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
14741	2026-02-24	Deep learning-based automated positioning system for maxillary skeletal expander: development and clinical validation 2026-Feb-23, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-06790-2 PMID:41729332	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14742	2026-02-25	Correction: Automated tumor stroma ratio assessment in colorectal cancer using hybrid deep learning approach 2026-Feb-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40529-z PMID:41730966	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14743	2026-02-27	Classification of rice plant diseases using efficient DenseNet121 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38078-6 PMID:41720842	研究论文	本研究利用高效的DenseNet121模型对水稻病害进行自动分类	将DenseNet121应用于水稻病害分类，显著扩展了可识别的病害类别至七种，超越了以往研究的有限类别范围	研究仅针对七种常见水稻病害，可能未覆盖所有实际农业场景中的病害类型	开发一个准确、高效的自动化水稻病害诊断系统，以支持可持续农业实践和全球粮食安全	水稻植物及其病害	计算机视觉	植物病害	深度学习，图像分类	CNN	图像	未在摘要中明确说明	未在摘要中明确说明	DenseNet121	准确率，精确率，召回率，F1分数	未在摘要中明确说明
14744	2026-02-27	Topological Entropy Correlates with the Predictive Power of Multiplexed Ensemble Reservoir Computing 2026-Feb-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.04.703839 PMID:41676531	研究论文	本文提出了一种名为DynML的多路复用储层计算框架，用于建模非线性、多尺度的生物过程，并展示了其在基因表达动态预测和静态图像分类任务中的性能	引入了基于异质Lorenz储层的多路复用储层框架，并首次将储层拓扑熵与模型预测性能定量关联	未明确说明模型在更广泛生物系统或更复杂时间序列上的泛化能力	开发一个可扩展、可解释且计算高效的框架，用于建模非线性、多尺度的生物过程并统一生物时间序列建模与传统机器学习任务	基因表达动态（如肝脏再生和胚胎发生）和MNIST手写数字图像	机器学习	NA	储层计算	储层计算	时间序列数据，图像	NA	NA	多路复用储层框架（基于Lorenz和Rössler混沌储层）	预测准确性	NA
14745	2026-02-27	Integrative Single-Cell Epigenomic Atlas Annotates the Regulatory Genome of the Adult Mouse Brain 2026-Feb-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.07.704075 PMID:41676689	研究论文	本研究通过整合单细胞表观基因组数据，构建了成年小鼠大脑的统一调控框架，并注释了超过100种脑细胞亚类的基因组调控状态	首次在250万个细胞核中联合分析四种组蛋白修饰与转录组数据，并与染色质可及性、DNA甲基化及3D基因组数据整合，建立了多模态表观基因组图谱	研究仅限于小鼠模型，未涉及人类或其他物种；单细胞分辨率下部分稀有细胞类型可能未被充分捕获	解析成年哺乳动物大脑细胞异质性的表观遗传调控机制	成年小鼠多个脑区的细胞核	表观基因组学	NA	单细胞组蛋白修饰分析、转录组测序、染色质可及性检测、DNA甲基化测序、3D基因组分析	深度学习模型	表观基因组数据、DNA序列数据	250万个细胞核（来自多个成年小鼠脑区）	NA	NA	NA	NA
