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
881	2026-03-15	Comparative analysis of AI-generated and deformed image registration contours on daily CBCT in prostate cancer radiation therapy: accuracy and dosimetric implications using commercial tools 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01686-z PMID:41396387	研究论文	本研究比较了前列腺癌放射治疗中基于AI生成的轮廓与可变形图像配准（DIR）生成的轮廓在每日CBCT图像上的准确性和剂量学影响	首次系统比较了AI与DIR在前列腺癌每日CBCT图像上生成轮廓的几何精度和剂量学差异，为自适应放疗工作流程的优化提供了实证依据	研究为回顾性设计，样本量较小（20例患者），且仅使用了特定商业软件（Limbus AI和Velocity），可能限制了结果的普适性	评估AI与DIR生成的轮廓在前列腺癌放射治疗每日CBCT图像上的准确性和对剂量学的影响，以支持自适应放疗决策	20例前列腺癌患者的每日CBCT图像，重点关注前列腺、膀胱和直肠的轮廓	数字病理	前列腺癌	锥形束CT（CBCT）成像，可变形图像配准（DIR）	深度学习模型（具体未指定）	医学图像（CBCT）	20例前列腺癌患者，共140个CBCT图像	NA	NA	Dice相似系数（DSC），豪斯多夫距离（HD），平均表面距离（MSD），质心位移，体积变化，剂量学指标（D95，D98，D2）	NA
882	2026-03-15	Turning a knob: deep learning-based prediction of torque and arm angles using force myography 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01685-0 PMID:41396386	研究论文	本研究利用力肌图技术，通过深度学习模型预测不同扭矩和手臂角度下的旋钮转动活动	首次结合力肌图与卷积神经网络-长短期记忆混合模型，用于预测日常活动中的扭矩和手臂角度，并验证了皮下脂肪对分类无显著影响	研究样本可能有限，未涉及更广泛的日常活动或不同人群的验证	开发直观、响应迅速且自适应的人机交互系统，准确预测人类运动动作	人类参与者在不同扭矩和手臂角度下进行的旋钮转动活动	机器学习	NA	力肌图	CNN, LSTM	力肌图数据	参与者进行了三种不同扭矩弹簧和四种手臂角度的旋钮转动活动	NA	卷积神经网络-长短期记忆混合模型	准确率	NA
883	2026-03-15	An automated detection system of autism spectrum disorder using meta-heuristic approach of adaptive LSTM with bayesian learning technique 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01681-4 PMID:41642457	研究论文	本文提出了一种基于自适应LSTM与贝叶斯学习技术的自动化自闭症谱系障碍检测系统	结合多图谱残差网络提取特征，并采用自适应级联注意力LSTM与贝叶斯学习进行检测，通过随机固定海洋捕食者算法优化超参数	未提及具体数据集规模或外部验证结果	开发自动化自闭症谱系障碍早期诊断系统	自闭症谱系障碍患者的大脑图像数据	数字病理学	自闭症谱系障碍	脑成像分析	LSTM, CNN, ANN, auto encoder	图像	NA	Python	MResNet, ACAL-BL	FPR	NA
884	2026-03-15	Population-level structural variant characterization using pangenome graphs 2026-Mar, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02538-6 PMID:41807798	研究论文	提出了一种基于深度学习的序列到图像方法Swave，用于从组装衍生的泛基因组图中准确解析简单和复杂的结构变异及其群体特征	引入了‘投影波’来总结点图图像，捕获泛基因组中参考序列和SV指示等位基因之间的映射模式，并使用循环神经网络区分真实SV信号与基因组重复引入的背景噪声	未明确说明方法在处理超大规模群体数据时的计算效率或可扩展性限制	开发一种能够从泛基因组图中准确识别和表征群体水平结构变异的方法	人类群体（健康队列和罕见疾病队列）的结构变异	机器学习	罕见疾病	基因组组装，泛基因组图构建	循环神经网络	图像（由序列映射模式转换而来）	NA	NA	NA	SV类型分类准确率，基因分型准确率	NA
