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
1341	2026-03-16	AI in the Prediction of Hepatic Fibrosis Progression Using Non-Coding RNAs 2026-Mar-12, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2026.120973 PMID:41831666	综述	本文综述了人工智能在利用非编码RNA预测肝纤维化进展中的应用，包括最新发现、挑战与未来机遇	整合人工智能与多组学数据及非编码RNA互作网络，提升肝纤维化进展预测的精确性和非侵入性诊断工具	数据标准化和临床验证的必要性尚未完全解决，存在潜在挑战	探讨人工智能在肝纤维化中识别非编码RNA生物标志物、预测疾病分期和风险分层的作用	肝纤维化及其进展至肝硬化和肝细胞癌的过程	机器学习	肝纤维化	转录组数据分析	NA	转录组数据	NA	NA	NA	NA	NA
1342	2026-03-16	Evolutionary-Based Deep Learning Network Model using Adaptive Mixing Differential Evolution and Application in Acute Pulmonary Embolism 2026-Mar-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.03.009 PMID:41831678	研究论文	本文提出了一种基于进化计算的深度学习网络模型EDLAlexNet，用于急性肺栓塞的预测和分析	提出了一种结合Q学习和对立学习的自适应混合差分进化算法MIXDE，并将其集成到AlexNet模型中，用于急性肺栓塞的预测	NA	开发一种高效、准确的工具，用于急性肺栓塞的预测和分析，以克服现有评估方法的复杂性、耗时性和侵入性等局限	中低风险和高风险的急性肺栓塞患者	机器学习	急性肺栓塞	NA	CNN	血液生化指标、生命体征、临床参数和临床特征	NA	NA	AlexNet	准确率, 特异性, 敏感性, AUC	NA
1343	2026-03-16	Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance 2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102712 PMID:41831720	研究论文	本研究开发并验证了LGE-CMRnet，一种用于LGE CMR上自动分割心肌瘢痕和微血管阻塞的端到端深度学习流程，并评估其在急性心肌梗死患者中的预后价值	整合YOLOv8进行心脏定位和nnU-Net进行心肌、瘢痕和微血管阻塞的同步分割，实现了快速、准确的自动化分割，其预后预测性能与专家分析相当	研究样本主要来自特定患者队列，外部验证队列规模相对较小（158例患者），且未在更广泛、多中心的临床环境中进行验证	开发并验证一个端到端深度学习管道，用于自动分割LGE CMR上的心肌瘢痕和微血管阻塞，并评估其在急性心肌梗死患者中的预后价值	急性心肌梗死患者的晚期钆增强心血管磁共振图像	数字病理学	心血管疾病	晚期钆增强心血管磁共振	CNN	图像	567例急性心肌梗死患者的3,874张LGE图像（409例用于训练/内部压力测试队列；158例用于外部测试）	PyTorch	YOLOv8, nnU-Net	Dice相似系数, 相关性分析, Bland-Altman分析, C指数	NA
1344	2026-03-16	Molecular Design with Artificial Intelligence: Progress and Perspectives for Small Molecules 2026-Mar-11, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.5c00689 PMID:41764645	综述	本文回顾了人工智能在分子设计领域的发展路径，并探讨了AI对化学的实际影响	整合了生成式人工智能（如变分自编码器、大语言模型和扩散模型）于化学分子设计，推动了该领域的爆炸性发展	讨论了AI生成分子合成相关的可能性和问题，但未具体说明技术或应用限制	探讨人工智能在化学分子设计中的进展与前景	小分子	机器学习	NA	NA	变分自编码器, 大语言模型, 扩散模型	NA	NA	NA	NA	NA	NA
1345	2026-03-16	Deep Learning Assisted Proton Pure Shift NMR Spectroscopy 2026-Mar-11, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c22860 PMID:41770844	研究论文	本文提出了一种基于深度学习的质子纯位移核磁共振光谱方法，用于将自旋回波调制的氢核磁共振光谱转换为高灵敏度、高分辨率的单峰光谱	利用深度学习将复杂重叠的多重峰模式转换为虚拟同核去耦纯位移光谱，并预测转换不确定性以实现定量分析	未明确说明方法在特定低灵敏度样品或可交换质子系统中的具体应用限制	开发一种深度学习辅助的核磁共振光谱分析技术，以改善复杂有机化合物光谱的解析能力	复杂有机化合物，包括天然产物和药物类有机分子	机器学习	NA	核磁共振光谱学，质子纯位移光谱	深度学习	核磁共振光谱数据	NA	NA	NA	NA	NA
