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
601	2026-03-16	Characterizing and Evaluating Mental Health Misinformation on Social Media: A Qualitative and Deep Learning-Based Study 2026-Jan, Cyberpsychology, behavior and social networking DOI:10.1177/21522715251403844 PMID:41354555	研究论文	本研究提出一个结合定性分析和深度学习的集成框架，用于自动检测和评估社交媒体上的心理健康错误信息	通过专家访谈和扎根理论开发了一个21级细粒度可信度评估框架，并构建了高质量的中文社交媒体数据集，用于训练和评估深度学习模型	所有三种模型在评估证据质量和检测依赖上下文的错误信息方面面临挑战	自动检测和评估社交媒体上的心理健康错误信息，以提高在线心理健康信息的可信度	中文社交媒体帖子	自然语言处理	NA	NA	GRU, BERT, RoBERTa	文本	814个中文社交媒体帖子	NA	GRU, BERT, RoBERTa	NA	NA
602	2026-03-16	NeuroMorphFusion: A Neuro-Inspired Hybrid Learning Framework for Interpretable Deep Lesion Detection in IoT-Enabled Healthcare Systems 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251391080 PMID:41816805	研究论文	本文提出了一种名为NeuroMorphFusion的神经启发混合学习框架，用于在物联网医疗系统中进行可解释的深度病灶检测	结合了生物启发的学习与数学建模，集成了轻量级ResNet18、脉冲神经网络和形态学注意力机制，并采用半监督强化学习策略和遗传算法优化，以提高可解释性和计算效率	未明确提及研究的具体局限性	在资源受限的边缘设备上实现高诊断准确性、可解释性和计算效率的病灶检测	CT扫描中的病灶检测	计算机视觉	肺癌	CT扫描	CNN, SNN	图像	使用IQ-OTHNCCD肺癌CT数据集，具体样本数量未明确提及	TensorFlow, PyTorch (未明确指定，但基于常见深度学习框架推断)	ResNet18, VGG16, SqueezeNet, MobileNetV3	分类准确率, 敏感性, 计算延迟, 可解释性	Jetson Nano
603	2026-03-16	An interpretable vibration-enhanced BRB model for rolling bearing fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342757 PMID:41824424	研究论文	本研究提出了一种新颖的振动增强信念规则库模型，用于滚动轴承故障诊断，旨在解决传统模型处理连续信号的局限性	提出了一种振动增强信念规则库模型，通过窗口特征提取方法将连续振动信号映射到规则匹配空间，并结合证据推理算法和投影协方差矩阵自适应进化策略进行优化，增强了模型的可解释性和小样本条件下的适用性	模型在真实世界轴承故障诊断中的有效性可能受限于特定数据集和条件，且未明确讨论模型在大规模工业环境中的泛化能力	开发一种可解释且适用于小样本条件的滚动轴承故障诊断方法	滚动轴承的故障诊断	机器学习	NA	窗口特征提取方法，能量矩阵表示	信念规则库模型	连续振动信号	使用了凯斯西储大学和华中科技大学的轴承数据集	NA	振动增强信念规则库模型	NA	NA
604	2026-03-15	Thermal imaging-guided detection of transparent plastic contaminants on chicken breast: A combined vision and simulation approach 2026-Jan-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117993 PMID:41412667	研究论文	本研究开发了一种结合热成像与机器学习的系统，用于检测鸡肉上的透明塑料污染物	首次将热成像与YOLOv8深度学习模型结合用于检测低密度透明塑料污染物，并辅以热阻容模型和COMSOL仿真分析热行为	实验仅使用特定尺寸范围（0.2-8 cm）的塑料片，未涵盖所有可能的污染物形态	开发可靠的透明塑料污染物检测系统以提升禽肉加工食品安全	鸡肉胸肉上的透明塑料污染物	计算机视觉	NA	热成像技术	CNN	热成像图像	386张标注的热成像图像	PyTorch	YOLOv8s	检测精度, 分割精度	NA
