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
1761	2026-04-22	Mapping intratumoral heterogeneity through PET-derived washout and deep learning after proton therapy 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111646 PMID:41936288	研究论文	本研究提出了一种不确定性感知的深度学习框架，用于改进质子治疗后PET图像中冲刷参数的估计，以映射肿瘤内异质性	提出了一种不确定性感知的深度学习框架，首次将冲刷动力学估计与肿瘤内异质性映射相结合，支持剂量验证和个性化治疗	研究基于蒙特卡洛模拟数据，样本量较小（8名头颈癌患者用于训练，5名患者用于测试），需要进一步临床验证	改进质子治疗后PET图像的冲刷参数估计，实现肿瘤内异质性映射以支持肿瘤状态评估和治疗反应监测	头颈癌患者和肝癌患者的质子治疗后PET图像数据	数字病理学	头颈癌	质子治疗，正电子发射断层扫描（PET），蒙特卡洛模拟	深度学习	医学图像（PET图像）	8名头颈癌患者用于训练（每名患者75个数字孪生），4名头颈癌患者和1名肝癌患者用于测试	PyTorch	NA	平均绝对误差，分辨率，准确性	NA
1762	2026-04-22	Machine learning models for predicting response to epidermal growth factor receptor tyrosine kinase inhibitors in non-small cell lung cancer brain metastases: a systematic review and meta-analysis 2026-May, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04148-w PMID:41335187	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了基于机器学习的模型在预测非小细胞肺癌脑转移患者对表皮生长因子受体酪氨酸激酶抑制剂治疗反应中的性能	首次对用于预测非小细胞肺癌脑转移患者EGFR-TKI治疗反应的机器学习模型进行系统综述和荟萃分析，综合评估了多种模型的预测性能	纳入的研究多为回顾性数据集，样本量较小，且缺乏外部验证，限制了模型在临床实践中的直接应用	评估基于机器学习的模型在预测非小细胞肺癌脑转移患者对EGFR-TKI治疗反应中的预测性能	非小细胞肺癌脑转移患者	机器学习	肺癌	NA	逻辑回归, 决策树, 深度学习	临床数据	1322名肺癌脑转移患者	NA	DL-Cox	AUC, 准确率, 灵敏度, 特异性, 诊断比值比	NA
1763	2026-04-22	Test-Time Adaptation for Detecting Image Inpainting Forgeries 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3647640 PMID:41468337	研究论文	本文提出了一种测试时自适应检测框架，用于检测图像修复伪造，通过量化模型不确定性和动态适应可靠测试样本，提升伪造检测模型在动态环境中的适应性和检测性能	提出基于图像梯度的度量来量化模型不确定性并协调整个适应过程，结合样本特定的批量归一化统计增强预训练模型在推理阶段的能力，引入交叉注意力模块作为侧调模块，使模型能动态适应可靠测试样本而不改变主干网络	NA	解决图像修复伪造检测中，由于测试样本与训练数据分布差异导致检测性能显著下降的问题	图像修复伪造检测模型	计算机视觉	NA	NA	CNN	图像	NA	PyTorch, TensorFlow	ResNet, VGG, Transformer	准确率, 精确率, 召回率, F1分数, AUC	GPU (NVIDIA RTX 3090, V100, A100), 云平台 (AWS, Google Cloud, Azure)
1764	2026-04-22	Shaping the future of myopia: artificial intelligence for vitreoretinal complications of high and pathologic myopia 2026-May, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07098-9 PMID:41636834	综述	本文综述了人工智能（特别是深度学习）在检测高度近视和病理性近视的玻璃体视网膜并发症（如视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变）中的应用现状	系统总结了深度学习在多种眼科成像模态（如OCT、眼底照相）中用于近视相关视网膜病变分类与分割的最新研究进展，并指出从基于CNN的架构向Transformer骨干网络及预训练/基础模型的发展趋势	