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
1101	2026-02-13	Disentangle-and-aggregate feature learning (DAFNet) for motor bearing fault diagnosis 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34490-6 PMID:41639110	研究论文	本文提出了一种用于电机轴承故障诊断的解耦与聚合特征学习网络（DAFNet），旨在解决传统CNN因网络深度增加导致的参数冗余和计算效率低下的问题	提出了一种创新的分层解耦与聚合机制，通过二次分割策略分离浅层、中层和深层特征，并进行终端特征融合，有效表征故障信息	NA	开发一种轻量高效的深度学习模型，用于电机轴承故障诊断，以适应资源受限的边缘设备部署	电机轴承	机器学习	NA	故障诊断	CNN	传感器数据	基于CWRU数据集	NA	DAFNet	平均准确率	资源受限的边缘设备
1102	2026-02-13	BlueNuclei: automated identification and classification of live and dead transfected neurons using interpretable features 2026-Feb-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.29.702657 PMID:41676559	研究论文	本文介绍了一款名为BlueNuclei的软件，用于自动识别和分类活体与死亡转染神经元	首次提供了可扩展、全自动的转染神经元活力评估解决方案，结合了双通道荧光图像处理与基于人类视觉启发的可解释特征分类	未明确说明软件在处理不同神经元类型或实验条件下的泛化能力	开发自动化工具以改进转染神经元活力评估的效率和一致性	转染的原代神经元	数字病理学	神经性疾病	双通道荧光成像	SVM	图像	NA	NA	NA	准确率	最小计算资源（与深度学习替代方案相比）
1103	2026-02-13	Deep learning models for image classification of lymphoma: a pilot study in canine 2026-Feb-01, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，开发深度学习模型以区分犬淋巴瘤与反应性淋巴增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习方法	样本量相对较小，仅来自两家医院的有限病例，且ViT模型性能未达预期	通过图像分类技术辅助犬淋巴瘤的诊断	犬淋巴瘤和反应性淋巴增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
1104	2026-02-13	Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage 2026-Feb, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00816-8 PMID:41491880	研究论文	本研究评估了注释者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例	通过比较专家和新手注释的数据集，并引入合成误差（系统性和非系统性），系统分析了注释质量对AI分割模型性能的影响	研究仅针对左心耳超声图像分割，结果可能无法推广到其他解剖结构或成像模态	探究用户专业知识对医学图像分割中真实标注准确性的影响及其对AI模型性能的最终影响	超声图像中的左心耳	医学图像分析	心血管疾病	超声成像	深度学习	图像	两个数据集（专家注释和新手注释），并生成合成变体	nnU-Net	U-Net	Dice系数	NA
1105	2026-02-13	AI-driven framework for accurate detection of Alzheimer's disease in EEG 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35184-3 PMID:41622342	研究论文	本研究提出了一种基于人工智能的框架，通过融合特征和Conv-LSTM架构，从EEG信号中准确检测阿尔茨海默病	提出了一种新颖的特征融合与Conv-LSTM架构相结合的AI框架，能够从复杂的脑电信号中提取高水平的判别性特征，显著提升了AD检测的准确率	未在摘要中明确提及	开发一种准确、可扩展的阿尔茨海默病早期诊断系统	阿尔茨海默病患者（特别是老年人）的脑电图信号	机器学习	阿尔茨海默病	脑电图	Conv-LSTM	脑电图信号	未在摘要中明确提及	未在摘要中明确提及	Conv-LSTM	准确率	未在摘要中明确提及
