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
3881	2026-02-18	Multi-convolutional neural networks for cotton disease detection using synergistic deep learning paradigm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324293 PMID:40424461	研究论文	本文提出了一种基于多卷积神经网络和协同深度学习范式的棉花病害检测方法，旨在准确分类六种病害和健康类别	提出了一种结合MobileNet和VGG16特征提取的定制化StyleGAN进行合成数据生成，并采用基于StackNet的集成分类器，以解决类别不平衡和实时检测挑战	现有数据集大多在受控条件下获取，可能无法完全反映真实田间环境中的病害变异，且实时检测需求未在研究中充分验证	开发一种自动化方法，用于同时准确检测棉花作物中的多种病害，以提高产量并减少资源浪费	棉花作物及其六种病害（细菌性疫病、卷叶病毒、镰刀菌枯萎病、链格孢菌病、尾孢菌病、灰霉病）以及健康类别	计算机视觉	植物病害	深度学习	CNN, LSTM, SVM, Random Forest	图像	公开可用数据集，具体样本数量未明确说明	TensorFlow, PyTorch, Scikit-learn	MobileNet, VGG16, StyleGAN, StackNet	准确率	NA
3882	2026-02-18	Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102887 PMID:39469534	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较性能	首次对深度学习在感染性角膜炎诊断中的性能进行全面系统综述和荟萃分析，并直接与眼科医生的诊断准确性进行比较	分析基于图像，未考虑个体内潜在相关性；研究人群相对同质；缺乏深度学习阈值的预先设定；外部验证有限	评估深度学习在感染性角膜炎诊断中的准确性，并比较其与眼科医生的诊断性能	感染性角膜炎	数字病理学	感染性角膜炎	深度学习	深度学习模型	角膜图像	136,401张角膜图像，来自超过56,011名患者	NA	NA	灵敏度, 特异性	NA
3883	2026-02-18	YeastMate: neural network-assisted segmentation of mating and budding events in Saccharomyces cerevisiae 2022-04-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac107 PMID:35179572	研究论文	本文介绍了YeastMate，一个基于深度学习的用户友好应用程序，用于自动检测和分割显微镜图像中的酿酒酵母细胞及其交配和出芽事件	在Mask R-CNN基础上，通过自定义分割头对生命周期转换中的母细胞和子细胞进行子分类，并提供了Python库、独立图形用户界面应用程序和Fiji插件等多种易用前端	NA	开发一个自动化工具，用于检测和分割酿酒酵母细胞及其生命周期事件	酿酒酵母细胞及其交配和出芽事件	计算机视觉	NA	显微镜成像	CNN	图像	NA	PyTorch	Mask R-CNN	NA	NA
3884	2026-02-17	Deep learning-guided engineering of pectinase for enhanced catalytic performance in tobacco processing 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134028 PMID:41554444	研究论文	本研究利用深度学习指导果胶酶工程，通过ProteinMPNN和多重序列比对进行残基重设计，显著提升了酶的催化性能和热稳定性，并改善了烟草加工中的感官品质	采用深度学习（ProteinMPNN）结合多重序列比对进行果胶酶理性设计，实现了72个突变，催化活性提升8.9倍，热稳定性增加10°C，并首次将酶性能提升与终端产品（烟草）感官品质改善直接关联	未明确说明突变筛选的计算成本、实验验证的样本量细节，以及在其他工业底物中的普适性验证	通过深度学习指导酶工程，提升果胶酶的催化性能和工业应用潜力	果胶酶及其突变体	机器学习	NA	深度学习, 多重序列比对, 分子动力学分析	ProteinMPNN	蛋白质序列数据, 结构数据	NA	NA	ProteinMPNN	催化活性倍数提升, 最适温度变化, pH稳定性范围	NA
3885	2026-02-17	Accurate enzyme specificity constant prediction with iESC 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134067 PMID:41592658	研究论文	本文介绍了一种名为iESC的深度学习模型，用于仅基于酶序列和底物结构准确预测酶特异性常数（如K和k）	开发了首个仅依赖酶序列和底物结构即可预测酶特异性常数的深度学习模型iESC，显著优于现有最先进模型	未明确说明模型在未见酶或底物上的泛化能力，以及数据预处理可能引入的偏差	准确预测酶特异性常数（K和k），以替代传统耗时费力的实验测量方法	酶序列和底物结构	机器学习	NA	深度学习	深度学习模型	序列数据、结构数据	41,907个酶-底物动力学参数	NA	iESC	决定系数（R）、均方根误差（RMSE）、平均绝对误差（MAE）	NA
