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
1461	2026-02-06	[Estimation of the parenchymal reserve-Volumetric and functional before resection] 2026-Feb, Chirurgie (Heidelberg, Germany) DOI:10.1007/s00104-025-02401-0 PMID:41186684	综述	本文综述了术前评估肝脏切除后剩余肝体积和功能储备的当前概念与诊断方法，以避免术后肝衰竭	整合了实验室参数评分、功能测试和功能成像技术，并展望了深度学习算法在自动化分析中的应用	深度学习算法尚未批准用于功能测试，且手术专业知识在评估可切除性中仍起决定性作用	评估肝脏切除术前足够的实质储备，以预防术后肝衰竭	接受大范围肝切除术的患者	数字病理学	肝脏疾病	实验室参数评分（如APRI/ALBI评分）、功能测试（如ICG-R15、LiMAx®、闪烁扫描术）、功能成像（如锝-99m甲溴芬宁闪烁扫描结合MRI）	深度学习算法	图像、实验室数据	NA	NA	NA	NA	NA
1462	2026-02-06	Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data 2026-Feb, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.10.004 PMID:41109500	研究论文	本研究提出了一种半监督深度学习框架，用于女性盆腔磁共振成像中子宫和膀胱的分割，以解决标记数据有限的问题	引入了一种结合自监督学习图像修复任务进行特征提取和伪标签生成的半监督学习过程，显著减少了对大规模标记数据的依赖	研究仅涉及48名女性受试者的数据，样本量相对较小，且未明确说明模型在其他疾病或人群中的泛化能力	提高盆腔磁共振成像中器官分割的准确性和效率，减少对大量标记数据的依赖	女性盆腔磁共振成像中的子宫和膀胱	数字病理学	盆腔器官脱垂	磁共振成像	深度学习	图像	48名女性受试者的4103张磁共振图像	NA	NA	Dice相似系数, 平均表面距离, 95% Hausdorff距离	NA
1463	2026-02-06	Image Fusion for Super-Resolution Mass Spectrometry Imaging of Plant Tissue 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512662 PMID:41255198	研究论文	本研究提出了一种名为损失控制残差网络（LCRN）的工作流程，专门用于植物质谱成像数据的超分辨率融合	引入了边缘感知损失函数，用于评估复杂形态信息，并应用于损失传播，以提升融合质量，实现了高达20倍的超分辨率融合	NA	提升植物质谱成像数据的超分辨率融合质量	植物组织	计算机视觉	NA	质谱成像（MSI）	CNN	图像	NA	NA	残差连接神经网络	边缘感知损失	NA
1464	2026-02-06	Deformation Prediction of 4D-Printed Active Composite Structures Based on Data Mining 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202516989 PMID:41293877	研究论文	本文提出了一种基于数据挖掘的可扩展变形预测方法，用于预测4D打印活性复合结构的变形	提出曲率驱动序列点生成算法，可预测任意长度体素编码的变形，相比传统有限元方法显著提升效率，相比深度学习方法提高精度并解决泛化能力不足的问题	未明确说明方法对超大规模体素结构的适用性极限，也未讨论算法在极端几何形状下的表现	开发高效准确的4D打印活性复合结构变形预测方法	4D打印的活性复合结构	机器学习	NA	4D打印，数据挖掘	NA	体素编码数据，特征数据	NA	NA	曲率驱动序列点生成算法	预测效率，预测精度，泛化能力	NA
1465	2026-02-06	Deep learning-based classification of lung adenocarcinoma subtypes in histopathological images using DS-EffNet 2026-Feb, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.106020 PMID:41421723	研究论文	本研究提出了一种基于深度学习的模型DS-EffNet，用于肺腺癌组织病理学图像亚型的自动分类	将深度可分离残差块、RefConv、通道注意力池化和多维协作注意力模块集成到EfficientNetV2-S架构中，优化了特征提取和复杂病理模式建模	未明确提及模型在更大规模或更多样化数据集上的泛化能力验证	提高肺腺癌组织病理学图像亚型分类的准确性和效率	肺腺癌组织病理学图像	数字病理学	肺癌	组织病理学成像	CNN	图像	主要实验数据集和LC25000数据集，具体样本数量未明确	NA	EfficientNetV2-S	准确率, F1分数, AUC	NA