605	2026-03-15	scPlantAnnotate: an accurate and robust transformer-based model for plant cell type annotation 2026-Jan-17, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.01.035 PMID:41554477	研究论文	本文开发了scPlantAnnotate，一种基于Transformer的植物单细胞RNA测序细胞类型注释模型，并在多个植物物种上进行了评估	开发了首个针对植物scRNA-seq数据的Transformer参考注释框架，在标准评估和严格的留一数据集测试中均表现出优越性能和增强的鲁棒性	模型在留一数据集测试中性能仍会下降，且仅针对四种植物物种进行了训练和验证	开发并评估一个专门用于植物单细胞RNA测序数据细胞类型注释的准确且鲁棒的模型	拟南芥、玉米、水稻和大豆的scRNA-seq数据	自然语言处理	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	来自四种植物物种的精选数据集	NA	Transformer	准确率, 宏F1分数, 平衡准确率, 宏AUROC	NA
606	2026-03-14	Editorial Note: Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344760 PMID:41818179	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
607	2026-03-15	Deep-Fed: A comprehensive solution for precise bone fracture identification in athletes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343980 PMID:41818245	研究论文	本研究提出了一种名为Deep-Fed的联邦深度学习框架，用于运动员骨折诊断，通过整合卷积神经网络和专用分类模块FractureNet，在分布式运动诊所中利用联邦平均进行训练，保护患者隐私的同时利用多样数据源	提出了一个结合卷积神经网络与专用分类模块FractureNet的联邦深度学习框架，能够在保护患者隐私的前提下，利用分布式数据源实现高精度骨折识别	NA	开发一个用于运动员骨折精确识别的联邦深度学习解决方案	运动员的骨折诊断	计算机视觉	骨折	深度学习	CNN	图像	三个基准数据集（Deep-I、Deep-II、Deep-III），代表不同成像条件和患者群体	联邦学习框架	卷积神经网络, FractureNet	准确率	NA
608	2026-03-15	Interpretable crop pest and disease identification based on comparative concept tree 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343715 PMID:41818247	研究论文	本研究提出了一种基于对比原型树（CPTR）的可解释作物病虫害识别模型，旨在提高深度学习模型的透明度和可解释性	结合概念原型与决策树的核心结构，为每个识别结果构建清晰的原型匹配路径，并引入SimCLR对比学习框架以增强深度图像特征表达能力	NA	提高作物病虫害识别模型的透明度和可解释性，以增强用户信任并促进其在农业生产中的大规模应用	作物病虫害图像	计算机视觉	NA	深度学习	对比学习, 决策树	图像	三个数据集：AppleLeaf9, Cassava, Cashew	SimCLR	对比原型树（CPTR）	准确率	NA
609	2026-03-14	Artificial Intelligence Tools in Myocardial Infarction Prognosis: Evaluating the Performance of Machine Learning and Deep Learning Models 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X380162250706094642 PMID:40660443	综述	本文综述了人工智能（包括机器学习和深度学习）模型在心肌梗死预后死亡率风险评估中的应用与性能	系统评估了AI模型在心肌梗死预后中的表现，并指出尽管人工神经网络有潜力，但并非总是优于其他机器学习方法，同时强调了AI模型适应不同场景和处理复杂数据的能力	综述基于16篇论文，可能未涵盖所有相关研究；且未明确说明数据来源的时效性或模型泛化能力的详细验证	开发新的心肌梗死患者死亡率风险分层工具，以替代传统的GRACE和TIMI评分	心肌梗死患者	机器学习	心血管疾病	NA	随机森林, 梯度提升, 支持向量机, 人工神经网络	临床数据	NA	NA	NA	NA	NA
