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
1221	2026-03-18	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合数学和深度学习模型的集成方法，用于改进韩国特定年龄流感样疾病的短期预测	提出了一种新颖的集成建模方法，结合了机制性n-次流行模型和蒙特卡洛Dropout LSTM神经网络，以捕获疾病传播的结构化动态和非线性时间依赖关系，适应疫情改变的传播模式并提供稳健的不确定性量化	NA	改进流感样疾病的短期预测性能，以指导疫情应对、优化医疗资源分配和公共卫生干预	韩国特定年龄的流感样疾病数据	机器学习	流感样疾病	NA	LSTM	时间序列数据	NA	NA	LSTM	加权区间评分, 平均绝对误差	NA
1222	2026-03-18	VarCoNet: A Variability-Aware Self-Supervised Framework for Functional Connectome Extraction From Resting-State fMRI 2026-Mar, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70469 PMID:41810518	研究论文	本文提出了一种名为VarCoNet的变异性感知自监督框架，用于从静息态功能磁共振成像数据中提取稳健的功能连接组	将功能个体间变异性视为有意义的数据而非噪声，通过自监督对比学习利用这种变异性，并引入基于信号分割的新颖增强策略	NA	开发一个用于从静息态功能磁共振成像数据中提取功能连接组的稳健框架，以支持精准医学	静息态功能磁共振成像数据，包括来自人类连接组计划的2117条记录和自闭症脑成像数据交换I（995条记录）及II（730条记录）数据集的数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	CNN, Transformer	时间序列数据	人类连接组计划：2117条记录；自闭症脑成像数据交换I：995条记录；自闭症脑成像数据交换II：730条记录	NA	1D卷积神经网络与Transformer编码器集成	准确率, AUC	NA
1223	2026-03-18	Time-resolved functional genomics using deep learning reveals global hierarchical control of autophagy 2026-Mar, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01837-0 PMID:41826700	研究论文	本研究结合时间分辨高内涵成像、深度学习和潜在特征分析，绘制了氮变化期间控制自噬激活和失活的遗传网络	首次通过时间分辨功能基因组学方法，结合深度学习揭示自噬的全局层次控制，并识别逆行通路作为关键的时间变化调节因子	NA	研究自噬在营养环境变化中的系统动态调控机制	自噬过程及其遗传网络	机器学习	NA	时间分辨高内涵成像，潜在特征分析	深度学习	图像数据	5,919个突变体	NA	NA	NA	NA
1224	2026-03-18	Cross-Institutional Five-Class Kellgren-Lawrence Grading of Knee Osteoarthritis via Multitask Deep Learning 2026-Mar, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70254 PMID:41830909	研究论文	本研究提出了一种名为KL-FuseNet的多任务深度学习模型，用于膝关节骨关节炎的Kellgren-Lawrence分级，并通过跨机构验证评估其性能	引入KL-FuseNet多任务架构，融合全局（ConvNeXt-Base）和局部（ResNet-50）特征，同时预测序数分级、标签分布和二元严重性（KL≥2），并采用严格的病人分层划分和零样本迁移与选择性微调策略	外部零样本部署时存在领域差距，导致性能下降，需通过选择性微调来弥补	开发一个可重复且能泛化到不同医疗中心的自动膝关节骨关节炎分级模型	膝关节骨关节炎的X光图像	计算机视觉	骨关节炎	深度学习	CNN	图像	内部数据集（n=8260）和独立中国队列（n=2295）	PyTorch	ConvNeXt-Base, ResNet-50	二次Cohen's kappa, 准确率, AUC	NA
1225	2026-03-18	Deep learning-driven immunohistochemical analysis of renal lymphatics for chronic kidney disease: bioinformatic and histopathological study 2026-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2025.12.15 PMID:41820010	研究论文	本研究开发了一种基于弱监督、注意力机制的多实例学习框架，用于自动检测和量化肾淋巴管密度，以支持慢性肾脏病和高血压肾病的诊断与风险分层	采用聚类约束注意力多实例学习（CLAM）模型，联合执行基于注意力的实例选择和实例级聚类，以区分每个切片内的正负证据，从而生成更具区分性的切片级特征和可解释的注意力图	研究仅基于两个独立内部数据集（来自同济医院），样本量相对有限（CKD 198例，HTN 50例），且仅使用D2-40免疫组化染色的全切片图像	评估一种自动化框架，用于肾淋巴管密度的检测和量化，以替代缓慢、主观的视觉评估方法	慢性肾脏病（CKD）和高血压肾病（HTN）患者的肾活检组织	数字病理学	慢性肾脏病	免疫组化染色（D2-40）、全切片图像数字化	CNN, 多实例学习	图像	CKD 198例，HTN 50例，总计248例肾活检样本	NA	CLAM（聚类约束注意力多实例学习模型）	AUC（接收者操作特征曲线下面积）	NA
1226	2026-03-18	Deep learning-based upsampling of 2D detector array measurements for patient plan verification in radiotherapy 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70358 PMID:41840888	研究论文	本文提出了一种基于深度学习的上采样方法，用于提高放疗患者计划验证中探测器阵列的空间分辨率	利用深度卷积神经网络对探测器阵列测量进行上采样，校正体积平均效应，并在陡峭梯度区域实现比标准双线性插值更好的插值效果	训练数据基于蒙特卡洛模拟生成，可能无法完全覆盖所有临床场景；研究主要针对特定型号探测器（OCTAVIUS Detector 1500）	提高强度调制放射治疗中探测器阵列用于患者计划验证的空间分辨率	放疗治疗计划验证中的二维剂量分布测量	医学影像分析	NA	蒙特卡洛模拟	CNN	二维剂量分布图像	基于蒙特卡洛模拟生成的合成训练数据，覆盖不同直线加速器设置和射野形状	PyTorch	深度卷积架构	伽马指数通过率	NA
1227	2026-03-18	Deep learning in geographic atrophy: rethinking age-related macular degeneration progression and treatment 2026-Feb-28, Annals of translational medicine DOI:10.21037/atm-2026-1-0018 PMID:41835799	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1228	2026-03-18	Real-Time Pond Water Assessment via Embedded Deep Learning and Visual Data Acquisition: A Practical Monitoring Approach for Aquaculture 2026-Feb-24, Journal of visualized experiments : JoVE DOI:10.3791/69744 PMID:41838729	研究论文	本文提出了一种基于嵌入式深度学习和视觉数据采集的实时池塘水质评估系统，用于水产养殖监测	开发了一种集成低成本水下摄像头、树莓派控制器网络和轻量级神经网络的自主水面机器人系统，实现实时水下图像分类和水质评估	系统仅针对五种水质条件进行分类，可能需要进一步扩展类别；方法在其他水产养殖或环境监测场景中的适应性需要验证	设计、部署和操作基于嵌入式深度学习的实时水质监测系统，支持可持续水产养殖实践	观赏鱼（如锦鲤）养殖池塘的水质条件	计算机视觉	NA	水下图像采集、嵌入式系统	深度学习、神经网络	图像	自定义数据集（具体数量未说明）	NA	轻量级神经网络	准确率	树莓派控制器网络、嵌入式系统
1229	2026-03-18	FAST - filamentous actin segmentation tool for quantifying cytoskeletal organization 2026-Feb-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264265 PMID:41614214	研究论文	本文开发了一种基于深度学习的工具FAST，用于从phalloidin染色的共聚焦显微镜图像中准确高效地分割和量化不同类别的肌动蛋白结构	FAST工具能够仅从肌动蛋白图像中量化不同类别的肌动蛋白结构，无需针对不同肌动蛋白结构中蛋白质的特异性抗体	NA	开发一种工具以量化光学显微镜数据中不同类别肌动蛋白结构的大小、丰度和组织	不同细胞系中的肌动蛋白结构，以及药物处理期间使用LifeAct-GFP观察到的肌动蛋白组织动态变化	计算机视觉	癌症转移	phalloidin染色共聚焦显微镜，LifeAct-GFP成像	深度学习	图像	NA	NA	NA	NA	NA
1230	2026-03-18	Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34846-y PMID:41688507	研究论文	本文提出了一种基于深度学习的优化模型，用于最小化D2D毫米波通信中的中断概率和能量消耗	结合Flamingo Elk Herd Optimization（FEHO）和Deep Spiking Neural Network（DSNN）模型，优化中断概率和能量消耗，在平均发射功率和中断概率方面达到39.056 dBm和0.0015的优越性能	未明确说明模型在更复杂无线信道环境或大规模网络中的泛化能力，以及计算资源需求	最小化D2D毫米波通信系统的中断概率和能量消耗，以增强网络覆盖的鲁棒性	D2D毫米波通信系统，包括相干、单簇近似和非相干下界三种覆盖概率机制	机器学习	NA	深度学习优化，模拟仿真	Deep Spiking Neural Network（DSNN）	模拟数据	未明确指定样本数量，基于模拟仿真	未明确指定，可能为自定义框架	Deep Spiking Neural Network（DSNN）	平均发射功率（dBm），中断概率	未明确指定
