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
4221	2026-02-14	A deep learning architecture for leaf water potential prediction in Populus euramericana 'I-214' from hyperspectral reflectance 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1709473 PMID:41669633	研究论文	本文提出了一种深度学习框架CIDL，用于从高光谱反射数据中预测杨树叶片水势，以解决传统测量方法的破坏性和耗时问题	集成条件生成对抗网络（CGAN）平衡数据分布，结合Inception-ResNet与ACmix的特征提取器捕获局部和全局光谱特征，并引入分布感知回归网络（DARN）显式建模目标变量分布，提升预测可靠性	研究基于杨树特定品种的脱水实验数据，样本量相对较小（229个实测样本），可能限制模型在其他树种或环境条件下的泛化能力	开发一种非破坏性、高精度的叶片水势预测方法，以支持森林干旱胁迫监测和智能林业管理	欧洲黑杨'I-214'品种的年轻树木叶片	计算机视觉	NA	高光谱反射测量	CGAN, CNN	高光谱图像	229个实测叶片水势与高光谱反射配对样本，另通过CGAN生成500个合成样本用于增强	NA	Inception-ResNet, ACmix	R², RMSE	NA
4222	2026-02-14	Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.05.006 PMID:39032956	综述	本章探讨了计算机视觉与人工智能在病理学领域的整合及其对精准诊断和自动化工作流程的变革潜力	系统阐述了AI驱动的计算机视觉如何通过深度学习架构（如CNN和U-Net）增强病理诊断能力，并提出了跨学科协作的必要性	承认AI在病理学应用中的技术、实践和伦理限制，包括开发与实施过程中的挑战	分析人工智能与计算机视觉在数字病理学中的整合潜力，以提升诊断精度和工作效率	数字病理切片图像及其自动化分析流程	数字病理学	NA	切片数字化	CNN, U-Net	图像	NA	NA	CNN, U-Net	NA	NA
4223	2026-02-14	Deep learning-based multimodal spatial transcriptomics analysis for cancer 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.08.001 PMID:39271260	书籍章节	本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合，以推进癌症诊断、治疗规划和精准医学	整合深度学习与多模态空间转录组学，提供对肿瘤生物学前所未有的洞察，实现更精确和个性化的肿瘤学方法	NA	推进癌症诊断、治疗规划和精准医学	癌症研究，特别是肿瘤生物学、诊断和治疗	数字病理学	癌症	空间转录组学	CNN	多模态数据（包括基因组、蛋白质组、影像和临床数据）	NA	NA	NA	NA	NA
4224	2026-02-14	Update on Lung Cancer Screening Guideline 2023-Nov, Thoracic surgery clinics IF:1.1Q3 DOI:10.1016/j.thorsurg.2023.04.002 PMID:37806735	综述	本文更新了肺癌筛查指南，并讨论了当前存在的种族/民族和性别差异	强调了2021年指南扩展后仍存在的筛查资格差异，并提出了风险预测模型、生物标志物和深度学习作为改进筛查选择的方法	未提供具体数据或模型验证结果，主要基于现有指南和观察性差异的讨论	更新肺癌筛查指南并探讨如何通过新技术减少筛查资格的不平等	符合年龄和吸烟史标准的个体，特别是高风险种族少数群体和女性	数字病理学	肺癌	NA	深度学习	NA	NA	NA	NA	NA	NA
4225	2026-02-14	Combating data incompetence in pollen images detection and classification for pollinosis prevention 2022-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105064 PMID:34861642	研究论文	本文提出了一种用于花粉图像检测和分类的新型开放数据集，并研究了在小数据情况下的学习方法，包括检测任务中的贝叶斯RetinaNet网络和分类任务中的生成对抗网络预训练及少样本学习	提出了一个针对检测和分类任务的新型开放花粉数据集，并引入了贝叶斯RetinaNet网络来建模随机不确定性，同时在分类任务中探索了基于生成对抗网络（StyleGAN和自注意力GAN）的合成图像预训练方法	数据集规模相对较小，仅包含13种花粉植物物种，可能限制了模型的泛化能力	通过深度学习技术自动识别花粉图像，以预防和治疗花粉症症状	花粉图像	计算机视觉	花粉症	图像识别	CNN, GAN, Siamese神经网络	图像	13种花粉植物物种的图像数据集	NA	RetinaNet, StyleGAN, Self-attention GAN	平均精度均值, F值	NA
