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
21	2026-02-12	ConcreteCARB: A comprehensive image dataset of concrete carbonation for computer vision tasks 2026-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112493 PMID:41657407	研究论文	本文介绍了ConcreteCARB数据集，这是一个包含903张高分辨率混凝土表面图像的综合数据集，用于支持计算机视觉在土木工程中的应用	提供了首个专门针对混凝土碳化检测的全面图像数据集，包含不同混合设计和添加剂条件下的样本，支持AI在结构健康监测中的创新应用	数据集仅包含实验室控制条件下收集的图像，可能无法完全代表现场实际环境中的碳化情况	开发用于混凝土碳化损伤评估的自动检测、分类和分割模型	混凝土棱柱体样本，具有不同水灰比和添加剂（如工业硅废料和仙人掌天然掺合料）	计算机视觉	NA	酚酞测试	NA	图像	903张高分辨率图像	NA	NA	NA	NA
22	2026-02-11	Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis 2026-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05078-y PMID:41254255	系统综述与荟萃分析	本研究通过系统综述和荟萃分析评估了基于X射线的深度学习模型在检测踝关节和足部骨折中的诊断性能	首次对基于X射线的深度学习模型在踝关节和足部骨折检测中的诊断准确性进行了全面的系统综述和荟萃分析，并探讨了影响模型性能的可能因素	纳入研究数量有限（14项），需要更大样本量、外部验证和临床实施的研究来进一步验证	评估AI模型使用X射线图像检测踝关节和足部骨折的诊断准确性，并调查影响其性能的可能因素	踝关节和足部骨折的X射线图像	计算机视觉	骨折	X射线成像	深度学习模型	X射线图像	基于14项纳入研究的累计数据，具体样本量未在摘要中明确给出	NA	NA	灵敏度, 特异度, F1分数, 诊断比值比	NA
23	2026-02-11	Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms 2026-Apr, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500036 PMID:41467573	研究论文	本文提出了一种基于深度学习的增强型Informer网络，通过集成空间和通道注意力机制，用于心理压力的识别与分类	设计了针对时间敏感生理信号段的空间注意力机制（SAM）和动态加权压力相关特征的通道注意力机制（CAM），实现了对细微压力模式的精确捕捉	仅在一个公开数据集上进行了实验验证，缺乏多数据集和实际场景的泛化性测试	开发一种自动检测心理压力的深度学习方法	职业环境中的心理压力	机器学习	NA	深度学习	Informer, 注意力机制	生理信号	一个公开数据集	NA	Informer, 空间注意力机制（SAM）, 通道注意力机制（CAM）	准确率, 召回率, F1分数	NA
24	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112115 PMID:41478240	研究论文	本文利用深度学习模型基于脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将一维卷积神经网络与门控循环单元结合的混合模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并专注于特定电极和频带的功率谱密度特征	样本量较小（仅21名参与者），且仅使用两个电极的特定频带数据，可能限制了模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相障碍患者	机器学习	双相障碍	脑电图	1DCNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN与GRU的混合模型	准确率, 灵敏度, 特异性	NA
25	2026-02-09	EEG-based schizophrenia classification using attention-integrated deep convolutional networks 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112138 PMID:41529582	研究论文	本文提出了一种基于卷积注意力的深度学习框架，用于从脑电图信号中自动检测精神分裂症	提出了一种将卷积层空间特征提取与注意力机制相结合的新框架，该机制能自适应地聚焦于脑电图中的判别性时间模式	模型在不同数据集（莫斯科数据集和IBIB PAN数据集）上的性能差异显著，突显了在具有不同人口统计学和采集特征的数据集间泛化的挑战	开发一种用于精神分裂症自动检测的深度学习模型	精神分裂症患者的脑电图信号	机器学习	精神分裂症	脑电图	CNN	脑电图信号	两个公开数据集：莫斯科脑电图数据集和IBIB PAN数据集	NA	卷积注意力网络	准确率	NA
