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
61	2026-04-29	Model-independent searches of new physics in DARWIN with deep learning 2026, The European physical journal. C, Particles and fields DOI:10.1140/epjc/s10052-025-15161-2 PMID:41907564	研究论文	提出一种深度学习流程，在拟建的下一代多吨级液氙直接探测实验DARWIN中，无模型依赖地搜索除背景外的新物理异常事件	采用变分自编码器和分类器的组合异常检测器，从高维模拟探测器响应数据中学习特征，避免传统的降维信息损失和计算开销，实现无似然函数的模型无关搜索	仅基于WIMP暗物质信号进行验证，未涵盖其他潜在新物理信号；模拟数据与真实实验数据可能存在差异，实际性能待验证	开发一种无模型依赖的异常事件搜索方法，补充或增强DARWIN实验中传统的似然分析流程	DARWIN液氙直接探测实验的高维模拟探测器响应数据	机器学习	无	NA	变分自编码器和分类器	高维模拟探测器响应数据	NA	PyTorch或TensorFlow（基于深度学习框架的VAE和分类器）	变分自编码器、分类器	异常分数（1D anomaly score）的统计功效	GPU（未明确指定具体型号，需根据实验模拟需求确定）
62	2026-04-29	Quantification of feeding intensity and feeding control of largemouth bass based on water surface vibration characteristics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1656290 PMID:41908139	研究论文	本研究通过整合振动信号量化与深度学习，建立了基于水面振动特性的大口黑鲈摄食强度动态预测模型	首次将水面振动特性与LSTM深度学习模型结合，实现了低成本、高精度的实时摄食强度预测与反馈控制	模型仅在特定实验条件下验证，未涉及不同水质或环境噪声影响	实现高密度水产养殖中大口黑鲈的精准投喂控制	大口黑鲈（50-300g）	机器学习	NA	三轴振动信号量化	LSTM	时间序列振动信号	实验设计：鱼尺寸50-300g（4组），养殖密度20-60条/组（3组），投喂速度1-3g/s（3组），饲料粒径2#4#6#（3组）	PyTorch	LSTM, GRU, Transformer, GCN, 光流法	RMSE, MAE, R, 残留饲料率	嵌入式系统Orange Pi AiPRO（成本<200美元）
63	2026-04-29	Exploiting fuzzy weights in CNN model-based taxonomic classification of 500-bp sequence bacterial dataset 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24836-5 PMID:41436515	研究论文	提出一种改进的模糊加权卷积神经网络（F-CNN），用于基于500-bp片段的细菌DNA序列的分类	将模糊逻辑与传统CNN结合，通过模糊权重系统处理分类层中概率相近的样本，提高分类准确性	未提及	实现对500-bp片段细菌DNA序列的高精度分类	细菌DNA序列	机器学习	NA	DNA测序	模糊加权卷积神经网络（F-CNN）	DNA序列数据	RDP 11数据集，包含超过140万条细菌基因序列	NA	卷积神经网络	分类准确率	NA
64	2026-04-29	Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient? 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	研究论文	基于治疗前CTA的机器学习模型可识别即使血管内治疗成功且最终梗死体积较小仍预后不良的急性缺血性卒中患者	首次利用治疗前CTA图像训练的深度学习模型（DSN-CTA）预测血管内治疗成功后仍出现意外不良功能结局的患者，其性能优于传统临床变量模型	样本量较小（48例），且为回顾性研究，需前瞻性验证	评估基于治疗前CTA的机器学习方法能否识别可能从额外干预中获益的卒中患者	大血管闭塞性急性缺血性卒中患者，接受血管内治疗且成功再通（TICI 2b-3）并最终梗死体积小于30mL	机器学习, 数字病理学	急性缺血性卒中	CTA	深度学习模型	图像	1542例用于预训练，48例用于微调和交叉验证	NA	DeepsymNet-v3	AUROC	NA
65	2026-04-29	Harnessing Statistical and Machine Learning Approaches to Analyze Oxidized LDL in Clinical Research 2025-Dec, Cell biochemistry and biophysics IF:1.8Q4 DOI:10.1007/s12013-025-01837-9 PMID:40884728	综述	探讨统计和机器学习方法在分析氧化低密度脂蛋白临床研究中的应用	系统比较传统统计与新兴机器学习方法在OxLDL量化及临床关联分析中的优势与局限性，提出标准化分析流程以提高可重复性和转化影响	未具体讨论已开发方法的实际样本量或性能指标，缺乏对特定数据集的实证验证	评估统计和计算方法在OxLDL临床研究中的效用，推动标准化分析流程	氧化低密度脂蛋白（OxLDL）及其与慢性病的关联	机器学习	动脉粥样硬化、2型糖尿病、代谢综合征、阿尔茨海默病、慢性肾病	NA	CNN, 预测模型	临床数据、生化数据、影像数据	NA	NA	NA	NA	NA
