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
1	2026-02-11	Use of uterine activity to predict preterm birth by artificial intelligence assisted models: a narrative systematic review 2026-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians DOI:10.1080/14767058.2025.2582375 PMID:41663244	综述	本文通过系统综述评估了人工智能模型利用子宫活动（如子宫肌电图）预测早产的准确性和适用性	首次系统性地综述了人工智能模型在利用子宫收缩数据预测早产方面的应用，并比较了不同特征提取方法和分类器的性能	研究存在异质性，缺乏外部验证，数据不平衡、样本量小，且大多数研究存在偏倚风险	评估人工智能模型利用子宫收缩数据预测早产的准确性和临床适用性	利用子宫肌电图或时间序列数据进行早产预测的研究	机器学习	早产	子宫肌电图	深度学习, 机器学习, 神经网络	时间序列数据	53项研究记录	NA	神经网络	准确率, AUC	NA
2	2026-02-11	Rapid identification of Polygonatum kingianum processed by nine steaming and nine drying based on FT-NIR and ATR-FTIR combined with deep learning 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129390 PMID:41544396	研究论文	本研究结合FT-NIR和ATR-FTIR光谱技术与深度学习，快速鉴别九蒸九制黄精样品	首次将同步二维相关光谱图像与ResNet模型结合，用于黄精九蒸九制过程的快速鉴别，并利用代谢组学分析关键代谢物	研究仅针对黄精一种药材，未验证方法在其他药材或更广泛样本中的适用性	建立一种快速准确的黄精九蒸九制工艺鉴别方法	九蒸九制处理后的黄精样品	机器学习	NA	FT-NIR光谱, ATR-FTIR光谱, 气相色谱-质谱联用	CNN	光谱图像	九种处理样品	NA	ResNet	准确率	NA
3	2026-02-11	Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129422 PMID:41579739	研究论文	本文提出了一种基于孪生神经网络的拉曼光谱分析方法，以应对训练数据与预测数据间的大变异性，提升模型泛化能力	采用孪生神经网络处理拉曼光谱数据，相比传统模型转移方法，无需测试数据信息进行模型调整，且在大型训练数据集上表现更优	尽管训练数据负担较传统网络低，但在训练与测试数据变异性纳入损失函数时，其减少程度有限	提高拉曼光谱模型的泛化性能，减少因数据变异性导致的性能下降	细菌物种和小鼠组织样本的拉曼光谱数据	机器学习	NA	拉曼光谱	孪生神经网络	光谱数据	四个细菌物种，每个物种包含九个生物重复样本，以及小鼠组织样本数据集	NA	孪生神经网络	NA	NA
4	2026-02-11	Surface-enhanced Raman scattering (SERS) in antibiotic resistance detection: Advances, challenges, and future perspectives 2026-May, Colloids and surfaces. B, Biointerfaces DOI:10.1016/j.colsurfb.2026.115423 PMID:41519006	综述	本文系统综述了表面增强拉曼散射（SERS）与人工智能（AI）结合在抗生素耐药性检测中的最新进展、挑战与未来前景	将SERS技术与AI（特别是机器学习和深度学习方法）相结合，实现了前所未有的耐药性检测准确性和效率	NA	应对全球公共卫生危机，实现早期、快速、准确的耐药细菌检测与识别	耐药细菌	机器学习和光学检测	抗生素耐药性	表面增强拉曼散射（SERS）	机器学习（ML）和深度学习（DL）	光学光谱数据	NA	NA	NA	准确性，效率	NA
5	2026-02-11	Diagnostic value of a second-generation super-resolution deep learning-based reconstruction combined with a metal artifact reduction algorithm for pelvic CT 2026-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05080-4 PMID:41240086	研究论文	本研究评估了第二代超分辨率深度学习重建算法与金属伪影减少算法结合在骨盆CT图像中的诊断价值	首次将第二代超分辨率深度学习重建算法与金属伪影减少算法结合应用于金属髋关节植入患者的CT图像评估	研究为回顾性设计，样本量较小（40例患者），且仅针对金属髋关节植入这一特定情况	评估深度学习重建算法与金属伪影减少算法结合对骨盆CT图像质量的改善效果	金属髋关节植入患者的骨盆CT图像	医学影像处理	骨科植入物相关	CT成像	深度学习重建算法	医学影像	40例患者（30名女性，年龄范围54-93岁）	NA	第二代超分辨率深度学习重建算法	标准差, 伪影指数, 5点评分	NA
