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
21	2026-02-22	Deep learning for detecting depression in individuals with and without alexithymia 2026-Jan-16, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01393-0 PMID:41545479	研究论文	本研究探讨了述情障碍对抑郁症检测的影响，并比较了深度学习模型与自评量表在抑郁症检测中的表现	首次利用大型语言模型（LLMs）分析临床访谈转录文本，以提升对述情障碍个体抑郁症检测的准确性，并揭示了自评量表在该群体中的局限性	样本量相对较小（共299名参与者），且仅基于汉密尔顿抑郁评定量表（HAMD）作为金标准，可能未涵盖所有抑郁症亚型或共病情况	评估深度学习模型在检测抑郁症，特别是针对述情障碍个体时的准确性，并与传统自评量表进行比较	194名重度抑郁障碍患者和105名社区对照个体	自然语言处理	抑郁症	临床结构化访谈转录文本分析	大型语言模型（LLMs）	文本	299名参与者（194名患者和105名对照）	NA	NA	AUC	NA
22	2026-02-22	BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients 2026-Jan-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06589-6 PMID:41540040	研究论文	本文介绍了BreastDCEDL，一个标准化的深度学习就绪乳腺癌DCE-MRI数据集，包含来自2,070名患者的预处理3D DCE-MRI扫描	填补了公开标准化、多中心乳腺癌DCE-MRI数据集的空白，提供统一格式和注释，支持高级模型开发	Duke队列中仅32.5%的患者有病理完全缓解数据，可能限制某些分析的全面性	为乳腺癌治疗响应监测和深度学习研究提供标准化数据集	2,070名乳腺癌患者的预处理3D DCE-MRI扫描	数字病理学	乳腺癌	动态对比增强磁共振成像	NA	3D DCE-MRI图像	2,070名患者（I-SPY1: 172, I-SPY2: 982, Duke: 916）	NA	NA	NA	NA
23	2026-02-22	Biologically interpretable deep learning-derived MRI phenotypes reveal lymph node involvement and neoadjuvant therapy response in intrahepatic cholangiocarcinoma 2026-Jan-12, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001671 PMID:41525512	研究论文	本研究开发了一个名为SwinU-CliRad的模型，用于肝内胆管癌的淋巴结风险分层和辅助治疗评估	结合了基于Swin UNETR的MRI衍生淋巴结特征与临床放射学特征，构建了可解释的深度学习模型，并探索了模型输出与肿瘤多组学特征的相关性	研究依赖于回顾性队列，外部验证样本量相对较小，且模型在更广泛人群中的泛化能力需进一步验证	开发一个模型以改进肝内胆管癌的淋巴结分期，并为治疗决策提供信息	肝内胆管癌患者	数字病理学	肝内胆管癌	MRI, 单细胞RNA测序, 多组学分析	Transformer, CNN	MRI图像, 临床数据, 放射学特征	发现队列682例，内部测试队列204例，外部多中心队列88例，新辅助治疗队列145例	PyTorch	Swin UNETR	AUC, 误分类纠正率, 病理完全缓解率, 主要病理缓解率	NA
24	2026-02-22	Multimodal MRI radiomics and deep learning for brain age prediction: age-corrected brain age gap analysis in patients with insomnia 2026-Jan-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01512-x PMID:41507907	研究论文	本研究通过整合多模态MRI影像组学特征与深度学习，开发并验证了高精度脑龄预测模型，并应用于失眠患者以评估其脑老化加速情况	结合T1和T2加权MRI的影像组学特征与深度学习进行多模态融合，用于脑龄预测，并应用于失眠患者的脑龄差距分析	研究为回顾性设计，样本主要来自特定医院和公开数据集，可能限制泛化性	开发高精度脑龄预测模型，并评估慢性失眠是否与加速脑老化相关	健康个体和失眠患者	数字病理学	失眠	T1加权MRI, T2加权MRI, 影像组学特征提取	深度学习回归模型	MRI图像	总计1200名参与者，包括942名健康对照和258名失眠患者	NA	NA	平均绝对误差, 均方根误差, R2	NA
25	2026-01-09	LungGANDetectAI: a GAN-augmented and attention-guided deep learning framework for accurate and explainable lung cancer detection 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34750-5 PMID:41501145	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
