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
1501	2026-01-10	Programmable Triboelectric Origami Sensors for Multidimensional Pressure Monitoring 2026-Jan-08, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c05773 PMID:41508537	研究论文	本文提出了一种可编程的折纸式传感器，用于多维压力监测，结合自折叠与复合加载技术，实现了高灵敏度和方向性应力感知	通过折纸灵感设计可编程3D传感器，实现多维压力响应，灵敏度比基底材料提高约130倍，并集成深度学习算法达到97.8%的识别准确率	未明确提及传感器在长期使用或极端环境下的稳定性测试	开发具有多维压力感知能力的传感器，用于可穿戴电子和人机交互应用	可编程折纸传感器及其在压力监测中的应用	机器学习和传感器技术	NA	自折叠与复合加载技术	深度学习算法	压力信号数据	NA	NA	NA	识别准确率	NA
1502	2026-01-10	Dimensionality reduction of genetic data using contrastive learning 2026-Jan-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyaf068 PMID:40194517	研究论文	本文提出了一种基于对比学习的降维框架，用于遗传数据以生成类似PCA的种群可视化	定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集设计了专门的数据增强方案	未明确说明	开发一种用于遗传数据降维的深度学习方法，以改进种群可视化	狗和人类的基因型数据集	机器学习	NA	SNP基因型分析	对比学习	遗传数据	两个数据集（狗和人类基因型），具体样本数未提供	NA	NA	局部和全局结构保持度、泛化能力、个体间相对距离保持度	NA
1503	2026-01-10	UltraMN: Advancing Real-Time Median Nerve Ultrasound Monitoring With a Multitask Deep Learning Framework 2026-Jan-07, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.12.002 PMID:41506963	研究论文	本研究提出了一个名为UltraMN的多任务深度学习框架，用于实时超声监测正中神经，旨在解决相关挑战	提出了一个新颖的多任务学习模型UltraMN，集成了标准平面分类（UltraCLS）和组织分割（UltraSEG）任务，用于对正中神经进行综合分析	作为一项基于健康受试者的初步可行性研究，其数据完全来自健康正中神经的超声数据，模型在病理情况（如腕管综合征）下的泛化能力需要进一步验证	开发一种先进的深度学习框架，以克服与正中神经实时超声监测相关的挑战	正中神经	医学影像分析	腕管综合征	超声成像	多任务深度学习模型	视频, 图像	446个病例，每个病例双侧采集8个视频，总计3568个视频和249,985张图像，涵盖四个标准化成像平面（4-SIP）	Python	UltraMN, UltraCLS, UltraSEG	准确率, 精确率, 召回率, F1分数, 平均交并比（mIoU）	NA
1504	2026-01-10	Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review 2026-Jan-07, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X391863251015111807 PMID:41510734	综述	本文是一篇叙述性综述，探讨了人工智能和增强现实在心血管疾病管理中的潜在应用	整合了人工智能和增强现实这两种新兴技术在心血管医学领域的应用现状，并指出了当前研究的空白和未来方向	缺乏对这些模型效能的适当评估，需要更多大规模试验来验证其有效性和安全性	探讨人工智能和增强现实技术在心血管疾病管理中的应用潜力和未来研究方向	心血管疾病患者	机器学习	心血管疾病	NA	CNN, NLP	NA	NA	NA	NA	NA	NA
1505	2026-01-10	Comparing AI-Assisted Problem-Solving Ability With Internet Search Engine and e-Books in Medical Students With Variable Prior Subject Knowledge: Cross-Sectional Study 2026-Jan-06, JMIR medical education IF:3.2Q1 DOI:10.2196/81264 PMID:41493542	研究论文	本研究比较了医学生在不同先验知识水平下，使用AI-LLM GPT、互联网搜索引擎、电子书或自身知识解决多选题的表现	首次评估了AI-LLM GPT（如ChatGPT-4o）在医学教育中，针对不同先验知识水平学生的辅助解题效果，并发现AI能显著提升知识有限学生的表现，甚至使其超越使用传统数字资源的知识丰富学生	研究为横断面设计，未评估AI对深度学习和批判性思维的长期影响，且样本仅来自单一教学医院，可能限制结果的普适性	评估AI-LLM GPT、互联网搜索引擎、电子书和自身知识在医学生解决多选题中的效果，并探讨不同先验知识水平的影响	100名医学生，分为无药理学培训的“新手”组（n=50）和已完成药理学培训的“学习过”组（n=50）	医学教育	NA	多选题（MCQ）评估	大型语言模型（LLM）	文本（多选题）	100名医学生	NA	GPT-4o	分数（均值、标准差）、部分η²（效应量）、P值	NA
