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
581	2026-03-31	A robust sampling technique for realistic distribution simulation in federated learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03504-z PMID:40892192	研究论文	本文提出了一种用于联邦学习中模拟现实标签分布的鲁棒采样技术，以评估非独立同分布数据对全局训练的影响	结合卡方检验和基尼不纯度度量，高效优化多组标签分布，实现针对非独立同分布子群体的现实数据分布模拟	未在多种网络架构或大规模数据集上进行广泛验证，且性能评估仅限于特定临床场景	开发一种采样算法，用于在联邦学习环境中模拟现实标签分布，以分析客户端偏差对全局模型性能的影响	联邦学习中的数据子集，特别是具有部分重叠标签分布的临床数据	机器学习	NA	联邦学习，数据采样	深度学习网络	3D相机数据	NA	联邦平均	NA	体重和身高估计误差	NA
582	2026-03-31	Enhancing airway obstruction diagnosis with multimodal 3D shape analysis 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03527-6 PMID:41085926	研究论文	本文提出了一种基于多模态3D形状分析的自动化深度学习工具，用于定量评估气道阻塞，特别是腺样体肥大引起的鼻咽部阻塞	结合多视图和点云表示两种先进技术进行3D形状分析，以捕捉气道的全局和局部特征，从而提升分类和回归性能	模型在检测严重病例时表现良好，但需要进一步优化以改进对所有严重程度级别的分类和回归性能	开发一种开源、自动化的深度学习工具，用于基于CBCT扫描的定量气道阻塞评估，以辅助早期和准确诊断	通过CBCT扫描获取的3D气道形态，特别是与腺样体肥大相关的鼻咽部气道	计算机视觉	气道阻塞疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	3D医学图像（CBCT扫描）	NA	NA	NA	准确率	NA
583	2026-03-31	Reshapeit: reliable shape interaction with implicit template for medical anatomy reconstruction 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03557-0 PMID:41389113	研究论文	本文提出了一种名为ReShapeIT的方法，用于在连续空间中实现可靠且准确的解剖形状建模，以解决医学图像自动形状重建中的分辨率限制和形状先验约束缺失问题	结合类别特定的隐式模板场与变形网络，通过模板交互模块（TIM）将学习到的模板形状与实例特定的潜在编码对齐，从而在连续隐式场中表示解剖结构，而非离散体素网格	未明确提及方法在更复杂或多样解剖结构上的泛化能力，以及计算效率方面的详细评估	开发一种可靠且准确的解剖形状建模方法，以支持计算机辅助诊断中的定量分析和手术规划	肝脏、胰腺和肺叶的解剖结构	计算机视觉	NA	NA	神经网络	体积医学图像	NA	NA	ReShapeIT网络	Chamfer距离, Earth Mover's距离	NA
584	2026-03-31	Colormap augmentation: a novel method for cross-modality domain generalization 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03559-y PMID:41396240	研究论文	本文提出了一种名为CmapAug的新颖颜色映射增强方法，用于提升深度学习模型在跨模态医学图像分割中的泛化能力	引入CmapAug颜色映射增强技术，结合标准增强方法，有效解决跨模态域泛化问题，方法简单且计算资源需求低	未明确说明实验数据的具体样本量，且仅针对肝脏分割任务进行了验证，可能在其他器官或模态上泛化能力有限	评估一种新颖、简单且有效的方法，以增强深度学习模型在不同模态医学图像分割中的泛化性能	医学图像分割任务，特别是针对跨模态（如不同扫描仪厂商或成像模态）的域泛化问题	计算机视觉	NA	图像增强技术，包括标准增强、强度增强和颜色变换	深度学习分割网络	医学图像	NA	NA	NA	Dice Score	NA
585	2026-03-31	AVPENet: Pain estimation from audio-visual fusion of non-speech sounds 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001301 PMID:41894538	研究论文	本文提出了一种新颖的多模态深度学习框架，通过融合非语音音频线索与面部表情来估计连续的疼痛强度，旨在为无法自我报告的脆弱人群提供客观的疼痛评估	提出了一种基于跨模态注意力的融合网络，结合了频谱图衍生的音频嵌入和面部动作单元特征，并利用基于Transformer的融合模块学习模态间的互补关系，显著提升了疼痛估计的准确性	研究依赖于特定数据集（3,247个视听记录，428名受试者），其泛化能力在其他临床环境或更广泛的人群中尚未得到验证；模型性能可能受到录制质量和环境噪声的影响	开发一种客观、自动化的疼痛评估方法，以解决非言语患者（如新生儿和无意识成人）临床疼痛评估的挑战	新生儿（215名）和成人（213名）受试者，共428名，涵盖三种不同的疼痛强度水平	多模态机器学习	疼痛评估	深度学习，音频频谱图处理，面部动作单元分析	CNN, Transformer	音频，视频	3,247个视听记录，来自428名受试者（215名新生儿，213名成人）	PyTorch	ResNet, 卷积神经网络, Transformer	平均绝对误差, 皮尔逊相关系数, 准确率	NA
