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
301	2026-03-09	Alzheimer's disease prediction using deep learning and XAI based interpretable feature selection from blood gene expression data 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35260-8 PMID:41667529	研究论文	本文提出了一种基于深度学习与可解释人工智能的血液基因表达数据特征选择方法，用于阿尔茨海默病的早期预测	结合多种特征选择方法、生成对抗网络数据增强与SHAP可解释性分析，从高维小样本血液基因表达数据中识别关键生物标志物	样本量有限，依赖公开数据集，需进一步临床验证	开发非侵入性、低成本的阿尔茨海默病早期检测方法	阿尔茨海默病患者与健康对照的血液基因表达数据	机器学习	阿尔茨海默病	基因表达分析	深度学习, GAN	基因表达数据	三个公开数据集（GSE63060、GSE63061、ADNI）及其整合版本	NA	深度神经网络	准确率, 精确率	NA
302	2026-03-09	Utilizing deep learning models for early detection and classification of fruit diseases: towards sustainable agriculture and enhanced food quality 2026-Feb-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38259-3 PMID:41667572	研究论文	本研究提出使用深度学习模型进行水果病害的早期检测与分类，旨在提升农业可持续性和食品质量	结合图像预处理和数据增强技术，应用五种深度学习模型（CNN、DenseNet121、EfficientNetB3、Xception、ResNet50）对六种水果病害进行检测，并推荐EfficientNetB3模型以实现高精度分类	未提及模型在真实田间环境下的泛化能力、计算资源需求或数据集的规模限制	通过深度学习模型实现水果病害的早期检测与分类，以改善农业生产力与食品质量	六种水果（橙子、葡萄、芒果、番石榴、苹果、香蕉）的植物病害	计算机视觉	NA	图像预处理、数据增强	CNN, DenseNet, EfficientNet, Xception, ResNet	图像	NA	NA	CNN, DenseNet121, EfficientNetB3, Xception, ResNet50	准确率	NA
303	2026-03-09	De novo protein design: a transformative frontier in clinical protein applications 2026-Feb-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07784-0 PMID:41639692	综述	本文综述了从头蛋白质设计在临床蛋白质应用中的前沿进展，包括其计算策略、深度学习的贡献、应用前景及面临的挑战	超越传统依赖天然蛋白质支架的限制，直接设计具有定制结构和功能的蛋白质，为临床应用提供新途径	临床转化仍受生物、技术和转化等多方面因素限制，需加强计算设计、实验验证、工程优化与临床需求的协调	探讨从头蛋白质设计在临床蛋白质应用中的潜力、挑战及未来发展方向	从头蛋白质设计的方法、策略及其在临床蛋白质应用中的前景	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
304	2026-03-09	UniSyn: a multi-modal framework with knowledge transfer for anti-cancer drug synergy prediction 2026-Feb-04, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03972-9 PMID:41639919	研究论文	本文提出了一种名为UniSyn的可解释多模态深度学习框架，通过知识转移从单药反应中学习，以增强抗癌药物协同作用的预测	UniSyn框架利用混合注意力机制整合药物和细胞系特征，支持多任务学习，并能提供机制性见解，同时能泛化到未见过的药物对和细胞类型	NA	预测抗癌药物协同作用，以改善癌症治疗	药物组合和肿瘤细胞系	机器学习	癌症	深度学习	深度学习框架	多模态数据	NA	NA	混合注意力机制	多种协同作用评分指标	NA
