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
1921	2026-01-21	Convolutional recurrent U-net for cardiac cine MRI reconstruction via effective spatio-temporal feature exploitation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70245 PMID:41474064	研究论文	本文提出了一种名为CRUNet-MR的新型深度学习模型，通过结合卷积循环操作与U-Net架构，有效利用心脏电影MRI序列的时空特征，以提升高加速条件下的图像重建性能	将卷积循环操作与U-Net结构相结合，持续提取时间特征并融合细粒度空间细节与高层语义信息，同时引入扩张卷积以扩大空间感受野，探索不同扩张因子的组合以优化整体性能	模型在公开数据集上表现优异，但未在更广泛或多样化的临床数据集中进行全面验证，且内部数据集规模较小，可能影响泛化能力的全面评估	提升心脏电影MRI在高加速条件下的图像重建质量，通过有效利用时空特征来加速扫描并保持诊断准确性	心脏电影MRI序列，特别是动态心脏区域	计算机视觉	心血管疾病	心脏电影MRI	深度学习模型	图像	训练集120名受试者，验证集60名，测试集120名，外加一个小型内部LUMC数据集	NA	U-Net, 卷积循环网络	SSIM	NA
1922	2026-01-21	A deep-learning model for one-shot transcranial ultrasound simulation and phase aberration correction 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70259 PMID:41474058	研究论文	本文提出了一种深度学习模型TUSNet，用于快速准确地模拟经颅超声压力场并进行相位畸变校正	开发了TUSNet这一端到端神经网络，实现了超快速（21毫秒）的经颅超声压力场预测和相位校正，计算速度比传统方法k-Wave快1200倍以上	当前验证基于模拟、无噪声的超声场，未来需要在真实临床条件下进行实验研究以评估性能	解决经颅超声治疗中计算效率与准确性之间的权衡问题，加速超声治疗规划	经颅超声压力场和相位畸变校正	机器学习	NA	深度学习	神经网络	CT图像	训练集：180432个合成颅骨CT片段；测试集：1232个真实颅骨CT片段	NA	TUSNet	峰值压力幅度估计准确率，焦点定位误差	4x NVIDIA A100 80 GB GPUs
1923	2026-01-21	Deep learning-based severity grading of Meniere's disease using 2D MRI 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70268 PMID:41491611	研究论文	本文开发了一种基于深度学习的多阶段严重程度评估系统（MSAS），用于利用2D MRI对梅尼埃病进行精确分割和严重程度分层	提出了一种新颖的深度学习框架MSAS，整合了序列级预测和切片级分割，并结合了HOG、SVM、YOLO-V5和Grad-CAM技术，提高了梅尼埃病严重程度分级的准确性和可解释性	研究样本量相对有限（开发队列189例，外部测试集70例），且仅基于2D MRI数据，可能未涵盖所有临床变异	开发并评估一个深度学习框架，以提升梅尼埃病的诊断准确性和严重程度分级	梅尼埃病患者	数字病理学	梅尼埃病	2D磁共振成像（MRI）	YOLO-V5, SVM	图像	开发队列189例患者，外部测试集70例患者	NA	YOLO-V5	IoU, Dice系数, 准确率, mAP, AUC	NA
1924	2026-01-21	Image enhancement for accelerated MRI using a joint GAN and diffusion model framework 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70242 PMID:41492035	研究论文	本研究提出了一种结合生成对抗网络和扩散模型的深度学习框架，用于增强加速MRI的图像质量，以减少采集时间并确保肿瘤靶向的准确性	提出了一种新颖的端到端深度学习框架RRENet，首次将GAN和扩散模型结合用于加速MRI图像增强，并引入了高频分离训练模块以保留精细解剖细节	研究样本量相对较小（62名患者），且仅针对特定类型的MRI（3D T2加权）和特定疾病（胶质瘤）进行了验证	提升加速MRI采集的图像质量，以确保精确的肿瘤靶向配准并缩短患者在治疗床上的时间	62名胶质瘤患者的72对3D T2加权MRI扫描（标准协议与加速协议）	计算机视觉	胶质瘤	MRI	GAN, 扩散模型	图像	62名患者的72对3D T2加权MRI扫描	NA	RRENet	PSNR, SSIM, RMSE	NA
