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
1741	2026-01-30	Soft sonocapacitor with topologically integrated piezodielectric nanospheres enables wireless epidural closed-loop neuromodulation 2026-Jan-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67723-3 PMID:41495062	研究论文	本文开发了一种拓扑纤维结构声电容（SonoCap），用于实现无线、高电容电荷密度注入的神经调控	提出了一种独特的压电-介电复合纳米球（UCapT）结构，具有压电核心-空腔-介电笼的拓扑结构，能高效耦合超声激发实现压电电子-电容转移，其高度组装的SonoCap实现了累积电荷存储、高离子可及表面积和宏观柔软性	NA	开发一种无线、高电容电荷密度注入的神经调控方案，用于癫痫等疾病的治疗	大鼠和猪的大脑神经回路	生物医学工程	癫痫	超声激发、电容耦合电刺激	NA	NA	NA	NA	NA	电容电荷密度输出（9.7 mC cm⁻²）、法拉第电荷（2 nC cm⁻²）	NA
1742	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
1743	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
1744	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
1745	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
1746	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
1747	2026-01-30	Non-Contact Measurement of Human Vital Signs in Dynamic Conditions Using Microwave Techniques: A Review 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020359 PMID:41600153	综述	本文综述了在动态条件下使用微波技术进行非接触式人体生命体征测量的最新进展	专注于受试者移动或进行日常活动时的测量解决方案，而非临床静止状态；涵盖了用于可穿戴设备的创新可生物降解和柔性天线设计，以及结合先进信号处理和深度学习算法以在存在身体运动的情况下稳健估计生命体征的技术	受试者间解剖结构差异、运动伪影、硬件小型化和能源效率等关键挑战仍然限制了其广泛部署	回顾微波和雷达技术在动态条件下非接触测量人体生命体征的进展，并探讨其在远程医疗、家庭监护等领域的应用	人体生命体征（呼吸、心率及其他心肺参数）	机器学习	NA	微波技术、雷达技术、超宽带雷达、多普勒传感器、微波反射测量法	深度学习算法	微波信号、雷达信号	NA	NA	NA	NA	NA
1748	2026-01-30	Direct UAV-Based Detection of Botrytis cinerea in Vineyards Using Chlorophyll-Absorption Indices and YOLO Deep Learning 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020374 PMID:41600171	研究论文	本研究提出了一种基于无人机、多光谱成像和YOLO深度学习的AI系统，用于葡萄园中灰霉病的早期检测	整合了经过校准的多光谱数据、植被指数（特别是叶绿素吸收比率指数CARI）与YOLOv8目标检测模型，实现了自动化的地理定位病害检测，相比RGB图像显著提升了检测性能	研究仅在真实葡萄园条件下进行，未提及在其他作物或环境中的泛化能力，也未讨论模型对不同生长阶段或品种的适应性	开发一种智能、自主的监测系统，用于精准农业（特别是葡萄栽培）中的早期作物健康评估，以支持农业5.0范式	葡萄园中的灰霉病（Botrytis cinerea）	计算机视觉	植物病害	多光谱成像	YOLO	图像	NA	NA	YOLOv8	精确率, 召回率, F1分数, 平均精度均值(mAP@50)	NA
1749	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
1750	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
1751	2026-01-30	Deep Learning-Based Segmentation of the Ulnar Nerve in Ultrasound Images 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010113 PMID:41597399	研究论文	本文评估了基于深度学习的超声图像中尺神经分割方法，并分析了多种数据增强技术对分割性能的影响	首次利用大规模尺神经超声数据集，系统比较了多种分割模型，并统计分析了五种常见数据增强技术对分割性能的显著性影响	未明确说明模型在临床实际应用中的泛化能力，且仅针对尺神经进行验证	优化超声图像中神经分割的深度学习方法	超声图像中的尺神经	计算机视觉	NA	超声成像	深度学习分割模型	图像	来自545名患者的4789张超声图像	NA	U-Net	Dice系数, IoU	NA
