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
1661	2026-03-14	NRSeg: Noise-Resilient Learning for BEV Semantic Segmentation via Driving World Models 2026-Mar-12, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3671686 PMID:41817979	研究论文	本文提出了一种名为NRSeg的噪声鲁棒学习框架，用于提升鸟瞰图语义分割在自动驾驶中的性能，通过利用驾驶世界模型生成的合成数据增强数据多样性	提出了视角-几何一致性度量来评估生成数据的指导能力，设计了双分布并行预测机制以增强模型鲁棒性，并引入了分层局部语义排除模块来处理BEV分割任务中的非互斥性问题	未明确说明合成数据生成的具体噪声类型及其对模型影响的详细分析，也未讨论框架在极端天气或复杂交通场景下的泛化能力	提升自动驾驶系统中鸟瞰图语义分割的鲁棒性和性能，特别是在无监督和半监督学习场景下	自动驾驶场景中的鸟瞰图语义分割任务	计算机视觉	NA	驾驶世界模型生成合成数据	深度学习模型	图像数据（BEV语义分割数据）	使用公开nuScenes数据集进行测试，具体样本数量未明确说明	PyTorch（根据代码仓库链接推断）	未明确指定具体基础架构，但包含PGCM、BiDPP、HLSE等自定义模块	mIoU（平均交并比）	未明确说明具体GPU类型或云平台
1662	2026-03-14	Evaluation of Deep Learning-Based Event Detection for Parameter Estimation During Complex Walking in Parkinson's Disease 2026-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3673610 PMID:41818008	研究论文	本研究评估了一种基于惯性传感器和深度学习的事件检测方法，用于在帕金森病患者的复杂行走任务中量化步态参数	提出了一种结合时间卷积网络（TCN）进行步态事件检测和Gaitmap函数进行轨迹重建与参数提取的集成处理流程，用于量化复杂行走任务（如转弯、起步和终止步态）的时空参数	研究未明确说明样本量是否足够代表不同疾病阶段的帕金森病患者，且方法在复杂行走任务中的误差略高于稳态步态	开发并评估一种可靠的方法，以量化帕金森病患者在复杂行走任务中的步态参数，超越传统的稳态步态分析	帕金森病患者的行走数据，包括稳态步态、转弯、起步和终止步态	机器学习	帕金森病	惯性传感器（IMU）数据采集与处理	TCN	时间序列数据（来自惯性传感器）	NA	NA	时间卷积网络（TCN）	平均误差（时间误差≤1-7 ms，空间误差≤2.3-2.9 cm），相关系数（r≥0.95）	NA
1663	2026-03-14	A Deep Learning Approach for Dynamic Modeling of Stimulated Raman Scattering in Chalcogenide Microstructured Optical Fibers 2026-Mar-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670396 PMID:41818024	研究论文	本文提出了一种基于混合神经网络的深度学习框架，用于快速精确预测硫系微结构光纤中受激拉曼散射的动态行为	首次利用混合神经网络捕捉非线性脉冲传播中的复杂时空依赖性，显著加速了受激拉曼散射的建模过程，并首次在2微米直接泵浦悬浮芯AsS微结构光纤中成功生成了中红外受激拉曼散射	模型验证仅基于硫系微结构光纤的特定实验数据集，可能未涵盖所有光纤类型或非线性光学现象	开发一种高效的深度学习方法来替代传统计算密集型方法，以建模受激拉曼散射在微结构光纤中的动态行为	硫系微结构光纤中的受激拉曼散射现象	机器学习	NA	受激拉曼散射，中红外光谱分析	混合神经网络	光学模拟数据，实验数据	基于特定硫系微结构光纤实验的数据集	NA	混合神经网络	速度加速比（与SSFM相比），准确性，泛化能力	GPU，CPU
1664	2026-03-14	HyperSynergyX: Synergistic Drug Combination Prediction via Hypergraph Modeling and Knowledge Graph-Enhanced Retrieval-Augmented Generation 2026-Mar-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3673550 PMID:41818020	研究论文	本文提出了一种名为HyperSynergyX的可解释框架，用于预测和解释三药协同作用，结合超图建模和知识图谱增强的检索增强生成技术	该研究创新性地将超图上的双偏置随机游走与知识图谱增强的检索增强生成模块结合，实现了协同药物组合的预测与机制解释的集成	NA	加速多药物发现并支持精准肿瘤学中的合理治疗方案设计	乳腺癌和肺癌的药物组合数据	机器学习	乳腺癌, 肺癌	超图建模, 张量分解, 知识图谱增强的检索增强生成	双偏置随机游走, 深度学习基线	药物组合数据	NA	NA	DBRWH, KG-RAG	AUROC, AUPRC	NA