1346	2026-03-16	Untangling biological complexity: A deep learning approach to separating multiple signals in single-cell data 2026-Mar-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2026.101188 PMID:41819074	研究论文	本文介绍了一种名为CellUntangler的深度学习模型，用于从单细胞RNA测序数据中捕获和过滤多个生物信号	开发了基于深度学习的CellUntangler模型，能够有效分离单细胞数据中的多个生物信号	NA	从单细胞RNA测序数据中分离多个生物信号	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	NA	NA	NA	NA	NA
1347	2026-03-16	NeuroMix-DL: Improving imaging quality of a fast multiparametric MRI protocol using deep learning 2026-Mar-11, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112795 PMID:41831364	研究论文	本研究利用深度学习模型SwinUNETR提升快速多对比度脑部MRI协议（NeuroMix）的图像质量	首次将Swin U-Net Transformer（SwinUNETR）应用于快速多对比度MRI图像增强，显著降低图像误差并改善临床质量评分	研究为回顾性设计，样本量相对有限（350例），且未在外部数据集验证模型泛化能力	通过深度学习提升快速多对比度MRI协议的图像质量，优化MRI检查的性价比	350名患者（年龄64±17岁，155名男性）的脑部MRI图像	医学影像分析	NA	快速多对比度MRI序列（NeuroMix）	深度学习	MRI图像	350例患者	NA	SwinUNETR	均方根误差（RMSE）, 五点图像质量量表评分	NA
1348	2026-03-16	Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study 2026-Mar-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84261 PMID:41806366	研究论文	本研究提出了一种创新的框架，将人群层面的共病模式识别与个体层面的预测建模相结合，用于前瞻性预测个体未来的共病模式	提出了一种新颖的深度学习模型CLA-Net，它结合了GRU和Transformer架构的优势，并引入了双时间定向交叉注意力机制，以同时捕捉时间依赖性和复杂的特征交互	未明确说明研究数据的来源、时间跨度或潜在的样本偏差，也未讨论模型在外部验证或不同人群中的泛化能力	将共病研究从描述性分析推进到前瞻性的共病模式预测，以支持个性化的预防和管理	纵向健康随访数据中的个体	机器学习	共病	潜在转变分析，深度学习	GRU, Transformer	纵向健康随访数据	NA	NA	CLA-Net	准确率, 精确率, 召回率, F1分数, AUC	NA
1349	2026-03-16	Computer-aided diagnosis of papillary thyroid carcinoma based on deep learning technology 2026-Mar-10, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105235 PMID:41819301	综述	本文系统评估了深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用，包括影像学和病理学分析，并探讨了未来发展方向	系统性地综述了深度学习在PTC诊断中的多模态应用（超声、CT、MRI、H&E染色病理切片），并前瞻性地提出了结合影像组学与分子生物标志物的混合模型以及可解释AI框架的发展方向	存在数据集异质性、模型可解释性限制以及影像标准化挑战等局限性	评估深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用现状与未来方向，以优化临床决策	甲状腺乳头状癌（PTC）的影像学（超声、CT、MRI）和病理学（H&E染色切片）数据	数字病理学	甲状腺癌	深度学习，影像组学分析	深度学习模型	图像（超声、CT、MRI影像，H&E染色病理切片）	NA	NA	NA	准确性	NA
1350	2026-03-16	Classification of functional near-infrared spectroscopy (fNIRS) signals in schizophrenia and bipolar disorder using deep learning methods 2026-Mar-10, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117084 PMID:41831295	研究论文	本研究利用功能近红外光谱（fNIRS）结合言语流畅性任务（VFT），通过深度学习方法和可解释性分析，对精神分裂症（SCZ）和双相情感障碍（BD）患者进行功能分类和鉴别诊断	首次将深度学习与可解释性方法结合应用于fNIRS信号，以区分SCZ和BD，并识别关键神经影像生物标志物（如lOFC）	样本量相对较小（共169名参与者），且仅基于fNIRS和VFT任务，可能未涵盖其他认知或生理指标	评估fNIRS作为临床诊断工具的可靠性，并探索其在认知任务中对SCZ和BD进行鉴别诊断的潜力	精神分裂症患者、双相情感障碍患者和健康对照者	机器学习	精神分裂症, 双相情感障碍	功能近红外光谱（fNIRS）, 言语流畅性任务（VFT）	深度学习	fNIRS信号（氧合血红蛋白浓度变化）	50名SCZ患者、67名BD患者和52名健康对照者（共169名）	NA	NA	分类准确率, AUC	NA
