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
4601	2026-02-09	Deep learning-driven proteomics analysis for gene annotation in the renin-angiotensin system 2025-Nov-05, European journal of pharmacology IF:4.2Q1 DOI:10.1016/j.ejphar.2025.178119 PMID:40907688	研究论文	本研究开发了一个多标签深度学习模型，用于系统注释肾素-血管紧张素系统（RAS）基因功能，并通过蛋白质组学验证其在心血管疾病中的关键作用	首次将多标签AI建模与细胞外囊泡（EV）蛋白质组学相结合，用于RAS通路注释，并揭示了一个新的IRAP/Ywha(s)/Nedd4-2-ACE2相互作用轴作为潜在治疗靶点	研究主要基于文献数据，实验验证仅限于DOCA-盐高血压小鼠模型，可能无法完全代表人类疾病状态	系统注释RAS基因功能并阐明其在生物通路中的作用，以推进对心血管疾病的理解	肾素-血管紧张素系统（RAS）相关基因，特别是AGTR2、IRAP（LNPEP）、Ywhas（SFN）、EDNRA和ESR2	自然语言处理	心血管疾病	文本挖掘，蛋白质组学，毛细管Western分析	MLP	文本	来自PubMed和PMC的39,463篇RAS相关出版物	NA	多层感知机	精确度，F1分数，排序损失，ROC-AUC	NA
4602	2026-02-09	A bimodal image dataset for seed classification from the visible and near-infrared spectrum 2025-Oct-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05979-6 PMID:41062509	研究论文	本文介绍了一个包含RGB和高光谱图像的双模态种子图像数据集，用于10种植物的种子分类研究	提供了一个在农业领域中稀缺的双模态种子图像数据集，结合了可见光和近红外光谱信息，是目前最大的双模态种子数据集之一	NA	解决农业领域中缺乏超越可见光谱的光谱信息数据集的问题，促进种子分类研究	10种植物物种的种子	计算机视觉	NA	高光谱成像	深度学习模型	图像	NA	NA	NA	多类分类性能	NA
4603	2026-02-09	Poor-prognosis young-onset colorectal cancer is defined by the mesenchymal subtype and can be predicted by integrating molecular and histopathological characteristics 2025-Sep, ESMO gastrointestinal oncology DOI:10.1016/j.esmogo.2025.100181 PMID:41647998	研究论文	本研究通过分析年轻发病结直肠癌的分子和临床特征，揭示了其与晚发病例的异质性，并开发了一个结合分子和组织学标志物的风险评分模型来预测CMS4间充质亚型	首次整合了深度学习和分子标记（如SDI、微卫星状态和miR-200s启动子甲基化）来预测年轻发病结直肠癌中的CMS4间充质亚型，并建立了有效的风险评分模型	研究依赖于回顾性队列数据，可能受到样本选择偏差的影响，且外部验证的广泛性有待进一步确认	解析结直肠癌的年龄依赖性分子异质性，并开发识别高风险年轻发病患者的模型	年轻发病结直肠癌患者（年龄<50岁）的临床和分子数据	数字病理学	结直肠癌	深度学习分析、分子亚型分型、微卫星状态检测、启动子甲基化分析	深度学习框架	苏木精-伊红染色全切片图像、临床数据、分子数据	总临床数据涉及564,439个患者样本，分子特征分析使用1,874个患者样本	NA	NA	曲线下面积	NA
4604	2026-02-09	UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation 2025-Aug-06, ArXiv PMID:41479462	研究论文	本文提出了一种名为UNISELF的统一网络，用于多发性硬化病灶的自动分割，通过实例归一化和自集成病灶融合技术，在单源有限数据训练下优化了域内精度和域外泛化能力	引入测试时自集成病灶融合和测试时实例归一化，以同时提升单训练域内的分割精度并增强对多域外测试数据集的泛化能力，有效处理域偏移和缺失输入对比度问题	方法仅在特定公开和私有数据集上验证，可能未覆盖所有临床场景；训练数据有限，可能影响在更广泛数据上的性能	开发一种深度学习方法来优化多发性硬化病灶的自动分割，在保证域内精度的同时提高跨域泛化能力	多发性硬化病灶	数字病理学	多发性硬化	多对比磁共振成像	深度学习网络	图像	基于ISBI 2015纵向MS分割挑战训练数据集，并测试于MICCAI 2016、UMCL公共数据集及私有多站点数据集	NA	统一网络（UNISELF）	分割精度	NA