1506	2026-01-10	Automated Classification of Lymphoma Subtypes From Histopathological Images Using a U-Net Deep Learning Model: Comparative Evaluation Study 2026-Jan-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72679 PMID:41494052	研究论文	本研究利用U-Net深度学习模型对淋巴瘤亚型进行自动分类和分级，以提高诊断的准确性和效率	将U-Net模型与注意力机制和残差网络结合，用于淋巴瘤亚型的分类和分级，并通过对比主流卷积神经网络架构验证了其性能优势	研究仅基于公开数据集，未来需在多中心临床数据集中验证模型的鲁棒性	探索深度学习技术在淋巴瘤亚型分类和分级中的应用，以提升诊断精度和效率	淋巴瘤亚型的组织病理学图像	数字病理学	淋巴瘤	组织病理学成像	U-Net	图像	620张高质量组织病理学图像，代表3种主要淋巴瘤亚型	NA	U-Net, 全卷积网络, SegNet, DeepLabv3+	准确率, 灵敏度, 特异性, F1分数, AUC	NA
1507	2026-01-10	Deep learning-assisted discovery of a potent and cell-active inhibitor of RNA N6-methyladenosine recognition protein YTHDC2 2026-Jan-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65542-0 PMID:41495018	研究论文	本研究开发了一种名为EPMolGen的深度学习分子生成模型，用于发现针对RNA N6-甲基腺苷识别蛋白YTHDC2的高效小分子抑制剂	首次开发了结合受体蛋白静电特征的深度学习分子生成模型EPMolGen，并成功应用于发现高效且具有细胞活性的YTHDC2抑制剂	未提及模型在湿实验验证中的广泛适用性或对其他靶点的泛化能力	发现针对YTHDC2蛋白的高效小分子抑制剂，以探索其作为治疗靶点的潜力	YTHDC2蛋白及其小分子抑制剂	机器学习	NA	深度学习分子生成	生成模型	分子结构数据	NA	NA	EPMolGen	IC50值	NA
1508	2026-01-10	Deep learning guided design of protease substrates 2026-Jan-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67226-1 PMID:41495045	研究论文	本文提出了一种名为CleaveNet的端到端AI流程，用于设计蛋白酶底物	开发了一个端到端AI管道（CleaveNet），用于高效、可调控地设计蛋白酶底物，并引入了条件标签来引导肽生成以实现特定的切割谱	未在摘要中明确说明	加速蛋白酶底物的设计，以研究蛋白酶活性并应用于蛋白酶激活的诊断和治疗	蛋白酶（特别是基质金属蛋白酶）及其底物肽	机器学习	NA	深度学习	NA	肽序列数据	NA	NA	CleaveNet	实验验证（大规模体外筛选）	NA
1509	2026-01-10	AI-generated artwork detection using self-distilled transformers with global-local feature learning and Grad-CAM interpretability 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29229-2 PMID:41495073	研究论文	本研究提出了一种基于自蒸馏Transformer和全局-局部特征学习的框架，用于检测AI生成的艺术作品，并通过Grad-CAM增强可解释性	采用自蒸馏Transformer模型DINO v2，结合全局结构和细粒度视觉线索提取判别性特征，并引入可解释性方法验证预测的可靠性	未明确说明数据集的具体规模和多样性，可能影响模型在更广泛艺术风格上的泛化能力	开发先进的检测机制，以区分人类创作的艺术作品与AI生成的内容，维护艺术真实性	真实艺术作品图像和AI生成的艺术作品图像	计算机视觉	NA	深度学习，数字成像	Transformer	图像	平衡的真实与AI生成艺术图像数据集（具体数量未明确）	PyTorch（基于DINO v2的典型实现）	DINO v2	准确率，精确率，召回率，F1分数，AUC	NA
1510	2026-01-10	A high resolution urban and rural settlement map of Africa using deep learning and satellite imagery 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34295-7 PMID:41495271	研究论文	本研究开发了一个基于DeepLabV3的深度学习框架，整合多源卫星数据，生成了2016年至2022年非洲大陆10米分辨率的城乡聚落地图	首次利用深度学习语义分割方法，结合Landsat-8、VIIRS夜间灯光等多源数据，在非洲大陆实现了高分辨率（10米）城乡聚落制图，相比现有全球产品具有更高空间精度和适应性	模型在非洲大陆尺度的总体准确率为65%，Kappa系数为0.47，虽然优于现有产品，但仍有提升空间；方法在高度异质性区域的适应性需进一步验证	开发高精度、高分辨率的非洲城乡聚落制图方法，支持可持续发展目标（特别是SDG 11）和空间规划决策	非洲大陆的城乡聚落空间分布	计算机视觉	NA	卫星遥感（Landsat-8、VIIRS夜间灯光）、深度学习语义分割	CNN	卫星影像、夜间灯光数据、土地利用覆盖数据	覆盖整个非洲大陆（2016-2022年）	NA	DeepLabV3	总体准确率、Kappa系数	NA
