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
1601	2026-01-23	Machine learning-enabled quantification of hepatocellular necrosis in the liver after lethal Marburg and Ebola virus exposures 2026-Jan-22, The Journal of infectious diseases IF:5.0Q1 DOI:10.1093/infdis/jiag040 PMID:41566943	研究论文	本研究利用深度学习模型对致死性马尔堡病毒和埃博拉病毒暴露后恒河猴肝脏的坏死区域进行像素级定量分析	首次将深度学习模型应用于丝状病毒暴露后肝脏坏死的高分辨率组织病理学定量分析，实现了与三位病理学家相当的观察者间一致性	研究仅使用恒河猴模型，结果向人类临床转化的有效性尚需验证；样本量相对有限	开发并验证一种基于深度学习的自动化方法，用于定量分析丝状病毒感染后肝脏坏死的程度和分布模式	暴露于马尔堡病毒（MARV）和两种埃博拉病毒变体（Makona和Kikwit）的致死性恒河猴模型的肝脏组织	数字病理学	病毒性出血热（丝状病毒感染）	组织病理学切片数字化，深度学习图像分割	深度学习模型	图像（数字化肝脏病理切片）	暴露于三种不同丝状病毒（MARV, EBOV-Makona, EBOV-Kikwit）的致死性恒河猴模型肝脏切片	NA	NA	观察者间变异性（与三位病理学家比较），统计显著性（f值，p值），相关性分析	NA
1602	2026-01-23	Rapid Single-Cell Phenotypic Antifungal Susceptibility Testing on a SlipChip Enabled by Deep Learning 2026-Jan-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07370 PMID:41568544	研究论文	本文介绍了一种集成了SlipChip微流控设备和深度学习图像分析的快速、无标记、单细胞抗真菌药敏测试平台，可在4小时内确定最小抑菌浓度	结合SlipChip微流控技术与深度学习模型（ResNet-34和U-Net），实现了单细胞水平的高通量、快速抗真菌药敏测试，显著缩短了传统方法所需时间	研究中存在一处微小的MIC差异，且未明确说明平台对更广泛真菌种类或复杂临床样本的适用性	开发一种快速、准确的抗真菌药敏测试方法，以加速临床治疗决策	真菌细胞（包括临床分离株）	计算机视觉	真菌感染	微流控技术、明场成像	CNN	图像	10个临床分离株	NA	ResNet-34, U-Net	灵敏度, 分割准确率, 分类一致性	NA
1603	2026-01-23	Effective lung nodule segmentation and classification by employing a SPPUNet model and global context attention-based InceptionV3 2026-Jan-22, Informatics for health & social care IF:2.5Q3 DOI:10.1080/17538157.2025.2611342 PMID:41568943	研究论文	本研究提出了一种结合SPPUNet分割模型和GCAINCPV3分类模型的混合预训练架构，用于肺结节的自动分割与分类，旨在提高肺癌诊断的准确性	采用SPPUNet进行肺区域分割，并结合全局上下文注意力机制的InceptionV3（GCAINCPV3）进行分类，通过数据预处理和增强策略解决了医学图像数据稀缺和类别不平衡问题	研究依赖于公开数据集LUNA16，可能无法完全代表临床实际场景；模型在更广泛或多样化数据上的泛化能力未充分验证	开发一个自动化的肺结节分割与分类系统，以辅助肺癌的早期检测和临床决策	肺CT图像中的结节区域	计算机视觉	肺癌	CT成像	CNN	图像	来自LUNA16数据集的CT肺部图像	NA	SPPUNet, InceptionV3	准确率	NA
1604	2026-01-23	Artificial intelligence-enabled pediatric radiology in low-resource settings: addressing resource constraints in the African healthcare system 2026-Jan-22, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06504-y PMID:41569331	综述	本文探讨了人工智能在非洲资源有限医疗系统中应用于儿科放射学的挑战与机遇	聚焦于非洲资源受限环境，系统分析了AI在儿科放射学应用中的具体障碍，并提出了针对性的解决方案框架	本文为综述性文章，未提供具体的实证研究数据或模型性能验证	分析AI在资源有限地区（特别是非洲）儿科放射学应用中面临的挑战，并提出可行的解决路径	非洲资源受限医疗系统中的儿科放射学服务	医学影像分析	儿科疾病	深度学习	NA	医学影像	NA	NA	NA	NA	高性能计算机、大内存容量
