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
5701	2026-04-11	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练的深度学习模型在胸部X光片上分类COVID-19阳性和阴性患者的表现，并考虑图像采集参数、临床因素和患者人口统计学	通过比较不同图像采集技术（标准与软组织X光）和临床因素（如病毒变体、免疫状态）来评估模型性能，并探讨了模型在新测试集上性能下降的原因	模型在新测试集上性能显著下降，且时间匹配、免疫状态、疾病严重程度、年龄和性别分布未能完全解释性能差异，表明模型可能存在过拟合和泛化能力不足	评估深度学习模型在COVID-19分类任务中的性能，并分析图像采集技术和临床因素对模型表现的影响	胸部X光片（标准与软组织图像）	计算机视觉	COVID-19	胸部X光成像	CNN	图像	原始数据集9860名患者，当前测试集5893名患者	NA	DenseNet-121	ROC AUC	NA
5702	2026-04-11	Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter 2023-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29593 PMID:36692103	研究论文	本文提出了一种结合Frangi滤波器与卷积神经网络的弱监督3D血管周围空间分割模型	通过条件随机场理论将基于规则的Frangi滤波器与U-Net深度学习算法结合，实现弱监督学习，减少对大规模标注数据的依赖	未明确说明模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发用于血管周围空间分割的弱监督3D分割模型，提高分割准确性并区分PVS与白质高信号	人类连接组计划数据中的血管周围空间	数字病理学	NA	Frangi滤波器，卷积神经网络	CNN	3D图像	人类连接组计划数据，具体样本数量未明确	NA	U-Net	真阳性率，假阳性率	NA
5703	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
5704	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
5705	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
5706	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
5707	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
5708	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
5709	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
5710	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
5711	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
5712	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
5713	2026-04-10	Discovery, engineering and application of a maleate isomerase for efficient L-malic acid biosynthesis via dual-enzyme cascade with fumarase 2026-Apr-06, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.109842 PMID:41950715	研究论文	本研究通过生物信息学挖掘和深度学习工具指导的酶工程，开发了一种高效的双酶级联系统，用于以低成本马来酸为底物绿色合成L-苹果酸	从候选序列中鉴定出高活性的Schaalia vaccimaxillae来源的马来酸异构酶，并利用基于深度学习的计算预测指导突变，使其催化活性提升153.6%，进而与富马酸酶构建一锅双酶级联系统	未明确说明该酶系统在长期工业运行中的稳定性、底物浓度进一步提高的可行性以及大规模生产成本的具体评估	开发一种高效、可持续且经济可行的生物催化路线用于L-苹果酸的生产	L-苹果酸的生物合成	合成生物学，酶工程	NA	生物信息学挖掘，深度学习指导的酶工程，双酶级联催化	基于深度学习的计算预测工具	蛋白质序列数据，酶活性数据	NA	NA	NA	催化活性提升百分比（153.6%），产物浓度（171.4 g/L L-MA），生产率（14.28 g·(L·h)）	NA
5714	2026-04-10	Brain Myelin in Children With Attention-Deficit/Hyperactivity Disorder: A Longitudinal T1-Weighted/T2-Weighted Ratio Study 2026-Apr, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2025.07.012 PMID:40789484	研究论文	本研究通过纵向T1加权/T2加权比值分析，探讨了注意力缺陷/多动障碍（ADHD）儿童脑白质髓鞘发育轨迹	首次在纵向社区儿科队列中，使用T1w/T2w比值结合深度学习自动纤维束追踪方法，系统评估ADHD儿童脑白质髓鞘发育模式	研究未发现ADHD组与对照组在髓鞘发育上的显著差异，可能受样本特征或方法灵敏度限制，且未考虑纤维结构等其他白质特性	探究ADHD儿童脑白质髓鞘的发育轨迹及其与疾病的关系	9-14岁儿童（包括195名ADHD患者及205名对照）	神经影像学	注意力缺陷/多动障碍	T1加权/T2加权比值成像、扩散加权成像	深度学习	神经影像数据（T1w、T2w、DWI）	400次扫描（195名ADHD儿童，年龄范围9-14岁，3个时间点）	NA	NA	NA	NA
