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
2061	2026-01-10	Deep learning method based on image recognition for intra-puparial age and postmortem interval estimation in the forensically important Sarcophaga peregrina (Diptera: Sarcophagidae) 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112761 PMID:41349266	研究论文	本文提出了一种基于图像识别的深度学习框架，用于自动分类法医重要蝇种Sarcophaga peregrina的蛹内发育年龄，以提高死后间隔估计的准确性	首次结合ResNet50和Vision Transformer模型，实现法医昆虫学中蛹内发育年龄的端到端自动分类，减少了对专家经验和主观形态观察的依赖	研究仅在25°C恒温条件下进行，未考虑温度变化对发育的影响，且样本仅来自单一物种Sarcophaga peregrina	提高法医昆虫学中基于昆虫证据的死后间隔估计的准确性和客观性	法医重要蝇种Sarcophaga peregrina的蛹内发育阶段	计算机视觉	NA	高分辨率图像采集	CNN, Transformer	图像	从第1天到第11天不同发育阶段的蛹样本	NA	ResNet50, Vision Transformer	精确率, 召回率, F1分数	NA
2062	2026-01-10	Forensic gender and stature identification from footprint images using machine learning 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112760 PMID:41352210	研究论文	本研究提出了一种利用图像分析和传统机器学习方法，从足迹图像中自动进行性别分类和身高估计的端到端方法	提出了一种新颖的、自动化的端到端方法，用于从足迹图像中推断性别和身高，结合了图像预处理技术和多种传统机器学习模型的基准测试	训练数据集规模有限（396个足迹，33名参与者），且缺乏更多样化的质量和人群多样性，可能影响模型的泛化能力	开发一种自动化工具，用于法医调查中从足迹推断人类特征和生物识别信息	人类足迹图像	机器学习	NA	图像分析	Logistic Regression, Gaussian Naive Bayes, K-Nearest Neighbor, Decision Tree Classifier, Support Vector Machine, XGBoost	图像	33名参与者（18名男性，15名女性，年龄18-48岁，身高148-182厘米）的396个足迹	Scikit-learn, XGBoost	NA	准确率, MAE, RMSE	NA
2063	2026-01-10	Validation of a new implantable collamer lens sizing algorithm based on SS-OCT images 2026-Jan-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001764 PMID:40827890	研究论文	本研究评估了一种基于深度学习的新型植入式Collamer镜片（ICL）尺寸预测模型，该模型使用原始扫频源光学相干断层扫描（SS-OCT）图像作为输入	首次开发了基于深度学习、直接使用原始SS-OCT图像进行ICL尺寸预测的算法，并引入了P250-750等辅助临床决策的指标	研究为回顾性外部验证，且仅基于欧洲两家诊所的数据，可能缺乏更广泛人群的普适性	评估新型深度学习模型在预测植入式Collamer镜片（ICL）尺寸方面的性能，以辅助临床决策并改善患者预后	在2019年10月至2024年4月期间于欧洲两家诊所植入EVO ICL V4镜片的患者	计算机视觉	NA	扫频源光学相干断层扫描（SS-OCT）	深度学习模型	图像	429名患者的848只眼睛	NA	NA	平均绝对误差（MAE）, P250-750准确率, 术后拱高分布	NA
2064	2026-01-10	Reducing manual labour in forensic microtrace recognition with deep learning 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112714 PMID:41435738	研究论文	本研究利用深度学习技术自动化法医微痕识别，通过像素级分类定位和分类纤维、毛发、皮肤、玻璃和沙粒等微痕，以减少人工劳动	结合ImageNet预训练和自监督学习预训练策略，显著减少所需标注数据量，同时提高识别和定位精度	NA	自动化法医微痕识别，减少人工劳动	法医微痕，包括纤维、毛发、皮肤、玻璃和沙粒	计算机视觉	NA	自动化显微镜成像	深度学习模型	图像	仅使用2.2分米长的标注胶带提升扫描数据	NA	NA	平均交并比	NA
2065	2026-01-10	Assessing an Automated Noncontrast CT-based Pipeline for Sacral Tumor Classification Using a Hip Bone Reference Frame 2026-Jan, Radiology. Imaging cancer DOI:10.1148/rycan.250098 PMID:41481488	研究论文	开发了一种基于术前非增强CT的自动化混合模型，用于骶骨肿瘤的分类	首次将髋骨作为参考坐标系用于肿瘤定位，并开发了一个创新的六分类模型CL-MedImageNet，可同时输入肿瘤图像、临床数据和位置信息	NA	开发一个全自动的混合方法来从术前非增强CT图像预测骶骨肿瘤类型	骶骨肿瘤患者	数字病理	骶骨肿瘤	非增强CT	CNN	图像	690名患者	NA	CL-MedImageNet	AUC, F1分数, 混淆矩阵, Dice系数, 精确度, 灵敏度	NA