14746	2026-02-27	Practical utility of sequence-to-omics models for improving the reproducibility of genetic fine-mapping 2026-Feb-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.04.703796 PMID:41676556	研究论文	本文系统评估了序列到组学模型在提高遗传精细定位可重复性方面的实用性	提出了一种结合传统统计精细映射方法与S2O模型预测的广义框架，生成功能信息化的后验包含概率，显著提高了跨联盟变异的可重复性识别	NA	评估序列到组学模型在提高遗传精细定位可重复性方面的实用性	来自GTEx、TOPMed和MAGE项目的表达数量性状位点数据集	机器学习	NA	序列到组学模型	深度学习模型	DNA序列数据	NA	NA	AlphaGenome, Borzoi, Enformer, Sei	复制失败率	NA
14747	2026-02-27	A review exploring the translational perspective of artificial intelligence in drug discovery and formulation development 2026-Feb-05, Annales pharmaceutiques francaises IF:1.0Q4 DOI:10.1016/j.pharma.2026.01.007 PMID:41653969	综述	本文从转化医学视角探讨了人工智能（AI）和机器学习（ML）在整个药物研发价值链（从药物发现到上市后监测）以及制剂开发中的变革性应用、潜力与挑战	提供了一个关于AI在药物研发中应用的转化医学视角，系统梳理了AI在药物发现、临床前开发、临床试验优化及上市后监测等全链条中的具体效益（如时间、成本节约和成功率提升），并指出了当前面临的挑战	作为一篇综述，它主要整合现有研究，未提出新的原创算法或模型；文中提到的具体效益数据（如时间节省30-60%）可能依赖于特定研究或案例，普适性有待验证；挑战部分（如数据质量、算法偏差、监管接受度）的讨论较为概括，缺乏深入的解决方案分析	探讨人工智能和机器学习在药物研发及制剂开发中的转化应用潜力、具体效益及面临的挑战，为制药研发的成功实施提供路线图	药物研发的全过程（包括药物发现、临床前开发、临床试验、上市后监测）以及制剂开发	机器学习	NA	深度学习、机器学习算法、数字孪生技术、真实世界证据分析	NA	化合物数据、毒性数据、临床试验数据、真实世界证据数据、制剂组成与稳定性数据	NA	NA	NA	命中率提升、时间节省百分比、成本降低百分比、患者队列减少百分比、监测加速倍数	NA
14748	2026-02-27	A consensus spinal cord cell type atlas across mouse, macaque, and human 2026-Feb-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.04.703852 PMID:41676636	研究论文	本文通过整合小鼠、猕猴和人类的单核基因表达、染色质可及性及空间转录组数据，构建了一个跨物种的脊髓细胞类型图谱	首次提供了跨物种（小鼠、猕猴和人类）的脊髓细胞统一分子分类，并结合空间分布生成了细胞类型引导的解剖图谱，揭示了保守和物种特异性特征	NA	建立跨物种脊髓细胞类型的统一分子和解剖学分类体系	小鼠、猕猴和人类的脊髓细胞，包括颈、胸、腰、骶段及猕猴全轴运动神经元	生物信息学	神经系统疾病	单核基因表达测序、染色质可及性分析、空间转录组学	深度学习序列模型	基因表达数据、染色质可及性数据、空间转录组数据	NA	NA	NA	NA	NA
14749	2026-02-27	Diagnosis of disorders of consciousness using nonlinear feature derived EEG topographic maps via deep learning 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36733-6 PMID:41644597	研究论文	本研究探索了从EEG信号中提取非线性特征，通过深度学习辅助评估意识障碍患者的意识状态	利用近似熵非线性特征生成EEG地形图，并结合静息态和音乐刺激两种范式，通过CNN模型进行意识状态分类，提供了一种便捷准确的检测方法	样本量相对有限（104名参与者），且仅使用了近似熵这一种非线性特征，可能未涵盖EEG信号的全部复杂性	开发一种基于EEG非线性特征和深度学习的意识障碍诊断方法	意识障碍患者，包括植物状态/无反应觉醒综合征和最小意识状态患者	机器学习	意识障碍	EEG信号采集与处理，近似熵计算，地形图生成	CNN, SVM, GRNN	EEG时间序列数据，地形图	104名参与者（56名VS/UWS，48名MCS）	NA	卷积神经网络	准确率, AUC	NA
