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
1	2026-03-02	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine Learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	本研究利用机器学习模型从远程视频对话中提取面部、声学、语言和心血管特征，以监测老年人的认知障碍和心理幸福感	通过整合多模态特征（面部、声学、语言、心血管）从远程视频对话中量化认知状态和心理幸福感，并进行了特征重要性和偏差分析	样本量较小（39名老年人），模型在年龄、性别、疾病状况和教育水平方面存在显著偏差，需要大规模数据集以提高泛化能力	开发可扩展的方法来监测老年人的认知衰退并识别痴呆风险的社会和心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析	机器学习模型	视频、音频、语言文本、生理信号	39名老年人	NA	NA	AUC	NA
2	2026-03-02	Linking hypolimnion to epilimnion in a stratified arctic lake: Machine learning-based estimation of hypolimnetic water quality from epilimnetic measurements 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125367 PMID:41650621	研究论文	本研究开发并比较了五种机器学习和深度学习模型，用于基于易于获取的表层水质数据估算北极分层湖泊深水层（hypolimnion）的水质参数	首次将多种机器学习模型（包括Kolmogorov-Arnold网络）应用于北极分层湖泊，利用表层水质数据估算深层水质，提供了一种近乎实时且经济高效的监测方法	研究基于单个监测站的长时期数据集，模型在其他湖泊或区域的普适性有待验证	开发一种通过表层水质测量估算北极分层湖泊深水层水质的方法，以克服深层监测的成本和后勤挑战	芬兰伊纳里湖（Lake Inari）的深水层（hypolimnion）水质参数，包括总氮、总磷和溶解氧	机器学习	NA	水质监测	人工神经网络, 随机森林, 极端梯度提升, 支持向量回归, Kolmogorov-Arnold网络	水质测量数据	1979年至2022年在单个监测站收集的长期数据集	NA	NA	纳什-萨特克利夫效率, 归一化平均绝对误差, 决定系数	NA
3	2026-03-02	Bridging causality and deep learning for harmful algal bloom prediction 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125492 PMID:41653893	研究论文	本研究提出了一种结合因果发现与深度学习的增强型因果机器学习框架，用于预测有害藻华	引入了因果信息神经网络（CINN）及其单调扩展（MCINN），将因果图、平均处理效应估计与深度学习相结合，并加入单调因果约束以符合生态学预期	研究区域仅限于波斯湾，模型在数据稀缺、气候敏感海洋环境中的泛化能力需进一步验证	开发一种可解释、数据高效且具有不确定性感知的框架，用于预测有害藻华，以支持早期预警系统和政策干预	波斯湾海域的有害藻华现象	机器学习	NA	MODIS, ERA5, HYCOM 遥感与环境数据	CINN, MCINN	环境预测因子数据（遥感与海洋模型数据）	NA	NA	因果信息神经网络	R², RMSE	NA
4	2026-03-02	An explainable and transferable deep learning framework for spatiotemporal urban flood prediction by integrating Vision Transformer and U-Net 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125504 PMID:41662782	研究论文	本研究提出了一种结合Vision Transformer和U-Net的可解释、可迁移深度学习框架ViTUN，用于城市洪水的时空预测	提出了一种结合Vision Transformer和U-Net的混合深度学习框架，能够捕捉洪水在变化降雨和地形条件下的时空传播特征，并具有较好的可迁移性和可解释性	模型训练和评估基于中国岳阳的水动力模拟数据，在其他城市或地区的适用性可能需要进一步验证	开发一个快速、可解释且可迁移的城市洪水预测框架，以支持实时预警、应急响应和洪水风险管理	城市洪水淹没深度	计算机视觉	NA	水动力模拟	深度学习	时空数据	基于中国岳阳水动力模拟生成的淹没数据	NA	Vision Transformer, U-Net	Critical Success Index (CSI), R, Mean Absolute Error (MAE)	NA
