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
1821	2026-03-13	Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank 2026-Feb, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01702-w PMID:40576910	研究论文	本研究开发并评估了一种神经网络Cox模型，用于预测与年龄相关疾病的发病加速风险，基于英国生物银行的数据	首次利用疾病诊断的相对发病加速关联来表征疾病模式，并应用神经网络生存模型估计具有预后信息的发病加速风险	未明确说明模型在更广泛人群或不同数据集中的泛化能力，以及潜在的数据偏差	预测与年龄相关疾病的发病加速风险，以理解疾病共现模式并识别高风险群体	英国生物银行中的60,396名个体及其218,530个结局事件	机器学习	老年疾病	血液和身体成分生物标志物分析	神经网络Cox模型	人口统计学、人体测量、成像和血液生物标志物数据	60,396名个体，218,530个结局事件	NA	OnsetNet	Harrell's concordance index (C-index), Kaplan-Meier曲线, log-rank检验, Schoenfeld残差	NA
1822	2026-02-20	Metadata Resolution Spoofing for Pediatric Application of Adult-Trained Deep Learning Models for Pancreas Segmentation on CT 2026-02, AJR. American journal of roentgenology DOI:10.2214/AJR.25.33778 PMID:41090642	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1823	2026-03-13	An Interpretable Chest X-ray Classification Framework Using Prototype Memory and Counterfactual Consistency 2026-Feb, Cureus DOI:10.7759/cureus.103134 PMID:41815616	研究论文	本研究提出了一种名为CXR-NeXus的可解释性胸部X光分类框架，该框架通过结合原型记忆和反事实一致性，旨在提升模型在弱监督下基于临床相关肺部证据进行可靠决策的能力	提出了一个结合原型记忆与反事实一致性的可解释分类框架，通过“这看起来像那个”的图像级解释和基于Grad-CAM引导的病灶抑制生成反事实X光图像，使模型预测依赖于病理证据，无需像素级病灶标注	未明确提及，但可能包括对弱监督的依赖、反事实图像生成的质量限制，以及仅在四类胸部X光数据集上进行验证	开发一个可解释且可靠的胸部X光分类框架，使模型预测基于临床相关的肺部证据，减少对虚假图像线索的依赖	胸部X光图像	计算机视觉	肺部疾病（包括COVID-19、肺炎、肺结核）	NA	深度学习模型	图像	NA	NA	NA	宏平均F1分数，ROC-AUC，特异性，概率校准	NA
1824	2026-03-13	FibroTrack: a standalone deep learning platform for automated fibrosis quantification in muscle and cardiac histology 2026-Jan-26, Skeletal muscle IF:5.3Q2 DOI:10.1186/s13395-026-00415-8 PMID:41588534	研究论文	本文介绍了一个名为FibroTrack的独立深度学习平台，用于自动化定量分析肌肉和心脏组织学中的纤维化	首次将LAB色彩空间归一化与YOLOv11分割模型集成于一个具有图形用户界面的独立平台中，实现了跨多种染色方法的高通量纤维化分析	未明确说明模型在不同染色批次或实验室间的泛化能力，也未提及对罕见组织类型的处理效果	开发一个准确、可重复且临床相关的高通量纤维化定量分析工具	肌肉和心脏组织学图像	数字病理学	心血管疾病	组织染色（天狼星红、Masson三色、免疫组织化学）	CNN	图像	2034张组织学图像	NA	YOLOv11	mask precision, Spearman correlation	NA