885	2026-03-15	Development and Preliminary Evaluation of an EfficientNet-Based Deep Learning System for Ultrasound Assessment of Neck Disorders: A Single-Center Study 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050728 PMID:41828004	研究论文	本研究开发并初步评估了一个基于EfficientNet的深度学习系统，用于超声评估颈部疾病	首次将EfficientNet模型与迁移学习结合应用于颈部疾病（特别是筋膜异常）的超声图像评估，以解决标注数据稀缺问题并提升模型泛化能力	单中心研究，样本量有限（184名患者），需要在更多样化的临床环境中进一步验证和优化	开发一个准确高效的机器学习模型，为颈部疾病的诊断提供支持	颈部疾病患者，特别是筋膜模糊纹理和筋膜粘连的评估	计算机视觉	颈部疾病	超声成像	CNN	图像	184名患者的超声图像	NA	EfficientNet	加权平均F1分数, 宏平均F1分数	NA
886	2026-03-15	Deep Learning-Based Dental Caries Diagnosis: A Modality-Stratified Systematic Review and Meta-Analysis of Faster R-CNN and Mask R-CNN 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050731 PMID:41828006	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了Faster R-CNN和Mask R-CNN在龋齿检测中的诊断性能	首次系统性地综合比较了Faster R-CNN和Mask R-CNN在不同成像模态（放射影像和照片）下用于龋齿检测的诊断准确性	证据受到显著异质性、主要为回顾性设计、成像和标注方法存在变异性、参考标准存在不确定性以及研究间比较为间接比较的限制	比较Faster R-CNN和Mask R-CNN在龋齿检测中的诊断准确性	应用Faster R-CNN和/或Mask R-CNN进行龋齿检测的研究	计算机视觉	龋齿	放射影像成像，摄影成像	Faster R-CNN, Mask R-CNN	图像	17项符合纳入标准的研究	NA	Faster R-CNN, Mask R-CNN	敏感性，特异性，受试者工作特征曲线下面积	NA
887	2026-03-15	Scalable Unimodal and Multimodal Deep Learning for Multi-Label Chest Disease Detection: A Comparative Analysis 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050734 PMID:41828010	研究论文	本研究对基于单模态和多模态深度学习的多标签胸部疾病分类模型进行了全面的比较分析	系统比较了单模态与多模态模型在不同数据规模下的性能，并强调了大规模数据对罕见病理检测的改善作用	研究仅使用了胸部X光图像和临床元数据，未探索其他模态数据；模型架构选择有限	提高胸部疾病早期诊断的准确性，特别是针对多病理共存的情况	胸部X光图像及相关的临床元数据	计算机视觉	胸部疾病	胸部X光成像	CNN	图像, 文本	两个版本的数据集：随机样本NIH胸部X光数据集（5,606个样本）和完整NIH胸部X光数据集（121,120个样本）	NA	ResNet50, EfficientNetB3, DenseNet121	AUROC	NA
888	2026-03-15	Driven by Deformable Convolution and Multi-Plane Scale Constraint: A Hazy Image Dehazing-Stitching System 2026-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s26051551 PMID:41829512	研究论文	本文提出了一种用于雾天环境的图像去雾与拼接系统，结合可变形卷积和多平面尺度约束，以提升自动驾驶辅助系统在恶劣天气下的环境感知能力	提出了一种基于DCNv4的非均匀去雾方法，设计了类似变换器的网络以实现长程依赖和自适应空间聚合，并结合轻量级Retinex启发的Transformer进行色彩校正和结构细化；同时，基于LightGlue特征匹配网络引入了多平面尺度约束模块以提高匹配精度和单应性矩阵估计精度	未明确提及	解决雾天环境下图像质量下降和视野受限的问题，为自动驾驶辅助系统提供清晰且大视野的环境感知解决方案	雾天图像	计算机视觉	NA	NA	Transformer, CNN	图像	使用了NH-HAZE和BRAS数据集进行实验	NA	Deformable Convolution v4 (DCNv4), Retinex-inspired Transformer, LightGlue	峰值信噪比	NA
