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
41	2026-09-10	Classification of Trypanosoma brucei mammalian life cycle stages using Deep Learning Algorithms 2025-08, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0013298 PMID:40811622	研究论文	开发了一种半自动深度学习流程，用于对布氏锥虫血流阶段的细长型和短粗型寄生虫进行分割和分类，准确率达97%	利用Cellpose分割和Xception架构分类的深度学习流程，无需荧光标记即可从无标注显微镜图像中区分布氏锥虫生命周期阶段	摘要未提及局限性，具体信息可能未公开	通过深度学习算法实现对布氏锥虫血流阶段（细长型和短粗型）的准确分类，以支持寄生虫生物学和传播动力学研究	布氏锥虫血流阶段寄生虫，包括细长型和短粗型	计算机视觉	锥虫病	显微镜成像	深度学习模型	图像	未提供具体样本数量	未明确指定	Xception架构，同时对比了InceptionV3、ResNet50和VGG16	准确率	未指定具体GPU或计算资源
42	2026-09-07	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	提出一种鼓励可重复性的自监督学习重建方法用于定量MRI，以提高T1 mapping的测量可重复性并加速重建。	通过最小化k-t空间数据两个互斥子集之间的跨数据一致性，鼓励重建的可重复性，无需标注训练数据。	未提及	开发一种无需标注训练数据的自监督学习重建方法，以提高定量MRI的测量可重复性并缩短重建时间。	心脏MR多任务T1 mapping数据。	计算机视觉, 机器学习, 医学影像	心脏病	MRI k-t空间数据	自监督学习重建网络	MRI图像数据	未提及具体样本数量，但使用60秒心脏MR多任务T1 mapping数据中的子集进行训练和评估。	未提及	未提及	Bland-Altman一致性限值, 变异系数, 重建图像清晰度	未提及
43	2026-09-07	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	研究论文	本研究旨在开发一种整合治疗前和治疗中CT的深度学习模型，以预测非小细胞肺癌患者对放疗的反应。	首次将治疗前和治疗中的CT图像结合起来，利用变长时间间隔的LSTM网络预测放疗反应，并提出基于模型推导的个性化剂量递增策略。	研究为回顾性设计，样本量相对较小（168例），且个性化剂量递增策略尚未在临床实践中验证。	开发一种深度学习模型，整合治疗前和治疗中的CT图像，预测非小细胞肺癌患者的放疗反应，并探索个性化剂量递增的可能性。	168例接受放疗的非小细胞肺癌患者。	医学影像分析	非小细胞肺癌	CT成像	LSTM	图像	168例患者（训练集128例，外部验证集40例）	未提及，可能使用PyTorch或TensorFlow，但未明确说明。	变长时间间隔LSTM网络	AUC、预测绝对误差	未提及具体计算资源。
44	2026-09-06	Deep Learning Radiomics Model Based on Computed Tomography Image for Predicting the Classification of Osteoporotic Vertebral Fractures: Algorithm Development and Validation 2025-08-29, JMIR medical informatics IF:3.1Q2 DOI:10.2196/75665 PMID:40882615	研究论文	本研究开发和验证了基于CT图像的深度学习放射组学模型，用于预测骨质疏松性椎体骨折的分类。	结合了深度迁移学习特征和放射组学特征，并利用LASSO回归进行特征融合，同时比较了基于RadImageNet和ImageNet预训练模型的性能。	未提及	评估基于CT成像的深度学习放射组学模型在准确分类骨质疏松性椎体骨折方面的效能。	981名患者（年龄50-95岁）的1098个椎体，来自3个医疗中心，均接受CT和MRI检查。	医学影像分析	骨质疏松性椎体骨折	CT成像	深度学习模型（ResNet-50）和机器学习分类器	图像	981名患者（1098个椎体），训练集750，内部验证187，外部验证110，前瞻性验证51。	NA	ResNet-50	AUC、准确率、宏平均AUC	NA
