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
1781	2026-01-12	Evaluating few-shot prompting for spectrogram-based lung sound classification using a multimodal language model 2026-Jan, PLOS digital health DOI:10.1371/journal.pdig.0001179 PMID:41499578	研究论文	本研究评估了通用多模态大语言模型GPT-4o在梅尔频谱图肺音分类任务中，使用少样本提示策略相对于零样本提示的性能提升	首次将通用多模态大语言模型GPT-4o应用于肺音梅尔频谱图分类，并系统比较了零样本与少样本提示策略的效果	模型当前性能尚不足以支持临床部署，分类准确率仍有较大提升空间	评估多模态大语言模型在肺音分类任务中的实用性，探索提示策略对性能的影响	肺音梅尔频谱图	自然语言处理	肺病	梅尔频谱图转换	多模态大语言模型	图像（频谱图）	6898个标注呼吸周期	NA	GPT-4o	准确率, 精确率, 召回率, F1分数	NA
1782	2026-01-12	Leveraging 3D Molecular Spatial Visual Information and Multi-Perspective Representations for Drug Discovery 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512453 PMID:41090528	研究论文	本文提出了一种深度学习框架，利用3D分子空间视觉信息进行药物发现，通过整合空间信息与传统分子描述符构建统一的多视角表示	首次直接从3D分子空间视觉信息中学习，捕获几何、拓扑和立体化学特征，并构建多视角表示以更好地反映分子结构与功能	未明确提及具体的数据集规模限制或计算资源需求，可能依赖于特定3D渲染数据的可用性	提升药物关联预测的准确性，以加速药物发现过程	小分子药物及其与microRNA、其他药物和蛋白质的相互作用	机器学习	NA	3D分子空间渲染	深度学习框架	3D空间视觉信息、分子描述符	NA	NA	NA	NA	NA
1783	2026-01-12	CAFusion: A progressive ConvMixer network for context-aware infrared and visible image fusion 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339828 PMID:41505481	研究论文	本文提出了一种名为CAFusion的深度学习框架，用于可见光与红外图像的融合	提出了上下文感知的ConvMixer模块，结合空洞卷积扩大感受野与深度可分离卷积提高参数效率，无需注意力机制即可捕获多尺度上下文信息；并采用基于注意力的跨模态多级渐进融合策略	NA	开发一种计算高效且能保留多尺度细节的可见光与红外图像融合方法	可见光图像与红外图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	ConvMixer	结构相似性指数	NA
1784	2026-01-12	Transforming Pediatric Urology With Artificial Intelligence: A Narrative Review of Current Evidence and Practice 2026-Jan, Cureus DOI:10.7759/cureus.100893 PMID:41509578	综述	本文综述了人工智能在儿科泌尿学中的应用现状、证据和实践，探讨了其在诊断、手术规划和术后监测方面的潜力	系统性地总结了人工智能在儿科泌尿学多个领域（如肾积水、阴茎异常、膀胱输尿管反流）的创新应用，包括深度学习模型自动分级和预测、标准化图像分析减少主观性，以及机器学习算法优化风险分层	广泛应用目前受到数据稀缺、严格隐私法规以及缺乏关于患者数据的伦理法律框架等挑战的限制	探讨人工智能如何重塑儿科泌尿学的临床护理，并推动其安全整合到标准临床工作流程中	儿科泌尿学疾病，如肾积水、阴茎异常（如尿道下裂）和膀胱输尿管反流	数字病理学	泌尿系统疾病	深度学习, 机器学习	深度学习模型, 机器学习算法	图像, 临床数据	NA	NA	NA	NA	NA
1785	2026-01-12	Ear-Keeper: A cross-platform artificial intelligence system for rapid and accurate ear disease diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412635 PMID:41509874	研究论文	本研究开发了一种轻量级深度学习模型Best-EarNet，用于耳镜图像分类，并部署在跨平台诊断系统Ear-Keeper中，以实现快速准确的耳部疾病诊断	提出了Best-EarNet架构，整合了局部-全局空间特征融合模块和多尺度监督策略，实现了超快速轻量级模型，并开发了跨平台智能诊断系统Ear-Keeper	未明确提及模型在更广泛疾病类型或不同医疗环境中的泛化能力限制	开发轻量级、高性能、实时的深度学习模型用于耳镜图像分类，并部署跨平台诊断系统以支持临床和社区使用	耳镜图像，涵盖八种常见耳部疾病及健康病例	计算机视觉	耳部疾病	深度学习，迁移学习	CNN	图像	内部测试集22,581张图像，外部测试集1,652张图像	未明确提及，推测为PyTorch或TensorFlow	Best-EarNet	准确率	标准CPU，处理速度80帧/秒