889	2026-03-14	DeepDegradome: A structure-aware deep learning framework for PROTAC and ligand generation against protein targets 2026-Mar-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2518248123 PMID:41818153	研究论文	本文介绍了一种名为DeepDegradome的AI驱动方法，用于自动化设计小分子配体和PROTAC，以解决靶向蛋白质降解中的设计挑战	DeepDegradome结合了结构感知的深度学习框架，能够从大型片段库中自动组装配体和PROTAC，无需依赖预定义的弹头或E3配体，从而提高了分子设计的多样性和创新性	方法依赖于公共数据库构建的片段库和内部对接方法，可能受限于数据质量和覆盖范围，且目前仅在WDR5和CDK9两个蛋白质目标上进行了验证	开发一种AI驱动的框架，用于自动化设计针对蛋白质靶点的小分子配体和PROTAC，以促进药物发现	蛋白质靶点（如WDR5和CDK9）及其对应的配体和PROTAC分子	机器学习	NA	深度学习，对接方法（iFitDock），X射线晶体学	深度学习框架	分子结构数据，蛋白质口袋的形状和理化特征	使用公共数据库构建的大型片段库，并在两个蛋白质靶点（WDR5和CDK9）上进行了设计和验证	NA	NA	预测结合亲和力，分子有效性，药物相似性	NA
890	2026-03-14	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	本文提出了一种名为TLC-nnUNet的新型深度学习框架，用于磁共振图像中多发性脑转移瘤的精确检测与分割	在transformer增强的nnU-Net架构中集成了局部区域感知器（LRP）和对比学习预训练（CLP）两个创新模块，LRP通过重新加权未充分表示的体素来优先检测小病灶，CLP通过监督式预训练策略增强病灶与非病灶区域在潜在空间中的差异性	未明确说明模型在不同磁共振扫描协议或设备间的泛化能力，也未提及对极低对比度病灶的处理效果	提高多发性脑转移瘤（特别是小病灶）在磁共振图像中的检测敏感度、精确度和分割准确性	脑转移瘤病灶	数字病理学	脑转移瘤	磁共振成像	Transformer, CNN	医学图像	多机构数据集（具体数量未明确说明）	PyTorch（基于nnU-Net框架推断）	nnU-Net, Transformer-enhanced nnU-Net	敏感度, 精确度, Dice系数	NA
891	2026-03-14	A new method for quantitation of cyanuric acid in water based on image analysis of drying patterns using computer vision 2026-Mar-12, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay02122g PMID:41729199	研究论文	本文提出了一种基于图像分析的简单、无试剂方法，用于通过分析氰尿酸溶液液滴的干燥模式来量化自来水中的氰尿酸	首次展示了基于液滴干燥模式图像分析对复杂混合物中分析物进行定量的方法	需要等待液滴干燥（环境条件下约2小时），且要求可重复的取样体积（约50 µL）和保持与校准集一致的照明条件	开发一种低成本、无试剂的氰尿酸定量方法	自来水中的氰尿酸	计算机视觉	NA	图像分析	深度学习模型	图像	NA	NA	NA	NA	NA
892	2026-03-14	A multimodal approach integrating spectroscopy, deep learning guided molecular docking, and molecular dynamics simulation for predictive assessment of pioglitazone to albumin binding for formulation development 2026-Mar-12, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01534k PMID:41738395	研究论文	本研究采用多模态方法评估吡格列酮与人血清白蛋白的结合亲和力，以指导制剂开发	结合光谱学、深度学习引导的分子对接和分子动力学模拟，提供了一种正交的多模态分析框架	未明确提及样本量或实验重复次数，可能影响结果的普遍性	分析吡格列酮与人血清白蛋白的结合亲和力，为制剂开发提供依据	人血清白蛋白与吡格列酮的复合物	计算化学与药物发现	NA	紫外吸收光谱、荧光光谱、分子对接、分子动力学模拟	深度学习模型	光谱数据、分子结构数据、模拟轨迹数据	NA	DynamicBind	NA	结合常数、cLDDT分数、结合亲和力值、均方根偏差、回转半径、均方根波动	NA
