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
381	2026-02-13	State and Diffusion of National Institutes of Health Funding of AI in Radiology 2026-Feb-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01870-x PMID:41673229	研究论文	本研究回顾性分析了美国国立卫生研究院（NIH）对放射学领域人工智能研究的资助状况与扩散趋势	首次利用自动化大型语言模型流程对NIH资助项目进行主题提取和分类，并量化分析了AI在放射学领域的扩散速率与阶段	仅基于NIH RePORTER和ExPORTER数据库的公开数据，未涵盖其他资助来源；研究为回顾性分析，无法预测未来政策变化的影响	了解NIH对放射学AI研究的资助模式、趋势和重点领域，为研究者、机构和政策制定者提供战略决策参考	NIH在2015-2024年间资助的放射学AI研究项目	数字病理学	NA	NA	NA	文本数据（项目数据库）	截至2025年1月的活跃NIH资助项目及过去十年（2015-2024）的时间序列数据	NA	NA	复合年增长率（CAGR）、渗透率、倍增时间	NA
382	2026-02-13	Automated cone photoreceptor detection using synthetic data and deep learning in confocal adaptive optics scanning laser ophthalmoscope images 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39570-9 PMID:41673253	研究论文	本研究提出了一种使用合成数据和深度学习在共焦自适应光学扫描激光眼底镜图像中自动检测视锥光感受器的方法	利用合成数据弥补标注训练数据的不足，并采用U-Net模型在独立真实数据集上展示了良好的泛化能力	合成数据与真实数据之间的差异可能影响模型性能，且模型在高视网膜偏心度图像上的表现仍需进一步验证	开发自动化算法以替代耗时且主观的手动标注，用于视锥光感受器的定量分析	共焦自适应光学扫描激光眼底镜图像中的视锥光感受器	计算机视觉	视网膜疾病	共焦自适应光学扫描激光眼底镜成像	CNN	图像	大型合成数据集（ERICA生成）和较小的真实数据集（Milwaukee数据集和Oxford数据集）	NA	U-Net	Dice系数	NA
383	2026-02-13	Deep learning-based detection of retinal detachment with vitreous hemorrhage in ocular ultrasound images 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38272-6 PMID:41673252	研究论文	本文开发了一种基于YOLOv5架构的卷积神经网络，用于在眼部B超图像中检测视网膜脱离和玻璃体出血	首次将YOLOv5架构应用于眼部超声图像中视网膜脱离和玻璃体出血的检测，并采用图像增强技术（如非锐化掩蔽）来提高检测精度	模型在存在玻璃体出血导致眼底模糊的情况下检测视网膜脱离的能力仍需进一步验证，且样本量相对有限	开发一种深度学习算法，以辅助在眼部超声图像中检测视网膜脱离和玻璃体出血，特别是在眼底模糊的情况下	眼部B超图像中的视网膜脱离和玻璃体出血病变	计算机视觉	视网膜脱离	眼部超声成像	CNN	图像	训练集2,188张图像，验证集1,042张图像	PyTorch	YOLOv5	准确率	NA
384	2026-02-13	Interpretable machine learning rationalizes carbonic anhydrase inhibition via conformal and counterfactual prediction 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39771-2 PMID:41673458	研究论文	本文介绍了一个可解释的机器学习框架，用于预测人类碳酸酐酶（hCA）II、IX和XII亚型的抑制活性，并通过共形预测和反事实解释来指导选择性抑制剂设计	结合了共形预测进行不确定性量化和反事实解释以实现分子可解释性，并发布了用户友好的CAInsight软件用于虚拟筛选和生成设计	未明确提及模型在更广泛化合物库或临床前研究中的验证限制	开发可解释的机器学习方法以预测和合理化hCA亚型的选择性抑制，用于抗癌药物设计	人类碳酸酐酶（hCA）II、IX和XII亚型及其抑制剂	机器学习	癌症	机器学习建模	支持向量机（SVM）、深度学习模型	分子指纹数据（如扩展连接性指纹）	NA	NA	NA	NA	NA
385	2026-02-13	A geometric deep learning framework for genome-wide prediction of enzyme turnover number 2026-Feb-11, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03986-3 PMID:41673757	研究论文	本文提出了一种名为KcatNet的几何深度学习框架，用于全基因组范围内预测酶的周转数（Kcat），以量化酶催化效率	KcatNet利用酶序列和底物的配对表示，在代谢酶中实现高通量Kcat预测，并优于现有方法，尤其对高催化效率酶有效，且能泛化至与训练集不相似的酶，揭示酶-底物复合物的结构机制和交互模式	实验测量Kcat数据有限且易受噪声影响，可能限制模型训练和验证的全面性	开发一个深度学习模型来预测酶的周转数，以促进对蛋白质组组成和细胞代谢机制的理解，并加速酶工程应用	代谢酶及其周转数（Kcat），涵盖所有生物体，特别是酵母物种	机器学习	NA	几何深度学习，大规模蛋白质语言模型	几何深度学习模型	酶序列和底物表示	NA	NA	KcatNet	NA	NA
