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
4101	2026-02-15	Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342349 PMID:41671245	研究论文	本研究开发并验证了一个名为C2-Net的深度学习模型，用于术前快速、准确地评估C2椎弓根螺钉置入的可行性	开发了一个集成了图像分割模块和螺钉置入概率评估模块的自动化深度学习流程，用于C2椎弓根螺钉置入的术前评估，其性能与资深外科医生相当，并优于初级外科医生	未在更大规模、多中心的临床数据集中进行外部验证	开发并验证一个深度学习模型，以改进C2椎弓根螺钉置入的术前评估	C2椎弓根及其在CT图像中的形态	数字病理学	脊柱疾病	CT成像	深度学习模型	医学图像	未明确说明具体样本数量，但包含用于训练和测试的CT图像数据集	未明确说明	C2-Net	准确率, 灵敏度, 特异性	未明确说明
4102	2026-02-15	A unified vision-language model for cross-product defect detection in glove manufacturing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339867 PMID:41671274	研究论文	提出一种基于多模态大语言模型的统一缺陷检测框架，用于手套制造中的跨产品缺陷检测	采用两阶段微调策略（监督微调+强化微调），通过多维度可验证奖励函数优化视觉推理，实现单一模型处理多产品线和缺陷类型	仅在手套制造数据集上进行验证，未在其他工业场景测试泛化能力	解决工业质量控制中传统深度学习模型扩展性不足的问题	手套制造过程中的产品缺陷	计算机视觉	NA	多模态大语言模型	MLLM	图像, 文本	真实世界手套制造数据集（未明确数量）	NA	多模态大语言模型	平均精度均值	NA
4103	2026-02-15	The role of artificial intelligence in gastroenterology: current perspectives and future directions-narrative review 2026, Translational gastroenterology and hepatology IF:3.8Q2 DOI:10.21037/tgh-25-10 PMID:41675336	综述	本文是一篇叙述性综述，探讨了人工智能在胃肠病学领域的当前应用、历史发展、未来方向及其在诊断、管理和预后方面的作用	全面回顾了AI在胃肠病学中的历史与现状，特别聚焦于放射学诊断、内窥镜操作、疾病检测和临床决策支持等具体应用，并指出了未来发展的关键挑战与方向	作为叙述性综述，可能存在文献选择的主观性，未进行系统性荟萃分析；且主要基于英文文献，可能遗漏其他语言的重要研究	评估人工智能在胃肠病学领域的应用现状、潜力及未来发展方向	胃肠病学领域，包括胃肠道疾病（如息肉、肿瘤、炎症性肠病等）的诊断、管理和预后	NA	胃肠道疾病	NA	机器学习, 深度学习	NA	NA	NA	NA	准确性	NA
4104	2026-02-15	EC-Bench: a benchmark for enzyme commission number prediction 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag004 PMID:41675694	研究论文	本文介绍了EC-Bench，一个用于酶委员会编号预测的基准测试框架，旨在系统评估和比较现有方法	提出了首个统一的EC编号预测基准测试框架，整合了多种现有方法、性能指标和数据集，支持全面的比较研究	基准测试可能未涵盖所有最新方法，且数据集选择可能影响结果的普遍性	系统评估和比较酶委员会编号预测方法，以识别最有效的酶功能注释方法	酶蛋白质及其对应的EC编号	自然语言处理	NA	同源性分析、深度学习、对比学习、语言模型	深度学习模型、语言模型	蛋白质序列数据	NA	NA	NA	准确性、效率性能指标	NA
4105	2026-02-15	Deep Learning-Enabled Virtual Multiplexed Immunostaining of Label-Free Tissue for Vascular Invasion Assessment 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0226 PMID:41676162	研究论文	本文开发并验证了一种基于深度学习的虚拟多重免疫染色方法，用于无标记组织，以评估血管侵犯	提出了一种基于深度学习的虚拟多重免疫染色框架，能够从无标记组织的自发荧光显微图像中同时生成ERG、PanCK和H&E虚拟染色图像，避免了传统免疫组化的化学染色过程	未明确说明方法在其他癌症类型或更大样本量中的泛化能力，以及虚拟染色图像与真实染色图像之间可能存在的细微差异	开发一种虚拟多重免疫染色方法，以提高甲状腺癌血管侵犯评估的准确性和效率	无标记甲状腺癌组织切片	数字病理学	甲状腺癌	自发荧光显微镜成像	深度学习模型	图像	未明确说明具体样本数量，但涉及甲状腺癌组织切片	NA	NA	一致性评估	NA
