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
981	2026-03-29	Classification of the urinary metabolome using machine learning and potential applications to diagnosing interstitial cystitis 2020, Bladder (San Francisco, Calif.) DOI:10.14440/bladder.2020.815 PMID:32775485	研究论文	本研究开发了一种基于机器学习的诊断模型，用于利用尿液代谢组学数据诊断间质性膀胱炎	首次将机器学习算法（SVM和逻辑回归）应用于间质性膀胱炎的尿液代谢组学诊断，并展示了在样本量较小的情况下仍能取得高区分能力	样本量相对较小（43名患者和16名健康对照），无法应用复杂的深度学习模型	开发一种基于机器学习的诊断方法，用于间质性膀胱炎的客观诊断	间质性膀胱炎患者和健康对照的尿液代谢组学数据	机器学习	间质性膀胱炎	代谢组学	SVM, LR	代谢组学数据	43名间质性膀胱炎患者和16名健康对照	NA	NA	准确率, 精确率, 召回率, AUC	NA
982	2026-03-29	Data-efficient deep learning of radiological image data for outcome prediction after endovascular treatment of patients with acute ischemic stroke 2019-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.103516 PMID:31707199	研究论文	本研究利用深度学习技术，基于CT血管造影图像直接预测急性缺血性卒中患者血管内治疗后的良好再灌注和功能结局，无需图像标注	首次将深度学习直接应用于卒中结局预测，而非复制传统影像生物标志物，并引入了结构化感受野和自编码器进行网络权重初始化	研究基于单一注册数据集（MR CLEAN Registry），样本量有限（1301名患者），且未在外部数据集上进行验证	开发数据高效的深度学习模型，以改善急性缺血性卒中患者血管内治疗后的结局预测和治疗选择	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	CT血管造影	CNN	图像	1301名患者	NA	ResNet, RFNN, AE	AUC	NA
983	2026-03-29	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	本研究利用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润，并探索其与疼痛和残疾临床指标的关系	首次应用CNN模型自动分割肌肉并计算MFI，提高了效率和客观性，替代了耗时且依赖评分者的手动技术	样本量较小（仅39名参与者），且MFI与残疾的相关性未达到统计学显著性（p=0.105）	开发自动量化肌肉脂肪浸润的方法，以监测颈椎疾病及其他疾病的肌肉特性	挥鞭伤后3个月的39名参与者（26名女性，平均年龄31.7±9.3岁）	计算机视觉	颈椎疾病	高分辨率脂肪-水成像	CNN	图像	39名参与者	NA	NA	可靠性, 准确性, 相关系数, p值	NA
984	2026-03-28	Advanced deep learning strategies in nanopore RNA sequencing 2026-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文综述了纳米孔直接RNA测序中用于解析RNA修饰的先进深度学习策略	聚焦于利用专门学习框架和集成策略应对数据稀缺、噪声和生物变异性等挑战，以提供更高分辨率的输出	NA	评估RNA修饰作为新兴生物标志物和治疗靶点，并总结人工智能在表征表观转录组中的应用	RNA分子上的化学修饰（表观转录组）	自然语言处理, 机器学习	NA	纳米孔直接RNA测序	CNN, RNN	测序信号数据	NA	NA	NA	NA	NA
985	2026-03-28	Deep Learning Reconstruction Enables Diagnostic-Quality 0.4T Knee and Spine MRI in One-Third of the Time 2026-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70274 PMID:41866229	研究论文	本研究利用深度学习模型加速低场强0.4T膝关节和脊柱MRI扫描，通过优化重建算法在三分之一时间内获得诊断质量图像	首次将CIRIM模型应用于低场强MRI加速重建，并优化了欠采样模式和损失函数以实现最大加速因子	放射科医生对高加速因子图像评分存在差异，观察者间一致性较低，最优加速因子需根据具体诊断任务调整	加速低场强肌肉骨骼MRI扫描时间，同时保持诊断图像质量	膝关节和脊柱的MRI图像数据	医学影像分析	肌肉骨骼疾病	MRI扫描，k空间欠采样	深度学习	图像	包含膝关节和脊柱的异质性2D多切片扫描数据集	NA	CIRIM（级联独立循环推理机）	Kendall's Tau, Cohen's Kappa, SSIM, L1损失, 感知损失	NA
986	2026-03-28	Determination of Modified Waldenström Staging in Legg-Calvé-Perthes Disease Using Deep Learning 2026-May, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2026.100334 PMID:41890888	研究论文	本研究开发了一种深度学习模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	首次利用深度学习自动提取临床相关且可量化的参数，构建机器学习分类流程，以改进LCPD分期的客观性和效率	早期阶段LCPD的样本代表性不足，可能影响模型在完整分类中的准确性，需要更大规模的多中心数据集来提升性能	开发一个深度学习模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	来自两家三级儿童医院的Legg-Calvé-Perthes病患者的配对前后位和蛙式侧位髋关节X光片	计算机视觉	Legg-Calvé-Perthes病	X光成像	深度学习	图像	机构1共2164张图像，留出测试集229对X光片，外部验证集533对X光片	NA	NA	Dice系数, AUROC	NA
987	2026-03-28	A simulation-based deep learning framework for spatially explicit malaria modeling of CRISPR suppression gene drive mosquitoes 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115221 PMID:41890961	研究论文	本文提出了一种基于模拟的深度学习框架，用于空间显式疟疾建模，以研究CRISPR抑制基因驱动蚊子的效果	结合个体建模与深度学习，高效分析多参数对基因驱动效果的影响，揭示疟疾消除参数空间大于蚊子消除参数空间的新见解	未明确说明模型在真实世界数据上的验证情况，计算需求可能仍较高	预测CRISPR基因驱动释放对疟疾传播的影响，优化参数以实现蚊子和疟疾的抑制	CRISPR基因驱动蚊子、疟疾传播过程	机器学习	疟疾	CRISPR基因驱动技术、个体建模	深度学习模型	模拟数据	NA	NA	NA	NA	NA
988	2025-11-22	NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning 2026-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.70470 PMID:41264380	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
989	2026-03-28	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	综述	本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知过程建模和自动化视频标记	针对胎儿、婴儿和幼儿神经影像数据稀缺和变异性大的挑战，系统介绍了深度学习作为适应性框架的应用，并面向非AI专业的研究人员提供了可访问的概述	综述内容非详尽，且该领域面临数据标注有限、成像协议多变和临床风险高等普遍挑战	探讨深度学习在胎儿、婴儿和幼儿神经影像研究中的潜力和应用，以促进该领域的发展	胎儿、婴儿和幼儿的神经影像数据	医学影像分析	NA	深度学习	NA	图像, 视频	NA	NA	NA	NA	NA
990	2026-03-28	Particulate matter emission area identification based on phenomenological atmospheric dispersion and deep learn algorithms 2026-Apr, Environmental technology IF:2.2Q3 DOI:10.1080/09593330.2025.2573837 PMID:41097995	研究论文	本研究开发了一个结合计算流体动力学和人工神经网络的集成框架，用于在平坦地形中精确定位颗粒物排放源	提出了一种结合CFD模拟和深度学习算法的新框架，用于实时识别PM排放源，在工业区和港口环境中实现了重大突破	研究仅针对平坦地形，未考虑复杂地形条件；模拟数据集规模相对有限（243次运行）	开发实时颗粒物排放源定位方法，以支持环境监管、工业责任追究和公共健康保护	工业区和港口区域的多重颗粒物排放源	机器学习	NA	计算流体动力学模拟，人工神经网络	LSTM, CNN	模拟数据	243次CFD模拟运行，包含不同风速、风向、排放高度和排放间隔的组合	NA	长短期记忆网络，一维卷积神经网络	F1分数	NA
