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
541	2026-05-03	Robust Deep Learning Framework for Early Diabetic Retinopathy Detection Using Preprocessed Fundus Images and Optimized CNNs 2026-03-24, Journal of visualized experiments : JoVE DOI:10.3791/69901 PMID:41973762	研究论文	提出一个鲁棒的深度学习框架，使用预处理的眼底图像和优化的CNN进行早期糖尿病视网膜病变检测	集成了EfficientNetB0和DenseNet121的混合集成模型，系统评估了眼底图像预处理对诊断性能的影响，并采用Grad-CAM进行可解释性分析	模型需要外部独立数据集验证和真实世界前瞻性评估，未来需优化以适用于移动和床旁筛查	开发一个临床可行、可解释的深度学习模型用于糖尿病视网膜病变检测	糖尿病视网膜病变的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像, CLAHE预处理	CNN, 混合集成模型	图像	53,412张眼底图像，来自EyePACS、APTOS 2019和中国一家三级医疗中心	NA	EfficientNetB0, DenseNet121, Grad-CAM	准确率, macro-AUC, 敏感度, 特异度, F1分数	NA
542	2026-05-03	Enhancing educational assessment through automated question classification using a RoBERTa-based ensemble model 2026-Mar-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45486-1 PMID:41872668	研究论文	提出一种基于RoBERTa的集成模型，用于基于布鲁姆分类法的考试题目自动分类，以提升教育评估效率	首次将加权集成策略应用于RoBERTa与GRU、LSTM和CNN的组合，在题目分类中实现性能突破，并通过统计显著性检验验证提升效果	未提及模型在不同学科或语言场景下的泛化能力验证，且依赖公开数据集的规模与质量可能限制实际应用范围	实现教育评估中基于布鲁姆分类法的自动题目分类，减少教师人工负担并避免主观偏差	基于布鲁姆分类法的考试题目	自然语言处理	NA	预训练语言模型（RoBERTa）	集成模型（GRU, LSTM, CNN, 加权集成）	文本数据	公开数据集（未具体说明样本数量）	PyTorch	RoBERTa, GRU, LSTM, CNN, Weighted Ensemble	准确率, 宏F1分数, AUC	NA
543	2026-05-01	Deep learning for dynamic tactical formation recognition in professional football 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41383-9 PMID:41844762	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
544	2026-05-03	Multi-dimensional deep learning-based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44094-3 PMID:41844778	研究论文	开发基于深度学习的蝶窦积液自动分割与体积评估方法，用于法医学溺死案例的死后CT分析	首次将多维度U-Net模型（2D、2.5D和3D）应用于死后CT图像中蝶窦积液的自动分割与体积量化，替代传统人工评估，提高效率与客观性	仅基于165例尸检确认的溺死案例，样本量有限；未评估模型在其他死因或不同成像条件下的泛化能力	实现法医学中蝶窦积液的自动分割与体积定量评估，支持溺死诊断	165例尸检确认溺死案例的死后CT图像中的蝶窦积液	计算机视觉	溺死	死后计算机断层扫描（PMCT）	U-Net	图像	165例尸检确认溺死案例的死后CT图像	NA	2D U-Net、2.5D U-Net、3D U-Net	Dice系数、Spearman相关系数、平均绝对误差	NA
545	2026-05-03	Multi-model forecasting of [Formula: see text] and [Formula: see text] in Abu Dhabi: benefits of correlation-based feature augmentation 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44485-6 PMID:41844799	研究论文	比较多种机器学习和深度学习模型在阿布扎比预测二氧化氮和地面臭氧水平的性能，并探索基于污染物间相关性特征增强的优势	首次在阿布扎比地区系统比较多种模型（含Transformer）对二氧化氮和臭氧的多时间尺度预测，并揭示了利用两种污染物间相关性可提升预测精度	NA	评估不同机器学习和深度学习模型在阿布扎比预测二氧化氮和臭氧水平的效果，并验证污染物间相关性特征增强对预测准确性的提升作用	阿布扎比地区的二氧化氮和地面臭氧浓度	机器学习	NA	NA	决策树、随机森林、支持向量回归、卷积神经网络、长短期记忆网络、Prophet、Transformer	时间序列数据	NA	NA	决策树、随机森林、支持向量回归、CNN、LSTM、Prophet、Transformer	对称平均绝对百分比误差、均方根误差、平均绝对误差	NA
