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
341	2026-01-03	Dementia Detection via Retinal Hyperspectral Imaging and Deep Learning: Clinical Dataset Analysis and Comparative Evaluation of Multiple Architectures 2025-Dec-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121362 PMID:41463659	研究论文	本研究利用智能高光谱成像和深度学习技术，通过分析视网膜组织的高光谱信息来检测痴呆症	首次将高光谱成像技术应用于痴呆症的视网膜检测，并通过比较多种CNN架构验证了高光谱信息在提升模型诊断准确性方面的优势	样本量相对较小（仅137名参与者），且未详细说明模型在不同痴呆亚型或严重程度下的泛化能力	开发一种基于视网膜高光谱成像的早期、非侵入性痴呆症检测方法	从137名参与者收集的3256张眼底镜图像	计算机视觉	老年疾病	高光谱成像	CNN	图像	137名参与者的3256张眼底镜图像	NA	ResNet50, Inception_v3, GoogLeNet, EfficientNet	准确率	NA
342	2026-01-03	Harnessing Machine Learning Approaches for the Identification, Characterization, and Optimization of Novel Antimicrobial Peptides 2025-Dec-14, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics14121263 PMID:41463765	综述	本文综述了利用机器学习方法识别、表征和优化新型抗菌肽的研究进展	提出了多模态范式策略，整合了主动学习实验循环、机制可解释性、精选数据资源和不确定性估计，以加速AI驱动的新型抗菌肽发现	需要计算和湿实验室实验验证的协作，以确保可重复的基准和可互操作的数据	利用人工智能方法加速新型抗菌肽的发现，以对抗多重耐药革兰氏阴性病原体	抗菌肽（AMPs）	机器学习	NA	基因组、宏基因组大规模挖掘，MIC定量物种解析活性预测	经典机器学习、深度学习、Transformer、图神经网络、几何编码器、多模态混合学习、闭环生成方法、大语言模型	序列数据、结构数据	NA	NA	NA	NA	NA
343	2026-01-03	Deep Learning-Assisted Detection and Classification of Thymoma Tumors in CT Scans 2025-Dec-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243191 PMID:41464191	研究论文	本研究提出了一种基于深度学习的模型，用于从CT扫描中检测和分类胸腺瘤，旨在提高诊断准确性	结合了预训练的VGG16网络进行特征提取和MLP-Mixer模块进行特征增强，有效建模局部和全局特征依赖，无需传统卷积机制	NA	提高胸腺瘤在CT图像中的检测和亚型分类（良性 vs 恶性）的诊断准确性	胸腺瘤CT扫描图像	计算机视觉	胸腺瘤	CT扫描	深度学习	图像	NA	NA	VGG16, MLP-Mixer	F1分数, 准确率, 召回率, 精确率	NA
344	2026-01-03	DCL-A: An Unsupervised Ultrasound Beamforming Framework with Adaptive Deep Coherence Loss for Single Plane Wave Imaging 2025-Dec-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243193 PMID:41464197	研究论文	本文提出了一种基于自适应深度相干性损失的无监督超声波束形成框架，用于提升单平面波成像的图像质量	在相干性损失函数中引入了线性或非线性自适应权重，根据输入与目标平面波帧之间的角度距离动态调整权重，从而更有效地抑制旁瓣和栅瓣伪影	未明确说明模型在更广泛临床数据上的泛化能力，以及计算复杂度和实时性在临床环境中的具体表现	提升单平面波成像的图像质量，抑制波束形成伪影，同时保持超高速采集速率	超声单平面波成像	医学影像处理	NA	单平面波成像	深度学习	图像	公开数据集，包括仿真、体模和体内图像	NA	NA	峰值范围旁瓣水平, 半高全宽, 广义对比度噪声比	NA
