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
2941	2026-03-01	QEKI: A Quantum-Classical Framework for Efficient Bayesian Inversion of PDEs 2026-Jan-30, Entropy (Basel, Switzerland) DOI:10.3390/e28020156 PMID:41751659	研究论文	本文提出了一种结合量子神经网络与经典集成卡尔曼反演的混合框架，用于高效求解偏微分方程的贝叶斯反问题	首次将量子神经网络作为偏微分方程解的紧凑代理模型，并采用无梯度的集成卡尔曼反演进行训练，有效缓解了量子优化中的贫瘠高原问题	大规模应用受限于当前量子硬件的能力	高效求解科学计算中的贝叶斯反问题	一维和二维非线性偏微分方程	机器学习	NA	NA	量子神经网络, 贝叶斯物理信息神经网络	NA	NA	NA	NA	NA	量子硬件
2942	2026-03-01	Model-Data Hybrid-Driven Wideband Channel Estimation for Beamspace Massive MIMO Systems 2026-Jan-30, Entropy (Basel, Switzerland) DOI:10.3390/e28020154 PMID:41751657	研究论文	本文提出了一种模型-数据混合驱动的网络方案，用于解决波束空间大规模MIMO系统中的宽带信道估计问题	将向量近似消息传递算法展开为可训练网络，并引入新的收缩函数以提高估计精度	未在真实复杂传播环境中进行大规模验证，泛化能力仍需进一步评估	提高波束空间大规模MIMO系统中宽带信道估计的准确性和鲁棒性	波束空间大规模MIMO系统的宽带信道	机器学习	NA	深度学习	混合驱动网络	数值模拟数据	NA	NA	向量近似消息传递展开网络	估计精度, 鲁棒性	NA
2943	2026-03-01	MRI-Based Bladder Cancer Staging via YOLOv11 Segmentation and Deep Learning Classification 2026-Jan-28, Diseases (Basel, Switzerland) DOI:10.3390/diseases14020045 PMID:41745083	研究论文	本研究提出了一种基于MRI的自动化深度学习框架，用于膀胱癌分期，结合YOLOv11分割和深度学习分类器	开发了一种顺序AI流水线，整合YOLOv11进行病灶检测和DeepLabV3进行边界细化，随后使用三种深度学习分类器进行MRI分期预测	需要进一步使用多中心数据集、增强前患者级数据分割、病理确认参考标准和可解释AI技术来验证泛化性和临床相关性	开发自动化深度学习框架以支持基于MRI的膀胱癌标准化分期	膀胱癌MRI图像，用于区分非肌层浸润性（T1）和肌层浸润性（T2-T4）疾病	计算机视觉	膀胱癌	MRI	CNN, Transformer	图像	416张T2加权MRI图像	NA	YOLOv11, DeepLabV3, VGG19, ResNet50, Vision Transformer	准确率, 精确率, 召回率, F1分数, 多类AUC	NA
2944	2026-03-01	Neuro-Geometric Graph Transformers with Differentiable Radiographic Geometry for Spinal X-Ray Image Analysis 2026-Jan-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020059 PMID:41745424	研究论文	本文提出了一种名为SpineNeuroSym的神经几何成像框架，用于可解释的脊柱X射线图像分析	提出了一个统一几何感知学习和符号推理的神经几何成像框架，集成了可微放射几何模块、神经符号约束层和反事实几何扩散模块，以增强模型的可解释性和可信度	研究仅基于单中心医院的1613张脊柱X光片数据集，未提及外部验证或跨中心泛化能力	开发一种可解释、可信赖且可重复的医学影像AI系统，用于脊柱X射线图像的诊断分析	脊柱X射线图像	计算机视觉	脊柱疾病	X射线成像	图神经网络, Transformer	图像	1613张脊柱X光片，涵盖脊柱滑脱、感染、脊柱关节病、正常颈椎、正常胸椎和正常腰椎六个诊断类别	NA	双流图Transformer	准确率, 宏平均F1分数, AUROC	NA
2945	2026-03-01	Tuning Deep Learning for Predicting Aluminum Prices Under Different Sampling: Bayesian Optimization Versus Random Search 2026-Jan-28, Entropy (Basel, Switzerland) DOI:10.3390/e28020145 PMID:41751647	研究论文	本研究通过比较贝叶斯优化与随机搜索两种超参数调优方法，评估了LSTM和深度前馈神经网络在铝价预测中的性能	首次在铝价预测中系统比较贝叶斯优化与随机搜索对深度学习模型调优的效果，并验证了LSTM结合贝叶斯优化的优越性	仅使用历史价格数据，未考虑宏观经济指标、供需关系等外部影响因素；实验限于特定时间周期和数据频率	开发高效的铝价预测模型，比较不同超参数优化方法对深度学习模型性能的影响	铝现货价格的时间序列数据	机器学习	NA	时间序列分析	LSTM, 深度前馈神经网络, SVR	时间序列数据（日度、周度、月度）	未明确样本数量，使用多频率时间序列数据	未明确说明	LSTM, 深度前馈神经网络	RMSE, MAE, R平方	NA
2946	2026-03-01	A Deep-Learning-Enhanced Ultrasonic Biosensing System for Artifact Suppression in Sow Pregnancy Diagnosis 2026-Jan-27, Biosensors DOI:10.3390/bios16020075 PMID:41744694	研究论文	本研究开发了一种基于深度学习的超声生物传感系统，用于抑制母猪妊娠诊断超声图像中的伪影	提出了一种基于YOLOv8架构的轻量级深度神经网络，作为智能检测层，能同时识别和掩蔽伪影区域并检测关键解剖特征，实现伪影感知的可视化增强	NA	解决B型超声成像中的声学伪影问题，以提高母猪妊娠诊断的准确性	母猪妊娠超声图像	计算机视觉	NA	B型超声成像	DNN	图像	NA	NA	YOLOv8	平均交并比, 峰值信噪比, 结构相似性指数, 准确率	NA
2947	2026-03-01	Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion 2026-Jan-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06619-3 PMID:41580403	研究论文	本研究通过融合2米高分辨率影像与30米Landsat数据，生成了2020年和2022年中国30米分辨率不透水面覆盖数据集	采用区域自适应深度学习策略，结合多源遥感数据（2米影像、Landsat年度合成数据、SRTM高程数据）进行数据融合，并利用熵引导分层采样方法生成高质量训练样本	数据集覆盖范围受限于2米卫星影像的可用区域，仅包括中国大陆及邻近可获得输入影像的地区	生成高精度、时空连续的中国不透水面覆盖数据集，支持城市动态分析、环境监测和区域规划等应用	中国大陆及邻近地区的不透水面覆盖	遥感与地理信息科学	NA	卫星遥感影像融合、深度学习	深度学习模型	卫星影像、高程数据	使用熵引导分层采样和专家视觉解释生成的高质量训练与验证样本	NA	NA	空间平均F1分数	NA
2948	2026-03-01	Time Series Prediction of Open Quantum System Dynamics by Transformer Neural Networks 2026-Jan-23, Entropy (Basel, Switzerland) DOI:10.3390/e28020133 PMID:41751636	研究论文	本文提出了一种基于Transformer神经网络的时间序列预测模型，用于预测开放量子系统的动力学演化	采用正算子值测度方法将密度矩阵转换为概率分布，并基于Transformer构建时间序列预测模型，有效捕获系统历史演化模式并准确预测未来行为，包括稳态行为	NA	模拟开放量子系统的动力学演化，解决Lindblad主方程数值精确解计算成本高的问题	开放量子系统	机器学习	NA	正算子值测度	Transformer	时间序列数据	NA	NA	Transformer	保真度	NA
2949	2026-03-01	Towards accurate artificial intelligence models for strain-level phage-host prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag085 PMID:41744225	综述	本文综述了菌株水平噬菌体-宿主相互作用预测的人工智能模型的最新进展，并分析了其在临床噬菌体治疗中的应用挑战	系统回顾并比较了基于生物学特征、混合表示学习、系统发育无关的机器学习以及端到端深度学习等多种新型人工智能模型在菌株水平预测中的应用	当前模型面临数据稀疏、不平衡、标签依赖实验、感染复杂性以及泛化能力有限等共享结构约束	开发更稳健、可解释且临床可转化的菌株水平噬菌体-宿主相互作用预测系统	噬菌体与宿主之间的相互作用	机器学习	NA	基因组信息分析	NA	基因组数据	NA	NA	NA	NA	NA
2950	2026-03-01	Artificial intelligence-powered prediction of diabetic complications: from clinical data to molecular omics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag083 PMID:41744227	综述	本文系统综述了2015年至2025年间应用人工智能预测糖尿病并发症的研究，重点关注糖尿病视网膜病变、糖尿病肾病和糖尿病心血管疾病	提出了跨尺度和多模态数据融合的新范式，并总结了一个从数据管理到临床部署的六步可操作框架与转化路径	作为一篇叙事性综述，其结论基于对现有文献的系统性调查，而非原始研究，可能受纳入研究质量和偏倚的影响	为糖尿病并发症的风险预测和临床决策支持提供人工智能工具的综述与路线图	糖尿病并发症，特别是糖尿病视网膜病变、糖尿病肾病和糖尿病心血管疾病	机器学习	糖尿病并发症	NA	传统机器学习，深度学习，大语言模型，基于智能体的系统	临床特征，分子组学数据，医学影像，多模态数据	共纳入58项研究	NA	NA	NA	NA
2951	2026-03-01	PLXFPred: interpretable cross-attention networks with hierarchical fusion of multi-modal features for predicting protein-ligand interactions and affinities 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf662 PMID:41512285	研究论文	提出一种名为PLXFPred的可解释跨模态融合模型，用于预测蛋白质-配体相互作用和结合亲和力	采用跨模态交叉注意力机制融合序列和图特征，并结合多模态分层融合策略，通过残差连接和条件域对抗学习提升泛化能力	未明确说明模型对未知蛋白质-配体对的泛化能力的具体限制条件	快速准确地预测蛋白质-配体相互作用和结合亲和力，以推动结构生物学发展	蛋白质-配体相互作用和结合亲和力	机器学习	NA	氨基酸序列和SMILES的物理化学性质提取，预训练模型特征提取	GATv2, BILSTM	序列数据（氨基酸序列、SMILES）、图结构数据	NA	PyTorch（基于GitHub代码库推断）	GATv2, BILSTM, 跨模态交叉注意力网络	RMSD, MAE, SD	NA
2952	2026-03-01	Understanding Artificial Intelligence (AI) for the Electrophysiologist 2026 Jan-Feb, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.010 PMID:41621626	综述	本文为电生理学家提供关于人工智能的实用入门指南，支持其知情评估和负责任的临床采纳	系统梳理了AI在电生理学中的历史演变、核心方法概念、常见失败模式及监管评估，并展望了个体化建模、资源受限环境下的专家决策支持等未来方向	作为综述文章，未提出新的AI模型或进行实证验证，主要基于现有文献进行总结和评述	为电生理学家提供评估和临床采纳AI工具的知识框架	人工智能在临床电生理学中的应用，包括自动ECG解读、心律失常检测、风险分层、手术规划和流程支持	机器学习	心血管疾病	NA	机器学习, 深度学习, 生成式AI, 大语言模型	NA	NA	NA	NA	分析性能, 临床效用	NA
2953	2026-03-01	Progress in sepsis prediction models: from traditional scoring systems to multimodal intelligence and clinical translation 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1732164 PMID:41756387	综述	本文系统综述了脓毒症预测模型的发展历程，从传统评分系统到现代机器学习和深度学习模型，并讨论了临床转化挑战与未来机遇	系统梳理了脓毒症预测模型从传统方法到多模态智能的演进路径，并提出了从算法精度到临床价值的转化框架	作为综述文章，未提出新的预测模型或进行原始数据分析	总结脓毒症预测模型的研究进展、挑战与未来方向	脓毒症预测模型及相关研究	机器学习	脓毒症	电子健康记录分析	梯度提升树, 随机森林, LSTM, Transformer	临床时间序列数据	NA	NA	NA	NA	NA
2954	2026-03-01	Deep learning-based head and neck deformable image registration using spatio-temporal analysis and self attention 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100928 PMID:41756517	研究论文	本研究提出了一种基于深度学习的头颈部可变形图像配准算法，用于放疗中的自适应治疗	结合了3D卷积神经网络、自注意力和卷积长短期记忆网络来建模时间变形，实现了快速且无需手动参数调优的双向配准	仅使用了60例头颈部癌症患者数据集，样本量相对有限，且未在更广泛的患者群体或不同癌症类型中进行验证	开发一种快速、准确且一致的可变形图像配准算法，以支持头颈部癌症放疗中的实时自适应工作流程和回顾性剂量累积	头颈部癌症患者的纵向成像数据，包括计划CT和每周锥形束CT	计算机视觉	头颈部癌症	锥形束CT成像	CNN, LSTM	图像	60例头颈部癌症患者数据集，其中50例用于训练，10例用于测试	NA	3D卷积神经网络, 自注意力, 卷积长短期记忆网络	Dice相似系数, Hausdorff距离, Jacobian分析	NA
2955	2026-03-01	Detection of monkeypox skin lesions using edge enhancement algorithms integrated with hybrid deep learning 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261415651 PMID:41756609	研究论文	本研究提出了一种轻量级深度学习框架，通过边缘增强算法和混合深度学习模型来检测猴痘皮肤病变	提出了一种新颖的边缘增强算法，结合对比度受限自适应直方图均衡化和双边滤波器来优化皮肤图像，并引入了一种新的混合深度学习模型DN-CXT（DenseNet121 + ConvNeXt-Tiny）	未在摘要中明确提及研究的局限性	开发一种创新的检测方法，以改进猴痘皮肤病变的检测，提高诊断效率并降低医疗人员的感染风险	猴痘皮肤病变的皮肤图像数据	计算机视觉	猴痘	数据增强、边缘增强算法（包括对比度受限自适应直方图均衡化和双边滤波器）	CNN	图像	NA	NA	DenseNet121, MobileNetV2, InceptionV3, ConvNeXt-Tiny, DN-CXT（DenseNet121 + ConvNeXt-Tiny）	准确率, F1分数, 精确率	NA
2956	2026-03-01	Estimating sorghum leaf dhurrin content using a handheld near infrared instrument 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1759377 PMID:41756654	研究论文	本研究评估了使用手持近红外光谱仪快速测量高粱叶片中dhurrin含量的可行性	首次将手持近红外光谱仪结合深度学习人工神经网络（ANNDL）用于高粱叶片dhurrin含量的快速估算，为植物育种提供了一种成本效益高的预筛选方法	无法基于新鲜叶片扫描建立有效模型，仅适用于干燥叶片；模型性能（R²约0.71-0.72）仍有提升空间	开发一种快速、低成本的高粱叶片dhurrin含量测量方法，以替代昂贵耗时的HPLC标准分析	高粱叶片（新鲜和干燥状态）中的dhurrin（一种氰苷类毒素）含量	机器学习	NA	近红外光谱法	PLS回归, BPNN, ANNDL	光谱数据	NA	NA	NA	R², RMSEP, 偏差	NA
2957	2026-03-01	Optimizing wearable IMU configurations for running gait analysis: a machine learning-based sensor fusion approach 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1762919 PMID:41757318	研究论文	本研究应用机器学习技术优化可穿戴惯性测量单元配置，通过传感器融合方法减少传感器数量而不牺牲跑步步态分析的准确性	首次系统量化运动链中的信息冗余，通过递归特征消除识别关键信号属性，提出基于生物力学优化的最小最优传感器子集配置	单节点配置无法有效检测步态不对称性，且研究仅针对休闲跑者在跑步机上的三种速度协议，未涵盖户外或不同技能水平跑者	优化可穿戴惯性测量单元配置，降低硬件复杂度同时保持跑步步态分析精度	25名休闲跑者在跑步机上进行三种速度（8、10、12 km/h）的跑步协议	机器学习	NA	惯性测量单元传感器融合，时间域和频率域特征提取	Random Forest, Linear Regression, LSTM	加速度计和陀螺仪原始信号	25名休闲跑者，在三种跑步速度下采集数据	Scikit-learn	Random Forest, Linear Regression, LSTM	R², MAPE	NA
2958	2026-03-01	A multi-scale network for thyroid segmentation and dose assessment in hyperthyroid patients with uncertainty quantification 2025-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70072 PMID:41126017	研究论文	本研究提出了一种多尺度深度学习模型MSRA-UNet++，用于甲状腺分割和剂量评估，并引入了不确定性量化模块以提高可靠性	首次将不确定性量化模块引入甲状腺功能亢进患者的CT图像分割过程，并结合患者特异性甲状腺体素模型与个体化放射性碘动力学数据评估吸收剂量	未明确说明临床数据集的样本量大小，且代码尚未发布，需等待验证	提高甲状腺功能亢进患者基于MIRD方案的吸收剂量计算的准确性和可靠性	甲状腺功能亢进患者的CT和MR图像	数字病理学	甲状腺功能亢进	CT, MR, 蒙特卡洛模拟	深度学习模型	图像	公开数据集HaN-Seg及临床数据集（具体样本量未明确）	PyTorch（基于代码发布链接推断）	UNet++, MSRA-UNet++	Dice相似系数, Hausdorff距离95%, Jaccard指数	NA
2959	2026-03-01	Clinical insights to improve medical deep learning design: A comprehensive review of methods and benefits 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110780 PMID:40782553	综述	本文全面回顾了医学深度学习设计中融入临床洞察的方法及其益处	系统性地调查了临床知识在深度学习设计各阶段的应用，特别是在三维CT图像数据中的整合方法	NA	探讨如何通过临床洞察提升医学深度学习模型的性能与可信度	三维CT图像数据及临床诊断过程	计算机视觉	NA	NA	深度学习模型	三维CT图像	基于400篇研究文章的调查，其中47篇详细分析	NA	NA	准确性、鲁棒性、可解释性	NA
2960	2026-03-01	Safe Breast Cancer Diagnosis Resilient to Mammographic Adversarial Samples 2025-Sep, Artificial Intelligence and Imaging for Diagnostic and Treatment Challenges in Breast Care : first Deep Breast Workshop, Deep-Breath 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, Proceedings. Deep-Bre... DOI:10.1007/978-3-031-77789-9_23 PMID:41756191	研究论文	本研究提出了一种新颖的对抗鲁棒特征学习方法，用于构建对对抗样本具有弹性的乳腺癌诊断模型	提出了一种结合特征相关性度量的对抗鲁棒特征学习方法，以促进对抗训练，鼓励学习鲁棒特征并抑制虚假特征	仅使用了两个独立临床数据集，可能需要在更广泛的数据集上进行验证	开发对对抗样本具有弹性且对标准数据保持准确的深度学习模型，以实现安全的乳腺癌诊断	乳腺X线摄影图像	计算机视觉	乳腺癌	NA	深度学习模型	图像	9,548张乳腺X线摄影图像	NA	NA	NA	NA