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
1641	2026-01-30	Development and validation of a deep learning-based emergency triage model: a feasibility and effectiveness study 2026-Jan-28, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01489-9 PMID:41606477	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1642	2026-01-30	Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation 2026-Jan-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70237 PMID:41607039	研究论文	本研究使用主动学习的nnU-Net模型，在自由呼吸的四维动态MRI上自动分割上气道，并量化分析不同张口状态下的形态学动态变化	首次将主动学习的nnU-Net应用于自由呼吸的四维动态MRI上气道自动分割，减少了手动标注工作量，并系统量化了张口呼吸对上气道形态动态变化的影响	样本量相对有限（84名成人，内部测试集18人），且研究对象均为无阻塞性睡眠呼吸暂停的成年人，结果可能无法推广到OSA患者群体	开发自动分割方法以量化上气道在呼吸过程中的动态形态变化，并探究张口状态、性别及睡眠相关症状对上气道形态的影响	无阻塞性睡眠呼吸暂停的成年人（84人，其中28名男性，56名女性，年龄18-80岁，33人有睡眠相关呼吸症状）	数字病理学	阻塞性睡眠呼吸暂停	自由呼吸时间分辨成像与交错随机轨迹序列（TWIST）的四维动态MRI	nnU-Net	四维动态MRI图像	84名成年人（训练集68人，固定验证集4人，内部测试集18人）	nnU-Net	nnU-Net	Dice系数	NA
1643	2026-01-30	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	本研究提出了两种基于生物物理动力学的蛋白质语言模型SeqDance和ESMDance，用于预测蛋白质动态特性和突变效应	首次将分子动力学模拟和简正模式分析获得的动态生物物理特性融入蛋白质语言模型训练，突破了传统模型仅依赖序列和静态结构的局限	模型训练数据来源于64,000多个蛋白质的计算模拟结果，可能无法完全覆盖所有蛋白质类型的动态特性	开发能够捕捉蛋白质动态特性的深度学习模型，以更准确地预测突变对蛋白质功能的影响	蛋白质序列及其动态生物物理特性	自然语言处理	NA	分子动力学模拟，简正模式分析	蛋白质语言模型	蛋白质序列，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance（基于ESM2）	零样本预测性能	NA
1644	2026-01-30	Benchmarking the geographic generalization of deep learning models for precipitation downscaling 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34557-4 PMID:41593162	研究论文	本文通过RainShift数据集和基准测试，评估了深度学习模型在降水降尺度任务中的地理泛化能力	引入了RainShift数据集和基准，首次系统评估了降尺度模型在地理分布偏移下的泛化性能，并探讨了领域适应等改进策略	模型在分布外区域性能显著下降，即使扩展训练域也难以完全克服地理差异，且高分辨率观测数据在全球分布不均	评估深度学习降水降尺度模型的地理泛化能力，以促进高分辨率气候信息的全球公平获取	地球系统模型（ESM）的输出数据，以及全球不同地理区域的降水观测数据	机器学习	NA	深度学习降尺度	GAN, 扩散模型	气候数据	NA	NA	NA	NA	NA
1645	2026-01-30	Sustainable design of organic solar cells utilized machine and deep learning 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35067-7 PMID:41593236	研究论文	本研究通过SCAPS-1D模拟和人工智能模型，对有机太阳能电池的结构进行优化和性能预测	结合详细物理模拟与人工智能预测模型（CNN和SVR），优化有机太阳能电池设计并预测其性能，以支持可持续发展目标	模拟基于一维模型，可能未完全反映三维实际器件中的复杂效应；人工智能模型的训练数据来源于模拟结果	优化有机太阳能电池的设计以提高其功率转换效率，并利用人工智能预测性能，推动清洁能源技术的可持续发展	具有ITO/PEDOT:PSS/PBDB-T:IT-M/PFN-Br/Al结构的有机太阳能电池	机器学习	NA	SCAPS-1D太阳能电池模拟器	CNN, SVR	模拟的结构参数与性能数据	NA	NA	卷积神经网络，支持向量回归	预测准确性	NA
