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
10081	2026-01-30	On Construction of Tibial Plateau Fracture Detection in Different Radiographic Views Using YOLO Models 2026-Jan-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020182 PMID:41594158	研究论文	本研究评估了四种YOLO深度学习模型在不同X射线视图下检测胫骨平台骨折的性能	首次系统比较了YOLOv4、YOLOv5、YOLOv8和YOLOv9在胫骨平台骨折检测中的表现，并发现AP视图训练的模型性能最优	研究仅使用了单一医疗中心的X射线图像，样本量相对有限，且未涉及其他影像模态如CT或MRI	评估不同YOLO模型在不同X射线视图下检测胫骨平台骨折的准确性和泛化能力	胫骨平台骨折的X射线图像	计算机视觉	骨折	X射线成像	YOLO	图像	1489张膝关节X射线图像（727张骨折图像，762张非骨折图像）	NA	YOLOv4, YOLOv5, YOLOv8, YOLOv9	准确率, 特异性, 精确率, F1分数, AUC, 灵敏度, 阴性预测值	NA
10082	2026-01-30	A Supervised Deep Learning Model Was Developed to Classify Nelore Cattle (Bos indicus) with Heat Stress in the Brazilian Amazon 2026-Jan-06, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16020161 PMID:41594351	研究论文	本研究开发了一种用于分类内洛尔牛热应激状态的监督深度学习模型	首次为巴西亚马逊地区的Bos indicus品种牛开发了基于深度学习的非侵入式热应激分类模型	模型特异性较低（42%），可能受类别不平衡和输入特征不足影响，在识别热舒适动物方面存在困难	开发深度学习模型以实时监测和分类牛的热应激状态，支持精准畜牧业决策	内洛尔牛（Nelore cattle, Bos indicus）	机器学习	NA	深度学习，生物与环境参数监测	神经网络	多模态数据（生物变量：直肠温度、呼吸频率；环境变量：气温、相对湿度）	30头牛（18-20月龄），共676个样本，覆盖每日4个时段（6:00, 12:00, 18:00, 24:00）	NA	NA	准确率, 召回率, 特异性	NA
10083	2026-01-30	Comment on Korkmaz et al. A Deep Learning and Explainable AI-Based Approach for the Classification of Discomycetes Species. Biology 2025, 14, 719 2026-Jan-06, Biology DOI:10.3390/biology15020106 PMID:41594841	评论	本文是对Korkmaz等人关于使用深度学习和可解释AI分类盘菌物种研究的评论	NA	NA	讨论和评价Korkmaz等人研究中深度学习和可解释AI在盘菌物种分类中的应用	盘菌物种	自然语言处理	NA	NA	NA	NA	NA	NA	NA	NA	NA
10084	2026-01-30	Reply to Pastore, E.P. Comment on "Korkmaz et al. A Deep Learning and Explainable AI-Based Approach for the Classification of Discomycetes Species. Biology 2025, 14, 719" 2026-Jan-06, Biology DOI:10.3390/biology15020107 PMID:41594842	回复	本文是对Pastore, E.P.评论的正式回复，针对原论文《A Deep Learning and Explainable AI-Based Approach for the Classification of Discomycetes Species》中提出的统计独立性、选择偏差和捷径学习等议题进行回应	NA	NA	回应评论中关于盘菌物种分类深度学习方法的统计独立性、预处理偏差和模型校准等议题	盘菌物种分类的深度学习与可解释AI方法	自然语言处理	NA	NA	NA	NA	NA	NA	NA	NA	NA
