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
441	2026-03-30	Optimized environmental prediction in smart buildings using Dynamic Greylag Goose algorithm and deep learning 2026-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41343-3 PMID:41904179	研究论文	本文提出了一种结合动态灰雁优化算法和长短期记忆网络的预测框架，用于智能建筑环境参数的高精度预测	首次将动态灰雁优化算法以二进制形式应用于传感器特征选择，并同时用于LSTM超参数调优，实现了双重优化	仅使用单一公开数据集进行验证，未在不同类型建筑环境中测试框架的泛化能力	开发高精度环境预测模型以支持智能建筑的主动环境控制	智能建筑环境参数（温度、湿度、空气质量、声音、光照）	机器学习	NA	物联网数据监测	LSTM	时间序列数据	来自智能建筑环境的公开物联网数据集	NA	LSTM	均方误差, Nash-Sutcliffe效率	NA
442	2026-03-30	Domain specific multimodal large language model for automated endoscopy reporting with multicenter prospective validation 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02569-7 PMID:41904204	研究论文	本研究开发了一个名为Report-Angel的集成AI系统，基于多模态大语言模型和传统深度学习模型，用于自动生成上消化道内镜检查的详细报告草案	开发了首个针对上消化道内镜报告自动生成的领域专用多模态大语言模型系统，并进行了前瞻性多中心验证	未明确提及系统在罕见疾病或复杂病例上的表现，也未讨论模型对不同内镜设备或成像条件的适应性	开发一个能够自动生成准确、完整内镜报告的AI系统，以标准化报告流程并减轻内镜医师的工作负担	上消化道内镜检查的图像和视频数据	自然语言处理, 计算机视觉	上消化道疾病	内镜检查	多模态大语言模型, 深度学习模型	图像, 文本, 视频	20,617个图像-文本对，以及前瞻性内部和外部队列、回顾性图像数据集、前瞻性单中心和多中心视频数据集	未明确提及	未明确提及	临床可接受报告率, 报告完整性, 报告准确性, 处理时间	未明确提及
443	2026-03-30	Long term evolutions of hard exudates after anti-VEGF therapy for diabetic macular oedema 2026-Mar-28, Eye (London, England) DOI:10.1038/s41433-026-04408-1 PMID:41904245	研究论文	本研究评估了抗VEGF治疗后糖尿病黄斑水肿患者硬性渗出物体积的长期变化	首次使用深度学习模型对硬性渗出物进行自动分割，并分析了其在5年内的纵向变化	样本量相对较小，且为事后分析，可能存在选择偏倚	评估抗VEGF治疗后硬性渗出物的长期演变及其对视力结果的影响	糖尿病黄斑水肿患者的眼部OCT扫描图像	数字病理学	糖尿病黄斑水肿	光学相干断层扫描	深度学习模型	图像	116只眼	NA	NA	NA	NA
444	2026-03-30	Machine and Deep Learning Models for Preoperative Prediction of Suboptimal Clinical Response One Year after Metabolic Bariatric Surgery: Findings from the Tehran Obesity Treatment Study 2026-Mar-28, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-026-08568-7 PMID:41904288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
445	2026-03-30	Deep learning characterizes depression and suicidal ideation in young adults from eye movements 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02550-4 PMID:41904340	研究论文	本研究利用深度学习分析年轻成年人在阅读和回应情感性句子时的眼动数据，以识别抑郁和自杀意念的客观生物行为标记	首次设计了一个深度学习框架，能够同时考虑眼动数据的试次内和试次间变异，并发现眼动模式在回应生成阶段和对负面情感刺激时更具区分性	样本量相对较小（126名年轻成年人），且结果基于自我报告的症状严重程度，需要更大样本和临床诊断的验证	探索眼动追踪作为抑郁和自杀意念的客观生物行为标记的潜力	126名年轻成年人	机器学习	精神疾病	眼动追踪	深度学习	眼动数据	126名年轻成年人	NA	NA	AUC	NA
