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	2026-04-14	Depression detection using deep learning and large language models from multimodalities 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1759857 PMID:41878374	综述	本文综述了基于深度学习和大语言模型的多模态抑郁症检测方法的最新进展	探讨了多模态架构（融合语音、面部表情和EEG特征）和基于Transformer的融合机制，以及大语言模型（LLMs）在跨模态对齐、上下文推理和数据高效适应方面的应用，标志着向可扩展、可解释且临床可部署的AI系统发展的新方向	数据集多样性不足、标准化缺乏、可解释性有限以及临床验证不充分	评估客观抑郁症检测的自动化、数据驱动方法	抑郁症患者	自然语言处理, 机器学习	抑郁症	脑电图（EEG）	Transformer, 大语言模型（LLMs）	多模态数据（EEG、语音、面部表情）	NA	NA	Transformer	准确率, F1分数	NA
2	2026-04-14	Exploring the relationship between urban visual density and responsible tourism behavior: a multimodal study of Macao 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1783451 PMID:41969867	研究论文	本研究通过结合调查建模和街景视觉分析，探索了澳门城市视觉密度与负责任旅游行为之间的关系	采用多模态设计，首次将游客心理评估与客观测量的城市视觉环境指标（如绿视指数、天空视域因子）相结合，以理解高密度城市旅游目的地的负责任旅游行为	研究结果应解释为情境对齐，而非独立环境效应或跨区域因果推断的证据，限制了因果关系的明确性	探索城市视觉密度与负责任旅游行为之间的关系，以促进可持续旅游发展	519名非本地游客的调研数据及澳门街景视觉指标	计算机视觉	NA	基于深度学习的语义分割	NA	调查数据、街景图像	519名非本地游客	NA	NA	NA	NA
3	2026-04-14	Alzheimer's disease detection using a quantum deep neural network with Haralick feature extraction and simulated annealing optimization 2026, PeerJ. Computer science DOI:10.7717/peerj-cs.3387 PMID:41970019	研究论文	本文提出了一种结合量子计算、深度神经网络、Haralick特征提取和模拟退火优化的新方法，用于从MRI图像中检测阿尔茨海默病	提出了一种量子深度神经网络（QDNN）框架，并引入了新的特征特定模拟退火方法（FSSA）来优化Haralick特征和模型参数，结合了量子计算的优势与深度学习的特征学习能力	未提及模型的计算复杂度、泛化能力测试或在其他独立数据集上的验证情况	开发一种高效、准确的阿尔茨海默病早期检测方法	阿尔茨海默病患者的轴向MRI图像	机器学习	阿尔茨海默病	MRI成像	量子深度神经网络	图像	11,519张轴向MRI图像（分为四个平衡类别，每类2,560张）	NA	量子深度神经网络	准确率, 精确率, 灵敏度, 特异性	NA
4	2026-04-14	Artificial Intelligence in Traditional Chinese Medicine: Unraveling Herbal Medicine's Mechanisms 2026, Research (Washington, D.C.) DOI:10.34133/research.1224 PMID:41970029	综述	本文系统阐述了人工智能如何结合网络药理学，解析传统中药“多成分、多靶点、多通路”的作用机制，并推动其现代化与国际化	提出了将网络药理学作为基础框架，并利用AI（特别是机器学习和深度学习）来克服其局限性，构建“计算预测-实验验证”的整合工作流，以解析中医证候和方剂配伍的底层生物学逻辑	当前大多数AI在中医药领域的应用仍局限于疾病分类、结果预测或草药-靶点关联挖掘，重构中医证候和方剂配伍的底层生物学逻辑的能力有限	探讨人工智能在解析传统中医药复杂作用机制、质量控制、多组学整合以及推动其现代化和国际化方面的应用与前景	传统中医药，特别是其“多成分、多靶点、多通路”的草药治疗模型	自然语言处理, 机器学习, 数字病理学	肿瘤, 代谢性疾病, 传染性疾病	网络药理学, 多组学数据整合, 光谱数据分析	机器学习, 深度学习, 生成式AI, 大语言模型	网络数据, 光谱数据, 多组学数据, 文本数据（古籍）	NA	NA	NA	NA	NA
