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
3281	2026-02-26	Deep learning radiomics models based on contrast-enhanced transrectal ultrasound for predicting distant metastasis in rectal cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1671887 PMID:41737487	研究论文	本研究开发了一种基于对比增强经直肠超声的深度学习放射组学模型，用于预测直肠癌患者的远处转移	首次结合对比增强经直肠超声成像与预训练的DenseNet201模型提取深度学习放射组学特征，构建集成临床与影像特征的预测模型	研究为回顾性单中心设计，需要进一步多中心前瞻性验证以确认临床适用性	预测直肠癌患者的远处转移，以辅助制定治疗策略	直肠癌患者	数字病理	直肠癌	对比增强经直肠超声成像	深度学习	超声图像	878名直肠癌患者	NA	DenseNet201	AUC	NA
3282	2026-02-26	OpthaNet: Attention-Integrated Architecture for High-Precision Multi-Class Ophthalmic Image Classification 2026 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70067 PMID:41737479	研究论文	本研究评估了预训练深度学习模型在眼底图像上进行多类眼科疾病分类的效果，并提出了注意力增强的架构优化	通过注意力增强特征细化模块和自定义分类器优化了EfficientNetB3和MobileNetV2，并采用META定制优化了视觉Transformer，针对眼科迁移学习中特征选择性不足和过拟合问题提出了解决方案	研究可能受限于训练数据规模，且未在更广泛的外部数据集上进行验证	开发高精度、计算高效的多类眼科疾病分类模型，以支持早期检测和临床决策	眼底图像中的白内障、糖尿病视网膜病变和青光眼	计算机视觉	眼科疾病	深度学习	CNN, Transformer	图像	NA	NA	EfficientNetB3, MobileNetV2, vision Transformer	准确率	NA
3283	2026-02-26	An attention-augmented lightweight convolutional framework for fine-grained plant leaf disease classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1762956 PMID:41738049	研究论文	本文提出了一种名为ALNet的新型轻量级CNN模型，用于细粒度植物叶片病害分类，旨在实现高分类精度同时减少参数数量	提出了一种结合注意力机制的轻量级卷积框架ALNet，其核心分类器受ResNet、SENet、EfficientNet、SqueezeNet和ShuffleNet等预训练模型启发，参数数量仅为0.17百万，比最轻量模型SqueezeNet少18倍	未明确提及模型在更广泛植物病害数据集或实际田间环境中的泛化能力测试	开发一个高精度、轻量化的模型，用于植物叶片病害的细粒度分类，便于在云平台和边缘设备上部署	植物叶片病害图像，具体包括葡萄、苹果和樱桃的病害叶片	计算机视觉	植物病害	深度学习，图像分类	CNN	图像	使用了三个不同的数据集，具体样本数量未在摘要中明确说明	未明确提及，推断可能为PyTorch或TensorFlow	ALNet（自定义架构，包含stem、core和head三个主要模块）	准确率	未明确提及具体GPU或云平台，但提到模型易于部署在云平台和边缘设备
3284	2026-02-26	Artificial Intelligence for Microbiology and Microbiome Research 2025-Dec-18, ArXiv PMID:41445807	综述	本文全面回顾了人工智能在微生物学和微生物组研究中的应用，涵盖技术进展和生物学见解	强调了AI在微生物学领域的变革性作用，并提供了从传统机器学习到深度学习方法的指导	NA	概述AI驱动的方法在微生物学和微生物组研究中的应用，以增强对微生物生命及其影响的理解	微生物学和微生物组研究	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
3285	2026-02-26	Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration 2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3877 PMID:41312911	评论	本文讨论了将动态全场光学相干断层扫描与人工智能相结合，用于术中乳腺癌诊断的变革潜力	提出将D-FFOCT的高分辨率实时成像与AI（特别是深度学习算法）相结合，以非破坏性方式显著提升术中诊断速度和准确性	实施挑战包括需要高质量数据集以及解决算法偏差问题	优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后	乳腺癌组织样本	数字病理学	乳腺癌	动态全场光学相干断层扫描	深度学习	图像	NA	NA	NA	诊断准确性, 速度	NA