26	2026-02-22	Multitrait analyses identify genetic variants associated with aortic valve function and aortic stenosis risk 2026-Jan, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-025-02397-7 PMID:41419685	研究论文	本研究利用深度学习从磁共振成像中测量主动脉瓣功能指标，并结合多性状GWAS分析，识别了与主动脉瓣功能和主动脉狭窄风险相关的遗传变异	首次将深度学习测量的主动脉瓣功能指标与主动脉狭窄GWAS通过多性状分析（MTAG）整合，识别了166个独特基因位点，并验证了多基因评分（PGS）的预测能力	研究主要基于UK Biobank等特定人群数据，可能缺乏对其他种族或人群的普适性；深度学习测量的准确性依赖于影像质量	探究正常主动脉瓣功能的遗传影响及其对主动脉狭窄风险的作用	UK Biobank中的59,571名参与者，以及All of Us和Mass General Brigham Biobank的验证队列	机器学习	心血管疾病	磁共振成像（MRI），全基因组关联研究（GWAS），多性状GWAS分析（MTAG），孟德尔随机化	深度学习模型	磁共振图像，遗传数据	UK Biobank中59,571名参与者，外加All of Us和Mass General Brigham Biobank验证队列	NA	NA	风险比（HR），P值	NA
27	2026-02-22	Justifying model complexity: Evaluating transfer learning against classical models for intraoperative nociception monitoring under anesthesia 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342688 PMID:41701784	研究论文	本文比较了传统监督模型与基于迁移学习的时序卷积网络在术中伤害性事件监测中的性能，评估了模型复杂度与临床效益的平衡	首次在术中伤害性监测中，系统比较了传统模型（如随机森林）与深度学习迁移学习框架的性能，并强调了模型复杂度的合理性验证	研究样本量较小（101例成人手术案例），且未在更大规模或多样化数据集上验证结论的普适性	评估传统模型与深度学习模型在术中伤害性事件监测中的性能差异，以优化镇痛管理并改善术后结果	101例成人手术案例，包含30个生理特征和18个药物剂量特征，采样窗口为5秒	机器学习	麻醉相关并发症	监督学习，迁移学习	逻辑回归，随机森林，时序卷积网络	时间序列数据	101例成人手术案例	NA	随机森林，时序卷积网络	AUROC，AUPRC	NA
28	2026-02-22	Comparison of machine learning methods in forecasting and characterizing the birch and grass pollen season 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332093 PMID:41706687	研究论文	本研究比较了八种机器学习方法在预测和表征桦树及草类花粉季节中的应用，并分析了气象变量与花粉浓度之间的依赖关系	首次在波兰克拉科夫地区综合比较了来自四个不同家族（懒惰、线性、基于树和深度学习）的机器学习模型，用于预测花粉浓度类别，并进行了特征重要性分析和关联规则挖掘	研究仅基于克拉科夫地区的数据，可能无法推广到其他地理或气候区域，且模型性能在更长的预测时间（如7天）上有所下降	开发并比较机器学习方法，以准确预测花粉浓度，辅助季节性过敏疾病的个性化治疗	桦树（Betula）和草类（Poaceae）花粉浓度数据及气象变量	机器学习	季节性过敏疾病	容积法花粉数据收集	懒惰模型, 线性模型, 树基模型, 深度学习模型	时间序列数据（花粉浓度和气象数据）	1991年至2024年在克拉科夫收集的花粉和气象数据	NA	增强树, 关联知识图, 带记忆单元的深度神经网络	准确率	NA
29	2026-02-22	An intelligent method for Buoy meteorological data restoration using a Spatio-Temporal Dual-Attention Network with transformer and GAT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343310 PMID:41706759	研究论文	本文提出了一种结合Transformer和图注意力网络（GAT）的时空双注意力网络（ST-DAN），用于修复海洋浮标气象数据中的缺失值和异常值	提出了一种新颖的深度学习模型ST-DAN，通过并行计算整合Transformer和GAT，分别捕获时间依赖性和基于物理信息邻接矩阵的变量间空间相关性，动态调整变量间影响权重，显著提高了重建精度	NA	解决海洋浮标气象数据因恶劣天气和环境条件导致的数据丢失或异常值问题，实现高精度数据重建	海洋浮标气象数据，特别是温度和风速数据	机器学习	NA	NA	Transformer, GAT	时间序列数据	基于ERA5再分析数据集和青岛浮标现场观测数据	NA	Transformer, GAT	MAE, MSE, RMSE, R²	NA
30	2026-02-22	An ultrasound-based artificial intelligence framework for difficult airway prediction: A two-model, three-step decision framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342339 PMID:41706751	研究论文	本研究构建了一个基于超声图像和人工智能的“双模型、三步法”分层策略框架，用于预测困难气道风险	提出了一个结合两个卷积神经网络模型（CL-AI和VIDIAC-AI）的三步分层决策框架，用于困难气道的风险分层预测，旨在作为临床决策支持工具	仅进行了内部验证，未进行外部验证，需要在大型多中心队列中进一步验证	开发一个基于超声图像的人工智能框架，用于困难气道的早期预警和风险分层	在青岛大学附属医院接受择期全身麻醉手术的903名患者	计算机视觉	NA	颈部超声成像	CNN	图像	903名患者（752例用于训练和验证，151例作为内部测试集）	NA	卷积神经网络（具体架构未指定），CL-AI, VIDIAC-AI	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA
31	2026-02-22	Anomaly detection of cybersecurity behavior using cross-sequence aligned transformer-A dynamic recognition approach for high-frequency interaction patterns 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340801 PMID:41706767	研究论文	本文提出了一种基于跨序列对齐Transformer的动态识别模型（CSAT-DRM），用于提升高频交互网络环境中网络安全异常检测的准确性和稳定性	提出了跨序列对齐机制以软对齐网络流量和用户行为序列，并引入交互敏感残差结构和动态阈值生成策略，以增强模型对高频交互下异常特征的判别能力和自适应异常识别能力	未在摘要中明确说明	提升高频交互网络环境中网络安全异常检测的准确性和稳定性	高频交互网络环境中的网络流量和用户行为序列	自然语言处理	NA	NA	Transformer	网络交互日志数据	未在摘要中明确说明	未在摘要中明确说明	Transformer	准确率, 精确率, 召回率, F1分数	未在摘要中明确说明
32	2026-02-22	Open-source framework for detecting bias and overfitting for large pathology images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341715 PMID:41712557	研究论文	本文提出了一种模型架构无关的开源框架，用于检测和消除大型病理图像中深度学习模型的偏差和过拟合问题	开发了一个模型架构无关的框架，能够检测和移除深度学习模型对非相关伪影（如背景颜色或颜色强度）的依赖，从而增强模型的鲁棒性	未在多种疾病或数据集上进行广泛验证，且框架的计算效率可能受大型病理图像处理需求的影响	确保深度学习模型在病理图像分析中的鲁棒性，通过检测和消除偏差与过拟合	大型病理图像（WSI）数据集，包括预训练的基础模型（Phikon-v2）和自训练的自监督模型（MoCo v1）	数字病理学	NA	深度学习	基础模型, 自监督模型	图像	使用广泛使用的组织病理学数据集，具体样本数量未明确说明	MONAI	Phikon-v2, MoCo v1	NA	处理大型病理图像通常需要大量计算资源，具体硬件未指定
33	2026-02-22	DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342940 PMID:41712587	研究论文	本文提出了一种基于推理增强的大型语言模型DrugReasoner，用于预测小分子药物的审批可能性，并提供可解释的决策依据	首次将基于LLaMA架构的推理增强大型语言模型应用于药物审批预测，通过整合分子描述符和结构相似化合物的对比推理，生成逐步推理过程和置信度分数，显著提升了模型的可解释性	模型性能虽优于传统基线方法，但与XGBoost相比仅具有竞争力，且未在更广泛的外部数据集上进行全面验证	开发可解释的AI模型以预测小分子药物的审批结果，优化药物研发资源配置	小分子化合物	自然语言处理	NA	分子描述符分析	LLM	文本（分子描述符与结构信息）	NA	NA	LLaMA	AUC, F1-score, 精确度, 灵敏度	NA
34	2026-02-22	AdaptiveInvolutionNet: Spatially-adaptive involution with channel-wise attention for breast MRI tumor classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340808 PMID:41712600	研究论文	提出了一种名为AdaptiveInvolutionNet的新型深度学习框架，用于从乳腺MRI图像中准确分类肿瘤	提出了一种结合空间自适应Involution层和通道注意力机制的混合架构，以改进乳腺肿瘤分类的判别性特征学习	未明确提及	提高乳腺MRI肿瘤分类的准确性，以改善患者预后	乳腺MRI图像中的肿瘤	计算机视觉	乳腺癌	MRI	CNN	图像	6000张乳腺MRI图像（3000张良性，3000张恶性）	未明确提及	AdaptiveInvolutionNet（结合空间自适应Involution层、卷积层和挤压-激励模块）	准确率, Cohen's Kappa分数, Brier分数	未明确提及
35	2026-02-22	Enhanced medical image segmentation using optimized bidirectional LSTM and dolphin partner optimizer 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342592 PMID:41719271	研究论文	本文提出了一种优化的双向长短期记忆网络结合海豚伙伴优化器的医学图像分割方法，用于提升分割性能	采用双向LSTM结合海豚伙伴优化器进行参数调优，以同时捕捉空间位置、通道和尺度信息，减少计算复杂度	未提及具体的数据集规模、泛化能力测试或与其他优化器的详细对比	提升医学图像分割的准确性和效率，特别是在边界描绘和特征提取方面	医学图像（如MRI）	计算机视觉	NA	深度学习图像分割	LSTM	图像	NA	NA	双向长短期记忆网络	Dice相似系数, Jaccard相似指数, 准确率	NA