345	2026-01-03	Artificial Intelligence and the Future of Cardiac Implantable Electronic Devices: Diagnostics, Monitoring, and Therapy 2025-Dec-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248824 PMID:41464726	综述	本文综述了人工智能在心脏植入式电子设备（CIEDs）领域，包括诊断、远程监测和治疗优化方面的主要应用、最新进展及未来挑战	系统总结了近五年AI在CIED领域的最新应用，包括利用机器学习提高心律失常检测准确性、预测ICD电击事件、个性化预测CRT治疗反应，并探索了自然语言处理和强化学习等新方法整合多源数据与设备自我调节	作为叙述性综述，未进行系统性荟萃分析；文中讨论的AI应用大多处于研究阶段，尚未在常规临床护理中广泛验证；面临数据标准化、临床试验验证和监管审批等转化挑战	探讨人工智能技术如何提升心脏植入式电子设备（CIEDs）的诊断能力、远程监测效率和治疗优化水平	心脏植入式电子设备（CIEDs），包括起搏器、植入式心律转复除颤器（ICDs）和心脏再同步治疗（CRT）设备及其产生的数据	机器学习	心血管疾病	NA	机器学习, 深度学习, 神经网络, 自然语言处理, 强化学习	设备监测数据, 临床数据, 文本数据	NA	NA	NA	NA	NA
346	2026-01-03	Artificial Intelligence in Obesity Prevention 2025-Dec-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243262 PMID:41464330	综述	本文对人工智能在肥胖预防领域的研究进行了全面分析，探讨了AI在肥胖评估、预测及预防中的应用	通过范围综述方法，系统梳理了2009年至2025年间AI在肥胖研究中的应用，并总结了机器学习算法在数据分析和模式识别中的新见解	需要更多研究来验证AI在肥胖预测中的实际效果，且现有研究可能受数据来源和时间范围的限制	评估和预测肥胖，以促进早期识别和诊断，从而预防相关慢性疾病	肥胖及相关慢性疾病（如癌症、糖尿病、代谢综合征和心血管疾病）	机器学习	肥胖症	范围综述方法，基于PubMed、Scopus、Web of Science和Google Scholar的文献分析	逻辑回归, 决策树, 人工神经网络	文本数据（文献）	NA	NA	NA	NA	NA
347	2026-01-03	Multi-Source Porosity Image Normalization (NMI) in Selective Laser Melting for Reliable Reuse of Heterogeneous Microstructural Data 2025-Dec-12, Materials (Basel, Switzerland) DOI:10.3390/ma18245579 PMID:41470352	研究论文	本研究提出了一种用于选择性激光熔化多源孔隙图像归一化的创新方法，以促进异质微观结构数据的可靠重用	提出了一种集成尺度条检测与移除、物理尺寸归一化和分辨率协调的创新归一化方法，确保尺寸一致性的同时保留关键孔隙特征	NA	解决选择性激光熔化中孔隙缺陷预测和过程优化的数据异质性问题，促进机器学习与深度学习的应用	选择性激光熔化制造的多源孔隙图像数据	机器视觉	NA	选择性激光熔化	NA	图像	文献来源和实验数据集	NA	NA	NA	NA
348	2026-01-03	Tucker Decomposition-Based Feature Selection and SSA-Optimized Multi-Kernel SVM for Transformer Fault Diagnosis 2025-Dec-12, Sensors (Basel, Switzerland) DOI:10.3390/s25247547 PMID:41471543	研究论文	本文提出了一种结合特征工程、张量分解特征选择和麻雀搜索算法优化的多核支持向量机的智能诊断框架，用于电力变压器故障分类	开发了基于Tucker分解的特征选择方法，量化特征重要性，并结合SSA优化的多核SVM架构，显著提升了分类准确率	NA	提高电力变压器故障诊断的准确性和可靠性	电力变压器故障数据	机器学习	NA	溶解气体分析	支持向量机	气体浓度测量数据	NA	NA	多核支持向量机	分类准确率	NA
