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
1601	2026-02-02	Counterfactual Explanation-Based Cryptocurrency Price Prediction 2026-Jan-05, Entropy (Basel, Switzerland) DOI:10.3390/e28010065 PMID:41593972	研究论文	本文提出了一种基于反事实解释的加密货币价格预测模型，旨在提高深度学习模型的可解释性和可信度	提出了一种结合梯度优化策略的反事实解释方法，通过识别历史市场特征的最小扰动来引导模型预测至目标区间，从而揭示模型的关键驱动因素和决策边界	NA	提高加密货币价格预测模型的可解释性和可信度，以支持稳健的风险管理	加密货币市场数据	机器学习	NA	NA	深度学习模型	历史市场特征数据（如价格）	NA	NA	NA	NA	NA
1602	2026-01-06	Deep learning for Angle classification based on intraoral photographs: an interpretability perspective 2026-Jan-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07550-6 PMID:41486121	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1603	2026-02-02	Differential privacy for medical deep learning: methods, tradeoffs, and deployment implications 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02280-z PMID:41484344	综述	本文是一篇范围综述，系统总结了差分隐私在医学深度学习中的应用、方法、权衡及部署影响	首次系统综述了差分隐私在医学深度学习中的集中式和联邦式设置应用，识别了公平性审计和标准化方面的关键差距，并提出了公平、临床稳健的隐私保护深度学习优先事项	仅纳入截至2025年3月的研究，少数研究评估公平性，隐私参数报告不一致	评估差分隐私在医学深度学习中的应用效果、权衡及部署挑战	医学深度学习模型与敏感患者数据	机器学习	NA	差分隐私	深度学习	医学影像等多模态数据	74项符合条件的研究	NA	NA	准确性, 公平性	NA
1604	2026-02-02	Enhanced feature fusion with hand gesture recognition system for sign language accessibility to aid hearing and speech impaired individuals 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34100-5 PMID:41484456	研究论文	本文提出了一种基于特征融合的手势识别模型，用于将手语转换为文本和语音，以帮助听力和言语障碍人士	结合ConvNeXt Base、VGG16和EfficientNet-V2进行特征融合，并使用龙卷风优化算法进行参数调优	NA	开发一种创新的深度学习手势识别模型，以增强听力和言语障碍人士的沟通可及性	听力和言语障碍人士	计算机视觉	NA	NA	深度信念网络	图像	NA	NA	ConvNeXt Base, VGG16, EfficientNet-V2	准确率	NA
1605	2026-02-02	RP3Net: a deep learning model for predicting recombinant protein production in Escherichia coli 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag003 PMID:41520295	研究论文	本文提出了一种名为RP3Net的深度学习模型，用于预测大肠杆菌中重组蛋白的表达情况	首次将最新的蛋白质和基因组基础模型整合到深度学习框架中，用于预测重组蛋白在大肠杆菌中的可溶性表达，相比基线模型AUROC提升了0.15	模型主要针对大肠杆菌表达系统，未验证在其他宿主中的适用性；训练数据规模相对有限	开发能够准确预测重组蛋白在大肠杆菌中表达成功率的AI模型，以加速生物技术应用中的蛋白质试剂生产	重组蛋白在大肠杆菌中的异源可溶性表达	机器学习	NA	蛋白质表达实验	深度学习模型	蛋白质序列数据、基因组数据、实验数据	AstraZeneca内部实验数据和Structural Genomics Consortium公开数据的组合数据集，独立验证集包含97个构建体	未明确说明	RP3Net（Recombinant Protein Production Prediction Network）	AUROC（受试者工作特征曲线下面积）、准确率	NA
1606	2026-02-02	AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond 2026-Jan, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00916-4 PMID:41366150	研究论文	本文介绍了AUTOENCODIX，一个用于训练和评估自编码器的开源框架，旨在标准化生物表示学习流程	提出了一个标准化、灵活且可推广的自编码器框架，支持基于本体和跨模态架构，增强了嵌入可解释性和数据模态转换能力	未明确说明框架在特定数据集或任务中的性能限制或计算效率问题	开发一个通用框架以标准化自编码器在生物表示学习中的训练和评估流程	泛癌研究数据集（如TCGA）、单细胞测序数据以及结合成像数据	机器学习	癌症	单细胞测序，成像技术	自编码器	多模态数据	NA	NA	基于本体的自编码器，跨模态自编码器	输入数据重构能力，嵌入质量，基于本体的嵌入可靠性	NA
