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
6201	2026-01-22	AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2026, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险，并识别关键预测特征	首次将深度学习模型（特别是AGRU）应用于跨世代（年轻、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了年龄特异性的风险因素	模型在独立数据集上的外部验证仅显示中等泛化能力，且需要更大、更多样化的数据集以及整合时序或传感器数据进行实际应用验证	开发和比较不同的ML/DL模型，以预测跌倒风险并识别跨年龄组的关键预测特征	1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者	机器学习	老年疾病	NA	机器学习, 深度学习	人口统计学、临床和身体性能数据	1441名社区居住成年人	NA	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
6202	2026-01-22	Integrated modeling approach for assessing sustainable concrete incorporating waste glass powder: a finite element and deep learning perspective 2025-Dec, Environmental science and pollution research international DOI:10.1007/s11356-025-36767-9 PMID:40694313	研究论文	本研究提出了一种结合有限元方法和深度学习的模型，用于评估掺入废玻璃粉作为水泥部分替代品的混凝土的结构与力学性能	首次将有限元模拟与深度学习（特别是卷积神经网络）相结合，以评估废玻璃粉替代水泥对混凝土性能的影响，并优化配合比设计	研究主要关注压缩强度，可能未全面评估其他力学性能如抗拉强度或耐久性；模型基于特定实验条件，普适性有待进一步验证	评估废玻璃粉作为水泥部分替代品在混凝土中的可行性，并优化其配合比设计以实现可持续建筑	掺有废玻璃粉的混凝土材料	机器学习	NA	有限元方法，深度学习	CNN	模拟数据，实验数据	未明确说明具体样本数量，但涉及不同废玻璃粉掺量比例的混凝土样本	未明确说明，可能为TensorFlow或PyTorch	卷积神经网络（CNN）	准确率	NA
6203	2026-01-22	DRCNN-Lesion Proxy: a hybrid CNN with lesion-inspired feature simulation for diabetic retinopathy severity classification 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21337-3 PMID:41168219	研究论文	提出了一种名为DRCNN-Lesion Proxy的混合CNN架构，通过模拟病灶特征来提升糖尿病视网膜病变严重程度分类的准确性	提出了一种无需显式病灶边界框标注的病灶代理模块，通过模拟病灶特征来增强模型对早期病变的识别能力	未明确说明模型在临床部署中的计算效率或实时性能	开发一种准确、可扩展的糖尿病视网膜病变自动筛查解决方案	糖尿病视网膜病变的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	未明确说明具体样本数量，但使用了六个公开数据集	未明确说明	ResNet34	准确率, F1分数, AUC	未明确说明
6204	2026-01-22	XComposition: multimodal deep learning model to measure body composition using chest radiographs and clinical data 2025-Sep, Radiology advances DOI:10.1093/radadv/umaf035 PMID:41164313	研究论文	本文提出了一种名为XComposition的多模态深度学习模型，利用胸部X光片和临床数据来估计身体组成指标	开发了一个结合胸部X光片和易于获取的临床变量的多任务、多模态深度学习模型，用于从胸部X光片中估计身体组成，这在以前的研究中较少见	研究为回顾性队列，样本量相对有限（1118名患者），且模型对骨骼肌体积的预测性能较低（Pearson相关系数为0.58）	探索使用深度学习从胸部X光片和临床变量中估计身体组成指标，以促进大规模研究	患者（包括女性和男性）的胸部X光片和临床数据（年龄、出生性别、身高、体重）	数字病理学	心血管疾病	深度学习	多任务、多模态深度学习模型	图像（胸部X光片）、文本（临床数据）	1118名患者（582名女性，538名男性），来自美国30个卫生系统，影像采集时间为2010年至2024年	NA	NA	Pearson相关系数, 平均绝对误差	NA
