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
741	2026-02-06	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2026-Feb, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	本文提出了一种基于多光谱成像和YOLOv5的血细胞识别方法，通过融合五个波长的图像来提升细胞边界和结构的识别性能	利用多光谱成像替代传统的单波长显微图像，结合改进的YOLOv5模型，显著提高了血细胞（尤其是稀有白细胞）的识别精度	未明确说明样本来源、数据规模及模型在更广泛临床环境中的泛化能力	开发一种高精度的自动化血细胞识别方法，以辅助医学诊断	血细胞（红细胞、血小板、白细胞）	计算机视觉	NA	多光谱成像	YOLOv5	多光谱图像	NA	NA	YOLOv5	识别精度	NA
742	2026-02-06	VDLIN: A Deep Learning-Based Platform for Methylcobalamin-Inspired Immunomodulatory Compound Screening 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413775 PMID:41144841	研究论文	本研究开发了一个基于深度学习的平台VDLIN，用于筛选既能抑制炎症又能增强先天免疫的化合物，并发现了一种优于甲基钴胺素（MCB）的新型候选化合物Co7	首次结合RNA-seq、ATAC-seq和CUT&Tag多组学分析揭示了MCB通过限制染色质可及性削弱先天免疫的机制，并开发了深度学习模型VDLIN来筛选具有双重免疫调节功能的化合物	未明确说明模型验证的临床前或临床研究阶段，化合物Co7的具体体内外实验数据未在摘要中详细展示	开发能够平衡抗炎和免疫刺激功能的化合物筛选平台，以改善炎症性疾病和SARS-CoV-2感染的治疗	甲基钴胺素（MCB）及其衍生物、先天免疫调节化合物	机器学习	SARS-CoV-2感染	RNA-seq, ATAC-seq, CUT&Tag	深度学习模型	多组学数据（转录组、表观基因组）	NA	NA	VDLIN（Vitamin B12-derived Deep Learning for Innate Immunity）	NA	NA
743	2026-02-06	BPFNN: Bayesian Probabilistic Fuzzy Neural Networks for Uncertainty-Aware Clustering and Probabilistic Fuzzy Reasoning 2026-Feb, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3617987 PMID:41150242	研究论文	本文提出了一种贝叶斯概率模糊神经网络（BPFNN），用于解决传统模糊聚类和神经网络在不确定性、噪声和可解释性方面的挑战	提出了一种统一的BPFNN架构，结合了贝叶斯概率模糊C均值（BPFCM）算法和非高斯建模，通过MCMC进行后验推断，生成概率性隶属度以更好地捕捉不确定性	隐藏层激活仅表示输入与聚类中心之间的相似性值，原始输入特征未直接保留	开发一种能够处理不确定性、噪声并提高可解释性的模糊神经网络模型	基准数据集和高维激光诱导击穿光谱（LIBS）光谱数据	机器学习	NA	激光诱导击穿光谱（LIBS）	贝叶斯概率模糊神经网络（BPFNN）	光谱数据	NA	NA	贝叶斯概率模糊神经网络（BPFNN）	准确性, 鲁棒性, 可解释性	NA
744	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
745	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
746	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
747	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
748	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
749	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
750	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
751	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
752	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
753	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
754	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
755	2026-02-04	Air quality prediction model based on deep learning hybrid framework 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37896-y PMID:41629579	研究论文	提出了一种基于深度学习的混合模型CBLA，用于城市空气质量预测，结合了1D-CNN、BiLSTM和注意力机制，并利用XGBoosting集成气象数据以提高预测准确性	结合了1D-CNN、BiLSTM和注意力机制的混合模型，并首次引入XGBoosting集成气象数据以优化PM2.5浓度预测	仅在北京数据集上进行实验评估，未在其他城市或更广泛区域验证模型泛化能力	实现更准确的城市空气污染预测，为空气污染防治提供技术支持	城市空气质量数据，特别是PM2.5浓度	机器学习	NA	深度学习混合框架	CNN, LSTM	时间序列数据（空气质量与气象数据）	北京空气质量与气象数据集	NA	1D-CNN, BiLSTM	NA	NA
