，用于将正常分辨率CT图像超分辨率重建至超高分辨率水平，并评估其对骨小梁纹理特征的影响	首次将条件去噪扩散概率模型应用于正常分辨率CT到超高分辨率CT的超分辨率重建，并系统评估了超分辨率对骨小梁放射组学纹理特征的影响	样本量较小（仅4例人类尸体股骨），部分纹理特征（聚类突出和聚类阴影）的超分辨率重建效果略低于正常分辨率	开发条件扩散模型实现正常分辨率CT到超高分辨率CT的超分辨率重建，并评估超分辨率对骨小梁纹理度量的影响	人类尸体股骨	医学图像处理	骨质疏松症	多探测器CT、超高分辨率CT	条件去噪扩散概率模型	医学图像	4例人类尸体股骨，7717个训练图像块来自2例股骨，5400个验证图像块来自第3例股骨，190个测试感兴趣区域来自第4例股骨	NA	条件去噪扩散概率模型	一致性相关系数、主成分分析	NA
1239	2026-09-23	Scaling Up Bayesian Neural Networks with Neural Networks 2024-Oct, Transactions on machine learning research PMID:42376641	研究论文	本文提出了一种新颖的校准-仿真-采样策略，以提高贝叶斯神经网络的计算效率	提出了一种结合校准、仿真和采样的新框架，利用神经网络仿真器加速后验采样	未明确提及	提高贝叶斯神经网络的计算效率，同时保持预测准确性和不确定性量化性能	贝叶斯神经网络	机器学习	NA	NA	贝叶斯神经网络	模拟数据和真实数据	未明确提及	NA	NA	预测准确性, 不确定性量化	NA
1240	2026-09-23	Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment 2024-May, Applied sciences (Basel, Switzerland) DOI:10.3390/app14104144 PMID:42037656	研究论文	该研究提出了一种多模态图同构网络（MGIN），利用fMRI任务相关数据解释青少年神经发育中的性别差异，并通过GNNExplainer实现可解释性	提出多模态图同构网络（MGIN），融合同一个体多次扫描的脑网络数据，增强预测能力和特征识别，并结合GNNExplainer识别对性别分类贡献显著的子网络图结构	摘要中未明确提及研究局限性	利用fMRI任务相关数据，通过深度学习方法探索和解释青少年神经发育中的性别差异	青少年受试者的fMRI任务相关脑网络数据	机器学习	NA	fMRI	GNN	图像	NA	NA	多模态图同构网络（MGIN），GNNExplainer	分类准确率	NA