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
161	2026-09-25	Magnetic Microrobot With Drilling-Sensing Dual Functionality for Targeted Biopsy of Deep-Seated Tracheal Microlesions 2026-01, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514664 PMID:40984789	研究论文	本文报道了一种具有钻孔与传感双重功能的磁性微机器人平台，用于深部气管微小病灶的靶向活检，结合SERS生物传感和卷积神经网络深度学习模型，实现早期肺癌诊断	开发了锥形螺旋结构微机器人，尖端可控装饰金纳米尖刺，集成钻孔采样和SERS生物传感双功能；利用实时气管镜和透视引导实现磁性导航；结合CNN深度学习模型实现快速准确识别癌变组织	目前仅在离体猪肺模型和活体兔试验中验证可行性，尚未进行人体临床试验；临床患者组织样本的识别准确率虽达94.3%，但样本量有限	开发一种多功能磁性微机器人平台，用于肺部深部微小病灶的靶向活检，实现早期肺癌的非侵入性精确采样和诊断	深部气管微小病灶、肺癌组织、离体猪肺模型、活体兔、临床患者肺组织样本	数字病理学, 计算机视觉	肺癌	表面增强拉曼散射（SERS）生物传感、磁驱动微机器人技术、气管镜和透视引导	CNN	图像, 光谱数据	离体猪肺模型、活体兔试验、临床患者肺组织样本（具体数量未在摘要中说明）	NA	卷积神经网络（CNN）	识别准确率（超过94.3%）	NA
162	2025-10-29	Letter: Predicting Intracranial Pressure Levels: A Deep Learning Approach Using Computed Tomography Brain Scans 2026-Jan-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003830 PMID:41143525	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
163	2026-09-25	Deep Learning in Otolaryngology: A Narrative Review 2026-01-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3911 PMID:41231484	综述	本文综述了深度学习在耳鼻喉科的应用现状，并提出了将其整合到临床实践的框架	系统性地将耳鼻喉科深度学习应用划分为检测与诊断、预测与预后、图像分割和新兴应用四个领域，并提出了临床整合框架	缺乏多机构数据集、标准化采集协议以及透明可解释的模型，存在算法偏见问题	综合近期深度学习在耳鼻喉科的应用，并提出其临床整合框架	2020至2025年间发表的327篇耳鼻喉科深度学习原创研究	数字病理学	鼻咽癌、喉部恶性肿瘤、耳科病理、口咽癌、慢性鼻窦炎	深度学习	NA	图像、生理信号	327篇原创研究	NA	NA	准确率	NA
164	2026-09-25	Explainable Pathomics Feature Visualization via Correlation-aware Conditional Feature Editing 2026, Proceedings of machine learning research PMID:42764993	研究论文	提出一种流形感知扩散框架，通过相关性感知的条件特征编辑实现可解释的病理组学特征可视化	利用变分自编码器学习的解缠潜在空间正则化特征轨迹，自动调整相关属性，使编辑后的特征保持在真实细胞分布内，并引导条件扩散模型合成高保真图像	摘要中未明确提及	解决病理组学特征因内在相关性导致条件扩散模型编辑时产生不真实伪影的问题，实现可控且生物学合理的细胞核编辑	细胞核	数字病理学	NA	病理组学	扩散模型, 变分自编码器	图像	NA	NA	变分自编码器, 扩散模型	NA	NA
165	2026-09-25	Objective Assessment of Media Screens Effect on Physical Activity in Preschool Children 2026, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2026.3729105 PMID:42769854	研究论文	该研究使用新型传感器Screen Time Tracker（STT）在自由生活条件下客观评估媒体屏幕时间对学龄前儿童身体活动的影响	提出使用新型传感器STT，结合自我中心图像和加速度计数据，客观评估屏幕时间对学龄前儿童身体活动的影响，而非依赖家长报告或单一设备类型	概念验证研究，样本量较小（25名儿童），需要更大样本验证	客观评估媒体屏幕对学龄前儿童身体活动的影响	25名3-5岁学龄前儿童	数字病理学	老年疾病	STT传感器、加速度计、深度学习	CNN	图像、加速度计数据	25名儿童，年龄3-5岁	NA	NA	每分钟计数（CPM）、屏幕每分钟计数（SCM）、多水平负二项模型、p值	NA
166	2026-09-25	How Close Are We? Limitations and Progress of AI Models in Banff Lesion Scoring 2026, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3086220 PMID:42769936	研究论文	本研究探讨了使用现有深度学习模型，通过模块化、基于规则的框架来近似Banff病变评分的可行性	提出了一个模块化的、基于规则的框架，将每个Banff指标分解为其组成结构和炎症成分，并评估当前分割和检测工具是否能支持其计算	当前AI流水线在复现专家级计算评分方面存在局限性，包括结构遗漏、幻觉和检测模糊性等问题，即使最终评分与专家注释匹配，中间表示的不一致性也常常削弱可解释性	探索使用现有深度学习模型近似Banff病变评分的可行性，并评估当前AI流水线在移植病理学中进行计算Banff分级的能力	肾移植活检样本中的Banff病变指标，包括肾小球炎、管周毛细血管炎和内膜动脉炎	数字病理学	肾移植排斥反应	NA	NA	图像	NA	NA	NA	NA	NA
