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
201	2026-04-04	A novel framework for expanding RNNs with biophysical detail to solve cognitive tasks 2026-Mar-17, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.13.711746 PMID:41889922	研究论文	本文提出了一种结合生物物理细节的储备池计算框架，用于解决认知任务，特别是工作记忆任务	开发了生物物理详细储备池计算框架，将多室生物物理活性树突等细胞级特性整合到循环神经网络中，以提取机制性见解	框架在训练生物物理详细模型时可能偏离已验证的高效循环神经网络训练机制，且仅应用于简化的工作记忆任务	解决在循环神经网络中整合生物物理现实性以模拟认知任务的挑战	具有生物物理细节的神经网络模型，特别是包含兴奋性和抑制性细胞的储备池网络	机器学习	NA	储备池计算	RNN	模拟数据	NA	NA	储备池计算网络	任务解决能力	NA
202	2026-04-04	Dose-aware diffusion model for 3D PET image denoising: Multi-institutional validation with reader study and real low-dose data 2026-Mar-17, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104039 PMID:41930496	研究论文	本文提出了一种用于3D PET图像去噪的剂量感知扩散模型，并在多机构数据集上进行了验证	开发了DDPET-3D模型，通过2.5D条件化骨干网络实现3D一致性重建，解决了现有扩散模型在低剂量PET成像中沿z轴不连续、泛化能力差和细节失真等问题	模型并非完全3D扩散网络，而是通过2.5D条件化实现3D一致性	开发一种能够泛化到不同噪声水平、扫描仪和临床协议的低剂量PET图像去噪方法	低剂量/低计数PET图像	医学影像分析	NA	PET成像	扩散模型	3D医学图像	9783项F-FDG研究（1596名患者），剂量水平从1%到50%	PyTorch	DDPET-3D（基于2.5D条件化骨干网络的扩散模型）	定性视觉评估，病变级定量准确性	NA
203	2026-04-04	Recent advances and current landscape of software tools for image analysis and dosimetry in nuclear medicine 2026-Mar-08, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00847-7 PMID:41795779	综述	本文综述了核医学图像分析和剂量学软件工具的最新进展与现状	强调AI驱动的分割和时间-活性曲线建模作为提高工作流效率的关键创新，并探讨开源工具在资源受限环境中的可及性	现有工具在复杂剂量学场景（如α和俄歇疗法）中的验证、标准化和鲁棒性开发仍需加强	评估和促进核医学图像处理与剂量学软件工具的应用，以提升治疗安全性和疗效评估	核医学图像分析软件工具，包括开源和商业解决方案	数字病理	NA	SPECT/CT, PET/CT, 深度学习	NA	图像	NA	NA	NA	准确性, 可重复性	NA
204	2026-04-04	Grounding olfactory perception in language: Benchmarks and models for generating natural language odor descriptions 2026-Mar-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.04.709650 PMID:41867788	研究论文	本文介绍了用于生成自然语言气味描述的基准数据集ODIEU和基于Transformer的模型CIRANO，旨在解决气味感知预测中词汇固定和缺乏标准化评估的问题	提出了首个结合大规模分子感知描述数据集（ODIEU）和基于Transformer的分子结构到文本生成模型（CIRANO）的标准化框架，并创新性地利用可逆SBERT模型实现神经数据到文本的预测	研究依赖于有限规模的气味描述数据集（约10,000个分子），且模型性能可能受限于训练数据的覆盖范围和多样性	建立标准化框架，实现从分子结构或神经数据生成自然语言气味描述，并评估其与人类感知的一致性	气味分子结构、人类气味感知描述、小鼠嗅球神经数据	自然语言处理	NA	分子结构预测、神经数据编码	Transformer, SBERT	文本、分子结构数据、神经信号数据	超过10,000个分子的感知描述数据	PyTorch	Sentence-BERT, Transformer	基于SBERT的语义相似度评估、人类对齐度	未明确指定，但提及代码开源在GitHub