45	2026-09-06	Deep unrolled primal dual network for TOF-PET list-mode image reconstruction 2025-08-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b7 PMID:40780257	研究论文	本文提出了一种用于TOF-PET列表模式图像重建的深度展开原对偶网络（LMPDnet），旨在提高低计数数据的图像质量。	首次将深度展开方法应用于TOF-PET列表模式重建，结合CUDA并行加速系统矩阵计算，处理列表模式域和图像域的双网络更新。	未提及	提高TOF-PET列表模式重建在低计数情况下的图像质量，并减少噪声，探索深度学习方法在TOF列表模式数据的应用潜力。	TOF-PET列表模式数据，包含不同TOF分辨率和不同计数水平的重建图像。	计算机视觉，深度学习，医学图像重建	不适用（成像技术研究，无特定疾病）	TOF-PET列表模式成像，CUDA并行计算	深度展开网络（原对偶网络）	图像，数值模拟数据	未提及具体样本数量，使用不同TOF分辨率和计数水平的模拟数据	PyTorch（推测，因提供了GitHub代码）	LMPDnet（深度展开原对偶网络，包含对偶网络和原始网络）	视觉分析，定量分析（具体指标未在摘要中给出）	CUDA（GPU）并行加速
46	2026-09-06	A neural network model enables worm tracking in challenging conditions and increases signal-to-noise ratio in phenotypic screens 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013345 PMID:40779582	研究论文	本文介绍了一种基于神经网络的模型DeepTangleCrawl，用于在挑战性条件下追踪秀丽隐杆线虫，并提高表型筛选中的信噪比	针对爬行线虫进行优化，结合Tierpsy追踪器和手动标注数据训练，能处理重叠、盘绕及复杂环境，提高轨迹连续性和减少中断	未提及具体限制，但数据来源单一（线虫）可能影响泛化性	开发高精度线虫追踪方法以处理复杂行为和环境，改善高通量表型筛选的可靠性	秀丽隐杆线虫（C. elegans）	计算机视觉	不适用	深度学习	神经网络（基于DeepTangle）	图像（线虫视频帧）	未明确提及样本数量，使用Tierpsy追踪器数据和人工标注数据	未明确提及	DeepTangle（变体DeepTangleCrawl）	失败率、轨迹连续性、信噪比	未明确提及
47	2026-09-06	Machine learning on multiple epigenetic features reveals H3K27Ac as a driver of gene expression prediction across patients with glioblastoma 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012272 PMID:40773517	研究论文	本文利用机器学习整合多种表观遗传特征预测胶质母细胞瘤干细胞基因表达，发现H3K27Ac可作为跨患者的驱动因素	首次证明单一患者的H3K27Ac标记可预测其他11名胶质母细胞瘤患者的基因表达，表明GSC存在共同的增强子活性分布模式	未在摘要中明确说明局限性，可能包括样本量有限或跨患者预测的生物学机制探讨不足	评估机器学习方法在跨患者预测胶质母细胞瘤干细胞基因表达中的应用，并识别关键表观遗传驱动因子	来自12名患者的胶质母细胞瘤干细胞（GSCs），结合其表观遗传和转录组数据	机器学习	胶质母细胞瘤	ATAC-seq、CTCF ChIP-seq、RNAPII ChIP-seq、H3K27Ac ChIP-seq、RNA-seq	XGBoost	基因组数据和转录组数据	12名患者的GSC样本	机器学习框架（具体未指定，可能为Scikit-learn或XGBoost库）	XGBoost	高性能（具体指标如相关性或准确性未在摘要中提及）	未指定，可能需GPU支持
48	2026-09-06	NextVir: Enabling classification of tumor-causing viruses with genomic foundation models 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013360 PMID:40839700	研究论文	本文介绍了NextVir，一种利用基因组基础模型对肿瘤相关病毒DNA测序读段进行多类别分类的新框架	首次将基因组基础模型应用于肿瘤病毒分类，有效区分多种肿瘤病毒类型	未在摘要中提及具体局限性	开发高效精准的肿瘤病毒分类方法，以支持肿瘤与病毒关联研究	肿瘤样本中的病毒DNA测序读段，包括人乳头瘤病毒和人T淋巴细胞病毒等	基因组学	癌症	DNA测序	基因组基础模型	DNA测序数据	未在摘要中提及	NA	DNABERT-S、核苷酸Transformer、HyenaDNA	准确性	未在摘要中提及
