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
3701	2026-02-19	Deep Learning-Based Detection of Papilledema on Retinal Photographs From Handheld Cameras: A Prospective Study 2026-Mar-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002394 PMID:40867029	研究论文	本研究评估了一种深度学习系统在手持相机采集的视网膜照片上检测视盘水肿和其他视神经病变的性能	首次在大型前瞻性数据集中使用深度学习系统对手持非散瞳相机采集的视网膜照片进行视盘水肿检测，并实现了优异的诊断性能	研究主要基于特定手持相机（Aurora, Optomed, Finland）采集的数据，可能在其他设备或条件下的泛化能力有待验证	评估深度学习系统在神经眼科临床环境中自动检测视盘水肿和其他视神经病变的准确性和可行性	视网膜照片，包括来自全球31个中心的20,533张照片（10,647名患者）	计算机视觉	视神经病变	视网膜摄影	深度学习系统	图像	20,533张视网膜照片（10,647名患者），包括18,981张散瞳照片（9,830名患者）用于训练和内部验证，1,552张前瞻性采集的非散瞳照片（817名患者）用于外部测试	NA	NA	AUC, 敏感性, 特异性, 准确率	NA
3702	2026-02-19	AI-driven emotional intelligence in piano education: Deep learning models for expressive performance coaching 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106264 PMID:41558311	研究论文	本研究开发了一个基于AI的钢琴演奏表现力评估系统，通过对比实验验证了AI反馈在提升学生钢琴演奏情感表达方面的有效性	首次将现代BiLSTM注意力技术应用于钢琴演奏表现力分析，并设计了结合客观分析与专家评估的混合评分系统进行实证研究	研究样本仅限中国本科生，年龄范围较窄（18-22岁），且训练周期仅为三个月	评估AI驱动的反馈系统是否能比传统教学更有效地提升钢琴演奏的表现力	290名中国本科钢琴专业学生	机器学习	NA	深度学习	BiLSTM	音频	290名本科生（实验组145人，对照组145人）	NA	BiLSTM with attention	混合100分评分系统，效应量d值	NA
3703	2026-02-19	Automated Nonperfusion Quantification in Diabetic Retinopathy on Ultra-Widefield Swept-Source OCT Angiography 2026-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101059 PMID:41704649	研究论文	本研究开发了一种基于多尺度U-Net的深度学习算法，用于在超广角扫频源OCTA图像上自动分割无灌注区，并评估其在糖尿病视网膜病变严重程度分级中的效用	首次在超广角扫频源OCTA上应用带有挤压-激励注意力的多尺度U-Net进行无灌注区自动分割，并整合结构OCT图像以区分真实无灌注区与阴影伪影	研究为横断面设计，未进行纵向验证；样本量相对有限（180只眼）	开发自动化算法用于糖尿病视网膜病变中无灌注区的定量分析	糖尿病视网膜病变患者的超广角扫频源OCTA图像	数字病理学	糖尿病视网膜病变	超广角扫频源OCT血管成像	CNN	图像	122名参与者的180只眼，涵盖所有糖尿病视网膜病变严重程度分级	未明确提及	多尺度U-Net	F1分数, Bland-Altman分析, 组内相关系数	NA
3704	2026-02-19	A multicenter multimodel habitat radiomics model for predicting immunotherapy response in advanced NSCLC 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114522 PMID:41704757	研究论文	本研究开发了一种基于CT图像的栖息地放射组学模型，用于预测晚期非小细胞肺癌患者的免疫治疗反应	通过K-means聚类将肿瘤体积分割为三个子区域，并基于栖息地提取放射组学特征，构建了优于传统放射组学、3D深度学习、临床及PD-L1表达模型的预测模型	模型在增强CT图像上构建，但在非增强CT验证队列中表现良好，可能存在跨模态泛化能力的局限性；未提及外部验证或前瞻性研究	开发一种稳健的预测生物标志物，以识别可能从免疫治疗中获益的晚期非小细胞肺癌患者	晚期非小细胞肺癌患者	数字病理学	肺癌	CT成像，K-means聚类	机器学习分类器（包括ExtraTrees）	CT图像	590例晚期非小细胞肺癌病例	NA	ExtraTrees，其他五种机器学习分类器未具体说明	AUC	NA
