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
2061	2026-03-10	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	本研究提出了一种基于合成数据和深度学习的方法，用于在自适应光学扫描激光检眼镜图像中自动检测视锥细胞	利用合成数据（ERICA生成）结合少量真实数据训练U-Net模型，解决了标注数据不足的问题，并在独立数据集上验证了方法的泛化能力	未明确说明合成数据与真实数据的分布差异对模型性能的具体影响，也未讨论模型在不同疾病状态下的适用性	开发一种自动化的视锥细胞检测方法，以替代耗时且主观的人工标注	自适应光学扫描激光检眼镜图像中的视锥细胞	计算机视觉	视网膜疾病	自适应光学扫描激光检眼镜成像	CNN	图像	大型合成数据集（ERICA生成）配合较小真实数据集（密尔沃基数据集），并在独立真实数据集（牛津数据集）上测试	NA	U-Net	Dice系数	NA
2062	2026-03-10	Interpretable Feature-Transformer Framework for Cross-Subject MCI Detection Using Nonlinear Dynamical and Graph-Theoretic EEG Features 2026-Feb-11, Research square DOI:10.21203/rs.3.rs-8744978/v1 PMID:41727576	研究论文	本研究提出了一种可解释的特征-Transformer框架，利用非线性动力学和图论EEG特征进行跨被试的轻度认知障碍检测	结合手工设计的非线性动力学与图论连通性特征与基于注意力的Transformer建模，并利用SHAP分析提供模型可解释性	样本量相对有限（183名参与者），且仅使用静息态闭眼EEG数据，未探索其他任务状态或更长时程数据	早期准确检测轻度认知障碍，以预防其向阿尔茨海默病发展	183名参与者（127名健康对照，56名MCI患者）的静息态闭眼EEG记录	机器学习	阿尔茨海默病	EEG信号处理，非线性动力学分析，图论分析	Transformer, EEGNet	EEG信号	183名参与者（127名健康对照，56名MCI患者）	未明确提及	Transformer, EEGNet	准确率	NA
2063	2026-03-10	Design and Implementation of an Automated Drosophila Locomotor Assay Using Computer Vision Tracking 2026-Feb-11, Research square DOI:10.21203/rs.3.rs-8769384/v1 PMID:41727580	研究论文	本文介绍了一种基于计算机视觉跟踪的自动化果蝇运动行为检测系统的设计与实现	开发了一个集成的硬件-软件平台，实现自动化、高分辨率的果蝇运动分析，相比手动评分处理速度提高2.8倍，数据密度提高约800倍	NA	开发自动化果蝇运动行为检测系统，以克服传统方法的主观评分、通量限制和可重复性挑战	果蝇（Drosophila）	计算机视觉	NA	计算机视觉跟踪	深度学习	视频	NA	Python	NA	IoU	Raspberry Pi
2064	2026-03-10	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构	首次将动态社区检测方法引入分子动力学分析，结合图卷积网络与循环模型实现端到端的动态社区识别	目前仅在三种整合素系统上进行验证，需要更多生物系统验证通用性	开发能够解析蛋白质动态结构与功能关系的人工智能方法	蛋白质分子动力学模拟数据	计算生物学	NA	分子动力学模拟	图卷积网络, 循环神经网络	分子动力学轨迹数据	三种整合素系统的力控分子动力学模拟	NA	图卷积网络与循环模型的集成架构	NA	NA
2065	2026-03-10	Horizontal nystagmus identification with joint SAM segmentation and time series classification 2026-Feb-09, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09950-4 PMID:41663530	研究论文	本文提出了一种结合SAM分割和时间序列分类的水平性眼球震颤检测模型	联合使用SAM分割提取瞳孔运动轨迹，并结合空间注意力和多尺度一维时间序列卷积分类器进行检测，提高了诊断准确性	NA	开发一种高效的水平性眼球震颤检测方法，以提升前庭障碍的早期筛查和干预能力	水平性眼球震颤的眼动视频数据	计算机视觉	前庭障碍	深度学习	CNN	视频	临床收集的水平性眼球震颤视频数据集	NA	SAM, 多尺度一维时间序列卷积分类器	准确率, 精确率	NA