4226	2026-02-14	A deep learning model for pediatric patient risk stratification 2019-10-01, The American journal of managed care PMID:31622071	研究论文	本研究开发了一种基于深度学习的模型，用于分析儿科患者的临床和财务数据，以预测住院风险并进行风险分层	采用无监督的深度学习Skip-Gram方法进行预测建模，无需人工输入，相比传统模型在住院风险预测中表现更优	研究仅基于医疗索赔数据，可能未涵盖所有临床因素；样本局限于特定儿科责任医疗组织成员	比较深度学习与传统风险预测模型在儿科患者住院风险预测中的性能	112,641名儿科责任医疗组织成员的医疗索赔数据	机器学习	儿科疾病	医疗索赔数据分析	深度学习	医疗索赔数据	112,641名儿科患者	NA	Skip-Gram	AUC	NA
4227	2026-02-13	Development of a deep learning-based histological evaluation model for critical-size bone defect healing in rats - an objective tool 2026-Apr, Bone IF:3.5Q2 DOI:10.1016/j.bone.2026.117791 PMID:41525839	研究论文	本研究开发了一种基于深度学习的组织学评估模型，用于客观评估大鼠临界尺寸骨缺损的愈合情况	首次将改进的U-Net模型应用于Movat五色染色组织切片，实现骨愈合阶段的语义分割与分类，并开发了可量化的骨愈合评分系统	研究仅基于大鼠模型，尚未在临床人体样本中验证；训练数据量相对有限（n=669）	开发客观、可扩展的骨愈合组织学评估工具，减少人工评估的主观性和时间消耗	大鼠股骨临界尺寸缺损模型的组织学切片	数字病理学	骨科疾病	组织学染色（Movat pentachrome染色）	CNN	图像	669张组织学切片图像	未明确说明	改进的U-Net	Spearman相关系数, 平均绝对偏差, ICC（组内相关系数）	NA
4228	2026-02-13	Optimized data augmentation for osteosarcoma detection in deep and lightweight networks 2026-Apr, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.12.013 PMID:41675170	研究论文	本文提出了一种系统性的深度学习方法，研究预处理和数据增强对骨肉瘤图像分类的影响	通过控制数据增强设置（无增强及每类合成图像数量）系统研究数据集扩大对模型泛化性能的影响，并强调增强效果与模型类型相关	统计分析显示模型间差异不显著（p > 0.05），可能限制了对最优模型选择的明确结论	优化数据增强策略以提升骨肉瘤检测在深度和轻量网络中的性能	骨肉瘤的H&E染色组织病理学图像	计算机视觉	骨肉瘤	组织病理学成像	CNN	图像	来自公开UT Southwestern/UT Dallas骨肉瘤数据集的图像，增强设置包括每类650、1000和1500张合成图像	TensorFlow, Keras	VGG19, InceptionV3, InceptionResNetV2, NasMobileNet	准确率, 敏感度, 特异度, ROC-AUC	NA
4229	2026-02-13	MetaChrome: an open-source, user-friendly tool for automated metaphase chromosome analysis 2026-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.12.013 PMID:41475630	研究论文	本文介绍了一款名为MetaChrome的开源软件平台，该平台专为自动中期染色体分析而设计，集成了深度学习模型进行染色体分割和FISH信号共定位分析	开发了首个结合图形用户界面、基于微调深度学习模型（Cellpose）进行自动中期染色体分割与FISH信号共定位分析的开源软件平台	未明确提及模型在多样化或低质量图像上的泛化能力，也未与其他开源工具进行系统性比较	开发一个用户友好、开源的工具，以解决自动中期染色体分割和DNA FISH信号共定位分析的挑战，促进高通量染色体分析工作流程	中期染色体图像，特别是用于DNA荧光原位杂交（FISH）分析的图像	数字病理学	NA	DNA荧光原位杂交（DNA FISH），高通量成像（HTI）	深度学习模型（基于Cellpose）	图像	NA	NA	Cellpose	分割准确性	NA
4230	2026-02-13	A Few-Shot Learning Framework for Time-Varying Scientific Data Generation via Conditional Diffusion Model 2026-Mar, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3656934 PMID:41570098	研究论文	本文提出了一种基于条件扩散模型的少样本学习框架，用于生成时变科学数据，以解决科学可视化中数据稀疏的问题	引入了一种时间感知的UNet架构和噪声感知损失函数，能够在仅使用少量训练样本（如1、3或5个）的情况下，通过条件扩散模型实现泛化能力和性能的平衡	未明确提及计算资源需求或模型在更复杂数据集上的可扩展性限制	解决科学可视化中因模拟计算成本高和数据存储挑战导致的数据稀疏问题，提升深度学习模型的训练效果	时变科学数据，具体应用于空间超分辨率、时间超分辨率和变量转换三个科学可视化任务	科学可视化	NA	条件扩散模型	扩散模型	体积数据（volumetric data）	少量训练样本（例如1、3或5个）	NA	时间感知UNet	定量评估和定性评估	NA
