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
921	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
922	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
923	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
924	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
925	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
926	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
927	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
928	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
929	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
930	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
931	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
932	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
933	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
934	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
935	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
936	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
937	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
938	2026-02-17	Integrative profiling of condensation-prone RNAs during early development 2026-Feb-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.101065 PMID:41265448	研究论文	本研究通过整合转录组学分析，识别了一类在早期发育中易于凝聚的RNA，并利用可解释深度学习框架揭示了其序列特征与相分离的关联	首次识别并命名了一类新型发育凝聚倾向RNA（smOOPs），并利用可解释深度学习框架系统揭示了其序列组成、折叠特性及RNA结合蛋白结合模式在相分离中的作用	研究主要关注早期发育阶段，其他发育阶段或病理条件下的适用性尚未验证；深度学习模型的可解释性虽被强调，但具体生物学机制仍需进一步实验验证	探究RNA特征如何影响生物分子凝聚体的形成，特别是在早期发育过程中的作用	早期发育过程中易于凝聚的RNA（smOOPs）及其编码的蛋白质	机器学习	NA	转录组学分析	深度学习	RNA序列数据	NA	NA	NA	NA	NA
939	2026-02-17	An efficient, scalable, and adaptable plug-and-play temporal attention module for motion-guided cardiac segmentation with sparse temporal labels 2026-Feb-09, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103981 PMID:41691916	研究论文	本文提出了一种高效、可扩展且可适配的即插即用时序注意力模块（TAM），用于增强深度学习分割网络对心脏运动信息的建模能力，以提升心脏解剖结构分割的准确性	设计了一个小型多头跨时序注意力模块，能以即插即用方式集成到多种分割网络（CNN、Transformer或混合架构）中，无需大幅修改网络结构，且训练仅需稀疏时序标注	未明确说明模块在极端运动情况（如心律失常）下的鲁棒性，也未与其他最先进的运动建模方法（如光流或循环网络）进行全面比较	提升深度学习网络在心脏图像序列分割中对运动信息的建模能力，以更准确地进行心脏解剖结构分割	心脏图像序列，包括2D超声心动图、3D超声心动图和3D心脏MRI	数字病理学	心血管疾病	深度学习，时序注意力机制	CNN, Transformer, 混合模型	2D图像序列, 3D图像序列	多个公开数据集：CAMUS、EchoNet-Dynamic、MITEA、ACDC	PyTorch	UNet, FCN8s, UNetR, SwinUNetR, IUNet, DT-VNet, SAM, MedSAM	豪斯多夫距离	未明确说明，但强调模块具有计算高效性
940	2026-02-17	Diagnostic Accuracy of Artificial Intelligence Models for Differentiation of Squamous Cell Carcinoma and Adenocarcinoma of Lung-A Systematic Review 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030500 PMID:41681818	系统综述	本文系统综述了基于机器学习的放射组学模型在肺鳞状细胞癌和腺癌鉴别诊断及总体生存分析中的性能	首次系统性地总结和评估了机器学习与深度学习模型在肺鳞癌和腺癌非侵入性分类中的诊断准确性，并强调了放射组学特征整合对提升诊断精度的潜力	纳入的研究数量有限（共11项），且研究质量可能受放射组学质量评分（RQS）工具评估的限制	总结和批判性评估基于机器学习的放射组学模型在肺鳞状细胞癌和腺癌的鉴别诊断及总体生存分析中的表现	肺鳞状细胞癌和腺癌	数字病理学	肺癌	放射组学	机器学习, 深度学习	影像数据	NA	NA	NA	准确率	NA