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	2026-03-28	Deep Learning-Based Diagnostic Model for Ocular Surface Neoplastic Diseases 2026-Feb-24, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2026.02.033 PMID:41748055	研究论文	本研究开发了一种基于深度学习的诊断模型，用于识别眼表肿瘤性疾病，并评估其诊断性能	首次应用YOLOv5深度学习模型于眼表肿瘤的自动诊断，并通过与不同级别眼科专家的比较验证了其高诊断准确性	对于罕见恶性肿瘤（如黑色素瘤和MALT淋巴瘤）的诊断性能有限，需要进一步优化	开发并评估一个深度学习模型，用于辅助诊断眼表肿瘤性疾病	眼表肿瘤图像，包括痣、角膜缘皮样瘤、MALT淋巴瘤、眼表鳞状上皮瘤、黑色素瘤、睑裂斑和翼状胬肉	计算机视觉	眼表肿瘤性疾病	裂隙灯显微镜成像	CNN	图像	1491张眼表图像，代表7种疾病，外部验证使用299张图像	PyTorch	YOLOv5	阳性预测值, 曲线下面积, 敏感性, 特异性	NA
702	2026-03-28	Graph Learning in Bioinformatics: A Survey of Graph Neural Network Architectures, Biological Graph Construction and Bioinformatics Applications 2026-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom16020333 PMID:41750401	综述	本文综述了图神经网络在生物信息学中的应用，涵盖图构建、架构设计和生物医学应用	提供了一个结构化框架，从图构建、GNN架构到生物医学应用三个维度系统梳理GNN在生物信息学中的方法与应用，并强调图质量、架构选择和训练动态对性能的联合影响	NA	为理解和应用图神经网络在生物信息学中提供一个系统框架	生物系统，包括蛋白质相互作用网络、基因调控回路、分子图和多组学整合等	生物信息学	NA	图神经网络	GNN, GCN, GAT, GraphSAGE, GIN	图数据	NA	NA	Graph Convolutional Networks, Graph Attention Networks, Graph Sample and AggregatE, Graph Isomorphism Network	NA	NA
703	2026-03-28	A multi-modal approach for recognizing fake news and influential nodes in spreading them using deep learning and network analysis 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35342-7 PMID:41708655	研究论文	本文提出了一种结合深度学习和网络分析的多模态方法，用于识别社交媒体中的虚假新闻及其传播中的关键节点	创新点在于将深度学习与基于图的聚类技术相结合，有效检测谣言源头并预测传播路径，采用GloVe技术描述内容特征，并引入新的聚类方法识别社交网络中的社区结构	NA	研究目的是减少社交媒体中谣言的危害，通过识别谣言传播的主要节点和路径	研究对象是社交媒体中的谣言传播网络和用户节点	自然语言处理, 机器学习	NA	GloVe技术, 深度神经网络, 图聚类	深度神经网络	文本, 网络数据	使用了真实社交网络数据库	NA	NA	准确率, 精确率, 处理时间	NA
704	2026-03-28	A hybrid deep learning framework using convolutional and transformer models for robust plant disease classification 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38209-z PMID:41708692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
705	2026-03-28	Integrative framework for cancer detection via integro-differential equations using deep learning techniques 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39283-z PMID:41708707	研究论文	本研究提出了一种结合积分-微分方程和深度学习技术的框架，用于从医学图像中检测癌症区域	提出了一种将2D医学图像转换为1D信号进行特征提取，并结合积分-微分方程建模肿瘤生长动态的创新框架，旨在提高模型的可解释性	存在数据依赖性、信号转换过程中的信息丢失以及数学模型简化等局限性	开发一种计算工具，用于在医学图像中准确识别癌症区域，以支持癌症诊断	医学图像（如乳腺X光片）	计算机视觉	癌症	深度学习	CNN	图像	来自公开乳腺X光数据集（INbreast和MIAS）的样本	NA	1D卷积神经网络	准确率	NA
706	2026-03-28	Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI 2026-Feb-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02235-0 PMID:41703497	研究论文	本文提出了一种基于先验信息的深度学习算法，用于膝关节的自动分割、诊断和分级膝骨关节炎	提出Anchor-free Knee Probability Calculation Net (AKPCNet)膝关节感兴趣区域提取算法和Attention Pooling全局池化优化算法，结合低阶特征强化网络(APLFRNet)提高KL分级准确性	NA	开发并评估一种基于深度学习的全自动膝关节分割方法，用于膝骨关节炎的诊断和分级	膝骨关节炎患者的X光图像	计算机视觉	膝骨关节炎	X光成像	深度学习	图像	35,000张膝关节X光片（前后位视图）	NA	AKPCNet, APLFRNet	ROC AUC, 平衡准确率	NA
707	2026-02-19	Multimodal deep learning for survival prediction and biomarker discovery in non-small cell lung cancer 2026-Feb-17, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00522-8 PMID:41703583	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
708	2026-02-18	Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus 2026-Feb-16, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07719-4 PMID:41699726	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
709	2026-03-28	Anatomy-guided visual prompt tuning for cross-modal breast cancer understanding 2026-Feb-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02417-8 PMID:41688744	研究论文	提出一种结合解剖学先验的视觉提示调优框架，用于跨模态乳腺癌图像的理解任务	首次将明确的解剖结构（腺体、脂肪、导管区域）嵌入到冻结ViT骨干网络的提示空间中，并设计了层次化提示-令牌交互机制与跨模态对比对齐策略	未明确讨论模型在更广泛临床场景或不同设备采集数据上的泛化能力，也未涉及计算效率的详细对比分析	提升跨模态乳腺癌图像分析的准确性与泛化能力，同时增强模型的可解释性	乳腺癌的医学影像（乳腺X线摄影、超声、MRI）	计算机视觉	乳腺癌	医学影像分析	Vision Transformer (ViT)	图像	三个基准数据集（INbreast, BUSI, Duke-Breast-MRI），具体样本数量未在摘要中说明	PyTorch（推测，因常用ViT实现），未明确说明	Vision Transformer (ViT)	分类与分割任务的性能指标（如准确率、Dice系数等），具体指标未在摘要中列出	未明确说明
710	2026-03-28	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Feb-10, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	本研究开发并外部验证了基于AI的非侵入性模型，用于检测食管静脉曲张和预测肝失代偿，以改善不可切除肝细胞癌患者的预后评估	首次将基础模型HepatoSageCT应用于常规增强CT图像，结合临床数据，实现了对食管静脉曲张和肝失代偿风险的准确非侵入性预测	研究为回顾性设计，需要前瞻性验证来进一步确认模型的临床适用性	开发非侵入性模型以检测食管静脉曲张并预测肝失代偿风险，减少不必要的内镜检查并改善不可切除肝细胞癌患者的预后评估	接受阿特珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	数字病理学	肝细胞癌	对比增强CT	深度学习	图像, 临床数据	489名患者（开发队列279名，外部验证队列210名）	NA	HepatoSageCT	AUROC, 敏感性, 特异性, C指数, 风险比	NA
711	2026-03-28	Deep learning-based segmentation of acute pulmonary embolism in cardiac CT images 2026-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03503-0 PMID:40996587	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于在心脏CT图像中分割急性肺栓塞	应用了两种最先进的神经网络（nnU-Net和基于Transformer的VT-UNet）进行自动APE分割，并在自建CTPA数据集上取得了优于现有技术的实验结果	未提及具体局限性	为急性肺栓塞的治疗规划和患者预后提供准确的个体化评估	急性肺栓塞患者的CTPA图像	计算机视觉	肺栓塞	CTPA	CNN, Transformer	图像	200个CTPA图像体积	NA	nnU-Net, VT-UNet	Dice相似系数, 95百分位Hausdorff距离	NA
712	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA
713	2026-03-28	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	本文提出了ViralBindPredict，一种基于深度学习的框架，直接从蛋白质序列预测病毒蛋白-配体结合位点	首次引入了泄漏控制的大规模病毒蛋白-配体相互作用基准数据集，并开发了无需结构信息、直接从序列预测结合位点的深度学习框架	对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文在泛化中占主导地位	加速药物发现，特别是抗病毒药物的靶点优先排序、化合物再利用和新药设计	病毒蛋白-配体结合位点	机器学习	NA	深度学习	多层感知机	蛋白质序列	超过10,000条病毒链和约13,000个相互作用	NA	多层感知机	精确率-召回率	NA
714	2026-03-28	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜	引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力	旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计	人类迷走神经束和神经外膜	数字病理学	NA	微计算机断层扫描	U-Net	图像	100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