2066	2026-03-10	Deep Learning-Based Automated Echocardiographic Measurements in Pediatric and Congenital Heart Disease 2026-Feb-09, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.06.26345782 PMID:41728295	研究论文	本研究开发了一个名为EchoFocus-Measure的AI平台，用于自动从儿科和先天性心脏病患者的超声心动图研究中提取定量和定性参数	扩展了多任务、视图无关的PanEcho架构，并引入了研究级Transformer来优先处理具有诊断信息的视图，从而在儿科和先天性心脏病超声心动图的全面自动化测量方面取得了进展	外部验证中定性指标的AUROC表现相对一般（0.73-0.86），且研究主要基于特定医院的数据，可能在不同医疗环境中的泛化能力有待进一步验证	开发一个AI平台，以在全球范围内提供专家级别的超声心动图测量精度和标准化，特别是在资源有限和农村地区	儿科和先天性心脏病患者的超声心动图研究	计算机视觉	先天性心脏病	超声心动图	Transformer, 深度学习模型	视频	内部队列包括来自217,435次超声心动图的1,140万段视频（60,269名患者），外部验证包括来自3,096次超声心动图的289,613段视频（2,506名患者）	NA	PanEcho, Transformer	中位绝对误差, AUROC	NA
2067	2026-03-10	Technological Advancements in Cranial and Spinal Navigation in the Past 30 Years: A Detailed Patent Bibliometric Analysis 2026-Feb, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124779 PMID:41482266	研究论文	本文通过专利文献计量学分析，系统回顾了过去30年颅脑和脊柱导航技术的技术发展历程	首次采用专利文献计量学框架系统探索颅脑和脊柱导航领域的技术发展，并量化科学出版物对专利的影响	研究主要基于前向引用次数筛选专利，可能忽略其他重要但引用较少的专利；数据来源限于Lens数据库	评估颅脑和脊柱导航领域的技术创新趋势和知识产权发展	颅脑和脊柱导航技术相关的专利和科学出版物	医学工程	神经系统疾病	专利文献计量学分析	NA	专利记录和科学出版物	714项相关专利，其中100项高引用专利；近15,000篇科学出版物，其中1,107篇被专利引用	NA	NA	前向引用次数	NA
2068	2026-03-10	Ab initio prediction of RNA structure ensembles with RNAnneal 2026-Feb-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.01.703098 PMID:41659490	研究论文	介绍了一种名为RNAnneal的方法，用于预测RNA结构集合，该方法结合了生成式深度学习、统计物理学和分子动力学建模	RNAnneal首次将生成式深度学习与统计物理学和分子动力学建模无缝集成，用于RNA结构集合的从头预测，并引入了交互熵作为构象异质性的度量	对于包含假结（PK-comprising）的结构，性能仍有改进空间	预测RNA结构集合，以加速RNA靶向药物发现和功能性RNA分子设计	RNA分子，特别是核糖开关RNA的实验解析构象	机器学习	NA	生成式深度学习，统计物理学，分子动力学建模	深度学习模型	RNA序列	16个实验解析的核糖开关RNA构象	NA	NA	RNAnneal评分，Rosetta评分，RNA力场分类性能	NA
2069	2026-03-10	A dataset and benchmark of carbonate thin-section images for deep learning 2026-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06633-5 PMID:41605971	研究论文	本文介绍了DeepCarbonate数据集，这是一个用于深度学习碳酸盐岩薄片图像分析的标准化基准数据集	提出了首个经过专家清理和标准化的大规模公开碳酸盐岩薄片图像数据集，并提供了分层分类和标准化实验设置	数据集主要来源于特定地质层位和地区，可能无法完全代表全球碳酸盐岩的多样性	为碳酸盐岩薄片图像分析提供可重复和公平的深度学习模型比较基准	碳酸盐岩薄片图像	计算机视觉	NA	薄片图像分析	CNN	图像	包含22个岩性类别的图像，具体数量未在摘要中明确说明	PyTorch	ResNet, VGG, DenseNet, MobileNet, EfficientNet	NA	使用CUDA加速的GPU，具体型号未在摘要中明确说明
2070	2026-03-10	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Jan-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，能够灵活处理输入输出并应用于临床场景	开发了基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入输出，克服了现有模型数据量小、输出单一的限制	未明确说明模型在极端或病理步态条件下的泛化能力，以及计算资源需求的具体细节	通过深度学习模型分析人类步态动力学，以替代昂贵的实验室实验和物理模拟，促进人类移动能力	人类行走和跑步的步态模式，包括运动学和动力学数据	机器学习	NA	深度学习	生成式基础模型	运动学数据（如关节角度）、动力学数据（如地面反作用力）	大规模多样化步态数据集（具体数量未在摘要中说明）	NA	NA	准确性	NA
2071	2026-03-10	Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features 2025-Jul, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70217 PMID:40552679	研究论文	本研究利用机器学习和CT特征预测系统性硬化症患者肺移植后的原发性移植物功能障碍	首次在系统性硬化症肺移植患者中，结合深度学习自动提取的CT图像特征和多种机器学习算法预测原发性移植物功能障碍	样本量相对较小（92名患者），且为单中心回顾性研究，可能存在选择偏倚	预测系统性硬化症患者肺移植后的原发性移植物功能障碍	92名接受双侧肺移植的系统性硬化症患者	数字病理学	系统性硬化症	CT扫描，深度学习算法	逻辑回归, SVM, 随机森林, MLP	CT图像	92名系统性硬化症肺移植患者	未明确指定	多层感知机	AUROC	NA
2072	2026-03-10	CPDMS: a database system for crop physiological disorder management 2025-04-22, Database : the journal of biological databases and curation DOI:10.1093/database/baaf031 PMID:40261733	研究论文	本研究开发了一个用于收集番茄作物生理障碍实时图像的系统，并构建了一个包含多种胁迫条件下番茄图像的大型数据库	开发了一个系统化收集作物多角度实时图像的系统，并构建了包含多种生理障碍类型、多个番茄品种的大规模图像数据库，为农业AI研究提供了关键资源	模型性能仍有提升空间（mAP 0.46），系统在不同农业环境中的泛化能力需要进一步探索	开发用于作物生理障碍管理的实时数据收集与分析系统	番茄作物及其生理障碍（细菌性萎蔫病、病毒病、干旱、盐胁迫）	计算机视觉	作物生理障碍	实时图像采集	深度学习模型	图像	58,479张图像（43,894张可标注，其中24,000张用于训练，13,037张用于测试），涵盖7个番茄品种	NA	NA	平均精度均值（mAP），召回率	NA
2073	2026-03-10	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-03-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文开发了基于迁移学习的深度学习模型，用于大规模虚拟筛选针对A类GPCRs的、具有潜在更高安全性的药物化合物	通过迁移学习策略，在A类GPCRs全序列和配体数据集上进行预训练，并针对低效激动剂和偏向性激动剂分别进行微调，结合了目标序列的自然语言处理和受体突变对信号传导的影响分析	模型开发面临高质量数据可用性有限的挑战，且目前仅针对A类GPCRs	预测具有低内在效能或配体偏向性的更安全化合物，以推进药物开发	A类G蛋白偶联受体及其配体	机器学习	NA	自然语言处理	神经网络	序列数据, 化学数据	NA	NA	NA	NA	NA
2074	2026-03-10	RNA language models predict mutations that improve RNA function 2024-12-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54812-y PMID:39638800	研究论文	本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并基于此开发了序列和结构感知的RNA生成模型，以预测能提高RNA功能的突变	提出了GARNET数据库，将RNA序列与实验和预测的最适生长温度关联，并开发了基于GPT-like模型的RNA生成模型，用于识别增强核糖体热稳定性的突变	NA	理解RNA序列、结构和功能之间的联系，并预测能改善RNA功能的突变	结构化RNA，特别是与核糖体热稳定性相关的RNA	自然语言处理	NA	RNA序列分析，温度关联分析	GPT-like模型	RNA序列数据，温度数据	基于GTDB参考生物的数据，具体样本数量未明确说明	NA	GPT-like	NA	NA
2075	2026-03-10	From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning 2024-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405404 PMID:39206846	研究论文	本研究开发了一种基于图的深度学习模型Dynaformer，利用分子动力学模拟轨迹预测蛋白质-配体结合亲和力，以改进基于结构的药物设计	首次将分子动力学模拟轨迹整合到基于图的深度学习模型中，以捕捉蛋白质-配体相互作用的动态几何特征，从而更准确地预测结合亲和力	模型性能依赖于分子动力学模拟的质量和计算成本，且数据集规模（3,218个复合物）可能仍有限	提高蛋白质-配体结合亲和力的预测准确性，以加速早期药物发现过程	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	图神经网络	分子动力学轨迹，图结构数据	3,218个不同的蛋白质-配体复合物	NA	Dynaformer	评分能力，排序能力	NA