现有研究在病例定义、数据集和评估方法上存在显著异质性，外部验证报告不一致，且需进一步工作以将模型转化为临床应用，包括稳健的外部验证、临床决策校准和前瞻性评估	探讨人工智能（特别是深度学习）在检测近视相关视网膜并发症中的应用，以缓解近视流行带来的医疗系统压力	高度近视和病理性近视患者的视网膜并发症，包括视网膜脱离（RD）、近视性黄斑变性（MMD）和近视性牵引性黄斑病变（MTM）	计算机视觉	近视	眼科成像，包括OCT、眼底照相、荧光素血管造影和超声检查	深度学习	图像	28项研究（涉及RD 10项、MMD 12项、MTM 6项），具体样本量未在摘要中明确给出	NA	CNN, Transformer	AUC, 准确率, 灵敏度, 特异性	NA
1765	2026-04-22	Refining prognostication in non-muscle-invasive bladder cancer: From clinical models to artificial intelligence 2026-May, Urologic oncology DOI:10.1016/j.urolonc.2026.111047 PMID:41832109	综述	本文综述了非肌层浸润性膀胱癌预后模型的发展，从传统临床病理评分系统到分子及人工智能驱动框架的演变	系统总结了人工智能（包括机器学习和深度学习）在预后预测中的应用，并指出其相较于传统模型（如EORTC和CUETO表）的优越性能	现有模型在可重复性、可解释性及临床路径整合方面仍面临挑战，且尚无单一工具满足广泛采纳的所有标准	优化非肌层浸润性膀胱癌的风险分层和预后预测，以支持更精准的监测和治疗决策	非肌层浸润性膀胱癌患者	数字病理学	膀胱癌	NA	机器学习, 深度学习	临床病理数据, 全切片图像, MRI影像	NA	NA	NA	区分度, 校准度	NA
1766	2026-04-22	Letter to the Editor: Nocturnal enteral feeding and mechanical ventilation risk in intensive care unit patients: A deep Learning-Based causal inference study 2026-May, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2026.106637 PMID:41925417	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1767	2026-04-22	YOLO-Drop: A Deep Learning Model Enabling Accurate, High-Throughput Image Analysis for Droplet Digital Immunoassay at Attomolar Concentrations 2026-Apr-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00939 PMID:41937323	研究论文	本文开发了一种名为YOLO-Drop的深度学习模型，用于对液滴数字免疫分析中的图像进行准确、高通量分析，并部署在嵌入式平台上以实现实时操作	基于YOLOv8架构，定制了可变形卷积、BiFormer模块、高分辨率特征金字塔网络、小物体先验和类别感知非极大值抑制，以增强复杂液滴图像中的小物体识别能力	未明确提及	开发一种深度学习模型，以实现对液滴数字免疫分析图像的高精度、高通量分析，并推动下一代生物传感平台的发展	液滴数字酶联免疫吸附分析中的液滴图像	计算机视觉	NA	液滴数字酶联免疫吸附分析	CNN	图像	5,574张包含约750,000个液滴的标注图像	PyTorch	YOLOv8	检测准确率	NVIDIA Jetson Orin Nano嵌入式平台
1768	2026-04-22	Antioxidative and Robust Fluorescent Hydrogel for Deep Learning-Assisted Non-Destructive Detection of Hg2 2026-Apr-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00277 PMID:41954231	研究论文	本文介绍了一种集成了高机械柔韧性、强水下粘附性、稳定红色荧光和内在抗氧化保护的藻蓝蛋白-聚丙烯酰胺水凝胶，用于非破坏性检测汞离子污染	通过藻蓝蛋白同时作为荧光交联剂和活性氧清除组分，解决了传统柔性荧光水凝胶在强荧光响应与氧化环境稳定性之间的权衡问题	NA	开发一种用于环境和食品安全监测的柔性、粘附性和智能传感平台	汞离子污染	计算机视觉	NA	荧光成像	深度学习模型	图像	NA	NA	NA	检测限	智能手机成像
