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
1361	2026-01-25	Machine Learning Approach Enables Highly Accurate Identification of At-Risk Metabolic Dysfunction-Associated Steatohepatitis 2026-Jan-23, Hepatology research : the official journal of the Japan Society of Hepatology IF:3.9Q1 DOI:10.1111/hepr.70125 PMID:41575840	研究论文	本研究开发了一种基于随机森林的机器学习模型，用于仅使用七个常规临床参数准确识别高危代谢功能障碍相关脂肪性肝炎	提出了一种无需肝脏硬度测量的简单机器学习模型，在识别高危MASH方面表现出高准确性，优于现有非侵入性方法	研究基于特定多中心队列，可能在不同人群或医疗环境中的普适性有限	开发一种无需肝脏硬度测量的机器学习模型，以准确识别高危代谢功能障碍相关脂肪性肝炎	884名经组织学确认的代谢功能障碍相关脂肪性肝病患者	机器学习	代谢功能障碍相关脂肪性肝炎	机器学习算法训练与验证	随机森林, 逻辑回归, 梯度提升, 支持向量机, 深度学习	临床参数（年龄、性别、BMI、血液学/生化参数、合并症）	884名患者（80%用于推导，20%用于验证）	NA	随机森林	AUROC	NA
1362	2026-01-25	TransSE: A Transfer Learning-Based Predictive Model for Distinguishing Super Enhancers and Typical Enhancers 2026-Jan-23, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3657361 PMID:41576119	研究论文	本研究提出了一种名为TransSE的深度学习框架，结合卷积和循环神经网络与跨物种迁移学习，用于从基因组序列中区分超级增强子和典型增强子	TransSE采用两阶段策略，先在人类和小鼠组合数据上进行预训练以学习保守调控特征，再进行物种特异性微调以捕获生物体特定模式，从而提高了预测准确性和跨物种泛化能力	NA	开发一种高精度且具有跨物种泛化能力的计算模型，用于从基因组序列中识别超级增强子	人类和小鼠的基因组序列数据	机器学习	NA	基因组序列分析	CNN, RNN	基因组序列	NA	NA	NA	AUC	NA
1363	2026-01-25	Expression of Concern: Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2026-Jan-23, JMIR formative research IF:2.0Q4 DOI:10.2196/91833 PMID:41576282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1364	2026-01-25	On-device single channel EEG classification on Android smartphones using lightweight machine learning models 2026-Jan-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3ca4 PMID:41576423	研究论文	本文提出了一种在Android智能手机上使用轻量级机器学习模型进行单通道EEG分类的管道，并以眼状态分类为案例研究	开发了适用于移动设备部署的轻量级机器学习管道，能够在有限数据条件下实现高精度的单通道EEG分类，并成功集成到Android应用中	依赖多个软件平台且分类非实时进行，未来工作将解决这些问题	实现在Android智能手机上进行设备端离线EEG分类，以支持自然环境下的生理测量	十名参与者的EEG信号，用于眼状态（睁眼 vs 闭眼）分类	机器学习	NA	EEG信号采集、嵌入式伪影子空间重建（E-ASR）算法、功率谱特征提取	SVM	EEG信号	十名参与者	NA	SVM	准确率, 精确率, 灵敏度, 特异性, F1分数, 马修斯相关系数（MCC）	Android智能手机（如Google Pixel 7 Pro, Samsung S22）
1365	2026-01-25	Machine Learning for RNA Secondary Structure Prediction: a review of current methods and challenges 2026-Jan-23, RNA (New York, N.Y.) DOI:10.1261/rna.080840.125 PMID:41577452	综述	本文综述了机器学习在RNA二级结构预测领域的最新方法、面临的挑战及未来发展方向	系统梳理了从传统热力学方法到数据驱动的机器学习范式的演变，重点分析了当前领域的“泛化危机”及应对策略，并前瞻性地指出了包括假结预测、长序列处理、修饰核苷酸整合及动态结构预测在内的未来关键挑战	作为综述文章，不涉及具体实验验证，主要基于现有文献进行分析与评述	总结RNA二级结构预测领域机器学习方法的现状、挑战与发展趋势	RNA二级结构预测方法	计算生物学	NA	机器学习，深度学习	NA	RNA序列数据	NA	NA	NA	NA	NA
