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
281	2026-02-17	Review of CNN-Based Approaches for Preprocessing, Segmentation and Classification of Knee Osteoarthritis 2026-Feb-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030461 PMID:41681779	综述	本文综述了基于卷积神经网络（CNN）的膝骨关节炎（KOA）预处理、分割和分类方法	系统性地比较了文献中基于CNN的KOA分类方法，并指出了现有研究的方法学局限性和未来研究方向	现有研究在稳健性和临床适用性方面存在不足，分类准确性受数据集、成像模态和任务定义影响较大	自动化评估膝骨关节炎的疾病严重程度，以减少临床医生间的主观差异	膝骨关节炎（KOA）的X射线和MRI影像数据	计算机视觉	骨关节炎	X射线和MRI成像	CNN	图像	NA	NA	NA	准确率	NA
282	2026-02-17	MRI-Based Radiomics for Non-Invasive Prediction of Molecular Biomarkers in Gliomas 2026-Feb-02, Cancers IF:4.5Q1 DOI:10.3390/cancers18030491 PMID:41681963	系统综述	本文系统综述了基于MRI的影像组学在胶质瘤分子生物标志物无创预测中的应用，评估了方法学趋势、性能指标和转化准备度	首次系统性地综合了当前影像组学在胶质瘤分子生物标志物预测中的应用，并采用RQS、IBSI和NOS等多种工具评估了方法学质量	研究存在异质性，未进行荟萃分析；成像方案、标准化程度、外部验证和方法学严谨性存在差异，阻碍了广泛的临床转化	评估影像组学在胶质瘤关键分子生物标志物无创预测中的应用现状与潜力	人类胶质瘤患者	数字病理学	胶质瘤	MRI	机器学习, 深度学习	图像	总计10324名患者（平均每项研究140名，范围23-628）	NA	卷积神经网络	AUC	NA
283	2026-02-17	Engineering-Oriented Ultrasonic Decoding: An End-to-End Deep Learning Framework for Metal Grain Size Distribution Characterization 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030958 PMID:41682473	研究论文	本文提出了一种基于深度学习的端到端框架，利用多模态超声特征和空间编码来预测GH4099金属的晶粒尺寸分布	结合双卷积压缩网络与全连接解码器的编码器-解码器模型，引入厚度编码分支进行物理约束下的特征解耦，以及椭圆空间融合策略优化预测	NA	开发一种准确且适应性强的金属晶粒尺寸分布表征方法	GH4099金属材料的晶粒尺寸分布	机器学习	NA	超声检测	CNN	超声A扫描信号的时间-频率表示	NA	NA	编码器-解码器模型,双卷积压缩网络,全连接解码器	平均绝对误差,标准偏差平均绝对误差,KL散度	NA
284	2026-02-17	An Intelligent Sensing Framework for Early Ransomware Detection Using MHSA-LSTM Machine Learning 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030952 PMID:41682470	研究论文	提出一种基于MHSA-LSTM机器学习模型的智能感知框架，用于早期勒索软件检测	核心创新在于引入基于信息增益的相关性系数μ增强自注意力机制，能自主优先区分最具判别性的行为特征，过滤噪声并克服初始攻击阶段数据稀缺问题	未明确说明框架在实时动态环境中的部署延迟或资源消耗限制	开发主动式早期勒索软件检测框架以增强网络安全防御	勒索软件样本与良性应用程序的行为特征数据	机器学习	NA	动态分析	LSTM, CNN-LSTM	行为特征序列数据	39,378个勒索软件样本和9,732个良性应用程序	NA	Multi-Head Self-Attention LSTM (MHSA-LSTM), CNN-LSTM, Stacked LSTM	准确率, 假阳性率, F1分数	NA
285	2026-02-17	Research and Application of Safety Hazard Perception and Responsibility Traceability System in University Laboratories 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030953 PMID:41682471	研究论文	本文提出了一种基于深度学习的实验室安全隐患感知与责任追溯系统，用于解决高校实验室安全管理中的挑战	引入通道注意力机制SE和NWD损失函数，结合DeepSORT跟踪，实现实验室场景的多目标跟踪与隐患感知，并提出了责任匹配算法和可视化追溯机制	NA	解决高校实验室安全管理中责任追溯对高频风险行为监管不足的问题	高校实验室场景中的安全风险行为，如实验人员未穿实验服	计算机视觉	NA	深度学习	目标检测模型	图像	NA	YOLOv5s, DeepSORT	YOLOv5s	平均精度均值(mAP)	NA