5715	2026-04-10	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2026-Apr, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种基于图深度学习的蛋白质-DNA相互作用评分方法PDIScore，用于准确量化蛋白质-DNA相互作用	开发了PDIScore这一新型深度学习评分函数，采用全面的图表示捕获核苷酸灵活性，结合可扩展的GraphGPS架构与BigBird线性全局注意力处理大相互作用界面，并利用混合密度网络建模残基-核苷酸距离分布	NA	开发可靠的蛋白质-DNA相互作用评分函数以促进生物学过程理解和药物设计	蛋白质-DNA相互作用	机器学习	NA	深度学习	图神经网络	蛋白质-核酸复合物结构	约7000个蛋白质-核酸复合物结构	NA	GraphGPS, BigBird, 混合密度网络	富集因子, AUROC, 对接成功率, 皮尔逊相关系数	NA
5716	2026-04-10	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Apr, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct和有创FFR进行了比较	开发并验证了一种现场、快速（平均8分钟）的CT-FFR算法，结合了深度学习和流体动力学，作为场外FFRct解决方案的替代方案	单中心研究，需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法在冠状动脉疾病诊断中的性能	250名有症状的中高风险冠状动脉疾病患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影	深度学习	医学影像	250名患者	NA	NA	AUC, 敏感性, 特异性, 准确性, Spearman相关系数, Cohen's κ	NA
5717	2026-04-10	Automated Brain Tumor Detection Using Convolutional Neural Network 2026-Apr, Biotechnology and applied biochemistry IF:3.2Q2 DOI:10.1002/bab.70060 PMID:41076544	研究论文	本研究探讨了使用卷积神经网络（U-Net和SSD）进行脑肿瘤自动检测的效能，以提高早期诊断的准确性	结合了用于医学图像分割的U-Net模型和用于目标检测的SSD模型，评估并比较了它们在脑肿瘤检测中的性能，强调了U-Net在精确分割方面的优势	SSD模型的准确率相对较低（58%），表明其在某些场景下可能仅作为辅助工具，且研究未详细说明数据集的具体规模和多样性	通过深度学习技术提升脑肿瘤的早期检测能力，以支持及时的医疗干预	脑肿瘤的检测与定位	计算机视觉	脑肿瘤	医学图像分析	CNN	医学影像	NA	NA	U-Net, SSD	准确率	NA
5718	2026-04-10	Large Language Models and Otolaryngology: A Review 2026-Apr-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.5335 PMID:41642593	综述	本文回顾了大型语言模型（LLMs）在耳鼻喉科学中的应用现状、潜力与挑战	强调了LLMs在耳鼻喉科学这一依赖多模态数据的专科中作为强大但未充分利用工具的潜力，并借鉴其他专科的广泛方法学应用	耳鼻喉科学领域的大多数研究仍局限于可行性评估，且多使用闭源模型，限制了其临床效用和转化潜力	为耳鼻喉科医生提供一个基础，以推进LLMs技术在其领域的应用，并促进其从可行性研究向临床验证和实施研究发展	大型语言模型（LLMs）及其在耳鼻喉科学中的应用	自然语言处理	NA	NA	大型语言模型（LLMs）	多模态数据（文本、影像、电生理学、视频）	NA	NA	NA	NA	NA
5719	2026-04-10	New Directions in Digital Pathology 2026-Apr, Dermatologic clinics IF:2.2Q2 DOI:10.1016/j.det.2026.01.012 PMID:41951334	综述	本文回顾了数字皮肤病理学的现状与未来方向，重点介绍了全切片成像和人工智能的作用	强调了AI工具在诊断、分诊和预后方面的应用，其准确性可与专家病理学家相媲美	实施成本高、图像质量存在变异性以及算法学习中的偏见	探讨数字病理学在临床实践中的整合与未来发展方向	数字皮肤病理学中的全切片成像和人工智能工具	数字病理学	NA	全切片成像	深度学习, 卷积神经网络	图像	NA	NA	NA	准确性	NA
5720	2026-04-10	A comparative study of deep learning-based zebrafish image segmentation methods 2026-Mar-31, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络	首次在同一数据集和预处理流程下，对包括U-Net、SegNet、PSPNet、DeepLabv3+、Attention U-Net、HRNet、SegFormer、MASNet、Segment Anything Model (SAM)、PVT-EMCAD和RWKV-UNet在内的11种代表性分割模型进行了全面比较，并探讨了高分辨率保持、上下文聚合机制、注意力机制以及Transformer架构在提升小结构检测和边界描绘精度方面的关键作用	未提及具体的数据集规模或模型训练的计算资源限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像	计算机视觉	NA	深度学习图像分割	CNN, Transformer	图像	NA	NA	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, Segment Anything Model (SAM), PVT-EMCAD, RWKV-UNet	Dice系数, 交并比, 平均像素精度	NA