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
3741	2026-02-16	Building a GUI Tool for Automated Aortic Segmentation in Low-Dose Chest CT Images with PET-Based Standard Uptake Value (SUV) Analysis 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_29 PMID:41252016	研究论文	本研究开发了一种基于深度学习的自动化主动脉分割和SUVmax计算方法，用于低剂量胸部CT图像，旨在提升PET-CT诊断工作流程的效率	首次将UNET与ResNet-18骨干网络结合用于PET-CT图像的主动脉自动化分割，并集成SUV分析，显著减少了手动操作时间	研究为概念验证性质，样本量有限，未在更大规模数据集上进行外部验证	开发自动化工具以提升PET-CT图像中主动脉区域分割和标准化摄取值（SUV）分析的效率和准确性	PET-CT扫描图像（包括血管炎、淋巴瘤患者及健康对照）	数字病理	心血管疾病	PET-CT结合氟代脱氧葡萄糖（FDG）成像	CNN	医学影像（CT/PET融合图像）	未明确具体数量，包含血管炎、淋巴瘤患者及健康对照的PET-CT扫描	未明确说明	UNET, ResNet-18	IoU（交并比）, SUVmax, 处理时间	NA
3742	2026-02-16	A Rule-Based System for Condition-Specific Recommendations and Sentiment Classification Using Machine Learning and Deep Learning after the Application of a Semantic-Based Sentiment Analysis Methodology on the UCI Drug Reviews Dataset 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_41 PMID:41252028	研究论文	本研究对UCI药物评论数据集进行了全面分析，旨在生成基于特定条件的药物推荐，并利用机器学习和深度学习技术进行情感分类	引入了针对医疗领域的语义过滤方法，包括基于规则的条件相关术语过滤，并开发了一种结合情感分数、评论评分和社会验证指标的自定义度量，用于提供针对特定条件的药物推荐	未提及	生成条件特定的药物推荐并进行情感分类，以深入理解患者对药物的体验	UCI药物评论数据集中的药物评论	自然语言处理	NA	语义情感分析，机器学习和深度学习	Bi-LSTM, CNN-Bidirectional LSTM	文本	未提及	未提及	Bi-LSTM, CNN-Bidirectional LSTM	准确率	未提及
3743	2026-02-16	A multi-class framework for fish species classification using deep learning technique 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342901 PMID:41678491	研究论文	本研究开发了一个基于YOLO深度学习框架的多类别鱼类物种分类系统，用于自动识别鱼类物种	提出使用YOLO深度学习框架进行鱼类物种识别，并在Fish-Pak数据集上实现了99%的准确率和99.65%的mAP，性能优于现有文献	研究仅针对热带鱼类，数据集规模有限（915张图像，6个类别），且未考虑季节和地理位置变化对识别的影响	开发一个自动化深度学习系统，用于准确识别鱼类物种，以支持生态研究、渔业管理和海洋生物学	热带鱼类物种，具体基于Fish-Pak数据集中的6个目标类别	计算机视觉	NA	深度学习，图像检测	CNN, YOLO	图像	915张图像，涵盖6个鱼类物种类别	NA	YOLO v3, YOLO v4	准确率, mAP	NA
3744	2026-02-16	TensorFlow-based MobileNetV2 U-Net tumor segmentation and multiparametric MRI radiomics for predicting cervical lymph node metastasis in oral tongue squamous cell carcinoma 2026, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359261421325 PMID:41684966	研究论文	本研究提出了一种基于TensorFlow的MobileNetV2 U-Net网络，用于自动分割口腔舌鳞状细胞癌肿瘤，并结合多参数MRI影像组学预测颈部淋巴结转移	首次将MobileNetV2 U-Net网络应用于口腔舌鳞状细胞癌的自动肿瘤分割，并构建融合影像组学特征和临床数据的列线图来预测淋巴结转移	这是一项回顾性试点研究，样本量相对较小（136例患者），且为单中心研究，需要进一步的外部验证	开发一种自动化工具来分割口腔舌鳞状细胞癌肿瘤并预测颈部淋巴结转移，以辅助个性化手术规划	口腔舌鳞状细胞癌患者	数字病理	口腔舌鳞状细胞癌	多参数MRI（包括对比增强T1加权、T2加权和T1加权序列）	CNN	MRI图像	136例患者（100名男性，36名女性，平均年龄50.29±12.25岁）	TensorFlow	MobileNetV2 U-Net	Dice相似系数, 平均交并比, ROC曲线下面积	NA
