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
801	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
802	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
803	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
804	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
805	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%）
806	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
807	2026-04-14	Tumor lactate metabolism shapes immune suppression and therapeutic resistance revealed by integrative multi-omics and digital pathology 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1797798 PMID:41972178	研究论文	本研究通过整合多组学数据和数字病理学，开发了一种深度学习框架，能够从常规H&E全切片图像推断肿瘤乳酸代谢状态，并揭示了其与免疫抑制和治疗耐药性的关联	首次将多组学分析与数字病理学相结合，利用深度学习从常规H&E切片直接推断肿瘤乳酸代谢状态，开发了一种可扩展且临床实用的数字生物标志物	研究主要基于回顾性数据，需要在更多前瞻性队列中进行验证；模型在部分癌症类型中的性能有待进一步优化	开发一种临床可及且低成本的方法来评估肿瘤内乳酸活性，以指导代谢精准肿瘤学	头颈部鳞状细胞癌（HNSCC）及其他多种癌症类型的肿瘤样本	数字病理学	头颈部鳞状细胞癌	多组学分析（转录组、单细胞RNA-seq）、空间分析、免疫组化、深度学习	深度学习模型	全切片图像（H&E染色）、基因表达数据、单细胞RNA-seq数据、蛋白质表达数据	TCGA、GEO数据库中的多个队列，以及独立的真实世界SAZHU-HNSCC队列	NA	NA	AUC	NA
808	2026-04-11	Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation 2026-Jan-06, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.125.077494 PMID:41460938	研究论文	本文提出了一种基于深度学习的连续QT监测系统（3DRECON-QT），用于从单导联心电信号重建12导联并预测QT/QTc，以识别III类抗心律失常药物启动后的高风险QT延长事件	开发了一种空间感知的深度学习系统，能够从单导联信号重建空间信息，实现连续QTc监测，并在真实世界队列中验证了其识别高风险QT延长事件的能力	研究依赖于特定数据集和外部验证中心，可能受限于不同心电图硬件和患者群体的泛化性	开发并验证一种深度学习系统，用于连续监测QTc并识别III类抗心律失常药物启动后的高风险QT延长事件	接受III类抗心律失常药物（如多非利特或索他洛尔）治疗的门诊患者，以及使用可插入式心脏监测器的患者	数字病理学	心血管疾病	心电图（ECG）监测	深度学习，多任务编码器-解码器	心电图信号	内部测试集和外部中心数据，真实世界队列包括1676名门诊患者	NA	多任务编码器-解码器	受试者工作特征曲线下面积（AUC），平均绝对误差（MAE），相关系数（r），F1分数	NA
809	2026-04-11	Enhancing autonomous agriculture control systems in greenhouses for sustainable resource usage using deep learning techniques 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344946 PMID:41886461	研究论文	本文提出了一种基于强化学习的温室气候控制框架，通过集成深度学习模型预测作物生长和资源消耗，以优化控制设定点，实现高产和可持续资源利用	结合多层感知机、长短期记忆模型和强化学习代理，设计自定义奖励函数，并引入特征选择机制和随机天气条件下的再训练，以提高适应性和鲁棒性	未提及具体实验的温室规模或作物类型，可能限制通用性；依赖于模拟环境，实际部署需进一步验证	优化温室气候控制系统，以平衡作物产量和资源消耗，促进可持续农业	温室环境中的气候控制，包括温度、CO2浓度和灌溉水平	机器学习	NA	强化学习，深度学习	MLP, LSTM, RL	气候数据，作物参数，资源消耗数据	NA	NA	多层感知机，长短期记忆	累积奖励，作物产量增长率，资源消耗指标	NA
810	2026-04-11	Sparse-selective quantization for real-time cyber threat detection in large-scale networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345758 PMID:41886730	研究论文	提出了一种用于大规模网络实时网络威胁检测的稀疏选择性量化框架，旨在平衡计算效率与检测精度	将特征级稀疏模式直接与动态量化策略关联，而非关注模型激活或固定参数，通过混合精度量化与TensorRT加速实现亚毫秒级推理延迟	未明确说明在极端资源受限环境下的性能边界或对新型未知威胁的泛化能力	开发一种能在大规模网络中实时检测网络威胁的高效准确方法	大规模网络流量数据	机器学习	NA	NA	GRU, 注意力机制	网络流量数据	NA	TensorFlow Lite, TensorRT	GRU-注意力机制	推理延迟, 精度	边缘部署环境, TensorRT加速