167	2026-09-25	The Current Research Landscape on Integrating Artificial Intelligence with Ultrasound Imaging for Cancer Diagnosis: A Dual-Database Bibliometric Study 2026, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673443495251215073442 PMID:41716054	文献计量学研究	本文通过双数据库文献计量分析，系统梳理了2015年至2025年4月间人工智能与超声成像结合用于癌症诊断的研究态势	首次采用Web of Science核心合集和Scopus双数据库进行文献计量分析，全面揭示了AI结合超声成像用于癌症诊断的研究热点、国家贡献和合作网络	仅基于文献计量分析，未对具体算法性能进行定量比较；数据库覆盖时间截至2025年4月，可能遗漏最新发表文献；未纳入非英文文献	全面概述人工智能与超声成像结合用于癌症诊断的研究格局，识别研究热点、主要贡献国家和高影响力期刊	2015年至2025年4月间Web of Science核心合集和Scopus数据库中收录的1848篇相关文献	医学影像分析	癌症	超声成像	深度学习	文献数据	Web of Science数据集中1848篇出版物	NA	NA	出版物数量、引用影响、关键词共现、引用爆发	NA
168	2026-09-25	An Interpretable Two-Stage Feature Decomposition Method for Deep Learning-Based SAR ATR 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3731611 PMID:42743044	研究论文	本文提出了一种基于物理的两阶段特征分解方法，用于可解释的深度SAR自动目标识别，通过将纠缠的深度特征转化为具有明确物理意义的属性散射中心分量，实现可验证的推理逻辑	首次识别并解决了SAR ATR特有的耦合-判别困境，提出了两阶段特征分解方法，将纠缠的深度特征转化为具有明确物理意义的ASC分量，并证明了具有正交约束的MLO-NMTF在松弛意义上等价于谱聚类	未明确提及	解决深度SAR ATR的黑箱性质导致的低置信度和高风险问题，实现可解释的推理基础和权重，形成可验证的推理逻辑	合成孔径雷达自动目标识别中的深度特征	计算机视觉	NA	深度学习，聚类算法，多层正交非负矩阵三因子分解	深度神经网络，CNN	图像（SAR图像）	四个基准数据集	NA	12种骨干架构（未具体指定）	识别性能（未具体指定指标）	NA
169	2026-09-25	RA-PLA: Retrieval-augmented graph convolutional networks for protein-ligand binding affinity prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357278 PMID:42771596	研究论文	提出了一种检索增强图卷积网络框架，用于蛋白质-配体结合亲和力预测	通过检索困难蛋白质-配体对并集成半监督图卷积网络，实现端到端学习，并针对每个查询进行微调	未明确说明	提高蛋白质-配体结合亲和力预测的准确性和泛化能力	蛋白质-配体对	机器学习	NA	图卷积网络	图卷积网络	图数据	四个基准数据集：PDBbind、Davis、KIBA、BindingDB	NA	图卷积网络	一致性指数（CI）、AUPR	NA
170	2026-09-25	Biofeedback with heart sounds following a traumatic event 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1818000 PMID:42774140	研究论文	本研究旨在通过基于心音的生物反馈方法评估地震受害者应对创伤相关情境的能力，并利用生物医学信号和深度学习模型来管理应激相关反应	使用非侵入性声音疗法，通过固定频率或实时异态听觉刺激提供生物反馈，诱导共振以稳定自主神经系统，并结合多种生物信号和深度学习模型进行处理	摘要中未提及	研究个体如何应对创伤相关情境，通过生物反馈方法管理应激相关反应，评估创伤诱导应激的中长期风险	地震受害者，特别是年轻人	机器学习	心血管疾病	心电图（ECG）、心音图（PCG）、皮肤电活动（EDA）、呼吸节律、功能性近红外光谱（fNIRS）	深度学习模型	生物信号	NA	NA	NA	NA	NA
