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
361	2026-02-13	Multimodal MRI reveals hypothalamic structural-functional alterations associated with bone mineral density loss in postmenopausal women 2026-Feb-12, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-026-01077-2 PMID:41673184	研究论文	本研究利用多模态MRI揭示了绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关联	首次在绝经后女性中，结合深度学习分割、功能连接分析和白质束形态分析，系统地探究了骨密度降低与特定下丘脑亚区的多模态改变之间的关联	部分白质束的微观结构和形态学发现因多重比较应被视为探索性结果，样本量相对较小	阐明绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关系	绝经后女性（包括骨质疏松、骨量减少和健康对照组）	医学影像分析	骨质疏松	多模态MRI（3T磁共振成像）	深度学习	MRI图像	54名绝经后女性（18名骨质疏松，18名骨量减少，18名健康对照）	NA	NA	FWE校正的p值，相关系数r	NA
362	2026-02-13	Automatic classification of kidney stone components based on smartphone microscopy and the GoogLeNet model 2026-Feb-12, BMC urology IF:1.7Q3 DOI:10.1186/s12894-026-02080-x PMID:41673817	研究论文	本研究开发了一种基于智能手机显微镜和GoogLeNet模型的肾结石成分自动分类系统	将智能手机显微镜（TIPSCOPE）与GoogLeNet架构结合，实现低成本、快速、准确的肾结石成分自动分类	碳酸磷灰石结石的分类性能相对较低（F1=0.69），样本量较小（共140个样本）	开发一种快速、准确且经济高效的肾结石成分自动分类系统	手术提取的肾结石样本	计算机视觉	肾结石	智能手机显微镜成像	CNN	图像	140个肾结石样本，共840张图像	NA	GoogLeNet	准确率, F1分数, 精确率, 召回率	NA
363	2026-02-13	Chemical Feature Engineering and Defect-Aware Structural Fingerprint Representations for Complex Defects in 2D Materials 2026-Feb-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02100 PMID:41674448	研究论文	本文提出了一种结合化学特征工程和缺陷感知结构指纹表示的方法，用于改进二维材料中复杂缺陷的描述和预测	通过工程化化学描述符和构建源自经典力场启发描述符（CFID）的结构特征，结合Hellinger距离导出的缺陷感知特征，在减少50%特征数量的同时改善了高维特征空间中的数据点区分能力	预测高度复杂和非线性的目标（如HOMO-LUMO能隙）仍然具有挑战性，所有扩展方法均未超越基线描述符的性能	开发可解释且计算高效的描述符，用于二维材料中多缺陷的表征和预测	二维材料中的复杂缺陷	材料信息学	NA	化学特征工程，结构指纹表示，Hellinger距离	NA	结构特征数据，化学描述符数据	NA	NA	NA	预测误差，不确定性，稳定性	NA
364	2026-02-13	Applicability of mitotic figure counting by deep learning: a development and pan-cancer validation study 2026-Feb-12, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.70210 PMID:41676879	研究论文	本研究开发了一种基于深度学习的核分裂象计数方法，并在多个外部验证数据集中评估了其预后影响	开发了一种深度学习方法来计数核分裂象，并在七种不同癌症类型的13个患者队列中进行了大规模外部验证，展示了其在自动化病理工作和扩展应用至更多癌症类型（如前列腺癌）中的潜力	在结直肠癌中，自动核分裂象计数与患者结局的显著关联未得到证实	评估深度学习在核分裂象计数中的适用性及其预后价值	来自七种不同癌症类型的13个患者队列，共14,571个患者样本	数字病理学	乳腺癌, 前列腺癌, 结直肠癌, 其他癌症	苏木精和伊红染色	深度学习	全切片图像	14,571个患者样本	NA	NA	单变量Cox生存分析	NA