1607	2026-02-02	A study on ultrasound imaging for thyroid detection and classification using machine learning and deep learning techniques 2026 Jan-Feb, Semergen DOI:10.1016/j.semerg.2025.102674 PMID:41512581	综述	本文综述了基于超声图像的甲状腺疾病计算机辅助诊断系统的最新进展，涵盖传统图像处理、机器学习和深度学习技术	整合了甲状腺超声图像分析领域的主要方法、数据集和性能指标，并指出了现有研究的不足与未来方向	作为综述文章，未提出新的模型或实验验证，主要依赖现有文献的总结	研究甲状腺疾病的早期诊断与分类方法，特别是基于超声图像的计算机辅助诊断系统	甲状腺超声图像	计算机视觉	甲状腺疾病	超声成像	CNN	图像	NA	NA	NA	准确率, 灵敏度, 特异性	NA
1608	2026-02-02	Usual Interstitial Pneumonia Spectrum: UIP, Probable UIP, and Indeterminate UIP 2026-Jan, Seminars in roentgenology IF:0.8Q4 DOI:10.1053/j.ro.2025.09.005 PMID:41513508	综述	本文综述了寻常型间质性肺炎（UIP）影像学谱系的当前知识，包括其诊断、预后和临床意义	概述了定量成像、深度学习模型和分子生物标志物的最新进展，以提高诊断精度和风险分层，并强调了AI驱动的时空建模和分子成像等新兴前沿	NA	综合当前关于UIP影像学谱系的知识，并探讨其在诊断、预后和临床决策中的应用	寻常型间质性肺炎（UIP）谱系，包括UIP、可能UIP和不确定UIP	数字病理学	肺纤维化，特发性肺纤维化	薄层计算机断层扫描（CT），定量成像，分子成像	深度学习模型	医学影像（CT图像）	NA	NA	NA	NA	NA
1609	2026-02-02	Direct deep learning analysis of three-dimensional automated breast ultrasound videos with reading mode optimization for breast cancer diagnosis 2026-Jan, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25096 PMID:41566994	研究论文	本研究开发并评估了一种直接分析三维自动乳腺超声视频的深度学习模型，以辅助乳腺癌诊断，并探讨了临床实施中的最佳阅片模式	首次提出直接分析三维自动乳腺超声视频的深度学习模型，无需图像选择或手动标注，并比较了不同阅片模式对诊断性能和工作效率的影响	回顾性研究设计，样本量相对有限（547名患者），未在外部验证集上测试模型泛化能力	开发并评估用于乳腺癌诊断的深度学习模型，优化临床阅片工作流程	乳腺癌患者的三维自动乳腺超声视频数据	计算机视觉	乳腺癌	三维自动乳腺超声	CNN	视频	547名患者（285例良性，262例恶性），训练集437例，测试集110例	NA	ResNet50	AUC, 敏感性, 特异性	NA
1610	2026-02-02	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013899 PMID:41570036	研究论文	本研究利用AlphaFold2 Multimer预测了果蝇中的蛋白质-蛋白质相互作用，并强调了内在无序区域在预测高置信度相互作用中的重要性	结合物理和功能数据集，通过深度学习预测果蝇蛋白质相互作用，并首次系统分析内在无序区域在其中的作用	研究主要基于预测模型，缺乏实验验证，且仅限于果蝇物种	预测果蝇中的蛋白质-蛋白质相互作用，并探究内在无序区域在相互作用中的角色	果蝇的蛋白质相互作用网络	机器学习	NA	AlphaFold2 Multimer	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2	AlphaFold2 Multimer	高置信度预测	NA
1611	2026-02-02	Object Detection on Road: Vehicle's Detection Based on Re-Training Models on NVIDIA-Jetson Platform 2026-Jan-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010020 PMID:41590905	研究论文	本研究基于NVIDIA Jetson平台，通过重新训练SSD模型，在利马城市交通视频数据上实现车辆检测，旨在优化嵌入式系统在拥堵环境中的准确性与计算负载平衡	在NVIDIA Jetson Orin NX平台上对比训练三种SSD模型（MobileNetV1-SSD、MobileNetV2-SSD-Lite、VGG16-SSD），并通过对比度调整的数据增强方法提升少数类别（如Tuk-tuk和摩托车）的检测性能，为拥堵城市环境中的ADAS嵌入式系统提供最佳精度与计算负载平衡方案	研究仅基于利马城市的交通视频数据，可能缺乏对其他城市或交通环境的泛化能力；手动标注过程可能引入主观误差；未详细探讨模型在实时部署中的延迟或功耗表现	在计算成本和响应时间受限的嵌入式设备上，通过深度学习技术优化车辆检测模型，以应对高交通拥堵的城市场景	利马城市交通视频中的车辆，包括Tuk-tuk、摩托车等少数类别	计算机视觉	NA	深度学习，数据增强（对比度调整）	SSD	视频	从利马城市交通视频中采集并手动标注的数据集（具体数量未在摘要中说明）	TensorFlow, PyTorch（摘要未明确指定，但基于常见实践推测可能使用其中之一或类似框架）	MobileNetV1-SSD, MobileNetV2-SSD-Lite, VGG16-SSD	平均精度（mAP）	NVIDIA Jetson Orin NX 16 GB平台
1612	2026-02-02	LHAT-YOLO: Study on intelligent monitoring algorithm for helmets at construction sites 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339993 PMID:41604405	研究论文	本研究提出了一种基于深度学习理论的土木工程施工现场头盔佩戴智能监测方法，通过改进YOLOv11模型构建了轻量化的LHAT-YOLO模型	使用GSConv改进YOLOv11的卷积模块，并添加了轻量级检测头FCD，在降低模型复杂度的同时保持了高精度	NA	实现土木工程施工现场头盔佩戴的高效、智能实时监测	施工现场工作人员的头盔佩戴情况	计算机视觉	NA	深度学习	CNN	图像	训练集19,780张图像，验证集2,473张图像，测试集2,473张图像	NA	YOLOv11, LHAT-YOLO	Precision, Recall, mAP50, mAP50-95	NA
1613	2026-02-02	Functional fingerprinting for the developing brain using deep metric learning 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1112 PMID:41614047	研究论文	本文提出了一种名为Metric-BolT的深度学习框架，用于大脑功能指纹识别，并利用纵向神经影像数据刻画儿童期和青春早期的独特发育轨迹	开发了基于深度度量学习的新型大脑功能指纹识别框架，首次将大脑指纹与认知能力及遗传关联进行系统性关联分析	研究主要基于特定年龄段的纵向数据，未涵盖更广泛的生命周期或病理状态	通过大脑功能指纹识别技术探究个体神经发育的独特性及其与认知、遗传的关联	儿童期和青春早期个体的纵向神经影像数据	机器学习	NA	神经影像学	深度度量学习	神经影像数据	基于纵向神经影像数据的个体样本（具体数量未明确说明）	NA	Metric-BolT	识别准确率	NA
1614	2026-02-02	PSoSOQY: A Deep Learning-Driven Singlet Oxygen Quantum Yield Prediction Platform for Expediting Photosensitizer Development 2026-Jan, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202500766 PMID:41619309	研究论文	本研究开发了一个名为PSoSOQY的深度学习平台，用于预测光敏剂的单线态氧量子产率，以加速光动力疗法中光敏剂的开发	提出了结合双向长短期记忆网络和注意力机制的BA-SOQY预测模型，并引入了基于SMILES的子结构掩码解释策略，形成了集准确预测与可解释性于一体的综合平台	未明确提及模型在更大规模或更复杂分子数据集上的泛化能力限制，也未讨论计算资源需求	开发一个能够高效预测光敏剂单线态氧量子产率并加速光敏剂理性设计的平台	光敏剂分子	机器学习	NA	NA	BiLSTM, 注意力机制	序列数据（SMILES字符串）	未明确说明具体样本数量，但提及构建了综合数据集并在ESOL和FreeSolv数据集上进行了验证	NA	BiLSTM + Attention	相关系数R	NA
1615	2026-01-30	Spin and Gradient Multiple Overlapping-Echo Detachment Imaging (SAGE-MOLED): Highly Efficient T2, T 2 * $$ {T}_2^{\ast } $$ , and M0 Mapping for Simultaneous Perfusion and Permeability Measurements 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70165 PMID:41177950	研究论文	本研究开发了一种基于多重重叠回波分离的SAGE-MOLED技术，用于高效、无失真的T2、T2*和M0映射，以同时测量灌注和渗透性参数	通过优化回波时间采样和集成多序列反向EPI，开发了SAGE-MOLED技术，有效校正了几何失真并提高了时间信噪比，同时结合深度学习模型实现了高效的多参数量化	研究在初步临床验证中样本量有限，需要进一步的大规模临床研究来验证其广泛适用性	开发一种高效、无失真的磁共振成像技术，用于同时量化组织的T2、T2*和M0参数，以支持灌注和渗透性的精确测量	水模实验、健康志愿者和初步临床研究中的患者	医学影像	NA	磁共振成像（MRI），包括自旋回波和梯度回波EPI（SAGE-EPI）以及多重重叠回波分离（MOLED）技术	深度学习模型	磁共振图像数据	水模实验、健康志愿者和初步临床研究中的患者（具体数量未在摘要中明确说明）	NA	端到端深度学习模型	皮尔逊相关系数（用于T2和T2*映射的验证）	NA
1616	2026-01-30	Accelerated Chemical Exchange Saturation Transfer Imaging With Deep Unrolling Networks and Synthetic Brain Tumor Datasets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70172 PMID:41193413	研究论文	本研究开发了一种基于模型的深度展开网络（MoDL-ADMM），用于加速多通道化学交换饱和转移（CEST）成像的高质量图像重建，并设计了一个合成脑肿瘤数据集（BraTS-CEST）用于训练	将交替方向乘子法（ADMM）优化展开为深度网络（MoDL-ADMM），并创建了大规模合成脑肿瘤CEST数据集（BraTS-CEST）以解决训练数据不足的问题	未明确说明合成数据与真实数据之间的域适应挑战或模型在更广泛病理类型中的泛化能力	开发一种高效的深度学习方法，以从欠采样的多通道数据中重建高质量的CEST源图像和酰胺质子转移加权（APTw）图	健康志愿者和脑肿瘤患者的CEST成像数据	医学影像重建	脑肿瘤	化学交换饱和转移（CEST）成像，Bloch-McConnell模拟	深度展开网络	多通道CEST图像数据	使用公开的BraTS和fastMRI数据集通过模拟生成的大规模合成数据，并在健康志愿者和脑肿瘤患者数据上进行评估	NA	MoDL-ADMM（基于MoDL框架并展开ADMM优化），包含选择性核网络和可学习的稀疏变换	重建误差	NA
1617	2026-01-30	ASL 4D MRA Intracranial Vessel Segmentation With Deep Learning U-Nets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70173 PMID:41207868	研究论文	提出一种基于时空U-Net的网络（4DST），用于ASL无对比增强4D MRA血管分割，利用时空信息并避免内存密集的4D卷积层	设计了一种避免内存密集型4D卷积层的时空U-Net变体（4DST），在ASL 4D MRA血管分割中结合空间和动态信息	研究样本量有限（35名健康志愿者和5名动静脉畸形患者），且未在更广泛疾病群体或不同成像协议下验证	开发一种高效的深度学习模型，用于ASL无对比增强4D MRA颅内血管分割	健康志愿者和动静脉畸形患者的颅内血管	医学图像分析	动静脉畸形	脉冲ASL无对比增强4D MRA	U-Net	4D MRA图像	40名受试者（35名健康志愿者和5名动静脉畸形患者）	NA	U-Net, 4DST	Dice-Sørensen系数, 中心线Dice, Hausdorff距离, 精确度, 准确度, 特异性, 灵敏度	NA
1618	2026-01-30	Deep Learning Reconstruction for 129Xe Diffusion-Weighted MRI Enables Use of Natural Abundant Xenon and Improved Image Acceleration 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70194 PMID:41266932	研究论文	本研究评估了深度学习重建在129Xe扩散加权MRI中的应用，旨在保留定量指标并探索使用天然丰度氙气及提高加速因子的可行性	首次将深度学习重建（包括压缩感知、去噪和去环）应用于129Xe扩散加权MRI，实现了对天然丰度氙气的使用和更高的加速因子，显著降低了成本并提高了临床可行性	深度学习重建在ADC和LmD值上存在轻微偏差（分别为5.4%和0.8%），且样本量相对较小，需进一步验证	评估深度学习加速采集和重建是否定量保留129Xe表观扩散系数和扩散长度尺度指标，并探索使用天然丰度氙气进行扩散加权成像的可行性	哮喘、慢性阻塞性肺疾病和特发性肺纤维化患者，以及健康志愿者	医学影像处理	肺部疾病	129Xe扩散加权MRI，压缩感知加速	深度学习模型	三维MRI图像	患者队列（具体数量未明确）和3名健康志愿者	NA	NA	ADC，LmD，SNR，图像清晰度	NA
1619	2026-01-30	Artificial intelligence in chronic obstructive pulmonary disease: recent advances in imaging and physiological monitoring 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001228 PMID:41208246	综述	本文综述了人工智能在慢性阻塞性肺疾病（COPD）影像学和生理监测中的最新应用进展	总结了人工智能在COPD影像诊断、疾病特征量化、临床结局预测及新型数据流（如咳嗽声音和可穿戴设备）分析方面的最新趋势	大多数应用仍处于早期发展阶段，面临临床验证不足、算法偏见和标准化评估指标缺失等关键挑战	探讨人工智能如何应对COPD诊断和管理中的挑战，推动疾病护理向主动化和个性化方向发展	慢性阻塞性肺疾病（COPD）患者	医学影像分析，生理监测	慢性阻塞性肺疾病	深度学习，机器学习	深度学习模型，机器学习算法	胸部X光片，计算机断层扫描，肺功能测试数据，咳嗽声音，可穿戴设备数据	NA	NA	NA	准确性	NA
1620	2026-01-30	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文综述了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新提出的Kolmogorov-Arnold Networks在职业性肺病检测中的创新应用	研究多依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态和发展前景	职业性肺病（特别是尘肺病）的胸部影像（胸片和CT扫描）	计算机视觉	职业性肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN, KAN	图像	NA	NA	卷积神经网络, CycleGAN, Transformer-based factorized encoders, Kolmogorov-Arnold Networks	NA	NA