10085	2026-01-30	Deep Learning-Based Identification of Pathogenicity Genes in Phytophthora infestans Using Time-Series Transcriptomics 2026-Jan-06, Plants (Basel, Switzerland) DOI:10.3390/plants15020178 PMID:41599985	研究论文	本研究提出了一种LSTM-Transformer混合模型，用于从基因表达时间序列数据中识别致病性相关基因，以应对马铃薯晚疫病的挑战	提出了一种结合LSTM和Transformer的混合模型，并引入了具有生物学意义的时间注意力架构、基因时间序列特定的数据划分策略以及可解释的深度分析模块	研究仅基于32,917个基因的18个样本进行分析，样本量相对有限，且模型在更广泛病原体或作物中的泛化能力尚未验证	识别与致病性相关的基因，为培育抗晚疫病马铃薯品种和加强植物保护策略提供分子靶点	致病疫霉（Phytophthora infestans）的基因表达时间序列数据	自然语言处理	植物病害	时间序列转录组学	LSTM, Transformer	基因表达时间序列数据	18个样本（3个感染时间点 × 6个生物学重复）覆盖32,917个基因	NA	LSTM-Transformer混合模型	NA	NA
10086	2026-01-30	Applicability study of AI attribution methods for ophthalmic image classification 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33120-5 PMID:41491079	研究论文	本研究评估了三种前沿归因方法在眼科图像分类中的适用性，以解释基于VGG16的深度学习模型在糖尿病视网膜病变和视网膜积液检测中的预测	首次系统地将自然图像领域的归因方法（DeepLIFT、AGI、AttEXplore）应用于眼科医学影像，评估其在病理和正常病例中的临床相关性，并指出即使定量性能高，归因结果仍需结合临床专业知识解读	归因方法的结果因基础假设和超参数敏感性而差异显著，高插入或低删除分数不一定对应临床有意义的视觉归因，且在正常病例中全局上下文证据的确认可能使归因信息量降低	探索归因方法在医学影像领域的适用性，以提高深度学习模型在眼科诊断中的可解释性和临床接受度	糖尿病视网膜病变和视网膜积液	计算机视觉	糖尿病视网膜病变	光学相干断层扫描（OCT）、宽视野OCT血管造影（OCTA）	CNN	图像	NA	NA	VGG16	准确率、插入分数、删除分数	NA
10087	2026-01-30	Predicting Physical Appearance from Low Template: State of the Art and Future Perspectives 2026-Jan-05, Genes IF:2.8Q2 DOI:10.3390/genes17010059 PMID:41595479	综述	本文综述了从低模板DNA预测外貌特征的现状与未来展望，重点评估了机器学习模型在提升预测精度和操作可行性方面的应用	系统评估了机器学习模型在低模板DNA表型预测中的应用，并比较了不同算法在关键数据集上的性能，同时探讨了多组学整合、可解释AI等未来方向	在混合人群和多基因复杂性状预测方面仍存在局限性，模型的可解释性和偏差缓解对于法庭可采性至关重要	评估和改进从低模板DNA进行法医DNA表型预测的准确性和可靠性	低模板DNA样本及其预测的外部可见特征（如眼睛、头发、皮肤颜色、祖先、年龄）	法医基因组学	NA	SNP-based trait modeling, genotype imputation, epigenetic age estimation, probabilistic inference	Random Forests, Support Vector Machines, Gradient Boosting, deep learning	基因组数据	1000 Genomes Project, UK Biobank, 法医案例样本	NA	NA	AUC	NA
10088	2026-01-30	Emerging Artificial Intelligence Models for Estimating Breslow Thickness from Dermoscopic Images 2026-Jan-03, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14010097 PMID:41595633	综述	本文综述了利用深度学习模型从皮肤镜图像中无创估算Breslow厚度的研究进展	系统性地总结了基于卷积神经网络和视觉Transformer的AI模型在Breslow厚度估算中的应用，并强调了预处理技术和可解释性方法对临床适用性的提升	外部验证显示模型性能下降，在临床关键厚度范围（0.4-1.0毫米）区分能力差，训练数据存在显著偏差（主要代表浅肤色类型），缺乏前瞻性临床试验验证临床效用，监管审批路径未定义	评估人工智能模型在无创估算皮肤黑色素瘤Breslow厚度方面的潜力与挑战	皮肤镜图像	计算机视觉	皮肤黑色素瘤	深度学习	CNN, Transformer	图像	单中心数据集（具体数量未提供）	NA	ResNet, EfficientNet, Vision Transformers	准确率, AUC	NA
