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
101	2026-03-07	Development and validation of a deep learning radiomics model based on ultrasound and clinical features to predict prognosis in elderly patients with advanced pancreatic cancer after HIFU therapy 2026-Mar-05, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-026-04716-6 PMID:41787298	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
102	2026-04-14	Interpretable ESG-sentiment hybrid deep learning for asset return forecasting with quantified interactions and latency-aware deployment 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41985-3 PMID:41781523	研究论文	本文提出了一种用于资产回报预测的可解释混合深度学习框架，该框架结合了时间融合变换器、支持向量回归残差校正器以及ESG特征与基于方面的金融情感的显式门控后期融合	引入了可解释的混合框架，通过门控机制学习何时强调可持续性信号与情感信号，并使用SHAP交互值和Friedman's H量化跨资产和不同市场状态下的ESG-情感交互作用	研究主要集中于美国大盘科技股、全球主要指数和BTC/ETH，可能无法推广到所有资产类别或市场	开发一个可解释的混合深度学习框架，以准确预测资产回报，并理解ESG评分和新闻情感信号之间的交互作用及其对预测的改进时机	美国大盘科技股、全球主要指数以及BTC/ETH（比特币/以太坊）	机器学习	NA	NA	Temporal Fusion Transformer, Support Vector Regression, FinBERT-based ABSA	金融时间序列数据、ESG评分数据、新闻情感数据	2020-2024年期间的数据，使用252个交易日训练/10天测试的回测协议	NA	Temporal Fusion Transformer, BiLSTM	平均绝对误差, 均方根误差, 方向准确性, 信息系数, 信息系数信息比率	NA
103	2026-03-06	Deep learning for vessel segmentation and flow analysis to identify clusters associated with adverse outcomes in a fontan patient registry 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40738-6 PMID:41781549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
104	2026-04-14	Deep learning-enabled ECG system for detecting left ventricular hypertrophy and predicting cardiovascular prognoses 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00536-2 PMID:41781965	研究论文	本研究开发了一种基于深度学习的ECG系统，用于检测左心室肥厚并预测心血管预后	开发了一种AI-ECG-LVH模型，提供了一种直接、经济、无创的左心室肥厚筛查和首次接触风险分层方法	未明确说明模型的具体架构细节和计算资源使用情况	开发深度学习ECG系统以检测左心室肥厚并评估其与心血管预后的关联	来自两家医院的46,007名患者	机器学习	心血管疾病	心电图, 超声心动图	深度学习模型	心电图数据	40,736名患者用于模型开发与内部验证，6,271名患者用于外部验证	NA	NA	AUC	NA
105	2026-04-14	An IoT-enabled CRNN framework for secure wearable sensor-based activity recognition in physical education 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42082-1 PMID:41776307	研究论文	本文提出了一种基于卷积循环神经网络（CRNN）的物联网（IoT）框架，用于从可穿戴传感器数据中安全、准确地识别人体活动，特别是在体育教育场景中的应用	提出了一种新颖的面向物联网的活动识别框架，该框架利用CRNN架构同时建模多模态可穿戴传感器数据流的空间和时间特征，实现了比现有方法更高的识别精度和泛化鲁棒性	未明确提及研究的具体局限性，例如数据集的具体规模、多样性，或在更复杂、动态的真实教育环境中的泛化能力	解决由于可穿戴传感器信号中固有的时空依赖性建模不足而导致的复杂人体活动准确识别难题	从可穿戴传感器获取的多模态生理和运动学数据，用于人体活动识别	机器学习	NA	可穿戴传感技术，物联网（IoT）基础设施	CNN, RNN, CRNN	多维传感器数据（生理和惯性测量数据）	NA	NA	卷积循环神经网络（CRNN）	准确率, 灵敏度, 特异性, 召回率, 精确率	NA
106	2026-04-14	Collaborative Multiscale and Wavelet-Based Fusion Network for Leakage Area Semantic Segmentation of Ultrawide Field Fluorescein Angiography 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.22 PMID:41873903	研究论文	本文提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的深度学习框架，用于超广角荧光素血管造影图像中渗漏区域的语义分割	提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的新型深度学习框架，并引入了交叉引导邻域细化策略以增强边界准确性	NA	提高超广角荧光素血管造影图像中渗漏区域的语义分割准确性和计算效率	超广角荧光素血管造影图像中的渗漏区域	计算机视觉	糖尿病视网膜病变	超广角荧光素血管造影	深度学习框架	图像	来自广东省人民医院和佛山市第二人民医院的超广角荧光素血管造影数据集	NA	UNet-Wavelet	NA	NA
107	2026-04-14	Enhancing depression diagnosis with augmented brain signal driven decorrelated graph neural networks 2026-Mar-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01395-y PMID:41772142	研究论文	本研究提出了一种基于图神经网络的深度学习框架BrainADNet，用于增强重度抑郁症（MDD）的诊断精度	提出了BrainADNet框架，通过数据增强解决训练数据稀缺问题，并引入解相关正则化器以减少过拟合，同时整合了人口统计学因素（如年龄、教育、性别）以提升诊断的临床相关性	未明确提及研究的具体局限性，例如样本来源的多样性、模型的外部验证或潜在的泛化能力问题	开发一个准确诊断重度抑郁症（MDD）的模型，并探究不同抑郁阶段及性别特异性神经机制	重度抑郁症（MDD）患者，特别关注不同抑郁阶段（单次与多次发作）及性别差异	机器学习	神经精神疾病	脑信号分析，图神经网络	GCN	脑信号数据，图数据	NA	PyTorch	Skip-Graph Convolutional Network	诊断精度	NA
108	2026-04-14	Amide proton transfer-weighted (APTw) CEST MRI in clinical routine for single time point diagnosis of pseudoprogression in IDH-wildtype glioblastoma 2026-Mar-01, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noaf261 PMID:41233976	研究论文	本研究评估了酰胺质子转移加权（APTw）MRI在临床常规中用于单时间点诊断IDH野生型胶质母细胞瘤假性进展的可行性和诊断性能	首次将APTw MRI整合到脑肿瘤成像的常规临床工作流程中，并利用基于深度学习的3D肿瘤分割方法自动量化APTw信号，以区分进行性疾病和治疗相关效应	诊断准确性在抗血管生成治疗应用后和后期随访时间点下降，且样本量相对有限（65次扫描）	评估APTw MRI在区分胶质母细胞瘤进行性疾病和治疗相关效应（特别是假性进展）中的临床可行性和诊断性能	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	酰胺质子转移加权（APTw）MRI，扩散加权成像（DWI），灌注加权成像（PWI）	深度学习	MRI图像	626名患者的870次扫描，其中143名胶质母细胞瘤患者的256次MRI扫描，包含65次进行性疾病（42例）或治疗相关效应（23例）的扫描	NA	NA	ROC曲线下面积（AUC）	NA
109	2026-04-14	Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies 2026-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70189 PMID:41348934	综述	本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域	综合评估了AI在前列腺MRI中多个应用领域的证据水平、验证状态和采用障碍，并强调了从原型到常规实践的转化挑战	分流、质量控制和预后领域仍处于早期发展阶段，且需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流试验	探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，以促进其作为可扩展平台用于早期检测和人群级前列腺癌管理	前列腺MRI图像及其在癌症检测、风险分层和预后建模中的应用	数字病理学	前列腺癌	MRI	深度学习, 机器学习	图像	NA	NA	NA	非劣效性	NA
110	2026-04-14	Migrating in a Warming World: A Deep Learning Approach to Predict Pan-American Seasonal Shifts in the Monarch Butterfly Niche 2026-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70805 PMID:41891163	研究论文	本研究开发了一种时间感知的深度学习物种分布模型，用于预测帝王蝶在气候变化下的季节性生态位迁移	提出了一种时间感知的深度学习物种分布模型，能够捕捉迁徙物种的季节性动态，相比传统静态模型在预测准确性和时间泛化性方面表现更优	模型主要依赖气候变量，可能未完全考虑其他生态因素如栖息地质量、人类活动等对物种分布的影响	预测帝王蝶在气候变化下的季节性生态位迁移，为迁徙物种保护提供科学依据	帝王蝶（Danaus plexippus）	机器学习	NA	深度学习物种分布建模	深度学习模型	物种出现记录、月度气候变量数据	来自美洲各地的帝王蝶出现记录，包括科学和公民科学来源	NA	NA	NA	NA
111	2026-04-14	Social compatibility in opposite-sex prairie vole pairs is modulated by early-life sleep experience 2026-Mar, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003434 PMID:41894400	研究论文	本研究利用深度学习工具分析草原田鼠异性配对的社会互动，探讨早期睡眠经历对成年后社会亲和力的影响	首次在非人动物模型中量化验证了神经类型匹配现象（类似人类研究中的自闭症配对模式），并通过早期睡眠干扰模拟不同神经发育轨迹	研究仅使用草原田鼠单一物种，且早期睡眠干扰模型可能无法完全模拟人类神经发育障碍的复杂性	探究早期睡眠经历如何影响成年后的社会兼容性及配对行为	草原田鼠（Microtus ochrogaster）异性配对	动物行为学, 计算神经科学	神经发育障碍（模拟）	早期睡眠干扰（ELSD）, 深度学习行为分析	深度学习模型（未指定具体类型）	行为视频数据	草原田鼠配对群体（具体数量未说明）	未指定	未指定	社会亲和力指标、攻击行为频率、身体朝向角度	未指定
112	2026-04-14	Automated lipid detection in spectroscopic optical coherence tomography using a weakly supervised deep learning network 2026-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.585222 PMID:41970572	研究论文	本研究开发了一种基于弱监督深度学习的框架，用于从光谱光学相干断层扫描数据中自动检测和定位脂质，以减少对密集人工标注的需求	将光谱信息引入OCT并结合弱监督深度学习，实现了无需硬件修改的自动、成分感知的组织表征，并利用Grad-CAM生成可解释的激活图	研究在兔主动脉组织上进行验证，尚未在人体临床数据中进行大规模测试	开发一种用于血管内成像的自动脂质检测和定位方法，以评估冠状动脉易损性	兔主动脉组织	计算机视觉	心血管疾病	光谱光学相干断层扫描	CNN	图像	未明确说明，使用兔主动脉组织样本	未明确说明	ResNet-34, CBAM	弧段级重叠一致性	NA
113	2026-04-14	CC-DenseSTORM: deep learning enables colorimetry camera-based simultaneous two-color single-molecule localization microscopy with dense emitters 2026-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.587452 PMID:41970570	研究论文	本文提出了一种基于深度学习的CC-DenseSTORM方法，用于提高基于比色相机的双色单分子定位显微镜在密集发射体情况下的性能	引入了注意力门控标准卷积U-Net来消除结构伪影，并采用双通道自适应分类网络进行稳健的染料分类，从而在密集发射体条件下显著提升检测率	未明确提及实验样本量的具体限制或算法在其他细胞类型或更复杂生物环境中的泛化能力	开发一种改进的深度学习算法，以解决基于比色相机的双色单分子定位显微镜在密集发射体区域面临的结构伪影和低检测率问题	多发性骨髓瘤细胞	计算机视觉	多发性骨髓瘤	单分子定位显微镜	U-Net, 分类网络	图像	NA	NA	注意力门控标准卷积U-Net, 双通道自适应分类网络	检测率, 数据拒绝率, 串扰	NA
114	2026-04-14	Label-free intraoperative imaging of hemodynamics using deep learning 2026-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.582171 PMID:41970583	研究论文	提出一种无标记的跨模态生成框架，利用激光散斑对比成像和白光成像合成平均通过时间图，用于术中血流动力学可视化	开发了一种无需造影剂的跨模态生成框架，能够从LSCI和WLI数据中合成MTT图，实现动脉-静脉区分和血流方向推断，将总成像时间减少95.8%	目前仅在鼠脑模型中进行实验验证，尚未在人体临床环境中测试	开发一种快速、高效且无需造影剂的术中血流动力学成像方法，以替代传统的吲哚菁绿荧光成像	鼠脑的血管结构和血流动力学	计算机视觉	神经外科相关疾病	激光散斑对比成像（LSCI）、白光成像（WLI）、吲哚菁绿荧光成像（ICG-FI）	深度学习模型（具体类型未明确说明）	图像（LSCI和WLI图像）	NA	NA	跨模态生成框架（具体架构未明确说明）	血管结构清晰度、动脉-静脉区分准确性、血流方向解码可靠性、成像时间减少百分比（95.8%）	NA