1366	2026-01-25	An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986-2024) 2026-Jan-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06549-0 PMID:41577719	研究论文	本文提出了一种新的年度夜间灯光数据集EVAL，用于中国1986年至2024年，通过两阶段深度学习模型解决现有产品低估光强和忽略结构细节的问题	提出了EVAL数据集，采用新型两阶段深度学习模型，结合高分辨率不透水面数据指导，显著提升了光强估计和结构细节保留，优于现有最先进产品	NA	扩展VIIRS-like夜间灯光数据的时间覆盖范围，以支持长期时间序列研究，并改进光强和结构细节的准确性	中国地区的年度人工夜间灯光数据	遥感	NA	深度学习，遥感	深度学习模型	遥感图像，不透水面数据	NA	NA	两阶段深度学习模型	时间一致性，与社会经济指标的相关性	NA
1367	2026-01-25	A deep reinforcement learning approach to dance movement analysis 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35311-0 PMID:41577743	研究论文	本文提出了一种基于深度强化学习的舞蹈动作分析框架RATS，通过序列决策过程优化视频帧采样，以提高舞蹈风格分类的准确性和计算效率	提出RATS框架，将舞蹈分类建模为序列决策过程，结合3DCNN特征提取、DQN代理与BiLSTM记忆，实现高效的关键帧聚焦和计算复杂度降低	未明确提及模型在其他舞蹈数据集或实时应用中的泛化能力，以及计算资源消耗的具体细节	提高视频中舞蹈风格分类的准确性和计算效率	舞蹈视频数据	计算机视觉	NA	NA	深度强化学习, 3DCNN, DQN, BiLSTM	视频	基于Let's Dance数据集，具体样本数量未明确说明	NA	3DCNN, DQN, BiLSTM	准确率, F-measure	NA
1368	2026-01-25	Enhancing knowledge graph recommendations through deep reinforcement learning 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31109-8 PMID:41577729	研究论文	本文提出了一种基于知识图谱和深度强化学习的推荐框架RKGnet，旨在解决推荐系统中的冷启动和可解释性问题	结合知识图谱的结构优势与强化学习的自适应决策能力，动态迭代用户偏好并揭示用户的层次化潜在兴趣	NA	提高推荐系统的准确性和可解释性，解决冷启动问题	推荐系统中的用户和物品	机器学习	NA	深度强化学习	深度强化学习模型	知识图谱数据	NA	NA	RKGnet	准确性, 鲁棒性, 可解释性	NA
1369	2026-01-25	Multimodal deep learning with anatomically constrained attention for screening MRI-detectable TMJ abnormalities from panoramic images 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02378-y PMID:41577795	研究论文	本研究开发了一种可解释的深度学习框架，利用成对的开口和闭口颞下颌关节全景X光片及结构化临床元数据，用于筛查MRI可检测的颞下颌关节异常	整合了解剖学引导的注意力机制、多模态临床特征和集成学习，以提高诊断准确性和可解释性	未明确提及研究的局限性	开发一种全面的筛查方法，用于检测MRI可识别的颞下颌关节病理	颞下颌关节异常	数字病理学	颞下颌关节疾病	磁共振成像	深度学习	图像, 临床元数据	1355名患者（2710个关节）	NA	NA	曲线下面积	NA
1370	2026-01-25	Physics-informed deep learning enables fast ultrahigh-resolution nuclear magnetic resonance spectroscopy 2026-Jan-23, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01912-z PMID:41577797	研究论文	本研究提出了一种结合非均匀分块采样与物理信息深度学习重建的AI辅助NMR方法，用于快速实现纯位移NMR光谱学	首次将物理信息深度学习与稀疏采样结合，实现超高速纯位移NMR光谱重建，同时保持光谱质量	未明确说明模型在极端稀疏采样条件下的性能边界或对未知分子系统的泛化能力	开发快速、高保真的纯位移NMR光谱采集与重建方法	分子结构、功能及相互作用，特别是1-丁醇在Pt/C和PtRu/C催化剂上的电氧化过程	机器学习	NA	纯位移NMR光谱学，非均匀分块采样	深度学习	NMR光谱数据	NA	NA	NA	光谱质量，信号恢复保真度，峰值强度重建精度	NA
