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
4861	2026-02-06	SERS-based deep learning approach for early detection of gestational diabetes mellitus 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127472 PMID:41547262	研究论文	本研究提出了一种结合表面增强拉曼光谱（SERS）与深度学习的新策略，用于妊娠期糖尿病（GDM）的早期快速筛查	首次将SERS技术与融合PCA-CNN的深度学习模型相结合，用于GDM的早期诊断，实现了高精度、快速且样本需求量小的检测	未明确说明研究样本的具体来源、多样性或潜在的批次效应，也未提及模型在外部验证集上的泛化性能	开发一种快速、准确且临床适用的早期妊娠期糖尿病筛查方法	孕妇血清样本	机器学习	妊娠期糖尿病	表面增强拉曼光谱（SERS），基于银纳米颗粒（Ag NPs）的基底	CNN	光谱数据（一维SERS光谱）	未在摘要中明确说明具体样本数量	NA	融合PCA-CNN模型（主成分分析结合一维卷积神经网络）	准确率，灵敏度，特异性	NA
4862	2026-02-06	A research on applying the diffusion model algorithm for Infrared and Raman spectroscopy data augmentation to improve the accuracy of diseases 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127466 PMID:41558273	研究论文	本研究提出了一种基于扩散模型的光谱数据生成方法，用于增强红外和拉曼光谱数据，以提高疾病诊断的准确性	通过分别编码时间和类别标签信息，并结合多头注意力机制，在多尺度上提取光谱的整体形态和局部细微特征，在反向重建阶段基于隐式建模估计噪声分布，并利用交叉注意力在不同标签下生成不同类别的光谱，实现了条件约束下的精确去噪和特征谱峰位置等信息的渐进重建	NA	克服光谱数据样本量有限、噪声干扰和设备变异性等挑战，提高深度学习模型在疾病诊断中的泛化性能和准确性	甲状腺疾病和系统性红斑狼疮（SLE）的红外和拉曼光谱数据	机器学习	甲状腺癌, 系统性红斑狼疮	红外光谱, 拉曼光谱	扩散模型	光谱数据	NA	NA	EfficientNet, MLP, Transformer	皮尔逊相关系数, 准确率	NA
4863	2026-02-06	Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study 2026-Apr, Addictive behaviors IF:3.7Q1 DOI:10.1016/j.addbeh.2026.108624 PMID:41610630	研究论文	本研究探讨了利用被动收集数据（如加速度计、心率、呼吸频率、屏幕使用和GPS数据）通过深度学习模型预测或检测重度抑郁症患者酒精使用的效果	首次在重度抑郁症患者中，结合被动收集的多模态数据，评估深度学习模型对酒精使用的预测能力，并对比了时间模式基线	模型性能与仅使用星期几作为预测因子的基线模型相当，表明被动数据的附加价值有限，且样本仅来自特定抑郁症研究队列	评估被动数据在预测或检测重度抑郁症患者酒精使用方面的有效性	300名临床诊断为重度抑郁症的个体	机器学习	重度抑郁症	被动数据收集（加速度计、心率、呼吸频率、屏幕使用、GPS）	深度学习模型	时间序列传感器数据	300名重度抑郁症患者，为期90天的纵向研究	未明确指定	未明确指定	AUC	未明确指定
4864	2026-02-06	Comparative Analysis of Deep Learning-Based Algorithms for Peptide Structure Prediction 2026-Mar, Proteins IF:3.2Q2 DOI:10.1002/prot.70049 PMID:41047732	研究论文	本研究比较了AlphaFold2、RoseTTAFold2和ESMFold等深度学习算法在肽三维结构预测中的性能	首次系统性地将最新的深度学习蛋白质结构预测方法应用于肽结构预测，并识别了影响预测质量的结构特征	所有方法在肽结构预测上的整体性能低于蛋白质结构预测，且某些情况下生成的肽结构需谨慎使用	评估深度学习算法在肽三维结构预测中的有效性，并比较不同方法的性能	肽的三维结构预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	NA	NA	AlphaFold2, RoseTTAFold2, ESMFold	预测准确性	NA
4865	2026-02-06	Development and application of an instrument for microstructure matrix inclusion distribution analysis in oversized metallic materials 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114620 PMID:41630922	研究论文	本研究开发了一种用于超大金属材料中微观结构基体夹杂物分布分析的自动化检测系统	集成高精度CNC平台、多单元显微成像、激光光谱和基于YOLOv11的深度学习模型，实现了米级样品的全区域快速扫描，检测效率比传统方法提高20倍以上	未明确说明系统对不同金属材料类型的适用性限制	解决洁净钢生产中夹杂物分析的迫切需求，开发自动化检测系统	超大金属材料（汽车板材样品）中的微观结构夹杂物	计算机视觉	NA	CNC平台控制、显微成像、激光光谱分析、深度学习	CNN	图像	汽车板材样品（具体数量未明确），共分析533,041个夹杂物	NA	YOLOv11	检测效率（与传统方法对比）	NA