171	2026-09-25	Artificial intelligence for automated detection of interictal epileptiform discharges: methodological progress, clinical evaluation, and neurodevelopmental context 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1941616 PMID:42774591	综述	本文综述了自动检测发作间期癫痫样放电（IED）的方法学进展、临床评估框架及神经发育机制，并提出转化研究框架	提出“准确性悖论”这一作者定义的描述性标签来刻画预分段或记录级分类高性能与事件级时空精度需求之间的不匹配，并倡导基于独立多中心验证、情境化阈值、可解释性稳健评估和人机协同分诊的转化框架	现有证据仅支持生物学合理性，尚不能证明AI推导的IED形态可在个体患者中揭示分子状态，相关应用仍处于研究阶段	批判性审视从基于规则系统到当代深度学习的自动IED分析方法，特别关注任务定义、验证设计和临床工作流程，并提出转化研究框架	发作间期癫痫样放电（IED）的自动检测方法、临床评估设计及相关神经发育与细胞机制	机器学习	癫痫	NA	深度学习	脑电图	NA	NA	NA	准确率, AUC, F1分数, 一致性, 每小时假阳性数, 灵敏度, 精确率, 假阳性负担, 工作流程结局	NA
172	2026-09-25	Three-Dimensional Point-Cloud Learning for Patient-Specific Deep Brain Stimulation Motor Response Prediction in Parkinson Disease 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0276 PMID:42774635	研究论文	开发了一种患者特异性的三维点云深度学习框架，用于预测帕金森病深部脑刺激后的运动改善	引入了电场感知的点云表示，保留了患者解剖结构、电极几何形状和局部电场分布，用于个体化DBS运动反应预测	测试集较小，固定分割估计不支持泛化性、优越性或临床实用性的声明	预测帕金森病深部脑刺激后的运动改善	帕金森病患者	医学图像分析, 深度学习	帕金森病	术前MRI、术后CT、电极重建、组织电导率、有限元电场模拟	PointNet++, 卷积神经网络	三维点云、医学图像	79名独立患者，每人一条刺激-结果记录	NA	PointNet++, CNN	预测准确率（±5 MDS-UPDRS-III分内的比例）	NA
173	2026-09-25	Insights into artificial intelligence-based digital pathology in hepatobiliary and pancreatic cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1871770 PMID:42774758	综述	本文综述了人工智能驱动的数字病理学在肝胆胰癌症（HPCs）中的最新进展，涵盖诊断、分子预测、预后建模和治疗反应评估	强调算法开发与临床相关问题定义之间的错位是核心局限，并提出AI应从诊断支持工具演变为动态、工作流整合的决策支持系统	数据异质性、可解释性有限、缺乏前瞻性验证、临床工作流整合不足，以及算法开发与临床问题定义不匹配	总结AI辅助数字病理学在肝细胞癌、胆道癌和胰腺癌中的应用进展，并探讨其临床转化的挑战与未来方向	肝细胞癌、胆道癌和胰腺癌的全切片图像及组织病理学数据	数字病理学	肝癌, 胆道癌, 胰腺癌	全切片成像, 深度学习	NA	图像	NA	NA	NA	NA	NA
174	2026-09-25	Cross-variability decoding for motor imagery EEG signals: a comprehensive review 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1899645 PMID:42775222	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
175	2026-09-23	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in motor imagery and execution 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	本研究发布了首个公开的EEG数据集，专门针对坐-站和站-坐转换过程，涵盖运动执行和运动想象任务，并包含60通道EEG、EOG和EMG同步记录，同时使用三种深度学习基线方法进行基准分类验证	首次发布专门针对坐-站和站-坐转换过程的公开EEG数据集，同时涵盖运动执行和运动想象两种任务范式，并同步记录了EEG、EOG和EMG三种信号	样本量相对有限（22名健康参与者），未包含患者群体，且仅针对下肢坐站转换任务，泛化性有待进一步验证	构建并验证一个针对坐-站和站-坐转换任务的EEG数据集，探索下肢运动相关的神经激活模式，并推动基于EEG的脑机接口算法在移动辅助和康复领域的发展	22名健康参与者的EEG、EOG和EMG信号数据，以及坐-站和站-坐转换过程中的运动执行和运动想象任务	脑机接口	NA	EEG、EOG、EMG	深度学习	信号（EEG、EOG、EMG）	22名健康参与者，60通道EEG、EOG和EMG同步记录	NA	CTNet、EEGNet、TCANet	准确率	NA
176	2026-09-23	Autoencoder/RandomForest-TabPFN for cross-cancer metabolomics: prostate and breast cancer diagnosis using paper spray and ion mobility-mass spectrometry techniques 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag053 PMID:42096511	研究论文	本研究提出了一种结合自编码器、基于随机森林的特征选择和TabPFN的预测方法，利用纸喷雾电离质谱和离子迁移-质谱技术获取的代谢组学数据，实现前列腺癌和乳腺癌的高精度诊断	首次将自编码器、随机森林特征选择与表格先验数据拟合网络（TabPFN）相结合，应用于跨癌种代谢组学诊断，能够有效将高维数据降维为潜在特征表示，同时捕获肿瘤进展相关变化和特征交互	未明确说明模型在更大规模和多中心数据集上的泛化能力，以及在不同质谱平台间的可迁移性验证尚不充分	开发一种基于深度学习的代谢组学诊断方法，提高前列腺癌和乳腺癌的诊断准确性，并探索AI在代谢组学诊断中的转化潜力	前列腺癌和乳腺癌患者的代谢组学数据，包括尿液、血清样本以及核心针活检样本	机器学习	前列腺癌, 乳腺癌	纸喷雾电离质谱, 流动注射-行波离子迁移-质谱	自编码器, 随机森林, TabPFN	代谢组学数据, 脂质组学数据	NA	NA	Autoencoder, Random Forest, TabPFN	准确率	NA
