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
561	2026-03-21	Effects of similarity networks in graph-based multi-omics classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344754 PMID:41855231	研究论文	本文系统评估了六种相似性网络构建策略在基于图的多组学疾病分类中的效果	首次系统比较了包括余弦相似性、余弦距离、RBF度量及混合方法在内的多种相似性网络构建策略，并发现简单余弦相似性在性能上优于更复杂技术	研究仅基于两个基准数据集（BRCA和ROSMAP），可能未涵盖所有疾病类型或数据特性	评估不同相似性网络构建策略对多组学疾病分类性能的影响	乳腺癌（BRCA）和阿尔茨海默病（ROSMAP）的多组学数据	机器学习	乳腺癌, 阿尔茨海默病	多组学整合	GCN, VCDN	多组学数据	NA	NA	图卷积网络, 视图相关发现网络	准确率, F1分数, AUC	NA
562	2026-03-19	Explainable Artificial Intelligence for the Mayo Endoscopic Score in Ulcerative Colitis 2026-Jan-22, Digestion IF:3.0Q2 DOI:10.1159/000550610 PMID:41569974	研究论文	本研究开发了一种用于溃疡性结肠炎Mayo内镜评分的可解释人工智能模型，并评估了其与内镜医师的交互效果	首次将可解释AI框架应用于溃疡性结肠炎内镜评分，通过Grad-CAM等技术实现模型决策过程的可视化解释	回顾性研究设计，样本主要来自中国医疗机构，可能存在选择偏倚	开发可解释的AI模型用于溃疡性结肠炎内镜严重程度评估	溃疡性结肠炎患者的白光内镜图像	计算机视觉	溃疡性结肠炎	白光内镜成像	深度学习模型	图像	训练集2600张图像，三个外部测试集共460张图像	TensorFlow, Keras	Xception	准确率, 马修斯相关系数, 科恩卡帕系数	NA
563	2026-03-19	Deep learning-based deflection angle regression network for measurement of the atmospheric refractive index structure constant 2026-Jan-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.580700 PMID:41842078	研究论文	本文提出了一种基于偏转角回归网络（DARN）的深度学习方法，用于测量大气折射率结构常数	通过深度学习模型直接回归偏转角，相比传统方法显著降低了测量误差（相对误差从约2.1%降至约0.3%）	NA	测量大气折射率结构常数以研究大气湍流	大气湍流场	计算机视觉	NA	莫尔偏折法	深度学习回归网络	图像（莫尔条纹）	3600帧莫尔条纹图像及对应的偏转角标签数据	NA	偏转角回归网络（DARN）	相对误差	NA
564	2026-03-19	High-precision structured light 3D reconstruction of highly reflective objects using deep learning 2026-Jan-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.580080 PMID:41842094	研究论文	本研究提出了一种基于深度学习的方法，用于高精度结构光三维重建，特别针对高反光物体，通过图像增强和修复网络解决镜面反射导致的图像失真问题	结合图像增强网络和图像修复网络，并构建了专门针对高反光物体的真实条纹图案数据集，有效提升了三维重建的完整性和质量	NA	解决高反光物体在结构光三维重建中因镜面反射导致的图像失真和重建失败问题	高反光物体的三维重建	计算机视觉	NA	结构光技术，结合相移法和格雷码	深度学习网络	图像	NA	NA	图像增强网络，图像修复网络	NA	NA
565	2026-03-19	Hybrid high-precision autofocus method based on deep learning and variable-step hill-climbing 2026-Jan-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.580508 PMID:41842096	研究论文	提出了一种结合改进深度学习网络与变步长爬山策略的混合高精度自动对焦算法，以解决传统方法在复杂光照和场景下的局部最优和耗时问题	将卷积块注意力模块和高效通道注意力机制集成到ShuffleNetV2中，增强多级特征提取，并使用三层全连接结构直接回归离焦距离，结合变步长局部搜索实现高精度定位	未明确说明算法在极端光照或动态场景下的泛化能力，以及深度学习模型的计算资源需求	开发一种高效、高精度的自动对焦算法，适用于复杂成像场景	图像对焦过程中的镜头位置优化	计算机视觉	NA	自动对焦算法	CNN	图像	NA	NA	ShuffleNetV2	平均对焦误差, 处理时间, 平均对焦误差的标准差	NA