586	2026-03-31	Toward next-generation machine learning and deep learning for spatial omics 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag131 PMID:41902503	综述	本文对空间组学中机器学习和深度学习方法进行了批判性与比较性综述，并提出了一个决策框架	提出了一个根据数据模态、空间分辨率、组织结构和预期临床应用来选择最合适ML/DL方法的决策框架，并整合了方法论批判与可操作建议	NA	为空间组学领域提供清晰的方法学指导，以选择适应特定空间约束和生物学问题的模型，并促进模型的可重复性、可解释性和临床转化	空间组学技术产生的高维、空间分辨的分子数据	机器学习	NA	空间组学技术	聚类, 随机森林, 集成分类器, CNN, GNN, Transformer, 生成模型	高维空间分子数据（转录组、蛋白质组、代谢组、脂质组）	NA	NA	卷积神经网络, 图神经网络, Transformer, 生成模型	NA	NA
587	2026-03-31	Corrigendum to "ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training" [J. Pharm. Anal., 15 (2025) 101317] 2026-Mar, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2026.101604 PMID:41908155	correction	本文是对先前发表文章《ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training》的更正	NA	NA	NA	NA	machine learning	NA	NA	deep learning	NA	NA	NA	NA	NA	NA
588	2026-03-31	Computational discovery of high-temperature superconducting ternary hydrides via deep learning 2026-Mar, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag030 PMID:41908304	研究论文	本研究通过深度学习驱动的理论框架，发现了新型高温三元氢化物超导体	首次报道了129种化合物，涵盖27种新型结构原型，显著扩展了氢化物超导体的已知结构图谱	NA	发现新型高温或室温超导材料	三元氢化物超导体	机器学习	NA	高通量晶体结构探索	深度学习	晶体结构数据	约3600万种三元氢化物结构，涉及29种元素	NA	NA	超导临界温度预测	NA
589	2026-03-31	A dual-branch deep learning framework for tiered early warning of COVID-19 utilizing wastewater data 2026-Mar, Journal of water and health IF:2.5Q3 DOI:10.2166/wh.2026.150 PMID:41910053	研究论文	本研究提出了一种基于废水数据和环境协变量的双分支深度学习框架，用于COVID-19的分级早期预警	结合废水数据和环境协变量，利用FFT和双分支深度学习架构进行病例轨迹预测和分级预警，提高了预警的准确性和及时性	需要在不同地点和流行病模式中进行验证和适应，以建立模型的鲁棒性、泛化性和操作价值	开发一个可靠的COVID-19早期预警系统，支持主动的公共卫生响应	中国常州地区的废水、气象和病例数据	机器学习	COVID-19	废水监测	深度学习	时间序列数据	2024年1月29日至12月10日的周度数据	NA	双分支架构	RMSE, MAE, MAPE, R2	NA
590	2026-03-31	Robust Cell-Level Classification for Liquid-Based Cervical Cytology Using Deep Transfer Learning: A Multi-Source Study Addressing Scanner-Induced Domain Shifts 2026-Feb-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030289 PMID:41899820	研究论文	本文提出了一种基于深度迁移学习的鲁棒细胞级分类框架，用于液体基宫颈细胞学分析，旨在解决扫描仪引起的域偏移问题	通过整合多个公共和私有数据源构建多源数据集，并系统评估不同CNN骨干网络在异质采集条件下的鲁棒性，展示了结合多样化数据源可减轻域偏移	研究仅关注细胞级分类，临床可操作的筛查需要基于整个玻片的聚合（如基于多实例学习的WSI推理），这留待未来工作集成	开发一个鲁棒的细胞级分类框架，以应对液体基宫颈细胞学分析中由扫描仪和实验室引起的域偏移	液体基宫颈细胞学样本中的细胞	数字病理学	宫颈癌	数字显微镜	CNN	图像	整合了三个公共参考库（SIPaKMeD, Herlev, CRIC Cervix）和一个包含416张全玻片图像的私有队列，这些图像来自两个医疗中心并使用不同扫描系统数字化	NA	ResNet50, EfficientNetB0, VGG16	准确率, 宏F1分数	NA