3286	2026-02-26	Automated tumor stroma ratio assessment in colorectal cancer using hybrid deep learning approach 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24229-8 PMID:41266465	研究论文	本研究提出了一种混合深度学习方法，用于结直肠癌中肿瘤-间质比的自动评估	首次引入结合Transformer机制的集成深度学习方法，以增强TSR评估中的空间上下文理解，解决了传统纯CNN模型的局限性	未明确说明	开发一种自动、客观且稳健的结直肠癌肿瘤-间质比评估方法	结直肠癌组织切片图像	数字病理学	结直肠癌	全切片图像分析	CNN, Transformer	图像	NA	NA	CNN-Transformer UNET, Efficient-TransUNet	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 聚合Dice系数	NA
3287	2026-02-26	Wearable interactive full-body motion tracking and haptic feedback network systems with deep learning 2025-Sep-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63644-3 PMID:41022813	研究论文	本研究提出了一种结合全身运动跟踪与实时双向触觉反馈的低成本可穿戴系统	整合柔性贴片式表皮触觉设备与远程机器学习框架，实现全身运动捕捉和个性化时间同步反馈，采用闭环设计支持实时双向触觉提示	NA	开发一种成本效益高的运动跟踪系统，结合全身运动分析与实时双向触觉反馈	可穿戴交互式全身运动跟踪与触觉反馈网络系统	机器学习	NA	深度学习	NA	运动数据	NA	NA	NA	NA	NA
3288	2026-02-26	Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding 2025-09, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110519 PMID:40716748	研究论文	本研究利用深度学习模型结合质谱分析，探索Hsp90蛋白的翻译后修饰（PTM）互作及其与药物结合的调控机制	首次将深度学习AI预测模型与质谱分析相结合，用于解析Hsp90等复杂蛋白质的PTM互作网络，提供了一种高效快速的研究方法	研究主要基于人类细胞系，可能无法完全反映体内复杂环境；深度学习模型的泛化能力有待进一步验证	探究Hsp90蛋白的翻译后修饰互作机制及其对药物结合的影响	热休克蛋白-90（Hsp90）及其翻译后修饰（磷酸化和乙酰化）	机器学习	癌症	质谱分析	深度学习	质谱数据	人类细胞系（HDAC3和HDAC8敲除细胞）	NA	NA	NA	NA
3289	2026-02-26	Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer 2025-07, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110242 PMID:40381695	研究论文	本研究整合了基于机器学习的多模态放射组学和转录组学，开发了用于预测食管癌放疗敏感性和预后的模型	首次将SEResNet101深度学习模型应用于食管癌的影像和转录组数据，并识别出与预后相关的关键基因STUB1、PEX12和HEXIM2，同时揭示了STUB1通过泛素化降解SRC蛋白来增强放疗敏感性的新机制	研究数据主要来源于公开数据库UCSC Xena和TCGA，可能缺乏外部验证队列；实验验证仅限于体外和体内模型，尚未进行大规模临床验证	开发预测食管癌放疗敏感性和预后的模型，以实现个体化放疗计划	食管癌患者	机器学习	食管癌	放射组学，转录组学	深度学习	影像数据，转录组数据	来自UCSC Xena和TCGA数据库的食管癌患者数据（具体样本数未明确说明）	NA	SEResNet101	生存概率分层	NA
3290	2026-02-26	A new age in structural S-layer biology: Experimental and in silico milestones 2025-06, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了近五年来S层蛋白结构研究的主要进展，包括实验结构测定和计算建模方面的突破	首次系统探讨了计算建模方法在S层蛋白研究中的应用，并展望了计算方法如何进一步推动对该蛋白结构的理解	NA	总结S层蛋白结构生物学领域的最新研究成果和方法进展	细菌和古菌中的表面(S-)层蛋白	结构生物学	NA	高分辨率成像，深度学习结构预测	深度学习模型	蛋白质结构数据，成像数据	NA	NA	NA	NA	NA
