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
761	2026-01-01	Multi modal fusion of medical imaging and biomechanical data using attention based swin-unet and LSTM for sports injury prediction 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1687895 PMID:41458382	研究论文	本研究提出了一种结合医学影像和生物力学数据的多模态融合方法，用于预测运动损伤	采用注意力机制的Swin-UNet和LSTM网络，首次将高分辨率CT扫描与运动捕捉、可穿戴IMU和力敏鞋垫的生物力学数据进行融合，通过决策级融合方法生成单一损伤风险评分	未明确提及样本量、计算资源细节或模型泛化能力的验证	开发一种更准确、个性化的运动损伤预测方法，以支持早期干预和提高运动员安全	运动损伤风险预测	计算机视觉, 自然语言处理	运动损伤	高分辨率计算机断层扫描(CT), 运动捕捉系统, 可穿戴惯性测量单元(IMU), 力敏鞋垫	CNN, LSTM	图像, 时间序列数据	NA	NA	Swin-UNet, LSTM	准确率, 精确率, 召回率, F1分数	NA
762	2026-01-01	Application of artificial intelligence in non-invasive cardiovascular imaging for coronary artery disease: a systematic review and meta-analysis 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1664183 PMID:41458983	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能在冠状动脉疾病非侵入性心血管影像中的应用效果	首次对2018-2023年间AI在非侵入性CAD影像诊断中的应用证据进行系统性梳理和定量荟萃分析，提供了患者水平和血管水平的诊断性能汇总数据	研究间存在高度异质性，AI实施方法不统一，缺乏前瞻性验证	评估人工智能在冠状动脉疾病非侵入性影像诊断中的准确性和应用潜力	冠状动脉疾病（CAD）的非侵入性影像数据	医学影像分析	心血管疾病	非侵入性心血管影像技术（如CT、MRI等）	机器学习，深度学习	医学影像	基于122项研究的证据图谱，其中9项研究（具体样本量未说明）用于荟萃分析	NA	NA	敏感度，特异度，SROC曲线下面积	NA
763	2026-01-01	Integrated CT-derived fractional flow reserve and perivascular fat attenuation index: a multimodal approach to predict in-stent restenosis 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1703044 PMID:41458981	研究论文	本研究构建并评估了一个整合CT-FFR和FAI的多模态预测模型，用于评估药物洗脱支架相关的支架内再狭窄	首次整合了反映血流动力学障碍的CT-FFR和反映局部血管炎症的FAI，构建了一个多模态预测模型，以优化支架内再狭窄的风险分层	研究为回顾性队列设计，样本量相对较小（144名患者，225个冠脉病变），且随访时间中位数为25.5个月，可能限制结果的普遍性	预测药物洗脱支架植入后支架内再狭窄的发生	接受冠脉CT血管造影并在一个月内进行经皮冠状动脉介入治疗的患者及其冠脉病变	数字病理学	心血管疾病	冠脉CT血管造影，深度学习算法	深度学习	医学影像（CT图像）	144名患者，225个冠脉病变	NA	NA	AUC（曲线下面积）	NA
764	2026-01-01	A data privacy and deep learning based AMR dashboard for rural and regional veterinary practices in Texas 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1646675 PMID:41459049	研究论文	本研究为德克萨斯州农村和地区兽医诊所开发了一个结合数据隐私保护和深度学习技术的抗菌素耐药性（AMR）仪表板	首次将深度学习模型与隐私保护指纹技术相结合，为兽医实践提供实时AMR数据分析和预测工具	研究数据主要来自德克萨斯州兽医实验室，可能限制了在其他地区的适用性	开发支持兽医抗菌治疗决策的实时数据工具，改善抗菌药物管理	德克萨斯州农村和地区兽医诊所的抗菌素耐药性数据	机器学习	NA	深度学习	LSTM, RNN	时间序列数据	14年收集的德克萨斯州兽医实验室真实世界AMR数据	NA	Prophet, LSTM	NA	NA