5	2026-03-02	Screening toxic transformation products of emerging pollutants in advanced oxidation processes with 3D deep learning and in vitro assays 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125499 PMID:41679042	研究论文	本文开发了一种名为ToxD4C的新型多模态深度学习框架，用于快速准确评估化学污染物及其在水处理过程中形成的副产物的毒性	ToxD4C框架创新性地整合了三维分子几何结构、图注意力网络和SE(3)-等变Transformer架构，能够有效捕捉复杂的立体化学和电子分子特征	NA	开发深度学习工具以改进水处理和环境风险评估中化学污染物及其转化产物的毒性预测	化学污染物及其在水处理过程中形成的转化产物	机器学习	NA	密度泛函理论（DFT）优化结构	图注意力网络, Transformer	三维分子几何结构	NA	NA	SE(3)-等变Transformer, Uni-Mol	NA	NA
6	2026-03-02	Deep learning for psychiatric genomics: from tools to applications 2026-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2026.102442 PMID:41690236	综述	本文综述了深度学习在精神疾病基因组学中的应用进展，从工具到具体应用	探讨了基础模型（包括基因组语言模型、单细胞基础模型和大型语言模型）在解析精神疾病复杂遗传结构中的变革性影响	作为综述文章，未直接进行实证研究，主要依赖现有文献进行总结和展望	为精神疾病基因组学研究者提供深度学习方法的全面概述，以促进新治疗策略的开发	精神疾病的遗传架构和风险位点	自然语言处理, 机器学习	精神疾病	基因组关联研究, 深度学习	神经网络, 基础模型, 大型语言模型	基因组数据, 单细胞数据, 文本数据	NA	NA	基因组语言模型, 单细胞基础模型, 大型语言模型	NA	NA
7	2026-03-02	Deep Learning segmentation with metal intrusion for quantitative microstructure analysis of hardened cement paste 2026-Apr, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2026.104005 PMID:41722543	研究论文	本文提出了一种结合金属侵入和深度学习分割的方法，用于增强硬化水泥浆体的微观结构定量分析	创新点在于将低熔点金属（Field metal）注入水泥样本以增强背散射电子成像中的孔隙与固相区分，并应用深度学习模型进行分割，简化了水泥复合材料的微观结构分析	未明确提及具体局限性，但可能涉及金属侵入过程的技术复杂性或样本制备的潜在影响	研究目的是通过金属侵入和深度学习分割改进硬化水泥浆体的微观结构定量分析，以评估材料行为和优化水泥复合材料性能	研究对象为硬化水泥浆体样本，包括孔隙、未水化和已水化水泥相	计算机视觉	NA	金属侵入技术、背散射电子成像	深度学习分割模型	图像	未明确提及具体样本数量	NA	Linknet, Unet	平均IoU	NA
8	2026-03-02	Critical assessment of machine learning approaches for classification, dynamic prediction and surrogate Modeling in food fermentation 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118403 PMID:41763759	研究论文	本研究通过对比机器学习方法与基于知识的模型，在葡萄酒发酵过程中评估了分类、动态预测和代理建模任务的性能	首次在食品发酵领域系统比较了机器学习与基于知识模型的优劣，并开发了一种结合两者优势的混合模型	机器学习模型在数据有限或预测超出训练条件时表现不佳	评估机器学习在食品发酵过程中的分类、动态预测和代理建模能力	葡萄酒发酵过程中的工业酵母菌株及其代谢产物	机器学习	NA	NA	决策树, 支持向量机, 神经网络	时间序列发酵数据, 合成数据	未明确指定样本数量，但涉及工业酵母菌株及其代谢产物数据	未明确指定	残差神经网络	准确率, 归一化均方根误差	未明确指定