1786	2026-01-12	Comparison of the performance between an AI-based vision transformer and human endoscopists in predicting the endoscopic and histologic activities of ulcerative colitis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412694 PMID:41509873	研究论文	本研究开发了一种基于深度学习的算法，用于评估溃疡性结肠炎的疾病和病理活动性，并比较了AI模型与人类内镜医师在预测内镜和病理活动性方面的性能	首次开发了一种基于内镜视频的深度学习模型，用于预测溃疡性结肠炎的内镜和病理活动性，并证明其性能与经验丰富的内镜医师相当，优于年轻内镜医师	研究样本量相对较小（82名患者），且仅基于白光内镜图像，未考虑其他成像模式或临床因素	开发并验证一种基于深度学习的算法，以评估溃疡性结肠炎的内镜和病理活动性	溃疡性结肠炎患者的内镜视频片段	计算机视觉	溃疡性结肠炎	白光内镜成像	Vision Transformer (ViT)	视频	375个视频片段来自82名患者	NA	Vision Transformer (ViT)	准确率	NA
1787	2026-01-12	Transformer-based deep learning for early detection of intensive care unit-acquired bloodstream infection through multivariate time-series analysis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412651 PMID:41509870	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于通过多变量时间序列分析早期预测ICU获得性血流感染	首次将Transformer模型应用于ICU获得性血流感染的早期检测，能够有效捕捉高维时间序列数据中的复杂依赖关系，相比传统机器学习模型（如CatBoost）在早期预测窗口表现更优	研究基于单一数据库（MIMIC IV），样本中阳性病例比例较低（6.2%），且未进行外部验证	开发一种深度学习模型，用于早期检测重症监护病房（ICU）获得性血流感染（BSI）	ICU患者，具体为MIMIC IV数据库中入院48小时后采集血培养的患者	机器学习	血流感染	电子健康记录分析，时间序列分析	Transformer, CatBoost	多变量时间序列数据	2408名患者，其中149名（6.2%）患有ICU获得性BSI	未明确指定，但提及了SMOTE和SHAP	Transformer	AUROC, AUPRC	NA
1788	2026-01-12	DCGAT-DTI: dynamic cross-graph attention network for drug-target interaction prediction 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf306 PMID:41510027	研究论文	提出了一种名为DCGAT-DTI的动态跨图注意力网络，用于预测药物-靶点相互作用	引入了动态跨图注意力模块，动态建模药物和蛋白质图之间的内部和跨图交互，超越了独立处理相似性图的现有方法	未明确说明模型在更大规模或更复杂数据集上的泛化能力	加速药物发现，通过预测化学化合物与蛋白质之间的相互作用	药物和蛋白质	机器学习	NA	深度学习	图卷积网络,注意力机制	图数据	四个基准数据集	NA	动态跨图注意力网络	NA	NA
1789	2026-01-12	Decoding fetal motion in 4D ultrasound with DeepLabCut 2026-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-025-01557-w PMID:40785001	研究论文	本研究利用基于深度学习的无标记姿态估计工具DeepLabCut，对孕中期四维超声数据中的胎儿运动行为进行客观定量分析，提出了一种评估胎儿神经发育的新临床方法	首次将DeepLabCut应用于四维超声数据，实现对胎儿运动行为的精确定量分析，为胎儿神经发育评估提供了非侵入性的AI驱动替代方案	研究样本量有限（仅50个正常单胎胎儿），且跟踪精度随孕龄增加的趋势未达到统计学显著性	客观定量分析胎儿运动行为，以评估胎儿神经发育状况	孕12至22周的正常单胎胎儿	计算机视觉	NA	四维超声	深度学习	视频	50个四维超声视频记录	DeepLabCut	NA	似然分数, 组内相关系数	NA
1790	2026-01-12	Artificial Intelligence-Based Echocardiography in Pulmonary Arterial Hypertension 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.052 PMID:40876740	研究论文	本研究评估了基于人工智能的超声心动图全自动深度学习工作流程在肺动脉高压评估中的可靠性和鉴别能力	首次开发并验证了用于肺动脉高压评估的全自动深度学习超声心动图工作流程，实现了高效且可靠的参数测量	右心室面积变化分数测量存在显著偏差，且研究样本量有限，需要进一步的外部验证	评估深度学习在超声心动图中自动评估肺动脉高压的可靠性	健康个体、肺动脉高压患者以及转诊进行右心导管检查的患者	数字病理学	心血管疾病	超声心动图	深度学习	图像	第一部分：434人（213名健康个体和221名肺动脉高压患者）；第二部分：196名转诊患者	NA	NA	偏差、精确度、AUC	NA