1605	2026-01-23	Deep learning-accelerated 3D flair for white matter lesion detection in multiple sclerosis: a feasibility study 2026-Jan-22, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03889-3 PMID:41569417	研究论文	本研究比较了基于深度学习的图像重建（DLBIR）3D FLAIR与传统3D FLAIR在多发性硬化（MS）患者白质病变检测中的图像质量和诊断性能	首次将DLBIR技术应用于3D FLAIR序列，显著加速MRI采集（减少32%时间）并提高小病变（<3 mm）的检测敏感性和图像质量	样本量较小（26名患者），且需要在更大、更多样化的队列中进行进一步验证	评估DLBIR加速的3D FLAIR序列在多发性硬化患者白质病变检测中的可行性和图像质量	多发性硬化（MS）患者	医学影像分析	多发性硬化	MRI（3D FLAIR序列），深度学习图像重建（DLBIR）	深度学习模型（具体类型未指定）	3D MRI图像	26名多发性硬化患者	NA	NA	敏感性，精确度，表观信噪比（aSNR），表观对比噪声比（aCNR），病变显着性评分，诊断置信度评分	3T MRI扫描仪
1606	2026-01-23	Deep learning methods for 2D material electronic properties 2026-Jan-21, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00155b PMID:41439261	综述	本文综述了深度学习技术在理解和预测二维材料电子结构方面的应用与影响	系统总结了深度学习（包括物理感知模型、生成式AI和逆向设计）在解决二维材料独特计算挑战、预测关键电子特性（如能带结构、态密度和量子输运现象）方面的显著进步，并展望了其在加速新兴量子现象、拓扑、超导性和自主材料探索等发现中的应用	NA	探讨深度学习技术对理解和预测二维材料电子结构的影响	二维材料的电子结构	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
1607	2026-01-23	STF: A Unified Framework for Joint Pixel-Level Segmentation and Tracking of Tissues in Endoscopic Surgery 2026-Jan-21, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3656751 PMID:41564043	研究论文	本文提出了一种用于内窥镜手术中组织像素级分割与跟踪的统一框架STF，通过集成分割引导的跟踪流程和自适应重检测机制，提升长期手术视频分割的鲁棒性	STF框架首次将分割引导的跟踪与自适应重检测机制相结合，通过贝叶斯细化模块增强分割与跟踪的兼容性，在极端条件下实现长期稳定的组织分析	未明确说明框架在多样化手术场景或不同组织类型中的泛化能力，且计算效率可能受复杂机制影响	开发一种能够在内窥镜手术视频中实现长期鲁棒组织分割与跟踪的自动化方法	内窥镜手术视频中的组织区域	计算机视觉	NA	深度学习	CNN	视频	未明确说明	未明确说明	Hough Voting Network	准确性, 时间一致性	NA
1608	2026-01-23	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	本文提出了一种双本体增强的临床决策学习模型（DOCD），用于首次入院患者的死亡率预测，有效解决了缺乏历史就诊序列数据的挑战	通过双本体增强学习从诊断和程序分类法中提取层次表示，并引入先验引导的注意力机制，结合基于概率的正则化来整合临床知识，模拟临床决策过程	NA	开发一种能够准确预测首次入院患者死亡率的模型，以支持早期干预和改善患者预后	首次入院患者，特别是仅有一次就诊记录的患者，包括直接入住ICU的患者	医疗健康预测	多种疾病（基于ICU入院患者）	深度学习，本体增强学习	深度学习模型（具体架构未明确指定，但包含注意力机制）	电子健康记录（EHR），包括人口统计数据、生命体征、诊断和程序代码	基于MIMIC-III和MIMIC-IV数据库，其中MIMIC-IV中55.17%、MIMIC-III中83.80%的患者仅有一次就诊记录	NA	双本体增强学习架构，包含先验引导的注意力机制和信息融合模块	AUROC, AUPRC	NA
1609	2026-01-23	Active Adversarial Noise Suppression for Image Forgery Localization 2026-Jan-21, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3656742 PMID:41564076	研究论文	本文提出一种对抗性噪声抑制模块，用于提升图像伪造定位模型对对抗攻击的鲁棒性	首次在图像伪造定位任务中提出对抗防御方法，通过两阶段训练策略（FFA和MgR）生成防御性扰动以抑制对抗噪声的影响	未明确说明方法在跨数据集或真实场景中的泛化能力，也未讨论防御策略对计算效率的影响	提升图像伪造定位模型对抗对抗攻击的鲁棒性	对抗性噪声干扰下的伪造图像	计算机视觉	NA	对抗攻击防御技术	深度学习模型	图像	未明确说明具体样本数量，但提及使用了反取证数据集	未明确说明	未明确说明基础伪造定位模型架构	伪造定位准确率	未明确说明
1610	2026-01-23	Quantitative assessment of neonatal health using dried blood spot metabolite profiles and deep learning 2026-Jan-21, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.adv4942 PMID:41564154	研究论文	本研究利用新生儿干血斑代谢物谱和深度学习模型，开发了一种基于新生儿筛查的代谢健康指数，用于早产儿不良结局的风险分层	通过深度学习模型结合亚组发现，从新生儿代谢物谱中提取了超越传统孕周和出生体重的风险信号，并建立了可推广的生物风险指标	研究基于回顾性队列，可能受数据偏差影响，且外部验证仅在一个独立队列中进行	开发早产儿风险分层工具，以早期识别并启动最合适的护理路径	早产儿，特别是患有支气管肺发育不良、脑室内出血、坏死性小肠结肠炎和早产儿视网膜病变的新生儿	机器学习	新生儿疾病	新生儿筛查干血斑代谢物分析	深度学习模型	代谢物谱数据	训练集13,536例（12,096病例，1,440对照），外部验证集3,299例（2,117病例，1,182对照）	NA	NA	NA	NA