14750	2026-02-27	Semi-supervised multi-class pneumonia classification using a CNN-cascade forest framework 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38849-1 PMID:41644678	研究论文	本文提出了一种半监督的CNN增强级联森林框架，用于基于胸部X光和CT图像进行多类别肺炎分类	结合卷积神经网络和级联森林，采用半监督伪标签策略，有效利用未标记数据，提升多类别肺炎分类的准确性和泛化能力	未明确讨论模型在不同医疗中心或设备间的泛化性能，以及计算资源需求的具体细节	开发一种准确且能抵抗稀疏标注和跨成像变异性的多类别肺炎自动分类方法	胸部X光和CT图像，涵盖细菌性、病毒性、真菌性、一般性肺炎和正常类别	计算机视觉	肺炎	X射线成像，CT成像	CNN, Cascade Forest	图像	4578张胸部X光和CT图像	NA	CNN, Cascade Forest	总体分类率	NA
14751	2026-02-27	Deep Learning-Enabled Screening of Chronic Kidney Disease from Echocardiography 2026-Feb-03, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.02.26345379 PMID:41674580	研究论文	本研究开发了一种深度学习模型，利用超声心动图视频筛查慢性肾脏病	首次利用超声心动图视频（PLAX）通过深度学习模型进行慢性肾脏病的非侵入性筛查，并在两个独立外部临床队列中验证了其稳健性能	模型性能仍有提升空间（AUC约0.72-0.76），且未详细说明模型在特定人群或早期CKD检测中的局限性	开发一种基于超声心动图的非侵入性慢性肾脏病筛查方法	慢性肾脏病患者	数字病理学	心血管疾病	超声心动图	深度学习模型	视频	训练集：325,377个PLAX视频（来自62,818名患者）；外部验证集：2,224名患者（SHC）和41,611名患者（KPNC）	NA	NA	AUC	NA
14752	2026-02-27	Prediction of Mutations and Outcome in Gastrointestinal Stromal Tumors with Deep Learning: A Multicenter, Multinational Study 2026-Feb-03, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.02.26345350 PMID:41674582	研究论文	本研究利用深度学习分析全切片图像，预测胃肠道间质瘤的突变状态、治疗敏感性和无复发生存期	首次在多中心、跨国队列中应用深度学习从全切片图像直接预测GIST的分子变异、治疗反应和预后，性能与现有病理风险评分相当	研究依赖于回顾性数据，可能存在选择偏倚；未整合临床或基因组等多模态数据	开发基于深度学习的工具，用于GIST的分子分类和预后评估	胃肠道间质瘤（GIST）患者	数字病理学	胃肠道间质瘤	全切片图像分析	深度学习模型	图像	8398例GIST病例，来自7个国家21个中心，其中7238例有分子数据，2638例有临床随访	NA	NA	AUC, 风险比	NA
14753	2026-02-27	Neural Networks as Entropic Systems: Applications in Digital Pathology 2026-Feb-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.30.702864 PMID:41676657	研究论文	本文提出一个框架，通过直接测量优化过程中的激活结构、权重演化和谱组织，来实证表征数字病理学中神经网络的训练时学习动态	将神经网络视为熵系统，通过测量激活模块化、表示熵减少、权重轨迹的有限扩散等可量化指标，揭示了训练过程中可预测的内部结构形成过程	研究仅基于TCGA-BRCA数据集和Vision Transformer模型，结论在其他病理类型或模型架构中的普适性有待验证	提高数字病理学中深度学习系统的可解释性和临床信任度	数字病理学中的神经网络训练动态	数字病理学	乳腺癌	全切片图像分析，复制时序衍生的甲基化代理	Vision Transformer	图像	TCGA-BRCA全切片图像数据集	NA	Vision Transformer	表示熵减少率，模块化程度，权重轨迹方差	NA
