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
961	2026-08-26	Unifying phylogenetic traversal and deep learning to guide tree exploration 2026-Jan-14, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.14.699358 PMID:41648436	研究论文	本研究提出一种结合系统发育动态规划输出与深度学习的算法，通过递归神经网络在树遍历中预测最大简约树中的边，旨在提高系统发育推断效率	首次将系统发育动态规划结果而非原始序列比对作为深度学习输入，并利用递归神经网络在树遍历中学习特征进行分类	仅专注于边是否在最大简约树中的预测，尚未实现完整的系统发育推断流程，且未提及对大规模数据集的扩展性分析	探索深度学习在系统发育推断中的应用，通过预测树边分类为高效推断奠定基础	系统发育树中的边及其分类（是否属于最大简约树）	机器学习	NA	动态规划、深度学习	递归神经网络	序列比对数据	模拟和实证数据集，树规模多样，具体样本数未详述	NA	递归神经网络	预测质量，具体指标如准确率、F1分数未明确	NA
962	2026-08-26	Capuchin Red Kite–optimized Swin Transformer-based Convolutional Block Attention Module for Early Diagnosis and Classification of Pneumonia 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392646251021111437 PMID:41327768	研究论文	本研究开发了一种结合Capuchin Red Kite优化和Swin Transformer卷积块注意力模块的深度学习模型，用于肺炎、COVID-19和正常病例的早期诊断和分类	首次将CRKO优化与ST-CBAM结合，并采用混合特征提取和融合技术，显著提高了分类准确性和执行效率	未在多样化真实世界数据集上验证，泛化性有待进一步确认	开发高效的深度学习模型，用于肺炎、COVID-19和正常病例的准确分类	肺炎、COVID-19和正常病例的胸部X光和CT图像	计算机视觉	肺炎	胸部X光和CT成像	Swin Transformer、ResNet、Vision Transformer、自适应门控循环单元	医学图像	来自Kaggle的公开胸部X射线数据集	NA	Swin Transformer、ResNet、Vision Transformer	准确率、AUC	NA
963	2026-08-26	Mukara: A deep learning alternative to the four-step travel demand model with a case study on interurban highway traffic prediction in the UK 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345576 PMID:41990075	研究论文	提出一种名为Mukara的深度学习框架，用于直接从社会经济和网络特征预测英国城际高速公路路段的交通流量，作为传统四步旅行需求模型的替代方案	提出一种直接逼近从外部社会经济特征和网络特征到观测交通流量的映射，无需传统模型中的静态调查数据和大量校准，适用于长期路段级流量预测	未提及具体限制，但可能受限于区域特定数据，且模型性能（R2为0.583）表明仍有改进空间	开发一种数据驱动的深度学习模型，实现长期、路段级的交通流量预测，用于战略规划	英国（英格兰和威尔士）的高速公路干线公路路段	机器学习	不适用	不适用	深度学习（具体未在摘要中指定，如CNN或LSTM等）	数值型数据（包括人口、就业、土地利用、道路网络特征和兴趣点）	八年数据，涵盖英格兰和威尔士的路段	未提及	未提及	平均GEH、平均绝对误差、R²	未提及
964	2026-08-26	LungNet: Leveraging state-space models with SE-enhanced skip connections for precise CT-based lung lesion segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346561 PMID:41990081	研究论文	提出了一个结合Mamba状态空间模型和改进UNet架构的深度学习框架LungNet，用于CT图像中肺部病变的精确分割	在UNet的跳跃连接中嵌入Squeeze-and-Excitation网络以减少特征冗余，并通过辅助损失解决浅层特征退化问题，同时结合卷积层的局部特征提取和状态空间模型的长距离依赖建模能力	未在摘要中说明具体局限性	提升肺部病变CT图像分割的准确性，以支持肺癌的早期检测、疾病监测和治疗规划	肺部病变（lung lesions）在CT图像中的分割	计算机视觉	肺癌	CT成像	Mamba状态空间模型与UNet结合	图像（CT图像）	多个数据集（具体样本量未说明）	NA	UNet, Mamba, Squeeze-and-Excitation	分割准确性（具体指标未在摘要中列出）	NA
