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
481	2026-04-11	Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence 2023-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13357 PMID:37357665	研究论文	本文介绍了一种基于人工智能的自动国际化脓性汗腺炎严重程度评分系统（AIHS4），用于评估化脓性汗腺炎的严重程度	开发了首个自动化的IHS4评分工具，利用基于YOLOv5架构的深度学习模型进行病变检测，并通过专家共识和知识统一算法训练	当前数据集规模可能有限，未具体说明模型在更广泛人群或不同设备上的泛化能力	开发一种自动化工具来评估化脓性汗腺炎的严重程度，以辅助临床实践和临床试验	化脓性汗腺炎患者的皮肤图像	计算机视觉	化脓性汗腺炎	深度学习，图像分析	CNN	图像	NA	PyTorch	YOLOv5	NA	NA
482	2026-04-11	Deep learning approach to predict pain progression in knee osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03773-0 PMID:33835240	研究论文	本研究开发并评估了深度学习模型，用于预测膝关节骨关节炎患者的疼痛进展	首次将深度学习应用于膝关节X光片分析，以预测疼痛进展，并开发了结合传统风险因素和深度学习分析的组合模型	研究为回顾性分析，且仅基于特定队列数据，可能无法完全推广到其他人群	预测膝关节骨关节炎患者的疼痛进展	膝关节骨关节炎患者或有患病风险的人群	数字病理学	骨关节炎	X光成像	深度学习, 人工神经网络	图像	9348个膝盖（来自4674名受试者），其中训练集4200个膝盖，测试集500个膝盖	NA	NA	AUC, 敏感性, 特异性	NA
483	2026-04-11	DeepLSR: a deep learning approach for laser speckle reduction 2019-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.002869 PMID:31259057	研究论文	提出了一种名为DeepLSR的对抗性深度学习框架，用于减少激光散斑噪声，将相干照明图像转换为无散斑的非相干照明图像	采用对抗性深度学习框架进行激光散斑减少，相比传统方法（如优化非局部均值处理、BM3D和光学散斑减少器）能显著降低噪声（6.4 dB），并可结合光学方法进一步减少至9.4 dB	未明确提及具体局限性，如泛化能力、计算成本或对不同成像模态的适应性	减少激光散斑噪声，提高相干光源成像质量，以支持医疗内窥镜等需要小型照明源和高品质成像的应用	使用多波长激光照明的物体和组织宽场图像，以LED照明图像作为真实参考	计算机视觉	NA	激光照明成像，宽场成像	GAN	图像	未明确提及具体样本数量，但涉及胃肠道组织图像	未明确指定，但基于对抗性深度学习框架	未明确指定具体架构，但为对抗性框架	散斑噪声减少（dB）	NA
484	2026-04-11	Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis 2018-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2017.2767063 PMID:29989977	综述	本文综述了深度学习技术在电子健康记录分析中的最新进展和应用	系统性地总结了深度学习在EHR分析中的多种应用，如信息提取、表示学习、结果预测等，并指出了当前研究的局限性	当前研究存在模型可解释性不足、数据异质性、缺乏统一基准等问题	调查深度学习技术在电子健康记录分析中的研究现状和应用	电子健康记录数据	自然语言处理	NA	NA	NA	文本	NA	NA	NA	NA	NA
485	2026-04-10	Deep Learning Methods for De Novo Peptide Sequencing 2026 May-Jun, Mass spectrometry reviews IF:6.9Q1 DOI:10.1002/mas.21919 PMID:39611290	综述	本文综述了深度学习在从头肽段测序中的应用方法、性能评估流程及领域挑战	系统总结了自2017年DeepNovo算法以来深度学习主导的从头测序技术发展脉络	未提出新的算法模型，主要侧重于现有方法的归纳与讨论	探讨深度学习在质谱数据从头肽段测序中的方法学进展与评估标准	蛋白质串联质谱数据及其对应的肽段序列	机器学习	NA	串联质谱	多层神经网络	质谱数据	NA	NA	NA	NA	NA
486	2026-04-10	Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging 2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70125 PMID:41267329	研究论文	本研究评估了基于深度学习的模型，用于高频超声（HFUS）图像在B模式和Doppler模式下的皮肤病变二分类	通过比较单输入CNN与Unity和Cascade架构，结合B模式和Doppler模式数据，探索了定制化深度学习在非侵入性皮肤病变分类中的潜力	未明确提及具体局限性，但暗示网络设计和数据质量会影响性能	评估深度学习模型在高频超声图像上对皮肤病变进行二分类的性能	高频超声（HFUS）图像，包括B模式和Doppler模式	计算机视觉	皮肤病变	高频超声（HFUS）成像	CNN	图像	NA	NA	CNN, Unity, Cascade	准确率, AUC	NA
487	2026-04-10	Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study 2026-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005639 PMID:41631492	研究论文	本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫	首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了多中心外部验证，模型性能与专家标注高度一致	研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚；模型仅针对T2加权矢状位MRI图像	开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断	疑似退行性颈脊髓病患者的颈椎MRI图像	计算机视觉	退行性颈脊髓病	MRI	YOLO	图像	735名患者的1431张矢状位T2加权颈椎MRI图像	NA	YOLO11	mAP50, 精确度, 召回率	NA