286	2026-02-17	High-Accuracy Detection of Odor Presence from Olfactory Bulb Local Field Potentials via Deep Neural Networks 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030951 PMID:41682467	研究论文	本研究提出了一种基于深度神经网络的方法，用于从嗅球局部场电位中高精度检测气味的存在	首次提出使用互补的一维卷积网络集成模型（ResCNN和AttentionCNN）从多通道嗅球局部场电位中进行稳健的单次试验气味检测，并验证了仅凭嗅球信号和频谱特征即可实现高精度检测的假设	研究为初步工作，仅在7只清醒小鼠的2349次试验上进行测试，尚未在更广泛或更复杂的场景中验证	开发一种通用的气味检测系统，验证从嗅球局部场电位进行稳健单次试验气味检测的可行性	清醒小鼠的嗅球局部场电位信号	机器学习	NA	局部场电位记录	CNN	信号数据（局部场电位）	7只清醒小鼠的2349次试验	NA	ResCNN, AttentionCNN	准确率, F1分数, AUC	NA
287	2026-02-17	Progressive Attention-Enhanced EfficientNet-UNet for Robust Water-Body Mapping from Satellite Imagery 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030963 PMID:41682479	研究论文	本文提出了一种结合卷积块注意力模块（CBAM）和改进的EfficientNet-UNet架构的深度学习模型，用于从卫星图像中精确识别水体	将CBAM集成到改进的EfficientNet-UNet架构中，以优先处理信息丰富的特征和空间区域，并通过五折交叉验证、动态测试时间增强和Lovász损失函数优化确保模型鲁棒性	NA	开发一种高保真、计算高效的模型，用于大规模水资源和生态系统监测系统中的水体映射	卫星图像中的水体	计算机视觉	NA	NA	CNN	图像	NA	NA	EfficientNet-UNet	精确度, 灵敏度, 特异性, 准确度, Dice分数, IoU	NA
288	2026-02-17	AI-Enhanced Hybrid QAM-PPM Visible Light Communication for Body Area Networks 2026-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s26030971 PMID:41682486	研究论文	本文研究了一种基于混合QAM-PPM调制框架的人工智能增强型可见光通信系统，用于体域网应用	提出结合QAM和PPM的双调制策略，并集成经典预失真技术与基于CNN-Transformer层的深度学习均衡器，以同时实现高数据速率和可靠通信	NA	开发一种适用于体域网的高效、鲁棒的可见光通信系统	体域网中的可见光通信系统	机器学习	NA	可见光通信，混合QAM-PPM调制	CNN, Transformer	通信信号数据	NA	NA	CNN-Transformer混合架构	NA	NA
289	2026-02-17	MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning 2026-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2431664 PMID:39576667	研究论文	本研究开发了一个结合蛋白质语言模型和多窗口深度学习技术的计算框架，用于对次级主动转运蛋白中的氨基酸和肽转运蛋白进行分类，并预测其与溶质载体蛋白的功能关联	首次将预训练的蛋白质语言模型（ProtTrans、ESM-1b、ESM-2）与采用多窗口扫描技术的深度学习神经网络架构相结合，以捕获序列的局部和全局模式，用于转运蛋白的功能分类和预测	研究仅基于448个次级主动转运蛋白的数据集，样本规模相对有限；模型在SLC蛋白预测上的准确率（88.89%）虽高但仍有提升空间	开发一个稳健的计算框架，对次级主动转运蛋白家族中的氨基酸和肽转运蛋白进行分类，并预测其与溶质载体蛋白的功能关联	次级主动转运蛋白，特别是氨基酸和肽转运蛋白，以及溶质载体蛋白	生物信息学	癌症	蛋白质语言模型，深度学习	深度学习神经网络	蛋白质序列数据	448个次级主动转运蛋白（包括36个溶质载体蛋白）	NA	基于ProtTrans、ESM-1b、ESM-2蛋白质语言模型的多窗口深度学习架构	准确率，灵敏度，特异性，马修斯相关系数	NA
290	2026-02-17	An optimal deep learning approach for breast cancer detection and classification with pre-trained CNN-based feature learning mechanism 2026-Feb, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2430454 PMID:39601679	研究论文	提出一种基于最优深度学习的乳腺癌检测与分类系统，该系统集成了预训练模型进行分割和特征学习	提出了一种结合DCUNet进行分割、SCADN-121进行特征学习、ECSO进行特征选择以及ECSO-LSTM进行分类的集成深度学习框架，在乳腺癌超声图像分类上达到了99.86%的准确率	仅使用了BUSI单一数据集进行验证，未提及模型在外部数据集或临床环境中的泛化能力	开发一个自动化的乳腺癌早期检测与分类系统，以降低死亡率并改善治疗计划	乳腺癌超声图像	计算机视觉	乳腺癌	超声成像	CNN, LSTM	图像	BUSI数据集中的超声图像（具体数量未在摘要中提及）	NA	DCUNet, DenseNet-121, LSTM	准确率	NA
