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
701	2026-04-20	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2025-03-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一个基于深度学习的早期预警系统，用于预测洞庭湖有害藻华的发生，通过整合时间序列分析和iTransformer模型来提高预测准确性	采用iTransformer模型结合时间序列分析，增强了预测准确性，并通过注意力权重分析识别了影响藻密度的关键因素（如营养物和温度），展示了模型在数据不完整情况下的鲁棒性	未来工作需探索更多环境变量以提升模型的预测能力和泛化性	开发一个早期预警系统来预测有害藻华的发生，以支持水质管理	洞庭湖的水质数据，特别是与藻华相关的环境因素	机器学习	NA	深度学习，时间序列分析	iTransformer	时间序列水质数据	NA	NA	iTransformer	NA	NA
702	2026-04-20	A green and efficient method for detecting nicosulfuron residues in field maize using hyperspectral imaging and deep learning 2025-02-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136724 PMID:39637793	研究论文	本研究提出了一种结合高光谱成像和深度学习（HerbiResNet模型）的绿色高效方法，用于检测田间玉米中烟嘧磺隆除草剂残留	开发了HerbiResNet模型，首次将高光谱成像与深度学习结合用于玉米除草剂残留的预测与分类，并识别出与残留及生理变化强相关的特定光谱波段（约550 nm、680 nm、750 nm和1000 nm）	研究仅针对六种玉米品种（抗性和敏感型）及两种除草剂浓度，样本多样性和环境条件可能有限	实现田间玉米中烟嘧磺隆除草剂残留的准确、快速检测，以支持化学修复和优化喷洒策略	田间种植的玉米叶片（六种品种，包括抗性和敏感型）	计算机视觉	NA	高光谱成像	深度学习	光谱数据	六种玉米品种（抗性和敏感型），在两种除草剂浓度下，残留分为低、中、高三个水平	NA	HerbiResNet	决定系数（R²），准确率	NA
703	2026-04-20	General artificial intelligence for the diagnosis and treatment of cancer: the rise of foundation models 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf015 PMID:41030612	综述	本文综述了通用人工智能和基础模型在癌症诊断与治疗中的应用、潜力及面临的挑战	探讨了基于生成式AI和通用AI技术的基础模型在肿瘤学领域的兴起及其多功能性、高性能、个性化增强和对医疗工作者的辅助作用	存在多重障碍可能阻碍通用AI和生成式AI的临床转化	回顾通用人工智能和基础模型在肿瘤学诊断与治疗中的应用与挑战	癌症的诊断与治疗，特别是放射学、病理学、精准医学、护理个性化和外科肿瘤学	机器学习	癌症	NA	NA	NA	NA	NA	NA	NA	NA
704	2026-04-20	Blood clot and fibrin recognition method for serum images based on deep learning 2024-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2023.117732 PMID:38128814	研究论文	提出了一种基于改进UNeXt的血清图像血凝块和纤维蛋白分割方法，用于自动识别血清中的血凝块和纤维蛋白	采用改进的UNeXt分割网络，实现了对血清图像中血凝块和纤维蛋白的更精确分割，为自动化生化免疫流水线中的采样针高度提供了准确依据	NA	开发一种快速、准确的方法来检测和识别血清中的血凝块和纤维蛋白，以替代耗时且主观的视觉检查	血清图像中的血凝块和纤维蛋白	计算机视觉	NA	深度学习	CNN	图像	13,230个临床血清样本	NA	改进的UNeXt	Dice系数, 灵敏度, 特异性, 准确率	NA
705	2026-04-20	Automated volumetric assessment of pituitary adenoma 2024-01, Endocrine IF:3.0Q2 DOI:10.1007/s12020-023-03529-x PMID:37749388	研究论文	本文开发了一种基于深度学习的自动化垂体腺瘤体积评估管道，用于术前和术后的肿瘤分割与体积测量	利用卷积神经网络集成实现垂体腺瘤的自动化分割与体积评估，旨在替代耗时且一致性差的手动分割方法	术后残留肿瘤的检测性能较低，需要更大规模、更多样化的数据集和更精细的模型来提升效果	开发自动化工具以客观、快速地评估垂体腺瘤的体积和切除范围	垂体腺瘤患者	数字病理学	垂体腺瘤	MRI	CNN	图像	193个图像集用于训练，20个用于验证	NA	卷积神经网络集成	Dice分数, Jaccard分数, 95百分位Hausdorff距离, Pearson相关系数, 敏感性, 特异性	NA
