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
2141	2026-03-09	A deep learning-based method for evaluating the fitting states of orthokeratology lenses using fluorescein staining videos 2026-Mar-05, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102633 PMID:41794006	研究论文	本研究开发了一种基于深度学习的自动化工具，用于评估角膜塑形镜的适配状态，通过双流架构结合ResNet-50和时间注意力模块处理荧光素染色视频	提出了一种结合ResNet-50提取形态特征和时间注意力模块分析运动特征的双流架构，并引入边缘检测方法增强空间特征捕获，显著提升了评估准确性	数据集仅包含143个视频样本，样本量相对较小，可能影响模型的泛化能力	开发并验证一种自动化工具，用于客观评估角膜塑形镜的适配状态，辅助临床诊断	角膜塑形镜的适配状态，包括过松、适配良好和过紧三类	计算机视觉	眼科疾病	荧光素染色视频检查	CNN, 时间注意力模块	视频	143个荧光素染色检查视频	PyTorch	ResNet-50	准确率, 宏灵敏度, 宏特异性	NA
2142	2026-03-09	Neuroimaging insights into the neurophysiological subtypes of major depressive disorder 2026-Mar-05, Biological psychiatry IF:9.6Q1 DOI:10.1016/j.biopsych.2026.02.018 PMID:41794061	综述	本文批判性地综合了基于神经影像的重性抑郁障碍亚型研究，整合了方法学进展，比较了不同影像模态的亚型模式，并评估了亚型与临床症状及治疗反应的关联	整合了无监督与半监督聚类、深度学习和规范建模等先进方法，从群体平均水平转向个体化偏差图谱，并提出了一个临床转化的框架	NA	解决重性抑郁障碍的异质性，推动精准精神病学发展	重性抑郁障碍患者	神经影像学	重性抑郁障碍	功能、结构、弥散及多模态神经影像	深度学习	神经影像数据	NA	NA	NA	NA	NA
2143	2026-03-09	Context-Aware adaptive normalization LSTM (CAAN-LSTM) for immunotherapy decision support in cancer clinical data analysis 2026-Mar-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105006 PMID:41794080	研究论文	提出一种用于癌症免疫治疗决策支持的上下文感知自适应归一化LSTM模型（CAAN-LSTM），以处理临床时间序列数据的异质性和不完整性	模型在序列处理过程中通过整合患者特异性临床上下文动态调整归一化策略，并采用元学习自适应归一化层、注意力机制、超网络生成个性化参数、基于Transformer的上下文编码器、学习掩码策略处理缺失值以及量化感知训练等创新组件	未明确说明模型在更广泛医疗环境或不同癌症类型中的泛化能力，也未详细讨论计算效率或模型解释性方面的潜在限制	开发一种能够处理异质性和不完整临床时间序列数据的深度学习模型，以支持癌症免疫治疗的个性化临床决策	癌症患者的临床时间序列数据	机器学习	癌症	深度学习	LSTM, Transformer	临床时间序列数据	NA	NA	CAAN-LSTM（包含自适应归一化层、注意力机制、超网络、Transformer编码器等组件）	预测准确性	支持跨多样化硬件平台的高效部署（通过量化感知训练实现）
2144	2026-03-09	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	本文提出了一种新颖的分层深度学习框架，通过两步法在脑部MRI图像上检测脉络膜转移瘤	采用基于YOLOv5架构的轨道定位网络进行顺序裁剪和分类，结合数据高效的进化策略方法处理小数据集，避免过拟合和欠拟合	模型无法区分左右轨道，导致mAP(0.5:0.95)值较低	提高脑部MRI扫描中脉络膜转移瘤的检测能力	脑部MRI图像中的正常轨道和含有脉络膜转移瘤的轨道	计算机视觉	脉络膜转移瘤	MRI	CNN	图像	第一步：386张T2加权脑部MRI轴向切片（来自97名患者）；第二步：33张正常和33张含有脉络膜转移瘤的脑部MRI图像	PyTorch	YOLOv5, 卷积神经网络	准确率, 平均精度(mAP), 曲线下面积(AUC), 敏感性, 特异性	NA
2145	2026-03-09	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	本研究提出了一种基于人工智能的方法，用于胎儿脑MRI中脑室的分割、体积量化和分类，以预测产后干预需求	利用深度学习（nnUNet）进行胎儿脑室自动分割，并基于此建立跨孕龄的脑室体积正常参考范围，首次将标准化建模用于预测胎儿脑室扩大是否需要产后干预	研究为回顾性设计，样本量相对有限（222例患者），且依赖于公开数据集和机构数据，可能影响泛化能力	开发一种客观、可重复的方法，以准确区分胎儿脑室扩大和脑积水，并预测产后脑脊液干预的必要性	胎儿脑MRI图像，包括正常胎儿、脑室扩大胎儿及需要产后干预的病例	数字病理学	胎儿脑室扩大	胎儿脑MRI	深度学习	图像	222例单胎妊娠患者，包括20例手动分割的机构MRI、80例公开数据集研究、138例正常胎儿MRI和64例脑室扩大胎儿MRI	nnUNet	nnUNet	Dice分数, 灵敏度, 特异性, AUC, 95%置信区间	NA
