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
10661	2026-03-11	A robust and versatile deep learning model for prediction of the arterial input function in dynamic small animal [18F] FDG PET imaging 2026-Mar-09, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-026-01398-9 PMID:41803557	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10662	2026-03-10	Deep learning-enhanced shoreline dynamics and vulnerability assessment in Niger Delta area of Nigeria 2026-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39405-7 PMID:41796127	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10663	2026-04-20	BigEye: a clinically interpretable deep learning framework for diabetic retinopathy detection and stage prediction 2026-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43573-x PMID:41796249	研究论文	提出了一种名为BigEye的临床可解释深度学习框架，用于糖尿病视网膜病变的检测和分期预测	开发了一个新颖的框架，利用提取的病灶特征来预测ICDR分期，并通过SHAP值分析实现了与临床诊断标准高度一致的可解释性结果	未明确说明模型在外部验证集上的泛化性能，也未提及计算效率和实时性方面的评估	开发一个能够识别相关病灶并提供可解释结果的深度学习模型，以应对未来糖尿病视网膜病变病例的预期增长	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底摄影	深度学习	图像	来自当地医院和公共数据集的眼底图像数据集，包含分割掩码和DR分期标注	未明确说明	DeepLabV3+	精确度, 召回率, F1分数, ROC-AUC, 准确度	NA
10664	2026-04-20	Rejoining fragmented ancient bamboo slips with physics-driven deep learning 2026-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70361-y PMID:41786754	研究论文	本文提出了一种名为WisePanda的物理驱动深度学习框架，用于自动拼接古代竹简碎片	基于断裂和材料劣化的物理原理，自动生成成对的合成训练数据，无需手动配对样本，从而解决了古代文物修复中的数据稀缺问题	未在摘要中明确提及	开发一种高效的方法来拼接古代竹简碎片，以促进对古代文明内容的理解	古代竹简碎片	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	匹配准确率	NA
10665	2026-04-20	EEG-TriNet++: A Transformer-Guided Meta-Learning Framework for Robust and Generalizable Motor Imagery Classification 2026-Mar-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030307 PMID:41899838	研究论文	本文提出了一种名为EEG-TriNet++的多分支深度学习框架，用于提升基于脑电信号的运动想象分类的准确性和跨被试泛化能力	提出了一种结合卷积空间-频谱编码器、双向LSTM和Transformer头的多分支架构，并引入了模型无关的元学习模块以快速适应新用户，同时采用分块标记化策略和神经架构搜索来优化效率与表征能力之间的平衡	未明确提及模型的计算复杂度、实时性表现或在更大规模或更多样化数据集上的泛化能力	开发一个鲁棒且可泛化的深度学习框架，用于基于脑电信号的运动想象分类，以提升脑机接口的性能	脑电信号	机器学习	NA	脑电图	CNN, LSTM, Transformer	时间序列信号	两个公开的运动想象数据集	NA	EEG-TriNet++（多分支架构，包含卷积空间-频谱编码器、双向LSTM、Transformer头）	准确率	NA
10666	2026-04-20	AMR-GNN: a multi-representation graph neural network framework to enable genomic antimicrobial resistance prediction 2026-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69934-8 PMID:41792137	研究论文	提出了一种名为AMR-GNN的多表示图神经网络框架，用于从基因组序列数据预测抗菌素耐药性表型	首次将多种基因组表示与图神经网络集成，以解决AMR表型预测中的关键问题，包括利用多表示提升性能、减轻克隆关系影响以及识别可解释的生物标志物	作为概念验证框架，其在大规模临床应用中的具体表现和泛化能力仍需进一步验证	开发一个数据驱动的机器学习框架，以从全基因组测序数据中准确预测抗菌素耐药性表型	铜绿假单胞菌（作为概念验证），以及后续验证中涵盖的革兰氏阴性和革兰氏阳性病原体	机器学习	抗菌素耐药性	全基因组测序	GNN	基因组序列数据	NA	NA	AMR-GNN	NA	NA
10667	2026-04-20	RoentMod: a synthetic chest X-ray modification model to identify and correct image interpretation model shortcuts 2026-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02497-6 PMID:41792409	研究论文	介绍RoentMod，一种用于生成合成胸部X射线图像的框架，以识别和纠正医学图像解释模型中的捷径学习问题	结合开源医学图像生成器与图像到图像修改模型，无需重新训练，生成具有用户指定病理特征的逼真合成胸部X射线图像	未提及具体局限性，但可能包括生成图像的多样性或泛化能力	提高胸部X射线图像解释模型的鲁棒性和可解释性，通过对抗捷径学习	胸部X射线图像及其自动化解释模型	计算机视觉	NA	深度学习，图像生成与编辑	多任务模型，基础模型	图像	未明确指定样本数量，但涉及内部和外部测试	未明确指定，但提及开源医学图像生成器RoentGen	未明确指定具体架构	AUC	未明确指定
10668	2026-04-20	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中量化荧光信号间的空间距离	FISH-Dist专门针对标准共聚焦成像在短基因组距离下的技术挑战，结合了基于深度学习的点分割、亚像素定位的3D高斯拟合以及两种互补的色差校正方法，显著减少了通道间距离测量误差	该流程主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发一个自动化计算流程，以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的多通道3D显微镜图像，特别是DNA折纸纳米尺和FISH探针设计参数	计算机视觉	NA	荧光原位杂交，共聚焦显微镜成像，DNA折纸纳米尺	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA
10669	2026-04-20	Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification 2025-06, Endocrine IF:3.0Q2 DOI:10.1007/s12020-025-04198-8 PMID:40056264	研究论文	本研究探索了基于深度学习结合超声和CT多模态成像对甲状腺TI-RADS 3-5类结节进行良恶性分类的诊断价值	首次将深度学习应用于超声与CT多模态成像的融合，以提高甲状腺TI-RADS 3-5类结节的分类准确性，避免不必要的活检	研究样本仅来自单一中心，且未提及外部验证集，可能影响模型的泛化能力	开发一种非侵入性方法，准确区分甲状腺TI-RADS 3-5类结节的良恶性，以减少不必要的细针穿刺活检	甲状腺TI-RADS 3-5类结节	数字病理	甲状腺癌	超声成像，计算机断层扫描	深度学习模型	图像	768例患者中的768个甲状腺结节（499例恶性，269例良性）	NA	NA	AUC，灵敏度，准确率，阳性预测值	NA
10670	2026-04-20	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2025-03-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一个基于深度学习的早期预警系统，用于预测洞庭湖有害藻华的发生，通过整合时间序列分析和iTransformer模型来提高预测准确性	采用iTransformer模型结合时间序列分析，增强了预测准确性，并通过注意力权重分析识别了影响藻密度的关键因素（如营养物和温度），展示了模型在数据不完整情况下的鲁棒性	未来工作需探索更多环境变量以提升模型的预测能力和泛化性	开发一个早期预警系统来预测有害藻华的发生，以支持水质管理	洞庭湖的水质数据，特别是与藻华相关的环境因素	机器学习	NA	深度学习，时间序列分析	iTransformer	时间序列水质数据	NA	NA	iTransformer	NA	NA
10671	2026-04-20	A green and efficient method for detecting nicosulfuron residues in field maize using hyperspectral imaging and deep learning 2025-02-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136724 PMID:39637793	研究论文	本研究提出了一种结合高光谱成像和深度学习（HerbiResNet模型）的绿色高效方法，用于检测田间玉米中烟嘧磺隆除草剂残留	开发了HerbiResNet模型，首次将高光谱成像与深度学习结合用于玉米除草剂残留的预测与分类，并识别出与残留及生理变化强相关的特定光谱波段（约550 nm、680 nm、750 nm和1000 nm）	研究仅针对六种玉米品种（抗性和敏感型）及两种除草剂浓度，样本多样性和环境条件可能有限	实现田间玉米中烟嘧磺隆除草剂残留的准确、快速检测，以支持化学修复和优化喷洒策略	田间种植的玉米叶片（六种品种，包括抗性和敏感型）	计算机视觉	NA	高光谱成像	深度学习	光谱数据	六种玉米品种（抗性和敏感型），在两种除草剂浓度下，残留分为低、中、高三个水平	NA	HerbiResNet	决定系数（R²），准确率	NA
