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
221	2026-02-14	Confidence-based prediction of antibiotic resistance at the patient level 2026-Feb-11, mBio IF:5.1Q1 DOI:10.1128/mbio.03431-25 PMID:41575464	研究论文	本研究提出了一种基于深度学习的模型，利用患者数据和抗生素敏感性测试结果来预测未测量的抗生素敏感性	该方法首次结合患者数据和抗生素敏感性测试结果，利用Transformer模型预测抗生素耐药性，并采用一致性预测来评估预测不确定性	模型在青霉素和喹诺酮类抗生素的耐药性预测中显示出较高的主要错误率	开发一种快速、准确的抗生素耐药性预测方法，以支持临床决策并减少抗生素过度使用	细菌感染患者及其抗生素敏感性测试结果	机器学习	细菌感染	抗生素敏感性测试	Transformer	文本数据	来自30个欧洲国家的300万份抗生素敏感性测试结果	NA	Transformer	准确率, 主要错误率, 非常主要错误率	NA
222	2026-02-14	Noninvasive Staging of Hepatic Fibrosis in Patients with Autoimmune Liver Disease Using Deep Learning 2026-Feb-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.029 PMID:41680010	研究论文	本研究开发并验证了一种基于深度学习的非侵入性模型，利用常规二维B超图像对自身免疫性肝病患者的肝纤维化进行分期	首次将深度学习模型应用于基于常规二维B超图像的非侵入性肝纤维化分期，以替代有创的肝穿刺活检	研究为回顾性设计，样本量相对有限，且模型性能在外部验证集中略有下降	开发一种非侵入性方法，用于准确分期自身免疫性肝病患者的肝纤维化，以指导治疗	自身免疫性肝病患者	数字病理学	自身免疫性肝病	二维B超成像	CNN	图像	306名患者（内部训练/验证/测试集245名，外部测试集61名）	NA	ResNet34	宏平均AUC, 微平均AUC	NA
223	2026-02-14	Clinical feasibility test of 60 kVp double-low-dose coronary CT angiography with a deep learning reconstruction algorithm 2026-Feb-10, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02223-6 PMID:41665766	研究论文	本研究测试了采用深度学习重建算法的60 kVp双低剂量冠状动脉CT血管成像在临床中的可行性	首次将深度学习重建算法应用于60 kVp双低剂量冠状动脉CT血管成像，以显著降低辐射剂量和造影剂用量，同时保持与常规剂量成像在冠状动脉狭窄和CT-FFR评估方面的高一致性	样本量相对较小（89例患者），且研究为单中心前瞻性设计，可能需要更大规模的多中心验证	评估60 kVp双低剂量冠状动脉CT血管成像结合深度学习重建算法在临床应用的可行性	已知或疑似冠状动脉疾病的患者	医学影像	心血管疾病	冠状动脉CT血管成像	深度学习重建算法	医学影像	89例患者（44名女性，平均年龄59.9±13.2岁，平均BMI 23.1±3.3 kg/m²）	NA	NA	特异性, 阳性预测值, 准确率, AUC, 图像质量评分, 信噪比, 对比噪声比	NA
224	2026-02-12	Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease 2026-Feb-10, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001697 PMID:41665974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
225	2026-02-14	Detection of Esophageal Varices and Prediction of Hepatic Decompensation in Unresectable Hepatocellular Carcinoma using AI: AI Detection of Varices and Decompensation 2026-Feb-10, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	本研究利用深度学习模型HepatoSageCT结合临床数据，开发并外部验证了非侵入性模型，用于检测食管静脉曲张和预测肝失代偿风险，旨在减少不必要的内镜检查并指导预后	首次将基础模型HepatoSageCT应用于常规CT影像，结合门体分流等临床特征，实现了对食管静脉曲张的准确检测和肝失代偿风险的分层预测	研究为回顾性设计，需要前瞻性验证来确认模型的临床适用性	开发非侵入性模型以检测食管静脉曲张并预测肝失代偿风险，改善肝细胞癌患者的治疗决策和预后管理	接受阿特珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	数字病理学	肝细胞癌	对比增强CT扫描	深度学习	影像数据, 临床数据	489名患者（开发队列279人，外部验证队列210人）	NA	HepatoSageCT	AUCROC, 敏感性, 特异性, 一致性指数, 风险比	NA
