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
1261	2026-09-21	Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data 2026-Feb, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.10.004 PMID:41109500	研究论文	本文提出了一种半监督深度学习框架，用于在标注数据有限的女性盆底磁共振成像中对子宫和膀胱进行分割	提出了一种新颖的半监督学习流程，结合自监督图像恢复任务进行特征提取和伪标签生成，随后在标注图像上进行监督学习并在未标注图像上进行无监督训练，仅需约60%的常规标注数据即可达到与传统方法相当的分割精度	研究样本量相对有限，仅涉及48名女性受试者，未提及外部验证数据集，可能影响模型的泛化能力	引入一种新颖的半监督学习方法，利用有限的标注数据提高盆腔磁共振成像中自动分割的准确性和效率，减少对大规模标注数据集的依赖	女性盆底磁共振成像中的子宫和膀胱	医学图像分割	盆腔器官脱垂	磁共振成像	半监督深度学习	图像	48名女性受试者的4103张磁共振图像	NA	NA	Dice相似系数, 平均表面距离, 95%豪斯多夫距离	NA
1262	2026-09-21	Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea 2026-Feb, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf187 PMID:41522667	研究论文	评估人工智能增强的骨质疏松筛查在韩国男性和女性中使用常规胸部X光片的成本效益	首次在男性和女性中评估Osteo Signal模型（韩国人群开发的深度学习模型）的成本效益，而先前仅评估女性	模型假设和输入参数的不确定性可能影响结果，未考虑长期随访数据	评估AI辅助胸部X光片机会性筛查骨质疏松的成本效益	韩国50岁及以上成年人	医学影像分析	骨质疏松	深度学习	深度学习模型	图像	每10000名成年人模拟	NA	NA	增量成本效果比（ICER）、质量调整生命年（QALY）、生命年	NA
1263	2026-09-21	Computational frameworks for enhanced extracellular vesicle biomarker discovery 2026-Feb, Experimental & molecular medicine DOI:10.1038/s12276-025-01622-x PMID:41535547	综述	本文综述了利用人工智能等先进计算框架整合多源数据以增强细胞外囊泡生物标志物发现的计算策略	提出了一个综合计算框架，整合疾病特异性组学、细胞外囊泡、蛋白质定位、组织特异性、药物、模型系统和免疫数据库等多源数据，并利用人工智能驱动的蛋白质结构和理化性质预测来优化生物标志物候选物，确保与现有检测系统的兼容性	作为综述文章，未提供原始实验数据或具体的性能评估结果	加速细胞外囊泡研究从发现到临床应用的转化，增强精准医学	细胞外囊泡生物标志物	机器学习	NA	多组学整合、蛋白质结构预测	机器学习、深度学习	多组学数据、蛋白质数据、药物数据、免疫数据	NA	NA	NA	预测性能、生物学合理性、临床实用性	NA
1264	2026-09-21	Predicting functional topography of the human visual cortex from cortical anatomy at scale 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.27.690210 PMID:41394692	研究论文	本文介绍了一种基于深度学习的应用程序，仅从皮层解剖结构预测人类视觉皮层的功能性拓扑组织，并在大规模数据集上验证了其有效性和广泛应用	提出了一种仅依赖皮层解剖结构即可预测个体特异性视觉皮层功能性拓扑的深度学习方法，克服了传统功能神经影像资源密集和群体图谱精度不足的局限	摘要未明确提及研究的局限性	从皮层解剖结构预测人类视觉皮层的功能性拓扑组织，实现可扩展的、基于解剖的功能性脑映射	人类视觉皮层	神经影像, 深度学习	NA	结构磁共振成像	深度学习	解剖影像	11,060 个解剖扫描	NA	NA	NA	NA
1265	2026-09-21	Connectome of a human foveal retina 2026-Jan-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.05.647403 PMID:40799563	研究论文	本文利用基于深度学习的分割技术，在纳米尺度分辨率下重建了人类中央凹视网膜的全部细胞和突触连接，并进行了全面的连接组学分析	首次获得了人类中枢神经系统结构的完整连接组，发现了非人灵长类中不存在的新的突触通路，揭示了人类三色觉视觉的独特神经回路，并展示了人工智能计算方法在推进人类大脑结构与功能理解方面的潜力	NA	获取人类中央凹视网膜的完整连接组，揭示人类中央凹神经细胞和回路的组织结构与连接模式	人类中央凹视网膜样本	数字病理学	NA	深度学习分割，纳米尺度连接组重建，生物物理建模	深度学习	图像	约3000个细胞，分为51种不同的形态类型	NA	NA	NA	NA
1266	2026-09-21	Enhancing fault detection in new energy vehicles via novel ensemble approach 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29667-y PMID:41605968	研究论文	该文章提出了一种集成机器学习与深度学习模型的故障检测框架，用于新能源汽车（NEV）的故障诊断	提出了集成模型GRULogX，结合GRU与逻辑回归及其他关键分类器，实现了99%的准确率	未明确说明局限性	提高新能源汽车的故障检测能力，从而提升其可靠性并支持清洁能源交通解决方案的广泛采用	新能源汽车的故障诊断	机器学习	NA	NA	逻辑回归, 被动攻击分类器, 岭分类器, 感知机, 门控循环单元（GRU）, 卷积神经网络（CNN）, 人工神经网络（ANN）, 集成模型	传感器数据	NA	NA	GRU, CNN, ANN, 逻辑回归, 被动攻击分类器, 岭分类器, 感知机	准确率, 精确率, 召回率	NA
1267	2026-09-21	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	该论文介绍了SeqDance和ESMDance两种蛋白质语言模型，它们基于分子动力学模拟和简正模式分析训练的动力学生物物理特性，用于预测突变效应	首次在蛋白质语言模型中整合动力学生物物理特性，通过分子动力学模拟和简正模式分析训练SeqDance和ESMDance，能够捕捉蛋白质的动态性质并提高突变效应预测的泛化能力	未明确提及	将蛋白质动力学整合到语言模型中，实现更通用的蛋白质行为和突变效应预测	超过64,000种蛋白质	机器学习	NA	分子动力学模拟, 简正模式分析	蛋白质语言模型	序列, 结构	超过64,000种蛋白质	NA	SeqDance, ESMDance, ESM2	NA	NA
1268	2026-09-21	Fault detection and isolation method for gas turbines using self-organizing type-3 fuzzy wavelet neural networks 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31932-z PMID:41593112	研究论文	提出一种自组织Type-3模糊粗糙小波神经网络（ST3FRWNN）用于燃气轮机故障检测与隔离，并验证其有效性和鲁棒性	引入钟形Type-3隶属函数以增强不确定性处理；采用混合Adam-无迹卡尔曼滤波优化器训练神经模糊架构；嵌入自适应规则增长和修剪的自组织机制，生成紧凑模型而不牺牲精度	摘要未明确提及研究的局限性	提高燃气轮机故障检测与隔离的性能，解决数据驱动方法缺乏自组织、适应性结构以及在噪声和不确定性下退化的问题	燃气轮机	机器学习	NA	声发射信号分析	自组织Type-3模糊粗糙小波神经网络（ST3FRWNN）	仿真数据、声发射信号	NA	NA	ST3FRWNN	故障检测率、故障隔离率	NA
1269	2026-09-21	Two-Minute Deep Learning-Powered Brain Quantitative Mapping: Accelerating Clinical Imaging With Synthetic Magnetic Resonance Imaging 2026-01-23, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79389 PMID:41576342	研究论文	该研究利用基于深度学习（DL）的超分辨率重建技术，对超快速全脑合成磁共振成像（MRI）进行处理，以获得与常规临床扫描高度接近的定量T1/T2/PD图谱，同时大幅缩短扫描时间并保持诊断图像质量	将超分辨率生成对抗网络（SRGAN）应用于超快速合成MRI，实现全脑定量T1/T2/PD图谱的加速获取，在扫描时间减半的情况下保持与常规合成MRI高度相关	T2值存在中等程度的系统性低估（线性回归斜率0.8057），且重建图像在感知自然度上尚未完全达到常规成像水平	探索基于深度学习的超分辨率重建能否从超快速全脑合成MRI中获得与常规临床扫描高度接近的定量T1/T2/PD图谱，同时大幅缩短扫描时间并保持诊断图像质量	151名健康成人和7名不同病理个体	医学图像处理	NA	定量磁共振成像、合成磁共振成像、超分辨率重建	生成对抗网络	图像	158名参与者（151名健康成人 + 7名患者），其中120名健康个体（75.95%）用于训练，38名个体（24.05%，包括31名健康人和7名患者）用于测试；每位参与者接受常规和快速两次扫描	NA	SRGAN	R²、线性回归斜率、Bland-Altman分析、变异系数、结构相似性图像度量、峰值信噪比、自然度图像质量评估器	NA