4231	2026-02-13	Deep learning deciphers behavioral states from muscle activation patterns 2026-Mar, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2026.01.007 PMID:41672643	研究论文	本文提出了一种基于深度学习的多部位肌电图分析方法，用于自动分类小鼠的行为状态	利用深度学习分析多部位肌电图数据，实现行为状态的自动分类，提供了一种客观、可扩展的行为评估框架	NA	开发一种自动、客观的行为分类方法，以克服手动视频观察的限制	小鼠的肢体和颈部肌肉	机器学习	NA	肌电图记录	CNN	肌电图信号	NA	NA	自定义卷积神经网络	分类准确率	NA
4232	2026-02-13	Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior 2026-Feb-15, Neuropsychologia IF:2.0Q3 DOI:10.1016/j.neuropsychologia.2025.109352 PMID:41443585	研究论文	本研究采用深度学习方法来探索年轻人群大脑宏观结构与空间导航行为个体差异之间的关联	首次应用图卷积神经网络和3D卷积神经网络等深度学习模型，以数据驱动方式分析复杂大脑结构特征与空间导航能力的关系	研究样本量较小（N=90），仅使用单一行为测量指标，可能限制了预测能力	探究健康年轻成年人大脑结构特征与空间导航能力之间的关联	年轻成年人群	机器学习	NA	T1 MRI	GCNN, 3DCNN	图像	90名参与者	NA	图卷积神经网络, 3D卷积神经网络	预测值	NA
4233	2026-02-13	CT-free attenuation and scatter correction of [11C]CFT brain PET using a Bi-directional matching network 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121721 PMID:41539466	研究论文	本研究提出并扩展了一种基于双向匹配网络的CT-free衰减和散射校正方法，用于[11C]CFT脑部PET成像，旨在避免CT相关的辐射暴露	采用双向离散过程匹配网络，通过离散一致性约束在未校正和完全校正的PET图像之间建立可逆变换，无需生成伪CT或依赖解剖先验信息	研究仅在90名帕金森综合征患者中进行评估，样本量相对有限，且方法在其他PET示踪剂或疾病中的泛化能力尚未验证	开发一种无需CT扫描的PET衰减和散射校正方法，以减少辐射暴露并保持定量准确性	帕金森综合征患者的[11C]CFT脑部PET图像	医学影像分析	帕金森病	PET成像，深度学习	Bi-DPM网络	PET图像	90名帕金森综合征患者	NA	Bi-DPM网络	MAE, PSNR, SSIM, CCC, PCC, Dice系数	NA
4234	2026-02-13	Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121729 PMID:41548822	研究论文	本研究提出了一种基于SynthSeg框架的数据驱动采样策略，旨在提升胎儿脑部MRI分割模型在对比度和病理差异下的泛化能力	引入了一种新颖的数据驱动训练时采样策略，充分利用训练数据集的多样性，增强网络对领域偏移（如生理和采集环境差异）的泛化能力	在异常较少的情况下，模型性能略有下降	训练能够自动分割具有广泛领域偏移（包括病理形状差异）的胎儿脑部MRI的网络	胎儿脑部磁共振成像（MRI）	计算机视觉	胎儿神经发育异常	磁共振成像（MRI）	CNN	图像	NA	NA	NA	分割质量（基于统计显著性p<1e-4）	NA
4235	2026-02-13	Neural-linguistic analysis for Alzheimer's detection: A deep learning approach informed by cognitive neuroscience 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121739 PMID:41570955	研究论文	本文提出了一种受认知神经科学启发的深度学习框架COASTAL，用于通过语音分析检测阿尔茨海默病	提出了认知声学符号转换（COASTAL）框架，该框架模拟了大脑的分层语音处理通路，将声学模式转换为离散符号元素，然后进行上下文分析，从而克服了传统方法在捕捉语义认知内容和处理老年人发音变异方面的局限性	研究仅在ADReSSo语料库上进行了评估，样本来源和规模可能存在限制；未详细讨论模型在不同人口统计学群体或疾病阶段中的泛化能力	开发一种非侵入性、基于语音的早期阿尔茨海默病检测方法	阿尔茨海默病患者的语音数据	自然语言处理	阿尔茨海默病	语音分析，认知声学符号转换	深度学习	语音	ADReSSo语料库（具体样本数未在摘要中提供）	NA	分层转换架构（具体名称如ResNet等未提及）	准确率	NA
4236	2026-02-13	Intelligent navigation of potential energy surfaces: leveraging deep reinforcement learning paradigms for accelerated discovery of stable nickel nanoclusters 2026-Feb-12, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04468e PMID:41532242	研究论文	本文提出了一种名为Deepcluster的深度强化学习框架，用于高效导航复杂高维势能面，以发现镍纳米团簇的全局能量最小结构	结合深度强化学习与原子中心对称函数，实现无需预定义数据集的自主探索与优化，超越传统全局优化算法的局限	方法依赖于特定势能模型（如EMT），且在大规模或更复杂体系中的普适性有待进一步验证	加速复杂功能纳米材料（如镍纳米团簇）的稳定结构发现，用于催化和能源应用	镍纳米团簇（Ni_n，n=特定尺寸）	机器学习	NA	深度强化学习，原子中心对称函数（ACSFs），有效介质理论（EMT）势，BFGS算法	深度强化学习（基于actor-critic网络），多层感知机（MLP）	结构配置数据（能量、力、结构标志）	一系列镍纳米团簇（Ni_n，具体尺寸未明确数量，但涉及多个n值）	TensorFlow或PyTorch（未明确指定，但基于深度神经网络），TRPO算法	多层感知机（MLP），actor-critic网络	全局能量最小结构的发现准确性，结合能，热稳定性（通过分子动力学模拟验证）	NA（未明确指定GPU或云平台，但涉及并行遗传算法和第一性原理计算）
