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
4461	2026-02-03	Enhancing Brain Tumor Classification and Generalization Using DDPM-Generated MRI, Mutual Information and Ensemble Learning 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251405180 PMID:41615841	研究论文	本研究探讨了使用DDPM生成的合成MRI图像，结合互信息正则化和集成学习，以增强脑肿瘤分类的泛化能力	提出了结合互信息正则化的DDPM模型来生成高质量、多样化的合成MRI图像，并通过集成学习显著提升了跨数据集脑肿瘤分类的泛化性能	研究为回顾性设计，仅使用了两个数据集（一个公共数据集和一个临床数据集），可能限制了结果的广泛适用性	评估DDPM生成的合成MRI图像（带或不带互信息正则化）是否能增强脑肿瘤分类在异质数据集上的泛化能力	559名患有低级别和高级别脑肿瘤（LGG, HGG）的患者	医学影像分析	脑肿瘤	MRI成像（T1WI, T1WI+C, T2WI, FLAIR）	DDPM, ResNet	MRI图像	559名患者（BraTS数据集335例，TASMC临床数据集224例）	NA	ResNet-152	准确率, F1分数, FID, IS	NA
4462	2026-02-03	Graph former-CL: A novel graph transformer with contrastive learning framework for enhanced drug-drug interaction prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339971 PMID:41615927	研究论文	提出了一种结合图Transformer架构与对比学习的新型深度学习框架Graph Former-CL，用于增强药物-药物相互作用预测	结合了分层图Transformer与位置感知多头自注意力以捕获局部和全局分子模式、特定领域的对比学习模块与分子增强策略、整合SMILES序列与图表示的跨模态融合机制，以及用于多尺度分子表示的自适应池化策略	未明确提及具体局限性	增强药物-药物相互作用预测，解决现有方法在捕获长程分子依赖性和泛化到新药物组合方面的不足	药物-药物相互作用	机器学习	NA	深度学习	Transformer, 对比学习	图数据, 序列数据	四个基准数据集（包括DrugBank和TWOSIDES）	NA	Graph Transformer	准确率	NA
4463	2026-02-03	Uralenol, Glycyrol, and Abyssinone II as potent inhibitors of fibroblast growth factor receptor 2 from anti-cancer plants: A deep learning and molecular dynamics approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341498 PMID:41615925	研究论文	本研究通过分子对接、深度学习、药代动力学分析和分子动力学模拟，从1350种源自51种抗癌药用植物的植物化学物中筛选出潜在的FGFR2抑制剂	结合深度学习模型预测pIC₅₀值，并采用分子动力学模拟验证蛋白质-配体复合物的稳定性，从传统抗癌植物中系统筛选FGFR2抑制剂	研究结果需要进一步的实验验证才能确定其治疗潜力	识别潜在的FGFR2抑制剂用于癌症治疗	源自51种抗癌药用植物的1350种植物化学物	机器学习	癌症	分子对接，深度学习，药代动力学分析，分子动力学模拟	深度学习模型	化学结构数据	1350种植物化学物	NA	NA	pIC₅₀值，结合亲和力，药代动力学参数，毒性风险	NA
4464	2026-02-03	A deep state-space analysis framework for cancer patient latent state estimation and classification from EHR time-series data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341003 PMID:41616002	研究论文	提出了一种名为“深度状态空间分析框架”的新方法，用于从电子健康记录时间序列数据中估计和可视化癌症患者的潜在状态变化，并进行分类和关键因素识别	开发了一种可解释的深度学习框架，专注于长期疾病进展（如癌症）的潜在状态估计和可视化，克服了现有方法在可解释性方面的挑战	研究主要基于癌症患者数据，可能未涵盖所有慢性疾病类型；框架在更广泛医疗环境中的泛化能力有待进一步验证	通过深度学习技术分析电子健康记录时间序列数据，以估计癌症患者的潜在疾病进展状态并识别预后不良因素	12,695名癌症患者的电子健康记录时间序列数据	机器学习	癌症	电子健康记录分析	深度学习时间序列预测模型	时间序列数据	12,695名癌症患者	NA	深度状态空间分析框架	NA	NA
