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
4101	2026-02-10	Multi-agent coordination and uncertainty adaptation in deep learning-assisted hierarchical optimization for renewable-dominated distribution networks 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35945-0 PMID:41530242	研究论文	本研究提出了一种深度学习辅助的分布式鲁棒优化框架，用于提升可再生能源主导的配电网在不确定性下的经济效率和运行可靠性	提出了一种结合深度学习与分布式鲁棒优化的混合框架，通过深度学习模块推断不确定变量的概率结构，并利用自适应重构的模糊集实现系统级的鲁棒性，从而动态调整保守性，在成本、可靠性和可再生能源利用率之间实现更好的权衡	NA	解决可再生能源大规模接入带来的多层不确定性对电力系统运行的挑战，提升经济效率与运行可靠性	可再生能源主导的配电网（特别是包含太阳能、风能和负荷波动的系统）	机器学习	NA	深度学习，分布式鲁棒优化，强化学习	深度神经网络	高分辨率气象数据，运行数据	NA	NA	NA	总运行成本，可靠性指数，可再生能源利用率，碳排放量	NA
4102	2026-01-15	Deep learning-based automatic segmentation and classification for cervical cancer detection using an improved U-Net and ensemble methods 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35299-7 PMID:41530249	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4103	2026-02-10	Assessment of influencing factors of college and universities' teaching effects using fuzzy and deep learning techniques 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35940-5 PMID:41530457	研究论文	本研究结合模糊逻辑和深度学习技术，评估了影响高校教学效果的因素	首次将模糊逻辑与深度学习相结合，用于处理教育数据中的不确定性和模糊性，以更精确地评估教学效果	未具体说明数据来源的机构数量或类型，可能影响模型的泛化能力	开发一种先进的方法来评估高等教育机构的教学效果	高校教学过程中的影响因素，如师生比、学生学业成绩和教师专业知识	机器学习	NA	模糊逻辑, 深度学习	深度学习模型	结构化教育数据	来自多个机构的数据，具体数量未说明	NA	NA	准确率, 召回率, F1分数, 错误率	NA
4104	2026-02-10	Explainable deep learning for skin cancer detection using swish-activated convolutional networks 2026-Jan-10, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04386-6 PMID:41519999	研究论文	提出一种使用Swish激活函数的深度卷积神经网络，用于皮肤癌检测，并结合可解释人工智能方法提高模型的透明度和可靠性	采用Swish激活函数的独特DCNN架构，并结合局部和全局可解释人工智能方法，为医疗应用提供透明可靠的诊断框架	模型计算效率有待提高，需要纳入更多数据集以确保在不同人口群体中的鲁棒性和公平性	开发可解释的深度学习模型，用于皮肤癌的早期准确诊断	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	DCNN	准确率, 精确率, 召回率, F1分数	NA
4105	2026-02-10	inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences 2026-Jan-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag026 PMID:41557841	研究论文	本文介绍了inMOTIFin，一个轻量级、模块化且用户友好的基于Python的软件，用于高效模拟和修改DNA调控序列	inMOTIFin提供了端到端的灵活性，支持可定制的基序生成和实例插入，并允许直接修改真实序列，弥补了现有模拟器在集成和易用性方面的不足	NA	开发一个用于分析转录调控语法的生物信息学框架的模拟软件，以验证相关方法	DNA调控序列	生物信息学	NA	DNA序列模拟	NA	序列数据	NA	Python	NA	NA	NA
