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
761	2026-04-19	CRESCENT: a deep learning framework with multi-scale attention for detecting recurrent copy number alterations 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag167 PMID:41996576	研究论文	本文提出了一种名为CRESCENT的深度学习框架，通过整合多尺度采样、卷积神经网络和自注意力机制，用于检测肿瘤中的复发拷贝数变异	CRESCENT框架首次将多尺度采样与卷积神经网络及自注意力机制相结合，以平衡检测局部、片段和臂水平拷贝数变异的敏感性，相比现有方法（如GISTIC2和RUBIC）在检测广度和深度上表现更优	研究主要基于TCGA数据集，虽然扩展到非TCGA队列（如CGCI和TARGET），但可能仍存在数据来源的局限性，且模型在泛化到其他癌症类型或更小样本量时需进一步验证	开发一种高灵敏度、泛化能力强的深度学习框架，以可靠地检测肿瘤中的复发拷贝数变异，并识别关键的致癌驱动因子和预后标志物	来自20个TCGA癌症项目的7689例肿瘤样本的拷贝数谱，以及模拟数据集和独立非TCGA癌症队列（CGCI和TARGET）	机器学习	癌症	拷贝数变异分析	CNN, 自注意力机制	拷贝数谱数据	7689例肿瘤样本（来自20个TCGA癌症项目），外加模拟数据集和独立非TCGA队列	NA	NA	AUC	NA
762	2026-04-19	scGPD: single-cell informed gene panel design for targeted spatial transcriptomics 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag160 PMID:41996577	研究论文	本文提出了一种基于深度学习的单细胞RNA-seq数据驱动的基因面板设计框架scGPD，用于优化靶向空间转录组学中的基因选择	引入基因-基因相关性感知的门控机制，从单细胞数据中提取信息特征，鼓励所选基因的多样性并消除冗余，从而设计紧凑、非冗余的基因集	未明确提及具体的数据集规模限制或计算效率问题	为靶向空间转录组学技术设计高效、信息丰富的基因面板，以捕获组织内的细胞和空间异质性	单细胞RNA-seq数据和空间转录组学数据	生物信息学	NA	单细胞RNA-seq, 空间转录组学	深度学习	基因表达数据	NA	NA	NA	转录组范围表达恢复能力, 细胞类型分类性能	NA
763	2026-04-19	AI Models to Reduce Surgical Complications Through Intraoperative Video Analysis: Protocol for a Prospective Cohort Study 2026-Feb-26, JMIR research protocols IF:1.4Q3 DOI:10.2196/62734 PMID:41769985	研究论文	本研究旨在开发和验证深度学习模型，通过术中视频分析预测腹部手术后的并发症	首次提出利用术中视频和术后结果构建开源数据集，并采用基于视觉Transformer架构的微调手术视频基础模型与外科医生定义的预测因子并行方法进行深度学习算法开发	研究仅针对特定腹部手术（阑尾切除术、胆囊切除术和结直肠切除术），且数据收集时间有限（2024-2025年）	开发并验证深度学习模型以准确预测术后并发症，并构建共享开源数据集	接受微创腹部手术的1200名患者，包括阑尾切除术、胆囊切除术和结直肠切除术	计算机视觉	NA	术中视频分析	深度学习模型	视频	1200名患者	NA	Vision Transformer	灵敏度, 特异性, 阳性预测值, 阴性预测值, AUC	NA
764	2026-04-19	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，用于增强基于分割学习的虚拟物理不可克隆功能的安全性	提出了一种结合深度学习与Jake's Model模拟瑞利衰落的数字水印框架，为VPUF响应提供双重认证机制，在资源受限的物联网网络中实现安全性与计算效率的平衡	未明确说明水印嵌入对VPUF响应延迟的具体影响，以及在不同物联网设备异构环境中的普适性验证	提升物联网网络中基于分割学习的虚拟物理不可克隆功能的安全性，防止窃听和重放攻击	物联网网络中的虚拟物理不可克隆功能响应数据	机器学习	NA	数字水印技术	自编码器	隐表示数据	NA	NA	自编码器	保真度, 可靠性, 不可伪造性	NA
765	2026-04-19	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），并利用SHAP算法进行最优特征选择，显著提高了预测准确性	未明确提及模型在更广泛或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一个准确预测SUMOylation位点的计算工具，以加速蛋白质功能和修饰分析的研究	蛋白质的SUMOylation位点	机器学习	NA	NA	DNN	蛋白质序列和结构特征	基准数据集和独立数据集（平衡与不平衡）	NA	Deep Neural Network	准确率	NA
766	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
767	2026-04-19	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多类别废物分类系统，用于处理真实世界中的混合、变形和污染废物，以促进可持续废物管理	引入了混合模型（如ResNet101与InceptionV3结合）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	NA	开发一个稳健且可扩展的智能废物分类系统，用于真实世界、可持续性驱动的环境	真实世界废物流中的混合、变形和污染物品	计算机视觉	NA	深度学习	CNN	图像	使用RealWaste数据集	NA	InceptionV3, ResNet101, DenseNet, VGG, EfficientNet, MobileNet	验证准确率, 损失, F1分数	NA
768	2026-02-25	Clinical accuracy of cephalometric analysis using deep learning-based automated landmark identification on CBCT in class I and class II malocclusions 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41408-3 PMID:41730989	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
769	2026-04-19	A novel approach to mural enhancement using MSR CAB and lacuna extraction from ancient mural paintings using random forest 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36973-6 PMID:41735343	研究论文	本文提出了一种用于古代壁画中颜料层缺失区域（lacunae）自动提取的新方法	提出了一种结合MSR-CAB、自适应混合和双边滤波的新型预处理方法，用于增强低光照、灰尘遮挡和光照不均条件下的壁画图像质量，并采用成本敏感的随机森林分类器处理类别不平衡问题	方法在典型文化遗产领域的小型数据集上进行验证，可能面临数据量有限的挑战	开发一种低资源消耗且可解释的自动化方法，用于古代壁画损伤区域的检测与提取，以支持文化遗产机构的文档记录、监测和保护规划	阿尔及利亚Bey's Palace等地的古代壁画图像	计算机视觉	NA	图像处理，机器学习分类	随机森林	RGB图像	NA	Scikit-learn	随机森林	准确率，精确率，召回率	NA
770	2026-04-19	A switching-based deep learning framework for personalized and adaptive E-commerce recommendations 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40024-5 PMID:41735446	研究论文	本文提出了一种基于切换的深度学习框架，用于个性化且自适应的电子商务推荐系统	提出了一种创新的基于切换的混合推荐系统，通过将用户分为新手、轻度用户和重度用户三类，并优化包括产品浏览在内的多目标，以应对数据稀疏性、冷启动、跨域推荐和实时适应性等挑战	NA	开发一个能够适应不同用户档案（基于交互历史和参与度）的推荐系统，以解决推荐系统中的数据稀疏性、冷启动、跨域推荐、个性化与多样性权衡以及实时适应性等挑战	电子商务推荐系统中的用户，特别是根据交互历史和参与度分类的新手、轻度用户和重度用户	机器学习	NA	NA	深度学习	隐式反馈数据（如产品浏览）	NA	NA	基于切换的混合推荐系统	验证损失, HR@10, NDCG@10, 准确率, 精确率, 召回率, F1分数	NA
771	2026-04-19	Contextual anatomy-guided deep learning for accurate fovea segmentation in diabetic retinopathy fundus images 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40287-y PMID:41735453	研究论文	本文提出了一种利用解剖学上下文信息的深度学习框架，用于在糖尿病视网膜病变眼底图像中实现精确的中央凹分割	提出了一种以数据为中心的方法，通过在训练过程中逐步融入关键解剖标志（视盘、视网膜和血管）的上下文信息，并设计了一个多类别约束机制框架来显式利用这些解剖结构间的相互依赖关系，而非单纯增加模型架构复杂度	训练数据集规模相对较小（81张图像），且未提及模型在更广泛或更具挑战性的临床场景（如严重病变图像）中的泛化能力	开发一种准确分割糖尿病视网膜病变眼底图像中中央凹区域的方法，以辅助糖尿病性黄斑水肿的临床管理决策	糖尿病视网膜病变患者的眼底图像	数字病理学	糖尿病视网膜病变	深度学习，图像分割	深度学习模型	图像	81张精心标注的眼底图像（54张训练，27张测试）	NA	MNv4Fovea	IoU, F1分数, 平均欧几里得距离	NA
772	2026-04-19	Real-time identification and quantification of apple scab on fruit in preharvest and postharvest conditions using YOLO11: a deep learning approach 2026-Feb-22, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01508-7 PMID:41725009	研究论文	本研究提出了一种基于深度学习的框架，利用YOLO11模型实时识别和量化苹果黑星病在果实上的症状，以克服传统视觉评估方法的局限性	采用两阶段微调过程，结合高分辨率图像，显著提升了细尺度病变分割的准确性，相比先前YOLO架构，mAP50-95提高了50%以上，并支持实时图像和视频处理	面临光照变化和症状异质性等挑战，病变分割模型的精度（0.64）相对较低	开发一种准确、可扩展的苹果黑星病表型分析方法，以自动化疾病评估	苹果果实上的黑星病症状	计算机视觉	苹果黑星病	深度学习	YOLO	图像	在果园和实验室条件下收集的彩色图像	NA	YOLO11	精度, 召回率, mAP50, mAP50-95	NA
773	2026-03-29	Electrocardiogram-based deep learning score for coronary artery calcification reclassifies cardiovascular risk and identifies screening candidates 2026-Feb-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03400-9 PMID:41723484	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
