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
481	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
482	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
483	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%
484	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
485	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
486	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
487	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
488	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
489	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
490	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
491	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
492	2026-01-30	Accelerated Chemical Exchange Saturation Transfer Imaging With Deep Unrolling Networks and Synthetic Brain Tumor Datasets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70172 PMID:41193413	研究论文	本研究开发了一种基于模型的深度展开网络（MoDL-ADMM），用于加速多通道化学交换饱和转移（CEST）成像的高质量图像重建，并设计了一个合成脑肿瘤数据集（BraTS-CEST）用于训练	将交替方向乘子法（ADMM）优化展开为深度网络（MoDL-ADMM），并创建了大规模合成脑肿瘤CEST数据集（BraTS-CEST）以解决训练数据不足的问题	未明确说明合成数据与真实数据之间的域适应挑战或模型在更广泛病理类型中的泛化能力	开发一种高效的深度学习方法，以从欠采样的多通道数据中重建高质量的CEST源图像和酰胺质子转移加权（APTw）图	健康志愿者和脑肿瘤患者的CEST成像数据	医学影像重建	脑肿瘤	化学交换饱和转移（CEST）成像，Bloch-McConnell模拟	深度展开网络	多通道CEST图像数据	使用公开的BraTS和fastMRI数据集通过模拟生成的大规模合成数据，并在健康志愿者和脑肿瘤患者数据上进行评估	NA	MoDL-ADMM（基于MoDL框架并展开ADMM优化），包含选择性核网络和可学习的稀疏变换	重建误差	NA
493	2026-01-30	ASL 4D MRA Intracranial Vessel Segmentation With Deep Learning U-Nets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70173 PMID:41207868	研究论文	提出一种基于时空U-Net的网络（4DST），用于ASL无对比增强4D MRA血管分割，利用时空信息并避免内存密集的4D卷积层	设计了一种避免内存密集型4D卷积层的时空U-Net变体（4DST），在ASL 4D MRA血管分割中结合空间和动态信息	研究样本量有限（35名健康志愿者和5名动静脉畸形患者），且未在更广泛疾病群体或不同成像协议下验证	开发一种高效的深度学习模型，用于ASL无对比增强4D MRA颅内血管分割	健康志愿者和动静脉畸形患者的颅内血管	医学图像分析	动静脉畸形	脉冲ASL无对比增强4D MRA	U-Net	4D MRA图像	40名受试者（35名健康志愿者和5名动静脉畸形患者）	NA	U-Net, 4DST	Dice-Sørensen系数, 中心线Dice, Hausdorff距离, 精确度, 准确度, 特异性, 灵敏度	NA
494	2026-01-30	Deep Learning Reconstruction for 129Xe Diffusion-Weighted MRI Enables Use of Natural Abundant Xenon and Improved Image Acceleration 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70194 PMID:41266932	研究论文	本研究评估了深度学习重建在129Xe扩散加权MRI中的应用，旨在保留定量指标并探索使用天然丰度氙气及提高加速因子的可行性	首次将深度学习重建（包括压缩感知、去噪和去环）应用于129Xe扩散加权MRI，实现了对天然丰度氙气的使用和更高的加速因子，显著降低了成本并提高了临床可行性	深度学习重建在ADC和LmD值上存在轻微偏差（分别为5.4%和0.8%），且样本量相对较小，需进一步验证	评估深度学习加速采集和重建是否定量保留129Xe表观扩散系数和扩散长度尺度指标，并探索使用天然丰度氙气进行扩散加权成像的可行性	哮喘、慢性阻塞性肺疾病和特发性肺纤维化患者，以及健康志愿者	医学影像处理	肺部疾病	129Xe扩散加权MRI，压缩感知加速	深度学习模型	三维MRI图像	患者队列（具体数量未明确）和3名健康志愿者	NA	NA	ADC，LmD，SNR，图像清晰度	NA
495	2026-01-28	Enhanced-performance flexible pressure sensors enabled by synergistic effect of hierarchical porous structures for motion sensing and deep learning-assisted speech recognition 2026-Apr, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2025.139706 PMID:41435647	研究论文	本研究通过结合3D打印和静电纺丝的混合制造策略，开发了一种具有分层多孔结构的高性能柔性压力传感器，并展示了其在运动传感和深度学习辅助语音识别中的应用	提出了一种基于混合制造技术（3D打印与静电纺丝结合）和分层多孔结构协同效应的柔性压力传感器新策略，并通过集成深度学习算法扩展了其在语音识别方面的功能	未明确说明传感器在长期稳定性、大规模生产成本或极端环境下的性能表现	开发高性能柔性压力传感器，用于人体生理运动信号监测和智能语音感知	柔性压力传感器及其在人体运动信号和语音信号检测中的应用	机器学习和智能传感	NA	三维打印、静电纺丝、直接墨水书写、牺牲模板法	深度学习算法	压力信号数据、语音信号数据	NA	NA	NA	灵敏度、响应时间、检测限、识别准确率	NA
