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
2001	2026-01-18	Deep Learning-Enhanced High-Precision Wind Field Concurrent Triboelectric Sensing 2026-Jan, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514540 PMID:41055251	研究论文	本文开发了一种结合深度学习的磁涡流摩擦电传感系统，用于高精度、实时的风场监测	将摩擦纳米发电机与涡激振动结构、磁增强弹性元件耦合，并采用深度学习模型从多通道信号中提取时频域特征，实现了高精度风速风向预测及恶劣环境下的鲁棒运行	NA	为环境监测和分布式气象预报提供可靠、实时的风场传感解决方案	风场（风速和风向）	机器学习	NA	摩擦电传感，涡激振动	Transformer	多通道电信号（时域和频域特征）	NA	NA	Regression Transformer (ReT)	风速最大误差（0.69 m/s），预测误差（低于5%），风向误差（1°以内）	NA
2002	2026-01-18	Artificial Intelligence as a Catalyst for Advancements in Medical Virology 2026-Jan-01, Clinical laboratory IF:0.7Q4 DOI:10.7754/Clin.Lab.2025.250474 PMID:41543085	评论	本文探讨了人工智能（包括机器学习和深度学习）在医学病毒学中的关键作用，及其在基因组分析、诊断、治疗和流行病学建模方面的应用	强调了AI与量子计算和蛋白质语言模型等先进技术的结合，预示着病毒学进步的新时代	存在数据隐私、算法偏见和伦理困境等挑战	促进跨学科合作，利用AI的变革能力应对病毒感染，同时保持严格的伦理监督	病毒性疾病的研究与治疗	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
2003	2026-01-18	Audio-visual speech enhancement in noisy environments using emotion-based contextual cues 2026-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042239 PMID:41543276	研究论文	本研究提出了一种基于情感上下文线索的音频-视觉语音增强系统，用于在嘈杂环境中提升语音清晰度	首次将情感特征作为新的上下文线索整合到音频-视觉语音增强框架中，通过面部关键点提取情感信息来改进语音增强性能	研究仅在特定数据集（CMU-MOSEI）上进行训练和评估，未在更广泛或更具挑战性的真实场景中进行验证	在嘈杂环境中提高语音的清晰度和可懂度	人类语音信号及其对应的视觉（面部）和情感信息	多模态机器学习	NA	音频-视觉信号处理，情感特征提取	深度学习，编码器-解码器网络	音频，视频，面部关键点	使用卡内基梅隆大学多模态观点情感和情绪强度数据集（CMU-MOSEI），该数据集包含多样化的带情感标注的音频-视觉录音	未明确指定，可能为PyTorch或TensorFlow	基于UNet的编码器-解码器网络	PESQ（语音质量感知评估），STOI（短时客观可懂度），S-SNR（尺度不变信噪比）	NA
2004	2026-01-17	Fully automated Res3DNet model to predict IDH mutation of gliomas from whole-brain MRI free of tumor segmentation 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114373 PMID:41531733	研究论文	本研究开发了一种全自动的Res3DNet模型，用于从无需肿瘤分割的全脑MRI中预测胶质瘤的IDH突变状态	提出了一种无需肿瘤分割的全自动Res3DNet模型，能够直接从全脑MRI预测IDH突变，并在多中心数据集上验证了其性能优于现有模型和放射科医生	研究未详细讨论模型在不同MRI扫描协议或设备间的泛化能力，且样本主要来自特定数据集，可能存在选择偏倚	预测胶质瘤患者的IDH突变状态，以辅助诊断、预后和治疗规划	胶质瘤患者的术前全脑MRI图像	数字病理学	胶质瘤	MRI	CNN	图像	2537例胶质瘤患者的术前MRI，包括训练集1382例、内部验证集346例和外部测试集809例（其中242例来自TCGA数据集）	NA	Res3DNet	AUC, 准确率	NA