610	2026-03-14	Deep learning analysis of urine-derived stem cell mitochondrial morphology as a non-invasive Alzheimer's disease biomarker 2026-Jan, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics IF:5.6Q1 DOI:10.1016/j.neurot.2025.e00813 PMID:41407593	研究论文	本研究开发了一种基于尿液来源干细胞（USC）线粒体荧光成像和深度学习的人工智能框架，用于区分认知障碍个体（AD和MCI）与认知正常个体，探索其作为阿尔茨海默病非侵入性生物标志物的潜力	首次将尿液来源干细胞（USC）的活细胞线粒体形态分析与深度学习相结合，用于阿尔茨海默病的非侵入性早期检测	需要更大规模、独立的队列进行进一步验证	开发一种方便、非侵入性的阿尔茨海默病生物标志物，用于早期检测	认知障碍个体（阿尔茨海默病和轻度认知障碍）与认知正常个体的尿液来源干细胞（USC）	数字病理学	阿尔茨海默病	活细胞线粒体荧光成像	CNN	图像	未明确说明具体样本数量，涉及HeLa细胞和USC细胞	未明确说明	ResNet-18	未明确说明具体指标，但提及模型在验证中表现出稳健性能	NA
611	2026-03-14	DeepGSR: Deep Group-Based Sparse Representation Network for Solving Image Inverse Problems 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3662583 PMID:41686657	研究论文	提出了一种名为DeepGSR的深度组稀疏表示网络，用于解决图像逆问题	将传统的基于组的稀疏表示方法与深度学习方法相结合，在避免迭代计算瓶颈的同时保持了模型的可解释性，并引入了可学习的低秩收缩模块和频域感知的块划分策略	未明确说明	解决图像逆问题	图像	计算机视觉	NA	NA	深度学习网络	图像	NA	NA	DeepGSR	NA	NA
612	2026-03-14	Improved AIS data simplification algorithm for extracting typical routes considering motion continuity 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340021 PMID:41811879	研究论文	本文提出了一种改进的AIS数据简化算法，用于提取典型航线并保持船舶运动连续性	采用增强的距离阈值剪枝技术并结合船舶操作连续性分析，解决了航线分段不连续和坐标偏差问题	未明确说明算法在不同海域或船舶类型上的泛化能力	提高AIS数据的处理效率以支持海事应用	船舶自动识别系统（AIS）数据	机器学习	NA	数据简化算法	深度学习模型	轨迹数据	NA	NA	NA	训练效率、预测精度、收敛速度、误报率	NA
613	2026-03-14	ESC-YOLOv8: An enhanced deep learning framework for semantic understanding of single-line diagram imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340719 PMID:41811918	研究论文	提出了一种增强的深度学习框架ESC-YOLOv8，用于单线图图像的语义理解，通过集成混合残差注意力模块和邻近感知损失函数来提升符号分类的准确性和效率	引入了混合残差注意力模块（HRAM）以增强模型对细粒度符号细节的识别能力，并设计了邻近感知损失函数来改善在杂乱区域的分类性能	未明确讨论模型在更广泛或更复杂单线图数据集上的泛化能力，以及计算资源需求的具体分析	开发一种深度学习框架，以准确高效地处理单线图（SLDs）中的符号分类任务	单线图（SLDs）图像中的电气符号	计算机视觉	NA	深度学习	YOLOv8	图像	NA	NA	YOLOv8, 混合残差注意力模块（HRAM）	平均精度均值（mAP）	NA
