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
2281	2026-03-10	A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars 2026-Feb-28, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109467 PMID:41764935	研究论文	本研究开发了一种基于深度学习的自动化系统，用于在全景X光片上检测和分类与阻生第三磨牙相关的第二磨牙病变	提出了增强的SMM-YOLOv8n模型，该模型基于YOLOv8架构，引入了Slim-Neck优化和多维注意力机制，在检测精度和效率上均优于基线模型	研究为回顾性设计，数据集规模相对有限（1,170张图像），且仅使用单一类型影像（全景X光片）	开发自动化深度学习系统以提升与阻生第三磨牙相关的第二磨牙病变的诊断准确性和临床决策支持	全景X光片中显示的与阻生第三磨牙相邻的第二磨牙	计算机视觉	口腔疾病	深度学习，迁移学习	CNN	图像	1,170张全景X光片	PyTorch	YOLOv8, SMM-YOLOv8n	mAP@50, 精确率, 召回率, F1分数	NA
2282	2026-03-10	Artificial intelligence in urological malignancy diagnosis and prognosis: current status and future prospects 2026-Feb-28, The Canadian journal of urology DOI:10.32604/cju.2026.076084 PMID:41800500	综述	本文综述了人工智能在泌尿系统恶性肿瘤（包括前列腺癌、膀胱癌和肾细胞癌）诊断与预后中的当前应用、技术创新及面临的临床挑战与未来机遇	整合影像学、病理学和分子数据，提升肿瘤检测、分级和风险分层的精确性与可重复性，并探索了AI在实时病变分割、非侵入性生物标志物预测及个性化治疗支持方面的应用	面临数据标准化、模型泛化性、可解释性以及监管合规性等挑战，阻碍了AI的临床转化	概述人工智能在泌尿系统癌症诊断与预后领域的现状、技术创新及未来临床挑战与机遇	泌尿系统恶性肿瘤，包括前列腺癌、膀胱癌和肾细胞癌	数字病理学	前列腺癌	多参数磁共振成像、数字病理系统、深度学习、放射组学、多组学数据	深度学习	影像、病理、分子数据	NA	NA	NA	NA	NA
2283	2026-03-10	Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine Learning, and Physics-Informed Methods 2026-Feb-17, ArXiv PMID:41757284	综述	本文综述了基于成像的冠状动脉血流储备分数（FFR）的最新进展，重点关注物理基础、机器学习以及物理信息方法	强调了新兴的物理信息神经网络和神经算子（PINNs和PINOs）在提高泛化能力和减少对密集监督依赖方面的创新应用	机器学习/深度学习方法在真实世界中的性能和泛化能力可能因多中心异质性、可解释性挑战以及采集协议和图像质量的差异而存在波动	旨在快速、无导丝且可扩展地进行冠状动脉狭窄的功能评估	基于CT和血管造影的冠状动脉血流储备分数（FFR）	医学影像分析	心血管疾病	计算流体动力学（CFD）、机器学习（ML）、深度学习（DL）	物理信息神经网络（PINNs）、神经算子（PINOs）	CT图像、血管造影图像	NA	NA	NA	校准、不确定性量化、质量控制	NA
2284	2026-03-10	Parameter-free representations outperform single-cell foundation models on downstream benchmarks 2026-Feb-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.11.705358 PMID:41727141	研究论文	本文探讨了在单细胞RNA测序数据分析中，无需复杂深度学习模型，仅通过简单线性方法即可实现与现有基础模型相媲美甚至更优的下游任务性能	展示了简单、可解释的线性方法在多个单细胞下游基准测试中达到或超越基于Transformer的基础模型性能，特别是在涉及训练数据中未见的新细胞类型和生物体的分布外任务上表现更优	未详细讨论线性方法在更复杂或大规模数据集上的可扩展性，以及可能存在的特定生物学场景适应性限制	评估并比较基于深度学习的单细胞基础模型与简单线性方法在下游任务中的性能表现	单细胞RNA测序数据及其在细胞类型分类、疾病状态预测和跨物种学习等下游任务中的应用	机器学习	NA	单细胞RNA测序	线性模型, Transformer	基因表达数据	NA	NA	Transformer	NA	NA
2285	2026-03-10	A two-stage deep learning framework for kidney disease detection using modified specular-free imaging and EfficientNetB2 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04606-z PMID:41673036	研究论文	本文提出了一种用于肾脏疾病检测的两阶段深度学习框架，结合改进的无镜面反射成像技术和EfficientNetB2分类模型	提出了一种新颖的改进无镜面反射技术来增强肾脏图像质量，并结合EfficientNet-B2架构构建两阶段诊断模型，在肾脏疾病检测中实现了98.27%的高准确率	未明确说明数据集的规模和多样性限制，也未讨论模型在临床实际应用中的验证情况	提高各种肾脏病理的检测准确率	肾脏图像（包括正常肾脏、肿瘤、肾结石和囊肿）	数字病理学	肾脏疾病	改进的无镜面反射成像技术	CNN	图像	NA	NA	EfficientNet-B2, VGG16, ResNet50, VGG19, DenseNet121, DenseNet169, DenseNet201, EfficientNet-B0, EfficientNet-B1, EfficientNet-B3	准确率	NA