6205	2026-01-22	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究利用深度学习与图模型，对肾小球疾病全玻片图像中的淋巴细胞拓扑结构进行量化表征，并评估其与疾病进展的临床关联	开发了一种新颖的基于图的生境聚类算法，以识别密集与稀疏的淋巴细胞生境，并提取高维病理组学特征来捕获传统视觉评估无法捕捉的炎症模式复杂性	研究样本仅包含FSGS和MCD两种肾小球疾病，且依赖于单张H&E染色全玻片图像	通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，以增强对MCD/FSGS疾病进展的预测能力	肾小球疾病患者的肾组织全玻片图像	数字病理学	肾小球疾病	全玻片图像分析	深度学习模型	图像	333名NEPTUNE/CureGN参与者（155例FSGS，178例MCD），每人一张H&E染色全玻片图像	NA	NA	一致性指数	NA
6206	2026-01-22	SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056348824241224100809 PMID:39773067	研究论文	本文提出了一种结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于肺癌检测，并在LIDC-IDRI数据集上验证了其性能	创新性地将VGGNet-16与SVM结合，形成混合模型SVMVGGNet-16，利用CNN进行特征提取和SVM进行分类，以提高肺癌检测的准确性和可靠性	未来工作包括模型优化、数据集扩展、临床试验以及系统集成到临床实践中，以确保实际可用性	通过集成机器学习和深度学习方法来增强肺癌检测，实现早期和准确诊断	肺癌类型，包括腺癌、大细胞癌、正常组织和鳞状细胞癌	计算机视觉	肺癌	图像预处理（中值滤波和直方图均衡化）、分割（阈值和边缘检测）、特征提取（几何特征）	CNN, SVM	图像	使用LIDC-IDRI数据集，具体样本数量未在摘要中明确说明	NA	VGGNet-16	准确率, AUC, 召回率, 精确率, F1分数	NA
6207	2026-01-22	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文全面综述了利用机器学习和深度学习模型，特别是基于MRI医学影像数据，提升脑肿瘤分类准确性和效率的方法、挑战及未来展望	系统比较了从经典机器学习算法到先进深度学习模型及混合架构在脑肿瘤分类中的应用，并提出了融合多模态成像、可解释AI框架和隐私保护技术等未来方向	面临标注数据集稀缺、计算复杂度高、模型可解释性不足以及临床整合障碍等挑战	提升脑肿瘤分类的准确性和效率，以支持治疗决策和改善患者预后	脑肿瘤，包括胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	磁共振成像	SVM, Decision Trees, CNN, RNN, 混合架构	图像	NA	NA	NA	准确率, 灵敏度, 特异性, AUC-ROC	NA
6208	2026-01-22	Evaluation of Deep Learning Methods for Pulmonary Disease Classification 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056388107250710120917 PMID:40692157	研究论文	本研究评估了深度学习模型在肺病分类中的应用，通过结合多种音频特征和CNN-RNN-LSTM架构，提出了一种多特征深度学习模型，实现了92%的最高准确率	提出了一种结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，并整合CNN、RNN和LSTM架构，显著提升了肺病分类的准确率	数据集中慢性阻塞性肺疾病样本过多，而上下呼吸道感染样本较少，导致模型在测试音频样本上的泛化能力受限	提高肺病检测的准确性，通过深度学习技术改进诊断方法	肺病分类，具体包括慢性阻塞性肺疾病、下呼吸道感染和上呼吸道感染	机器学习	肺病	听诊录音分析，包括频谱图、色度图和MFCC特征提取	CNN, RNN, LSTM	音频	未明确指定样本数量，但提及数据集有限且不平衡	未明确指定，可能为TensorFlow或PyTorch	CNN, RNN, LSTM	准确率	未明确指定