1925	2026-01-21	An exploratory study on integrating radiomics with vision transformers for enhancing medical imaging classification accuracy 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70246 PMID:41499345	研究论文	本研究提出了一种将影像组学特征与视觉Transformer（ViT）相结合的统一框架（RE-ViT），用于提升医学图像分类的准确性	提出了一种新颖的Radiomics-Embedded Vision Transformer（RE-ViT）框架，首次将手工提取的影像组学特征与ViT的数据驱动视觉嵌入在ViT架构内进行融合，以弥补ViT在医学影像中数据需求大、缺乏归纳偏置的不足，并增强特征表示能力	研究仅在三个公开数据集上进行了验证，模型的普适性有待在更多样化的数据集和临床场景中进一步检验；RE-ViT框架的复杂性可能带来计算开销的增加	开发并评估一个融合影像组学和ViT嵌入的框架，以改善异质性医学数据集的图像分类特征表示	医学图像，具体包括乳腺超声图像（BUSI）、胸部X光图像（ChestXray2017）和视网膜OCT图像（Retinal OCT）	计算机视觉	乳腺癌, 肺炎, 视网膜疾病	影像组学特征提取, 深度学习	Vision Transformer (ViT), CNN	图像	三个公开数据集：BUSI、ChestXray2017、Retinal OCT，使用10折交叉验证	PyTorch	Vision Transformer (ViT), VGG-16, ResNet, TransMed	准确率, AUC, 灵敏度, 特异性	NA
1926	2026-01-21	Fluoro-forest: a random forest workflow for cell type annotation in high-dimensional immunofluorescence imaging with limited training data 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf320 PMID:41523652	研究论文	提出一个名为Fluoro-forest的随机森林工作流，用于在训练数据有限的高维免疫荧光成像中进行细胞类型注释	采用半监督随机森林方法，结合基于聚类的采样和下游可视化，以提升细胞类型注释的准确性和可解释性	训练数据量有限（少于总细胞数的5%），可能影响模型在更复杂数据上的泛化能力	开发一个端到端管道，以改进高维免疫荧光成像中的细胞类型注释	免疫荧光成像数据中的细胞	数字病理学	NA	循环免疫荧光（IF）技术	随机森林	图像	NA	NA	随机森林	NA	NA
1927	2026-01-21	Core Concepts for Early Childhood Microbiology Education 2026-Jan, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70268 PMID:41543496	研究论文	本文探讨了如何将微生物学有意义地整合到学龄前儿童（6岁以下）的科学教育中	提出并实施了一个名为Ciencia Maravilla的早期儿童微生物学教育项目，结合游戏、故事讲述和实验，以促进好奇心、批判性思维和早期科学素养，并倡导超越以人类健康为中心的更广泛的生态学视角	NA	研究如何将微生物学整合到学龄前儿童的科学教育中，以培养科学思维技能并纠正对微生物的常见误解	学龄前儿童（6岁以下）	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1928	2026-01-21	Towards practical AI for agriculture: A self-supervised attention framework for Spinach leaf disease detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340989 PMID:41544134	研究论文	本文提出了一种用于菠菜叶病害检测的自监督注意力框架，旨在开发实用的农业人工智能应用	结合了自监督预训练（SimSiam）、注意力机制（CBAM）和Transformer架构，在有限标注数据下实现了高精度和可解释性，并针对边缘部署进行了优化	模型在ImageNet-22k预训练的SwinV2-Base上达到更高精度，但参数量大且依赖大规模预训练，边缘部署可行性较低	开发高效且可解释的深度学习框架，用于自动检测马拉巴尔菠菜叶病害	马拉巴尔菠菜叶片	计算机视觉	植物病害	深度学习，自监督学习，注意力机制	CNN, Transformer	图像	从哈比甘杰农业大学收集并补充公开样本的马拉巴尔菠菜图像数据集，分为三类：链格孢叶斑病、草莓螨侵染和健康叶片	PyTorch	SpinachCNN, Spinach-ResSENet, Vision Transformer (SpinachViT), SwinV2-Base, SimSiam-CBAM-ResNet-50	准确率, 宏ROC-AUC, 校准误差	NA