1511	2026-01-10	Dual deep learning approach for non-invasive renal tumour subtyping with VERDICT-MRI 2026-Jan-06, Npj imaging DOI:10.1038/s44303-025-00135-6 PMID:41495369	研究论文	本研究利用VERDICT-MRI框架和深度学习技术，开发了一种非侵入性肾肿瘤亚型分类方法	采用自监督神经网络拟合三室VERDICT模型，并识别出减少至4个b值的优化扫描协议，显著缩短扫描时间	样本量较小（14名患者，17个肿瘤），且研究为前瞻性单中心试验，需进一步验证	通过扩散MRI和VERDICT-MRI框架表征肾肿瘤微结构，实现非侵入性亚型区分	肾细胞癌（RCC）患者及其肿瘤组织，包括良性和多种RCC亚型	数字病理学	肾癌	扩散MRI（dMRI），VERDICT-MRI框架	自监督神经网络	MRI图像	14名患者，17个肾肿瘤	NA	NA	NA	NA
1512	2026-01-10	Non-contact lung disease classification via orthogonal frequency division multiplexing-based passive 6G integrated sensing and communication 2026-Jan-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01181-2 PMID:41495455	研究论文	本文提出了一种基于正交频分复用技术的非接触式6G集成感知与通信方法，用于分类五种呼吸系统疾病	利用非电离6G/WiFi多载波射频信号，通过分析不同呼吸疾病对信号幅度、频率和相位的调制差异，实现非接触式疾病筛查，并展示了在仅使用部分带宽时仍保持高准确性的能力	研究样本量相对有限（220名个体），且仅在医院环境中收集数据，可能影响模型的泛化能力	开发一种非接触式呼吸系统疾病筛查工具，结合6G/WiFi技术实现集成感知与通信	呼吸系统疾病患者（包括哮喘、慢性阻塞性肺疾病、间质性肺疾病、肺炎和肺结核）及健康对照者	机器学习	呼吸系统疾病	正交频分复用技术，6G/WiFi多载波射频信号	CNN	射频信号记录	220名个体（190名患者，30名健康对照），包含超过26,000秒的射频信号记录，覆盖64个频率	NA	Vanilla CNN	准确率，精确率，召回率，F1分数	NA
1513	2026-01-07	Two-Tier heuristic search for ransomware-as-a-service based cyberattack défense analysis using explainable Bayesian deep learning model 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96083-7 PMID:41490912	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1514	2026-01-10	A machine learning study highlighting the challenges of fidgety movement recognition using vision and inertial sensors 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28523-3 PMID:41490995	研究论文	本研究探讨了使用深度学习方法从RGB-D视频和惯性测量单元数据中识别婴儿烦躁运动的挑战	采用深度学习学习解耦特征表示，以独立于受试者信息的方式表征运动，并分析了视觉和传感器模态在识别烦躁运动中的具体挑战	研究显示，获得在训练中未见过的受试者上一致泛化的特征表示仍然具有挑战性，且两种模态均有待解决的具体问题	自动化通用运动评估，以识别婴儿烦躁运动，为早期神经发育障碍（如脑瘫）提供及时干预	95名婴儿（平均年龄约数周）的烦躁运动数据	机器学习	脑瘫	RGB-D视频采集，惯性测量单元数据采集	深度学习	视频，传感器数据	95名婴儿	NA	NA	NA	NA
1515	2026-01-10	Transformer-based InsightGWAS improves GERD genetic discovery via pretraining on GWAS for major depressive disorder 2026-Jan-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09177-3 PMID:41491019	研究论文	本研究开发了一种基于Transformer的深度学习模型InsightGWAS，通过在大规模抑郁症GWAS数据上进行预训练，并整合多组学功能注释，提高了胃食管反流病（GERD）的遗传位点发现能力	首次将Transformer模型与迁移学习结合应用于GWAS分析，通过预训练策略和多组学数据整合，显著提升了遗传位点发现的准确性和新颖性	模型依赖于GWAS汇总统计数据，可能受限于原始数据的质量和样本量；预训练数据来源于抑郁症GWAS，其与GERD的生物学关联性需进一步验证	提高胃食管反流病（GERD）的遗传位点发现效率，探索其潜在的生物学通路	胃食管反流病（GERD）的遗传关联位点	机器学习	胃食管反流病	GWAS, eQTLs, mQTLs, 表观基因组学数据	Transformer	基因组学汇总统计数据	NA	NA	Transformer	分类准确率, 假阳性率	NA
