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
541	2026-03-24	AI-navigated shoulder injection: precision, real-time learning and clinical translation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1727704 PMID:41867312	综述	本文综述了人工智能引导的超声肩关节注射技术，系统检索了相关研究并评估了其技术原理、临床应用及伦理监管	通过AI技术实现精准定位和实时学习，克服传统超声引导的局限性，优化肩关节注射治疗	NA	评估人工智能在超声引导肩关节注射中的应用效果及临床价值	人工智能引导的肩关节注射相关研究文献	计算机视觉	肩关节疾病	超声成像	深度学习	医学图像	NA	NA	NA	Dice相似系数, 首次穿刺成功率, 视觉模拟量表评分, 美国肩肘外科医师评分	NA
542	2026-03-24	Artificial neural networks fighting real neural decline: a systematic review of AI in Alzheimer's research 2026, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11484-4 PMID:41867506	系统综述	本文对2010年至2024年间关于人工智能在阿尔茨海默病研究中应用的156项同行评审研究进行了系统性回顾，并提出了一个新颖的分层框架来组织该领域	提出了一个新颖的分层框架，将AI应用分为早期检测、疾病进展建模、治疗发现和现实世界整合四个领域，并应用ARIMA预测模型来预测至2030年的研究轨迹	识别了模型泛化能力有限、伦理问题以及临床实施探索不足等持续存在的挑战	系统性回顾人工智能在阿尔茨海默病研究中的应用，并预测未来研究方向	2010年至2024年间发表的156项关于AI在阿尔茨海默病研究中应用的同行评审研究	机器学习	阿尔茨海默病	NA	深度学习, 生成模型, Transformer	神经影像, 遗传学数据, 生物标志物, 临床数据	NA	NA	Transformer	准确性	NA
543	2026-03-24	Deep learning-based classification of student GPA integrating psychological and family factors in the post-pandemic era 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1696610 PMID:41867970	研究论文	本研究开发了一个基于深度学习的GPA分类框架，整合了家庭背景和心理评估指标，以提升后疫情时代大学生学业成绩预测的准确性	引入了轻量级特征门控机制以改进高维异构数据中的特征选择，并首次将TabTransformer等深度学习模型应用于结合家庭和心理因素的学生GPA分类任务	研究样本仅来自一所中国大学，可能限制结果的普适性；未考虑课程难度、学习环境等其他潜在影响因素	开发一个深度学习框架，通过整合家庭背景和心理评估因素来分类学生GPA，以支持学业风险识别并指导针对性的学业援助和心理干预	来自一所中国大学的1,692名本科生	机器学习	NA	SCL-90心理评估	TabTransformer, DCNv2, AutoInt, MLP-ResNet	表格数据	1,692名本科生	NA	TabTransformer, DCNv2, AutoInt, MLP-ResNet	准确率, AUC	NA
544	2026-03-24	Enhancing deep learning in AI-enhanced education: a dual mediation model of cognitive load and learning motivation through interaction quality 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1768822 PMID:41867972	研究论文	本研究构建并验证了一个双中介模型，探讨了人工智能教育系统中的交互质量如何通过降低认知负荷和增强学习动机来促进深度学习结果	首次将认知负荷理论与自我决定理论相结合，提出了交互质量通过认知负荷与学习动机的双重中介作用影响深度学习的理论框架，并提供了实证证据	研究样本仅限于大学教师，未涵盖学生群体；采用横断面调查数据，无法确定因果关系；未考虑不同学科背景的调节作用	探究人工智能教育系统中交互质量影响深度学习结果的心理机制，为优化AI教育系统设计提供理论依据	使用AI学习平台的570名大学教师	教育技术	NA	问卷调查，协方差结构方程模型	结构方程模型	调查数据	570名大学教师	CB-SEM	双中介结构方程模型	模型拟合指数，方差解释率（R²=31.5%），中介效应占比（53%）	NA
