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
501	2026-09-04	Keros-Net: a convolutional block attention module-squeeze-and-excitation-integrated hybrid learning framework for olfactory fossa depth classification 2026-09-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2026.263749 PMID:41848096	研究论文	本研究开发了一种结合深度学习和机器学习的新型混合决策框架（Keros-Net），用于根据Keros分类自动分类副鼻窦CT图像上的嗅窝深度	创新性地将CBAM和SE注意力机制与DenseNet架构集成，并结合多种特征选择技术和经典机器学习分类器，构建了比纯深度学习模型更准确的混合分类框架	未在摘要中提及	开发自动分类嗅窝深度的混合决策支持框架，以提高准确性、减少观察者变异性并支持更安全的内窥镜鼻窦手术	481名个体的1,549个裁剪冠状位CT切片，根据Keros分型标记为I-III型	medical image analysis	NA	CT成像	CNN, SVM, 随机森林, XGBoost, 逻辑回归, 朴素贝叶斯	图像	481名个体（1,549个裁剪冠状位CT切片）	NA	DenseNet121, DenseNet169, DenseNet201	准确率, 精确率, 召回率, F1分数	NA
502	2026-09-04	Seeing What Few-Shot Learners See: Contrastive Cross-Class Attribution for Explainability 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3672242 PMID:41860917	研究论文	本文提出对比跨类归因方法（C3A）及其变体C3A-E，以增强小样本学习模型的可解释性，并在多个基准上展示了优于现有方法的性能。	提出分类器无关的C3A方法，利用骨干网络实现跨不同FSL范式的广泛适用性；引入对比局部描述符，结合NBNN和Fisher评分归因以保留细节并增强类别间判别。	文中未明确提及局限性。	提升小样本学习模型的可解释性，使其在数据受限领域（如医疗）中更可信。	小样本学习模型及其在查询样本和情景学习中的预测解释。	机器学习	不适用	对比学习、归因方法	小样本学习模型（卷积网络和视觉Transformer）	图像数据（四个FSL基准数据集隐含）	四个FSL基准数据集，具体样本数量未详述	未在摘要中明确提及，代码在GitHub上公开	Conv64F, ResNet12, ResNet18, ViT	插入区域曲线下面积（iAUC），删除区域曲线上面面积（dAAC）	未在摘要中提及
503	2026-09-04	Hybrid Convolution Reparameterization for Efficient Deep Learning-Based Nonprecipitation Echo Recognition and Removal 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675666 PMID:41945840	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
504	2026-09-04	Interpretable deep learning model for pediatric strangulated small bowel obstruction on CT: A multicenter study 2026-Aug, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163075 PMID:41825499	研究论文	开发并验证一种基于深度学习的多实例学习模型，整合CT影像和临床数据，以提高儿童绞窄性小肠梗阻与单纯性小肠梗阻的鉴别诊断准确性。	首次将多实例学习（MIL）模型应用于儿童绞窄性小肠梗阻的CT影像诊断，并整合临床数据，同时使用SHAP进行可解释性分析。	作为多中心回顾性研究，样本量相对较小，且仅限于年龄1-14岁的住院患者，可能限制了模型的泛化性。	提高儿童绞窄性小肠梗阻与单纯性小肠梗阻的鉴别诊断准确性。	168名1-14岁的儿童小肠梗阻患者，其中118名男性。	医学影像分析	小肠梗阻	CT成像	多实例学习（MIL）	CT影像和临床数据	168名患者	NA	多实例学习（MIL）模型	AUC, 95%CI, p值	NA