1371	2026-01-25	Groundwater depth prediction based on CNN-GRU-attention model 2026-Jan-23, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-14993-z PMID:41577970	研究论文	本研究提出了一种结合CNN、GRU和注意力机制的混合深度学习模型（CNN-GRU-Attention），用于预测地下水深度，以支持干旱和半干旱地区的可持续水资源管理	创新性地整合了卷积神经网络（CNN）、门控循环单元（GRU）和注意力机制，构建了CNN-GRU-Attention混合模型，用于地下水深度预测，并设计了数据减少和特殊降雨情景来全面评估模型性能	NA	开发计算框架以预测地下水位，推进可持续水资源管理	中国郑州地区的地下水深度动态	机器学习	NA	NA	CNN, GRU, Attention	时间序列数据（包括月蒸发量、降水量、平均温度和地下水开采量）	NA	NA	CNN-GRU-Attention	MAE, RMSE, R	NA
1372	2026-01-25	Hybrid deep learning model for air quality prediction and its impact on healthcare 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36564-5 PMID:41577974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1373	2026-01-25	HMC-transducer: hierarchical mamba-CNN transducer for robust liver tumor segmentation 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02361-7 PMID:41577985	研究论文	提出了一种用于肝脏肿瘤CT图像分割的新型高效混合架构HMC-transducer	提出了一种结合CNN与Mamba状态空间模型的混合架构，其核心创新包括方向感知3D Mamba块和带门控融合机制的Mamba-CNN Transducer块，能自适应融合局部与全局特征	未在摘要中明确说明	开发一种准确、高效且可泛化的肝脏肿瘤分割模型以支持临床诊断与治疗规划	肝脏肿瘤	数字病理学	肝癌	CT扫描	混合架构（CNN, Mamba）	3D CT图像	多个公共基准数据集（LiTS17, MSD-liver, KiTS21）	未在摘要中明确说明	HMC-transducer, DA3D-Mamba, Mamba-CNN Transducer	分割准确性，泛化能力，计算效率	未在摘要中明确说明
1374	2026-01-25	Sex disparities in deep learning estimation of ejection fraction from cardiac magnetic resonance imaging 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02330-6 PMID:41577988	研究论文	本研究分析了基于心脏磁共振成像的深度学习模型在估计射血分数时存在的性别差异	揭示了在心脏成像深度学习模型中性别偏差的存在，并探讨了通过掩盖保护属性和数据重采样等策略来减轻偏差的效果	尽管尝试了掩盖保护属性和数据重采样，但算法公平性并未得到改善，且模型在某些情况下可能仍存在性别偏差	评估深度学习模型在心脏磁共振成像中估计射血分数时的性别偏差，并探索减轻偏差的策略	心脏磁共振成像数据和放射学报告，用于估计射血分数	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	图像, 文本	英国生物银行数据集	NA	基础模型	射血分数估计准确性	NA
1375	2026-01-25	Hybrid deep learning framework MedFusionNet assists multilabel biomedical risk stratification from imaging and tabular data 2026-Jan-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01334-3 PMID:41577997	研究论文	提出一种结合单变量阈值与多变量建模的混合并行深度学习框架MedFusionNet，用于多标签医学图像分类和癌症风险分层	提出融合自注意力机制、密集连接和特征金字塔网络的混合并行架构，支持多模态数据融合，并引入单变量阈值预筛选特征以提升模型性能与可解释性	未明确说明模型在更广泛疾病类型或更大规模数据集上的泛化能力，且对计算资源需求未详细分析	开发一个鲁棒且可解释的多标签医学图像分类与癌症风险分层系统	医学图像（如胸部X光片）及对应的文本与临床元数据	计算机视觉	肺癌, 宫颈癌	深度学习	CNN, 自注意力机制	图像, 文本, 表格数据	多个数据集（包括NIH ChestX-ray14和自定义宫颈癌数据集），具体样本数量未明确	未明确指定	MedFusionNet（融合自注意力机制、密集连接、特征金字塔网络）	准确率, 鲁棒性, 可解释性	未明确说明