1825	2026-03-13	Sex and Stress Govern the Function and Innervation of a Basolateral Amygdala to Nucleus Accumbens Corticotropin-Releasing Hormone/GABA-Expressing Projection 2026-01-14, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1239-25.2025 PMID:41271439	研究论文	本研究探讨了早期生活逆境如何通过影响基底外侧杏仁核到伏隔核的CRH/GABA投射通路，以性别特异性的方式调控奖赏行为	首次揭示了CRH/GABA BLA-NAc投射通路在调控奖赏行为中存在显著的性别差异，并发现其神经支配模式受性别和早期生活逆境的共同影响	研究主要在小鼠模型中进行，结果向人类转化的普适性有待验证；神经支配模式的差异与功能差异之间的确切因果关系尚未完全阐明	探究早期生活逆境对奖赏行为调控神经环路的性别特异性影响机制	CRH-Cre转基因小鼠（雄性和雌性）	神经科学	情感障碍	组织透明化、光片荧光显微镜、化学遗传学（DREADDs）、电生理记录、全脑神经投射图谱绘制	深度学习	图像数据、电生理数据、行为数据	控制组和早期生活逆境组（ELA）的成年雄性和雌性CRH-Cre小鼠	NA	NA	NA	NA
1826	2026-03-13	Classifying retinal degeneration using OCT and histological images in a rodent model for retinal degeneration by deep learning 2026-Jan, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110748 PMID:41241339	研究论文	本研究首次使用深度学习模型ResNet18，结合光学相干断层扫描（OCT）和组织学图像，对皇家外科医生（RCS）大鼠视网膜变性模型进行分期分类，并从OCT图像预测视力	首次在临床前模型中同时利用OCT和组织学图像进行视网膜变性分期分类，并基于OCT图像预测视力，为基于AI的跨物种视网膜变性监测和治疗反应评估提供了新框架	研究基于RCS大鼠模型，结果向人类或其他物种的推广性需进一步验证；样本量相对有限，且依赖于特定时间点的数据采集	开发一种基于深度学习的准确、客观方法，用于视网膜变性分期分类和视力预测，以促进AI在视网膜疾病监测和治疗评估中的应用	皇家外科医生（RCS）大鼠，一种广泛使用的视网膜变性模型，涉及35只不同性别的大鼠，从出生后第21天开始在不同时间点进行测试	计算机视觉	视网膜变性	光学相干断层扫描（OCT），组织学成像	CNN	图像	OCT图像62,070张，组织学图像16,306张，来自35只RCS大鼠	PyTorch	ResNet18	准确率, F1分数, 均方误差, 平均绝对误差	NA
1827	2026-03-13	Beyond convolutions and supervised learning with transformers and representation learning for retinal image analysis 2026-Jan, Progress in retinal and eye research IF:18.6Q1 DOI:10.1016/j.preteyeres.2025.101419 PMID:41352580	综述	本文综述了视网膜图像分析领域从卷积神经网络和监督学习向无标签表示学习和视觉Transformer转变的最新进展	聚焦于无标签表示学习方法和视觉Transformer作为卷积神经网络替代方案在视网膜图像分析中的应用，涵盖了半监督学习、自监督学习以及基础模型、视觉语言模型和多模态模型的兴起	NA	总结视网膜图像分析领域向无标签方法和Transformer架构转变的技术进展	视网膜图像分析技术	计算机视觉	NA	NA	Transformer, CNN	图像	NA	NA	Transformer	NA	NA
1828	2026-03-13	Tumor-conditioned inter-patient registration using planning computed tomography for voxel-based analysis to predict radiation pneumonitis in lung cancer patients 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100907 PMID:41631006	研究论文	本研究评估了一种肿瘤保留的跨患者可变形图像配准方法（TRACER）在基于体素的分析中预测肺癌患者放射性肺炎的效果	提出并验证了TRACER方法，该方法在跨患者配准中更好地保留了肿瘤体积并减少了器官剂量影响，从而提高了放射性肺炎的预测准确性	研究仅针对局部晚期非小细胞肺癌患者，样本量有限（240例），且依赖于特定数据集进行训练	评估肿瘤保留的跨患者可变形图像配准方法是否改善基于体素分析的放射性肺炎预测	局部晚期非小细胞肺癌患者	数字病理学	肺癌	可变形图像配准，基于体素的分析，机器学习	深度学习模型	CT图像	训练集268例局部晚期非小细胞肺癌患者，测试集240例同类患者	NA	Tumor-Aware Recurrent Registration (TRACER), Patient-Specific Context and Shape (PACS), Symmetric Normalization (SyN)	AUC, 特异性	NA
