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
3021	2026-02-28	Open-Access Fully Automated Intravenous Contrast Detection and Body Part Classification for Computed Tomography Scans: The FALCON Model 2026-Feb-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01865-8 PMID:41749033	研究论文	本文介绍了一种名为FALCON的开放获取全自动深度学习模型，用于大规模检测CT扫描中的静脉对比剂并进行身体部位分类	开发了开放获取的全自动深度学习模型FALCON，首次整合了静脉对比剂检测和身体部位分类功能，适用于头颈部、胸部和腹盆部CT扫描	研究未提及模型在更广泛或多样化数据集上的泛化能力，以及可能存在的计算资源需求	开发一个快速可靠的自动化工具，用于CT扫描中静脉对比剂的检测和身体部位分类，以解决大型研究数据集中对比剂存在记录不可靠的问题	CT扫描图像，特别是头颈部、胸部和腹盆部的扫描	计算机视觉	NA	CT扫描	CNN	图像	3138个CT扫描，来自3126名患者，涵盖五个机构1996年至2023年的数据	NA	ResNet9	F1分数	NA
3022	2026-02-28	BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins 2026-Feb-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02508-8 PMID:41749211	研究论文	本研究提出了一个名为BiToxNet的深度学习框架，通过整合多模态特征来准确识别神经毒性肽和蛋白质	提出了一种结合蛋白质大语言模型进化嵌入与十种手工生化描述符的双线性注意力网络（BAN）融合策略，有效建模了跨模态交互和残基级依赖关系	未明确说明模型在更广泛、更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一个准确预测肽和蛋白质神经毒性的计算框架，用于蛋白质治疗药物的安全性评估和药物开发	神经毒性肽和蛋白质	自然语言处理, 机器学习	神经毒性相关疾病	蛋白质大语言模型, 生化描述符计算	深度学习, 注意力机制	蛋白质序列, 生化特征	三个不同序列长度的数据集（蛋白质数据集、肽数据集和组合数据集）以及一个外部不平衡数据集	NA	双线性注意力网络（BAN）	准确率	NA
3023	2026-02-28	Decoding cardiovascular risk in Chinese middle-aged and elderly adults: a 9-year prospective study integrating machine learning with explainable AI based on CHARLS cohort 2026-Feb-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03389-1 PMID:41749231	研究论文	本研究基于CHARLS队列数据，结合机器学习和可解释人工智能技术，开发并验证了一个针对中国中老年人群的心血管疾病长期风险预测模型	首次将机器学习和可解释AI技术结合，针对中国中老年人群开发心血管疾病风险预测模型，并通过SHAP方法提供风险因素的定量贡献分析，实现了预测准确性与临床可解释性的优化结合	模型基于CHARLS队列数据，需要在独立队列中进行外部验证以确立普适性；SHAP分析的重要性反映的是统计贡献而非因果关系	开发并验证一个针对中国中老年人群的心血管疾病长期风险预测模型，实现预测准确性与临床可解释性的平衡	中国中老年人群（年龄≥45岁）	机器学习	心血管疾病	机器学习，可解释人工智能	梯度提升机，线性模型，非线性模型，集成学习，深度学习	纵向队列数据	8080名参与者（年龄≥45岁），其中5699人用于训练，1248人（21.9%）在随访期间发生心血管事件	未明确指定，但可能包括Scikit-learn等	梯度提升机	AUC, 特异性, 阳性预测值, 敏感性	NA
3024	2026-02-28	A transparent, lightweight and sustainable Green Learning AI model for prostate cancer detection on MRI 2026-Feb-26, BJU international IF:3.7Q1 DOI:10.1111/bju.70203 PMID:41749494	研究论文	开发了一种透明、轻量级的Green Learning AI模型，用于在MRI上自动分割前列腺并检测临床显著前列腺癌	提出了一种新型透明且轻量级的Green Learning模型，相比传统深度学习模型参数更少、计算量更低，且与PI-RADS结合能显著提升检测性能	研究样本量有限（602例MRI），且仅基于3-T MRI和活检数据，未涉及多中心或外部验证	开发自动化前列腺分割和临床显著前列腺癌检测的机器学习模型	接受3-T MRI和前列腺活检的男性患者	数字病理学	前列腺癌	MRI, 前列腺活检	Green Learning, U-Net	MRI图像	602例MRI（训练集483例，测试集119例），其中224例有临床显著前列腺癌	NA	Green Learning, U-Net	Dice相似系数, AUC	NA