1466	2026-02-06	High-resolution optogenetics generates distinguishable neocortical activity patterns in awake mice 2026-Feb, Neuroscience research IF:2.4Q3 DOI:10.1016/j.neures.2025.105012 PMID:41448496	研究论文	本研究开发了一种基于数字微镜器件的高分辨率光遗传学平台，用于在清醒小鼠中精确控制新皮质神经元群体活动	开发了具有2微米空间分辨率和0.2毫秒时间分辨率的光刺激平台，能够产生可区分的神经活动模式	研究仅限于初级体感皮层和表达通道视紫红质-2的小鼠模型	探究认知的神经基础，通过精确控制神经元群体活动来研究网络动力学	表达通道视紫红质-2的清醒小鼠的初级体感皮层	神经科学	NA	光遗传学，数字微镜器件光刺激，电生理记录	深度学习算法	电生理信号	NA	NA	NA	分类准确率	NA
1467	2026-02-06	Approaches for accelerating microbial gene function discovery using artificial intelligence 2026-Feb, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02214-1 PMID:41501479	综述	本文回顾了人工智能在加速微生物基因功能发现方面的最新进展，并讨论了实现可解释和高通量人工智能引导注释的未来方向	整合计算与实验方法，开发系统化基因功能发现工作流程，利用深度学习改进基因功能预测	传统注释方法受限于可扩展实验技术的缺乏和基于同源性的计算方法的局限性	加速微生物基因功能发现，实现更高效、准确和全面的基因组注释	微生物基因组中的未知功能基因	机器学习	NA	基因组测序技术	深度学习	基因组数据	NA	NA	NA	NA	NA
1468	2026-02-06	Nocturnal enteral feeding and mechanical ventilation risk in intensive care unit patients: A deep Learning-Based causal inference study 2026-Feb, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.106556 PMID:41518874	研究论文	本研究利用深度学习因果推断模型，探讨了ICU患者夜间肠内营养与机械通气风险之间的关联	首次采用深度学习因果推断模型评估夜间肠内营养对机械通气风险的平均处理效应，并结合SHAP分析识别关键预测因子	研究基于观察性数据，可能存在未测量的混杂因素，且外部验证队列的样本量相对较小	探究ICU患者夜间肠内营养是否增加机械通气需求	重症监护病房（ICU）患者	机器学习	NA	深度学习因果推断	深度学习因果推断模型	电子健康记录数据	MIMIC-IV队列1551例，eICU队列3394例	NA	NA	比值比（OR），置信区间（CI），平均处理效应（ATE）	NA
1469	2026-02-06	Multistream Deep Learning Models Using Multimodal Optical Coherence Tomography for Predicting Visual Impairment in Epiretinal Membrane 2026-Feb, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.10.023 PMID:41636542	研究论文	本研究开发了一种多流深度学习模型，利用多模态光学相干断层扫描图像预测视网膜前膜患者的视力损伤	首次提出结合八种不同OCT图像类型的多流深度学习模型来预测视网膜前膜视力损伤，并通过热图可视化识别可能的生物标志物	研究为单中心回顾性设计，样本量有限，外部验证集规模较小	开发深度学习模型预测视网膜前膜患者的视力损伤程度，并识别相关的OCT生物标志物	被诊断为特发性视网膜前膜的患者	数字病理学	视网膜疾病	光学相干断层扫描	深度学习	图像	351组图像用于模型开发，50组用于外部验证	NA	多流深度学习模型	准确率	NA
1470	2026-02-06	Raman spectroscopy as the quantum eye to reveal molecular dynamics in biology 2026-Feb-01, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2026.103805 PMID:41637818	综述	本文综述了拉曼光谱作为一种基于量子力学原理的分子振动光谱技术在生命科学研究中的应用、优势、最新进展及未来发展方向	强调了拉曼光谱作为“量子之眼”揭示分子动力学的独特视角，并展望了其与纳米探针设计、深度学习算法的深度融合将推动单细胞代谢组学、微生物快速鉴定和精准医学等领域的应用扩展	指出拉曼光谱在从新兴技术转化为实际应用过程中仍存在若干技术壁垒	探讨拉曼光谱技术在生命科学研究中的应用潜力与发展方向	生物分子、细胞、组织、微生物、微塑料等复杂生物系统	生命科学分析技术	NA	拉曼光谱，包括微区拉曼、表面增强拉曼光谱、受激拉曼散射	NA	光谱数据	NA	NA	NA	NA	NA