706	2026-04-20	Deep learning for automated detection of Drosophila suzukii: potential for UAV-based monitoring 2020-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.5845 PMID:32246738	研究论文	本研究利用深度学习技术，基于ResNet-18卷积神经网络，开发了一种自动检测和计数果蝇Drosophila suzukii的方法，并探索了无人机在昆虫监测中的应用潜力	首次将深度学习与无人机图像采集结合，用于自动检测和计数果蝇Drosophila suzukii，包括性别预测和区分，为害虫综合管理提供了新的自动化监测方案	无人机采集的图像质量较低，导致检测性能下降，AUC值较低，这主要是由于无人机在图像采集过程中的稳定操作所致	开发一种高效、自动化的昆虫监测系统，以替代传统耗时、劳动密集型的害虫监测方法，支持害虫综合管理策略	果蝇Drosophila suzukii（斑点翅果蝇）	计算机视觉	NA	图像采集、深度学习	CNN	图像	4753个标注的果蝇图像	NA	ResNet-18	AUC（精确召回曲线下面积）	NA
707	2026-04-19	GAN-FixMatch: A generative-semi-supervised deep learning framework for small-sample quantitative analysis in near-infrared spectroscopy of agricultural and pharmaceutical materials 2026-Jun-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345451 PMID:41997678	研究论文	提出了一种名为GAN-FixMatch的生成-半监督深度学习框架，用于解决近红外光谱分析中标记样本有限的问题，以提高定量模型的准确性和鲁棒性	首次将生成式光谱建模与半监督一致性学习相结合，用于近红外定量分析，克服了传统数据增强和GAN标记策略的局限性	NA	在标记样本有限的情况下，实现准确且鲁棒的近红外光谱定量建模	农业和制药材料的近红外光谱数据，包括药品颗粒、玉米籽粒和西洋参	机器学习	NA	近红外光谱分析	GAN, 1D CNN	一维光谱数据	三个代表性近红外数据集（药品颗粒、玉米籽粒、西洋参），具体样本数量未明确说明	NA	NA	决定系数, 均方根误差, 残差预测偏差	NA
708	2026-04-19	Point positioning and counting network: A deep learning-based method for automatic axon counting 2026-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110968 PMID:41819270	研究论文	本研究提出了一种基于点标注的深度学习框架PPCNet，用于自动计数山羊视神经半薄切片中的轴突密度	PPCNet结合了VGG16骨干网络、多尺度特征提取与横向融合，以及双分支架构进行空间坐标回归和候选点分类，并采用优化的匈牙利算法确保预测点与真实点的一一对应	研究仅在山羊视神经半薄切片数据集上进行评估，未在其他物种或组织类型中验证	开发一种自动、准确的轴突计数方法，以替代繁琐的手动计数和传统基于分割的方法	山羊视神经半薄切片中的轴突	计算机视觉	神经系统疾病	深度学习	CNN	图像	未明确指定样本数量，但包含测试集（轴突计数均值±标准差为901.6±225.6）	未明确指定，但基于深度学习框架	VGG16	线性回归分析中的R值、平均绝对误差(MAE)、Bland-Altman分析的一致性限	NA
709	2026-04-19	Automatic deep learning-based segmentation of cornea and lens in 2D OCT images of rabbit eyes 2026-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110965 PMID:41819269	研究论文	本文提出了一种基于深度学习的端到端流程，用于在低信噪比的兔眼二维OCT图像中自动分割角膜和晶状体	通过系统架构搜索选择了以ImageNet预训练的EfficientNet-B2为编码器的U-Net模型；引入了残差驱动、掩码引导的非局部均值阶段来抑制背景噪声同时保留边界；采用掩码到表面的转换方法，通过拟合稳健的三阶多项式来生成可用于生物测量的角膜和晶状体界面	训练数据有限，图像质量具有挑战性	开发一种快速、用户独立的自动化分割方法，以支持白内障手术规划	兔眼的前节光学相干断层扫描图像	计算机视觉	白内障	光学相干断层扫描	CNN	图像	440张兔眼B扫描图像	NA	U-Net, EfficientNet-B2	交并比, 均方根误差	NA
710	2026-04-19	Deep learning revolutionizes protein research: Advances in structure prediction, functional annotation, and engineered design 2026-Jun, Journal of biotechnology IF:4.1Q2 DOI:10.1016/j.jbiotec.2026.03.012 PMID:41839238	综述	本文综述了深度学习如何通过一个协同循环，从根本上改变蛋白质研究，该循环连接了结构预测、功能注释和理性设计	提出了一个统一的“预测-理解-创造”范式，展示了深度学习在蛋白质结构预测、功能注释和从头设计方面取得的突破如何相互促进，形成一个自我强化的循环	在数据稀缺性、模型可解释性以及分布外泛化方面仍存在挑战	阐述深度学习如何变革蛋白质研究，并展示结构预测、功能注释和理性设计三个领域如何协同发展	蛋白质，特别是单域、球状蛋白质	机器学习	NA	深度学习，生成式人工智能，逆折叠模型，冷冻电镜与AI结合	深度学习模型，生成式AI模型，多模态模型	蛋白质序列数据，3D坐标数据，相互作用数据	NA	NA	AlphaFold2	NA	NA
711	2026-04-19	A framework of hybrid deep learning and nature-inspired algorithms for accurate multi-class fundus disease classification 2026-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110966 PMID:41850601	研究论文	提出了一种结合深度学习特征提取与自然启发算法的混合框架，用于多类别眼底疾病图像的准确分类	提出了一种新颖的混合框架，将预训练的深度学习模型（ResNet-18、GoogLeNet）与多种自然启发算法（粒子群优化、灰狼优化器、差分进化、萤火虫算法、遗传算法）相结合进行特征优化，并使用传统机器学习分类器进行分类，在ODIR和RFMiD数据集上实现了100%的多个性能指标	未明确说明计算资源需求、模型的可解释性以及在实际临床环境中的泛化能力	开发一个高精度的多类别眼底疾病自动分类系统，以辅助临床诊断	眼底图像，用于检测糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、白内障和近视等疾病	计算机视觉	眼科疾病	眼底成像	CNN	图像	ODIR和RFMiD数据集（具体样本数量未在摘要中提供）	NA	ResNet-18, GoogLeNet	准确率, 召回率, 精确率, Kappa系数, F1分数, AUC	NA
712	2026-04-19	Deep learning ensemble strategies in Outcome-Based Education (OBE): The influence of ideology and politics on vocational training 2026-May, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106748 PMID:41921481	研究论文	本研究探讨了深度学习集成策略在成果导向教育中的应用，并分析了意识形态和政治因素对职业培训结果的影响	首次将深度学习集成策略与职业培训的政治意识形态量化指标相结合，用于预测培训成果	未详细说明数据集的具体来源和规模，可能影响结果的泛化能力	评估深度学习集成策略在预测职业培训成果中的应用，并探究政治意识形态对培训效果的影响	职业培训项目及其相关政治背景数据	机器学习	NA	深度学习集成策略	集成学习	结构化数据	NA	NA	Bagging, Boosting, Stacking	准确率	NA
713	2026-04-19	Assessment of Pain Intensity Using Deep Learning Models in Non-Communicative Intensive Care Patients 2026-May, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.70478 PMID:41983382	研究论文	本研究评估了使用深度学习模型通过面部图像对非沟通重症监护患者进行疼痛强度分类的可行性和诊断准确性	创建了多专家标注的数据集，并系统比较了不同分类器在多种临床视角下的表现	专家间一致性较低（k=0.16），突显了人工疼痛评估的主观性和变异性	评估深度学习模型在非沟通重症监护患者中分类疼痛严重程度的可行性和诊断准确性	非沟通成人重症监护患者	计算机视觉	NA	深度学习面部分析	CNN, SVM, 随机森林, K近邻	图像	来自120名成人重症监护患者的636张面部图像	NA	DenseNet-169	准确率, 精确率, 灵敏度, F1分数, 受试者工作特征曲线下面积, Fleiss' kappa系数	NA
714	2026-04-19	AlphaFold-driven discovery of oxysterol-binding protein-related protein-phosphoinositide 3-, 4-, and 5-phosphatase interactions using new generation confidence scores 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70572 PMID:41983709	研究论文	本文利用AlphaFold驱动的蛋白质相互作用预测方法，系统筛选了OSBP相关蛋白与磷酸肌醇磷酸酶之间的相互作用，并开发了一种结合多种计算工具的综合协议	结合AlphaFold2-Multimer、AlphaFold3和AlphaPulldown2进行大规模蛋白质相互作用筛选，并引入新一代置信度评分（如ipSAE）和FoldSeek-Multimer聚类分析，以评估界面一致性	研究主要基于计算预测，缺乏实验验证，且样本规模相对有限（约200个蛋白质对）	系统定义OSBP相关蛋白与磷酸肌醇磷酸酶的相互作用网络，以理解非囊泡脂质运输在膜接触位点的调控机制	OSBP相关蛋白家族和磷酸肌醇3-、4-、5-磷酸酶	计算生物学	NA	AlphaFold2-Multimer、AlphaFold3、AlphaPulldown2、ConSurf、PeSTo	深度学习模型	蛋白质序列和结构数据	约200个蛋白质对	AlphaFold, AlphaPulldown, FoldSeek, PeSTo	AlphaFold2-Multimer, AlphaFold3	加权ipTM + pTM, actifpTM, ipSAE评分	NA
715	2026-04-19	Sparse identification of nonlinear dynamics and Koopman operators with Shallow Recurrent Decoder Networks 2026-Apr-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2508144123 PMID:41996161	研究论文	本文提出了一种名为SINDy-SHRED的方法，用于联合解决高维时空数据的传感与模型识别问题	结合了门控循环单元与浅层解码器网络，并引入了基于SINDy的正则化，使潜在空间逐步收敛到SINDy类函数，从而实现了符号化、可解释的生成模型	NA	解决现实世界时空数据建模中的高维性、噪声、部分观测和数据收集成本高等挑战	偏微分方程数据（如湍流）、真实世界传感器测量数据（如海面温度）和直接视频数据	机器学习	NA	NA	GRU, SINDy, Koopman	时空数据, 传感器测量数据, 视频数据	NA	NA	门控循环单元, 浅层解码器网络	准确度, 训练成本, 数据效率	NA
716	2026-04-19	Enhancing biomedical optical volumetric imaging via self-supervised orthogonal learning 2026-Apr-17, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady9194 PMID:41984965	研究论文	本文提出了一种自监督正交学习框架VALID，用于增强生物医学光学体积成像的降噪性能	利用内在三维空间相干性，通过自监督正交学习框架实现高效体积降噪，无需配对数据集	未明确说明在极端噪声条件下的性能或计算资源需求的具体限制	提高生物医学光学体积成像的结构保真度，解决噪声问题	光学体积成像数据，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描图像	计算机视觉	NA	光学体积成像技术，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描	深度学习模型	体积图像数据	NA	NA	VALID	结构保真度	NA