1665	2026-03-14	AeroGPT: Leveraging Large-Scale Audio Model for Aero-Engine Bearing Fault Diagnosis 2026-Mar-12, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3668256 PMID:41818025	研究论文	本文提出了一种名为AeroGPT的新框架，利用大规模音频模型进行航空发动机轴承故障诊断，通过振动信号对齐和生成式故障分类直接生成可解释的故障标签	首次将大规模音频模型知识迁移到航空发动机轴承故障诊断领域，结合振动信号对齐和生成式故障分类，实现了无需后处理的交互式、可解释诊断	未明确说明模型在更广泛或噪声环境下的泛化能力，且可能依赖特定数据集	开发一种基于大规模音频模型的航空发动机轴承故障诊断方法，提高诊断准确性和可操作性	航空发动机轴承	机器学习	NA	振动信号分析	大规模音频模型	音频数据，振动信号	两个航空发动机轴承数据集：DIRG数据集和HIT轴承数据集	NA	AeroGPT	准确率	NA
1666	2026-03-14	CT-based hybrid deep learning-radiomics framework for predicting postoperative rebleeding in hypertensive intracerebral hemorrhage 2026-Mar-12, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2026-0052 PMID:41818817	研究论文	本研究开发了一个基于CT的混合深度学习-影像组学框架，用于预测高血压性脑出血患者术后再出血风险	提出了一种结合影像组学特征、深度学习表示和常规临床参数的混合架构，以提高个性化预测性能	需要进一步在更广泛的临床环境中进行模型优化和验证	增强高血压性脑出血患者术后再出血风险的个体化预测	高血压性脑出血患者	数字病理学	心血管疾病	CT成像	深度学习	图像	151名患者（训练集105人，验证集46人）	NA	混合深度学习-影像组学框架	AUC	NA
1667	2026-03-14	Evaluation of KU-F40 automated microscope for parasitology: when artificial intelligence meets old school microscopy 2026-Mar-11, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00743-25 PMID:41665376	研究论文	本研究评估了KU-F40自动化粪便分析仪在寄生虫学诊断中的性能，结合自动化显微镜和深度学习人工智能技术	首次在广泛寄生虫种类上评估KU-F40自动化粪便分析仪的性能，结合自动化显微镜和深度学习AI进行寄生虫检测与识别	性能尚不足以作为阴性结果自动验证的筛查工具，缺乏10倍放大物镜，数据库寄生虫种类有限	评估KU-F40自动化粪便分析仪在肠道寄生虫感染诊断中的性能	比利时六家临床实验室的267份临床粪便样本及外部质量控制样本	数字病理学	肠道寄生虫感染	自动化显微镜检查，深度学习人工智能	深度学习模型	显微镜图像	267份临床粪便样本	NA	NA	灵敏度，特异性	NA
1668	2026-03-14	AI-Based Personalized Therapy With Clinical Intelligence and Radiomics (SPOILS) for Patients With Low Back Pain: Prospective Observational Study 2026-Mar-11, JMIR AI DOI:10.2196/83322 PMID:41812081	研究论文	本研究开发了一个名为SPOILS的人工智能决策支持工具，结合临床智能和影像组学为腰痛患者生成个性化治疗方案	首次将深度学习自动分割、影像组学特征提取与机器学习算法相结合，用于腰痛患者的个性化治疗规划，解决了传统手动分级的主观性和变异性问题	研究为前瞻性观察性研究，需要进一步随机对照试验验证临床效果；样本量未明确说明；未提及外部验证结果	开发人工智能决策支持工具，为腰痛患者提供个性化治疗方案	腰痛患者	医学影像分析	腰痛/腰椎退行性疾病	磁共振成像	深度学习, 机器学习	医学影像	NA	NA	DeepLabV3+, ResNet50, MobileNetV2	准确率, 精确率, 召回率, Dice系数, 交并比	NA
