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
121	2026-02-07	Ultrasound elastic modulus reconstruction using a deep learning model trained with simulated data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.017001 PMID:39916991	研究论文	本文开发并验证了一种基于深度学习的超声弹性成像逆问题求解方法，用于从超声测量的位移场中重建弹性模量的空间分布	提出了一种基于U-Net的深度学习神经网络，通过数据驱动模型解决超声弹性成像中的逆问题，利用模拟数据进行训练，避免了传统方法对大量真实测量数据的依赖	模拟数据的多样性和代表性对模型泛化能力至关重要，可能在实际应用中受到模拟与真实数据差异的限制	解决超声弹性成像中传统逆问题技术计算量大、对噪声敏感或依赖完整位移场数据的局限性	超声弹性成像中的位移场数据及对应的弹性模量分布	医学影像分析	NA	超声弹性成像	深度学习	模拟位移场数据、体模实验数据、临床数据	未明确具体样本数量，但包括模拟数据、体模实验和临床数据	未明确指定，但基于U-Net架构	U-Net	均方误差, 平均绝对百分比误差, 模量比, 对比噪声比	NA
122	2026-02-07	Vision transformer distillation for enhanced gastrointestinal abnormality recognition in wireless capsule endoscopy images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014505 PMID:39916992	研究论文	本文提出了一种基于知识蒸馏的深度学习框架，利用CNN教师模型指导ViT学生模型，以增强无线胶囊内窥镜图像中胃肠道异常的识别能力	首次将知识蒸馏技术应用于CNN与ViT的结合，用于WCE图像分析，通过注意力机制和深度可分离卷积提升特征提取效率	研究仅基于公开数据集（Kvasir和KID），未在更大规模或更多样化的临床数据上进行验证	开发计算机视觉辅助系统，以自动化识别WCE图像中的胃肠道异常，减轻医生手动检查负担	无线胶囊内窥镜图像中的正常与异常区域，以及出血与非出血病例	计算机视觉	胃肠道疾病	无线胶囊内窥镜成像	CNN, ViT	图像	基于Kvasir和KID两个公共数据集的图像（具体数量未明确说明）	未明确指定，可能为PyTorch或TensorFlow	Vision Transformer, 结合注意力机制和深度可分离卷积的CNN	准确率	未明确说明
123	2026-02-07	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本文提出了一种名为TrioTrain的新方法，用于扩展DeepVariant在非人类物种（如牛、牦牛和野牛）中的变异检测能力，以克服基于人类基因组训练的深度学习模型的局限性	提出了首个多物种DeepVariant模型，通过TrioTrain方法自动化扩展模型至缺乏GIAB参考资源的物种，并利用区域重排技术优化SLURM集群计算	受限于动物基因组中不完美的真实标签数据	评估基于人类基因组训练的深度学习模型在其他物种中的局限性，并开发适用于多物种的通用变异检测算法	牛、牦牛、野牛以及人类基因组（如HG002）	生物信息学	NA	变异检测，三代测序数据分析	深度学习模型	基因组测序数据	使用牛、牦牛和野牛的三联体（父母-子代）数据进行训练，共构建了30个模型迭代	TensorFlow	DeepVariant, DeepTrio	孟德尔遗传错误率, SNP F1分数	基于SLURM的集群
124	2026-02-07	A CNN-CBAM-BIGRU model for protein function prediction 2024-01-01, Statistical applications in genetics and molecular biology IF:0.8Q3 DOI:10.1515/sagmb-2024-0004 PMID:38943434	研究论文	本文提出了一种结合CNN、CBAM和BiGRU的深度学习模型，用于从蛋白质氨基酸序列预测其功能	创新性地将卷积注意力模块（CBAM）与双向门控循环单元（BiGRU）结合，以增强特征提取和长程依赖捕获能力	未明确说明模型在更广泛物种或更大规模数据集上的泛化能力，以及计算效率的详细分析	提高基于蛋白质序列的功能预测准确性	人类和酵母的蛋白质序列	生物信息学	NA	深度学习	CNN, BiGRU	蛋白质氨基酸序列	NA	NA	CNN-CBAM-BiGRU	准确率	NA
125	2026-02-07	Deep learning models to map osteocyte networks can successfully distinguish between young and aged bone 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.20.572567 PMID:38187546	研究论文	本研究探索应用深度学习和计算机视觉技术，自动分割和测量骨细胞连接组学，以区分年轻和衰老小鼠的骨骼	首次将深度学习模型（特别是Attention U-Net）应用于骨细胞网络（LCN）的自动化分割与测量，实现了比传统手动方法更高效、客观的分析	模型对骨细胞树突状突起的分割准确率（42.1%）仍有待提高，需要进一步开发以提升性能	开发自动化工具以研究骨细胞网络的形态变化，并区分年轻与衰老骨骼的差异	小鼠骨骼中的骨细胞及其在骨陷窝-小管网络（LCN）中的连接结构	计算机视觉	老年性疾病	高分辨率显微镜成像	CNN, Transformer	图像	年轻（2月龄）和衰老（36月龄）小鼠的骨骼样本	NA	U-Net, Vision Transformer, Attention U-Net	分割准确率（骨细胞81.8%，树突状突起42.1%）	NA