1829	2026-03-13	FaXNet: a frequency-adaptive, explainable, and uncertainty-aware network for influenza forecasting 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1746529 PMID:41705058	研究论文	本文提出了一种名为FaXNet的频率自适应、可解释且不确定性感知的深度学习框架，用于中国北方和南方地区的流感预测	该研究创新性地将数据驱动的频谱表示与可解释的组件选择及概率预测相结合，以捕捉多尺度时间动态并提供可靠的预测不确定性估计	模型性能可能依赖于监测数据的完整性，且仅考虑了有限的外生协变量（如气象变量），未来可扩展至更多驱动因素（如人口流动或疫苗接种数据）并进行更广泛的外部验证	开发一个准确、可解释且能提供不确定性估计的流感预测模型，以支持公共卫生准备和资源规划	中国北方和南方地区的每周流感阳性率数据，以及ERA5-Land气象变量（温度、露点、降水）	机器学习	流感	深度学习	深度学习框架	时间序列数据	2011年至2023年中国北方和南方地区的每周流感阳性率数据及气象变量	NA	FaXNet	R2, 校准指标	NA
1830	2026-03-13	Ensemble and temporal feature-based framework for rainfall classification in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342646 PMID:41805918	研究论文	本研究提出了一个基于集成和时间特征的机器学习框架，用于孟加拉国的降雨强度分类	结合了多种传统机器学习模型和深度学习架构，并采用LIME和SHAP进行模型可解释性分析，以识别关键预测因子及其交互作用	未使用SMOTE处理类别不平衡，因为其泛化能力较差；模型准确率最高为77.37%，仍有提升空间	开发一个稳健的机器学习框架，用于孟加拉国的降雨强度分类，以支持农业、水资源管理和灾害准备	孟加拉国35个气象站收集的543,839条日天气记录，包括降雨、温度、湿度和日照时长	机器学习	NA	NA	Random Forest, Decision Trees, Gradient Boosting, K-Nearest Neighbors, Naïve Bayes, XGBoost, LightGBM, CatBoost, ANN, DNN, 1D-CNN, LSTM, Bi-LSTM	表格数据（天气记录）	543,839条日记录	Scikit-learn, TensorFlow, PyTorch	Random Forest, Decision Trees, Gradient Boosting, K-Nearest Neighbors, Naïve Bayes, XGBoost, LightGBM, CatBoost, ANN, DNN, 1D-CNN, LSTM, Bi-LSTM	准确率	NA
1831	2026-03-13	Development and Clinical Application of a Deep Learning-Based AI Support Model for Endometrial Cancer Cytology 2026, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2026_93-115 PMID:41813210	研究论文	本研究开发并评估了一种基于深度学习的AI支持模型，用于子宫内膜癌细胞学诊断，以提高诊断准确性和效率	结合YOLOv5x和YOLOv7模型，通过两种不同标注策略的数据集进行优化，并利用TOST分析和Grad-CAM可视化技术增强模型的可解释性和临床适用性	未明确提及模型在多样化临床环境中的泛化能力或长期稳定性验证	开发并评估一种AI支持模型，以减轻子宫内膜癌细胞学诊断的负担并提高诊断准确性	子宫内膜癌细胞学样本，包括良性和恶性细胞簇	计算机视觉	子宫内膜癌	细胞学分析	CNN	图像	NA	PyTorch	YOLOv5x, YOLOv7	平均精度均值	NA