545	2026-03-24	Bidirectional predictive modeling of narcissists' social exclusion and their hostile interpretations: a deep learning-based exploration of cognitive mechanisms 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1761090 PMID:41868005	研究论文	本研究通过构建深度学习模型（HIBPN），探索自恋特质、社会排斥/接纳情境与敌意解释偏差之间的双向预测关系，并验证自我肯定干预对减少敌意解释偏差的效果	构建了双向预测网络（HIBPN），整合情境变量与自恋特质，建立闭环的“前因-社会排斥-认知”系统，克服传统线性分析的局限性，提供新的认知预测框架	研究样本主要局限于本科生和研究生，可能限制结果的普适性；模型在特定训练-测试集比例下验证，需进一步外部验证	阐明敌意解释、自恋人格特质与社会排斥/接纳情境之间的交互机制，并验证自我肯定干预对社会排斥的影响	大学生和研究生，根据自恋特质分为显性自恋、隐性自恋和中性对照组	机器学习	NA	深度学习	深度学习网络	行为实验数据（情境操纵、特质评分、解释偏差量化）	实验1包括本科生和研究生分组；实验2从实验1中选择隐性自恋者进行随机分配	NA	Hostile Interpretation & Bidirectional Prediction Network (HIBPN)	预测效能（百分比）	NA
546	2026-03-24	Evaluation of classification performance for six types of fundus diseases in OCT images based on multi-source training strategy 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1775911 PMID:41868207	研究论文	本研究构建了一个包含六种关键眼底病变和正常对照的高质量OCT数据集，并系统评估了多源数据融合训练策略对多类别分类性能的提升效果	通过整合本地临床数据与公开数据集OCTDL，建立了一个覆盖七种类别的OCT数据集，并比较了单一来源与多源联合训练策略，验证了多源数据融合对提升模型鲁棒性的有效性	研究仅基于特定医院数据和单一公开数据集，可能未涵盖所有临床场景；模型性能评估仅在OCTDL测试集上进行，可能缺乏外部验证	评估多源训练策略对OCT图像中六种眼底疾病分类性能的改善效果	OCT图像中的年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜动脉阻塞、视网膜静脉阻塞、视网膜前膜、玻璃体黄斑界面疾病及正常对照	计算机视觉	眼底疾病	光学相干断层扫描	深度学习	图像	6165张OCT图像，覆盖七种类别	NA	ViT-Base	准确率, 加权F1分数, 类别特异性召回率, AUC, 误诊率	NA
547	2026-03-24	Deep learning for FDG-PET classification in patients with Alzheimer's disease, dementia with Lewy bodies and their mixed pathology: a solution for diagnostic heterogeneity 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1780858 PMID:41868427	研究论文	本研究开发了一种基于深度学习的集成模型，利用FDG-PET图像对阿尔茨海默病、路易体痴呆、混合病理及健康对照进行分类，以解决诊断异质性问题	首次将深度学习集成模型应用于FDG-PET图像，以区分阿尔茨海默病、路易体痴呆及其混合病理，提高了诊断准确性	样本量相对有限（277名参与者），模型在混合病理分类上的性能（AUROC 0.71）略低于其他组	提高阿尔茨海默病、路易体痴呆及其混合病理的诊断准确性	阿尔茨海默病患者、路易体痴呆患者、混合病理患者及健康对照	数字病理学	老年疾病	FDG-PET成像	深度学习	图像	277名参与者（包括AD、DLB、混合病理及健康对照组）	NA	集成模型	AUROC	NA
548	2026-03-24	Breast tumor segmentation and morphological feature-based classification in ultrasound using a two-stage U-net and SVM 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1774371 PMID:41868544	研究论文	本研究提出了一种基于两阶段U-Net和SVM的计算机辅助诊断框架，用于乳腺超声图像的自动分割和形态特征分类	结合了深度学习分割与基于手工形态特征的SVM分类，在保持高性能的同时提高了临床可解释性	仅使用了四种手工形态特征，可能未充分利用图像信息；数据集规模和多样性未明确说明	实现乳腺超声图像中肿瘤的自动分割和良恶性分类	乳腺超声图像	数字病理学	乳腺癌	超声成像	CNN, SVM	图像	包含正常、良性和恶性病例的综合数据集（具体数量未提供）	未明确指定	U-Net	Mask IoU, 准确率	NA
