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
881	2026-02-18	Deep Learning-Based Automated Diagnostic Charting on Panoramic Radiography: Comparison of YOLOv11 and YOLOv12 2026-Feb-16, Odontology IF:1.9Q2 DOI:10.1007/s10266-026-01333-3 PMID:41699374	研究论文	本研究比较了YOLOv11和YOLOv12两种深度学习架构在全景X光片上自动诊断13种牙科疾病的性能	首次对下一代深度学习架构YOLOv11和YOLOv12在全景X光片自动诊断中的性能进行对比分析，并使用了混合数据集测试泛化能力	对于细微病理如骨质流失和龋齿的检测性能较低	优化临床工作流程并减少诊断变异性，通过自动诊断图表提升诊断准确性和效率	全景X光片中的13种不同牙科疾病，包括龋齿、种植体、骨质流失和阻生牙等	计算机视觉	牙科疾病	全景X光成像	YOLOv11, YOLOv12	图像	2,297张全景X光片（1,579张来自单一机构，718张来自Roboflow Universe外部数据集）	NA	YOLOv11, YOLOv12	平均精度均值（mAP@0.5）、精确率、召回率、F1分数	NA
882	2026-02-15	Modern resources for intrinsic disorder predictions: protein language models, deep learning, meta-servers, and databases 2026-Feb-14, Cellular and molecular life sciences : CMLS IF:6.2Q1 DOI:10.1007/s00018-026-06087-3 PMID:41689628	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
883	2026-02-18	Bridging clinical narratives and structured phenotypes with large language models and sentence transformers 2026-Feb-14, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.02.009 PMID:41698530	研究论文	本文提出了一种名为LEAP的两阶段框架，用于从电子健康记录中提取结构化表型，结合大型语言模型和句子转换器模型以提高自动化表型映射的准确性和效率	提出LEAP框架，整合大型语言模型进行自由文本表型提取和句子转换器模型进行HPO映射，解决了长上下文处理和非存在标识符生成的问题，实现了显著的性能提升	未明确提及模型在更广泛或多样化临床数据集上的泛化能力，以及计算资源需求的具体细节	开发一个自动化框架，从非结构化的电子健康记录中提取和映射标准化的人类表型本体标识符，以支持孟德尔疾病诊断和基因-表型关联研究	电子健康记录中的临床叙事文本和人类表型本体标识符	自然语言处理	孟德尔疾病	大型语言模型, 句子转换器模型	BERT, LLM	文本	5,330,557个实例的大规模数据集	NA	句子转换器	精确度, F1分数	NA
884	2026-02-18	Advancing NanoLuc Luciferase Stability beyond Directed Evolution and Rational Design through Expert-Guided Deep Learning 2026-Feb-06, ACS catalysis IF:11.3Q1 DOI:10.1021/acscatal.5c08789 PMID:41676228	研究论文	本文提出了一种结合深度学习和结构引导理性设计的混合方法，以开发增强的NanoLuc荧光素酶变体，提高其热稳定性和在高温下的活性	通过整合深度学习和结构引导理性设计，克服了传统同源方法在优化NanoLuc荧光素酶时的局限性，特别是在稳定性和活性权衡方面	未明确提及具体限制，但可能涉及方法在更广泛酶类应用中的普适性验证	优化NanoLuc荧光素酶的热稳定性，以提升其在高温下的生物成像和传感应用性能	NanoLuc荧光素酶（NLuc）及其工程变体	机器学习	NA	深度学习，结构引导理性设计，分子动力学模拟，蛋白质折叠研究	深度学习模型	蛋白质序列和结构数据	工程变体库，包括优化变体B.07和B.09	NA	NA	熔化温度增加（如7.2°C和5.1°C），高温下活性维持	NA