205	2026-04-04	ICP-WAVES: Intracranial Pressure Waveform Analysis and Visualization for Enhanced Signal Processing 2026-Mar-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3669377 PMID:41774667	研究论文	本文介绍了一种基于Transformer的基础模型，用于分析颅内压波形，并通过SVM分类器对波形形态进行分类，同时开发了图形用户界面以增强临床决策支持	首次将Transformer基础模型应用于颅内压波形分析，实现了对复杂时间动态的捕捉，并开发了交互式可视化工具以支持实时临床分析	模型在1-peak compliant波形分类上的准确率仅为77.5%，且数据集规模有限，可能影响泛化能力	开发一种能够分析颅内压波形形态以评估脑顺应性的深度学习系统	颅内出血患者和脑室外引流患者的颅内压波形数据	数字病理学	颅内出血	生理波形数据分析	Transformer, SVM	生理波形数据	190名颅内出血患者和23名脑室外引流患者，共标注8406个ICP脉冲	NA	Transformer基础模型	AUC, 混淆矩阵, 准确率	NA
206	2026-04-04	A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515929 PMID:41536212	研究论文	本研究提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore	首次利用变分自编码器（VAE）构建潜在空间，通过计算患者与健康对照在潜在空间中的距离来量化免疫防御功能，建立了跨疾病免疫防御评估的定量标准	研究样本主要集中于特定免疫状态和感染性疾病，可能未涵盖所有免疫相关疾病或人群，且模型在更广泛临床环境中的泛化能力需进一步验证	开发一种定量评估个体抗感染免疫防御功能的方法，并应用于临床预后和疾病严重程度评估	免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者	机器学习	感染性疾病	RNA-seq	VAE	RNA-seq数据	3202个样本	NA	变分自编码器（VAE）	分类准确率	NA
207	2026-04-04	Generating Dynamic Structures Through Physics-Based Sampling of Predicted Inter-Residue Geometries 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518469 PMID:41566646	研究论文	本文提出了一种名为trRosettaX2-Dynamics（trX2-D）的创新方法，通过结合深度学习预测与基于物理的采样技术，来预测蛋白质的动态结构和替代构象	trX2-D基于CASP15和CASP16获奖方法trRosettaX2，采用基于物理的迭代采样策略处理预测的残基间几何分布，无需先验知识即可生成动态结构，这是对现有静态结构预测方法的重要扩展	方法依赖于预训练和微调数据，可能受限于可用高分辨率X射线结构和动态NMR结构的数量与质量，且未明确讨论计算效率或大规模应用的可行性	旨在解决蛋白质动态结构和替代构象预测的未解问题，推动蛋白质结构预测领域的发展	蛋白质的动态结构和替代构象	机器学习	NA	深度学习，基于物理的采样，X射线结构分析，NMR结构分析	Transformer	蛋白质结构数据（高分辨率X射线结构和动态NMR结构）	预训练使用高分辨率X射线结构，微调使用约7000个动态NMR结构	NA	Transformer-based neural network	在三个数据集上进行了基准测试，具体指标未明确说明，但涉及替代构象和动态结构的预测准确性	NA
208	2026-04-04	Machine Learning Discovery of Record-Low Lattice Thermal Conductivity in Double Perovskites 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515766 PMID:41701522	研究论文	本研究开发了一种深度学习原子间势能模型，用于高通量筛选双钙钛矿材料的晶格热导率，并发现了创纪录的低热导率材料	开发了Elemental-SDNNFF深度学习原子间势能模型，结合主动学习框架，实现了对数千种双钙钛矿材料声子性质的高效预测，并发现了各向同性块体材料中最低的晶格热导率记录	研究主要关注立方结构双钙钛矿，未涵盖所有可能的双钙钛矿结构类型	开发高效机器学习框架，用于快速筛选复杂材料的动态稳定性和准确预测声子传输性质	双钙钛矿材料（ABCD型）	机器学习	NA	密度泛函理论（DFT）、深度学习原子间势能、玻尔兹曼输运方程、四声子散射计算、分子动力学模拟	深度学习原子间势能模型	DFT计算力数据、材料结构数据	9709种立方双钙钛矿结构，其中1597种动态稳定候选材料	主动学习框架、DeePMD	Elemental-SDNNFF	晶格热导率预测值、带隙值	NA
