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
181	2026-04-12	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-May, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用基于Poincaré图的EEG信号特征来区分多发性硬化症患者与健康个体	首次将Poincaré图特征应用于EEG信号以辅助多发性硬化症的诊断，并结合传统机器学习与深度学习模型进行比较分析	样本量有限（仅50名受试者），结果需视为初步发现，需要更大规模的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者和健康对照个体的EEG信号	机器学习	多发性硬化症	EEG信号处理	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA
182	2026-04-12	The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review 2026-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121869 PMID:41881175	综述	本文对脑损伤患者T1加权MRI病灶修复工具的演变进行了范围综述，系统分类并评估了传统方法和深度学习方法	首次对脑损伤病灶修复工具进行全面范围综述，系统分类传统与深度学习方法，并提出使用与开发建议	仅纳入24篇文献，可能未覆盖所有相关研究；未进行定量荟萃分析	综述脑损伤患者MRI病灶修复工具的发展与应用	获得性脑损伤患者的T1加权MRI图像	数字病理学	脑损伤	T1加权磁共振成像	CNN, GAN, 去噪扩散模型	医学影像	NA	NA	NA	NA	NA
183	2026-04-12	Multi-dimensional CT feature screening, construction, and validation of a clinical diagnostic model for thyroid eye disease 2026-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104534 PMID:41895192	研究论文	本研究通过多维CT特征筛选、构建并验证了甲状腺眼病的临床诊断模型	首次系统性地结合CT三维重建和多平面重建数据，通过四维参数（点、线、面、体积）的定量测量，并利用LASSO回归进行特征筛选，构建了高精度的TED诊断模型，相比单一筛查指标性能更优	研究未整合机器学习、深度学习或影像组学方法，可能限制了模型的进一步优化和临床工作流程效率	开发并验证一个用于甲状腺眼病筛查的定量、可重复的临床诊断模型	甲状腺眼病患者和对照受试者的眼眶CT影像数据	数字病理	甲状腺眼病	计算机断层扫描（CT）、三维重建、多平面重建	逻辑回归	CT影像	未明确具体样本数量，但数据集按7:3比例随机分为训练集和验证集	SPSS, R语言	NA	AUC（ROC曲线下面积）、分类准确率	NA
184	2026-04-12	ConforFold recovers alternative protein conformations beyond MSA subsampling 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70564 PMID:41954434	研究论文	本文介绍了一个结合二级结构采样与深度学习预测的框架ConforFold，用于恢复多种蛋白质构象状态	通过整合二级结构采样到深度学习预测中，克服了基于MSA子采样或扩散模型的限制，能恢复传统方法无法访问的构象	未明确提及具体的数据集规模或计算资源限制，可能依赖于特定测试数据集	开发一个系统性地采样蛋白质结构集合的预测工具，以研究构象异质性和功能机制	具有两种替代构象的蛋白质样本	机器学习	NA	深度学习，二级结构预测	Transformer, OpenFold	蛋白质结构数据	未明确指定具体样本数量，但基于测试数据集	PyTorch（假设基于OpenFold），TensorFlow（可能用于Transformer训练）	Transformer, OpenFold	TM-score, 准确率	未明确指定，可能使用GPU进行深度学习训练
185	2026-04-12	Coalescence and translation: A language model for population genetics 2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2518956123 PMID:41961853	研究论文	本文提出了一种基于Transformer的语言模型cxt，用于从基因组数据中推断种群遗传学中的溯祖时间	将溯祖时间推断问题重新定义为两种生物语言之间的翻译问题，并首次应用仅解码器Transformer模型来自回归地预测溯祖事件	模型在分布外场景下的准确性仍需通过微调来接近最优方法，且依赖于模拟数据进行训练	开发一种可扩展且通用的深度学习方法，用于从基因组数据中推断隐藏的进化过程和种群历史	人类和蚊子的种群基因组数据	自然语言处理	NA	基因组模拟	Transformer	基因组序列数据	基于stdpopsim目录的模拟数据训练，并在实证数据上应用	NA	仅解码器Transformer	准确性，校准后验分布	NA
