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
4561	2026-02-13	Deep learning for the change-point Cox model with current status data 2026-Feb-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	本研究开发了针对当前状态数据下具有变点的深度部分线性Cox比例风险模型的估计方法，旨在适应复杂的变点效应	使用深度神经网络在Cox框架内建模协变量效应，并提出了模型的最大似然估计程序，克服了先前线性模型可能无法充分捕捉多变量协变量关系的限制	未在摘要中明确提及	开发适用于当前状态数据下具有变点的深度部分线性Cox比例风险模型的估计方法，以更准确地检测变点	乳腺癌数据集	机器学习	乳腺癌	当前状态数据	深度神经网络	生存数据	NA	NA	NA	一致性、渐近独立性、半参数效率	NA
4562	2026-02-13	Primary tumor-derived, multiparametric MRI-based deep learning-radiomics-clinical model for predicting lymph node metastasis in early-stage cervical cancer 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02211-w PMID:41661434	研究论文	本研究开发并验证了一种基于原发肿瘤多参数MRI的深度学习-影像组学-临床（DLRC）模型，用于预测早期宫颈癌的盆腔淋巴结转移	首次整合了原发肿瘤的深度学习特征、影像组学特征和临床特征，构建了一个多中心验证的、用于术前预测早期宫颈癌淋巴结转移的综合性模型	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性研究中进一步验证	开发一个术前预测早期宫颈癌盆腔淋巴结转移的稳健且可推广的工具	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI（包括CE-T1WI, DWI, FS-T2WI序列）	深度学习模型, 影像组学模型, 整合模型	医学影像（MRI）	1095名患者（来自五个中心），分为训练队列（n=481）、内部验证队列（n=204）和外部验证队列（n=410）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
4563	2026-02-13	CBCT assisted diagnosis system for temporomandibular joint disc displacement based on deep learning 2026-Feb-09, Progress in orthodontics IF:3.5Q1 DOI:10.1186/s40510-026-00606-5 PMID:41661510	研究论文	本研究开发了一种基于深度学习的CBCT辅助诊断系统，用于预测颞下颌关节盘移位的风险	首次提出结合YOLOv11目标检测模型与FastViT-t8分类模型的两阶段深度学习系统，利用CBCT图像进行颞下颌关节盘移位的初步筛查，旨在替代或辅助复杂且昂贵的MRI诊断	模型当前性能（AUC为0.733，准确率为0.669）尚不足以独立用于临床诊断，仍需依赖MRI作为金标准进行确认	开发一种基于CBCT图像的深度学习辅助诊断系统，用于颞下颌关节盘移位的风险预测与筛查	颞下颌关节盘移位	计算机视觉	颞下颌关节疾病	CBCT成像	目标检测模型, 分类模型	图像	330名患者的CBCT图像，包含5,238个颞下颌关节感兴趣区域，其中2,260个显示颞下颌关节盘移位迹象	YOLOv11	YOLOv11, FastViT-t8	精确度, 召回率, mAP50, mAP50-95, AUC, AUPR, 准确率	NA
4564	2026-02-13	Spectral CT imaging in colorectal cancer: current applications, limitations, and future perspectives 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02212-9 PMID:41661515	综述	本文综述了光谱CT在结直肠癌中的当前应用、局限性和未来前景	系统总结了光谱CT在结直肠癌检测、分期、预后评估及与基因突变等生物标志物关联方面的最新应用证据，并展望了与人工智能结合的未来方向	大多数研究样本量小且为观察性，缺乏标准化，图像分割耗时限制了广泛应用	总结光谱CT在结直肠癌中的临床应用现状并探讨其未来发展方向	结直肠癌患者及其原发性和转移性病灶	数字病理	结直肠癌	光谱CT（包括双层光谱CT、双能光谱CT）	NA	CT影像	NA	NA	NA	NA	NA
4565	2026-02-13	Association of epicardial adipose tissue with markers of cardiac remodelling and clinical outcomes in asymptomatic aortic stenosis 2026-Feb-09, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003804 PMID:41663151	研究论文	本研究探讨了无症状主动脉瓣狭窄患者中心外膜脂肪组织体积和密度与心脏重构标志物及临床结局的关联	首次在无症状主动脉瓣狭窄患者中，使用自动化深度学习软件测量心外膜脂肪组织，并评估其与心脏重构和临床结局的独立关联	样本量较小（n=136），随访时间较短（中位370天），为事后探索性分析，需进一步研究验证心外膜脂肪组织的潜在保护作用	评估心外膜脂肪组织在主动脉瓣狭窄进展中的作用及其与临床结局的关联	无症状中度至重度主动脉瓣狭窄患者（n=136）和对照参与者（n=39）	数字病理学	心血管疾病	心脏CT、MRI、超声心动图	深度学习	医学影像（CT、MRI）	175名参与者（136名患者，39名对照）	NA	NA	p值、相关性分析	NA