126	2026-02-07	Joint EANM/SNMMI guideline on radiomics in nuclear medicine : Jointly supported by the EANM Physics Committee and the SNMMI Physics, Instrumentation and Data Sciences Council 2023-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-06001-6 PMID:36326868	指南	本指南提供了核医学中稳健放射组学分析的最佳实践信息，涵盖手工和基于深度学习的方法	作为首个由EANM和SNMMI联合支持的核医学放射组学指南，它整合了当前最佳实践，并特别关注手工方法，同时为未来深度学习应用预留更新空间	指南主要基于现有共识，对深度学习方法覆盖有限，需待更多研究达成共识后更新，且虽适用于多数医学影像模态，但重点在核医学	为核医学中的放射组学分析提供标准化指南，促进研究质量和可重复性	核医学影像数据，包括PET/CT、PET/MR和定量SPECT	放射组学	NA	放射组学分析	NA	医学影像	NA	NA	NA	NA	NA
127	2026-02-06	An enhanced diabetes prediction using an improved hybrid deep learning algorithm with mountain gazelle optimizer 2026-Jun, Journal of diabetes and metabolic disorders IF:1.8Q4 DOI:10.1007/s40200-025-01844-w PMID:41641400	研究论文	提出了一种基于改进混合深度学习算法和山地瞪羚优化器的糖尿病预测框架	结合CatBoost算法、CNN和Bi-LSTM的混合深度学习架构，并利用山地瞪羚优化器进行超参数调优	仅使用Pima印度糖尿病数据集，样本规模有限，未在更广泛或多样化的数据集上验证	提高糖尿病预测的准确性和诊断效率	糖尿病患者的医疗数据	机器学习	糖尿病	深度学习	CNN, Bi-LSTM	结构化医疗数据	Pima印度糖尿病数据集（具体样本数未明确）	NA	CNN, Bi-LSTM	准确率, 精确率, 召回率, F1分数	NA
128	2026-02-06	SERS-based deep learning approach for early detection of gestational diabetes mellitus 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127472 PMID:41547262	研究论文	本研究提出了一种结合表面增强拉曼光谱（SERS）与深度学习的新策略，用于妊娠期糖尿病（GDM）的早期快速筛查	首次将SERS技术与融合PCA-CNN的深度学习模型相结合，用于GDM的早期诊断，实现了高精度、快速且样本需求量小的检测	未明确说明研究样本的具体来源、多样性或潜在的批次效应，也未提及模型在外部验证集上的泛化性能	开发一种快速、准确且临床适用的早期妊娠期糖尿病筛查方法	孕妇血清样本	机器学习	妊娠期糖尿病	表面增强拉曼光谱（SERS），基于银纳米颗粒（Ag NPs）的基底	CNN	光谱数据（一维SERS光谱）	未在摘要中明确说明具体样本数量	NA	融合PCA-CNN模型（主成分分析结合一维卷积神经网络）	准确率，灵敏度，特异性	NA
129	2026-02-06	A research on applying the diffusion model algorithm for Infrared and Raman spectroscopy data augmentation to improve the accuracy of diseases 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127466 PMID:41558273	研究论文	本研究提出了一种基于扩散模型的光谱数据生成方法，用于增强红外和拉曼光谱数据，以提高疾病诊断的准确性	通过分别编码时间和类别标签信息，并结合多头注意力机制，在多尺度上提取光谱的整体形态和局部细微特征，在反向重建阶段基于隐式建模估计噪声分布，并利用交叉注意力在不同标签下生成不同类别的光谱，实现了条件约束下的精确去噪和特征谱峰位置等信息的渐进重建	NA	克服光谱数据样本量有限、噪声干扰和设备变异性等挑战，提高深度学习模型在疾病诊断中的泛化性能和准确性	甲状腺疾病和系统性红斑狼疮（SLE）的红外和拉曼光谱数据	机器学习	甲状腺癌, 系统性红斑狼疮	红外光谱, 拉曼光谱	扩散模型	光谱数据	NA	NA	EfficientNet, MLP, Transformer	皮尔逊相关系数, 准确率	NA