349	2026-01-03	A multimodal LLM-agent framework for personalized clinical decision-making in hepatocellular carcinoma 2025-Dec-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101364 PMID:41472823	研究论文	本文开发了一个结合影像组学、深度学习和大型语言模型（LLM）决策代理的多模态框架，用于生成个性化的肝细胞癌（HCC）治疗建议	提出了一个集成多模态数据（影像、病理标志物）和多种AI代理（包括改进的深度学习模型和LLM）的个性化临床决策框架，用于HCC治疗	未明确说明样本量、外部验证情况以及框架在临床实际工作流程中的整合难度	开发AI辅助的个性化肝细胞癌临床决策框架，提高治疗精准度	肝细胞癌（HCC）患者	数字病理学	肝癌	MRI影像分析，影像组学，深度学习	CNN, LLM	医学影像（MRI），结构化多模态数据	NA	NA	改进的GhostNet（融合了空洞卷积、CBAM通道与空间注意力机制、RCA残差通道注意力模块）	准确率，临床相关性评分	NA
350	2026-01-03	Artificial Intelligence Applications in Chronic Obstructive Pulmonary Disease: A Global Scoping Review of Diagnostic, Symptom-Based, and Outcome Prediction Approaches 2025-Dec-11, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13123053 PMID:41463064	综述	本文对人工智能在慢性阻塞性肺疾病（COPD）诊断、症状分析和预后预测三个关键领域的应用研究进行了全球范围的系统性梳理与总结	首次对全球范围内AI在COPD领域的应用研究进行了系统性范围综述，并识别了三个关键研究领域及当前主要研究趋势与空白	纳入研究主要为回顾性分析，缺乏前瞻性验证和临床实施研究，且来自南美洲和非洲的数据稀缺	系统梳理和总结人工智能在慢性阻塞性肺疾病领域的应用研究现状	已发表的关于AI应用于COPD的原始研究文献	机器学习	慢性阻塞性肺疾病	NA	深度学习, 基于树的机器学习模型	电子健康记录, 胸部CT扫描, 音频记录	共纳入120项全球分布的研究	NA	卷积神经网络, CatBoost	准确率	NA
351	2026-01-03	Implementation of a Stress Biomarker and Development of a Deep Neural Network-Based Multi-Mental State Classification Model 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121352 PMID:41463649	研究论文	本研究开发了一个基于深度神经网络的模型，用于预测压力水平并解释其背后的生理模式，利用大规模真实生活生物信号数据	结合了静态机器学习模型（如随机森林和LightGBM）与时间序列深度学习模型（如LSTM和Transformer），并通过SHAP和Transformer注意力权重可视化增强了模型可解释性，以大规模纵向生物信号数据为基础构建压力预测框架	研究中使用的真实标签是基于K-FDA批准的穿戴设备中心率变异性算法生成的输出，而非临床验证的评估（如唾液皮质醇或心理量表），因此模型预测的是设备衍生的生理压力水平，而非独立的临床压力标志物	评估深度学习模型能否准确学习和重现现有基于心率变异性算法生成的压力指数，为未来使用临床验证压力标签的应用提供方法学基础	世宗特别自治市居民在两年期间（2023年2月至2024年12月）自愿收集的大规模纵向生物信号数据	机器学习	NA	心率变异性分析	LSTM, Transformer	生物信号数据	约137,000个纵向测量数据点	NA	LSTM, Transformer	分类准确率	NA
352	2026-01-03	A Review on Registration Techniques for Cardiac Computed Tomography and Ultrasound Images 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121351 PMID:41463648	综述	本文综述了心脏CT与超声图像配准的研究进展，分析了现有方法及其优缺点	探讨了深度学习在心脏图像配准中的潜力，并展望了个性化医疗和实时监测中的应用前景	未提出新的配准算法，主要基于现有文献进行总结和分析	总结心脏CT与超声图像配准技术的研究进展，为相关领域提供理论框架	心脏CT图像和超声图像	医学影像	心血管疾病	CT和超声成像	NA	图像	NA	NA	NA	NA	NA