2076	2026-03-10	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的增强电声层析成像方法，用于实时监测基于纳秒脉冲电场的电穿孔治疗	首次利用监督学习解决电声层析成像中因超声换能器有限视角导致的图像失真问题，通过定制旋转平台获取配对的全视角和单视角信号进行模型训练	研究仅基于56个实验数据集，样本量相对较小，且未在临床环境中验证	提高电声层析成像的图像质量，以实时监测纳秒脉冲电场电穿孔治疗的能量沉积	纳秒脉冲电场产生的电声信号	医学影像处理	NA	电声层析成像，纳秒脉冲电场	深度学习模型	电声信号，图像	56个不同的电声数据集（46个用于训练，10个用于测试）	NA	NA	均方根误差，峰值信噪比，结构相似性指数	NA
2077	2026-03-10	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-Jul-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	提出一种基于深度神经网络的惩罚部分线性中介模型（DP2LM），用于处理高维中介变量和复杂混杂因素下的中介效应估计与假设检验	结合深度神经网络处理混杂因素的非线性效应，并利用惩罚部分线性模型适应高维性，专注于中介效应的估计与推断而非仅中介变量选择	未明确提及模型在极端高维或小样本情况下的性能限制，也未讨论计算复杂度或可扩展性问题	开发一种新方法以准确估计和严格推断高维中介变量及复杂混杂因素下的中介效应	高维中介变量（如DNA甲基化）和复杂混杂因素下的中介效应分析	机器学习	NA	深度神经网络，惩罚部分线性模型	深度神经网络	高维中介变量数据	NA	NA	NA	Type-I错误率	NA
2078	2026-03-10	Integrative single-cell analysis of cardiogenesis identifies developmental trajectories and non-coding mutations in congenital heart disease 2022-12-22, Cell IF:45.5Q1 DOI:10.1016/j.cell.2022.11.028 PMID:36563664	研究论文	本研究通过单细胞染色质可及性图谱，揭示了心脏发育的细胞分化轨迹和转录因子活动，并利用深度学习模型解析调控序列，发现先天性心脏病中非编码突变的富集	整合单细胞分析识别心脏发育轨迹，结合深度学习模型解读染色质可及性，首次在先天性心脏病中富集预测影响动脉内皮细胞可及性的非编码突变	研究基于胎儿心脏组织，可能无法完全反映成人或疾病晚期状态；体外验证仅限于iPSC模型，体内功能影响需进一步探索	解析心脏发育的细胞类型特异性调控景观，并探究先天性心脏病的非编码突变机制	人类胎儿心脏组织、iPSC衍生的心脏细胞类型	计算生物学	先天性心脏病	单细胞染色质可及性测序、iPSC分化、深度学习建模	深度学习模型	单细胞染色质可及性数据、基因组序列	人类胎儿心脏组织样本，具体数量未明确说明	NA	NA	NA	NA
2079	2026-03-10	Deep learning for abdominal ultrasound: A computer-aided diagnostic system for the severity of fatty liver 2021-09-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000585 PMID:34282076	研究论文	本文开发了一种基于深度学习的计算机辅助诊断系统，利用B型超声图像评估脂肪肝并分类其严重程度	开发了基于卷积神经网络的模型，用于从B型超声图像中自动评估脂肪肝严重程度，实现了与昂贵非侵入性诊断方法相当的预测性能，特别是在轻度脂肪变性的鉴别能力方面	存在机器依赖性变异、运动伪影、缺乏其他工具的二次确认以及医院依赖性区域偏差	开发一种非侵入性、成本效益高的脂肪肝严重程度评估方法	B型超声图像	计算机视觉	脂肪肝	B型超声成像	CNN	图像	来自2070名患者的21855张图像，包括正常（11307张）、轻度（4467张）、中度（3155张）和重度脂肪变性（2926张）	NA	VGG19, ResNet-50 v2, MobileNet v2, Xception, Inception v2	AUC	NA
2080	2026-03-10	Accurate diagnosis of endoscopic mucosal healing in ulcerative colitis using deep learning and machine learning 2021-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000559 PMID:34050105	研究论文	本研究开发了一种结合深度学习和机器学习的计算机辅助诊断系统，用于准确诊断溃疡性结肠炎患者的黏膜愈合状态	开发了DLML-CAD系统，结合预训练神经网络特征提取与多种分类器（DNN、SVM、k-NN）及集成学习，实现了对溃疡性结肠炎内镜下黏膜愈合的高精度自动诊断	研究样本量有限（仅54名患者的856张图像），且数据来源于单一医疗中心，可能影响模型的泛化能力	开发一种计算机辅助诊断系统，以客观、准确地评估溃疡性结肠炎患者的内镜下黏膜愈合状态	溃疡性结肠炎患者的内镜结肠图像	数字病理学	溃疡性结肠炎	内镜成像	DNN, SVM, k-NN	图像	54名患者的856张内镜图像	NA	预训练神经网络（具体架构未指定）	准确率, 灵敏度, 特异性	NA