66	2026-04-29	Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images 2025-11-19, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf110 PMID:40996022	研究论文	开发一种深度学习模型，用于自动检测胃活检数字全切片图像中的幽门螺杆菌和肠上皮化生	采用两阶段模型，结合Vision Transformer进行伪影过滤和Graph Attention Network进行特征聚合，考虑背景组织病理学特征	模型检测精度和F1分数在某些指标上（如HPOrg分类精度0.604）较低，可能影响临床应用的可靠性	开发自动检测工具以辅助胃活检标本中幽门螺杆菌微生物和肠上皮化生的识别	胃活检数字全切片图像中的幽门螺杆菌微生物和肠上皮化生	数字病理学	幽门螺杆菌感染、肠上皮化生	H&E染色	Vision Transformer, Graph Attention Network	图像	180张H&E胃活检WSIs（80张非HP炎症，100张标注HP相关性胃炎、HPOrg和IM）	NA	Vision Transformer, Graph Attention Network	精确度, F1分数, 微观F1分数, 宏观平均F1分数, 切片级精确度	NA
67	2026-04-29	Deep Learning-based Opportunistic CT Osteoporosis Screening and the Establishment of Normative Values 2025-11, Radiology IF:12.1Q1 DOI:10.1148/radiol.250917 PMID:41217284	研究论文	开发基于深度学习的卷积神经网络自动识别椎体松质骨三维感兴趣区,建立不同CT协议和扫描仪的校正方法,并在大规模人群中建立骨质疏松诊断阈值	首次在大规模多中心数据上利用深度学习自动量化椎体松质骨衰减值,并建立跨CT协议和扫描仪型号的校正方法,从而建立骨质疏松诊断阈值	未在摘要中明确提及,但可能受限于回顾性研究设计、缺乏外部验证或扫描参数差异的完全控制	建立基于CT机会性筛查的骨质疏松自动诊断方法,并推导正常参考值和诊断阈值	接受不同CT协议和扫描仪扫描的患者的椎体松质骨	计算机视觉, 数字病理学	骨质疏松	CT扫描	卷积神经网络 (CNN)	图像	283,499名患者的538,946次CT检查,涵盖43种扫描仪型号和6种管电压	NA	3D卷积神经网络	与人工放射科医师评估的一致性（>99%）	NA
68	2026-04-29	Automated vertebral bone quality score measurement on lumbar MRI using deep learning: Development and validation of an AI algorithm 2025-10, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2025.109094 PMID:40780043	研究论文	开发并验证了一种基于深度学习的人工智能算法，可从常规腰椎MRI中自动计算椎体骨质量（VBQ）评分	首次利用YOLOv8深度学习模型实现VBQ评分的全自动计算，无需手动标注感兴趣区域，提高了术前骨质量评估的便捷性和效率	仅使用了单一数据集（SPIDER挑战数据集）进行开发和验证，缺乏多中心外部验证，可能限制算法的泛化性和临床适用性	开发并验证一种基于人工智能的算法，从常规腰椎MRI预测VBQ评分，以改善术前骨质量评估	257例腰椎T1加权MRI扫描（SPIDER挑战数据集）及47例腰椎手术患者的手动标注数据	计算机视觉，深度学习	骨质疏松，骨质量相关疾病	MRI，深度学习	YOLOv8	图像	257例腰椎MRI扫描用于模型开发，47例腰椎手术患者数据用于验证	PyTorch	YOLOv8	精确率，召回率，平均精度均值，组内相关系数，皮尔逊相关系数，均方根误差，平均误差	NA
69	2026-04-29	Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study 2025-Oct, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.07.084 PMID:40902262	研究论文	开发深度学习分割方法，自动检测胎盘绒毛组织并分析其与母婴特征的关联	利用深度学习自动分割超过900万个胎盘绒毛，结合无监督聚类识别生物学相关的绒毛亚型，并量化其几何特征与母婴特征的关联	未在论文标题和摘要中明确提及	标准化胎盘绒毛组织学特征的量化，探索其与分娩孕周、母亲年龄和婴儿性别的关联	1531例足月胎盘全切片图像中的绒毛结构	数字病理学	NA	NA	深度学习分割模型	全切片图像	1531例足月胎盘	NA	NA	统计显著性（p值）	NA
