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
961	2026-03-21	Comment on: "Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces" 2026-Mar-15, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103412 PMID:41855729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
962	2026-03-21	Deep learning synthesis of virtual T2-weighted fat-suppressed MR images: a multi-center study 2026-Mar-15, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112797 PMID:41855768	研究论文	本研究开发了一种基于生成对抗网络（GAN）的模型，用于从标准T1和T2加权图像生成虚拟T2脂肪抑制序列，旨在减少MRI扫描时间而不影响脊柱肿瘤评估的诊断价值	提出了一种多中心验证的GAN模型，能够从常规T1和T2加权图像合成虚拟T2脂肪抑制序列，在减少扫描时间的同时保持诊断价值	合成图像在肿瘤内部细节可视化方面略逊于真实图像	开发一种深度学习模型以减少MRI扫描时间，同时保持脊柱肿瘤评估的诊断准确性	脊柱肿瘤患者	医学影像分析	脊柱肿瘤	MRI	GAN	图像	1,389名患者（来自两个机构），分为训练集（1,026名）、内部验证集（257名）和外部测试集（106名）	NA	GAN	MSE, SSIM, PSNR, Dice相似系数, SNR, CNR	NA
963	2026-03-21	MRCE-Net: A multi-role collaborative experts deep learning network for multi-modal medical image fusion 2026-Mar-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102737 PMID:41855893	研究论文	本文提出了一种名为MRCE-Net的多角色协作专家深度学习网络，用于多模态医学图像融合，旨在结合不同模态图像的优势并克服现有方法的局限性	提出了一种新颖的多角色协作专家融合模块，通过专门专家联合建模多模态特征的不同方面，特别是模态特定特性和模态间互补性，实现了更全面的特征表示和更准确的融合结果	未在摘要中明确说明	开发一种深度学习网络以改进多模态医学图像融合，平衡局部特征提取与全局上下文表示，并有效捕捉不同模态的特异性和互补性	多模态医学图像，包括公开的多模态医学图像融合基准数据集和内部收集的脑解剖与功能成像数据集	计算机视觉	NA	深度学习	Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	MRCE-Net, 包含双分支编码器、基于窗口的Transformer和全局通道Transformer	视觉质量和定量性能	未在摘要中明确说明
964	2026-03-21	Hulled Rice or husk? Synchrotron radiation XRF and deep learning approach for the determination of the geographical origin of Chinese rice samples 2026-Mar-12, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148847 PMID:41855841	研究论文	本研究结合同步辐射X射线荧光光谱与深度学习，对中国16个省份的糙米和稻壳样本进行地理来源分类	首次将同步辐射X射线荧光光谱与深度学习模型（特别是2D-AlexNet）结合用于水稻地理来源鉴定，并发现稻壳比糙米具有更可靠的分类性能	PCA方法在解析元素谱重叠的省份时存在局限，需要依赖非线性深度学习模型	开发一种快速、无损、可扩展的水稻地理来源追溯工具，以保障食品安全和防止欺诈	来自中国16个省份的糙米和稻壳样本	机器学习	NA	同步辐射X射线荧光光谱	CNN	光谱数据	糙米903个样本，稻壳824个样本	NA	1D-CNN, 2D-VGG16, 2D-AlexNet	准确率	NA
965	2026-03-21	Deep learning in traditional Chinese medicine 2026-Mar-07, Journal of integrative medicine DOI:10.1016/j.joim.2026.03.001 PMID:41856852	综述	本文综述了深度学习在传统中医研究中的应用，包括医学图像处理、药物物质研究、数据融合和自然语言处理	总结了深度学习在传统中医领域的最新应用实例，强调了其在数据挖掘中的潜力	高质量的传统中医数据仍然不足，限制了深度学习技术的进一步发展	探讨深度学习在传统中医研究中的应用，以促进其向现代疗法的转化	传统中医数据，包括实验数据、临床实践数据和医学文献数据	自然语言处理, 计算机视觉, 机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
966	2026-03-21	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-Mar-06, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	本研究开发了一种基于一维卷积神经网络的模型，用于预测院外心脏骤停患者的自主循环恢复概率并识别新的心电图表型	首次将一维CNN同时用于预测ROSC和分类可电击心律，并应用K-means聚类从训练好的CNN特征表示中识别出五种新的心电图表型	研究为回顾性队列研究，数据来源于特定地区（韩国首尔）的登记系统和急救服务，可能存在选择偏倚，且未在外部数据集上进行验证	开发深度学习模型以改善院外心脏骤停患者的复苏结果预测和个体化治疗	院外心脏骤停成年患者	数字病理学	心血管疾病	心电图信号分析	CNN	时间序列信号（心电图）	3452名患者	NA	一维CNN	AUC	NA
967	2026-03-21	scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning 2026-Mar-03, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108998 PMID:41791270	研究论文	本文提出了一种基于双对比学习的多视角单细胞RNA测序聚类方法scDCL，以解决scRNA-seq数据的高稀疏性、强非线性和极端维度等挑战	整合了基于ZINB的掩码自编码器、图神经网络和双对比学习，协同捕获细胞内在特征和全局结构特征，通过多视角特征平衡局部与全局信息	未明确说明方法在超大规模数据集上的计算效率，也未讨论对批次效应的处理能力	开发一种更有效的单细胞RNA测序数据聚类方法，以提升细胞类型分辨的准确性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	自编码器, 图神经网络, 对比学习	基因表达数据	NA	NA	ZINB-MAE, GNN	聚类性能	NA
968	2026-03-21	Interictal Epileptiform Discharge Detection Using Dual-Domain Features and GAN 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3605257 PMID:40911454	研究论文	本研究提出了一种结合卷积层和Transformer的IED检测器，用于自动检测脑电图中的发作间期癫痫样放电	提出了一种新颖的IED检测器，整合了卷积层和Transformer以同时捕获局部特征和长期依赖关系，并开发了一种基于Transformer的生成对抗网络来增强稀缺的IED数据	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种自动检测脑电图中发作间期癫痫样放电的深度学习方法	脑电图数据中的发作间期癫痫样放电	机器学习	癫痫	脑电图	CNN, Transformer, LSTM, GAN	脑电图时间序列数据	NA	NA	自定义的IED检测器，整合了卷积层、Transformer和LSTM	准确率, 灵敏度, 精确率	NA
969	2025-11-27	Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation 2026-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09882-z PMID:41288704	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
970	2026-03-21	A multicentre validation study of 3D V-net-based segmentation model for adrenal glands: cross-protocol generalization from abdominal CT to chest CT 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发并验证了一个基于3D V-Net的肾上腺分割模型，用于腹部CT图像，并在多中心数据集（包括胸部CT图像）中评估其性能	该研究首次将基于3D V-Net的肾上腺分割模型从腹部CT推广到胸部CT，展示了跨协议泛化能力，并验证了其在多中心不同扫描协议下的适用性	研究未明确提及模型在极端病理情况或罕见肾上腺疾病中的表现，且验证数据主要来自健康筛查人群，可能未充分覆盖所有临床场景	建立并验证一个基于深度学习的肾上腺分割模型，以实现在不同CT扫描协议下的准确分割，辅助临床诊断	肾上腺（包括正常和异常腺体）	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练开发队列5660例腹部CT扫描，验证队列1包含6126例胸部CT，验证队列2包含931例胸部CT	NA	3D V-Net	Dice相似系数	NA
971	2026-03-21	Introducing advanced ClearIQ engine (AiCE) deep learning reconstruction algorithm into a clinical radiotherapy workflow 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf318 PMID:41428451	研究论文	本研究评估了AiCE深度学习重建算法在临床放疗工作流程中的应用，重点关注图像质量和对放疗治疗计划的影响，并成功优化了CT扫描剂量	首次将AiCE深度学习重建算法引入临床放疗工作流程，用于优化CT扫描剂量，同时保持图像质量稳定	研究主要针对乳腺癌放疗患者，可能未涵盖其他癌症类型或更广泛的临床应用场景	评估AiCE重建算法在临床放疗工作流程中的适用性，并优化CT扫描剂量	电子密度体模和乳腺癌放疗患者	医学影像处理	乳腺癌	CT扫描	深度学习重建算法	CT图像	电子密度体模扫描和乳腺癌患者临床扫描	NA	AiCE	HU稳定性、剂量差异、平均DLP减少百分比	NA
972	2026-03-21	Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants 2026-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.5814 PMID:41569552	研究论文	本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压的诊断	首次将早产儿视网膜筛查图像与人口统计学风险因素结合，构建多模态模型来预测心肺疾病，并验证了在无临床ROP迹象图像上的预测能力	样本量相对有限（共493名婴儿），且研究为回顾性设计，可能存在选择偏倚	探索早产儿视网膜图像中是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型的预测性能	早产儿，特别是存在ROP筛查风险的婴儿	数字病理学	心血管疾病	视网膜成像，超声心动图	支持向量机	图像，人口统计学数据	493名婴儿（BPD队列99名测试患者，PH队列37名测试患者）	NA	ResNet18	AUROC	NA
973	2026-03-21	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Mar, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	本研究通过计算分析探讨了父母压力与自闭症儿童-照顾者韵律同步性之间的关系，并考察了照顾者角色的影响	结合复杂动态系统和情感计算框架，首次使用深度学习模型自动分割儿童-照顾者声学交互，并分析父母压力对韵律同步性的影响，特别关注父亲与母亲角色的差异	样本量相对较小（62对亲子），仅针对自闭症学龄前儿童，可能无法推广到其他年龄段或典型发展儿童	探究父母压力如何影响自闭症儿童与父母之间的韵律同步性，以及照顾者角色（母亲 vs 父亲）是否在其中起调节作用	31名自闭症学龄前儿童及其父母（母亲和父亲分别参与）组成的亲子对	自然语言处理	自闭症	声学交互分析，交叉递归量化分析	深度学习模型	音频	62对亲子（31名自闭症儿童分别与母亲和父亲互动），在两个时间点（间隔12个月）进行评估	NA	NA	NA	NA
974	2026-03-21	Broadband Nanocavity Imaging with Machine Vision for Multiplex miRNA Assays 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202522938 PMID:41738572	研究论文	本文提出了一种结合分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔与深度学习实例分割的方法，用于实现多重miRNA的自动化图像读出与定量分析	将纳米光子学结构与深度学习实例分割（Mask R-CNN）相结合，实现了无需富集或扩增的直接内源性miRNA多重定量，并利用纳米腔增强收集效率、抑制量子点闪烁	研究仅在A549肺癌细胞提取物中验证，未在更广泛的临床样本或体内环境中测试	开发一种灵敏、特异、稳健且可扩展的多重miRNA分析平台	内源性miRNA（miR-191, miR-25, miR-130a）	机器学习	肺癌	分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔技术	CNN	图像	A549肺癌细胞提取物	NA	Mask R-CNN	检测限（LOD）, 线性动态范围, 正确识别率	NA
975	2026-03-21	Embracing the Digital Revolution: How Artificial Intelligence is Transforming Clinical Trials in Older Participants 2026-Mar, Drugs & aging IF:3.4Q2 DOI:10.1007/s40266-026-01288-8 PMID:41781638	综述	本文探讨了人工智能在老年人群临床试验中的变革作用，概述了关键进展、实际挑战及战略方向	利用人工智能技术，特别是机器学习和深度学习，针对老年人群的独特挑战（如疾病异质性）进行智能患者分层、风险预测和实时监测，并推动去中心化临床试验设计	NA	研究人工智能如何优化老年人群的临床试验，提高效率、准确性和患者中心性	老年人群的临床试验	机器学习	老年疾病	NA	NA	多组学数据、电子健康记录、可穿戴设备输出	NA	NA	NA	NA	NA
976	2026-03-21	MoCETSE: A mixture-of-convolutional experts and transformer-based model for predicting Gram-negative bacterial secreted effectors 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013397 PMID:41811851	研究论文	本研究提出了一种名为MoCETSE的深度学习模型，用于预测革兰氏阴性菌的分泌效应蛋白	结合了预训练蛋白质语言模型、目标预处理网络和带有相对位置编码的Transformer模块，以精炼关键功能特征并显式建模残基间的相对空间关系	未明确提及	提高革兰氏阴性菌分泌系统效应蛋白的预测准确性，以解析其致病机制并指导抗菌策略开发	革兰氏阴性菌的分泌效应蛋白	自然语言处理, 机器学习	细菌感染	预训练蛋白质语言模型	CNN, Transformer	蛋白质序列	NA	NA	Mixture-of-Convolutional Experts, Transformer	特异性, 可靠性	NA
977	2026-03-21	MultiPert: An adversarial alignment and dual attention framework for single-cell multi-omics perturbation prediction 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014054 PMID:41811907	研究论文	本文提出了一个名为MultiPert的深度学习框架，用于预测单细胞多组学数据中的扰动响应	设计了专门用于单细胞多组学扰动预测的深度学习框架，通过模态特定编码器、双注意力机制和对抗训练实现跨模态对齐，能够同时预测基因表达和蛋白质丰度变化	NA	预测单细胞多组学数据中的扰动响应，以表征细胞身份并阐明生物通路的调控机制	单细胞多组学数据	机器学习	NA	单细胞多组学测序	深度学习	单细胞多组学数据	人类THP-1和肾脏多组学数据集	NA	模态特定编码器，双注意力机制	准确性，稳定性	NA
978	2026-03-21	Maternal High-Fat Diet and Neonatal LPS Exposure Prolong USV Sequences and Shift Call-Type Repertoires in Neonatal Rats 2026-Mar, Developmental psychobiology IF:1.8Q3 DOI:10.1002/dev.70142 PMID:41844290	研究论文	本研究利用深度学习系统DeepSqueak分析母体高脂饮食和新生期脂多糖暴露对新生大鼠超声发声的时序和句法特征的影响	首次采用深度学习系统DeepSqueak对超声发声进行自动无监督分类，并深入分析其时序和句法变化，超越了传统手动编码的基本特征分析	样本量较小（每组5-6只，总计41只），仅使用Long Evans大鼠品种，且仅观察了出生后第7天的短期效应	探究早期炎症应激（母体高脂饮食和新生期脂多糖暴露）对新生大鼠神经发育和行为的影响	Long Evans大鼠的新生幼崽	机器学习	神经发育障碍	超声发声记录与分析	深度学习	音频	41只新生大鼠（每组5-6只）	DeepSqueak	NA	一致性（97%），p值	NA
979	2026-03-21	Bio-Inspired Design of Quasi-Ordered Structural Color via Stress-Driven Reconfiguration Enables Ultra-Secure and Scalable Unclonable Application 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202520440 PMID:41715282	研究论文	本文受自然界启发，提出一种应力驱动的微结构重构策略，用于制造具有超高编码容量、快速识别和可扩展制造能力的机械诱导结构色物理不可克隆函数标签	受Thecla opisena蝴蝶翅膀鳞片准有序光子结构启发，提出应力驱动的微结构重构策略，通过控制异质聚合物网络的压印，实现了空间随机、结构色PUF图案的制造，解决了光学PUF在高编码容量、快速识别和可扩展制造之间的权衡难题	NA	开发一种安全、可扩展的物理不可克隆函数用于下一代认证系统和物联网应用	机械诱导结构色PUF标签	机器视觉	NA	应力驱动微结构重构、异质聚合物网络压印	深度学习	图像	NA	NA	NA	准确率	NA
980	2026-03-21	Multiview deep learning improves detection of major cardiac conditions from echocardiography 2026-Mar, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-026-00786-7 PMID:41844861	研究论文	本研究开发了一种多视图深度学习模型，通过整合超声心动图的多视图视频数据，提高了对主要心脏疾病的诊断性能	提出了一种能够同时整合多个成像视图的深度学习神经网络架构，相比单视图模型显著提升了诊断准确性	研究仅基于两个医疗中心的数据，可能缺乏泛化性；且仅针对三种特定心脏疾病进行了验证	通过多视图深度学习模型改善从超声心动图中检测主要心脏疾病的诊断性能	超声心动图数据，包括左心室或右心室异常、舒张功能障碍和显著瓣膜反流	计算机视觉	心血管疾病	超声心动图	DNN	视频	来自加州大学旧金山分校和蒙特利尔心脏研究所的超声心动图数据	NA	多视图DNN	AUC	NA