2146	2026-03-09	Critical evaluation of the theory and practice of feed-forward neural networks for genomic prediction 2026-Mar-04, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf314 PMID:41442545	研究论文	本文批判性地评估了前馈神经网络在基因组预测中的理论与实践，通过理论分析和实证比较，探讨了深度学习相对于线性模型的潜在优势及其实际表现	提出了预测问题的分类法以避免模型比较中的混淆，并首次结合理论（神经网络与RKHS回归）与实证（玉米多环境试验数据集）全面评估深度学习在基因组预测中的表现	仅探索了深度学习模型空间的一小部分，可能未考虑其他潜在贡献因素，且研究基于特定数据集，泛化性有待验证	评估深度学习在基因组预测中的应用，比较其与线性模型（如gBLUP）的预测准确性	基因组预测模型，特别是前馈神经网络和RKHS回归模型，应用于玉米多环境试验数据	机器学习	NA	基因组预测，深度学习，RKHS回归	前馈神经网络，RKHS模型	基因组数据，土壤数据，天气数据，管理数据	玉米多环境试验数据集	NA	前馈神经网络	预测准确性	NA
2147	2026-03-09	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	本研究评估了结合深度学习重建的高分辨率3D T2加权MRI序列在显示迷路结构方面的表现，并与传统序列进行比较	首次将深度学习重建技术应用于高分辨率3D T2加权MRI序列，旨在在不增加采集时间的情况下提升空间分辨率，以更详细地观察迷路微解剖结构	深度学习重建尚不能提供完整的解剖评估，部分结构（如球囊、半规管顶端）的可视化仍受限，分辨率相对于某些结构的直径仍显不足	评估深度学习重建高分辨率3D T2加权MRI序列在可视化迷路结构方面的效果，旨在改善空间分辨率而不延长采集时间	患者的内耳迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊和球囊斑、膜性半规管以及壶腹神经	医学影像	NA	3D T2加权涡轮自旋回波序列、深度学习重建、9.4T离体MRI	深度学习	MRI图像	患者（具体数量未在摘要中明确说明）	NA	NA	定性评分（4点量表）	NA
2148	2026-03-09	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于MRI的非侵入性人工智能方法，用于检测阿尔茨海默病和轻度认知障碍患者不同脑区的淀粉样蛋白沉积	结合深度学习脑区分割（VB-Net）与多种机器学习回归模型，并构建了轻量级Transformer深度学习模型，实现了仅基于MRI定量检测Aβ蛋白沉积	样本量相对有限（共142名患者），深度学习模型在测试集上性能较差（RS和PCC为负值），且MRI与PET检查间隔可能引入变异	开发一种非侵入性的MRI方法，用于检测AD和MCI患者脑内Aβ蛋白沉积	80名MCI患者和62名AD患者	数字病理学	阿尔茨海默病	磁共振成像, 正电子发射断层扫描	深度学习, 机器学习	图像	142名患者（80名MCI，62名AD）	NA	VB-Net, Transformer	平均绝对误差, 均方误差, R分数, 皮尔逊相关系数	NA
2149	2026-03-06	Disease- and gene-specific deep learning for pathogenicity prediction of rare missense variants in cancer predisposition genes 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00533-5 PMID:41781977	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2150	2026-03-09	Using deep learning to predict the sex of human embryos 2026-Mar-04, Open biology IF:4.5Q1 DOI:10.1098/rsob.250419 PMID:41784403	研究论文	本研究结合手动标注与深度学习分析，利用515个胚胎延时摄影视频数据集，探究出生性别是否影响人类胚胎早期发育动态	首次将深度学习应用于人类胚胎延时摄影视频进行性别预测，并发现八细胞期后是性别预测的关键时期，揭示了人类胚胎发育第3天左右可能开始出现细微的性别相关差异	样本量相对有限（515个胚胎视频），预测准确率仅为61%，虽然具有统计学意义但临床实用性有待提高，且未明确识别出具体的可区分性别差异的发育时序参数	探究人类胚胎早期发育中是否存在性别差异，并开发早期非侵入性性别预测工具	人类胚胎（来自体外受精环境）	计算机视觉	NA	延时摄影	深度学习模型	视频（胚胎延时摄影）	515个胚胎延时摄影视频	NA	NA	准确率	NA
