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
661	2026-02-08	FedVGM: Enhancing Federated Learning Performance on Multi-Dataset Medical Images With XAI 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600361 PMID:40833903	研究论文	本文提出了一种名为FedVGM的隐私保护联邦学习框架，用于多模态医学图像分析，旨在解决数据隐私法规和分散数据集带来的挑战	FedVGM整合了四种医学成像模态（脑MRI、乳腺超声、胸部X光和肺部CT）和14个诊断类别，采用联邦学习框架，结合迁移学习和VGG16与MobileNetV2的集成模型，无需集中患者数据，并应用可解释AI技术确保临床可解释性	NA	开发一个隐私保护、可扩展的联邦学习框架，以提升多数据集医学图像分析的性能，支持协作医疗诊断	多模态医学图像，包括脑MRI、乳腺超声、胸部X光和肺部CT，涵盖14个诊断类别	计算机视觉	多种疾病（基于脑、乳腺、胸部和肺部成像）	联邦学习，迁移学习，可解释AI	CNN	图像	NA	NA	VGG16, MobileNetV2	准确率	NA
662	2026-02-08	Addressing Glaucoma Structure-Function Relationship: A Multi-Task Learning Framework With Multi-Modal and Unpaired Data 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3600311 PMID:40853790	研究论文	本研究提出了一种基于OCT数据的多模态多任务学习框架，用于预测青光眼的视野测试结果，并引入动态加权损失函数和PairMatcher模型以处理未配对数据	开发了联合预测多个视野指标的多任务学习框架，引入动态加权损失函数改善重度青光眼预测性能，并构建PairMatcher模型利用未配对的视野测试数据	未明确说明数据集的样本规模或具体计算资源需求，且可能受限于未配对数据的处理效果	通过深度学习模型利用OCT数据预测青光眼患者的视野测试结果，以改善临床护理	青光眼患者的光学相干断层扫描数据和视野测试数据	医学影像分析	青光眼	光学相干断层扫描	深度学习模型	图像（OCT数据）和数值数据（视野测试结果）	NA	NA	PairMatcher	NA	NA
663	2026-02-08	Continuous Cuffless Blood Pressure Estimation via Effective and Efficient Broad Learning Model 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3604464 PMID:40889325	研究论文	本研究提出了一种基于宽度学习模型的无袖带连续血压估计方法，旨在提高计算效率并降低存储需求	采用宽度学习模型替代深度模型，通过增加网络宽度而非深度来降低计算复杂度，并探索增量学习模式以提升内存效率和灵活性	研究未明确讨论模型在多样化人群或不同生理状态下的泛化能力，也未详细分析实时部署中的硬件限制	开发一种高效、低计算成本的无袖带连续血压监测方法，以促进高血压的预防、检测和管理	使用可穿戴心血管信号进行无袖带血压估计	机器学习	心血管疾病	NA	宽度学习模型, LSTM, 1D-CNN	心血管信号	UCI数据库中的403.67小时数据	NA	标准宽度学习模型, 增量宽度学习模型	平均绝对误差, 平均误差, 标准差	NA
664	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
665	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
666	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
667	2026-02-07	IntNet: Lightweight yet high-performance deep learning system for intuitive radar patterns analysis and human fall detection 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111485 PMID:41547050	研究论文	本文提出了一种基于雷达的轻量级深度学习系统IntNet，用于直观雷达模式分析和人体跌倒检测，在复杂现实场景中实现了高性能和边缘计算能力	提出了一种轻量级深度学习系统IntNet，在保持边缘计算能力的同时实现了前所未有的性能（召回率98.99%，精确率99.32%），并引入了新的性能比较方法学	未明确说明系统在极端环境条件下的鲁棒性或跨不同人群的泛化能力	开发一种高性能、隐私保护且适用于边缘计算的雷达基跌倒检测系统	老年人及独居年轻人的跌倒检测	机器学习和计算机视觉	老年疾病	雷达传感器技术	深度学习系统	雷达模式数据	未明确说明，但使用了文献中最具现实代表性的数据集	未明确指定	IntNet	召回率, 精确率	边缘计算设备，模型参数量211.8k，FLOPs约8.84M
