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
3121	2026-07-01	ATEdrug: A reliable human-in-the-loop annotation scheme for aspect term extraction and polarity detection in drug reviews 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344296 PMID:41955228	研究论文	提出一种基于人机协同的标注方案ATEdrug，用于药物评论中的方面词提取和极性检测	引入人类干预的自动标注机制，结合专家驱动的规则方法，减少手动标注工作量，并公开数据集促进药物安全性研究	NA	解决药物评论标注数据有限的问题，开发可靠的自动化标注方案用于方面词提取和极性检测，支持药物警戒	药物评论中的方面词和极性信息，涉及抑郁症、关节炎和节育三种医疗条件	自然语言处理	抑郁症, 关节炎, 节育相关健康问题	NA	深度学习模型	文本	NA	NA	BERT, BioBERT, ClinicalBERT	NA	NA
3122	2026-07-01	Pan-transcriptome analysis of pine wilt disease-resistant and susceptible Pinus species and a hybrid 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1743952 PMID:41960143	研究论文	基于深度学习的表型分析程序对松材线虫病的症状进行量化，并结合泛转录组学分析，揭示了抗病与感病松树物种在感染后的基因表达差异	开发了一个基于深度学习的表型分析程序，用于精确量化松材线虫病症状，并首次进行了跨物种的泛转录组学分析，揭示了抗病与感病松树在水分保持相关基因表达上的差异	研究仅限于五种松树物种和一个杂交种，可能无法完全代表所有松树物种的响应机制	探究松材线虫感染后，抗病与感病松树物种及其杂交种的表型变化和分子机制	五种松树物种（感病与抗病）及一个杂交种	计算机视觉, 机器学习, 转录组学	松材线虫病	RNA-seq, 深度成像	卷积神经网络	图像, 转录组序列	五种松树物种及一个杂交种	NA	NA	NA	NA
3123	2026-07-01	Analysis of retinal ganglion cell subtypes across six different inbred mouse strains 2026, Molecular vision IF:1.8Q3 PMID:41982463	研究论文	量化六种不同近交系小鼠视网膜神经节细胞亚型数量差异	首次系统比较六种近交系小鼠（C57BL/6J、BALB/cByJ、129X1/SvJ、A/J、CBA/CaJ和CAST/EiJ）视网膜神经节细胞总数及亚型（POU6F2、BRN3A、SATB2、OPN4、SMI32）的数量差异，并利用深度学习工具RGCode进行自动化定量分析	仅分析了六种近交系小鼠，未涵盖其他品系；SMI32亚型的差异未达到统计学显著性，可能因样本量或检测方法限制	评估不同近交系小鼠视网膜神经节细胞亚型数量的遗传变异，为眼科学研究中品系选择提供参考	六种近交系小鼠的视网膜神经节细胞亚型	数字病理学	青光眼	免疫染色	深度学习	图像	六种小鼠品系，每种品系样本量未明确说明	NA	NA	NA	NA
3124	2026-07-01	Deep learning enabled decision support systems in epilepsy surgery: a scoping review 2026, npj health systems DOI:10.1038/s44401-026-00103-1 PMID:42328681	综述论文	系统梳理了深度学习在癫痫手术决策支持系统中的应用现状	首次系统归纳深度学习在整个癫痫手术路径（术前、术中、术后）中的决策支持应用，并揭示了外部验证与工作流整合方面的关键不足	排除术中研究且术后应用较少，多数研究依赖小型单中心非公开数据集，外部验证和工作流整合评估不常见	绘制定量图谱，分析深度学习在癫痫手术各阶段和临床任务中的分布、数据集特征、建模实践及工作流整合状况	2018年1月至2025年5月间发表的145篇相关研究文献	机器学习	癫痫	NA	CNN	影像数据	145篇文献	NA	CNN	NA	NA
3125	2026-07-01	Interpretable machine learning via symbolic classification of radiomic texture and morphological features for pediatric pneumonia detection from chest X-rays 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351081 PMID:42329915	研究论文	提出一种基于符号分类的机器学习框架，通过放射组学特征（纹理和形态）从胸部X光片中检测儿童肺炎，并生成可解释的数学诊断公式	首次在儿童肺炎检测中引入单个公式的符号分类器，通过闭式诊断公式直接反映临床放射组学特征（熵、实体性和分形维数），相比黑箱深度学习模型参数数量减少数个数量级，实现内在可解释性	准确率（79.1%-87%）低于某些深度学习模型，公式在独立外部数据集上需要重新校准，研究基于特定数据集且样本受限	开发一种内在可解释的机器学习模型，用于儿童胸部X光片肺炎检测，替代依赖事后解释工具的深度网络	儿童胸部X光片中的肺炎病变检测	机器学习	儿童肺炎	放射组学特征提取（熵、实体性、分形维数分析）	符号分类器 (Symbolic Classifier)	图像	两个独立数据集（内部数据集和外部验证集），具体数量未在摘要中注明	NA	符号闭式公式	准确率 (Accuracy)，AUC	资源受限场景适用，未具体说明计算资源
