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
10681	2026-04-19	Assessment of Pain Intensity Using Deep Learning Models in Non-Communicative Intensive Care Patients 2026-May, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.70478 PMID:41983382	研究论文	本研究评估了使用深度学习模型通过面部图像对非沟通重症监护患者进行疼痛强度分类的可行性和诊断准确性	创建了多专家标注的数据集，并系统比较了不同分类器在多种临床视角下的表现	专家间一致性较低（k=0.16），突显了人工疼痛评估的主观性和变异性	评估深度学习模型在非沟通重症监护患者中分类疼痛严重程度的可行性和诊断准确性	非沟通成人重症监护患者	计算机视觉	NA	深度学习面部分析	CNN, SVM, 随机森林, K近邻	图像	来自120名成人重症监护患者的636张面部图像	NA	DenseNet-169	准确率, 精确率, 灵敏度, F1分数, 受试者工作特征曲线下面积, Fleiss' kappa系数	NA
10682	2026-04-19	AlphaFold-driven discovery of oxysterol-binding protein-related protein-phosphoinositide 3-, 4-, and 5-phosphatase interactions using new generation confidence scores 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70572 PMID:41983709	研究论文	本文利用AlphaFold驱动的蛋白质相互作用预测方法，系统筛选了OSBP相关蛋白与磷酸肌醇磷酸酶之间的相互作用，并开发了一种结合多种计算工具的综合协议	结合AlphaFold2-Multimer、AlphaFold3和AlphaPulldown2进行大规模蛋白质相互作用筛选，并引入新一代置信度评分（如ipSAE）和FoldSeek-Multimer聚类分析，以评估界面一致性	研究主要基于计算预测，缺乏实验验证，且样本规模相对有限（约200个蛋白质对）	系统定义OSBP相关蛋白与磷酸肌醇磷酸酶的相互作用网络，以理解非囊泡脂质运输在膜接触位点的调控机制	OSBP相关蛋白家族和磷酸肌醇3-、4-、5-磷酸酶	计算生物学	NA	AlphaFold2-Multimer、AlphaFold3、AlphaPulldown2、ConSurf、PeSTo	深度学习模型	蛋白质序列和结构数据	约200个蛋白质对	AlphaFold, AlphaPulldown, FoldSeek, PeSTo	AlphaFold2-Multimer, AlphaFold3	加权ipTM + pTM, actifpTM, ipSAE评分	NA
10683	2026-04-19	Sparse identification of nonlinear dynamics and Koopman operators with Shallow Recurrent Decoder Networks 2026-Apr-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2508144123 PMID:41996161	研究论文	本文提出了一种名为SINDy-SHRED的方法，用于联合解决高维时空数据的传感与模型识别问题	结合了门控循环单元与浅层解码器网络，并引入了基于SINDy的正则化，使潜在空间逐步收敛到SINDy类函数，从而实现了符号化、可解释的生成模型	NA	解决现实世界时空数据建模中的高维性、噪声、部分观测和数据收集成本高等挑战	偏微分方程数据（如湍流）、真实世界传感器测量数据（如海面温度）和直接视频数据	机器学习	NA	NA	GRU, SINDy, Koopman	时空数据, 传感器测量数据, 视频数据	NA	NA	门控循环单元, 浅层解码器网络	准确度, 训练成本, 数据效率	NA
10684	2026-04-19	Enhancing biomedical optical volumetric imaging via self-supervised orthogonal learning 2026-Apr-17, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady9194 PMID:41984965	研究论文	本文提出了一种自监督正交学习框架VALID，用于增强生物医学光学体积成像的降噪性能	利用内在三维空间相干性，通过自监督正交学习框架实现高效体积降噪，无需配对数据集	未明确说明在极端噪声条件下的性能或计算资源需求的具体限制	提高生物医学光学体积成像的结构保真度，解决噪声问题	光学体积成像数据，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描图像	计算机视觉	NA	光学体积成像技术，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描	深度学习模型	体积图像数据	NA	NA	VALID	结构保真度	NA
10685	2026-04-19	Automated Classification of Alveolar Bone Defects for Preoperative Augmentation Planning Using Deep Learning 2026-Apr-17, The International journal of oral & maxillofacial implants DOI:10.11607/jomi.11768 PMID:41995833	研究论文	本研究开发了一种基于深度学习的框架，用于自动检测和分类牙槽骨缺损，以辅助牙科植入手术前的规划	首次利用深度学习模型自动分类牙槽骨缺损（健康、水平、垂直和复合缺损），并比较了四种不同CNN架构的性能	数据集规模相对较小（1305张图像），且仅基于CBCT切片，可能未涵盖所有临床变异	开发一个自动分类牙槽骨缺损的系统，以辅助牙科植入手术的术前规划	牙槽骨缺损的CBCT图像	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	图像	1305张CBCT横截面图像（健康325张，水平缺损359张，垂直缺损310张，复合缺损311张）	NA	RegNetY-008, EfficientNetV2-S, ResNet50, MobileNetV3-Large	准确率, 加权精确率, 召回率, F1分数, 每轮训练时间	NA
10686	2026-04-19	BC-GTM: A Bidirectional Causal Graph Transformer Mapping for Modeling Brain Structural and Functional Connectivity 2026-Apr-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3685002 PMID:41996430	研究论文	提出了一种双向因果图变换器映射模型，用于建模大脑结构连接与功能连接之间的双向映射关系	通过整合有向无环图学习和因果不变性原理，首次在SC与FC映射中引入因果启发的有向依赖关系，克服了传统GNN方法的黑盒限制	未明确说明模型在跨数据集或不同人群中的泛化能力，以及计算复杂度可能较高	研究大脑结构连接与功能连接之间的双向映射关系，以增进对大脑功能与组织的理解	大脑的结构连接与功能连接数据	机器学习	NA	图神经网络，因果学习	图变换器，GNN	图数据	NA	NA	图变换器	NA	NA
10687	2026-04-19	An ensemble pipeline, PhageHost, for phage tail fiber discovery and accurate Klebsiella pneumoniae host prediction using protein language models 2026-Apr-16, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117275 PMID:41996235	研究论文	本文介绍了PhageHost（P&H），一个基于蛋白质语言模型的集成管道，用于大规模发现噬菌体尾丝并准确预测肺炎克雷伯菌的宿主	开发了TailSeek和HostBuster两个深度学习模型，结合蛋白质语言模型进行噬菌体尾丝检测和宿主预测，提高了预测的敏感性和精确度	NA	开发一个可扩展的集成管道，用于噬菌体尾丝的大规模发现和肺炎克雷伯菌的宿主预测，以支持噬菌体疗法应用	噬菌体尾丝和肺炎克雷伯菌宿主	自然语言处理	NA	蛋白质语言模型	深度学习	基因组数据	NA	NA	TailSeek, HostBuster	敏感性, 精确度	NA
10688	2026-04-19	A review of deep learning-based Unsupervised Anomaly Detection in brain MRI 2026-Apr-15, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104076 PMID:41997087	综述	本文综述了基于深度学习的无监督异常检测方法在脑部MRI中的应用	系统性地收集、比较了脑部MRI无监督异常检测领域的研究方法，并公开了包含公共数据集、研究论文和开源实现的数据集合	不同方法在评估时使用的采集参数、预处理、后处理和异常评分标准存在差异，导致难以直接比较模型性能	回顾和比较脑部MRI中基于深度学习的无监督异常检测方法	脑部磁共振成像（MRI）扫描	医学影像分析	脑部疾病	磁共振成像（MRI）	深度学习模型	图像	NA	NA	NA	NA	NA
10689	2026-04-19	AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation 2026-Apr-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00085 PMID:41906862	研究论文	本文介绍了AmberTorchPB，一个基于LibTorch构建的统一、可扩展且支持加速器的框架，旨在现代化生物分子静电学计算	利用深度学习中的张量抽象来高效管理硬件异构性、内存优化和混合精度运算，从而克服传统Poisson-Boltzmann求解器在可扩展性和硬件适应方面的瓶颈	NA	开发一个现代化框架以支持大规模生物分子静电相互作用的高性能计算	生物分子静电相互作用，特别是基于Poisson-Boltzmann方程的反应场能量计算	计算生物学	NA	Poisson-Boltzmann方程求解	NA	张量数据	NA	LibTorch	NA	NA	现代高性能计算硬件，支持异构架构
10690	2026-04-19	Automated Identification of Accessory Mental Foramen Using Cone-Beam Computed Tomography and Convolutional Neural Networks 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109428 PMID:41740248	研究论文	本文开发并评估了一种基于深度学习的系统，用于自动检测锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF），并比较了两种卷积神经网络（CNN）架构在该模型中的检测准确性和临床可靠性表现	首次将深度学习应用于CBCT图像中副颏孔的自动检测，并比较了自定义轻量级CNN与ResNet-50模型的性能，通过Grad-CAM可视化验证了模型关注区域的解剖相关性	研究基于回顾性数据，样本量有限（共1400个CBCT扫描），且仅比较了两种CNN架构，可能未涵盖所有最优模型	开发并评估基于深度学习的自动检测系统，以提高副颏孔诊断的准确性和临床可靠性	锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF）	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	CNN	图像	1400个CBCT扫描（700个含AMF，700个正常对照）	NA	ResNet-50, 自定义轻量级CNN	准确率, 精确率, 召回率, F1分数	NA
10691	2026-04-19	An effective deep learning algorithm for medical image registration 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001339 PMID:41990030	研究论文	提出了一种名为DTC-Reg的深度学习算法，用于医学图像配准，通过动态学习框架和几何约束增强变形场的微分同胚性	引入了动态学习配准框架DTC-Reg，结合同伦控制增量公式和多尺度几何约束，并提出了可检测和纠正折叠点的MFDC模块，提高了变形场的正则性	仅在三项3D脑部MRI配准任务上进行了实验，未涉及其他医学影像模态或更广泛的临床应用场景	开发一种能够实现准确对齐并严格保持拓扑和可逆性的医学图像配准算法	医学图像，特别是3D脑部MRI数据	计算机视觉	NA	医学影像处理	深度学习	3D图像	NA	NA	U-Net, 序列时间级联网络	定量和定性评估	NA
10692	2026-04-19	Deep Learning-Based Tumor Cell Classification in Lung Adenocarcinoma With a Case-by-Case Human-in-the-Loop Approach 2026-Apr, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70208 PMID:41980857	研究论文	本文提出了一种基于深度学习的人机交互方法，用于肺腺癌组织切片中肿瘤细胞的分类，通过病理学家在显微镜下进行微调，提高了分类准确性	采用人机交互方法，允许病理学家在显微镜下对细胞分类进行实时微调，使数字分类达到与病理学家相当的准确率（98%-100%）	方法仅在肺腺癌的H&E染色切片上建立和测试，未涉及其他癌症类型或染色方法，且在小数据集上的性能略有下降	提高肺腺癌组织切片中单个肿瘤细胞分类的准确性，使其达到病理学家的水平	肺腺癌（LUAD）的H&E染色组织切片中的单个肿瘤细胞	数字病理学	肺癌	H&E染色	深度学习网络	图像	包括肺腺癌组织切片的高倍视野（HPF）和来自癌症基因组图谱（TCGA）的较小数据集	NA	NA	Dice系数, 真阳性率（TPR）, 精确度, 特异性	NA
10693	2026-04-19	Hybrid Deep Learning Framework for Sleep Quality Prediction: Integrating Metaheuristic Optimization and Statistical Features 2026-Apr, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71360 PMID:41981876	研究论文	本文提出了一种结合元启发式优化和统计特征的混合深度学习框架，用于基于体动记录仪数据的睡眠质量预测	提出了一种新颖的混合深度学习架构，结合了遗传算法和粒子群优化进行特征选择，并引入了独特的特征重要性分析以增强模型的可解释性	研究仅使用了MESA体动记录仪数据集，未在其他数据集上进行验证，且模型复杂度较高	开发一个高性能的睡眠质量预测模型，用于个性化睡眠健康管理和睡眠障碍的早期诊断	睡眠质量预测	机器学习	睡眠障碍	体动记录仪数据采集	LSTM, SVM	时间序列数据	MESA体动记录仪数据集（具体样本数量未在摘要中说明）	NA	LSTM网络与支持向量机结合的混合架构	准确率, F1分数, AUC	NA
10694	2026-04-19	Deep Learning-Enabled Engineering of a Hyper-Stable and Soluble MPB70-83 Antigen for Sensitive Bovine Tuberculosis Surveillance 2026-Apr, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70348 PMID:41988819	研究论文	本研究结合免疫信息学和深度学习框架ProteinMPNN，设计了一种超稳定且可溶的MPB70-83抗原，用于提高牛结核病诊断的灵敏度	利用深度学习框架ProteinMPNN重新设计非表位支架，优化蛋白质的热力学稳定性，解决了重组多表位蛋白在原核表达系统中的结构不稳定性和不溶性问题	未明确提及	开发一种高稳定性和高溶解性的抗原，用于牛结核病的精确监测	牛结核病（bTB）	机器学习	牛结核病	免疫信息学, 分子动力学模拟	深度学习	蛋白质序列数据	NA	ProteinMPNN	NA	灵敏度, 特异性, Cohen's κ	NA
