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
1741	2026-03-16	Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8950 PMID:41381352	研究论文	本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在检测多发性硬化症脊髓病变中的诊断性能，并与传统MRI序列进行比较	首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量	样本量较小（仅38名患者），且未评估该技术在不同疾病阶段或亚型中的泛化能力	评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病变检测中的诊断性能	38名多发性硬化症或临床孤立综合征患者的脊髓MRI图像	数字病理学	多发性硬化症	3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列	深度学习去噪模型	MRI图像	38名患者	NA	NA	病变计数、检测置信度、图像质量评分、对比噪声比、组间一致性	NA
1742	2026-03-16	Unsupervised multimodal surface registration with geometric deep learning 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103821 PMID:41101194	研究论文	本文提出了一种名为GeoMorph的新型几何深度学习框架，用于皮质表面的图像配准	提出了一种结合图卷积和深度离散配准的两阶段几何深度学习框架，并通过基于循环神经网络的深度条件随机场实现正则化，以确保平滑且生物学合理的形变	NA	开发一种无监督多模态皮质表面配准方法	皮质表面	计算机视觉	NA	几何深度学习	图卷积网络, 循环神经网络	图像	NA	PyTorch	GeoMorph	对齐精度, 形变平滑度	NA
1743	2026-03-16	Characterizing and Evaluating Mental Health Misinformation on Social Media: A Qualitative and Deep Learning-Based Study 2026-Jan, Cyberpsychology, behavior and social networking DOI:10.1177/21522715251403844 PMID:41354555	研究论文	本研究提出一个结合定性分析和深度学习的集成框架，用于自动检测和评估社交媒体上的心理健康错误信息	通过专家访谈和扎根理论开发了一个21级细粒度可信度评估框架，并构建了高质量的中文社交媒体数据集，用于训练和评估深度学习模型	所有三种模型在评估证据质量和检测依赖上下文的错误信息方面面临挑战	自动检测和评估社交媒体上的心理健康错误信息，以提高在线心理健康信息的可信度	中文社交媒体帖子	自然语言处理	NA	NA	GRU, BERT, RoBERTa	文本	814个中文社交媒体帖子	NA	GRU, BERT, RoBERTa	NA	NA
1744	2026-03-16	NeuroMorphFusion: A Neuro-Inspired Hybrid Learning Framework for Interpretable Deep Lesion Detection in IoT-Enabled Healthcare Systems 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251391080 PMID:41816805	研究论文	本文提出了一种名为NeuroMorphFusion的神经启发混合学习框架，用于在物联网医疗系统中进行可解释的深度病灶检测	结合了生物启发的学习与数学建模，集成了轻量级ResNet18、脉冲神经网络和形态学注意力机制，并采用半监督强化学习策略和遗传算法优化，以提高可解释性和计算效率	未明确提及研究的具体局限性	在资源受限的边缘设备上实现高诊断准确性、可解释性和计算效率的病灶检测	CT扫描中的病灶检测	计算机视觉	肺癌	CT扫描	CNN, SNN	图像	使用IQ-OTHNCCD肺癌CT数据集，具体样本数量未明确提及	TensorFlow, PyTorch (未明确指定，但基于常见深度学习框架推断)	ResNet18, VGG16, SqueezeNet, MobileNetV3	分类准确率, 敏感性, 计算延迟, 可解释性	Jetson Nano
1745	2026-03-16	An interpretable vibration-enhanced BRB model for rolling bearing fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342757 PMID:41824424	研究论文	本研究提出了一种新颖的振动增强信念规则库模型，用于滚动轴承故障诊断，旨在解决传统模型处理连续信号的局限性	提出了一种振动增强信念规则库模型，通过窗口特征提取方法将连续振动信号映射到规则匹配空间，并结合证据推理算法和投影协方差矩阵自适应进化策略进行优化，增强了模型的可解释性和小样本条件下的适用性	模型在真实世界轴承故障诊断中的有效性可能受限于特定数据集和条件，且未明确讨论模型在大规模工业环境中的泛化能力	开发一种可解释且适用于小样本条件的滚动轴承故障诊断方法	滚动轴承的故障诊断	机器学习	NA	窗口特征提取方法，能量矩阵表示	信念规则库模型	连续振动信号	使用了凯斯西储大学和华中科技大学的轴承数据集	NA	振动增强信念规则库模型	NA	NA
1746	2026-03-16	Evaluating chemical effects on human neural cells through calcium imaging and deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111298 PMID:39634567	研究论文	本研究利用深度学习模型分析人类诱导多能干细胞来源的神经祖细胞在暴露于不同浓度化学物质后的钙离子动态变化，以评估化学物质对人类神经细胞的影响	结合钙成像技术与深度学习平台，开发了一种可靠且简洁的定量分类方法，用于预测化学暴露对人类神经细胞的潜在危害	仅测试了四种代表性化学物质，样本范围有限，且未涵盖所有可能的神经毒性机制	开发一种高效的方法，用于化学物质对人类神经功能影响的初步筛选	人类诱导多能干细胞来源的神经祖细胞	机器学习	NA	钙成像	深度学习模型	钙离子动态变化数据	暴露于四种代表性化学物质不同浓度的人类神经祖细胞样本	NA	NA	NA	NA
1747	2026-03-16	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-11, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	本研究利用深度学习方法，在AlphaFold蛋白质结构数据库中检测和分类了所有结构域，构建了“结构域百科全书”，揭示了蛋白质宇宙中的结构多样性	通过深度学习在AlphaFold数据库中检测到近3.65亿个结构域，比序列方法多出超过1亿个，并发现了超过1万个新的结构超家族间相互作用及数千个新折叠	未明确提及具体局限性，但可能包括深度学习模型的泛化能力、结构预测的准确性以及对未知结构域的识别挑战	探索蛋白质宇宙中的结构多样性，并构建一个全面的结构域分类数据库	AlphaFold蛋白质结构数据库中的超过2.14亿个预测蛋白质结构及其结构域	生物信息学	NA	深度学习	深度学习模型	蛋白质结构数据	超过2.14亿个预测蛋白质结构，涵盖超过100万个分类群	NA	NA	NA	NA
1748	2026-03-16	Anatomically plausible segmentations: Explicitly preserving topology through prior deformations 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103222 PMID:38936222	研究论文	提出一种名为TEDS-Net的医学图像分割网络，通过使用学习到的拓扑保持场来变形先验知识，从而在保持分割性能的同时确保解剖结构的拓扑正确性	首次将拓扑保持场与先验变形结合，并引入离散域中的额外修改来严格强制拓扑保持，解决了传统深度学习方法中常见的拓扑错误问题	仅在开源心脏数据集上进行了验证，尚未在其他器官或疾病类型上测试其泛化能力	开发能够生成解剖学上合理且拓扑正确的医学图像分割方法	医学心脏图像（单结构和多结构分割）	数字病理学	心血管疾病	深度学习分割	CNN	医学图像	NA	PyTorch	TEDS-Net	拓扑保持性、分割性能（与传统SOTA方法对比）	NA
1749	2026-03-16	The opportunities and challenges posed by the new generation of deep learning-based protein structure predictors 2023-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102543 PMID:36807079	综述	本文综述了新一代基于深度学习的蛋白质结构预测工具的影响、机遇与挑战	探讨了基于深度学习的新一代蛋白质结构预测工具带来的科学和技术挑战及未来方向	NA	概述新一代蛋白质结构预测工具对生命科学领域的影响并讨论其机遇与挑战	蛋白质结构预测工具及其在生命科学中的应用	机器学习	NA	深度学习	NA	蛋白质序列	NA	NA	NA	NA	NA
1750	2026-03-16	Subcortical segmentation of the fetal brain in 3D ultrasound using deep learning 2022-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119117 PMID:35331871	研究论文	本研究开发了一种基于深度学习的卷积神经网络，用于从3D胎儿超声图像中自动分割皮层下结构	采用少样本学习方法，仅使用少量手动标注数据（n=9）训练CNN，实现了接近观察者内部变异性的分割性能，并生成了妊娠中期特定结构的超声特异性生长曲线	手动标注数据稀缺且获取成本高，超声图像存在软组织对比度低、斑点噪声和阴影伪影等挑战	通过自动分割3D胎儿超声图像中的皮层下结构，量化其体积发育，为妊娠监测提供重要诊断信息	胎儿大脑的脉络丛、侧脑室后角、透明隔腔及小脑	医学影像分析	胎儿发育	3D超声成像	CNN	3D超声图像	手动标注样本9个，弱标注样本278个	NA	NA	分割性能接近观察者内部变异性	NA
1751	2026-03-16	Improving speaker diarization for naturalistic child-adult conversational interactions using contextual information 2020-02, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0000736 PMID:32113327	研究论文	本文分析了影响儿童-成人对话互动中说话人日志性能的上下文因素，并训练了一个结合这些因素的DNN来改进日志性能	通过识别影响每种日志错误类型的上下文因素，并将这些因素与日志输出结合训练DNN，以改进在临床环境中儿童-成人互动的说话人日志性能	NA	改进在自然主义儿童-成人对话互动中的说话人日志性能	儿童与成人（照顾者/检查者）之间的对话互动	自然语言处理	NA	深度学习	DNN	音频	NA	NA	NA	NA	NA
1752	2026-03-15	Applied immunoinformatics in modern vaccine design: a comprehensive review of available computational tools 2026-Apr-02, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2026.128392 PMID:41747335	综述	本文全面综述了现代疫苗设计中可用的免疫信息学计算工具，涵盖了从病原体靶点识别到疫苗候选物优化的全流程	系统梳理了超过250种计算工具，并强调了从纯预测模型向生成式框架的范式转变，即利用人工智能和深度学习进行疫苗候选物的理性设计	作为综述文章，未提出新的原创工具或算法，主要基于现有文献进行归纳总结	为疫苗研发人员提供当前最可靠、高性能的免疫信息学工具资源概览，加速疫苗设计流程	疫苗设计流程中的计算工具与算法	计算生物学	NA	免疫信息学	深度学习, 人工智能	基因组数据, 结构数据	NA	NA	NA	NA	NA
1753	2026-03-15	Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology 2026-Apr, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105160 PMID:41616992	综述	本文综述了人工智能与多组学在乳腺癌中的融合，旨在革新诊断、预后评估和精准肿瘤学	整合多组学数据与影像、病理及临床变量，利用深度学习架构学习共享和模态特异性表示，以提高预测准确性	存在跨中心异质性、端点定义不一致、真实世界工作流中模态结构性缺失、跨平台标准化不足、可解释性和可审计性有限以及缺乏前瞻性验证等障碍	推动多模态人工智能与多组学整合在乳腺癌管理中的可靠临床部署	乳腺癌	机器学习	乳腺癌	多组学分析（包括基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学）	深度学习	多组学数据、影像、病理、临床变量	NA	NA	NA	NA	NA