1929	2026-01-21	Cycle-Consistent Zero-Shot Through-Plane Super-Resolution for Anisotropic Head MRI 2026, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-96628-6_17 PMID:41552688	研究论文	本文提出了一种基于循环一致性的零样本各向异性头部MRI超分辨率方法，利用去噪扩散零空间模型确保高分辨率图像与低分辨率观测的精确一致性	通过分析2D MRI采集的前向问题构建线性映射，结合去噪扩散概率模型实现零样本超分辨率，保证循环一致性同时生成逼真图像	方法主要针对T1加权头部MRI图像，在其他MRI序列或身体部位的泛化能力未验证	解决临床各向异性MRI图像的低分辨率问题，通过超分辨率技术提升图像质量	各向异性头部MRI图像	医学影像处理	NA	MRI成像	去噪扩散概率模型	MRI图像	来自多个数据集的T1加权头部MRI图像，包括训练集保留对象及两个外部站点数据	NA	DDNM（去噪扩散零空间模型）	失真度量，感知度量	NA
1930	2026-01-20	A review of deep learning techniques in Alzheimer's disease with emphasis on data tools and transfer learning 2026-Jan-26, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.12.032 PMID:41401894	综述	本文综述了深度学习技术在阿尔茨海默病中的应用，重点关注数据工具和迁移学习方法	强调迁移学习在解决数据标注不足和类别不平衡问题上的创新应用，并全面回顾了数据预处理工具	未提出新的模型或算法，主要基于现有文献进行总结，可能未涵盖所有最新研究进展	回顾深度学习特别是迁移学习在阿尔茨海默病阶段分类中的应用，并讨论相关挑战	阿尔茨海默病的早期识别和阶段分类	机器学习	阿尔茨海默病	NA	深度学习	图像（MRI, PET）	NA	NA	NA	NA	NA
1931	2026-01-20	A chronic kidney disease prediction system based on Internet of Things using walrus optimized deep learning technique 2026-Jan-19, Informatics for health & social care IF:2.5Q3 DOI:10.1080/17538157.2025.2610695 PMID:41553156	研究论文	本文提出了一种基于物联网的慢性肾病预测系统，采用海象优化的深度学习技术	结合了增强残差网络50进行特征提取，并引入了基于精英对立和柯西分布的海象优化算法进行特征选择，以及海象优化的双向长短期记忆网络进行分类	未提及模型在外部验证集上的泛化能力或计算效率的具体评估	开发一种高效的慢性肾病预测系统，以提升医疗保健服务	慢性肾病患者的医疗数据	机器学习	慢性肾病	物联网数据采集与处理	深度学习	结构化医疗数据	NA	NA	EResNet50, WOBLSTM	灵敏度	NA
1932	2026-01-20	Hybrid imaging-clinical model for predicting microvascular invasion in hepatocellular carcinoma using deep learning-derived features from CT 2026-Jan-19, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01689-w PMID:41553627	研究论文	本研究提出了一种结合深度学习和机器学习技术的方法，利用CT图像中的脂肪组织特征来预测肝细胞癌患者的微血管侵犯状态	首次整合脂肪组织深度特征与临床特征构建混合模型，用于预测肝细胞癌的微血管侵犯，并通过可视化分析验证了脂肪组织模态的临床诊断价值	研究仅基于两个中心的517例患者数据，样本量相对有限，且未进行外部验证	开发一种预测肝细胞癌微血管侵犯的混合成像-临床模型	肝细胞癌患者	计算机视觉	肝细胞癌	增强计算机断层扫描	深度学习, 机器学习	图像	517例肝细胞癌患者	NA	NA	AUC, 决策曲线分析, 散点图, 箱线图	NA