1376	2026-01-25	Prospective real-world implementation of deep learning systems in healthcare: a systematic review guided by implementation science 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02358-2 PMID:41578007	系统综述	本文通过实施科学框架，系统回顾了深度学习系统在医疗保健领域前瞻性真实世界实施的研究，评估了实施策略和结果	首次使用实施科学框架系统性地映射深度学习在真实临床环境中的实施策略和结果，并基于识别出的研究空白提出未来实施建议	纳入研究数量有限（仅20篇），且主要集中在眼科等领域，实施成本、可持续性和利益相关者接受度评估不足	评估深度学习系统在真实临床环境中的实施策略、结果及其对患者护理和临床工作流程的影响	深度学习系统在医疗保健领域的前瞻性真实世界实施研究	机器学习	NA	深度学习	NA	NA	NA	NA	NA	临床结果、采纳度、适宜性、实施成本、可持续性、利益相关者接受度	NA
1377	2026-01-25	Evaluating gait system vulnerabilities through PPO and GAN-generated adversarial attacks 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37011-1 PMID:41578011	研究论文	本研究通过结合PPO和GAN生成对抗性攻击，评估深度学习步态识别系统的脆弱性	创新性地整合PPO和GAN来生成和部署目标对抗性补丁，利用PPO优化补丁放置以最大化对步态识别系统的干扰	NA	评估深度学习步态识别系统在对抗性攻击下的脆弱性，以增强其安全性和鲁棒性	基于深度学习的步态识别系统	计算机视觉	NA	对抗性攻击生成	GAN, PPO	步态数据	CASIA步态数据库：数据集B和OU-ISIR跑步机数据集B - 衣物变化-	NA	NA	识别准确率	NA
1378	2026-01-25	Explainable Hybrid Deep Learning Framework Integrating MobileNetV2, EfficientNetV2B0, and KNN for MRI-Based Brain Tumor Classification 2026-Jan-23, Cellular and molecular neurobiology IF:3.6Q2 DOI:10.1007/s10571-025-01660-z PMID:41578036	研究论文	本研究提出了一种轻量级且可解释的混合深度学习框架，用于基于MRI图像的脑肿瘤分类	提出了一种融合MobileNetV2和EfficientNetV2B0两种高效卷积主干网络特征的混合框架，并采用KNN分类器，同时通过Grad-CAM和SHAP分析增强了模型的可解释性	结果基于统一的数据集得出，需要进行外部验证	开发一种准确且透明的AI系统，用于脑肿瘤的MRI图像分类	脑肿瘤MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN, KNN	图像	7023张MRI图像	TensorFlow, PyTorch, Keras, Scikit-learn	MobileNetV2, EfficientNetV2B0	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
1379	2026-01-25	Detection and imaging of chemicals and hidden explosives using terahertz time-domain spectroscopy and deep learning 2026-Jan-22, Light, science & applications DOI:10.1038/s41377-026-02190-z PMID:41565620	研究论文	本研究提出了一种结合太赫兹时域光谱与深度学习的化学成像系统，用于准确检测和识别隐藏的化学品与爆炸物	首次将太赫兹时域光谱与深度学习结合，实现像素级化学物质识别，并利用等离子体纳米天线阵列增强系统性能，在复杂环境下保持高分类准确率	未明确提及系统在极端环境或更广泛材料类型下的性能限制	开发一种非侵入式、远距离的化学与爆炸物检测技术，以应对全球安全挑战	隐藏的化学品和爆炸物，包括药物辅料和爆炸化合物	计算机视觉	NA	太赫兹时域光谱	深度神经网络	光谱数据	八种化学品	NA	NA	分类准确率	NA
1380	2026-01-25	Extracellular matrix stiffness drives post-mitotic nuclear pore complex assembly to promote neuroblastoma pathogenesis 2026-Jan-22, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116858 PMID:41575851	研究论文	本研究揭示了细胞外基质刚度通过调控核孔复合体组装促进神经母细胞瘤发病的机制	首次发现细胞外基质刚度通过lamin A/C/E2F4/PLK1轴调控有丝分裂后核孔复合体组装，从而影响神经母细胞瘤细胞迁移	研究主要基于体外细胞模型和患者来源类器官，缺乏体内动物模型的验证	探究细胞外基质刚度如何调控核孔复合体组装及其在神经母细胞瘤发病中的作用	神经母细胞瘤细胞、U2OS-CRISPR-Nup96-SNAP细胞系、临床神经母细胞瘤样本、患者来源类器官	数字病理学	神经母细胞瘤	超分辨率显微镜、深度学习算法、光漂白技术、CRISPR基因编辑	深度学习算法	图像数据	临床神经母细胞瘤样本及患者来源类器官	NA	NA	NA	NA