365	2026-02-13	An Enthalpy-Entropy Compensated Ionogel With a Broadband Viscoelastic Plateau for Non-Invasive and High-Fidelity Neurointerfaces 2026-Feb-12, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202521208 PMID:41677067	研究论文	本文设计了一种基于动态焓熵平衡的粘弹性离子凝胶，用于实现非侵入式、高保真的神经接口，以解决在动态不规则皮肤上进行高质量电生理记录（如脑电图）的挑战	提出了一种由动态焓熵平衡调控的粘弹性离子凝胶，其独特的双连续纳米结构实现了跨越九个数量级频率（10^-2至10^7 Hz）和宽温区（-30°C至40°C）的频率无关粘弹性平台，显著降低了皮肤-电极阻抗	未明确说明离子凝胶的长期生物相容性、大规模制造可行性以及在更极端环境条件下的性能稳定性	开发一种能同时具备液体般适应性和固体般稳定性的软生物电子材料，以实现非侵入式、高保真的电生理信号记录与解码	用于神经接口的粘弹性离子凝胶材料及其在脑电图信号记录与情感状态分类中的应用	软生物电子学	NA	电生理记录（脑电图），深度学习信号解码	深度学习框架	脑电图信号	NA	NA	NA	分类准确率	NA
366	2026-02-13	Foundation models in radiology: a primer for pediatric radiologists 2026-Feb-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06544-y PMID:41677830	综述	本文介绍了基础模型在放射学，特别是儿科放射学中的应用原理、现状、挑战及未来方向	系统性地将基础模型这一前沿人工智能范式引入儿科放射学领域，并针对该领域特有的数据稀缺、罕见病理和解剖变异等挑战，探讨了其作为灵活骨干网络的适应性潜力	儿科影像数据有限、疾病谱和解剖结构独特、缺乏儿科特异性验证、存在模型幻觉、可解释性不足、资源分配不均以及可能导致放射科医生技能退化的风险	探讨基础模型在儿科放射学中的原理、应用、挑战及未来发展方向，以促进其在临床实践中的安全、公平和有效整合	基础模型及其在儿科放射学中的应用	放射学	儿科疾病	自监督学习，迁移学习，参数高效微调，联邦学习，持续学习，合成数据生成	基础模型	影像数据，文本报告	NA	NA	NA	NA	NA
367	2026-02-13	ChronicDPipredictor: an interpretable deep learning framework for chemical chronic and subchronic toxicity assessment 2026-Feb-12, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11482-w PMID:41678082	研究论文	本研究开发了一个名为ChronicDPipredictor的可解释深度学习框架，用于评估化学物质的慢性和亚慢性毒性	开发了一个结合可解释性（如SHAP分析）和结构警报提取的深度学习框架，用于化学毒性评估，并提供了公开可用的网络服务器	模型性能在亚慢性毒性的多类分类中相对较低（准确率0.80），且可能受限于所使用的指纹表示和数据集	评估化学物质的慢性和亚慢性毒性，以支持化合物重复剂量毒性的风险评估	化学物质	机器学习	NA	NA	深度学习	化学指纹（MACCS、PubChem、KRFP）	NA	NA	NA	准确率	NA
368	2026-02-13	A Driving Regime-Embedded Deep Learning Framework for Modeling Intradriver Heterogeneity in Multiscale Car-Following Dynamics 2026-Feb-11, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3660643 PMID:41671114	研究论文	本文提出了一种嵌入驾驶机制的深度学习框架，用于建模多尺度跟车动力学中的驾驶员内部异质性	将离散驾驶机制（如稳态跟车、加速、巡航）系统性地嵌入车辆运动预测中，结合GRU和LSTM统一处理离散决策过程和连续车辆动力学	未明确说明模型在极端或罕见交通场景下的泛化能力，以及计算复杂度可能较高	准确表示驾驶行为的多尺度复杂性，特别是驾驶员在不同条件下的动态异质性	驾驶员在跟车行为中的动态异质性	机器学习	NA	NA	GRU, LSTM	高分辨率交通轨迹数据	NA	NA	GRU, LSTM	预测误差	NA