717	2026-04-19	Automated Classification of Alveolar Bone Defects for Preoperative Augmentation Planning Using Deep Learning 2026-Apr-17, The International journal of oral & maxillofacial implants DOI:10.11607/jomi.11768 PMID:41995833	研究论文	本研究开发了一种基于深度学习的框架，用于自动检测和分类牙槽骨缺损，以辅助牙科植入手术前的规划	首次利用深度学习模型自动分类牙槽骨缺损（健康、水平、垂直和复合缺损），并比较了四种不同CNN架构的性能	数据集规模相对较小（1305张图像），且仅基于CBCT切片，可能未涵盖所有临床变异	开发一个自动分类牙槽骨缺损的系统，以辅助牙科植入手术的术前规划	牙槽骨缺损的CBCT图像	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	图像	1305张CBCT横截面图像（健康325张，水平缺损359张，垂直缺损310张，复合缺损311张）	NA	RegNetY-008, EfficientNetV2-S, ResNet50, MobileNetV3-Large	准确率, 加权精确率, 召回率, F1分数, 每轮训练时间	NA
718	2026-04-19	Development of a real-world, therapeutic drug monitoring-informed model to predict teicoplanin daily dose in pediatric intensive care unit patients with bacterial infections 2026-Apr-17, International journal of clinical pharmacy IF:2.6Q2 DOI:10.1007/s11096-026-02124-0 PMID:41995939	研究论文	本研究开发并验证了一个基于真实世界治疗药物监测信息的机器学习模型，用于预测儿科重症监护病房患者的替考拉宁日剂量	首次利用真实世界治疗药物监测数据，结合多种机器学习与深度学习算法（特别是TabNet），为儿科重症监护病房患者开发了个体化替考拉宁剂量预测模型	研究为单中心回顾性设计，样本量相对有限（257名患者），且模型性能需在更广泛的多中心前瞻性研究中进一步验证	开发一个临床决策支持工具，以辅助药师和医生在常规治疗药物监测工作流程中进行个体化替考拉宁剂量调整	儿科重症监护病房中接受替考拉宁治疗的细菌感染患者	机器学习	细菌感染	治疗药物监测	梯度提升, XGBoost, LightGBM, TabNet	临床数据, 治疗药物监测数据	257名儿科重症监护病房患者（包含595条替考拉宁给药记录）	NA	TabNet	决定系数, 均方根误差, 平均绝对误差	NA
719	2026-04-19	Artificial Intelligence in Trauma Care: A Systematic Review of Resuscitation, Diagnosis, Risk Prediction, and Management 2026-Apr-17, Journal of trauma nursing : the official journal of the Society of Trauma Nurses IF:0.7Q4 DOI:10.1097/JTN.0000000000000920 PMID:41996287	系统综述	本文对人工智能在创伤护理中的应用进行了系统综述，涵盖复苏、诊断、风险预测和管理等领域	首次系统性地评估了人工智能在创伤护理多个阶段（复苏、诊断、并发症预测、患者管理）的应用证据，并指出了当前研究的局限性和未来方向	研究主要基于单中心回顾性设计，缺乏外部验证，证据基础主要反映早期模型开发而非临床实施	评估人工智能在创伤复苏、诊断、并发症预测和患者管理中的应用证据	创伤护理中的临床决策支持	机器学习	创伤	NA	机器学习, 深度学习	NA	58项研究	NA	NA	NA	NA
720	2026-04-19	BC-GTM: A Bidirectional Causal Graph Transformer Mapping for Modeling Brain Structural and Functional Connectivity 2026-Apr-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3685002 PMID:41996430	研究论文	提出了一种双向因果图变换器映射模型，用于建模大脑结构连接与功能连接之间的双向映射关系	通过整合有向无环图学习和因果不变性原理，首次在SC与FC映射中引入因果启发的有向依赖关系，克服了传统GNN方法的黑盒限制	未明确说明模型在跨数据集或不同人群中的泛化能力，以及计算复杂度可能较高	研究大脑结构连接与功能连接之间的双向映射关系，以增进对大脑功能与组织的理解	大脑的结构连接与功能连接数据	机器学习	NA	图神经网络，因果学习	图变换器，GNN	图数据	NA	NA	图变换器	NA	NA