9	2026-03-02	Simultaneous detection and visualization of lipid and protein oxidation in frozen-thawed chicken meat using hyperspectral imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118463 PMID:41763786	研究论文	本研究利用高光谱成像技术结合多任务深度学习框架，实现了对冻融鸡肉中脂质和蛋白质氧化的同步检测与可视化	提出了一种新颖的多任务深度学习框架，将格拉米角差场与多任务卷积神经网络结合，实现了对TBARS和羰基含量的端到端同步预测，避免了传统方法需为每个指标单独训练模型的低效问题	研究仅针对冻融循环过程中的鸡肉样本，未涉及其他肉类或不同的储存条件	评估冻融鸡肉在储存过程中的脂质和蛋白质氧化程度	冻融循环处理后的鸡肉样本	计算机视觉	NA	高光谱成像	CNN	高光谱图像	经过10次冻融循环的鸡肉样本	NA	多任务卷积神经网络	相关系数, 均方根误差, 相对分析误差	NA
10	2026-03-02	Seeing structure, sensing softening: Decoding the microstructural mediation between optical properties and peach firmness using spatial frequency domain imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118510 PMID:41763828	研究论文	本研究利用空间频率域成像系统，结合深度学习模型和多元分析方法，揭示了桃子光学特性与硬度之间通过微观结构介导的定量机制	首次构建了“光学-结构-力学”多维框架，并应用Cellpose-SAM深度学习模型实现复杂细胞形态的高通量分割，克服了传统方法的局限性	研究仅针对‘湖景’桃子品种，且波长范围限定在450-1040 nm，可能限制了结果的普适性	解码桃子硬度的光学检测机制，为光学质量评估提供生物物理基础	‘湖景’桃子在成熟和贮藏阶段的果实	计算机视觉	NA	空间频率域成像	深度学习	图像	未明确指定样本数量，但涉及多个成熟和贮藏阶段的桃子	NA	Cellpose-SAM	决定系数	NA
11	2026-03-02	Optimizing deep CNN architecture via hybrid Harris Hawks arithmetic algorithm for EEG meditation classification 2026-Mar-27, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.02.001 PMID:41655886	研究论文	本文提出了一种结合Harris Hawks优化算法和算术优化算法的混合CNN架构优化方法，用于基于EEG信号的冥想分类	首次将HHO和AOA算法结合，用于优化CNN超参数，以处理EEG信号的时频图像分类任务	未提及	优化深度学习架构以提升EEG冥想分类的准确性和鲁棒性	EEG信号，具体分为Vipassana、Isha Shoonya和Control三类冥想状态	机器学习	NA	EEG信号处理，Stockwell变换	CNN	图像（时频图像）	NA	NA	CNN	准确率，最佳适应度，最差适应度，平均适应度，标准差	NA
12	2026-03-02	Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics 2026-Mar, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.05.052 PMID:40436140	研究论文	本研究通过整合深度血浆蛋白质组学和深度学习策略，探索强直性脊柱炎的免疫特征并发现潜在生物标志物	结合随机森林和正交偏最小二乘判别分析构建机器学习模型，从深度蛋白质组学数据中识别出SAA1、FERMT3、ILK和TLN1作为AS的潜在生物标志物	样本量相对有限，且仅通过ELISA在独立队列中验证了生物标志物，未进行更大规模或多中心验证	阐明强直性脊柱炎的免疫特征并发现潜在生物标志物，以优化临床管理和预后评估	强直性脊柱炎患者（包括活动期和稳定期）及健康对照者的血浆样本	机器学习	强直性脊柱炎	深度定量蛋白质组学，ELISA	随机森林，正交偏最小二乘判别分析	蛋白质组学数据	104名参与者（AS患者和健康对照），另加79名参与者的独立验证队列	Scikit-learn	随机森林，正交偏最小二乘判别分析	NA	NA