130	2026-02-06	Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study 2026-Apr, Addictive behaviors IF:3.7Q1 DOI:10.1016/j.addbeh.2026.108624 PMID:41610630	研究论文	本研究探讨了利用被动收集数据（如加速度计、心率、呼吸频率、屏幕使用和GPS数据）通过深度学习模型预测或检测重度抑郁症患者酒精使用的效果	首次在重度抑郁症患者中，结合被动收集的多模态数据，评估深度学习模型对酒精使用的预测能力，并对比了时间模式基线	模型性能与仅使用星期几作为预测因子的基线模型相当，表明被动数据的附加价值有限，且样本仅来自特定抑郁症研究队列	评估被动数据在预测或检测重度抑郁症患者酒精使用方面的有效性	300名临床诊断为重度抑郁症的个体	机器学习	重度抑郁症	被动数据收集（加速度计、心率、呼吸频率、屏幕使用、GPS）	深度学习模型	时间序列传感器数据	300名重度抑郁症患者，为期90天的纵向研究	未明确指定	未明确指定	AUC	未明确指定
131	2026-02-06	A Gravity-Informed Spatiotemporal Transformer for Human Activity Intensity Prediction 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625859 PMID:41150240	研究论文	提出一种融合物理定律的深度学习框架Gravityformer，用于预测人类活动强度	首次将万有引力定律融入Transformer注意力机制，以物理约束优化空间交互建模，并提出了并行时空图卷积Transformer架构	未明确说明模型在极端稀疏数据或非常规城市结构中的泛化能力	提升人类活动强度预测的准确性与可解释性	人类时空活动数据	机器学习	NA	深度学习	Transformer, 图卷积网络	时空序列数据	六个大规模真实世界活动数据集	NA	Gravityformer（基于Transformer与图卷积的混合架构）	定量评估指标（具体未列明）	NA
132	2026-02-06	Joint Sparse Optical Flow Estimation and Keypoint Detection via Dual-task Imperative Learning 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3627192 PMID:41171660	研究论文	提出一种新颖的双任务强制学习框架，联合优化稀疏光流估计与自适应关键点检测，以解决深度学习光流方法在可解释性、泛化能力和部署效率方面的挑战	采用双任务强制学习框架，结合期望最大化（EM）范式和高斯-牛顿推理引擎，实现稀疏光流估计与关键点检测的协同优化，在超紧凑模型参数下提升性能	仅使用200个训练图像对进行训练，可能限制模型在更大规模或更复杂场景下的泛化能力	解决深度学习光流估计在可解释性、泛化能力和部署效率方面的局限性，特别是在视觉里程计等需要稀疏点跟踪的应用中	稀疏光流估计和关键点检测任务	计算机视觉	NA	深度学习	CNN	图像	200个训练图像对	NA	NA	端点误差, F1-all, 视觉里程计轨迹精度	NA
133	2026-02-06	Revisiting Transformation Invariant Geometric Deep Learning: An Initial Representation Perspective 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3626735 PMID:41171655	研究论文	本文提出了一种名为TinvNet的简单通用插件，通过设计变换不变且保持距离的初始点表示，为几何数据（如点云和图）实现变换不变性	研究发现变换不变且保持距离的初始点表示足以实现变换不变性，无需复杂的神经层设计，从而提出了一种简单通用的插件方法TinvNet	未在摘要中明确说明	研究几何深度学习中的变换不变性问题，旨在设计能够保持对平移、旋转、缩放等变换不变性的模型	几何数据，包括点云和图	机器学习	NA	NA	图神经网络（GNN），变换不变神经网络（TinvNet）	点云，图	NA	NA	NA	NA	NA
134	2026-02-06	OoDBench+: Quantifying and Understanding Two Dimensions of Out-of-Distribution Generalization 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3628027 PMID:41182941	研究论文	本文提出并量化了两种分布偏移类型（多样性偏移和相关性偏移），以评估和提升深度学习模型在分布外泛化任务中的性能	首次形式化定义并量化了分布外泛化中的多样性偏移和相关性偏移，并证明了算法性能受这两种偏移的上界限制	研究主要基于分类和目标检测数据集，可能未覆盖所有类型的分布偏移场景	深入理解分布外泛化问题中的两种关键分布偏移类型，并建立量化评估基准	深度学习模型在分布外数据上的泛化能力	机器学习	NA	NA	NA	图像数据	NA	NA	NA	NA	NA