291	2026-02-17	Systematic scRNA-seq screens profile neural organoid response to morphogens 2026-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02927-5 PMID:41398501	研究论文	本文通过单细胞转录组测序系统筛选，详细调查了形态发生素对人类神经类器官区域特异性的影响	首次利用多路单细胞转录组测序屏幕，全面分析了人类神经类器官对形态发生素的响应，揭示了时间、浓度和组合对细胞类型和区域组成的强烈影响	未明确提及具体局限性	研究形态发生素如何指导人类神经类器官的区域化，以预测干细胞分化结果	人类神经类器官	单细胞转录组学	NA	单细胞RNA测序	深度学习模型	单细胞转录组数据	未明确提及具体样本数量	NA	NA	NA	NA
292	2026-02-17	The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics 2026-Feb, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01838-z PMID:41495202	研究论文	本文提出了一种名为SpaHDmap的可解释多模态降维框架，通过整合空间转录组数据与高分辨率组织学图像来提升空间分辨率	SpaHDmap将非负矩阵分解融入深度学习框架，能够同时分析多个样本，并兼容多种组织学图像类型，从而识别高分辨率空间元基因	NA	增强空间转录组数据的空间分辨率，以解析细微的空间结构和潜在的生物活动	空间转录组数据与高分辨率组织学图像	数字病理学	NA	空间转录组技术	深度学习	基因表达数据, 图像	NA	NA	NA	NA	NA
293	2026-02-17	Segmentation-Guided Preprocessing Improves Deep Learning Diagnostic Accuracy and Confidence of Ameloblastoma and Odontogenic Keratocyst in Cone Beam CT Images-A Preliminary Study 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030416 PMID:41681734	研究论文	本研究探讨了分割引导预处理在提高基于深度学习的成釉细胞瘤和牙源性角化囊肿在锥形束CT图像中诊断准确性和置信度方面的效果	引入了分割引导的预处理方法，通过不同ROI（感兴趣区域）输入策略，显著提升了模型的诊断性能，并增强了模型的可解释性	初步研究，样本量相对较小（128例），且仅针对两种特定颌骨病变	评估分割引导预处理对深度学习模型在颌骨病变诊断中性能的影响，以支持计算机辅助诊断系统的临床转化	病理确诊的成釉细胞瘤和牙源性角化囊肿患者的锥形束CT扫描图像	计算机视觉	颌骨病变	锥形束CT成像	CNN	图像	128例病理确诊的CBCT扫描（成釉细胞瘤64例，牙源性角化囊肿64例）	NA	InceptionV3	准确率, 召回率, 精确率, F1分数, AUC	NA
294	2026-02-17	Deep Learning-Based Liver Tumor Segmentation from Computed Tomography Scans with a Gradient-Enhanced Network 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030429 PMID:41681747	研究论文	本研究提出了一种基于梯度增强网络G-UNETR++的肝脏肿瘤全自动分割方法，用于CT扫描图像分析	开发了基于G-UNETR++网络的两阶段分割流程，先分割整个肝脏区域再分割肿瘤，并在两个公开数据集上验证了其优越性能	仅使用了公开数据集进行验证，未在更多临床中心数据进行测试；样本量相对有限	开发全自动肝脏肿瘤分割方法以辅助临床诊断和治疗	CT扫描图像中的肝脏肿瘤	计算机视觉	肝癌	CT扫描	深度学习	医学图像	151个CT扫描（LiTS数据集131个，3DIRCADb数据集20个）	NA	G-UNETR++	Dice系数	NA
295	2026-02-17	Lumbar MRI-Based Deep Learning for Osteoporosis Prediction 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030423 PMID:41681741	研究论文	本研究开发了一种基于腰椎MRI的深度学习模型，用于预测骨质疏松症	首次利用常规腰椎MRI序列（T1和T2加权图像）通过深度学习模型进行骨质疏松症的识别，无需额外成像或辐射	研究为回顾性设计，样本量相对较小（218名患者），且患者年龄均≥50岁，可能限制了模型的普适性	开发深度学习模型，利用腰椎MRI图像实现骨质疏松症的自动化识别	218名年龄≥50岁、同时接受过腰椎MRI和双能X线吸收测定法（DXA）检查的患者	计算机视觉	骨质疏松症	磁共振成像（MRI），双能X线吸收测定法（DXA）	CNN	图像	218名患者，从T1和T2加权MRI序列中各提取738张图像	NA	EfficientNet b4, InceptionResNet v2, ResNet-50	AUC, 灵敏度, 特异性	NA