1351	2026-03-16	MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits 2026-Mar-09, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101620 PMID:41267404	研究论文	提出了一种名为MeNet的混合效应深度神经网络，用于多环境下的农艺性状基因组预测	将混合效应模型的统计严谨性与神经网络的非线性建模能力统一起来，通过双嵌入和自适应学习遗传复杂性，能够捕获上位性和基因-环境互作	未明确提及	提升多环境下农艺性状基因组预测的准确性和可解释性	水稻、小麦和玉米的农艺性状	机器学习	NA	基因组预测	深度神经网络	基因组数据	三个数据集，包括12个水稻性状（三个环境）、小麦籽粒产量（四个环境）和三个玉米性状	NA	MeNet	NA	NA
1352	2026-03-16	DisNet : Learning interpretable depression representations in speech 2026-Mar-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108820 PMID:41831358	研究论文	本文提出了一种可解释的抑郁症筛查网络DisNet，用于从语音中学习可解释的抑郁症表征	提出了包含可学习频域滤波器组模块和分层语音表征提取模块的端到端可解释网络，并采用自监督学习策略增强特征可解释性	未明确说明模型在跨数据集泛化能力方面的具体限制	开发可解释的语音抑郁症检测方法	语音信号	自然语言处理	抑郁症	语音分析	深度学习网络	语音	AMHS-corpus数据集（具体数量未说明）及公开数据集DAIC-woz、CMDC、EATD-corpus	未明确说明	DisNet（包含LFB和HRE模块）	F1分数	NA
1353	2026-03-16	Last-layer committee machines for uncertainty estimations of benthic imagery 2026-Mar-06, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108819 PMID:41830872	研究论文	本研究提出了一种基于最后一层委员会机器的框架，用于改善海底栖息地图像分类中的不确定性估计，以减少模型参数并提升标注可靠性	提出了一种单最后一层委员会机器方法，能在保持性能的同时将网络参数减少超过95%，相比贝叶斯神经网络、蒙特卡洛dropout和深度集成等计算成本更高的策略	方法仅在BenthicNet数据集的两个挑战性子数据集上进行了测试，未在其他海洋图像数据集或更广泛的应用场景中验证	改善海底栖息地图像自动标注的可靠性，通过不确定性估计识别模糊、错误标注或分布外样本	海底栖息地图像，包括海底及其相关生物、栖息地和地质特征的图像	计算机视觉	NA	深度学习	贝叶斯神经网络, 蒙特卡洛dropout, 委员会机器	图像	NA	NA	NA	NA	NA
1354	2026-03-16	Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy 2026-Mar-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c24539 PMID:41783971	研究论文	本研究合成了一种具有高机械强度、优异传感性能、自愈能力及监测治疗功能的多功能导电水凝胶，用于智能健康监测和光热治疗	通过简便的一锅法合成了PDA@Ag/PAA/PSBMA/FK共晶水凝胶，该材料集成了宽传感范围、低温耐受性、自主自愈特性，并结合深度学习算法实现了实时监测与按需光热治疗的闭环平台	未明确说明水凝胶的长期生物相容性、大规模生产成本以及临床转化面临的挑战	开发集成监测与治疗功能的多功能可穿戴表皮传感器	PDA@Ag/PAA/PSBMA/FK共晶水凝胶及其构建的传感器	可穿戴医疗系统	NA	一锅合成法、光热治疗	深度学习算法	运动信号、关节活动数据	NA	NA	NA	传感范围（2%-1000%）、拉伸性（1900%）、离子电导率（0.17 S·m）	NA
1355	2026-03-16	Treehopper-Inspired Passive Electroluminescent Vector Electric Field Sensor with Deep Learning-Enabled High-Precision Reconstruction 2026-Mar-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c25790 PMID:41784229	研究论文	本研究受树蝉生物电传感机制启发，设计并实现了一种基于仿生介电异质结构的被动电致发光矢量电场传感器，并利用深度学习方案从光谱中重建完整的矢量场信息	提出了一种无需外部电源、基于仿生介电异质结构的被动电致发光矢量电场传感器，并结合共享权重一维卷积神经网络进行高精度矢量信息重建	NA	实现复杂电磁环境中被动、高精度、矢量分辨的电场传感	矢量电场	机器学习	NA	电致发光	CNN	光谱数据	NA	NA	共享权重一维卷积神经网络	平均绝对误差, 平均相对误差, 平均绝对角度误差	NA
