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
741	2026-03-21	Fine-scale mapping of Oncomelania hupensis habitats in eastern China using multi-season Sentinel-2 imagery and semi-supervised deep learning 2026-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2026.108044 PMID:41802557	研究论文	本研究开发了一个名为SnailMatch的半监督深度学习框架，结合多季节Sentinel-2影像，用于精细绘制中国东部钉螺（日本血吸虫中间宿主）的栖息地分布图	提出了一个结合多季节遥感影像和半监督深度学习的框架，通过注意力机制融合季节性生态模式，并利用贝叶斯优化集成模型，实现了高精度的钉螺栖息地制图	研究依赖于有限的实地确认数据（229个存在点），且未明确讨论模型在其他地理区域或不同年份的泛化能力	开发一种成本效益高、可解释的方法，以支持针对性的灭螺和植被管理，助力世界卫生组织2030年消除血吸虫病的目标	钉螺（Oncomelania hupensis）的栖息地	计算机视觉	血吸虫病	多季节Sentinel-2遥感影像处理	深度学习, 随机森林	遥感影像, 环境协变量数据	229个实地确认的钉螺存在点, 229个系统采样的缺失点, 5,759个未标记位置	NA	注意力机制的多季节融合模块	准确率, AUC, F1分数	NA
742	2026-03-17	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出一种基于几何映射的fMRI迁移学习方法，实现从2D自然图像到4D fMRI脑图像的迁移学习	通过将大脑皮层视为3D空间中的折叠黎曼流形，并利用表面几何映射将其映射到2D空间，弥合了fMRI数据与自然图像之间的迁移学习鸿沟	未明确说明方法在更小或不同采集协议的fMRI数据集上的泛化能力	解决fMRI数据集样本量小导致深度学习应用受限的问题，实现从大规模2D自然图像到4D fMRI数据的有效迁移学习	fMRI脑图像数据	医学图像分析	抑郁症	功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号	深度学习，迁移学习	4D fMRI图像，2D自然图像	基于人类连接组计划（HCP）数据集，并在23个抑郁症数据集上验证	NA	多尺度多域特征聚合（MMFA）模块	NA	NA
743	2026-03-17	ESM-AnatTractNet: Advanced deep learning model of true positive eloquent white matter tractography to improve preoperative evaluation of pediatric epilepsy surgery 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103969 PMID:41638061	研究论文	本研究提出了一种名为ESM-AnatTractNet的新型深度学习模型，用于在儿童癫痫手术前准确分类与关键功能相关的真实阳性白质通路	该模型首次在点云框架中整合了电刺激映射确认的空间坐标和基于标准脑图谱的解剖上下文标签，以增强白质通路分类的几何和解剖一致性	研究样本量相对较小（85名患者），且模型性能验证主要基于特定临床环境下的数据	旨在通过非侵入性方法准确定位与关键功能相关的真实阳性白质通路，以改善儿童癫痫手术的术前评估	85名药物难治性癫痫患儿（年龄10.70±4.41岁）的术前扩散加权成像纤维束追踪数据	数字病理学	癫痫	扩散加权成像纤维束追踪, 电刺激映射	深度学习模型	点云数据, 医学影像	85名药物难治性癫痫患者	NA	ESM-AnatTractNet	准确率, 相关系数	NA
744	2026-03-17	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	提出一种基于扩散模型的深度生成框架DDTracking，用于扩散MRI纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪，提出条件去噪扩散过程重新定义流线传播，并设计双路径编码方案整合局部空间特征与全局时间上下文	未明确说明模型对超参数敏感度或在小样本场景下的表现	开发高精度、高效率的扩散MRI纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散MRI	扩散模型	扩散MRI信号	合成与临床数据集（具体数量未说明）	PyTorch（根据代码仓库推断）	条件扩散模型	追踪准确性，计算效率	NA
745	2026-03-17	A navigation-guided 3D breast ultrasound scanning and reconstruction system for automated multi-lesion spatial localization and diagnosis 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103965 PMID:41633129	研究论文	本研究开发了一种智能导航引导的3D乳腺超声扫描与重建系统，用于自动化多病灶空间定位与诊断	提出了一个集成导航引导的3D乳腺超声系统，结合了混合病灶感知时空Transformer（HLST）模型和几何自适应时钟投影方法，实现了无缝3D重建、乳头中心病灶定位以及基于视频的恶性预测，无需患者附着标记或预标记地标	NA	开发一个智能导航引导的乳腺超声扫描系统，以标准化乳腺超声工作流程，提高病灶定位和诊断的准确性与效率	乳腺病灶（在乳腺体模和临床患者中）	计算机视觉	乳腺癌	超声成像	Transformer	视频, 3D图像	3个乳腺体模和43名女性患者（其中30个异常乳腺）	NA	Hybrid Lesion-informed Spatiotemporal Transformer (HLST), BUS-SAM-2	准确性, 相关系数（距离、3D大小、顺时针角度）	NA
746	2026-03-16	Flow rate determination in a two-phase system using radioactive particle tracking and deep learning 2026-May, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112520 PMID:41723967	研究论文	本研究提出了一种结合放射性粒子追踪技术和深度学习的方法，用于预测两相系统中的流体体积分数并计算表观速度，以实现非侵入式的流量测定	提出了一种基于放射性粒子追踪和深度学习的非侵入式流量测定方法，避免了传统流量计需要直接接触流体和定期维护的问题	研究基于模拟数据（MCNP6蒙特卡洛模拟），未在真实工业环境中进行验证；仅针对分层盐水-油流态进行了测试	开发一种非侵入式方法，用于准确测定石油工业中两相管道系统的流量	两相系统（盐水-油）中的流体流动	机器学习	NA	放射性粒子追踪技术，蒙特卡洛模拟（MCNP6）	深度神经网络	模拟辐射信号数据	NA	NA	NA	平均绝对百分比误差（MAPE）	NA
747	2026-03-14	Comprehensive study on the performance optimization of hyperspectral unmixing algorithms: A focus on airborne hyperspectral data 2026-May-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125560 PMID:41759318	研究论文	本研究应用高光谱解混技术与多种一维深度学习架构，对韩国锦江高马鲁地区的入侵植物物种进行制图与分类	结合了多种一维深度学习架构（CNN、CBAM、MLPMixer-1D、SpectralFormer、ViT-1D、Swin-1D）进行高光谱解混，并提出了结合SAD、SID和MSE的加权光谱损失函数进行超参数优化	入侵物种的分类精度中等，主要原因是光谱重叠	优化高光谱解混算法的性能，以支持大规模生态监测，特别是入侵植物物种的检测	韩国锦江高马鲁地区的入侵外来植物物种（三裂豚草、葎草、刺果瓜）	计算机视觉	NA	高光谱成像技术	CNN, CBAM, MLPMixer-1D, SpectralFormer, ViT-1D, Swin-1D	高光谱图像	NA	NA	CNN, CBAM, MLPMixer-1D, SpectralFormer, ViT-1D, Swin-1D	SAD, SAM, SID, RMSE, PSNR	NA
748	2026-03-14	Artificial intelligence for detection of age-related macular degeneration based on fundus images: A systematic review 2026 May-Jun, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.10.004 PMID:41173219	综述	本文系统回顾了基于眼底图像利用机器学习/深度学习算法进行年龄相关性黄斑变性检测和预测的应用与性能	系统性地总结了不同机器学习与深度学习架构（特别是CNN和ResNet）在AMD检测中的应用与性能，并指出了未来需关注校准、公平性、可解释性、外部验证等关键问题	回顾性研究，纳入的研究在模型架构、数据集和评估方法上存在异质性，缺乏统一的性能比较标准	评估机器学习和深度学习算法在基于眼底图像的年龄相关性黄斑变性检测与预测中的应用效果	用于AMD检测的机器学习和深度学习算法及其性能	计算机视觉	年龄相关性黄斑变性	眼底成像	CNN	图像	NA	NA	ResNet	准确率	NA
749	2026-03-14	Deep learning-based diagnostic classification of multiple sclerosis using multicenter optical coherence tomography data 2026-May, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110916 PMID:41679586	研究论文	本研究利用多中心光学相干断层扫描数据，通过深度学习模型对多发性硬化症进行诊断分类	结合了特征提取、定制深度网络和微调预训练网络三类AI模型，并采用通道组合和拼接技术整合视网膜层厚度和表面特征，提高了分类性能	模型在跨数据集评估中性能显著下降，表明外部泛化能力有限，尤其是在使用公共数据训练并应用于本地临床数据时	开发基于人工智能的准确且可解释的多发性硬化症诊断分类方法	多发性硬化症患者和健康对照者的眼睛	数字病理学	多发性硬化症	光学相干断层扫描	自编码器, 定制深度网络, 预训练网络	图像	116只眼睛（38只健康对照眼，78只多发性硬化症眼）	NA	NA	平衡准确率, 特异性, 敏感性, g-均值, F1分数, AUC	NA
750	2026-03-14	Automated segmentation of pterygium lesions using multiscale deep learning networks 2026-May, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110928 PMID:41687801	研究论文	本文提出了一种基于多尺度深度学习网络的翼状胬肉病变自动分割方法，旨在通过精确分割病变区域来辅助评估疾病严重程度	利用翼状胬肉病变独特的楔形形状特征，在UNet瓶颈层嵌入多尺度模块（SPP和ASPP），并探索了等流和瀑布流两种并行路径构建模式，以有效捕获病变特征的多尺度变化	多尺度模块主要关注较小特征图，未来可探索更大特征图尺寸的网络架构，但需权衡计算负担	开发自动分割翼状胬肉病变的深度学习模型，以量化病变组织并辅助疾病严重程度评估	翼状胬肉病变区域	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	UNet, SPP, ASPP	豪斯多夫距离	NA