715	2026-03-28	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家	首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家	研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用	接受腹部平片检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部平片放射成像	CNN, 机器学习模型	图像	共680名新生儿（训练队列380例，外部验证队列300例）	PyTorch（推断自DenseNet121的常见实现）, Scikit-learn	DenseNet121	AUC, 准确率	NA
716	2026-03-28	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一种名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次提出一个深度学习模型DROID-MVP，能够从超声心动图视频中自动诊断二尖瓣脱垂，并与临床终点（如二尖瓣反流严重程度和未来手术需求）相关联	模型主要基于单一医疗中心（MGH）的数据进行训练，外部验证虽包含BWH数据，但样本量相对较小，可能存在泛化性限制	开发一个深度学习模型，以自动化二尖瓣脱垂的诊断过程，减少对专业知识和时间的依赖	心脏科患者和初级保健患者的超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏科患者、8,888名MGH初级保健患者和257名BWH初级保健患者	未明确提及	DROID-MVP（未指定具体架构如ResNet、CNN等）	AUROC, 平均精度	未明确提及
717	2026-03-28	DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344526 PMID:41880308	研究论文	本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题	DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法	算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务	开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像	农业产品图像（如水果）和遥感图像（如农作物数据）	计算机视觉	NA	特征降维与聚类算法	NA	图像	两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析）	NA	NA	准确率, F1分数, mAP, 资源效率指标	云原生环境，分布式节点
718	2026-03-28	Enhancing autonomous agriculture control systems in greenhouses for sustainable resource usage using deep learning techniques 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344946 PMID:41886461	研究论文	本文提出了一种基于强化学习的温室气候控制框架，通过集成深度学习模型预测作物生长和资源消耗，以优化控制设定点，实现作物产量最大化与资源可持续利用的平衡	提出了一种结合多层感知器（MLP）和长短期记忆（LSTM）模型的强化学习框架，用于动态优化温室控制；设计了考虑作物参数和资源消耗指标的自定义奖励函数；引入了特征选择机制以降低观测复杂性并加速收敛；通过随机天气条件下的再训练增强了模型对动态环境的鲁棒性	NA	优化温室气候控制系统，以实现可持续资源利用和作物产量最大化	温室气候控制（温度、CO2浓度、灌溉水平）	机器学习	NA	强化学习（RL），深度学习	MLP, LSTM	气候数据，作物生长数据，资源消耗数据	NA	NA	多层感知器（MLP），长短期记忆（LSTM）	累积奖励，收敛速度，帕累托前沿（产量与资源消耗的权衡）	NA
719	2026-03-28	Prostate cancer tissue mapping and stratification using DRAQ5 and Eosin fluorescent labels integrated with AI classification and segmentation algorithms 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345014 PMID:41886726	研究论文	本研究开发了基于DRAQ5和Eosin荧光标记的深度学习模型，用于前列腺癌组织的分类和分割，以评估其在临床诊断中的应用潜力	结合DRAQ5和Eosin荧光标记与AI分类分割算法，系统探究了图像采集和配置变异性对AI预测准确性的影响，并建立了自动Gleason分级（1-5）组织样本的实验和分析稳健性界限	未明确说明样本的具体数量或来源多样性，且未来研究需进一步扩展以将荧光生物标志物与AI方法结合应用于临床	开发用于前列腺组织分类和分割的深度学习模型，评估荧光成像与AI工具在临床诊断中的潜在应用	前列腺组织样本，使用DRAQ5和Eosin荧光标记	数字病理学	前列腺癌	荧光显微镜，DRAQ5和Eosin探针标记	深度学习网络	荧光图像	NA	NA	NA	AUC, DICE分数	NA
720	2026-03-28	Sparse-selective quantization for real-time cyber threat detection in large-scale networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345758 PMID:41886730	研究论文	提出了一种用于大规模网络实时网络威胁检测的稀疏选择性量化框架，以解决计算效率和检测准确性的双重挑战	将稀疏感知特征选择与动态精度量化相结合，并将特征级稀疏模式直接与动态量化策略关联，而非关注模型激活或固定参数	未明确说明在极端资源受限环境下的性能边界或对特定网络协议/加密流量的适应性	实现大规模网络中实时网络威胁的高效准确检测	大规模网络流量数据	机器学习	NA	稀疏感知特征选择、动态精度量化、深度学习分类	GRU-attention机制	网络流量数据	NA	TensorFlow Lite, TensorRT	GRU-attention	推理延迟、检测精度	边缘部署环境、TensorRT加速