305	2026-03-09	Self-supervised pretraining with NuSPIRe unlocks nuclear morphology-driven insights in spatial omics 2026-Feb-03, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03987-2 PMID:41634826	研究论文	本研究介绍了NuSPIRe，一种用于分析DAPI染色图像中细胞核形态的自监督深度学习模型，并展示了其在细胞类型识别、扰动检测以及与空间组学数据整合中的应用	开发了NuSPIRe模型，首次通过自监督学习大规模分析细胞核形态，并将其与空间组学数据关联，实现了AI驱动的实验优化	未在摘要中明确提及	解锁细胞核形态在空间组学中的潜力，以理解细胞状态并优化实验设计	细胞核形态（基于DAPI染色图像）	数字病理学	NA	DAPI染色成像	深度学习模型	图像	1552万个细胞核图像	NA	NuSPIRe	NA	NA
306	2026-03-09	Deep learning-based image enhancement for improved black blood imaging in brain metastasis 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11920-7 PMID:40781512	研究论文	本研究评估了基于深度学习的图像增强技术在改善3D对比增强T1加权黑血磁共振成像图像质量和脑转移瘤诊断性能方面的效用	首次将商业化的深度学习图像增强软件应用于3D对比增强T1加权黑血磁共振成像，显著提高了小尺寸（小于5毫米）脑转移瘤的检测灵敏度	研究为回顾性设计，未与其他深度学习增强方法进行直接比较，且伪影改善不显著	评估深度学习图像增强对脑转移瘤黑血磁共振成像质量和诊断性能的改善效果	126名脑转移瘤患者和121名非脑转移瘤患者的3T磁共振成像数据	医学影像分析	脑转移瘤	3D对比增强T1加权黑血磁共振成像	深度学习	磁共振图像	247名患者（126例脑转移，121例非脑转移）	NA	NA	信噪比, 对比噪声比, 灵敏度, 特异性, 假阳性计数	NA
307	2026-03-09	Domain generalization for diabetic retinopathy grading with phase augmentation framework 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03469-w PMID:41199099	研究论文	本文提出了一种基于傅里叶变换的领域泛化框架，用于提高糖尿病视网膜病变分级的泛化性能	提出了一种新颖的傅里叶谱增强技术，利用相位信息保留关键高频特征，并结合协作师生知识蒸馏和特征融合模块，显著提升了跨域鲁棒性和分类性能	未明确提及具体局限性，但可能涉及对多种成像设备和条件的泛化能力仍需进一步验证	解决糖尿病视网膜病变分级中因源域和目标域分布差异导致的泛化性能下降问题，即领域泛化问题	眼底图像	计算机视觉	糖尿病视网膜病变	傅里叶变换	深度学习	图像	六个临床现实DR数据集	NA	双网络学习机制	泛化性能	NA
308	2026-03-09	Artificial intelligence-driven longitudinal quantification of technetium pyrophosphate uptake in cardiac amyloidosis: Correlation with multimodality imaging and outcomes 2026-Feb, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102573 PMID:41314377	研究论文	本研究利用人工智能驱动的深度学习技术纵向量化心脏淀粉样变性患者中锝-99m焦磷酸盐的摄取，并探讨其与多模态影像参数及临床结局的相关性	首次将深度学习技术应用于纵向量化心脏淀粉样变性患者的锝-99m焦磷酸盐摄取，并与多模态影像参数及临床结局进行关联分析	样本量相对较小（85例患者），且研究为单中心设计，可能存在选择偏倚	评估心脏淀粉样变性患者治疗反应监测的新方法	诊断为转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的患者	数字病理学	心血管疾病	锝-99m焦磷酸盐（99mTc-PYP）成像	深度学习	医学影像	85例患者	NA	NA	相关性分析（ρ值），风险比（HR）	NA