1471	2026-02-06	Automatic liver Couinaud segmentation from computed tomography scans with a gradient-enhanced hierarchical cascade deep learning network 2026-Feb, Current problems in surgery IF:2.3Q2 DOI:10.1016/j.cpsurg.2025.101957 PMID:41638851	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1472	2026-02-02	Deep learning framework for timely detection and classification of chili leaf diseases and pests 2026-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34477-3 PMID:41620433	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1473	2026-02-06	Understanding Artificial Intelligence (AI) for the Electrophysiologist 2026-Jan-30, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.010 PMID:41621626	综述	本文为电生理学家提供关于人工智能的实用入门指南，旨在支持其进行知情评估和负责任的临床采纳	系统梳理了AI在电生理学领域从基于规则系统到现代机器学习、深度学习及新兴生成式AI和大型语言模型的历史演变，并提供了一个评估当前AI证据和指导其临床转化的实用框架	作为一篇综述文章，未提出新的算法或模型，主要侧重于概念梳理和框架构建	支持电生理学家对AI工具进行知情评估并推动其负责任的临床采纳	人工智能在临床电生理学中的应用	机器学习	心血管疾病	NA	机器学习, 深度学习, 生成式AI, 大型语言模型	NA	NA	NA	NA	分析性能, 临床效用	NA
1474	2026-02-06	Adversarial robust EEG-based brain-computer interfaces using a hierarchical convolutional neural network 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34024-0 PMID:41617748	研究论文	本研究提出了一种用于脑机接口的三层分层卷积神经网络，旨在同时提升运动意图分类的准确性和对抗攻击的鲁棒性	提出了一种新颖的三层分层卷积神经网络架构，通过结构化的层次化解码流程（区分运动想象与执行、单侧与双侧任务、细粒度运动分类）来提升模型对抗攻击的鲁棒性	研究仅在公开的BCI Competition IV-2a数据集上进行评估，且数据仅来自健康受试者，未在临床患者数据或更大规模数据集上验证	提升基于脑电图的脑机接口在对抗攻击下的鲁棒性和可靠性，以保障其在康复治疗和辅助设备控制等安全关键应用中的安全性	运动想象和运动执行任务相关的脑电图信号	机器学习	NA	脑电图	CNN	脑电图信号	9名健康受试者的多类运动想象脑电图记录（来自BCI Competition IV-2a数据集）	NA	分层卷积神经网络	准确率	NA
1475	2026-02-06	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jan-30, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	提出一种名为TARS的即插即用方法，用于提升深度学习模型在时序漂移下的表格数据学习鲁棒性	首次提出多时间尺度表示与自适应路由机制，通过显式时序编码器分解时间戳为短、中、长期嵌入，并结合隐式漂移编码器跟踪高阶分布统计，实现动态时间尺度加权	未明确说明方法在极端时序漂移场景下的性能边界，也未讨论计算复杂度增加对实际部署的影响	解决表格数据因时间演化导致的时序漂移问题，提升深度学习模型的长期性能稳定性	随时间演化的真实世界表格数据集	机器学习	NA	NA	深度学习	表格数据	八个真实世界数据集（来自TabReD基准）	未指定	MLP, DCNv2	相对改进率	NA