446	2026-03-30	A systematic review of the use of artificial intelligence in mental health-based diabetes care: Current applications and future directions 2026-Mar-28, Diabetic medicine : a journal of the British Diabetic Association IF:3.2Q2 DOI:10.1111/dme.70299 PMID:41904510	系统综述	本文系统综述了人工智能在心理健康为基础的糖尿病护理中的应用，总结了当前研究趋势、方法学局限及未来方向	首次系统性地梳理了人工智能在糖尿病心理健康护理领域的研究现状，并识别了研究空白与方法学不足	研究样本多样性不足，前瞻性实验和随机对照试验设计使用较少，过度依赖监督学习算法	梳理人工智能在心理健康为基础的糖尿病护理中的研究现状，识别趋势、方法学局限及未来研究方向	涉及人类、糖尿病背景、心理健康因素及人工智能方法的同行评审实证定量研究	机器学习	糖尿病	NA	监督学习算法, 深度学习模型	NA	41项研究	NA	NA	NA	NA
447	2026-03-30	Contrastive representation learning and capsule networks enable accurate identification of ferroptosis-related proteins 2026-Mar-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01183-9 PMID:41904560	研究论文	本文提出了一种名为FeroConCap的新型深度学习框架，用于准确识别铁死亡相关蛋白	首次将分形混沌游戏表示编码、胶囊网络和监督对比学习相结合，以捕获与铁死亡相关的层次和空间序列依赖性，并开发了用户友好的Web服务器	受限于实验验证数据的有限可用性，且模型性能可能依赖于基准数据集的规模和代表性	开发一种准确且高通量的计算方法来识别铁死亡相关蛋白	铁死亡相关蛋白	自然语言处理	癌症	蛋白质序列分析	Capsule Networks, 深度学习	蛋白质序列	2298个非冗余蛋白质序列	NA	Capsule Networks	准确率, MCC	NA
448	2026-03-30	Toward ultimate NMR resolution with deep learning 2026-Mar-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady7995 PMID:41894514	研究论文	本文提出了一种基于深度学习的核磁共振谱峰概率表示方法，以逼近理论极限的分辨率	引入了峰值概率表示法，并开发了物理启发的深度学习神经网络MR-Ai，实现了多谱协同处理与信息交换	方法在60种数据库蛋白质上验证，但未明确说明在更广泛生物样本或临床样本中的泛化能力	提升核磁共振光谱的分辨率，实现接近理论极限的峰定位精度	蛋白质核磁共振光谱	机器学习	NA	核磁共振光谱	深度学习神经网络	光谱数据	60种数据库蛋白质，包括Tau和MATL1蛋白	NA	MR-Ai	峰定位精度，与克拉美-罗下界和贝叶斯蒙特卡洛估计的理论极限对比	NA
449	2026-03-30	Reducing breath-hold time in liver MRI: Clinical performance of deep learning-accelerated post-contrast T1 VIBE sequences 2026-Mar-25, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112815 PMID:41903373	研究论文	本研究评估了深度学习加速的T1 VIBE序列在缩短肝脏MRI屏气时间的同时，是否能够维持诊断图像质量	首次在临床前瞻性研究中，将深度学习加速的MRI序列（10秒和6秒）与标准18秒序列进行直接比较，验证了其非劣效性	加速序列在解剖区分性和病灶显影性方面评分略低于标准序列，图像质量存在轻微折衷	评估深度学习加速技术能否缩短肝脏MRI屏气时间，同时保持诊断可接受性	接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	T1加权两点Dixon梯度回波序列，深度学习加速重建	深度学习模型	MRI图像	99名患者（平均年龄61.0±15.4岁，49.5%女性）	NA	NA	Likert量表评分（图像质量、运动伪影、其他伪影、解剖区分性、病灶显影性），非劣效性检验	1.5T MRI系统
450	2026-03-30	The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review 2026-Mar-23, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121869 PMID:41881175	综述	本文对脑损伤患者T1加权MRI病灶修复工具的演变进行了范围综述	首次系统性地对脑损伤病灶修复工具进行分类和比较，涵盖传统方法与深度学习方法，并为工具的使用和开发提供建议	仅纳入24篇文献，可能未覆盖所有相关研究；作为范围综述，未进行定量荟萃分析	综述脑损伤患者MRI病灶修复工具的发展，以促进其在神经影像分析中的广泛应用	脑损伤患者的T1加权MRI图像	数字病理学	脑损伤	T1加权磁共振成像	CNN, GAN, 去噪扩散模型	图像	NA	NA	NA	NA	NA