309	2026-03-09	Advantages and Limitations of AlphaFold in Structural Biology: Insights from Recent Studies 2026-Feb, The protein journal DOI:10.1007/s10930-025-10310-8 PMID:41326937	综述	本文综述了2022年至2025年间AlphaFold在结构生物学中的应用、优势与局限性	系统性地综合了AlphaFold在病毒学、微生物学和生物医学等多个领域的最新应用案例，并总结了其方法扩展（如AlphaFold-Multimer）以及与分子动力学模拟的结合，同时明确了其在特定场景下的精度限制	AlphaFold对固有无序区域、蛋白质-配体/辅因子相互作用、以及非常大或瞬时的组装体的预测存在局限，约三分之一的残基可能缺乏原子精度	评估AlphaFold在结构生物学中的实际影响、应用范围及现有挑战	人类、微生物和病毒系统中的蛋白质结构，包括SARS-CoV-2刺突蛋白和核衣壳蛋白、细菌核糖体和膜蛋白复合物、人类GPCRs等	结构生物学	NA	深度学习蛋白质结构预测，分子动力学模拟	深度学习模型	氨基酸序列，冷冻电镜图谱	NA	NA	AlphaFold, AlphaFold-Multimer	原子精度，模型拟合度	NA
310	2026-03-07	Diverse database and machine learning model to narrow the generalization gap in RNA structure prediction 2026-02-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz4967 PMID:41739924	研究论文	本研究通过构建一个多样化的RNA二级结构数据库并开发深度学习模型eFold，旨在提升RNA二级结构预测的泛化能力	构建了包含1098个初级microRNA和1456个人类信使RNA区域的二级结构数据库，并开发了受AlphaFold的Evoformer模型启发的深度学习架构eFold，通过增加RNA结构的多样性和复杂性而非单纯扩大数据量来提升模型泛化性能	未明确说明模型在特定RNA家族或极端长度结构上的预测局限性，也未讨论化学探测数据可能存在的技术偏差	解决RNA结构预测领域因结构数据稀缺而导致的泛化能力不足问题	RNA二级结构，特别是初级microRNA和人类信使RNA区域	计算生物学	NA	化学探测	深度学习	RNA二级结构数据	1098个初级microRNA和1456个人类信使RNA区域，加上来自多个来源的超过30万个二级结构	NA	受AlphaFold Evoformer启发的架构	NA	NA
311	2026-03-07	Automated deep learning detection of orthodontically induced external apical root resorption in maxillary incisors on panoramic radiographs 2026-Feb-26, Progress in orthodontics IF:3.5Q1 DOI:10.1186/s40510-026-00610-9 PMID:41741904	研究论文	本研究开发并比较了两种基于YOLOv12的深度学习模型，用于在全景X光片上自动检测正畸引起的外部根尖吸收。	首次将YOLOv12的姿态估计模型应用于OIEARR的自动检测和分级，其细粒度的解剖定位能力为早期诊断提供了优势。	研究为回顾性设计，样本仅来自10-18岁患者，且大多数误分类发生在相邻分级之间。	开发并比较基于深度学习的自动化工具，用于检测和分级正畸引起的外部根尖吸收。	接受至少12个月固定正畸治疗的312名患者的624张全景X光片，重点关注上颌中切牙和侧切牙。	计算机视觉	牙科疾病	全景X光摄影	YOLOv12	图像	624张来自312名患者的全景X光片	NA	YOLOv12x	准确率, 精确率, 召回率, 特异性, F1分数, 混淆矩阵, ROC-AUC	NA
312	2026-03-07	AI Models to Reduce Surgical Complications Through Intraoperative Video Analysis: Protocol for a Prospective Cohort Study 2026-Feb-26, JMIR research protocols IF:1.4Q3 DOI:10.2196/62734 PMID:41769985	研究论文	本研究旨在开发和验证深度学习模型，通过术中视频分析预测腹部手术后并发症，并构建开源数据集	首次提出利用术中视频和术后结果构建开源数据集，并采用基于视觉Transformer架构的微调手术视频基础模型与外科医生定义的预测因子两种并行方法进行深度学习模型开发	研究仅针对特定类型的腹部手术（阑尾切除术、胆囊切除术和结直肠切除术），且数据收集时间有限（2024年至2025年）	开发并验证深度学习模型以准确预测术后并发症，并构建共享开源数据集	接受微创腹部手术（阑尾切除术、胆囊切除术和结直肠切除术）的1200名患者	计算机视觉	腹部手术并发症	术中视频分析	深度学习模型	视频	1200名患者	NA	视觉Transformer	灵敏度, 特异性, 阳性预测值, 阴性预测值, 受试者工作特征曲线下面积	NA