6209	2026-01-22	Oral-Anatomical Knowledge-Informed Semi-Supervised Learning for 3D Dental CBCT Segmentation and Lesion Detection 2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society IF:5.9Q1 DOI:10.1109/tase.2025.3530936 PMID:40918035	研究论文	本文提出了一种新颖的口腔解剖知识引导的半监督学习模型（OAK-SSL），用于3D牙科CBCT图像分割和病变检测	OAK-SSL能够将定性的口腔解剖知识（如病变可能位置）整合到深度学习设计中，包括知识量化表示、知识引导的双任务学习架构和知识引导的半监督损失函数	NA	开发自动化3D牙科CBCT图像分割和病变检测方法，以提升牙科医疗质量和效率	包含小病变的3D牙科CBCT图像	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习	3D图像	NA	NA	OAK-SSL	NA	NA
6210	2026-01-22	What makes human cortical pyramidal neurons functionally complex 2024-Dec-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628883 PMID:39763809	研究论文	本文提出了一个基于深度学习的框架——功能复杂性指数（FCI），用于量化神经元输入输出复杂性，并比较了人类与啮齿动物皮层锥体神经元的功能复杂性差异	首次提出功能复杂性指数（FCI）作为量化神经元功能复杂性的标准化度量，并揭示了人类皮层锥体神经元在树突膜面积、分支模式及NMDA受体密度和非线性方面的独特结构生物物理基础	NA	探究人类皮层神经元独特性质如何解释其高级认知能力，并开发量化神经元功能复杂性的方法	人类和啮齿动物（大鼠）的皮层锥体神经元	机器学习	NA	深度学习	NA	神经元形态和生理特性数据	NA	NA	NA	NA	NA
6211	2026-01-22	Deep Learning Used with a Colorimetric Sensor Array to Detect Indole for Nondestructive Monitoring of Shrimp Freshness 2024-07-24, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c04223 PMID:38980942	研究论文	本研究开发了一种基于比色传感器阵列和深度学习技术的智能比色鲜度指示器，用于无损监测虾的新鲜度	提出了一种掺杂PDL的PVA/壳聚糖比色条传感器阵列，其颜色变化（从淡黄色到粉色或桑葚色）能像进度条一样直观反映吲哚浓度，并结合深度学习图像分类系统实现高精度鲜度识别	传感器阵列的检测范围限定在50-350 ppb的吲哚浓度区间，实际应用场景的普适性未充分验证	开发一种低成本、直观的无损食品鲜度监测方法	虾的新鲜度（通过吲哚浓度指示）	计算机视觉	NA	比色传感器阵列	DCNN	图像	NA	NA	VGG16	准确率	NA
6212	2026-01-22	Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review 2024-05-24, American journal of health-system pharmacy : AJHP : official journal of the American Society of Health-System Pharmacists IF:2.1Q3 DOI:10.1093/ajhp/zxae011 PMID:38294025	研究论文	本研究应用深度学习算法对医院药师在处方审核过程中提出的建议进行自动分类，以促进建议数据的总结和利用	首次将深度学习技术应用于医院药师建议的自动化分类，利用大量文本数据提升分类效率，并通过半监督学习方式整合未标记数据优化模型性能	研究仅基于单一法国大学医院的数据，模型泛化能力需进一步验证；分类准确率虽达81%，但在实际临床应用中可能仍需人工复核	开发一个深度学习算法，用于自动分类医院药师在处方审核中提出的治疗建议，以促进这些数据的回顾性分析和利用	医院药师在处方审核过程中生成的文本建议	自然语言处理	NA	深度学习	深度神经网络	文本	27,699条已标记建议（2017年上半年）用于训练和评估，另包含2017年下半年未标记建议	NA	深度神经网络分类器	准确率	NA
