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
11341	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
11342	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
11343	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
11344	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
11345	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
11346	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
11347	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
11348	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
11349	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
11350	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
11351	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
11352	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
11353	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
11354	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
11355	2026-02-17	Identification of Comorbidities in Obstructive Sleep Apnea Using Diverse Data and a One-Dimensional Convolutional Neural Network 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031056 PMID:41682571	研究论文	本研究开发并评估了一种多模态深度学习框架，用于利用生理时间序列信号和临床数据对阻塞性睡眠呼吸暂停患者的主要合并症进行稳健的多标签分类	提出了一种结合一维卷积神经网络处理生理时间序列信号与临床数据的融合模型，用于OSA患者合并症的多标签分类，相比传统机器学习方法表现出更优的预测性能	研究受限于数据集规模较小，未来需要扩展多中心数据集以提高模型可解释性和临床适用性	开发并评估一个用于识别阻塞性睡眠呼吸暂停患者合并症的多标签深度学习框架	阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图，血氧饱和度监测	CNN	时间序列信号，临床数据	144名患者	Optuna	一维卷积神经网络	宏F1分数，微F1分数，AUC-ROC，AUC-PR，子集准确率，部分准确率，汉明损失，多标签混淆矩阵	NA
11356	2026-02-17	ACL-ECG: Anatomy-Aware Contrastive Learning for Multi-Lead Electrocardiograms 2026-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s26031080 PMID:41682592	研究论文	本研究提出了一种结合心脏解剖关系的自监督对比学习方法（ACL-ECG），用于从多导联心电图中学习通用表征	提出了一种生理感知的数据增强策略（包括随机尺度裁剪、心动周期掩码和时间偏移）和基于解剖区域（前壁、下壁、间隔壁、侧壁）的对比学习目标，以增强表征质量	未明确说明模型在更广泛或更具挑战性的临床数据集上的泛化能力，以及计算资源需求的具体细节	开发一种自监督学习方法，以减少心电图分析中对大规模标注数据的依赖	多导联心电图数据	机器学习	心血管疾病	心电图分析	对比学习模型	心电图信号	NA	NA	NA	AUROC, AUPRC	NA
11357	2026-02-17	Artificial Intelligence and the Expanding Universe of Cardio-Oncology: Beyond Detection Toward Prediction and Prevention of Therapy-Related Cardiotoxicity-A Comprehensive Review 2026-Feb-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030488 PMID:41681806	综述	本文全面回顾了人工智能在癌症治疗相关心脏毒性预测与预防中的应用	系统整合了从心电图、生物标志物到先进影像和放射剂量建模等多领域AI应用，并强调了从被动检测向主动预防的范式转变	大多数模型受限于小样本队列、方法学异质性和缺乏外部验证	探讨人工智能在改善癌症治疗相关心脏毒性风险分层、早期检测和治疗规划中的作用	癌症治疗（化疗和放疗）引起的心脏毒性	数字病理学	心血管疾病	心电图、生物标志物、蛋白质组学、细胞外囊泡、基因组学、先进影像（超声心动图、心脏磁共振、计算机断层扫描、核成像）、放射剂量建模	机器学习, 深度学习	多模态数据（包括图像、生物标志物、剂量图等）	NA	NA	NA	NA	NA
11358	2026-02-17	Integrating Artificial Intelligence into Ventilation on Demand: Current Practice and Future Promises 2026-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s26031042 PMID:41682557	综述	本文全面回顾了人工智能在按需通风技术中的集成现状，涵盖传感预测模型、控制策略和优化框架	系统性地总结了AI在VOD中的应用现状，并指出了未来集成生成式AI、广义AI以及人-信息-物理系统设计的研究方向	现有研究依赖窄AI模型，长期预测能力有限，且验证多基于仿真而非实际现场部署	旨在通过AI增强按需通风系统的能源效率、安全性和整体性能，以应对深部采矿环境的挑战	地下金属采矿的按需通风系统	机器学习	NA	NA	CNN-LSTM, Bi-LSTM	实时操作与环境数据	NA	NA	CNN-LSTM, Bi-LSTM	NA	NA
11359	2026-02-17	Highly Efficient Deep Learning-Enabled Parameterization and 3D Reconstruction of Traditional Chinese Roof Structures 2026-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s26031054 PMID:41682569	研究论文	本研究提出了一种基于深度学习的网络TCRSym-Net，用于从中国传统屋顶点云中识别对称性，并通过参数化建模实现高效三维重建	提出TCRSym-Net网络用于中国传统屋顶点云的对称性检测，结合参数化建模脚本实现快速几何模型生成	未明确说明网络在不同屋顶类型或复杂场景下的泛化能力及误差分析	实现中国传统屋顶结构的参数化提取与三维重建	中国传统屋顶的点云数据	计算机视觉	NA	无人机倾斜摄影测量、激光扫描技术	深度学习网络	点云数据	未明确说明具体样本数量，涉及五种不同类型的中国传统屋顶	未明确说明	TCRSym-Net	未明确说明具体评估指标，仅提及对称性检测有效性和方法可靠性	未明确说明
11360	2026-02-17	Hybrid Deep Learning Model for EI-MS Spectra Prediction 2026-Feb-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27031588 PMID:41684007	研究论文	本研究提出了一种混合深度学习模型，用于直接从分子结构预测电子电离质谱（EI-MS）谱图	结合图神经网络编码器与残差神经网络解码器，并采用交叉注意力、双向预测和基于化学知识的概率掩码进行细化	模型在泛化能力和谱图独特性方面仍存在挑战	开发数据驱动模型以补充现有EI-MS谱库，减少实验谱图获取的成本和努力	分子结构（≤500 Da）及其对应的EI-MS谱图	机器学习	NA	电子电离质谱（EI-MS）	GNN, ResNet	分子结构图, 质谱数据	基于NIST14 EI-MS数据库（≤500 Da）进行训练	NA	图神经网络编码器, 残差神经网络解码器	Recall@10, 谱图相似度	NA