10695	2026-04-19	Leveraging deep learning to infer continuous predictions from ordinal labels in medical imaging 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001248 PMID:41996486	研究论文	本文提出了一种基于深度学习的方法，仅使用离散有序标签从医学图像中预测连续值变量	利用深度学习从离散有序标签中学习准确的连续评分，有效弥合离散与连续数据之间的差距	NA	开发一种从医学图像中预测连续变量（如疾病严重程度）的方法，仅使用离散有序标签进行模型训练	早产儿视网膜病变、膝骨关节炎的疾病严重程度预测以及乳腺X线摄影中的乳腺密度预测	医学影像分析	早产儿视网膜病变, 膝骨关节炎, 乳腺癌	深度学习	CNN	图像	NA	NA	NA	相关性, 均方误差	NA
10696	2026-04-19	Source apportionment of pollution in the Tianjin Haihe river sluice based on the TCN-APCS-MLR model 2026-Mar-31, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-026-03139-2 PMID:41915250	研究论文	本研究提出了一种结合TCN与APCS-MLR的新模型，用于天津海河闸复杂流域的污染源解析	首次将时序卷积网络（TCN）与绝对主成分得分-多元线性回归（APCS-MLR）模型相结合，以增强对非线性时间动态的建模能力，提高了传统受体模型在复杂河口环境中的源解析精度	研究基于2022-2024年的日尺度水质数据，模型在更长时序或更复杂污染情景下的普适性有待进一步验证	开发一种能够准确、及时识别复杂流域污染源的高性能模型，以支持动态流域管理和生态修复	天津海河闸流域的水体污染	机器学习	NA	水质监测	TCN, APCS-MLR	时间序列数据（水质数据）	2022年至2024年的日尺度水质数据	NA	时序卷积网络（TCN），结合主成分分析（PCA）和多元线性回归（MLR）	R值（相关系数），RMSE（均方根误差），MAE（平均绝对误差），累计方差贡献率	NA
10697	2026-04-19	An AI-ready remote sensing dataset for high-resolution forest disturbance mapping 2026-03-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07084-8 PMID:41888167	研究论文	本文介绍了一个用于高分辨率森林干扰类型分类的深度学习就绪数据集，并展示了其应用效果	提供了一个包含多通道（红、绿、蓝、近红外和物体高度）的高分辨率（0.2米）遥感数据集，专门用于森林干扰分类，并通过消融分析评估了各通道的贡献	数据集仅基于德国莱茵兰-普法尔茨州的数字正射影像，可能无法完全代表其他地区的森林干扰情况	开发一个高分辨率、深度学习就绪的遥感数据集，以改进森林干扰类型的监测和分类	欧洲森林的自然干扰事件，如虫害爆发、病原体感染、风倒和随后的抢救性采伐	计算机视觉	NA	遥感成像，数字正射影像	深度学习模型	图像	约17,500个图像块（每个500×500像素，分辨率0.2米）	NA	NA	总体准确率	NA
10698	2026-04-19	Assessment of Defacing Techniques on Medical Images for Radiation Therapy: Implications for Patient Privacy and Data Utility 2026-Mar-22, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.03.023 PMID:41876069	研究论文	评估四种去脸技术对放射治疗多模态图像中患者隐私保护与数据完整性的影响	首次在放射治疗多模态图像中系统比较四种去脸技术的隐私保护效果与数据完整性，为临床数据共享提供优化选择	研究仅基于特定数据集（脑部和头颈部患者），未涵盖所有癌症类型或成像技术，且未评估长期临床影响	评估去脸技术在放射治疗图像中对患者隐私风险和数据实用性的影响	脑部患者（88例）和头颈部患者（97例）的多模态医学图像（MRI、CT、RTDose、PET）	数字病理	癌症	磁共振成像、计算机断层扫描、正电子发射断层扫描、放射剂量成像	深度学习面部识别模型	医学图像	185例患者（88例脑部，97例头颈部）	NA	ArcFace	余弦相似度评分、受试者工作特征曲线下面积、体积变化百分比、强度变化百分比、剂量偏差	NA
10699	2026-03-13	Amyloid PET quantification with deep learning segmentation models without MRI 2026-Mar-11, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00854-8 PMID:41811594	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10700	2026-03-07	Deep learning-driven automated detection of canine cardiac murmurs via digital wireless stethoscope auscultation 2026-Mar-03, Veterinary research communications IF:1.8Q2 DOI:10.1007/s11259-026-11131-5 PMID:41774252	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA