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
1841	2026-01-20	Automated diagnosis of chronic obstructive pulmonary disease using deep learning applied to electrocardiograms 2026-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.106066 PMID:41485457	研究论文	本研究利用深度学习分析心电图，开发了一种自动诊断慢性阻塞性肺疾病的方法	首次将深度学习应用于心电图分析，以实现慢性阻塞性肺疾病的早期检测，并展示了在不同人群中的稳健性能	研究依赖于ICD代码进行临床诊断确认，可能受编码准确性影响；外部验证队列的性能略有下降	评估深度学习分析心电图作为早期慢性阻塞性肺疾病检测工具的有效性	慢性阻塞性肺疾病患者的心电图数据	机器学习	慢性阻塞性肺疾病	心电图分析	CNN	心电图	208,231份心电图，来自18,225例慢性阻塞性肺疾病病例和49,356例对照	未明确提及	卷积神经网络	AUC	西奈山伊坎医学院科学计算与数据部门提供的计算和数据资源
1842	2026-01-20	Ear biometrics in forensic identification: from ear similarity quantification to kinship verification driven by deep learning approaches 2026-Jan, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03636-6 PMID:41091208	研究论文	本研究开发了深度学习模型用于量化耳部图像相似度并进行亲缘关系验证	首次结合预训练ResNet50和Transformer模块，构建SimiNet和VTrans模型，用于耳部生物特征相似度量化和亲缘关系验证	研究仅基于中国受试者的耳部图像数据集，模型在亲缘关系验证任务上的准确率仍有提升空间	通过耳部生物特征进行相似度量化和亲缘关系验证，以支持法医鉴定和失踪儿童寻找	中国受试者的耳部图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	SCED和CNKE两个耳部图像数据集，具体样本数量未明确说明	未明确说明，代码已开源在Github	ResNet50, VGG16, Transformer	准确率, AUC	NA
1843	2026-01-20	Decoding the interconnected splicing patterns of hepatitis B virus and host using large language and deep learning models 2026-Jan, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001616 PMID:41543530	研究论文	本研究利用大型语言和深度学习模型解码乙型肝炎病毒（HBV）与宿主之间的互连剪接模式	首次将SpliceBERT和OpenSpliceAI模型应用于HBV基因组，揭示其剪接供体位点与宿主相似而受体位点更隐蔽，并发现剪接效率与疾病进展的相关性优于传统剪接比例指标	研究基于279个RNA测序文库和4,706个HBV基因组，样本来源和规模可能限制结论的普适性	解码HBV的剪接模式及其与宿主剪接机制的相互作用，以理解病毒持久性和免疫逃逸机制	乙型肝炎病毒（HBV）基因组及其在宿主肝脏组织和培养细胞中的剪接变异	自然语言处理, 机器学习	肝癌	RNA测序	大型语言模型, 深度学习模型	基因组序列, RNA测序数据	279个RNA测序文库（来自HBV相关肝脏活检和培养细胞）和4,706个HBV基因组	NA	SpliceBERT, OpenSpliceAI	NA	NA
1844	2026-01-20	Alzheimer's disease prediction via an explainable CNN using genetic algorithm and SHAP values 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337800 PMID:41544026	研究论文	本研究提出了一种名为GASHAP的新型可解释AI技术，结合遗传算法和SHAP值，用于增强3D-CNN模型在阿尔茨海默病MRI图像分类中的可解释性	提出GASHAP技术，将遗传算法与SHAP值结合，从解剖学定义的脑区层面提供解释，而非仅基于体素级别	NA	提高阿尔茨海默病诊断中深度学习模型的可解释性	阿尔茨海默病患者和认知正常对照者的脑部MRI扫描	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	NA	NA	3D-CNN	NA	NA
1845	2026-01-20	Deep learning with satellite images enables high-resolution income estimation: A case study of Buenos Aires 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338110 PMID:41544087	研究论文	本研究利用高分辨率卫星图像和深度学习技术，在布宜诺斯艾利斯大都市区生成高分辨率收入地图	采用EfficientNetV2架构的神经网络，实现了比现有方法高20倍以上的空间分辨率（50x50米），并能基于任意卫星图像估计收入地图	研究仅基于布宜诺斯艾利斯一个案例，可能无法直接推广到其他地区；依赖2010年人口普查数据作为训练基础	评估利用卫星图像和机器学习生成高分辨率收入地图的潜力，以解决发展中国家数据收集成本高的问题	布宜诺斯艾利斯大都市区的卫星图像和2010年人口普查数据	计算机视觉	NA	卫星遥感成像	CNN	图像	布宜诺斯艾利斯大都市区的卫星图像数据集	NA	EfficientNetV2	R2	NA
1846	2026-01-20	Artificial intelligence-based dairy cattle behavior recognition for estrus detection via ensemble fusion of two camera views 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340999 PMID:41544085	研究论文	本文提出了一种基于人工智能的多视角奶牛行为识别系统，用于发情检测，通过集成融合两个摄像头视图	采用同步的顶视和前视CCTV视频，结合深度学习技术，通过IoU进行身份-行为关联，并在决策层集成双视角信息以提高行为识别准确性	NA	开发一个多视角行为识别系统以监测奶牛行为，支持发情检测和农场管理	奶牛	计算机视觉	NA	深度学习	YOLOv8	视频	NA	NA	YOLOv8	NA	NA
1847	2026-01-20	The potential of deep learning on the discovery of new genes implicated in differences of sex development 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.019 PMID:41550136	研究论文	本文介绍了一种名为GONAD-ResNet的残差卷积神经网络，用于通过分析时间依赖性单细胞基因表达数据来预测新的性别发育差异相关基因	提出GONAD-ResNet模型，首次将深度学习应用于从全外显子组测序数据中识别新的DSD相关基因，通过优先考虑表达谱与已知DSD基因相似的基因来加速发现过程	研究样本量较小，仅涉及6名患者，可能限制模型的泛化能力和统计显著性	加速发现新的性别发育差异相关基因，以改善患者诊断和预后	性别发育差异患者，包括3名XX和3名XY个体	机器学习	性别发育差异	全外显子组测序，单细胞基因表达分析	CNN	基因表达数据，测序数据	6名患者	NA	ResNet	NA	NA
1848	2026-01-20	Near-infrared hyperspectral imaging combined with elemental and isotopic analyses reflects geographical origins of cultured salmonids 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101293 PMID:41551169	研究论文	本研究结合近红外高光谱成像与元素/同位素分析，以反映养殖鲑鱼的产地信息并提高判别模型的可解释性	首次将高光谱成像与元素/同位素分析相结合，为产地判别提供化学计量学基础，并可视化关键元素/同位素的空间分布	所有判别模型的总体准确率仅达到可接受水平（>65%），最高精度为88.13%，仍有提升空间	开发可解释的产地判别方法以应对食品欺诈并确保鲑鱼产品的真实性	养殖鲑鱼	机器学习	NA	近红外高光谱成像、元素分析、同位素分析	随机森林、极限学习机	高光谱图像、元素数据、同位素数据	NA	NA	NA	准确率、精度、R值	NA
1849	2026-01-20	Continuous Lower Limb Biomechanics Prediction via Prior-Informed Lightweight Marker-GMformer 2026, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0476 PMID:41551246	研究论文	本研究提出了一种名为Marker-GMformer的深度学习模型，用于高效、准确地连续预测下肢运动学和动力学数据	提出了一种结合先验知识、全局-局部特征和时空特征的轻量级深度学习模型，用于连续预测下肢生物力学，在保持高性能的同时降低了计算复杂度，并展示了在13种不同运动模式下的强泛化能力	NA	开发一种高效、准确的模型，用于实时预测下肢生物力学，以支持机器人控制系统的快速反馈和推理	下肢运动学（关节角度）、动力学（关节力矩）和地面反作用力	机器学习	NA	深度学习	Transformer	时间序列（标记点坐标）	NA	NA	GMformer	皮尔逊相关系数, 均方根误差	NA
1850	2026-01-20	Single-inspiratory quantitative CT nomogram for enhanced PRISm and COPD differentiation: a cross-sectional study with interpretable diagnostic boundaries 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20575 PMID:41551461	研究论文	本研究开发了一种基于单次吸气定量CT的列线图，整合了肺实质、气道和血管参数，以增强PRISm与COPD的鉴别诊断	提出了一个整合多参数的单次吸气定量CT列线图，通过可解释的结构-功能指标来重新定义影像学诊断边界，并识别了浅表血管直径减小作为关键生物标志物	这是一项回顾性、单中心研究，样本量相对有限，且仅基于单次吸气CT扫描	开发一种辐射效率高且可解释的诊断工具，以区分PRISm和COPD，实现早期COPD分层	来自宁波市第二医院的658名符合条件的参与者（正常：135，PRISm：328，COPD：195）	数字病理学	慢性阻塞性肺疾病	单次吸气定量CT扫描	逻辑回归	CT图像	658名参与者	NA	逻辑回归模型	ROC-AUC	NA