386	2026-02-13	Deep capsule neural network for identifying anticancer peptides using sequence to image transformation-based local embedded features 2026-Feb-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02547-1 PMID:41673852	研究论文	本文提出了一种名为pACP-CapsNet的有效模型，用于准确识别抗癌肽（ACPs）	通过序列到图像的转换方法（SMR和RECM）生成结构化和局部替代的图像，并应用HOG、DWT和CLBP变换提取新颖特征空间，结合胶囊神经网络（CapsNet）进行预测，提高了识别准确性	未明确提及模型在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一种可靠的抗癌肽识别模型，以辅助癌症药物研发	抗癌肽（ACPs）序列	机器学习	癌症	序列到图像转换（SMR, RECM），特征提取（HOG, DWT, CLBP）	CapsNet	序列数据（转换为图像）	训练样本未指定具体数量，测试集包括ACP240和ACP740	NA	胶囊神经网络（CapsNet）	准确率, AUC	NA
387	2026-02-13	A deep learning model based on ultrasound imaging to differentiate malignant from benign pleural effusion: a multicenter cohort study 2026-Feb-11, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-026-03574-w PMID:41673850	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
388	2026-02-13	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Feb-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	本研究结合深度学习和差异表达分析等基因特征选择方法，在有限队列中识别高风险基因并分类急性心肌梗死患者，显著提升了分类性能	将深度学习与基于生物学的特征选择方法（特别是差异表达分析）相结合，用于基因表达数据分类，实现了基因排序和生物标志物识别	研究仅基于两个基因表达数据集（GSE36961和GSE57345），样本规模有限，可能影响结果的泛化能力	提高急性心肌梗死患者的基因表达数据分类准确性，并识别高风险基因	急性心肌梗死患者的基因表达数据	机器学习	心血管疾病	基因表达分析，差异表达分析（DEA）	深度学习，机器学习	基因表达数据	两个基因表达数据集（GSE36961和GSE57345），具体样本数量未在摘要中明确	NA	NA	NA	NA
389	2026-02-13	Deep Learning Identification of Clear Cell Renal Cell Carcinoma on MR Imaging 2026-Feb-09, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001848 PMID:41656681	研究论文	本研究探讨了多种卷积神经网络在MRI上识别透明细胞肾细胞癌的性能，并与放射科医生使用的透明细胞可能性评分算法进行了比较	首次系统比较了多种CNN模型在ccRCC识别中的表现，并融合了三种不同类型的MR图像以提高分类鲁棒性	研究为回顾性设计，样本量相对有限（310例患者），且仅针对cT1期（≤7 cm）的肾肿块，未涵盖更晚期或不同大小的肿瘤	评估CNN模型在MRI上识别透明细胞肾细胞癌的诊断性能，并与放射科医生的表现进行对比	经病理证实的肾肿块患者（cT1期，≤7 cm）的MR图像	计算机视觉	肾细胞癌	MRI成像（包括T2加权、T1加权反相/同相、皮质髓质期对比增强）	CNN	图像	310例患者，共480个CNN模型训练	NA	多种卷积神经网络架构（具体未指定）	AUC	NA
390	2026-02-13	Deep learning for the change-point Cox model with current status data 2026-Feb-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	本研究开发了针对当前状态数据下具有变点的深度部分线性Cox比例风险模型的估计方法，旨在适应复杂的变点效应	使用深度神经网络在Cox框架内建模协变量效应，并提出了模型的最大似然估计程序，克服了先前线性模型可能无法充分捕捉多变量协变量关系的限制	未在摘要中明确提及	开发适用于当前状态数据下具有变点的深度部分线性Cox比例风险模型的估计方法，以更准确地检测变点	乳腺癌数据集	机器学习	乳腺癌	当前状态数据	深度神经网络	生存数据	NA	NA	NA	一致性、渐近独立性、半参数效率	NA