4605	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2025-Jul-29, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.16.24310445 PMID:40766130	研究论文	本研究利用深度学习模型基于治疗前脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将混合1DCNN和GRU模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并采用特定电极的功率谱密度值作为输入特征	样本量较小（仅21名参与者），可能影响模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相抑郁患者	机器学习	双相情感障碍	脑电图	CNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN, GRU	准确率, 灵敏度, 特异度	NA
4606	2026-02-09	Real-world radiology data for artificial intelligence-driven cancer support systems and biomarker development 2025-Jun, ESMO real world data and digital oncology DOI:10.1016/j.esmorw.2025.100120 PMID:41647703	综述	本文探讨了利用真实世界放射学数据与人工智能技术开发癌症诊断与治疗支持系统及生物标志物的潜力与挑战	提出了结合真实世界数据与人工智能的新范式，以加速癌症生物标志物发现和临床支持工具开发	面临数据访问困难、质量参差不齐、处理复杂以及临床信任建立等挑战	旨在推动人工智能在真实世界放射学数据中的应用，以改善癌症患者护理	真实世界放射学数据（包括影像和报告）及癌症患者群体	数字病理学	癌症	深度学习	深度学习模型	影像, 文本	NA	NA	NA	NA	NA
4607	2026-02-09	T2W-CogLoadNet: a framework for cognitive load assessment of dance movements based on deep learning-powered human pose estimation 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1707539 PMID:41646903	研究论文	本文提出了一种基于深度学习的人体姿态估计框架T2W-CogLoadNet，用于评估舞蹈动作的认知负荷	结合了Temporal Convolutional Network (TCN)-Transformer进行时间特征提取，并利用Whale Optimization (WOA)进行超参数优化，实现了3D舞蹈姿态估计和认知负荷建模	未整合多模态输入，对不同舞蹈风格的适应性有待提升，实时监测工具尚未开发	优化舞蹈训练效果并促进康复应用，通过评估舞蹈动作的认知负荷	舞蹈姿态和认知负荷	计算机视觉	NA	深度学习，人体姿态估计	TCN, Transformer	视频	AIST++专业舞蹈数据集和Kinetics 400广义运动数据集	NA	T2W-CogLoadNet, TCN, Transformer	MAE, RMSE, MPJPE	NA
4608	2026-02-09	Design and experiment of tea winnowing parameter control system based on YOLO-AE 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1721083 PMID:41647632	研究论文	本文提出了一种基于改进YOLO-AE模型的白茶风选参数控制系统，通过深度学习实时识别茶叶等级比例并优化风选参数	改进了YOLOv11模型，引入ACmix和EUCB模块，使识别精度提升2.1%，检测时间缩短40%	仅针对白茶进行实验，未验证在其他茶类或更广泛场景下的适用性	设计基于深度学习的茶叶风选参数控制系统，提高风选质量和效率	白茶茶叶	计算机视觉	NA	深度学习	CNN	图像	未明确说明样本数量，但涉及不同比例的茶叶材料测试	未明确指定，可能基于PyTorch或TensorFlow（从YOLO系列推断）	YOLOv11改进版（YOLO-AE），结合ACmix和EUCB模块	识别精度，MAP (0.5:0.95)，检测时间	未明确说明