14754	2026-02-27	Sex estimation from human calvarial bone photographs with deep learning approach 2026-Feb, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2026.103070 PMID:41485422	研究论文	本研究利用深度学习模型基于颅盖骨照片进行性别估计	首次直接使用颅盖骨照片（无需形态测量）通过深度学习模型进行性别估计，避免了传统方法的复杂性	样本量相对有限，未来需要更多研究来提升深度学习模型的性能	在法医人类学中，通过骨骼结构进行性别识别，本研究专注于利用颅盖骨照片进行性别估计	18岁以上尸检案例的颅盖骨照片，包括内表面（颅内）和外表面（颅外）	计算机视觉	NA	深度学习	CNN	图像	210张内表面照片（105男，105女）和310张外表面照片（155男，155女）	NA	ResNet50	准确率	NA
14755	2026-02-27	Deep Learning-Derived Right Ventricular Ejection Fraction Predicts Mortality in Patients Undergoing Transcatheter Tricuspid Valve Intervention 2026-Feb, JACC. Advances DOI:10.1016/j.jacadv.2025.102530 PMID:41558369	研究论文	本研究利用深度学习模型从超声心动图视频中估计右心室射血分数，评估了经导管三尖瓣介入治疗患者的右心室功能轨迹，并发现术后右心室射血分数低于38%与一年死亡率增加相关	首次应用深度学习模型从二维心尖四腔切面超声心动图视频中自动估计右心室射血分数，用于评估经导管三尖瓣介入治疗后的右心室功能轨迹，并识别出具有预后意义的阈值	这是一项单中心、探索性研究，结果需要外部验证；深度学习模型是先前已发布的，本研究未开发新模型	评估经导管三尖瓣介入治疗对右心室功能的影响，并探索右心室射血分数与患者预后的关系	接受经导管三尖瓣介入治疗的严重三尖瓣反流患者	数字病理学	心血管疾病	二维心尖四腔切面超声心动图视频	深度学习模型	视频	373名患者	NA	NA	风险比, P值	NA
14756	2026-02-27	Deep learning enhanced ALPS reveals genetic and environmental factors of brain glymphatic function 2026-Feb, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106133 PMID:41619353	研究论文	本研究开发了一种深度学习增强的DTI-ALPS（dALPS）方法，用于自动评估大脑类淋巴系统功能，并利用大规模队列数据揭示了其遗传和环境决定因素	首次提出结合CNN和YOLO的自动化工作流程用于DTI图像感兴趣区域检测，实现了对超过65,000名参与者类淋巴功能的自动评估，并通过多组学分析发现了新的遗传位点和分子机制	研究主要基于UK Biobank等现有队列数据，需要进一步在不同人群和临床环境中验证dALPS指标的普适性	开发自动化评估大脑类淋巴系统功能的方法，并探索其遗传和环境决定因素	来自UK Biobank和多个队列的超过65,000名参与者	医学影像分析	神经系统疾病（包括抑郁症、焦虑症和神经退行性疾病）	扩散张量成像（DTI）、全基因组关联研究（GWAS）、转录组关联研究（TWAS）、蛋白质组关联研究（PWAS）	CNN, YOLO	医学影像（DTI图像）、基因组数据、临床数据	超过65,000名参与者	NA	CNN, YOLO	组内相关系数（ICC=0.95）	NA
14757	2026-02-27	DRfold2 is a deep learning-based tool that enables efficient and accurate RNA structure prediction 2026-Feb, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003659 PMID:41701781	研究论文	本文介绍了一种基于深度学习的端到端RNA结构预测工具DRfold2，它通过整合预训练的RNA复合语言模型和去噪结构模块，实现了高效且准确的RNA结构预测	提出了新颖的RNA复合语言模型（RCLM）捕获共进化模式，结合去噪结构模块进行端到端学习，并展示了与AlphaFold3的高度互补性，在接触预测精度上相比现有方法提升超过100%	仅基于单序列进行预测，未明确讨论对非典型RNA结构或极端长度序列的处理能力	开发高效准确的RNA结构预测方法	RNA分子	计算生物学	NA	深度学习	复合语言模型, 去噪模型	RNA序列	多基准测试集（来自不同物种）	NA	RNA复合语言模型（RCLM）, 去噪结构模块	接触预测精度, 全局拓扑预测精度, 二级结构预测精度	NA
14758	2026-02-27	Deep learning-based lightweight model for automated lumbar foraminal stenosis classification: sagittal CT diagnostic performance compared to clinical subspecialists 2026-Feb, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09281-2 PMID:40848156	研究论文	本研究开发了一种基于矢状位CT图像的轻量级深度学习模型，用于自动分类腰椎椎间孔狭窄的严重程度	提出了一种结合Faster R-CNN ROI检测器与轻量级网络（EfficientNet-B0和MobileNetV3-Large-100）的深度学习模型，用于在MRI不可用时利用CT图像进行LFS严重程度分类，其诊断性能与资深脊柱外科医生相当	样本量有限且缺乏外部验证，模型在其他人群和多中心大规模数据集中的适用性和泛化能力尚不确定	开发一种基于矢状位CT图像的轻量级深度学习模型，作为MRI不可用时诊断腰椎椎间孔狭窄严重程度的潜在临床替代方案	腰椎椎间孔狭窄（LFS）患者	计算机视觉	腰椎椎间孔狭窄	矢状位CT成像	CNN	图像	868张来自177名患者的矢状位CT图像	NA	EfficientNet-B0, MobileNetV3-Large-100, Faster R-CNN, ResNet-50	诊断准确率, Cohen's kappa系数	NA
14759	2026-02-27	A dual-task deep learning framework for automated detection and classification of coronary artery lesions in invasive coronary angiography imaging 2026-Jan-30, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03818-3 PMID:41618351	研究论文	本研究开发并评估了一个双任务深度学习框架，用于在侵入性冠状动脉造影图像中同时检测和分类冠状动脉病变	提出了一个结合检测和分类模块的双任务深度学习框架，并比较了多种先进模型（如YOLOv11、Swin Transformer、DETR、Deformable DETR、ViT、ConvNeXt）在冠状动脉病变分析中的性能	研究基于回顾性数据集，可能受限于数据质量和标注一致性；外部验证数据集规模相对较小（135例）	开发自动化工具以辅助冠状动脉病变的检测和分类，提升临床诊断效率和准确性	侵入性冠状动脉造影图像中的冠状动脉病变	计算机视觉	心血管疾病	侵入性冠状动脉造影成像	深度学习模型	图像	内部数据集包含1234名患者（14,808张病变阳性图像和11,872张病变阴性图像），外部数据集包含135例病例	NA	YOLOv11, Swin Transformer, DETR, Deformable DETR, Vision Transformer (ViT), ConvNeXt	IoU, mAP, 敏感性, 特异性, AUC-PR, 准确率, Cohen's Kappa	NA
14760	2026-02-27	Parameter-efficient fine-tuning enables scalable transfer of regulatory sequence models to novel contexts 2026-Jan-30, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03935-0 PMID:41618434	研究论文	本文开发并评估了一种基于参数高效微调的迁移学习框架，用于监督调控序列模型，以扩展大型DNA序列模型到新的生物环境	提出了一种参数高效微调框架，显著降低了将大型序列模型（如Borzoi）迁移到新数据集时的计算成本和内存需求，同时保持预测准确性	未明确说明框架在极端或罕见细胞状态下的泛化能力，以及可能存在的模型偏差问题	开发一个可扩展的迁移学习框架，以高效地将大型DNA序列模型应用于新的细胞状态和实验环境，用于基因调控和遗传变异效应分析	DNA序列模型（如Borzoi）、批量RNA-seq和单细胞RNA-seq数据集、基因表达变化、调控驱动因子、细胞类型特异性变异效应	机器学习	NA	RNA-seq	深度学习模型	DNA序列数据、基因表达数据	NA	NA	Borzoi	准确性	NA