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
3361	2026-02-28	Deep learning approaches for dislocation segmentation in TEM 2026-Feb-23, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2026.114334 PMID:41747437	研究论文	本文提出多种深度学习方法，用于在透射电子显微镜图像中实现位错分割，以促进材料分析	结合全监督学习、半监督学习及无监督学习（领域适应），并利用边界类型损失函数和合成图像增强特征描述	合成图像到真实图像的特征知识转移困难，导致性能较低	开发深度学习方法来简化TEM图像中的位错分割，以支持材料力学性能分析	多种材料和成像条件下的透射电子显微镜图像	计算机视觉	NA	透射电子显微镜成像	编码器-解码器神经网络	图像	内部大型未标记数据集及合成图像数据集	NA	编码器-解码器	评估指标（未具体说明，如准确率、召回率等）	NA
3362	2026-02-28	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-Feb-23, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用从EEG信号中提取的庞加莱图特征来区分多发性硬化症患者与健康个体	首次将EEG信号的庞加莱图特征用于多发性硬化症的诊断，并比较了传统机器学习与深度学习模型在不同EEG子频带上的分类性能	样本量有限（仅50名受试者），结果仅为初步发现，需要更大规模和更多样化的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者与健康对照者的EEG信号	机器学习	多发性硬化症	EEG信号处理，庞加莱图分析	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	多层感知机, CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA
3363	2026-02-28	DecoyFinderNetAna: Application of Graph Convolution Neural Networks for Accurate Classification of True Small Molecule Binders from their Decoys 2026-Feb-23, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099429333260113070143 PMID:41755405	研究论文	本研究介绍并评估了DecoyFinderNetAna，一种基于图卷积神经网络的方法，用于从化合物库中区分真实配体与诱饵，旨在提高早期虚拟筛选的准确性	开发了一种基于图卷积神经网络的创新方法，用于准确分类真实小分子结合剂与诱饵，并通过分子对接和分子动力学模拟进行验证，展示了在药物发现中替代传统基于物理方法的潜力	研究主要基于DUD-E数据库的85个蛋白质靶点进行训练，可能未涵盖所有类型的化合物或靶点，且案例研究仅针对结核分枝杆菌胸苷酸激酶，泛化能力需进一步验证	提高早期虚拟筛选的准确性，区分真实配体与诱饵，以加速药物发现流程	小分子化合物，特别是从DUD-E数据库获取的85个蛋白质靶点相关的配体与诱饵	机器学习	结核病	分子对接，分子动力学模拟	GCNN	分子图数据	85个蛋白质靶点，涉及102个蛋白质靶点的评估	NA	图卷积神经网络	灵敏度，特异性，AUC，精确度，召回率	NA
3364	2026-02-28	A novel framework integrating a coupled mixing rule with deep learning for toxicity prediction and environmental risk assessment of antibiotic mixtures 2026-Feb-22, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124079 PMID:41734879	研究论文	本研究开发了一种结合耦合混合规则与Transformer-DNN深度学习模型的新框架，用于抗生素混合物毒性的多任务预测和环境风险评估	创新性地提出了耦合混合规则以优化混合物描述符构建，并首次将Transformer架构与深度神经网络结合用于抗生素混合物毒性的多任务预测	未明确说明模型在更广泛环境污染物或更复杂混合物体系中的泛化能力	开发高精度预测抗生素混合物毒性的模型，并将其应用于环境风险评估	环境中的抗生素混合物	机器学习	NA	NA	Transformer, DNN	化学结构描述符数据	NA	NA	Transformer-DNN	预测准确率, 相关系数R, 预测误差	NA
3365	2026-02-28	Adaptive TFM imaging with multi-stage channel optimization for enhanced defect characterization in coarse-grained materials 2026-Feb-22, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108022 PMID:41740453	研究论文	本文提出了一种自适应全聚焦方法，通过多阶段通道优化来增强粗晶材料中的缺陷表征能力	提出了一种称为多步通道优化全聚焦方法的新方法，该方法依次在接收器、发射器和单个A扫描通道上进行分层通道优化，无需高质量训练数据或先验环境知识，并能有效补偿缺陷与基线数据之间的时空错位	未明确提及具体局限性	增强粗晶材料中微小亚波长裂纹和陡峭倾斜裂纹的超声无损检测与表征	多晶材料中的缺陷，特别是亚波长裂纹和陡峭倾斜裂纹	机器视觉	NA	超声无损测试，全矩阵捕获	NA	超声阵列采集的全矩阵捕获数据集	五个代表性缺陷（一个亚波长裂纹和四个陡峭倾斜裂纹）	NA	NA	信噪比，6分贝尺寸测量法	NA
3366	2026-02-28	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Feb-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	通过构建双流信息瓶颈模块，将中间特征激活分解为判别性特征流和任务无关噪声流，并基于互信息最大化分配权重系数，从而生成可靠的视觉解释	NA	增强视觉神经网络决策的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	变分推断	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
3367	2026-02-28	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Feb-20, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了一种基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct及有创FFR进行比较	提出并验证了一种现场、快速的CT-FFR算法（xFFR），结合了深度学习和流体动力学，减少了对外部平台的依赖和处理延迟	单中心前瞻性研究，样本量有限（250例），需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法（xFFR）在冠状动脉疾病诊断中的性能，并与现有场外FFRct及有创FFR标准进行比较	250名有症状的中高危冠状动脉疾病风险患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影（CTA），深度学习和流体动力学算法	深度学习	医学图像（CT影像）	250例患者	NA	NA	AUC（曲线下面积），灵敏度，特异性，准确度，Spearman相关系数，Cohen's κ	NA
3368	2026-02-28	Emerging light-based strategies in cancer theranostics: Photodynamic therapy, nanomedicine, and precision oncology 2026-Feb-19, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101150 PMID:41747470	综述	本文综述了人工智能在光疗和光动力疗法等光基癌症治疗策略中的整合应用，以提升治疗精准性和个性化	探讨了AI在光基治疗中的新兴角色，特别是在增强靶向、实时监测、个性化治疗规划和药物发现方面的创新应用	AI在光疗和光动力疗法中的应用仍处于早期阶段，未来需进一步发展和验证	研究人工智能如何优化光基癌症治疗策略，包括光疗和光动力疗法，以实现精准和个性化治疗	光疗和光动力疗法在癌症治疗中的应用，以及AI技术在这些疗法中的整合	医学人工智能	癌症	光疗，光动力疗法，光学成像	深度学习模型	肿瘤影像数据，患者历史数据，遗传数据，治疗反应数据	NA	NA	NA	准确性，肿瘤检测准确率约90-95%，边缘勾画/分割准确率约85-95%	NA
3369	2026-02-28	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Feb-18, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，旨在通过理论框架提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架设计了归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在更大规模数据集或更复杂模型架构上的潜在限制	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA
3370	2026-02-28	Enhancing uncertainty assessment in dynamic PET imaging with residual permutation and clustering 2026-Feb-16, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103997 PMID:41747527	研究论文	本文提出了一种基于聚类残差置换的框架，用于动态PET成像中的不确定性量化	提出了一种无分布、无需训练、计算高效的新方法，通过在同质动力学簇内置换拟合残差来生成伪时间-活度曲线，避免了噪声在异质区域间的错误分配	未明确提及具体局限性，但暗示该方法在计算效率和避免大数据需求方面优于现有方法	为动态PET成像中的动力学参数提供可靠的不确定性量化，以提升疾病诊断和治疗监测的可靠性	动态PET成像数据，包括模拟数据（时间-活度曲线和XCAT-OSEM重建）和临床全身PET数据	医学影像分析	NA	动态PET成像，动力学参数估计	NA	图像，时间序列数据	模拟数据和临床全身PET数据（未指定具体数量）	NA	NA	不确定性估计与噪声水平的一致性，动力学参数间物理差异的保持	NA
3371	2026-02-28	Incorporating global-local tissue changes to predict future breast cancer from longitudinal screening mammograms 2026-Feb-16, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103990 PMID:41747525	研究论文	本研究提出了一种结合局部到全局多尺度纵向组织变化的新型框架TA-BreaCR，用于预测未来乳腺癌风险和发病时间	整合局部到全局多尺度纵向组织变化，并显式建模乳腺癌事件的时间顺序关系，实现风险分类和时间预测的联合预测	未在摘要中明确说明	提高乳腺癌风险预测的准确性和可解释性，以支持个性化筛查策略	乳腺癌筛查中的乳腺X线摄影图像	数字病理学	乳腺癌	乳腺X线摄影	深度学习模型	图像	两个数据集（内部数据集和EMBED数据集），具体样本数量未在摘要中提供	NA	TA-BreaCR	风险分类和时间到事件预测任务的性能指标，具体指标未在摘要中列出	NA
3372	2026-02-28	Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review 2026-Feb-10, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101136 PMID:41740538	综述	本文是一篇范围综述，评估了当前文献中整合多组学数据（如转录组学、基因组学、蛋白质组学）并应用机器学习/深度学习进行癌症知识发现的各种方法的有效性	系统性地总结了70项研究中多组学整合与ML/DL在癌症预测、亚型分类等任务中的应用，识别了关键主题和知识空白，强调了整合方法标准化的重要性	纳入研究在设计和数据类型上存在显著多样性，导致研究间难以直接比较	评估多组学整合与机器学习/深度学习在癌症研究中的有效性，并总结现有方法、识别知识差距	癌症研究中的多组学数据整合与机器学习/深度学习应用	机器学习	癌症	多组学整合（转录组学、基因组学、蛋白质组学）	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
3373	2026-02-28	MICCAI STS 2024 challenge: Semi-supervised instance-level tooth segmentation in panoramic X-ray and CBCT images 2026-Feb-09, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103986 PMID:41740303	研究论文	本文介绍了MICCAI STS 2024挑战赛，旨在通过半监督学习解决全景X射线和CBCT图像中牙齿实例级分割的数据稀缺问题	组织大规模半监督牙齿分割挑战赛，提供包含超过90,000张图像的大型数据集，并证明半监督学习方法在标注数据稀缺情况下能显著超越全监督基线模型	挑战赛主要评估提交的算法，未深入探讨所有方法的通用性或在更广泛临床场景中的适用性	基准测试并推进半监督学习在医学图像分割中的应用，以解决标注数据稀缺问题	牙齿实例级分割	数字病理	NA	半监督学习	深度学习	图像	超过90,000张2D图像和3D轴向切片，包括2380张OPG图像和330个CBCT扫描	PyTorch	nnU-Net, SAM	Instance Affinity (IA) 分数, Instance Dice 分数	NA
3374	2026-02-28	Hyperparameter optimization to enhance the performance of deep learning models for the early detection of invasive turtles in Korea 2026-Feb-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37636-2 PMID:41651916	研究论文	本研究通过超参数优化开发深度学习模型，用于从图像中检测和分类韩国的六种入侵龟类物种	将超参数优化（包括优化器选择和超参数调优）应用于入侵龟类的早期检测任务，以提升深度学习模型的性能	NA	通过优化深度学习模型的训练设置，提高入侵龟类物种的自动检测和分类性能，以支持早期检测和管理	韩国的六种入侵淡水龟类物种	计算机视觉	NA	NA	目标检测模型	图像	NA	NA	NA	平均精度均值（mAP@0.5, mAP@0.5:0.95）, 分类准确率	NA
3375	2026-02-28	High throughput quantitative tracking of Plasmodium falciparum clonal blood stage parasite growth and applications for antimalarial drug discovery 2026-Feb-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.30.691439 PMID:41676625	研究论文	本文开发了一种名为qTRACE的高通量定量追踪方法，结合人工智能模型，用于在单寄生虫分辨率下同时评估抗疟药物的细胞毒性和细胞静态效应	开发了qTRACE方法，首次在单寄生虫分辨率下同时评估药物效应，并揭示了青蒿素诱导休眠与复燃之间的因果关系	未明确说明方法在非疟原虫系统或更广泛药物筛选中的适用性	开发高通量定量追踪方法以评估抗疟药物的全面效应并区分混合种群中的异质性	恶性疟原虫克隆血液阶段寄生虫	数字病理学	疟疾	高通量定量追踪、人工智能分析、深度学习分割	深度学习	无标记活体寄生虫的时间推移图像	NA	NA	NA	NA	NA
3376	2026-02-28	Deep learning to predict left ventricular hypertrophy from the electrocardiogram 2026-Feb-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euag015 PMID:41589068	研究论文	本研究开发了一种深度学习模型，利用心电图和临床变量预测左心室肥厚，并在UK Biobank和SHIP队列中进行了评估	采用全卷积网络架构，结合心电图和临床变量预测左心室质量指数，相比之前的方法在AUROC上取得了显著提升（0.97），并进行了外部验证	模型在外部验证队列SHIP中的泛化能力有限（AUROC 0.78），可能受临床特征、心电图采集和CMR标注差异的影响	开发一种基于深度学习的可扩展筛查工具，用于从心电图预测左心室肥厚	UK Biobank和SHIP研究中的参与者心电图数据	机器学习	心血管疾病	心脏磁共振成像	深度学习模型	心电图信号, 临床变量	UK Biobank 48,835名参与者，其中717名有左心室肥厚；SHIP 1,423名参与者	NA	全卷积网络	AUROC	NA
3377	2026-02-28	Development and validation of a deep learning-based algorithm for quantifying bronchiolitis obliterans in paediatric computed tomography 2026-Feb-01, The British journal of radiology DOI:10.1093/bjr/tqaf268 PMID:41160488	研究论文	本研究开发并验证了一种基于深度学习的算法，用于在儿科胸部CT上量化闭塞性细支气管炎	首次提出使用3D nnU-Net深度学习模型对儿科CT中的闭塞性细支气管炎进行量化，并在不同重建方法、卷积核类型和层厚下展示了良好的鲁棒性	研究为回顾性设计，样本量相对较小（86名儿童），且仅针对单一疾病（闭塞性细支气管炎）进行验证	开发并验证一种基于深度学习的算法，用于在儿科CT上自动量化闭塞性细支气管炎	被诊断为闭塞性细支气管炎的儿科患者及其胸部CT扫描图像	数字病理学	闭塞性细支气管炎	CT扫描	深度学习	3D CT图像	86名儿童（39名男性，中位年龄10岁）的CT扫描，包括训练集26例、内部测试4例、外部测试6例、鲁棒性评估22例和对比评估28例	PyTorch	3D nnU-Net	Dice相似系数, 灵敏度, 精确度	未明确指定，但基于深度学习模型推断可能使用GPU（如NVIDIA系列）
3378	2026-02-28	SMF-DETR: An Efficient Lightweight Detection Transformer for Real-Time Bearing Surface Defect Detection 2026-Feb, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70156 PMID:41319189	研究论文	本文提出了一种基于StarNet-MEIS-FDConv-detection transformer的高效轻量级检测算法SMF-DETR，用于实时轴承表面缺陷检测	在骨干网络中采用元素级乘法运算实现高维特征映射，引入多尺度边缘信息选择机制和频域动态卷积，在降低计算复杂度的同时提升小缺陷检测能力	未明确说明算法在更复杂工业场景或极端光照条件下的鲁棒性	开发一种高效轻量的实时轴承表面缺陷检测算法，以解决现有方法精度低、计算复杂和难以部署到边缘设备的问题	轴承表面缺陷	计算机视觉	NA	NA	Transformer	图像	自定义轴承缺陷数据集、公开轴承缺陷检测数据集和PASCAL VOC数据集	NA	DETR	mAP@50, 准确率, FPS	桌面系统和嵌入式RK3588平台
3379	2026-02-28	Ultrasound of lung parenchyma-current state and future 2026-Feb-01, The British journal of radiology DOI:10.1093/bjr/tqaf288 PMID:41330697	综述	本文综述了胸部超声在评估肺实质方面的当前应用、诊断局限性及未来发展	探讨了深度学习在增强胸部超声辅助诊断中的新兴应用潜力，并强调了COVID-19大流行如何扩展了肺实质超声从诊断到监测的范围	缺乏关于能力评估和教育的共识	为读者提供胸部超声在肺实质评估中的当前使用和诊断局限性的重点概述，并展望未来发展	肺实质	数字病理学	肺癌	胸部超声	深度学习	超声图像	NA	NA	NA	NA	NA
3380	2026-02-28	Chemistry-informed deep learning model for predicting stereoselectivity and absolute configuration in asymmetric hydrogenation 2026-Feb, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00920-8 PMID:41350458	研究论文	本文介绍了一种基于反应机制的深度学习模型ChemAHNet，用于预测烯烃不对称氢化中的立体选择性和绝对构型	ChemAHNet通过三个结构感知模块，首次实现了对具有两个前手性位点的烯烃不对称氢化反应中立体选择性和绝对构型的同步预测，且仅需简化分子输入行条目系统输入，无需预定义描述符	未明确提及具体局限性	开发一种化学信息化的深度学习模型，以克服现有模型在预测烯烃不对称氢化反应立体选择性和绝对构型方面的限制	烯烃不对称氢化反应，涉及多种催化剂和底物	机器学习	NA	深度学习	深度学习模型	简化分子输入行条目系统	NA	NA	Chemistry-Informed Asymmetric Hydrogenation Network	NA	NA