1933	2026-01-20	EvoZymePro-Cat: A Protein-Ligand-Aware Deep Learning Framework for Predicting Mutation Effects in Enzyme Function 2026-Jan-16, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00755 PMID:41422407	研究论文	本文提出了一种名为EvoZymePro-Cat的深度学习框架，用于预测突变对酶功能的影响，并通过比较预测突变活性来筛选改进的酶突变体	提出了一种成对比较框架，直接建模变体间的相对活性优势，避免了绝对活性预测的系统误差；整合了蛋白质和配体的全序列与局部结构语义，并利用双线性注意力机制捕获催化过程中的长程分子间相互作用	未明确说明模型在跨酶家族或不同反应类型中的泛化能力，也未详细讨论计算资源需求或运行时间	开发一个深度学习平台，用于高效筛选酶突变体，以推动酶的高效发现和定向进化	酶突变体及其功能活性	机器学习	NA	深度学习	Transformer, 注意力机制	蛋白质序列、配体分子表示、结构特征	NA	NA	ESM1b, MolT5, 双线性注意力机制	AUC	NA
1934	2026-01-20	AggrescanAI: Prediction of Aggregation-Prone Regions Using Contextualized Embeddings 2026-Jan-16, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2026.169643 PMID:41548690	研究论文	本文介绍了AggrescanAI，一种基于深度学习的工具，可直接从蛋白质序列预测残基水平的聚集倾向	利用ProtT5蛋白质语言模型的上下文嵌入，无需结构数据即可捕获序列中隐含的丰富信息，代表了新一代基于序列的聚集预测工具	未明确说明模型在特定蛋白质类型或极端条件下的泛化能力限制	开发一种能够准确预测蛋白质序列中聚集倾向区域（APRs）的深度学习工具	蛋白质序列及其聚集倾向区域	自然语言处理	神经退行性疾病	蛋白质语言模型	深度学习	序列数据	通过同源转移扩展的实验注释APRs数据集	TensorFlow, PyTorch	ProtT5	交叉验证，外部基准测试	Google Colab
1935	2026-01-20	Explainable AI for pain perception: subject-independent EEG decoding using DeepSHAP and CNNs 2026-Jan-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae34b4 PMID:41499809	研究论文	本研究使用可解释的深度学习（DeepSHAP和CNN）从EEG信号中解码疼痛感知，实现主体独立的疼痛水平分类	首次将DeepSHAP可解释性技术应用于EEG疼痛解码，识别出与高低疼痛状态相关的特定频率带贡献	样本量较小（50名受试者），仅针对低和高两种疼痛刺激水平，未涵盖更广泛的疼痛强度范围	开发可解释的深度学习模型，用于从EEG信号中客观监测疼痛水平	50名受试者在低和高疼痛刺激下的EEG信号	机器学习	NA	EEG信号分析	CNN	EEG信号	50名受试者	NA	1D CNN	分类准确率	NA
1936	2026-01-20	Skin disease diagnostics through federated transfer learning on heterogeneous data 2026-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31730-7 PMID:41540083	研究论文	本文提出了一种结合联邦学习和迁移学习的隐私保护方法，用于皮肤疾病的诊断，旨在解决医疗数据短缺和隐私限制问题	结合联邦学习与迁移学习，构建了一个隐私保护的诊断生态系统，并在异构数据上验证了模型的有效性	未明确说明模型在更广泛或真实世界临床环境中的泛化能力，以及具体的数据隐私保护机制细节	开发一种高效、轻量且隐私保护的皮肤疾病诊断方法，以提升诊断准确性并适应资源受限设备	皮肤疾病	机器学习	皮肤疾病	联邦学习, 迁移学习	DNN	图像数据（推断自皮肤疾病诊断）	NA	NA	密集神经网络	交叉验证准确率	资源受限设备（如边缘设备）