1646	2026-01-30	Advancements in the detection of invasive water hyacinth (Eichhornia crassipes): a critical review of monitoring techniques for aquatic ecosystem management 2026-Jan-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-14979-x PMID:41593392	综述	本文系统回顾了2012年至2025年间关于利用机器学习、深度学习和遥感等技术检测与监测入侵物种水葫芦的研究进展	首次系统性地从检测技术、数据集和性能评估指标三个维度，对水葫芦监测领域的研究进行了全面梳理，并识别了2023-2025年间深度学习模型应用增长等关键趋势	现有研究在数据集可用性和评估指标标准化方面存在不足	为水生入侵物种的环境监测提供方法学参考，促进研究一致性和制定可扩展的监测策略	入侵物种水葫芦（Eichhornia crassipes）	机器学习和遥感技术	NA	机器学习、深度学习、遥感、混合方法	NA	遥感数据等	分析了74篇同行评议文章	NA	NA	NA	NA
1647	2026-01-30	An attention based optimized network for the classification of skin lesions 2026-Jan-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31220-w PMID:41588030	研究论文	提出了一种结合深度学习和优化技术的新型优化网络，用于皮肤病变分类	将RegNetY032模型与改进的分类头作为主干架构，集成软注意力模块以有效识别和优先处理显著病变特征，并采用Harris-Hawks优化算法进行超参数优化	未在摘要中明确说明	开发一种自动化的皮肤病变分类方法，以辅助早期诊断和及时治疗	皮肤病变图像	计算机视觉	皮肤癌	皮肤镜检查	CNN	图像	HAM10000基准数据集	未在摘要中明确说明	RegNetY032	准确率	未在摘要中明确说明
1648	2026-01-30	Fast cardiac magnetic resonance (CMR) protocol for biventricular functional assessment and tissue characterisation 2026-Jan-26, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134197 PMID:41605334	研究论文	本研究比较了传统标准心脏磁共振协议与基于深度学习重建的快速协议，旨在缩短扫描时间同时保持图像质量和功能测量准确性	提出了一种结合深度学习重建（Sonic DL bSSFP cine和2D多段PSIR LGE with AIR Recon DL）的快速心脏磁共振协议，显著缩短总扫描时间近60%	研究样本量有限（100例患者），且患者群体以男性为主（78%），可能影响结果的普遍适用性	评估快速心脏磁共振协议在图像质量、功能测量、心肌表征和扫描时间方面的表现，以促进临床常规应用	已知或疑似心肌疾病的连续患者	数字病理学	心血管疾病	心脏磁共振（CMR），包括bSSFP cine和PSIR LGE序列	深度学习重建模型	磁共振图像	100例连续患者（78%男性，平均年龄52±16岁，平均BMI 25.0±4.3 kg/m²）	NA	Sonic DL, AIR Recon DL	Likert评分（图像质量），心室大小、功能、左心室质量测量，扫描时间比较	NA
1649	2026-01-30	SpatialDINO: A Self-Supervised 3D Vision Transformer that enables Segmentation and Tracking in Crowded Cellular Environments 2026-Jan-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.31.697247 PMID:41509489	研究论文	本文介绍了一种名为SpatialDINO的自监督3D视觉Transformer方法，用于在拥挤的细胞环境中实现分割和跟踪	SpatialDINO是一种完全自动化的自监督方法，基于改进的DINOv2训练原生3D视觉Transformer，无需体素标注或重新训练即可从单通道显微镜图像中生成鲁棒的语义特征图，支持跨成像条件和模态的对象检测与分割	方法在训练时使用了小规模共聚焦体积数据集，可能限制其在更广泛场景下的泛化能力；自监督方法可能对某些特定对象类别的检测精度有限	开发一种自监督的3D视觉Transformer方法，以解决拥挤细胞环境中低对比度、各向异性、单色图像体积中对象识别、分割和跟踪的难题	拥挤细胞内环境中的不同大小和形状的物体，如网格蛋白包被小坑、网格蛋白包被囊泡、内体、溶酶体、细胞质膜、细胞核以及MRI扫描中的肿瘤	计算机视觉	NA	活细胞荧光3D晶格光片显微镜、共聚焦显微镜、MRI扫描	Vision Transformer	3D图像	小规模共聚焦体积数据集，涵盖不同大小和形状的目标	NA	DINOv2（改进版本）	NA	NA