26	2026-02-09	Advancing precision psychiatry: Machine learning integration with neuroimaging for early detection and diagnosis of Obsessive-Compulsive Disorder 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112137 PMID:41539129	综述	本文综述了机器学习与神经影像学相结合在强迫症早期检测和诊断中的最新进展	整合了混合模型和可解释人工智能方法，用于神经影像数据分析，以提升诊断准确性和临床可解释性	存在数据集变异性大、模型泛化能力有限以及伦理问题等挑战	推动精准精神病学，通过机器学习改进强迫症的早期检测和诊断	强迫症患者	机器学习	强迫症	结构磁共振成像, 功能磁共振成像	支持向量机, 卷积神经网络, 深度学习混合模型	神经影像数据, 生化标志物, 临床数据	NA	NA	NA	诊断准确率	NA
27	2026-02-09	Dual-representation structural MRI classification of psychiatric disorders using deep learning and large language models 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112146 PMID:41576904	研究论文	本研究提出了一种双表征结构MRI框架，结合原始T1加权MRI切片和彩色编码组织分割图，使用ResNet-18 CNN和大型语言模型进行精神疾病分类	提出双表征结构MRI框架，结合原始图像与分割图，并首次使用大型语言模型作为后分析工具解释CNN输出，增强分类性能与可解释性	数据集规模有限（N=103），需通过迁移学习和数据增强技术应对	提高精神疾病（如精神分裂症和双相情感障碍）的准确分类，支持更透明、信息丰富的诊断工具开发	健康对照组、精神分裂症谱系、伴精神病性症状的双相情感障碍、不伴精神病性症状的双相情感障碍	数字病理学	精神疾病	结构MRI（T1加权成像）	CNN, LLM	图像	103例	PyTorch, TensorFlow	ResNet-18	准确率, 精确率, 召回率, F1分数, AUC	GPU（如NVIDIA V100或A100），可能使用AWS、Google Cloud或Azure云平台
28	2026-02-09	Early diagnosis of Alzheimer's disease from functional rs-fMRI images based on deep learning networks and transfer learning approach 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112151 PMID:41604985	研究论文	本研究提出了一种基于优化VGG网络和迁移学习的方法，利用静息态功能磁共振成像（rs-fMRI）对阿尔茨海默病进行早期诊断	提出了两种新颖的深度网络OVGG-16和OVGG-19，结合了迁移学习和密集层的概念，以改进诊断性能并加速收敛	未明确提及具体的研究局限性，如数据集规模、泛化能力或临床验证的细节	开发一种计算机辅助诊断系统，用于阿尔茨海默病的早期诊断	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	静息态功能磁共振成像	CNN	图像	NA	NA	VGG-16, VGG-19, OVGG-16, OVGG-19	准确率	NA
29	2026-02-08	HeartUnloadNet: A cycle-consistent graph network with reduced supervision for predicting unloaded cardiac geometry from diastolic states 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109243 PMID:41529595	研究论文	本研究提出了一种名为HeartUnloadNet的深度学习框架，用于直接从临床舒张末期状态预测心脏的无负荷几何形状	提出了一种结合图注意力和生理参数的循环一致性双向训练策略的神经网络，能够在仅需少量标注数据的情况下实现高精度预测，计算速度比传统方法快10万倍以上	模型基于有限元模拟数据进行训练和验证，尚未在真实临床影像数据上进行测试	开发高效准确的深度学习框架，用于预测心脏无负荷几何形状，以支持个性化心脏生物力学建模	左心室的无负荷几何形状	数字病理学	心血管疾病	有限元模拟	图神经网络	网格数据	10,350个有限元模拟案例	NA	图注意力网络	Dice相似系数, Hausdorff距离, 平均距离, 节点误差标准差	NA
30	2026-02-08	A diagnosis tool for early detection and classification of heart disease in individuals using transformer mechanisms 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109248 PMID:41576777	研究论文	本文提出了一种基于Transformer的模型，用于早期检测和分类心脏病，并开发了Android应用以实现实时风险评估	首次将Transformer架构应用于心脏病分类，结合电子健康记录中的症状特征，并开发了移动应用以实现实时临床决策支持	研究仅基于单一医院的电子健康记录数据，可能缺乏外部验证和泛化能力	开发一种高效的心脏病早期诊断和分类工具，以降低死亡率并支持实时风险评估	一般人群中的个体，使用电子健康记录数据	自然语言处理	心血管疾病	电子健康记录分析	Transformer	文本	NA	NA	Transformer编码器	准确率, 精确率, 召回率, F1分数	NA