2005	2026-01-17	Stratifying amyloid burden in early Alzheimer's disease using cascaded attention-guided vision transformer using [¹⁸F]Florbetapir PET 2026-Jan-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12261-1 PMID:41537783	研究论文	本研究开发了一种级联注意力引导视觉变换器模型，用于从[¹⁸F]Florbetapir PET图像中准确分类阿尔茨海默病的β-淀粉样蛋白沉积阶段	提出了一种新颖的级联注意力引导视觉变换器框架，能够提取具有生物学意义的区域信息，实现细粒度分类，并验证了其在辅助医生诊断中的临床效用	研究样本来自两个队列，可能存在选择偏倚；模型在跨中心验证中表现良好，但需在更多样化的数据集中进一步验证	开发深度学习模型以辅助医生准确分类阿尔茨海默病早期β-淀粉样蛋白沉积阶段	阿尔茨海默病患者的[¹⁸F]Florbetapir PET图像	计算机视觉	阿尔茨海默病	[¹⁸F]Florbetapir PET成像	Vision Transformer	医学图像	1327名受试者，来自两个队列	NA	级联注意力引导视觉变换器	准确率	NA
2006	2026-01-17	Towards Enhanced Representation Learning for Single-Source Domain Generalization in LiDAR Semantic Segmentation 2026-Jan-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654352 PMID:41538344	研究论文	本文提出了一种用于LiDAR语义分割单源域泛化的表示学习方法DGLSS++，旨在通过增强表示学习提升模型在未见域上的鲁棒性	提出了广义掩码稀疏不变特征一致性（GMSIFC）和局部语义相关性一致性（LSCC）两种约束，并设计了新颖的掩码策略以排除多类不一致的体素特征	仅针对LiDAR传感器配置和场景分布变化导致的域偏移，未考虑其他类型的域差异（如天气、光照变化）	解决LiDAR语义分割中的单源域泛化问题，提升自动驾驶感知系统在未知环境下的鲁棒性	LiDAR点云数据	计算机视觉	NA	LiDAR传感器数据采集	3D深度学习模型	3D点云数据	基于四个真实世界数据集（具体数量未明确说明）	PyTorch	未明确指定具体架构（提及3D深度学习模型）	未明确说明具体指标（实验表明优于UDA和DG基线方法）	NA
2007	2026-01-17	DPM: A Deep Learning and Optimal Transport Framework for Cost-Effective Spatial Metabolomics 2026-Jan-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06903 PMID:41538726	研究论文	本文提出了一种基于深度学习和最优传输理论的框架DPM，用于预测空间代谢组学中质谱成像数据的空间代谢物分布，以提高成本效益和分辨率	结合深度学习与最优传输理论，通过优化映射策略从相邻切片准确预测质谱成像切片的代谢物空间分布，并展示了提升成像分辨率的潜力	未明确说明模型在复杂组织或异质性样本中的泛化能力，以及计算资源需求的具体细节	开发一种成本效益高的空间代谢组学方法，以预测质谱成像中的代谢物空间分布	质谱成像（MSI）数据中的空间代谢物分布	空间代谢组学	NA	质谱成像（MSI）	深度学习模型	图像数据（质谱成像切片）	NA	NA	NA	对齐精度，预测准确性	NA
2008	2026-01-17	Application of deep learning to single-shot gas-phase laser-induced breakdown spectroscopy 2026-Jan-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.583775 PMID:41538818	研究论文	本文应用贝叶斯优化的卷积神经网络（CNN）来解释单次飞秒激光诱导击穿光谱（LIBS）测量，以捕获脉冲功率聚变驱动器中纳秒尺度的电极解吸现象	首次将贝叶斯优化的CNN应用于低密度气体混合物中的单次LIBS测量，有效解析了信号重叠严重的复杂条件	研究仅针对特定气体压力范围（80-530 mTorr）和两种气体（H和CH）的混合物，未涉及更广泛的气体类型或压力条件	开发一种深度学习方法来解释单次LIBS测量，以监测脉冲功率聚变驱动器中的电极解吸现象	低密度气体混合物（H和CH）在特定压力下的单次LIBS光谱数据	机器学习	NA	激光诱导击穿光谱（LIBS）	CNN	光谱数据	256种不同的测量条件，气体压力范围为80-530 mTorr，H流量为100-250 sccm，CH流量为50-200 sccm，以10 sccm为增量混合	NA	卷积神经网络（CNN）	均方根误差（RMSE），平均相对预测误差	NA
