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
10501	2026-02-10	Learner-Centered Microbiology Teaching via the Flipped Classroom Model: Insights from a Mixed-Methods Educational Study 2026-Feb-06, Annals of African medicine IF:0.6Q3 DOI:10.4103/aam.aam_597_25 PMID:41656482	研究论文	本研究通过混合方法探讨了翻转课堂模型在第二阶段医学微生物学教学中的应用效果	在医学微生物学教育中系统实施并评估翻转课堂模型，结合定量与定性方法分析学生和教师的体验	研究样本规模较小（75名学生和8名教师），且仅在单一教学医院进行，可能限制结果的普适性	评估翻转课堂模型在医学微生物学教学中的实施效果、学生感知和教师视角	第二阶段MBBS学生和微生物学教师	医学教育	NA	翻转课堂教学法	NA	问卷调查数据、焦点小组讨论记录、教师访谈记录	75名学生和8名教师	NA	NA	百分比统计、主题分析	NA
10502	2025-07-15	Auxiliary diagnosis of hyperpigmented skin diseases using multimodal deep learning 2026-Feb-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003637 PMID:40653928	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10503	2026-02-10	DeepVBM: A fully automatic and efficient voxel-based morphometry via deep learning-based segmentation and registration methods 2026-Feb-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110637 PMID:41638266	研究论文	本研究提出了一种基于深度学习的全自动体素形态测量方法DeepVBM，通过融合分割和配准技术，显著提高了大规模神经影像数据分析的效率	开发了FuseMorph配准方法，通过迭代推理和参数搜索优化预训练模型的零样本预测，无需完整反向传播或模型重训练，在仅CPU环境下实现高精度配准	未明确说明方法在其他神经退行性疾病或不同MRI协议下的泛化能力，且可能依赖于特定预训练模型	开发一个高效、自动化的体素形态测量流程，以促进大规模多中心神经影像研究	T1加权磁共振成像数据，特别是阿尔茨海默病队列的脑部结构	医学影像分析	阿尔茨海默病	T1加权磁共振成像	深度学习模型	图像	多个数据集，包括一个阿尔茨海默病队列	未明确指定	未明确指定	配准精度	仅CPU环境
10504	2026-02-10	Deep learning-enhanced zero echo time silent brain magnetic resonance imaging in infants without sedation 2026-Feb, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06413-0 PMID:41219520	研究论文	本研究评估了基于深度学习的重建技术对零回波时间（ZTE）婴儿脑部磁共振成像图像质量的影响，并与传统镇静下的MRI进行了比较	首次将深度学习重建应用于婴儿无镇静的ZTE脑部MRI，显著提升了图像质量，并验证了其与镇静下常规MRI的可比性	研究为回顾性设计，样本量相对有限（78名婴儿），且未评估长期临床影响	评估深度学习重建在提升无镇静婴儿脑部ZTE MRI图像质量方面的效果，以减少镇静需求	婴儿（孕后年龄≤16个月）的脑部磁共振成像	医学影像	婴儿脑部疾病	磁共振成像（MRI），包括零回波时间（ZTE）序列和3D T1加权磁化准备快速梯度回波（MPRAGE）序列	深度学习（DL）	磁共振图像	78名婴儿	NA	NA	图像质量评分（5点Likert量表），信号均匀性（变异系数），病变显著性，组间差异分析（Mann-Whitney U检验），评分者间一致性（Cohen's kappa系数）	NA
10505	2026-02-10	The regulatory code of injury-responsive enhancers enables precision cell-state targeting in the CNS 2026-Feb, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-025-02131-w PMID:41331142	研究论文	本研究通过单核转录组学和染色质可及性分析，解码了哺乳动物中枢神经系统损伤响应增强子的调控编码，并利用深度学习模型揭示其细胞类型特异性，最终通过体内增强子筛选展示了其在靶向治疗中的应用潜力	首次系统性地解码了中枢神经系统损伤响应增强子的调控原则，结合深度学习模型揭示了其整合通用刺激响应元件与细胞身份程序的架构，并成功应用于靶向疾病相关细胞状态的基因递送载体设计	研究主要基于小鼠脊髓挫伤模型，结果在人类或其他损伤模型中的普适性有待验证；深度学习模型的解释性可能有限	探究损伤诱导的转录程序如何编码于哺乳动物中枢神经系统的增强子中，并开发靶向疾病相关细胞状态的精准治疗策略	小鼠脊髓挫伤后的细胞类型特异性增强子，特别是胶质细胞中的损伤响应增强子	计算生物学	中枢神经系统损伤	单核转录组学，染色质可及性分析，深度学习，体内增强子筛选	深度学习模型	转录组数据，染色质可及性数据	数千个小鼠脊髓损伤后的细胞类型特异性增强子	NA	NA	NA	NA
10506	2026-02-10	Validation of a deep learning-based AI model for breast cancer risk stratification in postmenopausal ER+/HER2-breast cancer patients 2026-Feb, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2025.104671 PMID:41380230	研究论文	本研究验证了一种基于深度学习的AI模型（Stratipath）在绝经后ER+/HER2-乳腺癌患者中进行风险分层的预后价值，并与传统的诺丁汉组织学分级系统进行比较	提出并验证了一种深度学习模型，用于乳腺癌风险分层，旨在解决传统NHG系统存在的观察者间变异性和中间风险组患者比例过高的问题，从而可能实现更个体化的治疗规划	研究结论指出，需要对Stratipath风险组2和3在治疗策略中的临床获益进行进一步的前瞻性验证	验证Stratipath深度学习AI模型在乳腺癌风险分层中的预后价值，并与广泛使用的诺丁汉组织学分级系统进行比较	2466名绝经后、ER阳性/HER2阴性、且根据当时指南未接受化疗的乳腺癌患者	数字病理学	乳腺癌	深度学习	深度学习模型	临床数据	2466名患者	NA	Stratipath模型	一致性指数, 风险比	NA
10507	2026-02-10	Digital Biomarkers for Precision Early Detection of Lung Cancer: Integrating AI-Driven Multi-Omics Into Clinical Pathways 2026-Feb, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71578 PMID:41645653	综述	本文系统评估了用于肺癌早期检测的数字生物标志物，并探讨了人工智能在多组学数据整合分析中的应用	整合人工智能驱动的多组学方法，提出用于肺癌早期检测的数字生物标志物，并探讨其在临床路径中的应用潜力	存在多中心数据异质性、模型可解释性有限、监管与成本效益挑战以及前瞻性队列验证不足等临床转化障碍	评估肺癌早期检测的生物标志物，并探索人工智能在多组学数据整合及临床决策支持中的应用	肺癌早期检测相关的多组学生物标志物及人工智能分析方法	数字病理学	肺癌	多组学技术（包括基因组学、表观基因组学、转录组学、蛋白质组学、代谢组学和微生物组学）	机器学习,深度学习	多组学数据	NA	NA	NA	NA	NA
10508	2026-02-10	Visual perception based deep learning transformers for classifying paintings and photographs through feature extraction 2026-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36298-4 PMID:41545578	研究论文	本研究应用视觉变换器（ViT）对绘画与摄影图像进行分类，通过特征提取实现高精度识别	首次将Vision Transformer（ViT）架构应用于艺术作品分类任务，并引入Grad-CAM增强模型可解释性，在标准数据集上达到95%的分类准确率，优于传统CNN、VGG19和DenseNet模型	仅使用标准数据集进行验证，未在更广泛的艺术风格或跨文化图像上进行测试；未讨论模型对低质量或部分损坏图像的鲁棒性	开发基于深度学习的自动图像分类系统，区分人类绘画作品与摄影照片	数字图像（绘画作品与摄影照片）	计算机视觉	NA	NA	Transformer, CNN	图像	标准数据集（具体数量未说明）	NA	Vision Transformer (ViT), DenseNet, CNN, VGG19	准确率	NA
10509	2026-02-10	A neural network framework for selecting real-time video enhancement algorithms on mobile devices 2026-Jan-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36099-9 PMID:41535696	研究论文	本文提出了一种基于模糊神经网络的决策模型，用于在移动设备上选择实时视频增强算法	开发了一种结合Sugeno-Weber范数的模糊神经网络决策模型，以优化实时视频增强算法的选择	未明确说明模型在具体移动设备上的实际部署效果或电池消耗测试	解决移动设备上实时视频增强算法选择中的性能平衡问题	移动设备上的实时视频增强算法	计算机视觉	NA	模糊神经网络	模糊神经网络	视频	NA	NA	模糊神经网络	处理速度, 视觉质量, 功耗, 实现复杂度	移动设备
10510	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
10511	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
10512	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
10513	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
10514	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
10515	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
10516	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
10517	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
10518	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
10519	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
10520	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