488	2026-04-10	Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis 2026-Apr-14, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2025017224 PMID:41512166	研究论文	本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并验证了其作为治疗靶点的潜力	首次通过多组学分析发现DVT早期中性粒细胞CD14过表达，并利用几何深度学习模型DeepPBS揭示了G-CSF通过上调C/EBPα驱动CD14表达的机制	研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证	探究深静脉血栓形成早期中性粒细胞激活的分子机制并寻找新的治疗靶点	骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞	生物医学研究	深静脉血栓	RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀	几何深度学习模型	多组学数据（转录组、蛋白质组、流式数据）	未明确说明具体样本数量	NA	DeepPBS	血栓负荷降低, 血栓发生率降低, 中性粒细胞和瓜氨酸化组蛋白H3积累减少	NA
489	2026-04-10	DeepFit: Physically and Chemically Informed XAS-Structure Fitting Made Simple 2026-Apr-09, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c04009 PMID:41711252	研究论文	DeepFit提出了一种基于深度学习的通用方法，通过结合光谱失配和量子化学能量的可微分最小化，解决X射线吸收光谱分析中的病态挑战，实现催化剂和材料局部结构的物理化学知情拟合	首次将深度学习与量子化学约束相结合，通过E(3)等变神经网络实现XAS数据的物理等变和化学合理结构精修，将定量XAS分析转化为黑盒常规工具	主要验证于均相催化剂的实验案例，可能尚未广泛测试于更复杂的材料体系或非过渡金属化合物	开发一种简化且准确的X射线吸收光谱结构拟合方法，以克服传统方法的高计算成本和模糊解问题	3d/4d过渡金属配合物的局部结构，特别是均相催化剂	机器学习	NA	X射线吸收光谱	E(3)-equivariant neural network	光谱数据	67,000个理论K边光谱	NA	E(3)-equivariant neural network	MAE, ROC-AUC	NA
490	2026-04-10	Integrating Molecular Dynamics and Deep Learning to Elucidate Conformational Plasticity Underlying the Reduced Activity of Glycocin F 2026-Apr-09, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c00056 PMID:41885711	研究论文	本文结合分子动力学与深度学习，揭示了糖肽F（GccF）中α-甲基化导致活性降低的结构动力学机制	利用变分自编码器引导的分子动力学框架，量化了微小化学修饰如何通过改变构象可塑性影响肽的功能	NA	阐明糖肽F中α-甲基化导致其抗菌活性大幅降低的结构动力学原因	糖肽F（GccF）及其α-甲基化变体	机器学习	NA	分子动力学模拟	变分自编码器	分子构象数据	NA	NA	变分自编码器	NA	NA
491	2026-04-10	Closed-loop transcranial ultrasound stimulation based on NREM and REM sleep for bidirectional modulation of sleep neural oscillation and memory 2026-Apr-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae584a PMID:41894824	研究论文	本研究开发了一种基于深度学习的闭环经颅超声刺激系统，针对非快速眼动和快速眼动睡眠振荡，评估了睡眠神经振荡和记忆能力	首次利用闭环经颅超声刺激技术，结合深度学习，针对睡眠特定振荡进行双向调制，揭示了其对神经活动和记忆功能的影响	研究主要基于小鼠模型，对人类睡眠和记忆的适用性尚不明确，且未详细探讨长期刺激效应	探究闭环经颅超声刺激对睡眠神经振荡和记忆能力的调制作用	健康小鼠和阿尔茨海默病模型小鼠	神经科学, 生物医学工程	阿尔茨海默病	闭环经颅超声刺激, 深度学习	深度学习模型	神经振荡信号, 行为数据	未明确指定样本数量，涉及健康小鼠和阿尔茨海默病模型小鼠	NA	NA	神经活动相关性, 记忆能力改善	NA
492	2026-04-10	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	本文提出FetalSleepNet，一种基于迁移学习和频谱均衡域适应的深度学习框架，用于胎儿睡眠状态分类	首次开发专门用于胎儿脑电图的自动睡眠分期深度学习架构，并实现跨发育（成人到胎儿）和跨物种（人到羊）的迁移学习框架，利用频谱均衡技术对齐频域特征	胎儿脑电图数据极其稀缺，且研究依赖于跨物种数据适应，可能引入未知偏差	开发自动化胎儿睡眠状态分类方法，以识别神经发育并发症如缺氧	胎儿睡眠状态分类，基于胎儿脑电图数据	机器学习	神经发育并发症	脑电图	深度学习	脑电图信号	NA	NA	FetalSleepNet	准确率, 宏F1分数	NA
493	2026-04-10	Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Apr-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	提出一种基于神经架构搜索与空谱注意力机制的高阶非线性高光谱解混模型	首次将神经架构搜索（NAS）集成到基于扩展多线性混合模型的高光谱解混中，设计了光谱-空间注意力引导的大规模搜索空间，并采用稀疏编码启发的加速策略	未明确说明模型在极端非线性混合场景下的泛化能力，以及搜索过程对计算资源的具体需求	解决高光谱解混中非线性混合过程的精确建模问题	高光谱遥感图像	计算机视觉	NA	高光谱成像	深度自编码器,神经架构搜索	高光谱图像	合成与真实数据集（未指定具体数量）	未明确说明	自定义多尺度卷积操作	光谱角距离	未明确说明