751	2026-03-14	Cross-modal attention deep learning reveals how transformation products inherit life-cycle risks from parent antibiotics: Insights for environmental, ecological, health, and AMR risks 2026-May-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125584 PMID:41719651	研究论文	本研究利用跨模态注意力深度学习模型评估抗生素及其转化产物的生命周期风险，揭示了高相似性转化产物如何继承母体抗生素的风险特征	首次引入基于分子图和融合分子指纹的少样本跨模态注意力深度学习模型，用于识别多类别抗生素生命周期风险优先级，并通过可解释性分析揭示了关键风险结构特征	研究仅关注141种母体抗生素及其转化产物，可能未涵盖所有抗生素类别；模型在更大规模数据集上的泛化能力有待进一步验证	评估抗生素转化产物在水环境中的生态、环境、人类健康和抗菌素耐药性风险，为制定有效管理策略提供理论支持	141种母体抗生素及其高相似性转化产物	机器学习	NA	分子图分析，分子指纹融合	深度学习	分子图，分子指纹	141种母体抗生素及其转化产物	NA	GINConv, GATConv	预测准确性，鲁棒性	NA
752	2026-03-14	Multiscale decomposition and fuzzy-rule attention: A transferable cross-basin framework for long-term water quality forecasting 2026-May-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125593 PMID:41734573	研究论文	提出一种结合物理信号分解与模糊逻辑的可迁移深度学习框架，用于长期河流水质预测	集成多通道奇异谱分析进行趋势分离，并结合Transformer与自适应模糊机制以处理不确定性和复杂时空依赖性	未明确说明模型在极端事件或未覆盖流域的泛化能力，且依赖历史数据的连续性和质量	开发一个在预测准确性和跨流域泛化性之间取得平衡的长期水质预测框架	中国多个河流流域的149个监测站点的水质数据	机器学习	NA	多通道奇异谱分析	Transformer	时间序列数据	149个监测站点从2007年至2022年的现场观测数据	NA	Transformer	Nash-Sutcliffe效率	NA
753	2026-03-14	EASDnet: Empowering human-centered evidence-based medicine through an evidence and attention-based spatial disparity network for discriminative colorectal cancer histopathological screening and attribution 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156418 PMID:41764810	研究论文	本研究提出并验证了一种基于循证医学的深度学习模型EASDnet，用于结直肠癌的判别性病理筛查和归因	引入了一种结合证据和注意力机制的深度学习架构，能够学习癌变病灶与其周围微环境之间的细微形态差异，有效捕捉类间和类内的判别性特征	NA	开发一种客观、基于循证医学的定量分析工具，以辅助临床医生进行结直肠癌的准确术前分期	结直肠癌病灶及其周围微环境	数字病理学	结直肠癌	深度学习	CNN	图像	公开可用的图像数据集NCT-100K和LC25000	NA	EASDnet	准确率	NA
754	2026-03-14	H-DCA Net: Hierarchical dual-branch coordinate attention framework for multi-scale gastric histopathology diagnosis 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156403 PMID:41722294	研究论文	本研究提出了一种名为H-DCA Net的新型深度学习框架，用于胃癌组织病理学图像的多尺度诊断	提出了一个分层双分支坐标注意力网络，通过异构分支分别捕获宏观组织结构和微观细胞细节，并利用分层注意力机制进行特征融合，以解决现有CAD系统的“尺度不匹配”问题	模型仅在公开数据集GasHisSDB上进行了训练和验证，其泛化能力有待在更多样化的临床数据上进一步验证	开发一个能够模拟病理学家多尺度诊断工作流程的深度学习框架，以提高胃癌分类的准确性和可靠性	胃癌组织病理学图像	数字病理学	胃癌	组织病理学图像分析	CNN	图像	使用公开数据集GasHisSDB，并在三个不同图像块尺寸（80×80, 120×120, 160×160像素）上进行训练和验证	NA	EfficientNetV2-S, MobileNetV3-L	准确率, 精确率, 灵敏度, 特异性	NA