4106	2026-02-15	Effective automatic classification methods via deep learning for multi-type infectious keratitis diagnosis 2026-Jan, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06996-2 PMID:41134356	研究论文	本研究开发了一种基于深度学习的自动分类系统，用于通过裂隙灯图像诊断多种类型的感染性角膜炎	首次比较了包括EfficientNet_B0、EfficientNet_V2_S、ResNet50、Vision Transformer (ViT)和DeepIK在内的五种深度学习模型在感染性角膜炎分类任务中的性能，并确定了EfficientNet_B0为最优模型	数据集规模有限（1,065张图像），未来需要更大规模的数据集来进一步提高模型的准确性	开发一种自动化的深度学习系统，以辅助感染性角膜炎的快速、准确诊断	感染性角膜炎（由细菌、真菌、病毒或寄生虫引起）的裂隙灯图像	计算机视觉	感染性角膜炎	裂隙灯成像	CNN, Transformer	图像	1,065张弥散型裂隙灯图像	NA	EfficientNet_B0, EfficientNet_V2_S, ResNet50, Vision Transformer (ViT), DeepIK	准确率, 精确率, 召回率, F1分数, 加权Cohen's Kappa, ROC曲线, AUC	NA
4107	2025-12-26	A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules 2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00976-9 PMID:41444688	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4108	2026-02-15	Artificial intelligence-driven anticancer peptide discovery 2025-Dec, iMetaOmics DOI:10.1002/imo2.70063 PMID:41676444	综述	本文系统总结了用于抗癌肽筛选的人工智能模型，并提出了一个结合多组学技术的综合性AI筛选框架	提出了一个集数据收集、特征提取、模型构建、可解释性分析和实验验证于一体的综合性AI筛选框架，并将其与多组学技术整合以促进临床转化	大多数现有AI模型缺乏可解释性和湿实验室验证，这影响了基于AI的ACP筛选的可信度和实际有效性	通过人工智能技术提高抗癌肽的筛选效率和准确性，并促进其临床转化	抗癌肽	机器学习	癌症	机器学习，深度学习	NA	序列数据	NA	NA	NA	NA	NA
4109	2026-02-15	Identification of potent inhibitors of potential VEGFR2: a graph neural network-based virtual screening and in vitro study 2025-Dec, Journal of enzyme inhibition and medicinal chemistry IF:5.6Q1 DOI:10.1080/14756366.2025.2518192 PMID:40539987	研究论文	本研究提出了一种结合AI深度学习和基于结构的药物设计的新策略，用于从中医药单体数据库中筛选针对VEGFR2的潜在候选化合物	首次将图神经网络应用于中医药单体数据库的虚拟筛选，以识别VEGFR2的有效抑制剂	研究仅基于计算筛选和体外实验，缺乏体内实验验证和临床前研究	筛选针对VEGFR2的潜在抑制剂，用于癌症治疗	中医药单体数据库中的化合物	机器学习	癌症	虚拟筛选，激酶抑制实验，分子对接，分子动力学模拟	图神经网络	分子结构数据	中医药单体数据库中的多个化合物，最终筛选出6个候选化合物	NA	图神经网络	激酶抑制活性，分子对接评分，分子动力学稳定性	NA
4110	2026-02-15	Revolutionizing multi-omics analysis with artificial intelligence and data processing 2025-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70002 PMID:41675959	综述	本文探讨了人工智能与数据处理技术在多组学分析中的应用，旨在改变对复杂生物系统的理解	整合人工智能技术（如机器学习、深度学习）以处理和分析多组学数据，加速生物标志物发现和个性化医疗发展	需要高质量数据集，且有效算法和模型的开发仍面临挑战	探索人工智能和数据处理技术在多组学分析中的潜力，以推动生物系统研究和医学应用	多组学数据（包括多种分子数据类型）	机器学习	NA	多组学方法	机器学习, 深度学习, 神经网络	多组学数据	NA	NA	NA	NA	NA