5	2026-04-14	Explainable AI-SERS approach for highly accurate discrimination of Escherichia coli pathotypes and Shigella species 2026, Current research in microbial sciences IF:4.8Q1 DOI:10.1016/j.crmicr.2026.100588 PMID:41970215	研究论文	本研究提出了一种结合可解释人工智能（XAI）与表面增强拉曼光谱（SERS）的平台，用于快速准确区分大肠杆菌致病型和志贺氏菌物种	首次将XAI与SERS结合，通过深度学习模型实现高精度分类，并利用SHAP分析提供生化可解释性，揭示了分类的特定特征和分子成分	研究仅基于294株菌株的SERS光谱，样本多样性可能有限，且未在更广泛的临床环境中验证	开发一种快速、准确且可解释的方法，以区分大肠杆菌致病型和志贺氏菌物种，解决传统方法难以区分的挑战	大肠杆菌的五个致病型和志贺氏菌物种	机器学习	腹泻病	表面增强拉曼光谱（SERS）	CNN, 多层感知机	光谱数据	294株菌株，生成7819个SERS光谱	NA	一维卷积神经网络（1D-CNN）, 多层感知机	准确率	NA
6	2026-04-14	NeuralVisionNet: a probabilistic neural process model for continuous visual anticipation 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1781080 PMID:41970471	研究论文	本文提出了一种名为NeuralVisionNet的概率神经网络过程模型，用于实现连续的视觉预测，通过结合分层视频Swin Transformer和注意力神经过程，模拟生物视觉的预测编码机制	提出了一种新颖的概率框架，将视觉预测建模为连续生成过程，并引入了类似网格的编码方案和变分全局潜在变量来确保长期语义一致性	NA	开发一个能够连续预测未来视觉事件的生物启发式模型，解决深度学习模型在长期一致性方面的挑战	视觉预测任务，特别是在视频序列中连续生成未来帧	计算机视觉	NA	NA	Transformer, 注意力神经过程	视频	NA	NA	视频Swin Transformer, 注意力神经过程	FVD, SSIM	NA
7	2026-04-14	Correction: Depression detection using deep learning and large language models from multimodalities 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1827697 PMID:41970524	correction	本文是对先前发表文章（DOI: 10.3389/fdgth.2026.1759857）的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8	2026-04-14	ReHeartNet: Reconstruct Electrocardiogram From Photoplethysmography by Using Dense Connected Deep Learning Model 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3670010 PMID:41970650	研究论文	本研究提出了一种名为ReHeartNet的深度学习模型，用于从光电容积脉搏波信号中重建心电图信号，以实现舒适、非侵入式的心律监测	提出了一种新颖的密集连接双向长短期记忆网络架构，通过多尺度时序和频率关系建模以及层次特征融合，实现了从PPG到ECG的高保真重建	NA	从光电容积脉搏波信号中重建心电图信号，以简化心脏监测过程并提高舒适度	健康个体以及患有循环系统疾病和心律失常的患者	机器学习	心血管疾病	NA	深度学习模型	时序信号数据	使用了四个公开数据集：MIMIC-III, BIDMC, TBME-RR, 和 CBIC-Heart	NA	密集连接双向长短期记忆网络	NA	NA