4106	2026-02-10	Variational autoencoder-based deep learning and radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced oesophageal squamous cell carcinoma 2026-Jan-01, The British journal of radiology DOI:10.1093/bjr/tqaf239 PMID:40996309	研究论文	本研究利用基于变分自编码器的深度学习和放射组学技术，预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解	创新性地结合了基于变分自编码器的深度学习和放射组学来构建预测模型	NA	预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解	局部晚期食管鳞状细胞癌患者	数字病理学	食管鳞状细胞癌	增强CT	VAE	图像	训练队列253名患者，测试队列40名患者	NA	NA	AUC, Precision, Recall, F1-score	NA
4107	2026-02-10	Diagnostic performance of artificial intelligence in radiographs for pneumoperitoneum detection: a systematic review and meta-analysis 2026-Jan-01, The British journal of radiology DOI:10.1093/bjr/tqaf309 PMID:41442471	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能算法在医学影像中检测气腹症的诊断准确性	这是首个评估人工智能在气腹症诊断中准确性的荟萃分析，比较了深度学习与机器学习模型的性能，并揭示了AI在临床工作流程中提升早期诊断和优先级排序的潜力	研究存在异质性，未来需要更大样本量的前瞻性多中心研究以及多种模型的比较	评估人工智能算法在医学影像中检测气腹症的诊断准确性	基于人工智能的放射影像模型	计算机视觉	气腹症	放射影像	深度学习, 机器学习	图像	14个AI模型被分析，具体样本量未明确说明	NA	NA	灵敏度, 特异度, 诊断比值比, 曲线下面积, 阴性似然比, 阳性似然比	Open Meta-Analyst软件, STATA 17.0
4108	2026-02-10	Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101091 PMID:41458146	研究论文	本研究提出了一种基于nnU-Net的深度学习模型，用于前列腺癌放疗中磁共振成像上泌尿器官风险区域的自动分割	首次提出使用nnU-Net深度学习模型在多中心磁共振图像数据集上分割泌尿器官风险区域，并应用于不同的临床设备	泌尿器官风险区域的分割性能存在局部不匹配，Dice系数在0.50-0.68之间，可能受患者间解剖变异影响，需要进一步评估剂量学影响	开发一种自动分割方法，用于前列腺癌放疗中泌尿器官风险区域的磁共振图像分割，以减少临床实践中手动勾画的时间和观察者间变异	前列腺癌患者的磁共振图像，重点关注泌尿器官风险区域，如前列腺内尿道和膀胱三角区	数字病理	前列腺癌	磁共振成像	CNN	图像	265例磁共振图像	nnU-Net	nnU-Net	Dice分数系数, 表面距离, Hausdorff距离	NA
4109	2026-02-10	Variant calling in genomics: A comparative performance analysis and decision guide 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339891 PMID:41642910	研究论文	本研究通过基准测试七种广泛使用的变异检测工具，评估其性能并提供基于证据的选择指南	首次系统比较七种主流变异检测工具在基因组数据上的性能，并基于精确度、召回率和F1分数提供决策指导	仅使用NA12878基因组作为基准，可能无法完全代表所有基因组或变异类型的检测挑战	评估变异检测软件的性能，为研究者和临床医生提供基于证据的工具选择指南	基因组变异检测工具（GATK、FreeBayes、DeepVariant、Samtools、Strelka2、Octopus、Varscan2）	基因组学	NA	全基因组测序	深度学习	基因组测序数据	NA12878基因组（高覆盖度全基因组测序数据）	NA	NA	精确度, 召回率, F1分数	NA
4110	2026-02-10	A comparative analysis of video vision transformers on word-level sign language datasets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341909 PMID:41642940	研究论文	本研究对VideoMAE、ViViT和TimeSformer三种视频Transformer架构在孟加拉手语数据集上进行微调与比较分析，以提升手语识别性能	首次在孟加拉手语数据集上系统比较多种视频Transformer模型，并引入帧率标准化、分层交叉验证和未见用户评估策略	研究基于特定数据集（BdSLW60和BdSLW401），模型在更大词汇量或更复杂场景下的泛化能力仍需验证	通过微调视频Transformer模型提升孟加拉手语的自动识别准确率与可扩展性	孟加拉手语（BdSL）的词汇手势识别	计算机视觉	NA	视频数据处理、数据增强	Transformer	视频	BdSLW60数据集含60个手势类别、9,307个用户试验片段；BdSLW401数据集含401个手势类别	PyTorch（基于预训练模型推断）	VideoMAE, ViViT, TimeSformer	准确率	NA