1106	2026-02-13	Detection of Soil-Borne Pathogens Using Fine-Tuned Deep Learning Models: A Case Study on the Soybean Cyst Nematode (Heterodera glycines Ichinohe) 2026-Feb, The plant pathology journal DOI:10.5423/PPJ.OA.10.2025.0146 PMID:41656719	研究论文	本文提出了一种基于人工智能的框架，用于对大豆胞囊线虫进行实例分割和颜色表型分类，以提高检测效率	首次将YOLOv11等先进深度学习架构应用于土壤传播的大豆胞囊线虫的实例分割，并结合颜色阈值进行发育阶段分类，构建了集成检测框架	研究仅基于韩国感染田地的土壤样本，模型在其他地理区域或环境条件下的泛化能力未经验证	开发一种高效、可扩展的人工智能驱动检测系统，以替代传统劳动密集型方法，实现大豆胞囊线虫的早期监测和管理	大豆胞囊线虫（Heterodera glycines Ichinohe）的雌性个体	计算机视觉	植物病害	显微镜成像，颜色表型分析（HSV阈值）	CNN	图像	4,392张线虫图像	PyTorch（YOLO系列），Detectron2	YOLOv5, YOLOv8, YOLOv11, Detectron2	精确率，召回率，mAP@0.5	NA
1107	2026-02-13	Learning genetic perturbation effects with variational causal inference 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013194 PMID:41628222	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法（SCCVAE），用于预测单细胞水平的基因扰动效应	提出了一种名为SCCVAE的混合方法，将基于基因调控网络的机制因果模型与变分自编码器相结合，以生成全面、丰富的转录组响应，在预测未见扰动方面优于现有方法	未明确提及具体的数据规模限制或模型在特定噪声条件下的性能边界	开发一种能够准确预测单细胞水平基因扰动效应的计算模型，并提高其对未见扰动的泛化能力	单细胞转录组数据，特别是Perturb-seq技术产生的基因扰动响应数据	机器学习	NA	Perturb-seq，单细胞转录组测序	变分自编码器（VAE），因果模型	单细胞转录组数据	NA	NA	变分自编码器（VAE）	NA	NA
1108	2026-02-13	Perceptions and knowledge of machine learning for paediatric related decision support in emergency care - A UK and Ireland network survey study of clinician leaders 2026-Feb, PLOS digital health DOI:10.1371/journal.pdig.0001213 PMID:41662367	研究论文	本研究通过调查英国和爱尔兰临床领导者对儿科急诊护理中机器学习决策支持工具的理解和看法，探讨了实施障碍和潜在应用	首次在英国和爱尔兰范围内针对儿科急诊护理的机器学习决策支持工具进行临床领导者层面的网络调查，揭示了理解差距、应用偏好和关键障碍	研究为横断面调查，样本量有限（65个站点），主要依赖自我报告数据，可能无法完全代表所有临床实践环境	评估临床领导者对儿科急诊护理中机器学习决策支持工具的理解、接受度和潜在应用，以指导安全有效的实施	英国和爱尔兰儿科急诊研究网络（PERUKI）站点的数字系统负责人或站点负责人	机器学习	儿科疾病	NA	NA	调查数据	75个站点中的65个（响应率86.7%），主要来自英格兰（83.1%）	NA	NA	NA	NA
1109	2026-02-13	A deep learning framework for four-dimensional ocean sound speed field prediction 2026-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042423 PMID:41677394	研究论文	提出一种结合Swin Transformer和U-Net的深度学习模型（ST-UNet），用于实现四维海洋声速场的预测	首次将Swin Transformer与U-Net结合，通过多头自注意力机制提取时空特征，实现四维海洋声速场的完整时空信息预测，突破了现有方法仅能处理三维特征的局限	未明确说明模型在其他海域的泛化能力，也未讨论计算复杂度与实时预测的可行性	开发能够完整捕捉时空信息的四维海洋声速场预测方法	南海区域的海洋声速场数据	机器学习	NA	深度学习	Transformer, CNN	时空序列数据	基于南海实测数据集（具体样本量未明确说明）	NA	U-Net, Swin Transformer	均方根误差	NA
1110	2026-02-12	Discovery of High-Affinity Glutamine-Derived Peptides from Wheat Gliadin Targeting CaSR: a Computational Approach Integrating Deep Learning and Molecular Dynamics 2026-Feb-11, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c14216 PMID:41631493	研究论文	本研究通过整合深度学习、虚拟筛选和分子模拟，开发了Peptide_MDI智能筛选平台，从小麦麦醇溶蛋白中鉴定出高亲和力靶向钙敏感受体(CaSR)的肽段RLSYQFPFYP，并验证其促进肠道稳态的生物学功能	首次将深度学习与分子动力学模拟结合，构建了可扩展的智能肽筛选平台Peptide_MDI，实现了从大量候选肽中高效发现纳米级亲和力的CaSR靶向肽	研究主要基于计算模拟和体外实验，缺乏体内动物模型验证；候选肽库仅限于小麦麦醇溶蛋白来源，未涵盖其他蛋白来源	开发智能筛选平台以发现靶向钙敏感受体(CaSR)的高亲和力肽段，用于促进肠道稳态和设计新型肽疗法	从小麦麦醇溶蛋白衍生的2798个候选肽段，重点关注其与CaSR的相互作用及生物学功能	计算生物学	肠道疾病	深度学习, 虚拟筛选, 分子动力学模拟	深度学习模型	肽序列数据, 分子结构数据	2798个候选肽段	Nextflow	NA	解离常数(Kd)	NA
1111	2026-02-12	Deep learning-enhanced, accelerated cartilage T2 mapping: role in diagnosing early OA and challenges for clinical application 2026-Feb-11, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05163-w PMID:41670646	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1112	2026-02-12	Non-contact acoustic screening for sleep apnea: a subject-aware deep learning approach 2026-Feb-11, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-026-03594-2 PMID:41670793	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1113	2026-02-12	Unsupervised Disentanglement of Brain Heterogeneity for Identifying Subtypes of Alzheimer's Disease 2026-Feb-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3663181 PMID:41666058	研究论文	提出了一种名为3D-DisAD的无监督深度学习框架，用于从阿尔茨海默病患者的脑部MRI中分离出疾病特异性神经解剖学变异，并据此识别疾病亚型	提出了一种结合对比解缠网络和基于扩散的生成建模的无监督框架，能够将AD特异性变异与混杂因素（如遗传和环境因素）分离，从而识别出更具临床解释性的疾病亚型	研究依赖于公开数据集，可能无法涵盖所有AD人群的异质性；方法主要基于神经解剖学特征，未整合多模态数据（如PET、CSF）	解决阿尔茨海默病神经解剖学异质性对精准诊断和治疗的阻碍，识别具有同质脑表型的疾病亚型	阿尔茨海默病患者和健康对照的脑部MRI数据	数字病理学	阿尔茨海默病	MRI	深度学习	3D图像	四个公开数据集	PyTorch	对比解缠网络, 基于扩散的生成模型	与临床和生物学特征的相关性分析, 亚型在生物标志物、认知轨迹和遗传特征上的差异	NA
1114	2026-02-12	Stress Detection Using Heart Rate Variability and Respiratory Signals Derived From a Single-Lead ECG 2026-Feb-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3658304 PMID:41666060	研究论文	本文提出了一种结合特征提取与机器学习的混合方法，仅使用单导联心电图信号进行压力检测	提出了一种基于单导联心电图的混合方法，通过提取心率变异性和呼吸信号特征，显著提高了分类准确率和计算效率	研究仅使用了ES3项目数据库，未在其他数据集上进行验证；实时可穿戴设备应用的硬件限制未完全解决	开发一种适用于可穿戴设备的实时压力检测方法	单导联心电图信号及其衍生的心率变异性和呼吸信号	机器学习	NA	单导联心电图信号分析	XGBoost	心电图信号	ES3项目数据库（具体样本数量未在摘要中说明）	NA	XGBoost	分类准确率，计算效率，推理时间	NA
1115	2026-02-12	Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach 2026-Feb-10, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-026-01756-0 PMID:41668096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1116	2026-02-12	Self-adaptive fine-tuning of deep learning super-resolution microscopy for artifact suppression in live-cell imaging 2026-Feb-02, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.101123 PMID:41658490	研究论文	本文提出了一种自适应性微调方法，用于抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成	开发了一种自适应性微调方法，动态调整模型参数以最小化损失函数，该函数直接量化活细胞成像中的伪影	NA	抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成	活细胞成像中的纳米级细胞器相互作用	计算机视觉	NA	深度学习超分辨率显微镜	深度学习模型	图像	NA	NA	NA	NA	NA
