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
521	2026-03-30	A novel hybrid model for species distribution prediction of soil-transmitted helminthiasis (STH) under soil temperature conditions using Random Forest and Particle Swarm Optimization Algorithm 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31604-y PMID:41748615	研究论文	本文提出了一种结合随机森林和粒子群优化算法的混合模型，用于预测土壤温度条件下土壤传播蠕虫病的物种分布	提出了一种新颖的混合模型，将随机森林算法与粒子群优化算法相结合，用于特征选择和超参数优化，以提高物种分布预测的准确性	未明确说明模型在其他地理区域或不同环境因素下的泛化能力	研究生态因素（特别是土壤温度）对尼日利亚土壤传播蠕虫病分布的影响，并提高物种分布预测的准确性	尼日利亚地区的土壤传播蠕虫病	机器学习	土壤传播蠕虫病	物种分布建模	随机森林, 人工神经网络, 粒子群优化	环境数据（土壤温度）, 流行病学数据	基于ESPEN的尼日利亚地理区域数据集	未明确说明	随机森林, 人工神经网络	准确率	NA
522	2026-03-30	Deep Learning-Derived Pathomic Features Predict NCIT Efficacy in Resectable Locally Advanced ESCC: Clinical Utility and Mechanistic Insights 2026-Feb-26, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33030136 PMID:41892164	研究论文	本研究开发了一种基于深度学习的病理组学模型，用于预测可切除局部晚期食管鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其生物学机制	首次利用深度学习从H&E染色全切片图像中提取空间加权的病理组学特征，构建了ECiT评分，并结合临床变量开发了集成预测模型，同时揭示了EIF2S3介导的内质网应激-UPR轴作为潜在的耐药机制和治疗靶点	研究样本量相对有限（198名患者），且为回顾性研究，需要前瞻性多中心验证来确认模型的泛化能力和临床实用性	开发并验证一个AI驱动的病理组学模型，以预测可切除局部晚期食管鳞状细胞癌患者对新辅助化疗免疫疗法的反应，并探索其潜在的生物学机制	198名食管鳞状细胞癌患者的269张H&E染色全切片图像，以及来自TCGA-ESCA和GSE160269数据集的分子数据	数字病理学	食管鳞状细胞癌	H&E染色，全切片图像分析，RNA测序	CNN	图像，临床数据，基因表达数据	198名患者（104名来自同济医院，94名来自TCGA），共计269张全切片图像	PyTorch	ResNet152	AUC	NA
523	2026-03-30	A Two-Stage Framework for Early Detection and Subtype Identification of Alzheimer's Disease Through Multimodal Biomarker Extraction and Improved GCN 2026-Feb-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16030255 PMID:41892599	研究论文	本研究提出了一种基于多模态生物标志物提取和改进图卷积网络的两阶段框架，用于阿尔茨海默病的早期检测和亚型识别	提出了一种结合多模态关联分析和自注意力自表达图卷积网络的两阶段方法，有效整合结构MRI、PET和转录组数据，识别关键生物标志物并提高分类准确性，同时通过无监督聚类探索MCI亚型异质性	AD样本量有限，存在极端的类别不平衡问题	早期检测阿尔茨海默病并识别不同进展风险的轻度认知障碍亚型	阿尔茨海默病患者和轻度认知障碍患者	数字病理学	阿尔茨海默病	多模态磁共振成像, PET, 转录组学	GCN	图像, 转录组数据	未明确指定具体样本数量，但提及AD样本量有限	未明确指定	MFEAA-GCNSASE	AUC	NA
524	2026-03-30	A Deep Learning-Based Correction for Scanning Radius Errors in Circular-Scan Photoacoustic Tomography 2026-Feb-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030097 PMID:41892899	研究论文	提出一种基于深度学习的框架（SD-ResNet），用于校正由扫描半径误差引起的圆形扫描光声层析成像重建图像退化	提出了一种名为平滑反卷积ResNet（SD-ResNet）的新型深度学习框架，该框架结合了ImageNet预训练的ResNet-50编码器和一个轻量级的反卷积解码器，并引入了额外的平滑卷积层来抑制棋盘伪影并恢复精细结构细节	研究主要基于模拟数据和体模实验，尚未在大量真实临床数据上进行验证	开发一种对扫描半径误差具有鲁棒性的光声层析成像重建校正方法	圆形扫描光声层析成像的重建图像	医学影像处理	NA	光声层析成像，k-Wave模拟	深度学习	图像	使用人体胸部CT切片驱动的k-Wave模拟生成的配对训练数据集	NA	ResNet-50, SD-ResNet	图像质量恢复效果	NA