353	2026-01-03	AI-Based Quantitative HRCT for In-Hospital Adverse Outcomes and Exploratory Assessment of Reinfection in COVID-19 2025-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243156 PMID:41464157	研究论文	本研究探讨了基于AI的定量高分辨率CT（HRCT）指标在预测COVID-19患者院内复合不良结局和长期再感染风险中的增量预后价值	首次将深度学习衍生的定量HRCT特征与临床因素结合，评估其对COVID-19患者院内不良结局和长期再感染风险的预测能力，填补了现有影像研究在早期恶化和再感染关联方面的知识空白	再感染分析受限于事件数量极少（仅18例）和宽置信区间，统计不确定性较大，需要外部队列验证	评估AI定量HRCT指标结合临床因素是否能改善COVID-19肺炎患者院内复合不良事件预测，并探索其与长期再感染的关联	236例经RT-PCR确诊的COVID-19患者，均接受了基线HRCT检查	数字病理学	COVID-19	高分辨率CT（HRCT），反向转录聚合酶链反应（RT-PCR）	深度学习模型	CT影像	236例患者（院内结局分析），193例患者（长期再感染分析）	NA	预训练自适应AI原型模型（西门子Healthineers）	AUC，C-index，置信区间	NA
354	2026-01-03	Visual Food Ingredient Prediction Using Deep Learning with Direct F-Score Optimization 2025-Dec-11, Foods (Basel, Switzerland) DOI:10.3390/foods14244269 PMID:41464974	研究论文	本文提出了一种基于深度学习的视觉食物成分预测方法，通过直接优化F分数来应对类别不平衡问题	将F分数优化问题重新表述为成本敏感分类器优化，并提出了计算高效的算法来估计最优相对成本参数	未明确说明方法在其他数据集或任务上的泛化性能	开发一种能够有效处理类别不平衡的多标签分类方法，用于食物成分预测	食物图像及其对应的成分标签	计算机视觉	NA	深度学习	人工神经网络	图像	Recipe1M数据集	NA	NA	micro F1分数	NA
355	2026-01-03	A Graph-Based Deep Learning Framework with Gating and Omics-Linked Attention for Multi-Omics Integration and Biomarker Discovery 2025-Dec-10, Biology DOI:10.3390/biology14121764 PMID:41463537	研究论文	本文提出了一种名为MOGOLA的新型深度学习框架，用于多组学数据集成和生物标志物发现	提出了结合图卷积网络和图注意力网络的混合图学习模块、自适应加权不同组学特征重要性的门控与置信机制，以及捕获组学间关系的跨组学注意力融合模块	未明确说明	实现有效且可解释的多组学数据集成，以促进疾病分类和生物标志物发现	多组学数据（如基因组学、转录组学等）	机器学习	NA	多组学测序	GCN, GAT	多组学数据	四个基准数据集（BRCA, KIPAN, ROSMAP, LGG）	NA	Graph Convolutional Networks, Graph Attention Networks	NA	NA
356	2026-01-03	Artificial Intelligence in Tetralogy of Fallot: From Prenatal Diagnosis to Lifelong Management: A Narrative Review 2025-Dec-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121349 PMID:41463646	综述	本文综述了人工智能在法洛四联症从产前诊断到终身管理全过程中的应用现状与前景	首次系统性地将人工智能技术在法洛四联症从产前到成年的全生命周期管理中的多种应用进行整合综述，并展望了多模态数据融合支持精准医疗的未来方向	数据集有限、模型可解释性不足、监管标准缺失以及伦理问题等挑战仍然存在	探讨人工智能在先天性心脏病（特别是法洛四联症）诊疗与管理中的应用潜力	法洛四联症患者	医学人工智能	先天性心脏病	机器学习、深度学习、自然语言处理	NA	影像数据、电子健康记录、基因组信息、连续监测数据	NA	NA	NA	NA	NA
