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
2081	2026-03-10	Concordance analysis of intrapartum cardiotocography between physicians and artificial intelligence-based technique using modified one-dimensional fully convolutional networks 2021-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000416 PMID:32858548	研究论文	本研究使用基于一维全卷积网络的人工智能方法，分析产时胎心监护图，并与临床医生评估进行一致性比较	首次将改进的一维全卷积网络应用于胎心监护图的自动识别，并评估其在非安心胎儿状态评估中的潜力	研究为单中心回顾性研究，样本量有限（3239条记录），且模型假阳性率较高	评估人工智能技术在胎心监护图识别中的性能，探索其在胎儿健康监测中的应用	产时胎心监护记录和新生儿Apgar评分	医疗人工智能	产科疾病	电子胎儿监护	FCN	时间序列数据	3239条胎心监护记录，来自292次分娩	NA	改进的一维全卷积网络	Cohen's kappa系数, AUC, 灵敏度, 假阳性率	NA
2082	2026-03-10	Segmentation of Glomeruli Within Trichrome Images Using Deep Learning 2019-Jul, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2019.04.008 PMID:31317118	研究论文	本文开发了一个深度学习框架，用于从人类肾脏活检的数字图像中准确识别和分割肾小球	利用卷积神经网络（CNN）自动分割三色染色图像中的肾小球，特别是全局硬化（GS）肾小球，提高了评估效率和标准化程度	样本量相对较小（275张图像），仅基于单一医疗中心的数据，可能限制模型的泛化能力	开发一个深度学习框架，以自动化、标准化地评估肾脏活检图像中的肾小球数量和肾小球硬化	人类慢性肾脏病患者的肾脏活检三色染色图像	数字病理学	慢性肾脏病	三色染色	CNN	图像	275张三色染色图像，来自171名患者，包含751张非肾小球区域图像、611张正常或部分硬化肾小球图像和134张全局硬化肾小球图像	NA	NA	准确率, Kappa系数, 马修斯相关系数	NA
2083	2026-03-10	AutoCryoPicker: an unsupervised learning approach for fully automated single particle picking in Cryo-EM images 2019-Jun-13, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2926-y PMID:31195977	研究论文	本文提出了一种名为AutoCryoPicker的全自动、无监督学习方法，用于在冷冻电镜图像中自动识别单颗粒	开发了一种无需标记训练数据或人工干预的全自动、无偏框架，结合图像预处理、基于强度分布模型的粒子聚类以及改进的圆形霍夫变换算法进行粒子拾取	未在摘要中明确提及	开发一种全自动、无监督的单颗粒拾取方法，以解决当前技术中人工参与耗时、产生假阳性和假阴性以及依赖训练数据或模板的问题	冷冻电镜图像中的单颗粒	计算机视觉	NA	冷冻电镜	无监督学习	图像	NA	NA	NA	NA	NA
2084	2026-03-09	Non-invasive screening for ovarian cancer by combining serum SERS with interpretable machine learning models 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129572 PMID:41724105	研究论文	本研究结合血清表面增强拉曼光谱与可解释机器学习模型，开发了一种用于卵巢癌非侵入性筛查的诊断模型	首次将血清SERS光谱与两阶段特征选择（基于LightGBM特征重要性及SHAP值）及深度神经网络相结合，构建了高精度的卵巢癌筛查模型	未提及模型在更大规模、多中心数据集上的验证情况，也未讨论不同亚型卵巢癌的鉴别能力	实现卵巢癌的高效、精准非侵入性筛查	临床确诊的卵巢癌患者、健康个体及卵巢子宫内膜异位症患者的血清样本	机器学习	卵巢癌	表面增强拉曼光谱	LightGBM, DNN	光谱数据	未明确说明具体样本数量，但包含三类人群（卵巢癌患者、健康者、卵巢子宫内膜异位症患者）的血清样本	未明确说明，但提及了LightGBM和DNN	深度神经网络	准确率	NA
2085	2026-03-09	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	本研究开发了一种基于开放集深度学习的LIBS传感技术，用于病原体粉末的无标记现场识别	通过将分类-重构开放集识别策略集成到残差网络中，构建了改进的开放集深度学习模型，显著提升了模型对未知样本的拒绝能力	未在摘要中明确说明	开发一种能够现场、无标记识别病原体粉末的技术，以提高生物安全和反恐应对的有效性	病原体粉末，包括已知目标病原体和未知样本（如生物样本、培养基和非生物干扰物）	机器学习	NA	激光诱导击穿光谱	深度学习	光谱数据	测试集包含五种已知目标病原体和九种未知样本	NA	ResNet	识别准确率	NA
2086	2026-03-09	Cross-omics interpretable neural network for discovery of molecular markers in prostate cancer 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108879 PMID:41518989	研究论文	本文提出了一种跨组学可解释神经网络（CINN），用于预测前列腺癌状态并识别关键分子标志物	CINN创新性地利用通路或蛋白质-蛋白质相互作用网络的先验生物学知识，结合新颖的可训练掩码层，动态优化预定义生物学连接的强度，从而增强知识表示和模型可解释性	NA	发现前列腺癌中具有临床侵袭性表型的分子标志物	前列腺癌	机器学习	前列腺癌	多组学数据整合	神经网络	基因表达、体细胞突变、拷贝数变异	NA	NA	Cross-omics Interpretable Neural Network (CINN)	F1分数, 准确率, AUC	NA
2087	2026-03-09	YOFOR : You only focus on object regions for tiny object detection in aerial images 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108571 PMID:41538898	研究论文	提出了一种用于航拍图像中小目标检测的自适应局部感知增强网络YOFOR	设计了自适应局部感知模块、模糊增强模块和类别平衡模块，能够自适应定位密集目标区域、减弱背景干扰并缓解长尾类别问题	未明确说明计算复杂度或实时性表现，也未与其他最先进方法进行全面的速度比较	提升航拍图像中小目标检测的性能	航拍图像中的小目标	计算机视觉	NA	深度学习	CNN	图像	VisDrone、DOTA和AI-TOD数据集	未指定	YOFOR（自适应局部感知增强网络）	未明确说明	NA
2088	2026-03-09	Point-Deeponet: Predicting nonlinear fields on non-Parametric geometries under variable load conditions 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108560 PMID:41544498	研究论文	本文提出了一种名为Point-DeepONet的算子学习代理模型，用于预测非参数几何结构在可变载荷条件下的非线性物理响应场	将PointNet集成到DeepONet框架中，直接从原始点云学习几何表示，无需手动参数化，并实现了几何嵌入与载荷条件的协同融合	未明确提及模型在极端载荷或几何变形下的鲁棒性限制	开发一种能够快速准确预测复杂非参数三维几何结构在可变载荷下物理响应的深度学习代理模型	非线性结构分析中的三维位移和von Mises应力场	机器学习	NA	NA	PointNet, DeepONet	点云数据	大规模数据集（具体数量未明确说明）	NA	Point-DeepONet（PointNet与DeepONet的集成架构）	决定系数（R²）	NA
2089	2026-03-09	A causal bidirectional selective state space model for imaging genetics in neurodegenerative diseases 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108587 PMID:41547121	研究论文	本文提出了一种用于神经退行性疾病影像遗传学的深度因果双向选择性状态空间模型，旨在解决长序列遗传数据信息提取和建立遗传、影像与疾病间因果关系两大挑战	提出首个将多级特征提取与因果推理统一于表示学习框架的CausalMamba模型，通过反事实推理和对比学习策略构建从遗传到疾病的因果链，并实现仅需遗传数据即可进行疾病诊断	模型仅在模拟数据集、ADNI和PPMI数据集上验证，需在更多样化的临床队列中进一步验证其泛化能力	揭示神经退行性疾病的病理机制并改善其诊断	阿尔茨海默病和帕金森病患者与正常对照	影像遗传学	神经退行性疾病	脑影像遗传学分析	深度因果双向选择性状态空间模型	长序列遗传数据、全脑影像数据	ADNI数据集、PPMI数据集及模拟数据集	NA	CausalMamba, BiMamba	准确率	NA
2090	2026-03-09	GIN-transformer based pairwise graph contrastive learning framework 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108621 PMID:41576557	研究论文	提出了一种基于GIN-Transformer的成对图对比学习框架，用于从静息态功能磁共振成像数据中自动诊断神经精神疾病	提出GITrans-PairCL框架，首次将图同构网络（GIN）与Transformer结合，通过无监督图对比学习解决标记数据稀缺问题，并设计了双模态对比学习模块进行多尺度特征提取	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力，以及计算效率的具体分析	开发一种不依赖大量标记数据的深度学习框架，用于神经精神疾病的自动诊断	自闭症谱系障碍（ASD）和重度抑郁症（MDD）患者	医学图像分析	神经精神疾病	静息态功能磁共振成像（rs-fMRI）	GIN, Transformer	功能磁共振成像时间序列数据	基于两个公开数据集的单站点和跨站点评估（具体样本数未提供）	未明确指定	GIN-Transformer混合架构	未明确指定具体指标	NA