4111	2026-02-15	Loc4Lnc: Accurate prediction of long noncoding RNA subcellular localization via enhanced RNA sequence representation 2025-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.100 PMID:41675960	研究论文	本文提出了一种名为Loc4Lnc的深度学习框架，用于准确预测长链非编码RNA的亚细胞定位	通过整合卷积层和Transformer模块，有效捕获RNA序列中的局部基序和长程依赖关系，并利用TextCNN进行分类，显著提升了预测准确性	NA	开发一个深度学习框架以准确预测lncRNA的亚细胞定位，从而帮助理解其在生物通路中的功能	长链非编码RNA及其在五个亚细胞位置（细胞质、细胞核、细胞溶质、染色质和外泌体）的定位	自然语言处理	NA	RNA序列分析	CNN, Transformer	RNA序列	基于RNALocate v2.0数据库构建的基准数据集，具体样本数量未明确说明	NA	卷积层, Transformer块, TextCNN	准确率	NA
4112	2026-02-15	Transfer learning identifies bacterial signatures for cross-regional diagnosis of type 2 diabetes and enable stage-sensitive dietary fiber intervention 2025-Jun, iMetaOmics DOI:10.1002/imo2.70021 PMID:41675159	研究论文	本文介绍了一个名为DeepMicroFinder的深度学习框架，用于通过迁移学习利用区域特异性微生物组数据集更新现有疾病诊断模型，以实现跨区域疾病检测	开发了DeepMicroFinder框架，有效克服了肠道微生物组区域效应的限制，实现了准确的跨区域疾病检测	NA	通过迁移学习识别2型糖尿病的细菌标志物，并实现跨区域诊断及阶段敏感的膳食纤维干预	2型糖尿病患者及其肠道微生物组	机器学习	2型糖尿病	微生物组测序	深度学习	微生物组数据	NA	NA	NA	NA	NA
4113	2026-02-15	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本文通过构建TumorImagingBench基准测试，系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能	首次系统性地比较了不同架构和预训练策略的医学影像基础模型在定量肿瘤成像任务中的表现，并评估了其鲁棒性和可解释性	研究仅基于公开数据集（3,244个扫描），可能无法完全代表临床实践中的多样性	评估医学影像基础模型在提取可靠定量放射组学表型方面的能力	肿瘤影像数据	医学影像分析	癌症	深度学习	基础模型	医学影像扫描	3,244个扫描（来自六个公共数据集）	NA	多种架构（2020-2025年间开发的十种不同模型）	终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性	NA
4114	2026-02-15	Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing 2025-Feb, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0285 PMID:40151680	研究论文	本文提出了一种基于多图像融合和深度学习的缺陷检测方法，用于陶瓷增材制造中实时监测涂覆缺陷	结合多图像融合与通道级YOLO（CW-YOLO）方法，通过图像校正技术将侧视涂覆图像转换为俯视图，并引入F1分数作为综合评价指标，显著提升了难以区分缺陷的检测性能	NA	开发一种实时监测陶瓷增材制造中涂覆缺陷的方法，以提高工艺稳定性	陶瓷增材制造中的涂覆缺陷，如材料短缺和划痕	计算机视觉	NA	多图像融合，图像校正技术	YOLO	图像	NA	NA	CW-YOLO	F1分数，检测准确率，召回率	NA
4115	2026-02-15	A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100597 PMID:39435136	研究论文	本研究开发并验证了一个用于白内障手术中瞳孔形态变化自动评估的计算框架	提出了一个结合张量小波特征提取、深度学习解剖结构分割和遮挡检测/补偿的三阶段计算框架，显著提升了瞳孔分割的准确性	研究为回顾性视频分析，样本量相对有限（240个手术视频），且未涉及所有类型的手术器械或复杂病例	开发一个可靠的计算框架，用于自动化评估白内障手术期间瞳孔的形态变化	白内障手术视频中的瞳孔、角膜缘和睑裂	计算机视觉	白内障	手术视频分析	CNN	视频	240个完整手术视频（190个未使用瞳孔扩张装置，50个使用瞳孔扩张装置），包含5700帧图像	TensorFlow, PyTorch	Feature Pyramid Network, Visual Geometry Group 16	Dice系数, 准确率, AUC	NA