3025	2026-02-28	Artificial intelligence for personalized multiple micronutrient supplementation in maternal health 2026-Feb-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70911 PMID:41755349	研究论文	本文提出了一种利用人工智能（特别是深度学习和自然语言处理）来个性化孕期多种微量营养素补充（MMS）的概念模型，旨在通过整合多模态健康数据改善母婴营养与健康结局	引入了“营养数字孪生”概念，利用AI整合电子健康记录、可穿戴设备、基因组数据等多源信息，模拟不同补充方案下的营养需求与母婴结局，实现风险分层和个性化补充策略	依赖高质量、多样化的数据输入，伦理、公平性和模型透明度是关键挑战，且需在实际临床环境中进行前瞻性验证以确保可信度	探索AI在孕期个性化多种微量营养素补充中的应用，以优化母婴营养干预策略	孕期女性，特别是面临营养不良或微量营养素缺乏风险的群体	自然语言处理, 机器学习	NA	深度学习, 自然语言处理, 多模态数据整合	深度学习模型, NLP算法	电子健康记录, 可穿戴传感器数据, 营养与生育应用日志, 基因组标记, 社会人口学信息, 非结构化文本数据	NA	NA	NA	NA	NA
3026	2026-02-28	Intelligent Real-Time Acid Rain Sensing Platform Enabled by Curvature-Engineered Droplet-Based DC Nanogenerator with 4500 V Output 2026-Feb-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c23721 PMID:41684103	研究论文	本研究提出了一种基于曲率工程优化的全电流纳米发电机，构建了一个用于实时酸雨监测的智能传感平台	通过曲率工程优化流体-固体耦合动力学并调控界面电场梯度，增强了固液界面电荷载流子的时空分离与泵浦积累，从而提高了基于液滴的纳米发电机平台的电荷转移效率	NA	开发用于酸雨监测的下一代物联网环境监测平台	酸雨	机器学习	NA	NA	CNN	电流信号	NA	NA	ResNet18-1D	准确率	NA
3027	2026-02-28	Research Progress in Machine Learning Techniques for Metal-Organic Framework Screening 2026-Feb-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21454 PMID:41693125	综述	本文综述了机器学习技术在金属有机框架筛选中的研究进展，包括数据驱动方法、特征工程演变、高级算法框架的应用以及未来发展方向	系统分析了机器学习在MOF筛选中的现状，强调了数据真实性、更新频率对模型可靠性的影响，并探讨了从手动特征工程到自动表示学习的演变，以及深度学习、主动学习和Transformer等高级框架的具体适用性	现有主流MOF数据库存在局限性，数据真实性和更新频率可能影响模型可靠性，未来需整合高保真实验数据并提升模型可解释性	探讨机器学习技术在金属有机框架筛选中的应用，以高效导航庞大的材料库，解决传统实验和计算筛选面临的挑战	金属有机框架材料	机器学习	NA	NA	图神经网络, Transformer	材料结构数据	NA	NA	NA	NA	NA
3028	2026-02-28	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出了一种创新的密集学习方法，以解决自动驾驶车辆安全性能停滞的问题	引入了一种基于理论发现的密集学习方法，通过按样本对策略梯度的贡献和暴露频率进行比例采样，优先考虑信息丰富的失败和成功样本，从而显著降低学习方差而无偏倚	未明确说明方法在更复杂或多样化交通环境中的泛化能力，以及计算成本的具体分析	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习模型	驾驶场景数据	未明确说明具体样本数量，但通过密集学习方法优化了训练数据集的信息密度	未明确说明	未明确说明	整体安全性能提升幅度（一至两个数量级）	未明确说明
3029	2026-02-28	TumorSageNet CNN hybrid architecture enables accurate detection of mango leaf pathologies 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40944-2 PMID:41741529	研究论文	本研究提出了一种基于深度学习的框架，用于芒果叶病理图像的分类，旨在实现芒果叶病害的早期精准检测	提出了一种新颖的混合神经网络架构，结合了EfficientNet-B7、LSTM和注意力机制，用于同时提取空间和时序特征，并利用Grad-CAM提供可解释的诊断热力图	研究仅使用了来自孟加拉国Rajshahi地区的800张芒果叶图像，数据集规模和地理多样性有限	开发一个可扩展、可解释且高性能的实时病害监测解决方案，以推进农业诊断技术，应对全球粮食安全挑战	芒果叶病理图像	计算机视觉	植物病害	深度学习	CNN, LSTM	图像	800张高分辨率芒果叶图像	NA	AlexNet, VGG16, VGG19, EfficientNet-B7, 自定义CNN, 混合模型（EfficientNet-B7 + LSTM + 注意力机制）	准确率, 精确率, 召回率, F1分数	NA