4566	2026-02-13	Deep learning for synthetic PET imaging: a systematic mapping review of techniques, metrics, and clinical relevance 2026-Feb-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00651-5 PMID:41663871	综述	本文对深度学习在合成PET成像中的技术、评估指标及临床相关性进行了系统性梳理与综述	首次对深度学习合成PET成像领域进行了系统性映射综述，全面分析了方法框架、性能指标及临床应用的现状与挑战	研究异质性较大，未对偏倚风险进行正式评估；纳入研究数量有限（34篇），且缺乏大型/多中心数据集	评估深度学习合成PET成像的方法学框架、性能指标及临床相关性，以促进该技术的标准化与临床转化	基于深度学习的合成PET成像研究，重点关注其生成方法、评估指标及临床应用	医学影像分析	神经系统疾病, 肿瘤	深度学习, PET成像, MRI, CT	CNN, GAN, U-Net	医学影像（PET, MRI, CT）	34项研究（其中25项聚焦脑/神经，9项为全身应用）	NA	卷积神经网络, 生成对抗网络, U-Net	峰值信噪比, 结构相似性指数, 平均绝对误差	NA
4567	2026-02-13	EgyPLI: A Real-life Annotated Image Dataset for Egyptian Plant Leaf Identification 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06539-8 PMID:41651848	研究论文	本文介绍了首个埃及植物叶片图像数据集EgyPLI，用于支持自动化植物识别研究	创建了首个针对埃及本地植物、包含真实环境噪声和多样性的叶片图像数据集，填补了地理代表性数据的空白	数据集仅包含8种植物物种，样本量相对有限，可能无法覆盖更广泛的植物种类	开发适用于真实农业环境的自动化植物叶片识别模型	埃及广泛栽培的植物叶片，包括苹果、浆果、无花果、番石榴、橙子、李子、柿子和番茄的健康与病害叶片	计算机视觉	NA	图像采集与标注	CNN	图像	3,588张图像	NA	ResNet50, VGG16, 自定义CNN	准确率	NA
4568	2026-02-13	A tissue-informed deep learning-based method for positron range correction in preclinical 68Ga PET imaging 2026-Feb-06, ArXiv PMID:41675347	研究论文	提出一种基于深度学习的组织信息引导方法，用于临床前68Ga PET成像中的正电子射程校正	首次将组织依赖的解剖信息通过u图依赖的损失函数整合到3D残差编码器-解码器卷积神经网络中，用于正电子射程校正	在真实数据中缺乏金标准验证，未来需要通过领域适应和混合训练策略提高模型泛化能力	提高68Ga PET成像的空间分辨率和定量准确性	68Ga-FH和68Ga-PSMA-617小鼠研究的合成和真实PET采集数据	医学影像分析	NA	PET成像，CT成像	CNN	图像	模拟PET数据集及小鼠研究的真实采集数据	NA	3D RED-CNN, Single-channel, Two-channel, DualEncoder	MAE, SSIM, CR, CNR	NA
4569	2026-02-13	Disentangle-and-aggregate feature learning (DAFNet) for motor bearing fault diagnosis 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34490-6 PMID:41639110	研究论文	本文提出了一种用于电机轴承故障诊断的解耦与聚合特征学习网络（DAFNet），旨在解决传统CNN因网络深度增加导致的参数冗余和计算效率低下的问题	提出了一种创新的分层解耦与聚合机制，通过二次分割策略分离浅层、中层和深层特征，并进行终端特征融合，有效表征故障信息	NA	开发一种轻量高效的深度学习模型，用于电机轴承故障诊断，以适应资源受限的边缘设备部署	电机轴承	机器学习	NA	故障诊断	CNN	传感器数据	基于CWRU数据集	NA	DAFNet	平均准确率	资源受限的边缘设备
4570	2026-02-13	Drug repositioning for human MKN45 gastric cancer mouse model using deep learning AI and experimental validation 2026-Feb-02, European journal of pharmacology IF:4.2Q1 DOI:10.1016/j.ejphar.2026.178615 PMID:41638625	研究论文	本研究利用人工神经网络进行药物重定位，针对胃癌小鼠模型筛选出两种候选药物，并通过实验验证了其疗效和较低的全身毒性	首次将人工神经网络模型应用于胃癌药物重定位，并成功通过体内外实验验证了两种候选药物（阿米替林氧化物和植物甲萘醌）的疗效优于顺铂且毒性显著降低	研究仅使用了MKN-45细胞系及其异种移植小鼠模型，未在其他胃癌模型或临床样本中进行验证	为胃癌开发新的治疗方法，通过药物重定位策略寻找现有药物的新适应症	人类MKN-45胃癌细胞系及其异种移植小鼠模型	机器学习	胃癌	药物重定位，体外细胞毒性实验，体内异种移植模型实验	人工神经网络	药物描述符数据，体外细胞实验数据，体内肿瘤生长数据	体外实验使用AGS和MKN-45细胞系及人真皮成纤维细胞（HDFs）；体内实验使用MKN-45异种移植小鼠模型	NA	人工神经网络	IC50值，Z分数，肿瘤体积，体重变化，Ki67和CD44表达抑制率	NA