10089	2026-01-30	Microbial Ecological Signatures Predict Pathogen Emergence and Multidrug Resistance in Cystic Fibrosis Airways up to a Year in Advance 2026-Jan-02, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.28.25342520 PMID:41503489	研究论文	本研究开发了一种基于自编码器的新框架，通过整合囊性纤维化患者气道微生物组的分类学和功能数据，预测病原体定植、多重耐药性和即将发生的感染，可提前长达一年进行预测	开发了新的自编码器框架，整合分类和功能数据形成潜在“系统发育和功能簇”，结合梯度提升随机森林，首次实现了对囊性纤维化气道病原体出现和多重耐药性的长期预测	研究样本量相对有限（64名患者，127个样本），模型在更广泛人群中的泛化能力仍需进一步验证	开发预测囊性纤维化患者气道病原体出现和多重耐药性的早期标志物	囊性纤维化患者的气道微生物组	机器学习	囊性纤维化	宏基因组测序	自编码器, 梯度提升随机森林	宏基因组数据	127个痰液和支气管肺泡灌洗液宏基因组样本（来自64名囊性纤维化患者），以及来自22个独立数据集的1000多个全球宏基因组样本	NA	自编码器	准确率	NA
10090	2026-01-30	RoBep: a region-oriented deep learning model for B-cell epitope prediction 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag006 PMID:41527265	研究论文	本文介绍了一种名为RoBep的区域导向深度学习模型，用于预测B细胞表位，通过结合蛋白质语言模型和等变图神经网络，并引入区域约束机制，以提高预测的准确性和生物合理性	RoBep引入了新颖的区域约束机制，将先进的蛋白质语言模型ESM-Cambrian与等变图神经网络结合，显式建模表位残基的空间聚类，确保预测的表位残基在空间上紧凑，从而增强生物合理性和实用性	未在摘要中明确提及，但可能包括对特定数据集或蛋白质结构的依赖，以及计算资源需求	开发一种区域导向的深度学习模型，用于准确预测B细胞表位残基，以支持抗体设计和结构引导的疫苗开发	B细胞表位残基和抗体-抗原结合区域	自然语言处理, 机器学习	NA	蛋白质语言模型, 等变图神经网络	深度学习模型, 图神经网络	蛋白质结构数据	NA	PyTorch	ESM-Cambrian, 等变图神经网络	F1分数, Matthews相关系数, 精确率-召回率曲线下面积, AUROC0.1	NA
10091	2026-01-30	Development and clinical validation of a novel deep learning-based mediastinal endoscopic ultrasound navigation system for quality control: a single-center, randomized controlled trial 2026-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003469 PMID:40990678	研究论文	本研究开发并临床验证了一种基于深度学习的新型纵隔内镜超声导航系统，旨在通过实时AI反馈提升纵隔EUS检查的质量控制	首次开发并在一项随机对照试验中验证了用于纵隔内镜超声质量控制的AI导航系统，实现了实时解剖标志识别与扫描引导	研究为单中心试验，未发现对第2站（隆突下区域）的扫描完整性有显著改善，且未报告不良事件，外部泛化性需进一步验证	开发并评估一种人工智能系统，以辅助纵隔内镜超声检查中的解剖标志识别和扫描引导，从而改善临床实践中的质量控制	需要进行纵隔内镜超声检查的患者	数字病理学	纵隔疾病	内镜超声	深度学习	图像	训练集来自120名患者的11230张标注图像，内部验证1972张图像，外部验证824张图像（来自三个机构）；随机对照试验纳入148名患者（AI辅助组72人，对照组76人）	NA	NA	标准站完整性、结构完整性、手术时间	NA