4609	2026-02-09	Deep learning software and revised 2D model to segment bone in micro-CT scans 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1677527 PMID:41648861	研究论文	本文提出了一种修订的2D骨孔分割模型BP-2D-03及配套深度学习软件，用于在微CT扫描中自动分割骨骼	开发了BONe DL软件接口，包含训练、预测和评估模块，解决了切片级数据泄漏、高内存使用和有限多GPU支持等问题	模型对于非典型扫描的预测性能可能下降，性能在不同扫描组成上存在差异	提高微CT数据集中骨骼分割的自动化程度和跨平台可重复性	微CT扫描数据集，涵盖五种哺乳动物物种	计算机视觉	NA	微CT扫描	深度学习	图像	20个微CT扫描，包含142,960个图像块	NA	U-Net, UNet++, ResNet-18	IoU	多GPU支持
4610	2026-02-09	Artificial intelligence-based skeletal muscle estimates and outcomes of EUS-guided treatment of pancreatic fluid collections 2024-Sep, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2024.06.006 PMID:41646132	研究论文	本研究探讨了骨骼肌状态与胰腺液体积聚（PFCs）内镜超声引导治疗临床结局的关联	首次利用深度学习平台从术前CT图像中自动量化骨骼肌密度（SMD）和指数（SMI），并系统评估其与PFC治疗失败及住院死亡率的关系	研究为回顾性多中心设计，可能存在选择偏倚；未考虑其他可能影响结局的混杂因素如营养状况变化	评估骨骼肌质量（通过SMD衡量）和数量（通过SMI衡量）对PFC内镜治疗临床结局的预测价值	2010年至2020年间接受内镜超声引导治疗的372例胰腺液体积聚患者	数字病理学	胰腺疾病	CT影像分析，深度学习自动分割	深度学习模型	医学影像（CT图像）	372例患者	未明确说明	未明确说明	比值比（OR），置信区间，趋势P值	未明确说明
4611	2026-02-09	VOLTAGE-2: multicenter phase II study of nivolumab monotherapy in patients with mismatch repair-deficient resectable locally advanced rectal cancer 2024-Mar, ESMO gastrointestinal oncology DOI:10.1016/j.esmogo.2023.100031 PMID:41648746	研究论文	VOLTAGE-2研究是一项多中心II期临床试验，旨在评估纳武利尤单抗单药治疗错配修复缺陷可切除局部晚期直肠癌患者的疗效和安全性	首次在II期试验中探索纳武利尤单抗单药作为错配修复缺陷可切除局部晚期直肠癌的新辅助治疗，并计划利用人工智能和深度学习驱动的多组学分析进行时空跨组学研究	非随机、单臂设计可能引入偏倚，且样本量未明确说明	评估纳武利尤单抗单药治疗错配修复缺陷可切除局部晚期直肠癌的疗效和安全性，并探索生物标志物	错配修复缺陷可切除局部晚期直肠癌患者	数字病理学	直肠癌	全基因组测序, 全外显子组测序, 全转录组测序, 循环肿瘤DNA检测	深度学习	基因组数据, 转录组数据, 影像数据, 病理数据, 临床数据	NA	NA	NA	2年临床完全缓解率	NA
4612	2026-02-09	Enhanced accuracy for classification of video capsule endoscopy images using multiple deep learning convolutional neural networks 2024-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.11.007 PMID:41648898	研究论文	本研究提出了一种基于多个卷积神经网络的迁移学习方法，用于高精度自动分类无边界视频胶囊内窥镜图像	采用17个CNN的集成方法，无需图像分割，实现了自动特征提取和模型微调，达到了99.79%的整体诊断准确率	未提及模型在外部验证集上的性能或临床部署的可行性	提高视频胶囊内窥镜图像分类的准确率，以辅助临床诊断	正常个体和患有5种病理状态（血管扩张、出血、糜烂、溃疡和异物）患者的VCE图像	计算机视觉	胃肠道疾病	视频胶囊内窥镜	CNN	图像	超过16,000张VCE胃肠道图像	NA	多个CNN（具体架构未指定）	准确率, 混淆矩阵, 精确率, 召回率, F1分数	NA