2091	2026-03-09	Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108923 PMID:41579556	研究论文	本文提出了一种基于坐标卷积神经网络的单细胞RNA测序数据自动细胞类型识别方法，旨在解决传统方法在处理大规模数据时的效率与准确性不足的问题	提出了一种名为BP-Coord的新方法，通过引入坐标信息作为额外通道并结合双三次插值上采样层，增强了卷积神经网络对空间位置信息的感知能力，从而有效应对单细胞RNA测序数据中的平移不变性问题	未明确讨论该方法在更广泛或更复杂的单细胞数据集上的泛化能力，也未详细分析计算资源需求或模型可解释性	开发一种高效且准确的自动细胞类型识别方法，以改进单细胞RNA测序数据分析	单细胞RNA测序数据中的细胞类型	机器学习	NA	单细胞RNA测序	CNN	基因表达数据	五个公共单细胞RNA测序基准数据集，包括大规模PBMC数据集	NA	CoordConv	准确率	NA
2092	2026-03-09	Enhancing breast cancer diagnostics: Shape-aware angular feature learning for precision in breast cancer classification 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108943 PMID:41702230	研究论文	本文提出了一种结合机器学习和深度学习的乳腺癌分类新方法SAAFL，用于提高超声图像中良恶性肿瘤的鉴别准确率	提出形状感知角度特征学习（SAAFL）方法，将深度学习辅助的分割与形状感知角度特征分析及监督机器学习相结合，提高了诊断准确性和可解释性	研究主要针对资源匮乏环境下的超声图像，可能未涵盖其他影像模态或更广泛的患者群体	提高乳腺癌诊断的准确性和效率，特别是在资源有限的临床环境中	乳腺癌超声图像中的良恶性肿瘤	计算机视觉	乳腺癌	超声成像，斑点减少各向异性扩散（SRAD）滤波	深度学习，机器学习	图像	1293张乳腺超声图像	未明确指定	RBBSAM-RSF（用于分割），支持向量机（SVM），反向传播人工神经网络（BPANN）	准确率	适用于低资源临床环境，无需专用硬件
2093	2026-03-09	Pullulan-based semi-interpenetrating network hydrogel sensor for artificial intelligence-driven pressure recognition 2026-Jun, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.140095 PMID:41707464	研究论文	本研究开发了一种基于普鲁兰多糖的半互穿网络水凝胶传感器，用于人工智能驱动的压力识别	首次采用“一锅法”构建了PVA和普鲁兰多糖组成的半互穿网络凝胶，并通过溶酮处理进行网络收缩以增强机械性能，结合MXene和KCl建立导电网络，实现了高灵敏度传感	NA	开发用于医疗康复和人工智能应用的高性能水凝胶传感器	基于普鲁兰多糖的半互穿网络水凝胶传感器	机器学习	NA	水凝胶制备技术，无线蓝牙技术	CNN	压力传感数据	NA	NA	卷积神经网络	灵敏度（GF），响应时间，断裂强度，压缩性能	NA
2094	2026-03-09	Green in-situ photoreduction synthesis of SERS substrates based on violet phosphorus arrays/silver nanoparticles for ultrasensitive detection and accurate identification of UTI bacteria 2026-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127598 PMID:41719961	研究论文	本研究开发了一种基于紫磷阵列和银纳米颗粒的绿色原位光还原SERS基底，用于尿路感染细菌的超灵敏检测和准确识别	提出了一种绿色、低成本的原位光还原策略，构建了电磁-化学双重增强的SERS平台，利用倾斜紫磷阵列均匀生长致密银纳米颗粒，实现了对尿路感染细菌的高灵敏检测和精确识别	未明确说明基底在长期稳定性、大规模生产可行性或对其他类型病原体的普适性方面的具体限制	开发一种稳定、低成本、环保的SERS基底，用于复杂生物流体（如尿液）中低浓度、多种病原体的超灵敏检测和识别	尿路感染病原体，具体包括大肠杆菌（E. coli）和粪肠球菌（E. faecalis）	生物传感	尿路感染	表面增强拉曼光谱（SERS），原位光还原合成	NA	拉曼光谱数据	使用了真实尿液样本，但未明确说明具体样本数量	NA	NA	检测限（LOD），增强因子（EF），并使用主成分分析（PCA）进行光谱区分	NA
2095	2026-03-09	A lightweight dual-channel feature fusion model for wheat variety identification in hyperspectral images 2026-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127595 PMID:41719958	研究论文	本文提出了一种轻量级双通道特征融合模型，用于高光谱图像中的小麦品种识别	设计了一种轻量级双通道特征融合架构，分别从光谱和图像信息中提取特征并进行加权融合，在保持性能的同时显著减少了参数数量和计算复杂度	仅对四个小麦品种进行了分类验证，样本多样性有限；未在更广泛的小麦品种或不同生长条件下进行测试	实现小麦品种的快速、无损、高精度分类识别	小麦品种	计算机视觉	NA	高光谱成像	深度学习模型	高光谱图像	NA	NA	轻量级双通道特征融合模型	分类准确率	移动和嵌入式设备（可部署）