115	2026-04-14	Lightweight CycleGAN models for cross-modality image transformation and experimental quality assessment in fluorescence microscopy 2026-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.578297 PMID:41970592	研究论文	本文提出了一种基于轻量化CycleGAN的模型，用于荧光显微镜中跨模态图像转换及实验质量评估	在U-Net生成器中引入了固定通道策略，替代传统的通道翻倍方法，将可训练参数从4180万大幅减少至约9千，同时保持或略微提升性能	未明确提及模型在更广泛生物样本或不同成像条件下的泛化能力	开发轻量化深度学习模型，实现荧光显微镜图像的跨模态转换，并评估其作为实验质量定性标记的潜力	标准共聚焦显微镜图像、超分辨率STED图像及解卷积STED图像	计算机视觉	NA	荧光显微镜，超分辨率STED成像	GAN, CycleGAN	图像	NA	NA	U-Net, CycleGAN, Pix2Pix	NA	GPU
116	2026-04-14	Wheat spikelet detection on RGB images using deep machine learning 2026-Mar, Vavilovskii zhurnal genetiki i selektsii IF:0.9Q3 DOI:10.18699/vjgb-26-09 PMID:41971653	研究论文	本研究提出了一种基于简化点标注和深度学习的小麦穗粒检测方法，用于自动化高通量表型分析	采用简化的点标注（仅标记穗粒中心）替代传统分割掩码或边界框标注，显著降低了标注成本和时间，并探索了三种计算方法（U-Net分割、密度回归、YOLOv8检测）来利用这种简化标注	YOLOv8方法性能较低，可能由于固定尺寸边界框与穗粒自然细长形状之间的几何不匹配	开发自动化高通量小麦穗粒表型分析方法	小麦穗粒	计算机视觉	NA	深度学习，计算机视觉	CNN	RGB图像	NA	NA	U-Net, YOLOv8	MAE, MAPE, Precision, Recall, F1 score	NA
117	2026-02-24	Enhancing deep learning based multi-parameter fire detection by training on simulated and combustion experimental dataset 2026-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39191-2 PMID:41724743	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
118	2026-04-14	Multi-resolution adaptive channel fusion transformer encoder LSTM for accurate streamflow prediction 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40713-1 PMID:41723217	研究论文	提出一种多分辨率自适应通道融合Transformer编码器LSTM混合架构，用于提高单变量时间序列的径流预测准确性和可解释性	通过构建伪多变量输入（包括滞后观测、统计摘要和季节指标），并利用自适应注意力机制动态融合多尺度时间模式，结合Transformer编码器和LSTM进行预测，显著提升了预测性能	未明确提及模型在极端天气事件或高度非线性水文系统中的泛化能力限制	提高径流预测的准确性，以支持水资源管理和洪水缓解	单变量时间序列径流数据	机器学习	NA	NA	Transformer, LSTM	时间序列数据	三个基准径流数据集	NA	Transformer编码器, LSTM	RMSE, R²	NA
119	2026-04-14	Comparative study of wavelet transform and Fourier domain filtering for medical image denoising 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40594-4 PMID:41723236	研究论文	本文对医学图像去噪中的小波变换和傅里叶域滤波方法进行了比较研究	首次系统比较了八种小波族与十二种阈值函数、四种阈值选择规则在不同医学噪声类型下的性能，并对比了最佳小波配置与基于块的离散傅里叶余弦变换方法	研究仅针对CT图像，未涵盖其他医学影像模态；未考虑深度学习方法的对比	比较传统变换域方法在医学图像去噪中的性能，特别是小波变换与局部傅里叶方法的相对效果	受高斯、均匀、泊松和椒盐噪声污染的CT图像	计算机视觉	NA	图像去噪	NA	图像	未明确指定样本数量，但使用了CT图像数据集	NA	NA	PSNR	NA
120	2026-04-14	Integrating multi-scale convolution and attention mechanisms in HybridHAR for high-performance human activity recognition 2026-Feb-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40904-w PMID:41723255	研究论文	提出了一种名为HybridHAR的新型深度学习模型，用于解决人类活动识别中多尺度时序模式捕获和深度网络特征传播的挑战	整合了并行多尺度CNN结构、残差注意力机制与通道特征融合、以及带有辅助分类的深度监督模块	NA	提高传感器数据的人类活动识别准确率	人类活动识别	机器学习	NA	NA	CNN, 注意力机制	传感器数据	UCI HAR数据集	NA	HybridHAR	准确率	NA