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
2021	2026-03-10	De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning 2026-Mar-09, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515835 PMID:41801219	研究论文	本文提出了一种基于多模态深度学习的抗菌肽设计方法，通过整合三维结构特征和物种特异性抗菌活性，实现多机制抗菌肽的从头设计	首次将三维结构特征、微生物物种特异性抗菌活性和作用机制整合到AI驱动的抗菌肽发现中，并开发了创新的三维体素着色方法来增强结构表征	未明确说明数据库覆盖的抗菌肽多样性是否足够广泛，且体内实验的样本规模和长期毒性评估可能有限	开发一种AI驱动的抗菌肽设计方法，以对抗多重耐药微生物	抗菌肽（AMPs）及其对多重耐药微生物的抗菌活性	机器学习	NA	多模态深度学习	深度学习模型	序列、三维结构、抗菌特性数据	12,914个抗菌肽	NA	NA	NA	NA
2022	2026-03-10	Deep learning-enhanced shoreline dynamics and vulnerability assessment in Niger Delta area of Nigeria 2026-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39405-7 PMID:41796127	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2023	2026-03-10	BigEye: a clinically interpretable deep learning framework for diabetic retinopathy detection and stage prediction 2026-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43573-x PMID:41796249	研究论文	本文提出了一个名为BigEye的临床可解释深度学习框架，用于糖尿病视网膜病变的检测和分期预测	提出了一种新颖的框架，利用提取的病灶特征来预测ICDR分期，并通过SHAP值分析展示了模型预测与临床分期标准的高度一致性，增强了结果的可解释性	未明确提及研究的局限性	开发一个能够识别相关视网膜病灶并提供可解释结果的深度学习模型，以应对未来糖尿病视网膜病变病例的预期增长	糖尿病视网膜病变	数字病理	糖尿病视网膜病变	眼底照相	CNN	图像	来自当地医院和公共数据集的眼底图像，标注有分割掩码和DR分期	NA	DeepLabV3+	精确度, 召回率, F1分数, ROC-AUC, 准确度	NA
2024	2026-03-10	Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain 2026-Mar-08, Human gene therapy IF:3.9Q2 DOI:10.1177/10430342261427733 PMID:41797378	研究论文	本研究比较了AAV-TT和AAV9在非人灵长类动物大脑中的生物分布和神经元转导效率	首次在成年非人灵长类动物大脑中直接比较AAV-TT和AAV9的分布和转导效率，展示了AAV-TT在神经退行性疾病建模和治疗中的潜力	研究仅涉及四只非人灵长类动物，样本量较小，且仅观察了注射后四周的短期效果	评估AAV-TT在非人灵长类动物大脑中的临床潜力，并与AAV9进行比较	非人灵长类动物（具体为年轻成年个体）的大脑	数字病理学	神经退行性疾病	腺相关病毒（AAV）载体递送、绿色荧光蛋白（GFP）表达、深度学习图像分析	深度学习	图像	四只非人灵长类动物（两只接受AAV-TT-GFP，两只接受AAV9-GFP）	Aiforia	NA	GFP+神经元数量量化	NA
2025	2026-03-10	Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework 2026-Mar-08, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70137 PMID:41797365	研究论文	本文提出了一种新颖的深度学习框架，用于实现多模态细胞显微图像的准确高效分割，无需手动参数调整或算法切换	通过加权双向特征金字塔网络（BiFPN）、频率感知特征融合（FreqFusion）和混合局部通道注意力（MLCA）机制，解决了多模态细胞显微图像分割中的漏检、图像退化和特征利用不足等问题	NA	提高多模态细胞显微图像的分割精度，以支持高内涵成像与分析（HCIA）技术的精确结果	多模态细胞显微图像	计算机视觉	NA	显微成像	深度学习框架	图像	NA	NA	加权双向特征金字塔网络（BiFPN），频率感知特征融合（FreqFusion），混合局部通道注意力（MLCA）	平均精度，细胞检测率，分割速度（FPS）	NA
