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
2681	2026-01-10	Artificial Intelligence Model for Imaging-Based Extranodal Extension Detection and Outcome Prediction in Human Papillomavirus-Positive Oropharyngeal Cancer 2026-Jan-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3225 PMID:41026592	研究论文	本研究开发了一个基于人工智能的流程，用于从HPV阳性口咽癌患者的治疗前CT扫描中自动分割淋巴结并进行影像学淋巴结外侵犯分类，并评估其与肿瘤学预后的关联	开发了一个结合nnU-Net进行淋巴结分割和放射组学特征提取进行iENE分类的AI驱动流程，并首次系统评估了AI预测的iENE与HPV阳性口咽癌患者多种肿瘤学预后的独立关联性	这是一项单中心队列研究，需要外部验证以评估其普适性以及在缺乏专业影像学知识的机构中实施的潜力	开发用于HPV阳性口咽癌患者治疗前CT扫描的淋巴结分割和影像学淋巴结外侵犯分类的人工智能流程，并评估其与肿瘤学预后的关联	HPV阳性且淋巴结阳性的口咽癌成年患者	数字病理学	口咽癌	CT扫描	深度学习	图像	397名患者	nnU-Net	nnU-Net	AUC, 一致性指数, 调整后风险比	NA
2682	2026-01-10	Deep Learning in Otolaryngology: A Narrative Review 2026-Jan-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3911 PMID:41231484	综述	本文是一篇关于深度学习在耳鼻喉科领域应用的叙事性综述，旨在综合近期应用并提出临床整合框架	提出了一个整合深度学习到耳鼻喉科临床实践的框架，并强调了联邦学习和可解释性等新兴框架在提升隐私保护和临床信任方面的潜力	作为叙事性综述，可能存在选择偏倚；深度学习模型在临床广泛采用仍需多机构数据集、标准化采集协议和透明可解释的模型	综述深度学习在耳鼻喉科的应用现状，并为其临床整合提供框架	2020年至2025年间发表的327篇关于深度学习在耳鼻喉科应用的原创研究	医学人工智能	耳鼻喉科疾病	深度学习	NA	图像, 生理信号	基于327项研究，具体样本量未统一报告	NA	NA	诊断性能（如92%的鼻咽癌识别率, 86%的喉恶性肿瘤识别率, >95%的耳科病理识别率）	NA
2683	2026-01-10	A review of firearm toolmarks identification: Progress, challenges, and perspectives 2026-Jan, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112735 PMID:41289806	综述	本文系统回顾了枪械工具痕迹识别技术的发展历程、当前挑战与未来展望	系统分析了从传统二维形态学方法到基于三维显微成像和概率评估框架（似然比）的范式转变，并提出了整合多模态数据以解决新型犯罪工具（如3D打印武器）识别难题的未来方向	NA	回顾枪械工具痕迹识别技术的演进，为构建可验证、高可靠性的枪械识别系统提供理论基础	子弹和弹壳上的条纹与压痕微观痕迹	机器视觉	NA	共聚焦显微镜、扫描电子显微镜、微型计算机断层扫描	深度学习	三维地形图像	NA	NA	NA	似然比	NA
2684	2026-01-10	SU3327: A multi-target compound targeting bacterial menaquinone and DNA 2026-Jan, International journal of antimicrobial agents IF:4.9Q1 DOI:10.1016/j.ijantimicag.2025.107679 PMID:41308844	研究论文	本研究阐明了抗菌化合物SU3327（Halicin）通过靶向细菌呼吸链中的甲基萘醌和诱导DNA氧化损伤的双重作用机制	首次揭示了SU3327通过靶向细菌电子传递链中的甲基萘醌并抑制复合物I，同时通过硝基还原酶生物活化产生活性代谢物诱导DNA氧化损伤的双重协同抗菌机制	研究主要基于大肠杆菌ATCC 25922菌株，其他细菌物种中的机制可能有所不同；体内耐药性发展潜力需要进一步验证	阐明SU3327的抗菌作用机制并探索其作为多靶点治疗剂的潜力	抗菌化合物SU3327（Halicin）及其对细菌能量代谢和DNA的影响	微生物学与药物发现	细菌感染	微生物学分析、生物化学/生物物理分析、质谱分析、电化学分析、转录组学分析	NA	实验数据	使用大肠杆菌ATCC 25922菌株进行研究	NA	NA	NA	NA
2685	2026-01-10	Conductive Composite Hydrogel with Unsymmetrical Structure as Multimodal Triboelectric Nanogenerators for Machine Learning-Assisted Motion 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202512928 PMID:41340381	研究论文	本文提出了一种具有非对称结构的导电复合水凝胶作为多模态摩擦纳米发电机，结合机器学习用于全身运动识别与康复评估	设计了非对称结构的摩擦纳米发电机，利用ZnSnO量子点的非中心对称晶体结构产生显著压电效应，并通过化学交联显著提升了材料的拉伸能力和灵敏度	NA	开发高灵敏度、耐用且稳定的可定制柔性可穿戴传感器，用于生物反馈、运动监测和康复评估	人体全身运动信号	机器学习	NA	摩擦纳米发电机技术、压电效应	深度学习	电信号（由生物机械能转换而来）	NA	NA	NA	灵敏度（应变因子=7.38）、拉伸能力（1082%）	NA
2686	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
2687	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
2688	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
2689	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
2690	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
2691	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
2692	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
2693	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
2694	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
2695	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
2696	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
2697	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
2698	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
2699	2026-01-09	Predicting lung cancer survival with attention-based CT slices combination 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00404-z PMID:41492270	研究论文	本研究提出了一种基于注意力机制的CT切片组合方法，用于预测非小细胞肺癌患者的两年总生存期	引入软注意力机制识别对生存风险预测最相关的CT切片，并结合EfficientNetB0生成的特征表示，构建更有效的3D体积表示方法	研究使用了较小的私有数据集，可能影响模型的泛化能力；方法在有限数据场景下的性能仍需进一步验证	预测非小细胞肺癌患者的两年总生存期，以改善患者护理和治疗效果	非小细胞肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	公共LUNG1数据集和较小的私有数据集	NA	EfficientNetB0	C-index	NA
2700	2026-01-09	Performance of deep-learning reconstruction combined with metal artifact reduction algorithm for dual-energy computed tomography angiography in intracranial aneurysm coil embolization 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100715 PMID:41492271	研究论文	本研究评估了深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞后双能CT血管成像中的诊断性能	首次将深度学习图像重建与金属伪影减少算法结合应用于颅内动脉瘤弹簧圈栓塞后的双能CT血管成像，并确定了80-90 keV为最优能量范围	样本量较小（54例患者），且为单中心前瞻性研究，需要更大规模的多中心验证	评估深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞后随访中的诊断信心和最优方案选择	颅内动脉瘤弹簧圈栓塞后的患者	医学影像分析	颅内动脉瘤	双能计算机断层扫描血管成像	深度学习图像重建	CT图像	54例患者的前瞻性CTA数据库	NA	NA	伪影指数, 信噪比, 对比噪声比, Likert量表评分	NA