3745	2026-02-16	A comprehensive review of artificial intelligence as a catalyst in aging research: insights, gaps and future perspectives 2026, Frontiers in aging IF:3.3Q2 DOI:10.3389/fragi.2026.1644669 PMID:41685266	综述	本文全面回顾了人工智能在衰老研究中的应用，包括机器学习、深度学习和计算机视觉在经典衰老模型中的作用，并提出了改进AI研究质量的评估指标和概念框架	提出了AI质量评估指标（AI-QAM）和概念框架，以系统评估和整合AI方法与衰老生物学机制	仅3%的研究包含生物学验证，存在数据集小、不平衡、偏差、预测噪声、缺乏跨物种分析、无细胞毒性测试及过度依赖合成数据等问题	探讨人工智能在衰老研究中的催化剂作用，分析当前应用的见解、差距和未来前景	四种经典衰老模型（酵母、线虫、果蝇、小鼠）及相关高吞吐量数据（临床、影像、多组学）	机器学习	老年疾病	NA	机器学习, 深度学习, 计算机视觉	临床数据, 影像数据, 多组学数据	NA	NA	NA	NA	NA
3746	2026-02-16	Identification and validation of γ-Linolenic acid as a natural FABP5 inhibitor in hepatocellular carcinoma through deep learning and experimental approaches 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1700347 PMID:41685317	研究论文	本研究通过深度学习与实验方法相结合，鉴定并验证了γ-亚麻酸作为肝细胞癌中天然FABP5抑制剂	整合了基于机器学习的虚拟筛选、分子对接和分子动力学模拟，以识别与FABP5高亲和力结合的自然化合物，并通过实验验证了γ-亚麻酸的抗肿瘤活性	NA	鉴定并验证肝细胞癌中天然FABP5抑制剂，以开发潜在的治疗靶点	肝细胞癌细胞系	机器学习	肝细胞癌	虚拟筛选、分子对接、分子动力学模拟、体外实验	深度学习	化学化合物数据、细胞实验数据	NA	NA	NA	NA	NA
3747	2026-02-16	Radiology as a pillar in AI-based COVID-19 research: Insights from a diverse bibliometric analysis 2026 Jan-Feb, Radiologia IF:1.1Q3 DOI:10.1016/j.rxeng.2025.101651 PMID:41690763	综述	本研究通过文献计量分析，探讨了人工智能在COVID-19研究中的知识结构和研究现状	首次结合描述性引文分析和文献耦合分析，系统性地揭示了COVID-19与AI交叉领域的研究格局和知识流动	分析基于特定数据库（WoS和Scopus），可能未涵盖所有相关文献；样本选择可能受引文偏倚影响	探索人工智能在COVID-19背景下的研究现状，识别最具影响力的文献，并勾勒该领域的概念框架	8057篇关于COVID-19和人工智能的学术文献	自然语言处理	COVID-19	文献计量分析	NA	文本	8057篇文献（其中1000篇高被引文献用于描述性引文分析）	R Bibliometrix/Biblioshiny, VOSviewer	NA	NA	NA
3748	2026-02-15	Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices 2026-Jul, Applied ergonomics IF:3.1Q2 DOI:10.1016/j.apergo.2026.104743 PMID:41628493	研究论文	本研究评估并改进了基于智能手机的无标记运动捕捉系统OpenCap，用于测量职业举重任务中的三维关节运动学	针对OpenCap在职业举重任务中性能不足的问题，提出并训练了一个任务特定的模型，显著降低了运动学误差和误差变异性	原始模型在未包含于训练数据集的活动（如职业举重任务）中表现较差，本研究通过任务特定模型解决了此限制，但可能仍需针对其他特定任务进行类似适配	评估和改进无标记运动捕捉技术，以低成本、易用且适用于现场的方式收集三维举重运动学数据，用于人机工程学应用	职业举重任务中的三维关节运动学	计算机视觉	NA	无标记运动捕捉	深度学习模型	视频	基于大量多样化手动举重任务数据集	NA	标记增强器	均方根误差, 误差变异性	NA
3749	2026-02-15	Artificial intelligence driven protein design and sustainable nanomedicine for advanced theranostics 2026-Jun, Bioactive materials IF:18.0Q1 DOI:10.1016/j.bioactmat.2026.01.036 PMID:41674557	综述	本文综述了人工智能驱动的蛋白质设计与可持续纳米医学在先进诊疗一体化中的整合应用	将人工智能、蛋白质工程与可持续纳米医学相结合，推动诊疗一体化范式转变，实现高精度疾病诊断和靶向治疗	NA	总结AI驱动的蛋白质设计策略、可持续纳米载体工程及其在下一代诊疗系统中的融合	蛋白质、肽、纳米材料、纳米载体	机器学习	肿瘤学	机器学习、深度学习	NA	生物和化学数据集	NA	NA	NA	NA	NA
3750	2026-02-15	Advances and challenges in multiscale biomolecular simulations: artificial intelligence-driven paradigm shift 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70024 PMID:41675594	综述	本文讨论了生物分子模拟技术的最新进展，并探讨了生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	整合机器学习特别是深度学习算法，推动了生物分子模拟领域的创新	NA	讨论生物分子模拟技术的最新进展，并探索生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	生物分子模拟技术	机器学习	NA	分子模拟技术	深度学习算法	NA	NA	NA	NA	NA	NA
3751	2026-02-15	Protein design and RNA design: Perspectives 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70029 PMID:41675592	综述	本文综述了深度学习和生成模型在蛋白质与RNA设计领域的最新进展，强调了其在创造具有定制结构和功能的新型生物分子方面的应用潜力	整合了蛋白质与RNA设计的生成式深度学习框架，支持前所未有的精确度进行骨架生成、序列优化及序列-结构协同设计，并展望了统一建模、大规模采样和自动化实验管道的新时代	模型泛化能力和实验验证方面仍存在挑战	探讨深度学习和生成模型如何推动蛋白质与RNA设计领域的发展，以加速可编程生物系统和下一代疗法的创建	蛋白质和RNA生物分子	机器学习	NA	深度学习, 生成建模	生成模型	序列数据, 结构数据	NA	NA	NA	NA	NA
3752	2026-02-15	A deep learning mobile application for tomato leaf nutrition deficiency identification with YOLOv8 and enhanced augmentation 2026-Mar, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.112973 PMID:41506476	研究论文	本研究提出了一种基于YOLOv8和增强数据增广的深度学习移动应用，用于番茄叶片营养缺乏的识别	结合了最新的YOLOv8目标检测模型与分层数据增广方案，并开发了Android移动应用以实现实时检测	未明确说明模型在复杂田间环境或不同光照条件下的泛化能力，也未提及与其他先进模型的全面对比	实现番茄叶片营养缺乏的早期、准确检测，以支持精准农业中的及时干预	番茄叶片	计算机视觉	NA	深度学习目标检测	YOLOv8	图像	NA	NA	YOLOv8	mAP@0.50, mAP@0.50-0.95, 准确率, 精确率, 召回率, F1分数	NA
3753	2026-02-15	Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot 2026-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110724 PMID:41548324	研究论文	本研究开发了一种可解释的深度学习模型，用于将足部X光片分类为正常、足底筋膜炎和平足症三类	利用合成X光图像训练模型，并结合Grad-CAM++增强模型可解释性，提供解剖学上一致的激活模式分析	模型基于合成数据集训练，需在真实临床环境中进一步验证	开发并解释能够对足部X光片进行多类分类的深度学习模型	足部X光片（正常、足底筋膜炎、平足症）	计算机视觉	足部疾病	X光成像	CNN	图像	9500张合成侧位足部X光图像	PyTorch	DenseNet-121	准确率, F1分数	NA
3754	2026-02-15	AlphaMissense pathogenicity scores predict response to immunotherapy and enhances the predictive capability of tumor mutation burden 2026-Mar, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2026.102697 PMID:41637811	研究论文	本研究提出了一种名为AlphaTMB的复合生物标志物，结合了肿瘤突变负荷（TMB）和AlphaMissense深度学习模型预测的错义变异致病性评分，以改善癌症患者对免疫检查点抑制剂（ICI）治疗的生存预测	首次将TMB与基于深度学习的错义变异致病性评分（AlphaMissense）相结合，创建了AlphaTMB复合生物标志物，显著提升了免疫治疗反应的预测能力，并能够重新分类TMB边界病例	研究基于回顾性队列（MSK-IMPACT研究），需要在前瞻性研究中进一步验证；样本量相对有限（1,662例患者）	开发一种改进的生物标志物，以更准确地预测癌症患者对免疫检查点抑制剂（ICI）治疗的反应和生存结局	接受免疫检查点抑制剂（ICI）治疗的泛癌患者队列	机器学习	癌症	深度学习模型预测错义变异致病性	深度学习模型	基因组测序数据（错义变异）	1,662例来自MSK-IMPACT研究的患者	NA	AlphaMissense	风险比（HR）, p值, Spearman相关系数（ρ）	NA
3755	2026-02-15	BiGraph-DTA: Predicting drug-target interactions of hepatoprotective agents with graph convolutional networks 2026-Mar, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70022 PMID:41676328	研究论文	本研究提出了一种名为BiGraph-DTA的新预测模型，用于预测肝保护剂与靶标之间的亲和力，结合了图卷积网络和双向长短期记忆网络	通过结合图卷积网络和双向长短期记忆网络，同时处理分子结构的图表示和蛋白质序列的序列信息，以捕获复杂的依赖关系和相互作用	未明确提及模型的局限性	预测肝保护剂与靶标之间的亲和力，以加速肝保护疗法的药物发现过程	肝保护剂化合物及其对应的蛋白质靶标	机器学习	肝病	NA	图卷积网络, 双向长短期记忆网络	分子结构图, 蛋白质序列	21,421个相互作用	NA	BiGraph-DTA	均方误差, 皮尔逊相关系数, 一致性指数	NA