885	2026-02-18	High-dimensional imaging using combinatorial channel multiplexing and deep learning 2026-Feb, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02585-0 PMID:40133518	研究论文	本文介绍了一种名为CombPlex的组合染色平台，结合深度学习算法框架，通过组合通道复用技术指数级增加可测量的蛋白质数量	提出组合染色平台CombPlex，通过将多个蛋白质组合压缩到少数成像通道中，再利用深度学习进行解压缩，无需专用仪器即可显著提升成像通量	未明确说明该方法在极端组织样本或低表达蛋白质情况下的性能限制，也未讨论计算复杂度对实际应用的影响	开发一种能够量化多个蛋白质在单细胞分辨率下表达并保留空间信息的成像工具	多种组织和癌症类型中的蛋白质表达	数字病理学	癌症	组合染色技术，荧光显微镜，质谱成像	深度学习模型	图像	NA	NA	NA	准确重建	NA
886	2026-02-18	Deep Learning Strategies for Predicting Amputation Free Survival in Patients with Peripheral Artery Disease 2026-Feb, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2025.10.043 PMID:41151636	研究论文	本研究通过比较多种生存机器学习模型，旨在预测外周动脉疾病患者的无截肢生存期，并开发患者特异性风险分层工具	首次将多种非竞争风险和竞争风险机器学习模型（包括DeepHit）应用于外周动脉疾病的无截肢生存期预测，并识别关键预测因子如疾病状态、糖尿病和药物治疗	研究基于单中心回顾性数据，缺乏外部验证，限制了临床应用的直接推广	改进传统Cox比例风险模型在预测外周动脉疾病患者无截肢生存期方面的局限性，并开发临床决策支持工具	外周动脉疾病患者	机器学习	心血管疾病	生存分析	条件生存森林, 随机生存森林, DeepHit	临床数据	2366名有症状的外周动脉疾病患者	NA	非线性Cox比例风险模型, Fine and Gray亚分布风险模型	一致性指数, 综合Brier分数	NA
887	2026-02-18	Multiple teachers-meticulous student: A domain adaptive meta-knowledge distillation model for medical image classification 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70350 PMID:41699943	研究论文	提出了一种名为MT-MS的源无关域自适应元知识蒸馏框架，用于解决医学图像分类中的域偏移、数据依赖、模型复杂性和隐私保护等挑战	采用多教师-精细学生架构，在无需访问源数据的情况下，通过元学习策略融合异构源域知识，实现隐私保护的轻量级域自适应分类	仅针对二分类任务（呼吸运动伪影检测）进行评估，未展示在多类别复杂医学图像分类任务上的泛化能力	开发一种适用于实际临床环境的轻量级、隐私保护的域自适应医学图像分类方法	医学图像分类任务，特别是呼吸运动伪影检测	计算机视觉	NA	深度学习，元学习，知识蒸馏	CNN，注意力机制	医学图像	六个公共医学影像数据集，涵盖多种成像模态和临床应用	NA	集成卷积和注意力组件的架构	准确率，F1分数	NA
888	2026-02-18	Impact of dataset size on fine-tuning foundation models for neuroanatomic segmentation: Testing the foundation model hypothesis 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70337 PMID:41699958	研究论文	本研究评估了两种基础分割模型（SAM和MedSAM）在不同数据集规模下对神经解剖结构进行微调分割的性能，并与标准全监督UNet模型进行比较	首次系统性地测试了基础模型假设在神经解剖分割任务中的有效性，特别是在极低数据量场景下的表现	研究仅基于单一数据集（HCP年轻成人队列）和特定模态（T1加权3D MRI），结论可能无法推广到其他解剖区域或成像模态	验证基础模型在医学影像分割任务中，尤其是在标注数据稀缺时，是否比现有最先进模型能更高效地从小样本数据中学习	人类连接组计划年轻成人队列中的1,113个T1加权3D MRI图像，对应93个灰质和白质区域的FreeSurfer生成并经人工细化的分割结果	医学影像分析	NA	T1加权3D磁共振成像	基础分割模型, 全监督卷积神经网络	3D MRI图像	1,113个3D MRI（训练集891个，验证集111个，测试集111个）	NA	SAM, MedSAM, UNet	Dice系数	NA