4866	2026-02-06	AI-driven routing and layered architectures for intelligent ICT in nanosensor networked systems 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114626 PMID:41630924	综述	本文综述了纳米传感器网络与现代信息通信技术（ICT）的融合，探讨了机器学习与人工智能在提升数据处理、能源管理、实时通信和系统协调方面的应用	提出了一个统一的框架，用于推进智能且资源高效的纳米传感器通信系统，并探索了受生物系统启发、可解释模型和基于量子学习等潜在解决方案	识别了涉及计算负载、数据隐私和系统互操作性等关键挑战	评估人工智能与机器学习技术如何改善纳米传感器网络环境中的数据路由、异常检测、安全性和预测性维护	纳米传感器网络系统	机器学习	NA	NA	监督学习, 无监督学习, 强化学习, 深度学习	传感器数据	NA	NA	NA	延迟, 吞吐量, 能源效率	NA
4867	2026-02-06	Diverse intracellular trafficking of insulin analogs by machine learning-based colocalization and diffusion analysis 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114516 PMID:41630923	研究论文	本研究开发了一种结合机器学习共定位指纹识别与深度学习辅助单粒子扩散分析（DeepSPT）的平台，用于实时比较胰岛素类似物在活细胞内的运输差异	首次将时间分辨共定位的机器学习框架与深度学习辅助单粒子扩散分析相结合，实现了对胰岛素类似物细胞内运输动态的精细解析	研究仅在活细胞模型中进行，未涉及完整的生理环境或动物模型验证	探究胰岛素类似物与内源性胰岛素在细胞内运输途径的差异	ATTO标记的重组人胰岛素（HI）和速效胰岛素类似物门冬胰岛素（IAsp）	机器学习	糖尿病	活细胞成像，单粒子追踪，共定位分析	机器学习，深度学习	活细胞成像视频，单粒子轨迹数据	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
4868	2026-02-06	Cosynllm: predicting drug combination synergy with LLM-generated descriptions 2026-Feb-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01158-w PMID:41639911	研究论文	本文提出了一种名为CoSynLLM的LLM辅助预测框架，用于预测药物组合的协同作用	利用大型语言模型生成语义级化学信息，并结合药物指纹和细胞系基因表达谱，通过分层特征融合策略预测药物组合协同作用	NA	预测药物组合的协同作用，以辅助复杂疾病的治疗	药物组合	机器学习	NA	深度学习	NA	文本, 化学指纹, 基因表达谱	两个基准数据集：NCI-ALMANAC和O'Neil	NA	NA	NA	NA
4869	2026-02-06	Learning the anatomical topology consistency driven by Wasserstein distance for weakly supervised 3D pancreas registration in multi-phase CT images 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3966 PMID:41544269	研究论文	提出了一种基于Wasserstein距离的弱监督三维胰腺配准框架，用于多期相CT图像中胰腺的精确配准	引入Wasserstein距离来强制胰腺解剖拓扑结构的一致性，并采用距离变换来构建胰腺的小型、不确定和复杂的解剖拓扑分布，从而克服了传统基于强度或分割的相似性度量的局限性	研究仅针对胰腺这一特定器官，且方法在胰腺肿瘤类型（PDAC、IPMN、MCN、SCN、SPT、CP、PNET）上的泛化能力有待进一步验证	实现增强CT与非增强CT图像之间胰腺的准确自动配准，以辅助胰腺癌的诊断和治疗	胰腺	医学图像处理	胰腺癌	CT成像	深度学习模型	3D CT图像	975对配对的增强CT-非增强CT图像，来自七种胰腺肿瘤类型（PDAC、IPMN、MCN、SCN、SPT、CP、PNET）的患者	NA	NA	Dice分数，假阳性分割率，Hausdorff距离	NA
4870	2026-02-06	Thermostability Prediction Powered by Synergistic Deep Learning at Experimental and Theoretical Levels for Nanobodies 2026-Feb-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c19073 PMID:41564239	研究论文	本文提出了一种双尺度协同深度学习策略，用于预测纳米抗体的热稳定性	创新性地结合实验数据和理论模拟，通过双模型协同缓解数据稀缺问题，并构建了联合深度学习架构	实验数据量仍相对有限（514个样本），且模型泛化能力可能受小数据风险影响	提高纳米抗体热稳定性的预测可靠性，以支持其实际应用	纳米抗体	机器学习	NA	分子动力学模拟	深度学习	序列数据, 结构数据	514个实验熔解温度数据, 704个纳米抗体结构	NA	抗体语言模型集成到联合深度学习架构	Pearson相关系数, 准确率	NA