1650	2026-01-30	Deep learning outperformed radiomics based on MRI in the differentiation of sinonasal small round cell and non-small round cell malignant tumors 2026-Jan-25, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112700 PMID:41604786	研究论文	本研究比较了基于MRI的深度学习和放射组学模型在区分鼻腔鼻窦小圆细胞恶性肿瘤与非小圆细胞恶性肿瘤中的诊断性能	首次将深度学习模型（特别是ResNet-34）与放射组学模型在鼻腔鼻窦恶性肿瘤的MRI分类任务中进行直接比较，并发现基于CE-T1WI的ResNet-34模型表现最佳	研究为回顾性设计，样本量相对有限（325例），且深度学习与放射组学模型在独立测试集上的性能差异未达到统计学显著性	比较深度学习和放射组学模型在术前MRI上区分鼻腔鼻窦小圆细胞与非小圆细胞恶性肿瘤的诊断性能	经病理证实的鼻腔鼻窦恶性肿瘤患者（163例小圆细胞恶性肿瘤和162例非小圆细胞恶性肿瘤）	计算机视觉	鼻腔鼻窦恶性肿瘤	MRI（T1加权成像、T2加权成像、对比增强T1加权成像）	CNN	图像	325例患者	NA	ResNet-18, ResNet-34, ResNet-50, VGG13, VGG16	AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
1651	2026-01-26	An efficient dual path deep learning framework for COVID-19 classification using lung CT scans with explainable AI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33178-1 PMID:41580460	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1652	2026-01-30	Machine learning-based models for preoperative prediction of pituitary adenoma consistency: a systematic review and meta-analysis 2026-Jan-24, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-026-06775-w PMID:41580565	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	首次对机器学习模型在术前预测垂体腺瘤一致性方面的诊断性能进行了系统性的定量综合与荟萃分析	需要未来进行多中心研究，采用标准化成像和外部验证以优化临床转化	综合评估基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	垂体腺瘤患者	机器学习	垂体腺瘤	MRI	Extra Trees, Random Forest, Support Vector Machine, k-Nearest Neighbors, Logistic Regression, Artificial Neural Network, 深度学习混合架构	图像	1621名患者	NA	NA	AUC, 准确率, 灵敏度, 特异度, 诊断比值比	NA
1653	2026-01-30	IKDP: Implicit Knowledge Enhanced Disease Prediction via heterogeneous admission sequence graphs 2026-Jan-24, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103365 PMID:41604873	研究论文	本文提出了一种通过异构入院序列图增强的隐式知识疾病预测模型（IKDP），用于改进电子健康记录（EHR）建模中的疾病预测	利用异构入院序列图（SeqGs）捕获隐式知识，整合辅助预训练策略和端到端优化，以处理多维患者数据并计算患者间相似性作为补充知识	未明确提及具体局限性，但可能涉及模型对数据完整性的依赖或计算资源需求	提高电子健康记录（EHR）建模中疾病预测的准确性，通过隐式知识增强来表征复杂疾病关系和入院轨迹	电子健康记录（EHR）中的患者入院数据，包括多维度信息和序列图	机器学习	NA	深度学习，序列图构建，隐式知识提取	NA	电子健康记录（EHR）数据，序列图	NA	NA	NA	NA	NA