668	2026-02-07	Multi-task non-contact ballistocardiogram-based vital signs monitoring in acupuncture 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111461 PMID:41548353	研究论文	本研究提出了一种结合多通道心冲击图信号和多任务学习的创新方法，用于针灸过程中的高效生命体征监测	利用聚偏氟乙烯薄膜传感器和深度神经网络，通过非接触式床垫下心冲击图信号进行心率、呼吸率估计和卧姿检测	NA	开发一种基于心冲击图信号的非接触式生命体征监测系统，用于针灸等医疗场景	25名参与者的心冲击图信号	机器学习	NA	心冲击图	GRU, MHSA	信号	25名参与者	NA	GRU, 多头自注意力	准确率, 平均绝对误差	NA
669	2026-02-07	HybridDeepSynergy: A hybrid deep learning model integrating CNN, LSTM, and attention mechanisms for cancer drug synergy prediction 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111471 PMID:41570613	研究论文	本文提出了一种名为HybridDeepSynergy的混合深度学习模型，通过整合CNN、LSTM和注意力机制来预测癌症药物协同作用	首次结合CNN、LSTM和Transformer注意力机制，构建混合深度学习模型用于药物协同预测，并引入多种协同评分模型进行综合评估	模型尚未在临床环境中验证，未来需要纳入更多癌症数据集以增强预测能力	优化癌症治疗策略，通过预测药物组合的协同作用来支持精准医疗	多种药物组合和癌细胞系	机器学习	癌症	NA	CNN, LSTM, Transformer	基因组数据集	包含大量药物组合的综合数据集	NA	CNN, LSTM, Transformer	RMSE, MAE, 决定系数, Pearson相关系数, Spearman相关系数	NA
670	2026-02-07	Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma 2026-Feb-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02679 PMID:41435207	研究论文	本研究开发了一个自动化人工智能影像平台，用于评估口咽癌患者的淋巴结和结外侵犯情况，以改进风险分层	首次将自动淋巴结分割与结外侵犯预测整合到AI平台中，并证明AI预测的结外侵犯淋巴结数量可作为新的风险因素	研究为回顾性多中心设计，可能存在选择偏倚，且仅基于CT影像，未整合其他影像模态	评估自动化AI预测的结外侵犯淋巴结数量在口咽癌风险分层中的预后价值	口咽癌患者	数字病理学	口咽癌	计算机断层扫描	深度学习	医学影像	1,733名口咽癌患者	NA	NA	C指数, 风险比	NA
671	2026-02-07	A review of AI/ML approaches in wastewater surveillance advancement 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181364 PMID:41576591	综述	本文系统性地回顾了过去五年中人工智能和机器学习模型在废水流行病学中的应用，重点评估了其在病原体检测和疾病趋势预测方面的有效性	提出了一个基于预测目标、数据类型和时间依赖性的决策支持框架来指导模型选择，并强调了结合混合建模方法和环境元数据以增强废水监测系统的重要性	NA	评估人工智能和机器学习模型在废水流行病学中的有效性，并为其应用提供指导	废水流行病学中的病原体检测和疾病趋势预测	机器学习	传染病	废水监测	随机森林, 支持向量机, 人工神经网络, 长短期记忆网络, K-means聚类, 时间序列机器学习模型	时序数据	NA	NA	NA	R值, 均方根误差, 分类准确率, 均方误差, 平均绝对误差	NA