3291	2026-02-26	Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer 2025-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.642107 PMID:40161587	研究论文	本研究通过空间单细胞成像和单细胞RNA测序分析肝细胞癌，开发了基于深度学习的空间动态网络策略，揭示了肿瘤细胞状态与微环境之间的空间共依赖性	首次提出“肿瘤细胞村庄”概念，并利用深度学习策略构建空间动态网络，揭示肿瘤细胞状态与微环境之间的特异性分子共依赖性及其对患者预后的影响	研究样本量相对有限（50个肿瘤生物样本），且仅针对肝细胞癌，未涉及其他癌症类型	探究肝细胞癌中肿瘤空间景观的形成机制及其对肿瘤适应性的影响	肝细胞癌肿瘤组织中的细胞及其微环境	数字病理学	肝癌	空间单细胞成像, 单细胞RNA测序	深度学习	图像, 基因表达数据	超过200万个细胞，来自50个肿瘤生物样本	NA	NA	NA	NA
3292	2026-02-26	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个基于深度学习的决策框架，用于预测乳腺癌放疗的剂量分布，以辅助选择最佳治疗技术（IMRT或3D-CRT）	利用2D U-Net CNN模型预测剂量分布图和DVH指标，构建了一个决策框架，显著优于历史决策方法，在准确率、召回率和精确率上表现更优	研究基于回顾性数据集，且仅涉及两个医疗中心，可能受到CT系统、剂量学协议和临床实践差异的影响，外部验证样本量较小（30例）	开发一个深度学习决策框架，以预测剂量分布并辅助选择乳腺癌放疗的最佳治疗技术	乳腺癌患者，特别是接受IMRT和3D-CRT治疗的患者	数字病理学	乳腺癌	强度调制放射治疗（IMRT），三维适形放射治疗（3D-CRT）	CNN	图像（CT图像）	346例患者用于训练和微调，30例患者用于外部验证	NA	U-Net	Dice相似系数（DSC），剂量体积直方图（DVH）分析，准确率，召回率，精确率	NA
3293	2026-02-26	Precision cotton disease detection via transformer models applied to leaf imagery 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1743264 PMID:41736992	研究论文	本文提出了一种基于Transformer架构的深度学习框架，用于自动分类棉花叶片病害	首次将多种Transformer模型（ViT、Swin Transformer、DeiT、T2T-ViT）应用于棉花叶片病害检测，并采用分层K折交叉验证确保模型评估的鲁棒性	仅针对四种棉花病害类别进行研究，未涵盖更广泛的病害类型或环境变异	开发高精度的棉花叶片病害自动检测系统，以提升农业监测效率	棉花叶片图像（包含卷叶病毒、细菌性疫病、枯萎病和健康叶片四种类别）	计算机视觉	植物病害	深度学习图像分类	Transformer	图像	未明确说明具体样本数量，但包含四种类别的棉花叶片图像数据集	未明确说明	Vanilla Vision Transformer (ViT), Swin Transformer, DeiT, T2T-ViT	准确率	未明确说明
3294	2026-02-26	Deep learning analysis of MRI to assess rectal cancer treatment 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1643852 PMID:41737732	研究论文	本研究开发了深度学习模型，用于直肠癌治疗前后MRI图像的自动肿瘤分割，并通过影像组学特征区分临床完全缓解与非完全缓解患者	采用半监督学习与伪标签数据显著提升了治疗前MRI肿瘤分割性能，并利用影像组学聚类揭示了与治疗反应状态一致的患者分组	样本量较小（37例），且治疗后分割因组织变化面临挑战，影像组学特征需在更大规模多中心研究中验证	开发客观定量的工具，以改善局部晚期直肠癌治疗反应的评估	局部晚期直肠癌患者的治疗前后MRI图像	数字病理	直肠癌	MRI, 影像组学分析	深度学习模型	MRI图像（T2加权图像, ADC图）	37例局部晚期直肠癌患者（来自II期TNT试验），额外81例用于伪标签生成	NA	NA	Dice相似系数, ICC, Spearman相关系数	NA
3295	2026-02-26	Ultrasensitive Wearable Pressure Sensors with Stress-Concentrated Tip-Array Design for Long-Term Bimodal Identification 2024-11, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202406235 PMID:39007254	研究论文	本文报道了一种采用应力集中尖端阵列设计和自粘附界面的超灵敏可穿戴压力传感器，用于提高检测极限和长期双模态识别	设计了具有不同杨氏模量的双锥微结构以提高机械传递效率，并开发了自粘附水凝胶以增强传感器-皮肤界面，结合深度学习双模态融合网络显著提高了疲劳驾驶识别的准确性	未明确说明传感器的长期稳定性测试细节、大规模生产的可行性以及在不同环境条件下的性能表现	开发高性能可穿戴压力传感器，用于长期实时监测生理信号并实现高精度疲劳驾驶识别	可穿戴压力传感器及其在脉搏信号和眼肌运动监测中的应用	机器学习	NA	压力传感技术、微结构设计、水凝胶界面工程	深度学习双模态融合网络	压力传感器信号、生理信号（脉搏、眼肌运动）	NA	NA	双模态融合网络	准确率	NA
