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
7481	2026-01-03	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出了一种量子增强神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病检测	将量子卷积层与经典深度学习结合，并引入量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据稀缺问题	未明确提及模型在更大规模或更多样化数据集上的泛化能力，以及量子计算资源在实际临床环境中的可及性	提高早期阿尔茨海默病检测的诊断准确性	阿尔茨海默病患者的脑部磁共振成像（MRI）数据	机器学习	阿尔茨海默病	磁共振成像（MRI）	量子增强神经网络	图像	两个公共MRI数据集（具体样本数量未明确）	NA	QENNA（量子卷积层与经典深度学习结合）	准确率, AUC	NA
7482	2026-01-03	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	本研究开发了一个针对约旦阿拉伯方言患者反馈的语料库JADKHCC，并利用深度学习模型进行情感分析，以评估医疗服务质量	首次创建了专门用于约旦阿拉伯方言患者反馈情感分析的语料库JADKHCC，并比较了多种深度学习模型在阿拉伯语方言数据上的性能	研究主要针对特定医疗中心（KHCC）的约旦阿拉伯方言数据，可能无法直接推广到其他阿拉伯方言或医疗环境	通过情感分析自动化患者反馈，以检测不满、识别未满足需求并推动医疗服务改进	来自侯赛因国王癌症中心（KHCC）的约旦阿拉伯方言患者反馈文本	自然语言处理	癌症	情感分析	CNN, BiLSTM, LSTM, RNN, RNNLSTM	文本	15,812条约旦阿拉伯方言评论	NA	BERT-base-Arabic, Word2Vec, FastText	F1-score	NA
7483	2026-01-03	Deep learning-based prediction of dynamic blood dose estimates for head-and-neck cancer 2026-Jan-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3047 PMID:41429110	研究论文	本研究开发了一种基于深度学习的模型，用于准即时预测头颈癌放疗中动态血液剂量模拟结果	首次提出结合全连接层和Transformer编码器的深度神经网络，实现动态血液剂量模拟的快速预测，克服了传统模拟在治疗计划迭代中时间不可行的限制	研究仅基于157名头颈癌患者的数据，样本量相对较小，且模型尚未在其他癌症类型或更大规模数据集中验证	开发一种准即时预测动态血液剂量模拟结果的方法，以促进放疗治疗计划中纳入血液剂量考虑	157名头颈癌患者的治疗计划CT图像和剂量体积直方图	数字病理学	头颈癌	动态血液剂量模拟（HEDOS）	深度神经网络	图像（CT）、剂量体积直方图	157名患者（126名用于训练和内部验证，31名用于测试）	NA	全连接层, Transformer编码器	Kullback-Leibler散度, 平均绝对百分比误差	NA
7484	2026-01-03	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种名为MI-CSBO的混合系统，用于通过深度学习与贝叶斯优化对心肌梗死进行分类	结合了深度残差CNN、贝叶斯优化和NCA特征选择，构建了一个新的混合分类系统，并在ECG数据上实现了100%的诊断准确率	NA	实现对心肌梗死的早期检测和分类	心电图（ECG）信号	机器学习	心血管疾病	谱图方法	CNN	图像（由ECG信号转换的谱图）	来自PTB数据库（PTBDB）的ECG信号数据集	NA	深度残差CNN	正确诊断率	NA
7485	2026-01-03	Arrhythmia detection in inter-patient ECG signals using entropy rate features and RR intervals with CNN architecture 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378105 PMID:39021157	研究论文	本文提出了一种结合熵率特征、RR间期和1D CNN架构的心律失常检测方法，用于处理患者间ECG信号分类	创新性地将熵率特征提取技术应用于ECG信号分类，并融合形态学特征（通过1D CNN自动捕获）与时间特征（RR间期），提升了患者间ECG分类性能	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力限制，以及计算资源需求的具体分析	开发一种高性能的心律失常自动检测方法，以解决患者间ECG信号分类的挑战	心电图（ECG）信号，特别是MIT-BIH心律失常数据集和INCART数据集中的信号	机器学习	心血管疾病	ECG信号分析，特征提取（包括熵率计算和RR间期测量）	CNN	信号数据（ECG波形）	使用MIT-BIH心律失常数据集（具体样本数未明确，但涉及患者内和患者间范式）和INCART数据集进行验证	未明确指定，可能为TensorFlow或PyTorch等深度学习框架	1D CNN	准确率	NA
7486	2026-01-03	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了MULTICOM_ligand，一种基于深度学习的蛋白质-配体结构与结合亲和力预测集成方法，在CASP16中表现优异	提出了结合结构共识排序的无监督姿态排序方法，以及用于联合结构与结合亲和力预测的新型深度生成流匹配模型	未在摘要中明确说明	解决蛋白质-配体结构预测与结合亲和力准确估计的基础性问题	蛋白质-配体复合物	机器学习	NA	几何深度学习，流匹配	深度学习集成模型，生成模型	蛋白质-配体结构数据	NA	NA	流匹配模型	CASP16排名（前5名）	NA
7487	2026-01-03	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升了蛋白质复合物结构预测的准确性，并在CASP16中进行了盲测评估	整合了基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合了蛋白质复合物化学计量比预测、多样化的多序列比对生成、建模异常处理以及基于深度学习的蛋白质模型质量评估等内部技术	未明确提及具体局限性	提高蛋白质复合物结构预测的准确性	多链蛋白质复合物（多聚体）	机器学习	NA	多序列比对（MSA）、蛋白质模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	NA	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
7488	2026-01-03	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在量化中风后肌筋膜剪切应变中的可靠性，以验证临床假设	提出了一种新的临床假设，即中风后肌筋膜疼痛患者的患侧肩部肌肉间剪切应变低于健侧，并系统比较了四种位移估计算法（包括基于L1和L2范数正则化的优化方法）的可靠性	L1-SOUL-Search方法运行时间较慢，可能影响实时应用	评估超声位移跟踪技术在中风后肌筋膜剪切应变量化中的可靠性，以支持肌筋膜功能障碍的诊断和治疗	十名患有中风后肩部肌筋膜疼痛的研究参与者	医学影像分析	中风后肌筋膜疼痛	超声位移跟踪、T1ρ磁共振成像	NA	超声图像、磁共振图像	10名研究参与者	NA	NA	位移导数均值和方差、视觉检查、定量T1ρ磁共振成像验证	NA
7489	2026-01-03	Contrastive virtual staining enhances deep learning-based PDAC subtyping from H&E-stained tissue cores 2026-Jan, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6491 PMID:41188199	研究论文	本研究提出了一种基于对比学习启发的CycleGAN框架，用于从H&E染色组织切片生成虚拟IHC图像，以增强胰腺导管腺癌（PDAC）亚型分型的准确性	引入了一种新颖的、利用对比学习启发的cycleGAN框架，并在源自连续组织切片的半配对数据集上进行训练，显著提升了基于合成IHC图像的PDAC亚型分型性能	未明确提及具体的研究局限性	开发一种虚拟染色方法，以替代传统劳动密集型的IHC染色，用于PDAC亚型分型，旨在简化诊断流程并提高其稳健性	胰腺导管腺癌（PDAC）组织	数字病理学	胰腺癌	虚拟染色，免疫组织化学（IHC）染色，苏木精和伊红（H&E）染色	GAN	图像	NA	CycleGAN	CycleGAN	F1分数	NA
7490	2026-01-03	Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.111550 PMID:41355970	研究论文	本研究开发了一种名为DeepMGO的深度学习模型，用于预测化合物的甲基乙二醛清除活性，并成功鉴定出候选化合物TP-41，在小鼠模型中验证了其对阿尔茨海默病相关症状的改善作用	首次利用深度学习技术针对甲基乙二醛清除剂进行阿尔茨海默病治疗药物的开发	研究仅在小鼠模型中进行验证，尚未进行人体临床试验	开发深度学习模型以识别具有甲基乙二醛清除活性的化合物，用于阿尔茨海默病治疗	甲基乙二醛清除活性化合物	机器学习	阿尔茨海默病	深度学习	深度学习模型	化学活性数据	660个化合物的2,262个甲基乙二醛清除活性测定数据	NA	DeepMGO	预测性能	NA
7491	2026-01-03	DeepLuAd: Semantic-guided virtual histopathology of lung adenocarcinoma via stimulated Raman scattering 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125443 PMID:41424851	研究论文	本文开发了一个名为DeepLuAd的AI平台，结合无标记刺激拉曼散射显微镜和语义引导深度学习，用于肺腺癌的自动分级、分割、细胞水平形态化学量化及无监督虚拟H&E染色	通过整合无标记刺激拉曼散射显微镜与语义引导深度学习，实现了肺腺癌组织亚型的形态与生化信息统一分析，无需染色即可进行虚拟H&E染色和定量生化映射	与病理学家诊断的一致性率为76.2%（16/21例），样本量较小，可能限制统计普适性	开发一个AI平台以改进肺腺癌的组织学分级和分析，统一形态和生化信息	肺腺癌组织样本	数字病理学	肺腺癌	刺激拉曼散射显微镜	深度学习	显微镜图像	21例肺腺癌病例	NA	NA	平均交并比, 分级一致性率	NA
7492	2026-01-03	Modeling Protein-Protein and Protein-Ligand Interactions by the ClusPro Team in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70066 PMID:41115690	研究论文	本文介绍了在CASP16实验中，团队采用混合计算策略预测蛋白质-蛋白质和蛋白质-配体复合物结构的方法	结合基于物理的采样（如ClusPro FFT对接和分子动力学）与基于AlphaFold的采样和精修，以及将模板方法与机器学习置信度模型集成用于蛋白质-配体对接	NA	提高蛋白质-蛋白质和蛋白质-配体复合物结构预测的准确性	蛋白质-蛋白质和蛋白质-配体复合物	计算生物学	NA	蛋白质对接、分子动力学、深度学习	AlphaFold, 机器学习置信度模型, 扩散模型	蛋白质结构数据	233个目标蛋白质-配体复合物	NA	AlphaFold, ClusPro FFT	lDDT-PLI	NA
7493	2026-01-03	DL-QC-fNIRS: a deep learning tool for automated quality control in functional near-infrared spectroscopy signals 2026-Jan, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.13.1.015001 PMID:41472700	研究论文	本文提出了一种基于深度学习的自动化工具DL-QC-fNIRS，用于功能近红外光谱信号的通道级质量控制	利用连续小波变换时频谱图和受试者特异性心搏频率提取来提高生理特异性，并首次在fNIRS领域应用CNN进行自动化信号质量评估	研究依赖于特定数据集，且工具基于MATLAB平台，可能限制其在其他编程环境中的集成	开发一个自动化、标准化的工具来提升功能近红外光谱信号的质量控制流程	功能近红外光谱信号	机器学习	NA	功能近红外光谱	CNN	图像	两个独立数据集和一个组合异质数据集	NA	GoogLeNet, ResNet-50, SqueezeNet, EfficientNet-B0	准确率, F1分数, 灵敏度, 特异性	NA
7494	2026-01-03	ToothSeg: Robust Tooth Instance Segmentation and Numbering in CBCT using Deep Learning and Self-Correction 2026-Jan-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3650444 PMID:41477803	研究论文	本文提出了一种名为ToothSeg的、结合深度学习和自校正技术的全自动方法，用于CBCT图像中的牙齿实例分割与编号	将语义分割与实例分割结合为统一方法，并引入自校正机制以解决牙齿合并或分裂问题，优化牙弓编号序列	未明确说明方法在极端成像伪影或罕见解剖变异上的泛化能力限制	开发一种鲁棒的、全自动的CBCT牙齿实例分割与编号方法，以提升口腔诊断与治疗规划的自动化水平	锥束计算机断层扫描（CBCT）图像中的牙齿	计算机视觉	口腔疾病	锥束计算机断层扫描（CBCT）	深度学习模型	医学影像（CBCT图像）	内部数据集（n=1282，来自25+台设备）和公开数据集ToothFairy2（n=480，来自1台设备）	未明确指定	未明确指定具体架构，但涉及语义分割与实例分割的集成	真阳性Dice系数, 多类实例F1分数	未明确指定
7495	2026-01-03	Deep Learning in Modeling Tools for Structural Insights into Protein-RNA Complexes, Bridging Computational and Spectroscopic Approaches 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5084-4_17 PMID:41478913	综述	本章探讨了深度学习模型（特别是AlphaFold3）在蛋白质-RNA复合物结构建模中的应用，及其与光谱学方法的协同整合	阐述了AlphaFold3在建模蛋白质、核酸及其复合物方面达到的突破性精度，并重点介绍了其如何变革结构生物学中光谱技术的应用方式，通过计算模型与实验数据的相互验证与改进，形成强大的协同效应	对于长链或柔性RNA的建模精度较低，训练数据集中对多样化RNA家族的覆盖不足，且预测结果呈静态特性，未能充分考虑构象异质性	旨在弥合已知序列数量与实验解析结构数量之间的巨大差距，加速对蛋白质-RNA复合物的结构解析	蛋白质-RNA复合物	计算生物学	NA	深度学习建模，光谱学方法	深度学习模型	蛋白质与RNA序列数据，结构数据，光谱数据	NA	NA	AlphaFold3	建模精度	NA