4465	2026-02-02	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用长短期记忆（LSTM）深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的性能	首次将LSTM算法应用于儿童活动记录仪和心率数据，以预测睡眠与清醒状态及睡眠阶段（清醒、非快速眼动、快速眼动），相比传统方法（如Sadeh算法）在特异性方面有显著提升，并探索了心率数据对睡眠阶段预测的改进作用	研究样本为因疑似睡眠障碍而转诊的儿童，可能限制了结果的普适性；仅评估了三种消费级可穿戴设备，未涵盖所有市场产品；未详细讨论LSTM模型的计算复杂度或实时应用可行性	评估LSTM深度学习算法在利用活动记录仪和心率数据预测儿童睡眠与睡眠阶段方面的性能，并与传统方法（逻辑回归和随机森林）进行比较	儿童（年龄5-12岁）的睡眠数据，包括活动记录仪和心率测量	机器学习	睡眠障碍	活动记录仪（ActiGraph GT9X）、心率监测、多导睡眠图（PSG）	LSTM	时间序列数据（原始活动记录仪和心率数据）	238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人）	未明确指定，但提及了逻辑回归和随机森林作为基准	LSTM	准确率、敏感性、特异性	NA
4466	2026-02-02	An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study 2026-Feb, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107192 PMID:41547160	研究论文	本研究提出了一种基于计算机视觉的算法，用于在锥束计算机断层扫描肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度	开发了一种传统计算机视觉算法，能够自动推荐最大化肿瘤供血动脉视图的旋转角度，避免了当前血管追踪软件缺乏自动角度推荐的问题，相比深度学习方法更快速且可解释性更强	这是一项初步研究，样本量较小（19例用于算法开发，50例用于内部验证），需要更大规模的患者研究和进一步技术迭代	优化肝动脉栓塞术中肿瘤供血动脉的可视化，提高介入放射科医生的手术效率	肝细胞癌患者的锥束计算机断层扫描肝动脉造影图像	计算机视觉	肝细胞癌	锥束计算机断层扫描肝动脉造影，3D体积渲染技术	传统计算机视觉算法（非深度学习）	医学图像（3D体积渲染图像序列）	19例患者用于算法开发，50例患者用于内部验证	NA	NA	检索相关性（100%在推荐的前4个角度中包含足够栓塞任务的角度）	NA
4467	2026-02-02	Classification of lung nodules in CT images based upon a multiplane dense inception network 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70316 PMID:41619284	研究论文	本研究提出了一种基于多平面密集初始网络（MPDINet）的计算机辅助诊断系统，用于预测肺部CT图像中结节恶性的可能性	结合手工纹理特征图与强度CT图像作为网络输入，并利用多平面密集初始网络（MPDINet）增强结节表征，同时保持计算效率	NA	开发基于深度学习的计算机辅助诊断系统，用于早期检测肺癌结节	肺部CT图像中的结节	计算机视觉	肺癌	CT成像	CNN	图像	1235个结节（802个良性，433个恶性）	NA	DenseNet, GoogLeNet	AUC, 敏感性, 特异性, 精确度	NA
4468	2026-02-02	The Intelligent Needle: The Role of Artificial Intelligence in Ultrasound-guided Regional Anesthesia 2026-Feb, Journal of perianesthesia nursing : official journal of the American Society of PeriAnesthesia Nurses IF:1.6Q2 DOI:10.1016/j.jopan.2025.10.003 PMID:41620263	综述	本文探讨了人工智能在超声引导区域麻醉中的应用及其潜力	将深度学习算法集成到超声引导区域麻醉中，实现解剖标志自动识别、超声设置优化和针位高精度跟踪，以辅助麻醉师操作、缩短学习曲线并增强培训	广泛临床应用仍受限于需要大规模多样化数据集、解剖变异以及自动化相关的伦理考量	研究人工智能如何增强超声引导区域麻醉的精准性、安全性和效率	超声引导区域麻醉（UGRA）及其相关临床实践	医学影像分析	NA	超声成像	深度学习	超声图像	NA	NA	NA	图像质量、识别置信度	NA
4469	2026-02-02	Advances in photoacoustic imaging reconstruction and quantitative analysis for biomedical applications 2026-Feb-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00213-x PMID:41620547	综述	本文全面回顾了光声成像（PAI）的基本原理、主要实现方式、图像重建与伪影抑制的最新进展，以及定量分析能力，并展望了其临床转化前景	系统性地比较了传统方法与基于深度学习（DL）的方法在提升PAI图像质量和简化工作流程方面的作用，并强调了DL在推动PAI临床转化中的变革潜力	作为一篇综述文章，不涉及具体实验或模型性能的验证，主要基于现有文献进行归纳与分析	探讨光声成像（PAI）从临床前研究向临床实践过渡过程中的技术进展、挑战及未来方向	光声成像技术及其在生物医学领域的应用	医学影像	NA	光声成像（PAI），包括光声计算机断层扫描、光声显微镜和光声内窥镜	深度学习（DL）	图像	NA	NA	NA	NA	NA
4470	2026-02-02	Functional and Structural Evidence of Neurofluid Circuit Aberrations in Huntington Disease 2026-Jan-31, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70328 PMID:41620818	研究论文	本研究通过多模态MRI技术评估亨廷顿病中神经流体通路的结构和功能改变	首次在亨廷顿病中系统评估脉络丛和旁矢状硬膜间隙的结构与功能变化，并关联脑脊液动力学	样本量有限，横断面研究设计无法确定因果关系	探究亨廷顿病中神经流体通路的异常及其与疾病严重程度的关系	亨廷顿病患者和健康对照者	数字病理学	亨廷顿病	3-Tesla T2加权MRI、FLAIR MRI、相位对比MRI、伪连续动脉自旋标记MRI	深度学习	MRI图像	80名亨廷顿病患者和65名年龄匹配的健康对照者	NA	NA	p值	NA
4471	2026-02-02	Absence of dehydration due to superionic transition at Earth's core-mantle boundary 2026-Jan-30, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb3006 PMID:41604493	研究论文	本文通过分子动力学模拟揭示了δ-AlOOH在深部下地幔条件下的双超离子转变，并发现超离子态水在核幔边界处不易脱水，可能形成长期储水层	首次发现δ-AlOOH中氢和铝离子的双超离子转变，并证明超离子态能稳定结构，使脱水过程在核幔边界条件下变得能量和动力学上不利	模拟基于特定条件（140 GPa和3800 K），实际地幔环境的复杂性和长期地质过程的影响仍需进一步验证	探究深部下地幔中水合相的超离子转变对其稳定性和脱水行为的影响	δ-AlOOH水合相在深部下地幔和核幔边界条件下的行为	地球物理学	NA	从头算分子动力学模拟,深度学习势分子动力学模拟	NA	模拟数据	NA	NA	NA	NA	NA
4472	2026-02-02	Selection of the best artificial intelligence techniques for analysis of gastrointestinal endoscopic images 2026-Jan-30, Arab journal of gastroenterology : the official publication of the Pan-Arab Association of Gastroenterology IF:1.1Q4 DOI:10.1016/j.ajg.2025.09.021 PMID:41620373	研究论文	本研究通过模糊AHP-TOPSIS方法，系统评估并优先排序了用于胃肠道内窥镜图像分析的人工智能技术	首次结合模糊AHP和TOPSIS方法，为胃肠道内窥镜图像分析领域的人工智能技术提供系统化的选择框架	研究基于文献回顾和专家意见，可能受限于现有技术的覆盖范围和主观判断偏差	识别并优先排序用于胃肠道内窥镜图像分析的最佳人工智能技术	70种已开发的人工智能技术	计算机视觉	胃肠道疾病	NA	CNN, DNN, ResNet	图像	NA	NA	ResNet18	有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力	NA