4613	2026-02-09	Deep learning-powered generation of artificial endoscopic images of GI tract ulcers 2023-Dec, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.08.002 PMID:41646054	研究论文	本研究提出了一种结合生成对抗网络和变分自编码器的VAE-GAN架构，用于生成人工内窥镜图像，以解决胃肠道溃疡诊断中数据不足的问题	开发了VAE-GAN架构来生成人工内窥镜图像，该架构能抵抗模式崩溃、梯度消失、不稳定性和不收敛问题，并通过高精度和召回率验证了生成图像的质量和多样性	专家对人工与真实溃疡图像的分类准确率仅为57.1%，表明生成图像与真实图像仍存在一定差异；数据偏见仅得到部分缓解	通过生成人工内窥镜图像来解决深度学习模型在胃肠道溃疡诊断中数据不足的问题，以提高模型泛化性能	胃肠道溃疡的内窥镜图像	计算机视觉	胃肠道溃疡	内窥镜成像	GAN, VAE, CNN	图像	未明确指定样本数量	未明确指定	VAE-GAN, DenseNet121, 5层CNN	精度, 召回率, 分类准确率	未明确指定
4614	2026-02-09	Phase III trial of short-course radiotherapy followed by CAPOXIRI versus CAPOX in locally advanced rectal cancer: the ENSEMBLE trial 2023-Oct, ESMO gastrointestinal oncology DOI:10.1016/j.esmogo.2023.08.002 PMID:41647286	临床试验	这是一项随机III期试验，旨在比较短程放疗后CAPOXIRI与CAPOX作为局部晚期直肠癌全辅助治疗的疗效	首次前瞻性研究短程放疗后三联（CAPOXIRI）与双联（CAPOX）巩固方案在局部晚期直肠癌全辅助治疗中的优劣	未提及具体样本量或研究设计的潜在限制	测试短程放疗后CAPOXIRI方案在提高器官保留适应无病生存率方面是否优于CAPOX方案	局部晚期直肠癌患者	数字病理学	直肠癌	全基因组/转录组测序、液体活检、放射组学、数字病理学、深度学习	深度学习	组织样本、血液样本、影像数据、病理图像、临床特征	NA	NA	NA	器官保留适应无病生存率	NA
4615	2026-02-09	Deep learning site classification model for automated photodocumentation in upper GI endoscopy (with video) 2023-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.01.002 PMID:41647956	研究论文	本文开发了一种深度学习模型，用于从上消化道内窥镜视频数据中提取高质量图像帧并进行解剖部位分类，以实现自动化的影像记录	提出了一种结合图像过滤器和解剖部位分类的深度学习模型，能够从包含大量低质量帧的内窥镜视频中自动提取高质量图像，并实现高精度的解剖部位分类	模型在视频数据上的整体准确率（89.7%至94.8%）略低于静态图像测试，且仅针对8个特定解剖部位进行了验证	开发一种深度学习模型，用于自动化上消化道内窥镜检查中的影像记录和标准化	上消化道内窥镜视频和静态图像数据	计算机视觉	NA	内窥镜检查	深度学习模型	图像, 视频	8231张内窥镜静态图像和26,103张视频衍生图像用于训练、测试和内部验证，2142张独立静态图像用于外部验证，5段内窥镜视频（共6308帧）用于性能分析	NA	NA	准确率, F1分数	NA
4616	2026-02-09	Novel artificial intelligence-enabled deep learning system to enhance adenoma detection: a prospective randomized controlled study 2023-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.01.013 PMID:41647953	研究论文	本研究评估了在结肠镜检查中使用新型AI辅助检测系统DEEP2对腺瘤检测率的提升效果	开发并验证了仅基于白光成像的AI系统DEEP2，在右半结肠检测中表现出显著优势，且误报率低于其他系统	单中心研究，未使用连续数字色素内镜，可能影响结果普适性	评估AI辅助检测系统在结肠镜检查中对腺瘤检测质量的影响	40至85岁接受结肠镜检查的参与者	计算机视觉	结直肠癌	白光结肠镜检查	深度学习	图像	674例结肠镜检查	NA	NA	腺瘤检测率, 每结肠镜腺瘤数, 息肉检测率, 误报率	NA