7496	2026-01-03	Unveiling river thermal regimes in the Yangtze river basin, China, with a hybrid deep learning model 2025-Dec-31, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128460 PMID:41477956	研究论文	本研究开发了一种混合深度学习模型CNN-LSTM-AT，用于重建长江流域1960-2009年的河水温度，并分析其热力状况变化趋势	提出了一种结合CNN、LSTM和注意力机制的混合深度学习模型，用于解决河水温度数据稀缺问题，并首次系统分析了长江流域长期热力状况和热浪特征	模型输入变量相对有限（气温、流量、年积日），未考虑更多环境因素；研究时间范围截至2009年，缺乏最新数据验证	解决河水温度数据稀缺问题，分析长江流域热力状况的时空特征，为河流管理和生态保护提供依据	长江流域的河水温度数据	机器学习	NA	深度学习建模	CNN, LSTM	时间序列数据（气温、流量、年积日）	1960-2009年长江流域历史数据	NA	CNN-LSTM-AT（卷积神经网络-长短期记忆网络-注意力机制混合架构）	预测精度、稳定性、计算效率	NA
7497	2026-01-03	Multimodal deep learning ensemble framework for skin cancer detection 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30534-z PMID:41469782	研究论文	本文提出了一种基于多模态深度学习的集成框架，用于皮肤癌的检测与分类	结合了预训练模型、元数据以及自适应加权集成方法，显著提升了皮肤癌检测的准确性和泛化能力	在外部数据集Derm7pt上的准确率相对较低，表明模型在跨数据集泛化方面仍有提升空间	评估迁移学习技术在提升卷积神经网络（CNN）性能方面的效果，以改进皮肤癌的检测与分类	皮肤癌图像数据，包括ISIC 2018、ISIC 2019和Derm7pt数据集	计算机视觉	皮肤癌	深度学习，迁移学习，集成学习，SMOTE过采样	CNN	图像，元数据	ISIC 2018、ISIC 2019和Derm7pt数据集中的皮肤癌图像样本	TensorFlow, Keras	ResNet50, Xception, MobileNet, EfficientNetB0, DenseNet121	准确率, 精确率, 召回率, F1分数, AUC	NA
7498	2026-01-03	Enhancing landslide detection in Western Ghats of Kerala, India with deep learning and Explainable AI 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33065-9 PMID:41461880	研究论文	本研究利用深度学习模型和可解释人工智能技术，通过高分辨率卫星影像的时序差异数据，对印度喀拉拉邦西高止山脉的滑坡进行自动检测与分割	首次为印度喀拉拉邦构建自动滑坡清单，结合了时序差异数据与迁移学习，并应用了可解释人工智能技术来理解模型决策	研究仅基于公开的HR-GLDD数据库和PlanetScope影像，可能受数据覆盖范围和分辨率的限制，且模型性能在复杂地形或小规模滑坡上可能不足	开发一个自动化的滑坡检测系统，以支持滑坡预测和风险缓解策略	印度喀拉拉邦西高止山脉地区的滑坡事件	计算机视觉	NA	高分辨率卫星遥感，时序差异分析	U-Net	卫星图像	基于公开的HR-GLDD数据库和PlanetScope影像，具体样本数量未明确说明	TensorFlow, PyTorch (未明确指定，但基于常用框架推断)	简单多尺度U-Net, 注意力多尺度U-Net	精确度, F1分数	NA
7499	2026-01-03	An optimized YOLOv8n based model for real time defect detection in taro strip production 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28216-x PMID:41462034	研究论文	本研究提出了一种基于YOLOv8n的优化模型，用于芋头条生产中的实时缺陷检测	模型集成了多项架构创新，包括双向特征金字塔网络（BiFPN）、VoV-GSCSP模块替换传统C2f块以降低计算复杂度、共享参数检测头以及使用Wise IoU损失函数，以提升多尺度特征融合、加速收敛并提高预测精度	未明确提及具体局限性	实现芋头条工业生产环境中的自动化缺陷检测，以提高效率和产品质量	芋头条	计算机视觉	NA	深度学习	YOLOv8n	图像	未明确提及具体样本数量	NA	YOLOv8n, BiFPN, VoV-GSCSP	平均检测精度（mAP50）, 精确率, 召回率, FLOPs	Raspberry Pi 5
7500	2026-01-03	Transfer learning models for wheat ear detection on multi-source dataset 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28351-5 PMID:41462035	研究论文	本文介绍了一个用于小麦穗检测的高质量RGB智能手机图像数据集BioS-Wheat，并评估了六种深度学习模型在该数据集上的性能	提出了一个新颖的高质量RGB智能手机图像数据集BioS-Wheat，该数据集具有高播种密度和最小行间距，增加了对象遮挡和密集空间排列，强调了农艺多样性对模型性能的影响	NA	开发一种经济可靠的小麦穗自动检测方法，以支持小麦生长监测和产量预测	小麦穗	计算机视觉	NA	RGB智能手机图像采集	深度学习模型	图像	5,696张标注图像，涵盖四个小麦品种	NA	RetinaNet, YOLOv8, RT-DETR	平均精度均值（mAP@50）	NA