546	2026-05-03	Explainable artificial intelligence for early Alzheimer's diagnosis using enhanced grey relational features and multimodal data 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43707-1 PMID:41844810	研究论文	提出一个可解释且可持续的机器学习架构，利用多模态结构化临床和行为数据早期诊断阿尔茨海默病	引入基于灰色系统理论和Sigmoid归一化的增强型灰色关联度指标，提升特征-诊断相关性；结合Shapley Additive Explanations增强模型可解释性	NA（摘要未提及局限性）	实现早期阿尔茨海默病的准确且可解释的诊断	多模态结构化临床和行为数据，包括人口统计学、血管风险因素、生活方式和认知数据	机器学习	阿尔茨海默病	NA（未明确指定测序或其他技术）	深度学习神经网络	结构化数据（临床和行为数据）	NA（摘要未提及具体样本量）	NA（未明确指定框架）	Logistic回归、随机森林、XGBoost、LightGBM、CatBoost、Stacking集成、深度神经网络	准确率、AUC	NA（摘要未提及计算资源）
547	2026-05-03	A generative explainable model for antimicrobial peptide prediction using bidirectional temporal convolutional neural network 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43370-6 PMID:41844874	研究论文	提出GAC-BiTCNN-AMP混合生成可解释深度学习框架用于抗菌肽预测，在精准肿瘤学中实现高准确率和可解释性	首次结合生成对抗网络、胶囊网络和双向时序卷积神经网络，并整合多种蛋白质语言模型及PsePSSM-DCT进化描述符，同时通过XGBoost前向特征选择和SHAP分析增强模型可解释性	未提及具体局限性，但可能受限于训练数据的多样性和独立测试集的规模	开发一种高准确率且可解释的计算框架，用于识别具有抗癌潜力的抗菌肽，支持精准肿瘤学的治疗性肽发现	抗菌肽序列及其结构功能特征	自然语言处理、机器学习	癌症（精准肿瘤学）	蛋白质语言模型（ProtTrans-T5、UniRep、ESM-2）、PsePSSM-DCT进化描述符	生成对抗网络、胶囊网络、双向时序卷积神经网络	氨基酸序列数据	未明确样本数量，但涉及交叉验证和独立测试集	NA	GAN, CapsNet, BiTCNN	准确率、马修斯相关系数	NA
548	2026-05-03	Automated detection and segmentation of Weiss ring in fundus photography images using deep learning 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44593-3 PMID:41845023	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
549	2026-05-03	DeepStrataAge: an interpretable deep-learning clock that reveals stage- and sex-divergent DNA methylation aging dynamics 2026-Mar-13, npj aging IF:4.1Q2 DOI:10.1038/s41514-026-00358-w PMID:41826374	研究论文	开发了一种名为DeepStrataAge的可解释深度学习时钟，用于揭示阶段和性别差异的DNA甲基化衰老动态	通过SHAP解释性方法首次揭示了性别特异的阶段性衰老动态，包括早期发育、中年过渡和晚期重塑等波状变化，并实现了高准确度与机制可解释性的统一	NA	探索DNA甲基化衰老的非线性动态和CpG相互作用，并揭示性别特异的衰老阶段	基于Illumina EPIC v1.0和v2.0阵列的29,167个样本	机器学习	衰老相关疾病（心血管疾病、阿尔茨海默病、癌症）	DNA甲基化测序（Illumina EPIC阵列）	深度神经网络（DNN）	DNA甲基化数据	29,167个样本	PyTorch（推断）	深度神经网络	准确度（1.89年误差）	NA
550	2026-05-03	Alterations in Retinal Vasculometry After Acute Primary Angle Closure Episode: A Comparative Analysis 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.26 PMID:41879421	研究论文	评估急性原发性闭角型青光眼发作后成功治疗的视网膜血管测量学改变与未受累对侧眼的比较	使用深度学习分析急性原发性闭角型青光眼发作后视网膜血管参数变化，并发现与眼压控制无关的独立血管测量学改变	横断面设计，缺乏纵向数据以确定这些改变是否导致青光眼性视神经病变	评估急性原发性闭角型青光眼发作后视网膜血管测量学改变	单侧急性原发性闭角型青光眼患者	医疗影像	急性原发性闭角型青光眼	眼底摄影	深度学习模型	视网膜图像	116名单侧急性原发性闭角型青光眼患者	NA	NA	NA	NA