1752	2026-01-30	Contrast-Enhanced Mammography and Deep Learning-Derived Malignancy Scoring in Breast Cancer Molecular Subtype Assessment 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010115 PMID:41597401	研究论文	本研究探讨了对比增强乳腺摄影结合深度学习评分在评估乳腺癌分子亚型中的应用	首次将对比增强乳腺摄影的形态与功能信息与深度学习恶性肿瘤评分相结合，用于乳腺癌分子亚型评估，并比较了其与MRI在表型描述上的一致性	单中心回顾性研究，样本量有限（76个恶性病灶），且深度学习评分在不同分子亚型间的差异未达到统计学显著性	评估对比增强乳腺摄影及深度学习评分在乳腺癌分子亚型鉴别中的潜在价值	399名女性中经病理证实的76个恶性乳腺病灶（包括68例浸润性癌和8例导管原位癌）	数字病理学	乳腺癌	对比增强乳腺摄影，深度学习恶性肿瘤评分	深度学习模型	医学影像	76个恶性病灶（来自399名女性）	iCAD ProFound AI	NA	曲线下面积，中位数评分	NA
1753	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
1754	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
1755	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
1756	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
1757	2026-01-30	An ancient recombination desert is a speciation supergene in placental mammals 2026-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	本研究利用深度学习分析22种胎盘哺乳动物的基因组比对数据，发现了一个古老且保守的X染色体重组荒漠，该区域在物种形成过程中持续阻碍基因流动并保留物种历史信息	首次通过深度学习系统推断哺乳动物重组景观的演化，发现X染色体上占30%区域的古老重组荒漠是跨目级谱系的生殖隔离屏障，可作为解决哺乳动物系统发育难题的可靠标记	研究基于22种分歧较大的胎盘哺乳动物，可能未覆盖所有哺乳动物类群的多样性；深度学习模型的推断结果需要更多实验数据验证	探究重组率对物种形成早期基因流动屏障的影响，并开发能准确推断物种关系的系统发育分析方法	22种胎盘哺乳动物的基因组数据，后续扩展至94个物种的系统发育分析	基因组学	NA	深度学习，基因组比对，重组图谱推断	深度学习模型	基因组序列比对数据	22种胎盘哺乳动物（初始分析），94个物种（系统发育分析）	NA	NA	NA	NA
1758	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
1759	2026-01-30	Computational drug design in the artificial intelligence era: A systematic review of molecular representations, generative architectures, and performance assessment 2026-Jan, Pharmacological reviews IF:19.3Q1 DOI:10.1016/j.pharmr.2025.100095 PMID:41389438	综述	本文对人工智能时代计算药物设计中的分子表示、生成架构和性能评估方法进行了系统性回顾	提出了一个独特的分类框架，首先按药物表示分类，再按生成模型类型分类，阐明了不同模型对特定分子数据类型的适用性	NA	分析计算药物设计领域的当前格局，为人工智能驱动的药物发现提供统一框架和未来方向	计算药物设计方法，包括分子表示策略、生成架构框架和评估方法	机器学习	NA	NA	变分自编码器, 生成对抗网络, 强化学习系统, 扩散模型	分子数据（1维、2维、3维表示）	NA	NA	NA	NA	NA
1760	2026-01-30	Deep Learning for Coronary Stenosis Detection in Heavily Calcified Plaques at Coronary CT Angiography: A Stepwise, Multicenter Study 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.250109 PMID:41405428	研究论文	本研究开发并验证了一种用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管狭窄的深度学习模型	首次针对重度钙化斑块这一具有挑战性的场景，开发并多中心验证了用于冠状动脉狭窄自动评估的深度学习模型，并证明了其辅助放射科医生提升诊断性能的临床价值	研究为回顾性设计，且模型性能在重度钙化（Agatston评分>300）的特定人群中验证，泛化性需进一步在更广泛人群和前瞻性研究中确认	开发并验证一种深度学习模型，用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管的狭窄程度	冠状动脉CT血管造影图像，特别是包含重度钙化斑块的血管	数字病理学	心血管疾病	冠状动脉CT血管造影，定量冠状动脉造影	深度学习模型	医学图像	总计10101例CCTA检查用于模型开发，外部测试集1包含442例，外部测试集2包含120例，外部测试集3包含150例前瞻性收集的检查	NA	NA	特异性，受试者工作特征曲线下面积，Kappa值	NA