135	2026-02-06	Criteria for Keratoconus Progression: A Systematic Review of Diagnostic Test Accuracy 2026-Mar-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004020 PMID:41247279	系统综述	本文系统综述了用于定义圆锥角膜进展的诊断标准准确性	首次系统评估了多种圆锥角膜进展诊断标准的准确性，并比较了复合指标与单点测量的性能	纳入研究数量有限（15项），且主要为回顾性研究，可能存在偏倚风险	评估用于定义圆锥角膜进展的诊断标准的准确性	圆锥角膜患者	NA	圆锥角膜	NA	NA	NA	3547只眼睛（来自2654名患者）	NA	NA	灵敏度, 特异度, 诊断比值比	NA
136	2026-02-06	Deep Learning With Data Privacy via Residual Perturbation 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637239 PMID:41296949	研究论文	本文提出了一种基于随机微分方程的残差扰动方法，用于在深度学习中保护数据隐私	通过向ResNet的每个残差映射注入高斯噪声，该方法在保证差分隐私的同时，减少了泛化差距，并在计算效率和效用维护上优于现有的差分隐私随机梯度下降方法	NA	研究在深度学习中保护数据隐私的方法，旨在减少隐私保护机制对模型效用和计算效率的负面影响	深度学习模型，特别是ResNet架构	机器学习	NA	随机微分方程，高斯噪声注入	ResNet	NA	NA	NA	ResNet	NA	NA
137	2026-02-06	Deep Tabular Representation Corrector 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637810 PMID:41308107	研究论文	提出一种名为TRC的深度表格表示校正器，用于在不修改原始模型参数的情况下增强任何已训练深度表格模型的表示能力	提出模型无关的表示校正方法，通过表格表示重估计和表格空间映射两个任务联合优化，解决了表示偏移和表示冗余问题	未在论文摘要中明确说明	提升深度表格机器学习模型的表示能力	表格数据	机器学习	NA	深度学习方法	Transformer, ResNet	表格数据	NA	NA	Transformer, ResNet	NA	NA
138	2026-02-06	Physics-Driven Neural Compensation for Electrical Impedance Tomography 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3639647 PMID:41336161	研究论文	提出了一种名为PhyNC的无监督深度学习框架，用于解决电阻抗断层扫描中的逆问题病态性和灵敏度分布不均问题	结合EIT物理原理，通过动态分配神经表示能力到低灵敏度区域，实现准确且平衡的电导率重建	未明确提及具体限制，但暗示传统方法忽略灵敏度变化，而监督深度学习方法需要大量数据且泛化能力不足	解决电阻抗断层扫描中的逆问题病态性和空间变化灵敏度分布挑战，提升重建精度和鲁棒性	电阻抗断层扫描图像重建	医学影像	NA	电阻抗断层扫描	深度学习	模拟数据和实验数据	NA	NA	NA	细节保留和伪影抵抗能力	NA
139	2026-02-06	Comparative Analysis of Deep Learning-Based Algorithms for Peptide Structure Prediction 2026-Mar, Proteins IF:3.2Q2 DOI:10.1002/prot.70049 PMID:41047732	研究论文	本研究比较了AlphaFold2、RoseTTAFold2和ESMFold等深度学习算法在肽三维结构预测中的性能	首次系统性地将最新的深度学习蛋白质结构预测方法应用于肽结构预测，并识别了影响预测质量的结构特征	所有方法在肽结构预测上的整体性能低于蛋白质结构预测，且某些情况下生成的肽结构需谨慎使用	评估深度学习算法在肽三维结构预测中的有效性，并比较不同方法的性能	肽的三维结构预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	NA	NA	AlphaFold2, RoseTTAFold2, ESMFold	预测准确性	NA
140	2026-02-06	Association of echocardiographic findings with mortality: human assessment vs. automated deep learning analysis 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf148 PMID:41640420	研究论文	本研究比较了基于AI的超声心动图分析与人类专家解读在预测住院患者一年死亡率方面的表现	首次在真实世界环境中，将商业AI软件（Us2.ai）的超声心动图分析与人类专家解读进行对比，并评估它们与临床结局（一年死亡率）的关联性，特别是发现结合自动左心室应变分析后，AI模型在预测死亡率上优于人类分析	研究为回顾性设计，样本量相对有限（731名患者），且仅使用单一商业AI软件，可能限制结果的普适性	评估AI与人类专家在超声心动图分析上的相关性，并比较它们在预测一年死亡率方面的性能	住院患者（731名，平均年龄68±16岁，46%女性）的超声心动图数据	数字病理学	心血管疾病	超声心动图成像	深度学习	图像	731名住院患者的超声心动图数据	NA	NA	AUC	NA