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
8941	2026-01-14	Performance Assessment of a Deep Learning-based Algorithm for Ovarian Cancer Histotyping in an Independent Data Set 2026-Feb-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002481 PMID:41251420	研究论文	本研究评估了基于对抗性傅里叶域适应（AIDA）的深度学习算法在独立数据集上对卵巢癌组织亚型分类的性能	开发并验证了AIDA模型以应对跨机构病理切片变异性带来的领域偏移问题，通过多数投票和额外切片重训练策略提升了分类准确性	模型对子宫内膜样癌（EC）的分类准确性较低（62.4%），常见误分类包括黏液性癌误判为EC以及EC误判为高级别浆液性癌或低级别浆液性癌	评估深度学习算法在独立队列中分类五种主要卵巢癌亚型的性能，以提升临床诊断准确性	经手术治疗的卵巢癌患者，包括透明细胞癌、子宫内膜样癌、高级别浆液性癌、低级别浆液性癌和黏液性癌亚型	数字病理学	卵巢癌	深度学习，对抗性傅里叶域适应	深度学习模型	病理切片图像	来自阿姆斯特丹大学医学中心（1985-2022年）的独立患者队列，具体样本数量未在摘要中明确说明	未明确说明，但涉及深度学习框架	AIDA（对抗性傅里叶域适应模型）	平衡准确率	未在摘要中明确说明
8942	2026-01-14	Deep Neural Network Parameter Selection via Dataset Similarity Under Meta-Learning Framework 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3618991 PMID:41056167	研究论文	本文提出了一种基于元学习的框架，通过数据集相似性联合推荐超参数和初始权重，以优化深度神经网络的性能	引入了一种新颖的元学习框架，首次联合考虑超参数和权重初始化，并利用浅层和深层元特征捕捉数据集多样性，通过数据集相似性进行参数推荐	未明确说明框架在非图像数据集上的泛化能力，且依赖于历史数据集的覆盖范围	优化深度神经网络在图像分类任务中的性能，通过数据集驱动的参数推荐减少调优负担	105个真实世界图像分类数据集，包括75个历史数据集和30个查询数据集	机器学习	NA	元学习，图像特征提取	Vision Transformer, CNN	图像	105个图像数据集	NA	Vision Transformer, 卷积神经网络	NA	NA
8943	2026-01-14	Synergistic integration of multidimensional differential spectroscopy and deep learning for robust phenol monitoring in complex industrial effluents 2026-Feb-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344989 PMID:41526095	研究论文	本研究提出了一种结合化学选择性、多维光学传感和定制并行关联神经网络（PSNN）的新策略，用于复杂工业废水中苯酚的稳健监测	通过苯酚特异性溴化消除其光谱特征，构建双通道可变光程系统生成三维差分光谱矩阵，并开发了新型并行关联神经网络（PSNN），显著提升了监测精度和鲁棒性	实验室条件与现场测试存在性能差异，现场测试的MAE（172.9 μg/L）高于实验室条件（72.09 μg/L），且方法在复杂环境中的普适性需进一步验证	开发一种高选择性、高灵敏度的智能系统，用于复杂工业废水中苯酚的准确、实时在线监测	工业废水中的苯酚污染物，特别是来自焦化和炼油等过程的废水	机器学习	NA	紫外-可见光谱法，高效液相色谱法（HPLC）作为基准	CNN, PSNN	光谱数据（三维差分光谱矩阵）	NA	NA	并行关联神经网络（PSNN）	平均绝对误差（MAE）	NA
8944	2026-01-14	A deep learning model for inferring the reverse intersystem crossing rate of TADF organic light-emitting diodes, overcoming the uncertainty of recombination dynamics 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01156f PMID:40990544	研究论文	本研究开发了一种串联深度神经网络模型，用于从TADF OLED的瞬态电致发光行为中预测反向系间窜越速率，以克服极化子重组动力学的不确定性	通过串联深度神经网络模型，结合重组和激子动力学的逐步分析，实现了对RISC速率的高精度预测，克服了传统方法中极化子重组动力学的不确定性	NA	预测TADF OLED中的反向系间窜越速率，以优化器件性能	热激活延迟荧光有机发光二极管	机器学习	NA	瞬态电致发光分析	深度神经网络	电致发光行为数据	NA	NA	串联深度神经网络	决定系数	NA
