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
321	2026-02-14	Data-Augmented Deep Learning for Downhole Depth Sensing and Validation 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030775 PMID:41682291	研究论文	本文提出了一种集成到井下工具串中的系统，用于获取套管接箍定位器（CCL）测井数据以构建数据集，并提出了用于数据增强的综合预处理方法，以解决CCL数据有限条件下训练套管接箍识别模型的挑战	提出了一套综合的数据增强预处理方法（包括标准化、标签分布平滑、随机裁剪、标签平滑正则化、时间缩放和多重采样），并将其集成到井下工具串系统中，显著提升了模型在有限真实数据条件下的泛化能力	研究依赖于模拟或有限的实际CCL波形数据，数据增强方法在极端地质条件或工具异常情况下的有效性可能需要进一步验证	开发并评估用于井下深度传感和验证的数据增强深度学习方法，以提高套管接箍识别的准确性和模型泛化能力	井下套管接箍定位器（CCL）测井数据	机器学习	NA	套管接箍定位器（CCL）测井	神经网络	波形数据（时间序列数据）	未明确说明具体样本数量，但提及真实井数据有限，通过数据增强构建数据集	未明确说明	TAN模型, MAN模型	F1分数	NA
322	2026-02-14	Identification of Loading Location and Amplitude in Conductive Composite Materials via Deep Learning Method 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030779 PMID:41682294	研究论文	本研究开发了一种基于深度学习的自感知方法，用于识别树脂基导电复合材料中外部机械载荷的位置和幅度，采用简单的电极布局	提出了一种基于残差学习的CNN模型，用于在简单电极布局下准确识别载荷位置和幅度，超越了先前研究的误差值	NA	开发一种高效准确的复合材料结构健康监测方法，以识别外部机械载荷的位置和幅度	树脂基导电复合材料板及其在机械载荷下的边界电阻响应	机器学习	NA	电阻响应测量	CNN	电阻响应数据	NA	NA	基于残差学习的CNN	定位误差, 幅度误差	NA
323	2026-02-14	Application of Neural Network Automatic Event Detection for Reservoir-Triggered Seismicity Monitoring Networks 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030783 PMID:41682298	研究论文	本研究探讨了波兰和越南水库触发地震性（RTS）的监测，通过比较深度学习全局检测模型、迁移学习、专门设计的神经网络和手动检测方法，评估了自动事件检测在RTS网络中的应用效果	结合深度学习全局检测模型与迁移学习，针对RTS小数据集特点优化检测，并强调相位检测与关联在提升事件目录完整性中的作用	迁移学习效率依赖于数据库，且检测方法需结合手动检测才能达到最佳效果，自动或手动方法单独使用均不足够	提高水库触发地震性监测网络中地震事件的检测数量，以优化地震目录并支持触发过程研究	波兰和越南的水库触发地震性（RTS）事件	机器学习	NA	地震信号检测	神经网络	地震信号数据	数百个事件（小数据集）	NA	NA	检测灵敏度、特异性、事件定位参数	NA
324	2026-02-14	Recent Applications of Machine Learning Algorithms for Pesticide Analysis in Food Samples 2026-Jan-23, Foods (Basel, Switzerland) DOI:10.3390/foods15030415 PMID:41683002	综述	本文全面分析了当前基于机器学习的方法在食品样品农药残留分析中的应用	综述了机器学习算法（特别是监督学习算法如支持向量机、随机森林、提升方法和深度神经网络）与色谱、光谱和电化学平台结合，以提高信号解释和预测可靠性，并探讨了深度学习架构、迁移学习策略和便携式传感技术等新兴进展	讨论了当前挑战，包括训练数据有限、基质变异性大和监管约束	提高食品中农药残留检测的精度和效率，以保障食品安全和公共卫生	食品样品中的农药残留	机器学习	NA	色谱、光谱、电化学平台	支持向量机, 随机森林, 提升方法, 深度神经网络	分析数据（来自色谱、光谱、电化学平台）	NA	NA	NA	NA	NA
325	2026-02-14	Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36301-y PMID:41571740	研究论文	本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场	引入了变分自编码器结合傅里叶特征层，并加入感知损失项来学习流场的低维潜在表示，通过注意力网络关联传感器测量，提高了重建精度和泛化能力	未明确说明方法在极端流动条件或复杂几何形状下的适用性，且可能依赖于特定传感器配置	开发一种从稀疏传感器测量中准确重建流场的方法，以应对计算和实验流体力学中的挑战	流体流动场，包括不同雷诺数和传感器配置下的流场	机器学习	NA	深度学习，傅里叶特征提取	变分自编码器，注意力网络	传感器测量数据，流场数据	NA	NA	FLRNet	重建精度，鲁棒性	NA