3126	2026-07-01	RGB-based visual encoding of vibration data for gearbox fault diagnosis using U-Net segmentation model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350838 PMID:42329970	研究论文	提出一种将振动数值数据编码为RGB图像并使用U-Net分割模型进行齿轮箱故障诊断的新方法	首次将数值传感器数据转换为视觉格式，并采用U-Net分割模型实现高精度分类，改变传统信号处理范式	NA	实现基于图像深度学习模型的齿轮箱齿轮故障诊断	齿轮箱齿轮故障振动信号	计算机视觉	NA	振动信号编码	U-Net	图像	每个类别500张256×256像素图像	NA	U-Net	分类准确率, 平均精度均值	NA
3127	2026-07-01	Disease-specific data augmentation enhances deep learning classification of age-related macular degeneration, diabetic retinopathy, and glaucoma 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261461391 PMID:42370003	研究论文	评估六种数据增强技术对深度学习模型分类年龄相关性黄斑变性、糖尿病视网膜病变和青光眼的效果	首次系统比较多种数据增强技术在不同眼科疾病分类中的特异性效果，发现增强有效性取决于疾病类型	未提及具体局限	确定对年龄相关性黄斑变性、糖尿病视网膜病变、青光眼和正常眼底图像分类的最佳数据增强技术	眼底图像数据集，包含250例AMD、250例DR、250例青光眼和450例正常图像，共1200张	计算机视觉	年龄相关性黄斑变性, 糖尿病视网膜病变, 青光眼	数据增强	卷积神经网络	图像	1200张眼底照片（其中AMD、DR、青光眼各250例，正常图像450例）	Python	EfficientNet-B0	曲线下面积AUC, 准确率, 敏感性	NA
3128	2026-07-01	Power load forecasting combining deep learning models and improved CLPO algorithm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351428 PMID:42371869	研究论文	提出一种结合深度学习和改进鹦鹉优化算法的电力负荷预测模型，以提高预测精度和稳定性	通过加权重构组合时间卷积网络、LSTM和双向LSTM，并改进鹦鹉优化算法进行迭代优化和联合误差校正，同时引入基于连续学习的误差纠正机制抑制权重漂移和短时偏差	未提及	提升电力负荷预测的精度和稳定性，应对复杂非线性特征和极端天气条件	电力负荷数据	机器学习	NA	NA	CNN、LSTM、双向LSTM、组合深度学习模型	时间序列数据	NA（使用UK-NGED数据集，具体样本量未提及）	NA	时间卷积网络、LSTM、双向LSTM、鹦鹉优化算法	准确率、平均绝对误差、均方根误差	NA
3129	2026-07-01	Forecasting COVID-19 new cases using NBEATS deep learning and mobility data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350264 PMID:42371947	研究论文	提出一种使用N-BEATS深度学习模型和移动数据预测COVID-19新增病例的方法	首次将N-BEATS架构与移动数据（Google和Apple）结合用于COVID-19病例预测，并证明其优于LSTM-Markov基准模型	未提及	利用移动数据提升COVID-19新增病例预测的准确性和可解释性	美国、英国、俄罗斯和巴西四国的COVID-19新增病例趋势	机器学习	COVID-19	NA	N-BEATS	时间序列数据（COVID-19病例数据和移动数据）	来自Google、Apple和Our World in Data的四个国家COVID-19数据集	NA	N-BEATS, LSTM-Markov	均方根误差（RMSE），平均绝对百分比误差（MAPE）	NA