451	2026-03-30	DFENet: A Novel Dual-Path Feature Extraction Network for Semantic Segmentation of Remote Sensing Images 2026-Mar-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030141 PMID:41892943	研究论文	本文提出了一种新颖的双路径特征提取网络（DFENet），用于遥感图像的语义分割，旨在解决特征融合和频域信息利用的挑战	提出了一种双路径模块（DPM）来分别提取全局和局部特征，并创新性地集成了四种特征提取策略以从不同粒度提取全局特征；设计了一个以离散小波变换（DWT）为主的频域特征提取块（FFEB），有效捕获高频和低频分量	NA	提高遥感图像语义分割的性能，解决语义混淆和边界模糊问题	遥感图像（RSIs）	计算机视觉	NA	离散小波变换（DWT）	CNN	图像	ISPRS Vaihingen数据集和ISPRS Potsdam数据集	NA	DFENet	平均交并比（mIoU）	NA
452	2026-03-30	Clinical priors-inspired privileged knowledge distillation for reliable pancreatic lesion classification 2026-Mar-23, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104041 PMID:41903258	研究论文	提出一种基于临床先验知识的特权知识蒸馏框架，用于提高胰腺病变分类的可靠性	引入两种由临床先验指导的新组件：诊断相关特权知识策略和先验引导的双重校准策略，将MRI作为特权模态来增强CT分类	需要多模态数据进行训练，且推理阶段仍依赖CT单模态	提高胰腺病变分类的准确性和临床可靠性	胰腺病变（包括小病灶或等密度病灶）	计算机视觉	胰腺癌	CT, MRI	深度学习	医学图像	多中心数据集（具体数量未提供）	PyTorch	知识蒸馏框架	准确率	NA
453	2026-03-30	Validation of conformal prediction in cervical atypia classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44850-5 PMID:41866425	研究论文	本文验证了在宫颈非典型性分类中应用保形预测方法，通过专家标注集评估其预测集的真实性和价值	首次基于专家标注集全面验证保形预测在宫颈癌分类中的表现，揭示传统覆盖率验证高估性能，并探讨保形预测在识别模糊和分布外数据方面的能力	研究仅针对宫颈非典型性分类任务，未扩展到其他疾病或数据模态，且依赖于特定专家标注集，可能受标注者主观性影响	验证保形预测在宫颈癌筛查深度学习模型中的有效性，确保预测集真实反映模型不确定性并与人类期望一致	宫颈非典型性分类的深度学习模型及其保形预测集	数字病理学	宫颈癌	深度学习	深度学习模型	图像	NA	NA	NA	覆盖率	NA
454	2026-03-30	Design of an in-pipe inspection robotic system (IPIRS) with YOLOv8-LSTM integration for real-time in-pipe navigation 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42181-z PMID:41866593	研究论文	本文介绍了一种集成了YOLOv8和LSTM的管道内检测机器人系统，用于实时管道导航和预测分析	提出了一种改进的管道内检测机器人系统，通过集成YOLOv8进行视觉目标检测和LSTM分析时序IMU数据，实现了在弯曲或变径管道中的可靠自适应导航和预测决策	系统在直径100至150毫米的管道中进行测试，可能未覆盖更广泛或更复杂的管道环境，且依赖于仿真环境进行评估	开发一种能够实时导航和进行预测分析的自动化管道检测机器人系统	石油、天然气和水分配网络中的管道	计算机视觉	NA	机器人仿真、深度学习	CNN, LSTM	图像、时序IMU数据	NA	ROS, Gazebo, Rviz	YOLOv8, LSTM	mAP (0.5), F1 score, MSE, MAE	NA
455	2026-03-23	Hybrid tuned deep learning model for breast cancer diagnosis using genetic data 2026-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41643-8 PMID:41865006	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
