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
9861	2026-02-18	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文使用可解释的机器学习方法对结肠隐窝分支的两种模式进行定量分析	结合手工特征和深度学习模型，实现对结肠隐窝对称与不对称分支模式的分类，并强调模型的可解释性	未明确提及样本量或数据集的详细规模，可能影响模型泛化能力	改进炎症性肠病亚型的定量描述和组织学特征分析	结肠隐窝的分支模式	数字病理学	炎症性肠病	NA	集成模型, 深度学习模型	分割掩码图像	NA	NA	NA	平衡准确度	NA
9862	2026-02-18	Advancing Luciferase Activity and Stability beyond Directed Evolution and Rational Design through Expert Guided Deep Learning 2025-Aug-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.25.672183 PMID:40909496	研究论文	本研究提出了一种结合深度学习与结构引导理性设计的混合方法，以开发增强型NanoLuc荧光素酶变体，提升其热稳定性和高温活性	通过整合计算深度学习与结构引导理性设计，克服了传统定向进化和理性设计的局限性，有效优化了荧光素酶的稳定性-活性权衡	研究主要针对NanoLuc荧光素酶，其方法在其他酶类中的普适性仍需进一步验证	优化NanoLuc荧光素酶的热稳定性和高温活性，以改进生物成像和传感应用	NanoLuc荧光素酶（NLuc）及其工程变体	机器学习	NA	深度学习，分子动力学模拟，蛋白质折叠研究	深度学习模型	蛋白质序列和结构数据	工程变体库（包括变体B.07和B.09）	NA	NA	热稳定性增强（如50%溶解度下的温度增加），高温活性提升（如55°C下的活性百分比）	NA
9863	2026-02-18	Multimodal structural MRI synthesis pipeline across age 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254451 PMID:41335748	研究论文	本研究提出了一种基于深度学习的跨模态结构MRI合成模型，用于生成T1加权和T2加权磁共振成像数据，并探索了该模型在整个生命周期（从早期发育到老年）中的年龄相关效应	开发了一种能够整合年龄信息的跨模态MRI合成模型，覆盖从早期发育到老年的整个生命周期，这在现有研究中较为少见	未明确提及模型在临床环境中的验证或与其他合成方法的比较，可能缺乏广泛的泛化性评估	通过深度学习模型合成T1加权和T2加权MRI数据，以解决获取多模态结构MRI数据时资源密集和耗时的问题，并研究年龄对合成数据的影响	T1加权和T2加权磁共振成像数据，针对早期发育、青年成年和老年人群	医学影像分析	NA	磁共振成像	深度学习模型	图像	NA	NA	NA	均方误差, 峰值信噪比	NA
9864	2026-02-18	X2Graph for Cancer Subtyping Prediction on Biological Tabular Data 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253574 PMID:41336217	研究论文	提出一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据上进行癌症亚型预测	利用外部知识（如基因相互作用）将表格数据转换为图结构，从而应用标准消息传递算法进行建模	NA	在数据稀缺的医疗领域，特别是癌症诊断中，提升深度学习在表格数据上的性能	癌症亚型预测	机器学习	癌症	NA	图神经网络	表格数据	NA	NA	NA	NA	NA
9865	2026-02-18	Online Sequential EEG Emotion Recognition with Prototypical Alignment Based Transfer Model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253987 PMID:41336393	研究论文	提出一种基于原型对齐迁移模型的在线序列脑电信号情绪识别方法，用于解决模型在新数据上适应性差和训练数据缺乏主体独立性的问题	在在线学习环境中引入跨主体迁移学习模型，通过选择性修剪和重新初始化模型参数快速适应新主体，并采用增强的领域对抗神经网络策略在迁移学习框架内对齐情感类别的原型特征	未明确说明模型在不同情绪类别间的泛化能力，也未讨论实时在线学习过程中的计算延迟问题	开发一种能够快速适应新主体且保持高准确率的在线序列脑电情绪识别方法	脑电信号（EEG）	机器学习	NA	脑电信号采集	深度学习模型	时间序列数据（脑电信号）	SEED和SEED-IV数据集	PyTorch, TensorFlow	领域对抗神经网络（DANN）	准确率	NA
9866	2026-02-18	Silencer variants are key drivers of gene upregulation in Alzheimer's disease 2025-Apr-08, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.07.25325386 PMID:40297423	研究论文	本研究开发了一个深度学习框架，结合表观基因组数据来评估阿尔茨海默病相关非编码变异在背外侧前额叶皮层中的调控潜力，并识别了关键的沉默子变异	开发了一个结合bulk和单细胞表观基因组数据的深度学习框架，首次系统性地评估了非编码AD变异在特定脑区和细胞类型中的调控潜力，并成功区分了沉默子与增强子变异的不同功能类别	模型主要基于背外侧前额叶皮层数据，可能未完全捕捉其他脑区或疾病阶段的调控变化；预测结果与实验数据的平均相关性为0.54，仍有提升空间	阐明阿尔茨海默病相关非编码遗传变异的功能意义及其在疾病发病机制中的调控作用	阿尔茨海默病相关的非编码遗传变异、背外侧前额叶皮层及其主要细胞类型	机器学习	阿尔茨海默病	bulk表观基因组测序、单细胞表观基因组测序	深度学习	表观基因组数据	NA	NA	NA	皮尔逊相关系数、方向一致性率	NA