1669	2026-03-14	Quantum-inspired deep learning model for organic municipal solid waste classification toward a circular bioeconomy 2026-Mar-11, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129331 PMID:41818969	研究论文	本文提出了一种名为Quantum BioNet 2.0的混合量子-经典深度学习模型，用于有机城市固体废物的细粒度分类，以支持循环生物经济	提出了一种结合ResNet50特征提取、经典密集层和八量子比特变分量子电路的混合量子-经典框架，通过特征融合进行决策，在细粒度有机废物分类上超越了现有卷积模型	模型尚未在大规模、多区域数据集上进行验证，也未在实际操作环境中进行实时部署的可行性测试	提高有机城市固体废物的分类精度，以支持源头分离和自动化废物分拣系统，促进资源回收和可持续废物管理	有机城市固体废物图像	计算机视觉	NA	NA	混合量子-经典深度学习模型	图像	从多个公共来源收集并整理的9000张废物图像	NA	ResNet50, InceptionResNetV2, InceptionV3, MobileNetV2, DenseNet121	准确率, AUC	NA
1670	2026-03-14	Design of an optimal planning framework for cryosurgical treatment of brain tumor using CNN segmentation of MRI images 2026-Mar-11, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2026.105619 PMID:41819035	研究论文	本研究提出了一种集成方法，用于基于MRI图像的脑肿瘤冷冻手术术前规划，结合了深度学习分割、聚类优化和生物热模拟	整合了2D U-Net进行MRI图像分割、多种空间探针放置策略（K-Medoids聚类、高斯混合模型、气泡打包算法）以及基于有限元法的生物热模拟，以优化脑肿瘤冷冻手术规划	研究基于二维MRI数据，可能未完全捕捉三维肿瘤几何形状；模拟依赖于理论模型，未进行临床验证	开发一个优化的脑肿瘤冷冻手术术前规划框架，确保肿瘤完全覆盖同时最小化对健康组织的损伤	不规则形状的脑肿瘤	数字病理学	脑肿瘤	MRI成像	CNN	图像	NA	NA	U-Net	NA	COMSOL Multiphysics（用于有限元模拟）
1671	2026-03-14	Optimizing solar and wind forecasting with iHow optimization algorithm and multi-scale attention networks 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39632-y PMID:41803197	研究论文	本文提出了一种结合深度学习和元启发式优化的混合框架，用于提高风能和太阳能发电预测的准确性和计算可扩展性	提出了基于人类认知阶段启发的iHow优化算法（包括二进制版biHOW和连续版iHOW），并将其与多尺度注意力网络（MSAN）相结合，用于特征选择和超参数调优	未明确说明模型在不同地理区域或极端天气条件下的泛化能力，也未讨论计算资源消耗的具体细节	开发智能且可扩展的可再生能源预测框架，解决输入特征维度高和超参数设置敏感的问题	风能和太阳能发电预测	机器学习	NA	时间序列预测	深度学习	时间序列数据	NA	NA	多尺度注意力网络（MSAN）	均方误差（MSE），平均误分类率	NA
1672	2026-03-14	Nanopore direct RNA sequencing for RNA modification analysis: workflow assessment and computational tool benchmarking 2026-Mar-10, Advanced biotechnology DOI:10.1007/s44307-025-00093-5 PMID:41806147	综述	本文全面概述了牛津纳米孔技术（ONT）在RNA修饰分析中的应用，评估了其工作流程并基准测试了相关的计算工具	系统性地评估了ONT直接RNA测序用于RNA修饰检测的完整工作流程，并对多种计算工具（包括统计模型、机器学习、深度学习及大语言模型策略）进行了基准测试，特别针对m6A和假尿苷（Ψ）进行了跨数据集分析	测序错误率较高、数据和计算需求大、多修饰联合推断复杂，以及不同工具检测结果存在显著差异	评估纳米孔直接RNA测序技术在RNA修饰分析中的工作流程性能，并对相关计算工具进行基准测试	RNA修饰（特别是m6A和假尿苷）	生物信息学	NA	牛津纳米孔直接RNA测序	统计模型, 机器学习, 深度学习, 大语言模型	纳米孔测序信号数据	两个公开可用的数据集	NA	NA	NA	NA
