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
4201	2026-02-18	Machine and deep learning models for ligament injury recognition: a systematic review and meta-analysis of imaging and novel diagnostic techniques 2026-Jan-09, EFORT open reviews IF:4.3Q1 DOI:10.1530/EOR-2025-0038 PMID:41511891	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机器学习和深度学习模型在不同医学成像模态下识别韧带损伤的诊断性能	首次对机器学习和深度学习模型在韧带损伤诊断中的性能进行全面的系统综述和荟萃分析，整合了多种成像技术和新型诊断方法	纳入研究数量有限（23项研究），可能存在发表偏倚，且不同研究间的模型和成像技术异质性较高	评估各种机器学习和深度学习模型在识别韧带损伤中的诊断性能，以支持临床决策	韧带损伤的诊断	机器学习和深度学习在医学影像中的应用	韧带损伤	医学成像技术（未具体指定，但包括多种模态）	机器学习和深度学习模型	医学影像数据	来自23项研究的59个算法，具体样本量未在摘要中提供	NA	NA	灵敏度、特异性、阳性似然比（PLR）、阴性似然比（NLR）、对数诊断比值比（lnDOR）、曲线下面积（AUC）	NA
4202	2026-02-18	Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3562425 PMID:40272955	研究论文	本文提出了一种基于图拉普拉斯正则化的可解释图像恢复网络，通过展开优化算法构建变复杂度前馈网络	引入梯度图拉普拉斯正则化器（GGLR）促进分段平面信号重建，并将ADMM算法展开为可训练网络，结合图学习模块增强数据内在结构学习	更复杂的展开网络需要更多标注数据训练参数，可能面临数据需求挑战	解决通用深度学习网络在图像恢复中缺乏可解释性、需要大量训练数据以及对协变量偏移脆弱的问题	图像恢复任务，如去噪和插值	计算机视觉	NA	NA	前馈网络	图像	NA	NA	Transformer（自注意力机制类比）	图像恢复质量	NA
4203	2026-02-18	Artificial Intelligence-Driven Automated Design of Anterior and Posterior Crowns Under Diverse Occlusal Scenarios 2026-Jan, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70029 PMID:40910757	研究论文	评估咬合类型和基于人工智能的CAD软件对自动生成前后牙冠设计的几何精度和临床质量的影响	首次在多种咬合场景下比较基于深度学习的CAD软件与传统自动化软件在牙冠设计中的性能，特别关注前后牙的差异	深度学习软件在处理前牙间隙（diastemas）时表现不佳，需要进一步优化以适应多样咬合条件	评估人工智能驱动的自动化牙冠设计在不同咬合类型下的几何精度和临床质量	五种咬合类型的typodont模型（正常、I类前牙间隙、II类1分类、II类2分类、III类前牙反咬合），涉及上颌右中切牙和第一磨牙	计算机辅助设计	牙科修复	口腔内扫描、计算机辅助设计（CAD）	深度学习模型	三维扫描数据	5种咬合模型，每种模型10组口腔内扫描，共50组扫描数据	NA	NA	均方根误差（RMS）、世界牙科联盟（FDI）评分标准	NA
4204	2026-01-30	An ancient recombination desert is a speciation supergene in placental mammals 2026-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	本研究利用深度学习分析22种胎盘哺乳动物的基因组比对数据，发现了一个古老且保守的X染色体重组荒漠，该区域在物种形成过程中持续阻碍基因流动并保留物种历史信息	首次通过深度学习系统推断哺乳动物重组景观的演化，发现X染色体上占30%区域的古老重组荒漠是跨目级谱系的生殖隔离屏障，可作为解决哺乳动物系统发育难题的可靠标记	研究基于22种分歧较大的胎盘哺乳动物，可能未覆盖所有哺乳动物类群的多样性；深度学习模型的推断结果需要更多实验数据验证	探究重组率对物种形成早期基因流动屏障的影响，并开发能准确推断物种关系的系统发育分析方法	22种胎盘哺乳动物的基因组数据，后续扩展至94个物种的系统发育分析	基因组学	NA	深度学习，基因组比对，重组图谱推断	深度学习模型	基因组序列比对数据	22种胎盘哺乳动物（初始分析），94个物种（系统发育分析）	NA	NA	NA	NA
4205	2026-02-18	Leveraging vision transformer for histological grade prediction in laryngeal and hypopharyngeal squamous cell carcinoma: a large-scale multicenter study 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03876-8 PMID:41454919	研究论文	本研究开发了一种基于增强CT的Vision Transformer模型，用于无创评估喉及下咽鳞状细胞癌的组织学分级	首次将预训练的Vision Transformer模型应用于喉及下咽鳞状细胞癌的增强CT图像分析，结合XGBoost分类器进行组织学分级预测，并通过多中心大样本验证了其优越性能	回顾性研究设计可能存在选择偏倚，外部验证队列样本量相对较小（n=99）	开发非侵入性方法预测喉及下咽鳞状细胞癌的组织学分化等级	喉及下咽鳞状细胞癌患者	计算机视觉	喉癌	对比增强CT扫描	Vision Transformer, XGBoost	医学影像（CT图像）	1648例患者（训练队列1239例，内部验证310例，外部验证99例）	NA	Vision Transformer	AUC, 决策曲线分析, 校准曲线	NA
4206	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
4207	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
4208	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
4209	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
4210	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
4211	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
4212	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
4213	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
4214	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
4215	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
4216	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
4217	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
4218	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
4219	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
4220	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