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
2501	2026-09-06	A lightweight deep learning framework for tea cultivar identification based on leaf images 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1863075 PMID:42694290	研究论文	本研究基于茶叶叶片图像构建了一个轻量级深度学习框架，用于茶树品种的准确识别。	提出了一种结合通道剪枝和PTDQ优化的轻量级茶叶品种识别模型，在保持高精度的同时显著减少模型大小和推理时间。	未来工作需关注将模型集成到Android现场应用中，但当前研究未涵盖实际部署条件下的评估。	开发一种基于叶片形态和视觉特征的深度学习模型，以实现高效、准确的茶树品种识别，并支持移动端部署。	10个克隆茶树品种的叶片图像。	机器学习, 计算机视觉	不适用	不适用	CNN, Vision Transformer	图像	11,404张叶片图像（来自10个茶树品种）	PyTorch	ResNet50, EfficientNet-B3, MobileNetV3-large, ViT-B16, ConvNeXt-Tiny	准确率, 模型大小, 推理时间	未具体说明，但涉及模型压缩和优化，可能使用标准GPU资源
2502	2026-09-06	Enhanced deep learning networks integrated by fractals for air quality index analysis 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1892338 PMID:42694364	研究论文	本研究开发了一个融合分形插值技术的集成深度学习框架，用于分析和预测空气质量指数（AQI）。	将分形插值技术集成到深度学习模型中，以处理AQI数据中的不一致性，提高预测性能。	未在摘要中明确提及限制。	开发一种集成深度学习框架，结合分形方法，用于空气质量的分析和预测。	印度五个主要城市的空气质量指数（AQI）数据。	机器学习	NA	分形插值	LSTM, BiLSTM, CNN-LSTM	时间序列数据	印度五个主要城市的AQI数据	NA	长短期记忆网络（LSTM）、双向长短期记忆网络（BiLSTM）、卷积神经网络与长短期记忆网络（CNN-LSTM）	统计性能指标（具体未在摘要中列出）	NA
2503	2026-09-06	DeepVIC: modular prediction and classification of bacterial virulence factors using protein language model embeddings 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag237 PMID:42694419	研究论文	介绍了一种名为DeepVIC的模块化框架，利用蛋白质语言模型嵌入进行细菌毒力因子的预测和分类	采用模块化设计，将识别和分类阶段分离，并使用蛋白质语言模型嵌入作为特征，提高了灵活性和鲁棒性	未在论文中明确提及限制，但可能受限于对特定病原体的验证和特定数据集的依赖	开发一种灵活且鲁棒的深度学习框架，用于细菌毒力因子的识别和分类，以改进感染治疗策略	细菌毒力因子蛋白质，包括肺炎链球菌和乳球菌属的蛋白质	机器学习和生物信息学	细菌感染相关疾病	蛋白质语言模型嵌入和位置特异性评分矩阵	二元分类器和多类分类器	蛋白质序列数据	独立测试集和两个文献数据集，具体数量未在摘要中说明	未指定，可能涉及深度学习框架，具体未知	模块化架构，结合嵌入和进化特征，具体神经网络结构未明确	鲁棒性和平衡性能、召回率	未在摘要中提及
2504	2026-09-06	Computed Tomography-Verified Deep Learning Model for Rib Fracture Prediction and Complication Association from Chest Radiographs 2026, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.131105 PMID:42694577	研究论文	本研究开发并验证了一个基于CT验证标签的深度学习模型，用于在胸部X光片上预测急性肋骨骨折，并评估其与胸部并发症的关联	采用CT验证的标签训练深度学习模型以提高肋骨骨折预测准确性，并首次探讨该模型与胸部并发症风险的关联分层能力	未在摘要中明确提及局限性	开发和验证基于CT验证标签的深度学习模型，以在胸部X光片上预测急性肋骨骨折，并评估其与胸部并发症的关联	14,758名疑似肋骨骨折并在7天内接受胸部CT和X光检查的患者	计算机视觉	肋骨骨折	CT	视觉Transformer	图像	14,758名患者的胸部X光片，其中10,818用于开发，4,377用于调优，3,020用于验证	未提及	ViT-B/32	AUC、敏感性、阴性预测值、约登指数、F分数	未提及
2505	2026-09-06	Visualization-driven digital technologies in oncology: current applications, technological advances, and future directions 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1824142 PMID:42694739	综述	本文综述了可视化驱动的数字技术在肿瘤学中的应用，涵盖AI驱动的3D重建、增强现实、多模态融合、影像组学和数字孪生等技术，贯穿癌症诊疗全程	提出可视化技术作为认知接口整合癌症诊疗全程，并展望物理信息深度学习、云边计算和隐私保护协作学习的未来发展	临床整合面临术中精度稳定性、资源有限环境下的经济可行性和生物识别数据隐私风险等挑战，且需进一步前瞻性验证	综合评估可视化驱动数字技术在肿瘤学中的应用现状、技术进步和未来方向	癌症诊疗流程中的可视化技术，包括3D重建、AR、影像组学及数字孪生	数字病理学	肿瘤	影像组学	NA	图像	NA	NA	NA	NA	NA
2506	2026-09-06	YOLOv12 Algorithm-Aided Detection and Classification of Lateral Malleolar Avulsion Fracture and Subfibular Ossicle Based on CT Images: Multicenter Study 2025-10-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79064 PMID:40924436	研究论文	本研究评估了多种深度卷积神经网络在CT图像上检测和分类外踝撕脱性骨折与腓下小骨的表现，并以MRI诊断作为金标准，其中YOLOv12算法性能最佳。	首次使用最新的YOLOv12算法在CT图像上检测和分类外踝撕脱性骨折与腓下小骨，并以MRI诊断为金标准进行多中心验证，且模型性能优于放射科医生单独解读CT的结果。	研究为回顾性设计，样本来自中国两家医院，可能限制结果的普适性；同时，CT图像的人工标注可能存在主观性。	评估深度卷积神经网络（包括最新YOLOv12算法）在CT图像上检测和分类外踝撕脱性骨折与腓下小骨的能力，并与放射科医生单独阅读CT的性能进行比较。	外踝撕脱性骨折（LMAFs）和腓下小骨（SFOs）的患者。	计算机视觉	骨科疾病	CT成像	深度卷积神经网络	图像（CT图像）	1918名患者（外踝撕脱性骨折1253例，占65.3%；腓下小骨665例，占34.7%），来自中国两家医院，分为训练集（n=1092）、内部验证集（n=476）和外部测试集（n=350）。	NA	Faster R-CNN, SSD, RetinaNet, YOLOv12	mAP50, AUC, 准确率, 敏感性, 特异性	NA
2507	2026-09-06	Heterogeneous Network With Multiview Path Aggregation: Drug-Target Interaction Prediction Study Design 2025-10-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/74974 PMID:41037779	研究论文	提出一种基于多视角路径聚合的异构网络模型，用于药物-靶点相互作用预测	创新性地结合分子注意力变换器提取3D构象特征和Prot-T5蛋白大语言模型提取序列特征，并引入元路径聚合机制，从特征视图和生物网络关系视图动态整合信息	未明确提及研究的局限性	提出一种基于多视角路径聚合的异构网络模型，以预测药物和靶点之间的相互作用	药物、蛋白质、疾病和副作用等生物实体及其相互作用	机器学习	不适用	分子注意力变换器，蛋白质特异性大语言模型	异构网络模型，元路径聚合机制	多源异构生物数据	未明确说明样本量	未明确说明	分子注意力变换器、Prot-T5	AUPR、AUROC	未明确说明
2508	2026-09-06	Fixed point method for PET reconstruction with learned plug-and-play regularization 2025-09-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae05ac PMID:40930128	研究论文	本文提出一种基于Douglas-Rachford分裂方法的收敛性即插即用（PnP）算法，用于低计数PET重建，并评估不同去噪器在训练或设计上满足固定点条件的性能	提出在PET重建中结合深度学习与PnP框架的收敛算法，通过光谱归一化网络和深度平衡模型实现去噪器的固定点条件，确保收敛性并提高泛化能力	光谱归一化在泛化方面表现不佳；研究基于合成和真实实验数据，可能未覆盖所有临床场景	探索PnP框架在PET重建中提高图像质量和量化精度的潜力，解决深度学习方法在有限训练数据下的稳定性和鲁棒性问题	低计数PET重建图像，包括临床相关区域和未见病理案例	医学图像重建	NA	PET成像	卷积神经网络、深度平衡模型	图像（PET成像数据）	合成实验和真实研究	PyTorch	光谱归一化网络、深度平衡模型	偏差、标准差	NA
