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
9541	2026-02-13	Deep learning models for image classification of lymphoma: a pilot study in canine 2026-Feb-01, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，开发深度学习模型以区分犬淋巴瘤与反应性淋巴增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习方法	样本量相对较小，仅来自两家医院的有限病例，且ViT模型性能未达预期	通过图像分类技术辅助犬淋巴瘤的诊断	犬淋巴瘤和反应性淋巴增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
9542	2026-02-13	Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage 2026-Feb, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00816-8 PMID:41491880	研究论文	本研究评估了注释者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例	通过比较专家和新手注释的数据集，并引入合成误差（系统性和非系统性），系统分析了注释质量对AI分割模型性能的影响	研究仅针对左心耳超声图像分割，结果可能无法推广到其他解剖结构或成像模态	探究用户专业知识对医学图像分割中真实标注准确性的影响及其对AI模型性能的最终影响	超声图像中的左心耳	医学图像分析	心血管疾病	超声成像	深度学习	图像	两个数据集（专家注释和新手注释），并生成合成变体	nnU-Net	U-Net	Dice系数	NA
9543	2026-02-13	AI-driven framework for accurate detection of Alzheimer's disease in EEG 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35184-3 PMID:41622342	研究论文	本研究提出了一种基于人工智能的框架，通过融合特征和Conv-LSTM架构，从EEG信号中准确检测阿尔茨海默病	提出了一种新颖的特征融合与Conv-LSTM架构相结合的AI框架，能够从复杂的脑电信号中提取高水平的判别性特征，显著提升了AD检测的准确率	未在摘要中明确提及	开发一种准确、可扩展的阿尔茨海默病早期诊断系统	阿尔茨海默病患者（特别是老年人）的脑电图信号	机器学习	阿尔茨海默病	脑电图	Conv-LSTM	脑电图信号	未在摘要中明确提及	未在摘要中明确提及	Conv-LSTM	准确率	未在摘要中明确提及
9544	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
9545	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
9546	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
9547	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
9548	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
9549	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
9550	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
9551	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
9552	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
9553	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
9554	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
9555	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
9556	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
9557	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
9558	2026-02-13	High-throughput spheroid-based assay for functional breast cancer precision medicine facilitated by deep learning 2026-Jan-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01359-8 PMID:41519924	研究论文	本研究开发了一种基于深度学习的高通量球体检测方法，用于乳腺癌精准医学的功能性评估	利用深度学习实现自动球体分割，以预测肿瘤对顺铂、奥拉帕尼和放疗的敏感性，为乳腺癌精准治疗提供功能性检测手段	研究基于患者来源的异种移植模型，可能无法完全反映人体内肿瘤的复杂性，且样本量有限	开发一种功能性检测方法，以预测乳腺癌患者对靶向治疗和放疗的个性化反应	乳腺癌患者来源的异种移植模型，特别是对顺铂敏感和耐药的肿瘤	数字病理学	乳腺癌	高通量球体培养、深度学习图像分析	深度学习模型	图像	使用患者来源的乳腺癌异种移植模型，具体数量未在摘要中明确说明	NA	NA	响应与非响应球体的百分比预测	NA
9559	2026-02-13	Survival prediction and risk stratification in R0-resected ovarian cancer: a multi-modal deep learning approach 2026-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01263-3 PMID:41520012	研究论文	本研究提出了一种名为OvcaSurvivor的多模态深度学习框架，用于R0切除卵巢癌患者的生存预测和风险分层	开发了首个整合全切片图像、超声图像和临床数据的多模态深度学习框架，并引入了注意力引导融合模块以提升预测性能	研究样本量相对有限（543例患者），且外部验证性能有所下降（C指数从0.81降至0.70）	提高卵巢癌患者的生存预测准确性和个体化风险评估	R0切除的卵巢癌患者	数字病理学	卵巢癌	全切片图像分析, 超声成像	深度学习	图像, 临床数据	543名患者	NA	CHIEF, ResNet50	C指数, 时间依赖性AUC	NA
9560	2026-02-13	Leveraging large scale deep learning models for diagnosis and visual outcome prediction in retinitis pigmentosa 2026-Jan-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02311-9 PMID:41507439	研究论文	本研究开发了基于大规模深度学习模型的诊断和预后模型，用于视网膜色素变性的诊断和视觉结果预测	利用预训练的大规模深度学习模型结合临床元数据进行生存分析，在患者层面严格分割以避免数据泄露，并发现诊断和预后特征不同	需要外部和多中心数据集进行进一步验证以实现临床转化	开发视网膜色素变性的诊断和视觉预后预测模型	视网膜色素变性患者	计算机视觉	视网膜色素变性	深度学习	CNN	图像, 临床元数据	NA	NA	EfficientNetB4	AUC, 时间依赖性AUC	NA