177	2026-09-23	RETRACTED: Research on anomaly detection and operational status evaluation methods for smart electricity meters based on hybrid deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350561 PMID:42234697	研究论文	本文提出了一种基于特征图像组合和改进ResNet-18的电能质量扰动识别方法，通过特征融合提高识别准确率	提出特征图像组合与改进ResNet-18相结合的方法，利用六通道输入和特征融合概念增强识别能力	未提及具体限制	解决单图像特征信息有限和传统电能质量扰动识别系统识别能力不足的问题	电能质量扰动信号	机器学习	NA	变分模态分解、连续小波变换、信号到图像转换	CNN	图像	NA	NA	ResNet-18	识别准确率	NA
178	2026-09-23	Optimizing Sensor and Data Selection on Lower Limbs via Deep Learning for Real-Time Human Activity Recognition 2026, IEEE transactions on human-machine systems IF:3.5Q1 DOI:10.1109/THMS.2026.3651525 PMID:42238992	研究论文	本研究通过深度学习评估下肢传感器选择和数据模态，使用超短50毫秒滑动窗口实现实时人体活动识别，并权衡准确率、延迟和模型复杂度	系统评估了多种传感器组合（包括关节角度、角速度和惯性测量单元）在超短50毫秒窗口下的实时人体活动识别性能，并量化了准确率、延迟和模型复杂度的权衡	摘要中未明确提及研究的局限性	优化下肢传感器和数据选择，以实现实时人体活动识别，并为辅助机器人和移动健康应用提供设计原则	21名受试者执行六种运动活动	机器学习	NA	深度学习	MLP, LSTM, CNN-LSTM	传感器数据（关节角度、角速度、惯性测量）	21名受试者，六种运动活动	NA	MLP, LSTM, CNN-LSTM	准确率	NA
179	2026-09-23	Objective assessment of rosacea erythema severity: a multimodal artificial intelligence framework integrating VISIA® imaging and image-derived tabular features 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1829629 PMID:42239947	研究论文	该研究基于VISIA®影像与图像衍生表格特征构建多模态人工智能框架，实现玫瑰痤疮红斑严重程度的客观分级	提出融合手工图像表格特征与深度学习表征的多模态框架，用于客观CEA分级，并引入多步专家集体审计建立稳健参考标准，同时针对疾病严重程度的有序性评估QWK和ICC	作为概念验证研究，样本为回顾性单中心队列，需进一步前瞻性多中心验证	开发客观、可重复的玫瑰痤疮红斑CEA分级方法，以减少主观评估的观察者间差异	1,001例玫瑰痤疮患者的标准化VISIA®面部影像及临床数据	数字病理学	皮肤疾病	VISIA®标准化成像、图像衍生表格特征提取、深度学习、多模态融合	CNN	图像、表格数据	1,001例玫瑰痤疮患者	NA	NA	Macro-AUC、Quadratic Weighted Kappa、Intraclass Correlation Coefficient、McNemar检验、DeLong检验	NA
180	2026-09-23	High-throughput phenotyping for climate-resilient forests: integrating multi-sensor fusion and root-shoot dynamics 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1842337 PMID:42245104	综述	本文综述了高通量表型分析在气候适应性森林中的应用，提出整合多传感器融合与根-冠动态的约束性框架，以弥合地上信号与地下根系性状之间的鸿沟	提出了一种基于约束的框架，将航空传感器数据与生态水文方法和过程模型相结合，以缩小可能的根系功能策略范围而非直接识别根系表型，并强调从冠层扩展到地下根系和土壤-植物-大气连续体的重要性	大多数高通量表型分析仍集中于冠层，忽略了根系和土壤-植物-大气连续体；深度学习模型受限于过拟合、可迁移性有限以及不同森林类型间的域偏移；该方法存在假设和验证方面的挑战	探讨如何通过整合多传感器融合与根-冠动态的高通量表型分析技术，推动气候适应性森林的研究与发展	森林树木（气候适应性森林），包括冠层和根系系统	遥感，机器学习，生态学	NA	热成像，日光诱导叶绿素荧光，高光谱遥感， LiDAR，无人机平台，地面机器人系统	深度学习	图像，光谱数据，点云数据	NA	NA	NA	NA	NA