3886	2026-02-17	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Apr, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究开发了基于学龄儿童筛查性眼底摄影数据的深度学习模型，用于预测眼轴长度	首次利用接近正常的彩色眼底照片，结合年龄和屈光度等临床参数，通过深度学习预测儿童眼轴长度，并揭示了眼底血管区域对预测的重要性	研究样本仅来自6-10岁学龄儿童，未包含其他年龄段；纳入性别参数反而降低了模型性能，其机制尚不明确	开发能够利用筛查性眼底照片预测儿童眼轴长度的深度学习模型	6-10岁学龄儿童的彩色眼底照片及相关临床参数	数字病理	眼科疾病	彩色眼底摄影	CNN	图像	2779名儿童的3840张彩色眼底照片	PyTorch	ResNet101	相关系数R	NA
3887	2026-02-17	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	研究论文	本研究探讨了基于单次拍摄广域扫频源光学相干断层扫描血管成像（SS-OCTA）的视网膜新生血管（RNV）指标是否能预测高风险增殖性糖尿病视网膜病变（PDR）患者后续发生视力威胁性并发症的风险	首次利用广域SS-OCTA结合深度学习算法自动分割和量化RNV膜及血管区域，并基于RNV与内界膜（ILM）的轴向关系（抬高型与附着型）来预测并发症，为PDR的临床分期提供了新的影像学生物标志物	样本量较小（仅18只眼），随访时间中位数为291天，可能不足以全面评估长期并发症风险，且为单中心前瞻性病例系列研究，结果需更大规模研究验证	评估广域SS-OCTA衍生的RNV指标在预测高风险PDR患者发生玻璃体出血（VH）或牵引性视网膜脱离（TRD）等并发症方面的预测价值	临床分级为高风险PDR的眼部，来自三级医疗中心，并随访至少6个月	数字病理学	糖尿病视网膜病变	单次拍摄26×21毫米广域扫频源光学相干断层扫描血管成像（SS-OCTA）	深度学习算法	OCTA图像	18只高风险PDR眼	NA	NA	AUC, 敏感性, 特异性	NA
3888	2026-02-17	SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation 2026-Feb-16, The Analyst DOI:10.1039/d5an00794a PMID:41283740	研究论文	本文介绍了一个名为SpectralFlow的集成平台，用于光谱数据预处理和水果质量评估中的预测建模分析	开发了一个集成交互式光谱数据提取与预处理、内置模型库、自定义模型训练、数据集管理和可视化功能于一体的软件平台，解决了现有软件仅支持简单机器学习模型、缺乏复杂超参数调优和先进深度学习架构支持，以及对高光谱图像特征提取功能有限的问题	NA	开发一个集成平台以降低光谱分析的技术门槛，优化光谱数据分析并简化模型训练过程	水果（芒果、苹果、猕猴桃、梨）的质量评估	机器学习	NA	近红外光谱，高光谱成像	NA	光谱数据，高光谱图像	NA	NA	NA	准确率，R平方值	NA
3889	2026-02-17	Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning 2026-Feb-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae399c PMID:41544379	研究论文	本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性和鲁棒性	提出了两种全深度学习流程，包括两步法和直接法，用于从MRI直接预测质子剂量分布，并评估其对MRI强度畸变的鲁棒性	直接预测流程在治疗计划层面的平均相对误差较高，信息利用效率有待改进	研究基于MRI的质子剂量计算在盆腔区域的可行性	盆腔肿瘤患者	医学影像分析	盆腔肿瘤	磁共振成像，蒙特卡洛模拟	深度学习	MRI图像，CT图像	120名盆腔患者的MRI-CT配对数据	NA	NA	伽马通过率，平均相对误差	NA
3890	2026-02-17	Enhancing transcription factor regulatory network analysis through data balancing and representation learning 2026-Feb-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4239 PMID:41643219	研究论文	本研究提出了一种结合K-means++聚类与数据平衡策略的新方法，以增强转录因子与靶基因相互作用的预测，并通过深度学习提取异质生物网络的信息表示	通过K-means++聚类结合基于逆信息原理的数据平衡策略来缓解数据不平衡问题，并整合随机游走采样与skip-gram嵌入的深度学习以提取异质网络表示	未明确提及具体的数据集规模或外部验证结果，可能受限于所用生物数据的质量和覆盖范围	提高转录因子与靶基因相互作用预测的准确性，以支持基因调控网络分析和疾病机制研究	转录因子与靶基因的相互作用	机器学习	癌症	ChIP-seq, RNA-seq	深度学习	生物网络数据	NA	NA	skip-gram	AUC	NA
3891	2026-02-17	3D deep-learning radiomics from MR-T2WI for predicting placenta accreta spectrum disorders: A multicenter study 2026-Feb-16, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70874 PMID:41696788	研究论文	本研究开发了一种基于MR-T2WI的三维深度学习放射组学模型，用于预测胎盘植入谱系疾病的风险	首次结合三维深度学习与放射组学特征，通过多中心数据验证，显著超越传统放射组学、临床模型及放射科医生的诊断准确性	研究为回顾性设计，可能存在选择偏倚；模型性能在外部测试集上略有下降	预测胎盘植入谱系疾病的风险	疑似胎盘植入谱系疾病的患者	数字病理学	胎盘植入谱系疾病	磁共振成像	深度学习	三维医学图像	601例疑似病例（中心A 476例，中心B 63例，中心C 62例）	PyTorch	ResNet50, DenseNet121, ShuffleNet	AUC	NA