2026	2026-03-10	Calibration-sample free distortion correction of electron diffraction patterns using deep learning 2026-Mar-07, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2026.114347 PMID:41797115	研究论文	本研究开发了一个名为EMicroML的Python库，利用深度学习框架校正电子衍射图案中的光学畸变，无需单独的校准样品	提出了一种无需校准样品或先验倒易晶格知识的深度学习畸变校正方法，克服了传统技术需要样品交换或已知晶格信息的限制	对于具有非常小衍射盘的图案，其性能仍略逊于传统的径向梯度最大化（RGM）技术	开发一种无需校准样品的电子衍射图案畸变校正方法，提高电子衍射分析的便利性和准确性	会聚束电子衍射（CBED）图案和选区电子衍射（SAED）图案	机器学习	NA	会聚束电子衍射（CBED）、选区电子衍射（SAED）、多层切片模拟	深度学习模型	图像（电子衍射图案）	使用多层切片模拟生成的人工畸变MoS/非晶C的CBED图案数据集	Python, 深度学习框架	NA	与径向梯度最大化（RGM）技术进行基准比较	NA
2027	2026-03-10	Development trajectory and trends of ultrasound biomicroscopy in glaucoma research: a comprehensive 20-year bibliometric analysis 2026-Mar-06, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-026-04010-0 PMID:41790279	综述	本文对过去20年超声生物显微镜在青光眼研究中的应用进行了全面的文献计量分析	通过文献计量分析揭示了超声生物显微镜在青光眼研究中的动态演变和扩展范围，并识别了新兴研究前沿，如深度学习和3D重建	文献计量分析基于已发表文献，可能无法涵盖未发表或新兴的研究趋势	分析超声生物显微镜在青光眼研究中的应用轨迹和趋势	2005年至2024年间发表的557篇相关文献	医学影像分析	青光眼	超声生物显微镜	NA	文献数据	557篇文章	VOSviewer, CiteSpace	NA	NA	NA
2028	2026-03-10	Integrated photonic 3D tensor processing engine 2026-Mar-06, Light, science & applications DOI:10.1038/s41377-026-02183-y PMID:41792110	研究论文	本文提出了一种基于时间、波长和空间交织调制的集成光子三维张量处理引擎，用于加速三维卷积神经网络计算	首次提出完全在光域内实现数据缓存、通道同步和计算的集成光子三维张量处理引擎，无需在电域进行张量重塑，减少了内存和时间开销	验证实验的时钟频率范围有限（10-30 GHz），概念验证任务相对单一	开发用于加速三维卷积神经网络的光子硬件加速器	三维张量处理引擎的光子实现	机器学习	NA	光学计算，交织调制（时间、波长、空间）	CNN	三维点云图像	NA	NA	三维卷积神经网络	识别准确率	光学可调延迟线芯片（支持高达200 GHz时钟频率），基于双耦合微环谐振器的交叉开关芯片（3-dB通带宽度50 GHz）
2029	2026-03-10	Curiosity as a catalyst for conceptual change: A schema-based model of learning and development 2026-Mar-06, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106570 PMID:41795553	研究论文	本文提出了SEEK模型，将好奇心视为长期知识发展的认知引擎，解释了好奇心如何通过预测误差触发学习机制	提出了SEEK模型，首次将好奇心定位为基于过程的长期知识发展框架，整合了动机、情感和认知维度	NA	探索好奇心作为概念变化催化剂的作用机制及其在学习和发展中的长期影响	好奇心驱动的学习过程与知识发展机制	认知科学	NA	NA	SEEK模型	NA	NA	NA	SEEK模型	NA	NA
2030	2026-03-10	Microscopic detection of nematodes in entomopathogenic nematode-enriched samples using a lightweight deep learning model 2026-Mar-06, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108594 PMID:41796953	研究论文	本研究提出了一种名为LightDetectorMS的超轻量级无锚点目标检测框架，用于在显微镜图像中自动检测昆虫病原线虫，以替代传统人工计数方法	开发了一种专为显微镜图像优化的超轻量级目标检测模型，参数仅62,991个，能在高密度重叠个体场景下实现实时处理，相比现有计算机视觉方法在架构设计和计算效率上有显著改进	研究仅在实验室分离的Steinernema feltiae感染期幼虫样本上进行评估，未涉及其他昆虫病原线虫物种或复杂自然环境样本	开发一种高效、可靠的自动化检测方法，以支持昆虫病原线虫在生物防治研究中的大规模监测和生产工作流程	实验室分离的Steinernema feltiae感染期幼虫的显微镜图像	计算机视觉	NA	显微镜成像	目标检测模型	图像	未明确说明总样本数，但使用五折交叉验证进行评估，并与人工专家计数（n=50）进行了比较	未明确说明，但推断可能基于PyTorch或TensorFlow等深度学习框架	LightDetectorMS（一种超轻量级、无锚点的目标检测框架）	mAP@0.5, mAP@0.5:0.95, 精确率, 召回率, 变异系数	未明确说明具体GPU类型或云平台，但模型强调超轻量级和实时处理能力（152.5 FPS）