4571	2026-02-13	BlueNuclei: automated identification and classification of live and dead transfected neurons using interpretable features 2026-Feb-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.29.702657 PMID:41676559	研究论文	本文介绍了一款名为BlueNuclei的软件，用于自动识别和分类活体与死亡转染神经元	首次提供了可扩展、全自动的转染神经元活力评估解决方案，结合了双通道荧光图像处理与基于人类视觉启发的可解释特征分类	未明确说明软件在处理不同神经元类型或实验条件下的泛化能力	开发自动化工具以改进转染神经元活力评估的效率和一致性	转染的原代神经元	数字病理学	神经性疾病	双通道荧光成像	SVM	图像	NA	NA	NA	准确率	最小计算资源（与深度学习替代方案相比）
4572	2026-02-13	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2026-Feb, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13376 PMID:39651611	研究论文	本研究比较了五种超分辨率显微镜技术在成像紧密聚集的细胞内细菌微菌落方面的性能	首次系统比较了多种超分辨率显微镜技术（包括Airyscan、iSIM、3D-SIM和STED）在成像专性细胞内细菌Oriental tsutsugamushi时的分辨率表现，并结合深度学习软件Cellpose和商业软件Imaris开发了3D细胞分割分析流程	研究仅针对特定细菌物种（Oriental tsutsugamushi）和特定实验条件，未涵盖所有超分辨率技术，且部分技术（如3D-STED）可能需要特殊设备	评估不同超分辨率显微镜技术在解析紧密聚集的细胞内细菌微菌落结构方面的适用性和性能	专性细胞内细菌Oriental tsutsugamushi（Ot）的微菌落	生物医学成像	细菌感染疾病	荧光显微镜技术，包括标准共聚焦、Airyscan共聚焦、即时结构光照明显微镜（iSIM）、三维结构光照明显微镜（3D-SIM）和受激发射损耗显微镜（STED）	深度学习模型	显微镜图像	未明确指定具体样本数量，但涉及在不同哺乳动物细胞系中培养的细菌	Cellpose, Imaris	Cellpose（基于深度学习的细胞分割模型）	半高全宽（FWHM）测量、横向（xy）和轴向（z）分辨率	未明确指定
4573	2026-02-13	Artificial intelligence-powered microscopy: Transforming the landscape of parasitology 2026-Feb, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13433 PMID:40492595	综述	本文综述了人工智能在寄生虫学领域的应用，探讨了AI如何通过机器学习和深度学习技术解决寄生虫识别、生命周期研究及临床诊断中的挑战	系统性地整合了人工智能在寄生虫学中的最新进展，特别是针对Apicomplexan、Diplomonad和Kinetoplastid类群的应用，并提出了未来研究方向	未提供具体的实验数据或模型性能比较，主要基于现有文献的归纳分析	探讨人工智能在寄生虫学研究与诊断中的应用潜力及挑战	寄生虫学领域，主要聚焦于Apicomplexan、Diplomonad和Kinetoplastid类群的寄生虫	数字病理学	寄生虫病	显微镜成像，图像分析	机器学习，深度学习	图像	NA	NA	NA	NA	NA
4574	2026-02-13	Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit? 2026-Feb, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2025.101692 PMID:41290497	综述	本文探讨了人工智能在新生儿重症监护室中预测无创通气失败的应用潜力	首次系统综述了人工智能模型在新生儿无创通气失败预测中的应用，并评估了其临床实用性	纳入研究数量有限（6项），且需要更多大型多中心外部验证研究来评估模型的泛化能力	探索人工智能在改善新生儿无创通气失败预测中的应用，以降低该人群的死亡率和发病率	新生儿，特别是早产儿	机器学习	新生儿呼吸系统疾病	NA	深度学习模型, 逻辑回归, 支持向量机	临床数据	3421名婴儿	NA	多模态深度神经网络	AUC	NA
4575	2026-02-13	Deep learning models for image classification of lymphoma: a pilot study in canine 2026-Feb-01, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，开发深度学习模型以区分犬淋巴瘤与反应性淋巴增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习方法	样本量相对较小，仅来自两家医院的有限病例，且ViT模型性能未达预期	通过图像分类技术辅助犬淋巴瘤的诊断	犬淋巴瘤和反应性淋巴增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