6213	2026-01-22	A multimodal deep learning approach for the prediction of cognitive decline and its effectiveness in clinical trials for Alzheimer's disease 2024-02-21, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02819-w PMID:38383536	研究论文	本研究提出了一种基于人工智能模型预测认知衰退程度的分层随机化方法，以抑制阿尔茨海默病临床试验中的分配偏差，并通过ADNI数据集模拟评估其有效性	首次将人工智能预测的认知衰退程度作为分层指数，用于临床试验的随机化过程，以解决因个体认知衰退速度差异导致的治疗组与安慰剂组分配偏差问题	研究基于模拟数据（ADNI数据集）进行评估，尚未在真实临床试验中验证；模型预测准确性可能受数据质量和样本量限制	开发一种分层随机化方法，以减少阿尔茨海默病临床试验中因认知衰退速度个体差异引起的分配偏差，从而提高治疗效果评估的准确性	阿尔茨海默病患者的认知衰退预测及临床试验随机化过程	机器学习	阿尔茨海默病	多模态深度学习	深度学习模型	多模态数据（可能包括影像、临床评估等）	基于ADNI数据集，具体样本量未在摘要中明确说明	未明确说明	未明确说明	未明确说明	未明确说明
6214	2026-01-22	Deep learning prediction of steep and flat corneal curvature using fundus photography in post-COVID telemedicine era 2024-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02952-6 PMID:37889431	研究论文	本研究开发了一种基于眼底摄影的深度学习模型，用于预测角膜曲率，并将其分为陡峭、正常和平坦三类	首次利用眼底摄影结合深度学习技术预测角膜曲率，为远程医疗提供了一种新的非侵入性筛查方法	模型在验证中的多类准确率为0.727，性能有待进一步提升，且可能受限于样本多样性和数据质量	开发基于眼底摄影的深度学习模型，用于预测角膜曲率，以支持远程医疗中的角膜异常筛查	眼底摄影图像	计算机视觉	角膜疾病	眼底摄影	CNN	图像	NA	TensorFlow, Keras	EfficientNetB0	准确率, Matthews相关系数, Cohen's κ, AUC	NA
6215	2026-01-22	DeepMainmast: integrated protocol of protein structure modeling for cryo-EM with deep learning and structure prediction 2024-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02099-0 PMID:38066344	研究论文	本文开发了一种名为DeepMainmast的蛋白质结构建模方法，结合深度学习和结构预测，用于从冷冻电镜图谱中建模蛋白质结构	采用深度学习捕获氨基酸和原子的局部图谱特征以辅助主链追踪，并整合AlphaFold2与从头密度追踪协议，结合两者互补优势，实现比单独方法更高的准确性	NA	研究蛋白质及其复合物的三维结构建模，以改进冷冻电镜图谱解析中的主链追踪准确性	蛋白质及其复合物，特别是同源多聚体的结构模型	计算生物学	NA	冷冻电子显微镜	深度学习模型	冷冻电镜图谱	NA	NA	NA	准确性	NA
6216	2026-01-21	DeepHFFT-m7G: A dual-channel self-attention and hybrid feature fusion framework for RNA m7G modification identification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108812 PMID:41314160	研究论文	本文提出了一种名为DeepHFFT-m7G的新方法，用于高效识别RNA序列中的m7G甲基化位点	提出了基于混合特征融合和双通道自注意力网络的新框架，结合了多分支CNN进行局部特征提取和Transformer编码器进行全局特征提取	未明确说明方法在更广泛数据集或不同物种中的泛化能力，也未讨论计算复杂度	开发一种更准确的RNA m7G修饰位点预测方法	RNA序列中的N7-甲基鸟苷（m7G）修饰位点	自然语言处理	NA	RNA序列分析	CNN, Transformer, MLP	RNA序列数据	NA	NA	多分支CNN, Transformer编码器, 多层感知机	AUROC, 准确率, MCC, 特异性	NA