494	2026-04-10	Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants 2026-Apr-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5ca9 PMID:41950940	研究论文	本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能	将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解	未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力	开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性	脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤）	数字病理学	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net	分割精度	NA
495	2026-04-10	Multiomics and deep learning dissect regulatory syntax in human development 2026-Apr-08, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10326-9 PMID:41951735	研究论文	本研究通过整合单细胞多组学数据与深度学习模型，系统解析了人类发育过程中染色质可及性的调控语法	构建了首个覆盖12个器官、81.7万个胎儿细胞的单细胞染色质可及性与基因表达图谱，并开发深度学习模型揭示了调控元件中基序的句法规则	研究主要聚焦胎儿发育阶段，未涵盖成年期或疾病状态；模型预测基于序列特征，需实验验证其生物学功能	解析人类发育过程中转录因子结合与染色质可及性的调控机制	人类胎儿发育过程中的细胞与候选顺式调控元件	计算生物学	NA	单细胞多组学测序（染色质可及性与基因表达）	深度学习	基因组序列数据、单细胞多组学数据	817,740个胎儿细胞，覆盖12个器官、203种细胞类型	NA	NA	NA	NA
496	2026-04-10	Cost-effective and scalable urban air quality monitoring using image-based deep learning 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47424-7 PMID:41951751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
497	2026-04-10	A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46820-3 PMID:41951756	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
498	2026-04-10	Automatic Recognition and Prognostic Prediction of Colorectal Liver Metastases Using a Multi-Scale Deep Learning Framework: Model Development and Validation Study 2026-Apr-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73311 PMID:41945655	研究论文	本研究开发并验证了一个多模型集成深度学习框架（CLM-Net），用于从病理图像中自动识别和预测结直肠癌肝转移，以提高诊断准确性和临床适用性	通过集成VGG16、DeepLab-v3和U-Net等基础架构，并结合多尺度空洞卷积、挤压-激励注意力机制、条件随机场细化模块和迁移学习策略，构建了一个创新的多模型集成深度学习框架，显著提升了结直肠癌肝转移的识别和预后预测性能	研究样本量相对有限（197例），且未来需要多中心验证和多模态特征整合以进一步优化模型	开发并验证一个深度学习框架，用于自动识别和预测结直肠癌肝转移，以增强诊断准确性和临床实用性	结直肠癌肝转移的病理图像	数字病理学	结直肠癌肝转移	深度学习	CNN	图像	197例病理标注的结直肠癌肝转移病例，来自Kaggle和The Cancer Imaging Archive等公开数据集	TensorFlow, PyTorch	VGG16, DeepLab-v3, U-Net	准确率, 召回率, F1分数, AUC, Kaplan-Meier曲线, log-rank检验	NA
499	2026-04-10	Analyzing the deep learning approach-based modeling framework to understand the critical environmental factors of predicting daily nitrate concentrations 2026-Apr-07, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129539 PMID:41950591	研究论文	本研究利用深度学习框架分析影响河流硝酸盐浓度预测性能的关键环境因素	首次系统分析了影响深度学习模型预测河流硝酸盐浓度性能的关键环境因素，并验证了输入与目标站点在硝酸盐浓度-流量关系及关键环境因子时间变异性上的相似性对模型性能的促进作用	研究区域仅限于爱荷华州，未验证该框架在其他地理和气候区域的普适性	探究影响深度学习模型预测河流每日硝酸盐浓度性能的关键环境因素，以优化监测网络设计和模型应用	爱荷华州低频硝酸盐监测站点的每日河流硝酸盐浓度	机器学习	NA	高频硝酸盐传感器数据监测	深度学习模型	时间序列数据	爱荷华州多个低频硝酸盐监测站点	NA	NA	预测准确性	NA
500	2026-04-10	Fusion-m6A: A lightweight hybrid deep learning framework for RNA m6A site prediction 2026-Apr-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111669 PMID:41950858	研究论文	本文提出了一种名为Fusion-m6A的轻量级混合深度学习框架，用于预测RNA m6A位点	该框架整合了Word2Vec序列嵌入、卷积层、双向门控循环单元与注意力机制以及辅助k-mer特征，在保持高精度的同时实现了更快的推理速度和更低的内存占用	未在摘要中明确提及	开发一种准确、高效且实用的计算模型，用于大规模和特定组织的RNA m6A位点预测	RNA m6A位点	自然语言处理	NA	Nanopore直接RNA测序	CNN, LSTM	序列数据	多个人类组织和细胞系	NA	Word2Vec, 卷积神经网络, 双向门控循环单元, 注意力机制	准确率, Matthews相关系数	NA