2009	2026-01-17	Deep learning-assisted metalens imaging over a wide depth of field 2026-Jan-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.580297 PMID:41538839	研究论文	本文提出了一种基于生成对抗网络的深度学习模型，用于恢复高数值孔径毫米级超透镜捕获的全彩图像，以增强其成像质量	开发了专门针对高数值孔径超透镜的生成对抗网络，实现了在超过17.5厘米景深范围内无需额外训练的图像质量提升	未提及模型在不同环境或光照条件下的泛化能力，以及计算资源需求的具体细节	解决超透镜在小型化成像系统中因高数值孔径导致的色散和分辨率下降问题	毫米级高数值孔径（0.447）超透镜捕获的全彩图像	计算机视觉	NA	深度学习辅助成像	GAN	图像	NA	NA	Metalens Depth-of-Field Generative Adversarial Network	峰值信噪比, 感知损失	NA
2010	2026-01-17	PIPN: Physics-inspired phase retrieval network for propagation-based X-ray phase-contrast imaging 2026-Jan-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.581596 PMID:41538865	研究论文	提出了一种基于物理启发的相位恢复网络（PIPN）及其加速策略，用于传播式X射线相位对比成像，无需训练数据即可实现高质量相位恢复	结合单一近似条件和物理成像模型，无需训练数据即可实现相位恢复，并引入了加速策略以提高重建效率	未提及实验中的具体样本数量或广泛的外部验证	解决传播式X射线相位对比成像中的单距离相位恢复问题	软组织的X射线相位对比成像数据	计算机视觉	NA	传播式X射线相位对比成像（PB-XPCI）	深度学习网络	图像	NA	NA	物理启发相位恢复网络（PIPN）	NA	NA
2011	2026-01-17	TCR representation learning with protein language models: a comprehensive review 2026-Jan-14, International immunology IF:4.8Q2 DOI:10.1093/intimm/dxaf048 PMID:40855636	综述	本文综述了蛋白质语言模型在T细胞受体（TCR）库分析中的应用，重点关注其如何利用自然语言处理技术从TCR序列中学习表示，并探讨了抗原特异性预测等关键应用	系统总结了蛋白质语言模型在TCR库分析中的最新进展，强调了其通过迁移学习从大规模无标记数据中捕获上下文特征的优势，并提出了未来多模态整合的发展方向	TCR库分析仍面临数据稀缺、偏差以及缺乏配对链信息等挑战，需要更严格的数据集优化和增强策略	综述蛋白质语言模型在TCR库分析中的应用，以提升TCR功能属性的预测能力	T细胞受体（TCR）库及其序列数据	自然语言处理	NA	蛋白质语言模型	NA	蛋白质序列	NA	NA	NA	NA	NA
2012	2026-01-17	Medical Microwave Imaging Using Physics-Guided Deep Learning Part 2: The Inverse Solver 2026-Jan-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3653974 PMID:41533603	研究论文	提出一种基于物理引导深度学习的医学微波成像逆求解方法，以改进异常组织检测	提出一种受扭曲Born迭代方法启发的深度神经网络，避免使用格林函数，并通过混合损失函数和序列迭代网络块准确重建被健康组织信号掩盖的异常组织	未明确说明计算资源需求或模型泛化能力限制	解决医学微波断层扫描中逆问题的不适定性和高计算成本，提高异常组织检测精度	医学微波成像中的异常组织（如肿瘤）	医学成像	NA	微波成像	深度神经网络	微波信号数据	NA	NA	基于扭曲Born迭代方法的神经网络块序列	相对误差, 结构相似性指数, Dice相似系数, Hausdorff距离	NA