525	2026-03-30	Towards Lightweight and Multi-Scale Scene Classification: A Lie Group-Guided Deep Learning Network with Collaborative Attention 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030094 PMID:41892896	研究论文	本文提出了一种轻量级多尺度网络LGLMNet，用于遥感场景分类，通过整合李群协方差特征和双分支架构提升性能	提出LGLMNet网络，结合李群机器学习提取浅层特征与深度学习分支提取高层语义，并引入并行深度可分离卷积块和多尺度感知及空间通道协同注意力机制，实现高效全局-局部建模	未明确提及具体局限性，但可能涉及计算成本或泛化能力方面的挑战	解决遥感场景分类中现有方法忽略浅层细节和计算成本高的问题，提升分类准确性和效率	遥感图像场景	计算机视觉	NA	深度学习	CNN, 注意力机制	图像	UCM-21、AID和NWPU-45数据集	NA	LGLMNet, PDSCB, SCCA, CLFFB	准确率	NA
526	2026-03-30	Hybrid MICO-LAC Segmentation with Panoptic Tumor Instance Analysis for Dense Breast Mammograms 2026-Feb-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030095 PMID:41892897	研究论文	提出一种用于乳腺X线图像中致密乳腺组织分析的临床驱动混合分割框架，整合了偏置场校正、粗分割、局部细化及全景式肿瘤实例分割	结合了MICO_2D偏置场校正、距离正则化多相Vese-Chan水平集模型、局部活动轮廓与局部图像拟合能量，并引入全景式肿瘤实例分割以分解相连肿瘤区域	未明确说明框架在更大或更多样化数据集上的泛化能力，以及计算效率方面的具体限制	开发一种用于致密乳腺X线图像中肿瘤分割和分析的混合框架，以解决强度不均匀性、低对比度和复杂肿瘤形态的挑战	乳腺X线图像中的致密乳腺组织和肿瘤	数字病理学	乳腺癌	乳腺X线成像	水平集模型, 活动轮廓模型	图像	MIAS和INBreast乳腺X线数据集	NA	U-Net, 多尺度网络, 多视图网络	Dice相似系数, 交并比	NA
527	2026-03-30	Automated Multi-Modal MRI Segmentation of Stroke Lesions and Corticospinal Tract Integrity for Functional Outcome Prediction 2026-Feb-24, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12030029 PMID:41893824	研究论文	本研究提出了一种基于常规多模态MRI的自动化卒中病灶分割与皮质脊髓束完整性评估流程，用于预测患者出院时的功能结局	利用常规临床MRI序列，结合自动化病灶分割与解剖学信息生物标志物，进行可解释的卒中结局建模，提高了临床可行性	研究为探索性分析，未来需要大规模验证；零样本外部评估的Dice分数较低（0.57），表明模型泛化能力有待提升	预测卒中患者出院时的功能结局（如改良Rankin量表评分），以指导治疗和康复	卒中患者的脑部MRI影像及相关的功能结局数据	数字病理学	卒中	多模态MRI，包括常规MRI序列和单壳扩散加权成像	深度学习模型集成，机器学习模型	MRI图像	ISLES 2022数据集（250个训练案例，150个测试案例），ISLES 2024数据集（149个案例用于零样本外部评估）	NA	SEALS, NVAUTO, FACTORIZER, TractSeg	Dice分数，准确率，F1分数，ROC-AUC	NA
528	2026-02-24	Enhancing deep learning based multi-parameter fire detection by training on simulated and combustion experimental dataset 2026-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39191-2 PMID:41724743	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
529	2026-03-30	Multi-resolution adaptive channel fusion transformer encoder LSTM for accurate streamflow prediction 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40713-1 PMID:41723217	研究论文	本文提出了一种用于精确径流预测的多分辨率自适应通道融合Transformer编码器LSTM混合架构	提出了一种新颖的混合架构MR-ACF-TE-LSTM，通过构建伪多变量输入、自适应注意力融合机制以及结合Transformer编码器和LSTM，能够同时捕捉短期变化和长期依赖关系	研究主要针对单变量时间序列，未明确讨论模型在极端事件或高度非线性水文过程中的表现	提高水文环境中单变量时间序列径流预测的准确性和可解释性	径流时间序列数据	机器学习	NA	时间序列分析	Transformer, LSTM, 混合模型	时间序列数据	三个基准径流数据集	NA	Transformer编码器, LSTM	RMSE, R²	NA
530	2026-03-30	Comparative study of wavelet transform and Fourier domain filtering for medical image denoising 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40594-4 PMID:41723236	研究论文	本文对医学图像去噪中基于小波变换和傅里叶域滤波的方法进行了全面的比较研究	首次系统比较了八种小波族与十二种阈值函数、四种阈值选择规则在不同医学噪声类型下的性能，并对比了最佳小波配置与基于块的离散傅里叶余弦变换方法	研究仅针对CT图像和四种特定噪声类型，未涵盖所有医学成像模态和噪声模型；未与深度学习方法进行对比	评估和比较传统变换域方法在医学图像去噪中的性能	医学图像（CT图像）的去噪处理	计算机视觉	NA	图像去噪	NA	图像	未明确说明具体样本数量，但使用了CT图像数据集	NA	NA	PSNR（峰值信噪比）	NA
