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
1821	2026-08-31	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	本研究通过混合方法分析在线戒烟健康社区中的信息传播模式，结合大型语言模型和社会网络分析，探究交流内容与情境对戒烟行为的影响	创新地将理论丰富的大型语言模型与社会网络分析相结合，用于识别在线健康社区中潜在的同伴互动模式及戒烟行为动态	摘要未提及局限性	考察在线健康社区中与烟草使用相关的沟通内容及情境特定信息扩散模式	在线戒烟论坛QuitNet的成员及其交流信息	自然语言处理, 社会网络分析	烟草依赖	大型语言模型、社会网络分析、随机行为者导向模型	大型语言模型、随机行为者导向模型	文本数据（论坛消息）	64,632名成员，2.39百万条论坛消息（2000-2015），三个波次分别有3,055、2,475和2,289名成员	NA	大型语言模型（具体架构未提及）	F1-score	NA
1822	2026-08-31	Clinical implementation of 3D deep learning techniques in predicting touch-up lesions for atrial fibrillation patients undergoing cryoablation 2026-Jun, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2026.101912 PMID:42005401	研究论文	本研究开发并验证了一种3D深度学习模型（CryoAI），用于预测心房颤动患者在接受冷冻球囊消融时是否需要追加射频消融，以改善术前规划并减少干预	提出先进的CryoAI（VoxNet++）模型，并整合Grad-CAM和高斯曲率模块进行3D激活可视化，精确定位冷冻球囊定位及可能追加消融的关键区域	未明确提及，但样本量相对有限（内部190例，外部99例），且为单中心研究	利用3D深度学习技术预测冷冻球囊消融的复杂性，特别是预测是否需要追加射频消融，以减少手术时间、成本、风险和患者不适	心房颤动患者，接受冷冻球囊消融的病例	深度学习，医学影像	心房颤动	CT成像，3D体素重建	PointNet, VoxNet, CryoAI (VoxNet++)	CT图像（3D体素重建）	内部数据集190例（训练测试8:2）、外部验证数据集99例	NA	PointNet, VoxNet, VoxNet++（CryoAI）	AUC, 阳性预测值	NA
1823	2026-08-31	Lower limb and feet wound image dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112730 PMID:42007077	研究论文	构建了一个包含健康与病理下肢和脚部伤口的综合图像数据集，用于支持机器学习模型的开发	提供了一个平衡的数据集，同时包含真实临床伤口图像和健康脚部图像，解决了现有资源中类别不平衡的问题	未知，摘要中未提及	开发一个平衡的下肢和脚部伤口图像数据集，以支持伤口分割、分类和临床决策支持等机器学习任务	下肢和脚部的伤口图像及健康脚部图像	计算机视觉	糖尿病足、压力性损伤、创伤、静脉性溃疡、手术伤口、动脉性溃疡、蜂窝织炎等	图像采集和标注，包括伤口分割掩膜生成和数据增强	NA	图像	共5443张图像，其中伤口图像2686张，健康脚部图像2757张	NA	NA	NA	NA
1824	2026-08-31	Predictions from deep learning propose substantial protein-carbohydrate interplay 2026-May-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2523342123 PMID:42150072	研究论文	开发了神经网络PiCAP和CAPSIF2，用于预测蛋白质与碳水化合物的非共价结合及其残基位点，并发现蛋白质-碳水化合物相互作用可能远比预期普遍	首次提出高比例的蛋白质（约35-40%）可能具有碳水化合物结合能力，推翻了传统<5%的估计，并开发了针对蛋白质水平和残基水平的预测工具	基于计算预测，缺乏广泛的实验验证，且训练数据集可能引入偏见	开发计算工具预测蛋白质-碳水化合物相互作用，并评估蛋白质组中结合碳水化合物的蛋白质比例	蛋白质与碳水化合物的非共价相互作用，包括人类细胞表面蛋白及六个蛋白质组	机器学习	NA	NA	神经网络	蛋白质序列和结构数据	包含已知碳水化合物结合蛋白和候选非结合蛋白的数据集，以及六个蛋白质组	NA	PiCAP和CAPSIF2	平衡准确率、Dice系数	NA