6	2026-02-11	Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis 2026-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05078-y PMID:41254255	系统综述与荟萃分析	本研究通过系统综述和荟萃分析评估了基于X射线的深度学习模型在检测踝关节和足部骨折中的诊断性能	首次对基于X射线的深度学习模型在踝关节和足部骨折检测中的诊断准确性进行了全面的系统综述和荟萃分析，并探讨了影响模型性能的可能因素	纳入研究数量有限（14项），需要更大样本量、外部验证和临床实施的研究来进一步验证	评估AI模型使用X射线图像检测踝关节和足部骨折的诊断准确性，并调查影响其性能的可能因素	踝关节和足部骨折的X射线图像	计算机视觉	骨折	X射线成像	深度学习模型	X射线图像	基于14项纳入研究的累计数据，具体样本量未在摘要中明确给出	NA	NA	灵敏度, 特异度, F1分数, 诊断比值比	NA
7	2026-02-11	Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms 2026-Apr, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500036 PMID:41467573	研究论文	本文提出了一种基于深度学习的增强型Informer网络，通过集成空间和通道注意力机制，用于心理压力的识别与分类	设计了针对时间敏感生理信号段的空间注意力机制（SAM）和动态加权压力相关特征的通道注意力机制（CAM），实现了对细微压力模式的精确捕捉	仅在一个公开数据集上进行了实验验证，缺乏多数据集和实际场景的泛化性测试	开发一种自动检测心理压力的深度学习方法	职业环境中的心理压力	机器学习	NA	深度学习	Informer, 注意力机制	生理信号	一个公开数据集	NA	Informer, 空间注意力机制（SAM）, 通道注意力机制（CAM）	准确率, 召回率, F1分数	NA
8	2026-02-11	Accurate compositional analysis on complex mixtures via multi-task spectral data learning 2026-Mar-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.345050 PMID:41663216	研究论文	本文提出了一种新颖的多任务学习框架，通过结合成分识别与定量分析，提高复杂混合物光谱数据成分分析的准确性	引入预测掩码机制，将多标签分类分支的概率输出直接指导并行回归分支的预测，确保仅对识别为存在的成分预测浓度，从而增强物理合理性	NA	开发一种能够直接从重叠光谱数据中准确分析复杂混合物成分的方法	复杂混合物（如金属氧化物）的光谱数据	机器学习	NA	光谱分析	多任务学习框架	光谱数据	NA	NA	ResNet1D	NA	NA
9	2026-02-11	Nano-AI synergy in food chemistry: smart analytical tools for quality, safety, and nutritional profiling 2026-Mar-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.147987 PMID:41544475	综述	本文综述了纳米技术与人工智能（AI）在食品化学、质量控制及营养评估领域的协同应用与潜力	系统探讨了Nano-AI平台在食品安全、实时监测、营养递送及预测分析中的协同创新，整合了纳米材料与AI技术以开发智能分析工具	NA	为研究人员、食品技术专家和监管机构提供实现智能、响应式及可持续食品系统的全面路线图	食品化学、质量控制和营养评估领域	机器学习	NA	纳米传感器辅助光谱学、AI驱动光谱解卷积、纳米材料增强食品分析	机器学习, 深度学习, 神经网络	传感器数据	NA	NA	NA	NA	NA
10	2026-02-11	Virtual Multi-Phase Contrast Enhanced Liver MRI Using Deep Learning for Evaluating Hepatocellular Carcinoma 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70235 PMID:41629748	研究论文	开发了一种深度学习模型，用于生成多期增强MRI以检测肝细胞癌	提出了一种能够快速生成多期增强MRI的深度学习模型，无需使用钆基对比剂，且图像质量和诊断性能不劣于实际增强MRI	研究未明确提及模型在更广泛人群或不同扫描仪上的泛化能力	评估深度学习合成的多期增强MRI在肝细胞癌检测中的图像质量、诊断性能及临床实用性	肝细胞癌或其他非肝细胞癌肝病患者	医学影像分析	肝细胞癌	对比增强MRI	深度学习模型	MRI图像	717名患者	NA	NA	敏感性, 特异性, AUC	NA