614	2026-03-13	Sex and Stress Govern the Function and Innervation of a Basolateral Amygdala to Nucleus Accumbens Corticotropin-Releasing Hormone/GABA-Expressing Projection 2026-01-14, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1239-25.2025 PMID:41271439	研究论文	本研究探讨了早期生活逆境如何通过影响基底外侧杏仁核到伏隔核的CRH/GABA投射通路，以性别特异性的方式调控奖赏行为	首次揭示了CRH/GABA BLA-NAc投射通路在调控奖赏行为中存在显著的性别差异，并发现其神经支配模式受性别和早期生活逆境的共同影响	研究主要在小鼠模型中进行，结果向人类转化的普适性有待验证；神经支配模式的差异与功能差异之间的确切因果关系尚未完全阐明	探究早期生活逆境对奖赏行为调控神经环路的性别特异性影响机制	CRH-Cre转基因小鼠（雄性和雌性）	神经科学	情感障碍	组织透明化、光片荧光显微镜、化学遗传学（DREADDs）、电生理记录、全脑神经投射图谱绘制	深度学习	图像数据、电生理数据、行为数据	控制组和早期生活逆境组（ELA）的成年雄性和雌性CRH-Cre小鼠	NA	NA	NA	NA
615	2026-03-13	Classifying retinal degeneration using OCT and histological images in a rodent model for retinal degeneration by deep learning 2026-Jan, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110748 PMID:41241339	研究论文	本研究首次使用深度学习模型ResNet18，结合光学相干断层扫描（OCT）和组织学图像，对皇家外科医生（RCS）大鼠视网膜变性模型进行分期分类，并从OCT图像预测视力	首次在临床前模型中同时利用OCT和组织学图像进行视网膜变性分期分类，并基于OCT图像预测视力，为基于AI的跨物种视网膜变性监测和治疗反应评估提供了新框架	研究基于RCS大鼠模型，结果向人类或其他物种的推广性需进一步验证；样本量相对有限，且依赖于特定时间点的数据采集	开发一种基于深度学习的准确、客观方法，用于视网膜变性分期分类和视力预测，以促进AI在视网膜疾病监测和治疗评估中的应用	皇家外科医生（RCS）大鼠，一种广泛使用的视网膜变性模型，涉及35只不同性别的大鼠，从出生后第21天开始在不同时间点进行测试	计算机视觉	视网膜变性	光学相干断层扫描（OCT），组织学成像	CNN	图像	OCT图像62,070张，组织学图像16,306张，来自35只RCS大鼠	PyTorch	ResNet18	准确率, F1分数, 均方误差, 平均绝对误差	NA
616	2026-03-13	Tumor-conditioned inter-patient registration using planning computed tomography for voxel-based analysis to predict radiation pneumonitis in lung cancer patients 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100907 PMID:41631006	研究论文	本研究评估了一种肿瘤保留的跨患者可变形图像配准方法（TRACER）在基于体素的分析中预测肺癌患者放射性肺炎的效果	提出并验证了TRACER方法，该方法在跨患者配准中更好地保留了肿瘤体积并减少了器官剂量影响，从而提高了放射性肺炎的预测准确性	研究仅针对局部晚期非小细胞肺癌患者，样本量有限（240例），且依赖于特定数据集进行训练	评估肿瘤保留的跨患者可变形图像配准方法是否改善基于体素分析的放射性肺炎预测	局部晚期非小细胞肺癌患者	数字病理学	肺癌	可变形图像配准，基于体素的分析，机器学习	深度学习模型	CT图像	训练集268例局部晚期非小细胞肺癌患者，测试集240例同类患者	NA	Tumor-Aware Recurrent Registration (TRACER), Patient-Specific Context and Shape (PACS), Symmetric Normalization (SyN)	AUC, 特异性	NA
