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
901	2026-02-09	Semiautomated breast ultrasound report generation using multimodal large language models and deep learning 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1679203 PMID:41647521	研究论文	本研究提出了一种结合多模态大语言模型和深度学习的新型框架，用于半自动化生成乳腺超声报告	通过整合放射科医师标注、先进图像分类和结构化报告编译，桥接了手动与全自动工作流之间的差距，实现了设备自适应的报告生成	回顾性收集数据，样本量有限（60例标注病例），未在更大规模前瞻性数据中验证	开发半自动化乳腺超声报告生成系统，以减轻放射科医师工作负担并提高效率	乳腺超声弹性成像图像及患者病例	数字病理学	乳腺癌	超声弹性成像（剪切波、应变、多普勒成像）	深度学习, 大语言模型	图像	2,119张弹性成像图像和60例标注患者病例	NA	NA	AUC（受试者工作特征曲线下面积）, 敏感性	NA
902	2026-02-09	Data tells the truth: A Knowledge distillation method for genomic survival analysis by handling censoring 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.06.016 PMID:41647535	研究论文	提出一种基于知识蒸馏的基因组生存分析方法，通过处理删失数据提高癌症生存预测准确性	利用未删失数据进行知识蒸馏来校正删失数据的监督偏差，首次将知识蒸馏技术系统性地应用于基因组生存分析的删失数据处理	仅基于TCGA数据集进行验证，未在更多外部独立队列或多组学数据中进行广泛测试	解决生存分析中删失数据处理难题，提高癌症生存预测的准确性和临床相关性	癌症患者的基因组数据和生存时间数据	机器学习	癌症	基因组测序	深度学习模型	基因组数据, 生存数据	TCGA数据集中19个癌症部位的样本	未指定	未指定	预测准确性	未指定
903	2026-02-09	Harnessing multi-omics and machine learning for predicting immune checkpoint blockade responses: Advances, challenges, and future directions 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.08.009 PMID:41647536	综述	本文综述了如何利用多组学数据和机器学习/深度学习模型来预测免疫检查点阻断疗法的疗效，并探讨了其进展、挑战和未来方向	系统性地整合了临床、基因组、放射组学和转录组学等多组学数据，并应用人工智能模型进行患者分层预测，体现了基础研究与临床应用的结合	NA	优化免疫检查点阻断疗法的患者分层，提高治疗反应的预测精度	接受免疫检查点阻断治疗的癌症患者	机器学习	癌症	多组学数据整合（临床、基因组、放射组学、转录组学）	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
904	2026-02-09	Multiple conformational states assembly of multidomain proteins using evolutionary algorithm based on structural analogues and sequential homologues 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.05.003 PMID:41647552	研究论文	本研究开发了一种名为M-SADA的多域蛋白质组装方法，用于组装多个构象状态	提出了一种基于多群体进化算法的方法，结合同源和类似模板以及深度学习预测的域间距离来采样多个构象状态	未明确提及	准确建模多域蛋白质的全链结构，特别是具有多个构象状态的结构	多域蛋白质	机器学习	NA	深度学习	NA	蛋白质结构数据	72个具有多个构象状态的多域蛋白质和296个具有单个构象状态的多域蛋白质	NA	NA	TM-score	NA
905	2026-02-09	Application of artificial intelligence in life science: Historical review and future perspectives 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.10.014 PMID:41647562	综述	本文回顾了人工智能在生命科学中的应用历史，并通过文献计量分析评估了AI方法的特点、贡献和变化，同时讨论了未来挑战	通过文献计量分析系统评估AI在生命科学中的历史贡献与变化，并展望未来发展方向	作为综述文章，未涉及具体实验数据或模型验证	总结人工智能在生命科学领域的历史应用并展望未来趋势	生命科学数据与人工智能方法	生物信息学	NA	文献计量分析	深度学习算法, Transformer神经网络	生命科学数据	NA	NA	NA	NA	NA
906	2026-02-09	MULGONET: An interpretable neural network framework to integrate multi-omics data for cancer recurrence prediction and biomarker discovery 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.01.004 PMID:41647565	研究论文	提出一种名为MULGONET的新型端到端深度学习框架，用于整合多组学数据以预测癌症复发并发现生物标志物	有效解决了多组学数据整合中的维度灾难和模型可解释性不足问题，并探索了基因与GO术语之间的相互作用和调控关系	NA	通过整合多组学数据来更好地理解肿瘤发生机制并预测癌症复发	膀胱癌、胰腺癌和胃癌的多组学数据	机器学习	癌症	多组学数据整合	神经网络	多组学数据	NA	NA	MULGONET	AUPR	NA
907	2026-02-09	Jumping in the human brain: A review on somatic transposition 2026-Jan, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.03.001 PMID:41647578	综述	本文综述了人类大脑中体细胞转座（“跳跃基因”）的研究现状，包括其功能、检测挑战及方法学进展	系统梳理了体细胞转座率估计的广泛变异性和方法学挑战，并指出单细胞基因组扩增与深度学习软件结合是未来突破的关键方向	现有研究对体细胞转座的功能认知仍有限，且检测方法易受人工嵌合体和多拷贝特性影响导致假阳性/假阴性结果	综述人类大脑体细胞转座研究的最新进展，探讨其功能意义与检测方法学	人类大脑中的转座元件（跳跃基因）	NA	NA	单细胞基因组扩增技术	深度学习	基因组数据	NA	NA	NA	NA	NA
908	2026-02-09	MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30940-3 PMID:41419754	研究论文	本研究提出了一种基于MapReduce的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测	将轻量级MobileNetV3分类器与MapReduce风格的数据管道相结合，实现了预处理和批量推理的跨节点并行化处理	仅使用了2152张图像的数据集，且病害类别仅限于三类，未在更大规模或更多类别的数据集上进行验证	实现马铃薯叶部病害的准确、及时检测，以支持可持续精准农业并减少作物产量损失	马铃薯叶部病害图像，包括疫病等类别	计算机视觉	马铃薯叶部病害	图像处理，数据增强	CNN	图像	2152张图像，分为三个类别	TensorFlow, PyTorch (未明确指定，但基于MobileNetV3推断)	MobileNetV3	准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率	GPU训练，MapReduce管道实现水平可扩展性
909	2026-02-09	Multi-view deep learning for mandibular landmark localization 2025-Dec-10, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106295 PMID:41380797	研究论文	本研究开发并验证了一种新颖的多视角深度学习框架，用于提高CBCT衍生的3D下颌骨表面模型上解剖标志点定位的准确性和效率	提出了一种多视角堆叠沙漏卷积神经网络（MVSH-CNN），直接在基于STL的下颌骨模型上进行半自动3D标志点定位，显著优于传统的基于配准的方法	研究样本仅来自成年汉族个体，可能限制了模型在其他人群中的泛化能力	开发并验证一种多视角深度学习框架，以增强下颌骨解剖标志点定位的准确性和效率	从锥形束计算机断层扫描（CBCT）重建的3D下颌骨表面模型	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	CNN	3D表面模型（STL格式）	140例成年汉族个体的下颌骨扫描（100例用于训练/验证，40例用于独立测试，其中20例正常，20例不对称）	NA	多视角堆叠沙漏卷积神经网络（MVSH-CNN）	欧几里得距离误差, 计算时间	NA
910	2026-02-09	Evaluation of computer-aided detection for gastric cancer using white-light and linked-color imaging: a pilot study 2025-Dec, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2025.09.010 PMID:41647811	研究论文	本研究评估了新型计算机辅助检测系统CAD EYE在胃镜中使用白光成像和联动彩色成像检测胃癌的性能	首次比较了CADe系统在WLI与LCI模式下的检测框出现频率，并评估了其在胃癌检测中的实际应用效果	单中心回顾性研究，样本量有限，假阳性率较高，需要进一步优化	评估计算机辅助检测系统在胃癌诊断中的性能	接受胃镜检查的胃癌患者	数字病理	胃癌	白光成像，联动彩色成像，计算机辅助检测	深度学习模型	内窥镜图像	210名患者（105名CADe组，105名对照组），来自600名患者的倾向评分匹配	NA	CAD EYE系统	假阳性检测次数，检测框出现频率，活检率，检查时间，癌症检测率，关键胃部位识别准确率	NA
911	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
912	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
913	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
914	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
915	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
916	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
917	2026-02-09	BrainView: A cloud-based deep learning system for brain image segmentation, tumor detection and visualization 2025-May-21, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100871 PMID:40409506	研究论文	本文介绍了一个名为BrainView的基于云平台的深度学习系统，用于脑部图像分割、肿瘤检测和可视化	提出了一个结合EfficientNetB7预训练模型的DeepBrainNet分类模型和基于EfficientNetB7的EffB7-UNet分割模型，并构建了基于Flask和Flutter的云应用平台	未在摘要中明确说明研究的局限性	通过深度学习技术实现脑部肿瘤的早期检测、分类和分割，以辅助研究和临床诊断	脑部磁共振图像（MRI）	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	NA	Flask, Flutter	EfficientNetB7, UNet	准确率	云平台
918	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
919	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
920	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