1791	2026-01-12	Deep Learning Workflow In Echocardiography: John Henry's Saga Revisited? 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.07.4071 PMID:41519548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1792	2026-01-11	Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes 2026-Jan-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.08.026 PMID:40975668	研究论文	本研究开发了一个名为Electrode Net的定制深度学习框架，用于高效准确地预测多孔电极的各向异性传输特性	结合符号距离场（SDF）与3D卷积神经网络，显著加速多孔电极设计，计算成本降低高达96%，并实现高精度预测	未明确说明模型在极端或非典型微结构下的泛化能力限制	旨在通过深度学习框架优化多孔电极的设计，以提升燃料电池、水电解槽和液流电池等下一代高性能流动电池的性能	多孔电极的微结构及其各向异性传输特性（如孔隙率、曲折度和渗透率）	机器学习	NA	符号距离场（SDF）	CNN	3D几何样本数据	15,433个真实和生成的几何样本	NA	3D卷积神经网络	R-squared	NA
1793	2026-01-11	Regional-aware and sequence-informed multi-decoder network for robust brain glioma segmentation in multi-parametric MRI 2026-Jan-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111387 PMID:41411810	研究论文	本文提出了一种用于多参数MRI中脑胶质瘤稳健分割的区域感知与序列信息引导的多解码器网络	提出了一种新颖的深度学习框架，包含三个创新点：1）独立分割关键肿瘤亚区的多解码器架构；2）将每个解码器与最适合其诊断目标的MRI序列对齐的序列信息引导策略；3）用于增强特征重新校准的改进自注意力机制	未在摘要中明确说明	实现脑胶质母细胞瘤亚区的精确分割，以支持神经肿瘤学的诊断、手术规划和治疗监测	多参数MRI图像中的脑胶质母细胞瘤亚区，包括周围非增强FLAIR高信号区、非增强肿瘤核心和增强肿瘤	数字病理学	脑胶质瘤	多参数MRI	深度学习	图像	使用了BraTS 2023数据集，并在四个外部数据集（BraTS 2020、BraTS Africa、MRBrainS18和BraTS 2024治疗后）上进行了验证	NA	多解码器网络	Dice相似系数, 95百分位Hausdorff距离	NA
1794	2026-01-11	Evaluation of the accuracy of detecting C-shaped canals in mandibular second molars identified by cone-beam computed tomography on panoramic radiographs using artificial intelligence algorithms developed with deep learning methods 2026-Jan-09, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00888-1 PMID:41511700	研究论文	本研究评估了基于深度学习算法开发的深度卷积神经网络在锥形束计算机断层扫描识别的全景X光片上检测下颌第二磨牙C形根管的准确性	首次在文献中应用多数投票法融合不同深度卷积神经网络的预测结果，以提高C形根管的检测性能	研究样本仅来自单一机构，可能影响模型的泛化能力；未详细说明预处理步骤的具体影响	评估人工智能算法在全景X光片上检测下颌第二磨牙C形根管的准确性	下颌第二磨牙的C形根管	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT），全景X光摄影	深度卷积神经网络（DCNN）	图像（全景X光片和CBCT扫描）	592名患者的图像，包括844张标记的全景X光片（422个有C形根管，422个无C形根管）	NA	11种不同的深度卷积神经网络模型	准确率，精确率，召回率，特异性，混淆矩阵	NA
1795	2026-01-11	Towards accurate occlusal plane positioning in panoramic radiographs: a deep learning-assisted study 2026-Jan-09, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00891-6 PMID:41511698	研究论文	本研究评估了深度学习架构在全景X光片中自动分类头部定位错误的有效性	首次全面评估了基于卷积和基于Transformer的深度学习架构在全景X光片中检测咬合平面定位错误的能力	数据集规模相对较小，可能限制了ViT模型的性能	评估深度学习架构在全景X光片中自动分类头部定位错误的有效性	全景X光片中的头部定位错误	计算机视觉	口腔疾病	全景X光成像	CNN, ViT	图像	480张匿名全景X光片	PyTorch, TensorFlow	ResNet18, Vision Transformer	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
1796	2026-01-11	Out of the Laboratory and Into the Clinic: Out-of-Domain Validation of Machine Learning Models for Velopharyngeal Dysfunction Detection 2026-Jan-09, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004633 PMID:41512248	研究论文	本研究系统评估了多种机器学习模型在标准化与非标准化条件下检测腭咽闭合功能障碍的能力，以验证其在真实临床场景中的泛化性能	首次在腭咽闭合功能障碍检测领域系统进行跨域验证，揭示了预训练模型在真实世界音频数据上的严重性能退化问题，并发现传统MFCC特征在跨域场景中比先进深度学习模型更具鲁棒性	研究样本量有限（标准化数据集82例，非标准化数据集131例），非标准化数据来源多样且记录条件高度异质，可能影响结论的普适性	评估机器学习模型在真实临床环境中检测腭咽闭合功能障碍的可行性与泛化能力	腭咽闭合功能障碍患者的音频样本	机器学习	腭咽闭合功能障碍	音频信号处理	支持向量机, 深度学习模型	音频	标准化数据集82例患者（60例训练，22例测试），非标准化数据集131个样本（70个对照，61个病例）	NA	Whisper, HuBERT, MFCC/SVM	准确率, 宏F1分数	NA
1797	2026-01-11	Robust Retinal Image Matching: A Modality-Resistant Descriptor Using Directional Anisotropic Texton-Like Features and Evaluation Across Diverse Datasets 2026-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01765-3 PMID:41514133	研究论文	本文提出了一种用于视网膜图像匹配的鲁棒描述符，该描述符基于方向性各向异性类文本特征，并在多种数据集上进行了评估	提出了一种新颖的描述符，该描述符利用一阶和二阶方向性各向异性类文本Leung-Malik导数构建高级特征空间，其细长的感受野与精细的血管和解剖结构自然对齐，实现了更一致的特征编码，并设计了加权自适应分箱配置来处理局部变化	未明确提及本文的具体局限性	解决多模态和单模态视网膜图像匹配中，因局部结构差异、非线性辐射度差异以及结构位移带来的挑战，实现更鲁棒和准确的图像对齐	多种视网膜图像数据集，包括彩色眼底（CF）、荧光素血管造影（FA）、超广角FA、扫描激光检眼镜（SLO）图像以及具有不同重叠度的CF FIRE数据集	计算机视觉	NA	图像匹配，特征描述符	传统手工方法（基于类文本特征）	图像	NA	NA	NA	平均召回率	NA
1798	2026-01-11	Diagnosing migraine from genome-wide genotype data: a machine learning analysis 2026-Jan-08, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf172 PMID:40326299	研究论文	本研究利用机器学习方法从全基因组基因型数据中诊断偏头痛，旨在捕捉非加性和交互效应以解释遗传缺失性	采用机器学习模型（如轻梯度提升机和多项式朴素贝叶斯）处理高维遗传变异数据，探索偏头痛的非加性和交互遗传结构，相比传统多基因风险评分方法在分类性能上显著更优	数据维度（高数量遗传变异）可能受限于可用数据规模，导致对纯加性效应的误导性印象，未来需要更大样本量以充分利用加性和交互效应	开发机器学习模型以捕捉非加性和交互遗传效应，解决偏头痛的遗传缺失性问题	来自特伦德拉格健康研究第二和第三阶段的43,197名个体（51%为女性，平均年龄54.6岁），基于国际头痛疾病分类标准进行表型分型	机器学习	偏头痛	全基因组基因分型	轻梯度提升机, 多项式朴素贝叶斯, 深度学习	基因型数据	43,197名个体	NA	NA	AUC	NA
1799	2026-01-11	Thermodynamic principles link in vitro transcription factor affinities to single-molecule chromatin states in cells 2026-Jan-08, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.11.008 PMID:41308636	研究论文	本文通过整合体外转录因子亲和力与体内单分子染色质状态数据，揭示了人类转录因子eKLF/KLF1的结合机制	首次将体外转录因子亲和力与体内单分子染色质状态进行高通量定量比较，并利用深度学习模型验证生物物理参数	研究仅针对单一人类转录因子eKLF/KLF1，未涵盖其他转录因子或更广泛的调控网络	探究转录因子结合与染色质可及性形成的分子机制	人类转录因子eKLF/KLF1及其与DNA的相互作用	生物信息学	NA	高通量体外结合测定、单分子染色质状态分析、深度学习建模	深度学习模型	体外结合速率与亲和力数据、体内单分子转录因子与核小体占据数据	NA	NA	线性能量模型	NA	NA
1800	2026-01-11	Markers predicting lymphoma development in Sjögren disease: current status and future perspectives 2026-Jan-08, Current opinion in immunology IF:6.6Q1 DOI:10.1016/j.coi.2025.102717 PMID:41512551	综述	本文综述了Sjögren病中预测淋巴瘤发展的生物标志物的最新进展，并探讨了未来研究方向	强调了时间敏感性重新评估传统风险因素和分析新型标志物的范式转变，并指出深度学习在淋巴瘤预测中的应用尚未探索	关于保护性因素和淋巴瘤预防策略的数据稀缺，且缺乏关于淋巴瘤预测、监测和预防的共识指南	综述Sjögren病中淋巴瘤发生的预测标志物，以促进早期诊断和预防	Sjögren病患者，特别是那些有淋巴瘤发展风险的患者	数字病理学	淋巴瘤	NA	深度学习	临床和转化研究数据	NA	NA	NA	NA	NA