3296	2026-02-26	Machine-learning based prediction of future outcome using multimodal MRI during early childhood 2024-11, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2024.101561 PMID:39528363	综述	本文综述了基于机器学习的多模态MRI在早期儿童期预测未来神经发育和临床结果的应用	整合多模态MRI（sMRI、dMRI、fMRI、pMRI）与机器学习方法，增强对早期脑发育的预测能力，并探索作为早期检测和个性化干预的生物标志物	综述性文章，未提供具体实验数据或模型性能的详细分析，主要基于现有研究的总结	探讨利用早期儿童期的多模态MRI数据预测未来神经发育和临床结果，以支持早期检测和干预	早期儿童（从胎儿期至出生后两年）的脑发育过程	机器学习	精神疾病和神经系统疾病	多模态MRI（包括结构MRI、扩散MRI、功能MRI、灌注MRI）	机器学习、深度学习	多模态MRI图像	NA	NA	NA	NA	NA
3297	2026-02-26	Gunshots detection, identification, and classification: Applications to forensic science 2024-11, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2024.09.007 PMID:39638481	综述	本文综述了枪声检测、识别与分类技术在法医科学中的应用，分析了枪声的声学特性及其影响因素，并评估了现有机器学习方法的组件	系统分析了枪声声学特性在法医科学中的适用性与局限性，并指出深度学习驱动的神经网络将成为主导趋势	由于数据和评估标准差异，不同算法比较存在挑战	旨在为安全系统和法医分析开辟新前沿	枪声事件	机器学习	NA	声学分析	神经网络	音频	NA	NA	NA	NA	NA
3298	2026-02-26	An effective deep learning-based approach for splice site identification in gene expression 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241266588 PMID:39051530	研究论文	本文提出了一种基于深度学习的计算机辅助诊断技术，用于快速准确识别基因表达中的剪接位点序列	利用长短期记忆网络从RNA序列中提取独特模式，实现快速准确的点突变序列映射，并通过与现有方法的比较验证了其优越性	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种精确可靠的计算机辅助诊断技术，用于快速正确识别剪接位点序列	真核生物基因表达中的mRNA剪接位点序列	自然语言处理	NA	RNA序列分析	LSTM	序列数据	NA	NA	LSTM	准确率	NA
3299	2026-02-26	Early and late blight disease identification in tomato plants using a neural network-based model to augmenting agricultural productivity 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241275371 PMID:39262392	研究论文	本研究开发了一种基于Inception-V3架构的神经网络模型，用于识别番茄植株的早疫病和晚疫病，旨在提高疾病识别准确率并促进农业生产	利用深度学习技术（Inception-V3架构）对番茄叶片疾病进行自动分类，相比传统方法提高了识别效率和准确性	研究仅使用PlantVillage数据集中的6000张图像，可能无法涵盖所有田间变异情况；未提及模型在真实农业环境中的泛化能力测试	通过深度学习技术提高番茄叶片疾病的识别准确率，以增强农业生产力和经济效益	番茄植株的叶片，特别是受早疫病和晚疫病影响的叶片	计算机视觉	植物病害（番茄早疫病和晚疫病）	深度学习图像分类	CNN	图像	6000张番茄叶片图像（来自PlantVillage数据集）	NA	Inception-V3	准确率	NA
3300	2026-02-26	Innovative entrepreneurial market trend prediction model based on deep learning: Case study and performance evaluation 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241272722 PMID:39205470	研究论文	本文提出了一种基于深度学习的创新性创业市场趋势预测模型，并通过案例研究和性能评估验证了其有效性	结合历史市场数据与社交媒体情感分析等多源指标，构建了超越传统方法的先进预测模型	未明确说明模型的具体泛化能力或在不同市场环境下的适用性限制	提高创新与创业领域的市场趋势预测准确性，以支持决策制定	市场趋势数据，包括历史市场数据和社交媒体情感指标	机器学习	NA	深度学习	深度学习模型	历史市场数据、社交媒体文本数据	NA	NA	NA	准确性	NA