369	2026-02-13	DREAM: A Benchmark Study for Deepfake photoREalism AssessMent 2026-Feb-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663547 PMID:41671124	研究论文	本文介绍了DREAM基准研究，专注于深度伪造照片真实性的主观感知评估，包括数据集构建、大规模人工标注和多种评估方法的综合分析	提出了首个专注于深度伪造照片真实性评估的综合性基准DREAM，包含多样化质量的深度伪造视频数据集、大规模人工标注（14万个真实性评分和文本描述）以及对18种代表性评估方法的全面分析	未在摘要中明确说明研究的局限性	促进深度伪造照片真实性评估这一新研究方向的发展，为未来研究提供基础和见解	深度伪造视频及其照片真实性的人类感知评估	计算机视觉	NA	深度学习	大型视觉语言模型, CLIP	视频, 文本	3,500名人类标注者提供了140,000个照片真实性评分和文本描述	NA	CLIP	NA	NA
370	2026-02-13	OmniHD-Scenes: A Next-Generation Multimodal Dataset for Autonomous Driving 2026-Feb-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663672 PMID:41671126	研究论文	本文提出了一个用于自动驾驶的大规模多模态数据集OmniHD-Scenes，并建立了相应的评估基准	提出了首个结合128线激光雷达、六台相机和六台4D成像雷达的全方位高清多模态数据集，并引入了新颖的4D标注流程和密集占据地面真值自动生成管道	目前仅标注了200个片段（共1501个），标注覆盖范围有待扩展	为自动驾驶算法开发提供全面、高质量的多模态数据支持	自动驾驶场景的多模态感知数据	计算机视觉	NA	多传感器融合（LiDAR、相机、4D成像雷达）	NA	图像、点云、雷达数据	1501个片段（每个约30秒），超过45万帧同步数据，585万个同步传感器数据点	NA	NA	3D检测和语义占据预测的基准评估指标	NA
371	2026-02-13	NeuroCLIP: A Multimodal Contrastive Learning Method for rTMS-treated Methamphetamine Addiction Analysis 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663869 PMID:41671129	研究论文	本文提出了一种名为NeuroCLIP的新型深度学习框架，通过整合EEG和fNIRS数据，用于分析经rTMS治疗的甲基苯丙胺成瘾	提出了一种结合EEG和fNIRS的多模态对比学习框架，采用渐进学习策略，提高了成瘾识别的鲁棒性和可靠性	未明确说明样本量大小或数据收集的具体限制，可能依赖于特定实验设置	开发一种客观、数据驱动的生物标志物，用于评估甲基苯丙胺成瘾及rTMS治疗效果	甲基苯丙胺依赖个体和健康对照者	机器学习	药物成瘾	EEG, fNIRS	深度学习框架	多模态神经影像数据（EEG和fNIRS）	NA	NA	NeuroCLIP	区分能力，与渴求评分的相关性	NA
372	2026-02-13	Subject-Adaptive EEG Decoding via Filter-Bank Neural Architecture Search for BCI Applications 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663725 PMID:41671134	研究论文	本文提出了一种基于滤波器组神经架构搜索的EEG解码框架，用于自动设计适应个体差异的脑机接口解码模型	首次将神经架构搜索应用于EEG解码领域，通过多路径NAS算法自动优化多尺度特征提取架构，实现从专家驱动到机器辅助的模型设计范式转变	未明确说明计算成本和时间消耗，跨数据集性能差异较大（68.38%-79.78%）	解决脑机接口中个体差异导致的解码性能下降问题	脑电图信号	机器学习	NA	脑电图	NAS,CNN	时序信号	三个EEG数据集（BCIC-IV-2a, OpenBMI, SEED）	NA	包含扩张卷积核的时序单元	解码准确率	NA