1937	2026-01-20	Modeling Ischemic Stroke Pathological Dynamics via Continuous Fields and Vector Flow 2026-Jan-15, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02222-9 PMID:41540225	研究论文	提出了一种名为StrokeFlow的新型框架，用于将缺血性卒中区域建模为连续场，以更精确地定位扩散加权MRI中的灌注缺损	将缺血性卒中建模从离散二值分割转向连续、功能感知的场表示，并引入了与表观扩散系数图负梯度对齐的矢量流场来模拟灌注缺损的方向性	仅使用了公开的ISLES 2022数据集进行评估，未在更广泛或多样化的临床数据上进行验证	开发一种更精确、生物学上更合理且可解释的工具，用于缺血性卒中的临床评估	急性缺血性卒中患者的扩散加权MRI图像	医学影像分析	缺血性卒中	扩散加权MRI	基于坐标的神经网络	医学影像	ISLES 2022公开数据集	NA	StrokeFlow	95% Hausdorff Distance, 敏感性	NA
1938	2026-01-20	Machine Learning for Separating Dopamine and Octopamine Electrochemical Signals in Drosophila 2026-Jan-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04155 PMID:41480932	研究论文	本研究利用深度学习回归方法，通过分析颜色图分离果蝇中多巴胺和章鱼胺的电化学信号	采用改进的U-Net架构作为回归模型，利用章鱼胺的独特初级氧化峰预测其二级氧化峰，从而从混合信号中分离多巴胺贡献，克服了传统方法假设伏安图形状固定的局限性	方法依赖于计算生成的混合物作为地面真实值进行训练，可能无法完全捕捉实验条件下的所有变异性	开发一种机器学习方法，用于同时检测和分离果蝇中多巴胺和章鱼胺的重叠电化学信号	果蝇中的多巴胺和章鱼胺神经递质	机器学习	NA	快速扫描循环伏安法	深度学习回归	颜色图（伏安图）	NA	NA	U-Net	归一化均方根误差, 相关系数, 一致性相关系数	NA
1939	2026-01-20	Development and validation of a novel multimodal deep learning model integrating histopathology, radiology, and clinical data to predict primary non-response to infliximab in patients with Crohn's disease 2026-Jan-09, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjaf206 PMID:41298328	研究论文	本研究开发并验证了一种整合组织病理学、放射学和临床数据的多模态深度学习模型，用于预测克罗恩病患者对英夫利昔单抗的初始无应答	首次将TabNet模型应用于临床和实验室特征，并采用多实例学习框架整合多模态信息，以预测英夫利昔单抗的初始无应答	研究为回顾性分析，样本量相对较小（188例患者），且仅针对英夫利昔单抗一种药物	提高克罗恩病患者对英夫利昔单抗治疗反应的预测准确性，推动精准医疗发展	克罗恩病患者	数字病理学	克罗恩病	计算机断层扫描肠造影（CTE）、内镜组织病理学全切片活检图像	TabNet	图像、文本	188例患者（内部训练集93例，内部验证集38例，外部测试集57例）	NA	TabNet	AUC	NA
1940	2026-01-20	RCSB Protein Data Bank: Delivering integrative structures alongside experimental structures and computed structure models 2026-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1187 PMID:41206752	研究论文	本文介绍了RCSB.org在整合结构数据管理方面的扩展能力，使其能够与单一方法实验结构和计算结构模型一同支持发现、分析和可视化	将PDB-IHM系统与PDB统一，首次在RCSB.org上实现对整合结构、单一方法实验结构和计算结构模型的集成访问	未提及具体的数据处理技术限制或用户访问性能问题	扩展RCSB.org的数据服务能力，以支持更广泛的结构生物学研究	蛋白质数据银行（PDB）中的大分子三维结构数据，包括实验结构、计算结构模型和整合结构	结构生物信息学	NA	整合/混合方法（IHM）、深度学习、大分子晶体学、3D电子显微镜、核磁共振波谱	NA	三维结构数据	超过240,000个实验结构和超过100万个计算结构模型	NA	NA	NA	NA