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
1941	2026-05-02	Integrated subcellular localization of functional fluorescence probes and functional analysis in motile spermatozoa by an AI-enhanced algorithm 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202545 PMID:40908796	研究论文	开发了一种结合YOLOv8架构与双探针荧光显微成像的集成计算成像平台，用于同时量化精子内pH和mtDNA G4s，实现精子功能的分子表型分析	将微调的YOLOv8架构与双探针荧光显微镜图像分割相结合，自动定位荧光焦点，区分精子头和主段的荧光信号，揭示荧光强度比与精子功能结果的相关性	未明确说明	开发AI增强的多模态精子分析平台，用于男性不育症的分子诊断	功能性精子中的细胞内pH和线粒体DNA G-四链体	计算机视觉	男性不育症	双探针荧光显微成像	YOLOv8	荧光显微图像	未提及	PyTorch	YOLOv8	未提及	未提及
1942	2026-05-02	OralSegNet: An Approach to Early Detection of Oral Disease Using Transfer Learning 2026-Mar, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70135 PMID:41207876	研究论文	提出一种基于YOLOv11架构的深度学习分割系统，用于从口腔内照片中自动检测和定位口腔疾病	利用YOLOv11的三个变体（YOLOv11n-seg、YOLOv11s-seg和YOLOv11m-seg）进行口腔疾病分割，并通过三阶段训练（特征提取、部分微调和完全微调）优化性能	数据集来自公开来源，可能存在偏差；模型在部分微调阶段表现最佳，但整体指标不高（mAP约0.5）	早期检测口腔疾病	口腔内图像中的疾病区域	计算机视觉	口腔疾病	NA	CNN	图像	初始版本582张像素级标注图像，经增强形成v2和v3版本	PyTorch, ONNX Runtime Web	YOLOv11n-seg, YOLOv11s-seg, YOLOv11m-seg	box mAP@50, mask mAP@50	Google Colab免费版，Intel Xeon CPU，13 GB RAM，15 GB T4 GPU，120 GB存储
1943	2026-05-02	Glymphatic dysfunction in trigeminal neuralgia: A multimodal MRI study 2026-03, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2026.107312 PMID:41666986	研究论文	使用多模态MRI探究三叉神经痛中的类淋巴系统功能障碍	首次揭示三叉神经痛中类淋巴系统功能性障碍与结构指标的解离，挑战传统神经影像学范式	未发现类淋巴系统指标与疼痛强度及病程的相关性，可能限制临床实用性	探究三叉神经痛中是否存在类淋巴系统功能障碍及其病理生理作用	71名经典三叉神经痛患者和52名年龄匹配的健康对照	数字病理学	神经疾病	多模态MRI，扩散张量成像（DTI），自由水分数（FWF）映射，血管周围空间（PVS）量化，脉络丛（CP）体积分析	深度学习分割模型	MRI图像	71例患者，52例对照	NA	深度学习分割模型	DTI-ALPS指数，FWF值，PVS负担，CP体积	NA
1944	2026-05-02	Unraveling sperm kinematic heterogeneity with machine learning 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202544 PMID:40791002	综述	综述了机器学习在解析精子运动异质性中的应用，涵盖CASA数据处理、传统分析局限及AI技术潜力	系统总结了CASA数据与机器学习/深度学习结合在精子运动模式分类和聚类中的新兴应用，强调其揭示运动异质性的潜力	机器学习在该领域的应用仍然有限，CASA数据类型和格式对传统统计方法构成挑战	探讨整合CASA数据与人工智能技术以自动化精子分类并识别运动模式，推动生殖生物学和生育力评估	精子运动学数据（来自计算机辅助精子分析系统）及精子运动异质性	机器学习	生殖系统疾病	计算机辅助精子分析（CASA）	机器学习模型（监督学习与无监督学习）	运动参数和轨迹数据	NA	NA	NA	NA	NA
1945	2026-05-02	Integrating morphological and deep learning approaches for the identification of economically important nematode genera in vineyards: Mesocriconema and Xiphinema 2026-Mar, Helminthologia IF:1.1Q3 DOI:10.2478/helm-2026-0002 PMID:42063676	研究论文	结合形态学与基于YOLO的深度学习目标检测方法，提高葡萄园中两种重要线虫属（Mesocriconema和Xiphinema）的鉴定准确性	首次将形态学专业知识与YOLO系列深度学习框架整合，提出了一种新的线虫鉴定方法学框架，展示了YOLO架构作为高效、可扩展、可重复工具的潜力	研究仅聚焦于属级检测，未涉及种级区分；目标线虫属存在显著的形态变异性和遗传差异，可能影响模型泛化性	通过整合形态学表征和深度学习目标检测，提高葡萄园经济重要线虫属的诊断准确性，助力精准农业和可持续线虫管理	葡萄园中两种主要外寄生线虫属：Mesocriconema和Xiphinema	计算机视觉	线虫病害	显微镜成像	YOLO目标检测模型	高分辨率显微图像	961张图像和1034个边界框标注	PyTorch, Roboflow	YOLO-NAS, YOLOv11, YOLOv8	精度, mAP@50, 召回率	NA
1946	2026-05-02	GAN-based novel feature selection approach with hybrid deep learning for heartbeat classification from ECG signal 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108704 PMID:41046784	研究论文	提出一种基于生成对抗网络的新颖特征选择方法，结合混合深度学习对心电图信号进行心跳分类	结合生成对抗网络进行特征融合，并采用序列指数饥饿游戏搜索算法训练混合深度信念网络与VGG模型	未提及	开发一种最优深度学习技术对心跳进行分类	心电图心跳信号	机器学习	心血管疾病	NA	DBN-VGG	ECG信号	NA	NA	DBN-VGG	准确性, 敏感性, 特异性	NA
1947	2026-05-02	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05371-3 PMID:41524987	研究论文	多中心评估放射组学和深度学习对胰腺导管内乳头状黏液性肿瘤进行恶性风险分层	首次在囊肿级别对IPMN进行恶性风险分层，并开发了结合放射组学和深度学习的融合模型	性能仍需提升才能独立用于临床，当前AUC为69.2%，未达到临床应用标准	利用人工智能方法提高胰腺导管内乳头状黏液性肿瘤恶性风险分层的准确性	来自七个中心的359张T2加权MRI图像的胰腺导管内乳头状黏液性肿瘤囊肿	计算机视觉, 数字病理学	胰腺癌	MRI	放射组学模型, 深度学习模型, 放射组学-深度学习融合模型	图像	359张T2加权MRI图像，来自七个中心	NA	NA	AUC	NA
1948	2026-01-08	Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI" 2026-Jan, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1307 PMID:41494679	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1949	2026-01-08	Response to Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI" 2026-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1444 PMID:41494678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1950	2026-05-02	A two-stage deep learning framework for lead instrument recognition in polyphonic music featuring Chinese instruments 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327442 PMID:42054289	研究论文	提出一种两阶段深度学习框架，用于在多声部中国乐器音乐中识别主奏乐器	采用“分离-分类”两阶段策略，先提取单个乐器表示再进行多标签分类，显著提升音色相似乐器（如笛子与箫）的识别性能，且框架模型无关、可扩展	未明确提及局限性	解决中国民族音乐多声部主奏乐器识别难题，为智能音频系统提供新方法	多声部中国乐器音乐中的主奏乐器	机器学习	NA	源分离模型、多标签分类网络	深度神经网络	音频	新构建的数据集（未明确数量与种类）	PyTorch	源分离网络、多标签分类网络	准确率、精确率、召回率、F1分数	NA
1951	2026-05-02	A deep learning framework for remaining useful life prediction of turbofan engines with partial sensor failure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347312 PMID:42054388	研究论文	提出基于长短期记忆生成对抗网络的深度学习框架，用于部分传感器失效下涡扇发动机剩余寿命预测	提出生成式回归模型，通过缺失参数生成器恢复传感器数据完整性，再结合RUL预测器提取时间退化信息，实现传感器故障条件下的鲁棒寿命预测	未明确讨论计算复杂度或真实场景的验证	解决传感器部分失效导致的剩余寿命预测精度下降问题	涡扇发动机在传感器部分故障情况下的剩余使用寿命	机器学习和数字信号处理结合	不适用	生成对抗网络和长短期记忆网络	LSTM和GAN	时间序列传感器数据	NASA C-MAPSS数据集，包含多个涡扇发动机的退化模拟数据	PyTorch	LSTM和GAN	预测精度、鲁棒性、泛化性	不适用
