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
9721	2026-02-08	Automatic PET cervical tumor segmentation by combining deep learning and anatomic prior 2019-04-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab0b64 PMID:30818303	研究论文	提出了一种结合深度学习与解剖先验知识的监督式机器学习方法，用于自动分割3D FDG PET图像中的宫颈肿瘤	将卷积神经网络（CNN）与宫颈肿瘤的“圆形度”及膀胱与宫颈的相对位置等解剖先验知识相结合，并提出了先验信息约束（PIC）阈值方法	研究仅基于50名宫颈癌患者的PET图像进行评估，样本量相对有限	提高3D FDG PET图像中宫颈肿瘤分割的准确性	宫颈癌患者的3D FDG PET图像	数字病理学	宫颈癌	FDG PET成像	CNN	3D医学图像	50名宫颈癌患者的PET图像	NA	空间信息嵌入CNN模型（S-CNN），并对比了FCN-8 stride, FCN-2 stride, U-net	Dice相似系数（DSC）	NA
9722	2026-02-08	Combining many-objective radiomics and 3D convolutional neural network through evidential reasoning to predict lymph node metastasis in head and neck cancer 2019-03-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab083a PMID:30780137	研究论文	本文提出了一种结合多目标放射组学和3D卷积神经网络的混合预测模型，用于预测头颈癌淋巴结转移	提出了一种新的多目标放射组学模型，并与3D-CNN通过证据推理方法融合，充分利用了手工特征和自动学习特征的优势	未明确说明样本来源的多样性或外部验证情况	开发自动预测头颈癌淋巴结转移的模型，以辅助临床诊断	头颈癌患者的PET和CT图像	数字病理	头颈癌	PET, CT	CNN	图像	NA	NA	3D-CNN	准确率	NA
9723	2026-02-08	3D radiotherapy dose prediction on head and neck cancer patients with a hierarchically densely connected U-net deep learning architecture 2019-03-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab039b PMID:30703760	研究论文	本文提出了一种基于层次密集连接U-net深度学习架构的3D放疗剂量预测模型，用于头颈癌患者的治疗规划	结合U-net和DenseNet两种流行网络架构，设计了一种新的层次密集连接U-net架构，在剂量预测准确性、参数效率和预测速度方面均优于标准U-net和DenseNet	NA	开发深度学习模型以预测头颈癌患者的3D放疗剂量分布，优化治疗规划过程	头颈癌患者	数字病理	头颈癌	NA	CNN	3D图像	NA	NA	U-net, DenseNet, Hierarchically Densely Connected U-net	剂量均匀性, 剂量适形性, 剂量覆盖率, 危及器官最大剂量误差, 危及器官平均剂量误差	NA
9724	2026-02-08	Training improvements for ultrasound beamforming with deep neural networks 2019-02-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aafd50 PMID:30630154	研究论文	本文研究了训练超声深度神经网络波束形成器的实用考虑因素，包括训练策略、超参数设置、噪声鲁棒性、验证损失评估及数据集规模对图像质量的影响	提出使用多点目标响应组合训练DNN波束形成器，并证明模拟图像质量可用于选择DNN波束形成器，同时验证了DNN波束形成对电子噪声的鲁棒性	未具体说明DNN模型架构细节或计算资源需求，且研究主要基于模拟、体模和体内扫描，可能未涵盖所有临床场景	改进超声波束形成技术以提升B模式图像质量	超声图像数据，包括模拟扫描、物理体模扫描和体内扫描	计算机视觉	NA	超声成像	深度神经网络	图像	NA	NA	NA	均方误差验证损失，图像质量评估	NA
9725	2026-02-08	Tumor co-segmentation in PET/CT using multi-modality fully convolutional neural network 2018-12-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf44b PMID:30523964	研究论文	提出了一种基于3D全卷积神经网络的多模态肿瘤协同分割方法，用于PET/CT图像中的肿瘤分割	设计了一种多任务训练模块和特征融合模块，能够同时利用PET和CT信息进行肿瘤分割，相比单模态方法和其他协同分割方法取得了显著性能提升	研究仅基于84名肺癌患者的临床PET/CT数据集进行验证，样本规模相对有限	开发一种自动肿瘤分割方法，以辅助癌症诊断和治疗	肺癌患者的PET/CT图像	数字病理学	肺癌	PET/CT扫描	CNN, FCN	图像	84名肺癌患者	NA	3D全卷积神经网络, V-net, W-net	NA	NA
9726	2026-02-07	Automated extraction of fluoropyrimidine treatment and treatment-related toxicities from clinical notes using natural language processing 2026-Apr-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106276 PMID:41534241	研究论文	本研究开发并评估了多种自然语言处理方法，用于从临床笔记中自动提取氟嘧啶治疗及其相关毒性信息	首次系统比较了基于规则、机器学习、深度学习及大语言模型（包括零样本和错误分析提示）的NLP方法在提取氟嘧啶治疗和毒性信息上的性能，并发现基于大语言模型的错误分析提示方法效果最优	机器学习和深度学习方法受限于训练数据规模较小，泛化能力有限，尤其是在罕见类别上表现不佳	开发并评估自然语言处理方法，以自动化地从临床笔记中提取氟嘧啶治疗和毒性信息，支持肿瘤学研究和药物警戒	204,165名成年肿瘤患者的236份临床笔记	自然语言处理	结直肠癌, 乳腺癌	自然语言处理	Random Forest, Support Vector Machine, Logistic Regression, BERT, ClinicalBERT, 大语言模型	文本	236份临床笔记（来自204,165名患者）	NA	BERT, ClinicalBERT	精确率, 召回率, F1分数	NA
9727	2026-02-07	Deep belief Markov models for POMDP inference 2026-Apr, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108386 PMID:41386156	研究论文	本文提出了一种名为深度信念马尔可夫模型的新型深度学习架构，用于在部分可观测马尔可夫决策过程中进行高效、模型形式无关的推理	将深度马尔可夫模型扩展到部分可观测决策框架，通过变分推理方法实现完全基于观测数据的高效信念推理，并能推断和模拟系统动力学中的非线性关系	未明确说明模型在极端高维或复杂动态环境中的计算效率边界，也未讨论对特定先验知识的依赖程度	解决部分可观测马尔可夫决策过程中的高效推理问题，特别是在复杂、高维、部分可观测环境中	部分可观测马尔可夫决策过程	机器学习	NA	变分推理	深度信念马尔可夫模型	观测数据	NA	NA	深度信念马尔可夫模型	NA	NA
9728	2026-02-07	Causality-Driven Convolutional Manifold Attention Network for Electroencephalogram Signal Decoding 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625631 PMID:41144414	研究论文	本研究提出了一种因果驱动的卷积流形注意力网络（CD-CMAN），用于从脑电图信号中学习不变表征，以增强分布外泛化能力	结合结构因果模型、黎曼几何和深度学习的优势，通过双潜在编码器和流形注意力单元显式分离时空特征为语义和变异潜在因子，并引入HSIC准则确保其统计独立性	未明确说明模型在更复杂或噪声更大的现实场景中的鲁棒性，以及计算复杂度可能较高	提升脑机接口技术在分布外场景下的泛化能力	脑电图信号	机器学习	NA	脑电图信号处理	CNN, 注意力机制	时序信号	基于两个公共数据集，未明确具体样本数量	NA	因果驱动卷积流形注意力网络	NA	NA
9729	2026-02-07	Engineering strategies for microbial synthesis, customized modification, and application of hemoglobin 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108752 PMID:41242508	综述	本文综述了血红蛋白的微生物合成、定制化功能修饰及其在多个领域的应用策略	强调利用人工智能算法定制血红蛋白功能修饰，并整合Pareto最优、迭代生物工程框架、深度学习和合成生物学等先进技术以加速其合成与应用	NA	探讨血红蛋白微生物合成的关键挑战与解决方案，并概述其在医学和生物技术等领域的应用前景	血红蛋白的合成、修饰与应用	合成生物学	NA	微生物合成、人工智能算法、深度学习、合成生物学	NA	NA	NA	NA	NA	NA	NA
9730	2026-02-07	Demystifying Higher-Order Graph Neural Networks 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637114 PMID:41289127	研究论文	本文设计了一种高阶图神经网络（HOGNNs）的深度分类法和蓝图，以分析和比较现有模型，并提供选择指南和研究挑战	提出了首个针对高阶图神经网络的深度分类法和蓝图，帮助设计高性能模型并系统分析比较现有方法	NA	分析和比较高阶图神经网络模型，提供选择指南和未来研究方向	高阶图神经网络（HOGNNs）及相关拓扑深度学习架构	机器学习	NA	NA	GNN	图数据	NA	NA	NA	NA	NA
9731	2026-02-07	Semantic Correspondence: Unified Benchmarking and a Strong Baseline 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3640429 PMID:41343305	综述	本文首次对语义对应任务进行了全面的综述与分析，提出了分类法、统一了基准比较，并提出了一个简单有效的强基线方法	提出了首个语义对应方法的广泛综述，建立了统一的分类法和基准比较表，并通过控制实验深入分析了不同方法组件的有效性，同时提出了一个在多个基准上达到最先进性能的简单强基线	NA	对计算机视觉中的语义对应任务进行全面回顾、分析和基准统一，并为未来研究提供参考和基线	语义对应方法	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
9732	2026-02-07	From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108788 PMID:41443357	综述	本文综述了酶工程从传统方法到AI驱动方法的演变，重点介绍了机器学习与深度学习在酶工程策略中的应用	总结了机器学习与深度学习在酶工程中的最新应用，并展望了未来多模态基础模型与标准化数据库的发展方向	存在力场精度限制、突变采样约束、实验通量限制以及上位效应等挑战	探讨酶工程的发展历程及其在生物催化中的应用，并分析AI技术如何提升酶工程效率	酶工程策略，包括定向进化、理性/半理性设计、残基共进化及从头设计	机器学习	NA	机器学习，深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
9733	2026-02-07	Geometric deep learning assists protein engineering. Opportunities and Challenges 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108790 PMID:41456696	综述	本文全面评述了几何深度学习在蛋白质工程中的应用、机遇与挑战	整合几何深度学习于蛋白质计算设计工作流，克服传统方法在序列空间探索和实验验证成本上的限制，强调其在可解释性和泛化性方面的增强	NA	为计算方法和实验蛋白质工程师提供指导，促进算法概念与实用设计考虑的结合	蛋白质工程	机器学习	NA	几何深度学习	NA	非欧几里得域数据（空间、拓扑、物理化学特征）	NA	NA	NA	NA	NA
9734	2026-02-07	Decoding polyphenol-protein interactions with deep learning: From molecular mechanisms to food applications 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108803 PMID:41544721	综述	本文探讨了深度学习如何重塑多酚-蛋白质相互作用的研究，从分子机制到食品应用	利用深度学习高效预测结合位点、相互作用亲和力和分子动力学，克服传统实验和计算方法的可扩展性、通量和可重复性限制	深度学习的有效性受限于数据可用性、质量和代表性，特别是在天然产物领域	研究深度学习在多酚-蛋白质相互作用分析中的应用，以加速营养科学和治疗开发	多酚和蛋白质及其相互作用	机器学习	NA	深度学习	NA	高维生物信息学和化学信息学数据	NA	NA	NA	NA	NA
9735	2026-02-07	A Comprehensive Survey on Evidential Deep Learning and its Applications 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625258 PMID:41134959	综述	本文全面综述了证据深度学习（EDL）的理论基础、最新进展及其在机器学习和下游任务中的广泛应用	提出了证据深度学习（EDL）这一新范式，能够在单次前向传播中以最小计算开销提供高质量的不确定性估计	NA	为读者提供对证据深度学习（EDL）领域的广泛介绍，无需先验知识	证据深度学习（EDL）的理论、方法及应用	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
9736	2026-02-07	HybridDeepSynergy: A hybrid deep learning model integrating CNN, LSTM, and attention mechanisms for cancer drug synergy prediction 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111471 PMID:41570613	研究论文	本文提出了一种名为HybridDeepSynergy的混合深度学习模型，通过整合CNN、LSTM和注意力机制来预测癌症药物协同作用	首次结合CNN、LSTM和Transformer注意力机制，构建混合深度学习模型用于药物协同预测，并引入多种协同评分模型进行综合评估	模型尚未在临床环境中验证，未来需要纳入更多癌症数据集以增强预测能力	优化癌症治疗策略，通过预测药物组合的协同作用来支持精准医疗	多种药物组合和癌细胞系	机器学习	癌症	NA	CNN, LSTM, Transformer	基因组数据集	包含大量药物组合的综合数据集	NA	CNN, LSTM, Transformer	RMSE, MAE, 决定系数, Pearson相关系数, Spearman相关系数	NA
9737	2026-02-07	A review of AI/ML approaches in wastewater surveillance advancement 2026-Feb-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181364 PMID:41576591	综述	本文系统性地回顾了过去五年中人工智能和机器学习模型在废水流行病学中的应用，重点评估了其在病原体检测和疾病趋势预测方面的有效性	提出了一个基于预测目标、数据类型和时间依赖性的决策支持框架来指导模型选择，并强调了结合混合建模方法和环境元数据以增强废水监测系统的重要性	NA	评估人工智能和机器学习模型在废水流行病学中的有效性，并为其应用提供指导	废水流行病学中的病原体检测和疾病趋势预测	机器学习	传染病	废水监测	随机森林, 支持向量机, 人工神经网络, 长短期记忆网络, K-means聚类, 时间序列机器学习模型	时序数据	NA	NA	NA	R值, 均方根误差, 分类准确率, 均方误差, 平均绝对误差	NA
9738	2026-02-07	Nitrilotriacetic acid functionalized gold nanopillars enable stochastic detection and deep learning analysis of prolines and hydroxyprolines by surface enhanced Raman spectroscopy 2026-Feb-05, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04125b PMID:41524279	研究论文	本文开发了一种基于金纳米柱功能化的随机表面增强拉曼散射方法，结合深度学习分析，用于快速检测脯氨酸和羟脯氨酸	通过功能化金纳米柱形成NTA-Ni结构，实现脯氨酸和羟脯氨酸的可逆瞬态结合，将检测时间缩短至30分钟内，并首次结合一维卷积神经网络分析SERS时间序列数据	未明确说明方法在复杂生物流体中的实际应用限制或可能存在的干扰因素	开发一种快速、高灵敏度的脯氨酸和羟脯氨酸检测方法，用于疾病监测和生物医学分析	脯氨酸和羟脯氨酸分子	机器学习	胶原代谢相关疾病	表面增强拉曼散射	CNN	光谱时间序列数据	NA	NA	一维卷积神经网络	准确率	NA
9739	2026-02-07	Accelerating OLED development with machine learning: advances and prospects 2026-Feb-05, Chemical communications (Cambridge, England) DOI:10.1039/d5cc06175j PMID:41537217	综述	本文全面探讨了机器学习在加速有机发光二极管（OLED）技术发展中的作用，包括材料性能预测、结构-性质关系构建及器件优化	系统性地将机器学习作为数据驱动范式应用于OLED创新，整合了通用ML模型与深度学习在OLED材料与器件研究中的案例评估	未详细讨论实验数据质量对模型性能的影响，且未来研究方向仅提供前瞻性建议而非具体实施方案	加速OLED材料与器件的研发进程，通过机器学习提升研究效率与可扩展性	OLED发光材料、器件结构及相关光电技术	机器学习	NA	机器学习、深度学习	通用ML模型、深度学习模型	材料性质数据、结构数据、器件性能数据	NA	NA	NA	NA	NA
9740	2026-02-07	Fairness Correction in COVID-19 Predictive Models Using Demographic Optimization: Algorithm Development and Validation Study 2026-Feb-03, Online journal of public health informatics DOI:10.2196/78235 PMID:41632023	研究论文	本文提出了一种名为DemOpts的公平性校正方法，用于改进COVID-19预测模型在不同种族和民族群体间的公平性	提出了一种新颖的去偏方法DemOpts，通过人口统计学优化来减少预测误差在不同种族和民族群体间的差异，相比现有方法能更好地实现误差均等	研究主要关注聚合地理层面的预测，可能未考虑个体层面的偏差；且依赖于潜在有偏的数据集，如移动性或社会人口数据	开发并验证一种公平性校正方法，以提高COVID-19预测模型在不同种族和民族群体间的公平性	COVID-19病例预测模型，特别是针对不同种族和民族群体的预测公平性	机器学习	COVID-19	深度学习	深度学习模型	多模态数据（包括移动性数据、社会人口数据）	NA	NA	NA	误差均等性、平均预测误差	NA