1516	2026-01-10	A hierarchical deep learning framework with doubly regularized loss for robust malware detection and family categorization 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31444-w PMID:41491703	研究论文	本文提出了一种用于便携式可执行文件恶意软件检测和家族分类的分层深度学习框架，采用新型双重正则化二元交叉熵损失函数	提出了一种结合加权交叉熵和谱正则化的双重正则化二元交叉熵损失函数，通过概率框架建模阶段间误差传播，并将超参数调优表达为约束优化问题	NA	开发准确、数学基础扎实且可解释的恶意软件检测和家族分类框架	便携式可执行文件恶意软件	机器学习	NA	NA	深度学习	文件数据	大规模数据集（BODMAS、SOMLAP和CLaMP）	KerasTuner	NA	加权准确率	NA
1517	2026-01-10	SCALE: unsupervised multiscale domain identification in spatial omics data 2026-Jan-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1456 PMID:41495880	研究论文	本文提出了一种名为SCALE的无监督算法，用于识别空间转录组学数据中的多尺度功能域	首次结合基于深度学习的图表示学习与基于熵的搜索算法，以无监督方式识别生物组织中不同空间尺度的功能域层次结构	未明确说明算法在超大规模数据集或超高分辨率数据上的计算效率限制	开发一种计算方法来识别空间转录组数据中多层次的功能域结构	空间转录组学数据（包括模拟数据、小鼠脑组织数据和患者来源的肾组织数据）	空间组学数据分析	NA	空间转录组学（Xenium, MERFISH）	深度学习, 图表示学习	空间转录组数据	模拟数据、小鼠脑组织（Xenium和MERFISH平台）和患者来源的肾组织数据	NA	NA	与最先进的多域识别方法相比的性能提升（最高191.1个百分点）	NA
1518	2026-01-10	Research on liver cancer pathology image recognition based on deep learning image processing 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24834-7 PMID:41484185	研究论文	本研究提出了一种名为MSAF-Net的新型多空间注意力融合网络，用于基于深度学习图像处理的肝癌病理图像识别	提出了一种新颖的多空间注意力融合网络（MSAF-Net），系统性地整合了五个互补的特征空间（R、B、Y、熵和LBP），并结合SE-block增强融合机制和基于EfficientNet-Lite的特征提取	NA	提高肝癌病理图像分析的准确诊断能力	肝癌病理图像	数字病理学	肝癌	深度学习图像处理	CNN	图像	NA	NA	MSAF-Net, EfficientNet-Lite	准确率, 灵敏度, 特异性	NA
1519	2026-01-10	A Feature-Augmented Transformer Model to Recognize Functional Activities From in-the-Wild Smartwatch Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586074 PMID:40614149	研究论文	本文提出了一种特征增强的Transformer模型，用于从真实世界智能手表数据中识别功能性活动	引入了特征增强的Transformer模型，通过特征标记-Transformer嵌入来增强特征表示，以改善分类性能，并提出了一个大规模功能性活动数据集ArWISE	未在摘要中明确说明	研究功能性人类活动识别方法，以支持认知健康评估、康复、术后恢复和慢性病管理	从智能手表收集的真实世界传感器数据	机器学习	认知健康、慢性病	传感器数据采集	Transformer	传感器数据	503名参与者，超过3200万个标记点	NA	Transformer	分类性能	NA
1520	2026-01-10	A Composable Channel-Adaptive Architecture for Seizure Classification 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587103 PMID:40633043	研究论文	本文提出了一种可组合的通道自适应架构，用于处理任意通道数的多变量时间序列数据，特别是在癫痫发作分类任务中	提出了一种通道自适应架构，能够无缝处理任意通道数的多变量信号，解决了传统模型需要固定通道数的问题	未明确说明模型在其他医疗任务或数据集上的泛化能力	开发一种适应不同通道配置的深度学习模型，用于癫痫发作分类	颅内脑电图数据，来自多个异质受试者	机器学习	癫痫	颅内脑电图	CNN	时间序列	短时数据集约15小时，长时数据集约2600小时	NA	EEGWaveNet, EEGNet	F1分数	NA