3756	2026-02-15	[Development of a deep learning model for predicting adverse cardiovascular events in patients with acute coronary syndrome based on retinal fundus images] 2026-Feb-24, Zhonghua xin xue guan bing za zhi DOI:10.3760/cma.j.cn112148-20251009-00704 PMID:41688180	研究论文	本研究开发并验证了一种基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险	首次利用视网膜眼底图像结合深度学习模型（Inception-Resnet-V2）预测ACS患者的MACCE风险，并展示了模型的临床可解释性	模型在外部验证队列中的AUC为0.644，性能有待进一步提升，且研究为观察性设计，需前瞻性验证	开发并验证一个基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险	急性冠脉综合征患者	计算机视觉	心血管疾病	视网膜眼底成像	深度学习	图像	4703名ACS患者（开发集1521人，外部验证集3182人）	NA	Inception-Resnet-V2	AUC	NA
3757	2026-02-15	Deep learning-assisted double strong coupling between multi-order anapoles and excitons 2026-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.584009 PMID:41686938	研究论文	本研究利用深度学习辅助设计了一种三层堆叠混合系统，实现了多阶anapole模式与激子之间的双重强耦合	首次通过深度学习构建神经网络来设计能同时激发一阶和二阶anapole并分别与不同材料激子实现强耦合的混合系统，实现了双重强耦合行为	目前仅为理论研究，尚未进行实验验证；系统设计基于特定材料组合	探索多阶anapole模式与多个激子之间的强耦合相互作用	Si纳米盘、MoSe纳米盘、MoTe纳米盘构成的三层堆叠混合系统	机器学习	NA	深度学习	神经网络	理论计算数据	NA	NA	NA	拉比分裂能量（100.6 meV, 118.2 meV）	NA
3758	2026-02-15	YORU: Animal behavior detection with object-based approach for real-time closed-loop feedback 2026-Feb-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw2109 PMID:41671367	研究论文	本文提出了一种基于物体检测深度学习算法的动物行为检测方法YORU，能够实时识别并分类多种社会行为，并实现闭环反馈光刺激	首次将行为直接定义为“行为对象”进行检测，突破了传统姿态估计方法的限制，实现了多个体近距离交互时的实时行为分析与精准光刺激反馈	未明确说明算法在极端光照条件或遮挡严重场景下的鲁棒性，也未提供跨物种泛化能力的定量评估	开发一种能够实时检测动物社会行为并实现闭环反馈的系统，以推动神经行为学研究	从脊椎动物到昆虫的多种动物物种的社会行为	计算机视觉	NA	深度学习物体检测	CNN	视频	NA	NA	NA	NA	NA
3759	2026-02-15	Medical students' mental health, quality of life, motivation, and learning approaches before, during and after COVID-19: findings from a 4-wave repeated cross-sectional survey 2026-Feb-13, Psychology, health & medicine DOI:10.1080/13548506.2026.2623309 PMID:41686536	研究论文	本研究通过四波重复横断面调查，探讨了医学生在COVID-19疫情前、期间及后心理健康、生活质量、学术动机和学习方式的变化	首次在医学生中纵向比较COVID-19疫情前、期间及后的心理与学术指标变化，并揭示了学习方式通过动机中介影响心理健康的机制	采用横断面设计而非纵向追踪同一群体，可能限制因果推断；样本仅来自单一医学院，外部效度有限	探究COVID-19疫情对医学生心理健康、生活质量、学术动机和学习方式的影响，并分析动机在学习方式与心理健康间的中介作用	医学生	医学教育研究	NA	问卷调查	线性回归模型, 中介模型	调查问卷数据	1860名医学生（四波独立队列）	NA	NA	NA	NA
3760	2026-02-15	50 Years of Automated Face Recognition 2026-Feb-13, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3664269 PMID:41686677	综述	本文回顾了自动人脸识别技术过去50年的历史和技术演变，从早期的手工几何与统计方法到现代深度学习架构	系统梳理了人脸识别从手工方法到深度学习的技术演进，并分析了数据集规模、多样性与模型泛化能力之间的关系	NA	追溯自动人脸识别的历史发展，分析关键技术创新，并指出未来研究方向	自动人脸识别技术	计算机视觉	NA	NA	深度学习	图像	超过1000万个身份的大规模图库	NA	NA	错误否定识别率, 错误肯定识别率	NA