1673	2026-03-14	Integrative spatial profiling pipeline for determining TME architectures in archival clinical specimens using CmTSA superplex technology 2026-Mar-10, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-026-00874-9 PMID:41807362	研究论文	本文开发了一种结合HOC-FD技术和CmTSA超多重技术的空间分析平台，用于在存档临床样本中分析肿瘤微环境（TME）的架构，并提出了一个基于计算机视觉和RNN分析的计算流程来提取和量化空间特征	开发了混合光化学荧光淬灭（HOC-FD）技术，整合了自发荧光淬灭与循环多重酪酰胺信号放大（CmTSA），能够在FFPE组织中同时标记30-60个生物标志物，并具有超高信噪比；同时，提出了一个集成的计算机视觉流程，结合深度学习细胞分割和半径约束邻域网络（RNN）分析，用于定义和验证TME中的功能性生态位	未明确提及样本量以外的具体局限性，但暗示从原始像素级输出中提取空间特征在技术上仍具有挑战性	克服在存档临床样本中进行空间转录组学和蛋白质组学分析的局限性，以可视化并量化肿瘤微环境（TME）中的多细胞功能状态和空间架构	存档的福尔马林固定石蜡包埋（FFPE）组织样本，特别是人类结肠癌和宫颈癌标本	数字病理学	结肠癌, 宫颈癌	混合光化学荧光淬灭（HOC-FD），循环多重酪酰胺信号放大（CmTSA），超多重成像，空间蛋白质组学	深度学习	图像（超多重成像数据）	人类结肠癌和宫颈癌标本（具体数量未明确说明）	NA	NA	准确性，可靠性	NA
1674	2026-03-14	Artificial Intelligence enabled fouling prediction and effect of adsorbent sources in submerged fluidized bed ceramic membrane reactor for food industry wastewater treatment 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124260 PMID:41819202	研究论文	本研究应用浸没式流化床陶瓷膜反应器处理食品工业废水，并构建了基于深度学习的膜污染预测模型	首次在浸没式流化床陶瓷膜反应器中结合多种循环神经网络模型（RNN、LSTM、BiLSTM、GRU）预测膜污染，并采用蒙特卡洛Dropout进行不确定性量化	未明确说明模型在不同水质条件下的泛化能力，且本地购买的活性炭有机去除率较低	开发一种环境可持续的食品工业废水处理方法，并预测和控制膜污染	食品工业废水处理过程中的膜污染现象	机器学习	NA	X射线衍射、傅里叶变换红外光谱分析	RNN, LSTM, BiLSTM, GRU	时间序列数据	NA	NA	RNN, LSTM, BiLSTM, GRU	R值, 误差	NA
1675	2026-03-14	Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124220 PMID:41819208	研究论文	本文开发了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习技术，用于预测巴基斯坦不同气候区域的干旱动态	整合了多尺度SPI指数、Köppen-Geiger气候分类和深度学习模型，首次在巴基斯坦半干旱和沿海沙漠区域进行长期和短期干旱预测的对比分析	研究主要基于降水数据，可能未充分考虑其他气候变量如温度、湿度等对干旱的影响，且模型在极端气候事件下的预测性能有待进一步验证	开发一种先进的干旱风险预测模型，以支持城市韧性建设和可持续水资源治理	巴基斯坦不同气候区域的干旱动态	机器学习	NA	标准化降水指数（SPI）分析、深度学习预测	RNN, LSTM, BiLSTM, CNN-LSTM, SVM	气候数据、降水数据	NA	NA	RNN, LSTM, BiLSTM, CNN-LSTM	NA	NA