765	2026-01-01	Proximal hyperspectral detection of rice and weed: characterization and discriminant analysis 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1685985 PMID:41459460	研究论文	本研究利用近端高光谱成像和深度学习网络，对中国北方寒冷地区的稻田杂草进行识别与表征分析	开发了一种新型深度学习网络SS-CNN，用于从高光谱图像中识别水稻和杂草物种，并在低训练样本量下仍保持优异的分类性能	研究仅针对中国北方寒冷地区的36个物种，可能无法推广到其他气候区域或更多杂草物种	准确识别和监测稻田中的杂草物种，以支持精准农业和生态系统服务评估	水稻及35种杂草物种	计算机视觉	NA	高光谱成像	CNN	图像	1080张高光谱图像，涵盖36个物种	NA	SS-CNN	整体准确率(OA), 平均准确率(AA), Kappa系数	NA
766	2026-01-01	Deep learning-based investigation of chloroplast translation regulatory sequences 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698951 PMID:41459449	研究论文	本研究开发了一种混合深度学习模型，用于分析和分类植物和藻类叶绿体翻译调控序列，以识别异源前导序列用于合成生物学	首次使用深度学习模型分析叶绿体翻译调控序列，结合CNN、LSTM、Attention和Residual架构，并提出了两种藻类质体工程中引入异源前导序列的策略	模型仅基于300个核苷酸的前导序列进行分析，可能未涵盖所有调控元件；且存在一小部分序列表现出跨组模式，需进一步验证其功能性	研究叶绿体翻译调控序列的结构，以促进合成生物学和基因工程应用	植物和藻类的5'非翻译区序列，以及含有或不含Shine-Dalgarno（SD）基序的序列	自然语言处理	NA	深度学习	CNN, LSTM, Attention, Residual	序列数据	NA	NA	CNN, LSTM, Attention, Residual	预测性能	NA
767	2026-01-01	ViTKAB: an efficient deep learning network for cotton leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1719877 PMID:41459459	研究论文	本文提出了一种名为ViTKAB的高效深度学习网络，用于棉花叶部病害识别	通过集成Kolmogorov-Arnold网络和BiFormer模块来增强Vision Transformer，优化架构以提高推理速度，利用非线性特征表示更好地捕捉复杂病害特征，并引入稀疏动态注意力以增强鲁棒性和准确性	NA	开发一种高效的棉花叶部病害识别模型，以提升智能作物病害检测系统	棉花叶部病害，包括褐斑病、黄萎病、轮斑病和枯萎病	计算机视觉	植物病害	深度学习	Vision Transformer	图像	NA	NA	ViTKAB, Vision Transformer, Kolmogorov-Arnold network, BiFormer	平均识别准确率	NA
768	2026-01-01	Deep learning, deeper relief: pipeline toward tailored analgesia for experimental animal models 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1639881 PMID:41459492	研究论文	本文提出了一种结合深度学习语言模型与实验验证的流程，用于识别和验证在实验动物模型中具有最小脱靶效应的镇痛药	创新点在于整合了基于蛋白质中心关系提取的深度学习语言模型（PEDL）与NF-κB报告小鼠模型的实验验证，实现了从通用镇痛药向精准医学方法的转变	NA	研究目的是开发一种定制化镇痛方案，以减少镇痛药对实验动物模型免疫反应和信号通路的干扰	研究对象为小鼠结肠炎模型中的镇痛药及其对NF-κB信号通路的影响	自然语言处理	结肠炎	蛋白质中心关系提取，NF-κB报告小鼠模型	深度学习语言模型	文本	NA	NA	NA	NA	NA