3130	2026-07-01	Automated spermatogenic staging in periodic acid-Schiff-stained testes of Sprague-Dawley rats using a deep learning model for normal and atrophied tissues 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337245 PMID:42371939	research paper	提出一种基于深度学习的目标检测模型和区域卷积神经网络，用于自动分析大鼠睾丸组织的生精周期分期，并应用于正常和萎缩组织的评估	首次将基于区域卷积神经网络的深度学习模型应用于PAS染色大鼠睾丸切片生精周期自动分期，并实现对萎缩组织的定量分析	仅使用了少量样本（16张大切片图像），且动物来源为单一品系（Sprague-Dawley大鼠），模型泛化性需进一步验证	开发自动化生精周期评估方法，提高病理学评估效率并减少人为偏差	Sprague-Dawley大鼠的睾丸组织切片（PAS染色）	machine learning	NA	PAS染色	CNN, 目标检测模型, 区域卷积神经网络	全切片图像	16张大切片图像，来自16只大鼠（训练集10张，测试集6张分别用于验证和推理）	NA	目标检测模型, 区域卷积神经网络	平均精度, 平均召回率	NA
3131	2026-07-01	Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	研究论文	提出了一种基于雾计算和增强深度学习技术的实时中风检测与监测系统	结合雾计算与IoMT设备实现实时中风监测，利用YOLOv8进行人脸检测，并采用提出的CNN模型进行分类	未提及具体局限性	开发一种用于早期中风检测的实时监测系统，以促进快速临床干预	患者面部图像	计算机视觉	中风	NA	CNN	图像	未提及具体样本量	NA	YOLOv8, CNN	准确率, 灵敏度, 特异度, 精确率, F1分数	雾节点
3132	2026-07-01	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于分割机械通气波形中的吸气与呼气起始点	首次将注意力门控U-Net架构应用于通气波形时间序列分割，在噪声真实数据中优于传统启发式方法，并能通过梯度加权类激活图解释模型决策特征	NA	实现机械通气波形的高精度实时分割，为患者-呼吸机异步事件的可重复量化提供基础	机械通气波形中的吸气与呼气起始点	机器学习	NA	NA	深度学习	时间序列波形	来自33名患者的9,719次呼吸	NA	注意力门控U-Net	F1分数	NA
3133	2026-07-01	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	利用深度学习模型分析MRI数据，发现上气道体积可预测青少年大脑结构及认知能力	首次在大规模青少年队列中应用深度学习技术进行上气道分割，并揭示上气道体积作为认知结局的生物标志物	未提及具体局限性	探讨上气道体积与青少年认知及大脑结构的关系	9-10岁青少年（共11,875名）	深度学习	儿童睡眠呼吸障碍	MRI	深度学习模型	大脑磁共振成像切片	5,552,640张大脑MRI切片	NA	深度学习模型	NA	NA
3134	2026-07-01	Transforming sleep medicine: the evolving role of artificial intelligence 2025-11-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001210 PMID:40855966	综述	探讨人工智能在睡眠医学中的演变角色及其对诊断和治疗的影响	系统总结了AI技术在阻塞性睡眠呼吸暂停、失眠和发作性睡病等睡眠障碍检测中的应用，并强调了基于睡眠障碍内分型实现个性化治疗的潜力	临床应用中存在伦理问题，包括患者隐私、数据使用偏见和透明度不足等挑战	解释AI在睡眠医学中的演变角色，为临床医生提供关于其益处和局限性的关键信息	睡眠医学领域，包括阻塞性睡眠呼吸暂停、失眠、发作性睡病等睡眠障碍	机器学习	睡眠障碍	NA	NA	文本	NA	NA	NA	NA	NA
3135	2026-07-01	Establishment of normative spleen volume in a Japanese cohort using automated CT segmentation: diagnostic implications for liver fibrosis 2025-Oct-30, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04383-z PMID:41168695	研究论文	利用基于深度学习的自动化CT分割建立日本人群的脾脏体积参考值，并评估其用于肝纤维化分期诊断的意义	首次通过深度学习分割技术为日本人群建立脾脏体积的标准化参考值，并基于预测残差定义脾肿大的Z评分阈值，用于无创性肝纤维化分期	外部队列样本量较小（仅136例肝病患者），且未包含对照组的健康人群数据	建立日本人群的脾脏体积参考值，并验证体积定义的脾肿大在肝纤维化分期中的诊断价值	日本健康成年人（4732例）及经组织学确认的肝病患者（136例）	计算机视觉	肝病	非增强腹部CT	深度学习分割模型	CT图像	4732例健康成人（数据集1）和136例肝病患者（数据集2）	NA	NA	Dice系数，平均绝对误差，曲线下面积（AUC）	NA