551	2026-05-03	A deep convolutional neural network trained for lightness constancy is susceptible to lightness illusions 2026-Mar-02, Journal of vision IF:2.0Q2 DOI:10.1167/jov.26.3.14 PMID:41879245	研究论文	训练深度卷积神经网络以实现光照恒常性，并评估其对经典亮度错觉的敏感性	首次将深度卷积神经网络作为人类亮度感知的规范性模型，通过系统测试多种经典亮度错觉来评估网络表现，并与人类行为实验及经典模型进行对比	网络在White错觉和棋盘错觉上未能预测人类感知，且仅使用灰度渲染图像，可能限制其泛化能力	评估深度卷积神经网络作为人类亮度感知新模型的可能性，并验证其是否受到经典亮度错觉的影响	深度卷积神经网络输出与人类观测者亮度匹配实验的对比	计算机视觉	NA	NA	CNN	灰度渲染图像	包括菱形错觉、Koffka错觉、蛇形错觉、同时对比错觉、White错觉和棋盘错觉等几种错觉图及其控制图	Pytorch	CNN	反射率估计准确性	NA
552	2026-05-03	Privacy-Preserving Latent Diffusion-Based Synthetic Medical Image Generation 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618511 PMID:41052162	研究论文	提出一种基于潜在扩散的隐私保护合成医学图像生成方法	在潜在扩散模型中嵌入隐私保护机制，能够在不牺牲患者隐私的前提下生成高质量的合成医学图像	未在文中明确提及模型局限性	开发一种隐私保护的潜在扩散方法，用于合成医学图像数据，以支持深度学习模型的训练	公开可用的CT、MRI和PET医学图像数据集	医学图像生成	NA	潜在扩散模型	扩散模型	图像	NA	NA	潜在扩散模型	图像质量	NA
553	2026-05-03	Integrating and mapping single-cell transcriptomics across the entire gene expression space 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag204 PMID:42059480	研究论文	提出scGES框架，利用深度学习方法整合单细胞转录组数据并校正批次效应于全基因表达空间	首次在全基因表达空间（包括低变异基因）校正批次效应，突破了现有方法仅限高度可变基因的局限	未提及	开发一种能够有效校正批次效应并整合单细胞转录组数据的新方法	单细胞转录组数据集	机器学习, 数字病理学	未提及	单细胞转录组测序	深度学习模型	单细胞转录组数据	未提及	PyTorch	scGES (scGESI + scGESM)	批次效应校正与生物变异保留指标	未提及
554	2026-05-02	Novel two-stage deep learning framework for automated pressure injury classification 2026-Mar-27, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101636 PMID:41895731	研究论文	提出一个两阶段深度学习框架，用于自动从临床图像中对压力损伤进行分期	通过结合目标检测（YOLOv9）和图像分类（DenseNet161）的两阶段方法，无需手动定位病灶即可实现自动化分期，提高临床可解释性	在处理伤口内异质性、早期细微边界识别以及图像质量差异方面仍存在挑战	开发一个直接从临床图像自动进行压力损伤分期的AI框架，以提高诊断准确性和一致性	中国医科大学医院收集的1807张压力损伤图像	计算机视觉	压力损伤	NA	YOLOv9, DenseNet161	图像	1807张压力损伤图像（训练及验证集），测试集n=365	PyTorch	YOLOv9, DenseNet161	准确率, 灵敏度, 特异度, F1分数, AUC, mAP@0.5	NA
555	2026-03-18	Deep learning-based physiological risk stratification in night-shift hospital workers 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43982-y PMID:41839952	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
556	2026-05-02	Deep learning enhanced prediction framework for bio oil yield from organic solid waste with chemically informed features 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43604-7 PMID:41839987	研究论文	提出基于深度学习的框架，利用化学信息特征增强对有机固体废物热解生物油产率的预测	创新性地结合化学引导特征工程（元素比、灰分校正挥发度和能量密度指数）与VIF特征选择，构建混合深度神经网络模型DNPO，在多样化数据集上实现优于传统基准模型的预测性能	NA	提高有机固体废物热解过程中生物油产率的预测准确性，支持实验设计、生物质筛选和工艺优化	有机固体废物热解产生的生物油产率预测	机器学习	NA	NA	混合深度神经网络	数值型数据（生物质成分和热解条件参数）	245个样本，来自多种生物质来源和热解条件	NA	DNPO	相关系数R, 均方根误差RMSE	NA