6217	2026-01-21	DLS-SUC: A precision prediction framework for lysine succinylation sites integrating the protein language model (ESM-2) and dual imbalance strategies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108842 PMID:41406781	研究论文	本文提出了一种名为DLS-SUC的新型深度学习框架，用于精确预测赖氨酸琥珀酰化（Ksucc）位点	整合了One-hot编码与ESM-2预训练蛋白质语言模型特征，结合DenseNet和BiLSTM架构捕获局部序列模式和长程依赖，并引入SENet注意力机制自适应重新校准特征通道重要性，同时采用双“算法-系统”策略缓解类别不平衡问题	NA	提高赖氨酸琥珀酰化位点预测的准确性和泛化能力	赖氨酸琥珀酰化位点	生物信息学	癌症、神经退行性疾病、代谢综合征	深度学习	DenseNet, BiLSTM, SENet	蛋白质序列数据	NA	NA	DenseNet, BiLSTM, SENet	Sn, Sp, BAcc, MCC, AUC	NA
6218	2026-01-21	Opt Deep CSSAN: Optimized Deep Convolutional Spectral-Spatial Attention Network for hyperspectral image classification 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108769 PMID:41418717	研究论文	提出了一种结合优化算法与深度注意力网络的高光谱图像分类方法	提出了DES-AFO优化算法进行波段选择，并设计了结合深度CNN与光谱-空间注意力网络（SSAN）的Opt Deep CSSAN分类模型	未在摘要中明确说明	提高高光谱图像分类的准确性和效率	高光谱图像	计算机视觉	NA	高光谱成像	CNN, 注意力网络	高光谱图像	未在摘要中明确说明	未在摘要中明确说明	ResNet50, 深度CNN, 光谱-空间注意力网络（SSAN）	准确率, 真阳性率（TPR）, Kappa系数, 真阴性率（TNR）, 阳性预测值（PPV）	未在摘要中明确说明
6219	2026-01-21	From 16S rRNA to deep learning: Evolution of computational approaches in human microbiome studies 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108852 PMID:41418718	综述	本文回顾了人类微生物组研究中计算方法的演变，从传统的16S rRNA测序发展到整合多组学数据和深度学习算法的现代计算框架	系统阐述了从传统微生物组分析方法向整合网络建模、基因组尺度代谢重建和深度学习等先进计算框架的范式转变，并强调了AI驱动的生物信息学平台在推动该领域从描述性学科向预测性和转化性科学发展中的关键作用	面临数据异质性、AI模型可解释性有限以及数据共享中的伦理问题等挑战，这些因素阻碍了临床转化应用	回顾人类微生物组研究中计算方法的演变历程，并展望未来发展方向	人类微生物组及其与宿主健康、疾病的相互作用	机器学习	NA	16S rRNA测序，多组学数据整合（基因组学、蛋白质组学、代谢组学）	深度学习	多组学数据	NA	NA	NA	NA	NA
6220	2026-01-21	Automated lung sound detection via Bi-GRU-modified SqueezeNet architecture with new stock well feature set 2026-Apr, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108851 PMID:41443142	研究论文	本研究提出了一种名为BGRMSNet的新型深度学习模型，用于自动检测和分类肺音，以辅助诊断多种呼吸系统疾病	提出了一种结合双向门控循环单元（Bi-GRU）和改进型SqueezeNet（MSNet）的混合架构（BGRMSNet），并引入了改进的批量归一化、多头注意力机制、改进的指数Softmax激活函数等增强技术，同时采用了基于阈值维纳滤波的预处理方法和包含改进型Stockwell变换等的新特征集	未明确说明模型在临床实际环境中的泛化能力测试、计算效率分析以及与其他最先进深度学习模型的全面比较	开发一种自动化的肺音检测与分类系统，以辅助呼吸系统疾病的诊断	肺音信号	机器学习	呼吸系统疾病（包括哮喘、支气管扩张、细支气管炎、COPD、下呼吸道感染、肺炎、上呼吸道感染）	信号处理与特征提取（包括改进型Stockwell变换、短时傅里叶变换、排列熵、谱质心、谱滚降）	深度学习混合模型（Bi-GRU与CNN结合）	音频信号（肺音）	未明确说明	未明确说明	Bidirectional-Gated Recurrent Unit-Modified SqueezeNet (BGRMSNet), 包含Bi-GRU和Modified SqueezeNet (MSNet)	准确率, 特异性, 阴性预测值	未明确说明