2509	2026-09-06	PWLS-SOM: alternative PWLS reconstruction for limited-view CT by strategic optimization of a deep learning model 2025-09-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adffe0 PMID:40865562	研究论文	提出一种结合深度学习先验与惩罚加权最小二乘重建的有限角度CT重建方法，通过战略优化深度学习模型参数以改善伪影抑制和鲁棒性	引入显著性评分量化深度学习模型参数的贡献，指导策略性适应，并将数据一致性约束融入三阶段重建框架	未明确提及局限性	提高有限角度CT重建的泛化能力，适应实际应用中的数据和分布变化	稀疏视图（90视图）圆形轨迹CT数据，多段线性轨迹CT扫描及混合数据缺失问题，死鼠实验	医学图像重建，深度学习	不适用	CT成像，深度学习	深度学习模型	CT投影数据	大型配对数据集（未提供具体数量），以及死鼠CT扫描数据	未提及	未提及	未明确提及，但涉及伪影抑制和结构恢复能力	未提及
2510	2026-09-06	Fusion of X-Ray Images and Clinical Data for a Multimodal Deep Learning Prediction Model of Osteoporosis: Algorithm Development and Validation Study 2025-09-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/70738 PMID:40966528	研究论文	本研究开发了一种融合胸部X射线图像和临床数据的多模态深度学习模型，用于骨质疏松症的机遇性筛查，并验证其性能优于传统方法。	引入了基于梯度的 wavelet 特征提取方法并结合注意力机制，辅助图像特征融合，增强了模型对关键区域的关注。	数据集规模可能不足以涵盖人群多样性，回顾性研究可能带来选择偏差，缺乏外部验证限制了结果的泛化性。	开发一种融合胸部X射线图像和临床参数的多模态模型，用于骨质疏松症的机遇性筛查，并与现有方法进行比较。	骨质疏松症患者和对照组，其胸部X光图像和临床数据。	深度学习	骨质疏松症	图像处理和特征提取，使用梯度小波变换	卷积神经网络	图像和文本/临床数据	1780名患者的胸部X光图像和临床数据	未明确提及，但使用迁移学习技术微调卷积神经网络	卷积神经网络，结合注意力机制	AUC值、准确率、敏感性、特异性	未提及具体资源
2511	2026-09-06	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-09-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	本研究开发并评估了一种基于人工智能的框架，用于预测急诊科拥挤情况，包括小时级和日级等候人数预测	提出了一种结合多种数据源和多种机器学习算法的预测框架，并引入了时间序列视觉Transformer（TSiTPlus）和可解释卷积神经网络（XCMPlus）模型，专门用于急诊科等候人数预测	研究基于单一医院的急诊数据，可能需要更多外部验证；预测准确性在不同时间段和极端情况下有所下降	开发机器学习模型，以预测急诊科等候室占用人数（等候人数），支持资源分配和缓解过度拥挤	美国东南部一家合作医院的急诊科数据，整合内部和外部数据源	机器学习	急诊科过度拥挤	NA	时间序列视觉Transformer（TSiTPlus），可解释卷积神经网络（XCMPlus），以及其他传统机器学习算法和深度学习架构	时间序列数据	来自一家合作医院急诊科的数据，具体样本数量未在摘要中给出	NA	TSiTPlus, XCMPlus, 以及其他传统机器学习模型	平均绝对误差（MAE）、均方误差（MSE）	NA
2512	2026-09-06	Disentangled deep learning method for interior tomographic reconstruction of low-dose x-ray CT 2025-09-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae02dc PMID:40902618	研究论文	提出了一种用于低剂量X射线CT内部断层重建的解纠缠深度学习方法，旨在同时处理噪声和截断伪影问题	提出双域深度神经网络解纠缠提取噪声和背景投影贡献，以及采用渐进式从粗到细策略增强可恢复区域的DPER-Pro方法	未明确提及局限，可能包括仅在模拟和体模数据上验证，未在临床数据上测试	开发一种新的重建框架，实现高质量的感兴趣区域重建和可恢复区域的扩展，以解决低剂量内部断层成像中的病态问题	低剂量CT内部断层成像中的感兴趣区域重建和可恢复区域扩展问题	医学图像重建	不适用	X射线CT	深度神经网络	模拟CT图像和真实CT扫描体模图像	模拟躯干数据集和真实躯干体模CT扫描数据	NA	双域深度神经网络，具体架构未明确，可能包括卷积神经网络	重建质量评估指标，具体如PSNR、SSIM等未在摘要中明确	未在摘要中提及
2513	2026-09-06	Enhancing Oral Health Diagnostics With Hyperspectral Imaging and Computer Vision: Clinical Dataset Study 2025-09-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/76148 PMID:40935589	研究论文	本研究构建了一个大规模的口腔内窥镜高光谱成像数据集，并验证了深度学习模型在口腔组织分割和分类中的有效性	首次提供大规模、带注释的口腔内窥镜高光谱成像体内数据集，并集成了多种深度学习模型用于口腔健康诊断	未明确提及，但可能受限于数据集规模和特定临床环境的通用性	开发全面的口内高光谱成像数据集，并实现口腔组织结构的自动、可靠区分	健康口腔组织，包括黏膜、牵开器、牙齿和腭部等结构	计算机视觉	口腔疾病（如口腔鳞状细胞癌）	高光谱成像（HSI）	深度学习模型（如DeepLabv3、U-Net）	高光谱图像	226名参与者（166名女性，60名男性，年龄24-87岁）	未明确提及	DeepLabv3 (ResNet-50/ResNet-101), U-Net (EfficientNet-B0/ResNet-50)	F1值、精确率、召回率	未明确提及
2514	2026-09-06	Interpretable Artificial Intelligence Analysis of Functional Magnetic Resonance Imaging for Migraine Classification: Quantitative Study 2025-09-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72155 PMID:40903006	研究论文	本研究结合可解释人工智能技术与多种功能性磁共振成像指标，比较它们在偏头痛分类中的效能，识别最佳模型-指标配对，并评估XAI在临床诊断中定位判别性脑区的潜力	首次系统比较多种XAI技术与不同fMRI指标在偏头痛分类中的结合效果，并利用注意力热图定位判别性大脑区域	样本量较小，可能限制结果的泛化性	研究XAI技术与多种fMRI指标结合在偏头痛分类中的效能及其在临床诊断中的潜力	偏头痛患者（分为无先兆和有先兆）及健康对照者	机器学习	偏头痛	静息态功能磁共振成像	卷积神经网络和视觉Transformer	脑影像数据	64名参与者，包括21名无先兆偏头痛患者、15名有先兆偏头痛患者和28名健康对照	NA	GoogleNet, ResNet18, Vision Transformer	准确率，曲线下面积	NA
2515	2026-09-06	Reconstruction of total-body multi parametric images with shortened-duration dynamic [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET scans 2025-09-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adfe33 PMID:40840511	研究论文	利用深度学习技术，从仅20分钟的动态PET扫描中重建全身多参数图像，缩短扫描时间至20分钟	提出了一种结合动态PET帧预测、参数线性拟合和生成对抗网络的深度学习框架，首次实现从20分钟动态PET数据重建多参数图像，缩短扫描时间从超过一小时至20分钟	未提及局限性	通过深度学习技术，使用仅20分钟的动态PET帧重建多参数成像，以缩短扫描时间并提高患者舒适度、减少运动伪影和成本	来自仁济医院的49名受试者（18名使用[Ga]Ga-FAPI-04，31名使用[Ga]Ga-PSMA-11）的全身PET数据	医学影像	前列腺癌	动态PET成像	生成对抗网络	医学影像	49名受试者的PET数据	NA	生成对抗网络	峰值信噪比（PSNR）、结构相似性指数（SSIM）、皮尔逊相关系数（PCC）	NA
2516	2026-09-06	Deep Learning Radiomics Model Based on Computed Tomography Image for Predicting the Classification of Osteoporotic Vertebral Fractures: Algorithm Development and Validation 2025-08-29, JMIR medical informatics IF:3.1Q2 DOI:10.2196/75665 PMID:40882615	研究论文	本研究开发和验证了基于CT图像的深度学习放射组学模型，用于预测骨质疏松性椎体骨折的分类。	结合了深度迁移学习特征和放射组学特征，并利用LASSO回归进行特征融合，同时比较了基于RadImageNet和ImageNet预训练模型的性能。	未提及	评估基于CT成像的深度学习放射组学模型在准确分类骨质疏松性椎体骨折方面的效能。	981名患者（年龄50-95岁）的1098个椎体，来自3个医疗中心，均接受CT和MRI检查。	医学影像分析	骨质疏松性椎体骨折	CT成像	深度学习模型（ResNet-50）和机器学习分类器	图像	981名患者（1098个椎体），训练集750，内部验证187，外部验证110，前瞻性验证51。	NA	ResNet-50	AUC、准确率、宏平均AUC	NA
2517	2026-09-06	Deep unrolled primal dual network for TOF-PET list-mode image reconstruction 2025-08-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b7 PMID:40780257	研究论文	本文提出了一种用于TOF-PET列表模式图像重建的深度展开原对偶网络（LMPDnet），旨在提高低计数数据的图像质量。	首次将深度展开方法应用于TOF-PET列表模式重建，结合CUDA并行加速系统矩阵计算，处理列表模式域和图像域的双网络更新。	未提及	提高TOF-PET列表模式重建在低计数情况下的图像质量，并减少噪声，探索深度学习方法在TOF列表模式数据的应用潜力。	TOF-PET列表模式数据，包含不同TOF分辨率和不同计数水平的重建图像。	计算机视觉，深度学习，医学图像重建	不适用（成像技术研究，无特定疾病）	TOF-PET列表模式成像，CUDA并行计算	深度展开网络（原对偶网络）	图像，数值模拟数据	未提及具体样本数量，使用不同TOF分辨率和计数水平的模拟数据	PyTorch（推测，因提供了GitHub代码）	LMPDnet（深度展开原对偶网络，包含对偶网络和原始网络）	视觉分析，定量分析（具体指标未在摘要中给出）	CUDA（GPU）并行加速
2518	2026-09-06	A neural network model enables worm tracking in challenging conditions and increases signal-to-noise ratio in phenotypic screens 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013345 PMID:40779582	研究论文	本文介绍了一种基于神经网络的模型DeepTangleCrawl，用于在挑战性条件下追踪秀丽隐杆线虫，并提高表型筛选中的信噪比	针对爬行线虫进行优化，结合Tierpsy追踪器和手动标注数据训练，能处理重叠、盘绕及复杂环境，提高轨迹连续性和减少中断	未提及具体限制，但数据来源单一（线虫）可能影响泛化性	开发高精度线虫追踪方法以处理复杂行为和环境，改善高通量表型筛选的可靠性	秀丽隐杆线虫（C. elegans）	计算机视觉	不适用	深度学习	神经网络（基于DeepTangle）	图像（线虫视频帧）	未明确提及样本数量，使用Tierpsy追踪器数据和人工标注数据	未明确提及	DeepTangle（变体DeepTangleCrawl）	失败率、轨迹连续性、信噪比	未明确提及
2519	2026-09-06	Machine learning on multiple epigenetic features reveals H3K27Ac as a driver of gene expression prediction across patients with glioblastoma 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012272 PMID:40773517	研究论文	本文利用机器学习整合多种表观遗传特征预测胶质母细胞瘤干细胞基因表达，发现H3K27Ac可作为跨患者的驱动因素	首次证明单一患者的H3K27Ac标记可预测其他11名胶质母细胞瘤患者的基因表达，表明GSC存在共同的增强子活性分布模式	未在摘要中明确说明局限性，可能包括样本量有限或跨患者预测的生物学机制探讨不足	评估机器学习方法在跨患者预测胶质母细胞瘤干细胞基因表达中的应用，并识别关键表观遗传驱动因子	来自12名患者的胶质母细胞瘤干细胞（GSCs），结合其表观遗传和转录组数据	机器学习	胶质母细胞瘤	ATAC-seq、CTCF ChIP-seq、RNAPII ChIP-seq、H3K27Ac ChIP-seq、RNA-seq	XGBoost	基因组数据和转录组数据	12名患者的GSC样本	机器学习框架（具体未指定，可能为Scikit-learn或XGBoost库）	XGBoost	高性能（具体指标如相关性或准确性未在摘要中提及）	未指定，可能需GPU支持
2520	2026-09-06	NextVir: Enabling classification of tumor-causing viruses with genomic foundation models 2025-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013360 PMID:40839700	研究论文	本文介绍了NextVir，一种利用基因组基础模型对肿瘤相关病毒DNA测序读段进行多类别分类的新框架	首次将基因组基础模型应用于肿瘤病毒分类，有效区分多种肿瘤病毒类型	未在摘要中提及具体局限性	开发高效精准的肿瘤病毒分类方法，以支持肿瘤与病毒关联研究	肿瘤样本中的病毒DNA测序读段，包括人乳头瘤病毒和人T淋巴细胞病毒等	基因组学	癌症	DNA测序	基因组基础模型	DNA测序数据	未在摘要中提及	NA	DNABERT-S、核苷酸Transformer、HyenaDNA	准确性	未在摘要中提及