566	2026-03-19	Rapid on-demand design of a tri-band electromagnetically induced transparency terahertz metamaterial antibiotic sensor assisted by deep learning 2026-Jan-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.580585 PMID:41842104	研究论文	本文提出了一种基于多模耦合的三频电磁诱导透明太赫兹超材料抗生素传感器，并利用深度学习辅助进行快速逆向设计	结合多模耦合结构实现三频EIT-like响应，并引入一维并行CNN架构进行高效逆向设计，显著提升了传感器设计速度和精度	未明确提及传感器在实际复杂环境中的稳定性测试或大规模制造可行性	开发一种能够特异性检测多种抗生素的太赫兹超材料传感器，并实现其快速逆向设计	金霉素、四环素和青霉素钠三种抗生素	机器学习	NA	太赫兹光谱、电磁诱导透明（EIT-like）超材料	CNN	光谱数据、结构参数	NA	NA	一维并行卷积神经网络	均方误差（MSE）	NA
567	2026-03-19	Mirror substrate-enhanced and physics-informed deep-learning-assisted label-free super-resolution dark-field optical microscopy 2026-Jan-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.579214 PMID:41842425	研究论文	本文提出了一种结合镜面基底增强和物理信息深度学习的无标记超分辨率暗场光学显微镜成像方法	通过使用银涂层玻璃载玻片（镜面基底）增强纳米颗粒散射信号，并开发物理信息约束卷积神经网络，实现无需荧光标记或光学系统修改的超分辨率成像	仅使用有限数据集进行训练，且实验对象为聚苯乙烯纳米颗粒簇，未在复杂生物样本上验证	开发一种无标记、高对比度的超分辨率暗场光学显微镜成像技术	聚苯乙烯纳米颗粒簇	计算机视觉	NA	暗场光学显微镜	CNN	图像	100纳米直径聚苯乙烯纳米颗粒簇样本	NA	物理信息约束卷积神经网络	结构相似性指数	NA
568	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
569	2026-03-19	Assessing the applicability of the soil and water assessment tool-deep learning hybrid model for predicting total nitrogen loads in a mixed agricultural watershed 2026-01, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104737 PMID:41037965	研究论文	本研究提出并评估了SWAT与深度学习混合模型，用于预测混合农业流域的总氮负荷	首次将未经校准的SWAT输出与深度学习模型（LSTM和GRU）结合，构建混合模型，以绕过传统耗时的校准过程，并在上游子流域实现有效泛化	研究仅针对特定混合农业流域的总氮负荷进行，模型在其他流域或污染物类型的适用性尚未验证	评估SWAT-深度学习混合模型在预测流域总氮负荷方面的适用性与性能，旨在减少校准需求并提高计算效率	混合农业流域的总氮负荷	机器学习	NA	水文与水质模拟，深度学习建模	LSTM, GRU	模拟数据，降水数据	NA	NA	LSTM, GRU	NA	NA
570	2026-03-19	Deep Learning in Otolaryngology: A Narrative Review 2026-01-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3911 PMID:41231484	综述	本文是一篇关于深度学习在耳鼻喉科领域应用的叙事性综述，总结了2020年至2025年间的研究进展	提出了一个将深度学习整合到耳鼻喉科临床实践的框架，并强调了联邦学习和可解释性等新兴框架在促进隐私保护和临床信任方面的作用	作为叙事性综述，可能未涵盖所有相关研究；深度学习模型在临床广泛采用仍需多机构数据集、标准化采集协议和透明可解释的模型	综述深度学习在耳鼻喉科的应用，并为其临床整合提出框架	耳鼻喉科领域的医学图像（如频闪喉镜检查）和生理信号（如人工耳蜗优化）	数字病理学	NA	深度学习	NA	图像, 生理信号	分析了327项原始研究（从1422篇文章中筛选）	NA	NA	诊断性能（如92%的鼻咽癌识别准确率, 86%的喉部恶性肿瘤识别准确率, >95%的耳科病理识别准确率）	NA
571	2026-03-19	Predictive modelling and optimization of electrocoagulation for nitrate removal using deep learning: Toward intelligent and sustainable water treatment 2026-01, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104751 PMID:41086718	研究论文	本研究应用深度学习优化电凝法去除合成废水中的硝酸盐，开发了CNN-LSTM混合模型并评估其性能	首次将CNN-LSTM混合深度学习架构应用于电凝法硝酸盐去除过程的建模与优化，实现了对复杂时空动态特征的捕捉	研究基于合成废水，实际废水成分的复杂性可能影响模型泛化能力；CNN-LSTM模型在交叉验证中表现略低于XGBoost	开发智能、可持续的水处理技术，通过建模优化电凝法去除硝酸盐的效率和成本	合成废水中的硝酸盐	机器学习	NA	电凝法，Box-Behnken实验设计	CNN, LSTM, XGBoost	实验过程数据（pH、浓度、电导率、电压、电流、反应时间等）	未明确说明样本数量，采用5折交叉验证	未明确说明，但提及Random Search超参数调优	CNN-LSTM混合架构	MSE, RMSE, MAE, MAPE, R, 调整R	NA