9	2026-04-14	Leveraging Vision Transformers for High-Precision Classification of Cancer Cell Cultures: A Comparative Study on MDA-MB-231 and PC3 Datasets 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3666980 PMID:41970653	研究论文	本研究利用视觉变换器（ViT）和注意力增强的CNN模型，对MDA-MB-231和PC3癌细胞培养图像进行高精度分类，并比较了不同模型的性能	首次将视觉变换器（ViT）应用于癌细胞培养图像分类，并与注意力增强的CNN模型进行对比，展示了ViT在建模长距离依赖关系方面的优势	研究仅针对MDA-MB-231和PC3两种癌细胞系，未扩展到更多类型的癌症细胞，且未详细讨论模型的计算复杂度	开发自动化深度学习方法来准确分类癌细胞培养图像，以替代传统主观的手动评估	MDA-MB-231（三阴性乳腺癌）和PC3（前列腺癌）细胞培养图像	计算机视觉	乳腺癌, 前列腺癌	Otsu阈值分割, 形态学滤波, 分水岭分割, 类别平衡增强	CNN, ViT	图像	MDA-MB-231和PC3细胞图像数据集，具体样本数量未明确	未明确指定	CNN-SE, CNN-CBAM, ViT	准确率, 泛化能力	未明确指定
10	2026-04-14	Render EEG-Based Brain-Computer Interfaces Calibration-Free: Trade Space for Time in EEG Decoding 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667029 PMID:41970658	研究论文	本文提出了一种基于脑电图（EEG）的脑机接口（BCI）免校准解码策略，通过模型池选择机制替代传统的单一模型校准	提出了“以空间换时间”的免校准EEG解码策略，用包含通用模型和多个专用偏置模型的模型池替代单一模型，通过输入数据特征自动选择最合适的模型，实现即时适应而无需重新训练	在第三个数据集上的性能略低于受试者内解码（0.8804 vs 0.8888），且模型选择机制的泛化能力在不同EEG范式下需进一步验证	解决EEG脑机接口中受试者特异性校准导致的部署效率低下问题，实现免校准的实时EEG解码	基于EEG的脑机接口系统	机器学习	NA	脑电图（EEG）信号采集与解码	深度学习模型	脑电图（EEG）时间序列数据	多个公开EEG数据集（具体数量未说明）	NA	紧凑型深度学习架构（具体架构未说明）	解码性能比较（具体指标未说明，以数值对比呈现）	NA
11	2026-04-14	Gyrosphygmogram-Based Blood Pressure Estimation: A Comparative Study of Pulse Transit Time and CNN-LSTM Methods 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667031 PMID:41970656	研究论文	本研究通过比较传统的脉搏波传导时间（PTT）方法与深度学习框架，评估了新型可穿戴信号——陀螺脉搏图（GSG）在无袖带血压监测中的潜力	首次将新型可穿戴信号陀螺脉搏图（GSG）引入无袖带血压估计，并开发了融合多模态信号（ECG、PPG、GSG）的深度学习网络，显著提升了传统PTT方法的性能	研究样本量较小（仅20名健康成年人），且未在患者群体或不同生理条件下进行验证	评估陀螺脉搏图（GSG）信号在无袖带血压监测中的有效性，并比较传统PTT方法与深度学习方法的性能	健康成年人的心电信号（ECG）、光电容积脉搏波（PPG）和手腕陀螺脉搏图（GSG）信号	机器学习	心血管疾病	多模态信号采集（ECG、PPG、GSG）	CNN-LSTM	时间序列信号	20名健康成年人	未明确说明	多模态深度学习网络（融合CNN和LSTM）	平均绝对误差（MAE）	未明确说明
12	2026-04-14	When Kids Radiate: Low-Resolution Thermography for Total Energy Expenditure Estimation in Pediatric Patients - A Proof of Concept 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667036 PMID:41970657	研究论文	本研究提出了一种基于深度学习的框架，利用低分辨率热成像技术估计儿科患者的总能量消耗	首次将低分辨率热成像与深度学习结合用于儿科患者能量消耗估计，在视觉噪声和遮挡情况下仍能分割解剖相关区域	研究样本量有限（116例），未与其他能量消耗测量方法进行直接比较，在数据受限环境中的普适性需进一步验证	开发非侵入式、可扩展的儿科代谢监测方法	儿科重症监护病房（PICU）的患者	计算机视觉	儿科疾病	热成像技术	深度学习	热成像图像	116名儿科患者	未明确说明	UNet	平均绝对误差（279 kcal/m²/天）	NA
13	2026-04-14	Accurate and Generalizable Protein-Ligand Binding Affinity Prediction With Geometric Deep Learning 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667030 PMID:41970654	研究论文	提出了一种基于几何深度学习的蛋白质-配体结合亲和力预测方法IPBind，通过利用复合物结合与未结合状态间的原子间势能，实现准确且可泛化的预测	利用几何深度学习结合原子间势能，在新型未见蛋白质配体结合场景中保持稳健性能，提供原子级预测洞察	未明确说明方法在极端结构变异或罕见蛋白质家族中的泛化能力限制	开发能够准确预测蛋白质-配体结合亲和力并具有强泛化能力的计算方法	蛋白质-配体结合复合物	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-配体复合物的三维结构数据	NA	NA	IPBind	结合亲和力预测准确性	NA
14	2026-04-14	Early-warning prediction of visceral leishmaniasis mortality using a multivariate STL-deep learning hybrid approach on 20 years of monthly time series 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1754966 PMID:41971279	研究论文	本研究提出了一种结合季节性趋势分解与多种机器学习模型的混合预测框架，用于预测苏丹Gedaref州气候驱动的内脏利什曼病死亡率	首次将STL分解与GPR、LSTM、TPA-LSTM和LightGBM等模型结合，专注于内脏利什曼病死亡率预测，填补了该领域的研究空白	深度学习模型未能充分捕捉非线性、长期依赖和季节性变化，预测性能有待提升	开发早期预警系统以预测内脏利什曼病死亡率，支持公共卫生干预	苏丹Gedaref州的内脏利什曼病死亡率时间序列数据	机器学习	内脏利什曼病	时间序列分析，季节性趋势分解	GPR, LSTM, TPA-LSTM, LightGBM	时间序列数据	2002年至2022年共20年的月度数据	NA	STL-LightGBM, STL-GPR, STL-LSTM, STL-TPA-LSTM	MAE, RMSE, MAPE, R², Willmott Index, PBIAS	NA
15	2026-04-14	Electroencephalogram-based multimodal attention level classification using deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1791677 PMID:41971349	研究论文	本研究提出了一种基于多模态脑机接口系统的注意力水平预测方法，整合了脑电图、心电图和眼电图信号以提高预测准确性和鲁棒性	提出了多特征增强注意力网络（MEAN），利用脑电图、心电图和眼电图信号的互补优势，克服了单模态信号易受噪声影响和信息范围有限的局限性	未明确提及具体局限性	开发一种新颖的注意力水平预测方法，通过整合多模态生理信号来增强预测准确性和鲁棒性	注意力水平预测	机器学习	NA	脑电图（EEG）、心电图（ECG）、眼电图（EOG）信号采集	深度学习	生理信号（脑电图、心电图、眼电图）	未明确提及样本数量	NA	多特征增强注意力网络（MEAN）	准确率	NA
16	2026-04-14	Artificial intelligence-driven personalized dietary recommendations for gastric cancer high-risk populations: a narrative review 2026, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2026.1802970 PMID:41971387	综述	本文综述了人工智能在提供个性化饮食建议方面的当前应用，并探讨了其在胃癌高危人群中的潜在适用性	首次系统性地将人工智能驱动的个性化营养干预方法，从代谢性疾病领域拓展并展望应用于胃癌高危人群的预防，并强调了整合多组学数据和考虑胃微生物组相互作用的潜力	目前尚无针对胃癌患者的直接干预试验证据，主要依赖来自糖尿病和肥胖等代谢性疾病的间接证据；且面临技术可解释性、数据隐私、人群差异和临床验证等多重挑战	探索人工智能在胃癌高危人群中提供个性化饮食建议的潜力和应用前景，以弥补传统预防措施的不足	胃癌高危人群	机器学习	胃癌	多组学数据整合	机器学习，深度学习	NA	NA	NA	NA	NA	NA