13	2026-03-02	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2026-Mar, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	本研究构建了一个多模态模型（MM-RDLM），用于预测肝细胞癌手术切除后的早期复发，并探索了相关的生物学机制	整合了放射组学和深度学习模型，并利用特征可视化和梯度加权类激活映射提高模型可解释性，同时结合基因集富集分析和多重免疫组化探索生物学机制	研究样本来自三个医疗中心，但外部验证队列规模相对较小（86例），且模型性能需在更广泛的人群中进行验证	预测肝细胞癌（HCC）手术切除后的早期复发	肝细胞癌患者	数字病理学	肝细胞癌	对比增强计算机断层扫描（CT）成像，基因集富集分析（GSEA），多重免疫组化（mIHC）	深度学习模型，放射组学模型	医学影像（CT图像）	519名患者（训练队列433例，验证队列86例）	NA	NA	曲线下面积（AUC），风险比（HR）	NA
14	2026-03-02	Revisiting PSF models: Unifying framework and high-performance implementation 2026-Mar, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70045 PMID:41186941	研究论文	本文提出了一个统一框架，系统比较了基于傅里叶变换和贝塞尔积分的点扩散函数模型，并基于PyTorch实现了高性能开源库	首次系统证明了傅里叶与贝塞尔方法的等价性，提出了适用于两种方法的统一校正框架，并实现了首个基于深度学习框架的高性能PSF计算库	未明确说明具体应用场景中的性能提升幅度，且新库的兼容性验证可能不够全面	建立点扩散函数模型的统一理论框架并实现高性能计算工具	高数值孔径成像系统中的点扩散函数模型	计算成像	NA	定位显微镜、点扩散函数建模	NA	光学成像模型	NA	PyTorch	NA	计算精度、计算速度	CPU、GPU
15	2026-03-02	Deep learning-based approach for differential diagnosis of odontogenic cysts from histopathological images 2026-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27697 PMID:41273753	研究论文	本研究旨在利用深度学习技术，基于组织病理学图像对不同类型的牙源性囊肿进行鉴别诊断	首次将多种深度学习模型应用于牙源性囊肿的鉴别诊断，并比较了不同模型在组织病理学图像上的性能表现	数据集样本量相对较小，且仅使用了H&E染色图像，可能限制了模型的泛化能力	开发基于深度学习的牙源性囊肿鉴别诊断方法	牙源性囊肿的组织病理学图像	数字病理学	牙源性囊肿	H&E染色	CNN	图像	348张组织病理学图像（包括87例含牙囊肿、198例根尖周囊肿和63例牙源性角化囊肿）	NA	Inception V3, VGG16, VGG19, Xception	准确率, 精确率, 灵敏度（召回率）, F1分数	NA
16	2026-03-02	High-speed quantitative X-ray multi-contrast imaging with deep learning based modulated pattern analysis 2026-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577526000846 PMID:41701528	研究论文	本文介绍了一种基于深度学习的增强扫描模式成像神经网络（ESPINNet），用于实现高速、高分辨率的X射线多对比度定量成像	ESPINNet比基于相关的散斑跟踪方法（如XSVT和UMPA）更快，通过使用更少的扫描图像在分辨率和速度之间提供平衡性能，并引入了生成暗场图像的能力，增强了其多功能性	未在摘要中明确提及	开发一种高速、高分辨率的X射线多对比度定量成像工具，以解决测量和分析X射线调制模式效率低的问题，应用于高分辨率原位成像	材料和生物样本的内部结构	计算机视觉	NA	X射线多对比度成像	神经网络	图像	NA	NA	ESPINNet	分辨率, 速度	NA