4111	2026-02-09	Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition 2026-May, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.139914 PMID:41570706	研究论文	本文设计了一种基于直链淀粉-聚丙烯酸水凝胶的超粘附传感器，并将其应用于深度学习辅助的手语识别系统	通过调控成分和网络结构，合理设计了聚丙烯酸/单宁酸/直链淀粉水凝胶，该凝胶集成了优异的韧性、高灵敏度、增强的电导率和强大的多表面粘附性，并首次将其无缝集成到深度学习辅助的手语识别系统中	NA	解决柔性可穿戴电子设备在高级应用领域中因粘附性差和性能不稳定而受限的问题，并探索其在人机交互和沟通中的应用	聚丙烯酸/单宁酸/直链淀粉水凝胶及其制成的传感器	机器学习	NA	NA	深度学习	传感器信号	NA	NA	NA	NA	NA
4112	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112115 PMID:41478240	研究论文	本文利用深度学习模型基于脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将一维卷积神经网络与门控循环单元结合的混合模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并专注于特定电极和频带的功率谱密度特征	样本量较小（仅21名参与者），且仅使用两个电极的特定频带数据，可能限制了模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相障碍患者	机器学习	双相障碍	脑电图	1DCNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN与GRU的混合模型	准确率, 灵敏度, 特异性	NA
4113	2026-02-09	EEG-based schizophrenia classification using attention-integrated deep convolutional networks 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112138 PMID:41529582	研究论文	本文提出了一种基于卷积注意力的深度学习框架，用于从脑电图信号中自动检测精神分裂症	提出了一种将卷积层空间特征提取与注意力机制相结合的新框架，该机制能自适应地聚焦于脑电图中的判别性时间模式	模型在不同数据集（莫斯科数据集和IBIB PAN数据集）上的性能差异显著，突显了在具有不同人口统计学和采集特征的数据集间泛化的挑战	开发一种用于精神分裂症自动检测的深度学习模型	精神分裂症患者的脑电图信号	机器学习	精神分裂症	脑电图	CNN	脑电图信号	两个公开数据集：莫斯科脑电图数据集和IBIB PAN数据集	NA	卷积注意力网络	准确率	NA
4114	2026-02-09	Advancing precision psychiatry: Machine learning integration with neuroimaging for early detection and diagnosis of Obsessive-Compulsive Disorder 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112137 PMID:41539129	综述	本文综述了机器学习与神经影像学相结合在强迫症早期检测和诊断中的最新进展	整合了混合模型和可解释人工智能方法，用于神经影像数据分析，以提升诊断准确性和临床可解释性	存在数据集变异性大、模型泛化能力有限以及伦理问题等挑战	推动精准精神病学，通过机器学习改进强迫症的早期检测和诊断	强迫症患者	机器学习	强迫症	结构磁共振成像, 功能磁共振成像	支持向量机, 卷积神经网络, 深度学习混合模型	神经影像数据, 生化标志物, 临床数据	NA	NA	NA	诊断准确率	NA
4115	2026-02-09	Dual-representation structural MRI classification of psychiatric disorders using deep learning and large language models 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112146 PMID:41576904	研究论文	本研究提出了一种双表征结构MRI框架，结合原始T1加权MRI切片和彩色编码组织分割图，使用ResNet-18 CNN和大型语言模型进行精神疾病分类	提出双表征结构MRI框架，结合原始图像与分割图，并首次使用大型语言模型作为后分析工具解释CNN输出，增强分类性能与可解释性	数据集规模有限（N=103），需通过迁移学习和数据增强技术应对	提高精神疾病（如精神分裂症和双相情感障碍）的准确分类，支持更透明、信息丰富的诊断工具开发	健康对照组、精神分裂症谱系、伴精神病性症状的双相情感障碍、不伴精神病性症状的双相情感障碍	数字病理学	精神疾病	结构MRI（T1加权成像）	CNN, LLM	图像	103例	PyTorch, TensorFlow	ResNet-18	准确率, 精确率, 召回率, F1分数, AUC	GPU（如NVIDIA V100或A100），可能使用AWS、Google Cloud或Azure云平台