186	2026-04-12	Deep-Learning-Based Automatic Measurement of the Distance Between the Maxillary Sinus and Maxillary Posterior Teeth on CBCT Images 2026-Apr-11, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70141 PMID:41964309	研究论文	本研究开发了一种基于深度学习和三维点云算法的自动框架，用于在CBCT图像上量化上颌窦与上颌后牙之间的距离关系	结合U-Net卷积块注意力架构的深度学习分割模型与三维点云算法，实现了对上颌窦与上颌后牙距离的自动测量，提高了检测准确性和一致性	样本量相对较小（88个上颌窦和352颗上颌后牙），且成功检测率在1毫米阈值下为70.3%，仍有提升空间	探索基于CBCT图像的深度学习模型，自动测量上颌窦与上颌后牙之间的距离，以辅助临床诊断和治疗规划	上颌窦和上颌后牙	数字病理学	NA	锥形束计算机断层扫描	CNN	图像	88个上颌窦和352颗上颌后牙	NA	U-Net卷积块注意力架构	Dice相似系数, Jaccard系数, 成功检测率	NA
187	2026-04-12	Deep Learning-Enabled Multimodal AFM Image Enhancement: Correlation Analysis between Surface Topography and Multiphysics Fields 2026-Apr-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06947 PMID:41961746	研究论文	本文提出了一种基于深度学习的多模态AFM图像增强模型，用于分析纳米尺度下材料表面形貌与多物理场之间的相关性	提出了一种基于多模态数据融合的图像增强模型，利用深度学习框架从多尺度AFM数据中提取和增强特征，实现了表面形貌特征与物理性能之间的潜在关联分析	NA	实现纳米尺度下材料表面形貌与多物理场的同步关联分析，以推进材料表征技术的发展	染色体表面	计算机视觉	NA	原子力显微镜（AFM），超分辨率（SR）成像	CNN	图像	NA	NA	NA	NA	NA
188	2026-04-12	Accurate 3D Structure Prediction of Small Cyclic Peptides Containing Non-Canonical Amino Acid Residues Using an All-Atom Diffusion Model with Stereogenic Implementation 2026-Apr-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03236 PMID:41962133	研究论文	本文提出了一种基于全原子扩散模型的方法，用于准确预测含有非标准氨基酸残基的小环肽的三维结构	通过改进AGDIFF扩散生成模型并引入立体化学校正步骤，解决了现有模型对含有非标准氨基酸和复杂环化化学的小环肽结构预测精度不足的问题	模型训练数据基于CREMP数据集（包含36,198个成员），可能无法覆盖所有可能的环肽化学多样性	开发高精度的小环肽三维结构预测方法，以支持药物发现中的理性设计	含有非标准氨基酸残基的小环肽	机器学习	NA	扩散生成模型	扩散模型	分子图（2D表示）	36,198个环肽构象（来自CREMP数据集）	NA	AGDIFF	RMSD（均方根偏差），环扭转指纹偏差，Ramachandran分析	NA
189	2026-04-12	An Open-Source Deep Learning Framework for Automated Corneal Segmentation in Anterior Segment Optical Coherence Tomography With Cross-Device External Validation 2026-Apr-10, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004130 PMID:41962147	研究论文	本文开发了一个名为CUNEX的深度学习模型，用于自动分割前段光学相干断层扫描（AS-OCT）图像中的全厚度角膜，并在多个设备上进行了外部验证	CUNEX是首个开源的AS-OCT角膜分割模型，在多个独立OCT平台上进行了评估，提供了可重复的分割基础	分割对性别预测的准确性有影响，从81%降至68%，表明性别相关特征可能位于角膜之外	开发并评估一个深度学习模型，用于AS-OCT图像中的角膜分割，并集成到临床和人工智能研究流程中	AS-OCT图像，包括正常、圆锥角膜和Fuchs内皮角膜营养不良的眼睛	计算机视觉	角膜疾病	光学相干断层扫描（OCT）	深度学习模型	图像	194,599次扫描来自37,499名患者，其中300只眼睛用于模型训练	nnU-Net	nnU-Net	Dice相似系数（DSC），交并比（IoU），准确率	NA
190	2026-04-12	A graph deep learning method for diagnosis of Parkinson's disease using brain functional connectivity features 2026-Apr-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5dd3 PMID:41962553	研究论文	本研究提出了一种基于图卷积网络（GCN）的可解释性框架，用于利用脑功能连接特征诊断帕金森病	整合静态和动态功能连接信息，构建受试者间相似性图以增强模型表示能力，并引入可解释性分析技术	未明确提及样本量大小可能带来的限制，且模型在更广泛数据集上的泛化能力需进一步验证	早期精确识别帕金森病，为临床干预提供支持	帕金森病患者	机器学习	帕金森病	静息态功能磁共振成像（rs-fMRI）	图卷积网络（GCN）	脑功能连接特征	NA	NA	图卷积网络（GCN）	NA	NA
