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
1061	2026-03-20	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-11-19, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01194-24 PMID:39470208	研究论文	本研究通过深度学习增强的冷冻电子断层扫描技术，解析了EBV和KSHV病毒颗粒的结构，揭示了其被膜和包膜的特异性特征	首次利用深度学习增强的冷冻电子断层扫描技术，对EBV和KSHV的完整病毒颗粒进行高分辨率结构解析，发现了被膜和包膜中的物种特异性特征，如偏心衣壳位置、被膜极化分布以及包膜糖蛋白密度较低等	研究主要关注细胞外病毒颗粒的结构，可能未完全反映细胞内感染过程中的动态变化；技术方法虽先进，但样本处理和成像条件可能引入一定偏差	解析EBV和KSHV病毒颗粒的结构特征，比较其与α-和β-疱疹病毒在结构上的差异，以理解其细胞嗜性和感染机制	EBV（Epstein-Barr病毒）和KSHV（Kaposi's肉瘤相关疱疹病毒）的细胞外病毒颗粒	结构生物学	NA	冷冻电子断层扫描（cryoET）、深度学习增强技术、亚断层图平均、断层图引导的亚粒子重建	NA	冷冻电子断层扫描图像数据	NA	NA	NA	NA	NA
1062	2026-03-20	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.09.602672 PMID:39026862	研究论文	本研究通过深度学习增强的冷冻电子断层扫描技术，解析了EBV和KSHV病毒颗粒的结构，揭示了其被膜和包膜的特异性特征	首次利用深度学习增强的冷冻电子断层扫描技术，对EBV和KSHV的完整病毒颗粒进行结构解析，发现了被膜和包膜中的物种特异性特征，如偏心衣壳位置、极化被膜分布及糖蛋白密度差异	研究主要基于体外培养的病毒颗粒，可能无法完全反映体内感染环境下的结构动态；样本来源和细胞类型有限，可能影响结构特征的普遍性	解析EBV和KSHV病毒颗粒的结构特征，比较其与α-和β-疱疹病毒在结构上的差异，以理解其细胞嗜性和感染机制	EBV和KSHV的细胞外病毒颗粒	结构生物学	病毒感染相关肿瘤	冷冻电子断层扫描，深度学习增强，亚断层图平均，断层图引导的亚粒子重建	深度学习模型	冷冻电子断层扫描图像	NA	NA	NA	NA	NA
1063	2026-03-20	Uncertainty estimation and evaluation of deformation image registration based convolutional neural networks 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c4f PMID:38749468	研究论文	本文开发了一种基于卷积神经网络的多分辨率图像配准模型，用于快速预测可变形图像配准及其不确定性	提出了一种新的概率多分辨率图像配准模型，并引入基于Kullback-Leibler散度的新度量来评估预测的密集位移场分布质量	模型在超参数调优中存在不确定性可靠性与配准精度之间的权衡	开发并评估能够快速执行可变形图像配准并预测其不确定性的模型	治疗计划CT与随访锥形束CT之间的多模态图像配准	计算机视觉	NA	可变形图像配准	CNN	图像	NA	NA	NA	Dice相似系数, KL散度	NA
1064	2026-03-20	Circumventing drug resistance in gastric cancer: A spatial multi-omics exploration of chemo and immuno-therapeutic response dynamics 2024-05, Drug resistance updates : reviews and commentaries in antimicrobial and anticancer chemotherapy IF:15.8Q1 DOI:10.1016/j.drup.2024.101080 PMID:38579635	研究论文	本研究通过空间多组学方法探索胃癌对化疗和免疫治疗的耐药性机制，并开发深度学习模型预测治疗反应	整合空间多组学数据与深度学习模型，揭示胃癌耐药性的细胞间通讯机制，并构建高精度预测模型	研究样本量有限，且模型验证需在更大队列中进行外部验证	阐明胃癌对化疗和免疫治疗耐药的细胞与分子机制，并开发预测模型	接受化疗和免疫治疗的胃癌患者术后组织样本	数字病理学	胃癌	多组学分析、mIHC（多重免疫组化）检测、空间转录组学	SVM（支持向量机）、深度学习模型	空间多组学数据、图像数据	探索队列和验证队列的胃癌患者术后组织样本	NA	NA	AUC（曲线下面积）	NA
1065	2026-03-20	Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3497895 PMID:39698476	研究论文	本研究探讨了高分辨率颈部听诊信号在评估鼻胃管患者吞咽功能中的应用	将先前为非鼻胃管参与者设计的机器学习架构微调后应用于鼻胃管患者群体，以评估HRCA信号在吞咽功能分析中的效用	未明确提及样本量可能较小或数据收集的局限性	评估高分辨率颈部听诊信号在鼻胃管患者吞咽功能分析中的效用	使用鼻胃管的患者	数字病理学	吞咽功能障碍	高分辨率颈部听诊	卷积循环神经网络, 混合模型, 堆叠循环神经网络	振动和声学信号	NA	NA	卷积循环神经网络, 混合模型, 堆叠循环神经网络	预测准确率, 重叠率	NA
1066	2026-03-20	Exploring a Structural Basis for Delayed Rod-Mediated Dark Adaptation in Age-Related Macular Degeneration Via Deep Learning 2020-12, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.62 PMID:33344065	研究论文	本研究利用深度学习模型分析SD-OCT图像，探索年龄相关性黄斑变性中延迟杆介导暗适应的结构基础	提出了一种基于深度学习的无偏解剖生物标志物发现框架，首次识别并定位了SD-OCT中与延迟RMDA相关的低反射外层视网膜带	研究依赖于特定位置的SD-OCT B扫描图像，样本可能有限，且模型性能虽好但误差范围仍需进一步优化	探索年龄相关性黄斑变性中延迟杆介导暗适应的结构基础，并开发成像生物标志物发现方法	患有和未患有年龄相关性黄斑变性的参与者，聚焦于黄斑区SD-OCT图像	数字病理学	年龄相关性黄斑变性	光谱域光学相干断层扫描	深度学习模型	图像	NA	NA	NA	均方误差, 平均绝对误差	NA
1067	2026-03-19	Development of Automated High-Throughput Digital Microscopy With Deep Learning for Enhanced Blood Smear Imaging 2026-Apr, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70101 PMID:41370363	研究论文	本文旨在设计和开发一种基于自动化高通量光学数字显微镜的设备，用于批量扫描和捕获血涂片图像，结合深度学习算法实现实时图像采集	提出了一种结合光学组装设置与深度学习算法的自动对焦系统，利用迁移学习与预训练的VGG-16和Mobile Vision Transformer模型，克服了从头训练CNN的计算挑战，提高了图像清晰度、可靠性和稳定性	未明确说明数据集的详细规模或多样性，可能限制模型的泛化能力；高倍显微镜对振动敏感的问题虽被提及，但未详细讨论其在实际环境中的完全解决方案	开发自动化高通量数字显微镜系统，以增强血涂片成像效率，减少人工错误和疲劳	外周血涂片幻灯片	计算机视觉	NA	数字显微镜成像，深度学习	CNN, Transformer	图像	10张外周血涂片幻灯片	NA	VGG-16, Mobile Vision Transformer (MobileViT)	准确率	NA
1068	2026-03-19	Toward Lightweight Dynamic Convolutional Neural Network Modeling for Soft Sensors 2026-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3662472 PMID:41734121	研究论文	本文提出了一种新型轻量级动态卷积神经网络（LDCNN），用于工业软传感器建模，以处理非线性、自相关和互相关的时序数据	结合位置嵌入和简化时间注意力机制以改进动态建模，并引入扩张卷积和层归一化来显著减少网络深度和宽度，避免过度参数化	NA	开发一种轻量级神经网络模型，用于工业软传感器，以在有限训练样本下实现更好的泛化能力	工业时序数据	机器学习	NA	NA	CNN	时序数据	NA	NA	1-D-CNN, LDCNN	NA	NA
1069	2026-03-19	What's New: Sub-5-minute Knee Magnetic Resonance Imaging- Spectrum of Sports Injuries and Overuse Conditions 2026-Apr, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2798-5775 PMID:41776842	研究论文	本文介绍了一种基于深度学习的亚5分钟膝关节磁共振成像协议，并展示了其在运动损伤和过度使用条件诊断中的应用	采用公开可用的亚5分钟快速膝关节磁共振成像协议，结合基于深度学习的超分辨率图像重建技术	NA	开发并评估快速膝关节磁共振成像方法在临床实践中的应用价值	膝关节异常，包括运动损伤和过度使用条件	数字病理学	运动损伤	磁共振成像，深度学习	NA	图像	NA	NA	NA	NA	NA
1070	2026-03-19	Advances in the application of artificial intelligence in mass spectrometry-based analysis of traditional Chinese medicine: compound identification and metabolic pathway elucidation 2026-Apr, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-06260-w PMID:41389153	综述	本文综述了人工智能在基于质谱的中药分析中的应用进展，重点关注化合物鉴定和代谢途径阐明	系统总结了AI在中药质谱分析中的最新应用，并聚焦于复杂化合物的快速定性分析和体内代谢途径重建这两个关键领域	当前领域面临高质量质谱数据库缺乏、AI模型可解释性有限以及跨模态数据融合能力不足等挑战	推动人工智能与质谱技术在中药研究中的融合，促进中药现代化和精准药理学研究	中药样品，包括生药、炮制品、体外细胞培养物和体内生物样本	机器学习	NA	质谱	机器学习, 深度学习	质谱数据	NA	NA	NA	NA	NA
1071	2026-03-19	NeuroCardioSense (NCS): a time-aware fuzzy decision framework for multi-lead ECG classification and arrhythmia detection 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4df5 PMID:41785513	研究论文	提出一种名为NeuroCardioSense (NCS)的时间感知模糊决策框架，用于多导联心电图分类和心律失常检测	设计了新颖的时间感知门控卷积层和门控机制，能够自适应地调制卷积滤波器和跨导联特征贡献；并引入了时间模糊集成模块，通过联合编码特征和隶属度构建可学习的模糊子空间，有效缓解类别边界模糊问题	NA	开发一个能够联合表征心电图形态模式、多导联交互和时间依赖性的自动化心律失常检测框架	心电图信号	数字病理学	心血管疾病	心电图	CNN	信号	MIT-BIH心律失常数据库	NA	NeuroCardioSenseNet (NCSN), NeuroCardioSenseNet-Fusion (NCSNF)	准确率	NA
1072	2026-03-19	Multimodal skin disease classification using vision transformers, medical captioning, and metadata fusion: an analysis on the ISIC 2024 dataset 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4eeb PMID:41802357	研究论文	本研究提出了一种基于MedCLIP的多模态皮肤疾病分类方法，融合了视觉、文本和临床元数据，并在ISIC 2024数据集上进行了评估	系统分析了MedCLIP多模态嵌入与临床元数据的融合策略（早期融合和基于注意力的融合），并评估了其与经典机器学习及神经分类器结合的性能	研究仅使用了ISIC 2024数据集的子集（1600张训练图像和400张测试图像），样本规模相对有限	解决皮肤病变的二分类问题，探索多模态融合在计算机辅助诊断中的价值	皮肤癌和皮肤科疾病	计算机视觉	皮肤癌	NA	Vision Transformer, MLP, 集成分类器	图像, 文本, 元数据	1600张训练图像和400张测试图像（来自ISIC 2024数据集）	NA	MedCLIP	准确率, AUROC	NA
1073	2026-03-19	Exploration and performance analysis of deep learning applications in spermatic vein ultrasound segmentation 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4eed PMID:41802363	研究论文	本研究探索并评估了深度学习在精索静脉超声图像分割中的应用，建立了首个自动化分割性能基准	提出了基于Segment Anything Model（SAM）的半自动标注工作流程，并首次为精索静脉超声分割任务建立了深度学习性能基准	所有模型在狭窄的性能范围内达到平台期（DSC：61%-65%），远低于成熟超声分割领域的性能，表明主要障碍是固有的数据限制而非模型架构	开发自动化精索静脉超声分割工具，以解决当前手动测量耗时、主观且缺乏可重复性的问题	精索静脉超声图像	医学图像分析	精索静脉曲张	超声成像	深度学习分割模型	超声图像	未明确说明具体样本数量，但采用留一患者交叉验证	未明确说明	U-Net, U-Net++, Attention U-Net, RPA-UNet, UNet-DS（带深度监督的U-Net）	Dice相似系数（DSC）, Kappa系数	NA
1074	2026-03-19	High-throughput label-free assessment of sperm DNA fragmentation index via intelligent morphological imaging 2026-Mar-17, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01122a PMID:41710949	研究论文	本研究提出了一种基于智能形态成像的高通量、无标记精子DNA碎片指数评估方法	首次将光流控时间拉伸定量相位成像流式细胞技术与卷积神经网络结合，实现了无标记、高通量、非破坏性的精子DNA碎片指数评估	研究样本量相对有限（31个临床精液样本），且方法依赖于特定的成像设备	开发一种准确、高效、无标记的精子DNA碎片指数评估方法，以改善男性不育症的临床诊断	人类精子细胞	数字病理学	男性不育症	光流控时间拉伸定量相位成像流式细胞技术	CNN	图像	31个临床精液样本，共136,070张图像	NA	NA	准确率	NA
1075	2026-03-19	Artificial Intelligence in Anatomic Education: Educational Utility, Safety Boundaries, and Implementation Considerations 2026-Mar-17, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000012573 PMID:41842848	综述	本文批判性地综合了人工智能在解剖学教育中的应用，重点关注其教育效用、安全边界和实施考虑	强调人工智能在解剖学教育中的教育效用而非临床自动化，并关注解剖准确性验证、生成系统中的错误信息风险、算法偏见等关键问题	NA	探讨人工智能如何支持解剖学教育，以应对传统教学方法的挑战	解剖学教育	计算机视觉,自然语言处理	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
1076	2026-03-19	Intelligent system for infants' pain detection: pain intensity estimation using deep learning approach 2026-Mar-17, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01720-8 PMID:41843272	研究论文	本研究提出了一种基于深度学习的方法，通过分析面部表情来估计足月婴儿的疼痛强度	采用回归CNN模型结合迁移学习技术，利用预训练的VGG16模型进行微调，以提高分类性能并避免过拟合	NA	开发一个智能系统来检测婴儿的疼痛强度，以改善疼痛管理	足月婴儿在NICU日常医疗程序中的面部表情	计算机视觉	NA	深度学习	CNN	图像	NA	NA	VGG16	MAE, MSE	NA
1077	2026-03-19	Bridging Datasets and Hyperparameters: GCN-Based Link Prediction for Recommendation 2026-Mar-17, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3675022 PMID:41843509	研究论文	本文提出了一种基于图卷积网络的超参数推荐框架，通过将数据集和超参数配置建模为二分图中的节点，并利用链接预测来为新数据集推荐超参数	将超参数推荐问题形式化为二分图上的链接预测问题，并引入GCN同时捕获数据集内部、超参数内部以及两者之间的同质和异质交互关系，这是现有方法所不具备的能力	未明确说明模型的计算复杂度或在大规模超参数空间中的可扩展性，且仅在分类任务上进行了验证	开发一种能够更准确推荐超参数配置的元学习方法	历史数据集、超参数配置及其性能观测值	机器学习	NA	元学习	GCN	元数据（数据集特征、超参数配置、性能观测）	105个真实世界分类数据集	NA	GCN	多种评估指标（具体未列出）	NA
1078	2026-03-19	Distillation-SAM: Knowledge Distillation Based Auto-prompt Embedding Learning for Surgical Image Segmentation 2026-Mar-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3674509 PMID:41843527	研究论文	本文提出了一种基于知识蒸馏的自适应提示嵌入学习方法Distillation-SAM，用于提高手术图像分割的准确性和泛化能力	通过引入可训练的适配器分支学习稀疏和密集自动提示嵌入，并利用知识蒸馏约束，无需用户提供提示即可实现多类别手术对象分割	方法主要针对手术图像，可能在其他医学图像领域的泛化能力有限，且依赖于特定数据集进行训练	开发一种无需用户提示的自适应手术图像分割方法，以提升分割精度和跨手术场景的泛化性能	手术图像中的血管、器械和组织等对象	计算机视觉	NA	深度学习	SAM, 多层感知机	图像	多个手术数据集，包括IVIS、EndoVis2017和Cholecseg8k	NA	Segment Anything Model (SAM)	NA	NA
1079	2026-03-19	YOLO11-based deep learning and machine vision framework for automated detection and counting of Rhopalosiphum padi (Hemiptera: Aphididae) 2026-Mar-17, Journal of economic entomology IF:2.2Q1 DOI:10.1093/jee/toag048 PMID:41843770	研究论文	本研究开发了一个基于YOLO11的深度学习框架，用于自动检测和计数谷物害虫禾谷缢管蚜	在YOLO11n基线模型基础上，集成了ADown下采样模块、Triplet Attention和Focusing Diffusion Pyramid Network模块，以提升小目标检测能力并控制计算开销	模型在受控温室条件下使用智能手机图像进行训练和评估，未来需评估跨场景鲁棒性和实际部署性能	开发一种快速、自动化的图像监测方法，以替代劳动密集型且不一致的人工巡查，用于禾谷缢管蚜的检测与计数	禾谷缢管蚜（Rhopalosiphum padi），一种主要的谷物害虫和大麦黄矮病毒复合体的传播媒介	计算机视觉	NA	深度学习，机器视觉	CNN	图像	在受控温室条件下采集的智能手机图像数据集	Ultralytics YOLO11	YOLO11n, ADown, Triplet Attention, Focusing Diffusion Pyramid Network	mAP50, 平均绝对误差, 均方根误差	NA
1080	2026-03-19	Rectal Cancer Radiotherapy Response Prediction: Retrospective Study of Development of a Deep Learning-Based Radiomics Model 2026-Mar-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77313 PMID:41843889	研究论文	本研究开发并比较了多种基于深度学习的放射组学模型，用于预测直肠癌患者的放疗反应，重点关注Transformer架构的性能和临床实用性	首次在大型直肠癌放疗前影像队列中，系统比较了CNN、GCN和Transformer架构，并证明基于MRI的Transformer模型在预测放疗反应方面优于传统架构，且具有更优的临床净获益	单中心回顾性研究，需要多中心外部验证；CT与MRI的晚期融合未显著提升整体区分度	开发并比较多种深度学习放射组学模型，以预测直肠癌患者的放疗反应，支持个性化临床决策	2000名经病理确诊并接受标准放疗的直肠癌患者	数字病理	直肠癌	放射组学，深度学习	CNN, GCN, Transformer	图像（CT和MRI影像），临床变量	2000名患者	未明确提及	U-Net, Transformer	AUROC, 准确率, 敏感性, 特异性, Dice系数, 交并比	未明确提及