391	2026-02-13	Primary tumor-derived, multiparametric MRI-based deep learning-radiomics-clinical model for predicting lymph node metastasis in early-stage cervical cancer 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02211-w PMID:41661434	研究论文	本研究开发并验证了一种基于原发肿瘤多参数MRI的深度学习-影像组学-临床（DLRC）模型，用于预测早期宫颈癌的盆腔淋巴结转移	首次整合了原发肿瘤的深度学习特征、影像组学特征和临床特征，构建了一个多中心验证的、用于术前预测早期宫颈癌淋巴结转移的综合性模型	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性研究中进一步验证	开发一个术前预测早期宫颈癌盆腔淋巴结转移的稳健且可推广的工具	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI（包括CE-T1WI, DWI, FS-T2WI序列）	深度学习模型, 影像组学模型, 整合模型	医学影像（MRI）	1095名患者（来自五个中心），分为训练队列（n=481）、内部验证队列（n=204）和外部验证队列（n=410）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
392	2026-02-13	CBCT assisted diagnosis system for temporomandibular joint disc displacement based on deep learning 2026-Feb-09, Progress in orthodontics IF:3.5Q1 DOI:10.1186/s40510-026-00606-5 PMID:41661510	研究论文	本研究开发了一种基于深度学习的CBCT辅助诊断系统，用于预测颞下颌关节盘移位的风险	首次提出结合YOLOv11目标检测模型与FastViT-t8分类模型的两阶段深度学习系统，利用CBCT图像进行颞下颌关节盘移位的初步筛查，旨在替代或辅助复杂且昂贵的MRI诊断	模型当前性能（AUC为0.733，准确率为0.669）尚不足以独立用于临床诊断，仍需依赖MRI作为金标准进行确认	开发一种基于CBCT图像的深度学习辅助诊断系统，用于颞下颌关节盘移位的风险预测与筛查	颞下颌关节盘移位	计算机视觉	颞下颌关节疾病	CBCT成像	目标检测模型, 分类模型	图像	330名患者的CBCT图像，包含5,238个颞下颌关节感兴趣区域，其中2,260个显示颞下颌关节盘移位迹象	YOLOv11	YOLOv11, FastViT-t8	精确度, 召回率, mAP50, mAP50-95, AUC, AUPR, 准确率	NA
393	2026-02-13	Spectral CT imaging in colorectal cancer: current applications, limitations, and future perspectives 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02212-9 PMID:41661515	综述	本文综述了光谱CT在结直肠癌中的当前应用、局限性和未来前景	系统总结了光谱CT在结直肠癌检测、分期、预后评估及与基因突变等生物标志物关联方面的最新应用证据，并展望了与人工智能结合的未来方向	大多数研究样本量小且为观察性，缺乏标准化，图像分割耗时限制了广泛应用	总结光谱CT在结直肠癌中的临床应用现状并探讨其未来发展方向	结直肠癌患者及其原发性和转移性病灶	数字病理	结直肠癌	光谱CT（包括双层光谱CT、双能光谱CT）	NA	CT影像	NA	NA	NA	NA	NA
394	2026-02-13	Association of epicardial adipose tissue with markers of cardiac remodelling and clinical outcomes in asymptomatic aortic stenosis 2026-Feb-09, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003804 PMID:41663151	研究论文	本研究探讨了无症状主动脉瓣狭窄患者中心外膜脂肪组织体积和密度与心脏重构标志物及临床结局的关联	首次在无症状主动脉瓣狭窄患者中，使用自动化深度学习软件测量心外膜脂肪组织，并评估其与心脏重构和临床结局的独立关联	样本量较小（n=136），随访时间较短（中位370天），为事后探索性分析，需进一步研究验证心外膜脂肪组织的潜在保护作用	评估心外膜脂肪组织在主动脉瓣狭窄进展中的作用及其与临床结局的关联	无症状中度至重度主动脉瓣狭窄患者（n=136）和对照参与者（n=39）	数字病理学	心血管疾病	心脏CT、MRI、超声心动图	深度学习	医学影像（CT、MRI）	175名参与者（136名患者，39名对照）	NA	NA	p值、相关性分析	NA
395	2026-02-13	Deep learning for synthetic PET imaging: a systematic mapping review of techniques, metrics, and clinical relevance 2026-Feb-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00651-5 PMID:41663871	综述	本文对深度学习在合成PET成像中的技术、评估指标及临床相关性进行了系统性梳理与综述	首次对深度学习合成PET成像领域进行了系统性映射综述，全面分析了方法框架、性能指标及临床应用的现状与挑战	研究异质性较大，未对偏倚风险进行正式评估；纳入研究数量有限（34篇），且缺乏大型/多中心数据集	评估深度学习合成PET成像的方法学框架、性能指标及临床相关性，以促进该技术的标准化与临床转化	基于深度学习的合成PET成像研究，重点关注其生成方法、评估指标及临床应用	医学影像分析	神经系统疾病, 肿瘤	深度学习, PET成像, MRI, CT	CNN, GAN, U-Net	医学影像（PET, MRI, CT）	34项研究（其中25项聚焦脑/神经，9项为全身应用）	NA	卷积神经网络, 生成对抗网络, U-Net	峰值信噪比, 结构相似性指数, 平均绝对误差	NA