2096	2026-03-09	Technical Review of Magnetic Resonance Fingerprinting Applications in Cerebral Physiology 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70216 PMID:41353764	综述	本文综述了磁共振指纹技术在脑生理学中的应用，重点讨论了血管成像和生物物理建模的整合	整合了多种MRF技术（如MRF-ASL、MRvF、VFD-MRF）用于脑生理学评估，并探讨了机器学习在提升字典匹配和实时参数估计中的应用	面临低信噪比和高计算需求的挑战	评估磁共振指纹技术在脑生理学中的应用潜力及临床转化	脑生理学，特别是血管成像和脑血管疾病	数字病理学	脑血管疾病	磁共振指纹技术	NA	磁共振成像数据	NA	NA	NA	准确性	NA
2097	2026-03-09	RLBindDeep: A ResNet-LSTM based novel framework for protein-ligand binding affinity prediction 2026-May, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109282 PMID:41534323	研究论文	本文提出了一种名为RLBindDeep的新型深度学习框架，用于高精度预测蛋白质-配体结合亲和力	提出了一种结合ResNet和LSTM架构的新型深度学习框架，无需进行分子对接或多姿态重评分，可直接从固定复合物结构预测实验性结合亲和力	未明确提及	提高蛋白质-配体结合亲和力预测的准确性，以支持计算药物发现	蛋白质-配体复合物	计算药物发现	NA	深度学习	ResNet, LSTM	蛋白质-配体复合物结构数据、配体物理化学描述符、蛋白质序列特征、相互作用能量特征	CASF-2016基准数据集	未明确提及	ResNet-LSTM混合架构	Pearson相关系数, Spearman相关系数, 均方根误差	未明确提及
2098	2026-03-09	Raman spectroscopy as the quantum eye to reveal molecular dynamics in biology 2026-May, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2026.103805 PMID:41637818	综述	本文综述了拉曼光谱作为一种基于量子力学原理的分子振动光谱技术，在揭示生物分子动力学、生物医学分析及疾病诊断等生命科学研究中的原理、优势、最新进展（如微区拉曼、SERS、SRS）以及未来与纳米探针、深度学习结合的应用前景	强调了拉曼光谱作为“量子之眼”在分子动力学研究中的独特作用，并展望了其与量子增强方法、纳米探针设计和深度学习算法深度融合的未来方向，以推动分子传感进入精准时代	尽管拉曼光谱在生命科学研究中具有突出优势，但从新兴技术到实际应用的转化仍存在若干技术壁垒	阐述拉曼光谱技术在生命科学研究中的应用原理、优势、最新进展及未来发展方向	生物分子、细胞、组织、微生物、微塑料等复杂生物系统	生命科学/分析化学	NA	拉曼光谱，包括微区拉曼、表面增强拉曼光谱(SERS)、受激拉曼散射(SRS)	NA	光谱数据	NA	NA	NA	NA	NA
2099	2026-03-09	Computational methods for signal peptide prediction: From statistical models to deep learning 2026 May-Jun, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108819 PMID:41628812	综述	本文系统总结了信号肽预测的计算方法，从早期统计模型到深度学习的演变	强调了方法学演变和框架设计，并探讨了统一评估、生物学解释和生成建模等新兴方向	NA	回顾和比较信号肽预测的计算方法，推动该领域发展	信号肽（位于蛋白质N端的短氨基酸序列）	生物信息学	NA	NA	深度学习	氨基酸序列数据	NA	NA	NA	预测准确性	NA
2100	2026-03-09	Real-time intraoperative depth estimation in transsphenoidal surgery using deep learning: A feasibility study 2026-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111910 PMID:41691750	研究论文	本研究探索了使用预训练的深度学习模型DINOv2，在经蝶窦内镜手术视频中实时进行深度估计的可行性	首次将DINOv2模型应用于经蝶窦内镜手术的实时深度估计，无需特殊内窥镜设备即可生成三维深度信息	深度预测与手动分割的阈值未标准化，半定量验证结果需谨慎解读，DICE相似性指数均值仅为0.48	探索深度学习在神经外科内镜手术中增强深度感知和术中定向能力的应用潜力	经蝶窦内镜手术视频（来自8例手术）及从中随机选取的488张图像	计算机视觉	垂体腺瘤, 颅咽管瘤, 脊索瘤, 脑膜瘤	内镜视频采集	深度学习模型	视频, 图像	8例经蝶窦内镜手术视频，488张随机选取的图像	NA	DINOv2	DICE相似性指数	NA