4116	2026-02-09	Early diagnosis of Alzheimer's disease from functional rs-fMRI images based on deep learning networks and transfer learning approach 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112151 PMID:41604985	研究论文	本研究提出了一种基于优化VGG网络和迁移学习的方法，利用静息态功能磁共振成像（rs-fMRI）对阿尔茨海默病进行早期诊断	提出了两种新颖的深度网络OVGG-16和OVGG-19，结合了迁移学习和密集层的概念，以改进诊断性能并加速收敛	未明确提及具体的研究局限性，如数据集规模、泛化能力或临床验证的细节	开发一种计算机辅助诊断系统，用于阿尔茨海默病的早期诊断	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	静息态功能磁共振成像	CNN	图像	NA	NA	VGG-16, VGG-19, OVGG-16, OVGG-19	准确率	NA
4117	2026-02-09	Molreac-Oxi: An end-to-end deep learning-quantum chemistry platform for •OH reactivity (kOH), pathways, and active-site insight 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123763 PMID:41534583	研究论文	本文介绍了一个名为Molreac-Oxi的混合元模型框架，结合深度学习与量子化学，用于高效预测污染物与羟基自由基的反应速率常数、反应路径和活性位点分析	提出了一种融合深度预训练模型与传统机器学习的混合元模型框架，并集成了预测、机理推断和在线分析功能，通过PES-Learn模型与纳米反应器MD工作流结合，实现了近DFT精度的机理假设生成，且计算成本大幅降低	静态结构-性质模型的势能面分辨率有限，可能影响某些复杂反应的精确预测	高效评估污染物与羟基自由基系统的反应速率常数，以支持环境污染控制	968种污染物的DFT优化结构及多维量子化学描述符	机器学习	NA	DFT, 纳米反应器MD工作流	深度学习, 传统机器学习	3D分子结构, 量子化学描述符	968种污染物用于模型训练，72,502种有机污染物用于PES-Learn模型	NA	Uni-Mol, Random Forest, Gradient Boosting, XGBoost, LightGBM, CatBoost	R, MAE	GPU
4118	2026-02-09	Optimizing wastewater treatment through combined deep learning and deep reinforcement learning: Recent advances and future prospects 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123795 PMID:41547426	综述	本文综述了深度学习和深度强化学习在优化污水处理过程中的最新进展与未来前景	通过阐明深度学习和深度强化学习的计算原理，讨论它们在污水处理中的应用适用性和优势，并强调标准化开放数据平台和模型透明化的重要性	智能系统在污水处理厂的实际应用仍面临挑战，需要可靠且标准化的数据采集	优化污水处理过程，提升性能并减少碳排放，以促进可持续城市发展	污水处理厂（WWTPs）	机器学习	NA	NA	深度学习, 深度强化学习	NA	NA	NA	NA	NA	NA
4119	2026-02-09	D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103888 PMID:41344199	研究论文	提出一种名为D-EDL的差分证据深度学习框架，用于医学图像中鲁棒的分布外样本检测	针对传统证据深度学习在医学图像高数据不确定性样本上的过惩罚效应，提出用排除模块替代KL散度进行差分约束，并引入测试时原始证据推断和平衡检测评分以提升鲁棒性与临床适用性	方法在极端测试场景下的性能仍需更多临床数据集验证，未明确说明计算复杂度增加的具体影响	提升医学图像分布外样本检测的鲁棒性与临床安全性	医学图像中的分布外样本（如罕见病症）	计算机视觉	皮肤病（ISIC2019）、骨髓细胞形态学疾病、眼部疾病（EDDFS）	深度学习	证据深度学习（EDL）的改进框架	医学图像	ISIC2019数据集、骨髓细胞形态学数据集、EDDFS数据集（具体样本数未明确说明）	PyTorch（基于代码仓库推断）	未明确指定基础网络架构，但基于证据深度学习框架改进	鲁棒性指标、临床适用性、平衡检测评分（BDS）、分布外检测精度	未明确说明
4120	2026-02-09	Perivascular space identification nnUNet for generalised usage (PINGU) 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103903 PMID:41365148	研究论文	本研究开发了一个名为PINGU的深度学习模型，用于在异质性MRI数据上自动分割血管周围空间（PVS），以提升其在不同临床和研究环境中的泛化能力	首次在异质性多数据集、多扫描仪、不同分辨率和质量的MRI上训练nnUNet模型，用于PVS分割，并在基底神经节区域表现出优于现有公开算法的性能	在未见过的外部站点数据上性能显著下降，表明模型泛化能力仍有局限	开发一个广泛适用的自动化血管周围空间（PVS）分割工具，以支持脑部废物清除系统与神经疾病的研究	脑部MRI图像中的血管周围空间（PVS），重点关注白质和基底神经节区域	数字病理学	神经疾病	MRI	深度学习	图像	来自7个不同数据集、6台不同扫描仪的异质性MRI样本	nnUNet	nnUNet	Dice系数（体素水平和簇水平）	NA