672	2026-02-07	National-scale open cattle feedlot detection using deep learning and high-resolution aerial images: Spatial distribution and animal welfare analysis 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181451 PMID:41579720	研究论文	本研究提出了一种利用YOLO目标检测模型和高分辨率航空影像，在全美范围内自动检测开放式牛饲养场的框架，并分析了其空间分布及相关的动物福利问题	首次开发了基于深度学习的全国性开放式牛饲养场自动检测框架，并利用大规模高分辨率航空影像（NAIP）生成了首个全面的设施空间分布数据库	检测模型可能受到影像质量、季节变化及背景复杂性的影响，且标注数据仅覆盖了内布拉斯加、堪萨斯和德克萨斯三个高产州的部分县	实现美国本土开放式牛饲养场的自动化、大规模检测与空间分布分析，以支持牛肉生产洞察、动物福利改善及环境影响评估	美国本土（CONUS）的开放式牛饲养场设施	计算机视觉	NA	航空影像分析，目标检测	CNN	图像	标注了11,746个饲养场和13,000个背景图像块，用于模型训练、验证和测试	PyTorch	YOLOv11	精确率，召回率，F1分数，交并比	NA
673	2026-02-07	Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00706 PMID:41468557	研究论文	本文介绍了对Casanovo深度学习从头肽段测序器的一系列改进，旨在提升其评分可解释性、扩展软件功能、加速运行速度，并提供工作流和可视化工具以促进应用	改进了Casanovo的评分可解释性，扩展了其在数据库搜索中的通用性，优化了训练和预测的运行速度，并引入了新的工作流和可视化工具	NA	提升Casanovo深度学习模型在肽段测序中的准确性、易用性和应用范围	质谱和蛋白质组学数据中的肽段序列	机器学习	NA	质谱分析	深度学习模型	质谱数据	NA	NA	Casanovo	NA	NA
674	2026-02-07	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-Feb-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	本文提出了一种基于人工智能的方法，用于胎儿脑MRI中脑室的自动分割、体积量化和分类，以预测产后干预需求	利用nnUNet深度学习模型进行胎儿脑室自动分割，并基于此建立跨孕龄的脑室体积正常参考范围，首次实现了对胎儿脑室扩大及产后干预需求的客观预测	研究为回顾性设计，样本量相对有限（222例患者），且依赖于手动分割数据进行模型训练，可能引入主观偏差	开发一种基于人工智能的客观方法，用于胎儿脑室扩大与脑积水的准确区分，并预测产后脑脊液干预的必要性	胎儿脑MRI图像，包括正常胎儿、脑室扩大胎儿及需产后干预的病例	数字病理学	胎儿脑室扩大	胎儿脑MRI	深度学习	图像	222例单胎妊娠患者，包括20例手动分割的机构数据、80例公开数据集、138例正常胎儿MRI及64例脑室扩大胎儿（其中14例需产后干预）	nnUNet	nnUNet	Dice系数, 灵敏度, 特异性, AUC, 95%置信区间	NA
675	2026-02-07	Nitrilotriacetic acid functionalized gold nanopillars enable stochastic detection and deep learning analysis of prolines and hydroxyprolines by surface enhanced Raman spectroscopy 2026-Feb-05, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04125b PMID:41524279	研究论文	本文开发了一种基于金纳米柱功能化的随机表面增强拉曼散射方法，结合深度学习分析，用于快速检测脯氨酸和羟脯氨酸	通过功能化金纳米柱形成NTA-Ni结构，实现脯氨酸和羟脯氨酸的可逆瞬态结合，将检测时间缩短至30分钟内，并首次结合一维卷积神经网络分析SERS时间序列数据	未明确说明方法在复杂生物流体中的实际应用限制或可能存在的干扰因素	开发一种快速、高灵敏度的脯氨酸和羟脯氨酸检测方法，用于疾病监测和生物医学分析	脯氨酸和羟脯氨酸分子	机器学习	胶原代谢相关疾病	表面增强拉曼散射	CNN	光谱时间序列数据	NA	NA	一维卷积神经网络	准确率	NA
676	2026-02-07	Accelerating OLED development with machine learning: advances and prospects 2026-Feb-05, Chemical communications (Cambridge, England) DOI:10.1039/d5cc06175j PMID:41537217	综述	本文全面探讨了机器学习在加速有机发光二极管（OLED）技术发展中的作用，包括材料性能预测、结构-性质关系构建及器件优化	系统性地将机器学习作为数据驱动范式应用于OLED创新，整合了通用ML模型与深度学习在OLED材料与器件研究中的案例评估	未详细讨论实验数据质量对模型性能的影响，且未来研究方向仅提供前瞻性建议而非具体实施方案	加速OLED材料与器件的研发进程，通过机器学习提升研究效率与可扩展性	OLED发光材料、器件结构及相关光电技术	机器学习	NA	机器学习、深度学习	通用ML模型、深度学习模型	材料性质数据、结构数据、器件性能数据	NA	NA	NA	NA	NA