617	2026-03-13	FaXNet: a frequency-adaptive, explainable, and uncertainty-aware network for influenza forecasting 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1746529 PMID:41705058	研究论文	本文提出了一种名为FaXNet的频率自适应、可解释且不确定性感知的深度学习框架，用于中国北方和南方地区的流感预测	该研究创新性地将数据驱动的频谱表示与可解释的组件选择及概率预测相结合，以捕捉多尺度时间动态并提供可靠的预测不确定性估计	模型性能可能依赖于监测数据的完整性，且仅考虑了有限的外生协变量（如气象变量），未来可扩展至更多驱动因素（如人口流动或疫苗接种数据）并进行更广泛的外部验证	开发一个准确、可解释且能提供不确定性估计的流感预测模型，以支持公共卫生准备和资源规划	中国北方和南方地区的每周流感阳性率数据，以及ERA5-Land气象变量（温度、露点、降水）	机器学习	流感	深度学习	深度学习框架	时间序列数据	2011年至2023年中国北方和南方地区的每周流感阳性率数据及气象变量	NA	FaXNet	R2, 校准指标	NA
618	2026-03-13	Ensemble and temporal feature-based framework for rainfall classification in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342646 PMID:41805918	研究论文	本研究提出了一个基于集成和时间特征的机器学习框架，用于孟加拉国的降雨强度分类	结合了多种传统机器学习模型和深度学习架构，并采用LIME和SHAP进行模型可解释性分析，以识别关键预测因子及其交互作用	未使用SMOTE处理类别不平衡，因为其泛化能力较差；模型准确率最高为77.37%，仍有提升空间	开发一个稳健的机器学习框架，用于孟加拉国的降雨强度分类，以支持农业、水资源管理和灾害准备	孟加拉国35个气象站收集的543,839条日天气记录，包括降雨、温度、湿度和日照时长	机器学习	NA	NA	Random Forest, Decision Trees, Gradient Boosting, K-Nearest Neighbors, Naïve Bayes, XGBoost, LightGBM, CatBoost, ANN, DNN, 1D-CNN, LSTM, Bi-LSTM	表格数据（天气记录）	543,839条日记录	Scikit-learn, TensorFlow, PyTorch	Random Forest, Decision Trees, Gradient Boosting, K-Nearest Neighbors, Naïve Bayes, XGBoost, LightGBM, CatBoost, ANN, DNN, 1D-CNN, LSTM, Bi-LSTM	准确率	NA
619	2026-03-13	Development and Clinical Application of a Deep Learning-Based AI Support Model for Endometrial Cancer Cytology 2026, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2026_93-115 PMID:41813210	研究论文	本研究开发并评估了一种基于深度学习的AI支持模型，用于子宫内膜癌细胞学诊断，以提高诊断准确性和效率	结合YOLOv5x和YOLOv7模型，通过两种不同标注策略的数据集进行优化，并利用TOST分析和Grad-CAM可视化技术增强模型的可解释性和临床适用性	未明确提及模型在多样化临床环境中的泛化能力或长期稳定性验证	开发并评估一种AI支持模型，以减轻子宫内膜癌细胞学诊断的负担并提高诊断准确性	子宫内膜癌细胞学样本，包括良性和恶性细胞簇	计算机视觉	子宫内膜癌	细胞学分析	CNN	图像	NA	PyTorch	YOLOv5x, YOLOv7	平均精度均值	NA
620	2026-03-13	AJUBA: The Master Regulator Bridging EMT and Immune Evasion in Colorectal Cancer 2026, Mediators of inflammation IF:4.4Q2 DOI:10.1155/mi/7828477 PMID:41814682	研究论文	本研究识别了AJUBA作为结直肠癌中连接上皮-间质转化与免疫调节的关键调控因子	首次将AJUBA确立为连接EMT与免疫逃避的关键调控因子，并揭示了其在肿瘤微环境中与癌症相关成纤维细胞共定位及调控M2巨噬细胞极化的新机制	研究主要基于回顾性队列和体外/体内模型，缺乏前瞻性临床验证；样本量相对有限（90例患者）	阐明结直肠癌中连接上皮-间质转化与免疫微环境改变的分子机制	结直肠癌患者样本、细胞系及异种移植模型	机器学习, 深度学习	结直肠癌	转录组测序, 单细胞RNA测序, 空间转录组学, 定量PCR, 蛋白质印迹, 免疫组织化学	机器学习, 深度学习	转录组数据, 单细胞RNA测序数据, 空间转录组数据, 临床数据	多队列转录组数据集（TCGA-CRC等5个公共数据集）及90例CRC患者样本	ssGSEA, CIBERSORT	NA	风险比, 置信区间, p值	NA