991	2026-03-28	Predicting ventilation from single breathing phase non-contrast CT using Swin Transformers 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70406 PMID:41881558	研究论文	本研究开发了一种基于Swin Transformer的深度学习模型，仅使用非对比增强4DCT的吸气相来预测肺通气功能，并评估了添加呼气相的影响	首次探索了仅使用单呼吸相CT进行深度学习肺通气预测的可行性，并展示了基于Swin Transformer的模型在此任务上的优越性能	研究样本量较小（44例），且仅基于特定数据集进行验证，可能限制了结果的泛化能力	开发并评估基于单相CT的深度学习模型，用于预测肺通气成像，以简化临床工作流程并减少成像伪影	肺通气成像预测，特别是基于非对比增强4DCT的吸气相和呼气相数据	医学影像分析	肺疾病	4DCT成像，SPECT通气成像	深度学习模型	CT图像	44例配对吸气CT和SPECT扫描病例	PyTorch	SwinUNETR, U-Net	Spearman相关系数	NA
992	2026-03-28	A systematic evaluation of grayscale conversion methods for mitigating color variation in deep learning-based histopathological image analysis 2026-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100647 PMID:41889534	研究论文	本研究系统评估了六种灰度转换算法及一种新型注意力机制方法在减轻组织病理学图像颜色变异对深度学习模型性能影响方面的效果	提出了一种基于Transformer注意力机制的新型灰度转换方法（ACSRM），通过长距离像素依赖关系保留关键颜色信息，并在多中心、跨扫描仪场景下验证了灰度转换对深度学习泛化能力的提升作用	研究主要针对H&E染色切片，未涵盖其他染色类型的组织病理学图像；评估场景虽包含多中心数据，但可能未覆盖所有临床实践中出现的颜色变异类型	评估灰度转换方法作为标准化输入策略，在减轻组织病理学图像颜色变异影响、提升深度学习模型泛化能力方面的有效性	组织病理学图像（H&E染色切片）	数字病理学	NA	深度学习，图像灰度转换	深度学习模型	图像	涉及多中心数据集，具体样本数量未在摘要中明确说明	NA	Swin-Transformer-base (Swin-B)	F1分数，交并比（IoU），Wilcoxon符号秩检验，McNemar检验	NA
993	2026-03-28	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	本文开发了一种集成了低成本可见-近红外微高光谱成像与定制深度学习架构的智能传感平台，用于微塑料和金属氧化物的快速化学图谱分析	提出了一种基于补丁的空间-光谱策略，通过定制的多注意力3D卷积神经网络与残差连接实现，有效弥补了宽谱Vis-NIR光谱化学特异性低的不足，实现了对光谱相似微塑料和金属氧化物的高精度分类	未明确提及	开发一种快速、无损、高通量的化学图谱分析平台，用于微观材料的表征	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）和多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	CNN	高光谱图像	包含8种化学物种的挑战性数据集	NA	定制的多注意力3D卷积神经网络（带残差连接）	准确率	NA
994	2026-03-28	Room-Temperature Trace NO2 Monitoring System Based on Two-Dimensional Heterostructures and Integrated with Deep Learning 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04107 PMID:41785406	研究论文	本文提出了一种基于二维异质结和深度学习集成的室温痕量NO2监测系统	结合BiS/WO异质结传感器、1D-CNN/LSTM深度学习模型和无线通信模块，实现了高精度、实时的ppb级NO2检测	未明确提及数据稀缺问题是否完全解决，以及系统在实际环境中的长期稳定性验证	开发高精度室温痕量NO2监测系统，用于空气质量控制和呼吸系统疾病早期诊断	痕量NO2气体	机器学习	呼吸系统疾病	气体传感技术	CNN, LSTM	传感器数据	NA	NA	1D-CNN/LSTM	R²值	NA
995	2026-03-28	Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT 2026-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5209 PMID:41825133	研究论文	本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎	首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能	回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据	开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型	121名接受根治性调强放疗的局部晚期非小细胞肺癌患者	数字病理学	肺癌	深度学习，超体素方法，CT成像	机器学习	CT图像，剂量分布图	121名患者	未明确说明	未明确说明	AUC, 准确率, 精确率, 召回率, F1分数	NA
996	2026-03-28	Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder 2026-Mar-27, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en26007 PMID:41889261	研究论文	本研究利用深度学习模型分析年轻女性创伤后应激障碍（PTSD）患者的脑部MRI数据，发现PTSD与加速脑老化相关，且与特定症状维度（认知和情绪负性改变）的严重程度显著关联	首次在年轻女性群体中直接通过神经影像学证据证实PTSD与加速脑老化相关，并揭示了脑老化与特定PTSD症状维度（Criterion D）的关联	样本量相对较小（85人），且仅针对年轻女性，限制了结果的普适性；脑年龄预测模型为群体特异性，可能影响泛化能力	探究年轻女性PTSD患者是否存在加速脑老化现象，并分析其与症状严重度的关联	85名40岁以下女性（34名PTSD患者，51名年龄匹配的健康对照）	数字病理学	创伤后应激障碍	T1加权磁共振成像	深度学习模型	图像	85名女性（34名PTSD患者，51名健康对照）	NA	群体特异性深度学习模型	脑年龄差（BAG）	NA
997	2026-03-28	The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region 2026-Mar-26, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00913-x PMID:41886240	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
998	2026-03-28	Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling 2026-Mar-26, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670186 PMID:41886318	研究论文	本文提出了一种基于图神经网络的端到端延迟预测模型，通过引入全局路由表示和路由感知注意力机制，提升了模型对未见路由方案的泛化能力	提出了不依赖路由序列的全局路由表示方法，设计了路由感知注意力机制，并采用掩码子图采样策略从部分流交互中推断全局路由相关性	未来需要在更复杂和动态的路由场景下进一步验证模型性能	提高端到端延迟预测的鲁棒性和泛化能力，以支持智能网络管理	网络流量端到端延迟	机器学习	NA	图神经网络	GNN	图数据	四个公开数据集：TnCwD、NSFNET、GBN、GEANT2	NA	图神经网络（含路由感知注意力机制）	预测精度	NA
999	2026-03-28	Less is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts 2026-Mar-26, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3675500 PMID:41886321	研究论文	本文提出了一种基于语义引导的多特征专家混合的红外与可见光图像融合方法，旨在提升融合图像质量并促进后续语义分割任务	引入语义引导的多特征专家混合机制，动态选择专家网络处理不同特征类型，有效减少模态冗余并提升融合效果	未明确说明方法在极端光照或复杂动态场景下的泛化能力，且计算复杂度可能较高	开发一种能够有效整合红外与可见光图像互补信息、减少冗余的红外与可见光图像融合方法	红外与可见光图像对	计算机视觉	NA	NA	专家网络混合模型	图像	在五个红外与可见光图像融合和分割基准数据集上进行了广泛实验	NA	语义引导的多特征专家混合架构	NA	NA
1000	2026-03-28	DeepLMI: Deep Feature Mining with a Globally Enhanced Graph Convolutional Network for Robust lncRNA-miRNA Interaction Prediction 2026-Mar-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag145 PMID:41886347	研究论文	提出DeepLMI框架，通过深度特征挖掘和全局增强图卷积网络预测lncRNA-miRNA相互作用	结合序列预训练与自注意力机制学习lncRNA多尺度语义表示，融合异质特征进行miRNA编码，并设计全局增强图卷积网络同时建模局部邻域和全局拓扑信号	未明确提及	准确预测lncRNA-miRNA相互作用以理解疾病机制和发现治疗靶点	长链非编码RNA（lncRNA）和微小RNA（miRNA）	机器学习	NA	深度特征挖掘，图卷积网络	GCN，自注意力机制	序列数据，图结构数据	NA	NA	Global-Enhanced Graph Convolutional Network (GE-GCN)	NA	NA