756	2026-02-04	Performance Evaluation of a Commercial Deep Learning Software for Detecting Intracranial Hemorrhage in a Pediatric Population 2026-Feb-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01857-8 PMID:41629667	研究论文	本研究评估了一款基于成人数据训练的商业AI工具（Aidoc）在儿童颅内出血检测中的性能	首次在儿科人群中系统评估基于成人数据训练的商用深度学习软件对颅内出血的检测性能，揭示了儿科特异性特征对AI性能的影响	单中心回顾性研究，仅纳入6-17岁儿童，未包含婴幼儿群体，参考标准依赖放射科医师多数投票	评估商用AI工具在儿科颅内出血检测中的诊断性能	儿科患者（6-17岁）的头部CT影像	数字病理学	颅内出血	CT影像分析，自然语言处理	深度学习	医学影像（CT），文本报告	2502名儿科患者	Aidoc（商用软件）	NA	灵敏度，特异度，准确度	NA
757	2026-02-03	Research on a spatiotemporal prediction method for two-dimensional temperature fields based on TDLAS array sensors and the SwinLSTM model 2026-Feb-02, The Analyst DOI:10.1039/d5an01304f PMID:41504477	研究论文	本文提出了一种基于TDLAS阵列传感器和SwinLSTM模型的二维温度场时空预测方法，用于火焰温度场的准确重构和短期预测	结合二维阵列TDLAS直接成像与深度学习，采用64像素阵列探测器替代传统单点传感器，并构建SwinLSTM模型以同时学习温度场的空间全局依赖性和时间动态特性	NA	开发一种能够准确重构和预测火焰二维温度场的时空预测诊断方法	火焰的二维温度场	计算机视觉	NA	可调谐二极管激光吸收光谱技术	LSTM	图像	NA	NA	SwinLSTM	SSIM, PSNR	NA
758	2026-02-03	Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding 2026-Feb-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35cb PMID:41505906	研究论文	本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影	利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式	未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果	提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测	光电容积脉搏波信号及其运动伪影	信号处理	心血管疾病	光电容积脉搏波	深度神经网络, 卷积稀疏编码	信号数据	使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确	NA	学习卷积稀疏编码模型	信噪比, 心率平均绝对误差	NA
759	2026-02-03	Decoding Protein-Membrane Binding Interfaces from Surface-Fingerprint-Based Geometric Deep Learning and Molecular Dynamics Simulations 2026-Feb-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02566 PMID:41622943	研究论文	本研究提出了一种名为MaSIF-PMP的几何深度学习模型，用于预测外周膜蛋白的膜结合界面位点	该模型结合分子表面指纹和几何化学特征，实现了空间分辨的界面结合位点预测，并通过分子动力学模拟验证和优化预测结果	实验解析的膜结合蛋白构象稀缺，可能影响模型训练和泛化能力	预测蛋白质-膜相互作用界面，以理解膜结合机制	外周膜蛋白及其与膜的相互作用	机器学习	NA	分子动力学模拟	几何深度学习模型	分子表面特征数据	NA	NA	MaSIF-PMP	分类性能	NA
760	2026-02-03	EXPRESS: Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Feb-02, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器，用于肿瘤细胞和组织拉曼光谱的单步自动化预处理	开发了一种卷积自编码器，能够单步自动化去除拉曼光谱中的基线、噪声和宇宙射线，无需GPU支持，处理速度快	未明确提及模型在更广泛或不同类型肿瘤光谱数据上的泛化能力	开发一种深度学习框架，用于高效自动化预处理肿瘤细胞和组织的拉曼光谱，以支持放疗反应监测研究	临床前单细胞系和异种移植组织光谱，以及临床前列腺肿瘤活检光谱	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11,000条光谱	未明确提及	卷积自编码器	均方根误差, 百分比均方根差异, 宇宙射线去除率	无需GPU，在2.4秒内处理约11,000条光谱