1476	2026-02-06	Adaptive fusion based deep learning framework for restoring underwater image quality using multi scale attention features 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32519-4 PMID:41611737	研究论文	本文提出了一种基于自适应融合的深度学习框架，利用多尺度注意力特征来恢复水下图像质量	提出了ERUI-MSAF模型，该模型集成了通道和空间注意力特征，并采用自适应双边滤波进行预处理，结合深度小波网络和EfficientNet进行特征融合，以自适应地强调水下图像中的信息特征和区域	NA	开发一种有效的方法来恢复水下图像，通过提高可见性和增强图像整体质量	水下图像	计算机视觉	NA	NA	深度学习	图像	使用了EUVP和UIEB两个数据集，具体样本数量未明确说明	NA	深度小波网络, EfficientNet	PSNR	NA
1477	2026-02-06	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jan-29, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	本研究提出了一种基于深度学习的方法，利用颅骨CT扫描预测经颅超声插入损失，以提高超声传输效率	首次提出改进的双路径Inception神经网络（mDPI-Net）直接从颅骨CT图像预测超声插入损失，相比传统数值方法显著提升计算效率	研究仅使用20个颅骨样本进行验证，样本量较小；实验设置固定条件下验证，实际临床应用环境可能更复杂	优化经颅超声传输效率，实现快速准确的插入损失预测	人类颅骨标本	医学影像分析	脑部疾病	CT扫描，超声传输实验	CNN	CT图像	20个人类颅骨标本	NA	改进的双路径Inception神经网络（mDPI-Net）	峰值压力误差，插入损失偏差	NA
1478	2026-02-06	Automated Classification of Store-Operated Calcium Entry Activity and Disease Conditions in Murine Skeletal Muscle Images Using Machine Learning 2026-Jan-28, Muscle & nerve IF:2.8Q2 DOI:10.1002/mus.70157 PMID:41603483	研究论文	本研究比较了三种机器学习模型在基于小鼠骨骼肌图像中钙库操纵性钙内流（SOCE）活性进行分类的能力	首次将机器学习模型应用于自动分类小鼠骨骼肌图像中的SOCE活性，作为肌肉活动延长和/或疾病的指标	研究样本量有限，未来需要更大数据集和更复杂模型（如基于Transformer的模型）来提升在复杂肌肉条件下的性能	开发自动化方法，通过机器学习准确检测肌肉组织图像中的病理生理学变化，以改善肌肉萎缩症的诊断和治疗	小鼠骨骼肌纤维的免疫荧光图像，来自钙蛋白酶-3缺失小鼠和野生型小鼠，在休息或运动后获取	计算机视觉	肌肉萎缩症	免疫荧光成像	CNN, SVM	图像	未明确指定具体样本数量，但涉及钙蛋白酶-3缺失小鼠和野生型小鼠的肌肉纤维图像	未明确指定，但可能涉及TensorFlow, PyTorch或Scikit-learn	EfficientNet, CNN（未指定具体架构），SVM	准确度, F1分数, 精确度, 受试者工作特征曲线下面积	NA
1479	2026-02-06	Application of a novel approach for dementia prevalence prediction in Taiwan 2026-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34592-1 PMID:41519877	研究论文	本研究提出了一种优化的机器学习模型FGOASVR，用于有效预测台湾的痴呆症患病率趋势	提出了一种新颖的飞鹅优化算法支持向量回归（FGOASVR）模型，用于痴呆症患病率预测，并在与多种统计、深度学习和混合模型的比较中表现出最高的准确性和稳定性	研究仅基于台湾的国民健康保险研究数据库数据，模型在其他地区或人群的泛化能力未经验证	预测痴呆症患病率趋势，以支持数据驱动的公共卫生预测和政策制定	台湾1998年至2023年的年度痴呆症诊断数据	机器学习	老年疾病	NA	支持向量回归（SVR），长短期记忆网络（LSTM）	时间序列数据	1998年至2023年的年度痴呆症诊断数据（来自台湾NHIRD）	NA	FGOASVR, ARIMA, HWETS, LSTM, SVR, PSOSVR, DESVR, WOASVR, HHOSVR	平均绝对百分比误差（MAPE），均方根误差（RMSE）	NA
1480	2026-01-11	Automatic bone age assessment: a deep learning case study on the Brazilian population with a supporting mobile application prototype 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34651-7 PMID:41513744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA