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
10181	2026-02-18	Deep learning-guided design of cell type-specific AAV promoters 2026-Jan-14, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.13.699371 PMID:41648586	研究论文	本文利用深度学习技术设计细胞类型特异性AAV启动子，以精确靶向视网膜神经节细胞和水平细胞	首次将深度学习方法应用于基于单细胞染色质可及性数据生成细胞类型特异性AAV启动子，相比传统理性设计方法表现出更强的表达特异性和活性	研究主要在小鼠视网膜和人类视网膜类器官中进行验证，尚未在完整活体动物或临床环境中全面测试	开发细胞类型特异性AAV启动子设计方法，以提升基因治疗和基础研究中病毒载体的靶向精度	小鼠视网膜中的视网膜神经节细胞和水平细胞，以及人类视网膜类器官	机器学习	NA	单细胞染色质可及性数据，深度学习	深度学习	单细胞染色质可及性数据	NA	NA	NA	表达强度和特异性	NA
10182	2026-02-18	fMRI-Based Prediction of Eye Gaze During Naturalistic Movie Viewing Reveals Eye-Movement-Related Brain Activity 2026-Jan-12, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.10.698820 PMID:41648273	研究论文	本研究应用预训练的fMRI深度神经网络模型DeepMReye，从三个独立的fMRI数据集中估计自然观看电影时的眼动注视点，并评估其预测性能及相关的脑活动	首次将预训练的fMRI深度神经网络模型应用于多个独立数据集，系统评估了基于fMRI的眼动注视点预测在个体和群体水平的性能差异，并探索了其揭示眼动相关脑活动的潜力	个体水平的预测准确性有限（相关系数约-0.38至0.67），年龄相关效应在不同数据集中不一致，群体水平分析虽更可靠但可能掩盖个体差异	评估基于fMRI的深度学习方法预测自然观看电影时眼动注视点的可行性，并探索其用于研究眼动相关脑活动的适用性	三个独立的fMRI数据集，包含观看电影时的脑成像数据及可用的相机眼动追踪数据	神经影像分析	NA	功能磁共振成像（fMRI），相机眼动追踪	深度神经网络	fMRI时间序列数据，眼动追踪数据	三个独立fMRI数据集（具体样本数量未明确说明）	NA	DeepMReye	相关系数（r）	NA
10183	2026-02-18	Machine and deep learning models for ligament injury recognition: a systematic review and meta-analysis of imaging and novel diagnostic techniques 2026-Jan-09, EFORT open reviews IF:4.3Q1 DOI:10.1530/EOR-2025-0038 PMID:41511891	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习和深度学习模型在不同医学成像模态下识别韧带损伤的诊断性能	首次对机器学习和深度学习模型在韧带损伤诊断中的性能进行全面的系统综述和荟萃分析，整合了多种成像技术和新型诊断方法	纳入研究数量有限（23项研究），可能存在发表偏倚，且不同研究间的模型和成像技术异质性较高	评估各种机器学习和深度学习模型在识别韧带损伤中的诊断性能，以支持临床决策	韧带损伤的诊断	机器学习和深度学习在医学影像中的应用	韧带损伤	医学成像技术（未具体指定，但包括多种模态）	机器学习和深度学习模型	医学影像数据	来自23项研究的59个算法，具体样本量未在摘要中提供	NA	NA	灵敏度、特异性、阳性似然比（PLR）、阴性似然比（NLR）、对数诊断比值比（lnDOR）、曲线下面积（AUC）	NA
10184	2026-02-18	Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3562425 PMID:40272955	研究论文	本文提出了一种基于图拉普拉斯正则化的可解释图像恢复网络，通过展开优化算法构建变复杂度前馈网络	引入梯度图拉普拉斯正则化器（GGLR）促进分段平面信号重建，并将ADMM算法展开为可训练网络，结合图学习模块增强数据内在结构学习	更复杂的展开网络需要更多标注数据训练参数，可能面临数据需求挑战	解决通用深度学习网络在图像恢复中缺乏可解释性、需要大量训练数据以及对协变量偏移脆弱的问题	图像恢复任务，如去噪和插值	计算机视觉	NA	NA	前馈网络	图像	NA	NA	Transformer（自注意力机制类比）	图像恢复质量	NA