531	2026-03-30	Integrating multi-scale convolution and attention mechanisms in HybridHAR for high-performance human activity recognition 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40904-w PMID:41723255	研究论文	本文提出了一种名为HybridHAR的新型深度学习模型，用于高性能的人类活动识别，通过集成多尺度卷积和注意力机制来解决现有方法在捕捉多尺度时间模式和保持深度网络特征传播方面的挑战	HybridHAR整合了三个关键创新点：并行多尺度CNN结构用于多时间特征提取、带有通道特征融合的残差注意力机制，以及带有辅助分类的深度监督模块	NA	解决人类活动识别中有效捕捉多尺度时间模式并保持深度网络特征传播的挑战，以提高识别准确率	基于传感器的人类活动识别	机器学习	NA	NA	CNN, 注意力机制	传感器数据	基于UCI HAR数据集	NA	HybridHAR	验证准确率, 测试准确率	NA
532	2026-03-30	Mass Balance Implications for Sediment Restoration Initiatives in the Detroit River, USA 2026-Feb-20, Bulletin of environmental contamination and toxicology IF:2.7Q3 DOI:10.1007/s00128-026-04198-y PMID:41718904	研究论文	本研究评估了美国底特律河区域沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的潜在影响	利用深度学习人工神经网络空间插值生成高分辨率沉积物污染地图，以评估化学物质平衡的预期变化和超过可能效应浓度区域的减少	NA	评估沉积物修复行动对污染物质量库存和底栖无脊椎动物毒性的影响	底特律河区域的沉积物	环境科学	NA	深度学习人工神经网络空间插值	人工神经网络	空间数据	NA	NA	NA	NA	NA
533	2026-03-30	A hybrid blockchain based deep learning model for multivector attack detection in internet of things enabled healthcare systems 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40765-3 PMID:41721001	研究论文	本文提出了一种结合区块链和深度学习的混合模型，用于物联网医疗系统中的多向量攻击检测	提出了一种结合区块链（BC）和基于深度学习（DL）的入侵检测系统（IDS）的混合模型（Hybrid BC+DL Model），利用深度稀疏自编码器（DSAE）进行特征提取，并采用贝叶斯专家乘积（BPoE）方法进行验证，以提高医疗物联网系统的安全性	模型在跨数据集测试中表现出中等泛化能力（平均得分范围11.52-13.55%），且在受控实验环境中验证，实际部署效果需进一步评估	保护医疗物联网系统免受多向量网络攻击，确保医疗数据安全和系统完整性	医疗物联网系统及其生成的网络流量数据	机器学习	NA	深度学习，区块链技术，入侵检测	深度稀疏自编码器（DSAE），双向长短期记忆网络（BiLSTM）	网络流量数据	使用了IoT-Flock和CICIoT2023数据集	NA	深度稀疏自编码器（DSAE），双向长短期记忆网络（BiLSTM）	准确率，检测延迟，网络吞吐量（TPS），共识延迟，验证成功率	NA
534	2026-03-30	Research on enhancing short-term wind power forecasting through feature fusion in a hybrid deep learning framework 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40689-y PMID:41714723	研究论文	本文提出了一种名为TCN-SENet-BiGRU-Global Attention的混合深度学习模型，用于提升短期风电功率预测的准确性	提出了一种结合TCN、SENet、BiGRU和全局注意力机制的多层次特征提取架构，以融合不同特征并更好地捕捉风电功率的非线性和复杂时间特性	NA	提高短期风电功率预测的准确性，以支持电网稳定和可持续运行	风电场的风电功率数据	机器学习	NA	NA	TCN, SENet, BiGRU, 注意力机制	时间序列数据	来自风电场的多个真实世界数据集	NA	TCN-SENet-BiGRU-Global Attention	预测误差	NA
535	2026-03-30	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Feb-19, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	首次将全切片图像的深度学习特征与细胞（特别是巨核细胞）表型数据融合，采用双流方法增强MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析、高级图像处理技术	CNN	图像	411个患者样本	NA	双流深度特征与细胞表型融合模型（DS-DFCPF）	NA	NA