1825	2026-08-31	Towards precision agriculture for assessing germination rates and density of rice seedling using hierarchical convolutional neural network on drone imagery 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37681-x PMID:42177173	研究论文	开发了一种基于无人机图像和层级卷积神经网络的模型，用于评估水稻幼苗的萌发率和密度，以实现精准农业中的作物建立监测	结合ConvNeXt特征提取与集成模型（SAE、BiTCN、DQL）用于水稻幼苗检测和分类，在无人机图像上实现高精度的萌发率和密度评估	未提供明确的局限性信息	利用遥感或无人机成像技术评估水稻田中的萌发率和幼苗密度，以改善作物建立监测	水稻幼苗	计算机视觉	NA	无人机成像、深度学习	卷积神经网络（ConvNeXt）、堆叠自编码器（SAE）、双向时间卷积网络（BiTCN）、深度Q学习（DQL）	图像	水稻幼苗的航空数据集（具体数量未提供）	NA	ConvNeXt, SAE, BiTCN, DQL	准确率	NA
1826	2026-08-31	Finding Holes: Pathologist-Level Performance Using AI for Cribriform Morphology Detection in Prostate Cancer 2026-May, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.03.016 PMID:42004835	研究论文	开发并验证了一种基于人工智能的系统，用于在前列腺癌中检测筛状形态，其性能达到病理学家水平。	采用EfficientNetV2-S编码器结合多实例学习，实现全切片图像的端到端分类，并在独立外部队列中验证了模型的稳健性。	研究为回顾性设计，且跨扫描仪重复性和观察者间分析仅在内部验证数据上进行，可能高估性能。	提高前列腺癌中筛状形态的检测准确性和一致性，以改善诊断可靠性和治疗决策。	前列腺癌的核心针活检切片，包括内部和外部验证队列的数字化全切片图像。	数字病理学	前列腺癌	NA	深度学习模型	图像	训练集：640张切片来自430名患者；内部验证：261张切片来自171名患者；外部验证：266张切片来自104名患者；观察者间分析：88张切片。	NA	EfficientNetV2-S	AUC, Cohen's κ	NA
1827	2026-08-31	Deep Learning-Driven Transmission Electron Microscopy Analysis of Murine Optic Nerve Myelinated Axons 2026-May, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101141 PMID:42005911	研究论文	开发并验证了一种基于深度学习的自动化方法，用于量化透射电子显微镜图像中的视网膜神经节细胞轴突，以减少手动分割和量化的耗时与主观性	提出了一种基于nnU-Net架构的自动化分割和量化流程，专门针对小鼠视神经的TEM图像，实现了对轴突形态参数的可靠测量，显著减少了人工工作量和处理时间	摘要中未提及局限性，可能包括模型对特定样本的依赖性、样本来源的局限性等	开发并验证一种深度学习驱动的自动化方法，用于TEM图像中小鼠视神经髓鞘轴突的定量分析	小鼠视神经TEM图像，具体为368张来自23只C57BL/6J和DBA/1J小鼠（4-9个月龄）在不同实验条件下的图像	计算机视觉	NA	透射电子显微镜	CNN	图像	368张TEM图像，来自23只小鼠	PyTorch	nnU-Net	精确率、召回率、F1分数、决定系数	NA
1828	2026-08-31	PLDC-Net: A Domain-Specific Base Model for Plant Leaf Disease Classification Domain Adaptation Tasks 2026-Apr, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70167 PMID:42005353	研究论文	提出了一种基于改进的注意力机制和SiLU激活的DenseNet201架构PLDC-Net，在大规模植物叶片病害数据集上预训练，以构建领域特定的基础模型，用于改善植物叶片病害分类的领域适应任务	首次提出在植物叶片病害领域特定大规模数据集上预训练改进的DenseNet201架构（PLDC-Net），取代传统的ImageNet预训练，以提升领域适应效果	未提及具体限制，但可推断预训练数据集的构建和质量可能影响模型泛化能力	通过构建领域特定的基础模型，提高植物叶片病害分类中领域适应（如迁移学习、微调、少样本学习）的性能	植物叶片病害图像及其分类任务，涉及多种植物和疾病类型	计算机视觉	植物疾病	深度学习、迁移学习、少样本学习	CNN（改进的DenseNet201）	图像	大规模植物叶片病害数据集（具体数量未在摘要中提及）	NA	改进的DenseNet201（带注意力机制和SiLU激活）	F1分数	NA
