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
1301	2026-02-08	Toward Semantically Faithful Diffusion Representation for Generalizable Retinal Image Segmentation 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605219 PMID:40892645	研究论文	本文提出了一种新颖的扩散模型表示方法，用于提升视网膜图像分割的泛化能力	提出了锚定反转策略以从确定性轨迹中获取语义忠实于源图像的扩散表示，并设计了时空频率感知聚合解释器（T&S-FreqAgg）来聚合多尺度、多时间步的扩散表示	未在摘要中明确说明	解决视网膜图像分割中因数据异质性和标注稀缺导致的深度学习模型泛化性差的问题	视网膜图像（特别是血管等结构）	计算机视觉	视网膜病变	扩散模型	扩散模型	图像	九个公共视网膜图像数据集	NA	DiffDGSSv2	NA	NA
1302	2026-02-08	Hard Sample Mining: A New Paradigm of Efficient and Robust Model Training 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3610948 PMID:41052176	综述	本文对硬样本挖掘（HSM）方法进行了全面综述，旨在通过代表性样本选择来提高模型训练效率和鲁棒性	系统性地探索了HSM在实现高效和鲁棒模型训练中的关键作用，并提出了统一的硬样本定义和分类体系	NA	综述硬样本挖掘方法，以缓解深度学习训练中的效率低下和数据分布偏差问题	深度学习模型训练中的样本选择方法	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1303	2026-02-08	Deep learning-assisted spectral technology monitoring the preservation effect of sodium octenyl succinate starch co-loaded with cinnamaldehyde and carvacrol microcapsules for pork 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150502 PMID:41581811	研究论文	本研究结合喷雾干燥制备的微胶囊与深度学习辅助的可见-近红外光谱技术，用于猪肉保鲜效果监测与品质快速检测	首次将辛烯基琥珀酸淀粉钠共负载肉桂醛和香芹酚的微胶囊用于猪肉保鲜，并结合深度学习与光谱技术构建了高精度的猪肉新鲜度预测模型	研究基于实验室获取的光谱数据，模型在实际工业场景中的泛化能力有待验证，且未详细说明深度学习模型的具体架构与训练细节	开发一种高效的猪肉保鲜方法并建立快速、无损的猪肉品质检测技术	猪肉样品	食品科学与技术	NA	喷雾干燥、可见-近红外光谱	深度学习	光谱数据	未明确说明	NA	NA	相关系数	NA
1304	2026-02-08	Deep Learning-Based Eye Rubbing Detection Using Wrist-Based Wearable Devices to Enable Rigorous Study of Risk Factors for Ectasia Progression 2026-Jan-29, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004113 PMID:41649853	研究论文	本研究开发并验证了一种基于人工智能的揉眼检测工具，利用腕戴式可穿戴设备收集的传感器数据	首次结合腕戴式可穿戴设备和深度学习技术，开发实时揉眼检测系统，用于研究角膜扩张症的风险因素	样本量较小（20名受试者），且未在更广泛人群中进行外部验证	开发一种可靠的揉眼检测工具，以支持眼科医生和研究人员研究揉眼行为与角膜扩张症发展及进展的关系	揉眼行为	机器学习	角膜扩张症	传感器数据采集	CNN, LSTM	时间序列数据, 图像数据	20名受试者，包含8640条时间序列记录和112,320张图像	NA	1D CNN-LSTM, 2D CNN-LSTM, 集成模型	F1分数, AUC	NA
1305	2026-02-08	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-Jan-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	本文提出了一种基于扩散模型的深度生成框架DDTracking，用于扩散磁共振成像（dMRI）纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪任务，提出将纤维流线传播重新定义为条件去噪扩散过程，并设计了双路径编码方案以提取互补的局部空间特征和全局时间上下文	未在摘要中明确说明	开发一种高精度、高效率且具有强泛化能力的扩散磁共振成像纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散磁共振成像（dMRI）	扩散模型	扩散磁共振成像信号	包含合成数据和临床数据的多样化数据集	NA	条件扩散模型	追踪精度，计算效率	NA
