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
5781	2026-02-13	State and Diffusion of National Institutes of Health Funding of AI in Radiology 2026-Feb-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01870-x PMID:41673229	研究论文	本研究回顾性分析了美国国立卫生研究院（NIH）对放射学领域人工智能研究的资助状况与扩散趋势	首次利用自动化大型语言模型流程对NIH资助项目进行主题提取和分类，并量化分析了AI在放射学领域的扩散速率与阶段	仅基于NIH RePORTER和ExPORTER数据库的公开数据，未涵盖其他资助来源；研究为回顾性分析，无法预测未来政策变化的影响	了解NIH对放射学AI研究的资助模式、趋势和重点领域，为研究者、机构和政策制定者提供战略决策参考	NIH在2015-2024年间资助的放射学AI研究项目	数字病理学	NA	NA	NA	文本数据（项目数据库）	截至2025年1月的活跃NIH资助项目及过去十年（2015-2024）的时间序列数据	NA	NA	复合年增长率（CAGR）、渗透率、倍增时间	NA
5782	2026-02-13	Deep Learning Identification of Clear Cell Renal Cell Carcinoma on MR Imaging 2026-Feb-09, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001848 PMID:41656681	研究论文	本研究探讨了多种卷积神经网络在MRI上识别透明细胞肾细胞癌的性能，并与放射科医生使用的透明细胞可能性评分算法进行了比较	首次系统比较了多种CNN模型在ccRCC识别中的表现，并融合了三种不同类型的MR图像以提高分类鲁棒性	研究为回顾性设计，样本量相对有限（310例患者），且仅针对cT1期（≤7 cm）的肾肿块，未涵盖更晚期或不同大小的肿瘤	评估CNN模型在MRI上识别透明细胞肾细胞癌的诊断性能，并与放射科医生的表现进行对比	经病理证实的肾肿块患者（cT1期，≤7 cm）的MR图像	计算机视觉	肾细胞癌	MRI成像（包括T2加权、T1加权反相/同相、皮质髓质期对比增强）	CNN	图像	310例患者，共480个CNN模型训练	NA	多种卷积神经网络架构（具体未指定）	AUC	NA
5783	2026-02-13	Primary tumor-derived, multiparametric MRI-based deep learning-radiomics-clinical model for predicting lymph node metastasis in early-stage cervical cancer 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02211-w PMID:41661434	研究论文	本研究开发并验证了一种基于原发肿瘤多参数MRI的深度学习-影像组学-临床（DLRC）模型，用于预测早期宫颈癌的盆腔淋巴结转移	首次整合了原发肿瘤的深度学习特征、影像组学特征和临床特征，构建了一个多中心验证的、用于术前预测早期宫颈癌淋巴结转移的综合性模型	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性研究中进一步验证	开发一个术前预测早期宫颈癌盆腔淋巴结转移的稳健且可推广的工具	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI（包括CE-T1WI, DWI, FS-T2WI序列）	深度学习模型, 影像组学模型, 整合模型	医学影像（MRI）	1095名患者（来自五个中心），分为训练队列（n=481）、内部验证队列（n=204）和外部验证队列（n=410）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
5784	2026-02-13	Spectral CT imaging in colorectal cancer: current applications, limitations, and future perspectives 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02212-9 PMID:41661515	综述	本文综述了光谱CT在结直肠癌中的当前应用、局限性和未来前景	系统总结了光谱CT在结直肠癌检测、分期、预后评估及与基因突变等生物标志物关联方面的最新应用证据，并展望了与人工智能结合的未来方向	大多数研究样本量小且为观察性，缺乏标准化，图像分割耗时限制了广泛应用	总结光谱CT在结直肠癌中的临床应用现状并探讨其未来发展方向	结直肠癌患者及其原发性和转移性病灶	数字病理	结直肠癌	光谱CT（包括双层光谱CT、双能光谱CT）	NA	CT影像	NA	NA	NA	NA	NA
5785	2026-02-13	A tissue-informed deep learning-based method for positron range correction in preclinical 68Ga PET imaging 2026-Feb-06, ArXiv PMID:41675347	研究论文	提出一种基于深度学习的组织信息引导方法，用于临床前68Ga PET成像中的正电子射程校正	首次将组织依赖的解剖信息通过u图依赖的损失函数整合到3D残差编码器-解码器卷积神经网络中，用于正电子射程校正	在真实数据中缺乏金标准验证，未来需要通过领域适应和混合训练策略提高模型泛化能力	提高68Ga PET成像的空间分辨率和定量准确性	68Ga-FH和68Ga-PSMA-617小鼠研究的合成和真实PET采集数据	医学影像分析	NA	PET成像，CT成像	CNN	图像	模拟PET数据集及小鼠研究的真实采集数据	NA	3D RED-CNN, Single-channel, Two-channel, DualEncoder	MAE, SSIM, CR, CNR	NA