209	2026-04-04	A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250360 PMID:41718531	研究论文	本研究开发了一种基于三维胸部CT扫描的自监督基础模型，用于肺癌的诊断和预后预测	提出了一种名为UCLIF的自监督胸部CT基础模型，通过对比掩码图像建模任务进行预训练，并在多中心数据集上微调，用于肺癌的组织学亚型分类、分期、生存和复发预测，性能优于主流深度学习和机器学习算法	研究为回顾性多中心研究，可能存在选择偏倚；模型在特定时间段（1958年至2019年）的数据上训练，可能无法完全代表最新临床实践	开发并评估一个基于三维胸部CT的自监督基础模型在肺癌临床任务中的性能	肺癌患者的胸部CT扫描图像	数字病理学	肺癌	三维胸部CT扫描	自监督学习基础模型	三维医学图像	预训练使用33,901例三维胸部CT扫描，下游评估包含656名患者	NA	UCLIF（Unified CT-Based Lung Cancer Imaging Foundation）	准确率, 敏感度, 特异度, AUC	NA
210	2026-04-04	Pathomics Signature for Prognosis and CA19-9 Interception in Pancreatic Ductal Adenocarcinoma: A Real-Life, Multi-Center Study 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515952 PMID:41556438	研究论文	本研究开发并验证了一种基于深度学习的自动化预后模型，用于从胰腺导管腺癌（PDAC）患者的数字化全切片图像中提取病理组学特征，以预测患者预后并指导治疗决策	首次在多中心真实世界研究中，利用CrossFormer架构从常规H&E切片中自动提取预后特征，并揭示了CA19-9的预后价值在不同风险组中的差异性，为个性化治疗提供了新见解	研究仅基于手术切除患者，未包含晚期或不可切除患者；模型在更广泛人群中的泛化能力仍需进一步验证	开发并验证一种基于深度学习的自动化预后模型，用于胰腺导管腺癌患者的风险分层和治疗指导	873名接受手术切除的胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	深度学习，数字化全切片图像分析	深度学习模型	数字化全切片图像（H&E染色）	873名PDAC患者，来自三个学术中心	PyTorch	CrossFormer, ResNet-18, ResNet-50, DenseNet-121	AUC（曲线下面积），风险比（HR），p值	未明确指定，但提及了深度学习训练所需GPU资源
211	2026-04-04	Foundation Model-Enabled Multimodal Deep Learning for Prognostic Prediction in Colorectal Cancer with Incomplete Modalities: A Multi-Institutional Retrospective Study 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202510931 PMID:41556415	研究论文	本文提出了一种名为FLARE的多模态深度学习框架，用于结直肠癌的预后预测，能够处理不完整的多模态数据	FLARE框架整合了病理图像、放射影像和临床文本报告，利用基础模型进行高效特征提取，采用注意力机制的多分支框架增强模态间的协同与独特性，并引入多样性促进损失函数，同时通过模态和缺失感知提示、伪嵌入及模态级增强策略有效处理数据不完整问题	研究为回顾性设计，可能存在选择偏倚；数据来自四个临床中心，但样本量（1679例患者）可能仍有限；未在外部独立队列中进行前瞻性验证	开发一个多模态深度学习框架，以准确预测结直肠癌患者的生存和进展风险，优化个性化治疗策略	结直肠癌患者	数字病理学	结直肠癌	多模态深度学习	深度学习	图像, 文本	1679名结直肠癌患者	NA	注意力机制的多分支框架	一致性指数, Kaplan-Meier分析	NA
212	2026-04-04	Hybrid deep learning with protein language models and dual-path architecture for predicting IDP functions 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag126 PMID:41921197	研究论文	本文提出了一种名为IDPFunNet的混合深度学习模型，用于预测内在无序区域（IDR）的六种功能类别	结合了卷积神经网络、双向LSTM、残差MLP和蛋白质语言模型ProtT5，采用双路径架构将结合预测与无序柔性连接子（DFL）识别解耦，并利用ProtT5进化嵌入显著提升了性能	未明确提及具体限制，但可能包括模型对特定数据集的依赖或计算资源需求	预测内在无序区域（IDR）的功能类别，以解决其动态构象导致的传统结构-功能注释困难	内在无序区域（IDR），包括五种结合亚型和无序柔性连接子（DFL）	自然语言处理, 机器学习	NA	蛋白质语言模型（ProtT5）、进化嵌入	CNN, LSTM, MLP	蛋白质序列数据	NA	NA	ResNet, Transformer	AUC, APS	NA