496	2026-01-28	Investigation of droplet dynamics in the hypermonotectic succinonitrile-water system in a temperature gradient and microgravity conditions supported by deep learning computer vision 2026-Apr, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2025.139684 PMID:41455349	研究论文	本文研究了在温度梯度和微重力条件下，超单晶体系中的液滴动力学，利用深度学习计算机视觉技术进行分析	结合微重力实验与基于mask R-CNN和SORT的深度学习计算机视觉模型，用于液滴检测与追踪，揭示了液滴运动与表面张力的温度依赖性	实验仅在六分钟的微重力条件下进行，可能限制了长期观察；部分液滴粘附于容器边界，可能影响运动分析的准确性	研究液-液相分离及液滴在温度梯度下的动力学行为	超单晶-水体系中的液滴	计算机视觉	NA	原位观察，深度学习计算机视觉	CNN	图像	NA	TensorFlow, PyTorch	mask R-CNN, SORT	NA	NA
497	2026-01-25	A droplet digital LAMP-based lab-on-a-disc system for multiplex allele-specific detection of tumor-derived DNA mutations 2026-Apr-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118367 PMID:41500045	研究论文	本研究开发了一种基于多重液滴数字LAMP的盘上实验室系统，用于快速、等位基因特异性检测肿瘤来源的DNA突变	开发了全自动、集成的样本到结果平台，结合了改进的等位基因特异性LAMP检测、微流体自动化和人工智能辅助液滴成像，实现了单核苷酸分辨的突变定量	未明确说明系统在更广泛突变类型或癌症类型中的验证范围，以及长期稳定性和大规模临床应用的可行性	开发一种准确、快速、全自动且经济高效的肿瘤衍生DNA突变检测方法，以促进癌症生物标志物的临床转化	乳腺癌组织和血浆样本中的PIK3CA点突变	数字病理	乳腺癌	液滴数字环介导等温扩增，微流体技术，人工智能辅助成像	深度学习模型	液滴图像数据	乳腺癌组织和血浆样本（具体数量未明确说明）	NA	NA	灵敏度，特异性，重现性，线性范围，检测限	NA
498	2026-01-25	FTIR spectroscopy combined with machine learning reveals molecular signatures distinguishing three phenotypes of endometriosis 2026-Apr, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116047 PMID:41500442	研究论文	本研究结合FTIR光谱与机器学习，揭示了区分子宫内膜异位症三种表型的分子特征	首次应用FTIR光谱结合机器学习方法，系统分析并区分子宫内膜异位症的三种临床表型，发现了表型特异的脂质和碳水化合物组成变化	研究样本量有限，且深部浸润型子宫内膜异位症的分子机制仍不完全清楚，需要更大规模的研究验证	探索子宫内膜异位症不同表型的生化差异，并开发基于光谱的鉴别工具	子宫内膜异位症的三种表型：浅表腹膜病变、卵巢子宫内膜异位囊肿和深部浸润型子宫内膜异位症	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, 极端梯度提升	光谱数据	NA	NA	NA	NA	NA
499	2026-01-21	DeepHFFT-m7G: A dual-channel self-attention and hybrid feature fusion framework for RNA m7G modification identification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108812 PMID:41314160	研究论文	本文提出了一种名为DeepHFFT-m7G的新方法，用于高效识别RNA序列中的m7G甲基化位点	提出了基于混合特征融合和双通道自注意力网络的新框架，结合了多分支CNN进行局部特征提取和Transformer编码器进行全局特征提取	未明确说明方法在更广泛数据集或不同物种中的泛化能力，也未讨论计算复杂度	开发一种更准确的RNA m7G修饰位点预测方法	RNA序列中的N7-甲基鸟苷（m7G）修饰位点	自然语言处理	NA	RNA序列分析	CNN, Transformer, MLP	RNA序列数据	NA	NA	多分支CNN, Transformer编码器, 多层感知机	AUROC, 准确率, MCC, 特异性	NA
500	2026-01-21	DLS-SUC: A precision prediction framework for lysine succinylation sites integrating the protein language model (ESM-2) and dual imbalance strategies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108842 PMID:41406781	研究论文	本文提出了一种名为DLS-SUC的新型深度学习框架，用于精确预测赖氨酸琥珀酰化（Ksucc）位点	整合了One-hot编码与ESM-2预训练蛋白质语言模型特征，结合DenseNet和BiLSTM架构捕获局部序列模式和长程依赖，并引入SENet注意力机制自适应重新校准特征通道重要性，同时采用双“算法-系统”策略缓解类别不平衡问题	NA	提高赖氨酸琥珀酰化位点预测的准确性和泛化能力	赖氨酸琥珀酰化位点	生物信息学	癌症、神经退行性疾病、代谢综合征	深度学习	DenseNet, BiLSTM, SENet	蛋白质序列数据	NA	NA	DenseNet, BiLSTM, SENet	Sn, Sp, BAcc, MCC, AUC	NA