1306	2026-02-08	Deep learning-based imaging model to predict early hematoma enlargement and hospital mortality in spontaneous intracerebral hemorrhage 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115504 PMID:41640706	研究论文	本研究开发了一种基于深度学习的成像模型，用于预测自发性脑出血患者的早期血肿扩大和院内死亡率	结合手工放射组学特征和深度学习提取的特征，通过临床-放射学整合模型，提高了对脑出血患者早期血肿扩大和院内死亡率的预测性能	研究为回顾性设计，样本量相对较小（322例患者），且仅针对基底节区脑出血患者，可能限制了结果的普适性	评估和验证基于非增强CT的放射组学和深度学习特征对自发性脑出血患者早期血肿扩大和院内死亡率的预测能力	自发性脑出血患者，特别是基底节区出血的患者	数字病理学	脑出血	非增强CT成像	CNN, SVM	医学图像	322例患者（训练集225例，测试集97例）	NA	预训练的卷积神经网络	AUC, 准确率, 敏感性, 特异性	NA
1307	2026-02-08	Magnetic resonance imaging-based deep-learning radiomics score for survival prediction and risk stratification in pediatric hepatoblastoma receiving surgical resection 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115503 PMID:41640707	研究论文	本研究开发了一种基于磁共振成像的深度学习放射组学评分，用于预测接受手术切除的儿童肝母细胞瘤患者的无事件生存期和风险分层	结合深度学习提取的放射组学特征与临床病理变量，构建了集成临床-深度学习列线图模型，首次在儿童肝母细胞瘤中应用深度学习放射组学评分进行生存预测和风险分层	研究为回顾性设计，样本量较小（106例患者），且仅来自两家医院，可能存在选择偏倚	预测早期肝母细胞瘤患者手术切除后的无事件生存期，并识别高风险患者以指导术前新辅助化疗	接受手术切除的儿童肝母细胞瘤患者	数字病理学	肝母细胞瘤	磁共振成像	深度学习	图像	106例患者（训练队列74例，测试队列32例）	NA	NA	预后能力, 校准能力, 预测误差	NA
1308	2026-02-08	Improving prediction accuracy of radiation-induced temporal lobe injury in nasopharyngeal carcinoma using ADC-based deep learning and dosiomics 2026-Jan-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-15599-x PMID:41652361	研究论文	本研究探讨了基于表观扩散系数（ADC）图的深度学习和剂量分布剂量组学在预测鼻咽癌患者放射性颞叶损伤（RTLI）中的潜力	首次将基于ADC图的深度迁移学习特征与剂量组学特征融合，构建了预测鼻咽癌患者放射性颞叶损伤的融合模型，并验证了其优越性能	本研究为单中心回顾性研究，样本量相对有限，未来需要多中心前瞻性研究进行验证	提高鼻咽癌患者放射性颞叶损伤的预测准确性，以支持临床制定个体化治疗计划和实施预防措施	接受调强放射治疗的鼻咽癌患者	数字病理学	鼻咽癌	表观扩散系数（ADC）图，三维剂量分布	深度迁移学习，多种机器学习分类模型	医学影像（ADC图），剂量分布数据	3578名鼻咽癌患者（其中94名RTLI患者与97名对照患者按1:1匹配，最终训练队列135人，验证队列59人）	未明确提及	WideResNet 101	AUC（曲线下面积）	NA
1309	2026-02-08	deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile 2026-Jan-27, Forensic science international. Genetics DOI:10.1016/j.fsigen.2026.103434 PMID:41650721	研究论文	本文开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA谱的贡献者数量	通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出	算法在实验室特定环境下需要额外微调训练，且依赖于模拟数据的质量	开发一个自动化工具来准确估计DNA谱中的贡献者数量，以辅助法医生物学分析	短串联重复DNA谱	机器学习	NA	短串联重复DNA分析，电泳信号模拟	深度神经网络	模拟电泳信号数据	100,000个模拟DNA谱，外加数百个实验室生成的谱	NA	深度神经网络	准确率	NA
1310	2026-01-21	Deep learning based prediction of RNA 5hmC modifications using composite feature representations and comparative benchmarking with transformer models 2026-Jan-19, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00517-x PMID:41555424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1311	2026-02-08	Linking hypolimnion to epilimnion in a stratified arctic lake: Machine learning-based estimation of hypolimnetic water quality from epilimnetic measurements 