769	2026-01-01	Tertiary lymphoid structure drives allograft rejection via IFN-γ-JAK-STAT-dependent atypical memory B cell differentiation 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1728290 PMID:41459486	研究论文	本研究通过深度学习病理组学模型和生物信息学分析，揭示了三级淋巴结构在肝移植排斥反应中的作用机制，并发现其通过IFN-γ-JAK-STAT通路驱动非典型记忆B细胞分化，导致肝细胞损伤	首次提出深度学习病理组学模型预测移植排斥反应，并阐明三级淋巴结构通过IFN-γ-JAK-STAT依赖的非典型记忆B细胞分化驱动排斥反应的新免疫机制	研究主要基于回顾性队列和转录组数据库，需要进一步的前瞻性研究验证；小鼠模型的结果需在人类临床中进一步确认	探究三级淋巴结构在肝移植排斥反应中的病理作用、功能及形成机制	儿童活体肝移植后的肝活检样本、转录组数据库病例、小鼠原位肝移植模型	数字病理学	肝移植排斥反应	深度学习病理组学模型、单细胞RNA测序、多重免疫组化、生物信息学分析（ESTIMATE, CIBERSORT, XCELL, MCP）	深度学习模型	肝活检图像、基因表达谱、临床信息、单细胞RNA测序数据	590例转录组数据库病例（GSE193135:337例, GSE145780:235例, Renji:18例）、11例肝移植后肝活检单细胞RNA测序样本、小鼠模型	NA	NA	NA	NA
770	2026-01-01	Deep learning-aided inter-species-comparison reveals shared and distinct molecular patterns in cynomolgus monkey and humans following non-specific T cell activation 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1603716 PMID:41459534	研究论文	本文提出了一种基于单细胞转录组学和深度学习的跨物种分析流程，用于比较食蟹猴和人类在非特异性T细胞激活后的分子模式	整合了变分自编码器（VAE）深度学习、细胞间通讯、差异基因表达和通路富集分析，实现系统性的跨物种时间序列分析	研究仅基于外周血单个核细胞（PBMCs）数据，且每个物种仅有两个生物学重复，样本量有限	比较食蟹猴和人类在免疫激活后的共享和独特分子特征，以促进转化研究和免疫调节疗法的开发	食蟹猴和健康人类的外周血单个核细胞（PBMCs）	机器学习	NA	单细胞转录组学（scRNA-seq）	VAE	单细胞转录组数据	每个物种两个生物学重复，在基线、刺激后0小时、6小时和24小时采集PBMCs	NA	变分自编码器（VAE）	NA	NA
771	2026-01-01	Robust automated preclinical fMRI preprocessing via a multi-stage dilated convolutional Swin Transformer affine registration 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1621244 PMID:41459563	研究论文	本文提出了一种用于临床前fMRI数据预处理的鲁棒自动化流程，集成了先进的深度学习模块，特别是新开发的基于Swin Transformer的仿射配准方法	提出了一种新的多阶段扩张卷积Swin Transformer（MsDCSwinT）用于仿射配准，能够同时捕获局部和全局空间错位，即使在具有挑战性的临床前数据集中也能实现与标准图谱的精确对齐	未在摘要中明确说明	解决临床前fMRI数据预处理中的挑战，如低分辨率、大脑几何形状变化和数据集规模有限，以实现精确、自动化的数据分析	临床前功能磁共振成像（fMRI）数据	数字病理学	NA	功能磁共振成像（fMRI）	GAN, Transformer	图像	在多个临床前fMRI研究中进行了验证，具体样本数量未在摘要中说明	NA	Swin Transformer, 3D GAN, Multi-stage Dilated Convolutional Swin Transformer (MsDCSwinT)	Dice相似系数	NA
772	2026-01-01	A hybrid Spiking Neural Network-Transformer architecture for motor imagery and sleep apnea detection 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1716204 PMID:41459561	研究论文	提出一种结合脉冲神经网络和Transformer的新型架构SpiTranNet，用于运动想象分类和睡眠呼吸暂停检测	通过脉冲多头注意力机制将SNN与Transformer深度融合，用脉冲神经元替代注意力机制中的标准激活函数，实现生物启发的时序处理和节能计算	NA	开发一种高效且鲁棒的生物医学信号处理架构，用于脑机接口和生物医学信号分析任务	运动想象分类和睡眠呼吸暂停检测	机器学习	睡眠呼吸暂停	脑电图, 心电图	SNN, Transformer	生理信号数据	三个生理数据集（一个EEG数据集用于MI分类，两个ECG数据集用于SA检测）	NA	SpiTranNet	准确率	NA