572	2026-03-19	Recovering Pulse Waves From Video Using Deep Unrolling and Deep Equilibrium Models 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3671653 PMID:41817983	研究论文	本文提出了一种结合信号处理与深度学习的逆问题框架方法，用于从面部视频中恢复脉搏波信号、心率及心率变异性	将深度算法展开与深度均衡模型相结合，学习基于深度网络的去噪算子，以少于最接近竞争方法五分之一的可学习参数实现最先进的性能	未明确说明方法在极端光照条件或面部遮挡情况下的鲁棒性	开发一种基于视频的非接触式生命体征监测方法，用于精确恢复脉搏波信号及相关生理参数	面部视频中的皮肤区域，用于提取成像光电容积描记信号	计算机视觉	心血管疾病	成像光电容积描记技术	深度均衡模型	视频	NA	NA	NA	心率估计精度，心率变异性估计精度	NA
573	2026-03-19	Deep learning-driven image captioning: Progress through transformers and large language models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345012 PMID:41838712	研究论文	本文提出了一种基于先进视觉Transformer架构和大型语言模型的深度学习模型，用于图像描述生成	通过独特的交叉注意力机制实现语言上下文与视觉特征的深度对齐，显著超越了传统的CNN-RNN混合模型及现有Transformer方法	未明确提及模型的具体局限性，但文中分析了该领域的关键挑战，如增强描述多样性、确保稳健的多模态对齐和减轻固有偏见	开发更精确、上下文丰富且类人的图像描述生成系统	图像描述生成任务	计算机视觉	NA	深度学习	Transformer, LLM	图像	在MSCOCO、Flickr30K和NoCaps等多个数据集上进行了广泛评估	NA	视觉Transformer	BLEU-4, METEOR, CIDEr	NA
574	2026-03-19	Latent Causal Modeling for 3D Brain MRI Counterfactuals 2026, Deep generative models : 5th MICCAI workshop, DGM4MICCAI 2025, held in conjunction with MICCAI 2025, Daejeon, South Korea, September 23, 2025, Proceedings. DGM4MICCAI (Workshop) (5th : 2025 : Taejon-si, Korea) DOI:10.1007/978-3-032-05472-2_19 PMID:41841031	研究论文	提出了一种两阶段方法，在潜在空间中构建结构因果模型，用于生成高质量的三维脑部MRI反事实图像	将结构因果模型整合到VQ-VAE学习的潜在空间中，并使用封闭形式的广义线性模型执行三步反事实程序，以生成高质量且多样化的三维脑部MRI	未明确提及具体局限性，但可能包括对高维空间因果建模的挑战以及模型在训练数据分布外的泛化能力	解决结构脑部MRI研究中样本量不足的问题，通过生成高质量的反事实图像来增强深度学习模型的训练数据	三维脑部MRI数据，特别是来自阿尔茨海默病神经影像学倡议和全国青少年酒精与神经发育联盟的高分辨率MRI数据	计算机视觉	阿尔茨海默病	结构脑部MRI	VQ-VAE, GLM	三维图像	NA	NA	VQ-VAE	NA	NA
575	2026-03-19	Artificial intelligence foundation models in healthcare: A Malaysian perspective 2026-Jan, The Medical journal of Malaysia PMID:41617499	评论	本文探讨了基础模型在医疗保健领域的应用，并提供了马来西亚视角下的整合建议	从马来西亚医疗系统的角度，探讨基础模型在整合医学影像、临床记录和基因组数据以促进精准健康方面的创新应用	NA	探索基础模型如何推动精准健康洞察，并讨论其在马来西亚医疗系统中的整合潜力	医疗保健系统、基础模型在医疗中的应用	机器学习	NA	深度学习	基础模型	医学影像、临床记录、基因组数据	NA	NA	NA	NA	NA