893	2026-03-14	Artificial intelligence for diagnosis and triage in oral cancer: a clinician‑centered narrative review 2026-Mar-12, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-026-03002-5 PMID:41817640	综述	本文是一篇以临床医生为中心的叙述性综述，探讨了人工智能在口腔癌诊断和分诊中的应用	聚焦于临床医生相关的任务，并优先考虑了前瞻性设计、外部验证和临床可解释模型，同时讨论了数据集偏移、偏见和报告标准等实施问题	综述指出，现有研究多为单中心，在真实世界图像和分布外图像上性能仍会下降，且严格的前瞻性验证仍然稀缺	评估人工智能在口腔鳞状细胞癌（OSCC）早期诊断和临床决策支持中的应用潜力	口腔鳞状细胞癌（OSCC）和口腔潜在恶性病变（OPMD）	数字病理学	口腔癌	临床摄影、CT、MRI、PET、光学成像（如高光谱空间频域成像、OCT）、数字病理学	深度学习	图像	NA	NA	NA	诊断准确率	NA
894	2026-03-14	Initial experience of deep learning reconstruction algorithm in lung kernel: clinical usefulness for lung nodules at ultra-low-dose protocol 2026-Mar-12, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12404-y PMID:41817709	研究论文	本研究首次评估了在超低剂量CT扫描中，使用肺核的深度学习图像重建算法TrueFidelity对图像质量和结节锐度的影响	首次将TrueFidelity深度学习图像重建算法应用于肺核，并评估其在超低剂量CT中对图像质量和结节锐度的改善效果	样本量较小（68例患者），且仅以对比增强CT的肺核重建作为参考标准，可能未涵盖所有临床场景	评估深度学习图像重建算法在肺核中的应用，以提升超低剂量CT的图像质量和结节评估能力	接受胸部非对比超低剂量CT和对比增强CT扫描的患者	医学影像分析	肺癌	CT扫描，深度学习图像重建	深度学习重建算法	CT图像	68例患者	NA	TrueFidelity	图像噪声，信噪比，对比噪声比，半高全宽值	NA
895	2026-03-14	Prediction of the standardized compound drought and heat index in regional scale based on multiple deep learning approaches 2026-Mar-12, Environmental science and pollution research international DOI:10.1007/s11356-026-37631-0 PMID:41817810	研究论文	本研究利用多种深度学习模型预测区域尺度的标准化复合干旱热指数时空演变	首次将集成注意力机制的深度学习模型（如SA-ConvLSTM和SwinLSTM）应用于复合干旱热事件的时空预测，显著提升了模型捕捉复杂非线性相互作用和时空依赖性的能力	研究主要基于ERA5再分析数据，可能受数据分辨率和不确定性的影响，且模型在更广泛区域或不同气候条件下的泛化能力有待进一步验证	开发一个有效且可推广的短期时空预测框架，以支持复合干旱热事件的早期预警和区域气候韧性建设	中国长江三角洲地区2004年至2023年的标准化复合干旱热指数	机器学习	NA	ERA5再分析数据	CNN-LSTM, ConvLSTM, SA-ConvLSTM, SwinLSTM	气象变量数据	2004年至2023年长江三角洲地区的气象数据	NA	CNN-LSTM, ConvLSTM, SA-ConvLSTM, SwinLSTM	决定系数, RMSE, MAE	NA
896	2026-03-14	NRSeg: Noise-Resilient Learning for BEV Semantic Segmentation via Driving World Models 2026-Mar-12, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3671686 PMID:41817979	研究论文	本文提出了一种名为NRSeg的噪声鲁棒学习框架，用于提升鸟瞰图语义分割在自动驾驶中的性能，通过利用驾驶世界模型生成的合成数据增强数据多样性	提出了视角-几何一致性度量来评估生成数据的指导能力，设计了双分布并行预测机制以增强模型鲁棒性，并引入了分层局部语义排除模块来处理BEV分割任务中的非互斥性问题	未明确说明合成数据生成的具体噪声类型及其对模型影响的详细分析，也未讨论框架在极端天气或复杂交通场景下的泛化能力	提升自动驾驶系统中鸟瞰图语义分割的鲁棒性和性能，特别是在无监督和半监督学习场景下	自动驾驶场景中的鸟瞰图语义分割任务	计算机视觉	NA	驾驶世界模型生成合成数据	深度学习模型	图像数据（BEV语义分割数据）	使用公开nuScenes数据集进行测试，具体样本数量未明确说明	PyTorch（根据代码仓库链接推断）	未明确指定具体基础架构，但包含PGCM、BiDPP、HLSE等自定义模块	mIoU（平均交并比）	未明确说明具体GPU类型或云平台