10672	2026-04-20	General artificial intelligence for the diagnosis and treatment of cancer: the rise of foundation models 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf015 PMID:41030612	综述	本文综述了通用人工智能和基础模型在癌症诊断与治疗中的应用、潜力及面临的挑战	探讨了基于生成式AI和通用AI技术的基础模型在肿瘤学领域的兴起及其多功能性、高性能、个性化增强和对医疗工作者的辅助作用	存在多重障碍可能阻碍通用AI和生成式AI的临床转化	回顾通用人工智能和基础模型在肿瘤学诊断与治疗中的应用与挑战	癌症的诊断与治疗，特别是放射学、病理学、精准医学、护理个性化和外科肿瘤学	机器学习	癌症	NA	NA	NA	NA	NA	NA	NA	NA
10673	2026-04-20	Blood clot and fibrin recognition method for serum images based on deep learning 2024-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2023.117732 PMID:38128814	研究论文	提出了一种基于改进UNeXt的血清图像血凝块和纤维蛋白分割方法，用于自动识别血清中的血凝块和纤维蛋白	采用改进的UNeXt分割网络，实现了对血清图像中血凝块和纤维蛋白的更精确分割，为自动化生化免疫流水线中的采样针高度提供了准确依据	NA	开发一种快速、准确的方法来检测和识别血清中的血凝块和纤维蛋白，以替代耗时且主观的视觉检查	血清图像中的血凝块和纤维蛋白	计算机视觉	NA	深度学习	CNN	图像	13,230个临床血清样本	NA	改进的UNeXt	Dice系数, 灵敏度, 特异性, 准确率	NA
10674	2026-04-20	Automated volumetric assessment of pituitary adenoma 2024-01, Endocrine IF:3.0Q2 DOI:10.1007/s12020-023-03529-x PMID:37749388	研究论文	本文开发了一种基于深度学习的自动化垂体腺瘤体积评估管道，用于术前和术后的肿瘤分割与体积测量	利用卷积神经网络集成实现垂体腺瘤的自动化分割与体积评估，旨在替代耗时且一致性差的手动分割方法	术后残留肿瘤的检测性能较低，需要更大规模、更多样化的数据集和更精细的模型来提升效果	开发自动化工具以客观、快速地评估垂体腺瘤的体积和切除范围	垂体腺瘤患者	数字病理学	垂体腺瘤	MRI	CNN	图像	193个图像集用于训练，20个用于验证	NA	卷积神经网络集成	Dice分数, Jaccard分数, 95百分位Hausdorff距离, Pearson相关系数, 敏感性, 特异性	NA
10675	2026-04-20	Deep learning for automated detection of Drosophila suzukii: potential for UAV-based monitoring 2020-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.5845 PMID:32246738	研究论文	本研究利用深度学习技术，基于ResNet-18卷积神经网络，开发了一种自动检测和计数果蝇Drosophila suzukii的方法，并探索了无人机在昆虫监测中的应用潜力	首次将深度学习与无人机图像采集结合，用于自动检测和计数果蝇Drosophila suzukii，包括性别预测和区分，为害虫综合管理提供了新的自动化监测方案	无人机采集的图像质量较低，导致检测性能下降，AUC值较低，这主要是由于无人机在图像采集过程中的稳定操作所致	开发一种高效、自动化的昆虫监测系统，以替代传统耗时、劳动密集型的害虫监测方法，支持害虫综合管理策略	果蝇Drosophila suzukii（斑点翅果蝇）	计算机视觉	NA	图像采集、深度学习	CNN	图像	4753个标注的果蝇图像	NA	ResNet-18	AUC（精确召回曲线下面积）	NA
10676	2026-04-19	Point positioning and counting network: A deep learning-based method for automatic axon counting 2026-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110968 PMID:41819270	研究论文	本研究提出了一种基于点标注的深度学习框架PPCNet，用于自动计数山羊视神经半薄切片中的轴突密度	PPCNet结合了VGG16骨干网络、多尺度特征提取与横向融合，以及双分支架构进行空间坐标回归和候选点分类，并采用优化的匈牙利算法确保预测点与真实点的一一对应	研究仅在山羊视神经半薄切片数据集上进行评估，未在其他物种或组织类型中验证	开发一种自动、准确的轴突计数方法，以替代繁琐的手动计数和传统基于分割的方法	山羊视神经半薄切片中的轴突	计算机视觉	神经系统疾病	深度学习	CNN	图像	未明确指定样本数量，但包含测试集（轴突计数均值±标准差为901.6±225.6）	未明确指定，但基于深度学习框架	VGG16	线性回归分析中的R值、平均绝对误差(MAE)、Bland-Altman分析的一致性限	NA
10677	2026-04-19	Automatic deep learning-based segmentation of cornea and lens in 2D OCT images of rabbit eyes 2026-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110965 PMID:41819269	研究论文	本文提出了一种基于深度学习的端到端流程，用于在低信噪比的兔眼二维OCT图像中自动分割角膜和晶状体	通过系统架构搜索选择了以ImageNet预训练的EfficientNet-B2为编码器的U-Net模型；引入了残差驱动、掩码引导的非局部均值阶段来抑制背景噪声同时保留边界；采用掩码到表面的转换方法，通过拟合稳健的三阶多项式来生成可用于生物测量的角膜和晶状体界面	训练数据有限，图像质量具有挑战性	开发一种快速、用户独立的自动化分割方法，以支持白内障手术规划	兔眼的前节光学相干断层扫描图像	计算机视觉	白内障	光学相干断层扫描	CNN	图像	440张兔眼B扫描图像	NA	U-Net, EfficientNet-B2	交并比, 均方根误差	NA
10678	2026-04-19	Deep learning revolutionizes protein research: Advances in structure prediction, functional annotation, and engineered design 2026-Jun, Journal of biotechnology IF:4.1Q2 DOI:10.1016/j.jbiotec.2026.03.012 PMID:41839238	综述	本文综述了深度学习如何通过一个协同循环，从根本上改变蛋白质研究，该循环连接了结构预测、功能注释和理性设计	提出了一个统一的“预测-理解-创造”范式，展示了深度学习在蛋白质结构预测、功能注释和从头设计方面取得的突破如何相互促进，形成一个自我强化的循环	在数据稀缺性、模型可解释性以及分布外泛化方面仍存在挑战	阐述深度学习如何变革蛋白质研究，并展示结构预测、功能注释和理性设计三个领域如何协同发展	蛋白质，特别是单域、球状蛋白质	机器学习	NA	深度学习，生成式人工智能，逆折叠模型，冷冻电镜与AI结合	深度学习模型，生成式AI模型，多模态模型	蛋白质序列数据，3D坐标数据，相互作用数据	NA	NA	AlphaFold2	NA	NA
10679	2026-04-19	A framework of hybrid deep learning and nature-inspired algorithms for accurate multi-class fundus disease classification 2026-Jun, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110966 PMID:41850601	研究论文	提出了一种结合深度学习特征提取与自然启发算法的混合框架，用于多类别眼底疾病图像的准确分类	提出了一种新颖的混合框架，将预训练的深度学习模型（ResNet-18、GoogLeNet）与多种自然启发算法（粒子群优化、灰狼优化器、差分进化、萤火虫算法、遗传算法）相结合进行特征优化，并使用传统机器学习分类器进行分类，在ODIR和RFMiD数据集上实现了100%的多个性能指标	未明确说明计算资源需求、模型的可解释性以及在实际临床环境中的泛化能力	开发一个高精度的多类别眼底疾病自动分类系统，以辅助临床诊断	眼底图像，用于检测糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、白内障和近视等疾病	计算机视觉	眼科疾病	眼底成像	CNN	图像	ODIR和RFMiD数据集（具体样本数量未在摘要中提供）	NA	ResNet-18, GoogLeNet	准确率, 召回率, 精确率, Kappa系数, F1分数, AUC	NA
10680	2026-04-19	Deep learning ensemble strategies in Outcome-Based Education (OBE): The influence of ideology and politics on vocational training 2026-May, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106748 PMID:41921481	研究论文	本研究探讨了深度学习集成策略在成果导向教育中的应用，并分析了意识形态和政治因素对职业培训结果的影响	首次将深度学习集成策略与职业培训的政治意识形态量化指标相结合，用于预测培训成果	未详细说明数据集的具体来源和规模，可能影响结果的泛化能力	评估深度学习集成策略在预测职业培训成果中的应用，并探究政治意识形态对培训效果的影响	职业培训项目及其相关政治背景数据	机器学习	NA	深度学习集成策略	集成学习	结构化数据	NA	NA	Bagging, Boosting, Stacking	准确率	NA