773	2026-01-01	Machine learning-based mortality prediction in critically ill patients with hypertension: comparative analysis, fairness, and interpretability 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1686378 PMID:41459572	研究论文	本研究开发并评估了多种机器学习和深度学习模型，用于预测重症监护中高血压患者的院内死亡率，并评估了模型的公平性和可解释性	首次在重症高血压患者死亡率预测中综合比较了多种ML和DL模型，并系统评估了特征选择对模型公平性的影响	研究基于单一数据库（MIMIC-IV），外部验证不足；去偏方法对精选特征模型的效果有限	开发公平、可解释的AI工具，辅助重症高血压患者的临床决策	重症监护病房（ICU）中的高血压患者	机器学习	心血管疾病	电子健康记录（EHR）数据分析	GBM, logistic regression, SVM, random forest, MLP, LSTM	结构化临床数据（人口统计学、实验室值、生命体征、合并症、ICU特定变量）	基于MIMIC-IV数据库的样本（具体数量未在摘要中明确说明）	Scikit-learn, TensorFlow/PyTorch（具体框架未明确说明）	多层感知机（MLP）, 长短期记忆网络（LSTM）	AUC-ROC, 准确率, 灵敏度, 特异度, F1分数	NA
774	2026-01-01	Association of Shanghai air pollution with postoperative infection in adolescent orthopedic patients: a study using a deep learning-based evolutionary model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692207 PMID:41459575	研究论文	本研究利用深度学习进化模型探讨上海空气污染与青少年骨科患者术后感染风险的关联	首次结合改进的StarFish算法优化的CNN-BiGRU-Attention进化深度学习模型与广义加性模型，分析多污染物对青少年术后感染的滞后效应和剂量反应关系	研究仅基于上海地区数据，可能受地域限制；未考虑患者个体行为差异等混杂因素	探究空气污染物（NO2、SO2、O3）对青少年骨科手术患者术后感染风险的影响	上海地区2019-2024年期间的32,261例青少年骨科手术术后感染病例	机器学习	骨科疾病	深度学习建模，广义加性模型分析	CNN, BiGRU, Attention机制	医疗记录数据，高分辨率空气污染与气象数据	32,261例青少年术后感染病例	TensorFlow/PyTorch（未明确指定）	CNN-BiGRU-Attention，改进的StarFish算法优化	百分比变化估计，95%置信区间	NA
775	2026-01-01	The extended hollowed mind: why foundational knowledge is indispensable in the age of AI 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1719019 PMID:41459580	研究论文	本文提出了“空心化心智”的概念框架，探讨生成式人工智能在教育中引发的认知依赖风险，并提出了“强化心智”的教学目标	提出了“空心化心智”和“主权陷阱”的概念框架，从多学科角度解释人工智能对认知过程的影响，并提出了“强化心智”作为应对策略	主要基于理论分析和现有证据的综合，缺乏实证研究数据支持具体干预措施的效果	分析生成式人工智能对教育认知过程的影响，并提出应对认知依赖风险的理论框架	人工智能在教育环境中的认知影响机制	自然语言处理	NA	NA	生成式人工智能	理论分析	NA	NA	NA	NA	NA
776	2025-12-31	Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms 2025-Dec-31, 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	设计了专门的空间注意力机制来优先处理时间敏感的生理信号片段，并利用通道注意力机制动态加权与压力相关的互补特征，从而精确捕捉细微的压力相关模式	仅在单一公开数据集上进行了实验验证，未在更多样化的数据集或真实场景中进行广泛测试	开发一种有效的心理压力自动检测技术	职业环境中的心理压力	机器学习	NA	深度学习	Informer	生理信号	NA	NA	Informer	准确率, 召回率, F1分数	NA