755	2026-03-13	Precise, fast, and automated gel quantification powered by YOLO11 instance segmentation 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345293 PMID:41813342	研究论文	本研究提出了一种基于YOLO11实例分割的端到端、全自动凝胶条带分割框架，用于精确、快速的凝胶图像定量分析	采用轻量级YOLO11n架构，无需预处理即可处理高分辨率图像，并利用像素级掩码而非边界框进行定量，有效排除背景噪声，解决了分析速度与定量精度之间的长期权衡	模型训练数据量相对有限（总计200张图像），且主要针对特定染色方法（考马斯亮蓝、银染、荧光染色）进行了验证	开发一种自动化、高精度的凝胶电泳图像分析工具，以替代传统依赖人工和主观判断的密度测定法	凝胶电泳图像	计算机视觉	NA	凝胶电泳，荧光成像	实例分割	图像	200张凝胶图像（150张用于训练，50张用于微调）	YOLO	YOLO11n, YOLO11-Seg	mAP50, 线性度(R²), 变异系数(CV), 处理延迟时间	NA
756	2026-03-13	Intelligent microfluidics: A deep learning-integrated platform for high-accuracy oocyte membrane permeability characterization in cryobiology 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345301 PMID:41813348	研究论文	本研究介绍了一个名为CryoSIM的集成微流控-AI平台，用于自动、并行量化卵母细胞膜渗透性，以提高冷冻保存效率	结合微流控芯片、深度学习模型（MLSNet）和传输建模，实现了自动化、高通量的卵母细胞膜渗透性表征，相比手动方法提高了90%以上的分析通量	未明确提及平台在更广泛细胞类型或极端条件下的适用性限制	开发一个可扩展的分析框架，以稳健、系统的方式表征细胞膜传输现象，优化冷冻保存协议	卵母细胞	机器学习	NA	微流控技术，深度学习	深度学习模型	图像	NA	Python	MLSNet	像素级准确度	NA
757	2026-03-13	A semi-supervised domain adaptation framework with attention-enhanced ResNet50 for LIBS-based soil classification under spectral distribution shift 2026-May-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345292 PMID:41813363	研究论文	本研究提出了一种基于注意力增强ResNet50的半监督域自适应框架，用于处理LIBS光谱分布偏移下的土壤分类问题	结合了Gramian Angular Field技术将一维光谱编码为二维图像以增强特征表示，并设计了基于SE-ResNet50的注意力机制网络，同时整合了基于模型的迁移学习和伪标签学习来逐步提升模型对目标域的适应性	NA	解决激光诱导击穿光谱在土壤分类中因光谱分布偏移导致的模型性能下降问题	土壤样本的LIBS光谱数据	计算机视觉	NA	激光诱导击穿光谱	CNN	图像	NA	NA	SE-ResNet50	准确率	NA
758	2026-03-13	Deep learning as a generator of sodium channel state hypotheses 2026-May-04, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202513938 PMID:41805948	研究论文	本文利用AlphaFold 2生成钠通道的结构集合，并探讨β亚基和钙调蛋白对这些集合的重塑作用	首次应用AlphaFold 2生成钠通道的结构集合，并验证β亚基和钙调蛋白对其结构多样性的影响	生成的结构集合仅为可测试的结构假设，而非实际的热力学群体，可能存在模型偏差	探索AlphaFold 2在生成离子通道结构假设方面的应用，以理解钠通道的构象变化	钠通道（NaV通道）、β亚基、钙调蛋白	结构生物学	NA	AlphaFold 2	深度学习模型	蛋白质结构数据	NA	AlphaFold	AlphaFold 2	NA	NA
759	2026-03-13	Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear 2026-May, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110126 PMID:41687573	研究论文	本研究开发了一种基于自编码器的深度学习模型，用于预测帕金森病患者的步长，使用鞋内嵌入的惯性测量单元数据	该模型无需显式步态分割即可估计步长，提高了对步态受损人群的适用性，并展示了在时间偏移下的鲁棒性	研究样本量较小（仅10名帕金森病患者），可能限制模型的泛化能力	开发一种无需显式步态分割的步长估计方法，以支持帕金森病患者的步态监测和疾病进展评估	帕金森病患者的步态数据	机器学习	帕金森病	惯性测量单元（IMU）数据采集	自编码器, 全连接回归网络	时间序列数据（三轴加速度和角速度）	10名帕金森病患者	NA	自编码器, 全连接回归网络	R², 一致性界限	NA
760	2026-03-13	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	本研究开发并验证了一种基于MRI的深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以促进个性化治疗规划中的精细化风险分层	提出了一种结合两阶段深度学习架构（V-Net和VB-Net）进行自动肿瘤分割，并利用提取的影像组学特征构建机器学习分类器，用于术前无创预测P53abn子宫内膜癌的多中心研究方法	研究为回顾性设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性队列中进一步验证	开发并验证一种非侵入性的MRI-based深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以支持个性化治疗规划	经组织学确诊的子宫内膜癌患者	数字病理	子宫内膜癌	磁共振成像	深度学习, 机器学习	图像	920名患者	NA	V-Net, VB-Net	Dice相似系数, AUC	NA