8945	2026-01-14	Computational design of protein complexes: influence of binding affinity 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04821d PMID:41311232	综述	本文综述了蛋白质复合物结合亲和力的计算预测与设计策略	整合了AI驱动的结构预测与机器学习方法，用于跨蛋白质-蛋白质、蛋白质-DNA/RNA及蛋白质-碳水化合物复合物的亲和力预测与理性设计	NA	探讨蛋白质复合物结合亲和力的计算预测与设计方法	蛋白质复合物（包括蛋白质-蛋白质、蛋白质-DNA/RNA、蛋白质-碳水化合物复合物）	机器学习	NA	AI驱动的结构预测、机器学习、深度学习	NA	结构数据、序列数据	NA	NA	NA	NA	NA
8946	2026-01-14	Interpretable deep learning for enhanced multi-class classification of gastrointestinal endoscopic images 2026-Jan-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本研究提出了一种基于EfficientNetB3的增强方法，用于提高胃肠道内窥镜图像的多类分类准确性，并利用LIME提升模型可解释性	在无需数据增强的情况下，通过EfficientNetB3架构实现了高分类准确率，并集成了LIME显著性图以增强模型的可解释性	研究仅基于Kvasir数据集的8,000张图像，可能未涵盖所有临床场景或疾病变体	提高胃肠道内窥镜图像的多类分类准确性，并增强深度学习模型在医学影像应用中的可解释性和可用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8,000张标记的内窥镜图像，分为八个类别	未明确指定，但提及了Gradio用于界面开发	EfficientNetB3	准确率, 精确率, 召回率	NA
8947	2026-01-14	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种结合焦点调制和Transformer的FocFormer-UNet深度学习网络，利用光声图像作为真实标签来训练超声图像中的针头跟踪模型	首次将光声成像提供的高对比度针头图像作为真实标签用于训练深度学习模型，避免了传统方法对人工标注或模拟数据的依赖，并引入了焦点调制和Transformer机制来增强模型性能	模型性能可能受光声成像质量和超声系统差异的影响，且目前仅在特定临床数据集上验证	提高超声引导针头插入过程中针头定位的准确性和可靠性	超声图像中的针头	医学影像分析	NA	光声成像，超声成像	深度学习，CNN，Transformer	图像	人类临床数据集	PyTorch	UNet，FocFormer	修正豪斯多夫距离，目标误差	NA
8948	2026-01-14	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	本文提出了一种名为SW-VEI-Net的物理信息深度神经网络，用于通过剪切波弹性成像同时重建剪切弹性模量和粘性模量	SW-VEI-Net通过将粘弹性波动方程集成到双网络架构中，实现了剪切弹性模量和粘性模量的同时重建，并采用双损失函数平衡数据保真度和基于物理的正则化，减少了对经验数据的依赖并提高了可解释性	未明确提及具体限制	解决剪切波弹性成像中定量粘弹性成像的挑战，提高重建精度和鲁棒性	组织模拟体模、大鼠肝纤维化模型和临床病例	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	剪切波成像数据	包括组织模拟体模、大鼠肝纤维化模型、临床病例和健康志愿者	NA	双网络架构	AUC	NA
8949	2026-01-14	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究开发了一种可解释的深度学习模型，融合胎儿心率时间序列和表格临床特征，以改进胎儿窘迫的预测	提出了一种新颖的Fusion ResNet架构，结合残差卷积网络处理FHR信号和并行神经网络处理表格特征，并利用SHAP和Grad-CAM提供临床可解释性	模型在私有数据集上训练和内部验证，外部验证仅使用了公开的CTU-UHB数据集，样本量相对有限	开发一种可解释的深度学习模型，通过融合多模态数据提高胎儿窘迫的预测准确性	胎儿心率记录和相关的临床特征数据	机器学习	胎儿窘迫	胎儿心率监测	CNN	时间序列数据, 表格数据	私有数据集包含9,887个FHR记录，外部验证数据集包含552个记录	NA	ResNet	AUC	NA
8950	2026-01-14	Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3652910 PMID:41525640	研究论文	本文提出了一种用于皮肤病变分类的公平性算法，通过减少与肤色相关的通道来提升模型在不同肤色间的诊断公平性	提出了一种无需肤色标签的公平性算法，通过计算特征图的偏度来修剪与肤色相关的通道，从而在保持准确性的同时提升公平性指标	未明确说明算法在其他模型架构或更大数据集上的泛化能力，且公平性结论可能依赖于所选度量标准	提升皮肤病变分类模型在不同肤色间的公平性，减少诊断偏差	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像	NA	NA	VGG11, ViT-B16	准确性, F1分数, 公平性指标	NA
8951	2026-01-14	SAFusion: Scenario-Adaptive Network for Multimodal Medical Image Fusion 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651957 PMID:41525647	研究论文	提出一种用于多模态医学图像融合的场景自适应网络SAFusion，通过两阶段训练和混合专家模型优化不同场景的融合策略	首次提出场景自适应融合网络，通过场景特定融合模块（混合专家模型）和场景通用融合模块（双路径结构）动态适应不同融合需求	未在真实临床环境中验证，未讨论计算效率与实时性限制	开发能适应不同场景需求的多模态医学图像融合方法	多模态医学图像（如CT、MRI、PET等）	计算机视觉	NA	多模态医学图像融合	自编码器, 混合专家模型	医学图像	NA	NA	自编码器, 双路径融合结构（标准卷积与可变形卷积门控机制）	信息整合度, 视觉一致性	NA
8952	2026-01-14	Home monitoring for the detection of atrial fibrillation in hypertensive patients. BP/AF MODE study 2026-Jan-12, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.25000149 PMID:41525689	研究论文	本研究旨在通过深度学习构建预测风险评分，评估家庭血压和心律监测策略在检测高血压患者亚临床心房颤动中的有效性	结合家庭血压监测和单导联心电图记录，利用深度学习优化心律失常风险评分的预测能力	研究仅针对拉丁美洲六个国家的中高风险人群，样本可能缺乏广泛代表性	开发一种简单易用的家庭监测系统，用于早期检测亚临床心房颤动	具有中高心房颤动风险的高血压患者	机器学习	心血管疾病	单导联心电图记录，家庭血压监测	深度学习	心电图信号，血压数据	涉及来自六个拉丁美洲国家的25名研究人员，具体患者数量未明确说明	NA	NA	NA	NA
8953	2026-01-14	Semi-supervised learning for dose prediction in targeted radionuclide therapy: a synthetic data study 2026-Jan-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae36df PMID:41525718	研究论文	本研究提出了一种用于靶向放射性核素治疗剂量预测的半监督学习框架，利用合成数据进行验证	将传统基于分类的半监督学习方法适应并扩展至回归任务，专门用于剂量预测，并开发了合成数据集进行测试	研究基于合成数据，临床实际数据可用性不足时性能可能受限	探索半监督学习在靶向放射性核素治疗中剂量预测的应用，以减少对大规模标记数据的依赖	靶向放射性核素治疗中的辐射剂量预测	机器学习	NA	蒙特卡洛模拟	深度学习	图像	NA	NA	NA	平均绝对百分比误差	NA
8954	2026-01-14	Echocardiographic Evaluation in Children with Post-Acute Sequelae of SARS-CoV-2 Infection Using Deep Learning 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01739-5 PMID:41526555	研究论文	本研究应用基于ResNet-50的深度学习模型分析儿童SARS-CoV-2感染后急性后遗症（PASC）的超声心动图数据，以增强心脏异常的检测	首次将深度学习模型（ResNet-50）应用于儿童PASC的超声心动图分析，以识别标准参数未揭示的细微心脏变化	基于图像的细微差异的临床意义尚不确定，需要大规模长期随访研究进一步评估	增强儿童SARS-CoV-2感染后急性后遗症（PASC）相关心脏异常的检测和理解	儿童（18岁以下）SARS-CoV-2感染后急性后遗症（PASC）患者及年龄匹配的对照组儿童	数字病理学	心血管疾病	超声心动图	CNN	图像	270名PASC儿童和400名年龄匹配的对照组儿童	NA	ResNet-50	准确率, 灵敏度, 特异性, 平衡准确率	NA
8955	2026-01-14	2D, 2.5D, or 3D? Comparing Dimensional Approaches in Deep Neural Networks for 3D Medical Image Analysis 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01827-6 PMID:41526556	综述	本文比较了2D、2.5D和3D深度神经网络在3D医学影像分析任务中的性能表现	首次系统性地综述并比较了三种维度方法在3D医学影像分析中的优劣，明确了2.5D模型在平衡空间信息与计算效率方面的优势	结论基于对现有文献的综述，未进行原始实验验证；研究范围限定于分类和分割任务	探讨在3D医学影像分析中，深度神经网络最有效的维度处理方法	CT、MRI和PET/CT等3D医学影像数据	医学影像分析	NA	NA	深度神经网络	3D医学影像	基于31项比较研究（过去十年发表）	NA	NA	NA	高计算需求（针对3D模型）