313	2026-03-07	Statistical shape modeling in cardiovascular disease: a narrative review 2026-Feb-25, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0785 PMID:41759183	综述	本文是一篇关于统计形状建模（SSM）在心血管疾病中应用的叙事性综述，探讨了SSM在心脏解剖评估、诊断和治疗中的创新方法	系统性地回顾了SSM从基于标志点的方法到点分布模型的发展历程，并展望了未来多标签模型、深度学习集成以及时空SSM等方向	作为一篇叙事性综述，未涉及原始数据收集或新模型验证，主要基于现有文献进行总结和评述	评估统计形状建模在心血管疾病诊断、风险分层、治疗优化和随访研究中的应用价值与前景	心血管疾病患者的心脏解剖结构	医学影像分析	心血管疾病	统计形状建模	点分布模型	三维解剖形状数据	NA	NA	NA	紧致性, 泛化性, 特异性	NA
314	2026-03-07	DeepECC: a deep learning framework for genome-wide identification and analysis of human cancer eccDNAs 2026-Feb-24, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag198 PMID:41784269	研究论文	本文介绍了一个名为DeepECC的深度学习框架，用于在全基因组范围内识别和分析人类癌症中的eccDNAs	通过两阶段训练策略，DeepECC模拟了起始和终止断点两侧的局部序列上下文，捕获了常被忽视的机制性特征，并揭示了eccDNAs在增强子、表达数量性状位点和CTCF位点的富集模式	NA	开发一个计算框架以克服eccDNA异质性和复杂生物发生带来的挑战，系统发现eccDNA并探究其在癌症中的功能意义	人类、小鼠、鸡的多物种数据集中的eccDNAs	机器学习	癌症	深度学习	深度学习框架	基因组序列数据	多物种数据集（人类、小鼠、鸡）	NA	NA	NA	NA
315	2026-03-07	The SHAP Explainer Model for Binary Classifiers Detecting Functional Groups in Molecules Based on FTIR Spectra 2026-Feb-20, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27042004 PMID:41752140	研究论文	本文研究基于FTIR光谱识别化学基团的CNN-KAN模型的决策过程，利用SHAP值解释其决策依据	首次将SHAP解释器应用于CNN-KAN模型，以追踪基于FTIR光谱的化学基团检测决策过程	未提及模型在更广泛数据集或实际应用中的泛化能力验证	探究深度学习模型在FTIR光谱分析中的决策可解释性	基于FTIR光谱的化学功能基团	机器学习	NA	FTIR光谱分析	CNN-KAN	光谱数据	NA	NA	CNN-KAN	NA	NA
316	2026-03-07	Deep Learning for Freezing of Gait Detection: Cross-Dataset Validation Reveals Critical Deployment Gaps Between Laboratory and Daily Living Wearable Monitoring 2026-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s26041352 PMID:41755290	研究论文	本研究通过跨数据集验证，揭示了冻结步态检测算法在实验室与日常生活中的性能差距，并提出了评估部署准备度的框架	首次量化了实验室与真实世界冻结步态检测性能之间的关键差距，并识别了影响部署的环境复杂性、传感器限制和生理变异性因素	研究样本量相对较小（实验室数据集n=10，日常生活数据集n=35），且仅使用了公开数据集，可能无法完全代表所有临床场景	评估冻结步态检测算法在实验室与日常生活中的性能差异，为临床部署提供实证框架	帕金森病患者的冻结步态事件	机器学习	帕金森病	可穿戴传感器监测	TCN	时间序列数据	实验室数据集（DAPHNET）n=10，日常生活数据集（Figshare）n=35	NA	时间卷积网络	F1分数, AUC, 精确度	NA