536	2026-03-30	Characterising processing conditions that artifactually bias human brain tissue transcriptomes 2026-Feb-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68872-9 PMID:41702898	研究论文	本研究通过分析成人脑组织转录组数据，揭示了尸检后处理条件（时间和温度）如何引入人工偏差，并开发了深度学习模型预测这些偏差	首次系统性地定义了脑组织处理过程中产生的基因签名偏差（BAGs），并开发了深度学习工具TTRUTH来预测和标准化这些偏差	研究仅基于成人脑组织样本，未涵盖其他年龄组或疾病状态，且样本量相对有限	表征尸检脑组织处理条件对转录组数据的人工偏差影响，以提高数据标准化和解释能力	成人脑组织样本	生物信息学	NA	RNA-seq, 单核RNA-seq	深度学习	转录组数据	NA	NA	NA	NA	NA
537	2026-03-30	Risk Prediction of Chronic Kidney Disease Progression in Type 2 Diabetes Mellitus Across Diverse Populations 2026-Feb-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02439-2 PMID:41699026	研究论文	本研究开发了基于深度学习的预后模型，用于预测2型糖尿病患者的慢性肾病进展风险	利用大规模纵向电子健康记录数据，开发了适用于亚洲人群的个性化预测工具，并通过外部验证确认了模型的泛化能力	模型主要基于香港地区数据开发，虽经外部验证，但在其他种族或地区的适用性仍需进一步研究	预测2型糖尿病患者慢性肾病进展风险，实现早期风险分层和个性化干预	2型糖尿病患者，特别是亚洲人群	机器学习	慢性肾病	电子健康记录分析	深度学习模型	临床数据、生化数据、处方历史数据	569,680名个体（来自香港165家公共医疗机构），并包括UK Biobank和CHARLS队列的外部验证	NA	NA	AUC（曲线下面积）	NA
538	2026-03-30	A deep learning model integrating structured data and clinical text for predicting atrial fibrillation recurrence 2026-Feb-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02436-5 PMID:41699044	研究论文	本研究开发了一种整合结构化数据和临床文本的双分支深度学习模型，用于预测心房颤动消融术后的复发风险	首次提出一种结合1D ResNet处理结构化数据和多种大型语言模型（LLaMA-7B, Phi2-2.7B, Mistral-7B, MedGemma-27B）编码临床文本的双分支深度学习框架，用于多模态围手术期数据的AF复发预测，其中集成MedGemma的模型表现最佳	研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性队列中进一步验证；未详细探讨不同LLM特征提取对模型性能影响的具体机制	开发并验证一种整合多模态围手术期数据的深度学习模型，用于预测心房颤动消融术后的复发风险，以识别高风险患者并指导针对性干预	接受心房颤动消融术的患者	数字病理学	心血管疾病	NA	深度学习, 大型语言模型	结构化数据, 临床文本	2508名来自中国五家医疗中心的患者（训练队列、验证队列和测试队列）	PyTorch, Hugging Face Transformers	1D ResNet, LLaMA-7B, Phi2-2.7B, Mistral-7B, MedGemma-27B	曲线下面积	NA
539	2026-03-30	Dielectrocapillarity for exquisite control of fluids 2026-Feb-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69482-1 PMID:41680166	研究论文	本文通过整合液体状态理论和深度学习，揭示了电场梯度如何调控流体结构和毛细现象，并提出了“介电毛细作用”作为控制纳米孔中流体行为的新机制	首次建立了严格的电场梯度调控流体行为的微观第一性原理理论，并展示了其在相变、毛细凝结和多孔介质流体吸收中的可调控制	NA	研究电场梯度对极性流体结构和毛细现象的控制机制	极性流体、纳米孔材料、液体-气相变、毛细凝结	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
540	2026-03-30	Global daily 9 km remotely sensed soil moisture (2015-2025) with microwave radiative transfer-guided learning 2026-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06721-6 PMID:41680217	研究论文	本研究开发了一个过程引导机器学习框架，结合微波辐射传输模型理论和深度学习，以生成2015年至2025年全球每日9公里分辨率的地表土壤水分数据	通过整合辐射传输模型理论和深度学习，设计基于Kling-Gupta效率的损失函数，并利用模型模拟进行预训练和现场测量进行微调，克服了传统SMAP土壤水分产品在密集植被和复杂地表区域的精度限制	未明确说明模型在极端气候条件或特定地理区域（如永久冻土或高纬度地区）的适用性和潜在偏差	提高全球地表土壤水分的估计精度，以支持水资源和生态系统管理	全球陆地生态系统的地表土壤水分	机器学习	NA	微波辐射传输模型，深度学习	深度学习模型	遥感数据，现场测量数据	覆盖全球每日9公里分辨率数据（2015年4月至2025年6月），并使用独立现场测量进行验证	未明确指定，但涉及深度学习框架	过程引导机器学习框架	相关系数R，无偏均方根误差	NA