191	2026-04-12	Deep learning based automated assessment of end-inspiratory pause maneuver reliability in invasive mechanical ventilation 2026-Apr-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5e16 PMID:41962572	研究论文	本研究开发了一个基于深度学习的自动化框架，用于评估有创机械通气中吸气末暂停操作的可靠性	首次提出使用一维卷积神经网络自动评估吸气末暂停操作的可靠性，解决了手动测量变异性大且缺乏客观评估工具的问题	未在摘要中明确提及	开发自动化工具以评估机械通气中吸气末暂停操作的可靠性，支持肺保护性通气策略的标准化实施	有创机械通气中的吸气末暂停操作	机器学习	NA	NA	CNN	波形数据（压力、流量、体积）	未在摘要中明确提及	未在摘要中明确提及	一维卷积神经网络	F1分数, 灵敏度	未在摘要中明确提及
192	2026-04-12	Developing an Artificial Intelligence Solution to Autosegment the Edentulous Maxillary Bone for Implant Planning 2026-Apr-10, European journal of dentistry DOI:10.1055/s-0046-1818558 PMID:41962579	研究论文	本研究开发了一种基于U-Net架构的深度学习系统，用于自动分割上颌无牙颌骨区域，以辅助数字化种植体规划	首次将基于U-Net的卷积神经网络应用于CBCT影像的上颌无牙颌骨自动分割，并在某些情况下展现出比人工分割更高的解剖学精度	数据集规模较小（77例），且存在类别不平衡问题（后牙区无牙颌病例占多数），人工标注协议有待优化	开发人工智能解决方案以自动化上颌无牙颌骨的分割，从而简化数字化种植体规划流程	上颌无牙颌骨区域	数字病理学	NA	锥形束计算机断层扫描（CBCT）	CNN	医学影像	77例CBCT扫描（来自209例初始数据），包含30例单侧和47例双侧无牙颌空间	MONAI	U-Net	Dice相似系数（DSC）	NA
193	2026-04-12	Cognitive Radio for Satellite TT & C System: A General Dataset Using Software-defined Radio 2026-Apr-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07182-7 PMID:41963337	研究论文	本文介绍了首个专为基于深度学习的卫星测控信号处理设计的开源基准数据集RML24	首次创建了针对卫星TT&C系统的开源深度学习数据集，模拟了卫星信道模型和真实射频链路效应	NA	促进认知无线电技术在卫星通信系统中的应用，加速智能自适应卫星系统的发展	卫星测控信号	机器学习	NA	软件定义无线电，射频收发平台	NA	信号样本	超过130万个信号样本	NA	NA	NA	NA
194	2026-04-12	Deep learning enable precision authentication of seasonal and processing signatures in tieguanyin tea 2026-Apr-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-026-00837-0 PMID:41963366	研究论文	本研究提出一种深度学习框架，将茶叶代谢组学数据转换为图像表示，以实现对铁观音茶叶季节和加工特征的精准鉴别	首次将LC-MS代谢组学数据转换为图像表示，并利用深度学习模型在色谱漂移等实际分析条件下实现高精度茶叶鉴别	研究仅针对铁观音茶叶，样本量为274个，尚未在其他茶类或农产品中验证通用性	开发一种能够克服传统分析方法局限性、在真实分析条件下实现茶叶精准鉴别的深度学习框架	铁观音茶叶样品，涵盖春季和秋季采收季节以及清香型和浓香型加工方法	机器学习	NA	液相色谱-质谱联用技术（LC-MS），代谢组学分析	深度学习模型	代谢组学数据，图像表示	274个铁观音茶叶样品	NA	NA	分类准确率，95%置信区间	NA
195	2026-04-12	Tripleknock: predicting lethal effect of three-gene knockout in bacteria by deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46272-9 PMID:41963398	研究论文	本文介绍了一种名为Tripleknock的深度学习模型，用于预测细菌中三基因敲除的致死效应	首次提出一种不依赖于基因组尺度代谢模型的快速方法，用于全基因组三基因敲除筛选，预测速度比传统FBA快约20倍	模型训练基于大肠杆菌K-12 MG1655的数据，可能在其他物种的泛化性有限；外部验证集规模较小（n=37）	开发一种快速计算工具，以促进新型抗生素靶点发现和代谢工程研究	细菌（特别是肠杆菌科病原体）中的三基因敲除组合	机器学习	NA	深度学习，基因敲除模拟，通量平衡分析	深度学习模型	蛋白质序列特征，模拟生长数据	基于大肠杆菌K-12 MG1655的基因组数据，并在六种肠杆菌科病原体上进行评估	NA	NA	F1分数	NA