10092	2026-01-30	Comprehensive review on learning models of leukemia detection based on morphological information 2026-Jan, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2583449 PMID:41340531	综述	本文系统综述了基于形态学信息的白血病检测人工智能方法，涵盖图像采集、预处理、分割及分类模型	全面梳理了白血病检测中的人工智能方法，并分析了现有问题与未来方向	NA	系统回顾白血病诊断中基于人工智能的方法	白血病检测的人工智能方法	数字病理学	白血病	外周血涂片显微镜检查、流式细胞术、骨髓活检成像	机器学习、深度学习	图像	NA	NA	NA	NA	NA
10093	2026-01-30	A deep learning methodology for fully-automated quantification of calcific burden in high-resolution intravascular ultrasound images 2026-Jan, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03583-8 PMID:41454216	研究论文	本文提出了一种基于深度学习的全自动方法，用于在高分辨率血管内超声图像中量化钙化负荷	首次引入深度学习模型实现血管内超声图像中钙化组织的无缝检测与量化，替代了传统耗时的手动分析	研究样本量相对有限（197条血管），且模型性能依赖于专家标注的准确性，未在更广泛的多中心数据上进行验证	开发一种自动化工具，以辅助经皮冠状动脉介入治疗规划及药物疗效评估中的钙化负荷量化	血管内超声图像中的钙化组织	计算机视觉	心血管疾病	血管内超声成像	深度学习模型	图像	197条血管的26,211帧训练图像和30条血管的5,138帧测试图像	NA	NA	kappa系数, 相关系数	NA
10094	2026-01-30	Leveraging Different Distance Functions to Predict Antiviral Peptides with Geometric Deep Learning from ESMFold-Predicted Tertiary Structures 2026-Jan-01, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics15010039 PMID:41594075	研究论文	本研究探索了使用不同距离函数从预测的肽结构构建图表示，以训练基于深度图学习的抗病毒肽预测模型	首次系统比较了不同距离函数（非仅欧氏距离）在构建肽结构图表示中的应用，并证明其他距离函数能构建编码不同化学空间的异构图，从而提升模型判别能力	研究基于ESMFold预测的肽三级结构，可能受预测准确性限制；未涉及实验验证	开发更有效的基于几何深度学习的抗病毒肽预测方法	抗病毒肽及其预测的三级结构	机器学习	NA	几何深度学习，图表示学习	深度图学习模型	图数据（源自预测的肽三级结构）	NA	NA	NA	NA	NA
10095	2026-01-30	Bream: an open-source deep learning framework for simultaneous base calling and DNA methylation detection on novel nanopore sequencing platforms 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1743148 PMID:41607593	研究论文	本文提出了一个名为Bream的开源深度学习框架，用于在新型纳米孔测序平台上同时进行碱基识别和DNA甲基化检测	开发了一个集成了卷积神经网络与反向长短期记忆网络（用于碱基识别）以及带有注意力机制的双向LSTM（用于甲基化检测）的开源框架，专门针对非ONT的新型纳米孔测序平台（如启探科技的QCell-384）	未明确提及具体局限性，但暗示非ONT平台的准确模型开发本身具有挑战性	开发一个准确、开源的计算模型，用于在新型纳米孔测序平台上同时进行碱基识别和DNA甲基化检测	纳米孔测序数据，特别是来自启探科技QCell-384平台（采用工程化解旋酶和纳米孔蛋白）的数据	机器学习	NA	纳米孔测序	CNN, LSTM	测序数据	NA	开源深度学习框架（具体未命名，但提及与ONT的R9.4平台比较）	卷积神经网络与反向长短期记忆网络（用于碱基识别），双向LSTM与注意力机制（用于甲基化检测）	准确率, AUC-ROC, 皮尔逊相关系数	NA