3136	2026-07-01	Pulmonary Blood Volumes on CT Predict Residual Pulmonary Hypertension Post-Pulmonary Endarterectomy 2025-Oct-22, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1093/ajrcmb/aanaf026 PMID:42085489	研究论文	基于CT的肺血容量预测肺动脉内膜剥脱术后的残余肺动脉高压	首次利用深度学习模型自动分割CTPA中动静脉并定量测量肺血容量，以预测PEA术后残余肺动脉高压	未提及明显局限性，但可能受限于回顾性设计和样本量	评估基于CTPA的肺血容量在预测PEA术后血流动力学结局中的应用价值	接受肺动脉内膜剥脱术（PEA）的慢性血栓栓塞性肺动脉高压（CTEPH）患者	机器学习和计算机视觉	慢性血栓栓塞性肺动脉高压	CTPA（计算机断层扫描肺血管造影）	深度学习血管分割模型	医学影像（CTPA）	发现队列71例，验证队列102例	NA	深度学习血管分割模型（具体架构未指定）	AUROC	NA
3137	2026-07-01	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	提出一种基于时空Transformer的癫痫发作嵌入图，用于比较药物难治性癫痫患者基于颅内脑电图特征的发作模式	首次引入灵活处理不同电极数量和植入位置的时空Transformer模型，将临床颅内脑电图数据编码为嵌入向量，实现跨患者的发作特征定量比较	发作聚类未能在治疗或术后结局方面区分患者，且缺乏多模态数据整合，聚类结果与解剖区域和发作分类关联显著但预测能力有限	通过定量化颅内脑电图记录中的时空特征，建立新患者与既往病例之间的可比性，为药物难治性癫痫的手术治疗提供循证决策支持	药物难治性癫痫患者的癫痫发作事件，包括立体定向脑电图和皮层脑电图记录	机器学习	癫痫	颅内脑电图	Transformer	时间序列信号	102名受试者的882次临床癫痫发作记录	PyTorch	卷积层与时空位置编码器结合的Transformer	验证准确率	NA
3138	2026-07-01	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677755 PMID:41040270	研究论文	提出一种从静态蛋白质结构推断动态灵活性信息的深度学习框架，无需分子动力学模拟	利用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络实现灵活性与非灵活性分类，性能优于传统方法	对高度灵活性蛋白质的预测存在系统性低估，且不同二级结构类型（如α螺旋）的预测效果差异较大	开发无需分子动力学模拟即可从蛋白质静态结构预测动态灵活性的计算方法	来自ATLAS数据库的1,374条蛋白质链的标准化全原子分子动力学轨迹数据	机器学习	不适用	分子动力学模拟、高斯积分	一维卷积神经网络、循环神经网络、注意力机制	蛋白质结构坐标、30维高斯积分向量	1,374条蛋白质链，每条链对应标准化全原子分子动力学轨迹	PyTorch	注意力机制的一维卷积神经网络、循环神经网络	AUC、精确率、召回率、F1分数、R	未明确提及
3139	2026-07-01	Quantitative Computed Tomography Measures of Lung Fibrosis and Outcomes in the National Lung Screening Trial 2025-09, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202410-1048OC PMID:40208581	研究论文	研究国家肺部筛查试验中定量CT测量的肺纤维化与临床结局的关系	利用深度学习算法和定量成像技术，在大规模高风险人群中评估肺纤维化的意义	仅包括有吸烟史的高危人群，可能无法推广至其他人群	评估定量肺纤维化测量与临床相关结局的关联	国家肺部筛查试验中的参与者	计算机视觉	肺纤维化	低剂量CT扫描，CALIPER算法，深度学习UIP算法	深度学习模型（DL-UIP）	医学影像	11518名参与者	NA	CALIPER, DL-UIP	危险比（HR）	NA
3140	2026-07-01	Pulse Pressure, White Matter Hyperintensities, and Cognition: Mediating Effects Across the Adult Lifespan 2025-08, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70086 PMID:40413732	研究论文	研究脉压和平均动脉压对年龄与白质高信号负荷关系的介导作用，以及白质高信号负荷对认知功能的介导效应	发现脉压而非平均动脉压介导年龄与白质高信号负荷的关系，并验证白质高信号负荷在整个成年生命周期中作为认知评分的中介变量	样本量较小（231人），且为回顾性研究设计，可能存在未控制的混杂因素	探讨血压指标（脉压和平均动脉压）在年龄相关脑白质病变累积及认知功能下降中的中介机制	231名无中风和痴呆的成年人	机器学习	老年性疾病	磁共振成像（T2-FLAIR序列）	TrUE-Net深度学习工具	医学影像数据	231名成年人（来自Aging Brain Cohort研究）	NA	TrUE-Net	NA	NA