49	2026-09-05	An Extraction Tool for Venous Thromboembolism Symptom Identification in Primary Care Notes to Facilitate Electronic Clinical Quality Measure Reporting: Algorithm Development and Validation Study 2025-08-26, JMIR medical informatics IF:3.1Q2 DOI:10.2196/63720 PMID:40857675	研究论文	开发并验证了一个基于自然语言处理（NLP）的工具VTExt，用于从初级保健临床笔记中提取静脉血栓栓塞（VTE）症状，以促进电子临床质量测量（eCQM）的报告。	首次将NLP技术应用于全国认可的电子临床质量测量（eCQM）中，用于VTE症状提取，且工具在跨机构、不同电子健康记录系统中表现出良好的泛化能力。	未提及具体限制。	开发一个从临床笔记中提取VTE症状的工具，用于量化初级保健中VTE延迟诊断率。	初级保健临床笔记文本，包括VTE阳性病例和阴性对照的笔记句子。	自然语言处理	静脉血栓栓塞	NLP（基于规则的方法）	规则驱动方法	文本	病例组包括279份患者笔记中的17,585条进展笔记句子，对照组包括50份患者笔记中的2,838条进展笔记句子；外部验证使用来自两个独立医疗保健组织的数据集。	NA	NA	曲线下面积、阳性预测值、阴性预测值、灵敏度、特异性	NA
50	2026-09-05	Tongue Image-Based Diagnosis of Acute Respiratory Tract Infection Using Machine Learning: Algorithm Development and Validation 2025-08-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/74102 PMID:40854033	研究论文	本研究旨在开发并验证基于舌象特征的人工智能预测模型，以区分COVID-19与腺病毒呼吸道感染，提高诊断准确性	首次探索使用舌象特征结合深度学习与机器学习算法，区分COVID-19与腺病毒感染，融合传统中医诊断与现代技术	样本量较小（共280张舌象图像，来自172名参与者），可能影响模型的泛化能力	开发并验证基于舌象特征的人工智能模型，以区分COVID-19与腺病毒呼吸道感染，提高诊断准确率并整合传统诊断方法	58名COVID-19患者、84名腺病毒感染患者以及30名健康对照者的舌象图像	机器学习	呼吸道感染（COVID-19与腺病毒感染）	舌象图像采集与深度学习特征提取	逻辑回归、随机森林、梯度提升模型、极端梯度提升	图像（舌象图像）	172名参与者，共280张舌象图像	NA	NA	受试者工作特征曲线下面积（AUC）、精确率-召回率曲线下面积（AUPRC）、统计显著性P值	NA
51	2026-09-05	AI-Driven Integration of Deep Learning With Lung Imaging, Functional Analysis, and Blood Gas Metrics for Perioperative Hypoxemia Prediction 2025-08-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73995 PMID:40759599	观点文章	本文探讨了通过深度学习与多模态临床数据整合预测围手术期低氧血症的AI应用，包括肺影像、肺功能检查和动脉血气分析，并提出了未来发展方向	提出了多模态AI框架（如DeepLung-Predict）统一CT扫描、肺功能测试和动脉血气参数，提高预测精度，超越传统方法22%	存在数据集异质性、模型可解释性不足和临床工作流整合挑战	预测围手术期低氧血症，优化资源分配，降低ICU入住风险	围手术期低氧血症患者	医学影像分析	围手术期低氧血症	影像组学, 肺功能测试, 动脉血气分析	卷积神经网络(CNN), 混合模型	影像, 临床数据	不适用	NA	TD-CNNLSTM-LungNet, DeepLung-Predict	准确率96.57%, 曲线下面积0.96, 提升22%	NA
52	2026-09-05	Deep Learning-Based Early Warning Systems in Hospitalized Patients at Risk of Code Blue Events and Length of Stay: Retrospective Real-World Implementation Study 2025-08-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72232 PMID:40845828	研究论文	该研究评估了人工智能早期预警系统VitalCare在住院患者中的应用，通过回顾性分析显示其能显著减少Code Blue等重大不良事件和延长住院时间，并具有高预测性能	在真实临床环境中实施和验证基于深度学习的早期预警系统，展示了改善临床结果的实际效果	基于回顾性设计，可能存在选择偏倚；未提及外部验证或长期随访	评估AI早期预警系统VitalCare对住院患者临床结果的影响及其算法性能	住院患者（包括普通病房和重症监护室）	机器学习	心肺骤停、不良事件	电子健康记录数据分析	深度学习	电子健康记录数据	30,785例住院患者	NA	NA	AUROC	NA