2286	2026-03-10	Automated cone photoreceptor detection using synthetic data and deep learning in confocal adaptive optics scanning laser ophthalmoscope images 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39570-9 PMID:41673253	研究论文	本研究提出了一种基于合成数据和深度学习的方法，用于在自适应光学扫描激光检眼镜图像中自动检测视锥细胞	利用合成数据（ERICA生成）结合少量真实数据训练U-Net模型，解决了标注数据不足的问题，并在独立数据集上验证了方法的泛化能力	未明确说明合成数据与真实数据的分布差异对模型性能的具体影响，也未讨论模型在不同疾病状态下的适用性	开发一种自动化的视锥细胞检测方法，以替代耗时且主观的人工标注	自适应光学扫描激光检眼镜图像中的视锥细胞	计算机视觉	视网膜疾病	自适应光学扫描激光检眼镜成像	CNN	图像	大型合成数据集（ERICA生成）配合较小真实数据集（密尔沃基数据集），并在独立真实数据集（牛津数据集）上测试	NA	U-Net	Dice系数	NA
2287	2026-03-10	Interpretable Feature-Transformer Framework for Cross-Subject MCI Detection Using Nonlinear Dynamical and Graph-Theoretic EEG Features 2026-Feb-11, Research square DOI:10.21203/rs.3.rs-8744978/v1 PMID:41727576	研究论文	本研究提出了一种可解释的特征-Transformer框架，利用非线性动力学和图论EEG特征进行跨被试的轻度认知障碍检测	结合手工设计的非线性动力学与图论连通性特征与基于注意力的Transformer建模，并利用SHAP分析提供模型可解释性	样本量相对有限（183名参与者），且仅使用静息态闭眼EEG数据，未探索其他任务状态或更长时程数据	早期准确检测轻度认知障碍，以预防其向阿尔茨海默病发展	183名参与者（127名健康对照，56名MCI患者）的静息态闭眼EEG记录	机器学习	阿尔茨海默病	EEG信号处理，非线性动力学分析，图论分析	Transformer, EEGNet	EEG信号	183名参与者（127名健康对照，56名MCI患者）	未明确提及	Transformer, EEGNet	准确率	NA
2288	2026-03-10	Design and Implementation of an Automated Drosophila Locomotor Assay Using Computer Vision Tracking 2026-Feb-11, Research square DOI:10.21203/rs.3.rs-8769384/v1 PMID:41727580	研究论文	本文介绍了一种基于计算机视觉跟踪的自动化果蝇运动行为检测系统的设计与实现	开发了一个集成的硬件-软件平台，实现自动化、高分辨率的果蝇运动分析，相比手动评分处理速度提高2.8倍，数据密度提高约800倍	NA	开发自动化果蝇运动行为检测系统，以克服传统方法的主观评分、通量限制和可重复性挑战	果蝇（Drosophila）	计算机视觉	NA	计算机视觉跟踪	深度学习	视频	NA	Python	NA	IoU	Raspberry Pi
2289	2026-03-10	Deep Learning-Based Automated Echocardiographic Measurements in Pediatric and Congenital Heart Disease 2026-Feb-09, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.06.26345782 PMID:41728295	研究论文	本研究开发了一个名为EchoFocus-Measure的AI平台，用于自动从儿科和先天性心脏病患者的超声心动图研究中提取定量和定性参数	扩展了多任务、视图无关的PanEcho架构，并引入了研究级Transformer来优先处理具有诊断信息的视图，从而在儿科和先天性心脏病超声心动图的全面自动化测量方面取得了进展	外部验证中定性指标的AUROC表现相对一般（0.73-0.86），且研究主要基于特定医院的数据，可能在不同医疗环境中的泛化能力有待进一步验证	开发一个AI平台，以在全球范围内提供专家级别的超声心动图测量精度和标准化，特别是在资源有限和农村地区	儿科和先天性心脏病患者的超声心动图研究	计算机视觉	先天性心脏病	超声心动图	Transformer, 深度学习模型	视频	内部队列包括来自217,435次超声心动图的1,140万段视频（60,269名患者），外部验证包括来自3,096次超声心动图的289,613段视频（2,506名患者）	NA	PanEcho, Transformer	中位绝对误差, AUROC	NA
2290	2026-03-10	Technological Advancements in Cranial and Spinal Navigation in the Past 30 Years: A Detailed Patent Bibliometric Analysis 2026-Feb, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124779 PMID:41482266	研究论文	本文通过专利文献计量学分析，系统回顾了过去30年颅脑和脊柱导航技术的技术发展历程	首次采用专利文献计量学框架系统探索颅脑和脊柱导航领域的技术发展，并量化科学出版物对专利的影响	研究主要基于前向引用次数筛选专利，可能忽略其他重要但引用较少的专利；数据来源限于Lens数据库	评估颅脑和脊柱导航领域的技术创新趋势和知识产权发展	颅脑和脊柱导航技术相关的专利和科学出版物	医学工程	神经系统疾病	专利文献计量学分析	NA	专利记录和科学出版物	714项相关专利，其中100项高引用专利；近15,000篇科学出版物，其中1,107篇被专利引用	NA	NA	前向引用次数	NA
2291	2026-03-10	Ab initio prediction of RNA structure ensembles with RNAnneal 2026-Feb-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.01.703098 PMID:41659490	研究论文	介绍了一种名为RNAnneal的方法，用于预测RNA结构集合，该方法结合了生成式深度学习、统计物理学和分子动力学建模	RNAnneal首次将生成式深度学习与统计物理学和分子动力学建模无缝集成，用于RNA结构集合的从头预测，并引入了交互熵作为构象异质性的度量	对于包含假结（PK-comprising）的结构，性能仍有改进空间	预测RNA结构集合，以加速RNA靶向药物发现和功能性RNA分子设计	RNA分子，特别是核糖开关RNA的实验解析构象	机器学习	NA	生成式深度学习，统计物理学，分子动力学建模	深度学习模型	RNA序列	16个实验解析的核糖开关RNA构象	NA	NA	RNAnneal评分，Rosetta评分，RNA力场分类性能	NA
2292	2026-03-10	A dataset and benchmark of carbonate thin-section images for deep learning 2026-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06633-5 PMID:41605971	研究论文	本文介绍了DeepCarbonate数据集，这是一个用于深度学习碳酸盐岩薄片图像分析的标准化基准数据集	提出了首个经过专家清理和标准化的大规模公开碳酸盐岩薄片图像数据集，并提供了分层分类和标准化实验设置	数据集主要来源于特定地质层位和地区，可能无法完全代表全球碳酸盐岩的多样性	为碳酸盐岩薄片图像分析提供可重复和公平的深度学习模型比较基准	碳酸盐岩薄片图像	计算机视觉	NA	薄片图像分析	CNN	图像	包含22个岩性类别的图像，具体数量未在摘要中明确说明	PyTorch	ResNet, VGG, DenseNet, MobileNet, EfficientNet	NA	使用CUDA加速的GPU，具体型号未在摘要中明确说明
2293	2026-03-10	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Jan-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，能够灵活处理输入输出并应用于临床场景	开发了基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入输出，克服了现有模型数据量小、输出单一的限制	未明确说明模型在极端或病理步态条件下的泛化能力，以及计算资源需求的具体细节	通过深度学习模型分析人类步态动力学，以替代昂贵的实验室实验和物理模拟，促进人类移动能力	人类行走和跑步的步态模式，包括运动学和动力学数据	机器学习	NA	深度学习	生成式基础模型	运动学数据（如关节角度）、动力学数据（如地面反作用力）	大规模多样化步态数据集（具体数量未在摘要中说明）	NA	NA	准确性	NA
2294	2026-03-09	Non-invasive screening for ovarian cancer by combining serum SERS with interpretable machine learning models 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129572 PMID:41724105	研究论文	本研究结合血清表面增强拉曼光谱与可解释机器学习模型，开发了一种用于卵巢癌非侵入性筛查的诊断模型	首次将血清SERS光谱与两阶段特征选择（基于LightGBM特征重要性及SHAP值）及深度神经网络相结合，构建了高精度的卵巢癌筛查模型	未提及模型在更大规模、多中心数据集上的验证情况，也未讨论不同亚型卵巢癌的鉴别能力	实现卵巢癌的高效、精准非侵入性筛查	临床确诊的卵巢癌患者、健康个体及卵巢子宫内膜异位症患者的血清样本	机器学习	卵巢癌	表面增强拉曼光谱	LightGBM, DNN	光谱数据	未明确说明具体样本数量，但包含三类人群（卵巢癌患者、健康者、卵巢子宫内膜异位症患者）的血清样本	未明确说明，但提及了LightGBM和DNN	深度神经网络	准确率	NA
2295	2026-03-09	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	本研究开发了一种基于开放集深度学习的LIBS传感技术，用于病原体粉末的无标记现场识别	通过将分类-重构开放集识别策略集成到残差网络中，构建了改进的开放集深度学习模型，显著提升了模型对未知样本的拒绝能力	未在摘要中明确说明	开发一种能够现场、无标记识别病原体粉末的技术，以提高生物安全和反恐应对的有效性	病原体粉末，包括已知目标病原体和未知样本（如生物样本、培养基和非生物干扰物）	机器学习	NA	激光诱导击穿光谱	深度学习	光谱数据	测试集包含五种已知目标病原体和九种未知样本	NA	ResNet	识别准确率	NA
2296	2026-03-09	Cross-omics interpretable neural network for discovery of molecular markers in prostate cancer 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108879 PMID:41518989	研究论文	本文提出了一种跨组学可解释神经网络（CINN），用于预测前列腺癌状态并识别关键分子标志物	CINN创新性地利用通路或蛋白质-蛋白质相互作用网络的先验生物学知识，结合新颖的可训练掩码层，动态优化预定义生物学连接的强度，从而增强知识表示和模型可解释性	NA	发现前列腺癌中具有临床侵袭性表型的分子标志物	前列腺癌	机器学习	前列腺癌	多组学数据整合	神经网络	基因表达、体细胞突变、拷贝数变异	NA	NA	Cross-omics Interpretable Neural Network (CINN)	F1分数, 准确率, AUC	NA
2297	2026-03-09	YOFOR : You only focus on object regions for tiny object detection in aerial images 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108571 PMID:41538898	研究论文	提出了一种用于航拍图像中小目标检测的自适应局部感知增强网络YOFOR	设计了自适应局部感知模块、模糊增强模块和类别平衡模块，能够自适应定位密集目标区域、减弱背景干扰并缓解长尾类别问题	未明确说明计算复杂度或实时性表现，也未与其他最先进方法进行全面的速度比较	提升航拍图像中小目标检测的性能	航拍图像中的小目标	计算机视觉	NA	深度学习	CNN	图像	VisDrone、DOTA和AI-TOD数据集	未指定	YOFOR（自适应局部感知增强网络）	未明确说明	NA
2298	2026-03-09	Point-Deeponet: Predicting nonlinear fields on non-Parametric geometries under variable load conditions 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108560 PMID:41544498	研究论文	本文提出了一种名为Point-DeepONet的算子学习代理模型，用于预测非参数几何结构在可变载荷条件下的非线性物理响应场	将PointNet集成到DeepONet框架中，直接从原始点云学习几何表示，无需手动参数化，并实现了几何嵌入与载荷条件的协同融合	未明确提及模型在极端载荷或几何变形下的鲁棒性限制	开发一种能够快速准确预测复杂非参数三维几何结构在可变载荷下物理响应的深度学习代理模型	非线性结构分析中的三维位移和von Mises应力场	机器学习	NA	NA	PointNet, DeepONet	点云数据	大规模数据集（具体数量未明确说明）	NA	Point-DeepONet（PointNet与DeepONet的集成架构）	决定系数（R²）	NA
2299	2026-03-09	A causal bidirectional selective state space model for imaging genetics in neurodegenerative diseases 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108587 PMID:41547121	研究论文	本文提出了一种用于神经退行性疾病影像遗传学的深度因果双向选择性状态空间模型，旨在解决长序列遗传数据信息提取和建立遗传、影像与疾病间因果关系两大挑战	提出首个将多级特征提取与因果推理统一于表示学习框架的CausalMamba模型，通过反事实推理和对比学习策略构建从遗传到疾病的因果链，并实现仅需遗传数据即可进行疾病诊断	模型仅在模拟数据集、ADNI和PPMI数据集上验证，需在更多样化的临床队列中进一步验证其泛化能力	揭示神经退行性疾病的病理机制并改善其诊断	阿尔茨海默病和帕金森病患者与正常对照	影像遗传学	神经退行性疾病	脑影像遗传学分析	深度因果双向选择性状态空间模型	长序列遗传数据、全脑影像数据	ADNI数据集、PPMI数据集及模拟数据集	NA	CausalMamba, BiMamba	准确率	NA
2300	2026-03-09	GIN-transformer based pairwise graph contrastive learning framework 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108621 PMID:41576557	研究论文	提出了一种基于GIN-Transformer的成对图对比学习框架，用于从静息态功能磁共振成像数据中自动诊断神经精神疾病	提出GITrans-PairCL框架，首次将图同构网络（GIN）与Transformer结合，通过无监督图对比学习解决标记数据稀缺问题，并设计了双模态对比学习模块进行多尺度特征提取	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力，以及计算效率的具体分析	开发一种不依赖大量标记数据的深度学习框架，用于神经精神疾病的自动诊断	自闭症谱系障碍（ASD）和重度抑郁症（MDD）患者	医学图像分析	神经精神疾病	静息态功能磁共振成像（rs-fMRI）	GIN, Transformer	功能磁共振成像时间序列数据	基于两个公开数据集的单站点和跨站点评估（具体样本数未提供）	未明确指定	GIN-Transformer混合架构	未明确指定具体指标	NA