576	2026-03-19	DSEF-CNN: FTIR-based differential-spectral FPN-CNN for real-time multi-gas leak identification in petrochemical monitoring 2026-Jan-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.579178 PMID:41842139	研究论文	本研究提出了一种基于傅里叶变换红外光谱的深度学习框架DSEF-CNN，用于石化环境中实时多气体泄漏识别	提出了一个专门针对高分辨率FTIR光谱数据设计的深度学习框架，集成了差分处理模块、一维特征金字塔网络、高效通道注意力机制和轻量级CNN主干，以解决光谱重叠、工业噪声干扰和对低浓度泄漏灵敏度低的问题	NA	解决传统气体泄漏检测技术在石化环境中的局限性，实现实时多气体泄漏识别	石化环境中的多气体泄漏	机器学习和光谱分析	NA	傅里叶变换红外光谱	CNN	光谱数据	NA	NA	DSEF-CNN（集成差分处理模块、一维特征金字塔网络、高效通道注意力机制和轻量级CNN主干）	识别准确率	NA
577	2026-03-19	Hybrid deep learning and optimized variational mode decomposition for point-interval runoff prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343063 PMID:41843616	研究论文	本研究提出了一种结合信息获取优化器、变分模态分解、卷积神经网络-支持向量机和核密度估计的混合深度学习框架，用于点-区间径流预测	采用基于信息获取优化器的优化变分模态分解来增强特征提取，并引入基于B样条的最小二乘交叉验证带宽选择方法，以改进预测误差密度估计和区间预测的准确性	研究仅在长江流域进行实验，未在其他流域验证模型的泛化能力	提高径流预测的准确性和量化预测不确定性，以支持水资源分配和水电规划	径流时间序列数据	机器学习	NA	变分模态分解，核密度估计	CNN, SVM	时间序列数据	NA	NA	CNN-SVM	RMSE, MAPE	NA
578	2026-03-19	A lightweight deep learning framework for reliable microscopy-based diagnosis of cutaneous leishmaniasis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344561 PMID:41843631	研究论文	本研究开发了一个轻量级深度学习框架，用于从显微镜图像中自动检测皮肤利什曼病的无鞭毛体并进行玻片级诊断概率估计	提出了一个轻量级、校准感知的深度学习框架，采用弱监督伪标签策略进行像素级寄生虫分割，并利用概率池化和事后校准技术（如等渗回归）显著提高了诊断概率的可靠性	模型仅在单中心数据集上进行训练和评估，未来需要在更广泛的数据集上进行验证	开发一个自动化、可靠的显微镜图像分析框架，用于皮肤利什曼病的诊断	吉姆萨染色玻片的显微镜图像	数字病理学	皮肤利什曼病	显微镜检查	深度学习	图像	292个视野图像（来自单中心数据集）	NA	U-Net, MobileNetV2	Dice系数, 交并比, AUROC, Brier分数, 预期校准误差	NA
579	2026-03-18	An Integrated Risk Prediction Model for Gout Using Clinical Data, Ultrasound Features, and Deep Learning: A Retrospective Multicenter Study 2026, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S543363 PMID:41835122	研究论文	本研究开发并验证了一个结合临床数据、超声特征和深度学习预测的痛风风险预测模型	首次将超声特征作为新型风险因素与临床数据和深度学习预测相结合，构建综合风险预测模型	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于两个中心的患者数据	开发并验证一个用于预测痛风风险的集成模型	接受第一跖趾关节超声检查的痛风患者，共609例	数字病理学	痛风	超声成像	深度学习模型	图像, 临床数据	609例患者（训练组355例，内部测试队列162例，外部测试队列92例）	NA	NA	AUC, Brier分数, 校准曲线, 决策曲线分析	NA
580	2026-03-18	Classifying irritable bowel syndrome using spatio-temporal graph convolution networks on brain functional MRI data 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag062 PMID:41835134	研究论文	本研究利用时空图卷积网络对脑功能磁共振成像数据进行分类，以区分肠易激综合征患者与健康对照组	首次将时空图卷积网络应用于肠易激综合征的脑功能磁共振成像分类，并引入新颖的可解释性模块以识别与疾病相关的关键脑区	样本量相对较小（共158名受试者），且模型在检测功能磁共振成像中细微动态病理变化方面可能仍有局限	开发有效的诊断或预测模型，用于肠易激综合征的脑网络异常检测	肠易激综合征患者和健康对照组的脑功能磁共振成像数据	计算机视觉	肠易激综合征	静息态功能磁共振成像	时空图卷积网络	图像	79名肠易激综合征患者和79名健康对照组，共158名受试者	NA	时空图卷积网络	准确率	NA