3030	2026-02-28	Soil microbiome prediction using traditional machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39537-w PMID:41741537	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3031	2026-02-28	Nondestructive sheet resistance prediction of silver nanowire transparent electrode with convolutional neural network 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40528-0 PMID:41741570	研究论文	本文提出了一种结合快速傅里叶变换和颜色度量特征的深度学习技术，用于预测银纳米线网络的薄层电阻	创新点在于将原始高分辨率光学显微镜图像、其快速傅里叶变换、平均颜色表示以及三者组合作为卷积神经网络的输入，以非破坏性方式预测薄层电阻并评估纳米线分布的非均匀性	NA	研究目的是通过深度学习技术非破坏性地预测银纳米线透明电极的薄层电阻，以提升透明导电电极技术在柔性电子、显示器和太阳能电池等新兴应用中的质量控制和材料信息学	银纳米线网络	计算机视觉	NA	快速傅里叶变换，光学显微镜成像	CNN	图像	NA	NA	NA	NA	NA
3032	2026-02-28	Improving acute lymphoblastic leukemia diagnosis through CBAM-enhanced VGG19 deep learning 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40184-4 PMID:41741572	研究论文	本研究提出了一种结合注意力机制的深度学习框架，用于从骨髓显微图像中自动检测和分型急性淋巴细胞白血病	将卷积块注意力模块（CBAM）与VGG19主干网络结合，构建了CBAM-VGG19混合网络，在空间和通道维度上分层增强关键形态学特征，从而提高了特征提取能力和分类精度	缺乏外部验证，且数据集规模较小，限制了其临床适用性	开发一种自动化的深度学习方法来改进急性淋巴细胞白血病的诊断和分型	骨髓显微图像，包括健康样本和急性淋巴细胞白血病样本	数字病理学	急性淋巴细胞白血病	显微成像	CNN	图像	NA	NA	VGG19, CBAM-VGG19, DenseNet121, InceptionV3, MobileNetV2	分类准确率	NA
3033	2026-02-28	Using deep learning to explore the impacts of street-view green space on school myopia prevalence: a multicenter, cross-sectional study 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40477-8 PMID:41741618	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3034	2026-02-28	Topological control of spontaneous failure in active nematic solids 2026-Feb-25, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02493-x PMID:41741734	研究论文	本研究通过实验和模型揭示了拓扑缺陷在活性向列固体中控制自发机械失效的机制	发现了多缺陷构型（特别是缺陷四极子）在活性材料断裂中的关键作用，并建立了深度学习模型从初始拓扑结构预测星状体形成	NA	探究拓扑缺陷如何集中内应力并控制活性材料中的断裂行为	重构的二维肌动球蛋白网络	机器学习	NA	活性固体断裂模型，深度学习	深度学习模型	实验数据	NA	NA	NA	NA	NA
3035	2026-02-28	De-identification Strategy and Re-identification Risks for Facial Computed Tomography Images via Deep Learning 2026-Feb-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01858-7 PMID:41741849	研究论文	本研究开发并评估了一种基于深度学习的头部CT图像选择性去标识化方法，该方法在保留面部骨骼结构的同时移除面部软组织特征，并评估了去标识化后的再识别风险	提出了一种基于YOLOv8的选择性去标识化方法，专门针对面部CT图像，在保护隐私的同时保留了关键的骨骼结构信息，并首次系统评估了该方法在深度学习模型和人类评估者中的再识别风险	研究数据仅来自单一医院的3091名面部骨折患者，可能限制了模型的泛化能力；未评估去标识化对临床诊断任务的具体影响	开发一种有效的面部CT图像隐私保护方法，在降低再识别风险的同时保持数据的临床可用性	面部CT扫描图像	计算机视觉	面部骨折	计算机断层扫描(CT)	CNN	医学图像	3091名患者的3206次面部CT扫描（共308,982张图像）	PyTorch	YOLOv8	mAP 0.5, 准确率	未明确说明
3036	2026-02-28	Artificial Intelligence and CT Neuroimaging in Dementia and Psychotic Disorders: A Viewpoint 2026-Feb-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01852-z PMID:41741853	综述	本文系统回顾了将人工智能（特别是深度学习）应用于痴呆症或精神病性障碍的CT脑成像研究，并评估了其方法学质量和临床转化潜力	首次系统综述了深度学习在精神病性障碍和痴呆症CT神经影像中的应用，并强调了在精神病领域研究的稀缺性及从痴呆症研究中可借鉴的见解	纳入研究数量有限（仅7项），所有预测性研究均存在高偏倚风险，报告质量（TRIPOD-AI/CLAIM依从性）不佳，且缺乏外部验证和代码可重复性	评估人工智能（特别是深度学习）在利用CT脑成像诊断或预测痴呆症及精神病性障碍方面的应用现状与潜力	痴呆症或精神病性障碍患者的CT脑部扫描图像	数字病理学	老年疾病	CT神经影像	深度学习	图像	样本量范围从65到917	NA	NA	NA	NA