5786	2026-02-13	Disentangle-and-aggregate feature learning (DAFNet) for motor bearing fault diagnosis 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34490-6 PMID:41639110	研究论文	本文提出了一种用于电机轴承故障诊断的解耦与聚合特征学习网络（DAFNet），旨在解决传统CNN因网络深度增加导致的参数冗余和计算效率低下的问题	提出了一种创新的分层解耦与聚合机制，通过二次分割策略分离浅层、中层和深层特征，并进行终端特征融合，有效表征故障信息	NA	开发一种轻量高效的深度学习模型，用于电机轴承故障诊断，以适应资源受限的边缘设备部署	电机轴承	机器学习	NA	故障诊断	CNN	传感器数据	基于CWRU数据集	NA	DAFNet	平均准确率	资源受限的边缘设备
5787	2026-02-13	Drug repositioning for human MKN45 gastric cancer mouse model using deep learning AI and experimental validation 2026-Feb-02, European journal of pharmacology IF:4.2Q1 DOI:10.1016/j.ejphar.2026.178615 PMID:41638625	研究论文	本研究利用人工神经网络进行药物重定位，针对胃癌小鼠模型筛选出两种候选药物，并通过实验验证了其疗效和较低的全身毒性	首次将人工神经网络模型应用于胃癌药物重定位，并成功通过体内外实验验证了两种候选药物（阿米替林氧化物和植物甲萘醌）的疗效优于顺铂且毒性显著降低	研究仅使用了MKN-45细胞系及其异种移植小鼠模型，未在其他胃癌模型或临床样本中进行验证	为胃癌开发新的治疗方法，通过药物重定位策略寻找现有药物的新适应症	人类MKN-45胃癌细胞系及其异种移植小鼠模型	机器学习	胃癌	药物重定位，体外细胞毒性实验，体内异种移植模型实验	人工神经网络	药物描述符数据，体外细胞实验数据，体内肿瘤生长数据	体外实验使用AGS和MKN-45细胞系及人真皮成纤维细胞（HDFs）；体内实验使用MKN-45异种移植小鼠模型	NA	人工神经网络	IC50值，Z分数，肿瘤体积，体重变化，Ki67和CD44表达抑制率	NA
5788	2026-02-13	BlueNuclei: automated identification and classification of live and dead transfected neurons using interpretable features 2026-Feb-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.29.702657 PMID:41676559	研究论文	本文介绍了一款名为BlueNuclei的软件，用于自动识别和分类活体与死亡转染神经元	首次提供了可扩展、全自动的转染神经元活力评估解决方案，结合了双通道荧光图像处理与基于人类视觉启发的可解释特征分类	未明确说明软件在处理不同神经元类型或实验条件下的泛化能力	开发自动化工具以改进转染神经元活力评估的效率和一致性	转染的原代神经元	数字病理学	神经性疾病	双通道荧光成像	SVM	图像	NA	NA	NA	准确率	最小计算资源（与深度学习替代方案相比）
5789	2026-02-13	Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit? 2026-Feb, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2025.101692 PMID:41290497	综述	本文探讨了人工智能在新生儿重症监护室中预测无创通气失败的应用潜力	首次系统综述了人工智能模型在新生儿无创通气失败预测中的应用，并评估了其临床实用性	纳入研究数量有限（6项），且需要更多大型多中心外部验证研究来评估模型的泛化能力	探索人工智能在改善新生儿无创通气失败预测中的应用，以降低该人群的死亡率和发病率	新生儿，特别是早产儿	机器学习	新生儿呼吸系统疾病	NA	深度学习模型, 逻辑回归, 支持向量机	临床数据	3421名婴儿	NA	多模态深度神经网络	AUC	NA
5790	2026-02-13	Deep learning models for image classification of lymphoma: a pilot study in canine 2026-Feb-01, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，开发深度学习模型以区分犬淋巴瘤与反应性淋巴增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习方法	样本量相对较小，仅来自两家医院的有限病例，且ViT模型性能未达预期	通过图像分类技术辅助犬淋巴瘤的诊断	犬淋巴瘤和反应性淋巴增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