9867	2026-02-18	Multi-convolutional neural networks for cotton disease detection using synergistic deep learning paradigm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324293 PMID:40424461	研究论文	本文提出了一种基于多卷积神经网络和协同深度学习范式的棉花病害检测方法，旨在准确分类六种病害和健康类别	提出了一种结合MobileNet和VGG16特征提取的定制化StyleGAN进行合成数据生成，并采用基于StackNet的集成分类器，以解决类别不平衡和实时检测挑战	现有数据集大多在受控条件下获取，可能无法完全反映真实田间环境中的病害变异，且实时检测需求未在研究中充分验证	开发一种自动化方法，用于同时准确检测棉花作物中的多种病害，以提高产量并减少资源浪费	棉花作物及其六种病害（细菌性疫病、卷叶病毒、镰刀菌枯萎病、链格孢菌病、尾孢菌病、灰霉病）以及健康类别	计算机视觉	植物病害	深度学习	CNN, LSTM, SVM, Random Forest	图像	公开可用数据集，具体样本数量未明确说明	TensorFlow, PyTorch, Scikit-learn	MobileNet, VGG16, StyleGAN, StackNet	准确率	NA
9868	2026-02-18	Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102887 PMID:39469534	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较性能	首次对深度学习在感染性角膜炎诊断中的性能进行全面系统综述和荟萃分析，并直接与眼科医生的诊断准确性进行比较	分析基于图像，未考虑个体内潜在相关性；研究人群相对同质；缺乏深度学习阈值的预先设定；外部验证有限	评估深度学习在感染性角膜炎诊断中的准确性，并比较其与眼科医生的诊断性能	感染性角膜炎	数字病理学	感染性角膜炎	深度学习	深度学习模型	角膜图像	136,401张角膜图像，来自超过56,011名患者	NA	NA	灵敏度, 特异性	NA
9869	2026-02-18	YeastMate: neural network-assisted segmentation of mating and budding events in Saccharomyces cerevisiae 2022-04-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac107 PMID:35179572	研究论文	本文介绍了YeastMate，一个基于深度学习的用户友好应用程序，用于自动检测和分割显微镜图像中的酿酒酵母细胞及其交配和出芽事件	在Mask R-CNN基础上，通过自定义分割头对生命周期转换中的母细胞和子细胞进行子分类，并提供了Python库、独立图形用户界面应用程序和Fiji插件等多种易用前端	NA	开发一个自动化工具，用于检测和分割酿酒酵母细胞及其生命周期事件	酿酒酵母细胞及其交配和出芽事件	计算机视觉	NA	显微镜成像	CNN	图像	NA	PyTorch	Mask R-CNN	NA	NA
9870	2026-02-17	SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation 2026-Feb-16, The Analyst DOI:10.1039/d5an00794a PMID:41283740	研究论文	本文介绍了一个名为SpectralFlow的集成平台，用于光谱数据预处理和水果质量评估中的预测建模分析	开发了一个集成交互式光谱数据提取与预处理、内置模型库、自定义模型训练、数据集管理和可视化功能于一体的软件平台，解决了现有软件仅支持简单机器学习模型、缺乏复杂超参数调优和先进深度学习架构支持，以及对高光谱图像特征提取功能有限的问题	NA	开发一个集成平台以降低光谱分析的技术门槛，优化光谱数据分析并简化模型训练过程	水果（芒果、苹果、猕猴桃、梨）的质量评估	机器学习	NA	近红外光谱，高光谱成像	NA	光谱数据，高光谱图像	NA	NA	NA	准确率，R平方值	NA
9871	2026-02-17	Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning 2026-Feb-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae399c PMID:41544379	研究论文	本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性和鲁棒性	提出了两种全深度学习流程，包括两步法和直接法，用于从MRI直接预测质子剂量分布，并评估其对MRI强度畸变的鲁棒性	直接预测流程在治疗计划层面的平均相对误差较高，信息利用效率有待改进	研究基于MRI的质子剂量计算在盆腔区域的可行性	盆腔肿瘤患者	医学影像分析	盆腔肿瘤	磁共振成像，蒙特卡洛模拟	深度学习	MRI图像，CT图像	120名盆腔患者的MRI-CT配对数据	NA	NA	伽马通过率，平均相对误差	NA