1952	2026-05-02	Optimizing LSTM networks and feature selection algorithms using GEE data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347858 PMID:42054391	研究论文	本研究提出一种结合特征选择策略与元启发式优化深度学习的新框架，用于伊朗胡齐斯坦省洪水易感性制图，利用GEE数据并优化LSTM网络	创新点在于采用九种特征选择方法的集成共识规则确定关键变量，以及五种元启发式算法对LSTM进行超参数优化比较	基于1,000个样本点训练模型，可能限制模型泛化能力；仅应用于单一省份，未在不同气候区验证	实现高精度洪水易感性制图，降低灾害风险	伊朗胡齐斯坦省洪水易感性区域	机器学习	NA	NA	LSTM	地理空间数据	1,000个样本点（500个非洪水点、500个洪水点）	NA	LSTM	F1分数, Cohen's Kappa	NA
1953	2026-05-02	A GNN-based approach for accurate trade balance forecasting and interpretable analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346324 PMID:42054384	研究论文	利用图神经网络（GNN）预测229个国家的贸易余额，并与多种深度学习及回归模型进行比较	首次将图神经网络应用于全球贸易余额预测，并证明其相比深度神经网络、Transformer等模型具有更优性能	文中未明确提及研究局限性（例如数据依赖性、模型泛化性等）	提升贸易余额预测的准确性和稳健性，为政策制定者和经济学家提供更精准的工具	229个国家的贸易余额数据	机器学习	NA	NA	图神经网络（GNN）	数值型贸易数据	229个国家的贸易数据	PyTorch, Scikit-learn	GNN, DNN, Transformer, Random Forest, 混合集成模型	MSE, RMSE, MAE, R²	NA
1954	2026-05-02	PRORED: a hybrid transformer framework with progressive refinement decoding for segmenting dynamic speech MRI 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf020 PMID:42063599	研究论文	提出一种名为PRORED的混合Transformer框架，用于动态语音MRI分割	首次利用视觉Transformer和渐进式精化解码器分割动态语音MRI	NA	提高动态语音MRI图像分割的准确性和细节捕捉能力	上声道动态MRI图像中的发音器官	计算机视觉	NA	MRI	Transformer	图像	公开语音MRI数据集和心脏数据集	PyTorch	Vision Transformer, 渐进式精化解码器	Dice系数, Hausdorff距离	NA
1955	2026-05-02	Explaining transformer-based classification of radiology reports 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubag001 PMID:42063605	研究论文	验证并解释基于预训练Transformer的放射学报告分类模型，用于去除混杂数据	结合SHAP解释预训练Transformer模型分类结果，实现放射学报告的可解释分类	未明确提及局限性	验证可解释的深度学习模型在放射学报告分类中的应用，支持临床工作流程中的信任和迭代优化	2038份匿名MRI头部自由文本放射学报告	自然语言处理	小血管疾病	NA	Transformer	文本	2038份放射学报告（80%训练，20%测试）	NA	预训练Transformer	ROC AUC	NA
1956	2026-05-02	Independent validation of the Mosamatic deep learning automated skeletal muscle and adipose tissue segmentation tool in an external Chinese cancer patient cohort 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf021 PMID:42063606	研究论文	在外部中国癌症患者队列中独立验证Mosamatic深度学习自动骨骼肌和脂肪组织分割工具	首次在欧洲训练数据集上验证深度学习工具在欧洲人群上的泛化能力，在中国胃癌患者中独立测试其性能	低BMI和腹水患者自动分割与手动分割的一致性较差	评估基于欧洲人群训练的深度学习工具在中国胃癌患者中的泛化性能	中国胃癌患者的第三腰椎水平CT图像	数字病理学	胃癌	CT成像	深度学习神经网络	图像	203名患者，604张L3水平CT图像	NA	Mosamatic	Dice相似系数, Lin一致性相关系数, Kappa系数	NA