811	2026-04-11	Research progress of artificial intelligence in bone tumor imaging 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1780545 PMID:41889404	综述	本文综述了人工智能在骨肿瘤影像学中的研究进展及其在提高诊断准确性和临床管理方面的潜在应用	探讨了AI技术在骨肿瘤影像自动识别、分割、分类及疗效评估中的广泛应用，并展望了未来在多模态影像数据整合和不同类型骨肿瘤中扩展应用的前景	未具体说明当前AI技术在骨肿瘤影像应用中存在的具体技术或临床局限性	回顾人工智能在骨肿瘤影像学中的研究进展，探索其在改善诊断准确性和临床管理方面的潜力	骨肿瘤，包括原发性和转移性肿瘤	计算机视觉	骨肿瘤	NA	深度学习算法	影像	NA	NA	NA	NA	NA
812	2026-04-11	Lower limb edema detection and grading classification using deep learning and image enhancement technologies 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1697503 PMID:41889522	研究论文	本研究提出了一种结合目标检测和图像分类的多阶段深度学习框架，用于下肢水肿的自动检测和分级	提出了一种多阶段深度学习框架，整合了YOLO目标检测、图像增强技术和分类模型，并采用随机旋转数据增强和自动背景消除以解决数据不平衡问题	未明确提及模型在外部验证集上的泛化性能或临床环境中的实时应用挑战	开发自动检测和分级下肢水肿的系统，以支持临床诊断和疾病监测	下肢水肿图像	计算机视觉	心血管疾病	图像增强技术	CNN	图像	NA	NA	YOLO	准确率, 召回率, 精确率	NA
813	2026-04-11	Integrative deep learning strategies to enhance early-stage drug discovery: optimizing computational structure-activity modeling for pharmacotherapeutic innovation 2026, Journal of pharmacy & pharmaceutical sciences : a publication of the Canadian Society for Pharmaceutical Sciences, Societe canadienne des sciences pharmaceutiques DOI:10.3389/jpps.2026.16155 PMID:41889533	研究论文	本研究开发了一种优化的基于神经网络的预测框架，用于支持识别具有镇痛潜力的生物活性化合物	采用逐步特征消除程序优化分子描述符集，并利用Levenberg-Marquardt算法训练人工神经网络，在QSAR任务中取得了优于传统统计方法的性能	研究仅基于532个分子的数据集，模型泛化能力有待在更大规模数据上验证	优化计算结构-活性建模以支持早期药物发现和化合物优先排序	具有镇痛潜力的生物活性化合物	机器学习	NA	QSAR（定量构效关系）建模	人工神经网络	分子描述符数据	532个结构多样的分子	NA	人工神经网络	相关系数, 预测误差	NA
814	2026-04-11	Deep Learning-Based Rapid Identification of Escherichia coli and Klebsiella pneumoniae from Chromogenic Agar Urine Cultures Using YOLOv12 2026, Risk management and healthcare policy IF:2.7Q2 DOI:10.2147/RMHP.S561761 PMID:41889706	研究论文	本研究开发并验证了一种基于YOLOv12深度学习模型的人工智能系统，用于从显色琼脂尿液培养图像中快速识别大肠杆菌和肺炎克雷伯菌	首次将YOLOv12模型应用于尿液培养图像中细菌菌落的快速识别，实现了亚秒级的准确分类，性能优于五种基准深度学习模型	模型依赖于显色形态学进行大肠杆菌的标注，对罕见显色变异菌株（如金色色素大肠杆菌）识别存在误差，且外部验证集的物种标签基于菌落颜色推断	开发人工智能模型以快速识别尿路感染常见病原体，缩短诊断时间，促进靶向治疗和抗菌药物管理	大肠杆菌和肺炎克雷伯菌的细菌菌落	计算机视觉	尿路感染	显色琼脂培养，MALDI-TOF质谱分析	YOLOv12	图像	1547张显色琼脂尿液培养图像（850张大肠杆菌，697张肺炎克雷伯菌），外加91张独立图像用于外部验证	NA	YOLOv12	准确率，精确率，召回率，F1分数	NA
815	2026-04-11	digiBONE: an automated tool for segmental Greulich-Pyle bone age assessment of Indian children and adolescents 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1757571 PMID:41890183	研究论文	开发了一个名为digiBONE的深度学习框架，用于对印度儿童和青少年进行基于Greulich-Pyle方法的节段性骨龄评估	提出了一种建模手部特定节段骨骼成熟度的深度学习方法，而非传统方法中假设手部骨骼均匀成熟	研究主要针对印度人群，未明确说明在其他种族或人群中的泛化能力	提高儿童和青少年骨龄评估的准确性和可解释性，以辅助儿科内分泌和生长障碍的诊断与管理	印度儿童和青少年的手部X光片	数字病理	儿科内分泌与生长障碍	X光成像	CNN	图像	NA	NA	卷积神经网络	平均绝对差异	NA
816	2026-04-11	An auxiliary diagnosis model for the pathological classification of cervical cancer based on radiomics biomarkers 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1685927 PMID:41890225	研究论文	本文提出了一种基于卷积循环特征提取（CRFE）的自动分割框架，结合放射组学和临床特征，构建了用于宫颈癌病理分类的辅助诊断模型	提出CRFE自动分割框架，并开发了反映病变像素浓度趋势的直方图成像特征，结合传统放射组学与临床特征，实现宫颈癌的精确病理分类	研究样本量较小（114例患者），且仅基于MRI图像，未考虑多模态影像数据	开发宫颈癌病理分类的辅助诊断模型，以支持个性化治疗规划	宫颈癌患者的MRI图像	数字病理	宫颈癌	MRI	CNN, 随机森林, XGBoost, 支持向量机, 逻辑回归	图像	114名宫颈癌患者	NA	CRFE	IoU, Dice系数, F1分数, 准确率	NA
817	2026-04-11	Promoter hypomethylation of CDH7: a novel epigenetic marker associated with cerebral small vessel disease 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1780415 PMID:41890232	研究论文	本研究通过全基因组启动子甲基化分析，识别并验证了CDH7基因启动子低甲基化作为与脑小血管病（SVD）相关的表观遗传标记	首次将CDH7基因启动子低甲基化鉴定为与MRI定义的脑小血管病影像特征相关的独立表观遗传标记，并利用血液炎症细胞进行验证	样本量相对较小（初始发现队列仅32例），且研究基于血液细胞而非脑组织，可能无法完全反映中枢神经系统的表观遗传变化	识别和验证与脑小血管病相关的基因特异性启动子甲基化变化作为表观遗传标记	脑小血管病患者（通过MRI影像特征定义）的血液炎症细胞	表观遗传学	脑小血管病	Infinium MethylationEPIC v2.0 甲基化芯片，全基因组启动子甲基化分析	深度学习模型，逻辑回归	甲基化数据，临床数据，影像数据	发现队列：16例无SVD患者和16例具有全部三种影像特征的患者；验证队列：766例缺血性卒中患者（53例无SVD，713例有≥1种SVD影像特征）	NA	NA	NA	NA
818	2026-04-11	Noise2Average: An iterative residual learning strategy for image denoising without clean data 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1163 PMID:41890245	研究论文	本文提出了一种名为Noise2Average的迭代残差学习策略，用于无需干净数据的MRI图像去噪	提出了一种新的迭代残差学习策略，通过将每个噪声重复映射到所有噪声重复的平均值，并结合迁移学习进行特定受试者的自监督训练，从而减少对高信噪比参考数据的需求	去噪性能略逊于基于监督学习的去噪方法	开发一种无需干净数据的MRI图像去噪方法，以提高深度学习方法在MRI去噪中的可行性和可及性	MRI数据，包括T1加权图像、扩散加权图像等	计算机视觉	NA	MRI	CNN	图像	NA	NA	卷积神经网络	图像锐度、纹理细节、定量微结构指标	NA
819	2026-04-11	Differences and Trends of Artificial Intelligence in Medical Education: A Comparative Bibliometric Analysis Between China and the International Community 2026, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S573537 PMID:41890349	研究论文	本研究通过比较中国与国际社区在人工智能应用于医学教育领域的研究热点与演化趋势，提出教育实践与政策建议	基于两个数据库的对比分析，揭示了中英文文献中人工智能与医学教育研究的热点差异，并提出了由人工智能驱动的医学教育发展的三大趋势（生成式AI、个性化学习、沉浸式体验）	研究仅基于CNKI和Web of Science数据库的文献，可能存在数据覆盖不全或语言偏差	探索人工智能在医学教育中的应用，比较中国与国际社区的研究热点与演化趋势	2014-2024年间CNKI和Web of Science核心合集中关于人工智能与医学教育的文献	自然语言处理	NA	文献计量分析	NA	文本	379篇中文文献和552篇英文文献	CiteSpace	NA	NA	NA
820	2026-04-11	Enhancing efficiency in pediatric brain tumor segmentation using a pathologically diverse single-center clinical dataset 2026 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdag024 PMID:41890357	研究论文	本研究利用单中心临床数据集，评估了3D nnU-Net模型在儿童脑肿瘤分割中的效率，重点关注不同病理亚型和MRI协议下的性能	首次在包含多种病理亚型的儿童脑肿瘤单中心临床数据集上系统评估深度学习分割模型，并探索了MRI协议简化对分割性能的影响	研究为单中心回顾性设计，样本量相对有限（174例），且对囊性成分的分割性能较差	评估深度学习模型在异质性儿童脑肿瘤亚型中的分割性能，并探索优化MRI协议以提升临床工作流程效率	儿童脑肿瘤患者，包括高级别和低级别胶质瘤、髓母细胞瘤、室管膜瘤及其他罕见亚型	数字病理学	脑肿瘤	MRI成像（T1、T1增强、T2、FLAIR序列）	深度学习	医学影像（MRI）	174例儿科患者，按121/53划分训练集和测试集	PyTorch	3D nnU-Net	Dice相似系数	未明确指定，但基于nnU-Net框架通常需要GPU支持（如NVIDIA系列）