4617	2026-02-08	HeartUnloadNet: A cycle-consistent graph network with reduced supervision for predicting unloaded cardiac geometry from diastolic states 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109243 PMID:41529595	研究论文	本研究提出了一种名为HeartUnloadNet的深度学习框架，用于直接从临床舒张末期状态预测心脏的无负荷几何形状	提出了一种结合图注意力和生理参数的循环一致性双向训练策略的神经网络，能够在仅需少量标注数据的情况下实现高精度预测，计算速度比传统方法快10万倍以上	模型基于有限元模拟数据进行训练和验证，尚未在真实临床影像数据上进行测试	开发高效准确的深度学习框架，用于预测心脏无负荷几何形状，以支持个性化心脏生物力学建模	左心室的无负荷几何形状	数字病理学	心血管疾病	有限元模拟	图神经网络	网格数据	10,350个有限元模拟案例	NA	图注意力网络	Dice相似系数, Hausdorff距离, 平均距离, 节点误差标准差	NA
4618	2026-02-08	A diagnosis tool for early detection and classification of heart disease in individuals using transformer mechanisms 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109248 PMID:41576777	研究论文	本文提出了一种基于Transformer的模型，用于早期检测和分类心脏病，并开发了Android应用以实现实时风险评估	首次将Transformer架构应用于心脏病分类，结合电子健康记录中的症状特征，并开发了移动应用以实现实时临床决策支持	研究仅基于单一医院的电子健康记录数据，可能缺乏外部验证和泛化能力	开发一种高效的心脏病早期诊断和分类工具，以降低死亡率并支持实时风险评估	一般人群中的个体，使用电子健康记录数据	自然语言处理	心血管疾病	电子健康记录分析	Transformer	文本	NA	NA	Transformer编码器	准确率, 精确率, 召回率, F1分数	NA
4619	2026-02-08	CellViT++: Energy-efficient and adaptive cell segmentation and classification using foundation models 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109206 PMID:41576779	研究论文	本研究提出了一种名为CellViT++的数据高效且轻量级的框架，用于通用细胞分割，能够以最少的数据快速适应新的细胞类型	利用冻结的预训练基础模型进行分割，并在前向传播过程中无额外计算成本地提取深度细胞嵌入，仅需训练轻量级分类器即可适应新细胞类型，显著降低了计算成本和数据需求	未明确提及框架在处理极端罕见细胞类型或高度异质性组织样本时的性能限制	开发一种数据高效、计算成本低且适应性强的细胞分割与分类方法，以克服数字病理学中现有模型的局限性	数字病理学中的细胞分割与分类	数字病理学	结肠癌	免疫荧光染色	Vision Transformer	图像	七个公共数据集	PyTorch	Vision Transformer	F1分数	未明确指定GPU类型，但提及训练时间从小时级减少到分钟级，二氧化碳排放减少96.93%
4620	2026-02-08	Application of artificial intelligence in colonoscopy imaging for polyp analysis-A systematic review 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109239 PMID:41621228	综述	本文对深度学习在结肠镜图像息肉分析中的应用现状进行了全面且批判性的分析	系统性地回顾了包括卷积神经网络、基于Transformer的模型和混合方法在内的多种深度学习架构，并探讨了AI辅助工具的临床相关性及普遍性挑战	识别了现有技术面临的挑战，如数据不平衡、实时部署以及在不同人群和结肠镜设备间的泛化性问题	旨在为研究人员、临床医生和开发者提供利用深度学习增强结直肠息肉检测、诊断和临床决策的宝贵资源	结直肠息肉	计算机视觉	结直肠癌	结肠镜成像	CNN, Transformer	图像	NA	NA	NA	NA	NA