2066	2026-01-10	A Trust-Guided Approach to MR Image Reconstruction With Side Information 2026-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3594363 PMID:40742840	研究论文	本文提出了一种名为信任引导变分网络（TGVN）的端到端深度学习框架，用于在磁共振图像重建中有效且可靠地整合辅助数据（侧信息）	提出了一种新颖的端到端深度学习框架，能够有效且可靠地将侧信息整合到病态线性逆问题中，并在多线圈、多对比度MRI重建中展现出优越性能	未明确说明模型在极端加速水平下的性能边界或对特定病理特征的泛化能力限制	通过整合侧信息来加速磁共振成像扫描，同时保持诊断图像质量	多线圈、多对比度的磁共振图像	医学影像分析	NA	磁共振成像（MRI）	深度学习框架	图像（k空间数据）	NA	NA	信任引导变分网络（TGVN）	图像质量，病理特征保留能力	NA
2067	2026-01-10	MedNeXt for accurate medical image classification and segmentation: A lightweight transformer-style convolutional neural network 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340108 PMID:41490062	研究论文	提出了一种名为MedNeXt的轻量级Transformer风格卷积神经网络，用于医学图像的准确分类和分割	重新思考大核CNN和MLP在医学图像分析中的作用，用它们替代计算量大的自注意力操作，在性能和效率之间取得更好平衡，并设计了三个轻量级模块	NA	开发一种在性能和效率之间取得更好平衡的医学图像分类与分割方法	医学图像	计算机视觉	多种疾病（COVID-19、猴痘、心脏疾病等）	深度学习	CNN, MLP	图像	五个不同规模和疾病的数据集	NA	MedNeXt	准确率	NA
2068	2026-01-10	MMSpa is a deep learning-based tool that enhances the identification of spatial domains in spatial transcriptomics studies 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003580 PMID:41490241	研究论文	本文提出了一种名为MMSpa的深度学习工具，用于增强空间转录组学研究中空间域的识别	MMSpa采用掩码图注意力自编码器框架，结合边移除策略构建增强的空间图，以解决跨域干扰并刻画更清晰的域边界，通过掩码基因表达重建学习稳定的潜在表示	NA	提高空间转录组学中空间域识别的准确性	空间转录组数据	空间转录组学	NA	空间转录组技术	自编码器	基因表达数据	NA	NA	掩码图注意力自编码器	NA	NA
2069	2026-01-10	Similarity-aware VAE with wavelet-convolutional 1D-CNN for rolling bearing fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338388 PMID:41490447	研究论文	提出一种结合改进变分自编码器与小波卷积一维CNN的滚动轴承故障诊断框架，以解决数据集中故障类别分布不均的问题	提出相似感知VAE，采用新型相似度损失函数进行数据增强，并通过改进的注意力机制自动调整训练参数和权重；将CNN的首个卷积层替换为基于连续小波变换的小波卷积层，实现多尺度特征提取	NA	提升深度学习在故障诊断中的性能，解决数据类别不平衡问题	滚动轴承	机器学习	NA	连续小波变换	VAE, CNN	一维振动信号	NA	NA	变分自编码器, 一维卷积神经网络	NA	NA
2070	2026-01-10	LncTracker: A Unified Multi-Channel Framework for Multi-Label lncRNA Localization 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597589 PMID:40788811	研究论文	本文提出了一个名为LncTracker的高效深度学习框架，用于长非编码RNA（lncRNA）在七个不同亚细胞区室中的多标签定位预测	LncTracker采用多通道架构，整合了序列和二级结构信息，并将二级结构转换为属性图以捕获核苷酸间的空间关系，从而学习序列与结构的联合表示，提升了预测性能和鲁棒性	NA	开发一个深度学习框架，准确预测lncRNA的亚细胞定位，以理解其在细胞调控和疾病机制中的生物学功能	长非编码RNA（lncRNAs）	自然语言处理	NA	深度学习	深度学习框架	序列数据、结构数据	NA	NA	多通道架构	NA	NA