3037	2026-02-28	A Novel Hybrid Large Language Model Approach for Reporting Panoramic Radiographs and Performance Comparison with Current Large Language Models 2026-Feb-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01880-9 PMID:41741852	研究论文	本研究提出了一种结合深度学习图像分析模型与LLM驱动的混合框架，用于提高全景X光片报告的可靠性	引入了一种混合框架，将基于YOLOv12的牙齿检测与分割模型的结构化输出与本地托管的大型语言模型（LLM）结合，显著减少了幻觉并提高了报告准确性	研究仅评估了50张未见过的X光片，样本量相对较小；商业LLM在报告中表现出100%的幻觉率，表明其在该任务中不可靠	开发一种可靠的人工智能辅助牙科放射学解释方法，提高全景X光片报告的准确性和减少幻觉	全景X光片	计算机视觉, 自然语言处理	牙科疾病	深度学习图像分析, 大型语言模型	YOLOv12, LLM	图像	30,954张全景X光片用于训练/验证/测试，50张未见过的X光片用于评估报告准确性	NA	YOLOv12, DeepSeek R1, Mistral, Llama 3.2, Gemma 3, Qwen3, SmolLM3	精确度, 召回率, F1分数, 结构有效性, 一致性, 响应延迟, 令牌长度	NA
3038	2026-02-28	Deep Learning-Based Prediction of Visual Field Mean Deviation from Numeric OCT Data in Glaucoma 2026-Feb-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01866-7 PMID:41741850	研究论文	本研究评估了使用深度学习模型基于光学相干断层扫描（OCT）的数值数据预测Humphrey视野分析仪（HFA）30-2平均偏差（MD）的可行性	首次直接利用OCT的像素级视网膜厚度数值数据，通过多种深度学习模型（包括CNN和视觉Transformer）进行视野平均偏差的回归和分类预测	研究为回顾性设计，样本量相对有限（1200只眼），且所有数据来自同一天采集，可能影响模型泛化能力	开发一种基于深度学习的系统，用于从OCT数值数据预测青光眼患者的视野平均偏差，以辅助青光眼诊断	青光眼患者和正常对照者的眼睛（共1200只眼，包括432只青光眼眼和768只正常眼）	计算机视觉	青光眼	光谱域光学相干断层扫描（OCT），Humphrey视野分析仪（HFA）30-2测试	CNN, Vision Transformer	数值数据（像素级视网膜厚度）	1200只眼（432只青光眼眼，768只正常眼）	NA	ResNet50, VGG16, InceptionV3, EfficientNetB0, DenseNet121, ViT, DeiT, BEiT	平均绝对误差, 决定系数, Bland-Altman分析, 基于阈值的判别指标	NA
3039	2026-02-28	Feasibility of predicting vertical cephalometric angles from panoramic radiographs using deep learning 2026-Feb-25, International orthodontics IF:1.8Q2 DOI:10.1016/j.ortho.2026.101156 PMID:41747359	研究论文	本研究评估了使用深度学习从全景X光片中预测垂直骨骼角度的可行性	首次利用深度学习模型从更常规获取的全景X光片中预测关键的垂直骨骼角度，而非依赖侧位头颅X光片	当前的预测误差尚不足以替代传统的头颅测量分析，需要更大的数据集和外部验证来提升准确性	评估人工智能是否能够从全景X光片中预测垂直骨骼角度，以辅助正畸诊断和治疗规划	715名患者的侧位头颅X光片和全景X光片	计算机视觉	骨骼畸形	X光成像	CNN	图像	715名患者	NA	EfficientNet-B3, DenseNet121, DenseNet169, ResNet-50, ResNet-101, VGG16, VGG19	平均绝对误差, 决定系数, 组内相关系数	NA
3040	2026-02-28	Extracellular matrix stiffness drives post-mitotic nuclear pore complex assembly to promote neuroblastoma pathogenesis 2026-Feb-24, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116858 PMID:41575851	研究论文	本文研究了细胞外基质刚度通过调控核孔复合体组装促进神经母细胞瘤发病的机制	揭示了细胞外基质刚度通过lamin A/C/E2F4/PLK1轴调控有丝分裂后核孔复合体组装的新机制	NA	探究细胞外基质刚度如何影响神经母细胞瘤的发病机制	神经母细胞瘤细胞、患者来源的类器官	数字病理学	神经母细胞瘤	超分辨率显微镜、深度学习算法、光漂白、CRISPR	NA	图像、临床样本数据	临床神经母细胞瘤样本、患者来源的类器官	NA	NA	NA	NA