2031	2026-03-10	In silico design of stable single-domain antibodies with high affinity 2026-Mar-05, Structure (London, England : 1993) DOI:10.1016/j.str.2025.12.010 PMID:41519125	研究论文	本文介绍了一种基于结构的抗体设计流程EvolveX，用于设计具有高亲和力和稳定性的单域抗体	利用经验力场FoldX设计单域抗体的互补决定区，显著提高了抗体亲和力	NA	开发一种计算工具以克服抗体设计中的高亲和力和稳定性挑战	单域抗体（VHHs），特别是针对小鼠和人Vsig4的抗体	机器学习	NA	X射线晶体学，下一代测序（NGS）	NA	结构数据，序列数据	NA	NA	NA	结合亲和力提升倍数	NA
2032	2026-03-10	An explainable deep learning framework for few shot crop disease detection in rice and sugarcane using CNN based feature extraction 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37501-2 PMID:41786811	研究论文	本文提出了一种基于CNN特征提取和少样本学习的可解释深度学习框架，用于水稻和甘蔗作物的早期病害检测	结合CNN特征提取、原型网络和MAML少样本学习技术，并集成Grad-CAM解释方法以提高决策透明度	NA	开发快速、自动化、经济高效且精确的作物病害检测方法，以支持智能农业系统	水稻和甘蔗的叶片病害	计算机视觉	作物病害	图像处理，可解释人工智能	CNN	图像	NA	NA	CNN	准确率，特异性	NA
2033	2026-03-10	Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI 2026-Mar-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110656 PMID:41794343	研究论文	本研究评估了基于深度学习的图像重建在0.55 T脑部MRI中对图像质量和采集时间的影响，并与标准MPRAGE序列进行了定量和主观比较	在低场强（0.55 T）MRI系统中应用基于变分网络架构的深度学习重建方法，显著提高了图像质量并大幅缩短了采集时间	标准重建在伪影抑制和灰白质对比度方面表现略优，且研究样本量较小（30例患者）	评估深度学习重建在低场强脑部MRI中改善图像质量和减少采集时间的潜力	30名接受脑部MRI检查的患者	医学影像分析	NA	3D T1加权MPRAGE序列，k空间欠采样	深度学习	MRI图像	30例患者	NA	变分网络	信噪比，对比噪声比，5点Likert量表主观评分	NA
2034	2026-03-10	PHIVE: A physics-informed variational encoder enables rapid spectral fitting of brain metabolite mapping at 7T 2026-Mar-03, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104014 PMID:41797202	研究论文	提出了一种名为PHIVE的新型深度学习框架，用于快速、准确地量化7T磁共振波谱成像中的脑代谢物浓度	将物理先验知识集成到变分自编码器架构中，实现了代谢物浓度与不确定性度量的同步估计，并引入了条件基线建模方法	未来工作需在更多样化的数据集上进行验证，并探索其在纵向和多中心研究中的实用性	开发一种快速、可靠且可解释的高分辨率代谢物量化方法，为临床和研究中的实时MRSI应用铺平道路	健康对照者和多发性硬化症患者的全脑7T MRSI数据	医学影像分析	多发性硬化症	磁共振波谱成像	变分自编码器	光谱数据	NA	NA	PHIVE	准确性, Cramér-Rao下界, 偶然不确定性, 认知不确定性	NA
2035	2026-03-10	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种用于脑龄估计的多任务对抗变分自编码器（M-AVAE）框架，通过融合多模态神经影像数据来提升预测精度	提出M-AVAE框架，将潜在变量分离为通用编码和独特编码以区分共享特征和模态特定特征，并引入性别分类作为辅助任务的多任务学习来考虑性别特异性衰老差异	未明确说明模型对功能磁共振成像（fMRI）数据中噪声和复杂结构的处理极限，以及模型在更广泛数据集或临床环境中的泛化能力	开发一种深度学习框架，通过整合多模态MRI数据来改进脑龄估计，以支持元宇宙医疗应用	用于脑龄估计的多模态磁共振成像（MRI）数据，包括结构MRI（sMRI）和功能MRI（fMRI）	医学影像分析	阿尔茨海默病	磁共振成像（MRI），包括结构MRI（sMRI）和功能MRI（fMRI）	变分自编码器（VAE），对抗训练，多任务学习	多模态神经影像数据（图像）	基于OpenBHB数据集（一个多中心脑部MRI聚合数据集），具体样本数量未明确说明	NA	多任务对抗变分自编码器（M-AVAE）	平均绝对误差（MAE）	NA