3705	2026-02-19	Evaluating deep learning time series models for PM2.5 forecasting across diverse horizons 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114770 PMID:41704768	研究论文	本研究评估了四种深度学习时间序列模型在成都地区PM2.5多时间尺度预测中的性能	首次系统比较了LSTM、CNN-LSTM、Transformer和Transformer-LSTM在PM2.5多时间尺度（月、季、半年、年）预测中的表现，并深入分析了气象因子与污染物因子对模型性能的影响差异	研究仅基于成都地区两年数据，结论的普适性需在其他地理气候区域验证；训练数据与预测期间超过三个月的间隔会导致模型可靠性下降	评估深度学习时间序列模型在不同预测时间尺度下对PM2.5浓度的预测能力，为城市空气污染防控提供数据支持	中国成都地区的PM2.5浓度时间序列数据	机器学习	NA	时间序列分析	LSTM, CNN-LSTM, Transformer, Transformer-LSTM	时间序列数据	两年每日数据（2022年11月至2024年10月）	NA	LSTM, CNN-LSTM, Transformer, Transformer-LSTM	R², MAE%, RMSE%	NA
3706	2026-02-19	Deep learning-driven microfluidic chip architecture design for intelligent particle motion control 2026-Feb-17, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01185j PMID:41589320	研究论文	本文介绍了一种模块化深度学习框架，用于微流控芯片架构设计，实现智能粒子运动控制	提出模块化深度学习框架，将微流控通道网络分解为标准化的可重用功能模块，并开发多模块重构算法以组装局部预测为连续轨迹	未明确提及研究的具体局限性	开发一种能够快速将指定粒子轨迹转化为可制造微流控设备设计的智能方法	微流控通道网络中的粒子运动	机器学习	NA	深度学习	神经网络	流体和结构属性数据	涉及5000个模块的集成	NA	NA	平均绝对时间误差	NA
3707	2026-02-19	FastCCS: A Deep Learning Framework for Accurate Collision Cross-Section Prediction from SMILES with Broad Applications in Cheminformatics and Omics 2026-Feb-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06101 PMID:41700746	研究论文	本文提出了一种名为FastCCS的深度学习框架，用于直接从SMILES字符串和离子加合物类型准确预测碰撞截面值	开发了首个直接从SMILES字符串预测CCS的深度学习系统，使用了化学多样性最广的数据集，涵盖26种离子加合物状态	未明确提及具体局限性	开发准确预测碰撞截面值的深度学习框架，以改进复杂样品中化合物的鉴定	23,636个经过筛选的分子结构及其碰撞截面值	机器学习	NA	离子淌度质谱	深度学习	化学结构数据	23,636个分子结构	NA	NA	中位数相对误差	NA
3708	2026-02-19	Design and Optimization of Full-Stokes Hyperspectro-Polarimetric Encoding Metasurfaces Based on Conditional Multi-Task Deep Learning 2026-Feb-17, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202523143 PMID:41700775	研究论文	提出一种基于条件多任务深度学习的端到端框架，用于设计和优化全斯托克斯高光谱偏振编码超表面，以提高设计效率和宽带精度	将物理编码约束整合到超表面设计过程中，通过条件多任务学习建立按需设计范式，直接生成具有受控编码独立性的结构，并开发了结合前向预测和相关性条件逆向设计网络的超表面阵列筛选策略	未明确提及具体限制，但可能涉及实验验证仅限于4×4阵列，以及方法在更大规模或更复杂配置中的泛化能力有待进一步验证	设计和优化全斯托克斯高光谱偏振编码超表面，以实现高性能和高度集成的多维光学系统	全斯托克斯高光谱偏振编码超表面及其阵列	机器学习	NA	条件多任务深度学习	深度学习框架	超表面结构数据	设计了4×4、6×6、8×8和10×10尺寸的超表面阵列，并实验验证了4×4阵列	未明确指定，可能为TensorFlow或PyTorch	条件多任务学习网络	相关性降低百分比（平均Relevances reductions），光谱分辨率	NA
3709	2026-02-19	Characterizing yield through wheat's perception of chronological progression: a multi-omics plant-time warping approach 2026-Feb-17, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag085 PMID:41700846	研究论文	本文提出了一种名为植物时间扭曲（PTW）的深度学习模型，通过整合高通量表型数据、基因组和环境信息来预测小麦产量	PTW模型首次将图像时间序列、遗传标记和环境协变量结合，以学习基因型对温度和蒸汽压亏缺的生理响应，并在未见环境中展现出优于纯基因组预测模型的性能	NA	解决粮食安全挑战，通过理解作物在变化环境下的表现来预测小麦产量	小麦作物	机器学习	NA	高通量表型分析，基因组学，环境协变量分析	深度学习	图像时间序列，遗传标记，环境数据	覆盖欧洲48个年份-地点的数据	NA	植物时间扭曲（PTW）	NA	NA
3710	2026-02-19	Analysing DCE-MRI scans using hybrid techniques for early detection of prostate cancer based on fusion features of handcrafted and deep learning features 2026-Feb-17, Journal of medical engineering & technology DOI:10.1080/03091902.2026.2627179 PMID:41700925	研究论文	提出了一种结合手工特征和深度学习特征的融合框架，用于基于DCE-MRI扫描的早期前列腺癌检测	提出了一种新颖的混合诊断框架，融合了广义量子伽马多项式特征、动力学信号强度特征和基于深度学习的表征，以构建全面的特征表示	NA	改进前列腺癌的早期和准确诊断	前列腺癌	计算机视觉	前列腺癌	动态对比增强磁共振成像	CNN	图像	NA	NA	NA	分类准确率	NA
3711	2026-02-19	Machine learning algorithms for predicting colchicine resistance in familial Mediterranean fever 2026-Feb-17, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keag096 PMID:41701173	研究论文	本研究利用机器学习和深度学习算法预测成人家族性地中海热患者对秋水仙碱的耐药性	首次系统性地探索人工智能在预测成人FMF患者秋水仙碱耐药性方面的潜力，并开发了逻辑回归和全连接神经网络模型	研究为回顾性设计，样本量相对有限（965例），且仅基于单一中心数据，可能影响模型的泛化能力	预测成人家族性地中海热患者对秋水仙碱的耐药性，以辅助早期治疗决策	965名经遗传学确诊且至少有一年随访的成人FMF患者	机器学习	家族性地中海热	NA	逻辑回归, 全连接神经网络	临床数据	965例成人FMF患者	NA	全连接神经网络	AUC, ROC曲线	NA
3712	2026-02-19	Frontiers in gas sensing with semiconducting metal oxide array electronic noses 2026-Feb-17, Dalton transactions (Cambridge, England : 2003) DOI:10.1039/d5dt02516h PMID:41701232	综述	本文综述了基于半导体金属氧化物阵列电子鼻在气体传感领域的最新进展，重点关注甲醛、氨气、NO等气体的检测	强调了微纳工程、贵金属修饰、稀土掺杂、μLED光激活和rGO复合材料等创新材料策略，以及深度学习在提升选择性和预测精度方面的应用	NA	推动电子鼻系统在快速、选择性检测有害气体方面的发展	半导体金属氧化物阵列电子鼻系统	机器嗅觉	NA	微纳工程、贵金属修饰、稀土掺杂、μLED光激活、rGO复合材料	深度学习	气体传感器阵列数据	NA	NA	NA	选择性、预测精度	NA
3713	2026-02-19	Deep learning-based prediction of interfractional anatomic variations in prostate cancer radiotherapy 2026-Feb-17, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-026-02509-0 PMID:41701313	研究论文	本研究开发了一种基于深度学习的模型，用于预测前列腺癌放疗中分次间的解剖变化，特别是基于膀胱体积和分次编号生成合成MVCT图像	提出了一种定制化的3D U-Net模型，利用非侵入性输入特征（膀胱体积和分次编号）预测每日解剖变化，为前列腺放疗提供患者特异性的解剖估计方法	研究为回顾性分析，样本量有限（700次MVCT扫描），且模型性能在膀胱体积变化较大时相关性中等，前列腺轮廓指标相关性较弱	提高前列腺癌放疗中分次间解剖变化的预测精度，以优化放疗剂量输送的准确性	前列腺癌患者接受螺旋断层放疗的MVCT扫描图像	数字病理	前列腺癌	MVCT, KVCT	CNN	图像	700次MVCT扫描（来自前列腺癌患者），其中84次用于测试	NA	3D U-Net	SSIM, NCC, Dice, MAE, MSE, MSD	NA
3714	2026-02-19	ERBB2 as a Prognostic Biomarker in Prostate Cancer: Integration of Single-Cell Transcriptomics, Deep Learning, and Immunohistochemical Validation 2026-Feb-17, Biochemical genetics IF:2.1Q3 DOI:10.1007/s10528-026-11333-1 PMID:41701406	研究论文	本研究通过整合单细胞转录组学、深度学习和免疫组化验证，揭示了ERBB2作为前列腺癌生化复发关键生物标志物的作用	首次将单细胞转录组学、深度学习与免疫组化验证相结合，识别并验证了ERBB2在前列腺癌生化复发中的关键预测作用	研究基于特定队列数据，需在更广泛人群中验证ERBB2的普适性；深度学习模型的可解释性有待进一步探索	识别与前列腺癌生化复发相关的关键基因，并验证其临床预后价值	前列腺癌患者及其相关基因表达数据	数字病理学	前列腺癌	单细胞RNA测序, 免疫组化	深度学习神经网络	转录组数据, 图像数据	前列腺癌单细胞RNA测序数据及独立验证队列的免疫组化样本	NA	NA	生化无复发生存期, P值, 风险比	NA
3715	2026-02-19	Improved image quality and greater diagnostic suitability in myocardial delayed enhancement CT with deep learning image reconstruction 2026-Feb-17, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01958-y PMID:41701468	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3716	2026-02-19	PGST: A prototype-guided parameter-efficient network for spatial transcriptomics prediction 2026-Feb-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3666148 PMID:41701590	研究论文	本文提出了一种用于空间转录组学预测的原型引导参数高效网络PGST，以解决现有方法在空间特异性、跨域共表达模式利用、噪声鲁棒性和参数效率方面的不足	提出了原型引导的空间转录组学网络PGST，包含四个创新部分：基于极坐标嵌入策略的空间转录组学定向信号传播、原型引导的全局共特征聚合、通过共享解码器与重建损失强化的全局一致性，以及轻量级架构设计	NA	开发一种参数高效且能更好捕捉空间特异性和跨域共表达模式的空间转录组学基因表达预测方法	空间转录组学数据	计算生物学	NA	空间转录组学	图神经网络	空间转录组学数据	NA	NA	原型引导网络	NA	NA
3717	2026-02-19	OnUVS: An Online Motion Transfer Framework with Content-Texture Decoupling for High-Fidelity Ultrasound Video Synthesis 2026-Feb-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3661871 PMID:41701591	研究论文	提出了一种用于高保真超声视频合成的在线运动迁移框架OnUVS，通过内容-纹理解耦来模拟真实解剖运动	引入了弱监督的关键点学习以增强运动表示，设计了双解码器生成器来平衡内容和纹理特征，并采用了在线学习策略来平滑帧间连贯性	NA	解决罕见病例超声视频稀缺问题，通过合成高质量超声视频来辅助新手超声医师培训和深度学习模型训练	超声视频	计算机视觉	心血管疾病，盆底疾病	超声成像	GAN	视频	NA	PyTorch	双解码器生成器，多尺度判别器	FVD（运动一致性），FID（图像保真度）	NA
3718	2026-02-19	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Feb-17, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	本文提出了一种通过正则化方法提升神经网络可解释性的新框架	首次形式化了可解释性的两个基本属性（对齐性和可逆性），并基于此理论提出了一个即插即用的优化器Bort，无需复杂的模型修改或重新设计	未明确说明该方法在更复杂或更大规模模型上的适用性限制	提升深度神经网络的可解释性，使其更适用于高可靠性行业	深度神经网络模型	机器学习	NA	NA	CNN, Transformer	图像	使用了MNIST、CIFAR-10和ImageNet等基准数据集	NA	ResNet, DeiT	分类准确率	NA
3719	2026-02-19	Assumption-Agnostic Deep Learning Framework for Holistic Clinical Trial Monitoring 2026-Feb-17, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-026-00915-1 PMID:41703352	研究论文	提出了一种假设无关的深度学习框架，用于临床试验中异常检测和质量容忍限监测	结合了分层非参数多维偏差评分方案和长短期记忆自编码器，无需依赖参数假设或历史先验，能处理异构纵向数据	评估主要基于模拟数据和案例研究，未在大量真实临床试验数据上进行广泛验证	开发一个假设无关的深度学习框架，用于临床试验的全面监测和异常检测	临床试验数据，包括程序、研究、站点和参与者层面的数字变量	机器学习	NA	异常检测	LSTM, 自编码器	数字数据，文本的嵌入数字表示	基于真实世界试验结构和异常模式模拟的数据	NA	长短期记忆自编码器	异常信号区分能力，不必要的后续操作减少量，计算可扩展性	NA
3720	2026-02-19	Threat discrimination of real-world social interactions in schizotypal traits 2026-Feb-17, Psychonomic bulletin & review IF:3.2Q1 DOI:10.3758/s13423-025-02821-3 PMID:41703359	研究论文	本研究探讨了具有精神分裂型特质的人群在真实社交互动中对威胁的辨别能力，并分析了社交情境对威胁检测的影响	首次使用深度学习模型对自然主义视频进行重新渲染，以解析社交互动中不同量的社交情境，并研究其对精神分裂型特质个体威胁辨别能力的影响	研究样本为非临床人群（N=161），结果可能无法完全推广到临床精神分裂症患者	探究社交情境如何影响具有精神分裂型特质个体的威胁检测能力	非临床人群中的个体，测量其精神分裂型特质和自闭特质	机器学习	精神分裂症谱系障碍	深度学习	深度学习模型	视频	161名非临床个体	NA	NA	威胁辨别能力	NA