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
9521	2026-02-13	MetaChrome: an open-source, user-friendly tool for automated metaphase chromosome analysis 2026-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.12.013 PMID:41475630	研究论文	本文介绍了一款名为MetaChrome的开源软件平台，该平台专为自动中期染色体分析而设计，集成了深度学习模型进行染色体分割和FISH信号共定位分析	开发了首个结合图形用户界面、基于微调深度学习模型（Cellpose）进行自动中期染色体分割与FISH信号共定位分析的开源软件平台	未明确提及模型在多样化或低质量图像上的泛化能力，也未与其他开源工具进行系统性比较	开发一个用户友好、开源的工具，以解决自动中期染色体分割和DNA FISH信号共定位分析的挑战，促进高通量染色体分析工作流程	中期染色体图像，特别是用于DNA荧光原位杂交（FISH）分析的图像	数字病理学	NA	DNA荧光原位杂交（DNA FISH），高通量成像（HTI）	深度学习模型（基于Cellpose）	图像	NA	NA	Cellpose	分割准确性	NA
9522	2026-02-13	A Few-Shot Learning Framework for Time-Varying Scientific Data Generation via Conditional Diffusion Model 2026-Mar, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3656934 PMID:41570098	研究论文	本文提出了一种基于条件扩散模型的少样本学习框架，用于生成时变科学数据，以解决科学可视化中数据稀疏的问题	引入了一种时间感知的UNet架构和噪声感知损失函数，能够在仅使用少量训练样本（如1、3或5个）的情况下，通过条件扩散模型实现泛化能力和性能的平衡	未明确提及计算资源需求或模型在更复杂数据集上的可扩展性限制	解决科学可视化中因模拟计算成本高和数据存储挑战导致的数据稀疏问题，提升深度学习模型的训练效果	时变科学数据，具体应用于空间超分辨率、时间超分辨率和变量转换三个科学可视化任务	科学可视化	NA	条件扩散模型	扩散模型	体积数据（volumetric data）	少量训练样本（例如1、3或5个）	NA	时间感知UNet	定量评估和定性评估	NA
9523	2026-02-13	Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior 2026-Feb-15, Neuropsychologia IF:2.0Q3 DOI:10.1016/j.neuropsychologia.2025.109352 PMID:41443585	研究论文	本研究采用深度学习方法来探索年轻人群大脑宏观结构与空间导航行为个体差异之间的关联	首次应用图卷积神经网络和3D卷积神经网络等深度学习模型，以数据驱动方式分析复杂大脑结构特征与空间导航能力的关系	研究样本量较小（N=90），仅使用单一行为测量指标，可能限制了预测能力	探究健康年轻成年人大脑结构特征与空间导航能力之间的关联	年轻成年人群	机器学习	NA	T1 MRI	GCNN, 3DCNN	图像	90名参与者	NA	图卷积神经网络, 3D卷积神经网络	预测值	NA
9524	2026-02-13	CT-free attenuation and scatter correction of [11C]CFT brain PET using a Bi-directional matching network 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121721 PMID:41539466	研究论文	本研究提出并扩展了一种基于双向匹配网络的CT-free衰减和散射校正方法，用于[11C]CFT脑部PET成像，旨在避免CT相关的辐射暴露	采用双向离散过程匹配网络，通过离散一致性约束在未校正和完全校正的PET图像之间建立可逆变换，无需生成伪CT或依赖解剖先验信息	研究仅在90名帕金森综合征患者中进行评估，样本量相对有限，且方法在其他PET示踪剂或疾病中的泛化能力尚未验证	开发一种无需CT扫描的PET衰减和散射校正方法，以减少辐射暴露并保持定量准确性	帕金森综合征患者的[11C]CFT脑部PET图像	医学影像分析	帕金森病	PET成像，深度学习	Bi-DPM网络	PET图像	90名帕金森综合征患者	NA	Bi-DPM网络	MAE, PSNR, SSIM, CCC, PCC, Dice系数	NA
9525	2026-02-13	Intelligent navigation of potential energy surfaces: leveraging deep reinforcement learning paradigms for accelerated discovery of stable nickel nanoclusters 2026-Feb-12, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04468e PMID:41532242	研究论文	本文提出了一种名为Deepcluster的深度强化学习框架，用于高效导航复杂高维势能面，以发现镍纳米团簇的全局能量最小结构	结合深度强化学习与原子中心对称函数，实现无需预定义数据集的自主探索与优化，超越传统全局优化算法的局限	方法依赖于特定势能模型（如EMT），且在大规模或更复杂体系中的普适性有待进一步验证	加速复杂功能纳米材料（如镍纳米团簇）的稳定结构发现，用于催化和能源应用	镍纳米团簇（Ni_n，n=特定尺寸）	机器学习	NA	深度强化学习，原子中心对称函数（ACSFs），有效介质理论（EMT）势，BFGS算法	深度强化学习（基于actor-critic网络），多层感知机（MLP）	结构配置数据（能量、力、结构标志）	一系列镍纳米团簇（Ni_n，具体尺寸未明确数量，但涉及多个n值）	TensorFlow或PyTorch（未明确指定，但基于深度神经网络），TRPO算法	多层感知机（MLP），actor-critic网络	全局能量最小结构的发现准确性，结合能，热稳定性（通过分子动力学模拟验证）	NA（未明确指定GPU或云平台，但涉及并行遗传算法和第一性原理计算）
9526	2026-02-13	Polarization-Programmable 2D Sb2S2O Photodetectors for High-Precision Object Identification 2026-Feb-12, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c04042 PMID:41631389	研究论文	本文报道了一种新型二维三元锑硫族氧化物Sb2S2O，并展示了其在宽光谱范围内优异的光响应性能和偏振角依赖的灵敏度，结合深度学习算法，实现了高精度物体识别	首次报道了具有低对称性层状结构和显著面内各向异性的新型二维三元锑硫族氧化物Sb2S2O，并利用其偏振角可调特性实现了光探测器的双模式智能成像	NA	开发用于下一代智能光电探测和自适应视觉技术的新型二维材料及器件	二维三元锑硫族氧化物Sb2S2O材料及其光电器件	机器学习	NA	NA	NA	图像	NA	NA	NA	响应度(11.3 A/W)，比探测率(6.5×10^? Jones)，二向色比(约1.48)	NA
9527	2026-02-13	Applicability of mitotic figure counting by deep learning: a development and pan-cancer validation study 2026-Feb-12, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.70210 PMID:41676879	研究论文	本研究开发了一种基于深度学习的核分裂象计数方法，并在多个外部验证数据集中评估了其预后影响	开发了一种深度学习方法来计数核分裂象，并在七种不同癌症类型的13个患者队列中进行了大规模外部验证，展示了其在自动化病理工作和扩展应用至更多癌症类型（如前列腺癌）中的潜力	在结直肠癌中，自动核分裂象计数与患者结局的显著关联未得到证实	评估深度学习在核分裂象计数中的适用性及其预后价值	来自七种不同癌症类型的13个患者队列，共14,571个患者样本	数字病理学	乳腺癌, 前列腺癌, 结直肠癌, 其他癌症	苏木精和伊红染色	深度学习	全切片图像	14,571个患者样本	NA	NA	单变量Cox生存分析	NA
9528	2026-02-13	Foundation models in radiology: a primer for pediatric radiologists 2026-Feb-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06544-y PMID:41677830	综述	本文介绍了基础模型在放射学，特别是儿科放射学中的应用原理、现状、挑战及未来方向	系统性地将基础模型这一前沿人工智能范式引入儿科放射学领域，并针对该领域特有的数据稀缺、罕见病理和解剖变异等挑战，探讨了其作为灵活骨干网络的适应性潜力	儿科影像数据有限、疾病谱和解剖结构独特、缺乏儿科特异性验证、存在模型幻觉、可解释性不足、资源分配不均以及可能导致放射科医生技能退化的风险	探讨基础模型在儿科放射学中的原理、应用、挑战及未来发展方向，以促进其在临床实践中的安全、公平和有效整合	基础模型及其在儿科放射学中的应用	放射学	儿科疾病	自监督学习，迁移学习，参数高效微调，联邦学习，持续学习，合成数据生成	基础模型	影像数据，文本报告	NA	NA	NA	NA	NA
9529	2026-02-13	ChronicDPipredictor: an interpretable deep learning framework for chemical chronic and subchronic toxicity assessment 2026-Feb-12, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11482-w PMID:41678082	研究论文	本研究开发了一个名为ChronicDPipredictor的可解释深度学习框架，用于评估化学物质的慢性和亚慢性毒性	开发了一个结合可解释性（如SHAP分析）和结构警报提取的深度学习框架，用于化学毒性评估，并提供了公开可用的网络服务器	模型性能在亚慢性毒性的多类分类中相对较低（准确率0.80），且可能受限于所使用的指纹表示和数据集	评估化学物质的慢性和亚慢性毒性，以支持化合物重复剂量毒性的风险评估	化学物质	机器学习	NA	NA	深度学习	化学指纹（MACCS、PubChem、KRFP）	NA	NA	NA	准确率	NA
9530	2026-02-13	OmniHD-Scenes: A Next-Generation Multimodal Dataset for Autonomous Driving 2026-Feb-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663672 PMID:41671126	研究论文	本文提出了一个用于自动驾驶的大规模多模态数据集OmniHD-Scenes，并建立了相应的评估基准	提出了首个结合128线激光雷达、六台相机和六台4D成像雷达的全方位高清多模态数据集，并引入了新颖的4D标注流程和密集占据地面真值自动生成管道	目前仅标注了200个片段（共1501个），标注覆盖范围有待扩展	为自动驾驶算法开发提供全面、高质量的多模态数据支持	自动驾驶场景的多模态感知数据	计算机视觉	NA	多传感器融合（LiDAR、相机、4D成像雷达）	NA	图像、点云、雷达数据	1501个片段（每个约30秒），超过45万帧同步数据，585万个同步传感器数据点	NA	NA	3D检测和语义占据预测的基准评估指标	NA
9531	2026-02-13	NeuroCLIP: A Multimodal Contrastive Learning Method for rTMS-treated Methamphetamine Addiction Analysis 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663869 PMID:41671129	研究论文	本文提出了一种名为NeuroCLIP的新型深度学习框架，通过整合EEG和fNIRS数据，用于分析经rTMS治疗的甲基苯丙胺成瘾	提出了一种结合EEG和fNIRS的多模态对比学习框架，采用渐进学习策略，提高了成瘾识别的鲁棒性和可靠性	未明确说明样本量大小或数据收集的具体限制，可能依赖于特定实验设置	开发一种客观、数据驱动的生物标志物，用于评估甲基苯丙胺成瘾及rTMS治疗效果	甲基苯丙胺依赖个体和健康对照者	机器学习	药物成瘾	EEG, fNIRS	深度学习框架	多模态神经影像数据（EEG和fNIRS）	NA	NA	NeuroCLIP	区分能力，与渴求评分的相关性	NA
9532	2026-02-13	Subject-Adaptive EEG Decoding via Filter-Bank Neural Architecture Search for BCI Applications 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663725 PMID:41671134	研究论文	本文提出了一种基于滤波器组神经架构搜索的EEG解码框架，用于自动设计适应个体差异的脑机接口解码模型	首次将神经架构搜索应用于EEG解码领域，通过多路径NAS算法自动优化多尺度特征提取架构，实现从专家驱动到机器辅助的模型设计范式转变	未明确说明计算成本和时间消耗，跨数据集性能差异较大（68.38%-79.78%）	解决脑机接口中个体差异导致的解码性能下降问题	脑电图信号	机器学习	NA	脑电图	NAS,CNN	时序信号	三个EEG数据集（BCIC-IV-2a, OpenBMI, SEED）	NA	包含扩张卷积核的时序单元	解码准确率	NA
9533	2026-02-13	State and Diffusion of National Institutes of Health Funding of AI in Radiology 2026-Feb-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01870-x PMID:41673229	研究论文	本研究回顾性分析了美国国立卫生研究院（NIH）对放射学领域人工智能研究的资助状况与扩散趋势	首次利用自动化大型语言模型流程对NIH资助项目进行主题提取和分类，并量化分析了AI在放射学领域的扩散速率与阶段	仅基于NIH RePORTER和ExPORTER数据库的公开数据，未涵盖其他资助来源；研究为回顾性分析，无法预测未来政策变化的影响	了解NIH对放射学AI研究的资助模式、趋势和重点领域，为研究者、机构和政策制定者提供战略决策参考	NIH在2015-2024年间资助的放射学AI研究项目	数字病理学	NA	NA	NA	文本数据（项目数据库）	截至2025年1月的活跃NIH资助项目及过去十年（2015-2024）的时间序列数据	NA	NA	复合年增长率（CAGR）、渗透率、倍增时间	NA
9534	2026-02-13	Deep Learning Identification of Clear Cell Renal Cell Carcinoma on MR Imaging 2026-Feb-09, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001848 PMID:41656681	研究论文	本研究探讨了多种卷积神经网络在MRI上识别透明细胞肾细胞癌的性能，并与放射科医生使用的透明细胞可能性评分算法进行了比较	首次系统比较了多种CNN模型在ccRCC识别中的表现，并融合了三种不同类型的MR图像以提高分类鲁棒性	研究为回顾性设计，样本量相对有限（310例患者），且仅针对cT1期（≤7 cm）的肾肿块，未涵盖更晚期或不同大小的肿瘤	评估CNN模型在MRI上识别透明细胞肾细胞癌的诊断性能，并与放射科医生的表现进行对比	经病理证实的肾肿块患者（cT1期，≤7 cm）的MR图像	计算机视觉	肾细胞癌	MRI成像（包括T2加权、T1加权反相/同相、皮质髓质期对比增强）	CNN	图像	310例患者，共480个CNN模型训练	NA	多种卷积神经网络架构（具体未指定）	AUC	NA
9535	2026-02-13	Primary tumor-derived, multiparametric MRI-based deep learning-radiomics-clinical model for predicting lymph node metastasis in early-stage cervical cancer 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02211-w PMID:41661434	研究论文	本研究开发并验证了一种基于原发肿瘤多参数MRI的深度学习-影像组学-临床（DLRC）模型，用于预测早期宫颈癌的盆腔淋巴结转移	首次整合了原发肿瘤的深度学习特征、影像组学特征和临床特征，构建了一个多中心验证的、用于术前预测早期宫颈癌淋巴结转移的综合性模型	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性研究中进一步验证	开发一个术前预测早期宫颈癌盆腔淋巴结转移的稳健且可推广的工具	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI（包括CE-T1WI, DWI, FS-T2WI序列）	深度学习模型, 影像组学模型, 整合模型	医学影像（MRI）	1095名患者（来自五个中心），分为训练队列（n=481）、内部验证队列（n=204）和外部验证队列（n=410）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
9536	2026-02-13	Spectral CT imaging in colorectal cancer: current applications, limitations, and future perspectives 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02212-9 PMID:41661515	综述	本文综述了光谱CT在结直肠癌中的当前应用、局限性和未来前景	系统总结了光谱CT在结直肠癌检测、分期、预后评估及与基因突变等生物标志物关联方面的最新应用证据，并展望了与人工智能结合的未来方向	大多数研究样本量小且为观察性，缺乏标准化，图像分割耗时限制了广泛应用	总结光谱CT在结直肠癌中的临床应用现状并探讨其未来发展方向	结直肠癌患者及其原发性和转移性病灶	数字病理	结直肠癌	光谱CT（包括双层光谱CT、双能光谱CT）	NA	CT影像	NA	NA	NA	NA	NA
9537	2026-02-13	A tissue-informed deep learning-based method for positron range correction in preclinical 68Ga PET imaging 2026-Feb-06, ArXiv PMID:41675347	研究论文	提出一种基于深度学习的组织信息引导方法，用于临床前68Ga PET成像中的正电子射程校正	首次将组织依赖的解剖信息通过u图依赖的损失函数整合到3D残差编码器-解码器卷积神经网络中，用于正电子射程校正	在真实数据中缺乏金标准验证，未来需要通过领域适应和混合训练策略提高模型泛化能力	提高68Ga PET成像的空间分辨率和定量准确性	68Ga-FH和68Ga-PSMA-617小鼠研究的合成和真实PET采集数据	医学影像分析	NA	PET成像，CT成像	CNN	图像	模拟PET数据集及小鼠研究的真实采集数据	NA	3D RED-CNN, Single-channel, Two-channel, DualEncoder	MAE, SSIM, CR, CNR	NA
9538	2026-02-13	Disentangle-and-aggregate feature learning (DAFNet) for motor bearing fault diagnosis 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34490-6 PMID:41639110	研究论文	本文提出了一种用于电机轴承故障诊断的解耦与聚合特征学习网络（DAFNet），旨在解决传统CNN因网络深度增加导致的参数冗余和计算效率低下的问题	提出了一种创新的分层解耦与聚合机制，通过二次分割策略分离浅层、中层和深层特征，并进行终端特征融合，有效表征故障信息	NA	开发一种轻量高效的深度学习模型，用于电机轴承故障诊断，以适应资源受限的边缘设备部署	电机轴承	机器学习	NA	故障诊断	CNN	传感器数据	基于CWRU数据集	NA	DAFNet	平均准确率	资源受限的边缘设备
9539	2026-02-13	BlueNuclei: automated identification and classification of live and dead transfected neurons using interpretable features 2026-Feb-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.29.702657 PMID:41676559	研究论文	本文介绍了一款名为BlueNuclei的软件，用于自动识别和分类活体与死亡转染神经元	首次提供了可扩展、全自动的转染神经元活力评估解决方案，结合了双通道荧光图像处理与基于人类视觉启发的可解释特征分类	未明确说明软件在处理不同神经元类型或实验条件下的泛化能力	开发自动化工具以改进转染神经元活力评估的效率和一致性	转染的原代神经元	数字病理学	神经性疾病	双通道荧光成像	SVM	图像	NA	NA	NA	准确率	最小计算资源（与深度学习替代方案相比）
9540	2026-02-13	Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit? 2026-Feb, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2025.101692 PMID:41290497	综述	本文探讨了人工智能在新生儿重症监护室中预测无创通气失败的应用潜力	首次系统综述了人工智能模型在新生儿无创通气失败预测中的应用，并评估了其临床实用性	纳入研究数量有限（6项），且需要更多大型多中心外部验证研究来评估模型的泛化能力	探索人工智能在改善新生儿无创通气失败预测中的应用，以降低该人群的死亡率和发病率	新生儿，特别是早产儿	机器学习	新生儿呼吸系统疾病	NA	深度学习模型, 逻辑回归, 支持向量机	临床数据	3421名婴儿	NA	多模态深度神经网络	AUC	NA