213	2026-04-04	Expression of Concern on “A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features" 2026-03, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202603_37714 PMID:41925352	声明	期刊编辑与出版商针对一篇已发表论文中参考文献的相关性问题发布关切声明	NA	作者未对参考文献相关性质疑作出回应，问题尚未解决	NA	NA	NA	自闭症谱系障碍	NA	深度学习算法	NA	NA	NA	NA	NA	NA
214	2026-04-04	Side- and patient-based performance of a deep learning system based on the results of individual detection of carotid artery calcifications on panoramic radiographs 2026-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250232 PMID:41928842	研究论文	本研究开发了两种用于全景X光片上颈动脉钙化诊断的深度学习系统，并比较了它们在钙化点、单侧和患者层面的诊断性能	开发了两种具有不同检测范围的深度学习系统（全图检测与双侧颈部区域限制检测），并首次系统比较了钙化点层面、单侧层面和患者层面三种评估方式的诊断性能	研究中观察到相对较多的假阳性病例	开发用于全景X光片上颈动脉钙化自动诊断的深度学习系统，并评估其在不同评估层面的性能	全景X光片图像	数字病理学	心血管疾病	全景X光摄影	深度学习检测模型	医学图像（X光片）	580名患者（290名有颈动脉钙化，290名无钙化对照）	NA	NA	召回率, 精确率, F1分数, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC	NA
215	2026-04-04	YOLOv8m-segmentation for detecting cervical burnout and caries in bitewing radiographs: A deep learning approach 2026-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250194 PMID:41928845	研究论文	本研究评估了YOLOv8m-seg模型在咬翼X光片上检测和描绘邻面龋及牙颈部烧灼伤的性能，并探讨了增加训练轮次对分割精度和一致性的影响	首次将YOLOv8m-seg模型应用于牙科X光片中同时检测龋齿和牙颈部烧灼伤，并系统研究了训练轮次对分割性能的影响	模型在非增强验证子集上的性能有所下降，未来需要在更广泛人群和多样化临床环境中评估模型的泛化能力	开发一种基于深度学习的自动检测方法，用于在咬翼X光片上区分邻面龋和牙颈部烧灼伤	咬翼X光片中的邻面龋和牙颈部烧灼伤病变	计算机视觉	牙科疾病	深度学习，图像分割	YOLO	X光图像	1,410张咬翼X光片（1,128张训练，282张验证）	Ultralytics	YOLOv8m-seg	精确率，召回率，mAP0.5，mAP0.5-0.95	NA
216	2026-04-01	Fluorescence Machine Vision-Based Rapid Quantitative Characterization of Microplastics 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00407 PMID:41830590	研究论文	本研究开发了一种基于荧光显微成像和YOLO v11深度学习模型的微塑料快速定量检测方法，并构建了名为FluoPlastVision的商业化AI辅助检测平台	采用香豆素6（C6）进行稳定广谱染色获得高质量图像数据，并在YOLO v11模型中引入轻量级注意力机制以增强模型鲁棒性和准确性	未明确说明模型在复杂环境样本或不同染色条件下的泛化能力，也未提供与其他先进方法的直接对比数据	开发一种快速、低成本、高精度的微塑料定量检测技术	经香豆素6染色的微塑料荧光显微图像	计算机视觉	NA	荧光显微成像	CNN	图像	NA	NA	YOLO v11	NA	NA