1270	2026-09-21	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	本文介绍了改进的HyDrop v2单细胞ATAC-seq方法，并对不同scATAC-seq平台在训练序列到功能（S2F）深度学习模型方面的能力进行了首次基准测试	引入了改进的HyDrop v2定制液滴scATAC-seq方法，并首次系统性地对不同scATAC-seq平台在训练S2F模型和生成跨物种转录因子足迹方面的能力进行了基准测试	未明确说明S2F模型构建训练数据集的最优标准，不同scATAC-seq平台之间的系统差异尚未完全阐明	解码细胞类型身份背后的顺式调控逻辑，评估不同scATAC-seq平台训练S2F深度学习模型的能力	单细胞染色质可及性数据、scATAC-seq平台、S2F深度学习模型	机器学习	NA	scATAC-seq	深度学习	序列、图像	NA	NA	NA	增强子预测、序列可解释性、转录因子足迹	NA
1271	2026-09-21	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	本文提出了一种轻量级的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2两种高效卷积神经网络，用于乳腺癌组织病理图像检测，在ICIAR-2018和BreakHis数据集上取得了高准确率。	提出互惠门控融合机制，实现SqueezeNet和ShuffleNetV2之间的结构化双向交互，增强互补特征交换并抑制冗余响应，生成信息量更丰富的融合表示；框架轻量，计算开销显著降低。	未明确提及 limitations。	开发一种计算高效的乳腺癌检测计算机辅助诊断方案，克服现有基于Transformer、深度集成、多尺度注意力网络等计算密集架构的局限性。	乳腺癌组织病理图像	数字病理学	乳腺癌	组织病理图像分析	CNN	图像	使用了ICIAR-2018和BreakHis两个基准数据集，具体样本数量未在摘要中说明	NA	SqueezeNet, ShuffleNetV2	准确率	NA
1272	2026-09-21	Deep Learning-Based Classification of Temporal Stages of AT8-Labeled Tau Pathology After Experimental Traumatic Brain Injury 2026-Jan-19, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09763-0 PMID:41553585	研究论文	本文评估了一个深度学习框架，用于对实验性创伤性脑损伤小鼠模型中AT8标记的tau蛋白病理的时间阶段进行分类，比较了自定义CNN和两种迁移学习模型（InceptionV3和DenseNet）的性能	首次将深度学习应用于实验性创伤性脑损伤后tau蛋白病理时间阶段的自动分类，这是一个此前未被充分探索的应用领域；使用AT8染色皮质显微图像进行多时间点分类	结果仅基于内部交叉验证，缺乏独立的动物级别标识符或外部队列验证；最早损伤后阶段（1天）的可分离性有限；需要更大规模的多中心数据集和切片级别建模来评估泛化能力	评估深度学习框架对tau蛋白病理进展的多个时间阶段进行分类的可行性，探索其在临床前组织学中自动化时间分期的应用潜力	实验性创伤性脑损伤小鼠模型的AT8染色皮质显微图像	数字病理学	tau蛋白病、创伤性脑损伤	AT8免疫组化染色、组织学显微成像	CNN、迁移学习	图像	NA	NA	自定义CNN、InceptionV3、DenseNet	准确率、macro-F1、各类别F1、一对多AUC	NA
1273	2026-09-21	Maxillary sinus classification for sex and age using 23 artificial intelligence architectures 2026-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36112-1 PMID:41554805	研究论文	本研究评估了卷积神经网络（CNN）和视觉Transformer（ViT）在通过上颌窦的放射学评估对个体进行性别和年龄分类方面的诊断准确性	测试了23种人工智能架构（包括21种CNN和2种基于Transformer的架构）用于上颌窦的性别和年龄分类，并发现Transformer（DeiT, ViT）在性能上始终优于传统CNN	多分类应用仍不成熟，在推荐用于法医实践之前需要进一步研究	评估深度学习模型（CNN和ViT）在通过上颌窦进行性别和年龄分类中的诊断准确性	6至22.99岁个体的全景X光片	计算机视觉	NA	全景X光片	CNN, Vision Transformer	图像	6至22.99岁个体的全景X光片，具体数量未提及	NA	DeiT, ViT, EfficientNetV2M, YOLOv11（以及其他18种CNN）	准确率（accuracy）	NA
1274	2026-09-21	Prediction of left ventricular systolic dysfunction in left bundle branch block using a fine-tuned ECG foundation model 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34911-6 PMID:41545539	研究论文	该研究提出了一种微调的心电图基础模型，用于增强左束支传导阻滞患者中左心室收缩功能障碍的检测	使用微调的心电图基础模型（ECG-FM）来预测左束支传导阻滞患者的左心室收缩功能障碍，并比较了不同的微调策略，发现单步全微调性能最佳，顺序部分微调灵敏度最高	回顾性研究，样本量有限（892名患者），需要在更大规模的前瞻性队列中验证	提高左束支传导阻滞患者中左心室收缩功能障碍的早期检测能力，以便在超声心动图不可及时进行临床诊断	左束支传导阻滞患者的心电图-超声心动图配对数据	机器学习	心血管疾病	心电图（ECG）	CNN, LSTM, Transformer	心电图信号, 超声心动图数据	2031对心电图-超声心动图数据集，来自892名左束支传导阻滞患者	NA	全卷积网络（FCN）, LSTM-FCN, ResNet, InceptionTime, 心电图基础模型（ECG-FM）	准确率, 灵敏度, AUROC	NA
1275	2026-09-21	Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning 2026-Jan-16, Research square DOI:10.21203/rs.3.rs-8545050/v1 PMID:41646417	研究论文	本文提出了一种可解释的深度学习框架 PanSubNet，可直接从常规 H&E 染色全切片图像中预测胰腺导管腺癌的治疗相关分子亚型。	开发了双尺度架构的 PanSubNet，融合细胞级形态与组织级结构，利用注意力机制进行多尺度表征学习，并提供透明的特征归因；无需 RNA 测序即可从 H&E 图像中推断分子亚型，且在外部队列中无需微调即展现稳健的泛化能力。	预测不确定性部分与中间转录状态相关而非分类噪声；需要通过两家机构的前瞻性数据进一步验证真实世界性能，并评估其在数字病理工作流程中的整合效果。	利用深度学习从常规 H&E 染色全切片图像中推断具有临床意义的胰腺导管腺癌分子亚型（基底样和经典型），以克服 RNA 测序在成本、周转时间和组织需求方面的限制。	来自两个多机构队列（PANCAN，n=846；TCGA，n=209）的 1,055 例胰腺导管腺癌患者，拥有配对的 H&E 组织病理图像和 RNA 测序数据。	数字病理	胰腺癌	H&E 染色全切片图像、RNA 测序	CNN、注意力机制	图像、文本（RNA 测序数据）	1,055 例患者（PANCAN 队列 846 例，TCGA 队列 209 例），均具有配对的组织病理图像和 RNA 测序数据	NA	PanSubNet（双尺度架构，融合细胞级与组织级特征，采用注意力机制）	AUC、灵敏度、特异度	NA
1276	2026-09-21	Sex and Stress Govern the Function and Innervation of a Basolateral Amygdala to Nucleus Accumbens Corticotropin-Releasing Hormone/GABA-Expressing Projection 2026-01-14, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1239-25.2025 PMID:41271439	研究论文	该研究探讨了性别和压力如何影响基底外侧杏仁核到伏隔核的促肾上腺皮质激素释放激素/GABA能投射的功能和神经支配	首次揭示了CRH/GABA BLA-NAc投射在奖励行为中的性别特异性功能，并通过全脑映射发现了性别和早期生活逆境依赖的神经支配模式差异	研究仅在小鼠模型中进行，尚未在人类中验证；DREADDs操作可能影响其他脑区；样本量未明确说明	探究CRH/GABA BLA-NAc投射在奖励行为中的性别特异性作用及其神经支配模式	成年雄性和雌性CRH-Cre小鼠，在对照或早期生活逆境条件下饲养	神经科学	情感障碍	化学遗传学操作、组织透明化、光片荧光显微镜、深度学习	DREADDs	图像	NA	NA	深度学习管道	NA	NA
1277	2026-09-21	Multi-Task Deep Learning Model for Automated Detection and Severity Grading of Lumbar Spinal Stenosis on MRI: Multi-Center External Validation 2026-Jan-14, Diseases (Basel, Switzerland) DOI:10.3390/diseases14010032 PMID:41590247	研究论文	本研究评估了基于深度学习特征提取方法（VGG19、ConvNeXt-Tiny 和 DINOv2）结合经典机器学习分类器在腰椎管狭窄症自动多级评估中的泛化能力	采用多中心外部验证，系统比较了 VGG19、ConvNeXt-Tiny 和 DINOv2 三种深度学习特征提取方法结合逻辑回归、SVM 和 LightGBM 经典分类器在腰椎管狭窄症自动分级中的表现	DINOv2 特征的泛化能力较差，尤其是与 LightGBM 结合时准确率仅 0.6222，大多数分类错误发生在相邻等级之间	评估基于深度学习的特征提取方法结合经典机器学习分类器在腰椎管狭窄症自动多级评估中的泛化能力	轴位 MRI 图像中的腰椎管狭窄症	数字病理学, 计算机视觉	腰椎管狭窄症	MRI	CNN, Transformer, 逻辑回归, SVM, LightGBM	图像	NA	NA	VGG19, ConvNeXt-Tiny, DINOv2	准确率, 精确率, 召回率, F1分数, 混淆矩阵, 多类ROC曲线, AUC	NA
1278	2026-09-21	Non-Invasive Brain-Computer Interfaces: Converging Frontiers in Neural Signal Decoding and Flexible Bioelectronics Integration 2026-Jan-12, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-025-02042-2 PMID:41521257	综述	系统回顾过去十年非侵入式脑机接口中神经解码算法与柔性生物电子平台的代表性进展，并讨论多模态融合、软硬件协同优化及闭环控制策略	从神经信号解码、柔性电极材料创新与系统集成策略三个维度进行跨学科系统性整合，强调多模态数据融合、软硬件协同优化与闭环控制，并兼顾临床应用与工业转化的工程挑战	非侵入式脑机接口仍面临个体差异、生物相容性限制、复杂环境干扰等问题，在泛化能力、长期可靠性及真实场景鲁棒性方面仍需进一步验证与优化	梳理非侵入式脑机接口在神经解码算法与柔性生物电子平台方面的进展，为推进其实际可扩展部署提供参考	非侵入式脑机接口技术，包括神经信号解码算法与柔性生物电子平台	脑机接口、机器学习	神经系统疾病、康复医学	脑电信号采集、柔性可拉伸电极、纳米结构导体	深度学习	神经信号、脑电信号	NA	NA	NA	解码准确率、鲁棒性	NA
1279	2026-09-21	TENG-Based Self-Powered Silent Speech Recognition Interface: from Assistive Communication to Immersive AR/VR Interaction 2026-Jan-12, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-025-01982-z PMID:41521368	研究论文	本文提出了一种基于摩擦纳米发电机（TENG）的自供电柔性压力传感器与CNN-LSTM深度学习框架相结合的实时无声语音识别系统，用于辅助通信和沉浸式AR/VR交互	将多孔金字塔结构硅胶薄膜作为负摩擦层的TENG柔性压力传感器与CNN-LSTM混合网络集成，实现高灵敏度下颌运动检测和实时无声语音识别，并拓展至智能手机非接触控制和AR眼镜交互	未明确说明	实现无声语音信号的实时采集与准确解码，为言语障碍者提供辅助通信方案，并探索在AR/VR人机交互中的应用	下颌运动产生的压力信号、无声语音信号、30类日常词汇	人机交互	言语障碍	摩擦纳米发电机（TENG）、柔性压力传感	CNN-LSTM	压力传感信号（电信号）	NA	NA	CNN-LSTM	分类准确率	NA
1280	2026-09-21	Decoding of Inconsistent Biological Data: A Critical Step toward Enhanced AI Predictivity in Drug Discovery 2026-Jan-09, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.5c00677 PMID:41536274	观点文章	本文讨论了不同来源的同一靶点生物活性数据合并时产生的噪声问题，重点关注实验方案中缓冲液组成和实验设置变化的影响，并探讨了深度学习模型和大型语言模型在药物发现中的应用	强调了常被忽视的实验方案变化（缓冲液组成和实验设置）对生物活性数据噪声的深远影响，并通过酶和病毒表面蛋白两个实例展示了外在因素驱动的构象变化问题，同时通过专家访谈探索了LLM和代理AI在药物发现中的最新应用前景	计算研究在评估蛋白质-配体相互作用方面存在当前局限性，深度学习模型在药物发现中的应用仍面临挑战	解决不同来源生物活性数据合并导致的噪声问题，提高AI在药物发现中的预测能力	同一靶点的生物活性数据、酶抑制剂/结合剂、病毒表面蛋白、蛋白质-配体相互作用	机器学习	NA	NA	深度学习, 大型语言模型	生物活性数据	NA	NA	NA	NA	NA