4116	2026-02-15	RETRACTED: N-Beats architecture for explainable forecasting of multi-dimensional poultry data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320979 PMID:40273069	研究论文	本研究提出了一种基于N-BEATS架构的新颖应用，用于多维度家禽数据预测，并通过集成可解释人工智能框架增强了可解释性	首次将N-BEATS架构应用于家禽数据预测，并集成了可解释人工智能框架以提高预测的透明度和可解释性	未提及具体的数据集规模或外部验证，可能限制了结果的泛化能力	优化家禽生产中的预测分析，以提升收入、资源利用效率和生产力	家禽疾病诊断相关的多维度数据，包括关键环境参数	机器学习	家禽疾病	时间序列建模	N-BEATS	多变量时间序列数据	NA	NA	N-BEATS	MAE, RMSE, MSLE, R-squared, RMSLE	NA
4117	2026-02-15	Robotic transesophageal echocardiography: system design and deep learning-based kinematic modeling 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1705142 PMID:41675306	研究论文	本文介绍了一种机器人经食管超声心动图系统，通过改进机械设计和基于深度学习的运动学建模，复制了手动TEE程序中的所有基本自由度	采用基于LSTM单元的循环神经网络构建数据驱动的运动学模型，克服了连续体机械臂分析方法的根本限制，有效捕捉了死区、滞后和转向机制间的耦合效应	NA	开发一种能够适应仰卧位和左侧卧位患者位置、覆盖临床TEE全流程的机器人系统	经食管超声心动图探头及其机器人操控系统	机器人学	心血管疾病	经食管超声心动图	LSTM	姿态-命令同步数据对	42,000个在三种胃镜管配置（0°、45°、90°弯曲）下收集的数据对	NA	循环神经网络	RMSE, 平均方向误差	NA
4118	2026-02-15	Predicting the growth of asymptomatic small abdominal aortic aneurysms (AAA) based on deep learning 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1704428 PMID:41676330	研究论文	本研究开发了一个端到端的深度学习框架，用于预测无症状小腹主动脉瘤的快速扩张	提出了一个结合ResNet50、YOLOv11和MedMamba的端到端深度学习框架，用于直接从CTA图像预测AAA生长，并通过多模态特征融合和可解释性分析增强了模型的临床适用性	样本量相对较小（仅81名患者），且研究为单中心回顾性设计，可能限制模型的泛化能力	预测无症状小腹主动脉瘤的快速扩张，以进行风险分层和个性化监测	81名无症状小腹主动脉瘤患者的CTA图像和临床数据	数字病理学	心血管疾病	计算机断层扫描血管造影	CNN, 目标检测模型, 基于注意力机制的模型	图像	81名患者（30名快速生长，51名稳定）	NA	ResNet50, YOLOv11, MedMamba	准确率, F1分数, 精确率-召回率	NA
4119	2026-02-15	Pep2TCR: Accurate prediction of CD4 T cell receptor binding specificity through transfer learning and ensemble approach 2024-Dec, iMetaOmics DOI:10.1002/imo2.43 PMID:41676119	研究论文	本文介绍了一种名为Pep2TCR的先进深度学习模型，用于预测CD4 T细胞受体的结合特异性	通过迁移学习和集成方法，显著提升了在有限CD4 TCR数据下的预测准确性	NA	预测CD4 T细胞受体的结合特异性，以支持个性化癌症免疫疗法	CD4 T细胞受体	机器学习	癌症	NA	深度学习	NA	NA	NA	NA	NA	NA
4120	2026-02-15	A penalized integrative deep neural network for variable selection among multiple omics datasets 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.51 PMID:41674850	研究论文	提出一种惩罚性集成深度神经网络（PIN），用于从多个组学数据集中同时选择重要变量	PIN方法直接聚合多个数据集作为输入，并在集成分析框架中考虑数据集间的同质性和异质性，解决了现有方法在小样本或忽略数据集间变量结构差异时的不准确性问题	未明确提及具体局限性，但可能依赖于数据集的多样性和样本量	促进基于多源研究/数据集识别疾病相关重要变量	老年人的不同认知状态或卵巢癌患者不同阶段的基因表达数据集	机器学习	卵巢癌	基因表达分析	深度神经网络	组学数据	未明确指定具体样本数量，但涉及多个数据集	未指定	深度神经网络	未明确指定具体指标，但提及性能改进	未指定