217	2026-04-01	Novel Deep-Learning Unsupervised Domain Adaptation Method for Mitigating Batch, Strain, and Instrument Variations to Enhance Raman Spectroscopy-Based Bacterial Pathogen Identification 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07113 PMID:41842761	研究论文	本文提出了一种名为Raman Spectral Classification Discrepancy Model (RSCDM)的新型无监督域适应方法，旨在通过对抗性特征对齐来减轻拉曼光谱中由仪器、批次和菌株差异引起的域偏移，从而增强基于拉曼光谱的细菌病原体识别	提出了一种利用任务特定分类器之间的输出差异动态识别远离源域特征分布的目标样本的新型域适应框架，不同于依赖固定域假设的传统方法，实现了任务驱动的域对齐	NA	增强基于拉曼光谱的细菌病原体识别的鲁棒性，以应对仪器异质性、批次变异性和菌株多样性带来的挑战	七种细菌物种的拉曼光谱数据，包括商业光谱仪和自制光谱仪采集的临床分离株	机器学习	细菌感染	拉曼光谱	深度学习	光谱数据	七种细菌物种的多个批次和菌株样本，以及六种临床分离株	NA	Raman Spectral Classification Discrepancy Model (RSCDM)	分类准确率	NA
218	2026-04-01	A deep learning approach for analyzing brainwave signals during audio meditation in expectant mothers: variational mode decomposition with a CNN-BiLSTM model 2026-Mar-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae55a8 PMID:41871464	研究论文	本研究提出了一种基于EEG信号和深度学习的方法，用于分析孕妇在音频冥想期间的大脑活动变化	结合变分模态分解与CNN-BiLSTM混合模型，首次针对孕妇短期音频冥想的神经效应进行客观量化分析	研究样本量有限，且仅针对特定类型的音频冥想，未考虑个体差异和长期效应	客观评估孕妇在短期音频冥想期间的神经活动变化，为产前护理提供科学依据	孕妇的脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM	脑电图信号	未明确指定样本数量，但涉及孕妇在不同心理状态下的EEG数据	未明确指定，但可能基于TensorFlow或PyTorch	VMD-CNN-BiLSTM混合架构	准确率, 损失值	NA
219	2026-04-01	Neurosurgical Application of Artificial Intelligence in Pediatric Neuro-Oncology 2026-Mar-31, Journal of Korean Neurosurgical Society IF:1.4Q3 DOI:10.3340/jkns.2026.0085 PMID:41913971	综述	本文综述了人工智能在儿童神经肿瘤学围手术期的应用，包括术前分子分型、术中快速诊断和术后预后评估	系统性地阐述了AI在儿童神经肿瘤围手术期全流程的整合应用，并探讨了如何通过AI解决该领域因疾病多样性带来的临床挑战	数据稀缺性和算法的“黑箱”特性仍然是主要限制	探讨人工智能如何解决儿童神经肿瘤学围手术期未满足的临床需求	儿童中枢神经系统肿瘤	数字病理学	儿童神经肿瘤	Oxford Nanopore测序，刺激拉曼组织学	神经网络分类器，深度学习模型	影像，基因组数据，临床数据	NA	NA	NA	NA	NA
220	2026-04-01	Artificial intelligence in extracorporeal technology: Current applications and future directions-A narrative review 2026-Mar-31, Asian cardiovascular & thoracic annals DOI:10.1177/02184923261432687 PMID:41914776	综述	本文是一篇关于人工智能在体外循环技术中当前应用与未来方向的叙述性综述	系统性地概述了人工智能在体外循环技术（如CPB、ECMO、VADs）中的整合潜力，并探讨了其通过实时数据、预测算法和决策支持系统优化临床实践的创新方向	作为一篇叙述性综述，未进行原始数据收集或定量分析，主要基于现有文献的总结与展望	旨在全面介绍人工智能的基本概念、发展历程，并探讨其在体外循环技术领域的应用现状与未来整合方向	体外循环技术，包括心肺转流术（CPB）、体外膜肺氧合（ECMO）和心室辅助装置（VADs）	医疗人工智能	心血管疾病	NA	NA	实时生理数据	NA	NA	NA	NA	NA