1356	2026-03-16	Intelligent interferometric analysis of lipid layer thickness for clinical evaluation of dry eye disease 2026-Mar-05, The ocular surface DOI:10.1016/j.jtos.2026.02.011 PMID:41794130	研究论文	本研究开发并验证了一种基于深度学习的全自动框架，用于从白光干涉图像中定量分析泪膜脂质层厚度，以支持干眼病的临床评估	首次将深度学习分割模型与物理光学映射方法相结合，实现了泪膜脂质层厚度的全自动、定量化测量，取代了传统依赖定性或半定量评估的方法	研究主要基于特定数据集（小鼠和人类）进行验证，尚未在更广泛、多中心的临床环境中进行大规模测试	开发一种全自动、定量化的泪膜脂质层厚度分析框架，以提高干眼病和睑板腺功能障碍的诊断准确性和临床实用性	BALB/c小鼠的临床前图像、健康志愿者和睑板腺功能障碍患者的临床数据集	计算机视觉	干眼病	白光干涉成像	深度学习分割模型	图像	动物数据集（BALB/c小鼠）和人类数据集（健康志愿者与患者）	NA	U-Net, DeepLabV3+, Unet++	Dice分数, R2	NA
1357	2026-03-16	Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction 2026-Mar-03, Endoscopy IF:11.5Q1 DOI:10.1055/a-2780-0974 PMID:41468904	研究论文	开发并验证了一种多模态深度学习模型MUMA-EDx，用于早期食管鳞状细胞癌的检测和浸润深度预测	首次整合了放大内镜和超声内镜成像，通过特征级融合的多模态深度学习模型，显著提升了早期食管鳞状细胞癌的识别和浸润深度评估性能	模型开发和内部验证基于回顾性数据集，外部验证样本量相对较小（122例患者），未来需要更大规模的前瞻性研究进一步验证	提高早期食管鳞状细胞癌的诊断准确性和浸润深度预测能力	食管鳞状细胞癌患者的内镜图像数据	数字病理	食管癌	放大内镜，超声内镜	深度学习	图像	回顾性数据集358例患者（18420张图像），前瞻性队列122例患者（8711张图像）	未明确指定	TResNet_m	AUROC，准确率，灵敏度，特异性，阳性预测值，阴性预测值	NA
1358	2026-03-16	PatientFlow: Learning to generate mixed-type longitudinal clinical data with flow matching 2026-Mar-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103392 PMID:41830733	研究论文	本文提出了一种名为PatientFlow的生成建模方法，用于生成具有静态和时序混合类型特征的合成纵向临床数据	结合变分自编码器进行数据表示和流匹配进行患者生成，以应对纵向数据复杂结构和患者隐私保护的双重挑战	研究仅在肌萎缩侧索硬化症患者队列（N=1560）上进行了评估，需要进一步验证在其他疾病上的适用性	开发能够生成高保真合成纵向临床数据的生成模型，以支持医疗健康领域的大规模深度学习应用	肌萎缩侧索硬化症患者的纵向临床数据	机器学习	肌萎缩侧索硬化症	NA	生成模型	纵向临床数据（静态和时序混合类型）	1560名患者	NA	变分自编码器, 流匹配	定性评估, 定量评估, 临床专家验证	NA
1359	2026-03-16	Deep Learning-Enabled Multi-Omics Integration: A New Frontier in Precise Drug Target Discovery 2026-Mar-02, Biology DOI:10.3390/biology15050410 PMID:41823837	综述	本文系统综述了深度学习驱动的多组学整合在药物靶点发现领域的最新进展、挑战与未来机遇	系统性地总结了深度学习整合多组学数据用于药物靶点发现这一新兴前沿领域，并探讨了生成式AI、大型多模态模型等新兴技术带来的机遇	文中提及了该领域面临的持续挑战，包括数据稀疏性、模型可解释性、靶点成药性及验证障碍	推动精准药物靶点发现，以应对药物研发成本上升和高失败率的问题	多组学数据（如基因组学、转录组学、蛋白质组学等）	机器学习	NA	多组学整合	深度学习	多组学数据	NA	NA	NA	NA	NA
1360	2026-03-16	Applications of artificial intelligence in bovine reproductive assessment: focus on oocytes and blastocysts 2026-Mar, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-025-03772-3 PMID:41396246	综述	本文综述了人工智能在牛卵母细胞和囊胚质量评估中的应用，探讨其如何提高辅助生殖技术的效率和准确性	将人工智能，特别是计算机视觉和深度学习，引入牛生殖评估领域，以自动化、标准化传统上主观且耗时的手动评估过程	NA	探讨人工智能在牛生殖生物学中卵母细胞和囊胚质量评估的应用潜力，以支持辅助生殖技术和遗传改良策略	牛的卵母细胞和囊胚	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	准确率	NA