70	2026-04-29	YeastSAM: A Deep Learning Model for Accurate Segmentation of Budding Yeast Cells 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676679 PMID:41000957	研究论文	开发了一种基于深度学习的芽殖酵母细胞分割模型 YeastSAM，用于显微镜图像中细胞的精确分割	针对芽殖酵母不对称分裂和母芽形态的挑战，提出分割模型 YeastSAM，在分割分裂细胞时准确率比现有方法提高三倍以上	NA	解决芽殖酵母细胞分割中因不对称分裂导致的分裂细胞误识别问题，实现精确的定量图像分析	芽殖酵母细胞	计算机视觉	NA	显微镜成像	深度学习分割模型	图像	NA	NA	YeastSAM	准确率	NA
71	2026-04-29	Deep learning neural network of adenocarcinoma detection in effusion cytology 2025-09-09, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf067 PMID:40736208	研究论文	利用深度学习模型YOLOv8检测积液细胞学中的腺癌细胞	首次将YOLOv8目标检测算法应用于积液细胞学腺癌检测，实现了高精度自动化筛查	细胞标注在创建目标检测模型时仍存在一些问题	开发深度学习模型检测积液细胞学图像中的恶性细胞，辅助癌症筛查	积液细胞学图像中的腺癌细胞和阴性病例	数字病理学, 计算机视觉	腺癌	积液细胞学	YOLOv8	图像	275例腺癌病例（12,182张图像，29,245个标签），188例阴性病例（1,980张图像）	Roboflow	YOLOv8	Precision, Recall, F1, mean Average Precision, 准确率, 敏感性, 特异性	NA
72	2026-04-29	Structural Connectome Analysis using a Graph-based Deep Model for Prediction of Non-Imaging Variables 2025-Aug-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642165 PMID:40161600	研究论文	利用基于图的深度学习模型从结构脑连接中预测非成像变量	提出一种图卷积网络启发模型，特别是其中的连接注意力模块，可学习脑图嵌入表示并提供图级注意力	未在文中明确提及	预测非成像变量（如年龄和简易精神状态检查分数），以改进对健康与疾病的理解	结构脑连接图谱	机器学习	老年疾病	扩散磁共振成像	图卷积网络	图像	使用PREVENT-AD和OASIS3公开数据集	NA	连接注意力模块	准确率	NA
73	2026-04-29	Web server-based deep learning-driven predictive models for respiratory toxicity of environmental chemicals: Mechanistic insights and interpretability 2025-06-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137575 PMID:39954423	研究论文	开发了八种可解释深度学习模型，用于预测环境化学品的呼吸毒性，并提供了机制见解	首次针对多种特定呼吸系统疾病（如肺炎、肺水肿、肺栓塞等）构建深度学习预测模型，并采用频率比法和SHAP分析增强模型可解释性	未明确提及局限性	开发可解释的深度学习模型，预测环境化学品的呼吸毒性，以支持早期检测和风险评估	环境化学品及其代谢物的呼吸毒性	机器学习, 环境毒理学	肺炎、肺水肿、呼吸感染、肺栓塞、肺动脉高压、哮喘、支气管痉挛、支气管炎、肺纤维化	NA	深度学习	分子指纹数据（Klekota-Roth指纹）	八个呼吸毒性终点的综合数据集，具体样本数量未提及	NA	深度学习模型（具体架构未指定）	AUC, 准确率	NA
74	2026-04-29	Efficient detection of foodborne pathogens via SERS and deep learning: An ADMIN-optimized NAS-Unet approach 2025-06-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137581 PMID:39954434	研究论文	通过集成表面增强拉曼光谱与深度学习，提出一种基于ADMIN优化NAS-Unet的高效食源性病原体检测方法	创新性地将自动设计混合网络策略与神经架构搜索结合，优化卷积神经网络结构，并引入U-Net和注意力机制，提升分类准确率和关键光谱特征识别能力	未详细说明模型在复杂实际样本中的泛化性能及计算资源消耗，未来需探索更多网络模块以增强泛化能力	开发一种结合SERS和深度学习的快速、精准食源性病原体检测工具	22种食源性病原体及Bacteria-ID数据集	机器学习	食源性疾病	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	光谱数据	22种食源性病原体样本	NA	U-Net	平均精确率	NA
75	2026-04-29	Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem 2025-04-28, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04728-2 PMID:40295939	研究论文	该论文结合心脏电生理仿真与深度学习方法，提出一种非侵入性心脏电生理成像技术的新方案	首次将三维双域心脏电生理仿真模型与深度学习算法结合，用于非侵入性心脏表面电位重建，并比较多种网络的效果	未在大量真实临床数据集上进行验证，且仅涉及仿真数据与有限临床数据的比较	实现非侵入性心脏电生理成像，改善心律失常的风险分层和预后评估	心脏电生理活动模型与仿真心电数据	机器学习	心血管疾病	心脏电生理模拟	卷积神经网络, 长短期记忆网络, 反向传播神经网络	仿真心电数据	未明确，但使用了仿真生成的大量训练样本	NA	粒子群优化反向传播神经网络, CNN, LSTM	相关系数, R², 平均绝对误差	NA
76	2026-04-29	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-04-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	综述与荟萃分析	系统比较机器学习模型与传统统计方法（逻辑回归）在预测经皮冠状动脉介入治疗术后结局中的表现	首次系统性地荟萃分析比较机器学习与逻辑回归在PCI术后多种结局预测中的性能差异	纳入研究普遍存在高偏倚风险，且机器学习模型解释性差，影响临床适用性	比较机器学习与逻辑回归模型预测PCI术后不同结局的性能	预测PCI术后死亡率、主要不良心脏事件、院内出血和急性肾损伤的模型	机器学习	冠状动脉疾病	NA	机器学习模型、逻辑回归模型	NA	59项研究	NA	NA	c统计量	NA
77	2026-04-29	A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy 2024-10, The ocular surface DOI:10.1016/j.jtos.2024.07.010 PMID:39084255	研究论文	开发了一种基于共聚焦显微镜图像诊断棘阿米巴角膜炎的人工智能模型	首次利用培养确认的棘阿米巴角膜炎病例建立基于HRT-3共聚焦显微镜图像的人工智能诊断模型	样本量较小（仅17名患者），且为单中心回顾性研究	利用共聚焦显微镜图像开发棘阿米巴角膜炎的人工智能诊断模型	棘阿米巴角膜炎患者的体内共聚焦显微镜图像	计算机视觉	棘阿米巴角膜炎	体内共聚焦显微镜	卷积神经网络	图像	17名患者的3312张共聚焦图像	TensorFlow	卷积神经网络	准确率、灵敏度、特异度、精确率	NA
78	2026-04-29	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-09-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	利用深度学习技术早期识别缺铁性贫血风险患者	基于纵向门诊实验室数据开发神经网络模型，在传统诊断前3-6个月预测缺铁性贫血风险	NA	开发预测模型以缩短缺铁性贫血的诊断时间	门诊患者的实验室检测数据	机器学习	缺铁性贫血	NA	人工神经网络、长短期记忆网络、门控循环单元	结构化实验室数据	30603名患者的回顾性电子健康记录数据	NA	门控循环单元	准确率、受试者工作特征曲线下面积、敏感性、特异性	NA
79	2026-04-29	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-08-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06714-4 PMID:39215205	研究论文	提出一种无监督分割方法UNSEG，用于在复杂组织样本中分割细胞及其细胞核	无需训练数据即可达到深度学习水平的分割性能，通过利用贝叶斯框架和细胞核与细胞膜标记实现	未明确提及局限	实现复杂组织微环境中细胞及其亚细胞区室的准确、无监督分割	细胞及其亚细胞区室（细胞核、细胞质）	数字病理学	NA	多重成像技术	UNSEG	图像	高质量标注的胃肠组织数据集及公开数据集	NA	UNSEG, 扰动分水岭算法	准确性	NA
80	2026-04-29	Deep learning identifies heterogeneous subpopulations in breast cancer cell lines 2024-Jul-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.02.601576 PMID:39005432	研究论文	利用深度学习识别乳腺癌细胞系中的异质性亚群	首次证明细胞形态可反映体外乳腺癌细胞系中的转录组亚群差异，并利用卷积神经网络实现亚群识别	NA	探究细胞形态是否能用于分类体外癌细胞系中的转录组亚群	乳腺癌细胞系中的亚群	计算机视觉	乳腺癌	卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA