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
321	2026-06-07	StaticPigDetv2: Performance Improvement of Unseen Pig Monitoring Environment Using Depth-Based Background and Facility Information 2026-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s26020621 PMID:41600416	研究论文	提出一种利用深度背景和设施信息提升未见猪监测环境性能的方法	通过一次性预处理获取背景和设施信息，引入三个模块（BIG、FIG、BSI）提升检测精度和效率，无需模型重训练	仅针对固定摄像头猪圈监控场景，依赖深度背景和设施信息的准确获取	解决深度学习检测器在未见环境中精度与延迟的权衡问题，提升猪只监测性能	猪圈监控图像中的猪只	计算机视觉	NA	NA	深度学习检测器	图像	德国猪数据集训练，韩国河东猪数据集测试	NA	YOLOV12m	平均精度、延迟	Jetson Orin Nano
322	2026-06-07	Reliability of Handheld Ultrasound Assessment of Brachial Artery Flow-Mediated Dilation Using AI-Assisted Automated Analysis in Postmenopausal Women 2026-Jan-15, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010181 PMID:41597467	研究论文	评估AI辅助手持超声结合YOLO深度学习模型在绝经后女性中检测血流介导扩张的间隔日重测信度	首次将YOLO深度学习模型与手持超声结合，实现自动分析血流介导扩张图像，并评估其在绝经后女性中的重测信度	样本量较小（17人），且仅针对绝经后女性，未探讨其他人群或临床环境中的适用性	评估AI辅助手持超声结合YOLO深度学习模型在绝经后女性中检测血流介导扩张的间隔日重测信度	17名55-70岁绝经后女性	机器学习	心血管疾病	手持超声	YOLO	图像	17名绝经后女性，每次评估间隔7天	PyTorch	YOLO	组内相关系数（ICC）、变异系数（CV）、Bland-Altman分析	NA
323	2026-06-07	High-Fidelity rPPG Waveform Reconstruction from Palm Videos Using GANs 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020563 PMID:41600357	研究论文	提出一种基于生成对抗网络的从手掌视频重建高保真远程光电容积描记波形的框架	构建包含手掌区域视频和腕部PPG信号的新数据集，并提出基于GAN的脉冲波合成框架，结合时域峰值损失、频域损失和对抗损失，实现高保真rPPG波形重建	未直接验证健康监测性能，仅聚焦于波形形态准确性的改进	从数据和模型两方面实现高质量rPPG波形重建，为后续生理信号分析提供可靠基础	手掌区域视频和腕部PPG信号	计算机视觉, 深度学习	NA	远程光电容积描记术（rPPG）	生成对抗网络（GAN）	视频（手掌区域）和PPG信号	新收集数据集（包含手掌视频与腕部PPG信号配对），具体数量未明确	PyTorch, TensorFlow（推测）	GAN（生成器与判别器）	RMSE, MAPE, Pearson相关系数, 余弦相似度	NA
324	2026-06-07	EEG Signal Classification with Data Augmentation for Epileptic Focus Localization and Deep Sleep Detection 2026-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s26020474 PMID:41600271	研究论文	提出一种基于数据增强的EEG信号分类框架，用于癫痫病灶定位和深度睡眠检测	采用三种轻量级数据增强技术（时间平移、幅度缩放、噪声添加）提升深度学习模型的鲁棒性和泛化能力，在公共数据集上验证了简单增强方法对高基线准确率场景的额外提升效果	仅在两个公共数据集上验证，未涉及真实临床场景的复杂干扰；数据增强方法的选择和参数尚未系统优化	提高脑电信号分类性能，解决标注数据不足导致的模型泛化问题	癫痫病灶定位和深度睡眠检测两种生理与病理EEG任务	机器学习	癫痫	脑电图（EEG）	深度卷积网络（DeepConvNet、ShallowConvNet、EEGNet）	脑电信号	两个公共数据集（具体数量未在摘要中说明）	NA	DeepConvNet, ShallowConvNet, EEGNet	准确率	NA
325	2026-06-07	Enhancing EEG Decoding with Selective Augmentation Integration 2026-Jan-08, Sensors (Basel, Switzerland) DOI:10.3390/s26020399 PMID:41600214	研究论文	提出一种基于选择性增强集成的脑电信号解码框架，结合对比学习和自适应增强策略，有效应对脑电数据稀缺和噪声问题	提出端到端自适应增强框架NeuroBrain，创新性地融合对比学习与选择性增强策略，首次实现根据性能动态确定最优增强组合	未提及	提升脑电信号解码性能，解决数据稀缺和噪声问题	听觉脑电解码任务中的EEG信号	机器学习	神经疾病	EEG	对比学习	EEG信号	NA	PyTorch	NeuroBrain	准确率	NA
326	2026-06-07	DeepRMSF: a deep learning-based automated approach for predicting atomic-level flexibility in RNA structure 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf720 PMID:41529119	研究论文	提出深度学习模型DeepRMSF，从RNA三级结构预测原子级振动灵活性	首个直接从RNA三级结构预测局部灵活性的深度学习方法，实现比分子动力学模拟快3000倍的速度提升	仅适用于中等大小RNA（约75个核苷酸），且无法完全替代分子动力学模拟	开发高效自动化方法预测RNA结构的局部灵活性	371个非冗余RNA的原子级振动灵活性	机器学习	不适用	分子动力学模拟	深度学习模型	分子结构数据	371个RNA（311个用于五折交叉验证，60个作为独立测试集）	PyTorch	不适用	皮尔逊相关系数	不适用
327	2026-06-07	A comprehensive survey of genome language models in bioinformatics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf724 PMID:41537311	综述	全面综述基因组语言模型在生物信息学中的应用	系统梳理了基因组语言模型（gLMs）的架构（Transformer、Hyena卷积、状态空间模型）、序列分词策略、预训练策略及评估方法，并构建了下游任务分类体系	数据稀缺性、模型可解释性不足、计算资源需求高等挑战	综述基因组语言模型在生物信息学领域的发展现状与未来方向	基于DNA和RNA序列的基因组语言模型	自然语言处理	NA	基因组语言模型	Transformer, Hyena卷积, 状态空间模型	DNA和RNA序列数据	NA	NA	Transformer, Hyena卷积, 状态空间模型	监督学习、零样本学习、少样本学习指标	NA
328	2026-06-07	Predicting protein-carbohydrate binding sites: a deep learning approach integrating protein language model embeddings and structural features 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag008 PMID:41608988	研究论文	提出一种整合蛋白质语言模型嵌入和结构特征的深度学习模型DeepCPBSite，用于预测蛋白质-碳水化合物非共价结合位点	构建了集成三种样本处理策略（随机欠采样、加权过采样和类别加权损失）的ResNet+FNN集成模型，并系统比较了AlphaFold和ESMFold预测结构的特征，采用SHAP分析进行特征解释	未在文摘中明确提及局限性	开发计算工具预测蛋白质-碳水化合物非共价结合位点	非共价碳水化合物结合位点	机器学习	NA	蛋白质语言模型嵌入、结构特征提取	ResNet、FNN、集成模型	蛋白质序列和结构数据	来自RCSB、UniProt和CASP三个来源的独立数据集	NA	ResNet, FNN, DeepCPBSite（集成模型）	平衡准确率（balanced accuracy）、敏感性（sensitivity）、F1分数、MCC、AUPR	NA
329	2026-06-07	Personalized gene expression prediction in the era of deep learning: a review 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag022 PMID:41615288	综述	综述了深度学习在预测个性化基因表达方面的应用及面临的挑战	对比了深度学习模型与传统表达数量性状位点线性方法的性能，探讨了微调策略和基因组语言模型的新进展	深度学习模型在跨个体基因表达预测中仍难以优于线性模型，个性化预测的准确性和鲁棒性尚未解决	评估深度学习模型在个性化基因表达预测中的潜力与局限性	基因表达预测方法（深度学习模型与传统线性模型）	机器学习	NA	NA	深度学习、基因组语言模型	基因序列、表观基因组数据	NA	NA	NA	NA	NA
330	2026-06-07	Non-Contact Measurement of Human Vital Signs in Dynamic Conditions Using Microwave Techniques: A Review 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020359 PMID:41600153	综述	综述了在动态条件下使用微波和雷达技术进行人体生命体征非接触测量的最新进展	重点介绍了在受试者移动或进行日常活动时工作的解决方案，以及创新可生物降解和柔性天线设计，结合先进信号处理和深度学习算法	主要限制包括受试者间解剖变异性、运动伪影、硬件小型化和能效问题，仍限制广泛部署	探讨微波技术在动态条件下非接触测量人体生命体征（如呼吸、心率）的潜力，支持未来医疗和安全系统	人体生命体征（呼吸、心率及其他心肺参数）的测量	signal processing, deep learning	NA	微波、雷达、超宽带（UWB）、多普勒传感器、微波反射测量	深度学习	信号	NA	NA	NA	NA	NA
331	2026-06-07	Neurosymbolic AI Framework for Explainable Retinal Disease Classification From OCT Images 2026-Jan-05, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.1.6 PMID:41533847	研究论文	提出一种神经符号AI框架，结合CNN与符号推理层，基于OCT图像进行可解释的视网膜疾病分类	将卷积神经网络与基于专家定义的临床规则符号推理层相结合，实现透明且临床可解释的决策，尤其适用于罕见和复杂病情	未明确提及，但可能是对罕见类别的数据不平衡依赖或符号规则的可扩展性限制	提高视网膜疾病分类的准确性并增强模型可解释性	光学相干断层扫描图像及七种视网膜诊断类别	计算机视觉	视网膜疾病	OCT	CNN	图像	10,846张OCT图像	NA	CNN、符号推理层	宏精度、召回率、F1分数	NA
332	2026-06-07	Deep Learning-Based Segmentation of the Ulnar Nerve in Ultrasound Images 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010113 PMID:41597399	研究论文	评估深度学习分割方法在超声图像中检测尺神经的性能，并分析常见数据增强技术的影响	首次利用大规模尺神经超声数据集（来自545名患者的4789张图像）进行系统性分割模型与数据增强方法比较	未明确说明局限性	优化深度学习在尺神经超声图像分割中的应用	来自545名患者的4789张尺神经超声图像	计算机视觉	尺神经病变	NA	深度学习分割模型（包括U-Net等六种模型）	图像	545名患者的4789张超声图像	NA	U-Net及多种骨干网络架构	Dice系数、交并比（IoU）	NA
333	2026-06-07	Multi-Parameter Deep Learning Combined With Fluorescence Lifetime Imaging Microscopy for Non-Invasive and Label-Free Endometrial Cancer Screening 2026-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70228 PMID:41548887	研究论文	提出一种结合荧光寿命成像显微镜与多参数深度学习算法的无创、无标记子宫内膜癌筛查方法	首次将多参数深度学习与FLIM结合，利用NAD(P)H荧光参数（平均荧光寿命和蛋白结合分数）构建多参数模型，显著提升预测性能，实现100%敏感性和92%特异性	未说明（NA）	开发一种无创无标记的子宫内膜癌筛查技术，用于风险预测和临床筛查	宫颈脱落细胞中的NAD(P)H自身荧光信号	机器学习, 数字病理学	子宫内膜癌	FLIM（荧光寿命成像显微镜）	多参数深度学习模型	荧光寿命成像数据	71名参与者的宫颈脱落细胞样本	NA	NA	敏感性, 特异性, AUC	NA
334	2026-06-07	Single-inspiratory quantitative CT nomogram for enhanced PRISm and COPD differentiation: a cross-sectional study with interpretable diagnostic boundaries 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20575 PMID:41551461	研究论文	开发一种基于单次吸气定量CT的列线图，用于区分PRISm与COPD	首次整合实质、气道和血管参数构建单次吸气QCT列线图，以可解释的影像边界重新定义PRISm与COPD的鉴别诊断标准	单中心回顾性研究，未提及辐射剂量具体比较，缺乏外部验证	开发一种低辐射、可解释的单次吸气QCT列线图，以增强PRISm与COPD的鉴别诊断	658名来自宁波市第二医院的受试者（正常135例、PRISm 328例、COPD 195例）	计算机视觉	慢性阻塞性肺疾病	定量CT	逻辑回归	CT影像	658例受试者（正常135、PRISm 328、COPD 195）	NA	逻辑回归模型（共4个模型）	ROC-AUC	NA
335	2026-06-07	LeafAI: Interpretable plant disease detection for edge computing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335956 PMID:41576062	研究论文	提出一种混合AI方法，结合轻量级分类器和深度学习模型，用于边缘计算环境下的植物病害检测	提出两阶段混合AI方法，先使用轻量级机器学习分类器筛除健康叶片，再对病害叶片使用深度学习模型进行细粒度分类，结合可解释AI（Grad-CAM）提升模型透明度和特征提取效果	关于约3%的准确率损失需要进一步评估其对实际应用的影响；研究主要针对特定植物病害数据集，泛化能力需要更多验证	提升边缘计算场景下植物病害检测的计算效率、可解释性和可扩展性	植物叶片图像，包括健康叶片和病害叶片	计算机视觉	植物病害	传统机器学习分类器（Logistic Regression）、深度学习模型（ResNet、DenseNet、MobileNet、EfficientNet）	Logistic Regression和MobileNetV3的混合模型	图像	1,227张叶片图像用于大规模测试	NA	Logistic Regression, MobileNetV3, ResNet, DenseNet, EfficientNet	准确率、推理时间、CPU负载	入门级笔记本电脑