549	2026-03-24	Dose Prediction Deep Learning-Based Model for VMAT of Prostate Cancer Applying Magnetic Resonance Image (MRI) in Versa HD Linear Accelerator 2026, Advanced biomedical research IF:0.7Q4 DOI:10.4103/abr.abr_180_25 PMID:41868994	研究论文	本研究旨在开发一个基于深度学习的剂量预测模型，用于前列腺癌的容积调强弧形治疗（VMAT），利用MRI在Versa HD直线加速器上生成合成CT图像并进行剂量预测	应用CycleGAN和U-net深度学习框架从MRI生成合成CT图像，用于VMAT剂量预测，并比较了两种模型在Versa HD直线加速器上的性能	样本量较小（仅45名患者），且研究仅针对前列腺癌和特定加速器（Versa HD），可能限制结果的普适性	设计一个基于深度学习的剂量预测模型，以改善前列腺癌VMAT治疗中剂量分布的准确性，减少治疗计划系统的不确定性	前列腺癌患者	数字病理学	前列腺癌	MRI	GAN, CNN	图像	45名患者	NA	CycleGAN, U-net	gamma通过率	NA
550	2026-03-24	Diagnosis of SLAP lesions on shoulder MRI using a 2.5D deep learning and ensemble learning framework 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1730726 PMID:41869384	研究论文	本研究开发了一种结合2.5D深度学习和集成学习的自动化诊断模型，用于在肩部MRI上检测SLAP病变	提出了一种结合2.5D深度学习和集成学习的多切片信息融合框架，显著提高了诊断准确性	研究为回顾性设计，样本量相对较小（185例患者），且模型特异性中等（0.538）	建立SLAP病变的自动化诊断模型以支持临床决策	肩部SLAP病变患者（91例）和对照组（94例）的术前肩部MRI图像	计算机视觉	肩部损伤	肩部磁共振成像（MRI）	CNN, 集成学习	图像	185例患者（91例SLAP病变，94例对照）	PyTorch（推断自Wide_ResNet101_2的预训练）	Wide_ResNet101_2	准确率, AUC, 灵敏度, 特异性, 精确率, F1分数	NA
551	2026-03-24	AI redefine untargeted metabolomics: estimating chemical amounts for a Human Exposome Project 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1775284 PMID:41869597	综述	本文综述了人工智能在非靶向代谢组学中用于化学物质浓度估计的新兴策略，旨在解决人类暴露组计划中从定性检测到定量数据转化的关键瓶颈	提出了结合AI预测电离响应因子和“基质嵌入”校准方法的“分层半定量”策略，使非靶向代谢组学能够将暴露物分类到生物学相关浓度范围，并直接与毒理学框架整合进行风险优先排序	NA	解决非靶向代谢组学中在没有真实标准品的情况下估计化学物质浓度的关键瓶颈，以支持人类暴露组计划	环境暴露物（特别是外源性物质）的化学浓度估计	机器学习	NA	液相色谱-高分辨质谱（LC-HRMS），非靶向代谢组学	回归模型，深度学习	质谱信号强度，分子点云数据	NA	NA	NA	NA	NA
552	2026-03-23	Research on epilepsy detection and recognition based on the combination of time frequency transform and deep learning model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336764 PMID:41860927	研究论文	本文研究了结合时频变换与深度学习模型来检测和识别癫痫脑电图信号的方法	比较了连续小波变换和短时傅里叶变换与三种神经网络模型的组合效果，并针对EEGNet和Shallow ConvNet模型引入了焦点损失、动态数据增强、早期停止机制以及SE注意力模块等优化设计	NA	提高癫痫脑电图信号的检测性能并解决其非平稳特性	癫痫脑电图信号	机器学习	癫痫	连续小波变换，短时傅里叶变换	CNN	脑电图信号	NA	NA	EEGNet, AlexNet, Shallow ConvNet	精度	NA
553	2026-03-21	Identification of neural crest and melanoma cancer cell invasion and migration genes using high-throughput screening and deep attention networks 2026-Jan, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70059 PMID:40637615	研究论文	本研究通过高通量siRNA筛选和深度学习分析，识别了神经嵴和黑色素瘤癌细胞侵袭与迁移的关键基因	结合高通量筛选与深度学习网络，从45个基因中精确定位影响黑色素瘤细胞迁移和侵袭的关键基因子集，并揭示了细胞间相互作用的显著变化	研究主要基于体外细胞系模型，体内功能分析和潜在协同作用需进一步探索	识别神经嵴和黑色素瘤癌细胞侵袭与迁移的关键基因	神经嵴细胞和c8161黑色素瘤细胞系	机器学习	黑色素瘤	高通量siRNA筛选，深度学习分析	深度学习注意力网络	细胞行为数据	c8161黑色素瘤细胞系	NA	深度注意力网络	NA	NA
554	2026-03-21	Differentiating cytology of pancreatic ductal adenocarcinoma and pancreatic neuroendocrine tumors by EUS-FNA through hyperspectral imaging technology combined with artificial intelligence 2026, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251414188 PMID:41541641	研究论文	本研究开发了一种基于高光谱成像技术和卷积神经网络的模型，用于辅助诊断胰腺导管腺癌和胰腺神经内分泌肿瘤的液基细胞学标本	首次将高光谱成像技术与深度学习结合，用于胰腺癌亚型的细胞学鉴别诊断，并利用属性引导因子可视化技术解释模型决策过程	样本量较小（仅59例患者），模型性能需在更大规模数据集中进一步验证	开发人工智能辅助诊断工具，提高胰腺癌亚型鉴别的准确性和效率	通过内镜超声引导细针穿刺获取的胰腺导管腺癌和胰腺神经内分泌肿瘤液基细胞学标本	数字病理学	胰腺癌	高光谱成像，内镜超声引导细针穿刺，液基细胞学	CNN	高光谱图像	59例患者的2014张高光谱图像	PyTorch	改进的ResNet18	灵敏度，特异度，准确率，AUC	NA
555	2026-03-21	Lower Back Muscle Fatigue Recognition Based on the Fusion-Information of Multi-Channel sEMG and NIRS Simultaneous Recordings 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3672775 PMID:41811718	研究论文	本研究提出了一种基于多通道表面肌电信号和近红外光谱同步记录融合信息的下背部肌肉疲劳识别新框架	开发了集成60通道表面肌电电极和近红外光谱探针的混合生理传感器阵列，以及用于融合分析多模态信息的双流卷积混合注意力网络	未明确说明样本量、受试者特征及数据采集的具体环境条件	实现下背部肌肉疲劳的精确和细粒度识别，以预防腰痛和降低职业损伤风险	下背部肌肉疲劳状态	生物医学信号处理	肌肉骨骼疾病	表面肌电信号、近红外光谱	深度学习	多模态生理信号	NA	NA	双流卷积混合注意力网络	分类准确率	NA
556	2026-03-21	ABC-YOLO: Automated skin burn depth classification using YOLO architectures 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344042 PMID:41849304	研究论文	本研究对基于YOLO的深度学习架构进行对比分析，用于皮肤烧伤深度的自动分类	通过整合专有数据集与大型公共数据集，构建了一个稳健的多源数据集，并首次将最新的YOLOv11x-seg架构应用于皮肤烧伤深度分类，展示了其在临床决策支持中的潜力	研究主要基于图像数据，未涉及其他临床参数（如患者年龄、烧伤原因等）的整合分析	开发并评估用于皮肤烧伤深度自动分类的深度学习模型，以辅助临床治疗决策	皮肤烧伤图像	计算机视觉	皮肤烧伤	医学图像分析	YOLO	图像	358张来自Karadeniz Technical University Farabi Hospital的回顾性图像，结合Roboflow Universe和Kaggle的两个大型公共数据集	NA	YOLOv8-seg, YOLOv11-seg (包含medium, large, extra-large不同架构尺寸)	精确率, 召回率, F1分数, mAP@0.5	NA
557	2026-03-21	Artificial intelligence in Brazilian public health: potential, challenges, and ethical implications for the Brazilian Unified Health System 2026, Revista brasileira de epidemiologia = Brazilian journal of epidemiology DOI:10.1590/1980-549720260006 PMID:41849541	综述	本文批判性地分析了人工智能在巴西公共卫生领域的潜力、挑战及伦理影响，重点关注其与统一卫生系统的整合	将人工智能核心概念与公共卫生的政治认识论反思相结合，在统一卫生系统背景下探讨机器学习、深度学习、自然语言处理和大语言模型的应用	这是一篇理论分析性论文，基于文献综述，未涉及实证研究或具体技术实施	分析人工智能融入巴西公共卫生的潜力、挑战及伦理影响，以统一卫生系统原则为指导	巴西统一卫生系统及公共卫生领域	自然语言处理	NA	NA	NA	NA	NA	NA	NA	NA	NA
558	2026-03-21	Cross-dataset adaptation of voxel-level deep radiomics for predicting survival in inoperable locally advanced NSCLC treated with immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1787518 PMID:41853289	研究论文	本研究开发了一种结合体素级深度放射组学和知识迁移策略的预后框架，用于预测接受免疫治疗的不可手术局部晚期非小细胞肺癌患者的总生存期	提出了一种新颖的预后框架，通过整合预处理影像的体素级深度放射组学特征与跨数据集迁移学习策略，以解决免疫治疗数据集有限的问题，并利用Vision-Mamba深度学习模型进行双输入协同训练	研究依赖于手动勾画的肿瘤区域，可能引入人为偏差；且免疫治疗数据集规模有限，可能影响模型的泛化能力	开发一个能够准确预测不可手术局部晚期非小细胞肺癌患者在接受免疫治疗后总生存期的预后模型	526名不可手术局部晚期非小细胞肺癌患者，包括非免疫治疗数据集（RTOG 0617临床试验）和免疫治疗数据集	数字病理学	肺癌	CT影像分析，深度放射组学	深度学习模型	医学影像（CT图像）	526名患者	NA	Vision-Mamba	一致性指数（C-index），时间依赖性受试者工作特征曲线下面积，Kaplan-Meier生存分析，校准曲线，决策曲线分析	NA
559	2026-03-21	AI-powered mapping of tumor immunity for optimized mRNA vaccine engineering 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1766201 PMID:41853314	综述	本文综述了人工智能（AI）在优化mRNA癌症疫苗设计中的应用，包括新抗原预测、mRNA序列优化和递送系统建模	系统性地整合了机器学习与深度学习方法来增强新抗原预测的准确性，并利用AI优化mRNA序列和脂质纳米颗粒（LNP）配方，以克服肿瘤异质性和免疫逃逸机制	本文是一篇综述，未提出新的实验数据或模型，主要挑战在于如何将AI预测与实验验证有效结合，以及应对高度异质性肿瘤的复杂性	为开发具有更高免疫原性和疗效的个性化mRNA癌症疫苗提供AI驱动的计算框架和实用指南	mRNA癌症疫苗的设计、优化与评估	生物信息学	癌症	机器学习，深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
560	2026-03-21	A hybrid deep learning and residual connection-based architecture for intrusion detection in autonomous vehicles 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338079 PMID:41855218	研究论文	本文提出了一种基于混合深度学习和残差连接的架构，用于自动驾驶车辆中的入侵检测	提出了一种结合卷积层和LSTM层的混合深度学习模型，并引入残差连接以增强梯度流和训练稳定性，同时使用LIME技术提供模型决策的可解释性	仅评估了四种常见攻击类型（RPM欺骗、齿轮欺骗、模糊攻击和拒绝服务攻击），未涵盖所有可能的攻击场景	开发一种高效、可解释的入侵检测系统，以保护自动驾驶车辆免受网络攻击	自动驾驶车辆（CAVs）的控制器局域网（CAN）总线消息	机器学习	NA	深度学习	CNN, LSTM	网络消息数据（CAN总线消息）	NA	NA	混合CNN-LSTM架构（含残差连接）	准确率	NA