36	2026-02-20	Intrinsic tumor factors and extrinsic environmental and social exposures contribute to endometrial cancer recurrence patterns 2026-Jan-30, Research square DOI:10.21203/rs.3.rs-8682460/v1 PMID:41646408	研究论文	本研究通过整合临床、基因组、微生物组和环境数据，评估了子宫内膜癌复发与内在肿瘤因素及外在环境暴露（如空气污染）的关联	首次将肿瘤相关细菌群落、肿瘤免疫微环境和空气污染等外在环境因素与临床、病理和基因组特征结合，利用主题建模和机器学习方法预测子宫内膜癌复发	TCGA数据集中部分微生物组数据缺失，可能影响模型的外部验证效果	评估外在环境因素和内在肿瘤因素对子宫内膜癌复发的影响，并构建个体化预测模型	子宫内膜癌患者，根据风险分层为低风险、高风险和非子宫内膜样组织学组	数字病理学	子宫内膜癌	RNA测序, DNA提取, 宏基因组学分析	机器学习, 深度学习	基因组数据, 微生物组数据, 临床数据, 环境数据	892例患者（低风险组329例，高风险组324例，非子宫内膜样组239例）	TensorFlow, MATLAB	潜在狄利克雷分配（LDA）	AUC, 95%置信区间	未明确指定
37	2026-02-20	A lightweight YOLO11n seg framework for real time surface crack detection with segmentation 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37073-1 PMID:41611793	研究论文	本研究提出了一种基于YOLO11n-seg架构的轻量级深度学习框架，用于实时表面裂缝检测与分割	采用YOLO11n-seg轻量级架构，在保持高精度的同时显著降低计算成本，实现超快速推理（每张图像3.6毫秒），为边缘部署的裂缝识别设立了新基准	模型在Mask mAP@50指标上为58.7%，分割性能仍有提升空间；仅使用Crack-Seg数据集进行验证，泛化能力未在其他数据集上测试	开发一种轻量级、实时的表面裂缝检测与分割方法，以自动化基础设施安全检查	桥梁、路面、隧道和建筑物等民用基础设施的表面裂缝	计算机视觉	NA	深度学习	YOLO	图像	使用Crack-Seg数据集，具体样本数量未在摘要中说明	NA	YOLO11n-seg	精确度, Box mAP@50, Mask mAP@50, 推理速度	Tesla T4 GPU
38	2026-02-20	Deep learning based individual identification and population estimation of the yellow spotted mountain newt (Neurergus derjugini) 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36092-2 PMID:41606028	研究论文	本研究提出了一种结合几何计算机视觉和深度学习的非侵入性图像方法，用于濒危两栖动物黄斑山蝾螈的个体识别和种群数量估计	首次将几何特征提取与深度学习模型相结合，开发了一种针对黄斑山蝾螈的非侵入性个体识别方法，并应用于野外种群估计	数据集规模有限，需要扩展数据以验证时间稳定性；方法尚未部署为实时移动应用	开发一种可靠、非侵入性的方法，用于濒危两栖动物的个体识别和种群监测，以支持保护工作	黄斑山蝾螈（Neurergus derjugini）	计算机视觉	NA	图像采集、几何特征提取	CNN	图像	549只成年黄斑山蝾螈	NA	DenseNet121, EfficientNetB0, InceptionV3	准确率, AUC	NA
39	2026-02-20	A hybrid local-global feature attention network for thin section rock image classification 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36669-x PMID:41606083	研究论文	本文提出了一种用于薄片岩石图像分类的混合局部-全局特征注意力网络HFANet，通过集成DenseNet和Swin Transformer来同时捕获局部纹理和全局语义	提出了一种新颖的混合局部-全局特征注意力网络HFANet，集成了基于DenseNet的局部分支和基于Swin Transformer的全局分支，并引入了多头自注意力模块和双向交叉注意力机制，以及包含三个独立头部的集成分类框架与多模态特征融合	NA	提高薄片岩石图像的分类准确性，以支持地质调查、资源勘探和自动化岩相分析	薄片岩石图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	DenseNet, Swin Transformer	准确率, AUC, AUPR	NA
40	2026-01-30	An interactive cascaded deep learning framework with expert refinement for accurate striatal subregion segmentation 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36399-0 PMID:41606103	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA