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
401	2026-02-13	A Driving Regime-Embedded Deep Learning Framework for Modeling Intradriver Heterogeneity in Multiscale Car-Following Dynamics 2026-Feb-11, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3660643 PMID:41671114	研究论文	本文提出了一种嵌入驾驶机制的深度学习框架，用于建模多尺度跟车动力学中的驾驶员内部异质性	将离散驾驶机制（如稳态跟车、加速、巡航）系统性地嵌入车辆运动预测中，结合GRU和LSTM统一处理离散决策过程和连续车辆动力学	未明确说明模型在极端或罕见交通场景下的泛化能力，以及计算复杂度可能较高	准确表示驾驶行为的多尺度复杂性，特别是驾驶员在不同条件下的动态异质性	驾驶员在跟车行为中的动态异质性	机器学习	NA	NA	GRU, LSTM	高分辨率交通轨迹数据	NA	NA	GRU, LSTM	预测误差	NA
402	2026-02-13	DREAM: A Benchmark Study for Deepfake photoREalism AssessMent 2026-Feb-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663547 PMID:41671124	研究论文	本文介绍了DREAM基准研究，专注于深度伪造照片真实性的主观感知评估，包括数据集构建、大规模人工标注和多种评估方法的综合分析	提出了首个专注于深度伪造照片真实性评估的综合性基准DREAM，包含多样化质量的深度伪造视频数据集、大规模人工标注（14万个真实性评分和文本描述）以及对18种代表性评估方法的全面分析	未在摘要中明确说明研究的局限性	促进深度伪造照片真实性评估这一新研究方向的发展，为未来研究提供基础和见解	深度伪造视频及其照片真实性的人类感知评估	计算机视觉	NA	深度学习	大型视觉语言模型, CLIP	视频, 文本	3,500名人类标注者提供了140,000个照片真实性评分和文本描述	NA	CLIP	NA	NA
403	2026-02-13	OmniHD-Scenes: A Next-Generation Multimodal Dataset for Autonomous Driving 2026-Feb-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663672 PMID:41671126	研究论文	本文提出了一个用于自动驾驶的大规模多模态数据集OmniHD-Scenes，并建立了相应的评估基准	提出了首个结合128线激光雷达、六台相机和六台4D成像雷达的全方位高清多模态数据集，并引入了新颖的4D标注流程和密集占据地面真值自动生成管道	目前仅标注了200个片段（共1501个），标注覆盖范围有待扩展	为自动驾驶算法开发提供全面、高质量的多模态数据支持	自动驾驶场景的多模态感知数据	计算机视觉	NA	多传感器融合（LiDAR、相机、4D成像雷达）	NA	图像、点云、雷达数据	1501个片段（每个约30秒），超过45万帧同步数据，585万个同步传感器数据点	NA	NA	3D检测和语义占据预测的基准评估指标	NA
404	2026-02-13	NeuroCLIP: A Multimodal Contrastive Learning Method for rTMS-treated Methamphetamine Addiction Analysis 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663869 PMID:41671129	研究论文	本文提出了一种名为NeuroCLIP的新型深度学习框架，通过整合EEG和fNIRS数据，用于分析经rTMS治疗的甲基苯丙胺成瘾	提出了一种结合EEG和fNIRS的多模态对比学习框架，采用渐进学习策略，提高了成瘾识别的鲁棒性和可靠性	未明确说明样本量大小或数据收集的具体限制，可能依赖于特定实验设置	开发一种客观、数据驱动的生物标志物，用于评估甲基苯丙胺成瘾及rTMS治疗效果	甲基苯丙胺依赖个体和健康对照者	机器学习	药物成瘾	EEG, fNIRS	深度学习框架	多模态神经影像数据（EEG和fNIRS）	NA	NA	NeuroCLIP	区分能力，与渴求评分的相关性	NA
405	2026-02-13	Subject-Adaptive EEG Decoding via Filter-Bank Neural Architecture Search for BCI Applications 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663725 PMID:41671134	研究论文	本文提出了一种基于滤波器组神经架构搜索的EEG解码框架，用于自动设计适应个体差异的脑机接口解码模型	首次将神经架构搜索应用于EEG解码领域，通过多路径NAS算法自动优化多尺度特征提取架构，实现从专家驱动到机器辅助的模型设计范式转变	未明确说明计算成本和时间消耗，跨数据集性能差异较大（68.38%-79.78%）	解决脑机接口中个体差异导致的解码性能下降问题	脑电图信号	机器学习	NA	脑电图	NAS,CNN	时序信号	三个EEG数据集（BCIC-IV-2a, OpenBMI, SEED）	NA	包含扩张卷积核的时序单元	解码准确率	NA
406	2026-02-13	CGMNet: A Center-Pixel and Gated Mechanism-based Attention Network for Hyperspectral Change Detection 2026-Feb-11, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3661851 PMID:41671143	研究论文	提出了一种基于中心像素和门控机制的注意力网络（CGMNet），用于高光谱图像变化检测，以提高准确性和鲁棒性	设计了门控中心空间注意力模块和门控光谱注意力模块，以增强相关特征并抑制无关信息，同时引入了新的基准数据集HZB	未明确提及模型在计算效率或泛化能力方面的具体限制	提高高光谱图像变化检测的准确性和鲁棒性	高光谱图像	计算机视觉	NA	NA	CNN, Transformer	图像	三个公开数据集及新引入的HZB数据集	NA	CGMNet	NA	NA
407	2026-02-13	Deep Temporal Sequence Classification and Mathematical Modeling for Cell Tracking in Dense 3D Microscopy Videos of Bacterial Biofilms 2026-Feb-11, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663936 PMID:41671139	研究论文	本文提出了一种名为DenseTrack的新型细胞追踪算法，结合深度学习与基于数学模型的策略，用于在密集3D显微镜视频中准确追踪细菌生物膜中的细胞	将细胞追踪问题构建为基于深度学习的时间序列分类任务，并结合约束一对一匹配优化问题，同时引入基于特征值分解的细胞分裂检测策略	NA	解决在密集环境中自动细胞追踪的对应关系不准确和亲代-子代关系误识别问题	细菌生物膜中的密集细胞	计算机视觉	NA	3D延时成像,荧光成像	深度学习	3D时间序列图像	模拟和实验荧光图像序列	NA	NA	定性和定量评估指标	NA
408	2026-02-13	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了使用标准标签的文本基抑郁症估计模型的预测性能，并分析了影响性能异质性的因素	与以往包含弱标签或异质标签的综述不同，本研究聚焦于使用经过验证的量表或临床诊断作为标准标签的模型，提供了更具临床可靠性和可比性的证据，并首次通过荟萃分析量化了文本表示方法、模型架构、标注来源和报告质量对模型性能的影响	纳入分析的原始研究数量有限（11项研究中的15个模型），可能限制了亚组分析和元回归的统计效力；研究时间范围（2014-2025年）可能未涵盖所有相关文献	评估使用标准抑郁标签的文本基抑郁估计模型的预测性能，并识别导致性能异质性的文本资源、文本表示、模型架构、标注来源和报告质量等因素	基于参与者生成文本并采用验证量表或临床诊断作为抑郁标签的机器学习模型	自然语言处理	抑郁症	自然语言处理	机器学习模型（包括浅层模型和深度学习模型）	文本	NA	NA	NA	效应量（r），95%置信区间	NA
409	2026-02-13	Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data 2026-Feb-11, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae449b PMID:41671586	研究论文	提出一种结合组织病理学和基因组数据的多模态深度学习框架，用于可靠地分类乳腺癌亚型	引入基于不确定性的智能路由机制，选择性使用单模态或多模态推断以优化计算效率，并应用注意力展开技术增强模型可解释性	研究基于TCGA-BRCA数据集，可能未涵盖所有乳腺癌亚型或临床场景，且多模态数据整合的泛化能力需进一步验证	提高乳腺癌亚型分类的准确性和可解释性，以支持个性化治疗规划和预后评估	乳腺癌患者，具体为TCGA-BRCA数据集中的924名患者，基于PAM50分子亚型	数字病理学	乳腺癌	RNA-seq	Transformer, 深度学习	图像, 基因组数据	924名患者	PyTorch	CTransPath, 视觉Transformer	准确率	GPU（具体型号未指定），可能涉及分布式计算
410	2026-02-13	Deep Learning-Based Epileptic Seizure Detection from EEG Signals and PPG signals Using LSTM and CNN Models 2026-Feb-11, The International journal of neuroscience DOI:10.1080/00207454.2026.2621855 PMID:41671683	研究论文	本文提出了一种结合CNN和LSTM的混合深度学习框架，利用多模态EEG和PPG信号进行癫痫发作的自动检测	与仅使用EEG的方法不同，本研究创新性地引入了PPG信号，提供了自主神经波动、心率变异性变化等互补生理信息，增强了模型在EEG特征不明显或模糊情况下的判别能力	NA	开发一种可靠且高效的实时癫痫发作检测系统	癫痫患者的多模态生物信号（EEG和PPG）	机器学习	癫痫	脑电图监测，光电容积描记术	CNN, LSTM	信号数据（EEG和PPG信号）	NA	NA	CNN-LSTM混合架构	准确率, 精确率, 召回率, F1分数, Cohen's Kappa, Matthews相关系数, 临界成功指数	NA
411	2026-02-13	Deep-Learning-Enhanced Living Biophotovoltaics: Predictive Photocurrent Modeling and Sensitive Herbicide Biosensing 2026-Feb-11, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c06224 PMID:41672884	研究论文	本文开发了一种基于蓝藻的活体生物光伏系统，用于同时生成绿色能源和检测除草剂，并利用深度学习模型预测光电流动态	结合导电聚合物-金纳米粒子修饰电极与蓝藻，构建了双功能活体生物光伏系统，并首次应用深度学习模型（如BiLSTM）预测其光电流动力学	NA	开发一种同时用于可持续能源生成和除草剂生物传感的活体生物光伏系统	蓝藻基活体生物光伏系统及其光电流动态	机器学习	NA	电聚合、金纳米粒子修饰、生物传感	LSTM, BiLSTM, GRU	时间序列数据（光电流动态）	NA	NA	LSTM, BiLSTM, GRU	R², RMSE, MAE	NA
412	2026-02-13	Polysomnography Dataset for Sleep Analysis in Ischemic Stroke Patients 2026-Feb-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06747-w PMID:41673037	研究论文	本文介绍了首个针对缺血性卒中患者的亚洲大型睡眠数据集iSLEEPS，并展示了利用深度学习进行自动睡眠分期分类的应用	创建了首个亚洲地区、规模最大的卒中特异性睡眠数据库，填补了卒中睡眠研究领域的数据空白	数据集仅包含100例样本，且来自单一医疗机构，可能存在选择偏倚	研究缺血性卒中患者的睡眠结构与神经恢复的关系，特别是睡眠呼吸障碍的病理生理机制	缺血性卒中患者	数字病理学	心血管疾病	多导睡眠图（PSG）	LSTM, Transformer, CNN	睡眠记录数据	100例夜间PSG记录	NA	长短期记忆网络, Transformer, 卷积神经网络	准确率	NA
413	2026-02-13	A two-stage deep learning framework for kidney disease detection using modified specular-free imaging and EfficientNetB2 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04606-z PMID:41673036	研究论文	本文提出了一种用于肾脏疾病检测的两阶段深度学习框架，结合改进的无镜面反射成像技术和EfficientNetB2分类模型	提出了一种新颖的改进无镜面反射成像技术，用于自适应增强肾脏图像细节，并结合EfficientNet-B2架构构建了两阶段诊断模型	未明确说明样本来源、数据集的详细构成以及模型在外部验证集上的泛化性能	提高各种肾脏病理的检测准确率	肾脏图像（包括正常肾脏、肿瘤、肾结石和囊肿）	计算机视觉	肾脏疾病	改进的无镜面反射成像技术	CNN	图像	NA	NA	EfficientNet-B2, VGG16, ResNet50, VGG19, DenseNet121, DenseNet169, DenseNet201, EfficientNet-B0, EfficientNet-B1, EfficientNet-B3	准确率	NA
414	2026-02-13	A CNN-RNN Siamese framework with multi-level aggregation for video-based person re-identification 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39277-x PMID:41673086	研究论文	本文提出了一种结合CNN和RNN的孪生网络框架，用于视频行人重识别，通过多级聚合有效捕捉空间和时间特征	创新点在于设计了一个紧凑的CNN-GRU架构，避免了基于Transformer的主干网络的深度和计算需求，同时保持了强大的识别能力，并通过多级相似性聚合整合了卷积特征和循环时间建模	未在摘要中明确提及具体限制	研究目标是实现准确且资源高效的视频行人重识别，适用于现实世界资源受限的环境	研究对象是视频序列中的行人重识别任务	计算机视觉	NA	深度学习	CNN, RNN, Siamese网络	视频	未在摘要中明确提及具体样本数量	未在摘要中明确提及具体框架	CNN-GRU	未在摘要中明确提及具体性能指标	未在摘要中明确提及具体计算资源
415	2026-02-13	State and Diffusion of National Institutes of Health Funding of AI in Radiology 2026-Feb-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01870-x PMID:41673229	研究论文	本研究回顾性分析了美国国立卫生研究院（NIH）对放射学领域人工智能研究的资助状况与扩散趋势	首次利用自动化大型语言模型流程对NIH资助项目进行主题提取和分类，并量化分析了AI在放射学领域的扩散速率与阶段	仅基于NIH RePORTER和ExPORTER数据库的公开数据，未涵盖其他资助来源；研究为回顾性分析，无法预测未来政策变化的影响	了解NIH对放射学AI研究的资助模式、趋势和重点领域，为研究者、机构和政策制定者提供战略决策参考	NIH在2015-2024年间资助的放射学AI研究项目	数字病理学	NA	NA	NA	文本数据（项目数据库）	截至2025年1月的活跃NIH资助项目及过去十年（2015-2024）的时间序列数据	NA	NA	复合年增长率（CAGR）、渗透率、倍增时间	NA
416	2026-02-13	Automated cone photoreceptor detection using synthetic data and deep learning in confocal adaptive optics scanning laser ophthalmoscope images 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39570-9 PMID:41673253	研究论文	本研究提出了一种使用合成数据和深度学习在共焦自适应光学扫描激光眼底镜图像中自动检测视锥光感受器的方法	利用合成数据弥补标注训练数据的不足，并采用U-Net模型在独立真实数据集上展示了良好的泛化能力	合成数据与真实数据之间的差异可能影响模型性能，且模型在高视网膜偏心度图像上的表现仍需进一步验证	开发自动化算法以替代耗时且主观的手动标注，用于视锥光感受器的定量分析	共焦自适应光学扫描激光眼底镜图像中的视锥光感受器	计算机视觉	视网膜疾病	共焦自适应光学扫描激光眼底镜成像	CNN	图像	大型合成数据集（ERICA生成）和较小的真实数据集（Milwaukee数据集和Oxford数据集）	NA	U-Net	Dice系数	NA
417	2026-02-13	Deep learning-based detection of retinal detachment with vitreous hemorrhage in ocular ultrasound images 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38272-6 PMID:41673252	研究论文	本文开发了一种基于YOLOv5架构的卷积神经网络，用于在眼部B超图像中检测视网膜脱离和玻璃体出血	首次将YOLOv5架构应用于眼部超声图像中视网膜脱离和玻璃体出血的检测，并采用图像增强技术（如非锐化掩蔽）来提高检测精度	模型在存在玻璃体出血导致眼底模糊的情况下检测视网膜脱离的能力仍需进一步验证，且样本量相对有限	开发一种深度学习算法，以辅助在眼部超声图像中检测视网膜脱离和玻璃体出血，特别是在眼底模糊的情况下	眼部B超图像中的视网膜脱离和玻璃体出血病变	计算机视觉	视网膜脱离	眼部超声成像	CNN	图像	训练集2,188张图像，验证集1,042张图像	PyTorch	YOLOv5	准确率	NA
418	2026-02-13	Interpretable machine learning rationalizes carbonic anhydrase inhibition via conformal and counterfactual prediction 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39771-2 PMID:41673458	研究论文	本文介绍了一个可解释的机器学习框架，用于预测人类碳酸酐酶（hCA）II、IX和XII亚型的抑制活性，并通过共形预测和反事实解释来指导选择性抑制剂设计	结合了共形预测进行不确定性量化和反事实解释以实现分子可解释性，并发布了用户友好的CAInsight软件用于虚拟筛选和生成设计	未明确提及模型在更广泛化合物库或临床前研究中的验证限制	开发可解释的机器学习方法以预测和合理化hCA亚型的选择性抑制，用于抗癌药物设计	人类碳酸酐酶（hCA）II、IX和XII亚型及其抑制剂	机器学习	癌症	机器学习建模	支持向量机（SVM）、深度学习模型	分子指纹数据（如扩展连接性指纹）	NA	NA	NA	NA	NA
419	2026-02-13	A geometric deep learning framework for genome-wide prediction of enzyme turnover number 2026-Feb-11, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03986-3 PMID:41673757	研究论文	本文提出了一种名为KcatNet的几何深度学习框架，用于全基因组范围内预测酶的周转数（Kcat），以量化酶催化效率	KcatNet利用酶序列和底物的配对表示，在代谢酶中实现高通量Kcat预测，并优于现有方法，尤其对高催化效率酶有效，且能泛化至与训练集不相似的酶，揭示酶-底物复合物的结构机制和交互模式	实验测量Kcat数据有限且易受噪声影响，可能限制模型训练和验证的全面性	开发一个深度学习模型来预测酶的周转数，以促进对蛋白质组组成和细胞代谢机制的理解，并加速酶工程应用	代谢酶及其周转数（Kcat），涵盖所有生物体，特别是酵母物种	机器学习	NA	几何深度学习，大规模蛋白质语言模型	几何深度学习模型	酶序列和底物表示	NA	NA	KcatNet	NA	NA
420	2026-02-13	Deep capsule neural network for identifying anticancer peptides using sequence to image transformation-based local embedded features 2026-Feb-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02547-1 PMID:41673852	研究论文	本文提出了一种名为pACP-CapsNet的有效模型，用于准确识别抗癌肽（ACPs）	通过序列到图像的转换方法（SMR和RECM）生成结构化和局部替代的图像，并应用HOG、DWT和CLBP变换提取新颖特征空间，结合胶囊神经网络（CapsNet）进行预测，提高了识别准确性	未明确提及模型在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一种可靠的抗癌肽识别模型，以辅助癌症药物研发	抗癌肽（ACPs）序列	机器学习	癌症	序列到图像转换（SMR, RECM），特征提取（HOG, DWT, CLBP）	CapsNet	序列数据（转换为图像）	训练样本未指定具体数量，测试集包括ACP240和ACP740	NA	胶囊神经网络（CapsNet）	准确率, AUC	NA