357	2026-01-03	Explainable Deep Learning for Breast Lesion Classification in Digital and Contrast-Enhanced Mammography 2025-Dec-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243143 PMID:41464144	研究论文	本研究评估了三种卷积神经网络架构在数字乳腺X线摄影和对比增强乳腺X线摄影图像上对乳腺病变进行二元分类的性能，并利用可解释性方法分析了模型的决策模式	首次在完全相同的预处理、训练和评估条件下，使用可解释深度学习模型直接比较数字乳腺X线摄影和对比增强乳腺X线摄影两种模态的性能和决策模式	研究仅使用公开数据集，样本量相对有限，且仅评估了三种CNN架构	评估深度学习模型在不同乳腺X线摄影模态上的分类性能，并分析其决策模式的一致性	乳腺病变图像	计算机视觉	乳腺癌	对比增强乳腺X线摄影	CNN	图像	2006张图像，来自公共CDD-CESM数据集	NA	ResNet-18, DenseNet-121, EfficientNet-B0	AUC, 准确率	NA
358	2026-01-03	Molecular Remodeling of Milk Fat Globules Induced by Centrifugation: Insights from Deep Learning-Based Detection of Milk Adulteration 2025-Dec-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262411919 PMID:41465343	研究论文	本研究应用深度学习方法，通过分析牛奶显微图像来检测离心处理导致的牛奶掺假，揭示了其分子层面的重组机制	首次将深度学习模型应用于检测离心引起的牛奶微观结构分子重组，而非传统的形态学变化，并证明其性能远超人类专家	研究仅基于128对样本和约25,000张显微图像，样本量和多样性可能有限；且仅针对离心这一种掺假方式	开发一种基于人工智能的精确、客观工具，用于检测牛奶离心掺假，提升食品真实性诊断能力	生牛奶样本（包括未处理样本和离心处理样本）及其显微图像	计算机视觉	NA	明场显微成像	CNN, 混合注意力架构	图像	128对生牛奶样本，约25,000张明场显微图像	NA	ResNet-18, ResNet-50, Inception-v3, Xception, NasNet-Mobile, MaxViT, CoAtNet	准确率, HAR（每样本五张显微图像的召回率调和平均值）	NA
359	2026-01-03	A Weakly Supervised Approach for HPV Status Prediction in Oropharyngeal Carcinoma from H&E-Stained Slides 2025-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers17243938 PMID:41463189	研究论文	本研究采用弱监督深度学习框架CLAM，直接从口咽鳞状细胞癌的H&E染色全切片图像中预测HPV状态	首次应用CLAM框架于HPV状态预测，通过注意力热图揭示模型关注肿瘤富集区域，并在细胞层面验证形态学特征与HPV状态的一致性	错误主要出现在p16/ISH状态冲突或切片质量不佳的样本中，样本量相对较小（仅123张WSI）	开发一种基于常规H&E切片的深度学习方法来准确预测口咽鳞状细胞癌的HPV状态，以辅助治疗分层	口咽鳞状细胞癌患者的H&E染色全切片图像	数字病理学	口咽癌	H&E染色，p16免疫组化，原位杂交	弱监督深度学习，聚类约束注意力多实例学习	全切片图像	123张全切片图像，来自TCGA队列和OPSCC-UNINA队列	CLAM	CLAM	细胞层面准确率	NA
360	2026-01-03	PSO-BiLSTM-Attention: An Interpretable Deep Learning Model Optimized by Particle Swarm Optimization for Accurate Ischemic Heart Disease Incidence Forecasting 2025-Dec-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121343 PMID:41463640	研究论文	本文提出了一种结合粒子群优化、双向长短期记忆网络和多尺度注意力机制的可解释深度学习模型，用于准确预测缺血性心脏病的发病率	开发了一种新颖的可解释预测框架，结合了粒子群优化、双向长短期记忆网络和创新的多尺度注意力机制，并通过SHAP分析提供了三层级的可解释性分析	NA	准确预测缺血性心脏病的发病率，以支持有效的预防策略和公共卫生政策	全球疾病负担数据库中1990年至2021年的年龄标准化发病率数据，按24个性别-年龄亚组分层	机器学习	心血管疾病	NA	BiLSTM, Attention	时间序列数据	全球疾病负担数据库1990-2021年的年龄标准化发病率数据，按24个性别-年龄亚组分层处理	NA	BiLSTM, Attention	平均绝对误差, 均方根误差, R	NA