226	2026-02-14	Deep Learning-Based Diagnostic Classification of Multiple Sclerosis Using Multicenter Optical Coherence Tomography Data 2026-Feb-10, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110916 PMID:41679586	研究论文	本研究利用深度学习技术，基于多中心光学相干断层扫描（OCT）数据，对多发性硬化症（MS）进行诊断分类	创新点在于比较了三种AI模型（特征提取、定制深度网络和微调预训练网络），并采用通道组合的视网膜层厚度图，结合模型可解释性分析，实现了高精度的MS分类	局限性在于模型在跨数据集评估中性能显著下降，特别是当在公共数据上训练并应用于本地临床数据时，外部泛化能力有限	研究目标是开发一种基于OCT视网膜层特征的AI方法，用于多发性硬化症的准确诊断分类	研究对象包括健康对照（HC）和多发性硬化症（MS）患者的眼睛，具体为38只HC眼和78只MS眼	计算机视觉	多发性硬化症	光学相干断层扫描（OCT）	自编码器（AE）、定制深度网络、预训练网络	图像（OCT视网膜层厚度图和表面图）	116只眼睛（38只健康对照眼和78只多发性硬化症眼）	NA	NA	平衡准确率、特异性、敏感性、g-均值、F1分数、AUC	NA
227	2026-02-14	A Novel Deep Learning Model for Automated Diagnosis of Oral Squamous Cell Carcinoma and Related Leukoplakia in Pathological Images 2026-Feb-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2026.102743 PMID:41679647	研究论文	本研究提出了一种基于深度学习的RRGNet模型，用于自动诊断口腔鳞状细胞癌及相关白斑病的病理图像	在RegNet架构基础上引入Ghost模块和残差通道注意力模块，结合标签平滑、Mixup数据增强和SWALR学习率调整策略，优化了特征提取效率和计算成本	模型通用性需在多中心数据上进一步验证，尚未开发出实际应用系统	开发自动化、准确的辅助诊断工具，以支持口腔鳞状细胞癌的早期检测和精准治疗	口腔鳞状细胞癌及两种白斑病变的病理图像	数字病理学	口腔鳞状细胞癌	病理切片分析	深度学习模型	图像	NA	NA	RRGNet, RegNet, GhostNet, HRNet, ResNet50, ViT	准确率, AUC	NA
228	2026-02-14	Limitation of existing GFR estimating equations and application of artificial intelligence in improving GFR estimation and chronic kidney disease progression in people with diabetes 2026-Feb-10, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113152 PMID:41679651	综述	本文综述了现有肾小球滤过率估算方程的局限性，并探讨了人工智能在改善糖尿病患者肾小球滤过率估算和慢性肾病进展预测中的应用	首次系统性地评估了人工智能和机器学习在糖尿病患者肾小球滤过率估算和慢性肾病进展预测中的潜力，并指出了现有研究的不足	现有研究样本量较小，且多数研究局限于特定国家或人群，导致结果不一致，缺乏大规模验证	评估人工智能在改善糖尿病患者肾小球滤过率估算和慢性肾病进展预测中的准确性和应用前景	糖尿病患者，特别是慢性肾病患者	机器学习	慢性肾病	NA	人工神经网络, 随机森林, 支持向量机, 集成学习模型	NA	较小样本量	NA	NA	偏差, 精确度, 准确度	NA
229	2026-02-14	Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02389 PMID:41574593	研究论文	本文开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，以替代计算密集的网格非均匀溶剂化理论方法	首次将深度学习应用于蛋白质水合热力学分布预测，将计算时间从数十小时缩短至数十秒，并能够考虑蛋白质构象波动	Δ()和Δ()的预测决定系数较低，模型性能有待进一步提升	开发高效准确的深度学习模型，用于预测蛋白质周围水合热力学量的空间分布	蛋白质周围的水合热力学分布，包括水合自由能Δ()、水合能Δ()和水合熵Δ()	机器学习	NA	分子动力学模拟，深度学习	深度学习模型	分子动力学模拟数据	NA	NA	NA	决定系数，相关系数	单个图形处理单元
230	2026-02-14	Cost-effective ecological monitoring in shallow waters using amphibious unmanned aerial vehicles (AUAV) and deep learning-based computer vision 2026-Feb-09, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2026.107911 PMID:41679001	研究论文	本研究提出了一种结合两栖无人机和深度学习的方法，用于浅水生态监测，实现了水下垃圾检测和海参实例分割	首次将两栖无人机与YOLOv8结合，实现空中和水下成像，并利用实时GNSS信息进行高效浅水监测	无人机续航时间约30分钟，监测范围限于浅水区域（0.5-10米），可能不适用于深水或长时间任务	开发一种成本效益高且高效的浅水生态监测方法，替代传统低效或高成本的监测技术	水下垃圾和海参	计算机视觉	NA	两栖无人机成像，深度学习	YOLOv8	图像	NA	NA	YOLOv8	平均精度均值（mAP）	NA
