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
1081	2026-03-19	ResSGA-Net: A deep learning approach for enhanced brain tumor detection and accurate classification in healthcare imaging systems 2026-Mar, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2026.100658 PMID:41839680	研究论文	提出一种名为ResSGA-Net的混合深度学习框架，用于从MRI图像中准确检测和分类脑肿瘤	将ResNet50主干网络与双重注意力机制（全局和门控）以及Swin Transformer相结合，有效捕获细粒度局部特征和长距离上下文依赖关系，并采用融合策略统一卷积、注意力精炼和Transformer增强的表征	未明确提及模型在更大规模或更多样化临床数据集上的泛化能力，也未讨论计算效率或实时诊断的可行性	开发一种准确可靠的自动脑肿瘤分类方法，以辅助临床决策	脑部MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN, Transformer	图像	两个公开基准数据集（一个四分类任务，一个三分类任务）	NA	ResNet50, Swin Transformer	准确率, AUC	NA
1082	2026-03-19	Pathomics Signature for Prognosis and CA19-9 Interception in Pancreatic Ductal Adenocarcinoma: A Real-Life, Multi-Center Study 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515952 PMID:41556438	研究论文	本研究开发并验证了一个基于深度学习的自动化预后模型，用于从胰腺导管腺癌（PDAC）患者的数字化全切片图像中提取病理组学特征，以预测患者生存期并指导治疗决策	首次在多中心真实世界研究中，利用CrossFormer架构从常规H&E切片中自动提取预后特征，并揭示了CA19-9的预后价值在不同风险组中的异质性，为个性化治疗提供了新见解	研究基于回顾性数据，且仅包含接受手术切除的患者，未来需要前瞻性验证并扩展到更广泛的患者群体	开发一个可解释的深度学习模型，从常规病理切片中提取预后特征，以改善胰腺导管腺癌的风险分层和治疗决策	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	深度学习，数字化全切片图像分析	深度学习模型	数字化全切片图像（H&E染色）	873名接受手术切除的PDAC患者，来自三个学术中心	未明确说明（可能为PyTorch或TensorFlow）	CrossFormer, ResNet-18, ResNet-50, DenseNet-121	AUC（曲线下面积）, 风险比（HR）, p值	NA
1083	2026-03-19	A universal framework for IMRT dose prediction 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70384 PMID:41833521	研究论文	本文提出了一种基于深度学习的通用剂量预测模型UniDose，用于强度调制放射治疗（IMRT）中跨多种疾病部位和任意射束配置的剂量预测	UniDose模型通过通用化输入设计（包括归一化处方剂量图、加权避让掩码和射束追踪图像）和定制化的nnU-Net框架，实现了跨25种疾病部位和多样射束配置的通用剂量预测，并整合了基于参考的内部优化引擎以确保预测剂量的可实施性	模型在简化条件下开发，可能未完全覆盖真实世界实践中遇到的所有多样化场景，且依赖于特定数据集进行训练和验证	开发一个通用的深度学习剂量预测框架，以改善IMRT治疗计划的质量和效率，支持多样化的临床场景	IMRT治疗计划中的剂量分布预测，涉及多种疾病部位和任意射束配置	数字病理	多种癌症（包括前列腺癌、肝癌、脑癌等）	深度学习，射线追踪算法，剂量优化	CNN	3D图像数据	871名患者的数据集，涵盖25种疾病部位	nnU-Net	定制化的nnU-Net	伽马通过率（GPR），剂量体积直方图（DVH）指标	NA
1084	2026-03-19	Decoding TCR recognition via geometric deep learning of immunological fingerprints 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag048 PMID:41834397	研究论文	本文介绍了一种多模态几何深度学习框架，用于从pMHC界面提取物理化学和空间特征，以解码T细胞受体识别机制	提出了一种结合几何深度学习的多模态框架，系统性提取pMHC界面的多维特征，并引入可解释性模块识别关键接触残基和相互作用基序	研究基于晶体结构数据集，可能未涵盖所有动态构象变化；模型在更广泛的HLA等位基因上的泛化性需进一步验证	解码T细胞受体识别pMHC的分子原理，以理解免疫特异性与交叉反应性	人类白细胞抗原HLA-A02和HLA-B27的肽-MHC-TCR晶体结构	机器学习	NA	晶体结构分析, 几何深度学习	几何深度学习模型	三维结构数据	精选的人类HLA-A02-肽-TCR晶体结构数据集及HLA-B27-肽复合物	PyTorch, DGL	几何神经网络	TCR结合偏好预测准确性, 交叉反应性分析	NA
1085	2026-03-19	Geometric-constraint-aware binocular framework for robust absolute phase recovery in structured light 3D reconstruction 2026-Mar-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.574857 PMID:41842534	研究论文	本文提出了一种新颖的双目深度学习框架，用于在结构光三维重建中实现鲁棒的绝对相位恢复	首次将几何约束与数据驱动学习协同整合，以解决复杂表面重建中的相位跳变问题，并引入了包含虚拟和真实世界数据的基准数据集	未明确说明对极端光照条件或动态场景的适应性	提高结构光三维重建系统的精度、计算效率和鲁棒性	虚拟和真实世界的地面真实三维模型，特别是具有不连续表面的场景	计算机视觉	NA	结构光投影	深度学习	图像	23,000个同步双目相位图	NA	GCANet	误差	NA
1086	2026-03-19	Two-dimensional phase unwrapping and denoising network based on frequency-domain operators and sparse attention 2026-Mar-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.585000 PMID:41842552	研究论文	提出了一种基于U-Net的轻量级深度学习模型FSA-PU，用于解决二维相位展开问题，该模型集成了多尺度上下文建模、稀疏全局依赖和频域重建	首次将频域算子与稀疏注意力机制结合到相位展开网络中，通过深度可分离卷积增强边缘和细节恢复能力	未明确说明模型在极端噪声或大规模不连续相位情况下的性能极限	解决复杂条件下（如噪声和相位不连续）的二维相位展开问题	光学干涉测量、数字全息术和合成孔径雷达中的相位数据	计算机视觉	NA	深度学习	CNN	图像（相位图）	合成数据集和真实数据集（具体数量未说明）	NA	U-Net	PSNR, RMSE, SSIM	NA
1087	2026-03-19	Toward high-quality hologram generation via a complex-valued efficient hybrid attention network 2026-Mar-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.588742 PMID:41842553	研究论文	本文提出了一种用于高质量全息图生成的复数值高效混合注意力网络（CEHAN）	提出了一种结合复数值高效注意力机制和混合注意力块的网络架构，在提升重建质量的同时显著降低了计算时间	未明确说明模型在更广泛数据集上的泛化能力以及实际部署中的硬件兼容性问题	提高计算机生成全息图（CGH）的质量和实时渲染效率	全息图的生成与重建	计算机视觉	NA	深度学习	CNN	图像	DIV2K数据集	NA	U-Net, 复数值高效混合注意力网络（CEHAN）	PSNR, SSIM	NA
1088	2026-03-19	Terahertz image super-resolution reconstruction method for polyethylene pipe heat-fused joint defects based on an improved ESRGAN network 2026-Mar-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.583425 PMID:41842561	研究论文	本文提出了一种基于改进ESRGAN网络的太赫兹图像超分辨率重建方法，用于检测聚乙烯管道热熔接头的缺陷	提出了一种增强型超分辨率生成对抗网络，引入了高效多尺度注意力模块，并采用了基于Vision Transformer的判别器，以提升图像全局一致性的判别能力和对纹理及高频细节的关注	未明确说明方法在更广泛缺陷类型或不同成像条件下的泛化能力，也未讨论计算复杂度与实时性之间的平衡	提高太赫兹图像在检测聚乙烯管道热熔接头缺陷时的超分辨率重建质量	聚乙烯管道热熔接头的孔洞和裂纹缺陷	计算机视觉	NA	太赫兹成像	GAN	图像	NA	NA	ESRGAN, Vision Transformer	PSNR, SSIM, FLOPs	NA
1089	2026-03-19	How I Do It: Fast MRI of the Joints 2026-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.251430 PMID:41842665	综述	本文提供了关于快速肌肉骨骼关节MRI的实践导向概述，重点介绍回波链优化和现代加速技术的应用	结合并行成像、同时多层采集和压缩感知欠采样技术，实现关节MRI的3至8倍加速，并整合深度学习图像重建方法	需要进一步的研究和数据验证，特别是针对10倍加速的深度学习方法的临床适用性	优化关节MRI的扫描速度和图像质量，提高临床效率	中枢和周围关节的肌肉骨骼MRI	医学影像	肌肉骨骼疾病	MRI，包括二维和三维涡轮自旋回波脉冲序列	深度学习	MRI图像	NA	NA	NA	图像质量，诊断准确性	NA
1090	2026-03-19	Deconvolving mutation effects on protein stability and function with disentangled protein language models 2026-Feb-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.03.703560 PMID:41676583	研究论文	本文提出了一种名为DETANGO的深度学习框架，用于解耦蛋白质语言模型预测的突变效应中与稳定性扰动相关的部分，从而揭示突变对蛋白质功能的影响	通过引入DETANGO框架，首次明确地从蛋白质语言模型预测的突变效应中分离出稳定性扰动成分，从而能够准确识别稳定但失活（SBI）的突变变体，并推断功能关键残基	NA	解耦突变对蛋白质稳定性和功能的影响，以促进对蛋白质功能的机制理解和指导理性蛋白质工程	蛋白质序列及其单点突变	机器学习	NA	蛋白质语言模型（pLMs）	深度学习框架	蛋白质序列数据	NA	NA	NA	NA	NA
1091	2026-03-19	Improved sub-visible particle classification in flow imaging microscopy via generative AI-based image synthesis 2026-Feb-26, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2026.104225 PMID:41763492	研究论文	本文提出了一种基于生成式AI的图像合成方法，用于改进流式成像显微镜中的亚可见颗粒分类，通过生成高保真图像解决数据不平衡问题	开发了最先进的扩散模型来生成高保真颗粒图像，以增强训练数据集，从而有效训练多类深度神经网络，并公开了模型和分类器以促进开放研究	未明确提及具体局限性，但可能涉及生成图像的真实性验证范围或模型在更广泛颗粒类型上的泛化能力	解决流式成像显微镜中因数据稀缺和类别不平衡导致的亚可见颗粒分类问题	亚可见颗粒，包括硅油、气泡和蛋白质颗粒	计算机视觉	NA	流式成像显微镜	扩散模型, 深度神经网络	图像	验证数据集包含500,000张蛋白质颗粒图像	未明确指定，但可能基于PyTorch或TensorFlow（根据开源代码推断）	扩散模型, 深度神经网络（具体架构未指定）	分类性能（具体指标如准确率、召回率等未明确提及）	未明确指定
1092	2026-03-19	Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer 2026-02-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69797-z PMID:41723121	研究论文	本研究通过空间单细胞成像和单细胞RNA测序，分析了50个肿瘤样本中的超过200万个细胞，揭示了肝细胞癌中肿瘤细胞状态如何组织成独特的“村庄”结构，这些结构与其微环境存在分子共依赖性，并与患者预后相关	开发了一种基于深度学习的策略，用于空间映射肿瘤细胞状态及其周围环境结构，首次提出了“肿瘤细胞村庄”概念，揭示了肿瘤细胞状态与微环境之间的特异性分子共依赖性	研究主要聚焦于肝细胞癌，结果在其他癌症类型中的普适性尚未验证；样本量相对有限（50个肿瘤样本），可能影响统计效力	探究肿瘤空间景观的形成机制及其对肿瘤适应性的影响	肝细胞癌（肝癌）肿瘤样本	数字病理学	肝癌	空间单细胞成像, 单细胞RNA测序	深度学习	图像, 转录组数据	50个肿瘤生物样本（超过200万个细胞），并在740名肝癌患者的数据中进行验证	NA	NA	NA	NA
1093	2026-02-11	UniChrom: a universal deep learning architecture for cross-scale chromatin interaction prediction 2026-Feb-10, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12625-x PMID:41663926	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1094	2026-03-19	Automated deep learning pipeline for measuring lumbar thecal sac AP diameter on mid-sagittal MR images 2026-Feb-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02220-7 PMID:41668049	研究论文	本文开发并验证了一种自动化的深度学习流程，用于在腰椎正中矢状位T2加权MRI上定量测量硬膜囊前后径	提出了一种结合YOLOv8 OBB进行椎间盘定位与方向估计、基于单应性的ROI变换、Attention U-Net分割以及基于骨架的毫米级直径计算的端到端自动化流程，显著提高了测量线的有效性	研究为回顾性设计，且外部验证仅使用了RSNA 2024数据集中的一个外部队列	开发并验证一个自动化的深度学习流程，用于在腰椎MRI上定量测量硬膜囊前后径，以支持腰椎管狭窄的标准化评估	腰椎正中矢状位T2加权MRI图像	计算机视觉	腰椎管狭窄	MRI	CNN	图像	511例腰椎正中矢状位T2 MRI检查（内部数据集），以及RSNA 2024腰椎数据集的50例外部验证数据	PyTorch	YOLOv8-OBB, Attention U-Net	ICC, MAE	NA
1095	2026-03-19	Machine vision-based angle-arrayed imaging and two-stage deep learning for gear defect detection 2026-Feb-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.579975 PMID:41842039	研究论文	本文提出了一种结合同步齿面成像与两阶段深度分割策略的齿轮缺陷在线检测方法	提出了运动对齐成像机制实现齿面图像全覆盖，并采用两阶段级联架构（第一阶段快速分割有效齿面区域，第二阶段使用改进的U形双分辨率网络UDDRNet进行微小缺陷精确识别）以提升检测性能	未明确说明方法在极端光照或强振动环境下的鲁棒性，也未讨论对不同齿轮类型和尺寸的泛化能力	实现高精度、实时的工业齿轮表面缺陷在线检测	工业齿轮的齿面表面缺陷	计算机视觉	NA	机器视觉、运动对齐成像	深度学习、语义分割模型	图像	NA	NA	改进的U形双分辨率网络（UDDRNet）	mIoU, Recall, F1分数	NA
1096	2026-03-19	PARQ: A Complexity-Consensus Aware Automatic Assessment of Motor Disease Severity in Parkinson's Disease 2026-Feb-09, Research square DOI:10.21203/rs.3.rs-8694861/v1 PMID:41727589	研究论文	本文介绍了一种基于深度学习的平台PARQ，用于从临床视频中自动评估帕金森病的运动疾病严重程度	PARQ不仅预测单一严重程度评分，还估计专家评分的潜在分布，实现了任务特异性、共识感知的运动严重程度预测	研究样本量较小（48名患者），且仅基于临床视频数据，可能受视频质量和角度限制	开发一种可扩展的客观临床方法，以自动评估和监测帕金森病的核心运动特征	帕金森病患者，涉及8项运动任务，每项任务有三位独立专家评分	计算机视觉	帕金森病	深度学习	深度学习模型	视频	48名患者，每项任务有三位专家评分	NA	NA	准确率	NA
1097	2026-03-19	Physics-informed deep learning framework for wavefront sensing via optical beam pattern analysis 2026-Feb-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.581822 PMID:41841947	研究论文	本文提出了一种轻量级、物理信息驱动的深度学习框架PIRNet，用于光学光束扩展系统中的非干涉波前传感	通过引入物理一致性损失函数和可学习不确定性加权机制，将光学传播模型整合到深度学习框架中，提升了波前像差估计的准确性和泛化能力	NA	开发一种基于深度学习的波前传感方法，用于光学系统中的像差估计	光学光束强度模式	计算机视觉	NA	光学传播模拟（ABCD传输矩阵法）	CNN	图像	大规模模拟数据集	PyTorch	PIRNet	准确性, 泛化能力	NA
1098	2026-03-19	Explainable Artificial Intelligence for the Mayo Endoscopic Score in Ulcerative Colitis 2026-Jan-22, Digestion IF:3.0Q2 DOI:10.1159/000550610 PMID:41569974	研究论文	本研究开发了一种用于溃疡性结肠炎Mayo内镜评分的可解释人工智能模型，并评估了其与内镜医师的交互效果	首次将可解释AI框架应用于溃疡性结肠炎内镜评分，通过Grad-CAM等技术实现模型决策过程的可视化解释	回顾性研究设计，样本主要来自中国医疗机构，可能存在选择偏倚	开发可解释的AI模型用于溃疡性结肠炎内镜严重程度评估	溃疡性结肠炎患者的白光内镜图像	计算机视觉	溃疡性结肠炎	白光内镜成像	深度学习模型	图像	训练集2600张图像，三个外部测试集共460张图像	TensorFlow, Keras	Xception	准确率, 马修斯相关系数, 科恩卡帕系数	NA
1099	2026-03-19	Deep learning-based deflection angle regression network for measurement of the atmospheric refractive index structure constant 2026-Jan-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.580700 PMID:41842078	研究论文	本文提出了一种基于偏转角回归网络（DARN）的深度学习方法，用于测量大气折射率结构常数	通过深度学习模型直接回归偏转角，相比传统方法显著降低了测量误差（相对误差从约2.1%降至约0.3%）	NA	测量大气折射率结构常数以研究大气湍流	大气湍流场	计算机视觉	NA	莫尔偏折法	深度学习回归网络	图像（莫尔条纹）	3600帧莫尔条纹图像及对应的偏转角标签数据	NA	偏转角回归网络（DARN）	相对误差	NA
1100	2026-03-19	High-precision structured light 3D reconstruction of highly reflective objects using deep learning 2026-Jan-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.580080 PMID:41842094	研究论文	本研究提出了一种基于深度学习的方法，用于高精度结构光三维重建，特别针对高反光物体，通过图像增强和修复网络解决镜面反射导致的图像失真问题	结合图像增强网络和图像修复网络，并构建了专门针对高反光物体的真实条纹图案数据集，有效提升了三维重建的完整性和质量	NA	解决高反光物体在结构光三维重建中因镜面反射导致的图像失真和重建失败问题	高反光物体的三维重建	计算机视觉	NA	结构光技术，结合相移法和格雷码	深度学习网络	图像	NA	NA	图像增强网络，图像修复网络	NA	NA