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
461	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
462	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
463	2026-02-13	Perceptions and knowledge of machine learning for paediatric related decision support in emergency care - A UK and Ireland network survey study of clinician leaders 2026-Feb, PLOS digital health DOI:10.1371/journal.pdig.0001213 PMID:41662367	研究论文	本研究通过调查英国和爱尔兰临床领导者对儿科急诊护理中机器学习决策支持工具的理解和看法，探讨了实施障碍和潜在应用	首次在英国和爱尔兰范围内针对儿科急诊护理的机器学习决策支持工具进行临床领导者层面的网络调查，揭示了理解差距、应用偏好和关键障碍	研究为横断面调查，样本量有限（65个站点），主要依赖自我报告数据，可能无法完全代表所有临床实践环境	评估临床领导者对儿科急诊护理中机器学习决策支持工具的理解、接受度和潜在应用，以指导安全有效的实施	英国和爱尔兰儿科急诊研究网络（PERUKI）站点的数字系统负责人或站点负责人	机器学习	儿科疾病	NA	NA	调查数据	75个站点中的65个（响应率86.7%），主要来自英格兰（83.1%）	NA	NA	NA	NA
464	2026-02-13	A deep learning framework for four-dimensional ocean sound speed field prediction 2026-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042423 PMID:41677394	研究论文	提出一种结合Swin Transformer和U-Net的深度学习模型（ST-UNet），用于实现四维海洋声速场的预测	首次将Swin Transformer与U-Net结合，通过多头自注意力机制提取时空特征，实现四维海洋声速场的完整时空信息预测，突破了现有方法仅能处理三维特征的局限	未明确说明模型在其他海域的泛化能力，也未讨论计算复杂度与实时预测的可行性	开发能够完整捕捉时空信息的四维海洋声速场预测方法	南海区域的海洋声速场数据	机器学习	NA	深度学习	Transformer, CNN	时空序列数据	基于南海实测数据集（具体样本量未明确说明）	NA	U-Net, Swin Transformer	均方根误差	NA
465	2026-02-13	[Research on a Deep Learning-Based Model for Predicting Malignancy Risk of Pan-Endocrine System across Thyroid and Breast Nodules] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250417 PMID:41672617	研究论文	本研究构建了一个基于多任务深度学习的跨器官AI模型，用于统一预测甲状腺和乳腺结节的恶性风险	采用基于Transformer架构的多任务深度学习模型，结合特征共享层和器官特定层，实现了甲状腺和乳腺结节的统一恶性风险预测，并证实了泛内分泌结节可通过统一深度学习架构进行精确风险分层	研究仅基于三家医院的临床数据，样本量有限，且未涉及其他内分泌器官结节	构建跨器官AI模型以实现甲状腺和乳腺结节恶性风险的统一预测	甲状腺结节患者（n=2386）和乳腺结节患者（n=2753）的临床数据	数字病理	甲状腺癌, 乳腺癌	深度学习	Transformer	临床数据	甲状腺结节2386例，乳腺结节2753例，外部验证集835例	NA	Transformer	AUC, 灵敏度, 特异性	NA
466	2026-02-13	[Advances in Application of Artificial Intelligence for Breast Cancer Radiotherapy] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250421 PMID:41672615	综述	本文系统回顾了人工智能在乳腺癌放疗领域的应用进展，特别是深度学习技术在提升放疗精度和优化放疗计划方面的作用	通过系统梳理AI在乳腺癌放疗中的应用，识别关键技术挑战，为AI与乳腺癌放疗的深度融合提供支持	NA	探讨人工智能技术在乳腺癌放疗中的应用，以提升放疗准确性和优化治疗计划	乳腺癌放疗过程，包括医学图像处理和自动化放疗计划	数字病理学	乳腺癌	深度学习	NA	医学图像	NA	NA	NA	NA	NA
467	2026-02-13	[Deep Learning-Based Automated Segmentation Algorithms of Brain and Vertebral Substructures for Radiotherapy in Pediatric Medulloblastoma] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250219 PMID:41672616	研究论文	本研究评估了nnU-Net和FuseNet在儿童髓母细胞瘤放疗中自动分割脑和椎体子结构的应用可行性	首次在儿童髓母细胞瘤放疗中比较nnU-Net、FuseNet和U-Net模型，并引入动态多模态特征融合技术提升脑分割精度	样本量较小（共60例），且部分脑子结构（如小脑前叶和海马体）在特定年龄组的分割效果未达理想水平（DSC<0.8）	评估深度学习模型在儿童髓母细胞瘤放疗中自动分割脑和椎体子结构的可行性与性能	儿童髓母细胞瘤患者（年龄分组：≤5岁和>5岁）的CT-MRI融合图像及CT图像	数字病理学	髓母细胞瘤	CT-MRI图像融合	CNN	医学图像（CT、MRI）	60例儿童患者（训练/验证：每组24例，测试/验证：每组6例，外加20例外部验证）	NA	U-Net, nnU-Net, FuseNet	DSC, HD95, RAVD, 手动校正时间	NA