1676	2026-03-14	MolVE: An Open-Source Web Platform for Visualizing and Evaluating AI-Designed Molecules to Aid in Prioritization 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02412 PMID:41667067	研究论文	本文介绍了一个名为MolVE的开源网络平台，用于可视化和评估AI设计的分子，以辅助专家进行优先级排序	开发了一个开源、基于网络的平台，支持异步、分布式和协作的分子评估，结合了安全用户认证、数据集管理和交互式2D/3D可视化	NA	旨在通过一个网络平台促进AI设计分子的有效评估和专家协作	AI设计的分子结构	机器学习	NA	NA	NA	分子结构数据	NA	NA	NA	NA	Docker容器化部署，支持在学术和工业环境中可扩展部署
1677	2026-03-14	SwinSite: 3D Structure-Based Prediction of Protein-Ligand Binding Sites Using a Combined Vision Transformer and Convolution Model 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02734 PMID:41717955	研究论文	本文提出了一种名为SwinSite的深度学习框架，用于基于蛋白质三维结构预测配体结合位点	结合3D卷积神经网络和分层视觉Transformer模块的混合架构，通过体素化蛋白质结构并利用移位窗口自注意力机制，有效捕捉局部几何特征和长程依赖关系	NA	准确识别蛋白质-配体结合位点以支持基于结构的药物发现	蛋白质三维结构	计算生物学	NA	深度学习	CNN, Transformer	三维网格数据	NA	NA	SwinSite	NA	NA
1678	2026-03-14	ChemTorch: A Deep Learning Framework for Benchmarking and Developing Chemical Reaction Property Prediction Models 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02645 PMID:41735237	研究论文	本文介绍了一个名为ChemTorch的开源深度学习框架，旨在简化和标准化化学反应属性预测模型的开发、实验、超参数调优和基准测试	提出了一个统一的深度学习框架ChemTorch，通过模块化管道、标准化配置和内置数据分割器，解决了现有软件生态系统碎片化问题，促进了模型的可重用性、公平比较和可重复性	NA	开发一个用于化学反应属性预测模型基准测试和开发的深度学习框架	化学反应属性预测模型，特别是能垒高度预测	机器学习	NA	深度学习	NA	化学反应数据	使用RDB7数据集	PyTorch	NA	NA	NA
1679	2026-03-14	Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset 2026-Mar-08, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103132 PMID:41818939	研究论文	本研究提出了一种基于深度学习的方法，利用表面肌电图信号区分上斜方肌的肌筋膜触发点，为肌筋膜疼痛综合征的诊断提供了概念验证	首次使用一维卷积神经网络分析表面肌电图信号来识别肌筋膜触发点，并比较了不同损失函数和干预前后信号的效果	样本量较小（仅22名受试者），需要更大规模的研究进行验证	探索表面肌电图信号是否包含足够信息用于区分肌筋膜触发点	健康对照组和肌筋膜疼痛患者的上斜方肌表面肌电图信号	机器学习	肌筋膜疼痛综合征	表面肌电图	CNN	信号数据	22名受试者（9名健康对照，13名患者），共279个收缩段	NA	1D CNN	ROC-AUC, 准确率	NA
1680	2026-03-14	Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial 2026-Mar-07, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116668 PMID:41819026	研究论文	本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，并评估其在CAIRO3试验中对预后和维持治疗益处的预测价值	首次在转移性结直肠癌中，通过自动化深度学习分割模型量化肿瘤数量和总体积，探索其作为维持治疗预测生物标志物的潜力	这是一项探索性分析，样本量相对较小（104名患者），且仅针对肝和/或肺转移患者，结果需在更大规模研究中验证	评估肿瘤负荷（通过肿瘤数量和总体积量化）对转移性结直肠癌患者预后和维持治疗益处的预测价值	来自CAIRO3试验的转移性结直肠癌患者，具体为肝和/或肺转移患者	数字病理学	结直肠癌	深度学习分割模型	深度学习模型	医学影像	104名患者，共3989个转移性病灶	NA	NA	p值	NA