2151	2026-03-09	A multi-gradient microfluidic chip-based neutrophil chemotaxis analysis for sepsis auxiliary diagnosis and prognostic monitoring 2026-Mar-04, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118593 PMID:41795443	研究论文	本文开发了一种多梯度微流控芯片用于中性粒细胞趋化性分析，以辅助脓毒症的诊断和预后监测	开发了一种能同时生成三种趋化因子梯度的微流控芯片，并整合多个参数构建了中性粒细胞功能分析指数，结合深度学习直接分析趋化轨迹	样本量相对较小（总样本数50，独立队列10），且为手动提取参数，可能引入人为误差	开发一种基于中性粒细胞趋化性分析的脓毒症辅助诊断和预后监测平台	健康个体和脓毒症患者的中性粒细胞	数字病理学	脓毒症	微流控芯片技术，深度学习	深度学习模型	中性粒细胞趋化轨迹数据	健康个体25例，脓毒症患者25例，独立队列10例	NA	NA	AUC, 特异性, 敏感性, 准确率	NA
2152	2026-03-09	Deep learning ultrasonic computed tomography for non-destructive testing of workpieces 2026-Mar-04, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108044 PMID:41795454	研究论文	本文提出了一种集成注意力机制的神经网络反演方法（HAU2Net）及硬件系统，用于工件超声层析成像，实现从数据采集到快速截面图像重建的全过程	提出了一种结合注意力机制的HAU2Net网络，在U2Net的不同编码和解码层引入注意力头，并采用动态调整的损失函数约束进行训练，显著提升了成像精度和速度	未明确说明该方法对复杂内部结构或多种材料工件的适用性及泛化能力	解决工业超声无损检测中成像精度与成像速度的双重挑战，实现高效高精度的在线检测	工业工件	计算机视觉	NA	超声层析成像	深度学习，神经网络	超声信号矩阵	NA	NA	U2Net，HAU2Net	PSNR，SSIM，模型大小，预测时间	NA
2153	2026-03-09	Establishing an Evidence-based Modern Breast MRI Program 2026-Mar-03, Journal of breast imaging IF:2.0Q3 DOI:10.1093/jbi/wbaf082 PMID:41671073	综述	本文综述了现代乳腺MRI程序的关键要素、协议优化策略以及新兴技术，旨在建立一个基于证据的现代乳腺MRI项目	整合了扩散加权MRI、超快速动态对比增强MRI和深度学习模型等先进技术，并探讨了它们在乳腺MRI中的应用与未来趋势	NA	建立基于证据的现代乳腺MRI程序，优化乳腺成像协议并探索新兴技术	乳腺MRI成像协议、技术及临床应用	数字病理学	乳腺癌	动态对比增强MRI, 扩散加权MRI, 超快速动态对比增强MRI, 深度学习模型	NA	医学影像	NA	NA	NA	NA	NA
2154	2026-03-09	Manipulating 2D Nanomaterials: Shaping the Future of Intelligent Wearable Health Monitoring Devices 2026-Mar-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c21609 PMID:41717965	综述	本文系统综述了基于二维纳米材料的可穿戴电子设备在智能健康监测中的应用、传感机制、性能影响因素及未来展望	首次整合了可穿戴电子与基于二维纳米材料的多样化健康监测应用，并强调了结合人工智能和机器学习的重要性	NA	总结二维纳米材料在可穿戴健康监测设备中的应用，并展望其未来发展方向	基于二维纳米材料的可穿戴电子设备及其在健康监测中的应用	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2155	2026-03-09	Gene driven analytical learning model for accurate breast cancer diagnosis 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39430-6 PMID:41776259	研究论文	本研究开发了一种结合CNN和BiLSTM的集成深度学习模型，用于基于基因表达数据准确诊断乳腺癌	提出了一种结合CNN和BiLSTM的混合模型，通过Pearson相关性分析筛选出236个基因集，并在噪声扰动下表现出高稳定性和泛化能力	研究主要基于TCGA-BRCA和METABRIC数据集，可能需要在更广泛、多中心的数据上进行验证以进一步确认其普适性	开发一种精准的乳腺癌诊断工具，提高基于基因表达数据的预后预测准确性	乳腺癌患者的基因表达数据	机器学习	乳腺癌	基因表达分析	CNN, BiLSTM	基因表达数据	TCGA-BRCA和METABRIC数据集中的乳腺癌样本	TensorFlow, PyTorch	CNN BiLSTM混合模型	Recall, ROC AUC, F1分数	双NVIDIA Tesla T4 GPU阵列
2156	2026-03-09	Deep Learning-Derived Sarcopenia Marker Predicts Benefit from Anti-EGFR Therapy in Patients with RAS Wild-type Metastatic Colorectal Cancer 2026-Mar-02, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-3080 PMID:41489691	研究论文	本研究探讨了基于深度学习从CT图像自动计算的肌肉/骨骼比（MBR）作为肌肉减少症标志物，在RAS野生型转移性结直肠癌患者中对抗EGFR治疗获益的预测价值	首次利用深度学习自动从CT图像中提取肌肉/骨骼比作为肌肉减少症标志物，并验证其在预测转移性结直肠癌患者对抗EGFR治疗反应中的预后和预测价值	研究样本量有限（PanaMa研究中仅189例患者有可用CT图像），且为回顾性验证，需要进一步前瞻性研究确认	评估肌肉/骨骼比（MBR）作为肌肉减少症标志物在转移性结直肠癌患者中的预后和预测价值，特别是对抗EGFR治疗的反应	RAS野生型转移性结直肠癌患者	数字病理学	结直肠癌	计算机断层扫描（CT）	深度学习模型	CT图像	PanaMa研究中的189例患者（来自248例随机患者）及一个真实世界验证队列	NA	NA	风险比（HR）, 95%置信区间（CI）, P值	NA
2157	2026-03-09	EnDeep4mC predicts DNA N 4-methylcytosine sites using a dual-adaptive feature encoding framework in deep ensembles 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.280977.125 PMID:41702707	研究论文	本文提出了一种名为EnDeep4mC的双自适应特征编码框架，用于预测DNA N4-甲基胞嘧啶位点，并通过集成深度学习架构优化特征编码方案	提出了一种结合物种特异性建模与集成深度学习架构的双自适应框架，系统优化特征编码方案，并在跨物种验证中展示了强大的可迁移性	未明确提及具体的数据集大小或计算资源限制，可能依赖于现有实验数据的可用性	开发高效的计算方法来检测DNA N4-甲基胞嘧啶位点，以克服实验方法的限制	DNA N4-甲基胞嘧啶位点	机器学习	NA	DNA测序	集成深度学习	DNA序列数据	涉及六个物种的数据，但未指定具体样本数量	NA	NA	预测性能指标，但未具体说明如准确率、AUC等	NA
2158	2026-03-09	A novel framework for cognitive state identification using resting-state EEG 2026-Mar-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4807 PMID:41769796	研究论文	本文提出了一种基于静息态脑电图（EEG）功能连接性的新型认知状态识别框架PowerSyncNet，用于检测老年人的早期认知衰退	提出了PowerSyncNet框架，通过Channel-Pair Feature Sequences Builder提取跨频段功能连接特征，并利用Encoder4Band模块捕获反映认知状态的时频表征，结合跨频段信息以提高特征清晰度	NA	开发一种基于EEG功能连接性的认知状态识别方法，以促进认知障碍患者的早期评估和及时干预	老年人的认知状态识别，特别是早期认知衰退检测	机器学习	老年疾病	脑电图（EEG）	深度学习框架	脑电图信号	公开的CAUEEG数据集和自行收集的ECED数据集	NA	PowerSyncNet（包含Channel-Pair Feature Sequences Builder、Encoder4Band、Classifier三个模块）	NA	NA
2159	2026-03-09	Application of a Natural Language Processing Framework for Data Extraction From Pathology Reports Across Multiple Cancer Types 2026-Mar-02, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e79 PMID:41775279	研究论文	本研究开发了一个基于自然语言处理（NLP）的系统，用于从多种癌症类型的病理报告中自动提取关键临床数据	应用并比较了多种深度学习架构（包括LSTM、CNN和基于Transformer的模型如BERT、BioBERT和ClinicalBERT），最终选择ClinicalBERT作为基础模型，以优化从半结构化病理报告中提取数据的准确性和效率	对于某些变量（如胃癌的远处转移）提取性能较低（F1分数为0.3889），表明模型在处理特定复杂或罕见术语时可能存在局限性	开发一个高效的NLP系统，以自动化从病理报告中提取临床数据，便于集中存储、检索和分析	多种癌症类型（胃癌、肝癌、结直肠癌、乳腺癌）的病理报告	自然语言处理	多种癌症	自然语言处理（NLP）	LSTM, CNN, Transformer	文本	NA	NA	BERT, BioBERT, ClinicalBERT	F1分数	NA
2160	2026-03-09	Distinguishing lumpy skin disease from coat patterns using morphological priors in deep learning 2026-Mar-02, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106630 PMID:41780580	研究论文	本文开发了一种基于形态学先验的深度学习模型，用于从牛只皮毛图案中区分牛结节性皮肤病（LSD）病变	结合局部纹理细化模块和全局形态一致性模块，模拟兽医视觉线索，有效抑制背景噪声并强调典型病变的圆形或簇状结构	模型旨在辅助而非替代临床检查和实验室测试，可能受光照、背景和皮毛图案变化影响	开发一种图像分析工具，支持牛群层面的早期LSD筛查和兽医干预	牛只图像，特别是包含LSD病变和复杂皮毛图案的图片	计算机视觉	牛结节性皮肤病	图像分析	深度学习模型	图像	NA	NA	NA	NA	NA