1231	2026-03-18	Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35147-8 PMID:41690988	研究论文	本文提出了一种基于机器学习的框架，利用高速视频数据预测垂直管上饱和池沸腾过程中的热通量	首次将深度学习模型（如卷积神经网络和目标检测算法）应用于沸腾气泡的动态分析，以自动提取分层和基于物理的特征，并实现原位热通量预测	未明确说明模型在极端或非标准沸腾条件下的泛化能力，且样本大小和具体数据细节未在摘要中详细描述	开发一种自动化、基于学习的方法来预测饱和池沸腾过程中的热通量，以提高设备设计、安全性和可靠性	垂直管上的饱和池沸腾过程，特别是气泡的形成、合并和脱离动态	计算机视觉	NA	高速成像	CNN, 目标检测算法	视频	NA	NA	NA	平均热通量预测误差, 分类准确率	NA
1232	2026-03-18	Assessing conformation validity and rationality of deep learning-generated 3D molecules 2026-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69303-5 PMID:41654558	研究论文	提出一种用于评估AI生成3D分子构象有效性与合理性的两阶段方法，兼顾速度与量子力学精度	结合AI力场与深度学习网络，实现快速且具备量子力学精度的构象异常检测	未明确说明方法在超大规模分子库（如千万级）中的计算效率表现	解决AI生成3D分子构象缺乏有效评估方法的问题	AI生成的3D分子构象	机器学习	NA	密度泛函理论, AI力场	深度学习网络	3D分子构象数据	5个AI模型在102个靶点（Directory of Useful Decoys-Enhanced数据集）上生成的分子	NA	NA	NA	NA
1233	2026-03-18	The potential of optical coherence tomography angiography in progressive multiple sclerosis 2026-Feb-07, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13659-7 PMID:41654639	研究论文	本研究评估了光学相干断层扫描血管成像（OCTA）在进展型多发性硬化（PMS）中作为补充方法的潜力，发现PMS患者的视网膜浅层血管复合体血管密度降低，并与临床残疾程度相关	首次在进展型多发性硬化（PMS）人群中系统评估OCTA的应用价值，并发现血管密度与疾病持续时间及临床残疾程度的相关性	单中心、回顾性、横断面研究设计，样本量有限，需要外部验证和纵向研究进一步证实	评估OCTA在检测和监测进展型多发性硬化患者神经退行性病变中的潜在应用价值	进展型多发性硬化患者（62人，85只眼）和年龄性别匹配的健康对照（43人，64只眼）	数字病理学	多发性硬化	光学相干断层扫描血管成像（OCTA）	深度学习	医学影像（OCTA图像）	149只眼（85只来自62名PMS患者，64只来自43名健康对照）	NA	NA	血管密度（VD）、p值、相关系数（β）	NA
1234	2026-03-18	Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning 2026-Feb-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02399-7 PMID:41654658	研究论文	本研究开发了两种基于几何深度学习的模型，用于实时预测左心室几何形状上的激活时间图，以辅助心脏再同步化治疗（CRT）的术前规划	首次将几何深度学习方法（图神经网络GNN和几何信息神经算子GINO）应用于心脏激活时间预测，并开发了从激活时间图反推最优起搏位点的工作流程	模型在真实世界左心室几何形状上的误差仍达4%左右，且研究尚未进行大规模临床验证	开发快速预测左心室激活时间的方法，为心脏再同步化治疗（CRT）的个性化术前规划提供决策支持	左心室几何形状及其电生理激活特性	几何深度学习	心血管疾病	有限元模拟	GNN, GINO	几何形状数据	基于合成左心室形状、起搏位点配置和组织电导率的大规模数据集	未明确说明	图神经网络（GNN），几何信息神经算子（GINO）	预测误差百分比	未明确说明
1235	2026-03-18	Artificial intelligence in cardiology: an updated systematic review with ethical considerations and challenges in implementing artificial intelligence models 2026-Feb, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004607 PMID:41675877	综述	本文是一篇关于人工智能在心血管医学中应用的系统性综述，重点评估了AI在诊断准确性、效率和预测能力方面的优势，并探讨了伦理考量与实施挑战	该综述不仅总结了AI在心血管诊断（如超声心动图、心电图、CT血管造影）中的最新进展，还特别强调了伦理问题、数据隐私、模型泛化性及临床实施指南等关键挑战，为未来研究提供了综合视角	综述指出，对AI在心血管医学中全面影响的理解仍存在显著空白，包括模型泛化性不足、数据质量问题、潜在算法偏见以及缺乏清晰的临床实施指南	评估人工智能在心血管医学中的影响，探讨其在提升诊断准确性和改善患者预后方面的潜力，并分析相关伦理与实施挑战	心血管医学领域的人工智能应用，特别是诊断工具（如超声心动图、心电图、CT血管造影）和预测分析模型	机器学习	心血管疾病	NA	机器学习, 深度学习	医学影像数据（如超声心动图、CT血管造影）、信号数据（如心电图）	NA	NA	NA	诊断准确性, 预测能力	NA