1957	2026-05-02	Spatial AI in cancer: mapping immune evasion topology through multi-modal omics and deep learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1762907 PMID:42063727	综述	综述空间人工智能在癌症研究中的应用，结合高分辨率空间多组学与深度学习，揭示免疫逃逸的拓扑机制	将空间拓扑结构与人工智能结合，利用图神经网络解析肿瘤微环境中免疫排斥、功能障碍性炎症区及三级淋巴结构成熟状态等空间表型，提出免疫逃逸的拓扑生物学新视角	数据标准化不足、计算可扩展性有限、模型可解释性差以及监管审批障碍	阐明免疫逃逸的拓扑机制，推动空间生物标志物的临床验证及治疗策略转化	肿瘤微环境中的免疫逃逸拓扑特征，包括物理屏障、局部免疫抑制微环境及免疫细胞聚集结构	机器学习	癌症	空间多组学	图神经网络	空间多模态数据	NA	NA	图神经网络	NA	NA
1958	2026-05-02	Construction and validation of a multimodal MRI-based deep learning model for early differential diagnosis of prostate cancer in the PSA gray zone: a retrospective cohort study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1763766 PMID:42063732	research paper	开发并验证一种基于多模态MRI的深度学习模型，用于在前列腺特异性抗原(PSA)灰区（4-10 ng/mL）早期鉴别诊断临床显著性前列腺癌	首次将多模态MRI（T2加权成像、弥散加权成像、表观弥散系数图）与临床参数整合到基于改进U-Net和ResNet-50骨干网络的新型多模态卷积神经网络框架中，实现PSA灰区前列腺癌的无创早期诊断，并通过决策曲线分析验证其临床净获益	作为回顾性队列研究，可能引入选择偏倚；样本量相对有限（305例患者）；模型在外部验证集上的泛化能力仍需进一步评估	构建和验证一种整合多模态MRI与临床参数的深度学习模型，提高PSA灰区临床显著性前列腺癌的检测准确性，减少不必要的活检	PSA水平在4-10 ng/mL（PSA灰区）的305例可疑前列腺癌患者	machine learning, computer vision	prostate cancer	多参数磁共振成像(mpMRI)	卷积神经网络(CNN)	MRI影像数据, 临床参数数据	305例患者（来自PSA灰区4-10 ng/mL）	NA	U-Net, ResNet-50	曲线下面积(AUC), 灵敏度, 特异性, 总准确率, 决策曲线分析净获益, 一致性系数(κ)	NA
1959	2026-05-02	Building novel LLM-enabled explainable ensemble transformer models combining endoscopic and CT images for discriminating the different grades of gastrointestinal cancers 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1789769 PMID:42063793	研究论文	提出一种新型可解释的LLM集成Transformer模型，结合内镜和CT图像区分胃肠癌不同分级	首次将LLM与集成Transformer架构结合，实现医疗图像诊断的可解释性和用户交互式诊断说明生成	未提及	开发可解释的深度学习框架，提高胃肠癌严重程度分级的诊断性能并降低误报率	胃肠癌患者的两种医学影像数据（内镜图像和CT扫描图像）	计算机视觉, 自然语言处理	胃肠癌	图像采集与预处理	Transformer, LLM	图像	Kvasir数据集和TCIA CT（TCGA-STAD）数据集	NA	集成Transformer	准确率, 精确率, 召回率, F1分数	NA
1960	2026-05-02	Virtual reality-induced emotion recognition with deep learning-based multimodal physiological feature fusion 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1759471 PMID:42063869	研究论文	研究结合虚拟现实（VR）情绪诱发范式与深度学习的多模态生理信号融合，实现情绪识别	首次将生态效度高的VR情绪诱发与多模态PCA-LSTM融合模型相结合，系统性克服传统方法生态效度低和信息不完整的问题	样本量较小（20名健康参与者），情绪状态仅限于三分类（积极、中性、消极），未考虑个体差异对情绪诱发的影响	提升情绪识别的客观性和准确性，解决传统方法在生态效度和量化精度上的瓶颈	通过VR诱发积极、中性和消极三种情绪状态，并采集生理信号（脑电图、心电、皮电）和主观评估数据	自然语言处理	NA	生理信号采集（脑电图、心电、皮电）、PCA降维、LSTM建模	PCA-LSTM混合网络	生理信号数据（脑电图、心电、皮电）及主观评估数据	20名健康参与者	NA	PCA、LSTM、全连接层	准确率	NA