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
2401	2026-03-06	Scalable physics-informed deep generative model for solving forward and inverse stochastic differential equations 2026-Feb-24, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108770 PMID:41780285	研究论文	提出一种可扩展的物理信息深度生成模型（sPI-GeM），用于求解具有高维随机和空间空间的随机微分方程的正反问题	提出一种结合物理信息基网络（PI-BasisNet）和物理信息深度生成模型（PI-GeM）的可扩展框架，首次解决了现有深度学习模型难以处理高维空间空间随机微分方程的问题	未明确说明模型在极端高维情况下的计算效率限制或对特定类型随机过程的适用性边界	开发可扩展的深度学习模型以解决高维随机和空间空间的随机微分方程问题	随机微分方程的正反问题求解，包括高斯和非高斯随机过程的近似	机器学习	NA	物理信息深度学习，随机微分方程数值求解	深度生成模型	数值模拟数据	NA	NA	PI-BasisNet, PI-GeM	准确性	NA
2402	2026-03-06	OPU-NET-DADENA: Optimized deep learning ensemble with u-net segmentation for early detection of diabetic retinopathy 2026-Feb-18, Microvascular research IF:2.9Q2 DOI:10.1016/j.mvr.2026.104923 PMID:41720334	研究论文	提出一种基于优化深度学习集成和U-Net分割的新方法，用于糖尿病视网膜病变的早期检测	提出了一种名为OPU-NET-DADENA的新方法，集成了优化的U-Net分割、残差注意力EfficientNet特征提取、混合爬行动物搜索算法特征选择以及DarkNet、DenseNet 201和NasNetMobile的集成检测模型	未明确说明样本来源、数据集大小或模型计算资源需求	开发高效的早期糖尿病视网膜病变诊断系统	糖尿病患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN, 集成模型	图像	NA	MATLAB	U-Net, EfficientNet, DarkNet, DenseNet, NasNetMobile	准确率, 精确率, F分数, 特异性, 敏感性, MCC, NPV, FPR, FNR	NA
2403	2026-02-16	Fuel-driven hybrid deep learning model for forecasting finger millet prices 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34947-8 PMID:41690993	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2404	2026-03-06	Enhancing Estimation of Fine Particulate Matter Chemical Composition across North America by Including Geophysical A Priori Information in Deep Learning with Uncertainty Quantification 2026-Feb-13, ACS ES&T air DOI:10.1021/acsestair.5c00251 PMID:41709986	研究论文	本研究通过结合地球物理先验信息开发深度学习模型，提升了北美地区细颗粒物化学组成的估计精度，并进行了不确定性量化	引入地球物理先验信息（如化学传输模型数据）到CNN中，显著提高了模型在偏远地区的性能；提出了BLISCO空间交叉验证方法，以更准确地评估模型外推能力和不确定性	传统空间交叉验证可能因地面监测站的空间自相关性而高估性能并低估不确定性；海盐成分的估计性能相对较低（R²=0.37）	改进北美地区细颗粒物总质量浓度及其化学组成的估计，以支持环境管理和健康影响研究	北美地区的细颗粒物（PM）及其化学成分（硫酸盐、硝酸盐、铵盐、有机物、黑碳、粉尘、海盐）	机器学习	NA	卫星遥感、模拟数据和监测站数据整合	CNN	多源地球物理数据（卫星、模拟、监测）	2000年至2023年间的月度数据，覆盖北美地区	NA	卷积神经网络	R²（决定系数）	NA
2405	2026-03-06	Deep learning-based non-invasive profiling of tumor transcriptomes from cell-free DNA for precision oncology 2026-Feb-12, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.10.705188 PMID:41726945	研究论文	本文介绍了Triton和Proteus，一种基于深度学习的非侵入性方法，用于从cfDNA中预测肿瘤转录组，以支持精准肿瘤学应用	开发了Triton用于cfDNA的片段组学和核小体分析，以及Proteus多模态深度学习框架，能够在标准深度全基因组测序下预测单基因表达，实现转录组范围的分析	未明确说明模型在更广泛癌症类型或更大样本中的泛化能力，以及临床验证的深度	开发非侵入性工具，从cfDNA中预测肿瘤转录组，用于精准肿瘤学，如癌症监测和治疗指导	细胞游离DNA（cfDNA），特别是循环肿瘤DNA（ctDNA），来自患者来源异种移植（PDX）和四个患者队列	机器学习	癌症	全基因组测序（WGS），RNA-Seq	深度学习	DNA测序数据	涉及患者来源异种移植（PDX）和四个患者队列的cfDNA样本，具体数量未明确	NA	多模态深度学习框架（Proteus）	准确性，基因通路富集分数预测准确性	NA
2406	2026-03-06	Enhanced diabetes prediction using pre-trained CNNs, LSTM, and conditional GAN on transformed numerical data 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38942-5 PMID:41667617	研究论文	本研究提出了一种结合表格数据到图像转换、预训练卷积神经网络和长短期记忆网络的深度学习框架，用于增强糖尿病预测	通过将数值特征转换为基于相关性和特征重要性的二维图像表示，并利用条件生成对抗网络生成合成样本，结合预训练CNN和LSTM进行特征提取与分类	结果可能部分受合成数据影响，且样本量有限，需在更大、更多样化的数据集上进行验证以确保泛化能力	开发一种深度学习框架以提高从结构化生物医学数据中进行糖尿病预测的准确性	糖尿病预测	机器学习	糖尿病	表格数据到图像转换，条件生成对抗网络	CNN, LSTM, GAN	结构化数值数据，图像表示	Pima印第安人糖尿病数据集和法兰克福糖尿病数据集	NA	DenseNet201, ResNet152, Xception, EfficientNetB4, LSTM	准确率, AUC	NA
2407	2026-02-12	Development and validation of a deep learning model for identifying high-quality laryngoscopic images 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38252-w PMID:41667718	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2408	2026-03-06	Deep learning enabled pseudonymization for preserving data privacy of financial identifiers in public documents in India 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39309-6 PMID:41667731	研究论文	本文提出了一种基于全卷积神经网络的伪匿名化框架，用于保护印度公共文档中手写签名的数据隐私	首次针对公开文档中的手写签名提出伪匿名化方法，采用集成可微分输出解码的SuperPoint架构，在保护敏感数据的同时保持文档可用性	研究仅针对印度PAN卡文档，未涉及其他类型政府文档或不同国家的应用场景	开发一种保护公共文档中手写签名隐私的伪匿名化技术，支持可追溯的身份保护	印度政府颁发的永久账户号码（PAN）卡中的手写签名	计算机视觉	NA	深度学习	CNN	图像	500多张真实世界PAN卡	NA	SuperPoint	精确率, 召回率, SSIM, 运行时间效率, 空间开销	NA
2409	2026-02-12	Integrating deep learning with physics based modeling enables high precision antibody antigen interface prediction 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39466-8 PMID:41667775	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2410	2026-03-06	Deep learning model for identification of metabolic bone disease of prematurity using wrist radiographs 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37116-7 PMID:41656355	研究论文	本研究提出了一种基于手腕X光片的深度学习模型，用于识别早产儿代谢性骨病的影像学特征，并评估其决策支持的影响	开发了首个基于手腕X光片的深度学习模型，专门用于识别早产儿代谢性骨病的影像学特征，并通过外部验证和读者研究证明了其在临床环境中的潜在应用价值，特别是对非放射科医生的辅助诊断效果	研究为回顾性设计，样本主要来自两家医院，可能限制了模型的泛化能力；未涉及更广泛的早产儿群体或其他医疗机构的数据	开发并验证一个深度学习模型，以辅助识别早产儿代谢性骨病的影像学特征，提高诊断准确性和及时性	早产儿（出生体重低于1500克），包括来自首尔国立大学医院（内部数据集）和首尔国立大学盆唐医院（外部数据集）的婴儿	数字病理学	代谢性骨病	手腕X光摄影	CNN	图像	内部数据集814名受试者，外部数据集261名受试者	NA	DenseNet	AUROC, 灵敏度, 特异性, 准确率	NA
2411	2026-03-06	Ninja optimization algorithm based ultra wideband antenna electromagnetic band gap modeling via a generative adversarial network 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39068-4 PMID:41656364	研究论文	本文提出了一种集成生成对抗网络与忍者优化算法的智能预测框架，用于精确建模和预测超宽带天线电磁带隙结构的电磁性能	将对抗性学习与基于忍者优化算法的优化相结合，以提高天线-电磁带隙系统代理建模的准确性和鲁棒性	NA	为超宽带天线电磁带隙结构的设计和优化建立高效、可扩展、高精度的建模途径	超宽带天线电磁带隙结构	机器学习	NA	NA	GAN, LSTM, GRU, RNN, ANN	NA	NA	NA	GAN, LSTM, GRU, RNN, ANN	均方误差, 均方根误差, 决定系数	NA
2412	2026-03-06	SwinCup-DiscNet: A fusion transformer framework for glaucoma diagnosis using optic disc and cup features 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39065-7 PMID:41663489	研究论文	本文提出了一种名为SwinCup-DiscNet的融合Transformer框架，通过整合视盘/视杯分割和特征提取，用于青光眼的早期诊断	结合了U-Net与注意力机制进行视盘和视杯分割，并利用Swin Transformer编码器提取特征，最后通过概率融合方法整合结构生物标志物（杯盘比）和深度学习特征进行分类	NA	开发一种有效的青光眼早期筛查和诊断方法	青光眼患者	计算机视觉	青光眼	NA	Transformer, CNN	图像	三个公开数据集：LAG、ACRIMA和DRISTHI-GS	NA	U-Net, Swin Transformer	DSC IoU, 准确率, F1分数, 杯盘比平均绝对误差	NA
2413	2026-02-11	Non-local attention enhanced deep learning for robust cyberattack detection in industrial IoT-based SCADA systems 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37146-1 PMID:41663554	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2414	2026-03-06	MM-GradCAM: an improved multimodal GradCAM method with 1D and 2D ECG data for detection of cardiac arrhythmia 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38654-w PMID:41663616	研究论文	本研究提出了一种创新的多模态GradCAM方法，结合1D ECG信号和2D ECG图像数据，用于心律失常检测并提供模型可解释性	首次提出结合1D ECG信号和2D ECG图像两种数据格式的多模态可解释性方法，为医学AI应用提供更高的透明度和可靠性	未明确说明模型在不同心律失常类型间的性能差异，也未提及外部验证数据集的测试结果	开发一种可解释的深度学习模型，用于心律失常的自动检测和诊断	心电图（ECG）数据，包括1D信号和2D图像格式	医学人工智能	心血管疾病	心电图分析	CNN	1D信号, 2D图像	超过10,000名患者的数据集	NA	17层CNN	准确率	NA
2415	2026-02-11	Evaluation of deep learning models for segmentation of hippocampus volumes from MRI images in Alzheimer's disease 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38220-4 PMID:41663727	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2416	2026-03-06	SpliceRead: Improving Canonical and Non-Canonical Splice Site Prediction with Residual Blocks and Synthetic Data Augmentation 2026-Feb-09, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.05.703825 PMID:41726927	研究论文	提出了一种名为SpliceRead的新型深度学习模型，通过结合残差卷积块和合成数据增强技术，旨在提高对规范和非规范剪接位点的分类准确性	结合残差卷积块和合成数据增强技术，专门针对非规范剪接位点的稀有序列多样性进行优化，显著降低了非规范位点的误分类率	未明确提及模型在极端罕见变异或跨物种泛化中的具体限制	改进规范和非规范剪接位点的预测准确性，以促进基因表达和相关疾病的理解	多物种的400和600核苷酸序列数据集	自然语言处理	NA	合成数据增强	CNN	序列数据	未明确指定具体样本数量，但基于多物种的400和600核苷酸序列数据集	未明确指定	残差卷积块	F1分数, 准确率, 精确率, 召回率	未明确指定
2417	2026-03-06	Hybrid vision transformer and graph neural network model with region-adaptive attention for enhanced skin cancer prediction 2026-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32502-z PMID:41654513	研究论文	提出了一种结合视觉变换器、图神经网络和区域自适应注意力的混合模型，用于增强皮肤癌预测	首次将视觉变换器与图神经网络结合，并引入区域自适应注意力机制，通过元学习方法提升模型对不同肤色和成像条件的泛化能力	未明确说明模型在临床实际部署中的计算效率、对罕见亚型皮肤癌的识别能力，以及需要的外部验证数据	开发一种能够更准确、可解释地诊断皮肤癌的深度学习模型	皮肤病变图像（皮肤镜图像）	计算机视觉	皮肤癌	皮肤镜成像	Vision Transformer, Graph Neural Network	图像	NA	NA	Hybrid Vision Transformer with Graph Neural Network	分类准确率	NA
2418	2026-03-06	Multimodal Artificial Intelligence for Predicting 3- and 5-Year Risks of Myopic Choroidal Neovascularization in High Myopia 2026-Feb-06, Ophthalmology. Retina DOI:10.1016/j.oret.2026.02.003 PMID:41655768	研究论文	本研究开发了基于人工智能的模型，用于预测高度近视眼中近视性黄斑新生血管（MNV）在1年、3年和5年内的风险	结合眼底图像和临床变量的多模态生存模型（基于DeepSurv框架），实现了对MNV风险的纵向时间-事件风险评估和临床有意义的风险分层	单中心回顾性研究，需要进一步的外部验证	开发人工智能模型以评估高度近视眼中近视性黄斑新生血管（MNV）的发病风险	高度近视患者的眼睛（来自2501名患者的4235只眼）	数字病理学	近视性黄斑新生血管	眼底摄影，临床变量分析	深度学习模型，多模态生存模型	图像（眼底照片），临床变量	4235只眼（来自2501名患者）	PyTorch（推断自DenseNet使用），DeepSurv	DenseNet-121	AUC（受试者工作特征曲线下面积），一致性指数（C-index），校准指标，临床效用指标	NA
2419	2026-03-06	Plasmonic artificial inspector for herbal medicines via surface-enhanced Raman spectroscopy and deep learning 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38497-5 PMID:41644682	研究论文	本研究提出了一种基于表面增强拉曼光谱（SERS）和深度学习（DL）的等离子体人工草药检查器，用于草药的安全监测	通过SERS与DL的协同集成，实现了对35种外观相似或同属草药的高准确度（约95%）自动化区分，为传统感官检查提供了高效可靠的辅助方法	未明确提及样本量的具体限制、模型泛化能力或在实际应用环境中的验证情况	开发一种高效可靠的草药安全监测辅助工具，以替代或补充传统劳动密集型的感官检查	草药样本，特别是外观相似或属于同一属的35种不同草药物种	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习模型	光谱数据（SERS光谱）	涉及35种草药物种，但未提供具体样本数量	NA	NA	准确度	NA
2420	2026-03-06	Artificial intelligence risk stratification from dynamic digital subtraction angiography radiomics predicts pulmonary embolism and associates with clinical outcomes in deep vein thrombosis: A retrospective cohort study 2026-Feb-03, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102450 PMID:41638306	研究论文	本研究开发并验证了一种基于动态数字减影血管造影影像组学的人工智能风险分层系统，用于预测下肢深静脉血栓患者的肺栓塞风险并指导精准治疗	首次提出结合Transformer-UNet空间特征提取和LSTM时间序列分析的混合深度学习模型，用于处理动态DSA序列并量化血栓运动学和血流动力学新参数	回顾性单中心研究，样本量有限（168例患者），需要前瞻性多中心验证	开发人工智能风险分层系统，改善下肢深静脉血栓患者的肺栓塞预测和临床决策	下肢深静脉血栓患者	数字病理学	心血管疾病	动态数字减影血管造影	混合深度学习模型（Transformer-UNet + LSTM）	动态影像序列	168例患者（2019-2023年单中心回顾性队列）	NA	Transformer-UNet, LSTM	AUC, 相对风险, 置信区间	NA