53	2026-09-05	Deep Learning and Image Generator Health Tabular Data (IGHT) for Predicting Overall Survival in Patients With Colorectal Cancer: Retrospective Study 2025-08-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/75022 PMID:40828572	研究论文	本研究利用图像生成器（IGHT）将表格电子病历数据转换为二维图像，采用深度学习方法预测结直肠癌患者的5年总生存期，并评估模型的可解释性。	通过IGHT将表格数据转换为图像，应用视觉几何组（VGG16）模型进行生存预测，并结合梯度加权类激活映射（Grad-CAM）提高临床可解释性。	研究为单中心回顾性设计，缺乏外部验证，且存在数据类别不平衡问题，限制了模型的泛化能力和临床应用可行性。	开发并评估基于电子病历数据的深度学习模型，以预测结直肠癌患者的5年总生存期，并利用可解释人工智能技术提高模型的临床可解释性。	来自吉尔医疗中心的3321名结直肠癌患者，包括人口统计学特征、肿瘤特征、实验室值、治疗方式和随访结果。	深度学习	结直肠癌	电子病历数据分析	卷积神经网络（CNN）	表格数据	3321名患者	未明确提及	VGG16, CNN, ANN	准确率、灵敏度、特异性、精确率、F1分数	未明确提及
54	2026-09-05	Towards proactively improving sleep: machine learning and wearable device data forecast sleep efficiency 4-8 hours before sleep onset 2025-08-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf113 PMID:40293116	研究论文	本研究利用可穿戴设备数据和机器学习模型，在睡眠开始前4至8小时预测睡眠效率，旨在主动改善睡眠。	首次展示了使用可穿戴数据在睡前准确预测睡眠效率的可能性，为主动预防不良睡眠提供了新方法。	摘要中未提及具体局限性。	开发并验证在睡眠开始前4至8小时预测低睡眠效率的模型，并探索相关活动参数与睡眠效率的关系。	80,811名英国生物银行成人参与者的加速度计数据。	机器学习	睡眠障碍	NA	梯度提升（CatBoost）和深度学习（CNN-LSTM）	加速度计数据	80,811名成人	NA	CatBoost, CNN-LSTM	AUC, AUPRC	NA
55	2026-09-05	Predictive Modeling of Osteonecrosis of the Femoral Head Progression Using MobileNetV3_Large and Long Short-Term Memory Network: Novel Approach 2025-08-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66727 PMID:40768653	研究论文	本研究利用MobileNetV3_Large和长短期记忆网络（LSTM）对股骨头坏死（ONFH）的进展进行预测建模，以提高疾病评估和预测的准确性。	首次将MobileNetV3_Large与LSTM结合用于ONFH的病理图像分析和时间序列动态预测，通过深度学习方法定量评估血管重建和治疗反应。	研究样本量较小（仅30例患者），且模型性能可能受限于单一中心数据，需在更大规模和多中心数据上验证。	使用深度学习算法提高ONFH的诊断准确性和预测疾病进展，优化治疗策略。	30例诊断为ONFH的患者，1200张MRI切片（包括675张病变切片和225张正常切片）。	计算机视觉	股骨头坏死	磁共振成像	CNN (MobileNetV3_Large) 和 LSTM	图像（MRI切片）和时序数据	30例患者，1200个MRI切片，分为训练（630）、验证（135）和测试（135）	NA	MobileNetV3_Large, LSTM	准确率、召回率、AUC	NA
56	2026-09-05	Probability-Based Early Warning for Seasonal Influenza in China: Model Development Study 2025-08-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73631 PMID:40769217	研究论文	本研究开发了一种基于概率的机器学习早期预警系统，用于中国季节性流感的预测，采用Dense ResNet模型生成连续的风险评估值，替代传统的二元阈值预警。	首次提出基于概率的早期预警系统，使用Dense ResNet对流感样病例阳性率进行连续风险估计（0-1变量），而非固定阈值，以提高灵活性并减少误报和漏报。	研究可能受限于历史数据（2014-2024年）的回顾性分析，未实时结合动态传播模型，且未充分探讨模型的泛化性在不同地理区域或人群中的差异。	开发一种创新的概率性早期预警方法，用于及时预测流感样病例活动水平的变化，增强公共卫生决策的准确性。	中国北方和南方的流感监测数据（2014-2024年），涉及流感样病例阳性率。	机器学习	季节性流感	NA	Dense ResNet（监督深度学习模型）	时间序列数据（流感监测数据）	未明确说明样本数量，但覆盖中国南北地区2014-2024年的监测数据	NA	Dense ResNet	AUC、准确度、召回率、F1分数	NA