11	2026-02-11	Artificial intelligence predicts c-KIT exon 11 genotype by phenotype in canine cutaneous mast cell tumors: Can human observers learn it? 2026-Mar, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858251380284 PMID:41059708	研究论文	本研究旨在通过人工智能预测犬皮肤肥大细胞肿瘤的c-KIT外显子11基因型，并评估人类观察者学习此任务的能力	首次尝试将深度学习算法预测的基因型特征转移给人类病理学家，并评估其学习效果	人类观察者在自我训练后分类准确率提升有限，且未发现可靠的形态学特征来预测-11-ITD状态	识别与c-KIT外显子11内部串联重复突变相关的形态学特征，并评估人类病理学家学习这些特征的能力	犬皮肤肥大细胞肿瘤的数字化苏木精-伊红染色组织切片和图像块	数字病理学	犬皮肤肥大细胞肿瘤	深度学习	深度学习算法	图像	17名未经训练的病理学家，涉及8张全切片图像和200个图像块用于初始分类，15张新全切片图像和200个新图像块用于后续测试	NA	NA	分类准确率	NA
12	2026-02-11	Predicting postoperative atrial fibrillation: An explainable deep learning approach 2026-Feb-25, Journal of biomedical research IF:2.2Q3 DOI:10.7555/JBR.39.20250387 PMID:41664547	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13	2026-02-11	Mining lysine post-translational modification sites by integrating protein language model representations with structural context 2026-Feb-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2529141123 PMID:41662532	研究论文	本研究提出了一种整合蛋白质语言模型表示与结构上下文信息的深度学习框架，用于预测赖氨酸翻译后修饰位点	将蛋白质语言模型的序列表示与原子级三维结构特征相结合，构建统一的深度学习框架，可应用于多种赖氨酸PTM类型	未在摘要中明确说明	开发一种准确高效的赖氨酸翻译后修饰位点识别计算方法	赖氨酸翻译后修饰位点	机器学习	NA	深度学习，分子动力学模拟	深度学习框架	蛋白质序列和三维结构数据	NA	NA	NA	NA	NA
14	2026-02-11	Spatiotemporal prediction and attribution of groundwater storage anomaly using enhanced hybrid deep learning modeling with uncertainty quantification 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128766 PMID:41619477	研究论文	本研究提出了一种集成了预测、归因分析和不确定性量化的增强型混合深度学习框架，用于地下水储量异常的时空预测	构建了CNN-Attention-LSTM和Transformer-LSTM两种混合架构以捕获时空模式，并首次将Stein变分梯度下降法用于不确定性量化，同时结合SHAP进行归因解释，形成了一个透明且可信的预测框架	方法在长江流域的应用效果良好，但在其他地理或气候条件下的普适性有待进一步验证	实现高精度、可靠且可解释的地下水储量异常时空预测与归因分析	中国长江流域的地下水储量异常	机器学习	NA	NA	CNN, LSTM, Transformer	时空序列数据	NA	NA	CNN-Attention-LSTM, Transformer-LSTM	R	NA
15	2026-02-11	Towards sustainable desertification control: A manufacturing method for porosity-controlled upright reed sand fences 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128763 PMID:41616718	研究论文	本文提出了一种集成深度学习和实时控制的智能系统，用于精确调控直立芦苇沙障的孔隙率，以实现可持续的荒漠化防治	开发了轻量级实例分割模型Reed-YOLOv8n-SSAS用于机器视觉监控，并提出了掩膜重定位算法来估计芦苇从分散到成束过程中的等效进给直径，实现了基于闭环控制策略的孔隙率实时调控	NA	为荒漠化防治材料的绿色、高效和智能化制造提供可行的技术路径	直立芦苇沙障	计算机视觉	NA	深度学习，机器视觉，实时控制	YOLOv8n-seg, Reed-YOLOv8n-SSAS	图像	NA	NA	YOLOv8n	精确度, mAP@0.5	NA
16	2026-02-11	Deep learning as a refining tool for hydrodynamic model in predicting lake temperature profile: A case study in Ogouchi reservoir 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128759 PMID:41616721	研究论文	本研究开发了一种结合简单水动力模型与LSTM的混合模型，用于改进小口水库垂直温度剖面的预测	提出了一种混合建模范式，通过数据同化技术将过程模型与数据驱动模型结合，以纠正系统偏差并减少计算成本	研究仅针对小口水库夏季时段，模型在更广泛时空条件下的泛化能力未验证	提高水库垂直温度剖面的预测精度，同时降低传统水动力模型的校准和计算负担	小口水库的垂直温度剖面	机器学习	NA	数据同化技术	LSTM	时间序列数据	NA	NA	LSTM	误差评估	NA
