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
2701	2026-03-05	Optimizing high-resolution knee MRI at 3 tesla: conventional acceleration versus deep learning reconstruction 2026-Mar-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02251-0 PMID:41776433	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2702	2026-03-05	Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging 2026-Mar-03, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03784-w PMID:41776569	研究论文	本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类	基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能	NA	提高中风CT影像诊断的准确性和效率，以辅助临床决策	公共中风CT数据集，包括964例出血性中风和1551例缺血性中风	计算机视觉	中风	CT成像	CNN	图像	2515例中风CT影像	NA	GCDCNet, GhostNet	准确率, 召回率, F1分数, 精确率, AUC	NA
2703	2026-03-05	Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response 2026-Mar-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析非小细胞肺癌患者治疗前后的多重组织图像，开发了一个结合空间统计、机器学习和深度学习的计算流程，以预测疾病进展并识别潜在的临床生物标志物	首次结合细胞分割、样方分析、空间统计与深度学习，系统揭示了肺癌患者肿瘤-免疫微生态的空间特征及其与治疗反应的关联，并发现这些空间生态特征比PD-L1状态更能预测疾病进展	样本量较小（仅9名患者），且患者反应类型仅限于疾病稳定和疾病进展，缺乏完全缓解和部分缓解的病例	开发一个计算框架来分析多重成像数据，以预测非小细胞肺癌患者对免疫治疗的响应，并识别相关的生物标志物	接受口服组蛋白去乙酰化酶抑制剂（伏立诺他）联合PD-1抑制剂（帕博利珠单抗）治疗的免疫治疗难治性非小细胞肺癌患者	数字病理学	肺癌	多重组织成像	深度学习	多重组织图像	9名患者的配对治疗前和治疗中样本	NA	NA	NA	NA
2704	2026-03-05	Early feature extraction drives model performance in high-resolution chromatin accessibility prediction 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.281042.125 PMID:41526189	研究论文	本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素	首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用	未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体	提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响	染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测	机器学习	NA	ATAC-seq	CNN, LSTM, 扩张CNN, Transformer	DNA序列数据	NA	NA	ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer	预测准确性, 信号形状保持度	NA
2705	2026-03-05	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Mar-02, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	本文通过文献计量分析，绘制了人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	首次系统性地利用CiteSpace和Carrot2工具对人工智能在口腔颌面外科领域的文献进行共引网络、结构变异分析和术语共现网络分析，揭示了从传统机器学习向深度学习及Transformer模型的范式转变，并突出了迁移学习和头颈癌预后建模等新兴应用方向	研究基于截至2025年1月10日的文献数据库，可能未涵盖最新发表的研究；分析依赖于所选数据库的收录范围，可能存在遗漏	旨在绘制人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	人工智能在口腔颌面外科领域的相关学术出版物	数字病理学	头颈癌	文献计量分析	NA	文本	5267篇文章	NA	NA	NA	NA
2706	2026-03-05	Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review 2026-Mar-02, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2026.02.016 PMID:41775582	系统综述	本文系统评估了人工智能模型在预测骨骼性III类错颌畸形患者是否需要正颌手术方面的性能	首次对AI在骨骼性III类错颌畸形治疗预测中的应用进行了系统性综述，比较了机器学习与深度学习模型在头影测量和临床数据上的表现	纳入研究数量有限（15项），需要更大规模、多中心数据集和外部验证以提高可靠性并解决潜在偏倚	评估AI模型在预测骨骼性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能	骨骼性III类错颌畸形患者	机器学习	骨骼性III类错颌畸形	头影测量和临床数据分析	机器学习算法（如Random Forest, XGBoost）和深度学习模型（如CNN）	头影测量数据和临床数据	NA	NA	Random Forest, XGBoost, ResNet-based CNN	准确率, 灵敏度, 特异性, AUC	NA
2707	2026-03-05	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-Mar-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	本研究评估了基于多序列MRI的深度学习特征与Vision Transformer结合预测局部晚期鼻咽癌新辅助化疗疗效的价值	首次探索将MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效，通过融合2.5D-ResNet50和3D-DenseNet121特征并输入ViT进行全局上下文建模，显著提升了预测性能	回顾性研究设计，样本量相对有限（266例患者），需要外部验证以确认模型的泛化能力	预测局部晚期鼻咽癌患者新辅助化疗的疗效	局部晚期鼻咽癌患者	计算机视觉	鼻咽癌	MRI	深度学习模型, Vision Transformer	MRI图像	266例局部晚期鼻咽癌患者	NA	ResNet50, DenseNet121, Vision Transformer	AUC, 准确率, F1分数	NA
2708	2026-03-05	Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D 2026-Mar, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2410228 PMID:39422438	研究论文	本文提出了一种基于融合特征MSA和改进的1D DRN-biLSTM网络模型，用于识别脑卒中后构音障碍的病理语音	提出了一种新颖的融合特征（MSA）并结合了改进的一维残差网络、双向LSTM和空洞卷积的混合模型（1D DRN-biLSTM），以更好地表征病理语音的隐藏特征	摘要中未明确提及研究的局限性	开发一种改进的深度学习模型，用于区分脑卒中后构音障碍的病理语音和正常语音，以辅助PSD的评估与诊断	脑卒中后构音障碍患者的语音数据	自然语言处理	脑卒中	语音信号处理，深度学习	CNN, LSTM, ResNet	语音	NA	NA	1D ResNet, bi-directional LSTM, 1D DRN-biLSTM	准确率	NA
2709	2026-03-05	Development of Artificial Intelligence for Quantitative Assessment of Nasal Inflammatory Cytology in Chronic Rhinitis by Whole-Slide Images 2026-Mar, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70075 PMID:41307481	研究论文	本研究开发了一种基于全切片图像的深度学习系统（QANIC），用于慢性鼻炎患者鼻腔炎症细胞的定量评估和表型分型	首次将深度学习与全切片图像结合用于鼻腔细胞学诊断，并基于鼻腔细胞学对鼻炎患者进行炎症表型分型	研究样本量相对有限，外部验证队列仅包含两个临床中心	建立基于人工智能的鼻腔炎症细胞学定量评估系统，以研究慢性鼻炎的炎症表型	慢性鼻炎患者的鼻腔分泌物涂片	数字病理学	慢性鼻炎	全切片图像	深度学习模型	图像	开发阶段145例患者，内部队列881例，外部验证队列234例	NA	NA	NA	NA
2710	2026-01-11	A novel quantification method for automatic computation of breast density from mammography images using deep learning 2026-Mar, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01808-1 PMID:41511727	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2711	2026-03-05	Sub-Milliscale-Resolution Bimodal Tactile Sensor Array with Human-Skin-Like Graphesthesia Sensation 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202519734 PMID:41572940	研究论文	本文介绍了一种具有亚毫米级分辨率的双模态触觉传感器阵列，结合压电和摩擦电传感器，实现了类似人类皮肤的图形感知能力	实现了亚毫米级空间分辨率（700微米）和高传感器密度（226像素/平方厘米）的双模态触觉感知，并利用深度学习算法重建软度加密图案	未明确提及传感器阵列的长期稳定性、环境适应性或大规模生产成本等限制	开发高分辨率多模态触觉传感器，以提升具身智能系统和机器人的触觉感知能力	双模态触觉传感器阵列，包括压电传感器阵列和摩擦电传感器阵列	机器感知	NA	压电传感、摩擦电传感	深度学习算法	压力分布数据、接触高度数据	NA	NA	NA	空间分辨率、传感器密度、响应时间	NA
2712	2026-03-05	LeqMod: Adaptable Lesion-Quantification-Consistent Modulation for Deep Learning Low-Count PET Image Denoising 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618247 PMID:41052161	研究论文	提出一种名为LeqMod的可适应调制策略，用于深度学习低计数PET图像去噪，以改善病灶量化准确性	通过下游病灶量化分析作为辅助工具，设计了一种即插即用的病灶感知和量化一致调制策略，无需在推理阶段增加计算负担	NA	增强PET图像去噪性能，减少辐射暴露和扫描时间	低计数PET图像	数字病理学	NA	PET成像	深度学习	图像	来自多个中心和供应商的大型PET数据集，包含不同噪声水平	NA	NA	SUVmax偏差, PSNR	NA
2713	2026-03-05	Transformer-based multidimensional feature fusion for accurate prediction of lipid nanoparticles transfection efficiency 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag092 PMID:41766648	研究论文	本研究构建了一个用于预测脂质纳米颗粒转染效率的深度学习框架LIFT，并提供了包含超过10,000个实验测量值的数据集LNPs-TE	提出了首个基于Transformer的多维特征融合框架LIFT，用于预测脂质纳米颗粒的转染效率，在多个数据集上实现了优于现有基准模型的性能	研究主要关注离子化脂质，未全面考虑脂质纳米颗粒配方中其他组分（如辅助脂质、PEG脂质等）的潜在影响	通过深度学习模型辅助脂质纳米颗粒配方的早期设计与优化，以提高RNA递送效率	脂质纳米颗粒及其转染效率	机器学习	NA	深度学习	Transformer	分子表示数据、实验测量值	超过10,000个实验测量的转染效率值	PyTorch	Transformer	Pearson相关系数, AUC-ROC, 决定系数R2	NA
2714	2026-03-05	Q-Space Guided Multi-Modal Translation Network for Diffusion-Weighted Image Synthesis 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618683 PMID:41056154	研究论文	提出了一种用于从灵活q空间采样合成多壳高角度分辨率扩散加权成像的Q空间引导多模态翻译网络	提出Q-MMTN网络，通过混合编码器和多模态注意力融合机制，结合灵活的q空间感知嵌入，实现了不依赖固定采样方案的动态特征调制	NA	从灵活的q空间采样合成多壳高角度分辨率扩散加权成像	扩散加权成像数据	医学影像分析	NA	扩散加权成像	深度学习网络	MRI图像（T1加权、T2加权、DWI）	四个生命周期数据集（儿童、青少年、年轻成人、老年成人）	NA	Q-MMTN（Q-space Guided Multi-Modal Translation Network）	参数图和纤维束估计的准确性	NA
2715	2026-03-05	MACE Risk Prediction in ARVC Patients via CMR: A Three-Tier Spatiotemporal Transformer With Pericardial Adipose Tissue Embedding 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618711 PMID:41056153	研究论文	本文提出了一种基于心脏磁共振成像的三层时空Transformer模型，用于预测致心律失常性右室心肌病患者的重大不良心脏事件风险	提出了三层时空Transformer架构，首次将心包脂肪组织的动态和位置信息作为先验知识嵌入模型，并引入了基于心包脂肪组织信息引导的局部特征投票单元	数据集规模有限（ARVC为罕见病），非MACE与MACE患者的图像分布存在重叠	预测致心律失常性右室心肌病患者发生重大不良心脏事件的风险	致心律失常性右室心肌病患者	计算机视觉	心血管疾病	心脏磁共振成像	Transformer	图像序列	未明确说明具体样本数量（提及数据集规模有限）	未明确说明	三层时空Transformer	AUC, 准确率, C-index	未明确说明
2716	2026-03-05	MoE-Morph: Lightweight Pyramid Model With Heterogeneous Mixture of Experts for Deformable Medical Image Registration 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620406 PMID:41086068	研究论文	提出了一种用于可变形医学图像配准的轻量级金字塔模型MoE-Morph，它采用异构专家混合机制来增强特征处理能力	引入了密集的专家混合金字塔配准模型，通过路由方案和多个异构专家增加单层特征处理的宽度和灵活性，仅使用形变场作为层级间信息传递范式	未使用注意力或视觉Transformer等复杂机制，模型保持最简形式，可能在某些极端复杂形变场景下存在局限	解决深度学习配准方法在处理大而复杂位移时的困难，提高医学图像配准的精度和鲁棒性	医学图像（脑部、肺部、腹部多模态图像）	数字病理	NA	深度学习图像配准	金字塔模型、专家混合模型	医学图像	四个公共数据集（具体数量未明确说明）	NA	MoE-Morph（异构专家混合金字塔架构）	NA	NA
2717	2026-03-05	A computationally efficient hybrid Kolmogorov-Arnold network for hyperspectral classification of signatory pen inks 2026-Feb-28, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112897 PMID:41775118	研究论文	本文提出了一种混合CNN-KAN架构，用于基于高光谱成像的签名笔油墨分类，旨在提高分类精度和计算效率	将CNN与KAN（Kolmogorov-Arnold网络）结合成混合架构，利用CNN前端提取特征并降维，KAN后端增强非线性拟合能力，有效区分高度相似的油墨类别，同时平衡了精度与计算成本	NA	为法医文件检验领域提供一种非破坏性、精确的签名笔油墨分类方法，以确定文件真实性和重建案件事实	签名笔油墨	计算机视觉	NA	高光谱成像	CNN, KAN	高光谱图像	涉及40个品牌和型号的签名笔油墨	NA	CNN-KAN, VGG, AUNet	准确率	NA
2718	2026-02-28	Dual-path deep learning framework for accurate and interpretable brain tumor diagnosis 2026-Feb-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03367-7 PMID:41749213	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2719	2026-03-05	A New Framework for Medium- to Long-Term PM2.5 Predictions Using AI-Based High-Resolution Meteorological Forecasts 2026-Feb-26, Chem & bio engineering DOI:10.1021/cbe.5c00074 PMID:41777303	研究论文	本研究提出了一种结合AI网格化气象预报与动态图架构的深度学习框架，用于中长期的PM2.5预测	通过AI网格化气象预报与动态图架构结合，捕捉污染物传输的时空演化模式，实现更准确的长期预测，相比传统方法显著降低误差	未明确说明模型在极端天气或复杂地形条件下的适用性，且依赖于外部气象预报数据的准确性	开发一种高效、可操作的中长期PM2.5预测框架，以支持空气质量管理和公共健康保护	PM2.5浓度预测，特别是在城市和区域环境中的中长期预测	机器学习	NA	深度学习，动态图架构	深度学习模型	网格化气象预报数据，PM2.5观测数据	NA	NA	动态图架构	RMSE, MAE	NA
2720	2026-03-05	Adaptive optimization of combined steam and CO2 reforming for hydrogen production from variable biogas feed 2026-Feb-24, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134283 PMID:41747899	研究论文	本研究开发了一种用于沼气制氢过程的自适应优化框架，以应对沼气成分的动态变化	提出了一种新颖的多任务数字孪生优化框架，用于基于联合蒸汽和CO2重整的沼气制氢过程的进料自适应操作	NA	系统研究沼气成分变化对沼气制氢过程的影响，并开发自适应优化框架以实现高效、可持续的制氢	沼气制氢过程，特别是联合蒸汽和CO2重整过程	机器学习	NA	NA	深度学习代理模型，多任务进化优化算法，K-最近邻分类器	工艺参数数据，沼气成分数据，经济与环境指标数据	NA	NA	NA	单位氢气生产成本，净CO排放量，氢气生产效率	NA