1851	2026-01-20	Large scale prospective evaluation of co-folding across 557 Mac1-ligand complexes and three virtual screens 2025-Dec-29, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.25.696505 PMID:41509292	研究论文	本文对三种共折叠方法（AlphaFold3、Boltz-2、Chai-1）在557个Mac1-配体复合物结构预测及三个虚拟筛选中的性能进行了大规模前瞻性评估	使用训练截止日期后确定的557个SARS-CoV-2 NSP3宏结构域（Mac1）配体复合物作为独立测试集，系统评估共折叠方法的预测能力，并首次在多个受体系统中前瞻性测试共折叠评分对虚拟筛选结果的重新排序效果	共折叠预测未能重现常见的蛋白质构象重排（如肽段翻转和大环开口），且AF3的配体姿态置信度在区分真实配体与假阳性方面的效果不如对接评分或Boltz-2亲和力预测	评估深度学习共折叠方法在预测配体-蛋白质复合物结构及亲和力排序方面的准确性与实用性	SARS-CoV-2 NSP3宏结构域（Mac1）的557个配体复合物，以及AmpC β-内酰胺酶、多巴胺D4受体和σ受体的配体	计算生物学	COVID-19	共折叠方法、虚拟筛选、分子对接	深度学习模型	蛋白质-配体复合物结构数据	557个Mac1-配体复合物，以及三个受体系统（AmpC β-内酰胺酶、多巴胺D4受体、σ受体）的数百个分子	NA	AlphaFold3, Boltz-2, Chai-1	RMSD, 相关系数, 平均绝对误差	NA
1852	2026-01-20	Prediction of Piconewton Receptor Tension Images using Deep Learning 2025-Dec-23, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.19.695587 PMID:41509226	研究论文	本研究开发了一种名为TensionDL的深度学习模型，用于从细胞形态和黏着蛋白vinculin图像中预测皮牛顿级别的受体张力图	首次利用卷积神经网络和图像到图像转换技术，直接从细胞形态和vinculin图像预测受体张力分布，无需依赖分子张力探针	模型预测为半定量性质，且在部分力未通过分子张力探针传递的异质环境中仅能推断张力分布	开发一种深度学习方法来预测细胞受体张力图，以克服分子张力探针的局限性	细胞受体张力，特别是在不同基质硬度和细胞类型下的皮牛顿级别力	计算机视觉	NA	荧光显微镜，分子张力探针	CNN	图像	NA	NA	卷积神经网络	准确性	NA
1853	2026-01-20	Long-term carotid plaque progression and the role of intraplaque hemorrhage: A deep learning-based analysis of longitudinal vessel wall imaging 2025-Dec-10, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102670 PMID:41386425	研究论文	本研究利用深度学习分割技术，基于纵向血管壁成像数据，评估了斑块内出血对颈动脉粥样硬化斑块负荷长期进展的影响	首次采用深度学习分割管道对多对比度磁共振血管壁成像进行长期纵向分析，以量化斑块内出血的存在和体积对斑块负荷进展的长期影响	样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系	评估斑块内出血对颈动脉斑块负荷长期进展的影响	无症状颈动脉粥样硬化受试者的颈动脉斑块	数字病理学	心血管疾病	多对比度磁共振血管壁成像	深度学习	医学影像	28名无症状受试者，共50条动脉，平均随访5.8年，平均每人接受4.7次扫描	NA	NA	相关系数, p值	NA
1854	2026-01-20	Impact of statins on progression of coronary artery calcium composition and density as assessed by noncontrast CT 2025-Dec, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03561-0 PMID:41201709	研究论文	本研究利用深度学习模型分析非对比CT扫描，探讨了他汀类药物对冠状动脉钙化（CAC）密度和成分进展的影响	首次使用全自动深度学习模型对CAC成分亚型进行定量评估，并揭示了他汀治疗与钙化密度向更稳定表型转变的关联	单中心回顾性研究，样本量有限（316例），平均随访时间3.8年	评估他汀类药物对冠状动脉钙化密度和成分进展的影响	无症状个体（基线存在CAC）	数字病理学	心血管疾病	非对比计算机断层扫描（CT），深度学习	深度学习模型	CT图像	316例患者（58.4±10.1岁；49.1%男性），其中175例接受他汀治疗，141例未接受他汀治疗	NA	NA	β系数，p值	NA
1855	2026-01-20	From detection to grading: A hybrid KOA-YOLOv5-RF model for knee osteoarthritis diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103725 PMID:41378376	研究论文	本研究提出了一种基于混合深度学习与机器学习框架的新型计算机辅助诊断系统，用于从X射线图像中检测和分级膝骨关节炎的严重程度	将YOLOv5的精确关节定位与分割能力与随机森林分类器的有序分级能力相结合，形成一种混合诊断框架	研究未明确说明模型在不同医疗设备或人群中的泛化能力，且数据集规模相对有限	开发一种可扩展、可解释且具有临床相关性的膝骨关节炎计算机辅助诊断工具	膝骨关节炎的X射线图像	计算机视觉	膝骨关节炎	X射线成像	CNN, 随机森林	图像	1535张X射线图像	PyTorch, Scikit-learn	YOLOv5	准确率, ROC-AUC, Cohen's kappa, 敏感度, 特异度	NA
1856	2026-01-20	Role of Deep Learning in Plastic Surgery: Transforming Art With Intelligence 2025-Dec, Cureus DOI:10.7759/cureus.99329 PMID:41552176	评论	本文探讨了深度学习在整形外科中的应用及其潜力	强调了深度学习在整形外科这一结合精确性与艺术性的专业领域中的变革性作用，并指出其旨在增强而非替代外科专业知识	数据质量、伦理问题以及临床工作流程整合方面的挑战	探索深度学习在整形外科中的扩展角色及其潜力	整形外科领域	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
1857	2026-01-20	Accelerating myelin defect detection in neurodegenerative disorders: a human-in-the-loop deep learning approach with birefringence microscopy 2025-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.4.045007 PMID:41195092	研究论文	本文提出了一种人机交互的深度学习方法，用于加速神经退行性疾病中髓鞘缺陷的检测	采用人机交互的深度学习框架，结合YOLOv8模型和迭代专家验证，显著提高了髓鞘缺陷检测的速度和准确性	样本量较小（仅15名受试者），且仅针对特定脑区（背外侧前额叶皮层）进行研究	开发并评估一种快速、准确且可扩展的髓鞘缺陷检测方法，以加速神经退行性疾病的研究进展	来自15名受试者（包括5名对照、5名阿尔茨海默病患者和5名慢性创伤性脑病患者）的脑组织样本	数字病理学	神经退行性疾病	RGB圆交叉偏振双折射显微镜成像	CNN	图像	15名受试者的脑组织样本，包含5600个手动标注的髓鞘缺陷	NA	YOLOv8	mAP@50	NA
1858	2026-01-20	COMPASS: Computational mapping of patient-therapist alliance strategies with language modeling 2025-May-15, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03379-3 PMID:40374613	研究论文	本文介绍了一个名为COMPASS的新框架，利用大型语言模型从心理治疗会话的自然语言中直接推断治疗工作联盟，并分析不同精神疾病条件下的主题特征	首次提出直接使用大型语言模型分析心理治疗会话转录本，以映射到工作联盟量表等心理测量工具，提供细粒度的患者-治疗师对齐轨迹映射和可解释的临床见解	数据收集时间跨度较长（1970-2012年），可能包含过时的治疗实践；样本量在某些疾病类别中较小（如自杀倾向仅12个会话）	开发一个计算框架，从心理治疗会话的语言中推断治疗工作联盟，以增强对治疗互动的理解并提供临床反馈	心理治疗会话转录本，涵盖焦虑、抑郁、精神分裂症和自杀倾向等多种精神疾病患者	自然语言处理	精神疾病	语言建模，主题建模	大型语言模型（LLM），深度学习模型	文本（会话转录本）	超过950个心理治疗会话，包括焦虑（498个）、抑郁（377个）、精神分裂症（71个）和自杀倾向（12个）	NA	NA	NA	NA
1859	2026-01-20	Bi-level graph learning unveils prognosis-relevant tumor microenvironment patterns in breast multiplexed digital pathology 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101178 PMID:40182181	研究论文	本文提出了一种数据驱动且可解释的双层图学习方法，用于识别与患者预后相关的肿瘤微环境细胞模式	引入双层图模型（细胞图和群体图）来识别可泛化的生物标志物，克服了传统深度学习方法预测不可解释的局限性	NA	识别与乳腺癌患者预后相关的肿瘤微环境空间细胞模式	乳腺癌肿瘤微环境中的细胞模式	数字病理学	乳腺癌	多重数字病理学	图模型	图像	在两个独立队列中验证	NA	双层图模型（细胞图、群体图）	NA	NA
1860	2026-01-20	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2025-Jan, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	研究论文	本研究结合图像掩蔽和显著性激活图，系统探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	通过图像掩蔽和Grad-CAM方法，首次系统分析了深度神经网络在肺结节分类中依赖的放射学特征，特别是结节纹理和形态特征的重要性	研究仅基于NLST数据集的固体肺结节，可能不适用于其他类型结节或不同人群	探索深度神经网络在低剂量CT图像中分类不确定肺结节时依赖的放射学特征	来自国家肺癌筛查试验（NLST）的固体肺结节（直径4-20毫米）患者	计算机视觉	肺癌	低剂量CT扫描	深度神经网络	图像	来自NLST的固体肺结节患者	NA	NA	AUC	NA