2013	2026-01-17	Impact of fine-grained learning rate configuration on the performance of medical image segmentation models 2026-Jan-14, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3830 PMID:41534111	研究论文	本文提出了一种细粒度学习率配置算法，用于提升医学图像分割模型的性能	首次系统研究了不同网络层次间差异化学习率初始化对医学图像分割性能的影响，并提出了一种基于早期训练结果与最终最优性能统计关系的通用配置算法	算法在更多模态和复杂解剖结构数据集上的泛化能力仍需进一步验证	探索细粒度学习率配置对医学图像分割模型性能的影响，并开发一种优化算法	医学图像分割模型	计算机视觉	结直肠息肉、胃肠道息肉、乳腺肿瘤、甲状腺结节、皮肤病变	深度学习	CNN	医学图像	使用了五个公开数据集：CVC-ClinicDB、Kvasir-SEG、BUSI、甲状腺结节分割数据集、皮肤病变分割数据集	未明确说明	H-vmunet, MSRUNet	mIoU	未明确说明
2014	2026-01-17	Deep learning-based restoration of PET images from a dual-panel breast dedicated scanner 2026-Jan-14, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2026.01.001 PMID:41535178	研究论文	本研究利用深度学习技术，旨在提升专用双面板乳腺PET扫描仪的图像质量，使其接近全环扫描仪的性能	首次将SwinUNETR架构应用于从双面板PET数据合成全环等效图像，显著提升了图像质量指标	研究基于蒙特卡洛模拟和临床数据生成的仿真图像，尚未在真实双面板扫描仪采集的原始数据上进行验证	通过深度学习改善低成本双面板乳腺专用PET扫描仪的图像质量，以降低乳腺癌诊断和监测的成本	乳腺PET图像	数字病理学	乳腺癌	PET成像，蒙特卡洛模拟（GATE工具包）	深度学习	图像	51例¹⁸F-FDG乳腺PET/CT临床病例数据用于仿真	NA	SwinUNETR	结构相似性指数（SSIM），峰值信噪比（PSNR），均方根误差（RMSE），体素相关性	NA
2015	2026-01-17	A Novel Hybrid Model Based on GAN and Stacking for Improving Minority Class Detection in an Imbalanced Dataset of Endotracheal Tubes Position Errors 2026-Jan-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01840-9 PMID:41535602	研究论文	提出一种基于GAN和堆叠集成的新混合模型，用于改善气管插管位置错误不平衡数据集中少数类别的检测性能	采用两阶段方法：第一阶段通过GAN和过采样合成少数类特征以平衡数据集；第二阶段使用特征平衡数据集训练多分类器的堆叠集成模型	未明确说明模型在外部验证集上的泛化能力，且仅针对特定数据集进行验证	解决气管插管位置分类中因数据不平衡导致的少数类检测性能下降问题	基于胸部X光图像的气管插管位置异常检测	计算机视觉	呼吸系统疾病	胸部X光成像	GAN, 堆叠集成	图像	未明确说明具体样本数量，但提及使用公开ETT数据集且存在极端不平衡	未明确说明	未明确说明具体GAN架构	召回率, F1分数	通过特征级训练替代像素级训练显著降低计算成本，但未具体说明硬件配置
2016	2026-01-17	Unpacking Genomic Biomarkers for Programmed Cell Death Receptor-1 Immunotherapy Success in Non-Small Cell Lung Cancer Using Deep Neural Networks: Quantitative Study 2026-Jan-13, JMIR bioinformatics and biotechnology DOI:10.2196/70553 PMID:41529246	研究论文	本研究利用深度神经网络分析非小细胞肺癌患者的RNA-seq数据，以识别预测PD-1免疫疗法反应的基因组生物标志物	开发了DeepImmunoGene模型，通过特征选择减少基因集，并应用深度学习识别高预测性基因子集，在预测准确性和AUC方面优于传统机器学习方法	研究样本量相对有限（355名患者），且仅基于RNA-seq数据，可能未涵盖其他基因组或临床因素	识别预测非小细胞肺癌患者对PD-1免疫疗法反应的基因组生物标志物，以改善患者预后和治疗策略	非小细胞肺癌患者的RNA-seq数据	机器学习	肺癌	RNA-seq	DNN, SVM, XGBoost	基因表达数据	355名非小细胞肺癌患者	NA	DeepImmunoGene	准确率, AUC, 召回率	NA