373	2026-02-13	Deep Temporal Sequence Classification and Mathematical Modeling for Cell Tracking in Dense 3D Microscopy Videos of Bacterial Biofilms 2026-Feb-11, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663936 PMID:41671139	研究论文	本文提出了一种名为DenseTrack的新型细胞追踪算法，结合深度学习与基于数学模型的策略，用于在密集3D显微镜视频中准确追踪细菌生物膜中的细胞	将细胞追踪问题构建为基于深度学习的时间序列分类任务，并结合约束一对一匹配优化问题，同时引入基于特征值分解的细胞分裂检测策略	NA	解决在密集环境中自动细胞追踪的对应关系不准确和亲代-子代关系误识别问题	细菌生物膜中的密集细胞	计算机视觉	NA	3D延时成像,荧光成像	深度学习	3D时间序列图像	模拟和实验荧光图像序列	NA	NA	定性和定量评估指标	NA
374	2026-02-13	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了使用标准标签的文本基抑郁症估计模型的预测性能，并分析了影响性能异质性的因素	与以往包含弱标签或异质标签的综述不同，本研究聚焦于使用经过验证的量表或临床诊断作为标准标签的模型，提供了更具临床可靠性和可比性的证据，并首次通过荟萃分析量化了文本表示方法、模型架构、标注来源和报告质量对模型性能的影响	纳入分析的原始研究数量有限（11项研究中的15个模型），可能限制了亚组分析和元回归的统计效力；研究时间范围（2014-2025年）可能未涵盖所有相关文献	评估使用标准抑郁标签的文本基抑郁估计模型的预测性能，并识别导致性能异质性的文本资源、文本表示、模型架构、标注来源和报告质量等因素	基于参与者生成文本并采用验证量表或临床诊断作为抑郁标签的机器学习模型	自然语言处理	抑郁症	自然语言处理	机器学习模型（包括浅层模型和深度学习模型）	文本	NA	NA	NA	效应量（r），95%置信区间	NA
375	2026-02-13	Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data 2026-Feb-11, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae449b PMID:41671586	研究论文	提出一种结合组织病理学和基因组数据的多模态深度学习框架，用于可靠地分类乳腺癌亚型	引入基于不确定性的智能路由机制，选择性使用单模态或多模态推断以优化计算效率，并应用注意力展开技术增强模型可解释性	研究基于TCGA-BRCA数据集，可能未涵盖所有乳腺癌亚型或临床场景，且多模态数据整合的泛化能力需进一步验证	提高乳腺癌亚型分类的准确性和可解释性，以支持个性化治疗规划和预后评估	乳腺癌患者，具体为TCGA-BRCA数据集中的924名患者，基于PAM50分子亚型	数字病理学	乳腺癌	RNA-seq	Transformer, 深度学习	图像, 基因组数据	924名患者	PyTorch	CTransPath, 视觉Transformer	准确率	GPU（具体型号未指定），可能涉及分布式计算
376	2026-02-13	Deep Learning-Based Epileptic Seizure Detection from EEG Signals and PPG signals Using LSTM and CNN Models 2026-Feb-11, The International journal of neuroscience DOI:10.1080/00207454.2026.2621855 PMID:41671683	研究论文	本文提出了一种结合CNN和LSTM的混合深度学习框架，利用多模态EEG和PPG信号进行癫痫发作的自动检测	与仅使用EEG的方法不同，本研究创新性地引入了PPG信号，提供了自主神经波动、心率变异性变化等互补生理信息，增强了模型在EEG特征不明显或模糊情况下的判别能力	NA	开发一种可靠且高效的实时癫痫发作检测系统	癫痫患者的多模态生物信号（EEG和PPG）	机器学习	癫痫	脑电图监测，光电容积描记术	CNN, LSTM	信号数据（EEG和PPG信号）	NA	NA	CNN-LSTM混合架构	准确率, 精确率, 召回率, F1分数, Cohen's Kappa, Matthews相关系数, 临界成功指数	NA