2071	2026-01-10	Enhanced Post-Prandial Glycemic Response Prediction in Type 2 Diabetes with Microbiome Data and Deep Learning 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3602827 PMID:40864582	研究论文	本研究开发了一种结合肠道微生物组数据和深度学习的多模态模型，用于预测2型糖尿病患者的餐后血糖反应	首次在2型糖尿病人群中，通过整合餐食记录、连续血糖监测、临床人口学特征和肠道微生物组等多源数据，揭示了饮食-微生物组-餐后血糖反应之间的因果关系，并构建了显著超越传统碳水化合物预测因子和现有机器学习算法的深度学习预测模型	研究样本量相对有限（88名个体），且模型在更广泛人群和不同饮食文化背景下的泛化能力有待进一步验证	提高2型糖尿病患者餐后血糖反应的预测准确性，为精准营养和血糖管理提供支持	2型糖尿病患者	机器学习	2型糖尿病	连续血糖监测，肠道微生物组测序	深度学习	多模态数据（餐食日志、连续血糖记录、临床人口学资料、肠道微生物组数据）	88名2型糖尿病患者，超过2000份真实餐食记录	NA	NA	决定系数R	NA
2072	2026-01-10	Unleashing the Power of Pretrained Transformer for Dense Prediction in Physiological Signals 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3592687 PMID:40875430	研究论文	本文提出了一种利用预训练Transformer进行生理信号密集预测的通用编码器-解码器架构，旨在提升智能医疗中的信号处理性能	首次将预训练Transformer编码器与轻量级卷积Restormer解码器结合，用于生理信号密集预测，无需复杂的任务特定架构设计，并通过知识蒸馏优化性能与计算效率的平衡	未明确讨论模型在不同生理信号类型或噪声环境下的泛化能力，且实验仅聚焦于四种代表性任务，可能未覆盖所有密集预测场景	探索预训练Transformer在生理信号密集预测任务中的应用，以优化模型性能与计算效率	生理信号，包括血压波形估计、PPG到ECG重建、去噪和基准点定位	机器学习	NA	深度学习，知识蒸馏	Transformer, CNN	生理信号数据	NA	NA	Transformer编码器, Restormer解码器	NA	NA
2073	2026-01-10	End-to-end audio-visual learning for cochlear implant sound coding simulations in noisy environments 2026-Jan-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0042198 PMID:41511184	研究论文	本研究提出了一种端到端的音频-视觉学习系统，用于在嘈杂环境中模拟人工耳蜗的声音编码	将音频-视觉语音增强模块与ElectrodeNet-CS模型集成，形成端到端的人工耳蜗系统AVSE-ECS，通过联合训练在嘈杂环境中提升语音可懂度	NA	改善人工耳蜗用户在嘈杂环境中的听觉体验，提升语音可懂度	人工耳蜗的声音编码模拟	机器学习和生物医学工程	听力损失	音频-视觉学习，深度神经网络	深度学习模型	音频和视觉数据	NA	NA	ElectrodeNet-CS，AVSE-ECS	客观语音可懂度，信号误差比	NA
2074	2026-01-09	Leveraging AI for cell biology discovery 2026-Jan-08, Biochemical Society transactions IF:3.8Q2 DOI:10.1042/BST20253023 PMID:41502213	综述	本文综述了人工智能在细胞生物学中的多样化应用及其对显微镜、成像、药物发现和合成生物学等领域的影响	探讨了人工智能在单细胞分辨率分析、细胞行为建模以及提高模型可解释性和工具普及性方面的创新潜力	NA	综述人工智能在细胞生物学中的应用，推动基础研究和治疗应用的发展	细胞生物学中的复杂生物数据，包括细胞图像、转录组学数据和蛋白质结构	机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
2075	2026-01-09	Towards Clinical Integration of Deep Learning-Based Classification of Urinary Sediment Particles from Digital Microscopy Images: A Prospective Study 2026-Jan-07, Clinical chemistry IF:7.1Q1 DOI:10.1093/clinchem/hvaf182 PMID:41499256	研究论文	本研究评估了基于深度学习的尿液沉渣颗粒分类模型在临床实验室中的整合应用，包括前瞻性验证其性能	通过前瞻性研究评估深度学习模型在临床环境中的实际应用效果，并分析回顾性与前瞻性评估之间的差异	模型性能对数据集变异性敏感，前瞻性评估中准确率有所下降	开发并验证基于深度学习的尿液沉渣颗粒自动分类系统，以替代耗时且易出错的人工评估	尿液沉渣颗粒	数字病理学	NA	数字显微镜成像	CNN	图像	来自Sysmex UD-10数字显微镜图像的标注数据集，包含13类尿液沉渣元素	NA	EfficientNet	准确率, 敏感性, 置信度评分, Top 1准确率, Top 3准确率	NA