774	2026-04-19	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	本研究提出了一种多分支融合通道注意力网络（MBFCA-Net），用于基于纵向结构磁共振成像数据分析和诊断阿尔茨海默病	提出MBFCA-Net网络，利用纵向扫描的时间相关性进行疾病检测，并进行回顾性可解释性分析以量化不同疾病阶段脑区的贡献	未明确说明样本规模、计算资源细节以及模型在外部验证集上的性能	研究阿尔茨海默病的纵向进展模式，实现早期诊断和病理理解	阿尔茨海默病患者与正常衰老人群的脑结构变化	数字病理学	阿尔茨海默病	结构磁共振成像（sMRI）	深度学习	图像	NA	NA	多分支融合通道注意力网络（MBFCA-Net）	NA	NA
775	2026-04-19	Robust and interpretable unit level causal inference in neural networks for pediatric myopia 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02442-7 PMID:41714699	研究论文	本文提出了一种集成到神经网络中的因果推断框架，用于评估个体特征对预测的影响，并应用于儿童近视进展研究	将单位级因果推理融入深度学习，通过干预估计直接和间接因果效应，提高了AI系统的可解释性和可靠性	未明确说明具体模型架构或计算资源细节，可能限制方法的可复现性	开发透明可靠的AI系统，以支持精准医疗和公平医疗保健	超过3000名儿童的前瞻性儿科眼科队列，具有纵向随访数据	机器学习	近视	因果推断框架	神经网络	纵向临床数据	超过3000名儿童	NA	NA	NA	NA
776	2026-04-19	Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02455-2 PMID:41714822	研究论文	开发并外部验证了一个用于自动化测量颈椎矢状面参数的分层深度学习流程，专门处理侧位X光片中C7椎体被遮挡的问题	提出了一种结合全局关键点检测器和基于多层感知机定位的C2/C7专家模型的粗到细分层流程，能有效校正C7遮挡导致的全局模型大误差	未明确说明模型在更广泛人群或不同成像设备中的泛化能力，以及计算效率的详细评估	开发一个在真实世界条件下可靠、可推广的颈椎对齐评估自动化工具	颈椎侧位X光片	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	5604张图像用于训练，并在内部和外部队列（C7遮挡率82%）进行测试	未明确指定	多层感知机，结合了全局关键点检测器和局部专家模型	组内相关系数，平均绝对误差，一致性界限	NA
777	2026-04-19	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	本文提出了一种基于深度学习的术中甲状旁腺自动检测与分割方法，旨在辅助甲状腺切除术中甲状旁腺的识别	结合YOLOX定位子网络和新型语义分割模型Trans-U-HRNet，构建了PG-AI系统，实现了术中实时甲状旁腺的准确分割	数据集仅包含976张图像，来自121名患者，样本规模相对有限，且主要基于开放甲状腺切除术图像	开发一种自动化方法，以在甲状腺切除术中辅助识别和分割甲状旁腺，减少术中损伤风险	甲状腺切除术患者的术中图像，重点关注甲状旁腺的检测与分割	计算机视觉	甲状腺疾病	深度学习，近红外自发荧光成像	CNN, Transformer	图像	976张图像，来自121名患者（101名用于训练和内部验证，20名用于外部验证）	PyTorch	YOLOX, Trans-U-HRNet	准确率，召回率，识别率	NA
778	2026-02-14	Multi-view deep learning for automated lymphoma staging from 18F-FDG PET/CT: physician-level accuracy with high-throughput workflow 2026-Feb-13, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01357-w PMID:41686381	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
779	2026-04-19	The Tea-Steeping Metaphor: Origin, Application, Advantages, Disadvantages, and Impact on Forensic Medicine Teaching 2026-Jan-13, Academic forensic pathology DOI:10.1177/19253621251409452 PMID:41541908	综述	本文探讨了茶浸隐喻在法医学教学中的起源、应用、优势、局限性及实际影响	将茶浸过程作为隐喻，为沉浸式、时间依赖性的学习提供了一个新颖的概念框架，尤其在法医学教育中强调了深度学习和专业身份形成	时间限制、潜在信息过载以及需要最佳学习条件等因素限制了其普遍适用性	探索茶浸隐喻在法医学教学中的应用及其教育价值	法医学教学中的教育方法和学习过程	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
780	2026-04-19	Mimicking opioid analgesia in cortical pain circuits 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09908-w PMID:41501467	研究论文	本研究揭示了阿片类药物通过调节前扣带皮层神经元活动来缓解慢性神经病理性疼痛的机制，并开发了一种模拟阿片镇痛作用的化学遗传学基因疗法	首次结合深度学习行为分析和纵向神经记录，识别出神经损伤后皮层活动模式的持续性转变，并利用合成μ-阿片受体启动子开发出靶向阿片敏感神经元的精准基因疗法	研究基于小鼠模型，其发现向人类临床应用的转化仍需进一步验证；基因疗法的长期安全性和有效性有待评估	探究阿片类镇痛药如何调节皮层疼痛回路以产生镇痛作用，并开发更安全、精准的慢性疼痛治疗策略	小鼠的前扣带皮层神经元及其在神经病理性疼痛模型中的活动	神经科学	慢性神经病理性疼痛	深度学习行为分析，纵向神经记录，化学遗传学基因疗法	深度学习模型	行为视频数据，神经电生理记录数据	NA	NA	NA	NA	NA