1769	2026-04-22	Mamba-based deep learning approach for sleep staging on a wireless multimodal wearable system without electroencephalography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag022 PMID:41649157	研究论文	本研究提出了一种基于Mamba的深度学习方法，用于在无需脑电图的情况下，通过无线多模态可穿戴系统进行睡眠分期	首次将Mamba架构应用于基于非脑电图可穿戴传感器的睡眠分期任务，通过集成模型变体提升了性能	研究样本仅来自三级护理睡眠实验室的成人，可能限制了模型的泛化能力	开发一种无需脑电图即可进行睡眠分期的深度学习方法	使用ANNE One可穿戴系统采集的成人多模态生理信号	机器学习	睡眠障碍	多模态传感器数据采集（心电图、三轴加速度计、胸温、指端光电容积脉搏波、指温）	Mamba-based RNN	时间序列生理信号	357名成人	NA	Mamba-based RNN	平衡准确率, F1分数, Cohen's κ, Matthews相关系数	NA
1770	2026-04-22	Quantum-inspired deep learning model for organic municipal solid waste classification toward a circular bioeconomy 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129331 PMID:41818969	研究论文	本文提出了一种量子启发的深度学习模型Quantum BioNet 2.0，用于有机城市固体废物的分类，以支持循环生物经济	提出了一种混合量子-经典框架，结合了ResNet50特征提取、并行经典密集层和八量子比特变分量子电路，通过特征融合进行决策，在细粒度有机废物分类中超越了现有卷积模型	未来工作需要在更大规模和多区域数据集上验证模型，并考察其在实时废物管理操作中部署的可行性	提高有机废物在源头的分类效率，以改善废物处理效率和资源回收	有机城市固体废物图像	计算机视觉	NA	深度学习	CNN, 量子启发的混合模型	图像	9000张从多个公共来源收集的废物图像	NA	ResNet50, InceptionResNetV2, InceptionV3, MobileNetV2, DenseNet121	准确率, AUC	NA
1771	2026-04-22	Characterizing spatiotemporal trends in PM2.5 component exposures across the western United States using daily 1-km estimates from multi-source data and deep learning 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129322 PMID:41831362	研究论文	本研究开发了一个基于深度森林算法的时空建模框架，用于估计美国西部2002年至2019年每日1公里分辨率的PM2.5组分浓度	通过整合地面化学组分网络、卫星数据、CMAQ模拟和辅助预测因子，首次实现了高时空分辨率的PM2.5组分长期估计	模型在部分组分（如元素碳）的估计精度相对较低，且依赖于多源数据的可用性和质量	开发高时空分辨率的PM2.5组分估计模型，以支持空气质量管理和健康风险评估	美国西部地区的硫酸盐、硝酸盐、有机碳、元素碳和矿物尘等PM2.5组分	机器学习	NA	深度森林算法	深度森林	多源数据（地面监测、卫星遥感、模拟数据）	2002-2019年美国西部每日1公里分辨率数据	NA	深度森林	R值, RMSE	NA
1772	2026-04-22	Analyzing the deep learning approach-based modeling framework to understand the critical environmental factors of predicting daily nitrate concentrations 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129539 PMID:41950591	研究论文	本研究利用深度学习框架分析环境因素对预测河流日硝酸盐浓度模型性能的影响	首次系统识别了影响深度学习模型预测河流硝酸盐浓度的关键环境因素，并验证了浓度-流量关系相似性及环境因子时间变异性对模型性能的重要性	研究仅基于爱荷华州的监测数据，未在其他地理区域验证框架的普适性	探究影响深度学习模型预测河流日硝酸盐浓度性能的环境因素，以优化监测网络设计和模型应用	爱荷华州低频硝酸盐监测点的河流日硝酸盐浓度数据	机器学习	NA	高频硝酸盐传感器数据采集	深度学习模型	时间序列数据	爱荷华州多个低频与高频硝酸盐监测站点的数据	NA	NA	预测准确性	NA
1773	2026-04-22	Optimized hybrid deep learning model for accurate prediction of effluent quality in wastewater treatment plants 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129440 PMID:41894967	研究论文	本研究提出了一种优化的混合深度学习模型，用于准确预测污水处理厂的出水水质	从数据、模型和场景三个维度提出解决方案，并创新性地提出了BO-DMS-TPA-GRU混合深度学习模型，实现了跨厂验证和迁移应用	未明确说明模型在其他不同工艺污水处理厂的泛化能力，以及实时预测的可行性	实现污水处理厂出水COD、TN、TP和NH-N的高精度预测，以提升出水达标率和降低能耗	污水处理厂的出水水质参数	机器学习	NA	NA	CNN, GRU, 混合深度学习模型	污水处理过程数据	涉及两个污水处理厂（WWTP A和WWTP B）的数据，具体样本量未明确	NA	CNN-GRU, BO-DMS-TPA-GRU	R（相关系数）	NA
1774	2026-04-22	Multiomics and deep learning dissect regulatory syntax in human development 2026-Apr-08, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10326-9 PMID:41951735	研究论文	本研究通过单细胞多组学图谱和深度学习模型，揭示了人类发育过程中转录因子结合和染色质可及性的调控语法	构建了首个覆盖12个器官、超过80万个胎儿细胞的单细胞染色质可及性与基因表达图谱，并利用深度学习模型解析了调控DNA序列的语法规则，包括硬性和软性句法约束	研究主要聚焦于胎儿发育阶段，未涵盖成年或疾病状态；且数据来源于特定发育时间点，可能未完全捕捉动态变化	解析人类发育过程中转录因子结合和染色质可及性的调控机制，以解码顺式调控逻辑并解释遗传变异	人类胎儿细胞，覆盖12个器官的817,740个细胞，涉及203种细胞类型和超过100万个候选顺式调控元件	计算生物学	NA	单细胞多组学测序（染色质可及性和基因表达）	深度学习模型	DNA序列数据，单细胞染色质可及性和基因表达数据	817,740个胎儿细胞，来自12个器官	NA	NA	NA	NA
1775	2026-04-22	The athlete microbiome project: integrating deep learning to reveal microbial associations of physical fitness 2026-Apr-01, Physiological genomics IF:2.5Q2 DOI:10.1152/physiolgenomics.00278.2025 PMID:41902691	研究论文	本研究通过整合深度学习技术，分析了运动员与非运动员的肠道微生物组差异，并揭示了微生物组成与身体适应度指标（如最大摄氧量和无脂体重百分比）之间的关联	首次大规模整合多大陆的微生物组数据，结合随机森林和多层感知机神经网络，识别出与运动员状态和身体适应度相关的微生物模式，并实现了高精度的运动员状态预测	研究为二次分析，依赖于已发表数据，可能受原始研究设计和样本收集方法的限制；未进行机制验证	探究运动员是否具有独特的肠道微生物组，以及微生物组成是否与身体适应度指标相关	运动员和非运动员的肠道微生物组样本	机器学习	NA	扩增子测序	随机森林, 多层感知机	微生物组测序数据, 元数据	855个肠道微生物组样本（运动员656人，非运动员199人），覆盖三大洲	Scikit-learn, TensorFlow或PyTorch（未明确指定，但基于模型类型推断）	多层感知机	平衡准确度, 受试者工作特征曲线下面积	NA
1776	2026-04-22	Deep learning and statistical methods identify novel asthma risk variants in Europeans 2026-Apr-01, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2026.03.016 PMID:41932550	研究论文	本研究通过统计方法和深度学习技术，在欧洲人群中识别新的哮喘风险变异，并改进多基因风险预测	结合多性状分析、条件错误发现率和基于Transformer的深度学习框架，首次大规模识别了69个新的哮喘风险位点，并提升了多基因风险评分模型的预测性能	研究仅针对欧洲血统人群，结果可能不适用于其他种族或族群	精炼欧洲血统个体中哮喘的遗传图谱，并通过统计和深度学习方法改进多基因风险预测	欧洲血统的哮喘病例和对照个体	机器学习	哮喘	全基因组关联研究（GWAS）	Transformer	基因组数据	总计约1,810,172个样本，包括158,763例哮喘病例和1,652,409例对照	NA	Transformer	多基因风险评分模型的预测性能比较	NA