317	2026-03-07	Clinicogenomic Insights for Progression-Free Survival in Prostate Cancer 2026-Feb-18, International journal of environmental research and public health DOI:10.3390/ijerph23020256 PMID:41752338	研究论文	本研究评估了前列腺癌患者的临床基因组学特征对无进展生存期的预后价值	将基因组数据整合到生存建模工作流程中，利用临床基因组学综合信息来洞察前列腺癌患者的进展风险	研究基于公开数据集（TCGA），样本量相对有限（494例患者），且仅包含单核苷酸变异信息	评估临床基因组学特征在前列腺癌无进展生存期预测中的预后价值	前列腺癌患者	机器学习	前列腺癌	单核苷酸变异分析	惩罚Cox模型, 随机生存森林, 深度学习生存神经网络	临床特征数据, 基因组数据	494例前列腺癌患者	NA	NA	Harrell's concordance index	NA
318	2026-03-07	Radiomics-Driven Hybrid Deep Learning for MRI-Based Prediction of Glioma Grade and 1p/19q Codeletion 2026-Feb-15, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12020025 PMID:41745702	研究论文	本文提出了一种结合放射组学特征与混合深度学习模型的非侵入性方法，用于基于MRI预测胶质瘤分级和1p/19q共缺失状态	开发了一种结合CNN和LSTM的混合深度学习模型，以同时利用空间特征层次和特征相关性，在胶质瘤分级和1p/19q共缺失状态预测中优于传统机器学习方法和单一深度学习架构	研究依赖于术前MRI的肿瘤分割，可能受分割准确性的影响；模型在独立测试集上验证，但需要进一步多中心外部验证以确认泛化能力	开发非侵入性方法，准确预测胶质瘤分级和1p/19q共缺失状态，以辅助个性化治疗决策	胶质瘤患者，特别是低级别胶质瘤（LGGs）	数字病理学	胶质瘤	MRI	CNN, RNN, LSTM, 混合模型	图像	未在摘要中明确指定样本数量	未在摘要中指定具体框架	CNN-LSTM混合模型	准确率, 灵敏度, 特异性, AUC	未在摘要中指定
319	2026-03-07	Machine Learning-Based Ear Thermal Imaging for Emotion Sensing 2026-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s26041248 PMID:41755186	研究论文	本研究通过重新分析包含耳部热成像图像和自我报告唤醒评分的情绪诱发数据集，探索了耳部温度变化与主观情绪之间的非线性关系	首次将非线性机器学习模型（随机森林和ResNet-50）应用于耳部热成像数据进行情绪感知，揭示了特定耳部区域的温度变化与主观唤醒评分的非线性关联	研究基于现有数据集进行重新分析，未进行新的实验验证，且样本量可能有限，限制了模型的泛化能力	探索耳部热成像在情绪感知中的应用潜力，特别是温度变化与主观情绪的非线性关系	参与者在观看情绪诱发影片时采集的耳部热成像图像和自我报告的唤醒评分	计算机视觉	NA	热成像技术	随机森林, CNN	图像	NA	NA	ResNet-50	均方误差, 相关系数	NA
320	2026-03-07	Automatic Estimation of Football Possession via Improved YOLOv8 Detection and DBSCAN-Based Team Classification 2026-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s26041252 PMID:41755200	研究论文	本文提出了一种基于改进YOLOv8检测和DBSCAN聚类的深度学习框架，用于从足球比赛转播视频中自动估计控球权	提出了两个结构改进的目标检测模型（YOLOv8-P2S3A用于足球检测，YOLOv8-HWD3A用于球员检测），并结合无监督的DBSCAN聚类进行队服颜色特征分类，实现了无需人工标注的端到端控球权估计	实验数据集仅包含20场完整比赛视频剪辑，未在更大规模或更多样化的比赛场景中进行验证	提升足球比赛分析的自动化、客观性和精确度，为教练、分析师和体育科学家提供实用工具	足球比赛转播视频	计算机视觉	NA	视频分析，目标检测，聚类分析	CNN	视频	20场完整比赛视频剪辑	PyTorch	YOLOv8-P2S3A, YOLOv8-HWD3A	平均精度，均方根误差	NA