1236	2026-03-18	Comparison of Deep Learning Architectures for Cardiac Contour Segmentation in Catheterization Radiographs 2026-Feb, Cureus DOI:10.7759/cureus.103341 PMID:41835693	研究论文	本研究比较了U-Net和DeepLabV3两种深度学习架构在心导管X光片上心脏轮廓分割任务中的性能	首次在心脏导管X光片的心脏轮廓分割任务中，对广泛使用的U-Net和DeepLabV3架构进行了直接、系统的性能比较	研究数据来自单一机构，未来需要进行多机构验证；未与基于Transformer的架构进行对比	比较不同深度学习架构在心脏轮廓分割任务中的性能，以提升心脏解剖和功能定量评估的自动化水平	心脏导管X光片中的心脏轮廓	计算机视觉	心血管疾病	心脏导管X光成像	CNN	图像	1717张匿名胸部X光片	NA	U-Net, DeepLabV3	Dice相似系数, IoU, 像素精度	NA
1237	2026-03-18	An Integrated Risk Prediction Model for Gout Using Clinical Data, Ultrasound Features, and Deep Learning: A Retrospective Multicenter Study 2026, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S543363 PMID:41835122	研究论文	本研究开发并验证了一个结合临床数据、超声特征和深度学习预测的痛风风险预测模型	首次将超声特征作为新型风险因素与临床数据和深度学习预测相结合，构建综合风险预测模型	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于两个中心的患者数据	开发并验证一个用于预测痛风风险的集成模型	接受第一跖趾关节超声检查的痛风患者，共609例	数字病理学	痛风	超声成像	深度学习模型	图像, 临床数据	609例患者（训练组355例，内部测试队列162例，外部测试队列92例）	NA	NA	AUC, Brier分数, 校准曲线, 决策曲线分析	NA
1238	2026-03-18	Classifying irritable bowel syndrome using spatio-temporal graph convolution networks on brain functional MRI data 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag062 PMID:41835134	研究论文	本研究利用时空图卷积网络对脑功能磁共振成像数据进行分类，以区分肠易激综合征患者与健康对照组	首次将时空图卷积网络应用于肠易激综合征的脑功能磁共振成像分类，并引入新颖的可解释性模块以识别与疾病相关的关键脑区	样本量相对较小（共158名受试者），且模型在检测功能磁共振成像中细微动态病理变化方面可能仍有局限	开发有效的诊断或预测模型，用于肠易激综合征的脑网络异常检测	肠易激综合征患者和健康对照组的脑功能磁共振成像数据	计算机视觉	肠易激综合征	静息态功能磁共振成像	时空图卷积网络	图像	79名肠易激综合征患者和79名健康对照组，共158名受试者	NA	时空图卷积网络	准确率	NA
1239	2026-03-18	LMP-PM: a lightweight multi-path pruning method for plant leaf disease recognition 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1737464 PMID:41835267	研究论文	本文提出了一种名为LMP-PM的轻量级多路径剪枝方法，用于植物叶片病害识别，旨在平衡模型性能与计算资源需求	提出了一种可配置的轻量级多路径剪枝方法（LMP-PM），能够通过剪枝参数和路径扩展比灵活优化模型，在显著减少参数和FLOPs的同时，可能提升分类准确率	未明确说明方法在更广泛或更复杂病害数据集上的泛化能力，以及剪枝过程对模型鲁棒性的潜在影响	开发一种高效且准确的植物病害识别方法，以适应资源受限的农业实际应用场景	植物叶片病害	计算机视觉	植物病害	深度学习模型剪枝	CNN	图像	Plant Village数据集和AI 2018 Challenger数据集（具体样本数量未在摘要中提供）	未明确说明	OMNet（包含三分支并行模块TBP block），LMNet（经LMP-PM优化后的轻量网络）	准确率	未明确说明
1240	2026-03-18	Advancements and prospects in key technologies for robotic pollination in greenhouse pepper breeding: a review 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1778541 PMID:41835286	综述	本文系统回顾了温室辣椒育种中机器人授粉关键技术的进展与前景	将温室机器人授粉的核心技术问题提炼为目标检测与姿态估计、末端执行器设计以及结合运动控制的授粉策略三个主要领域，并提出了一个集感知、决策与执行于一体的分层架构未来发展方向	当前辣椒机器人授粉技术面临精确花朵检测与姿态估计方法不成熟、专用末端执行器设计有待优化、动态环境下决策系统鲁棒性不足等瓶颈	回顾和评估温室机器人授粉领域的最新技术进展，并展望未来发展方向	温室辣椒育种中的机器人授粉系统	机器人技术，智能农业	NA	机器人视觉感知，运动控制，深度学习	深度学习模型	花朵图像，姿态数据	NA	NA	NA	识别精度，鲁棒性	NA