4473	2026-02-02	Parameter identification based on statistical and neural network approaches for the vegetation-water model 2026-Jan-29, Journal of biological physics IF:1.8Q3 DOI:10.1007/s10867-025-09698-2 PMID:41609956	研究论文	本文基于植被-水模型，结合张掖地区的降水、温度和二氧化碳浓度气候数据，提出了统计和深度学习两种参数识别方法，以解决图灵模式参数识别的逆问题	创新点包括将统计方法与深度学习结合用于植被-水模型的参数识别，并改进了ResNet50和VGG19模型，通过集成正则化、GELU激活函数和混合精度训练来提升泛化能力和效率	NA	研究目的是增强植被-水模型在气候变化下的参数化和预测能力	研究对象是张掖地区的植被-水模型及其图灵模式	机器学习	NA	NA	CNN	图像	NA	NA	ResNet50, VGG19	准确性, 鲁棒性	NA
4474	2026-02-02	Forecasting Waitlist Trajectories for Patients With Metabolic Dysfunction-Associated Steatohepatitis Cirrhosis: A Neural Network Competing Risk Analysis 2026-Jan-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/68247 PMID:41610175	研究论文	本研究使用深度学习竞争风险模型预测代谢功能障碍相关脂肪性肝炎肝硬化患者在肝移植等待名单上的死亡和移植风险	首次将深度学习竞争风险模型（DeepHit）应用于MASH肝硬化患者等待名单轨迹预测，并开发了新的性能指标竞争事件一致性分数	模型基于回顾性数据，可能受到数据质量和混杂因素的影响，外部验证仅在单一机构进行	预测MASH肝硬化患者在肝移植等待名单上的死亡和移植竞争风险	17,551名在科学移植受者登记处登记的MASH肝硬化等待肝移植患者	机器学习	肝病	竞争风险分析	深度学习	临床数据	17,551名患者	NA	DeepHit	一致性指数, Brier分数, 竞争事件一致性分数	NA
4475	2026-02-02	Interpretable Diagnosis of Pulmonary Emphysema on Low-Dose CT Using ResNet Embeddings 2026-Jan-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010051 PMID:41590936	研究论文	本文提出了一种基于ResNet嵌入的质量控制和可解释深度学习流程，用于在低剂量CT上诊断肺气肿	利用预训练的ResNet-152嵌入，结合自动化肺部分割、质量控制过滤以及与传统定量CT标志物融合，无需重新训练即可实现高性能且可解释的肺气肿诊断	未明确提及研究的外部验证队列或跨中心泛化能力评估	开发一种准确且可解释的肺气肿检测方法，以支持大规模筛查和人群健康研究	低剂量CT图像中的肺气肿	计算机视觉	肺气肿	低剂量CT	CNN	图像	NA	NA	ResNet-152	ROC-AUC, PR-AUC, 平衡准确度	NA
4476	2026-02-02	ADAM-Net: Anatomy-Guided Attentive Unsupervised Domain Adaptation for Joint MG Segmentation and MGD Grading 2026-Jan-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010050 PMID:41590935	研究论文	本文提出了一种名为ADAM-Net的注意力引导无监督域适应多任务框架，用于联合进行睑板腺分割和睑板腺功能障碍分级	引入了结构感知多任务学习和解剖学引导注意力机制，以增强特征共享、抑制背景噪声并改善腺体区域感知，从而联合处理分割和分类任务	NA	开发一个鲁棒且可解释的自动化框架，用于在多中心成像设备场景下联合进行睑板腺分割和睑板腺功能障碍分级	睑板腺图像	计算机视觉	干眼病	深度学习	CNN	图像	涉及多个数据集：MGD-1K、K5M、CR-2、LV II	NA	ADAM-Net	准确率, F1分数, 马修斯相关系数	NA