777	2025-12-31	DUDE: deep unsupervised domain adaptation using variable nEighbors for physiological time series analysis 2025-Dec-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2231 PMID:41265030	研究论文	提出了一种名为DUDE的深度无监督域适应框架，用于处理生理时间序列分析中的分布偏移问题	引入了一种基于动态邻居选择策略的新型对比损失，根据潜在空间密度自适应确定每个样本的邻居数量	未明确说明模型在极端分布偏移或小样本目标域下的性能限制	解决生理信号分析中源域和目标域分布不完全重叠时的域适应挑战	连续生理信号，如心电图或血氧饱和度数据	机器学习	NA	深度无监督域适应	深度学习	时间序列数据	多个真实世界数据集，涉及不同人口统计、种族、地理和共病条件	NA	DUDE	与基线比较的性能提升百分比	NA
778	2025-12-31	RSR-MSI: Reference-Based Super-Resolution for Mass Spectrometry Imaging of Tissues and Single Cells 2025-Dec-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05933 PMID:41308162	研究论文	提出一种基于参考图像的超分辨率方法（RSR-MSI），利用光学显微镜图像作为参考帧，结合原始质谱成像的离子强度数据，从单张低分辨率质谱图像重建高分辨率图像	首次将基于参考图像的超分辨率方法应用于单细胞质谱成像领域，仅需单张低分辨率质谱图像和参考光学图像即可实现亚细胞级分辨率重建，无需大规模训练数据集或配对图像	未明确说明方法对特定组织类型或细胞状态的适用性限制，也未讨论参考图像与质谱图像配准误差对重建结果的影响	开发高空间分辨率、高通量的质谱成像方法，减少数据采集时间	生物组织和单细胞	计算成像	NA	质谱成像（MSI），光学显微镜	深度学习超分辨率网络	质谱图像，光学显微镜图像	NA	NA	NA	NA	NA
779	2025-12-31	Lightweight residual graph augmented transformer for cassava leaf disease recognition using spectral directional features 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33748-3 PMID:41461849	研究论文	本文提出了一种轻量级残差图增强的图-Transformer网络（Lite-RGA-GTNet），用于基于光谱方向特征的木薯叶病害识别	引入了轻量级残差图增强的图-Transformer网络，结合光谱方向预处理和渐进式令牌剪枝，以联合捕获精细病变纹理和长距离空间关系	未明确提及模型在更广泛环境条件或不同作物病害上的泛化能力	开发一种轻量级深度学习模型，用于木薯叶病害的实时识别，以支持可持续农业实践	木薯叶图像，包括健康和病害样本	计算机视觉	木薯叶病害	光谱方向预处理（包括方向梯度和植被指数图）	图-Transformer网络	图像	基准木薯叶图像数据集，包含五类样本（健康及病害）	NA	Lite-RGA-GTNet（轻量级残差图增强的图-Transformer网络）	准确率, 精确率, 召回率, F1分数	NA
780	2025-12-31	Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations 2025-Dec-30, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001333 PMID:41462401	研究论文	本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较	开发了基于复合图像输入的深度学习模型，在检测桶柄状半月板撕裂方面表现优于骨科医生	研究样本主要来自单一机构，外部验证集规模较小，可能影响模型的泛化能力	评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的诊断性能	膝关节X光片（包括前后位和侧位视图）	计算机视觉	骨科疾病	X光成像	CNN	图像	来自406名本院患者和90名外部医院患者的膝关节X光片	NA	NA	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 精确率, F1分数	NA