4576	2026-02-13	Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage 2026-Feb, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00816-8 PMID:41491880	研究论文	本研究评估了注释者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例	通过比较专家和新手注释的数据集，并引入合成误差（系统性和非系统性），系统分析了注释质量对AI分割模型性能的影响	研究仅针对左心耳超声图像分割，结果可能无法推广到其他解剖结构或成像模态	探究用户专业知识对医学图像分割中真实标注准确性的影响及其对AI模型性能的最终影响	超声图像中的左心耳	医学图像分析	心血管疾病	超声成像	深度学习	图像	两个数据集（专家注释和新手注释），并生成合成变体	nnU-Net	U-Net	Dice系数	NA
4577	2026-02-13	Study on the release pattern of radon exhalation in the overburden soil of uranium tailings under arid climate and prediction based on Fully Connected Neural Network (FCNN)-based deep learning radon prediction model 2026-Feb, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107883 PMID:41576636	研究论文	本文研究了干旱气候下铀尾矿覆盖土壤中氡的释放规律，并提出了基于全连接神经网络（FCNN）的深度学习氡预测模型	提出了基于FCNN的深度学习模型来预测氡析出率，并通过与LSTM模型的误差比较，证明了FCNN模型在反映氡气释放规律和表达温度、土壤含水量、覆盖层裂隙率与氡析出率之间关系方面的优越能力	NA	为铀尾矿管理单位提供高温和暴晒条件下氡析出率的预测方法，以支持氡的控制与防治	铀尾矿覆盖土壤	机器学习	NA	室内模拟实验	FCNN, LSTM	实验数据	NA	NA	全连接神经网络, 长短期记忆网络	误差比较	NA
4578	2026-02-13	AI-driven framework for accurate detection of Alzheimer's disease in EEG 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35184-3 PMID:41622342	研究论文	本研究提出了一种基于人工智能的框架，通过融合特征和Conv-LSTM架构，从EEG信号中准确检测阿尔茨海默病	提出了一种新颖的特征融合与Conv-LSTM架构相结合的AI框架，能够从复杂的脑电信号中提取高水平的判别性特征，显著提升了AD检测的准确率	未在摘要中明确提及	开发一种准确、可扩展的阿尔茨海默病早期诊断系统	阿尔茨海默病患者（特别是老年人）的脑电图信号	机器学习	阿尔茨海默病	脑电图	Conv-LSTM	脑电图信号	未在摘要中明确提及	未在摘要中明确提及	Conv-LSTM	准确率	未在摘要中明确提及
4579	2026-02-13	Detection of Soil-Borne Pathogens Using Fine-Tuned Deep Learning Models: A Case Study on the Soybean Cyst Nematode (Heterodera glycines Ichinohe) 2026-Feb, The plant pathology journal DOI:10.5423/PPJ.OA.10.2025.0146 PMID:41656719	研究论文	本文提出了一种基于人工智能的框架，用于对大豆胞囊线虫进行实例分割和颜色表型分类，以提高检测效率	首次将YOLOv11等先进深度学习架构应用于土壤传播的大豆胞囊线虫的实例分割，并结合颜色阈值进行发育阶段分类，构建了集成检测框架	研究仅基于韩国感染田地的土壤样本，模型在其他地理区域或环境条件下的泛化能力未经验证	开发一种高效、可扩展的人工智能驱动检测系统，以替代传统劳动密集型方法，实现大豆胞囊线虫的早期监测和管理	大豆胞囊线虫（Heterodera glycines Ichinohe）的雌性个体	计算机视觉	植物病害	显微镜成像，颜色表型分析（HSV阈值）	CNN	图像	4,392张线虫图像	PyTorch（YOLO系列），Detectron2	YOLOv5, YOLOv8, YOLOv11, Detectron2	精确率，召回率，mAP@0.5	NA
4580	2026-02-13	Learning genetic perturbation effects with variational causal inference 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013194 PMID:41628222	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法（SCCVAE），用于预测单细胞水平的基因扰动效应	提出了一种名为SCCVAE的混合方法，将基于基因调控网络的机制因果模型与变分自编码器相结合，以生成全面、丰富的转录组响应，在预测未见扰动方面优于现有方法	未明确提及具体的数据规模限制或模型在特定噪声条件下的性能边界	开发一种能够准确预测单细胞水平基因扰动效应的计算模型，并提高其对未见扰动的泛化能力	单细胞转录组数据，特别是Perturb-seq技术产生的基因扰动响应数据	机器学习	NA	Perturb-seq，单细胞转录组测序	变分自编码器（VAE），因果模型	单细胞转录组数据	NA	NA	变分自编码器（VAE）	NA	NA