5791	2026-02-13	Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage 2026-Feb, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00816-8 PMID:41491880	研究论文	本研究评估了注释者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例	通过比较专家和新手注释的数据集，并引入合成误差（系统性和非系统性），系统分析了注释质量对AI分割模型性能的影响	研究仅针对左心耳超声图像分割，结果可能无法推广到其他解剖结构或成像模态	探究用户专业知识对医学图像分割中真实标注准确性的影响及其对AI模型性能的最终影响	超声图像中的左心耳	医学图像分析	心血管疾病	超声成像	深度学习	图像	两个数据集（专家注释和新手注释），并生成合成变体	nnU-Net	U-Net	Dice系数	NA
5792	2026-02-13	Study on the release pattern of radon exhalation in the overburden soil of uranium tailings under arid climate and prediction based on Fully Connected Neural Network (FCNN)-based deep learning radon prediction model 2026-Feb, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107883 PMID:41576636	研究论文	本文研究了干旱气候下铀尾矿覆盖土壤中氡的释放规律，并提出了基于全连接神经网络（FCNN）的深度学习氡预测模型	提出了基于FCNN的深度学习模型来预测氡析出率，并通过与LSTM模型的误差比较，证明了FCNN模型在反映氡气释放规律和表达温度、土壤含水量、覆盖层裂隙率与氡析出率之间关系方面的优越能力	NA	为铀尾矿管理单位提供高温和暴晒条件下氡析出率的预测方法，以支持氡的控制与防治	铀尾矿覆盖土壤	机器学习	NA	室内模拟实验	FCNN, LSTM	实验数据	NA	NA	全连接神经网络, 长短期记忆网络	误差比较	NA
5793	2026-02-13	AI-driven framework for accurate detection of Alzheimer's disease in EEG 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35184-3 PMID:41622342	研究论文	本研究提出了一种基于人工智能的框架，通过融合特征和Conv-LSTM架构，从EEG信号中准确检测阿尔茨海默病	提出了一种新颖的特征融合与Conv-LSTM架构相结合的AI框架，能够从复杂的脑电信号中提取高水平的判别性特征，显著提升了AD检测的准确率	未在摘要中明确提及	开发一种准确、可扩展的阿尔茨海默病早期诊断系统	阿尔茨海默病患者（特别是老年人）的脑电图信号	机器学习	阿尔茨海默病	脑电图	Conv-LSTM	脑电图信号	未在摘要中明确提及	未在摘要中明确提及	Conv-LSTM	准确率	未在摘要中明确提及
5794	2026-02-13	Detection of Soil-Borne Pathogens Using Fine-Tuned Deep Learning Models: A Case Study on the Soybean Cyst Nematode (Heterodera glycines Ichinohe) 2026-Feb, The plant pathology journal DOI:10.5423/PPJ.OA.10.2025.0146 PMID:41656719	研究论文	本文提出了一种基于人工智能的框架，用于对大豆胞囊线虫进行实例分割和颜色表型分类，以提高检测效率	首次将YOLOv11等先进深度学习架构应用于土壤传播的大豆胞囊线虫的实例分割，并结合颜色阈值进行发育阶段分类，构建了集成检测框架	研究仅基于韩国感染田地的土壤样本，模型在其他地理区域或环境条件下的泛化能力未经验证	开发一种高效、可扩展的人工智能驱动检测系统，以替代传统劳动密集型方法，实现大豆胞囊线虫的早期监测和管理	大豆胞囊线虫（Heterodera glycines Ichinohe）的雌性个体	计算机视觉	植物病害	显微镜成像，颜色表型分析（HSV阈值）	CNN	图像	4,392张线虫图像	PyTorch（YOLO系列），Detectron2	YOLOv5, YOLOv8, YOLOv11, Detectron2	精确率，召回率，mAP@0.5	NA
5795	2026-02-13	Learning genetic perturbation effects with variational causal inference 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013194 PMID:41628222	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法（SCCVAE），用于预测单细胞水平的基因扰动效应	提出了一种名为SCCVAE的混合方法，将基于基因调控网络的机制因果模型与变分自编码器相结合，以生成全面、丰富的转录组响应，在预测未见扰动方面优于现有方法	未明确提及具体的数据规模限制或模型在特定噪声条件下的性能边界	开发一种能够准确预测单细胞水平基因扰动效应的计算模型，并提高其对未见扰动的泛化能力	单细胞转录组数据，特别是Perturb-seq技术产生的基因扰动响应数据	机器学习	NA	Perturb-seq，单细胞转录组测序	变分自编码器（VAE），因果模型	单细胞转录组数据	NA	NA	变分自编码器（VAE）	NA	NA