591	2026-03-31	Quantification of Craniofacial Growth Pattern Based on Deep Learning 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030277 PMID:41899807	研究论文	本研究开发了一个基于深度学习的端到端框架，用于分析大规模侧位头颅X光片，以可视化和量化颅面骨骼的时空生长动态和性别二态性	提出了一个不依赖人工标注的端到端深度学习框架，能够自主提取与连续年龄区间相关的动态成像特征；引入了两种新的定量指标（年龄相关显著性指数ASI和性别相关显著性指数SSI）来评估关键颅面区域的发育和二态性特征的重要性	研究仅基于侧位头颅X光片，可能未完全捕捉三维形态的复杂性；数据集虽然庞大，但可能未涵盖所有种族或特定病理状况的个体	开发一种客观、全面的方法来量化颅面生长模式，克服传统方法的主观性和简化问题	41,625名4-18岁个体的侧位头颅X光片	计算机视觉	NA	侧位头颅X光摄影	深度学习	图像	41,625名个体	NA	NA	年龄相关显著性指数 (ASI), 性别相关显著性指数 (SSI)	NA
592	2026-03-31	MedScanGAN: Synthetic PET & CT Scan Generation Using Conditional Generative Adversarial Networks for Medical AI Data Augmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030281 PMID:41899812	研究论文	本研究提出了一种名为MedScanGAN的条件生成对抗网络，用于生成高保真的合成PET和CT图像，以解决医学AI中的数据稀缺问题，并提升非小细胞肺癌的诊断性能	提出了一种专门针对孤立性肺结节PET和CT图像合成的条件生成对抗网络，结合了残差块、谱归一化和稳定训练策略，能够生成足以误导医疗专业人员的逼真图像，并证明合成数据能显著提升现有深度学习模型的分类性能	未明确说明合成图像与真实图像的定量差异评估细节，也未提及模型在不同医疗机构或扫描仪数据上的泛化能力	解决医学AI中数据稀缺和类别不平衡问题，提升非小细胞肺癌的计算机辅助诊断系统性能	非小细胞肺癌患者的正电子发射断层扫描和计算机断层扫描图像，特别是孤立性肺结节	计算机视觉	肺癌	PET, CT	GAN	图像	NA	NA	条件生成对抗网络, YOLOv8, VGG-16, ResNet, MobileNet	准确率	NA
593	2026-03-31	Cross-Modality Transfer Learning from PSG to FMCW Radar for Event-Level Apnea-Hypopnea Segmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030283 PMID:41899814	研究论文	本研究提出了一种结合1D U-Net、多头自注意力和跨模态迁移学习的深度学习框架，用于从FMCW雷达信号中检测睡眠呼吸暂停-低通气事件	提出了一种从PSG到FMCW雷达的跨模态迁移学习框架，利用大型PSG数据集预训练模型以学习可迁移的呼吸事件表征，然后在较小的雷达数据集上进行微调，实现了非接触式、低成本的睡眠呼吸暂停筛查	模型在较小的临床标注雷达数据集上进行微调，可能受到数据稀缺性的限制；相对于PSG信号存在明显的域偏移问题	开发一种基于FMCW雷达的准确、低成本、非接触式睡眠呼吸暂停筛查方法，支持在家庭环境中进行可扩展的纵向监测	睡眠呼吸暂停-低通气综合征（SAHS）患者	机器学习	睡眠呼吸暂停-低通气综合征	频率调制连续波（FMCW）雷达传感	CNN, Transformer	雷达呼吸信号，PSG信号	使用大型公共PSG数据集进行预训练，并在较小的临床标注雷达呼吸数据集上进行微调	NA	1D U-Net	精确度，召回率，F1分数	NA
594	2026-03-31	Time-Frequency Respiratory Impedance Maps Enable Within-Breath Deep Learning for Small Airway Dysfunction Identification 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030280 PMID:41899810	研究论文	本研究提出了一种基于脉冲振荡法（IOS）的双域互补深度学习框架，利用呼吸周期内的阻抗动态变化来识别小气道功能障碍（SAD）	提出了时频呼吸阻抗图（TFRIM）来捕捉呼吸周期内的阻抗动态，并设计了一种双流架构联合学习TFRIM和原始时序信号的互补特征，同时引入了人口统计学驱动的自适应特征调制模块以减轻受试者间基线变异性	需要进一步的外部验证才能应用于筛查部署	开发一种基于IOS的深度学习框架，用于识别小气道功能障碍（SAD）	小气道功能障碍（SAD）患者	机器学习	慢性气道疾病	脉冲振荡法（IOS）	深度学习	时间序列信号，时频图	2510名受试者	NA	双流架构	准确率	NA