4237	2026-02-13	Generative deep learning synthesizes high signal-to-noise ratio sensitivity maps for PET from low count direct normalization data 2026-Feb-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3ec6 PMID:41604704	研究论文	本文提出了一种基于生成对抗网络的PET灵敏度图合成方法，用于从低计数直接归一化数据生成高信噪比的灵敏度图	开发了一种结合灵敏度图特征与生成建模的新颖PET数据处理和图像重建流程，通过条件注意力引导的生成对抗网络保留灵敏度图的几何和探测器特定特征	未明确说明模型在不同PET扫描仪或临床环境中的泛化能力限制	解决从低计数直接归一化数据高效获取高信噪比PET灵敏度图的挑战	PET灵敏度图、Hoffman脑模体、对比度模体、均匀圆柱模体的图像	医学影像处理	NA	直接归一化、生成对抗网络	GAN	PET灵敏度图数据、图像数据	使用Hoffman脑模体、对比度模体和均匀圆柱模体的数据进行评估	NA	条件注意力引导的生成对抗网络	峰值信噪比、结构相似性指数、归一化均方根误差	NA
4238	2026-02-13	Polarization-Programmable 2D Sb2S2O Photodetectors for High-Precision Object Identification 2026-Feb-12, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c04042 PMID:41631389	研究论文	本文报道了一种新型二维三元锑硫族氧化物Sb2S2O，并展示了其在宽光谱范围内优异的光响应性能和偏振角依赖的灵敏度，结合深度学习算法，实现了高精度物体识别	首次报道了具有低对称性层状结构和显著面内各向异性的新型二维三元锑硫族氧化物Sb2S2O，并利用其偏振角可调特性实现了光探测器的双模式智能成像	NA	开发用于下一代智能光电探测和自适应视觉技术的新型二维材料及器件	二维三元锑硫族氧化物Sb2S2O材料及其光电器件	机器学习	NA	NA	NA	图像	NA	NA	NA	响应度(11.3 A/W)，比探测率(6.5×10^? Jones)，二向色比(约1.48)	NA
4239	2026-02-13	Multimodal MRI reveals hypothalamic structural-functional alterations associated with bone mineral density loss in postmenopausal women 2026-Feb-12, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-026-01077-2 PMID:41673184	研究论文	本研究利用多模态MRI揭示了绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关联	首次在绝经后女性中，结合深度学习分割、功能连接分析和白质束形态分析，系统地探究了骨密度降低与特定下丘脑亚区的多模态改变之间的关联	部分白质束的微观结构和形态学发现因多重比较应被视为探索性结果，样本量相对较小	阐明绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关系	绝经后女性（包括骨质疏松、骨量减少和健康对照组）	医学影像分析	骨质疏松	多模态MRI（3T磁共振成像）	深度学习	MRI图像	54名绝经后女性（18名骨质疏松，18名骨量减少，18名健康对照）	NA	NA	FWE校正的p值，相关系数r	NA
4240	2026-02-13	Applicability of mitotic figure counting by deep learning: a development and pan-cancer validation study 2026-Feb-12, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.70210 PMID:41676879	研究论文	本研究开发了一种基于深度学习的核分裂象计数方法，并在多个外部验证数据集中评估了其预后影响	开发了一种深度学习方法来计数核分裂象，并在七种不同癌症类型的13个患者队列中进行了大规模外部验证，展示了其在自动化病理工作和扩展应用至更多癌症类型（如前列腺癌）中的潜力	在结直肠癌中，自动核分裂象计数与患者结局的显著关联未得到证实	评估深度学习在核分裂象计数中的适用性及其预后价值	来自七种不同癌症类型的13个患者队列，共14,571个患者样本	数字病理学	乳腺癌, 前列腺癌, 结直肠癌, 其他癌症	苏木精和伊红染色	深度学习	全切片图像	14,571个患者样本	NA	NA	单变量Cox生存分析	NA