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
3901	2026-02-18	Pituitary neuroendocrine tumor: evaluation with super resolution deep learning reconstruction : Research 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03819-3 PMID:41117831	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）算法在垂体神经内分泌肿瘤（PitNET）评估及垂体MRI图像质量方面的影响，并与传统零填充插值（ZIP）技术进行比较	首次将超分辨率深度学习重建算法应用于垂体MRI图像处理，以提升图像质量和评估一致性	研究为回顾性设计，样本量较小（仅29例患者），可能限制结果的普遍适用性	评估SR-DLR算法在垂体神经内分泌肿瘤MRI图像重建中的效果	29例垂体神经内分泌肿瘤患者	医学影像分析	垂体神经内分泌肿瘤	MRI成像，超分辨率深度学习重建	深度学习模型	MRI图像	29例患者	NA	NA	信噪比，对比噪声比，边缘上升斜率，半高全宽	NA
3902	2026-02-18	Enhancing reliability in electrical grids: A hybrid machine learning approach for electrical faults classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341238 PMID:41686863	研究论文	本研究提出了一种混合机器学习方法，用于对输电线路中的电气故障进行分类，以提高电网的可靠性	提出了一种新的混合机器学习模型（RF + DT + Stacking），并将其与多种经典机器学习算法和基础集成技术进行比较，强调了模型在性能、可解释性和计算效率方面的综合评估	未明确说明数据集的来源、具体规模或时间跨度，也未详细讨论模型在实时或大规模部署中的具体挑战	开发一种高效、准确的电气故障分类模型，以支持智能电网的主动维护和系统弹性	输电线路及其电气故障	机器学习	NA	NA	决策树, 随机森林, 朴素贝叶斯, K近邻, 支持向量机, AdaBoost, 集成学习	结构化数据（影响线路性能的各种属性）	NA	NA	NA	准确率, 精确率, 召回率, F1分数	NA
3903	2026-02-18	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文使用可解释的机器学习方法对结肠隐窝分支的两种模式进行定量分析	结合手工特征和深度学习模型，实现对结肠隐窝对称与不对称分支模式的分类，并强调模型的可解释性	未明确提及样本量或数据集的详细规模，可能影响模型泛化能力	改进炎症性肠病亚型的定量描述和组织学特征分析	结肠隐窝的分支模式	数字病理学	炎症性肠病	NA	集成模型, 深度学习模型	分割掩码图像	NA	NA	NA	平衡准确度	NA
3904	2026-02-18	Advancing Luciferase Activity and Stability beyond Directed Evolution and Rational Design through Expert Guided Deep Learning 2025-Aug-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.25.672183 PMID:40909496	研究论文	本研究提出了一种结合深度学习与结构引导理性设计的混合方法，以开发增强型NanoLuc荧光素酶变体，提升其热稳定性和高温活性	通过整合计算深度学习与结构引导理性设计，克服了传统定向进化和理性设计的局限性，有效优化了荧光素酶的稳定性-活性权衡	研究主要针对NanoLuc荧光素酶，其方法在其他酶类中的普适性仍需进一步验证	优化NanoLuc荧光素酶的热稳定性和高温活性，以改进生物成像和传感应用	NanoLuc荧光素酶（NLuc）及其工程变体	机器学习	NA	深度学习，分子动力学模拟，蛋白质折叠研究	深度学习模型	蛋白质序列和结构数据	工程变体库（包括变体B.07和B.09）	NA	NA	热稳定性增强（如50%溶解度下的温度增加），高温活性提升（如55°C下的活性百分比）	NA
3905	2026-02-18	Multimodal structural MRI synthesis pipeline across age 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254451 PMID:41335748	研究论文	本研究提出了一种基于深度学习的跨模态结构MRI合成模型，用于生成T1加权和T2加权磁共振成像数据，并探索了该模型在整个生命周期（从早期发育到老年）中的年龄相关效应	开发了一种能够整合年龄信息的跨模态MRI合成模型，覆盖从早期发育到老年的整个生命周期，这在现有研究中较为少见	未明确提及模型在临床环境中的验证或与其他合成方法的比较，可能缺乏广泛的泛化性评估	通过深度学习模型合成T1加权和T2加权MRI数据，以解决获取多模态结构MRI数据时资源密集和耗时的问题，并研究年龄对合成数据的影响	T1加权和T2加权磁共振成像数据，针对早期发育、青年成年和老年人群	医学影像分析	NA	磁共振成像	深度学习模型	图像	NA	NA	NA	均方误差, 峰值信噪比	NA
3906	2026-02-18	X2Graph for Cancer Subtyping Prediction on Biological Tabular Data 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253574 PMID:41336217	研究论文	提出一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据上进行癌症亚型预测	利用外部知识（如基因相互作用）将表格数据转换为图结构，从而应用标准消息传递算法进行建模	NA	在数据稀缺的医疗领域，特别是癌症诊断中，提升深度学习在表格数据上的性能	癌症亚型预测	机器学习	癌症	NA	图神经网络	表格数据	NA	NA	NA	NA	NA
3907	2026-02-18	Online Sequential EEG Emotion Recognition with Prototypical Alignment Based Transfer Model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253987 PMID:41336393	研究论文	提出一种基于原型对齐迁移模型的在线序列脑电信号情绪识别方法，用于解决模型在新数据上适应性差和训练数据缺乏主体独立性的问题	在在线学习环境中引入跨主体迁移学习模型，通过选择性修剪和重新初始化模型参数快速适应新主体，并采用增强的领域对抗神经网络策略在迁移学习框架内对齐情感类别的原型特征	未明确说明模型在不同情绪类别间的泛化能力，也未讨论实时在线学习过程中的计算延迟问题	开发一种能够快速适应新主体且保持高准确率的在线序列脑电情绪识别方法	脑电信号（EEG）	机器学习	NA	脑电信号采集	深度学习模型	时间序列数据（脑电信号）	SEED和SEED-IV数据集	PyTorch, TensorFlow	领域对抗神经网络（DANN）	准确率	NA
3908	2026-02-18	Silencer variants are key drivers of gene upregulation in Alzheimer's disease 2025-Apr-08, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.07.25325386 PMID:40297423	研究论文	本研究开发了一个深度学习框架，结合表观基因组数据来评估阿尔茨海默病相关非编码变异在背外侧前额叶皮层中的调控潜力，并识别了关键的沉默子变异	开发了一个结合bulk和单细胞表观基因组数据的深度学习框架，首次系统性地评估了非编码AD变异在特定脑区和细胞类型中的调控潜力，并成功区分了沉默子与增强子变异的不同功能类别	模型主要基于背外侧前额叶皮层数据，可能未完全捕捉其他脑区或疾病阶段的调控变化；预测结果与实验数据的平均相关性为0.54，仍有提升空间	阐明阿尔茨海默病相关非编码遗传变异的功能意义及其在疾病发病机制中的调控作用	阿尔茨海默病相关的非编码遗传变异、背外侧前额叶皮层及其主要细胞类型	机器学习	阿尔茨海默病	bulk表观基因组测序、单细胞表观基因组测序	深度学习	表观基因组数据	NA	NA	NA	皮尔逊相关系数、方向一致性率	NA
3909	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
3910	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
3911	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
3912	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
3913	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
3914	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
3915	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
3916	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
3917	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
3918	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
3919	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
3920	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