31	2026-02-08	CellViT++: Energy-efficient and adaptive cell segmentation and classification using foundation models 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109206 PMID:41576779	研究论文	本研究提出了一种名为CellViT++的数据高效且轻量级的框架，用于通用细胞分割，能够以最少的数据快速适应新的细胞类型	利用冻结的预训练基础模型进行分割，并在前向传播过程中无额外计算成本地提取深度细胞嵌入，仅需训练轻量级分类器即可适应新细胞类型，显著降低了计算成本和数据需求	未明确提及框架在处理极端罕见细胞类型或高度异质性组织样本时的性能限制	开发一种数据高效、计算成本低且适应性强的细胞分割与分类方法，以克服数字病理学中现有模型的局限性	数字病理学中的细胞分割与分类	数字病理学	结肠癌	免疫荧光染色	Vision Transformer	图像	七个公共数据集	PyTorch	Vision Transformer	F1分数	未明确指定GPU类型，但提及训练时间从小时级减少到分钟级，二氧化碳排放减少96.93%
32	2026-02-08	Application of artificial intelligence in colonoscopy imaging for polyp analysis-A systematic review 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109239 PMID:41621228	综述	本文对深度学习在结肠镜图像息肉分析中的应用现状进行了全面且批判性的分析	系统性地回顾了包括卷积神经网络、基于Transformer的模型和混合方法在内的多种深度学习架构，并探讨了AI辅助工具的临床相关性及普遍性挑战	识别了现有技术面临的挑战，如数据不平衡、实时部署以及在不同人群和结肠镜设备间的泛化性问题	旨在为研究人员、临床医生和开发者提供利用深度学习增强结直肠息肉检测、诊断和临床决策的宝贵资源	结直肠息肉	计算机视觉	结直肠癌	结肠镜成像	CNN, Transformer	图像	NA	NA	NA	NA	NA
33	2026-02-07	Automated extraction of fluoropyrimidine treatment and treatment-related toxicities from clinical notes using natural language processing 2026-Apr-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106276 PMID:41534241	研究论文	本研究开发并评估了多种自然语言处理方法，用于从临床笔记中自动提取氟嘧啶治疗及其相关毒性信息	首次系统比较了基于规则、机器学习、深度学习及大语言模型（包括零样本和错误分析提示）的NLP方法在提取氟嘧啶治疗和毒性信息上的性能，并发现基于大语言模型的错误分析提示方法效果最优	机器学习和深度学习方法受限于训练数据规模较小，泛化能力有限，尤其是在罕见类别上表现不佳	开发并评估自然语言处理方法，以自动化地从临床笔记中提取氟嘧啶治疗和毒性信息，支持肿瘤学研究和药物警戒	204,165名成年肿瘤患者的236份临床笔记	自然语言处理	结直肠癌, 乳腺癌	自然语言处理	Random Forest, Support Vector Machine, Logistic Regression, BERT, ClinicalBERT, 大语言模型	文本	236份临床笔记（来自204,165名患者）	NA	BERT, ClinicalBERT	精确率, 召回率, F1分数	NA
34	2026-02-07	Deep belief Markov models for POMDP inference 2026-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108386 PMID:41386156	研究论文	本文提出了一种名为深度信念马尔可夫模型的新型深度学习架构，用于在部分可观测马尔可夫决策过程中进行高效、模型形式无关的推理	将深度马尔可夫模型扩展到部分可观测决策框架，通过变分推理方法实现完全基于观测数据的高效信念推理，并能推断和模拟系统动力学中的非线性关系	未明确说明模型在极端高维或复杂动态环境中的计算效率边界，也未讨论对特定先验知识的依赖程度	解决部分可观测马尔可夫决策过程中的高效推理问题，特别是在复杂、高维、部分可观测环境中	部分可观测马尔可夫决策过程	机器学习	NA	变分推理	深度信念马尔可夫模型	观测数据	NA	NA	深度信念马尔可夫模型	NA	NA
35	2026-02-06	SERS-based deep learning approach for early detection of gestational diabetes mellitus 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127472 PMID:41547262	研究论文	本研究提出了一种结合表面增强拉曼光谱（SERS）与深度学习的新策略，用于妊娠期糖尿病（GDM）的早期快速筛查	首次将SERS技术与融合PCA-CNN的深度学习模型相结合，用于GDM的早期诊断，实现了高精度、快速且样本需求量小的检测	未明确说明研究样本的具体来源、多样性或潜在的批次效应，也未提及模型在外部验证集上的泛化性能	开发一种快速、准确且临床适用的早期妊娠期糖尿病筛查方法	孕妇血清样本	机器学习	妊娠期糖尿病	表面增强拉曼光谱（SERS），基于银纳米颗粒（Ag NPs）的基底	CNN	光谱数据（一维SERS光谱）	未在摘要中明确说明具体样本数量	NA	融合PCA-CNN模型（主成分分析结合一维卷积神经网络）	准确率，灵敏度，特异性	NA
36	2026-02-06	A research on applying the diffusion model algorithm for Infrared and Raman spectroscopy data augmentation to improve the accuracy of diseases 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127466 PMID:41558273	研究论文	本研究提出了一种基于扩散模型的光谱数据生成方法，用于增强红外和拉曼光谱数据，以提高疾病诊断的准确性	通过分别编码时间和类别标签信息，并结合多头注意力机制，在多尺度上提取光谱的整体形态和局部细微特征，在反向重建阶段基于隐式建模估计噪声分布，并利用交叉注意力在不同标签下生成不同类别的光谱，实现了条件约束下的精确去噪和特征谱峰位置等信息的渐进重建	NA	克服光谱数据样本量有限、噪声干扰和设备变异性等挑战，提高深度学习模型在疾病诊断中的泛化性能和准确性	甲状腺疾病和系统性红斑狼疮（SLE）的红外和拉曼光谱数据	机器学习	甲状腺癌, 系统性红斑狼疮	红外光谱, 拉曼光谱	扩散模型	光谱数据	NA	NA	EfficientNet, MLP, Transformer	皮尔逊相关系数, 准确率	NA
37	2026-02-06	Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study 2026-Apr, Addictive behaviors IF:3.7Q1 DOI:10.1016/j.addbeh.2026.108624 PMID:41610630	研究论文	本研究探讨了利用被动收集数据（如加速度计、心率、呼吸频率、屏幕使用和GPS数据）通过深度学习模型预测或检测重度抑郁症患者酒精使用的效果	首次在重度抑郁症患者中，结合被动收集的多模态数据，评估深度学习模型对酒精使用的预测能力，并对比了时间模式基线	模型性能与仅使用星期几作为预测因子的基线模型相当，表明被动数据的附加价值有限，且样本仅来自特定抑郁症研究队列	评估被动数据在预测或检测重度抑郁症患者酒精使用方面的有效性	300名临床诊断为重度抑郁症的个体	机器学习	重度抑郁症	被动数据收集（加速度计、心率、呼吸频率、屏幕使用、GPS）	深度学习模型	时间序列传感器数据	300名重度抑郁症患者，为期90天的纵向研究	未明确指定	未明确指定	AUC	未明确指定
38	2026-02-04	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新，加速了新药的识别、优化和开发	整合了机器学习、深度学习和强化学习等AI技术，革新了传统药物发现方法，提高了靶点识别、虚拟筛选、从头药物设计等关键过程的效率	存在数据质量、模型可解释性、监管接受度和伦理问题等局限性	加速药物发现过程，提高新药开发效率，推动个性化医疗	药物发现过程中的靶点、化合物、药物-靶点相互作用、化学合成路径及临床试验设计	机器学习	NA	机器学习、深度学习、强化学习	NA	NA	NA	NA	NA	NA	NA
39	2026-02-03	A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI 2026-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110595 PMID:41397563	研究论文	本文提出了一种密集循环展开网络，利用时空先验知识来高度加速动态MRI重建	在稀疏先验更新模块中引入了双向循环卷积单元，通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，并采用了中间特征传输而非仅单阶段输出的设计，以改善多阶段协作	未明确说明在极高加速因子（如24倍以上）下的性能极限或计算成本	提高动态MRI在高度欠采样条件下的重建准确性和时间保真度	动态MRI数据	计算机视觉	NA	动态磁共振成像	深度学习	图像	NA	NA	密集循环展开网络	重建准确性, 时间保真度	NA
40	2026-01-30	Spin and Gradient Multiple Overlapping-Echo Detachment Imaging (SAGE-MOLED): Highly Efficient T2, T 2 * $$ {T}_2^{\ast } $$ , and M0 Mapping for Simultaneous Perfusion and Permeability Measurements 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70165 PMID:41177950	研究论文	本研究开发了一种基于多重重叠回波分离的SAGE-MOLED技术，用于高效、无失真的T2、T2*和M0映射，以同时测量灌注和渗透性参数	通过优化回波时间采样和集成多序列反向EPI，开发了SAGE-MOLED技术，有效校正了几何失真并提高了时间信噪比，同时结合深度学习模型实现了高效的多参数量化	研究在初步临床验证中样本量有限，需要进一步的大规模临床研究来验证其广泛适用性	开发一种高效、无失真的磁共振成像技术，用于同时量化组织的T2、T2*和M0参数，以支持灌注和渗透性的精确测量	水模实验、健康志愿者和初步临床研究中的患者	医学影像	NA	磁共振成像（MRI），包括自旋回波和梯度回波EPI（SAGE-EPI）以及多重重叠回波分离（MOLED）技术	深度学习模型	磁共振图像数据	水模实验、健康志愿者和初步临床研究中的患者（具体数量未在摘要中明确说明）	NA	端到端深度学习模型	皮尔逊相关系数（用于T2和T2*映射的验证）	NA