505	2026-09-04	Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05309-9 PMID:41284028	研究论文	本研究旨在开发和验证基于常规B超图像、以Fibroscan测量为参考标准的深度学习模型，用于非侵入性评估MASLD患者的肝脂肪变性和纤维化	使用多中心超声数据集，包含新标记的Fibroscan超声数据集，模型性能优于专家放射科医生	未在文中明确提及	开发并验证深度学习模型，用于非侵入性检测肝脂肪变性和纤维化	MASLD患者的常规B超图像	计算机视觉, 数字病理学	代谢相关脂肪性肝病（MASLD）	B-mode超声成像, Fibroscan	EfficientNet-B4, Vision Transformers	图像	DS1: 111名患者1131张图像; DS2: 95名患者1328张图像; DS3: 18名患者185张图像; DS4: 23名患者155张图像	NA	EfficientNet-B4, Vision Transformers	AUROC	NA
506	2026-09-04	Identification of Aspergillus at section and species levels by artificial intelligence-based microscopic morphology image recognition 2026-04-08, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00012-26 PMID:41757926	研究论文	本研究提出FungalNet深度学习模型，结合ResNet-50架构与Focal Loss算法，用于临床微生物学中曲霉属的自动识别，在属和种水平上分别达到98.45%和97.85%的准确率。	首次将Focal Loss与ResNet-50结合用于曲霉属的显微形态图像识别，并引入了结合五折交叉验证和专家人工审核的新型质量控制方法。	未明确提及局限性，但可能包括模型泛化性依赖于训练数据的代表性，以及需要进一步多中心验证。	评估深度学习模型在临床微生物学中对曲霉属进行快速、准确识别的性能，特别是在物种和属水平上的分类能力。	曲霉属的物种和属，包括12种临床分离的曲霉属物种，分属8个不同属。	计算机视觉,数字病理学	曲霉病	显微形态学、深度学习	CNN	图像	共收集12,000张图像，经质量控制排除311张，最终使用11,689张合格图像，涉及12种临床分离的曲霉属物种。	NA	FungalNet（ResNet-50）、GoogLeNet、Xception	准确率	NA
507	2026-09-04	Scaling trachoma surveillance in endemic areas using machine learning 2026-Apr-03, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13215-8 PMID:41933299	研究论文	本研究开发并评估了一种基于眼睑图像的迁移学习模型，用于沙眼的内眦图像自动分类，以支持地方性流行区域的监测工作	利用ImageNet预训练的ResNet50模型，构建了基于R语言的可复现深度学习流程，专为沙眼自动分类设计，并结合多个国家的现场调查图像数据进行验证	数据集规模有限（共572张图像），需更大样本才能用于项目监测的实际部署，研究为回顾性分析且未提供临床试用编号	开发并评估一种基于眼睑图像的迁移学习模型，用于沙眼自动分类，以实现大规模监测中的可扩展诊断	来自7个国家（埃塞俄比亚、坦桑尼亚、澳大利亚、所罗门群岛、哥伦比亚、冈比亚、危地马拉）的572张内眼睑图像，包括沙眼阳性（251张）和阴性（321张）样本	计算机视觉	沙眼（传染性眼病）	图像分类（基于眼睑照片）	卷积神经网络（CNN）	图像（内眼睑照片）	572张图像（251阳性，321阴性），保留验证集中62张（12%）用于评估	TensorFlow, Keras（通过R的reticulate接口）	ResNet50	准确率、灵敏度、特异度、Cohen κ系数	未具体说明（基于R和Python环境）