377	2026-02-13	Deep-Learning-Enhanced Living Biophotovoltaics: Predictive Photocurrent Modeling and Sensitive Herbicide Biosensing 2026-Feb-11, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c06224 PMID:41672884	研究论文	本文开发了一种基于蓝藻的活体生物光伏系统，用于同时生成绿色能源和检测除草剂，并利用深度学习模型预测光电流动态	结合导电聚合物-金纳米粒子修饰电极与蓝藻，构建了双功能活体生物光伏系统，并首次应用深度学习模型（如BiLSTM）预测其光电流动力学	NA	开发一种同时用于可持续能源生成和除草剂生物传感的活体生物光伏系统	蓝藻基活体生物光伏系统及其光电流动态	机器学习	NA	电聚合、金纳米粒子修饰、生物传感	LSTM, BiLSTM, GRU	时间序列数据（光电流动态）	NA	NA	LSTM, BiLSTM, GRU	R², RMSE, MAE	NA
378	2026-02-13	Polysomnography Dataset for Sleep Analysis in Ischemic Stroke Patients 2026-Feb-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06747-w PMID:41673037	研究论文	本文介绍了首个针对缺血性卒中患者的亚洲大型睡眠数据集iSLEEPS，并展示了利用深度学习进行自动睡眠分期分类的应用	创建了首个亚洲地区、规模最大的卒中特异性睡眠数据库，填补了卒中睡眠研究领域的数据空白	数据集仅包含100例样本，且来自单一医疗机构，可能存在选择偏倚	研究缺血性卒中患者的睡眠结构与神经恢复的关系，特别是睡眠呼吸障碍的病理生理机制	缺血性卒中患者	数字病理学	心血管疾病	多导睡眠图（PSG）	LSTM, Transformer, CNN	睡眠记录数据	100例夜间PSG记录	NA	长短期记忆网络, Transformer, 卷积神经网络	准确率	NA
379	2026-02-13	A two-stage deep learning framework for kidney disease detection using modified specular-free imaging and EfficientNetB2 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04606-z PMID:41673036	研究论文	本文提出了一种用于肾脏疾病检测的两阶段深度学习框架，结合改进的无镜面反射成像技术和EfficientNetB2分类模型	提出了一种新颖的改进无镜面反射成像技术，用于自适应增强肾脏图像细节，并结合EfficientNet-B2架构构建了两阶段诊断模型	未明确说明样本来源、数据集的详细构成以及模型在外部验证集上的泛化性能	提高各种肾脏病理的检测准确率	肾脏图像（包括正常肾脏、肿瘤、肾结石和囊肿）	计算机视觉	肾脏疾病	改进的无镜面反射成像技术	CNN	图像	NA	NA	EfficientNet-B2, VGG16, ResNet50, VGG19, DenseNet121, DenseNet169, DenseNet201, EfficientNet-B0, EfficientNet-B1, EfficientNet-B3	准确率	NA
380	2026-02-13	A CNN-RNN Siamese framework with multi-level aggregation for video-based person re-identification 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39277-x PMID:41673086	研究论文	本文提出了一种结合CNN和RNN的孪生网络框架，用于视频行人重识别，通过多级聚合有效捕捉空间和时间特征	创新点在于设计了一个紧凑的CNN-GRU架构，避免了基于Transformer的主干网络的深度和计算需求，同时保持了强大的识别能力，并通过多级相似性聚合整合了卷积特征和循环时间建模	未在摘要中明确提及具体限制	研究目标是实现准确且资源高效的视频行人重识别，适用于现实世界资源受限的环境	研究对象是视频序列中的行人重识别任务	计算机视觉	NA	深度学习	CNN, RNN, Siamese网络	视频	未在摘要中明确提及具体样本数量	未在摘要中明确提及具体框架	CNN-GRU	未在摘要中明确提及具体性能指标	未在摘要中明确提及具体计算资源