1611	2026-01-23	AI in nuclear medicine 2026-Jan-21, The British journal of radiology DOI:10.1093/bjr/tqag012 PMID:41564330	综述	本文综述了人工智能在核医学中的应用潜力、当前进展及临床转化挑战	系统性地概述了AI在核医学全流程（从图像采集到临床决策支持）的整合潜力，并特别强调了从研发到临床实施的过渡挑战	指出核医学中极少数AI应用已达到商业成熟阶段，且临床AI应用超越原型阶段的占比很低（约2%）	探讨人工智能如何推动核医学在诊断和治疗方面的进步	核医学中的影像流程及相关临床应用	医学影像	NA	深度学习	卷积神经网络	医学影像	NA	NA	NA	NA	图形处理器
1612	2026-01-23	iMCN: information compression-based multimodal confidence-guided fusion network for cancer survival prediction 2026-Jan-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b46 PMID:41564441	研究论文	本文提出了一种基于信息压缩的多模态置信引导融合网络（iMCN），用于整合全切片图像和基因组数据进行癌症生存预测	提出了自适应病理信息压缩模块和置信引导多模态融合模块，通过可学习信息中心动态聚类图像区域并估计模态置信度，实现动态加权融合	研究仅在TCGA-LUAD和TCGA-BRCA两个队列上进行了评估，未在其他癌症类型或更大规模数据集中验证	开发一种能够有效整合病理图像和基因组数据的多模态深度学习框架，以提升癌症生存预测的准确性	癌症患者（具体为TCGA-LUAD和TCGA-BRCA队列中的肺癌和乳腺癌患者）	数字病理学	肺癌, 乳腺癌	全切片图像分析, 基因组数据分析	深度学习融合网络	图像, 基因组数据	TCGA-LUAD和TCGA-BRCA两个队列的患者样本（具体数量未在摘要中说明）	NA	信息压缩基多模态置信引导融合网络（iMCN），包含自适应病理信息压缩模块和置信引导多模态融合模块	一致性指数	NA
1613	2026-01-23	Homogenization of Northern Belgian landscapes through centuries of reclamation, agricultural transition, and urbanization 2026-Jan-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68594-y PMID:41565659	研究论文	本研究利用深度学习图像分割技术量化了比利时北部地区自1774年至2022年的历史土地利用变化，识别了景观转型的三个连续驱动因素	首次将GeoAI（地理人工智能）应用于历史地图的瓦片化分析，生成了高分辨率、全覆盖的历史土地利用地图，以研究景观转型的规模和速率	研究区域仅限于比利时北部（13,800平方公里），可能无法代表其他地理或文化背景下的景观变化模式	量化长期历史土地利用变化，并识别驱动景观转型的主要因素	比利时北部地区的土地利用变化，包括森林、荒地、沼泽地、潮间带、草地、果园和耕地等	计算机视觉	NA	深度学习图像分割	NA	历史地图图像	覆盖比利时北部13,800平方公里的历史地图瓦片数据	NA	NA	NA	NA
1614	2026-01-23	Object detection on low-compute edge SoCs: a reproducible benchmark and deployment guidelines 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36862-y PMID:41565765	研究论文	本研究对低算力边缘AI SoC上的目标检测模型进行了可复现的基准测试，并提供了部署指南	首次在三种广泛使用的Rockchip SoC上对九个YOLO变体进行了全面且可复现的基准测试，揭示了推理延迟与检测精度（mAP）的强相关性，而非FLOPs或参数量	研究仅针对Rockchip SoC平台，未涵盖其他厂商的边缘AI芯片；测试场景可能未完全覆盖所有实际边缘部署环境	评估和比较低算力边缘SoC上目标检测模型的性能，为实际部署提供指导	九个YOLO变体模型在三种Rockchip SoC上的性能表现	计算机视觉	NA	深度学习目标检测	YOLO系列模型	图像数据	NA	NA	YOLO变体（九个不同版本）	mAP（平均精度均值），推理延迟，能耗每推理	三种Rockchip SoC（低算力边缘AI芯片）
1615	2026-01-23	Annotation-free 3D reconstruction and quantification of retinal microvasculature by RADAR 2026-Jan-21, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02366-2 PMID:41565785	研究论文	本文提出了一种名为RADAR的无标注计算框架，用于光学相干断层扫描血管造影数据的3D分割与量化，以重建和量化视网膜微血管网络	开发了一种无需人工标注的3D分割与量化框架，结合自适应物理感知去噪和拓扑保持中心线提取，实现了复杂血管网络的自动重建	NA	实现视网膜微血管的3D重建与量化，用于监测系统性血管健康	健康个体和早期糖尿病视网膜病变患者的光学相干断层扫描血管造影数据	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管造影	NA	3D图像	NA	NA	NA	NA	NA