508	2026-09-04	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	利用空间转录组学技术解析记忆巩固过程中压后皮层（RSC）的单细胞分辨率转录组特征，并揭示其在阿尔茨海默病相关痴呆模型中的异常	首次在单细胞分辨率下解析压后皮层在空间记忆巩固过程中各兴奋性神经元亚型的转录组动态变化，并利用深度学习工具预测学习后的细胞类型特异性分子激活模式	未明确提及	探究空间记忆巩固过程中压后皮层（RSC）的转录组特征及其对长期记忆维持的机制	小鼠压后皮层（RSC）的兴奋性神经元及阿尔茨海默病相关痴呆（ADRD）小鼠模型	空间转录组学、神经科学、深度学习	阿尔茨海默病相关痴呆	空间转录组学（Xenium平台）	深度学习模型（具体类型未明确）	空间基因表达数据	未明确提及具体样本数量	NA	NA	NA	NA
509	2026-09-04	Development and Validation of Machine Learning Models for Predicting Early Cognitive Decline Using Home Sensor-Derived Behavioral Data: Sensors in-Home for Elder Wellbeing (SINEW) Cohort Study 2026-04-01, JMIR research protocols IF:1.4Q3 DOI:10.2196/79490 PMID:41921108	研究论文	本研究旨在开发和验证基于家庭传感器数据的机器学习模型，用于预测老年人的早期认知衰退，并区分正常衰老与轻度认知障碍、早期痴呆、衰弱前期或衰弱状态。	利用连续家庭监测的多传感器系统（包括被动红外运动传感器、门磁传感器、床传感器等）获取的行为数据与临床数据结合，开发监督式机器学习模型，以预测正常老化到轻度认知障碍或衰弱的转变，这为早期干预提供了可能。	研究仍在进行中，完整的数据分析尚未开始，因此尚未提供模型的验证结果；主要限制是当前样本规模较小（截至2025年6月仅138名参与者），可能影响模型的泛化能力。	开发并验证一种基于家庭传感器系统的机器学习模型，用于早期识别有轻度认知障碍或衰弱前期风险的老年人，以促进及时干预并可能减缓疾病进展。	社区居住的年龄≥65岁、基线时认知正常或轻度认知障碍的老年人。	机器学习、数字病理学	老年疾病（痴呆、认知障碍、衰弱）	家庭传感器监测（被动红外、门磁、床、药物箱、穿戴式活动带、蓝牙信标）	逻辑回归、随机森林、梯度提升、深度学习	传感器数据（时空间活动模式、移动性、睡眠行为、药物服用习惯）和临床数据（认知测试、衰弱测量等）	目标200名，截至2025年6月已招募138名社区老年人	未明确提及，但可能使用Scikit-learn、PyTorch或TensorFlow	未明确指定，如逻辑回归、随机森林、梯度提升、深度学习	AUC、灵敏度、特异性、精确度、召回率、F1分数	未明确提及
510	2026-09-04	Mobile Imaging-Based Machine Learning for Dental Caries, Sealants, and Fluorosis: Protocol for a Cross-Sectional Model Development and Validation Study 2026-03-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/91239 PMID:41911013	研究论文	本研究提出了一项横断面模型开发与验证研究的方案，旨在利用移动成像技术和机器学习方法检测青少年龋齿、密封剂和氟斑牙	首次探索利用移动健康技术结合计算机视觉和深度学习，通过智能手机和低成本口腔内摄像头图像，同时检测龋齿、密封剂并量化氟斑牙严重程度	研究方案中未明确提及具体局限性	开发和验证用于检测龋齿、识别密封剂及量化氟斑牙严重程度的机器学习模型，以标准化的视觉临床检查作为参考标准	美国科罗拉多州约1000名青少年，生活在公共供水系统中天然氟化物水平较高的社区	计算机视觉	口腔疾病	口腔内摄像头和智能手机成像	监督学习模型、神经网络分类器	牙齿图像	约1000名青少年，截至2026年1月已收集约300名参与者的数据	NA	NA	多分类性能指标	NA
511	2026-09-04	Evaluation of KU-F40 automated microscope for parasitology: when artificial intelligence meets old school microscopy 2026-03-11, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00743-25 PMID:41665376	研究论文	评估KU-F40自动粪便分析仪结合深度学习和自动显微镜在肠道寄生虫感染诊断中的性能	首次在来自六个比利时医院（包括两个国家参考中心）的广泛寄生虫范围内评估KU-F40的性能，结合自动显微镜和深度学习AI提供创新方法	性能不足以作为筛查工具进行阴性结果的自动验证，缺少10倍放大物镜和部分寄生虫数据库条目	评估KU-F40自动粪便分析仪用于肠道寄生虫感染诊断的性能	KU-F40自动粪便分析仪及肠道寄生虫感染诊断	数字病理学	肠道寄生虫感染	自动显微镜检查	深度学习	粪便样本图像	267份临床粪便样本	NA	深度学习AI（未指定具体架构）	敏感性，特异性	NA