965	2026-08-26	Machine and deep learning structural vessel analysis of ruptured and unruptured brain arteriovenous malformations 2025-Dec-01, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199251400137 PMID:41325021	研究论文	本研究使用机器学习和深度学习算法分析脑动静脉畸形（bAVM）的血管结构特征，以区分破裂与未破裂的病例	首次应用多种人工智能模型（包括隔离森林、一分类支持向量机、变分自编码器和基于分数的模型）自动分析bAVM血管段的曲线特征，并以高分性能识别破裂风险曲线	样本量较小（共20例），可能限制结果的泛化性；未提及计算资源和外部验证	评估bAVM结构血管特征与破裂的关联，以预测破裂风险	9例破裂和11例未破裂的脑动静脉畸形血管段	医学影像分析	脑动静脉畸形	血管结构曲线分析	隔离森林、一分类支持向量机、变分自编码器、基于分数的模型	医学图像（血管段）	20例（9破裂，11未破裂）	NA	NA	F1分数，曲线下面积（AUC）	NA
966	2026-08-26	Enhanced short-term prediction of urban PM2.5 concentrations by improved hybrid deep learning 2025-Dec, Journal of environmental health science & engineering DOI:10.1007/s40201-025-00954-0 PMID:40873743	研究论文	本研究开发了一种结合一维卷积神经网络和双向长短期记忆神经网络的新模型，用于提高城市PM2.5浓度的短期预测精度	通过将网络计算结果层与PM2.5序列数据连接，并筛选相关监测站数据和目标站点的PM2.5特征因子，考虑了空间相关性和污染物间的交互作用，显著提升了模型性能	未在摘要中明确说明局限性	研究改进深度学习模型对PM2.5浓度预测性能的影响，提高短期预测精度	沈阳市多个国家空气质量监测站收集的2020至2022年空气污染观测数据	机器学习	NA	NA	CNN-LSTM混合模型	时间序列数据	未在摘要中明确样本数量，涉及多个监测站点的2020至2022年观测数据	NA	一维卷积神经网络和双向长短期记忆神经网络	均方根误差、平均绝对误差、平均绝对百分比误差、R²	NA
967	2026-08-26	A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.27.25338912 PMID:41282661	研究论文	介绍EchoAI-Peds，首个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测多种先天性心脏病和功能异常。	首次提出针对儿科超声心动图的多任务深度学习模型，整合多个超声视图信息，并在外部数据集上验证了泛化性。	未提及具体局限性。	开发并验证一个多任务深度学习模型，用于自动化和改进儿科超声心动图分析。	儿科超声心动图视频数据，涵盖多种先天性心脏病和功能异常。	计算机视觉	先天性心脏病	超声心动图	视觉Transformer	视频	超过11,000项研究中的700,000个视频	PyTorch	Vision Transformer	AUROC	未提及
968	2026-08-26	Machine Learning Guided Video Analysis Identifies Sound-Evoked Pain Behaviors from Facial Grimace and Body Cues in Mice 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679579 PMID:41256403	研究论文	本文开发了一种基于深度学习的方法，通过分析自由活动小鼠在声音暴露期间的面部扭曲和身体姿势的视频记录，来测量声音诱发的疼痛	首次利用深度学习自动分析小鼠面部扭曲和身体姿势，实现对声音诱发疼痛的客观、高吞吐量测量，并定义了疼痛阈值	未提及具体限制	开发一种自动化的行为学方法，以测量动物模型中的声音诱发疼痛，用于研究听觉疼痛的机制	自由活动的小鼠，包括野生型和TMIE基因敲除小鼠	计算机视觉, 机器学习	听觉疼痛, 偏头痛	视频记录, 深度学习	深度神经网络	视频数据	未提及具体样本数量	NA	深度神经网络（未指定具体架构）	疼痛阈值	NA
969	2026-08-26	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	介绍了一种名为OpenSpindleNet的开源深度学习网络，用于可靠检测头皮和颅内脑电图中的睡眠纺锤波	采用双头架构增强性能、鲁棒性和易用性，专门针对颅内脑电图（iEEG）的独特信号特征进行优化，并在公开数据集上表现出优于现有方法（SUMO、A7、YASA）的性能	尚未明确提及，但检测F1分数在iEEG数据集上仅为0.67，可能仍有改进空间	开发一种精确、自动的睡眠纺锤波检测方法，适用于iEEG和头皮EEG，以促进睡眠和神经疾病研究	睡眠纺锤波，包括头皮EEG和颅内EEG数据中的纺锤波	深度学习	NA	脑电图（EEG）	深度学习网络	脑电图信号数据	使用了一个具有挑战性的iEEG数据集和公开的头皮EEG DREAMS数据集	NA	双头架构	F1分数	NA
970	2026-08-26	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-09, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究提出了一种基于在线拉曼光谱和深度学习算法的生物乙醇发酵监控系统，利用伪标签技术扩大训练数据，并开发了STC-CNN模型，实现了葡萄糖浓度的准确预测和自动补料控制，显著提高了乙醇产量。	创新点在于采用伪标签半监督学习将训练数据扩大100倍，并开发了结合光谱和时间序列特征的STC-CNN模型，优于传统机器学习方法，实现了自动化生物过程优化。	摘要中未提及局限性，可能涉及对特定发酵体系（酿酒酵母）的依赖性以及在线拉曼光谱仪的成本和通用性。	优化生物乙醇发酵的补料策略，实现稳定最大产量，并通过自动化系统提高乙醇浓度和减少副产物。	以酿酒酵母（Saccharomyces cerevisiae）生产生物乙醇的过程为研究对象，包括葡萄糖、乙醇和甘油浓度的监测。	机器学习	NA	在线拉曼光谱	卷积神经网络（CNN）	光谱数据（拉曼光谱）	未明确样品数量，但训练数据通过伪标签扩大100倍	PyTorch	STC-CNN（光谱-时间拼接卷积神经网络）	均方根误差（RMSE）	未提及，可能使用通用GPU（如NVIDIA）进行训练
971	2026-08-26	Deep-learning triage of 3D pathology datasets for comprehensive and efficient pathologist assessments 2025-Jul-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.20.665804 PMID:40777412	研究论文	本文介绍了一种名为CARP3D的深度学习分诊框架，用于从大型3D病理数据集中识别高风险2D横截面，以提高病理学家评估的效率和全面性。	CARP3D通过利用邻近深度层的上下文信息为组织体积内的所有2D层分配风险评分，优于基于孤立2D层的预测模型，并且是首个针对3D病理数据集的分诊框架。	未在文中明确提及局限性。	开发一种深度学习分诊框架，使病理学家能够高效、全面地评估大型3D病理数据集，同时保持最终诊断的准确性。	前列腺癌活检和Barrett食管的内镜活检样本。	数字病理学	前列腺癌，食管癌（Barrett食管相关）	开放顶光片显微镜（OTLS）成像	深度学习模型（具体类型未指定）	3D病理图像	未在摘要中提及具体样本数量。	未在摘要中提及。	未在摘要中提及，但可能涉及卷积神经网络等。	未在摘要中提及，但可能包括准确性、敏感性等。	未在摘要中提及。
972	2026-08-26	The Chest X- Ray: The Ship has Sailed, But Has It? 2025-07-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-52-1-21-22.1 PMID:40047110	评论	本文探讨了胸片是否应重新成为人寿保险核保风险评估的常规要求，特别是在深度学习技术兴起的背景下	从保险核保的视角重新审视胸片的价值，结合深度学习技术讨论其潜在的新用途	未提供实证数据或模型验证，仅基于观点性讨论	评估在深度学习技术辅助下，胸片作为人寿保险核保要求是否能为风险评估增加额外价值	人寿保险申请人及其胸片结果	机器学习, 医学影像	不适用	不适用（讨论技术但未具体使用）	不适用（提及深度学习但未指定具体模型）	未明确（讨论胸片图像，但未提供数据集）	不适用	不适用	不适用（提及深度学习但未指定架构）	不适用	不适用
973	2026-08-26	Clinical progression and genetic pathways in body-first and brain-first Parkinson's disease 2025-06-20, Molecular neurodegeneration IF:14.9Q1 DOI:10.1186/s13024-025-00866-5 PMID:40542411	研究论文	本研究分析了前驱期和临床期帕金森病患者的纵向数据，区分了“体先行”和“脑先行”两种表型，并探讨了其临床进展和遗传通路	首次在前驱期和临床期帕金森病中综合评估体先行和脑先行表型，利用深度学习和遗传分析揭示其独特临床、影像和遗传特征	未提供明确的局限性信息	识别帕金森病中体先行和脑先行表型的临床进展模式及潜在生物学机制	前驱期和临床期帕金森病患者	机器学习	帕金森病	遗传分析	深度学习	临床、影像和遗传学数据	910例前驱期和1120例临床帕金森病病例	NA	NA	NA	NA
974	2026-08-26	ISIT-GEN: An in silico imaging trial to assess the inter-scanner generalizability of CTLESS for myocardial perfusion SPECT on defect-detection task 2025-Mar-20, ArXiv PMID:40166744	研究论文	通过虚拟成像试验评估CTLESS方法在不同厂商SPECT扫描仪间的心肌灌注缺损检测泛化能力	首次采用虚拟成像试验来评估深度学习衰减补偿方法在不同SPECT扫描仪间的泛化性能，弥补了传统单厂商回顾性数据评估的不足	未提及具体限制，但虚拟试验可能无法完全替代真实临床数据评估	评估CTLESS方法在跨不同SPECT扫描仪时的心肌灌注缺损检测泛化能力，并比较其与标准CTAC和NAC方法的性能	三种不同厂商的SPECT扫描仪以及使用这些设备采集的心肌灌注成像数据	医学影像	心肌灌注缺损	单光子发射计算机断层扫描（SPECT）	深度学习	图像	未明确说明，涉及三种厂商的扫描仪	未明确说明	未明确说明	接收者操作特征曲线（ROC）、ROC曲线下面积（AUC）	未明确说明，可能涉及虚拟成像试验模拟计算
975	2026-08-26	Research on Intelligent Monitoring and Concentration Prediction for Penicillin Fermentation Process 2025-03, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28903 PMID:39710987	研究论文	本研究利用PenSim模拟数据集，应用多种机器学习和深度学习技术预测青霉素发酵过程中的浓度，并通过网格搜索优化模型超参数，发现岭回归模型表现最佳。	通过相关性分析筛选关键特征变量，并系统使用网格搜索优化多个预测模型的超参数，为青霉素发酵过程的智能监控提供了数据驱动的新方法。	未提及具体限制，但基于模拟数据，可能缺乏实际工业数据的验证。	预测青霉素发酵浓度，以提升生产效率和质量保证，并展示人工智能在生物技术设施控制中的应用潜力。	青霉素发酵过程中的浓度预测。	机器学习	不适用	模拟数据（PenSim）	岭回归	模拟数据	未提及具体样本数量，使用PenSim数据集。	未明确提及	岭回归	均方误差（MSE），平均绝对误差（MAE）	未提及具体计算资源。
976	2026-08-26	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-11-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	设计了一种深度学习模型，用于通过纵向黄斑OCTA图像检测青光眼进展，并与逻辑回归模型进行了比较	首次使用定制卷积神经网络（CNN）基于纵向黄斑OCTA图像自动检测青光眼进展，并利用无血管区中心进行图像对齐	样本量有限，且缺乏外部验证，模型性能可能受限于特定数据集	开发并评估一种基于深度学习的方法，用于检测青光眼进展，以提高临床诊断的准确性	开角型青光眼患者的黄斑OCTA图像序列	计算机视觉, 数字病理学	青光眼	光学相干断层扫描血管成像（OCTA）	卷积神经网络（CNN）	图像	134名患者的202只眼，每只眼至少4次OCTA检查，平均随访3.5年	NA	定制卷积神经网络（CNN）	AUC, 敏感性, 特异性, 准确性	NA
977	2026-08-26	Deep learning-based image quality assessment for optical coherence tomography macular scans: a multicentre study 2024-10-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-323871 PMID:39033014	研究论文	开发并外部测试用于评估Cirrus和Spectralis光学相干断层扫描三维黄斑扫描图像质量的深度学习模型	首次提出针对不同OCT设备（Cirrus和Spectralis）分别采用3D ResNet-18和多实例学习框架进行图像质量评估，并在多中心外部数据集上验证了模型的鲁棒性	回顾性研究设计，可能引入选择偏差；模型性能在不同设备间存在差异，可能需针对特定设备进行微调	开发并外部验证用于自动评估OCT三维黄斑扫描图像质量的深度学习模型，以支持全自动眼病检测流程	Cirrus和Spectralis OCT设备采集的三维黄斑扫描图像，涵盖多种眼病（如糖尿病性黄斑水肿、年龄相关性黄斑变性、息肉状脉络膜血管病变和病理性近视）及正常眼	计算机视觉、数字病理	糖尿病性黄斑水肿、年龄相关性黄斑变性、息肉状脉络膜血管病变、病理性近视	OCT成像	3D ResNet-18、多实例学习（MIL）	OCT三维扫描图像	训练集含2277个Cirrus扫描和1557个Spectralis扫描，另有多个外部测试集（来自新加坡、印度、澳大利亚和香港）	NA	3D ResNet-18，多实例学习框架下的ResNet-18	AUC	NA
978	2026-08-26	Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges 2024-09-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-325458 PMID:38925907	综述	本文探讨生成式人工智能在眼科领域的当前创新、未来应用及面临的挑战。	系统性地总结了生成对抗网络、扩散模型和多模态基础模型在眼科中的应用，并指出其临床转化的潜力与障碍。	该技术仍处于早期阶段，存在数据偏差、安全性问题及临床实施困难等挑战。	概述生成式人工智能在眼科中的现有进展，并展望未来应用方向及讨论相关挑战。	眼科影像、眼科诊断、患者教育及医疗培训相关应用。	计算机视觉	眼科疾病	生成对抗网络、扩散模型、多模态基础模型	生成对抗网络、扩散模型	图像、文本、视频	不适用	不适用	不适用	不适用	不适用
979	2026-08-26	Deep learning model for extensive smartphone-based diagnosis and triage of cataracts and multiple corneal diseases 2024-09-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-324488 PMID:38242700	研究论文	开发基于智能手机图像的深度学习模型，用于白内障和多种角膜疾病的诊断与分诊。	利用智能手机图像进行多疾病诊断，覆盖36种疾病并分为9类，实现了高准确率。	智能手机图像样本量较小（336张），可能影响模型泛化能力。	开发一个基于智能手机图像的AI算法，用于白内障和角膜疾病的诊断及紧急程度分诊。	白内障和多种角膜疾病（共36种疾病，分为9类）。	计算机视觉	白内障, 角膜疾病	NA（基于图像分类）	深度学习模型（未指定具体类型）	图像（裂隙灯显微镜和智能手机拍摄）	6442张图像（6106张裂隙灯，336张智能手机）	NA	NA	敏感性, 特异性, ROC曲线面积	NA
980	2026-08-26	Validation of a deep learning model for automatic detection and quantification of five OCT critical retinal features associated with neovascular age-related macular degeneration 2024-09-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-324647 PMID:38485214	研究论文	开发并验证了一个基于U-Net的深度学习模型，用于自动分割与新生血管性年龄相关性黄斑变性（nAMD）相关的五种关键视网膜特征	提出了一种全自动分割模型，可同时检测和量化五种与nAMD相关的视网膜生物标志物，其性能达到经验丰富的分级人员的水平	未提及明显限制，但样本量相对较小（300个OCT体积），可能影响模型的泛化能力	开发并验证一个深度学习模型，用于自动分割与nAMD相关的五种视网膜生物标志物，以支持临床研究和实践	300个来自nAMD患者眼部的光学相干断层扫描（OCT）体积图像	医学影像分析	新生血管性年龄相关性黄斑变性	光学相干断层扫描	深度学习模型（U-Net）	图像（OCT体积）	300个OCT体积	NA	U-Net	受试者工作特征曲线下面积（AUC）、相关系数（R2）、Dice系数	NA