9872	2026-02-17	Identification of a type 1 diabetes-associated T cell receptor repertoire signature from the human peripheral blood 2026-Feb-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adx7448 PMID:41686902	研究论文	本研究通过分析2250名参与者的T细胞受体β链序列，结合深度学习识别出与1型糖尿病相关的TCR基序，揭示了HLA风险等位基因对TCR库的限制作用	首次在大规模跨队列研究中，利用深度学习识别出T1D相关的TCR基序，并验证其在胰腺引流淋巴结中的存在，为基于TCR的诊断和治疗提供了新思路	研究为横断面设计，无法确定TCR基序与疾病进展的因果关系；样本主要来自外周血，可能未完全反映局部免疫反应	识别与1型糖尿病相关的T细胞受体特征，探索HLA等位基因对TCR库的影响	2250名HLA分型的参与者，包括1型糖尿病患者、健康相关及无关对照	机器学习	1型糖尿病	T细胞受体β链测序	深度学习	序列数据	2250名参与者	NA	NA	NA	NA
9873	2026-02-17	eccDNA2Ca: an ensemble deep learning framework for interpretable prediction of cancer-associated extrachromosomal circular DNA 2026-Feb-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.02.014 PMID:41687774	研究论文	本研究开发了一个名为eccDNA2Ca的可解释集成深度学习框架，用于直接从原始序列预测与癌症相关的染色体外环状DNA	首次提出一个专门设计用于基于序列特征优先考虑癌症相关eccDNA的可解释、公开可用的计算框架，整合了XGBoost与深度神经网络（CNN和LSTM）	未明确提及具体局限性	预测与癌症相关的染色体外环状DNA（eccDNA），并评估其功能或临床意义	人类染色体外环状DNA（eccDNA）	机器学习	癌症	NA	XGBoost, CNN, LSTM	序列	来自21项研究的465个经实验验证的人类eccDNA，涵盖16种癌症类型	XGBoost, TensorFlow或PyTorch（未明确指定，但基于深度学习框架）	集成框架（XGBoost, CNN, LSTM）	AUC, AUPR	NA
9874	2026-02-17	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026-Feb-12, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	本文综述了利用视网膜眼底成像作为非侵入性生物标志物预测心血管疾病（特别是先天性心脏病、获得性心脏病、瓣膜病和心肌病）的研究进展	系统性地聚焦于视网膜眼底成像在结构性心脏病预测中的应用，并探讨了深度学习、机器学习模型（包括新兴的Transformer和SAM模型）在此领域的潜力	数据集不平衡、纵向验证有限、AI模型的黑箱性质以及不同研究间性能比较的挑战	评估视网膜成像作为心血管疾病预测工具的可行性与准确性	先天性心脏病、获得性心脏病、瓣膜病和心肌病患者	数字病理学	心血管疾病	视网膜眼底成像	深度学习, 机器学习	图像	NA	NA	卷积神经网络, Transformer, Segment Anything Model	AUC, 敏感性	NA
9875	2026-02-17	Integrative profiling of condensation-prone RNAs during early development 2026-Feb-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.101065 PMID:41265448	研究论文	本研究通过整合转录组学分析，识别了一类在早期发育中易于凝聚的RNA，并利用可解释深度学习框架揭示了其序列特征与相分离的关联	首次识别并命名了一类新型发育凝聚倾向RNA（smOOPs），并利用可解释深度学习框架系统揭示了其序列组成、折叠特性及RNA结合蛋白结合模式在相分离中的作用	研究主要关注早期发育阶段，其他发育阶段或病理条件下的适用性尚未验证；深度学习模型的可解释性虽被强调，但具体生物学机制仍需进一步实验验证	探究RNA特征如何影响生物分子凝聚体的形成，特别是在早期发育过程中的作用	早期发育过程中易于凝聚的RNA（smOOPs）及其编码的蛋白质	机器学习	NA	转录组学分析	深度学习	RNA序列数据	NA	NA	NA	NA	NA