512	2026-09-04	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2026-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07660-x PMID:41261210	研究论文	提出一种基于卷积神经网络的动态逐帧运动校正方法，用于18F-flurpiridaz PET心肌灌注成像，提高定量分析的效率和准确性	首次将3D-ResNet架构应用于18F-flurpiridaz PET的自动逐帧运动校正，通过深度学习实现快速且诊断性能与人工校正相当的自动化处理	未在文中明确提及局限性，但依赖手动校正作为金标准，且数据来自单一临床试验，可能影响通用性	开发并验证一种深度学习框架，用于自动校正18F-flurpiridaz PET心肌灌注成像中的运动伪影，以实现快速且准确的定量分析	接受18F-flurpiridaz PET-MPI的患者心肌灌注图像	医学影像分析	冠状动脉疾病	PET	3D-ResNet	3D PET影像数据	来自32个地点III期临床试验（NCT01347710）的数据，具体数量未在摘要中注明	未在摘要中明确提及	3D-ResNet	AUC、一致性95%置信区间、平均差异	未在摘要中明确提及
513	2026-09-04	Advancing modified barium swallow pre-sorting with deep learning: a new paradigm for the first step analysis in X-ray swallowing study 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03505-y PMID:41046271	研究论文	本研究提出一种基于深度学习的自动化方法，用于区分改良钡餐吞咽检查中的诊断视频类型和非诊断性侦察视频，以简化其审查工作流程	首次将深度学习应用于MBS视频的自动分类，特别是实现了解剖平面区分、侦察与吞咽视频识别，并采用多任务学习提升了模型性能	信息不足，无法确定	自动分类MBS检查中的吞咽视频，区分不同类型的诊断视频并识别非诊断性侦察视频，以提高审查效率	改良钡餐吞咽检查视频片段	计算机视觉、数字病理学	吞咽功能障碍	深度学习	神经网络	X射线吞咽检查视频	来自216名患者的285次MBS检查中的3740个视频片段，共986,808帧，平均年龄60±9岁	NA	NA	准确率	NA
514	2026-09-04	CryoVirusDB: An Annotated Dataset for AI-Based Virus Particle Identification in Cryo-EM Micrographs 2026-Feb-11, Viruses DOI:10.3390/v18020224 PMID:41754567	研究论文	介绍CryoVirusDB，一个用于AI识别冷冻电镜显微图中病毒颗粒的标注数据集	首次提供大规模、人工标注的冷冻电镜病毒颗粒数据集，填补了AI在该领域发展的数据空白	仅包含七种非包膜、呈二十面体或伪二十面体对称的病毒，可能不涵盖所有病毒类型	为AI和机器学习方法提供训练和测试数据，以实现冷冻电镜显微图中病毒颗粒的准确识别，助力病毒三维结构建模	冷冻电镜显微图中的病毒颗粒	计算机视觉	NA	冷冻电镜	NA	图像	9941张显微图，339,398个标注病毒颗粒	NA	NA	NA	NA
515	2026-09-04	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	评估使用LSTM深度学习算法从活动记录仪和心率数据预测儿童睡眠及睡眠阶段的性能	首次将LSTM算法应用于儿童睡眠阶段预测，结合活动记录仪和心率数据，提高了睡眠觉醒分类和睡眠阶段预测的准确性	研究仅在单中心实验室条件下进行，样本主要为疑似睡眠障碍的儿童，外部验证不足；未评估LSTM在家庭环境中的泛化能力	评估LSTM算法在儿童睡眠和睡眠阶段预测中与多导睡眠监测的一致性，并与传统方法比较性能	238名5-12岁儿童，其中52.8%为男性，50%为黑人，31.9%为白人，疑似有睡眠障碍	机器学习	睡眠障碍	活动记录仪和心率监测	LSTM	活动记录和心率时间序列数据	238名儿童	NA	LSTM	准确率、敏感性、特异性	NA
516	2026-09-04	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-02, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	本研究旨在通过结合医学图像和临床记录，利用预测模型改善结直肠癌筛查和风险评估	采用多模态融合策略，将临床记录与基于深度学习的图像特征相结合，并训练模型预测中间临床变量以提升5年进展风险预测性能	未明确提及，但可能受限于样本来源单一（新罕布什尔州结肠镜登记处）及数据回顾性	结合病理图像和临床数据，提高结直肠癌进展风险的预测准确性	结直肠癌筛查中的息肉患者，其病理切片和纵向随访记录	数字病理学, 机器学习	结直肠癌	数字病理图像分析	Transformer模型	病理全切片图像, 临床记录	来自新罕布什尔州结肠镜登记处的纵向随访数据（具体数量未说明）	NA	Transformer	受试者工作特征曲线下面积（AUC）	NA
517	2026-09-04	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	介绍MULTICOM_ligand，一种基于几何深度学习集成和流匹配的蛋白质-配体结构与亲和力预测方法，并在CASP16中取得佳绩	提出结构共识排序用于无监督姿势排序，并引入新的深度生成流匹配模型进行联合结构与结合亲和力预测	未明确说明局限性	提高蛋白质-配体结构和结合亲和力预测的准确性和泛化能力	蛋白质-配体复合物的结构和结合亲和力	深度学习	NA	NA	几何深度学习集成和生成流匹配模型	蛋白质-配体结构数据	NA	NA	集成模型和流匹配模型	排序	NA
518	2026-09-04	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	研究论文	本文介绍了CASP特别兴趣小组的成立，旨在促进结构预测社区在预测季节之间的持续对话和跨学科合作。	引入了在线研讨会系列，以鼓励社区间的持续交流，降低新入行者的门槛。	未提及具体的局限性。	通过特别兴趣小组增强CASP社区内部的互动和合作，促进知识交流。	CASP社区成员，包括深度学习专家、NMR专家等。	结构预测	NA	NA	NA	NA	NA	NA	NA	NA	NA
519	2026-09-04	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了KiharaLab团队在CASP16中蛋白质复合物和RNA结构预测的方法与结果，结合多种深度学习模型和共识评分方法，在蛋白质复合物预测中排名第一，RNA结构预测中排名第三	采用大型宏基因组序列数据库增强多序列比对深度，并在共识排名方法中增加更多评分项，以及基于文献证据进行人工优化预测结果，并采用以NuFold框架为核心的集成方法进行RNA结构预测	文中指出分析中某些目标与其他组有显著差异，揭示了MSA和评分策略的优势及需要进一步改进的领域	开发并评估用于蛋白质复合物及RNA结构预测的计算方法，以提升预测准确性	蛋白质复合物和RNA结构	结构生物学、深度学习	NA	深度学习、多序列比对、宏基因组数据库	深度学习模型（如NuFold等）	氨基酸序列、RNA序列	CASP16中若干目标（具体数量未给出）	NA	NuFold	排名	NA
520	2026-09-04	Nephrocast-V: A Deep Learning Model for the Prediction of Vancomycin Trough Concentration Using Electronic Health Record Data 2026-01, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70062 PMID:41025800	研究论文	本研究开发并验证了一种基于电子健康记录数据的深度学习模型，用于预测重症监护病房患者万古霉素谷浓度，并优化剂量调整。	将LSTM与多头注意力机制结合，并通过跳跃连接在最终层整合既往剂量信息，实现对万古霉素谷浓度的提前两天预测，性能可与临床药师配合贝叶斯软件相媲美。	未明确提及限制，但可能包括单中心数据、样本量有限及外部验证缺失等。	利用深度学习模型提前两天预测重症患者万古霉素谷浓度，并提供最佳剂量调整建议。	2016年1月1日至2024年6月30日期间，加州大学圣地亚哥分校卫生系统ICU收治的成人患者，共2205次住院记录。	机器学习	重症感染	电子健康记录数据分析	长短期记忆网络（LSTM）结合多头注意力机制	电子健康记录数据	2205次住院记录，患者中位年龄57岁，中位ICU住院时长4.9天	NA	LSTM与多头注意力层结合，并辅以跳跃连接	平均绝对误差（MAE），均方根误差（RMSE）	NA