326	2026-02-14	Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36895-3 PMID:41571775	研究论文	本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测	通过可穿戴设备实时监测生理和行为数据，并利用RNN模型分析时序模式，提高了早期检测的敏感性和准确性	未提及具体样本量或临床验证结果，可能缺乏大规模实际应用验证	开发一种非侵入性、实时监测的阿尔茨海默病早期检测系统	阿尔茨海默病患者或潜在风险人群的生理和行为数据	机器学习	阿尔茨海默病	可穿戴传感器数据采集	RNN	时序生理数据（心率、睡眠习惯、身体活动）	NA	NA	RNN	敏感性, 准确性	NA
327	2026-02-14	An integrated deep learning framework leveraging NASNet and vision transformer with MixProcessing for accurate and precise diagnosis of lung diseases 2026-Jan-22, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2026.100394 PMID:41580084	研究论文	本研究提出了一种名为NASNet-ViT的新型深度学习框架，结合NASNet的卷积特征提取与Vision Transformer的全局注意力机制，用于准确诊断肺部疾病	提出了一种集成NASNet和Vision Transformer的深度学习框架，并引入名为MixProcessing的多阶段预处理流程，以提高图像质量和特征清晰度	NA	开发一个准确、轻量且快速的深度学习模型，用于实时、资源受限的临床环境中诊断肺部疾病	肺部图像	计算机视觉	肺癌	深度学习	CNN, Transformer	图像	NA	NA	NASNet, Vision Transformer	准确率, 灵敏度, F1分数, 特异性	NA
328	2026-02-14	Harnessing artificial intelligence for genomic variant prediction: advances, challenges, and future directions 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag004 PMID:41518203	综述	本文综述了人工智能在基因组变异预测领域的应用进展、挑战及未来方向	系统评估了从传统规则系统到现代机器学习、深度学习和蛋白质语言模型的演变，并提出了改进预测器选择、多组学数据整合和计算工作流程的策略	面临数据异质性、模型可解释性以及意义未明变异持续存在等关键挑战	旨在提升基因组变异解释的准确性，以促进疾病研究和靶向治疗的发展	基因组变异及其预测模型	机器学习	NA	多组学数据整合	机器学习, 深度学习, 蛋白质语言模型	多模态基因组数据	NA	NA	NA	预测准确性	NA
329	2026-02-14	Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35540-3 PMID:41565887	研究论文	本文提出了一种用于视网膜眼底图像去噪的量子去噪自编码器（QDAE），以提升早期糖尿病视网膜病变筛查的图像质量	提出了一种混合量子-经典架构，在潜空间中使用参数化量子电路进行卷积特征编码，利用量子叠加和纠缠来改进潜表示，从而提升去噪和视网膜细节保留能力	与浅层量子电路相关的轻微计算开销	提升视网膜眼底图像质量以用于早期糖尿病视网膜病变筛查	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	量子计算	自编码器	图像	NA	NA	Quantum Denoising Autoencoder (QDAE)	PSNR, SSIM, AMI	NA
330	2026-02-14	Validation of histopathology-based deep learning algorithms for detection of actionable non-small cell lung cancer biomarkers 2026-Jan-20, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01267-z PMID:41554849	研究论文	本研究验证了基于组织病理学图像和深度学习算法检测非小细胞肺癌中EGFR、ALK、BRAF和MET等可操作生物标志物的性能	利用数字病理基础模型CanvOI 1.1直接从H&E染色组织切片中识别多种NSCLC生物标志物，特别是识别无EGFR或ALK驱动基因改变的肿瘤	研究未详细讨论模型在临床实践中的整合挑战或外部验证的广泛性	开发并验证深度学习工具以辅助NSCLC生物标志物检测，支持更明智的临床决策	非小细胞肺癌患者的H&E染色组织切片	数字病理	肺癌	H&E染色组织病理学	深度学习分类器	图像	968个NSCLC样本的独立验证数据集	NA	CanvOI 1.1（数字病理基础模型）	AUC	NA
331	2026-02-14	Deep learning analysis of particle content in extracted slow-release morphine: longer boiling reduces large fragments while retaining morphine extraction 2026-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35870-2 PMID:41554914	研究论文	本研究评估了不同方法从缓释吗啡片中提取吗啡的效率及滤液中颗粒物含量，旨在为减少注射相关危害提供证据	首次结合深度学习和图像分析技术，系统量化了不同提取方法对滤液中颗粒物大小和密度的影响	研究仅针对特定品牌（Dolcontin）的60 mg片剂，未涵盖其他药物或剂量，且样本量有限	评估注射吸毒者常用的吗啡提取方法对颗粒物污染的影响，以支持减少危害的服务设计	从缓释吗啡片（Dolcontin 60 mg）提取的滤液	数字病理学	NA	LC-MS/MS, 玻片扫描, 深度学习分割, QuPath图像分析	深度学习	图像	四种提取方法（A、B、C、D）的滤液样本	NA	NA	吗啡回收率, 颗粒物密度（按大小分类）	NA
332	2026-02-14	PAIRWISE: Deep Learning-based Prediction of Effective Personalized Drug Combinations in Cancer 2026-Jan-19, Research square DOI:10.21203/rs.3.rs-8518203/v1 PMID:41646323	研究论文	本研究开发了一种名为PAIRWISE的深度学习模型，用于预测针对特定癌症亚型或个体患者的有效个性化药物组合	结合深度学习与迁移学习，整合先验科学知识，并基于肿瘤特异性转录组谱预测药物协同作用，能对癌细胞系或个体肿瘤样本的药物组合协同效应进行显式建模	未明确说明模型在更广泛癌症类型或临床样本中的泛化能力，以及计算资源需求	开发一种计算工具，以优先筛选针对癌症的候选个性化药物组合，提高治疗效果并防止复发	癌细胞系（包括弥漫性大B细胞淋巴瘤细胞系）和个体肿瘤样本	机器学习	癌症	转录组分析	深度学习	转录组数据、药物化学结构数据、药物靶点数据	未在摘要中明确总样本数，但涉及癌细胞系数据集和8个非霍奇金淋巴瘤细胞系的验证	NA	NA	AUROC	NA
333	2026-02-14	Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model 2026-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36747-0 PMID:41549127	研究论文	本研究提出了一种基于注意力特征卷积神经网络（AFCNN）的模型，用于实时识别大学外语课堂中学生的情绪变化，为教师提供及时的教学反馈，并探索外语教师的专业发展路径	引入了AFCNN模型进行教育情感分析，结合心理情感分析为外语教师专业发展提供新视角，并验证了模型在遮挡情况下的鲁棒性	模型在学生面部被遮挡时识别准确率可能下降，且仅针对快乐和中性两种情绪识别效果较好	探索基于深度学习的学生情绪识别与教师教学反馈在外语课堂中的应用，以支持外语教师的专业发展	大学外语课堂中的学生情绪变化及外语教师的教学反馈	计算机视觉	NA	深度学习	CNN	图像	NA	NA	AFCNN, VGG16, ResNet18	识别准确率	NA
334	2026-02-14	Integrating multiomics data using a correlation based graph attention network for subtype classification in lower grade glioma 2026-Jan-16, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04428-z PMID:41543639	研究论文	本研究提出了一种名为BioGAT-LGG的深度学习框架，通过基于相关性的图注意力网络整合多组学数据，用于低级别胶质瘤亚型分类和生物标志物发现	BioGAT-LGG构建基因驱动的相关性图，无需依赖外部生物先验知识，能够学习有生物学意义的分子相互作用，提高了特征可解释性	未明确提及具体局限性	开发一个深度学习框架，整合多组学数据进行低级别胶质瘤亚型分类和生物标志物发现	低级别胶质瘤（LGG）	机器学习	胶质瘤	mRNA测序, miRNA测序, DNA甲基化测序	GATv2	多组学数据	未明确提及具体样本数量	未明确提及	GATv2	准确率, 精确率, 召回率, F1分数	未明确提及
335	2026-01-18	Automated detection of giant cell arteritis from temporal artery biopsy specimens using deep learning approaches 2026-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34962-9 PMID:41545410	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
336	2026-02-14	The peak shifting electricity consumption management and influencing factors of smart grid from recurrent neural network model and deep learning 2026-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35754-5 PMID:41545555	研究论文	本研究利用循环神经网络模型和电力消耗管理模型，对智能电网中的峰谷转移电力消耗进行有效管理及影响因素分析	提出了一种基于循环神经网络的峰谷转移电力消耗管理方法，该方法在智能电网的应用与研究中具有突破性效果	NA	实现智能电网中峰谷转移电力消耗的有效管理并分析其影响因素	智能电网的电力消耗数据	机器学习	NA	NA	RNN	时间序列数据	NA	NA	RNN	MSE, MAE, MAPE	NA
337	2026-01-18	Multiparametric MRI-based habitat analysis integrating deep learning and radiomics for predicting preoperative Ki-67 expression level in breast cancer 2026-Jan-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02151-3 PMID:41545974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
338	2026-02-14	A Deep Learning Model for Dynamic Prediction of Acute Kidney Injury in Heart Failure Patients 2026-Jan-16, The Canadian journal of cardiology DOI:10.1016/j.cjca.2026.01.011 PMID:41548653	研究论文	本研究开发并验证了一种用于心力衰竭患者急性肾损伤动态预测的深度学习模型	提出了一种结合动态焦点损失的长短期记忆模型，用于处理类别不平衡问题，并设计了短期和长期两种动态预测视角	NA	开发并验证心力衰竭患者急性肾损伤的动态预测模型	心力衰竭患者	机器学习	心血管疾病	NA	LSTM	临床数据	7636名心力衰竭患者	NA	长短期记忆模型	AUC	NA
339	2026-02-14	Accelerated brain aging in amyotrophic lateral sclerosis and its prognostic associations: a cohort study 2026-Jan-15, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04631-3 PMID:41535829	研究论文	本研究利用深度学习模型评估肌萎缩侧索硬化症（ALS）患者的大脑加速衰老现象，并探讨其与神经解剖学、基因表达、认知功能及生存预后的关联	首次在ALS患者中系统量化大脑加速衰老程度，结合细胞特异性基因表达分析揭示微血管和神经炎症在加速衰老中的作用，并证实大脑年龄是独立的死亡风险预测因子	样本量相对有限（170例ALS患者），研究为横断面设计，因果关系推断需纵向数据验证	探究ALS患者大脑加速衰老的神经机制及其对临床预后的预测价值	散发性ALS患者（170例）和年龄性别匹配的健康对照（84例）	数字病理学	肌萎缩侧索硬化症	T1加权磁共振成像（MRI）、转录组数据分析	深度学习模型	MRI图像、基因表达数据	170例ALS患者，84例健康对照，以及4310例公开数据集的健康MRI数据用于模型训练	PyTorch（基于3D-Conformer框架推断）	3D-Conformer	预测年龄差异（PAD）、风险比（HR）、置信区间（CI）	未明确指定，推断使用GPU进行深度学习训练（如NVIDIA系列）
340	2026-02-14	Prospective study assessing the validity of accelerated 2D Fast Spin Echo (2D FSE) based high-resolution knee MRI and T2 mapping using deep learning reconstruction 2026-Jan-15, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09482-2 PMID:41540386	研究论文	本研究评估了使用深度学习重建的加速高分辨率2D快速自旋回波膝关节MRI和T2映射序列的图像质量与诊断性能	首次将深度学习重建技术应用于加速的2D FSE膝关节MRI协议，并结合T2映射序列，以在临床可行扫描时间内提供更高质量的图像和定量数据	样本量相对较小（92例患者），且为单中心研究，需要更大规模的多中心验证	评估深度学习重建加速的膝关节MRI协议在检测软骨病变方面的诊断性能	膝关节MRI图像，特别是软骨病变	医学影像分析	膝关节损伤	2D快速自旋回波MRI，T2映射序列，深度学习重建	深度学习重建模型	MRI图像	92例患者，其中39例接受了T2映射和关节镜检查	NA	NA	AUC, SNR, CNR, Cohen's κ, 受试者工作特征曲线	3.0T MRI扫描仪