897	2026-03-14	Evaluation of Deep Learning-Based Event Detection for Parameter Estimation During Complex Walking in Parkinson's Disease 2026-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3673610 PMID:41818008	研究论文	本研究评估了一种基于惯性传感器和深度学习的事件检测方法，用于在帕金森病患者的复杂行走任务中量化步态参数	提出了一种结合时间卷积网络（TCN）进行步态事件检测和Gaitmap函数进行轨迹重建与参数提取的集成处理流程，用于量化复杂行走任务（如转弯、起步和终止步态）的时空参数	研究未明确说明样本量是否足够代表不同疾病阶段的帕金森病患者，且方法在复杂行走任务中的误差略高于稳态步态	开发并评估一种可靠的方法，以量化帕金森病患者在复杂行走任务中的步态参数，超越传统的稳态步态分析	帕金森病患者的行走数据，包括稳态步态、转弯、起步和终止步态	机器学习	帕金森病	惯性传感器（IMU）数据采集与处理	TCN	时间序列数据（来自惯性传感器）	NA	NA	时间卷积网络（TCN）	平均误差（时间误差≤1-7 ms，空间误差≤2.3-2.9 cm），相关系数（r≥0.95）	NA
898	2026-03-14	A Deep Learning Approach for Dynamic Modeling of Stimulated Raman Scattering in Chalcogenide Microstructured Optical Fibers 2026-Mar-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670396 PMID:41818024	研究论文	本文提出了一种基于混合神经网络的深度学习框架，用于快速精确预测硫系微结构光纤中受激拉曼散射的动态行为	首次利用混合神经网络捕捉非线性脉冲传播中的复杂时空依赖性，显著加速了受激拉曼散射的建模过程，并首次在2微米直接泵浦悬浮芯AsS微结构光纤中成功生成了中红外受激拉曼散射	模型验证仅基于硫系微结构光纤的特定实验数据集，可能未涵盖所有光纤类型或非线性光学现象	开发一种高效的深度学习方法来替代传统计算密集型方法，以建模受激拉曼散射在微结构光纤中的动态行为	硫系微结构光纤中的受激拉曼散射现象	机器学习	NA	受激拉曼散射，中红外光谱分析	混合神经网络	光学模拟数据，实验数据	基于特定硫系微结构光纤实验的数据集	NA	混合神经网络	速度加速比（与SSFM相比），准确性，泛化能力	GPU，CPU
899	2026-03-14	HyperSynergyX: Synergistic Drug Combination Prediction via Hypergraph Modeling and Knowledge Graph-Enhanced Retrieval-Augmented Generation 2026-Mar-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3673550 PMID:41818020	研究论文	本文提出了一种名为HyperSynergyX的可解释框架，用于预测和解释三药协同作用，结合超图建模和知识图谱增强的检索增强生成技术	该研究创新性地将超图上的双偏置随机游走与知识图谱增强的检索增强生成模块结合，实现了协同药物组合的预测与机制解释的集成	NA	加速多药物发现并支持精准肿瘤学中的合理治疗方案设计	乳腺癌和肺癌的药物组合数据	机器学习	乳腺癌, 肺癌	超图建模, 张量分解, 知识图谱增强的检索增强生成	双偏置随机游走, 深度学习基线	药物组合数据	NA	NA	DBRWH, KG-RAG	AUROC, AUPRC	NA
900	2026-03-14	AeroGPT: Leveraging Large-Scale Audio Model for Aero-Engine Bearing Fault Diagnosis 2026-Mar-12, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3668256 PMID:41818025	研究论文	本文提出了一种名为AeroGPT的新框架，利用大规模音频模型进行航空发动机轴承故障诊断，通过振动信号对齐和生成式故障分类直接生成可解释的故障标签	首次将大规模音频模型知识迁移到航空发动机轴承故障诊断领域，结合振动信号对齐和生成式故障分类，实现了无需后处理的交互式、可解释诊断	未明确说明模型在更广泛或噪声环境下的泛化能力，且可能依赖特定数据集	开发一种基于大规模音频模型的航空发动机轴承故障诊断方法，提高诊断准确性和可操作性	航空发动机轴承	机器学习	NA	振动信号分析	大规模音频模型	音频数据，振动信号	两个航空发动机轴承数据集：DIRG数据集和HIT轴承数据集	NA	AeroGPT	准确率	NA