5796	2026-02-13	Perceptions and knowledge of machine learning for paediatric related decision support in emergency care - A UK and Ireland network survey study of clinician leaders 2026-Feb, PLOS digital health DOI:10.1371/journal.pdig.0001213 PMID:41662367	研究论文	本研究通过调查英国和爱尔兰临床领导者对儿科急诊护理中机器学习决策支持工具的理解和看法，探讨了实施障碍和潜在应用	首次在英国和爱尔兰范围内针对儿科急诊护理的机器学习决策支持工具进行临床领导者层面的网络调查，揭示了理解差距、应用偏好和关键障碍	研究为横断面调查，样本量有限（65个站点），主要依赖自我报告数据，可能无法完全代表所有临床实践环境	评估临床领导者对儿科急诊护理中机器学习决策支持工具的理解、接受度和潜在应用，以指导安全有效的实施	英国和爱尔兰儿科急诊研究网络（PERUKI）站点的数字系统负责人或站点负责人	机器学习	儿科疾病	NA	NA	调查数据	75个站点中的65个（响应率86.7%），主要来自英格兰（83.1%）	NA	NA	NA	NA
5797	2026-02-13	A deep learning framework for four-dimensional ocean sound speed field prediction 2026-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042423 PMID:41677394	研究论文	提出一种结合Swin Transformer和U-Net的深度学习模型（ST-UNet），用于实现四维海洋声速场的预测	首次将Swin Transformer与U-Net结合，通过多头自注意力机制提取时空特征，实现四维海洋声速场的完整时空信息预测，突破了现有方法仅能处理三维特征的局限	未明确说明模型在其他海域的泛化能力，也未讨论计算复杂度与实时预测的可行性	开发能够完整捕捉时空信息的四维海洋声速场预测方法	南海区域的海洋声速场数据	机器学习	NA	深度学习	Transformer, CNN	时空序列数据	基于南海实测数据集（具体样本量未明确说明）	NA	U-Net, Swin Transformer	均方根误差	NA
5798	2026-02-13	Machine Learning-Assisted Ultraelastic and Vibration-Resolvable Microwebs 2026-Jan-29, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202519941 PMID:41608850	研究论文	本文提出了一种结合机器学习和剪纸微纳加工技术开发超弹性微网的方法，用于增强微结构的机械性能和功能	利用数据驱动优化将自然结构转化为具有超高弹性的人工设计，实现了极低的刚度（约0.188 nN/nm），并首次展示了微网在质量传感和信息加密中的应用	未明确讨论微网在大规模生产或长期稳定性方面的限制	开发具有超弹性和振动可分辨性的微网结构，以提升微纳尺度机械性能	蜘蛛网启发的微结构，通过优化设计实现人工微网	机器学习	NA	剪纸微纳加工技术	深度学习	NA	NA	NA	NA	刚度（约0.188 nN/nm）、质量传感灵敏度（-0.801 kHz/pg）	NA
5799	2026-02-13	Metadata driven malicious URL detection using RoBERTa large and multi source network threat intelligence 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34790-x PMID:41611764	研究论文	本研究提出了一种基于RoBERTa-Large变换器模型和元数据驱动的恶意URL检测方法，旨在提高检测准确性和可解释性	结合了RoBERTa-Large变换器的上下文子词嵌入与轻量级元数据信号，通过注意力层实现双机制检测，显著提升了恶意URL检测的性能和透明度	未明确说明模型对新型对抗性攻击的鲁棒性，且数据集可能未覆盖所有类型的恶意URL变体	检测恶意URL，以应对网络钓鱼、恶意软件攻击和网站篡改等安全挑战	恶意URL，包括良性、篡改、钓鱼和恶意软件类别的链接	自然语言处理	NA	NA	Transformer	文本	平衡数据集，包含良性、篡改、钓鱼和恶意软件URL，具体数量未明确	NA	RoBERTa-Large	准确率	NA
5800	2026-02-13	Feature Integration of [18F]FDG PET Brain Imaging Using Deep Learning for Sensitive Cognitive Decline Detection 2026-Jan-26, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.22.26344669 PMID:41646662	研究论文	本研究提出了一种多表征学习框架，通过结合[18F]FDG PET脑成像的体素级和区域级特征，利用深度学习提高认知衰退检测的敏感性和准确性	提出了一种结合体素级和区域级特征的多表征学习框架，通过直接拼接集成CNN、PCANet和DNN模型，显著提升了认知衰退分类的准确性和敏感性	研究样本量相对有限（252名参与者），且仅基于ADNI数据集，可能限制了模型的泛化能力	提高认知衰退（包括早期阿尔茨海默病）与认知正常个体的诊断准确性，以支持及时干预	阿尔茨海默病神经影像学倡议（ADNI）中的252名参与者，包括118名认知正常和134名认知衰退受试者	数字病理学	阿尔茨海默病	[18F]FDG PET脑成像	CNN, PCANet, DNN	图像	252名参与者（118名认知正常，134名认知衰退）	NA	CNN, PCANet, DNN	准确率, 召回率, F1分数, 精确率	NA