3892	2026-02-17	Bi-directional YOLOv10 with average convolution for brain tumor detection in MRI 2026-Feb-14, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111780 PMID:41691746	研究论文	本研究通过集成平均卷积模块和双向路径来增强YOLOv10模型，以提高MRI图像中脑肿瘤的检测精度	提出了两个创新模块：AvConv（平均卷积）模块和Bidirectional Pathway（双向路径），以提升YOLOv10模型在脑肿瘤检测中的性能	使用的数据集规模相对较小（分别为1116张和153张图像），可能限制了模型的泛化能力	开发一种更准确的自动化脑肿瘤检测方法，以辅助医学诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI	YOLO	图像	两个Kaggle数据集：数据集1包含1116张图像，数据集2包含153张图像	NA	YOLOv10	mAP50, mAP50-95	NA
3893	2026-02-17	Deep learning-based object detection of dental implant systems in panoramic and periapical radiographs 2026-Feb-14, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2026.01.029 PMID:41692618	研究论文	本研究开发并评估了一种基于深度学习的模型，用于在口腔全景X光片和根尖周X光片中自动识别7种牙种植体系统，旨在提高诊断效率并支持修复治疗的临床决策	首次将YOLOv10架构应用于牙种植体系统的自动检测，通过多尺度特征融合优化实时检测性能，并利用迁移学习处理类别不平衡问题	数据集存在类别不平衡问题（如Nobel种植体样本较少），且模型性能可能受到类似放射密度模式的影响，未来需要结合3D成像和异质数据集进行改进	开发自动化工具以解决牙种植体系统手动识别耗时、依赖操作者且易出错的问题，提升修复治疗的临床决策支持	7种牙种植体系统（Adin, Dentium, Dionavi, Make It Simple (MIS), Nobel, Noris, Osstem）在口腔X光片中的检测	计算机视觉	NA	X光成像（全景和根尖周放射影像）	CNN	图像	4677张匿名X光图像，包含8189个种植体	PyTorch	YOLOv10, CSPDarknet, PANet	精确率, 召回率, F1分数, 平均精度均值(mAP)	NVIDIA T4 GPU
3894	2026-02-17	Deep learning for histopathological diagnosis of esophageal squamous cell carcinoma in biopsies: A multicenter analysis 2026-Feb-14, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2026.01.230 PMID:41692642	研究论文	本文开发了一种基于深度学习的食管鳞状细胞癌活检诊断系统，并在多中心数据集上进行了验证	开发了首个用于食管鳞状细胞癌活检诊断的AI系统，并在多中心外部验证中展示了高准确性和泛化能力，同时显著减少了病理医生的诊断时间	模型在手术切除和内镜黏膜下剥离标本上的性能（AUC=0.827）略低于活检标本，可能受样本类型差异影响	开发并验证一种AI辅助诊断系统，以提高食管鳞状细胞癌活检标本的组织病理学诊断准确性和效率	食管活检、手术切除及内镜黏膜下剥离标本的H&E染色全切片图像	数字病理学	食管鳞状细胞癌	H&E染色，全切片图像扫描	CNN	图像	训练集515张WSI（含226例恶性），验证集50张WSI（22例恶性），内部测试集539张WSI（149例恶性），外部多中心验证945张WSI（351例恶性），手术/ESD标本173张WSI（131例恶性）	NA	DeepLab-v3, ResNet-50	AUC, 准确率, 灵敏度, 特异性	NA
3895	2026-02-17	Identification of a type 1 diabetes-associated T cell receptor repertoire signature from the human peripheral blood 2026-Feb-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adx7448 PMID:41686902	研究论文	本研究通过分析2250名参与者的T细胞受体β链序列，结合深度学习识别出与1型糖尿病相关的TCR基序，揭示了HLA风险等位基因对TCR库的限制作用	首次在大规模跨队列研究中，利用深度学习识别出T1D相关的TCR基序，并验证其在胰腺引流淋巴结中的存在，为基于TCR的诊断和治疗提供了新思路	研究为横断面设计，无法确定TCR基序与疾病进展的因果关系；样本主要来自外周血，可能未完全反映局部免疫反应	识别与1型糖尿病相关的T细胞受体特征，探索HLA等位基因对TCR库的影响	2250名HLA分型的参与者，包括1型糖尿病患者、健康相关及无关对照	机器学习	1型糖尿病	T细胞受体β链测序	深度学习	序列数据	2250名参与者	NA	NA	NA	NA