17	2026-02-11	Rapid Single-Cell Phenotypic Antifungal Susceptibility Testing on a SlipChip Enabled by Deep Learning 2026-Feb-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07370 PMID:41568544	研究论文	本文介绍了一种结合SlipChip微流控设备与深度学习图像分析的快速、无标记单细胞抗真菌药敏测试平台，可在4小时内测定最小抑菌浓度	首次将SlipChip微流控技术与深度学习图像分析（ResNet-34分类器和U-Net分割模型）结合，实现单细胞水平的快速抗真菌药敏测试，将测试时间从24-48小时缩短至4小时	存在一个次要的MIC差异，且平台在临床广泛应用的验证规模可能有限	开发一种快速、可扩展且临床可操作的抗真菌药敏测试工具，以加速治疗决策	真菌细胞（包括白色念珠菌和临床分离株）	数字病理学	真菌感染	微流控技术、明场成像	CNN	图像	10个临床分离株	NA	ResNet-34, U-Net	灵敏度, 分割准确率, 分类一致性	NA
18	2026-02-11	Amplifying image quality gain in x-ray phase contrast imaging of mastectomy samples with deep learning denoising 2026-Feb-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3c54 PMID:41570391	研究论文	本研究通过应用监督深度学习去噪技术，旨在进一步降低乳腺相位对比计算机断层扫描（PCT）的辐射剂量，同时保持或提升图像质量	首次将监督U-Net深度学习去噪模型应用于乳腺PCT图像，以在降低辐射剂量（从24 mGy降至4 mGy）的同时显著提升图像质量，支持未来低剂量PCT协议的临床可行性	研究基于34个新鲜全乳腺切除样本，样本量较小，且初始扫描在专业同步辐射设施进行，可能限制其直接推广到常规临床环境	降低乳腺相位对比计算机断层扫描（PCT）的辐射剂量，同时保持或提升图像质量，为未来临床活体患者PCT乳腺癌成像做准备	34个新鲜全乳腺切除样本	数字病理学	乳腺癌	传播式相位对比成像，使用32 keV单色平行X射线	CNN	图像	34个新鲜全乳腺切除样本，其中28对用于训练，6组用于测试	NA	U-Net	信噪比（SNR），空间分辨率，结构相似性指数（SSIM），峰值信噪比（PSNR）	NA
19	2026-02-11	On-device single channel EEG classification on Android smartphones using lightweight machine learning models 2026-Feb-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3ca4 PMID:41576423	研究论文	本研究提出了一种在Android智能手机上使用轻量级机器学习模型进行单通道EEG分类的流程，并以区分睁眼和闭眼状态为例验证其有效性	实现了在移动设备上使用有限数据进行离线EEG分类的轻量级机器学习流程，为自然环境下生理测量提供了新方法	依赖多个软件平台且不支持实时分类	开发适用于移动设备部署的轻量级EEG信号分类方法	单通道枕叶电极采集的EEG信号	机器学习	NA	脑电图（EEG）信号采集	SVM	EEG信号	10名参与者	NA	NA	准确率, 精确率, 灵敏度, 特异性, F1分数, 马修斯相关系数（MCC）	Android智能手机（Google Pixel 7 Pro, Samsung S22）
20	2026-02-11	Bioinspired Multifunctional Hydrogels for Deep Learning-Enabled Wound pH Visual Monitoring and Treatment 2026-Feb-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05725 PMID:41579059	研究论文	本文报道了一种受生物启发的多功能水凝胶，用于伤口pH可视化监测与治疗，并集成了深度学习技术	开发了一种基于酶级联反应原位聚合的多功能水凝胶，结合了pH响应可视化监测、广谱抗菌活性和机械适应性，并通过深度学习模型实现高精度pH分类	研究主要基于小鼠模型，临床转化前需进一步验证；深度学习模型训练数据量有限（1000张图像），可能影响泛化能力	开发智能伤口敷料，实现实时环境监测与治疗干预，以促进难愈合伤口的管理	多功能水凝胶材料及其在伤口愈合中的应用	机器学习	伤口愈合	酶催化聚合、比色法、深度学习图像分类	CNN	图像	1000张水凝胶比色图像用于深度学习训练；小鼠伤口模型实验	PyTorch	ResNet34	分类准确率	NA