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
4541	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
4542	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
4543	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
4544	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
4545	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
4546	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
4547	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）
4548	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
4549	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
4550	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
4551	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
4552	2026-02-13	Foundation models in radiology: a primer for pediatric radiologists 2026-Feb-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06544-y PMID:41677830	综述	本文介绍了基础模型在放射学，特别是儿科放射学中的应用原理、现状、挑战及未来方向	系统性地将基础模型这一前沿人工智能范式引入儿科放射学领域，并针对该领域特有的数据稀缺、罕见病理和解剖变异等挑战，探讨了其作为灵活骨干网络的适应性潜力	儿科影像数据有限、疾病谱和解剖结构独特、缺乏儿科特异性验证、存在模型幻觉、可解释性不足、资源分配不均以及可能导致放射科医生技能退化的风险	探讨基础模型在儿科放射学中的原理、应用、挑战及未来发展方向，以促进其在临床实践中的安全、公平和有效整合	基础模型及其在儿科放射学中的应用	放射学	儿科疾病	自监督学习，迁移学习，参数高效微调，联邦学习，持续学习，合成数据生成	基础模型	影像数据，文本报告	NA	NA	NA	NA	NA
4553	2026-02-13	ChronicDPipredictor: an interpretable deep learning framework for chemical chronic and subchronic toxicity assessment 2026-Feb-12, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11482-w PMID:41678082	研究论文	本研究开发了一个名为ChronicDPipredictor的可解释深度学习框架，用于评估化学物质的慢性和亚慢性毒性	开发了一个结合可解释性（如SHAP分析）和结构警报提取的深度学习框架，用于化学毒性评估，并提供了公开可用的网络服务器	模型性能在亚慢性毒性的多类分类中相对较低（准确率0.80），且可能受限于所使用的指纹表示和数据集	评估化学物质的慢性和亚慢性毒性，以支持化合物重复剂量毒性的风险评估	化学物质	机器学习	NA	NA	深度学习	化学指纹（MACCS、PubChem、KRFP）	NA	NA	NA	准确率	NA
4554	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
4555	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
4556	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
4557	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
4558	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
4559	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
4560	2026-02-13	Deep Learning Identification of Clear Cell Renal Cell Carcinoma on MR Imaging 2026-Feb-09, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001848 PMID:41656681	研究论文	本研究探讨了多种卷积神经网络在MRI上识别透明细胞肾细胞癌的性能，并与放射科医生使用的透明细胞可能性评分算法进行了比较	首次系统比较了多种CNN模型在ccRCC识别中的表现，并融合了三种不同类型的MR图像以提高分类鲁棒性	研究为回顾性设计，样本量相对有限（310例患者），且仅针对cT1期（≤7 cm）的肾肿块，未涵盖更晚期或不同大小的肿瘤	评估CNN模型在MRI上识别透明细胞肾细胞癌的诊断性能，并与放射科医生的表现进行对比	经病理证实的肾肿块患者（cT1期，≤7 cm）的MR图像	计算机视觉	肾细胞癌	MRI成像（包括T2加权、T1加权反相/同相、皮质髓质期对比增强）	CNN	图像	310例患者，共480个CNN模型训练	NA	多种卷积神经网络架构（具体未指定）	AUC	NA