1117	2026-02-12	Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques 2026-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2400318 PMID:39235388	研究论文	本研究使用基于LSTM的深度学习技术，探索关节角度和表面肌电信号对关节扭矩预测准确性的贡献	通过训练三种双向LSTM模型，分别使用关节角度、表面肌电信号及两者组合作为输入，评估了不同输入模态对下肢关节扭矩预测的独立和联合效果，发现单一输入模态在某些情况下可能足以准确预测特定关节扭矩	研究基于公开数据集进行，可能受限于数据集的样本规模和多样性；未探讨模型在其他运动模式或临床场景下的泛化能力	预测下肢关节扭矩，以评估关节角度和表面肌电信号在扭矩预测中的相对贡献	正常行走过程中的下肢关节扭矩	机器学习	NA	表面肌电信号采集	LSTM	时间序列数据	使用公开数据集，具体样本数量未在摘要中明确说明	NA	双向LSTM	归一化均方根误差, Pearson相关系数	NA
1118	2026-02-12	Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies 2026-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001218 PMID:40586610	研究论文	本研究利用深度学习模型通过PI-RADS引导的表征学习，从双参数前列腺MRI图像中学习放射科医生的解读方式，以区分PI-RADS 3分类，检测临床显著前列腺癌，并减少不必要的良性活检	采用PI-RADS引导的表征学习方法训练深度学习模型，从放射科医生自信评估的MRI图像中学习表征，以解决PI-RADS 3分类的模糊性问题，并开发基于这些表征的活检决策模型，在避免良性活检方面优于放射科医生和临床模型	研究为单机构回顾性研究，可能受限于数据来源的多样性和读者差异，且模型在外部验证和泛化能力方面未明确评估	通过深度学习模型改善前列腺MRI中PI-RADS 3分类的歧义性，提高临床显著前列腺癌的检测准确性，并优化活检决策策略以减少不必要的良性活检	前列腺癌患者，包括已知或疑似前列腺癌的男性，涉及MRI检查和后续活检数据	数字病理学	前列腺癌	双参数前列腺MRI（T2加权和扩散加权成像）	深度学习模型，表征学习器	图像	28,263次MRI检查（来自21,938名男性），其中6,352次后续活检，训练集包括21,465次放射科医生自信评估的检查	NA	NA	AUC, 敏感性, 阴性预测值, 活检产出率	NA
1119	2026-02-12	AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes 2026-Feb, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500953 PMID:40722235	研究论文	本研究介绍了一种结合原子力显微镜与深度学习的集成平台，用于在单细胞分辨率下对巨噬细胞进行无标记的机械表型分析	首次将原子力显微镜的纳米级力学映射与深度神经网络相结合，实现了无需传统免疫标记、能动态区分巨噬细胞功能表型（M0、M1、M2）并揭示混合极化状态的非破坏性方法	未明确提及样本量或外部验证队列的详细信息，且方法可能依赖于特定的仪器平台	开发一种无标记、动态的免疫监测策略，通过细胞力学特性解码巨噬细胞的功能表型	人类巨噬细胞在不同激活状态（初始M0、炎症M1、修复M2）下的形态与纳米力学特征	生物医学工程，计算生物学	免疫相关疾病（泛指）	原子力显微镜纳米级力映射	深度神经网络	纳米力学与形态学图像数据（如杨氏模量、粘附力、球形度）	NA	NA	深度神经网络（具体架构未指定）	分类准确性（隐含）	NA
1120	2026-02-12	Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation 2026-Feb, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2590472 PMID:41273294	研究论文	本研究提出了一种先进的深度学习框架，通过皮肤镜图像分析支持砷诱导皮肤病的早期诊断	采用协同ResNet-DenseNet架构提取判别性图像特征，结合k近邻算法进行分类，实现了对砷暴露相关皮肤病变的高精度自动化评估	研究仅基于孟加拉国四个现场的数据集，可能缺乏全球代表性；未提及模型在外部验证集上的泛化性能	开发深度学习框架以辅助砷诱导皮肤病的早期诊断和公共卫生监测	砷暴露个体和未受影响个体的皮肤镜图像	计算机视觉	皮肤病	皮肤镜图像分析	CNN, k-NN	图像	8892张皮肤镜图像	NA	ResNet, DenseNet	准确率, F1分数, 灵敏度, 召回率	NA