196	2026-04-12	Hybrid feature selection for IoMT based intrusion detection system for integrating mutual information filtering with deep learning based accelerated metaheuristic optimization 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47264-5 PMID:41963437	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
197	2026-04-12	Hybrid CNN-decision tree framework for efficient transmission line fault detection and classification: an XAI-based approach 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45514-0 PMID:41963451	研究论文	本文提出了一种结合1D卷积神经网络和决策树的混合框架，用于输电线路故障检测与分类，并集成了可解释人工智能方法以提高模型透明度	提出了一种新颖的混合1D-CNN-决策树架构，其中1D-CNN仅作为特征提取器，决策树进行最终可解释的分类，结合了深度学习的高性能与决策树的透明度，并集成了SHAP方法提供全局和实例级可解释性	研究基于MATLAB/Simulink仿真数据，未在真实输电线路数据上进行验证	开发高效、准确且可解释的输电线路故障检测与分类方法，以维护电力系统稳定性并减少停电时间	输电线路的故障检测与分类	机器学习	NA	NA	CNN, 决策树	信号数据（三相电压和电流测量值）	大型平衡数据集，包含正常运行和十种故障类型的三相电压和电流测量值	MATLAB/Simulink	1D-CNN, 决策树	准确率	NA
198	2026-04-12	Assessing trends and forecasting meteorological drought in South Africa using Savitzky-Golay enhanced hybrid deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46664-x PMID:41963462	研究论文	本研究利用Savitzky-Golay增强的混合深度学习模型，评估南非气象干旱趋势并进行预测	开发了一种新颖的混合模型SG-TCN-LSTM，将Savitzky-Golay滤波器与时间卷积网络和长短期记忆网络结合，提升了干旱预测的准确性和稳定性	模型尚未纳入其他气候驱动因素，需评估其在不同气候区域的迁移性，并探索在业务化干旱预警系统中的应用	评估南非气象干旱趋势并提高干旱预测能力，以支持可持续的水资源和粮食安全规划	南非夸祖鲁-纳塔尔省uMkhanyakude地区的六个气象站1980年至2023年的日降雨记录	机器学习	NA	标准化降水指数计算、创新趋势分析方法	混合深度学习模型	时间序列数据	六个气象站1980-2023年的日降雨记录	NA	Temporal Convolutional Network, Long Short-Term Memory, SG-TCN-LSTM	均方根误差, R²值	NA
199	2026-04-12	Leveraging convolutional sparse autoencoders for robust movement classification from low-density sEMG 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47492-9 PMID:41963500	研究论文	本研究提出了一种基于卷积稀疏自编码器的深度学习框架，用于仅使用两个表面肌电信号通道实现准确的手势识别	提出使用卷积稀疏自编码器直接从原始信号中提取时序特征表示，无需启发式特征工程；开发了少样本迁移学习协议以解决受试者间差异；支持通过增量学习策略实现功能扩展	目前仅在健康个体上进行了概念验证，尚未在截肢者等目标用户群体中进行验证	开发一种可靠且高效的肌电假肢控制系统	表面肌电信号	机器学习	NA	表面肌电信号采集	卷积稀疏自编码器	时间序列信号	未明确说明具体受试者数量，但涉及多受试者实验	NA	卷积稀疏自编码器	F1分数	NA
200	2026-04-12	LobePrior segments lung lobes on computed tomography images in the presence of severe abnormalities 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48136-8 PMID:41963526	研究论文	本文提出了一种名为LobePrior的自动化肺叶分割方法，结合深度神经网络和概率模型，用于在CT图像上分割存在严重异常的肺叶	LobePrior通过结合概率模型（源自标签融合）来指导网络在严重异常区域的分割，并利用合成病变生成进行训练增强，实现了在挑战性病例中的最先进性能	NA	开发一种鲁棒的肺叶分割算法，以辅助诊断和监测肺部疾病，特别是在存在严重异常（如癌症结节或COVID-19实变）的情况下	CT图像中的肺叶，特别关注存在严重异常（如癌症结节或COVID-19实变）的患者	数字病理学	肺癌	CT成像	深度学习	图像	在LOLA11数据集和三个额外数据集（包含癌症结节或COVID-19实变）上评估	NA	AttUNet	Dice系数	NA