296	2026-02-17	Quantitative Ultrasound Radiomics for Predicting and Monitoring Neoadjuvant Chemotherapy Response in Breast Cancer: A Systematic Review 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030425 PMID:41681743	综述	本文系统综述了定量超声影像组学在预测和监测乳腺癌新辅助化疗反应中的应用	整合了开放获取的人类研究，评估定量超声影像组学在治疗前预测和早期治疗监测中的表现，并强调了其在无对比剂或辐射情况下的适应性治疗窗口支持	研究中存在射频数据获取、标准化、感兴趣区域定义等方面的标准化需求，且部分研究样本量较小，需要外部验证以促进临床转化	评估定量超声影像组学在预测和监测乳腺癌新辅助化疗反应中的有效性和应用前景	经活检证实的接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	定量超声影像组学	机器学习模型，深度学习模型	射频数据，光谱参数，纹理特征	12个队列研究	NA	NA	AUC，准确率，灵敏度，特异度，平衡准确率	NA
297	2026-02-17	Transformer-Based Foundation Learning for Robust and Data-Efficient Skin Disease Imaging 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030440 PMID:41681756	研究论文	本研究提出了一种基于Transformer的皮肤病专用基础模型，通过自监督预训练从大量未标记的皮肤镜图像中学习可迁移的视觉表征，以解决皮肤镜病变分类中的数据集偏差、数据稀缺和泛化能力差等问题	提出了首个皮肤病专用的Transformer基础模型，将大规模皮肤病导向的自监督学习与分层视觉Transformer主干网络相结合，有效捕捉细粒度病变纹理和全局形态模式	研究仅在三个公开数据集上进行评估，未在更广泛的临床采集设置和患者群体中进行验证	开发一种鲁棒且数据高效的皮肤镜病变自动分类方法，以应对临床皮肤病学中数据驱动诊断系统部署的挑战	皮肤镜图像中的病变分类	计算机视觉	皮肤病	自监督学习	Transformer	图像	三个公开数据集：ISIC 2018, HAM10000, PH2	NA	分层视觉Transformer	准确率	NA
298	2026-02-17	Automated Classification of Kidney Tumours Using Deep Convolutional Neural Networks 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70142 PMID:41691614	研究论文	本研究提出了一种基于双骨干网络和双高效通道注意力模块的深度学习模型，用于肾脏肿瘤CT图像的自动分类	结合EfficientNetV2-B3和ResNet50作为双骨干网络进行特征提取，并引入双高效通道注意力模块进行跨模型特征融合，相比传统的交叉注意力或加权求和等融合策略表现更优	NA	开发一种自动化方法，用于肾脏肿瘤的检测和分类，以辅助早期诊断	肾脏肿瘤CT图像	计算机视觉	肾癌	CT成像	CNN	图像	NA	NA	EfficientNetV2-B3, ResNet50	准确率, F1分数	NA
299	2026-02-17	DeepMoDRP: A Multi-Omics-Based Deep Learning Framework for Drug Response Prediction in Brain Cancer 2026-Feb, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.70020 PMID:41692036	研究论文	本文提出了一种名为DeepMoDRP的多组学深度学习框架，用于预测脑癌的药物反应	整合基因组、转录组和表观基因组数据，并采用稀疏自编码器、去噪自编码器、一维卷积神经网络和多尺度图神经网络来处理高维复杂数据，专门针对脑癌设计	未提及	开发准确的预测模型以推进神经肿瘤学治疗策略	脑肿瘤细胞系，包括低级别胶质瘤、多形性胶质母细胞瘤和弥漫性大B细胞淋巴瘤	机器学习	脑癌	基因组学、转录组学、表观基因组学	自编码器, 卷积神经网络, 图神经网络	基因组、转录组、表观基因组数据	从公共数据库中提取和整理的脑肿瘤数据集，具体样本数量未提及	未提及	稀疏自编码器, 去噪自编码器, 一维卷积神经网络, 多尺度图神经网络, 全连接网络	未提及	未提及
300	2026-02-17	Current role of artificial intelligence in the management of benign prostatic hyperplasia: a systematic review 2026-Feb, Minerva urology and nephrology IF:4.9Q1 DOI:10.23736/S2724-6051.25.06658-3 PMID:41697204	综述	本文系统回顾了人工智能在良性前列腺增生管理中的应用，涵盖诊断、治疗和患者教育	首次系统性地将人工智能在良性前列腺增生管理中的应用分为大型语言模型用于患者教育和临床AI应用两大类，并详细综述了其在生物标志物识别、功能评估、影像学、严重程度诊断及组织学检查等多个子领域的潜力	研究存在数据异质性、数据集规模小且多为机构特定、缺乏前瞻性验证研究、伦理和监管问题以及医生信任度等挑战	评估人工智能在良性前列腺增生管理中的当前作用与潜力	良性前列腺增生	数字病理学	前列腺癌	NA	机器学习, 深度学习, 大型语言模型	文本, 生物标志物数据, 功能评估数据, 影像数据, 组织学数据	23项研究	NA	ChatGPT-3.5, ChatGPT-4, New Bing Chat	准确率	NA