595	2026-03-31	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中定量测量空间距离	FISH-Dist结合了深度学习斑点分割、3D高斯拟合和两种互补的色差校正方法，专门针对短基因组距离下的标准共聚焦成像技术挑战，显著减少了通道间距离测量误差	该方法主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发自动化流程以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的荧光信号空间距离	数字病理学	NA	荧光原位杂交，共聚焦显微镜成像	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA
596	2026-03-31	Digital watermarking for virtual physically unclonable function data concealment and authentication 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35159-4 PMID:41741498	研究论文	本文提出了一种新颖的数字水印方法，用于增强基于分裂学习的虚拟物理不可克隆功能在物联网网络中的安全性	提出了一种结合深度学习与Jake模型模拟瑞利衰落的数字水印框架，在不增加显著硬件或计算开销的情况下为VPUF响应提供额外的安全层，并支持双因素认证	未明确说明该方法在极端网络条件或大规模攻击场景下的具体性能表现	提高基于分裂学习的虚拟物理不可克隆功能在物联网网络中的安全性，抵御窃听和重放攻击	物联网网络中的虚拟物理不可克隆功能数据	机器学习	NA	数字水印技术，深度学习	自编码器	VPUF响应数据，信道信息	NA	NA	自编码器	保真度，可靠性，不可伪造性	NA
597	2026-03-31	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	本研究提出了一种名为Hybrid-Sumo的深度学习模型，通过整合蛋白质结构和序列特征来预测SUMOylation位点	结合了三种先进的特征提取技术（HSE、PSSM-DWT和BERT），并采用SHAP算法进行最优特征选择，显著提升了预测准确性	未明确提及模型在更广泛或不同物种数据集上的泛化能力限制	开发一个准确预测SUMOylation位点的计算工具，以促进蛋白质功能和修饰分析的研究	SUMOylation位点（一种关键的翻译后修饰位点）	机器学习	NA	蛋白质结构特征提取（HSE）、序列特征提取（PSSM-DWT）、自然语言处理嵌入（BERT）	DNN	蛋白质序列和结构特征数据	基准数据集和独立数据集（平衡与不平衡），具体样本数量未明确	NA	Deep Neural Network	准确率	NA
598	2026-02-28	Global solar energy potential forecasting through machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41357-x PMID:41741590	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
599	2026-03-31	A novel lightweight hybrid CNN-ViT for maize leaf disease classification 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41190-2 PMID:41741594	研究论文	本文提出了一种轻量级混合CNN-ViT模型，用于玉米叶片病害分类	提出了一种基于混合专家架构的轻量级混合模型，能够根据输入特征自适应地强调局部或全局特征，解决了CNN难以捕获全局上下文信息以及ViT需要大数据集和高计算资源的问题	未明确说明模型在更广泛作物病害或不同环境条件下的泛化能力	开发适用于实际农业部署的高性能自动化植物病害诊断方法	玉米叶片病害	计算机视觉	植物病害	NA	CNN, ViT	图像	未明确说明	NA	CNN-ViT混合架构	分类准确率	NA
600	2026-03-31	Deep residual and hybrid CNN models for confidence-aware real-world waste classification for sustainable waste management 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41001-8 PMID:41741626	研究论文	本文提出了一种基于深度学习的异构废物多分类系统，用于可持续废物管理	引入了混合模型（如ResNet101+InceptionV3）以提高复杂类别（如纺织品和杂项垃圾）的分类精度，并提出了置信度评分评估策略来评估模型可靠性	未明确说明模型在极端污染或严重变形物品上的性能，以及实时部署的计算效率	开发一个鲁棒且可扩展的智能废物分类系统，以促进回收和实现可持续废物管理	真实世界废物分类，包括混合、变形和受污染的废物物品	计算机视觉	NA	深度学习	CNN	图像	RealWaste数据集（具体数量未在摘要中说明）	NA	InceptionV3, ResNet101, DenseNet, VGG, EfficientNet, MobileNet	准确率, 损失值, F1分数	NA