17	2026-03-02	Quantitative Histological Insights Into Sudden Arrhythmic Death Syndrome: Findings From a Forensic Autopsy Cohort 2026-Mar, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70169 PMID:41747709	研究论文	本研究应用定量组织学和基于深度学习的细胞分割技术，分析猝死性心律失常综合征（SADS）与对照组之间的心脏形态学差异	首次将基于深度学习的图像处理（Quan10）和随机森林分类应用于SADS的尸检组织定量分析，在先前认为结构正常的心脏中发现了细微但显著的形态学差异，并提示SADS内部可能存在亚组	研究为回顾性尸检队列，样本量相对有限（77例SADS，41例对照），且仅分析了心脏组织，未涵盖其他可能因素	探究猝死性心律失常综合征（SADS）的潜在心脏形态学特征，以改进诊断、指导家族筛查并增进对心律失常机制的理解	猝死性心律失常综合征（SADS）患者及因创伤或自杀死亡的年龄、性别匹配对照者的心脏组织	数字病理学	心血管疾病	定量组织学，基于深度学习的图像处理（Quan10），随机森林分类，递归特征消除，遗传分析	深度学习，随机森林	心脏组织图像	77例SADS病例和41例年龄、性别匹配的对照（年龄1-49岁）	QuPath, Quan10	NA	p值	NA
18	2026-03-02	Generalizability of deep learning-based dose conversion model in proton beam therapy 2026-Mar, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70528 PMID:41755687	研究论文	本研究开发了一种基于深度学习的剂量转换模型，用于将质子束治疗中的铅笔束算法剂量转换为蒙特卡罗等效剂量，并评估其在未训练肿瘤部位上的泛化能力	首次开发了一个基于深度学习的剂量转换模型，该模型在四个代表性肿瘤部位（头颈、肺、肝、前列腺）上训练，并成功展示了其在多个未训练肿瘤部位（如食管、胰腺、结直肠、脑、乳腺、宫颈、肢体骨与软组织）上的高泛化性能	对于某些未训练肿瘤部位（如乳腺、肢体骨与软组织），模型的γ通过率略低，表明模型在解剖结构或剂量分布特性与训练数据差异较大的区域可能存在局限性	开发并评估一个基于深度学习的剂量转换模型，以解决质子束治疗中铅笔束算法剂量计算在非均匀区域的不准确性，同时保持计算效率，并探索其在不同肿瘤部位上的泛化能力	质子束治疗中的剂量分布，特别是从铅笔束算法剂量转换为蒙特卡罗等效剂量	医学影像分析	多种癌症（包括头颈癌、肺癌、肝癌、前列腺癌、食管癌、胰腺癌、结直肠癌、脑癌、乳腺癌、宫颈癌、骨与软组织肿瘤）	深度学习，蒙特卡罗模拟，铅笔束算法	深度学习模型	治疗计划CT图像和铅笔束剂量分布	339名患者（总计1147个射束）	未明确指定，可能为TensorFlow、PyTorch或Keras	未明确指定具体架构，但为基于深度学习的剂量转换模型	3D γ分析，等剂量体积的Dice相似系数	未明确指定，但可能使用了GPU进行深度学习训练和蒙特卡罗模拟
19	2026-03-02	Filling of incomplete sinograms from sparse PET detector configurations using a residual U-Net 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70293 PMID:41755757	研究论文	本研究提出了一种基于残差U-Net的深度学习网络，用于填充稀疏PET探测器配置产生的不完整正弦图数据	首次将残差U-Net应用于稀疏PET探测器配置的正弦图恢复任务，通过模拟移除50%探测器来训练网络，有效补偿了数据欠采样问题	预测的正弦图存在平滑效应，导致重建图像在精细细节上缺乏锐度	降低长轴视野PET扫描仪的制造成本，通过稀疏探测器配置结合深度学习技术提高图像质量	GE Signa PET/MR采集的标准临床PET扫描数据	医学影像处理	NA	PET成像	CNN	正弦图数据	使用标准临床PET扫描进行训练，具体样本数量未明确说明	NA	残差U-Net	平均绝对误差, 结构相似性	NA
20	2026-03-02	Deep Learning Models for Shelf Life Prediction and Regulation of Various Foods: A Systematic Review 2026-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70945 PMID:41762635	综述	本文系统综述了深度学习在食品货架期预测与调控领域的研究进展与应用	提出了货架期逆向调控的概念，并探讨了数据驱动与机理方法相结合的混合方法及基于模型的优化策略	NA	探索深度学习在食品货架期预测与调控领域的研究与应用，以加强食品安全体系、提高资源效率、减少浪费并现代化易腐品供应链	各类食品	机器学习	NA	NA	深度学习模型	NA	NA	NA	NA	NA	NA