8956	2026-01-14	Benchmarking co-folding methods to predict the structures of covalent protein-ligand complexes 2026-Jan-12, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01721-5 PMID:41526649	研究论文	本文介绍了CoFD-Bench基准数据集，用于系统评估经典对接方法和深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能	首次引入包含218个新解析共价复合物的综合基准数据集，系统比较了经典对接与深度学习共折叠方法，并发现AF3可通过非共价共折叠识别天然共价残基	共折叠方法对新口袋-配体对的性能显著下降，且计算效率较低，不适合大规模预测；经典对接方法受限于目标构象，性能有限	评估共折叠方法预测共价蛋白质-配体复合物结构的性能，为靶向共价抑制剂设计提供基准	共价蛋白质-配体复合物	计算生物学	NA	共价对接，共折叠建模	深度学习模型	蛋白质结构数据	218个新解析的共价复合物	NA	AlphaFold3, Chai-1, Boltz-1x	配体RMSD, 蛋白质-配体相互作用恢复率	NA
8957	2026-01-14	Integrating deep learning-based surrogate modeling into urban forest allocation optimization for maximizing carbon sequestration 2026-Jan-11, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128535 PMID:41525754	研究论文	本研究提出了一个集成深度学习代理模型和遗传算法的优化框架，用于优化城市造林策略以最大化碳封存	将基于深度学习的代理模型（ANN）与遗传算法（GA）集成到一个优化框架中，用于考虑空间异质性和生态连通性来优化城市造林分配	研究基于特定城市（韩国水原）的数据，其结论可能受当地地形、气候和土地利用特征的影响，普适性有待验证；优化框架的复杂性可能限制其在资源有限地区的实际应用	优化城市造林的空间分配，以最大化净初级生产力（NPP），从而增强碳封存能力以应对气候变化	城市区域（以韩国水原为例）的造林地块	机器学习	NA	深度学习代理建模，空间优化	ANN, GA	地形、气候、土地利用和景观变量数据	NA	NA	人工神经网络	R（决定系数）	NA
8958	2026-01-14	Targeting mitochondrial complexes for cancer therapy 2026-Jan-10, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2026.117695 PMID:41525932	综述	本文综述了靶向线粒体电子传递链复合物I-IV作为癌症治疗策略的研究进展，涵盖计算模拟、体外和体内研究发现，并探讨了人工智能和深度学习在加速药物发现中的应用	系统整合了靶向ETC复合物的传统抑制策略与新兴的AI驱动药物发现方法，并提出了在精准医学框架下的实施路径	作为综述文章，未报告原始实验数据，主要依赖现有文献的归纳总结	为开发靶向线粒体电子传递链复合物的新型抗癌药物和治疗策略提供指导	线粒体电子传递链复合物I-IV及其在癌细胞中的功能	计算生物学与药物发现	癌症	光动力疗法（PDT）、深度学习、人工智能纳米技术	深度学习模型	计算模拟数据、体外实验数据、体内实验数据	NA	NA	NA	NA	NA
8959	2026-01-14	Robust mitochondria segmentation and morphological profiling using soft X-ray tomography 2026-Jan-08, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108291 PMID:41519210	研究论文	本文提出了一种名为MitoXRNet的数据和参数高效的3D深度学习模型，用于软X射线断层扫描图像中的线粒体和细胞核分割，并应用于量化分析线粒体形态变化	开发了MitoXRNet模型，结合多轴3D切片、基于Sobel滤波器的边界增强以及二元交叉熵与鲁棒Dice损失函数，在参数较少的情况下实现了高效的线粒体分割，并成功应用于代谢刺激下线粒体重塑的定量分析	未明确提及具体局限性，但可能包括模型在更广泛细胞类型或成像条件下的泛化能力需进一步验证	开发高效工具以大规模量化线粒体形态，支持细胞功能研究	INS-1E细胞中的线粒体和细胞核	计算机视觉	NA	软X射线断层扫描	深度学习模型	3D图像	未明确指定样本数量，但基于INS-1E细胞数据	未明确指定，可能为PyTorch或TensorFlow	MitoXRNet	Dice分数	未明确指定
8960	2026-01-14	Real-Time Fluorescence-Based COVID-19 Diagnosis Using a Lightweight Deep Learning System 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010339 PMID:41516773	研究论文	本研究提出了一种基于荧光图像的轻量级深度学习模型，用于实时COVID-19诊断，并在嵌入式环境中验证了其可行性	采用基于印记的方法计算层重要性并进行剪枝，实现了模型轻量化，在低功耗边缘设备上达到实时诊断性能	未提及模型在更广泛数据集或临床环境中的泛化能力验证	开发适用于嵌入式环境的实时COVID-19诊断系统	荧光图像	计算机视觉	COVID-19	荧光成像	CNN	图像	NA	NA	VGG, ResNet, DenseNet, EfficientNet, VGG13, ResNet152	准确率	NPU(Furiosa AI Warboy)