1832	2026-03-13	AJUBA: The Master Regulator Bridging EMT and Immune Evasion in Colorectal Cancer 2026, Mediators of inflammation IF:4.4Q2 DOI:10.1155/mi/7828477 PMID:41814682	研究论文	本研究识别了AJUBA作为结直肠癌中连接上皮-间质转化与免疫调节的关键调控因子	首次将AJUBA确立为连接EMT与免疫逃避的关键调控因子，并揭示了其在肿瘤微环境中与癌症相关成纤维细胞共定位及调控M2巨噬细胞极化的新机制	研究主要基于回顾性队列和体外/体内模型，缺乏前瞻性临床验证；样本量相对有限（90例患者）	阐明结直肠癌中连接上皮-间质转化与免疫微环境改变的分子机制	结直肠癌患者样本、细胞系及异种移植模型	机器学习, 深度学习	结直肠癌	转录组测序, 单细胞RNA测序, 空间转录组学, 定量PCR, 蛋白质印迹, 免疫组织化学	机器学习, 深度学习	转录组数据, 单细胞RNA测序数据, 空间转录组数据, 临床数据	多队列转录组数据集（TCGA-CRC等5个公共数据集）及90例CRC患者样本	ssGSEA, CIBERSORT	NA	风险比, 置信区间, p值	NA
1833	2026-03-13	SERS for Infectious Disease Diagnostics: An Advanced Platform for Pathogen Detection and Antimicrobial Resistance Analysis 2026, International journal of nanomedicine IF:6.6Q1 DOI:10.2147/IJN.S589169 PMID:41815209	综述	本文综述了表面增强拉曼光谱（SERS）在病原体检测和抗菌药物耐药性分析中的应用，并探讨了其与纳米技术、微流控和深度学习等多模态创新技术结合的潜力	探讨了将SERS与纳米技术、微流控和深度学习等多模态创新技术结合，用于病原体识别和抗菌药物耐药性分析	讨论了SERS技术临床转化面临的挑战	综述SERS在传染病诊断中的应用，特别是病原体检测和抗菌药物耐药性分析	细菌、病毒、真菌等病原体及其抗菌药物耐药性	NA	传染病	表面增强拉曼光谱（SERS）	NA	光谱数据	NA	NA	NA	NA	NA
1834	2026-03-13	ApaltAI: a web-based diagnostic system with a sequential voting architecture for detecting anthracnose and scab in avocado fruit 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1736123 PMID:41815421	研究论文	本研究提出了一种基于顺序投票架构的Web诊断系统，用于自动检测鳄梨果实中的炭疽病和疮痂病	提出了一种新颖的二元顺序投票架构，结合了深度学习集成模型和功能完整的Web应用，实现了两阶段分层分类策略	仅使用了674张标注图像进行训练和验证，样本规模相对有限	开发自动化植物病害诊断系统，减少鳄梨生产中的经济损失	鳄梨果实	计算机视觉	植物病害	图像分析	深度学习集成模型	图像	674张标注的果实图像	未明确提及	未明确提及具体架构	精确度, 召回率, 准确率	未明确提及
1835	2026-03-13	Critical considerations for the use of deep learning models in clinical oncology prediction 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1730967 PMID:41815558	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1836	2026-03-13	CRC-Former: frequency-domain adaptive swin-transformer for colorectal cancer histopathology classification 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1792357 PMID:41815787	研究论文	本文提出了一种名为CRC-Former的新型混合架构，用于结直肠癌组织病理学图像分类，通过结合频率感知表示学习和跨尺度序列建模来提升性能	提出了一种结合频率感知全局-局部Transformer块和跨尺度Mamba块的混合架构，首次将信号处理先验与现代序列建模显式集成，以增强对多方向病理纹理的敏感性	NA	解决结直肠癌组织病理学图像分类中因组织异质性、多尺度形态变化和早期病变细微性带来的挑战	结直肠癌组织病理学图像	数字病理学	结直肠癌	Haar小波变换	Transformer, Mamba	图像	大规模Chaoyang CRC数据集	NA	Swin-Transformer, Mamba	NA	NA