4477	2026-02-02	HASwinNet: A Swin Transformer-Based Denoising Framework with Hybrid Attention for mmWave MIMO Systems 2026-Jan-20, Entropy (Basel, Switzerland) DOI:10.3390/e28010124 PMID:41594031	研究论文	本文提出了一种基于Swin Transformer的深度学习去噪框架HASwinNet，用于解决毫米波大规模MIMO系统中的信道估计难题	提出了一种结合分层Swin Transformer编码器、稀疏令牌提取和角度域细化的混合注意力去噪框架，并引入了角度域感知损失函数	基于Saleh-Valenzuela信道模型的仿真验证，尚未在实际部署环境中测试	提高毫米波大规模MIMO系统在有限导频资源和低信噪比条件下的信道估计精度	毫米波大规模MIMO系统的信道数据	机器学习	NA	深度学习	Transformer, CNN	信道数据	NA	PyTorch	Swin Transformer, U-Net	归一化均方误差, 误码率	NA
4478	2026-02-02	DeeppestNet: An end-to-end framework for high-performance crop pest recognition 2026-Jan-20, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108916 PMID:41619691	研究论文	提出一种名为DeeppestNet的端到端框架，用于高性能农作物害虫识别	结合了图金字塔注意力机制与双向长短期记忆网络（GPA-BiLSTM），并采用灰狼-樽海鞘群优化算法（GW-SSO）提升分类精度	未明确说明模型在复杂田间环境或不同光照条件下的泛化能力	开发高精度、高效率的农作物害虫自动识别系统	农作物害虫图像	计算机视觉	NA	图像增强技术（CLAHE）	CNN, BiLSTM, 优化算法	图像	IP-102数据集（具体数量未说明）	NA	自适应金字塔注意力模块与跨阶段部分网络（AP-CSP）, 图基双向长短期记忆网络（G-BiLSTM）	准确率, 精确率, 召回率, F1值	NA
4479	2026-02-02	Clinical validation of a unified data-driven respiratory motion correction technique in 18F-FDG PET/CT imaging of upper abdominal lesions: a real-world study 2026-Jan-18, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00833-z PMID:41547664	研究论文	本研究前瞻性评估了一种基于深度学习神经网络的统一数据驱动呼吸运动校正算法在18F-FDG PET/CT上腹部病变成像中的临床效用	提出并临床验证了一种利用深度学习神经网络的统一数据驱动呼吸运动校正算法，显著提升了图像质量和病变检测能力，特别是在低摄取和小体积病变方面	研究样本量为100名患者，需要在更大规模、多中心的研究中进一步验证算法的普适性和鲁棒性	评估数据驱动呼吸运动校正算法在PET/CT成像中的临床效用，以改善图像质量和诊断准确性	100名疑似上腹部病变并接受18F-FDG PET/CT检查的患者	数字病理学	NA	18F-FDG PET/CT成像	深度学习神经网络	医学图像	100名患者，共225个病灶	NA	NA	主观视觉评估（整体图像质量、PET-CT配准、病灶变形）、半定量指标（SUVmax, MTV, TBR, HV_ratio）、病灶检测数量	NA
4480	2026-02-02	Variational Deep Alliance: A Generative Auto-Encoding Approach to Longitudinal Data Analysis 2026-Jan-18, Entropy (Basel, Switzerland) DOI:10.3390/e28010113 PMID:41594020	研究论文	本文提出了一种名为变分深度联盟（VaDA）的新型生成式自编码方法，用于纵向数据分析，能够同时进行结果预测、主体聚类和表示学习	通过变分自编码器构建跨重复测量的“联盟”，为纵向数据建模提供统一且结构良好的潜在空间，支持混合类型变量处理	未明确提及方法在特定纵向数据场景（如医疗时间序列）中的验证限制或计算复杂度分析	利用深度神经网络学习纵向数据中的复杂关系，实现生成式建模与多任务分析	纵向数据，包括合成数据和CelebFaces Attributes数据集中的面部图像序列	机器学习	NA	变分自编码器（VAE）	生成式自编码模型	纵向数据，图像数据	未明确指定样本数量，但提及可扩展至大型数据集并使用CelebFaces Attributes数据集	随机自编码变分贝叶斯框架	变分自编码器（VAE）	未明确列出具体指标，但提及定量比较、鲁棒性和泛化能力评估	未明确指定，但提及方法可扩展至大型数据集