2026-Jan-10, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125367 PMID:41650621	研究论文	本研究开发并比较了五种机器学习和深度学习模型，以基于易于获取的表层水质数据估算北极分层湖泊深层水体的总氮、总磷和溶解氧浓度	首次将机器学习方法应用于北极分层湖泊，利用表层水质数据估算深层水体水质，提供了一种实时、经济有效的监测新途径	研究基于单一监测站点的长期数据，模型在其他湖泊或区域的普适性有待验证，且北极地区的极端环境条件可能增加应用的不确定性	开发一种通过表层水质测量估算北极分层湖泊深层水体水质的实用方法，以克服深层监测的成本和后勤挑战	芬兰伊纳里湖的分层水体，重点关注其深层（下层滞水层）的总氮、总磷和溶解氧浓度	机器学习	NA	水质监测（现场传感器测量）	ANN, RF, XGBoost, SVR, KAN	水质测量数据（时间序列）	1979年至2022年在单一监测站点收集的长期数据集	NA	人工神经网络, 随机森林, 极端梯度提升, 支持向量回归, 科莫哥洛夫-阿诺德网络	纳什-萨特克利夫效率, 归一化平均绝对误差, 决定系数	NA
1312	2026-02-08	A MultiRater MultiOrgan Abdominal CT Dataset for Calibration Analysis and Uncertainty Modeling in Segmentation 2026-Jan-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06473-9 PMID:41513702	研究论文	本文介绍了一个用于分割校准分析和不确定性建模的多标注者多器官腹部CT数据集，并基于此数据集进行了定量分析	提出了CURVAS挑战，首次联合评估不确定性、校准和分割质量，并考虑标注变异性以评估器官体积，促进临床相关性	数据集仅包含90个对比增强CT扫描，且胰腺分割仍具挑战性，标注一致性较低，需要改进标注协议和训练策略	解决医学影像中深度学习模型在分割模糊结构时的校准和不确定性量化问题，以提高临床决策的可靠性	腹部CT扫描中的胰腺、肝脏和肾脏分割	数字病理学	NA	对比增强CT扫描	NA	图像	90个对比增强CT扫描	NA	NA	NA	NA
1313	2026-02-08	Optimization-driven steganographic system based on fused maps and blowfish encryption 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35556-9 PMID:41513810	研究论文	提出一种基于融合映射和Blowfish加密的优化驱动隐写系统，用于在数字图像中隐藏信息	结合融合映射嵌入与进化优化，引入自适应图像隐写，通过PSO优化嵌入位置选择与顺序，并使用优先级引导的LSB替换	未明确提及系统在极端图像条件或大规模数据集上的泛化能力	开发一种平衡不可感知性、容量和鲁棒性的安全图像隐写系统	数字图像（封面图像和秘密图像）	计算机视觉	NA	图像隐写术、加密技术	NA	图像	使用BOSSbase数据集作为封面图像，USC-SIPI数据集作为秘密图像	NA	NA	峰值信噪比（PSNR）、结构相似性指数（SSIM）、曲线下面积（AUC）、RS统计量	NA
1314	2026-02-08	Improving malware detection performance using hybrid deep representation learning with heuristic search algorithms 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35481-x PMID:41507326	研究论文	提出一种基于混合深度学习框架的恶意软件检测性能提升方法	结合卷积神经网络、双向长短期记忆网络和自注意力机制构建混合模型，并采用启发式搜索算法优化特征选择	仅基于Android恶意软件数据集进行验证，未涉及其他操作系统或更广泛的恶意软件类型	提升Android恶意软件检测的准确性和可扩展性	Android操作系统上的恶意软件应用	机器学习	NA	深度学习	CNN, BiLSTM, Self-Attention	恶意软件特征数据	Android恶意软件数据集（具体数量未明确）	NA	CBiLSTM-SA（卷积神经网络、双向长短期记忆网络、自注意力机制混合架构）	准确率	NA
1315	2026-02-08	Domain-adaptive faster R-CNN for non-PPE identification on construction sites from body-worn and general images 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35148-7 PMID:41501148	研究论文	本研究开发了一种基于域自适应的Faster R-CNN模型，用于在建筑工地上检测未佩戴个人防护装备的情况	提出了一种结合图像级和实例级对抗域分类器的域自适应Faster R-CNN框架，通过梯度反转层学习领域不变特征，利用通用上下文数据集缓解真实工地违规样本稀缺的问题	研究依赖于合成或替代的非PPE样本，真实工地违规实例仍然稀缺，模型性能可能受到领域差异的影响	提高建筑工地上个人防护装备合规性检测的准确性和鲁棒性	建筑工地工人未佩戴的五类个人防护装备：非头盔、非口罩、非手套、非背心、非安全鞋	计算机视觉	NA	深度学习，域自适应	Faster R-CNN	图像	使用完全标注的建筑工地数据集和通用上下文数据集，具体样本数量未明确说明	NA	ResNet-152, Faster R-CNN	平均精度均值	NA