468	2026-02-13	Machine Learning-Assisted Ultraelastic and Vibration-Resolvable Microwebs 2026-Jan-29, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202519941 PMID:41608850	研究论文	本文提出了一种结合机器学习和剪纸微纳加工技术开发超弹性微网的方法，用于增强微结构的机械性能和功能	利用数据驱动优化将自然结构转化为具有超高弹性的人工设计，实现了极低的刚度（约0.188 nN/nm），并首次展示了微网在质量传感和信息加密中的应用	未明确讨论微网在大规模生产或长期稳定性方面的限制	开发具有超弹性和振动可分辨性的微网结构，以提升微纳尺度机械性能	蜘蛛网启发的微结构，通过优化设计实现人工微网	机器学习	NA	剪纸微纳加工技术	深度学习	NA	NA	NA	NA	刚度（约0.188 nN/nm）、质量传感灵敏度（-0.801 kHz/pg）	NA
469	2026-02-13	Metadata driven malicious URL detection using RoBERTa large and multi source network threat intelligence 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34790-x PMID:41611764	研究论文	本研究提出了一种基于RoBERTa-Large变换器模型和元数据驱动的恶意URL检测方法，旨在提高检测准确性和可解释性	结合了RoBERTa-Large变换器的上下文子词嵌入与轻量级元数据信号，通过注意力层实现双机制检测，显著提升了恶意URL检测的性能和透明度	未明确说明模型对新型对抗性攻击的鲁棒性，且数据集可能未覆盖所有类型的恶意URL变体	检测恶意URL，以应对网络钓鱼、恶意软件攻击和网站篡改等安全挑战	恶意URL，包括良性、篡改、钓鱼和恶意软件类别的链接	自然语言处理	NA	NA	Transformer	文本	平衡数据集，包含良性、篡改、钓鱼和恶意软件URL，具体数量未明确	NA	RoBERTa-Large	准确率	NA
470	2026-02-13	A meta learning framework for few shot personalized gait cycle generation and reconstruction 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35121-4 PMID:41611817	研究论文	本文提出了一种基于元学习的少样本个性化步态周期生成与重建框架MetaGait	采用模型无关元学习（MAML）策略，通过少量步态周期样本实现个性化模型快速适应	未明确说明模型在极端步态异常或跨数据集泛化方面的性能	解决步态分析中个性化模型需要大量数据的问题	人类步态周期数据	机器学习	NA	元学习	TCN	序列数据	使用Human Gait Database（HuGaDB）数据集，具体样本量未明确说明	未明确说明	时序卷积网络	均方误差（MSE），动态时间规整（DTW）	NA
471	2026-02-13	Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35158-5 PMID:41606065	研究论文	本研究开发了一种基于放射组学的端到端模型，用于分割和预测早期妊娠结局	结合临床特征和超声图像的放射组学特征，利用深度学习分割模型和多任务nnUNet v2，开发了预测早期妊娠流产的分类模型	样本量有限，可能导致机器学习模型容易过拟合	预测早期妊娠在孕早期结束时的存活情况	未知存活状态的早期妊娠病例	数字病理学	妊娠相关疾病	超声成像	深度学习, 机器学习	图像	500例未知存活状态的妊娠病例，其中400例用于训练和验证，100例用于测试	PyTorch	多任务nnUNet v2, XGBoost, LASSO	Dice系数, AUC, F1分数, 召回率	NA
472	2026-02-13	Feature Integration of [18F]FDG PET Brain Imaging Using Deep Learning for Sensitive Cognitive Decline Detection 2026-Jan-26, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.22.26344669 PMID:41646662	研究论文	本研究提出了一种多表征学习框架，通过结合[18F]FDG PET脑成像的体素级和区域级特征，利用深度学习提高认知衰退检测的敏感性和准确性	提出了一种结合体素级和区域级特征的多表征学习框架，通过直接拼接集成CNN、PCANet和DNN模型，显著提升了认知衰退分类的准确性和敏感性	研究样本量相对有限（252名参与者），且仅基于ADNI数据集，可能限制了模型的泛化能力	提高认知衰退（包括早期阿尔茨海默病）与认知正常个体的诊断准确性，以支持及时干预	阿尔茨海默病神经影像学倡议（ADNI）中的252名参与者，包括118名认知正常和134名认知衰退受试者	数字病理学	阿尔茨海默病	[18F]FDG PET脑成像	CNN, PCANet, DNN	图像	252名参与者（118名认知正常，134名认知衰退）	NA	CNN, PCANet, DNN	准确率, 召回率, F1分数, 精确率	NA
473	2026-02-13	A deep reinforcement learning approach to dance movement analysis 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35311-0 PMID:41577743	研究论文	本文提出了一种基于深度强化学习的舞蹈动作分析框架RATS，通过序列决策过程优化视频帧采样，提高分类效率与准确性	提出RATS框架，将舞蹈分类建模为序列决策过程，结合3DCNN特征提取、DQN代理与BiLSTM记忆，实现关键帧聚焦并降低计算复杂度	未明确讨论模型在更广泛舞蹈数据集或实时应用中的泛化能力与计算资源需求	开发高效且准确的视频舞蹈风格分类方法	舞蹈视频数据	计算机视觉	NA	视频分析	深度强化学习, 3DCNN, BiLSTM	视频	基于Let's Dance数据集（具体样本数未提供）	NA	3DCNN, DQN, BiLSTM	准确率, F-measure	NA
474	2026-01-21	Compact deep learning models for colon histopathology focusing performance and generalization challenges 2026-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35119-y PMID:41554906	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
475	2026-02-13	Contemporary strategies for active learning in oral and maxillofacial surgery education 2026-Jan-15, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.002 PMID:41672806	综述	本文回顾并倡导了口腔颌面外科教育中当代的主动学习策略	强调通过团队学习、翻转课堂、模拟训练等现代方法促进主动学习，以提升教育效果	NA	探讨口腔颌面外科教育中的主动学习策略，以改善临床医生培训	口腔颌面外科的受训者（住院医师）	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
476	2026-01-14	End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs 2026-Jan-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02150-4 PMID:41527051	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
477	2026-02-13	Proteolysis-targeting Chimera efficacy prediction using a deep-learning-QSP model 2026-Jan-12, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01152-2 PMID:41521293	研究论文	本研究提出了一种结合深度学习和定量系统药理学的集成计算建模框架，用于预测PROTAC分子的疗效	首次将基于卷积神经网络的深度学习模型DeepCalici与机制性QSP Hook模型相结合，以预测PROTAC的关键药效参数，并通过补充深度神经网络基于化学和生化特征调整模型参数以提高预测准确性	对最大降解的预测准确性较低，可能反映了当前数据集中未捕获的实验条件变异性	开发一种计算模型以预测PROTAC分子的疗效，加速其发现和优化	PROTAC分子及其与蛋白质靶点和E3连接酶的结合亲和力	机器学习	NA	定量系统药理学，深度学习	卷积神经网络，深度神经网络	化学和生化特征数据，实验验证的PROTAC-DB数据	NA	NA	DeepCalici，Hook模型	预测准确性	NA
478	2026-01-14	MRI-based deep learning and radiomics for severity classification of pediatric venous malformations 2026-Jan-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02161-1 PMID:41526842	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
479	2026-02-13	Crop phenotype prediction using SNP context and whole-genome feature embedding based on DNABERT-2 2026-Jan-12, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01492-4 PMID:41527074	研究论文	本研究提出两种基于DNABERT-2基因组基础模型的特征嵌入方法，用于作物表型预测，并比较了不同遗传力性状下的预测性能	首次将DNABERT-2跨物种基因组基础模型应用于作物表型预测，提出SNP上下文和全基因组两种特征嵌入模式，突破了传统方法仅关注单个SNP累积效应的局限	研究仅针对三种作物数据集（水稻和玉米）进行验证，未涵盖更广泛的作物种类；特征维度优化范围有限（4-768维）	开发基于基因组序列上下文的精准表型预测方法，加速优良作物品种选育	水稻（rice413, rice395）和玉米（maize301）的基因组序列与表型数据	机器学习	NA	基因组测序	Transformer, 机器学习算法	基因组序列	三个作物数据集（水稻413个样本、水稻395个样本、玉米301个样本）	DNABERT-2	DNABERT-2（基于Transformer架构）	准确率, 平均绝对误差	NA
480	2026-02-13	A multicenter deep learning framework integrating radiomics and vision transformers for comprehensive ovarian tumor analysis from ultrasound imaging 2026-Jan-11, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03395-5 PMID:41521324	研究论文	本研究开发并验证了一个多中心深度学习框架，整合了放射组学特征和视觉变换器，用于从超声图像中实现卵巢肿瘤的全面分析，包括分割、多分类和预后预测	提出一个结合放射组学描述符和深度特征嵌入的多中心深度学习框架，首次在卵巢肿瘤超声分析中集成多种分割网络和分类器，并进行了外部验证	研究为回顾性分析，可能存在选择偏倚；未明确说明模型在不同超声设备或采集参数下的泛化能力	开发一个鲁棒的多中心深度学习流程，用于卵巢肿瘤的全面分析，以支持个性化临床决策	卵巢肿瘤患者	计算机视觉	卵巢癌	超声成像	CNN, Transformer	图像	3156名患者（来自八个中心），外部验证集756名患者	NA	UNETR, nnU-Net, Swin-UNet, SegNet, UNet, ResNet, Vision Transformer (ViT), TabTransformer, MLP, XGBoost	DSC, AUC, 准确率, C-index	NA