1777	2026-04-22	Real-Time Named Entity Recognition from Textual Electronic Clinical Records in Cancer Therapy Using Low-Latency Neural Networks 2026-Apr, Big data IF:2.6Q2 DOI:10.1177/2167647X251409135 PMID:41649195	研究论文	本研究开发了一种用于癌症治疗相关临床记录和中医文本的实时低延迟命名实体识别系统	提出了一种结合中医特定语料库和生物医学资源的半监督方法，并探索了针对低延迟神经处理优化的深度学习架构在多语言医疗环境中的应用	未明确说明系统在具体临床场景中的部署验证细节和跨语言性能的量化评估结果	开发适用于癌症治疗和中医临床记录的实时低延迟命名实体识别系统，以支持医疗决策和信息管理	电子临床记录中的文本数据，特别是癌症治疗相关记录和传统中医文本	自然语言处理	癌症	命名实体识别	深度学习神经网络	文本	NA	NA	NA	识别准确率	低延迟神经处理架构
1778	2026-04-22	Improving the efficiency of high-fidelity Cas9 by enhancing PAM-distal interactions 2026-Apr, Nature structural & molecular biology IF:12.5Q1 DOI:10.1038/s41594-026-01753-3 PMID:41851507	研究论文	本研究通过延长sgRNA的间隔区长度，恢复了高保真Cas9变体SuperFi-Cas9受损的切割活性，并揭示了其分子机制，同时开发了深度学习模型AIdit-SuperFi来预测最佳sgRNA长度	发现延长间隔区长度可恢复高保真Cas9的切割活性，并通过结构生物学揭示了其分子机制，同时开发了首个用于预测高保真基因组编辑最佳sgRNA长度的深度学习模型	研究主要针对SuperFi-Cas9变体，其他高保真Cas9变体的适用性需要进一步验证；深度学习模型的预测性能有待在更广泛的数据集上评估	解决高保真CRISPR-Cas9系统切割效率降低的问题，平衡核酸酶的特异性和效率	SuperFi-Cas9（高保真Cas9变体）、sgRNA-DNA复合物	基因组编辑、结构生物学、深度学习	NA	CRISPR-Cas9基因编辑、冷冻电镜、突变分析	深度学习模型	结构数据、序列数据	NA	NA	AIdit-SuperFi	NA	NA
1779	2026-04-22	Discovering Plastic-Binding Peptides with Favorable Affinity, Water Solubility, and Binding Specificity Through Deep Learning and Biophysical Modeling 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715295 PMID:41959355	研究论文	本研究结合深度学习和生物物理建模，开发了一种计算流程，用于发现具有高亲和力、高水溶性和高结合特异性的塑料结合肽，以应对微塑料污染问题	首次将LSTM网络与蒙特卡洛树搜索算法结合，并整合CamSol溶解度评分和竞争性MCTS方法，实现了同时优化肽的亲和力、水溶性和塑料结合特异性	研究主要基于计算预测和分子动力学模拟，缺乏实验验证；目前仅针对聚乙烯和聚苯乙烯两种塑料进行了验证	开发一种计算方法，用于发现具有理想性质的塑料结合肽，以用于微塑料污染的检测和捕获	塑料结合肽	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1780	2026-04-22	A deep-learning based biomarker of systemic cellular senescence burden to predict mortality and health outcomes 2026-Mar-24, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.20.26348913 PMID:41929337	研究论文	本研究开发并验证了一种基于深度学习的系统性细胞衰老负荷生物标志物（SASP评分），用于预测死亡率和健康结局	首次通过整合大规模人群蛋白质组学数据与半监督深度学习框架，构建了一个综合性的SASP评分，该评分具有增强的可解释性和跨平台实用性	研究主要基于UK Biobank数据，外部验证仅在一个独立的随机临床试验队列中进行，可能需要更多样化的队列进行进一步验证	开发一种能够量化系统性细胞衰老负荷的生物标志物，以预测死亡风险并评估与衰老相关的慢性疾病	人群蛋白质组学数据（来自UK Biobank Pharma Proteomics Project）及独立临床试验队列的纵向数据	机器学习	老年疾病	大规模人群蛋白质组学	深度学习	蛋白质组学数据	UK Biobank大规模人群数据及一个独立临床试验队列	NA	Guided autoencoder with Transformer (GAET)	NA	NA