231	2026-02-14	Glymphatic dysfunction in trigeminal neuralgia: A multimodal MRI study 2026-Feb-08, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2026.107312 PMID:41666986	研究论文	本研究通过多模态MRI评估了三叉神经痛患者的类淋巴系统功能，发现患者存在选择性类淋巴功能障碍，表现为DTI-ALPS指数降低和自由水分数增加，而血管周围间隙负荷和脉络丛体积等结构指标无显著差异	首次在三叉神经痛中发现了类淋巴系统的功能障碍，且这种功能障碍与血管周围结构异常分离，挑战了传统的神经影像学范式，揭示了一个先前未被充分认识的中枢机制	缺乏类淋巴指标与疼痛强度及病程之间的相关性，且为横断面研究，无法确定因果关系	调查三叉神经痛中是否发生类淋巴系统功能障碍及其在病理生理学中的作用	71名经典三叉神经痛患者和52名年龄匹配的健康对照者	数字病理学	三叉神经痛	多模态MRI，包括扩散张量成像沿血管周围空间指数测量、自由水分数映射、血管周围空间负荷量化、深度学习分割的脉络丛体积分析	深度学习	MRI图像	123名参与者（71名患者，52名对照）	NA	NA	NA	NA
232	2026-02-14	Self-supervised learning for aflatoxin B1 detection using masked spectra 2026-Feb-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148342 PMID:41679220	研究论文	本研究提出了一种基于自监督学习的策略，用于准确检测花生和玉米中的黄曲霉毒素B1	创新性地将光谱重建误差用作波长注意力机制，并与自监督学习阶段的微调编码器集成，开发分类模型	NA	准确检测花生和玉米中的黄曲霉毒素B1	花生和玉米	机器学习	NA	光谱检测	自监督学习	光谱数据	NA	NA	NA	准确率	NA
233	2026-02-14	Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00563 PMID:41528974	技术说明	本文介绍了一个关于肽嵌入的教程，通过Google Colab笔记本教授五种不同的肽嵌入策略，旨在帮助研究人员将现代深度学习应用于蛋白质组学工作流	提供了首个专注于肽嵌入准备步骤的全面教育材料，填补了蛋白质组学与深度学习社区之间的知识空白，并通过免费笔记本降低学习门槛	作为技术说明，可能未涵盖所有嵌入方法或深入探讨高级模型细节，且主要面向初学者	教育蛋白质组学研究人员如何为深度学习准备肽数据，特别是通过嵌入策略优化输入表示	肽字符串及其在质谱蛋白质组学中的嵌入表示	机器学习	NA	质谱蛋白质组学，深度学习	NA	肽序列数据	NA	Google Colab	NA	基准比较（未指定具体指标）	Google Colab（云平台）
234	2026-02-14	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影像组学模型在肺鳞状细胞癌和腺癌鉴别诊断及总生存分析中的性能	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应用，并整合了影像组学特征以提高诊断精度	纳入的研究数量有限（共11项），且研究质量可能因使用RQS工具评估而存在差异	总结和批判性评估基于机器学习的影像组学模型在肺鳞状细胞癌和腺癌的鉴别诊断及总生存分析中的表现	肺鳞状细胞癌和腺癌	数字病理学	肺癌	影像组学	机器学习, 深度学习	影像数据	NA	NA	NA	准确率	NA
235	2026-02-14	On the Suitability of Data Augmentation Techniques to Improve Parkinson's Disease Detection with Speech Recordings 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030498 PMID:41681817	研究论文	本研究探讨了数据增强技术在基于语音记录的帕金森病检测中的适用性，通过深度学习模型评估了波形和时频层面的增强方法对分类性能的影响	首次系统评估了数据增强技术在帕金森病语音检测中的效果，并揭示了增强技术虽能提升单数据集性能但未必改善跨数据集泛化能力	数据增强带来的性能提升未能稳定转化为对独立数据集的泛化能力改善	通过数据增强技术提升基于语音的帕金森病自动检测模型的鲁棒性和泛化能力	帕金森病患者与健康对照者的语音记录	机器学习	帕金森病	语音分析	深度学习模型	语音记录	NA	NA	NA	准确率	NA