889	2026-02-18	A strategy for simulation-driven CT metal artifact reduction toward improving network generalizability 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70336 PMID:41699969	研究论文	本文提出了一种结合多层感知机光束硬化校正和条件潜在扩散模型的自监督CT金属伪影减少框架，旨在提高网络泛化能力	通过整合物理驱动的MLP光束硬化校正和条件潜在扩散模型，结合伪影模拟技术，实现无需真实配对数据的自监督训练，增强了方法的可扩展性和结构保真度	方法依赖于模拟生成的伪影数据，可能无法完全覆盖所有真实临床场景中的复杂伪影模式	开发一种基于深度学习的CT金属伪影减少方法，以提高图像重建质量和网络泛化性	CT图像中的金属伪影	医学影像处理	NA	CT成像	MLP, LDM	图像	SynDeepLesion数据集和真实临床数据	NA	多层感知机, 条件潜在扩散模型	伪影去除效果, 结构保真度	NA
890	2026-02-18	Weakly human-supervised deep learning for real-time detection of high-grade aggressive clear cell renal cell carcinoma on contrast-enhanced CT 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70348 PMID:41699993	研究论文	本研究开发并验证了一种人机交互网络KtSNet，用于在增强CT图像上实时检测高级别侵袭性肾透明细胞癌	结合自监督基础模型与弱监督学习，实现了人机交互的实时检测，并通过大规模跨模态数据集进行预训练以提升性能	未明确提及模型在更广泛人群或不同扫描协议下的泛化能力，以及临床部署的具体挑战	设计并验证一种基于弱监督学习的人机交互网络，以提升增强CT对高级别侵袭性肾透明细胞癌的检测性能	肾透明细胞癌患者，特别是高级别侵袭性亚型	数字病理学	肾癌	对比增强计算机断层扫描	深度学习模型	医学影像	1092名患者，分为训练集（611例）、内部测试集（153例）和外部测试集（328例），预训练使用40000例跨模态数据集	NA	KtSNet, SSFM	ROC曲线下面积, PR曲线下面积, F1分数	NA
891	2026-02-17	SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation 2026-Feb-16, The Analyst DOI:10.1039/d5an00794a PMID:41283740	研究论文	本文介绍了一个名为SpectralFlow的集成平台，用于光谱数据预处理和水果质量评估中的预测建模分析	开发了一个集成交互式光谱数据提取与预处理、内置模型库、自定义模型训练、数据集管理和可视化功能于一体的软件平台，解决了现有软件仅支持简单机器学习模型、缺乏复杂超参数调优和先进深度学习架构支持，以及对高光谱图像特征提取功能有限的问题	NA	开发一个集成平台以降低光谱分析的技术门槛，优化光谱数据分析并简化模型训练过程	水果（芒果、苹果、猕猴桃、梨）的质量评估	机器学习	NA	近红外光谱，高光谱成像	NA	光谱数据，高光谱图像	NA	NA	NA	准确率，R平方值	NA
892	2026-02-17	Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning 2026-Feb-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae399c PMID:41544379	研究论文	本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性和鲁棒性	提出了两种全深度学习流程，包括两步法和直接法，用于从MRI直接预测质子剂量分布，并评估其对MRI强度畸变的鲁棒性	直接预测流程在治疗计划层面的平均相对误差较高，信息利用效率有待改进	研究基于MRI的质子剂量计算在盆腔区域的可行性	盆腔肿瘤患者	医学影像分析	盆腔肿瘤	磁共振成像，蒙特卡洛模拟	深度学习	MRI图像，CT图像	120名盆腔患者的MRI-CT配对数据	NA	NA	伽马通过率，平均相对误差	NA
893	2026-02-17	Enhancing transcription factor regulatory network analysis through data balancing and representation learning 2026-Feb-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4239 PMID:41643219	研究论文	本研究提出了一种结合K-means++聚类与数据平衡策略的新方法，以增强转录因子与靶基因相互作用的预测，并通过深度学习提取异质生物网络的信息表示	通过K-means++聚类结合基于逆信息原理的数据平衡策略来缓解数据不平衡问题，并整合随机游走采样与skip-gram嵌入的深度学习以提取异质网络表示	未明确提及具体的数据集规模或外部验证结果，可能受限于所用生物数据的质量和覆盖范围	提高转录因子与靶基因相互作用预测的准确性，以支持基因调控网络分析和疾病机制研究	转录因子与靶基因的相互作用	机器学习	癌症	ChIP-seq, RNA-seq	深度学习	生物网络数据	NA	NA	skip-gram	AUC	NA
894	2026-02-17	3D deep-learning radiomics from MR-T2WI for predicting placenta accreta spectrum disorders: A multicenter study 2026-Feb-16, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70874 PMID:41696788	研究论文	本研究开发了一种基于MR-T2WI的三维深度学习放射组学模型，用于预测胎盘植入谱系疾病的风险	首次结合三维深度学习与放射组学特征，通过多中心数据验证，显著超越传统放射组学、临床模型及放射科医生的诊断准确性	研究为回顾性设计，可能存在选择偏倚；模型性能在外部测试集上略有下降	预测胎盘植入谱系疾病的风险	疑似胎盘植入谱系疾病的患者	数字病理学	胎盘植入谱系疾病	磁共振成像	深度学习	三维医学图像	601例疑似病例（中心A 476例，中心B 63例，中心C 62例）	PyTorch	ResNet50, DenseNet121, ShuffleNet	AUC	NA
895	2026-02-17	Deep learning-based object detection of dental implant systems in panoramic and periapical radiographs 2026-Feb-14, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2026.01.029 PMID:41692618	研究论文	本研究开发并评估了一种基于深度学习的模型，用于在口腔全景X光片和根尖周X光片中自动识别7种牙种植体系统，旨在提高诊断效率并支持修复治疗的临床决策	首次将YOLOv10架构应用于牙种植体系统的自动检测，通过多尺度特征融合优化实时检测性能，并利用迁移学习处理类别不平衡问题	数据集存在类别不平衡问题（如Nobel种植体样本较少），且模型性能可能受到类似放射密度模式的影响，未来需要结合3D成像和异质数据集进行改进	开发自动化工具以解决牙种植体系统手动识别耗时、依赖操作者且易出错的问题，提升修复治疗的临床决策支持	7种牙种植体系统（Adin, Dentium, Dionavi, Make It Simple (MIS), Nobel, Noris, Osstem）在口腔X光片中的检测	计算机视觉	NA	X光成像（全景和根尖周放射影像）	CNN	图像	4677张匿名X光图像，包含8189个种植体	PyTorch	YOLOv10, CSPDarknet, PANet	精确率, 召回率, F1分数, 平均精度均值(mAP)	NVIDIA T4 GPU
896	2026-02-17	Deep learning for histopathological diagnosis of esophageal squamous cell carcinoma in biopsies: A multicenter analysis 2026-Feb-14, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2026.01.230 PMID:41692642	研究论文	本文开发了一种基于深度学习的食管鳞状细胞癌活检诊断系统，并在多中心数据集上进行了验证	开发了首个用于食管鳞状细胞癌活检诊断的AI系统，并在多中心外部验证中展示了高准确性和泛化能力，同时显著减少了病理医生的诊断时间	模型在手术切除和内镜黏膜下剥离标本上的性能（AUC=0.827）略低于活检标本，可能受样本类型差异影响	开发并验证一种AI辅助诊断系统，以提高食管鳞状细胞癌活检标本的组织病理学诊断准确性和效率	食管活检、手术切除及内镜黏膜下剥离标本的H&E染色全切片图像	数字病理学	食管鳞状细胞癌	H&E染色，全切片图像扫描	CNN	图像	训练集515张WSI（含226例恶性），验证集50张WSI（22例恶性），内部测试集539张WSI（149例恶性），外部多中心验证945张WSI（351例恶性），手术/ESD标本173张WSI（131例恶性）	NA	DeepLab-v3, ResNet-50	AUC, 准确率, 灵敏度, 特异性	NA