9876	2026-02-17	An efficient, scalable, and adaptable plug-and-play temporal attention module for motion-guided cardiac segmentation with sparse temporal labels 2026-Feb-09, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103981 PMID:41691916	研究论文	本文提出了一种高效、可扩展且可适配的即插即用时序注意力模块（TAM），用于增强深度学习分割网络对心脏运动信息的建模能力，以提升心脏解剖结构分割的准确性	设计了一个小型多头跨时序注意力模块，能以即插即用方式集成到多种分割网络（CNN、Transformer或混合架构）中，无需大幅修改网络结构，且训练仅需稀疏时序标注	未明确说明模块在极端运动情况（如心律失常）下的鲁棒性，也未与其他最先进的运动建模方法（如光流或循环网络）进行全面比较	提升深度学习网络在心脏图像序列分割中对运动信息的建模能力，以更准确地进行心脏解剖结构分割	心脏图像序列，包括2D超声心动图、3D超声心动图和3D心脏MRI	数字病理学	心血管疾病	深度学习，时序注意力机制	CNN, Transformer, 混合模型	2D图像序列, 3D图像序列	多个公开数据集：CAMUS、EchoNet-Dynamic、MITEA、ACDC	PyTorch	UNet, FCN8s, UNetR, SwinUNetR, IUNet, DT-VNet, SAM, MedSAM	豪斯多夫距离	未明确说明，但强调模块具有计算高效性
9877	2026-02-17	Diagnostic Accuracy of Artificial Intelligence Models for Differentiation of Squamous Cell Carcinoma and Adenocarcinoma of Lung-A Systematic Review 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030500 PMID:41681818	系统综述	本文系统综述了基于机器学习的放射组学模型在肺鳞状细胞癌和腺癌鉴别诊断及总体生存分析中的性能	首次系统性地总结和评估了机器学习与深度学习模型在肺鳞癌和腺癌非侵入性分类中的诊断准确性，并强调了放射组学特征整合对提升诊断精度的潜力	纳入的研究数量有限（共11项），且研究质量可能受放射组学质量评分（RQS）工具评估的限制	总结和批判性评估基于机器学习的放射组学模型在肺鳞状细胞癌和腺癌的鉴别诊断及总体生存分析中的表现	肺鳞状细胞癌和腺癌	数字病理学	肺癌	放射组学	机器学习, 深度学习	影像数据	NA	NA	NA	准确率	NA
9878	2026-02-17	On the Suitability of Data Augmentation Techniques to Improve Parkinson's Disease Detection with Speech Recordings 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030498 PMID:41681817	研究论文	本研究提出了一种基于数据增强的方法，用于通过语音记录进行帕金森病检测，并评估了不同增强技术在波形和时频层面的效果	在语音记录中应用数据增强技术以改进帕金森病检测，并系统评估了增强技术对模型泛化能力的影响	数据增强技术虽然在单一数据集上提升了性能，但未能一致地改善模型在独立数据集上的泛化能力	提高基于语音记录的帕金森病自动检测模型的鲁棒性和泛化能力	帕金森病患者和健康对照者的语音记录	自然语言处理	帕金森病	语音分析	深度学习模型	语音记录	NA	NA	NA	准确率	NA
9879	2026-02-17	Advanced Deep Learning Models for Classifying Dental Diseases from Panoramic Radiographs 2026-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030503 PMID:41681821	研究论文	本文研究使用先进的深度学习模型对全景X光片进行多类别牙科疾病分类，以解决数据集中的不一致性和类别不平衡问题	应用了包括类别合并、错误标注修正、冗余去除和数据增强在内的广泛预处理技术，将类别不平衡比例从2560:1显著降低至61:1，并评估了五种现代CNN架构在牙科疾病分类中的性能	研究未涉及数据集扩展、集成学习策略或可解释人工智能技术的应用，这些是未来进一步研究的方向	开发一种基于深度学习的自动化诊断系统，用于从全景X光片中准确分类多种牙科疾病，以提高口腔医疗的效率和临床实用性	牙科疾病	计算机视觉	牙科疾病	全景X光成像	CNN	图像	10,580张高质量全景X光片	NA	InceptionV3, EfficientNetV2, DenseNet121, ResNet50, VGG16	准确率, 平均精度均值, 精确率, 召回率, F1分数	NA
9880	2026-02-17	A Hybrid Millimeter-Wave Radar-Ultrasonic Fusion System for Robust Human Activity Recognition with Attention-Enhanced Deep Learning 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031057 PMID:41682572	研究论文	本文提出了一种融合毫米波雷达与超声波阵列的非接触式系统，用于鲁棒的人类活动识别	提出了一种新颖的多模态融合系统，结合了毫米波雷达的环境鲁棒性与超声波的高精度，并设计了注意力增强的深度学习架构（Attention-CNN-BiLSTM）来整合时空特征	实验仅包含四种基本行为（站立、坐下、行走、跌倒），未在更复杂或更多样的活动场景中进行验证	解决单传感器在人类行为识别中环境鲁棒性与细粒度精度之间的权衡问题	人类日常活动（站立、坐下、行走、跌倒）	计算机视觉, 机器学习	NA	毫米波雷达（77 GHz SIFT）, 超声波阵列（40 kHz）, 小波变换, 短时傅里叶变换（STFT）	CNN, BiLSTM, 注意力机制	多模态时序信号（雷达信号、超声波信号）	1600个同步序列	NA	Attention-CNN-BiLSTM	平均类别准确率	NA