1837	2026-03-13	DeepFRAG: a method for cancer detection based on DNA fragmentomics and deep learning 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag024 PMID:41816008	研究论文	本文提出了一种基于DNA片段组学和深度学习的癌症检测方法DeepFRAG，通过分析cfDNA片段大小分布谱进行癌症筛查	开发了基于小波变换的深度学习模型分析cfDNA片段大小分布，并引入了针对WGS片段大小数据的原创数据增强技术	研究样本量相对较小（153例），仅包含III期和IV期癌症患者，未涵盖早期癌症	开发一种高精度、成本效益好的非侵入性癌症筛查方法	癌症患者（乳腺癌、结直肠癌、胰腺癌、肺癌、肝癌）和健康个体的cfDNA样本	机器学习	癌症	低深度全基因组测序（WGS），液体活检	深度学习模型	DNA片段大小分布数据	153例样本（73例癌症患者，80例健康个体）	NA	NA	AUROC，灵敏度，特异性	NA
1838	2026-03-13	From surface to depth: Using deep learning to predict striatal fMRI reward signaling from EEG 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1160 PMID:41816006	研究论文	本研究使用卷积自编码器深度学习模型，从基于任务的脑电图数据中重建腹侧纹状体的血氧水平依赖活动，以预测纹状体fMRI奖励信号	首次采用可解释的深度学习模型从表面脑电图解码皮层下奖励相关信号，为基于脑电图的神经反馈系统奠定基础	模型的泛化性能有限，未来需在更大、更多样化的数据集上进行训练以改进	预测纹状体fMRI奖励信号，以克服fMRI成本高和可及性有限的障碍，促进更广泛的临床应用	19名健康参与者在双选择赌博任务中记录的连续脑电图-功能磁共振成像数据	机器学习	NA	功能磁共振成像, 脑电图	卷积自编码器	脑电图, 功能磁共振成像	19名健康参与者	NA	卷积自编码器	相关性	NA
1839	2026-03-13	An AI-based intelligent diagnosis system for adolescent mental health based on multitask deep learning 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1752423 PMID:41816530	研究论文	本研究开发了一种基于多任务深度学习的AI智能诊断系统，用于通过青少年的自发文本表达非侵入性地预测其抑郁和焦虑的共病严重程度	提出了一种结合中文优化BERT编码器、自注意力机制和双特征融合的多任务深度学习框架，并针对中国文化背景下的躯体化倾向和类别不平衡问题进行了数据增强和模型适应	研究样本主要来自中国青少年，可能限制了模型的普适性；未来需要进行纵向验证和多模态数据整合	开发一个用于青少年心理健康筛查的、文化敏感且可扩展的AI智能诊断系统	中国青少年的自发文本表达	自然语言处理	精神疾病	文本分析，深度学习	多任务深度学习	文本	约1275名青少年的文本响应，经数据增强后测试集扩展至308个样本	PyTorch (推断自AdamW优化器和余弦退火等常用配置)	中文优化BERT编码器，结合自注意力机制和双特征融合（[CLS]池化和全局池化）	Pearson相关系数，AUC，F1分数，MSE	NA
1840	2026-03-13	Causal digital twin modeling of periodontal healing: personalized prediction of low-level laser therapy benefit using a tooth-graph ODE transformer 2026, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2026.1737162 PMID:41816560	研究论文	本文开发了一种名为CaTGO的因果数字孪生模型，用于预测牙周治疗后的愈合结果并评估低水平激光治疗的个体化疗效	结合图神经网络、神经常微分方程和因果推理模块，构建了首个针对牙周治疗的因果数字孪生模型，能够实现患者、牙齿和位点水平的个性化预测	研究为单中心回顾性队列，样本量有限（300名患者），且未进行外部验证	开发个性化预测工具，以识别哪些患者、牙齿或位点最能从辅助性低水平激光治疗中获益	300名牙周炎患者（其中150名接受辅助性低水平激光治疗，150名仅接受龈下刮治和根面平整）	机器学习	牙周病	低水平激光治疗	图神经网络, 神经常微分方程, 因果推断模型	临床数据（牙周袋深度、临床附着水平、患者因素、激光治疗参数）	300名患者	NA	Causal Tooth-Graph ODE Transformer (CaTGO)	R2, 均方根误差, Pearson相关系数	NA