1616	2026-01-23	Quality assessment of RNA 3D structure models using deep learning and intermediate 2D maps 2026-Jan-21, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09582-2 PMID:41565789	研究论文	本文介绍了一种基于深度学习的RNA 3D结构模型质量评估方法RNArank，通过预测中间2D图来评估局部和全局准确性	提出RNArank方法，首次结合Y形残差神经网络处理多模态特征，并利用预测的中间2D图（核苷酸间接触图和距离偏差图）进行质量评估，在CASP15和CASP16实验中表现优异	未明确提及方法在特定RNA类型或复杂结构中的局限性，也未讨论计算效率或资源需求	开发一种准确评估预测RNA三维结构模型质量的深度学习方法	预测的RNA三维结构模型	机器学习	NA	深度学习	CNN	结构模型特征、2D图	NA	NA	Y形残差神经网络	局部和全局准确性评估	NA
1617	2026-01-23	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出一种轻量级的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2，用于乳腺癌病理图像检测	设计了一种互惠门控机制，促进两个高效卷积神经网络之间的结构化双向交互，增强互补特征交换并抑制冗余响应	未明确说明模型在计算资源受限环境下的具体部署性能或与其他轻量级模型的全面对比	开发一种计算高效的计算机辅助诊断解决方案，用于乳腺癌检测	乳腺癌病理图像	数字病理学	乳腺癌	深度学习	CNN	图像	NA	NA	SqueezeNet, ShuffleNetV2	多类准确率, 二元准确率	NA
1618	2026-01-23	A self attention based deep learning framework for accurate and efficient dental disease detection in OPG radiographs 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36672-2 PMID:41565856	研究论文	本研究提出了一种基于自注意力的深度学习框架，用于在OPG放射影像中准确高效地检测牙齿疾病	采用Vision Transformer和Swin Transformer等基于Transformer的架构进行牙齿疾病诊断的比较研究，展示了这些架构在牙科影像任务中的有效性	未明确提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足	开发自动诊断系统，以高准确性和低人为错误检测口腔疾病	牙齿疾病	计算机视觉	口腔疾病	深度学习	Transformer	图像	NA	NA	Vision Transformer, Swin Transformer	准确率, 精确率, 召回率	NA
1619	2026-01-23	Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35540-3 PMID:41565887	研究论文	本文提出了一种量子去噪自编码器（QDAE），用于改善视网膜眼底图像质量，以支持早期糖尿病视网膜病变筛查	提出了一种混合量子-经典架构，利用参数化量子电路在潜在空间中增强表示，通过量子叠加和纠缠提升去噪效果和视网膜细节保留	浅层量子电路带来轻微的计算开销，且模型在小型医学数据集上的泛化能力仍需进一步验证	提高视网膜眼底图像的去噪质量，以促进早期糖尿病视网膜病变的准确检测	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	量子计算与深度学习结合	自编码器	图像	基于Diabetic Retinopathy 224×224 (2019)数据集	PyTorch, TensorFlow Quantum	QDAE, CAE, ResNet, DnCNN	PSNR, SSIM, AMI	未明确指定，但涉及量子电路计算，可能使用量子模拟器或量子硬件
1620	2026-01-23	Knowledge graph enhanced cross modal generative adversarial network for martial arts motion reconstruction and heritage preservation 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36095-z PMID:41565884	研究论文	本文提出了一种新颖的知识图谱增强跨模态生成对抗网络（KG-CMGAN），用于传统武术动作重建与文化遗产保护	通过整合结构化领域知识与先进深度学习架构，首次将知识图谱引入武术动作重建，实现了视觉、文本和序列表示的跨模态对齐，显著提升了动作的文化真实性和语义一致性	研究仅针对六种中国传统武术风格进行验证，未涵盖其他武术流派或更广泛的文化遗产形式	开发一种能够捕捉武术复杂多维特性并保护其非物质文化传承的端到端解决方案	传统武术动作的视觉、文本和序列数据	计算机视觉	NA	生成对抗网络（GAN）、知识图谱构建、跨模态对齐	GAN	图像、文本、序列数据	涉及六种中国传统武术风格的数据集	NA	知识图谱增强跨模态生成对抗网络（KG-CMGAN）	关节位置误差、知识一致性得分	NA