897	2026-02-17	Identification of a type 1 diabetes-associated T cell receptor repertoire signature from the human peripheral blood 2026-Feb-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adx7448 PMID:41686902	研究论文	本研究通过分析2250名参与者的T细胞受体β链序列，结合深度学习识别出与1型糖尿病相关的TCR基序，揭示了HLA风险等位基因对TCR库的限制作用	首次在大规模跨队列研究中，利用深度学习识别出T1D相关的TCR基序，并验证其在胰腺引流淋巴结中的存在，为基于TCR的诊断和治疗提供了新思路	研究为横断面设计，无法确定TCR基序与疾病进展的因果关系；样本主要来自外周血，可能未完全反映局部免疫反应	识别与1型糖尿病相关的T细胞受体特征，探索HLA等位基因对TCR库的影响	2250名HLA分型的参与者，包括1型糖尿病患者、健康相关及无关对照	机器学习	1型糖尿病	T细胞受体β链测序	深度学习	序列数据	2250名参与者	NA	NA	NA	NA
898	2026-02-17	Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36732-7 PMID:41680218	研究论文	本文提出了一种使用RNN-LSTM模型自动生成桩身完整性测试速度反射图的新方法	首次将RNN-LSTM模型应用于桩身完整性测试的原始加速度数据，以自动生成速度反射图，减少对专家经验的依赖	研究数据仅来自埃及的打入桩项目，模型在其他类型桩基或地质条件下的泛化能力有待验证	开发一种人工智能系统，通过学习加速度输入中的波传播行为，准确生成能捕捉桩端位置的反射图	桩身完整性测试（LSIT）的原始加速度数据	机器学习	NA	低应变完整性测试（LSIT）	RNN-LSTM	时间序列数据（加速度信号转换的速度-时间序列）	来自埃及多个打入桩项目的LSIT数据（具体数量未在摘要中说明）	NA	六层、32个神经元的LSTM模型	决定系数（R）、计算开销、反射图视觉检查	NA
899	2026-02-17	eccDNA2Ca: an ensemble deep learning framework for interpretable prediction of cancer-associated extrachromosomal circular DNA 2026-Feb-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.02.014 PMID:41687774	研究论文	本研究开发了一个名为eccDNA2Ca的可解释集成深度学习框架，用于直接从原始序列预测与癌症相关的染色体外环状DNA	首次提出一个专门设计用于基于序列特征优先考虑癌症相关eccDNA的可解释、公开可用的计算框架，整合了XGBoost与深度神经网络（CNN和LSTM）	未明确提及具体局限性	预测与癌症相关的染色体外环状DNA（eccDNA），并评估其功能或临床意义	人类染色体外环状DNA（eccDNA）	机器学习	癌症	NA	XGBoost, CNN, LSTM	序列	来自21项研究的465个经实验验证的人类eccDNA，涵盖16种癌症类型	XGBoost, TensorFlow或PyTorch（未明确指定，但基于深度学习框架）	集成框架（XGBoost, CNN, LSTM）	AUC, AUPR	NA
900	2026-02-17	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026-Feb-12, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	本文综述了利用视网膜眼底成像作为非侵入性生物标志物预测心血管疾病（特别是先天性心脏病、获得性心脏病、瓣膜病和心肌病）的研究进展	系统性地聚焦于视网膜眼底成像在结构性心脏病预测中的应用，并探讨了深度学习、机器学习模型（包括新兴的Transformer和SAM模型）在此领域的潜力	数据集不平衡、纵向验证有限、AI模型的黑箱性质以及不同研究间性能比较的挑战	评估视网膜成像作为心血管疾病预测工具的可行性与准确性	先天性心脏病、获得性心脏病、瓣膜病和心肌病患者	数字病理学	心血管疾病	视网膜眼底成像	深度学习, 机器学习	图像	NA	NA	卷积神经网络, Transformer, Segment Anything Model	AUC, 敏感性	NA