2017	2026-01-17	Deep learning-based segmentation and density estimation of corneal nerves and dendritic cells from In Vivo confocal microscopy images 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34412-6 PMID:41530230	研究论文	本研究比较了手动评估与基于深度学习分割的自动评估方法在角膜神经纤维长度和树突状细胞密度测量上的表现	利用深度学习分割技术实现角膜神经和树突状细胞的自动分割与密度估计，替代传统手动评估方法	研究样本量相对有限（130名参与者），且仅针对特定人群（COVID-19后眼部症状者与无症状对照）	开发并验证一种自动化的角膜神经纤维长度和树突状细胞密度评估方法	角膜神经纤维和树突状细胞	计算机视觉	眼部疾病	活体共聚焦显微镜成像	深度学习分割模型	图像	130名参与者（100名有症状，30名无症状），共2600张IVCM图像	NA	NA	组间差异p值，置信区间	NA
2018	2026-01-17	ReaGP: integrating residual units and attention mechanisms in convolution neural network for genomic prediction 2026-Jan-13, Genetics, selection, evolution : GSE DOI:10.1186/s12711-025-01015-8 PMID:41530673	研究论文	提出了一种名为ReaGP的新型深度学习模型，通过整合残差单元和注意力机制来提升基因组预测的准确性	首次将残差单元和注意力机制结合到卷积神经网络中用于基因组预测，并引入频率编码的基因组数据以增强特征表示	未明确说明模型在极低遗传力性状或小样本数据集上的表现	开发一种高效的深度学习方法来提高基因组育种值（GEBVs）的预测精度	猪、奶牛、华西牛、小麦和水稻的基因组数据	机器学习	NA	基因组预测	CNN	基因组数据	三个动物数据集和两个植物数据集，涵盖15个性状	NA	整合残差单元和注意力机制的卷积神经网络	预测准确性	NA
2019	2026-01-17	Expanding the clinical utility of deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma following maximal safe surgical resection 2026-Jan-13, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004661 PMID:41537390	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2020	2026-01-17	IFNg_DeepKG: A Novel Model for Identifying Interferon-Gamma-Inducing Epitopes Using Knowledge Graph RAG in Biomedical Applications 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02248 PMID:41474270	研究论文	本文提出了一种名为IFNg_DeepKG的新型深度学习框架，用于准确识别干扰素-γ诱导表位，结合了预训练蛋白质语言模型、知识图谱检索增强生成和多尺度卷积神经网络	首次将知识图谱检索增强生成方法应用于干扰素-γ诱导表位识别，通过整合序列特征与生物上下文信息显著提升预测性能	未明确说明模型在更广泛物种或疾病类型上的泛化能力限制，也未讨论计算资源需求	开发一种计算模型以准确高效地识别干扰素-γ诱导表位，用于下一代疫苗和免疫疗法设计	干扰素-γ诱导表位，特别是与COVID-19和阿尔茨海默病相关的临床相关表位	计算免疫学	COVID-19, 阿尔茨海默病	蛋白质语言模型, 知识图谱, 检索增强生成	多尺度卷积神经网络	蛋白质序列, 生物上下文信息	人类和小鼠数据集（具体数量未明确说明）	NA	ESM2, MSCNN	AUC	NA