2076	2026-01-09	AI-assisted detection of high-pitched bruits in arteriovenous fistulas using a digital stethoscope 2026-Jan-07, The journal of vascular access IF:1.6Q3 DOI:10.1177/11297298251396199 PMID:41500774	研究论文	本研究开发了一种基于深度学习的AI辅助工具，用于通过数字听诊器检测动静脉瘘中的高音调杂音，以早期识别狭窄等并发症	首次将深度学习模型与数字听诊器结合，用于自动检测动静脉瘘中的高音调杂音，提供了一种敏感、客观且高效的临床筛查方法	研究样本量相对较小（65名患者），且特异性（73.8%）有待进一步提高，模型在不同人群中的泛化能力需进一步验证	开发一种AI辅助工具，用于早期检测动静脉瘘并发症（如狭窄），以改善血液透析患者的临床管理	动静脉瘘患者，特别是接受血液透析的患者	机器学习	心血管疾病	数字听诊器录音	深度学习模型	音频	65名患者，来自欧洲和亚洲的12个透析中心	NA	NA	灵敏度, 特异性, 准确率, ROC-AUC	NA
2077	2026-01-09	COPD-TransNet: A Swin Transformer Network with Quantitative Emphysema Feature Fusion for COPD Detection and Staging from Opportunistic CT Scans 2026-Jan-07, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01785-z PMID:41501304	研究论文	本研究开发了一个名为COPD-TransNet的深度学习模型，该模型基于Swin Transformer架构，融合了定量肺气肿特征，用于利用肺癌筛查CT图像检测和分期慢性阻塞性肺疾病	提出了一种结合Swin Transformer算法与定量肺气肿特征（LAV-950%）的新框架，用于COPD的检测、分期和严重程度分类，并在外部验证中表现出优于主流方法的性能	模型在COPD分期任务上的F1分数相对较低（0.561），表明该任务仍具挑战性；研究主要基于特定医疗中心的肺结节患者数据	开发一个深度学习模型，利用肺癌筛查CT扫描，根据GOLD标准对慢性阻塞性肺疾病进行检测和分期	来自肺癌筛查的胸部CT扫描图像	计算机视觉	慢性阻塞性肺疾病	CT扫描	Transformer	图像	内部数据集：637名肺结节患者的CT扫描；外部验证集：1464份来自NLST队列的CT扫描	NA	Swin Transformer	AUC, F1分数, 准确率	NA
2078	2026-01-09	Generalizable Single-cell Multimodal Data Integration with Self-supervised Learning 2026-Jan-07, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf129 PMID:41501996	研究论文	本文提出了一种名为MINERVA的自监督学习框架，用于单细胞多模态数据整合，以解决小规模配对模态研究和大规模参考图谱在泛化性方面的挑战	MINERVA采用自监督策略，首次在小规模精度与图谱级泛化之间建立桥梁，支持零样本知识迁移和即时细胞类型注释，无需模型重新训练	未在摘要中明确提及	开发一个统一的深度学习框架，用于单细胞多模态数据整合，以提升降维、缺失特征插补和批次效应校正的性能	单细胞多模态数据	机器学习	NA	单细胞多组学技术	深度学习	单细胞多模态数据	小规模研究涉及数百个细胞，大规模应用构建多组织参考图谱	NA	MINERVA	降维、缺失特征插补、批次效应校正	NA
2079	2026-01-09	Ensemble deep learning approach for traffic video analytics in edge computing 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25628-7 PMID:41484116	研究论文	本文提出了一种用于边缘计算中交通视频分析的集成深度学习方法，结合Tiny YOLO和YOLOR进行车辆检测与分类，并通过ELITVA框架优化交通流控制	提出了一种新颖的混合模型，结合Tiny YOLO和YOLOR在边缘层进行车辆检测与分类，并引入ELITVA框架使用F-RNN进行交通流决策，实现了更高的处理速度和精度	实验仅基于无人机在道路信号处捕获的数据集，可能未涵盖所有交通场景或天气条件，且未详细讨论模型在更复杂环境下的泛化能力	开发一种高效的交通视频分析系统，以实时监控和控制道路交通流量	交通监控视频中的车辆检测与分类，以及交通流量估计	计算机视觉	NA	视频分析，深度学习	CNN, RNN	视频	无人机在道路信号处捕获的数据集（具体数量未提及）	NA	Tiny YOLO, YOLOR, F-RNN	精度, 准确率, 召回率, F1分数, 帧率	边缘计算平台（具体资源未提及）
2080	2026-01-09	Exploring the impact of urban vitality on carbon emission mechanisms using multi-source data 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29624-9 PMID:41484152	研究论文	本研究通过构建六维城市活力理论框架，利用多源数据分析了烟台中心区城市活力的分布特征及其对碳排放的影响机制	创新性地整合了三维空间与文化感知视角，弥补了以往研究从单一视角表征城市活力的偏差	研究范围局限于烟台中心区，可能限制了结论的普适性	探索城市活力对碳排放机制的影响，为构建低碳、高活力、可持续的城市环境提供建议	烟台中心区的城市活力与碳排放	城市科学与环境研究	NA	空间句法、熵权TOPSIS、深度学习模型、地理探测器	深度学习模型	多源数据（包括空间、社会、经济、文化、环境、感知数据）	NA	NA	NA	NA	NA