57	2026-09-05	SimPep and OP-AND: A deep learning framework and curated database for predicting osteogenic peptides 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013422 PMID:40880496	研究论文	本文提出了一种基于深度学习的框架SimPep和一个名为OP-AND的策划数据库，用于预测成骨肽，并验证了其有效性。	首次引入成骨肽的公共数据库OP-AND，并提出假设：来自破骨细胞形成相关蛋白的肽可能作为非成骨肽。	数据可用性有限，性能可能受限于数据集大小和外部验证。	开发一种预测成骨肽的方法和提供公共数据库，以促进骨质疏松相关疾病的预防和计算检测。	成骨肽及其在预防骨相关疾病中的潜在作用。	机器学习	骨质疏鬆相关疾病	NA	深度学习	肽序列数据	成骨肽数据集（具体数量未说明）及外部数据集。	NA	NA	准确率，受试者工作特征曲线下面积	NA
58	2026-09-04	A Large-Scale Image Repository for Automated Pavement Distress Analysis and Degradation Trend Prediction 2025-08-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05748-5 PMID:40813387	研究论文	构建了一个大规模路面病害图像数据集，用于自动化病害识别和退化趋势预测，并评估了六种目标检测算法。	首次提供了包含路面病害长期跟踪的大规模数据集，支持动态监测和维护策略优化。	未在摘要中明确提及。	创建一个高质量的大规模路面病害图像数据集，以支持自动化检测和退化趋势预测。	路面病害图像，包括51012张病害识别图像和8928张长期跟踪图像。	计算机视觉	路面病害	NA	目标检测算法	图像	51012张路面病害识别图像和8928张长期跟踪图像	NA	NA	NA	NA
59	2026-09-04	A dataset of high-resolution plantar pressures for gait analysis across varying footwear and walking speeds 2025-08-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05792-1 PMID:40804054	研究论文	介绍了一个名为UNB StepUP-P150的高分辨率足底压力数据集，用于不同鞋类和步行速度下的步态分析和识别	提供了包含150名个体、超过20万个脚步的高分辨率足底压力数据，覆盖多种步行速度和鞋类条件，填补了该领域公开数据集的空白	未提及具体限制	建立足底压力步态分析和识别的公开基准数据集	150名个体的足底压力数据，涵盖不同步行速度和鞋类条件	生物识别、生物力学、深度学习	不适用	足底压力传感技术	不适用	足底压力图像数据	150名个体，超过20万个脚步	不适用	不适用	不适用	不适用
60	2026-09-04	Machine learning training data: over 500,000 images of butterflies and moths (Lepidoptera) with species labels 2025-08-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05708-z PMID:40770239	研究论文	本文介绍了一个包含超过54万张蝴蝶和蛾类图像的数据集，这些图像带有物种标签，用于训练机器学习模型以支持生物多样性数据处理和公民科学教育	该数据集是目前已发表的蝴蝶和蛾类图像数据集中最大的一个，包含540,000多张图片，覆盖185个物种，并强调类别不平衡的典型特点	存在显著的类别不平衡，部分物种样本数量从1张到近30,000张不等，这可能影响模型对稀有物种的识别性能	提供大规模标记数据集，以训练深度学习模型，用于物种识别和生物多样性数据的自动处理	奥地利的185种蝴蝶和蛾类物种，包括蝴蝶和多数蛾类	计算机视觉	不适用	图像采集	深度学习模型	图像	540,000多张图像，覆盖185个物种	不适用	不适用	不适用	不适用