1654	2026-01-30	Deep learning-derived CT body composition enhances survival risk stratification beyond the TNM system in locally advanced gastric cancer: a multi-modality cohort study 2026-Jan-23, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004835 PMID:41570290	研究论文	本研究利用深度学习模型从CT图像中提取身体成分指标，结合代谢组学和免疫代谢分析，评估其在局部晚期胃癌预后分层中的作用	首次将深度学习衍生的CT身体成分指标与血浆代谢组学和肿瘤免疫代谢特征相结合，揭示了内脏与皮下脂肪比率作为超越TNM分期的预后生物标志物的潜力	回顾性单中心研究，样本量有限，代谢组学和免疫分析仅覆盖部分患者亚组	评估CT身体成分指标在局部晚期胃癌预后分层中的价值，并探索其与代谢和免疫特征的关联	227名接受根治性胃切除术的局部晚期胃癌患者	数字病理学	胃癌	CT成像，质谱分析，免疫组织化学，35色流式细胞术	深度学习	CT图像，血浆代谢组学数据，肿瘤免疫代谢数据	227名患者（其中86名进行血浆代谢组学分析，40名进行肿瘤免疫代谢分析）	NA	UNet++	一致性（r2），风险比，似然比检验，AIC变化值	NA
1655	2026-01-30	A concentration detection model combining frequency-domain physical priors and deep learning: For SO2 and NO mixed gas under NH3 interference 2026-Jan-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127513 PMID:41605085	研究论文	本研究提出了一种结合频域物理先验与深度学习的混合浓度检测模型，用于在NH3干扰下检测SO2和NO混合气体浓度	通过频域物理先验（带通滤波层）分离目标气体频带，并设计并行双输出网络结构结合高效通道注意力机制，增强了关键特征提取能力	未明确提及模型在更广泛气体干扰或实际复杂环境下的泛化性能	解决SO2和NO在NH3干扰下紫外吸收光谱重叠导致的浓度检测难题	SO2、NO和NH3混合气体	机器学习	NA	紫外吸收光谱分析	深度学习	光谱数据	通过拉丁超立方采样生成多样化浓度组合数据	NA	并行双输出网络结构（含高效通道注意力机制）	检测限（SO2: 0.25 ppm, NO: 0.26 ppm）、不确定度（SO2: 1.25%, NO: 1.30%）	NA
1656	2026-01-30	Diagnostic Performance of Deep Learning and Radiomics in Extracranial Carotid Plaque Detection: Systematic Review and Meta-Analysis 2026-Jan-22, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77092 PMID:41570300	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，定量评估了深度学习和影像组学在诊断颅外颈动脉斑块方面的诊断效能	首次对深度学习和影像组学在颅外颈动脉斑块检测中的诊断准确性进行了系统性的定量综合与比较，并建立了标准化的评估框架	研究结果存在高异质性，回归分析未能识别显著的异质性来源，且合格研究数量有限，限制了更全面的亚组分析；缺乏多中心研究和外部验证	定量探索深度学习和影像组学对颅外颈动脉斑块的诊断效能，并建立一个标准化的框架以改进斑块检测	颅外颈动脉斑块	医学影像分析	心血管疾病	影像组学，深度学习	深度学习模型，基于影像组学的机器学习模型	医学影像	40项研究，共17246名患者	NA	NA	敏感性，特异性，SROC曲线下面积	NA
1657	2026-01-30	MS-MDDNet: A Lightweight Deep Learning Framework for Interpretable EEG-Based Diagnosis of Major Depressive Disorder 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020363 PMID:41594339	研究论文	本文提出了一种轻量级深度学习框架MS-MDDNet，用于基于EEG信号的可解释性重度抑郁症诊断	提出了一种结合空间、时间和深度可分离卷积的轻量级CNN模型，并采用集成方法，提高了计算效率和泛化鲁棒性，同时通过伽马能量与学习特征的相关分析实现可解释性	未明确提及具体局限性，但可能包括对特定数据集依赖或未在更广泛临床环境中验证	开发一种高效、可解释的深度学习框架，用于基于EEG信号的重度抑郁症自动诊断	基于EEG信号的重度抑郁症患者	机器学习	重度抑郁症	脑电图	CNN	EEG信号	三个公共数据集（MODMA、MUMTAZ和PRED + CT），具体样本量未明确	未明确指定，但基于深度学习框架	MS-MDDNet（自定义CNN架构，包含空间、时间和深度可分离卷积及平均池化）	准确率	未明确指定
1658	2026-01-30	Domain Shift in Breast DCE-MRI Tumor Segmentation: A Balanced LoCoCV Study on the MAMA-MIA Dataset 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020362 PMID:41594338	研究论文	本研究探讨了中心相关的域偏移对乳腺癌DCE-MRI肿瘤分割的影响，使用平衡的留一中心交叉验证方法评估模型性能	提出了平衡的留一中心交叉验证协议，以分离中心相关效应与样本量效应，揭示模型在未见中心上的性能下降	研究仅基于MAMA-MIA数据集，可能未涵盖所有类型的域偏移；模型性能在未见中心上显著下降，表明泛化能力有限	调查中心相关的域偏移如何影响自动化乳腺癌DCE-MRI肿瘤分割，并评估模型在未见中心上的性能	乳腺癌DCE-MRI图像中的肿瘤分割	计算机视觉	乳腺癌	动态对比增强MRI	CNN	图像	多中心MAMA-MIA数据集，包含ISPY2、DUKE、NACT三个中心组	NA	3D U-Net	Dice相似系数, 95th百分位Hausdorff距离, 灵敏度, 特异性	NA
1659	2026-01-30	Hybrid Dual-Context Prompted Cross-Attention Framework with Language Model Guidance for Multi-Label Prediction of Human Off-Target Ligand-Protein Interactions 2026-Jan-22, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27021126 PMID:41596767	研究论文	本文提出了一种名为HDPC-LGT的混合双上下文提示交叉注意力框架，用于预测与抗生素毒性相关的人类翻译相关蛋白的配体结合，以准确识别药物脱靶作用	结合了基于图的化学推理、蛋白质语言模型嵌入和结构先验知识，以捕获具有生物学意义的配体-蛋白质相互作用，并引入了双上下文提示和交叉注意力机制	NA	准确识别药物脱靶作用，以降低毒性并提高药物发现管道的成功率	与抗生素毒性临床相关的16种人类翻译相关蛋白的配体结合	机器学习	NA	深度学习，图神经网络，蛋白质语言模型	Transformer, Graph Transformer	化学结构数据，蛋白质生物学数据，多目标上下文数据	216,482个经过实验验证的配体-蛋白质对，来自ChEMBL和BindingDB数据库	NA	Graph Transformer, Cross-Attention Transformer	macro ROC-AUC, micro F1-score	NA
1660	2026-01-30	Corn Kernel Segmentation and Damage Detection Using a Hybrid Watershed-Convex Hull Approach 2026-Jan-22, Foods (Basel, Switzerland) DOI:10.3390/foods15020404 PMID:41597005	研究论文	本研究提出了一种结合改进分水岭算法、凸包缺陷检测与SVM分类器的混合计算机视觉方法，用于粘连玉米籽粒的精确分割与损伤检测	提出W&C-SVM混合方法，通过改进分水岭算法（Sobel梯度和欧几里得距离变换）解决传统方法过分割问题，并仅需50张图像训练SVM分类器，为工业场景提供低成本小样本解决方案	方法在严重粘连籽粒的分离效果未与更多先进深度学习方法进行对比，且仅使用50张图像训练可能限制模型在更复杂场景的泛化能力	开发适用于工业质量控制的玉米籽粒自动分割与损伤检测方法	玉米籽粒（特别是粘连籽粒）及其机械损伤	计算机视觉	NA	图像处理与机器学习	SVM	图像	50张训练图像，独立测试集	未明确说明（可能为OpenCV, Scikit-learn）	改进分水岭算法（Sobel梯度+欧几里得距离变换）+凸包缺陷检测	损伤检测准确率	NA