236	2026-02-14	Advanced Deep Learning Models for Classifying Dental Diseases from Panoramic Radiographs 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030503 PMID:41681821	研究论文	本文研究使用先进的深度学习模型对全景X光片进行牙科疾病的多类分类，以解决数据集中的不一致性和类别不平衡问题	应用了包括类别合并、错误标注修正、冗余去除和数据增强在内的广泛预处理技术，将类别不平衡比例从2560:1显著降低至61:1，并评估了五种现代CNN架构在牙科疾病分类中的性能	数据集虽经预处理，但仍存在一定的类别不平衡（61:1），且研究未涉及模型在真实临床环境中的部署验证	开发并评估用于牙科疾病自动诊断的深度学习模型，以提高诊断效率和准确性	牙科疾病	计算机视觉	牙科疾病	全景X光成像	CNN	图像	10,580张高质量全景X光片	NA	InceptionV3, EfficientNetV2, DenseNet121, ResNet50, VGG16	准确率, 平均精度均值(mAP), 精确率, 召回率, F1分数	NA
237	2026-02-14	A Hybrid Millimeter-Wave Radar-Ultrasonic Fusion System for Robust Human Activity Recognition with Attention-Enhanced Deep Learning 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031057 PMID:41682572	研究论文	本文提出了一种融合毫米波雷达和超声波阵列的非接触式系统，用于鲁棒的人类活动识别，通过注意力增强的深度学习模型实现高精度分类	结合77 GHz毫米波雷达和40 kHz超声波阵列的多模态融合系统，利用雷达的长距离穿透性和超声波的高精度短距离特性，并设计了Attention-CNN-BiLSTM架构以整合空间特征、时间依赖性和显著线索增强	NA	解决单传感器在环境鲁棒性和细粒度准确性之间的权衡问题，实现非接触式人类行为识别	人类活动，包括站立、坐下、行走和跌倒四种行为	机器学习	NA	毫米波雷达、超声波阵列、小波变换、短时傅里叶变换	CNN, BiLSTM	多模态信号（雷达和超声波数据）	1600个同步序列	NA	Attention-CNN-BiLSTM	平均类别准确率	NA
238	2026-02-14	Identification of Comorbidities in Obstructive Sleep Apnea Using Diverse Data and a One-Dimensional Convolutional Neural Network 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031056 PMID:41682571	研究论文	本研究开发并评估了一种基于一维卷积神经网络（1D-CNN）的多模态深度学习框架，用于利用生理时间序列信号和临床数据对阻塞性睡眠呼吸暂停（OSA）患者的主要合并症进行稳健的多标签分类	提出了一种融合生理时间序列信号（如血氧饱和度和鼻气流）与临床数据的一维卷积神经网络框架，用于OSA合并症的多标签分类，相比传统机器学习方法展现出更优的预测性能	研究受限于数据集规模较小，未来需扩展多中心数据集以提升模型可解释性和临床适用性	开发并评估一个多模态深度学习框架，用于对OSA患者的合并症进行稳健的多标签分类	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图，血氧饱和度监测，鼻气流监测	CNN	生理时间序列信号，临床数据	144名患者	Optuna	一维卷积神经网络	宏F1分数，微F1分数，AUC-ROC，AUC-PR，子集准确率，部分准确率，汉明损失，多标签混淆矩阵	NA
239	2026-02-14	ACL-ECG: Anatomy-Aware Contrastive Learning for Multi-Lead Electrocardiograms 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031080 PMID:41682592	研究论文	本文提出了一种结合心脏解剖关系的自监督对比学习方法（ACL-ECG），用于从多导联心电图中学习通用表征	提出了首个将心脏解剖关系融入对比学习的自监督方法，包括生理感知的数据增强策略和基于解剖区域的对比目标	未明确说明模型在更广泛疾病类别或不同人群中的泛化能力，且依赖于预定义的心脏解剖区域分组	开发一种自监督学习方法，以减少心电图分析中对大规模标注数据的依赖	多导联心电图数据	机器学习	心血管疾病	心电图分析	对比学习模型	心电图信号	NA	NA	NA	AUROC, AUPRC	NA
240	2026-02-14	ASPECT: Alternative Splicing Event Classification with Transformers 2026-Feb-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.04.700904 PMID:41684940	研究论文	本文介绍了一种基于DNABERT-2和字节对编码的替代剪接事件分类框架ASPECT，用于区分不同类型的剪接事件	利用DNABERT-2和BPE分词技术，专注于多种生物相关的替代剪接事件类型，而非仅限外显子跳跃，提升了复杂剪接决策的上下文捕捉能力	未明确说明模型在处理非规范剪接事件时的泛化能力限制或数据偏差问题	开发一个替代剪接事件分类框架，以更全面地表征剪接事件并理解其在人类健康和疾病中的作用	替代剪接事件，包括TCGA BRCA癌症相关剪接事件	自然语言处理	乳腺癌	DNABERT-2, Byte Pair Encoding	Transformer	基因组序列	NA	PyTorch	DNABERT-2	AUC, F1-score, 准确率	NA