2036	2026-03-10	KAFSTExp: Kernel Adaptive Filtering With Nyström Approximation for Predicting Spatial Gene Expression From Histology Images 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3595101 PMID:40758493	研究论文	提出一种名为KAFSTExp的框架，利用病理学基础模型UNI提取组织学图像特征，并引入基于Nyström近似的核自适应滤波方法，从组织学图像预测空间基因表达	首次将核自适应滤波与Nyström近似相结合应用于空间转录组学预测任务，通过核方法将复杂的非线性关系转化为高维特征空间中的线性回归问题，显著提升了预测精度并降低了计算成本	未明确说明模型在极大规模数据集上的可扩展性，以及对于不同组织类型或癌症亚型的泛化能力可能需要进一步验证	开发一种从低成本病理学图像预测空间基因表达的计算方法，以替代昂贵的空间转录组学检测	组织病理学图像与空间基因表达数据	数字病理学	肿瘤	空间转录组学	核自适应滤波, 深度学习	图像, 基因表达数据	多个空间转录组学数据集（具体数量未明确说明）	NA	UNI	皮尔逊相关系数	NA
2037	2026-03-10	Integrated subcellular localization of functional fluorescence probes and functional analysis in motile spermatozoa by an AI-enhanced algorithm 2026-Mar-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202545 PMID:40908796	研究论文	本研究开发了一种结合AI增强算法与双探针荧光显微成像的集成计算成像平台，用于同时量化精子细胞内pH值和线粒体DNA G-四链体，以评估精子功能能力	开发了首个结合精细调优YOLOv8架构与双探针荧光显微图像分割的集成平台，实现了活细胞荧光定量分析及精子头部与主段荧光信号的自动区分	研究基于特定EVISEN数据集，算法通用性有待验证；活细胞荧光定量仍面临技术挑战	开发一种AI增强的多模态精子分析平台，用于男性不育症的分子表型诊断	活动精子	计算机视觉	男性不育症	双探针荧光显微成像	CNN	荧光显微图像	NA	PyTorch	YOLOv8	NA	NA
2038	2026-03-10	3D Foot Kinetics Estimation From Distributed VGRF From Smart Insoles via 1D Domain Transformation 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3605296 PMID:40911460	研究论文	本研究提出了一种基于深度学习的领域转换方法，利用智能鞋垫采集的分布式垂直地面反作用力信号，生成仪器化跑步机级别的三维地面反作用力、力矩和压力中心数据	引入了Ke2KeNet这一新颖的深度学习模型，该模型在性能上超越了当前的一维分割基准方法，并优化了鞋垫压力传感器的布局以高效估计三维动力学参数	研究主要针对健康受试者，且智能鞋垫采集的数据质量通常低于力板和仪器化跑步机	通过智能鞋垫的分布式垂直地面反作用力信号，估计全面的三维足部动力学参数，以分析人类步态	健康受试者的足部动力学数据，包括地面反作用力、地面反作用力矩和压力中心	机器学习	NA	深度学习领域转换	1D-segmentation models, Ke2KeNet	分布式垂直地面反作用力信号	NA	NA	Ke2KeNet	NA	NA
2039	2026-03-10	Enhancing the Interpretation of Skin Lesion Diagnosis: Concept Adaptive Fine-Tuning of Vision-Language Models 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3606881 PMID:40920523	研究论文	提出一种基于预训练视觉语言模型的概念自适应微调方法，用于开发可解释的皮肤病变诊断模型	通过结合医学文本和概念自适应方法，利用少量训练数据快速适应任务，提供自然语言驱动的可解释性	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	增强皮肤病变诊断的可解释性，以促进深度学习模型在临床环境中的应用	皮肤病变图像及其相关医学文本（如报告和概念术语）	计算机视觉	皮肤病变	深度学习，视觉语言模型微调	Vision-Language Model (VLM)	图像，文本	NA	NA	BiomedCLIP	分类性能，概念识别能力	NA
2040	2026-03-10	Beyond Contact: An Open-Set Biometric Identification System Using Radar-Extracted Heart Signals 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3608801 PMID:40932807	研究论文	本文提出了一种基于雷达的非接触式生物特征识别框架，通过提取心信号进行身份识别，旨在实现安全且注重隐私的识别场景	该框架通过从雷达提取的心脏运动数据重建心电图信号，并实现开集人员识别系统，整合了ECGReconNet、增强的InceptionTime模型和基于超球面的划分方法，以区分已知与未知个体	该方法对突发身体运动和环境噪声敏感，在严重心脏异常情况下性能可能下降，且随着未知身份数量增加，有效性会降低	开发一种非接触式生物特征识别系统，以解决传统方法在隐私、防欺骗和近距离要求方面的挑战	人类心脏信号，通过雷达提取的心跳运动数据	机器学习	NA	雷达信号处理，心电图信号重建	深度学习模型	雷达信号，心电图信号	27名受试者（闭集识别），14名已知和13名未知受试者（开集识别）	NA	ECGReconNet, InceptionTime	准确率	NA