3896	2026-02-17	Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36732-7 PMID:41680218	研究论文	本文提出了一种使用RNN-LSTM模型自动生成桩身完整性测试速度反射图的新方法	首次将RNN-LSTM模型应用于桩身完整性测试的原始加速度数据，以自动生成速度反射图，减少对专家经验的依赖	研究数据仅来自埃及的打入桩项目，模型在其他类型桩基或地质条件下的泛化能力有待验证	开发一种人工智能系统，通过学习加速度输入中的波传播行为，准确生成能捕捉桩端位置的反射图	桩身完整性测试（LSIT）的原始加速度数据	机器学习	NA	低应变完整性测试（LSIT）	RNN-LSTM	时间序列数据（加速度信号转换的速度-时间序列）	来自埃及多个打入桩项目的LSIT数据（具体数量未在摘要中说明）	NA	六层、32个神经元的LSTM模型	决定系数（R）、计算开销、反射图视觉检查	NA
3897	2026-02-17	eccDNA2Ca: an ensemble deep learning framework for interpretable prediction of cancer-associated extrachromosomal circular DNA 2026-Feb-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.02.014 PMID:41687774	研究论文	本研究开发了一个名为eccDNA2Ca的可解释集成深度学习框架，用于直接从原始序列预测与癌症相关的染色体外环状DNA	首次提出一个专门设计用于基于序列特征优先考虑癌症相关eccDNA的可解释、公开可用的计算框架，整合了XGBoost与深度神经网络（CNN和LSTM）	未明确提及具体局限性	预测与癌症相关的染色体外环状DNA（eccDNA），并评估其功能或临床意义	人类染色体外环状DNA（eccDNA）	机器学习	癌症	NA	XGBoost, CNN, LSTM	序列	来自21项研究的465个经实验验证的人类eccDNA，涵盖16种癌症类型	XGBoost, TensorFlow或PyTorch（未明确指定，但基于深度学习框架）	集成框架（XGBoost, CNN, LSTM）	AUC, AUPR	NA
3898	2026-02-17	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026-Feb-12, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	本文综述了利用视网膜眼底成像作为非侵入性生物标志物预测心血管疾病（特别是先天性心脏病、获得性心脏病、瓣膜病和心肌病）的研究进展	系统性地聚焦于视网膜眼底成像在结构性心脏病预测中的应用，并探讨了深度学习、机器学习模型（包括新兴的Transformer和SAM模型）在此领域的潜力	数据集不平衡、纵向验证有限、AI模型的黑箱性质以及不同研究间性能比较的挑战	评估视网膜成像作为心血管疾病预测工具的可行性与准确性	先天性心脏病、获得性心脏病、瓣膜病和心肌病患者	数字病理学	心血管疾病	视网膜眼底成像	深度学习, 机器学习	图像	NA	NA	卷积神经网络, Transformer, Segment Anything Model	AUC, 敏感性	NA
3899	2026-02-17	Integrative profiling of condensation-prone RNAs during early development 2026-Feb-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.101065 PMID:41265448	研究论文	本研究通过整合转录组学分析，识别了一类在早期发育中易于凝聚的RNA，并利用可解释深度学习框架揭示了其序列特征与相分离的关联	首次识别并命名了一类新型发育凝聚倾向RNA（smOOPs），并利用可解释深度学习框架系统揭示了其序列组成、折叠特性及RNA结合蛋白结合模式在相分离中的作用	研究主要关注早期发育阶段，其他发育阶段或病理条件下的适用性尚未验证；深度学习模型的可解释性虽被强调，但具体生物学机制仍需进一步实验验证	探究RNA特征如何影响生物分子凝聚体的形成，特别是在早期发育过程中的作用	早期发育过程中易于凝聚的RNA（smOOPs）及其编码的蛋白质	机器学习	NA	转录组学分析	深度学习	RNA序列数据	NA	NA	NA	NA	NA
3900	2026-02-17	L2G-Net: Local-to-global feature enhancement via cluster tokens for 3D place recognition 2026-Feb-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108700 PMID:41691827	研究论文	本文提出了一种名为L2G-Net的新型网络，用于通过聚类令牌增强局部到全局特征，以提升3D点云地点识别的性能	设计了Point Feature Enhancement模块以增强局部特征，并引入Cluster Tokens Mamba和Cluster Tokens Cross Attention模块，通过聚类令牌有效捕获点云上下文信息并将局部特征一致性传递到全局描述符	未明确提及具体局限性	提升在GPS缺失环境下的3D点云地点识别性能，以支持长期SLAM和自主定位	3D点云数据	计算机视觉	NA	深度学习	CNN	3D点云	多个公开3D点云地点识别数据集	NA	L2G-Net	地点识别性能	NA