4871	2026-02-06	Hybrid GELAN-UNet: integrating medical priors for low-dose CT denoising 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b47 PMID:41564446	研究论文	提出一种融合医学先验的混合GELAN-UNet模型，用于提升低剂量CT图像的去噪性能	提出混合广义高效层聚合网络-UNet架构，通过浅层医学增强模块捕获细节、深层高效模块降低计算成本，并创新性地引入低频保留路径和边缘感知注意力机制	仅在公开Mayo Clinic数据集上进行评估，未在其他多中心或临床场景验证	开发兼顾去噪性能与计算效率的低剂量CT图像去噪方法	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	CNN	医学图像	公开Mayo Clinic数据集（具体数量未说明）	NA	GELAN-UNet	峰值信噪比	NA
4872	2026-02-06	Comprehensive segmentation of focal cortical dysplasia by combining surface-based and whole-brain MRI deep learning algorithms: a proof-of-concept study 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3d3e PMID:41587495	研究论文	本研究通过结合表面基和全脑MRI深度学习算法，旨在提高局灶性皮质发育不良II型的分割准确性	创新性地整合了两种AI算法（MELD Graph和MindGlide），专注于白质病变分割以补充传统皮质特征分析，从而改善FCD II型病变的全面分割	MindGlide算法未在FCD数据上训练，改进效果有限（平均Dice分数仅增加0.033），样本量较小（49例），且为概念验证研究	提高局灶性皮质发育不良II型（FCD II）在MRI图像中的分割准确性，特别是其白质成分	49例具有放射学确认的跨脑室征的FCD II型病例	数字病理学	癫痫	T2-FLAIR磁共振成像（MRI）	深度学习	MRI图像	49例FCD II型病例	NA	MELD Graph, MindGlide	Dice相似系数, 分割体积	NA
4873	2026-02-06	Lightweight Truncated Fused-MirrorNet for Classification and Analysis of Histopathology Images 2026-Feb-04, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70127 PMID:41636335	研究论文	本研究提出了一种轻量化的截断融合镜像网络，用于肾组织病理学图像的分类与分析	采用镜像架构、部分层冻结和特征融合方法提升性能，在保持分类精度的同时显著减少训练时间，适用于低端设备部署	未明确说明模型在更广泛数据集或临床环境中的泛化能力验证	开发一种轻量化的深度学习模型，用于肾组织病理学图像的自动分类，以克服传统手动方法的局限性	肾组织病理学图像	数字病理学	肾细胞癌	NA	CNN, 视觉Transformer	图像	来自两个数据集（TCGA kidney和BreakHis）的组织病理学图像	NA	Fused-MirrorNet	准确率	低端设备
4874	2026-02-06	Video-based diagnostics supported by artificial intelligence as an opportunity to address the epilepsy diagnostic gap: A narrative review 2026-Feb-04, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70134 PMID:41636690	综述	本文是一篇叙述性综述，探讨了人工智能增强的视频诊断技术在解决癫痫诊断差距方面的潜力	提出了一个整合视频诊断到癫痫护理的框架，并综合了临床、技术和卫生经济学视角，强调了AI视频分析作为可扩展解决方案的未充分利用的机遇	AI算法在真实世界环境中的性能差异显著，存在数据稀缺、泛化性、监管框架和报销缺口等实施挑战	探索人工智能增强的视频诊断技术如何解决癫痫诊断差距，实现更早、更易获取的癫痫发作检测和分类	癫痫诊断，特别是资源有限环境下的诊断	计算机视觉	癫痫	视频记录，人工智能驱动的视频分析	深度学习算法	视频	综述了13项研究（n=682）的荟萃分析，以及8项关键验证研究	NA	NA	敏感性，特异性，假检测率	NA
4875	2026-02-06	Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models 2026-Feb-04, Naunyn-Schmiedeberg's archives of pharmacology DOI:10.1007/s00210-025-04971-6 PMID:41636836	研究论文	提出了一种名为CapsuleSEDualNet的新型深度学习框架，用于实现稳健且可解释的多类别指甲疾病诊断	将胶囊网络头与SE注意力机制集成在结合MobileNetV2和DenseNet121的双主干架构中，SE块增强了特征区分能力，胶囊头保留了空间层次结构以提高可解释性	需要进一步的临床验证	实现自动化指甲疾病筛查，为早期和可及的皮肤病学评估提供关键临床解决方案	指甲疾病，包括真菌感染和恶性肿瘤	计算机视觉	皮肤病	深度学习	Capsule Network, CNN	图像	NA	NA	CapsuleSEDualNet, MobileNetV2, DenseNet121	分类准确率	NA
4876	2026-02-06	Shaping the future of myopia: artificial intelligence for vitreoretinal complications of high and pathologic myopia 2026-Feb-04, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07098-9 PMID:41636834	综述	本文综述了人工智能（特别是深度学习）在检测高度近视和病理性近视的玻璃体视网膜并发症（如视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变）方面的应用现状	系统总结了深度学习在多种眼科成像模态（如OCT、眼底摄影）中对近视相关视网膜病变的分类与分割任务的应用，并指出从CNN架构向Transformer骨干网络及预训练/基础模型的发展趋势	研究间存在病例定义、数据集和评估方法的显著异质性，外部验证报告不一致，且需进一步工作以实现临床转化，包括稳健的外部验证、临床决策校准和前瞻性评估	评估人工智能在检测近视相关视网膜并发症方面的潜力，以缓解近视流行带来的医疗系统压力	高度近视和病理性近视患者的视网膜并发症，包括视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变	数字病理学	近视	OCT、眼底摄影、荧光素血管造影、超声检查	深度学习	图像	NA	NA	CNN, Transformer	AUC, 准确率, 灵敏度, 特异性	NA
4877	2026-02-06	A new model based on multi-axis vision transformer for chondromalacia patella diagnosis in magnetic resonance scans 2026-Feb-04, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01707-5 PMID:41637014	研究论文	本文提出了一种基于多轴视觉Transformer的深度学习架构，用于磁共振扫描中髌骨软骨软化症的诊断	首次将Multi-Axis Vision Transformer (MaxViT) 应用于髌骨软骨软化症的MRI图像分类，并与多种Transformer和CNN模型进行了对比	未提及模型在外部验证集上的泛化性能或临床部署的可行性	开发一种基于深度学习的准确诊断髌骨软骨软化症的方法	磁共振成像 (MRI) 扫描图像	计算机视觉	髌骨软骨软化症	磁共振成像 (MRI)	Transformer, CNN	图像	NA	NA	Multi-Axis Vision Transformer (MaxViT), Vision Transformer (ViT), Swin Transformer, GoogLeNet, ResNet18, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
4878	2026-02-06	3DFE-Net: Three-dimensional fusion enhancement network based on multi-attention mechanism for multi-modal magnetic resonance images 2026-Feb-04, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03499-4 PMID:41637028	研究论文	本文提出了一种基于多注意力机制的三维融合增强网络（3DFE-Net），用于多模态磁共振图像融合	首次提出基于深度学习的三维医学图像融合方法，设计了多感受野卷积块（MRFC）和多感受野瓶颈块（MRFB）替代传统卷积块，并构建了结合通道注意力、自注意力和空间注意力的多注意力融合模块	NA	解决深度学习在三维医学图像融合领域的空白，提升多模态磁共振图像的融合效果	多模态磁共振图像（MR-T1ce和MR-T2）	计算机视觉	胶质瘤	磁共振成像	CNN	三维医学图像	NA	NA	3DFE-Net	信息熵（EN）、互信息（MI）、标准差（SD）、二进制质量评估（Qabf）、视觉信息保真度（VIF）	NA
4879	2026-02-06	Rapid, label-free cancer detection in fresh pancreatic tissue using deep learning and multispectral Mueller matrix polarimetry 2026-Feb-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3661029 PMID:41637699	研究论文	本研究提出了一种结合多光谱穆勒矩阵偏振测量和深度学习的方法，用于新鲜胰腺组织中快速、无标记的癌症检测	首次将多光谱穆勒矩阵偏振测量与深度学习结合，实现新鲜组织活检中像素级的癌症自动识别，无需染色或组织切片	研究主要针对胰腺导管腺癌，未涉及其他癌症类型；方法依赖于定制设备，可能限制广泛临床应用	开发一种快速、无标记的术中癌症检测方法，以替代传统冷冻切片评估	胰腺导管腺癌患者的新鲜组织活检样本	计算机视觉	胰腺癌	多光谱穆勒矩阵偏振测量	深度学习模型	偏振分辨的多光谱图像	来自胰腺导管腺癌患者的活检样本（具体数量未在摘要中说明）	NA	NA	分类性能（与临床常规冷冻切片评估相当）	NA
4880	2026-02-06	Robust Distance Estimation with Out-of-distribution Detection in Ophthalmic Surgery 2026-Feb-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3661297 PMID:41637700	研究论文	本文提出了一种深度学习框架，用于在眼科手术中通过光学相干断层扫描（OCT）M扫描进行稳健的距离估计和分布外检测	结合自适应远程运动中心（RCM）视网膜建模和时间序列分析，有效检测和纠正分割错误，并估计距离及其置信水平	NA	提高眼科手术中器械到视网膜距离估计的准确性，以增强患者安全性	离体人眼	计算机视觉	眼科疾病	光学相干断层扫描（OCT）	深度学习	时间序列数据	NA	NA	NA	准确率, 平均绝对误差（MAE）	NA