10096	2026-01-30	Diagnosing Multiple Sclerosis from Magnetic Resonance Imaging Images: Highlights from the Second Isfahan Artificial Intelligence Event 2024 2026, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_43_25 PMID:41608016	研究论文	本文介绍了2024年第二届伊斯法罕人工智能活动中关于从磁共振成像图像诊断多发性硬化症的挑战赛及其结果	组织了一场专注于利用人工智能方法对多发性硬化症患者的MRI图像进行病灶分割和定位的公开挑战赛，以推动该领域新诊断方法的发展	提交方法的最佳结果（如Dice分数0.33）仍远未达到理想精度，表明该领域需要进一步改进和研究	开发基于人工智能的新方法，用于多发性硬化症患者MRI图像中病灶的分割和定位	多发性硬化症患者的磁共振成像图像	医学影像处理	多发性硬化症	磁共振成像	深度学习	图像	NA	NA	NA	Dice分数, 灵敏度, 精确度, 质心距离, 准确率	NA
10097	2026-01-30	Isfahan Artificial Intelligence Event 2024, Challenge I: Respiratory Depression Detection 2026, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_32_25 PMID:41608015	研究论文	本文总结了2024年伊斯法罕人工智能事件中呼吸抑制检测挑战的结果，包括数据集构建、团队表现及所用方法	构建了一个包含16名患者气管声音的精确标注数据集，并组织了基于深度学习的呼吸抑制检测竞赛	数据集规模较小（仅16名患者），且所有团队性能仍有提升空间，最高F1分数为65.18%	开发基于人工智能的呼吸抑制检测技术，以自动化监测麻醉过程中的呼吸功能	接受白内障手术患者的连续气管声音记录	机器学习	呼吸抑制	连续听诊气管声音	深度学习	音频	16名患者	NA	NA	F1分数	NA
10098	2026-01-30	Monocular complex amplitude imaging via a polarization-multiplexed liquid-crystal-lens-informed Fourier neural network 2026-Jan, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf561 PMID:41608046	研究论文	提出了一种基于液晶透镜引导的傅里叶神经网络的单目相机，用于实现高保真度的复振幅成像	结合偏振复用双焦液晶透镜与偏振图像传感器，构建无需标记数据的物理信息神经网络，实现单次拍摄下的复振幅重建	未明确提及实验场景的泛化能力或计算效率的具体限制	开发紧凑、高性能的复振幅成像系统，用于自适应光学、全息重建和材料诊断应用	波前像差、静态全息图、空气流场和火焰场的动态监测	计算成像	NA	偏振相移径向剪切干涉术	傅里叶神经网络	偏振图像	NA	NA	NA	相位精度（λ/35）	NA
10099	2026-01-30	SubNExT: Towards accurate, efficient and robust gene expression classification for breast cancer subtyping 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.027 PMID:41608407	研究论文	本文提出了一种名为SubNExT的优化浅层CNN模型，用于基于基因表达数据的乳腺癌亚型分类	采用ConvNeXt骨干网络结合t-SNE和DeepInsight二维转换技术，实现了在基因表达数据上的高效、稳健分类	未明确说明模型在其他癌症类型或更大规模数据集上的泛化能力	优化基于基因表达的分子亚型分类方法，以促进个性化医疗	乳腺癌的基因表达数据	机器学习	乳腺癌	基因表达分析	CNN, Transformer, MLP, XGBoost	基因表达数据（转换为二维图像）	NA	NA	ConvNeXt, ViT, NeXt-TDNN	准确率	NA
10100	2026-01-30	A deep learning based automated maxillary sinus segmentation and bone grafts analysis in CBCT images 2025-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02275-w PMID:41469515	研究论文	本研究开发并验证了一种基于深度学习的全自动系统SA-ai，用于在CBCT图像中分割上颌窦并分析骨移植体积	提出了一种结合2D U-Net和3D V-Net的全自动深度学习系统，用于量化上颌窦骨增量，实现了超过20倍的工作流程效率提升	研究仅基于85名患者的配对CBCT数据集，样本量相对有限，且未明确提及外部验证或泛化能力评估	优化种植体治疗，通过自动化系统精确评估上颌窦骨增量	上颌窦骨移植后的骨增益	数字病理学	NA	CBCT成像	深度学习	CBCT图像	85名患者的配对CBCT数据集	NA	2D U-Net, 3D V-Net	Dice系数, RMSE, ICC	NA