1754	2026-03-15	A novel few-shot meta-learning strategy for fault diagnosis of wastewater treatment process 2026-Apr, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2026.02.016 PMID:41741308	研究论文	本文提出了一种结合原型网络与增强TimesBlock模块的新型小样本故障诊断框架，用于污水处理过程的故障诊断	设计了基于XGBoost重要性分析的Meta-TimesBlock来自适应加权多维时间序列特征，引入了参数高效的MetaLearner模块以降低计算复杂度，并采用辅助损失函数增强原型判别性	NA	解决污水处理过程中故障样本有限且多维时间序列数据复杂的问题，实现小样本故障诊断	污水处理过程（WWTPs）的故障诊断	机器学习	NA	NA	原型网络, 元学习	多维时间序列数据	基于BSM1基准在三种天气场景下进行实验	NA	Meta-TimesBlock, MetaLearner	准确率	NA
1755	2026-03-15	Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.012 PMID:41825999	综述	本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术	系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标	NA	回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用	牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像	计算机视觉	NA	放射影像技术（全景、根尖、咬翼、锥形束CT成像）	CNN	图像	NA	NA	NA	NA	NA
1756	2026-03-15	The Science Behind Machine Learning, Deep Learning, and Active Learning 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.006 PMID:41826000	综述	本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用	强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用	NA	介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用	牙科数据，特别是锥形束计算机断层扫描中的根尖周病变	机器学习	牙科疾病	锥形束计算机断层扫描	CNN, Transformer	图像	NA	NA	卷积神经网络, Transformer	NA	NA
1757	2026-03-15	Three-dimensional neural network driving self-interference digital holography enables high-fidelity, non-scanning volumetric fluorescence microscopy 2026-Mar-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.587822 PMID:41824690	研究论文	本文提出了一种深度学习驱动的计算方法，通过三维神经网络改进自干涉数字全息术，实现高保真、非扫描的体荧光显微镜成像	利用三维深度神经网络模型，同时抑制离焦噪声、提高空间分辨率和信噪比，无需机械或光电扫描即可实现三维非扫描体荧光显微镜成像	NA	克服自干涉数字全息术在轴向成像性能上的限制，实现高时空分辨率的三维成像	细胞结构动态和高速流场的三维行为	计算机视觉	NA	自干涉数字全息术	CNN	图像	NA	NA	三维深度神经网络	空间分辨率, 信噪比	NA
1758	2026-03-15	A hybrid deep learning approach with temporal awareness for intelligent intrusion detection in 6G-enabled IIoT networks 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43058-x PMID:41826618	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1759	2026-03-15	Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning 2026-Mar-13, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023355 PMID:40480824	研究论文	本研究开发了一种结合先验医学知识引导的深度学习模型，用于预测急性缺血性卒中患者在延长时间窗取栓后的最终梗死区域	通过将侧支循环评分、梗死概率图和动脉供血区图等先验医学知识整合到Swin Transformer模型中，显著提升了延长时间窗取栓后梗死预测的准确性	本研究为回顾性研究，样本量相对有限（221例），且仅来自三个中心，可能存在选择偏倚	提高急性缺血性卒中患者在延长时间窗机械取栓后最终梗死区域的预测精度，以辅助治疗规划	接受症状出现后超过6小时进行机械取栓的急性缺血性卒中患者	数字病理学	心血管疾病	CT灌注成像	Swin Transformer	图像	221例急性缺血性卒中患者	NA	Swin Transformer	Dice系数, IoU	NA
1760	2026-03-15	Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms 2026-Mar-13, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023416 PMID:40506221	研究论文	本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并探讨可解释AI对深度学习模型预测动脉瘤闭塞结果可靠性和可解释性的影响	提出了一种通过解卷积和再卷积标准化注射曲线来最小化注射变异性的算法，并结合可解释AI（LIME）增强模型决策的透明度和临床相关性	研究仅基于458名患者的血管造影数据，样本量相对有限，且可能未涵盖所有临床变异情况	提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞结果的准确性和可解释性	接受血流导向装置治疗的颅内动脉瘤患者	医学影像分析	颅内动脉瘤	定量血管造影	深度神经网络	血管造影图像	458名患者	NA	深度神经网络	AUROC, 准确率, 敏感性, 特异性	NA