456	2026-03-30	Rapid earthquake damage assessment via hybrid LSTM-RNN with a quantum-inspired classification head based on Autonomous Perceptron Model APM 2026-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38982-x PMID:41865013	研究论文	本文提出了一种基于混合LSTM-RNN和量子启发的APM分类头的深度学习框架，用于快速地震损伤评估	结合了混合LSTM-RNN序列模型与量子启发的APM分类头，用于提升地震损伤分类的判别能力	未明确说明数据来源或具体应用场景的局限性	实现快速地震后损伤评估，以支持应急响应和风险缓解	结构响应变量（位移、速度、加速度和损伤指数）及损伤状态	机器学习	NA	深度学习，量子启发分类	LSTM, RNN, 混合LSTM-RNN	序列数据	NA	NA	堆叠LSTM, 混合LSTM-RNN, APM（基于自主感知机模型的量子启发分类头）	R²分数, MAE, RMSE, MAPE, MedAE	NA
457	2026-03-30	A Frequency-Aware Self-Supervised Framework for MEMS-OCT Denoising 2026-Mar-21, Biosensors DOI:10.3390/bios16030177 PMID:41892069	研究论文	本文提出了一种基于频率增强自监督框架的MEMS-OCT去噪方法，旨在提升光学相干断层扫描图像的质量	结合了Neighbor2Neighbor自监督框架与频率域增强技术，引入了小波引导谱池化模块和频率域增强感受野块，有效建模全局结构依赖	未明确说明对计算资源的需求或模型在更大规模数据集上的泛化能力	开发一种自监督深度学习框架，用于去除MEMS-OCT图像中的乘性散斑噪声，以改善图像视觉质量和后续分析准确性	通过自建MEMS-OCT系统获取的光学相干断层扫描图像	计算机视觉	NA	光学相干断层扫描成像	CNN	图像	NA	NA	UNet	PSNR, SSIM	NA
458	2026-03-30	ViFIT-assisted histopathology: From H&E style standardization to virtual fiber image transformation 2026-Mar-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104051 PMID:41903259	研究论文	本文提出了一种名为ViFIT辅助组织病理学的两阶段诊断方法，通过无监督深度学习模型将不同风格的H&E染色图像转换为病理学家偏好的样式，并同时生成内容一致的虚拟纤维图像	提出了一种无需预定义染色风格输入和人工干预的无监督虚拟纤维转化模型，能够同时实现H&E图像风格标准化和虚拟染色，并生成包含无标记胶原纤维及染色网状与弹性纤维的图像	未明确说明模型在跨癌症类型泛化能力的具体限制，也未提及对罕见染色变异的处理能力	开发一种能够自动标准化H&E染色图像风格并生成虚拟纤维图像的深度学习辅助诊断方法，以简化组织病理学工作流程	H&E染色组织病理学图像及其对应的虚拟纤维图像	数字病理学	肿瘤（多种癌症类型）	虚拟纤维染色，H&E染色标准化	无监督深度学习模型	图像	多个术中与术后病例（具体数量未明确说明）	NA	ViFIT（虚拟纤维转化模型）	NA	NA
459	2026-03-30	Artificial intelligence for acute appendicitis diagnosis: A systematic review of current evidence, challenges, and future directions 2026-Mar-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048094 PMID:41861187	综述	本文系统回顾了人工智能在急性阑尾炎诊断中的应用证据、挑战及未来方向	首次对AI在急性阑尾炎诊断领域的现有证据进行全面系统回顾，并识别了混合多模态模型作为最具转化潜力的方向	大多数研究为回顾性、单中心设计，缺乏充分的外部验证且方法学报告不一致，研究异质性高导致无法进行荟萃分析	评估人工智能在提高急性阑尾炎诊断准确性、辅助临床决策和降低阴性阑尾切除率方面的潜力	聚焦于使用临床、实验室或影像数据开发或验证急性阑尾炎诊断模型的研究	数字病理学	急性阑尾炎	CT、超声、MRI影像分析	机器学习、深度学习	临床数据、实验室数据、影像数据	NA	NA	NA	AUC、准确率、灵敏度、特异度、预测值	NA
460	2026-03-30	DeepIM: Integrating Channel-Spatial Attention with Transformer for DNA i-Motif Folding Status Prediction 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00023 PMID:41854168	研究论文	本文提出了一种名为DeepIM的新型深度学习模型，用于高精度预测DNA i-Motif结构的折叠状态	首次将通道-空间注意力机制与Transformer架构相结合，用于DNA i-Motif折叠状态预测，并实现了高准确性和可解释性	模型依赖于酸性条件下的序列数据，可能不适用于其他生理条件；且需要大量标注数据进行训练	开发一种高效、高精度的计算方法来预测DNA i-Motif结构的折叠状态	DNA序列中的i-Motif结构	生物信息学	癌症	深度学习	Transformer, 注意力机制	DNA序列	超过750,000条序列	NA	Transformer, 通道-空间注意力机制	准确率	NA