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
1661	2026-02-22	Deep Learning-Based Spatial Immunoprofiling of Multiplex Immunofluorescence Images Distinguishes Tuberculosis Disease States in Diversity Outbred Mice 2026-Jan-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.26.701667 PMID:41659494	研究论文	本文利用深度学习技术对多重免疫荧光图像进行空间免疫分析，以区分多样性远交小鼠中的结核病不同疾病状态	开发了新的准确模型来自动分割肺肉芽肿并提取细胞空间特征，并首次提出使用大型语言模型解码肉芽肿内的复杂细胞模式	研究基于小鼠模型，无法直接应用于人类，且样本数量有限	识别指示无症状肺部感染的细胞空间特征，以填补结核病肉芽肿组织知识空白	感染结核分枝杆菌的多样性远交小鼠的肺组织切片	数字病理学	结核病	多重免疫荧光染色	深度学习模型, 大型语言模型	图像	多样性远交小鼠的肺组织切片，涵盖急性肺结核、无症状感染和慢性肺结核三种疾病状态	NA	NA	NA	NA
1662	2026-02-22	Deep learning for malignancy and tumor origin prediction using cytology or histopathology whole slide images 2026-Jan-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02359-1 PMID:41580547	研究论文	提出一种数据高效的深度学习框架MAMILE-UNI，用于从细胞学或组织病理学全玻片图像中预测恶性肿瘤和肿瘤起源	首次将深度学习应用于胸腹水细胞学领域，开发了可直接从细胞学涂片或细胞块全玻片图像检测恶性肿瘤的数据高效框架	未明确说明模型在外部验证集上的泛化能力及临床部署的可行性	提高胸腹水细胞学中恶性肿瘤诊断和肿瘤起源预测的准确性与一致性	胸腹水细胞学涂片、细胞块和组织病理学全玻片图像	数字病理学	转移性癌症	全玻片成像	深度学习	图像	1250张细胞学全玻片图像和1196张组织病理学全玻片图像	NA	MAMILE-UNI	AUROC, MeanSS, 准确率, 精确率, 灵敏度, F1分数, 特异度	NA
1663	2026-02-22	HMC-transducer: hierarchical mamba-CNN transducer for robust liver tumor segmentation 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02361-7 PMID:41577985	研究论文	提出一种名为HMC-transducer的新型混合架构，用于从CT扫描中准确分割肝脏肿瘤	提出了一种结合CNN与Mamba状态空间模型优势的混合架构，核心创新包括方向感知的3D Mamba块和带有门控融合机制的Mamba-CNN Transducer块，以线性复杂度实现长程依赖建模	NA	开发一种鲁棒且高效的肝脏肿瘤分割模型，以克服现有CNN和Transformer模型在局部特征捕获与长程依赖建模之间的权衡问题	肝脏肿瘤	计算机视觉	肝癌	计算机断层扫描	CNN, Mamba	图像	NA	NA	HMC-transducer, DA3D-Mamba, Mamba-CNN Transducer	分割准确率	NA
1664	2026-02-22	Reconstruction of Extreme Sea Levels in coastal China using Multiple Deep Learning models 2026-Jan-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06593-w PMID:41554759	研究论文	本研究利用多种深度学习模型重建了中国沿海1970-2020年逐日最大水位数据集	首次将基于Informer的深度学习工作流应用于中国沿海风暴潮残差预测，并综合多种模型（LSTM、CNN-LSTM、ConvLSTM）进行性能对比	数据重建存在平均14.9厘米的非重合偏差，且极端水位事件的预测相关性相对较低（0.68）	重建中国沿海极端水位数据以支持海岸灾害缓解研究	中国沿海23个潮位站的逐日最大水位数据	机器学习	NA	深度学习模型集成、天文潮汐估计（UTide）、再分析数据融合	Informer, LSTM, CNN-LSTM, ConvLSTM	时间序列数据（水位、气象再分析数据）	23个潮位站1970-2020年的逐日数据	NA	Informer, LSTM, CNN-LSTM, ConvLSTM	相关系数, RMSE	NA
1665	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
1666	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
1667	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
1668	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
1669	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
1670	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
1671	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