677	2026-02-07	Fairness Correction in COVID-19 Predictive Models Using Demographic Optimization: Algorithm Development and Validation Study 2026-Feb-03, Online journal of public health informatics DOI:10.2196/78235 PMID:41632023	研究论文	本文提出了一种名为DemOpts的公平性校正方法，用于改进COVID-19预测模型在不同种族和民族群体间的公平性	提出了一种新颖的去偏方法DemOpts，通过人口统计学优化来减少预测误差在不同种族和民族群体间的差异，相比现有方法能更好地实现误差均等	研究主要关注聚合地理层面的预测，可能未考虑个体层面的偏差；且依赖于潜在有偏的数据集，如移动性或社会人口数据	开发并验证一种公平性校正方法，以提高COVID-19预测模型在不同种族和民族群体间的公平性	COVID-19病例预测模型，特别是针对不同种族和民族群体的预测公平性	机器学习	COVID-19	深度学习	深度学习模型	多模态数据（包括移动性数据、社会人口数据）	NA	NA	NA	误差均等性、平均预测误差	NA
678	2026-02-07	Analysis and prediction of schizophrenia patients based on high-order graph attention generative adversarial networks 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15602-8 PMID:41629367	研究论文	提出了一种基于高阶图注意力生成对抗网络的模型，用于分析和预测精神分裂症患者	首次将高阶图注意力生成对抗网络应用于EEG数据，以捕捉持续性图像的高阶拓扑特征，用于精神分裂症的早期诊断和预测	未明确说明样本量、计算资源细节以及模型在其他频段的泛化能力	研究高阶脑功能网络对精神分裂症患者的影响，并开发早期诊断和预测模型	精神分裂症患者的EEG数据	机器学习	精神分裂症	EEG	GAN, GAT, LSTM	图像（持续性图像）、EEG信号	NA	NA	高阶图注意力生成对抗网络（结合图注意力网络和长短期记忆网络）	AUC, MAP, 准确率	NA
679	2026-02-07	Multi-AOP: a lightweight multi-view deep learning framework for antioxidant peptide discovery 2026-Feb-02, Bioresources and bioprocessing IF:4.3Q1 DOI:10.1186/s40643-025-01004-1 PMID:41627618	研究论文	本研究提出了一种轻量级多视图深度学习框架Multi-AOP，用于高效发现抗氧化肽	开发了一个参数轻量化的多视图深度学习框架，通过融合序列学习和图学习来增强抗氧化肽的发现能力	未在摘要中明确说明	提高抗氧化肽发现的效率和准确性	抗氧化肽	自然语言处理, 机器学习	NA	深度学习	xLSTM, MPNN	序列数据, 分子图数据	基于AnOxPePred、AnOxPP和AOPP三个基准数据集	未在摘要中明确说明	Extended Long Short-Term Memory, Message Passing Neural Network	准确率	未在摘要中明确说明
680	2026-02-07	An integrative deep learning model based on dual-mode ultrasound for diagnosing gallbladder polyps 2026-Feb-02, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02213-8 PMID:41627678	研究论文	本研究开发了一种基于双模式超声的融合深度学习模型，用于自动分割胆囊病灶并诊断胆囊息肉的性质	提出了一种基于双模式超声（灰阶超声和彩色多普勒血流成像）的融合深度学习模型，能够同时实现胆囊病灶的自动分割以及息肉性质（非肿瘤性/肿瘤性、良性/恶性）的鉴别诊断	研究为回顾性设计，样本量相对有限（339例患者），且仅来自两家医院，可能存在选择偏倚	开发人工智能模型以自动区分胆囊息肉的性质，辅助临床诊断并减少不必要的胆囊切除术	接受胆囊切除术的胆囊息肉患者	数字病理学	胆囊息肉	常规超声（灰阶超声和彩色多普勒血流成像）	深度学习模型	超声图像	339例患者（平均年龄53.17±15.89岁，女性182例）	NA	U-Net, EfficientNet-B4	Dice系数, IoU, AUC	NA