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
1261	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
1262	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
1263	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
1264	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
1265	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
1266	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
1267	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
1268	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
1269	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
1270	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
1271	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
1272	2026-02-03	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测	提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割	未明确说明数据集的具体来源、样本数量及临床验证范围	提高结直肠癌早期检测的准确率和效率	结直肠癌医学图像	数字病理学	结直肠癌	医学图像处理	GAN, Autoencoder	图像	NA	Python	Kruskal-Szekeres GAN Augmented Deep Autoencoder	精确率, 召回率, 训练时间	NA
1273	2026-02-03	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种结合Vision Transformer残差密集网络和自适应深度贝叶斯网络的阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病识别	首次将Vision Transformer与残差密集网络结合用于医学图像特征提取，并采用自适应深度贝叶斯网络进行疾病检测，通过增强高尔夫优化算法优化网络参数	未提及模型在不同数据集上的泛化能力测试，也未说明计算复杂度或实时性分析	开发基于深度学习的阿尔茨海默病早期检测方法	阿尔茨海默病患者的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	Vision Transformer, 残差网络, 密集网络, 贝叶斯网络	图像	NA	NA	ViT-ResDenseNet, Ada-DBN	准确率	NA
1274	2026-02-03	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本研究开发了一种基于深度学习的连续睡眠深度测量方法——序数睡眠深度（OSD），并评估了其与觉醒概率及临床变量的相关性	提出了一种数据驱动的连续睡眠深度测量方法，通过卷积神经网络结合序数回归，超越了传统离散睡眠分期的限制	研究基于特定人群的PSG数据，可能无法完全推广到所有人群或睡眠条件	开发并验证一种连续测量睡眠深度的方法，以更精确地评估睡眠质量及其与临床因素的关系	18,116名独特患者的21,787份多导睡眠图记录	机器学习	睡眠障碍	多导睡眠图	CNN	EEG信号	21,787份PSG记录来自18,116名患者	未明确指定，推测为PyTorch或TensorFlow	卷积神经网络	Pearson相关系数	NA
1275	2026-02-03	MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework 2026-Feb, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2527899 PMID:40616778	研究论文	本文提出了一种名为2DRK-MSCAN的深度学习框架，用于基于MRI数据早期准确检测多发性硬化病灶	开发了结合深度扩散残差核和多尺度蛇形卷积注意力机制的2DRK-MSCAN模型，以提高检测准确性和鲁棒性	临床验证仍在进行中，需要进一步的实际应用测试	开发并评估一种新型深度学习框架，用于早期和准确检测多发性硬化病灶	多发性硬化病灶	计算机视觉	多发性硬化	MRI	CNN	图像	三个公开可用的基于MRI的脑肿瘤数据集	NA	EfficientNetV2L, U-Net	准确率	NA
1276	2026-02-03	Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions 2026-Feb, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70085 PMID:41276479	综述	本文是一篇范围综述，系统评估了人工智能和机器学习模型在预测偏头痛药物治疗反应方面的证据，并指出了当前方法的局限性和未来发展方向	首次系统性地对AI/ML在预测偏头痛药物治疗反应中的应用进行了范围综述，并识别了普遍存在的验证不足和数据瓶颈等关键方法学弱点	现有研究大多仅依赖内部验证，存在高过拟合风险，外部验证极其罕见，且数据集中存在患者队列重叠，完全缺乏生物标志物或遗传数据	评估AI和ML模型在预测偏头痛患者对急性或预防性药物治疗反应方面的证据，并推动精准医疗在偏头痛治疗中的应用	偏头痛患者	机器学习	偏头痛	临床表型分析、神经影像数据	支持向量机、深度学习、概率模型	临床数据、神经影像数据	基于12项符合条件的研究，具体样本量未在摘要中明确说明	NA	NA	预测准确性	NA
1277	2026-02-03	Highly Accelerated T1ρ Imaging in 3 min: Comparison Between Compressed Sensing and Deep Learning Reconstruction 2026-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70226 PMID:41493163	研究论文	本研究比较了压缩感知和深度学习在膝关节软骨T1ρ成像加速重建中的性能	首次在膝关节软骨T1ρ映射中系统比较压缩感知与深度学习加速重建技术，并评估了前瞻性欠采样数据的重建效果	样本量较小（9名志愿者），且仅针对膝关节软骨进行评估，未涉及其他组织或疾病	比较压缩感知与深度学习在加速磁共振T1ρ成像重建中的性能，以缩短扫描时间	人类膝关节软骨（包括健康志愿者和三名确诊病理患者）	医学影像分析	骨关节疾病	3T MRI扫描，T1ρ映射，DESS成像，3D MAPSS序列，GRAPPA加速采集	深度学习模型（具体架构未明确说明）	磁共振图像	9名志愿者（包括3名确诊病理患者）	NA	NA	中位数归一化绝对差异，一致性相关系数，变异系数	NA
1278	2026-02-03	Deep learning-based lung volume estimation with dynamic chest radiography 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70487 PMID:41611260	研究论文	本研究利用深度学习从动态胸部X光摄影图像中估计肺容积，并与传统线性回归方法进行比较	首次将深度学习模型（VGG19和DenseNet121）应用于动态胸部X光摄影图像进行肺容积估计，相比传统线性回归方法表现出更优性能	深度学习模型估计的用力肺活量误差相对较高，模型架构和呼吸操作指导方面仍有改进空间	研究基于动态胸部X光摄影图像的肺容积估计方法，评估其准确性	257名患者的动态胸部X光摄影图像和对应CT图像	计算机视觉	肺部疾病	动态胸部X光摄影，CT成像	CNN	图像	257名患者	未明确指定	VGG19, DenseNet121	平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 自由度调整决定系数	NA
1279	2026-02-03	Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification 2026-Feb, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71240 PMID:41612899	研究论文	本研究开发了一种结合功能磁共振成像和临床测试的多模态可解释深度学习模型，用于阿尔茨海默病的分类	采用多模态和可解释人工智能方法，通过补充临床数据克服小数据集限制，应用扰动排名解释特征重要性，并采用严格的留一交叉验证防止数据泄露	样本量较小且需要外部验证	提高阿尔茨海默病分类的准确性、可解释性和临床适用性	来自ADNI的52名参与者，包括阿尔茨海默病患者和对照组	数字病理学	阿尔茨海默病	功能磁共振成像	CNN	图像, 临床数据	52名参与者	NA	3D卷积神经网络	准确率	NA
1280	2026-02-03	Assessing the effect of bovine MSTN variants on pre-mRNA splicing 2026-Feb, Animal genetics IF:1.8Q3 DOI:10.1002/age.70073 PMID:41614706	研究论文	本文通过建立全长基因检测系统评估牛MSTN基因变异对前体mRNA剪接的影响，并验证了两种深度学习剪接预测工具的性能	首次建立针对牛MSTN基因的全长基因检测系统，并系统评估了五种错义变异对剪接的影响，同时验证了SpliceAI和Pangolin预测工具在农业遗传学中的应用效果	研究仅针对六种特定MSTN变异进行评估，未涵盖所有已知或潜在变异，且实验验证范围有限	评估牛MSTN基因变异对RNA剪接的功能影响，并验证深度学习剪接预测工具的准确性	牛MSTN基因的剪接变异，包括五种错义变异和一种已知的深度内含子剪接变异	生物信息学	肌肉生长异常	全长基因检测系统，RNA剪接分析	深度学习模型	基因序列数据	六种MSTN基因变异	NA	SpliceAI, Pangolin	预测与实验验证的一致性	NA