1672	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
1673	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	本研究整合临床、基因组、病理、微生物组和环境数据，利用主题建模和机器学习/深度学习模型预测子宫内膜癌复发。	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因素与临床、病理和基因组数据整合，用于子宫内膜癌复发预测，并采用主题建模揭示因素复杂性。	TCGA数据中微生物组数据存在缺失，可能影响模型外部验证的完整性。	评估外在和环境因素（包括肿瘤相关细菌群落、肿瘤免疫微环境和空气污染）与临床、病理和基因组特征是否与不同风险组子宫内膜癌复发相关。	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
1674	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
1675	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
1676	2026-01-30	Deep learning for construction waste detection using ConvNeXt V2 EMA attention and WIoU v3 loss 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37473-3 PMID:41606243	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1677	2026-02-20	Deep residual networks with convolutional feature extraction for short-term load forecasting 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35410-y PMID:41588046	研究论文	本研究提出了一种嵌入卷积神经网络的深度残差网络，用于提升短期负荷预测在特征提取和泛化能力方面的性能	将基于CNN的局部特征提取集成到深度残差网络框架中，以捕获细粒度时空负荷模式，并利用残差学习缓解梯度退化，提高网络稳定性	未明确提及具体局限性，但未来研究方向包括扩展到多区域多尺度预测、引入注意力机制以及探索自适应混合残差架构	提升短期负荷预测的准确性、鲁棒性和对不同气候条件的适应性	短期电力负荷数据	机器学习	NA	NA	CNN, 残差网络	时间序列数据	两个数据集：代表温带气候的ISO-NE数据集和代表热带气候的马来西亚数据集	NA	CNN-Embedded Deep Residual Network	平均绝对百分比误差	NA
1678	2026-02-20	Magnetotelluric forward modeling on fine grid via deep learning with physical information constraints 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37645-1 PMID:41593154	研究论文	本研究结合深度学习与传统正演技术，通过物理信息约束实现高精度高效的磁大地电流正演建模	提出结合深度学习与传统正演方法，利用物理信息约束训练多任务模型，在保持精度的同时显著减少计算时间，突破传统方法的效率瓶颈	未明确提及模型在复杂地质条件下的泛化能力或实际野外数据验证的局限性	实现高精度与高效率协同的磁大地电流正演建模	地下介质的电阻率模型及其磁大地电流响应	地球物理建模	NA	磁大地电流正演建模，立方样条插值	深度学习模型	合成电阻率模型数据	NA	NA	Swin-UNet，以Swin Transformer为骨干	正演时间减少，精度保持	NA
1679	2026-02-20	AE-LFOG-YOLO: robust safety helmet detection via adaptive anchors and illumination invariant learning 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37326-z PMID:41593153	研究论文	提出一种名为AE-LFOG-YOLO的端到端框架，通过自适应锚框和光照不变学习增强YOLOv8，用于复杂工业场景下鲁棒的安全帽检测	1) 引入光照不变模块，采用双路径特征解耦策略抑制光照伪影；2) 提出自适应进化-光场优化生成算法，利用局部光照梯度和薄透镜成像原理动态优化锚框参数	仅针对隧道施工场景进行验证，未在其他工业环境测试泛化能力	提升高风险工业环境中安全帽检测的鲁棒性，特别是应对严重光照不均和多尺度目标挑战	隧道施工场景中的安全帽	计算机视觉	NA	深度学习	CNN	图像	真实世界隧道数据集（具体数量未说明）	PyTorch（基于YOLOv8推断）	YOLOv8	mAP@0.5	NA
1680	2026-02-20	Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37085-x PMID:41593175	研究论文	提出一种基于深度学习的系统，利用对比增强CT图像预测肝细胞癌切除体积，以提高术前规划的准确性和效率	开发了名为Liver Resection Volume Calculation with Deep learning的人工智能系统，能够将计算时间减少近二十倍，并与经验丰富的外科医生规划结果保持一致	NA	提高肝细胞癌术前手术规划中肝脏切除体积计算的准确性和效率	990例病理确诊的肝细胞癌患者的医学影像扫描数据	计算机视觉	肝细胞癌	对比增强计算机断层扫描	深度学习	图像	990例患者	NA	NA	实质肝切除率	NA