396	2026-02-13	AI for smart wastewater treatment plants: A review of physics-informed water quality modeling, optimization, and advanced control 2026-Feb-09, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128949 PMID:41671993	综述	本文综述了过去十年人工智能在污水处理厂出水质量预测、工艺优化和先进控制方面的研究进展，重点探讨了这些方法如何支持智慧污水处理厂的发展	重点强调了将物理信息（如活性污泥模型和工艺约束）嵌入神经网络等混合建模方法，并讨论了将这些模型与实时优化和控制框架相结合的途径	当前应用仍面临可解释性有限、跨厂区可迁移性弱以及对变化运行条件鲁棒性差等问题	探讨人工智能如何使污水处理厂实现低碳化和智能化	污水处理厂	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	神经网络	NA	NA
397	2026-02-13	Identification of roasting degree and interpretability analysis of Yunnan arabica coffee beans based on multi-dimensional visual features and CNNs-SHAP 2026-Feb-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148367 PMID:41672011	研究论文	本研究通过融合多维视觉特征与CNN-SHAP方法，实现了云南阿拉比卡咖啡豆烘焙度的准确识别与可解释性分析	首次将CIE Lab*颜色直方图、GLCM-LBP复合纹理和形态参数进行加权融合，并结合SHAP方法打破深度学习黑箱限制，为咖啡烘焙标准化提供可解释技术	未提及模型在其他咖啡品种或产区的泛化能力验证	实现咖啡豆烘焙程度的自动化识别与决策过程透明化	云南阿拉比卡咖啡豆	计算机视觉	NA	图像分析	CNN	图像	未明确说明具体样本数量，但包含浅烘、中烘、深烘三类样本	未明确说明	未指定具体架构	准确率	NA
398	2026-02-13	Intelligent storage year identification of Anhua dark tea via carbon quantum dots-based colorimetric sensor array and computer vision 2026-Feb-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148329 PMID:41672020	研究论文	本研究开发了一种结合比色传感器阵列和深度学习的方法，用于快速识别安化黑茶的储存年份	利用碳量子点比色传感器阵列与深度学习模型结合，实现了对安化黑茶储存年份的高精度、低成本快速识别	NA	快速识别安化黑茶的储存年份，以评估其品质和价值	安化黑茶	计算机视觉	NA	比色传感器阵列，碳量子点，智能手机成像	CNN	图像	NA	NA	ResNet18, VGG16, DenseNet121, MobileNetV3-Small, EfficientNet B0	准确率	NA
399	2026-02-13	Hybrid vision transformer and graph neural network model with region-adaptive attention for enhanced skin cancer prediction 2026-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32502-z PMID:41654513	研究论文	本文提出了一种结合Vision Transformer、图神经网络和区域自适应注意力的混合模型，用于增强皮肤癌预测	通过结合Vision Transformer捕获全局依赖、图神经网络利用空间关系，并引入区域自适应注意力动态优化特征提取，实现了多尺度病变分析，并采用元学习方法提升模型对不同肤色和成像条件的泛化能力	未在摘要中明确说明	开发一种用于皮肤癌诊断的深度学习模型，以提高分类准确性和可解释性	皮肤病变图像（皮肤镜图像）	计算机视觉	皮肤癌	深度学习	Vision Transformer, 图神经网络	图像	基准皮肤癌数据集（具体数量未说明）	NA	Vision Transformer, 图神经网络	分类准确性（具体指标未说明）	NA
400	2026-02-13	Topological Entropy Correlates with the Predictive Power of Multiplexed Ensemble Reservoir Computing 2026-Feb-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.04.703839 PMID:41676531	研究论文	本文提出了一种名为DynML的多路复用储层计算框架，用于建模基因表达动力学等生物时间序列，并展示了其在手写数字分类任务上的通用性	引入了多路复用储层框架DynML，利用异质Lorenz储层编码生物信号，并通过储层拓扑熵定量预测模型性能，将动力学丰富度与生物预测准确性联系起来	未明确说明模型在处理更复杂或噪声更大的生物数据集时的鲁棒性，也未讨论框架在实时预测或在线学习场景中的适用性	开发一个可扩展、可解释且计算高效的框架，用于建模非线性、多尺度和瞬态混沌的生物过程，并统一生物时间序列建模和传统机器学习任务	基因表达动力学系统（如肝脏再生和果蝇胚胎发生）以及MNIST手写数字数据集	机器学习	NA	储层计算	储层计算	时间序列数据, 图像数据	NA	NA	多路复用储层框架, Lorenz储层, Rossler混沌储层	预测准确性	NA