1316	2026-02-08	A multi-scale dual-stream fusion network for high-accuracy sEMG-based gesture classification 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34909-0 PMID:41501380	研究论文	本文提出了一种用于高精度表面肌电信号手势分类的多尺度双流融合网络	提出了多尺度Mamba模块以提取多尺度时间特征并建模短期与长期依赖关系，以及双向注意力融合模块以动态融合时域和频域互补信息	NA	提升基于表面肌电信号的手势识别准确性和鲁棒性	表面肌电信号手势分类	机器学习	NA	表面肌电信号采集	深度学习框架	时间序列信号	NinaPro数据集（DB2、DB3、DB4子集）	NA	多尺度双流融合网络（MSDS-FusionNet），包含多尺度Mamba模块和双向注意力融合模块	准确率	NA
1317	2026-02-08	Understanding the impact of emotional engagement on learning outcomes in online education: an automated analysis approach 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34871-x PMID:41501519	研究论文	本研究开发了一种基于优化视觉Transformer和迁移学习的自动化方法，用于检测在线教育中的情感投入，并分析了情感投入对学习成果的影响	首次将优化的视觉Transformer模型与迁移学习相结合，用于自动化分析在线学习中的情感投入，并揭示了情感投入与学习成果之间的显著正相关关系	研究样本仅包括40名本科生，可能限制结果的普适性；仅使用面部数据进行情感投入分析，未考虑其他行为指标	探究情感投入对在线教育学习成果的影响，并开发自动化监测方法	在线教育中的学习者情感投入	计算机视觉	NA	面部数据采集与分析	Vision Transformer	图像	40名本科生，共71,185张标注图像	NA	Vision Transformer	分类准确率	NA
1318	2026-02-08	Social network analysis for crime prediction under social computing and deep learning technology 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34891-7 PMID:41491265	研究论文	提出一种基于账户关联的关键人物识别模型（KPI-AA），用于犯罪网络中的关键节点识别与行为预测	结合局部邻居相似性与全局边介数，并利用图神经网络对社交网络中的关键节点进行深度表征，以揭示复杂社会结构中的潜在组织核心和犯罪网络中的潜在扩散路径	NA	识别犯罪网络中的隐藏关键人物并预测犯罪行为，服务于社会安全治理与刑事侦查应用	犯罪网络、社交网络中的关键节点	社交计算、机器学习	NA	社交网络分析、图神经网络	GNN	网络图数据	Zachary网络、Harry Potter网络、Twitter数据集	NA	图神经网络	传播动力学（感染节点数）、网络鲁棒性（相对连通性）、排名一致性（Kendall's tau系数）、计算效率	NA
1319	2026-02-08	Knowledge graph-enhanced deep learning for pharmaceutical demand forecasting 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35113-4 PMID:41491846	研究论文	本文提出了一种结合知识图谱与深度学习的混合模型KG-GCN-LSTM，用于提高药品需求预测的准确性和鲁棒性	首次将药品知识图谱与深度学习技术结合，通过GCN提取相关药品特征，LSTM捕捉时序动态，以解决传统方法难以处理的非线性需求模式	未提及模型在更广泛数据集或不同医疗环境下的泛化能力，以及知识图谱构建的依赖性和可扩展性	提高药品需求预测的准确性，以优化医疗供应链管理	药品需求预测，基于药房销售数据和药品知识图谱	机器学习	NA	知识图谱构建，深度学习	GCN, LSTM	时序销售数据，知识图谱	未明确指定，但基于真实世界药房销售数据	未明确指定，可能为PyTorch或TensorFlow	GCN, LSTM	SMAPE	未明确指定
1320	2026-02-08	Multimodal graph, surface, and language-based model for protein protein interaction prediction 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34758-x PMID:41495146	研究论文	本文提出了一种名为GSMFormer-PPI的新型多模态框架，用于预测蛋白质-蛋白质相互作用，通过整合蛋白质分子表面特征、3D结构图和残基级序列嵌入来提高预测准确性	引入几何深度学习提取表面物理化学描述符，结合图卷积网络处理结构上下文，并采用带有线性投影器的Transformer编码器学习超越简单拼接的复杂跨模态交互	未明确说明模型在更大或更复杂数据集上的泛化能力，也未讨论计算效率或资源需求的具体限制	提高蛋白质-蛋白质相互作用预测的准确性，以理解生物过程和疾病机制	蛋白质-蛋白质相互作用	机器学习	NA	几何深度学习，图卷积网络，Transformer编码器	GCN, Transformer	蛋白质分子表面特征，3D结构图，残基级序列嵌入	基于策划的PINDER数据集进行评估，具体样本数量未明确	NA	MaSIF, GCN, Transformer	NA	NA