10185	2026-02-18	Artificial Intelligence-Driven Automated Design of Anterior and Posterior Crowns Under Diverse Occlusal Scenarios 2026-Jan, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70029 PMID:40910757	研究论文	评估咬合类型和基于人工智能的CAD软件对自动生成前后牙冠设计的几何精度和临床质量的影响	首次在多种咬合场景下比较基于深度学习的CAD软件与传统自动化软件在牙冠设计中的性能，特别关注前后牙的差异	深度学习软件在处理前牙间隙（diastemas）时表现不佳，需要进一步优化以适应多样咬合条件	评估人工智能驱动的自动化牙冠设计在不同咬合类型下的几何精度和临床质量	五种咬合类型的typodont模型（正常、I类前牙间隙、II类1分类、II类2分类、III类前牙反咬合），涉及上颌右中切牙和第一磨牙	计算机辅助设计	牙科修复	口腔内扫描、计算机辅助设计（CAD）	深度学习模型	三维扫描数据	5种咬合模型，每种模型10组口腔内扫描，共50组扫描数据	NA	NA	均方根误差（RMS）、世界牙科联盟（FDI）评分标准	NA
10186	2026-02-18	Leveraging vision transformer for histological grade prediction in laryngeal and hypopharyngeal squamous cell carcinoma: a large-scale multicenter study 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03876-8 PMID:41454919	研究论文	本研究开发了一种基于增强CT的Vision Transformer模型，用于无创评估喉及下咽鳞状细胞癌的组织学分级	首次将预训练的Vision Transformer模型应用于喉及下咽鳞状细胞癌的增强CT图像分析，结合XGBoost分类器进行组织学分级预测，并通过多中心大样本验证了其优越性能	回顾性研究设计可能存在选择偏倚，外部验证队列样本量相对较小（n=99）	开发非侵入性方法预测喉及下咽鳞状细胞癌的组织学分化等级	喉及下咽鳞状细胞癌患者	计算机视觉	喉癌	对比增强CT扫描	Vision Transformer, XGBoost	医学影像（CT图像）	1648例患者（训练队列1239例，内部验证310例，外部验证99例）	NA	Vision Transformer	AUC, 决策曲线分析, 校准曲线	NA
10187	2026-02-18	Pituitary neuroendocrine tumor: evaluation with super resolution deep learning reconstruction : Research 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03819-3 PMID:41117831	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）算法在垂体神经内分泌肿瘤（PitNET）评估及垂体MRI图像质量方面的影响，并与传统零填充插值（ZIP）技术进行比较	首次将超分辨率深度学习重建算法应用于垂体MRI图像处理，以提升图像质量和评估一致性	研究为回顾性设计，样本量较小（仅29例患者），可能限制结果的普遍适用性	评估SR-DLR算法在垂体神经内分泌肿瘤MRI图像重建中的效果	29例垂体神经内分泌肿瘤患者	医学影像分析	垂体神经内分泌肿瘤	MRI成像，超分辨率深度学习重建	深度学习模型	MRI图像	29例患者	NA	NA	信噪比，对比噪声比，边缘上升斜率，半高全宽	NA
10188	2026-02-18	Enhancing reliability in electrical grids: A hybrid machine learning approach for electrical faults classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341238 PMID:41686863	研究论文	本研究提出了一种混合机器学习方法，用于对输电线路中的电气故障进行分类，以提高电网的可靠性	提出了一种新的混合机器学习模型（RF + DT + Stacking），并将其与多种经典机器学习算法和基础集成技术进行比较，强调了模型在性能、可解释性和计算效率方面的综合评估	未明确说明数据集的来源、具体规模或时间跨度，也未详细讨论模型在实时或大规模部署中的具体挑战	开发一种高效、准确的电气故障分类模型，以支持智能电网的主动维护和系统弹性	输电线路及其电气故障	机器学习	NA	NA	决策树, 随机森林, 朴素贝叶斯, K近邻, 支持向量机, AdaBoost, 集成学习	结构化数据（影响线路性能的各种属性）	NA	NA	NA	准确率, 精确率, 召回率, F1分数	NA
10189	2026-02-17	SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation 2026-Feb-16, The Analyst DOI:10.1039/d5an00794a PMID:41283740	研究论文	本文介绍了一个名为SpectralFlow的集成平台，用于光谱数据预处理和水果质量评估中的预测建模分析	开发了一个集成交互式光谱数据提取与预处理、内置模型库、自定义模型训练、数据集管理和可视化功能于一体的软件平台，解决了现有软件仅支持简单机器学习模型、缺乏复杂超参数调优和先进深度学习架构支持，以及对高光谱图像特征提取功能有限的问题	NA	开发一个集成平台以降低光谱分析的技术门槛，优化光谱数据分析并简化模型训练过程	水果（芒果、苹果、猕猴桃、梨）的质量评估	机器学习	NA	近红外光谱，高光谱成像	NA	光谱数据，高光谱图像	NA	NA	NA	准确率，R平方值	NA
10190	2026-02-17	Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning 2026-Feb-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae399c PMID:41544379	研究论文	本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性和鲁棒性	提出了两种全深度学习流程，包括两步法和直接法，用于从MRI直接预测质子剂量分布，并评估其对MRI强度畸变的鲁棒性	直接预测流程在治疗计划层面的平均相对误差较高，信息利用效率有待改进	研究基于MRI的质子剂量计算在盆腔区域的可行性	盆腔肿瘤患者	医学影像分析	盆腔肿瘤	磁共振成像，蒙特卡洛模拟	深度学习	MRI图像，CT图像	120名盆腔患者的MRI-CT配对数据	NA	NA	伽马通过率，平均相对误差	NA
10191	2026-02-17	eccDNA2Ca: an ensemble deep learning framework for interpretable prediction of cancer-associated extrachromosomal circular DNA 2026-Feb-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.02.014 PMID:41687774	研究论文	本研究开发了一个名为eccDNA2Ca的可解释集成深度学习框架，用于直接从原始序列预测与癌症相关的染色体外环状DNA	首次提出一个专门设计用于基于序列特征优先考虑癌症相关eccDNA的可解释、公开可用的计算框架，整合了XGBoost与深度神经网络（CNN和LSTM）	未明确提及具体局限性	预测与癌症相关的染色体外环状DNA（eccDNA），并评估其功能或临床意义	人类染色体外环状DNA（eccDNA）	机器学习	癌症	NA	XGBoost, CNN, LSTM	序列	来自21项研究的465个经实验验证的人类eccDNA，涵盖16种癌症类型	XGBoost, TensorFlow或PyTorch（未明确指定，但基于深度学习框架）	集成框架（XGBoost, CNN, LSTM）	AUC, AUPR	NA
10192	2026-02-17	An efficient, scalable, and adaptable plug-and-play temporal attention module for motion-guided cardiac segmentation with sparse temporal labels 2026-Feb-09, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103981 PMID:41691916	研究论文	本文提出了一种高效、可扩展且可适配的即插即用时序注意力模块（TAM），用于增强深度学习分割网络对心脏运动信息的建模能力，以提升心脏解剖结构分割的准确性	设计了一个小型多头跨时序注意力模块，能以即插即用方式集成到多种分割网络（CNN、Transformer或混合架构）中，无需大幅修改网络结构，且训练仅需稀疏时序标注	未明确说明模块在极端运动情况（如心律失常）下的鲁棒性，也未与其他最先进的运动建模方法（如光流或循环网络）进行全面比较	提升深度学习网络在心脏图像序列分割中对运动信息的建模能力，以更准确地进行心脏解剖结构分割	心脏图像序列，包括2D超声心动图、3D超声心动图和3D心脏MRI	数字病理学	心血管疾病	深度学习，时序注意力机制	CNN, Transformer, 混合模型	2D图像序列, 3D图像序列	多个公开数据集：CAMUS、EchoNet-Dynamic、MITEA、ACDC	PyTorch	UNet, FCN8s, UNetR, SwinUNetR, IUNet, DT-VNet, SAM, MedSAM	豪斯多夫距离	未明确说明，但强调模块具有计算高效性
10193	2026-02-17	Diagnostic Accuracy of Artificial Intelligence Models for Differentiation of Squamous Cell Carcinoma and Adenocarcinoma of Lung-A Systematic Review 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030500 PMID:41681818	系统综述	本文系统综述了基于机器学习的放射组学模型在肺鳞状细胞癌和腺癌鉴别诊断及总体生存分析中的性能	首次系统性地总结和评估了机器学习与深度学习模型在肺鳞癌和腺癌非侵入性分类中的诊断准确性，并强调了放射组学特征整合对提升诊断精度的潜力	纳入的研究数量有限（共11项），且研究质量可能受放射组学质量评分（RQS）工具评估的限制	总结和批判性评估基于机器学习的放射组学模型在肺鳞状细胞癌和腺癌的鉴别诊断及总体生存分析中的表现	肺鳞状细胞癌和腺癌	数字病理学	肺癌	放射组学	机器学习, 深度学习	影像数据	NA	NA	NA	准确率	NA
10194	2026-02-17	On the Suitability of Data Augmentation Techniques to Improve Parkinson's Disease Detection with Speech Recordings 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030498 PMID:41681817	研究论文	本研究提出了一种基于数据增强的方法，用于通过语音记录进行帕金森病检测，并评估了不同增强技术在波形和时频层面的效果	在语音记录中应用数据增强技术以改进帕金森病检测，并系统评估了增强技术对模型泛化能力的影响	数据增强技术虽然在单一数据集上提升了性能，但未能一致地改善模型在独立数据集上的泛化能力	提高基于语音记录的帕金森病自动检测模型的鲁棒性和泛化能力	帕金森病患者和健康对照者的语音记录	自然语言处理	帕金森病	语音分析	深度学习模型	语音记录	NA	NA	NA	准确率	NA
10195	2026-02-17	Advanced Deep Learning Models for Classifying Dental Diseases from Panoramic Radiographs 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030503 PMID:41681821	研究论文	本文研究使用先进的深度学习模型对全景X光片进行多类别牙科疾病分类，以解决数据集中的不一致性和类别不平衡问题	应用了包括类别合并、错误标注修正、冗余去除和数据增强在内的广泛预处理技术，将类别不平衡比例从2560:1显著降低至61:1，并评估了五种现代CNN架构在牙科疾病分类中的性能	研究未涉及数据集扩展、集成学习策略或可解释人工智能技术的应用，这些是未来进一步研究的方向	开发一种基于深度学习的自动化诊断系统，用于从全景X光片中准确分类多种牙科疾病，以提高口腔医疗的效率和临床实用性	牙科疾病	计算机视觉	牙科疾病	全景X光成像	CNN	图像	10,580张高质量全景X光片	NA	InceptionV3, EfficientNetV2, DenseNet121, ResNet50, VGG16	准确率, 平均精度均值, 精确率, 召回率, F1分数	NA
10196	2026-02-17	A Hybrid Millimeter-Wave Radar-Ultrasonic Fusion System for Robust Human Activity Recognition with Attention-Enhanced Deep Learning 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031057 PMID:41682572	研究论文	本文提出了一种融合毫米波雷达与超声波阵列的非接触式系统，用于鲁棒的人类活动识别	提出了一种新颖的多模态融合系统，结合了毫米波雷达的环境鲁棒性与超声波的高精度，并设计了注意力增强的深度学习架构（Attention-CNN-BiLSTM）来整合时空特征	实验仅包含四种基本行为（站立、坐下、行走、跌倒），未在更复杂或更多样的活动场景中进行验证	解决单传感器在人类行为识别中环境鲁棒性与细粒度精度之间的权衡问题	人类日常活动（站立、坐下、行走、跌倒）	计算机视觉, 机器学习	NA	毫米波雷达（77 GHz SIFT）, 超声波阵列（40 kHz）, 小波变换, 短时傅里叶变换（STFT）	CNN, BiLSTM, 注意力机制	多模态时序信号（雷达信号、超声波信号）	1600个同步序列	NA	Attention-CNN-BiLSTM	平均类别准确率	NA
10197	2026-02-17	Identification of Comorbidities in Obstructive Sleep Apnea Using Diverse Data and a One-Dimensional Convolutional Neural Network 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031056 PMID:41682571	研究论文	本研究开发并评估了一种多模态深度学习框架，用于利用生理时间序列信号和临床数据对阻塞性睡眠呼吸暂停患者的主要合并症进行稳健的多标签分类	提出了一种结合一维卷积神经网络处理生理时间序列信号与临床数据的融合模型，用于OSA患者合并症的多标签分类，相比传统机器学习方法表现出更优的预测性能	研究受限于数据集规模较小，未来需要扩展多中心数据集以提高模型可解释性和临床适用性	开发并评估一个用于识别阻塞性睡眠呼吸暂停患者合并症的多标签深度学习框架	阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图，血氧饱和度监测	CNN	时间序列信号，临床数据	144名患者	Optuna	一维卷积神经网络	宏F1分数，微F1分数，AUC-ROC，AUC-PR，子集准确率，部分准确率，汉明损失，多标签混淆矩阵	NA
10198	2026-02-17	ACL-ECG: Anatomy-Aware Contrastive Learning for Multi-Lead Electrocardiograms 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031080 PMID:41682592	研究论文	本研究提出了一种结合心脏解剖关系的自监督对比学习方法（ACL-ECG），用于从多导联心电图中学习通用表征	提出了一种生理感知的数据增强策略（包括随机尺度裁剪、心动周期掩码和时间偏移）和基于解剖区域（前壁、下壁、间隔壁、侧壁）的对比学习目标，以增强表征质量	未明确说明模型在更广泛或更具挑战性的临床数据集上的泛化能力，以及计算资源需求的具体细节	开发一种自监督学习方法，以减少心电图分析中对大规模标注数据的依赖	多导联心电图数据	机器学习	心血管疾病	心电图分析	对比学习模型	心电图信号	NA	NA	NA	AUROC, AUPRC	NA
10199	2026-02-17	Artificial Intelligence and the Expanding Universe of Cardio-Oncology: Beyond Detection Toward Prediction and Prevention of Therapy-Related Cardiotoxicity-A Comprehensive Review 2026-Feb-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030488 PMID:41681806	综述	本文全面回顾了人工智能在癌症治疗相关心脏毒性预测与预防中的应用	系统整合了从心电图、生物标志物到先进影像和放射剂量建模等多领域AI应用，并强调了从被动检测向主动预防的范式转变	大多数模型受限于小样本队列、方法学异质性和缺乏外部验证	探讨人工智能在改善癌症治疗相关心脏毒性风险分层、早期检测和治疗规划中的作用	癌症治疗（化疗和放疗）引起的心脏毒性	数字病理学	心血管疾病	心电图、生物标志物、蛋白质组学、细胞外囊泡、基因组学、先进影像（超声心动图、心脏磁共振、计算机断层扫描、核成像）、放射剂量建模	机器学习, 深度学习	多模态数据（包括图像、生物标志物、剂量图等）	NA	NA	NA	NA	NA
10200	2026-02-17	Integrating Artificial Intelligence into Ventilation on Demand: Current Practice and Future Promises 2026-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s26031042 PMID:41682557	综述	本文全面回顾了人工智能在按需通风技术中的集成现状，涵盖传感预测模型、控制策略和优化框架	系统性地总结了AI在VOD中的应用现状，并指出了未来集成生成式AI、广义AI以及人-信息-物理系统设计的研究方向	现有研究依赖窄AI模型，长期预测能力有限，且验证多基于仿真而非实际现场部署	旨在通过AI增强按需通风系统的能源效率、安全性和整体性能，以应对深部采矿环境的挑战	地下金属采矿的按需通风系统	机器学习	NA	NA	CNN-LSTM, Bi-LSTM	实时操作与环境数据	NA	NA	CNN-LSTM, Bi-LSTM	NA	NA