336	2026-06-07	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-Jan, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	research paper	利用深度学习MRI脑年龄预测，研究慢性卒中患者对侧半球神经可塑性与运动障碍的关联	首次结合区域脑年龄差异与病灶负荷，揭示对侧半球脑年龄降低与运动障碍的补偿性神经机制	NA	探究慢性卒中患者局灶性病灶损伤、双侧半球区域脑年龄与运动结局的关联，并识别运动障碍的关键预测因素	慢性卒中患者（卒中后>180天）及健康对照	machine learning	chronic stroke	MRI	graph convolutional network	image	501例慢性卒中患者（来自ENIGMA卒中恢复工作组数据集）和17791例健康个体（英国生物银行数据集）	NA	graph convolutional network	NA	NA
337	2026-06-07	A Structure-Based Deep Learning Framework for Correcting Marine Natural Products' Misannotations Attributed to Host-Microbe Symbiosis 2026-Jan-01, Marine drugs IF:4.9Q1 DOI:10.3390/md24010020 PMID:41590718	研究论文	开发一种基于结构的深度学习框架，用于纠正因宿主-微生物共生导致的海洋天然产物错误注释	首次结合微生物预训练的图神经网络和两步清洗策略，自动检测海洋天然产物数据库中的标签不一致与结构异常，并实现高准确率的起源分类与错误修正	NA	解决海洋天然产物因宿主-微生物共生导致的生物来源错误注释问题，支持更准确的生物合成基因簇追踪和AI驱动的药物发现	海洋天然产物及其宿主-微生物共生关系	机器学习	NA	图神经网络，结构化学分析	图神经网络	化学结构数据（分子结构）	使用CMNPD和NPAtlas数据集中的化合物，具体数量未明确，但包含3996个预测与动物标签矛盾的化合物	NA	微生物预训练的图神经网络	平衡准确率（85.56%）	NA
338	2026-06-07	Deep learning models to map osteocyte networks from confocal microscopy can successfully distinguish between young and aged bone 2026-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013914 PMID:41592113	研究论文	应用深度学习模型自动分割和测量共聚焦显微镜图像中的骨细胞网络，成功区分年轻与衰老骨骼	首次将深度学习与计算机视觉技术应用于骨细胞网络的全自动分割与测量，显著缩短分析时间（从130小时降至10秒），并证明Attention U-Net模型可达到足以区分年轻与衰老小鼠骨骼的精度	仍需进一步开发以提高对树突状过程的测量精度（42.1%），且当前模型在捕捉基因修饰诱导的退化方面仅部分有效	探索深度学习技术自动化骨细胞网络分割与测量，提高分析效率和准确性	小鼠股骨中的骨细胞网络	计算机视觉	骨骼衰老相关疾病	共聚焦显微镜	CNN、Transformer	图像	年轻（2月龄）和年长（36月龄）小鼠骨骼样本	NA	U-Net、Attention U-Net、Vision Transformer	准确率、召回率	NA
339	2026-06-07	Pathogenomic analysis reveals clinically relevant epithelial-mesenchymal plasticity in esophageal squamous cell carcinoma 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125381 PMID:41608573	研究论文	通过病理组学分析揭示食管鳞状细胞癌中具有临床意义的上皮-间质可塑性	整合病理图像和bulk RNA测序轮廓识别出具有EMT富集和免疫抑制的高风险亚型；通过单细胞和空间转录组学揭示EMT宏观状态及其空间分布；开发基于病理图像的深度学习模型预测基因表达空间分布	NA	探索食管鳞状细胞癌中上皮-间质转化(EMT)的机制及其临床诊断和靶向策略	食管鳞状细胞癌(ESCC)的肿瘤微环境异质性，特别是EMT进展	计算机视觉, 自然语言处理, 机器学习, 数字病理学	食管癌	RNA测序, 单细胞测序, 空间转录组学	深度学习模型	病理图像, RNA测序数据, 单细胞转录组数据, 空间转录组数据	NA	NA	NA	NA	NA
340	2026-06-07	Uralenol, Glycyrol, and Abyssinone II as potent inhibitors of fibroblast growth factor receptor 2 from anti-cancer plants: A deep learning and molecular dynamics approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341498 PMID:41615925	研究论文	本研究整合分子对接、深度学习、药代动力学分析和分子动力学模拟，从具有抗癌作用的植物化合物库中筛选成纤维细胞生长因子受体2（FGFR2）的潜在抑制剂	首次将分子对接、深度学习预测pIC₅₀和分子动力学模拟相结合，从传统抗癌药用植物化合物库中系统筛选FGFR2抑制剂	研究结果仅为计算预测，需要进一步的实验验证来确认化合物的实际抑制效果和治疗潜力	从传统抗癌药用植物中识别FGFR2的潜在抑制剂，为癌症治疗提供新的候选化合物	1350种来自51种传统抗癌药用植物的植物化学物	机器学习	癌症	分子对接、分子动力学模拟	深度神经网络	分子结构数据	1350种植物化学物，从中筛选出3种候选化合物（uralenol、glycyrol、abyssinone II）	AutoDock Vina	NA	pIC₅₀、结合亲和力	NA