1829	2026-08-31	Interpretable Deep Learning for OCT-Based Diagnosis of Vitreoretinal Lymphoma Versus Uveitis 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.30 PMID:41746131	研究论文	开发并验证了一种可解释的深度学习模型，用于基于OCT图像区分玻璃体视网膜淋巴瘤与非感染性葡萄膜炎，并可视化病程相关的病理特征	结合了自定义设计的深度卷积神经网络与Grad-CAM可视化技术，提供可解释的OCT诊断结果，突显疾病相关的OCT特征	样本量较小（45例VRL和52例NIU），且为单中心研究，可能影响模型的泛化能力	开发并验证一个能区分玻璃体视网膜淋巴瘤与非感染性葡萄膜炎的深度学习模型，并可视化疾病相关的OCT特征	玻璃体视网膜淋巴瘤（VRL）和非感染性葡萄膜炎（NIU）患者的OCT图像	机器学习	玻璃体视网膜淋巴瘤	光学相干断层扫描（OCT）	卷积神经网络（CNN）	OCT B-scan图像	45例VRL患者和52例NIU患者，共97例	NA	自定义设计的深度卷积神经网络	AUROC, AUPRC, 准确率, F1分数, 精确率, 灵敏度, 特异度, Kappa系数	NA
1830	2026-08-31	Risk prediction of progression from normal cognitive function to Alzheimer's disease in elderly aged 65 and above based on deep learning methods 2026-02, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251410937 PMID:41490207	研究论文	本文旨在利用深度学习方法建立从正常认知功能进展到阿尔茨海默病的风险预测模型，为临床决策和早期诊断筛查提供参考。	首次将DeepSurv和DeepHit深度学习方法应用于65岁及以上老年人从正常认知功能进展到AD的风险预测，并比较了与Cox模型的性能。	未提及具体局限性。	建立从正常认知功能进展到AD的风险预测模型，以支持早期预防和临床决策。	65岁及以上认知功能正常的老年人。	机器学习	阿尔茨海默病	NA	DeepSurv, DeepHit, Cox	临床数据（早期预测因子）	未明确说明样本数量。	NA	DeepSurv, DeepHit, Cox	一致性指数（C-index）、综合布里尔分数（IBS）、ROC曲线下面积（AUC）	NA
1831	2026-08-31	A multidimensional eye-tracking assessment for estimating cognitive profiles in intellectual disability: A preliminary deep learning study 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261443354 PMID:42004474	研究论文	开发并验证了一种结合眼动追踪和深度学习的新型评估工具，用于估计智力残疾儿童的认知能力	首次将多维眼动追踪与深度学习结合，实现对智力残疾儿童认知能力的自动化估计	样本量小，仅涉及7名智力残疾儿童和9名典型发育儿童，可能限制结果的泛化性	开发一种自动化的眼动追踪评估工具，结合深度学习，用于估计智力残疾儿童的认知能力	智力残疾儿童和典型发育儿童	计算机视觉，机器学习，神经科学	智力残疾	眼动追踪	卷积神经网络，逻辑回归	图像（扫描路径图像）	16名儿童（7名智力残疾，9名典型发育）	NA	卷积神经网络，逻辑回归	F1分数	NA
1832	2026-08-31	Targeting SARS-CoV-2 main protease (3CLpro) with Paeonia-derived phytochemicals 2026, In silico pharmacology DOI:10.1007/s40203-026-00630-7 PMID:42005983	研究论文	本研究结合机器学习和深度学习工具，评估了芍药属植物根中提取的化合物对SARS-CoV-2主要蛋白酶3CLpro的抑制作用，并通过实验验证了其抗病毒潜力。	首次将机器学习和深度学习药物发现工具应用于芍药属植物来源化合物的筛选，预测其对3CLpro的结合亲和力，并通过分子动力学模拟和实验验证，提出了新的抗SARS-CoV-2候选化合物。	研究仅限于体外实验和计算预测，未进行体内实验验证；且样本来源于特定植物属，可能限制其广谱适用性。	评估芍药属植物化合物对SARS-CoV-2主要蛋白酶3CLpro的抑制潜力，并验证计算方法的有效性。	芍药属植物根中鉴定的化合物，重点关注paoniflorigenone和3-O-methylquercetin。	药物发现、机器学习、深度学习	COVID-19	机器学习、深度学习、分子动力学模拟、体外酶活性测定	机器学习/深度学习模型（具体类型未指定，如CNN或DNN）	化合物结构数据、分子动力学模拟数据、实验生物化学数据	未明确说明化合物总数，但涉及五种芍药属植物的根提取物及三个具体化合物（paoniflorigenone、3-O-methylquercetin和baicalein）	NA	NA	结合亲和力预测、IC50值、细胞毒性评估	NA
1833	2026-08-31	The Use of Deep Learning in Distinguishing Chalazion and Eyelid Mass 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/8878251 PMID:42007239	研究论文	本研究探讨了深度学习在区分睑板腺囊肿和其他眼睑肿块中的应用，以支持其作为转诊工具的潜力。	首次使用深度学习模型从外部临床照片中区分睑板腺囊肿和其他眼睑肿块，并比较了多种CNN架构的性能，且与一线医生的表现进行了对比。	研究为回顾性病例对照设计，样本来自单一机构，且未提及模型在多样化人群中的泛化能力。	评估人工智能区分睑板腺囊肿和其他眼睑肿块的能力，以辅助非专科医生做出转诊决策。	睑板腺囊肿和其他非睑板腺囊肿的眼睑病变。	计算机视觉	眼睑疾病	NA	卷积神经网络（CNN）	图像（临床外部照片）	206张睑板腺囊肿照片（来自183名患者）和517张非睑板腺囊肿眼睑病变照片（来自486名患者）	TensorFlow, Keras	VGG-16, VGG-19, ResNet50, Xception, MobileNetV2	曲线下面积（AUC）、敏感性、准确性	NA
1834	2026-08-30	A Deep Learning Model for Heart Sound Classification Fusing Time-Frequency Features 2026-Sep, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642718 PMID:41370147	研究论文	提出了一种融合时频特征的双分支深度学习模型，用于心音信号的自动分类，以提高心血管疾病的早期诊断准确性	创新性地设计了双向交叉注意力融合模块，实现时域和频域特征之间的深度交互与相互增强，并采用迁移学习策略提升模型在小规模或挑战性数据集上的鲁棒性	未明确提及	开发一种能有效整合时域和频域特征的端到端双分支深度学习模型，以提升心音分类的准确性和鲁棒性，支持心血管疾病的辅助诊断	心音（PCG）信号	机器学习, 数字信号处理	心血管疾病	NA	CNN, Transformer, ResNet	心音信号（时间序列数据）和梅尔频谱图（图像数据）	多个公共数据集，包括2016年PhysioNet Challenge数据集	NA	一维CNN, Transformer块, ResNet, 双向交叉注意力融合模块	准确率, F1分数	NA
1835	2026-08-30	Real-Time Instantaneous Phase Estimation Using a Deep Dual-Branch Complex Neural Network 2026-Sep, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3647598 PMID:41433160	研究论文	本文提出了一种基于双分支复数神经网络的深度学习方法，用于实时估计神经振荡的瞬时相位。	提出了一种类似复数小波变换的双分支网络结构，结合离散余弦变换层提取实部和虚部信号表示，设计目标为在边缘设备上部署，以实时估计瞬时相位，并显著提高精度。	未提及具体限制，但可能需要进一步验证在真实神经信号和硬件部署中的泛化能力。	开发一种适用于便携式边缘设备（如FPGA）的深度学习算法，用于实时瞬时相位估计，以支持脑-机接口和神经调控系统。	神经振荡信号的瞬时相位，用于脑-机接口和神经调控应用。	机器学习	NA	NA	深度神经网络	神经信号（时间序列数据）	NA	NA	双分支复数神经网络	相位估计准确率	便携式边缘设备（如FPGA）
1836	2026-08-30	Deep integration of clinical metadata with [18F]FDG PET/CT imaging for histological subtyping in non-small cell lung cancer: a multi-center study 2026-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-08010-1 PMID:42310216	研究论文	开发并验证了一个多模态深度学习框架，将临床元数据与[18F]FDG PET/CT成像整合，用于非小细胞肺癌的组织学亚型分类	采用3D Transformer进行肿瘤定位，并通过特征级线性调制（FiLM）动态将临床元数据注入视觉主干，实现了早期临床-生物学融合策略，缓解了单一模态成像在重叠代谢表型中的诊断局限性	在外部测试集上，多模态模型与临床仅模型和图像仅模型之间的AUC差异未达到统计学显著性，且内部测试集上的差异也未显著	通过整合临床元数据和[18F]FDG PET/CT成像，提高非小细胞肺癌组织学亚型（腺癌与鳞状细胞癌）分类的准确性，并提供非侵入性决策支持工具	非小细胞肺癌患者，包括来自多中心的780例手术队列（675例开发集和105例外部测试集）	医学影像分析、深度学习	非小细胞肺癌	[18F]FDG PET/CT成像	多任务深度学习网络（包含3D Transformer和FiLM机制）	医学影像（PET/CT）和临床元数据	780例非小细胞肺癌患者（675例开发集，105例外部测试集）	未明确指定，但可能使用PyTorch（基于深度学习开发）	3D Transformer、多任务网络（含FiLM机制）	AUC、F1分数、决策曲线分析（净临床效益）	未在摘要中提及