17	2026-04-14	Multiphasic CT-based multimodal deep learning model for predicting early hepatocellular carcinoma recurrence following liver transplantation 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1767885 PMID:41971433	研究论文	本研究开发了一种整合多期相CT影像与临床实验室参数的多模态深度学习模型，用于预测肝细胞癌肝移植后的早期复发	首次结合多期相CT影像特征与临床参数构建多模态深度学习模型，用于预测HCC肝移植后早期复发，并通过SHAP分析增强模型可解释性	研究为单中心回顾性分析，样本量相对有限（147例患者），需要多中心前瞻性研究进一步验证	预测肝细胞癌（HCC）患者接受肝移植后的早期复发风险	147例在天津第一中心医院接受肝移植的HCC患者，分为复发组（40例）和非复发组（107例）	数字病理学	肝细胞癌	多期相计算机断层扫描（CT）	深度学习模型	医学影像（CT图像）、临床参数、实验室数据	147例HCC肝移植患者	NA	多模态深度学习模型	受试者工作特征曲线下面积（AUC）	NA
18	2026-04-14	Integrated ultrasound-based radiomics and deep learning models in screening breast intraductal high-risk lesions or carcinoma: a multicenter retrospective study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1705400 PMID:41971435	研究论文	本研究探讨了基于超声的影像组学与深度学习模型在筛查乳腺导管内高风险病变或癌变中的诊断性能	开发了一种融合影像组学与深度学习预测概率的集成模型，用于筛查乳腺导管内高风险或恶性病变，并在多中心数据中验证了其优于单一模型的性能	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	评估超声影像组学与深度学习模型在筛查乳腺导管内高风险或恶性病变中的诊断效能	乳腺导管内病变患者	数字病理学	乳腺癌	超声成像	逻辑回归, CNN	图像	785个病灶（486个良性，299个高风险或恶性），来自中国五家医院	NA	ResNet-50	AUC	NA
19	2026-04-14	Precise leaf damage detection across diverse species and environments via a large-scale vision model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1788926 PMID:41971547	研究论文	本文提出了一种基于基础模型适应的大规模视觉模型，用于实现跨物种和复杂环境下的作物叶片损伤精确检测	提出了一种新的建模范式，从传统的任务特定训练转向基础模型适应，通过集成DinoV3基础模型与Unet框架，并引入空间先验模块和投影模块，有效弥合通用预训练与领域特定需求之间的差距	研究主要针对咖啡和黑豆数据集进行验证，虽然扩展到AMG数据集，但尚未覆盖更广泛的作物种类和极端环境条件	开发一种能够跨物种和复杂田间环境泛化的叶片损伤检测方法，用于实时植物健康监测和产量估算	作物叶片损伤（病斑）	计算机视觉	植物病害	深度学习，图像分割	CNN，Transformer	图像	咖啡叶片数据集和黑豆数据集，以及更大的AMG数据集	PyTorch	DinoV3, Unet	交并比，像素准确率	未明确指定，但提及实现了极高的计算效率（推理时间减少93.6%）
20	2026-04-14	AI algorithms and IoT platforms for anomaly and failure prediction in industrial machinery-systematic review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1799522 PMID:41971622	综述	本文对用于工业机械异常和故障预测的人工智能算法、软件及物联网平台进行了系统性文献综述	系统性地分类了预测性维护中的人工智能技术，并识别了九种支持维护操作的软件和物联网技术，同时探讨了知识迁移在数据突变时对算法的改进作用	NA	旨在通过系统性文献综述，探讨人工智能算法和物联网平台在工业机械异常和故障预测中的应用	工业机械的预测性维护	机器学习	NA	NA	机器学习, 神经网络	NA	NA	NA	NA	NA	NA