557	2026-05-02	Transformer-encoded nnU-Net with local region perceptron and contrastive learning (TLC-nnUNet) for multiple brain metastasis detection and delineation 2026-Mar-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4ced PMID:41775070	研究论文	提出一种集成局部区域感知器和对比学习的Transformer增强型nnU-Net（TLC-nnUNet），用于多发性脑转移瘤的检测与分割	首次将局部区域感知器损失约束和对比学习预训练策略融入Transformer增强的nnU-Net架构，分别提升小病灶检测能力和降低假阳性	未在更大规模、更异质的数据集上验证，且计算资源需求可能较高（需预训练和Transformer模块）	提高磁共振图像中多发性脑转移瘤（尤其是小病灶）的检测灵敏度和分割精度	多发性脑转移瘤病灶（包括最长轴长度小于3毫米的小病灶）	计算机视觉, 数字病理学	脑转移瘤	磁共振成像	CNN, Transformer	图像	多机构数据集（具体数量未提及）	PyTorch, MONAI	nnU-Net, Transformer	灵敏度, 精确率, Dice系数, 假阳性率	NA
558	2026-05-02	Humans with function-disrupting variants in the myostatin gene (MSTN) have increased skeletal muscle mass and strength, and less adiposity 2026-Mar-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70422-2 PMID:41826329	研究论文	本研究利用大规模多队列遗传关联分析，结合深度学习的全身MRI图像分割方法，探究肌生成抑制素基因功能破坏性变异对人体肌肉质量、力量及脂肪组成的影响	首次在人类大规模人群（110万人）中系统评估MSTN基因功能破坏性变异对全身肌肉和脂肪组成的长期效应，并结合深度学习自动分割技术对77,572人的全身MRI数据进行精细肌肉群分析	未明确说明，但可能包括变异携带者的选择偏差、观察性研究无法完全排除混杂因素、以及影像分割模型的潜在误差	探究MSTN基因功能破坏性变异对人体肌肉质量、力量和脂肪组成的长期效应，评估治疗性阻断肌生成抑制素信号通路的潜在益处与安全性	人类MSTN基因功能破坏性变异携带者（杂合子）及其体成分和心脏代谢健康相关表型	机器学习、计算机视觉	NA	全基因组关联分析、全身MRI、深度学习图像分割	深度学习分割模型	遗传变异数据、全身MRI图像、握力与肌酐等生化指标数据	110万名个体的遗传数据；77,572人的全身MRI数据	NA	深度学习图像分割模型（具体架构未明确），可能基于U-Net或类似架构	肌肉质量增加百分比、握力、肌酐水平、脂肪量变化	NA
559	2026-05-02	A generalizable eye disease detection method based on Zero-Shot Learning 2026-Mar-12, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01439-3 PMID:41820587	研究论文	提出一种基于零样本学习的泛化眼病检测方法，无需标注即可检测早期糖尿病视网膜病变	将零样本学习应用于眼病检测，通过模拟临床推理过程，利用孪生网络识别疾病关联性并迁移知识，实现无需标注的早期疾病检测	可能受限于源疾病与目标疾病之间的关联性强度，且依赖大规模无标注数据集LCFP-14M	开发一种无需标注数据的泛化眼病检测方法，解决深度学习在医学图像分析中对大规模标注数据的依赖问题	早期糖尿病视网膜病变（DR1）检测，以及零样本学习在眼病诊断中的泛化能力	计算机视觉	糖尿病视网膜病变	眼底图像分析	孪生网络、ResNet-Agglomerative聚类	图像	LCFP-14M数据集（1400万张眼底图像）	NA	Siamese network, ResNet, Agglomerative clustering	准确率、精确率、召回率、F1分数、ROC-AUC	NA
560	2026-05-02	Synthetic data-driven deep learning for label-free autonomous atomic force microscopy 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70421-3 PMID:41807395	研究论文	介绍SimuScan框架，利用合成数据驱动深度学习实现无标签自动原子力显微镜分析	提出利用合成数据驱动深度学习，无需大量人工标注实验数据集，实现原子力显微镜自动特征识别、分割和靶向成像，并纳入真实实验伪影，提高模型泛化能力	未在论文标题和摘要中明确说明局限性	实现原子力显微镜自动化分析，减少对专家操作员的依赖，促进高通量材料发现和统计研究	纳米结构表面、DNA组装体和细菌细胞	计算机视觉	NA	原子力显微镜	深度学习	图像	包括纳米结构表面、DNA组装体和细菌细胞等多种样本类型	NA	NA	未在论文标题和摘要中明确列出性能指标	未在论文标题和摘要中明确说明计算资源