1837	2026-08-30	Automated dairy cattle body condition score using side-view images and deep learning 2026-Sep, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27759 PMID:42217776	研究论文	开发并验证了一种基于侧视图图像和深度学习的全自动奶牛体况评分系统	提出了一种全自动回归式体况评分系统，结合YOLOv11目标检测和ConvNeXt-Tiny回归模型，利用可解释人工智能验证模型关注关键解剖区域	极端体况评分案例在大型养殖场中罕见，未来需扩大数据集并进行跨农场外部验证	实现奶牛体况评分的自动化，以支持精准奶牛养殖和动物福利改善	商业牛群中的211头荷斯坦奶牛	计算机视觉	奶牛代谢疾病（如酮病）	侧视图图像拍摄	YOLOv11（目标检测）和ConvNeXt-Tiny（回归模型）	图像	3208张侧视图图像，来自211头荷斯坦奶牛	PyTorch	YOLOv11, ConvNeXt-Tiny	平均精度均值（mAP）、平均绝对误差（MAE）、皮尔逊相关系数	未提及具体GPU型号，但支持边缘部署
1838	2026-08-30	Individual identification of dairy cows with occluded camera views using open-set contrastive learning model 2026-Sep, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-28109 PMID:42264349	研究论文	本研究利用计算机视觉技术，结合YOLOv8检测和对比学习模型，在部分遮挡、光照变化和姿态多样等挑战性条件下，对散栏牛舍中的奶牛进行个体识别。	采用开放集对比学习模型，能够在训练时未见过的奶牛面前识别为“未知”，增强模型在动态牛群组成环境中的泛化能力。	对比学习模型在封闭集场景下的平均性能低于Xception模型，且开放集设置可能牺牲部分精度。	实现奶牛在自由散栏牛舍中的个体识别，以替代传统识别方法，提高效率并减少人工错误。	49头奶牛，每头每天采集500张图像，共4天。	计算机视觉	NA	NA	CNN (Xception), Siamese网络（对比学习）	图像	49头奶牛，每头每天500张图像，共4天	NA	YOLOv8（检测），Xception，Siamese架构（对比学习）	精确率，召回率，F1分数，准确率	NA
1839	2026-08-30	Using artificial intelligence as a mindtool to foster critical thinking in biology education 2026-Aug-27, Journal of microbiology & biology education IF:1.6Q2 DOI:10.1128/jmbe.00048-26 PMID:42112846	研究论文	本文探讨了在生物学教育中利用人工智能作为思维工具来培养批判性思维，提出了几种教学策略。	提出了将人工智能作为思维工具的具体策略，包括假设建模、概念映射和错误分析，以促进高阶批判性思维技能的发展。	未提供实证数据或案例研究来验证策略的有效性。	为生物学教育者提供指导，帮助他们将人工智能工具融入课程以培养批判性思维。	生物学教育中的学生和教师。	教育技术	NA	NA	NA	NA	NA	NA	NA	NA	NA
1840	2026-08-30	Deep learning applications in cancer treatment Prediction: Comprehensive research foundation for systematic review and Meta-Analysis 2026-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105068 PMID:42276181	系统综述与荟萃分析	本文对深度学习模型在癌症治疗预测中的应用进行了系统综述和荟萃分析，评估其预测性能、方法学质量和临床实施情况	首次跨癌症类型和模型架构的深度学习治疗预测的荟萃分析综合	纳入研究间异质性高，汇总估计仅作为方法学可行性的广泛指标，而非确定性性能基准；存在方法学不一致、高偏倚风险和有限的外部验证，仅9%的模型已临床实施	评估深度学习模型在癌症治疗结果预测中的预测性能、方法学质量和临床实施情况	158项符合条件的研究（其中89项纳入定量综合），涵盖实体瘤（乳腺癌、肺癌、结直肠癌、前列腺癌等）和多种治疗方式（化疗、免疫疗法、放疗、靶向治疗和手术干预）	机器学习、数字病理学	多种癌症（乳腺癌、肺癌、结直肠癌、前列腺癌等）	NA	深度学习模型（包括多模态和Transformer-based模型）	NA	158项研究（89项纳入定量综合）	NA	Transformer	AUC、C-index、风险比、净收益、决策曲线分析	NA