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
2281	2026-01-20	Predicting defibrillation outcomes by combining ventricular fibrillation and defibrillation waveforms: a retrospective clinical study 2026-Jan, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110906 PMID:41270994	研究论文	本研究通过结合心室颤动波形和除颤波形，利用卷积神经网络提高除颤结局预测的准确性	首次将心室颤动波形与基于能量和经胸阻抗建模的除颤波形相结合，采用深度学习方法来预测除颤结局，相比传统的振幅谱面积方法，显著提高了预测性能	研究为回顾性设计，可能受限于数据质量和样本选择偏差，且模型在特定AMSA值范围内的性能提升最为显著，泛化能力需进一步验证	验证结合心室颤动和除颤波形是否能提高除颤结局的预测准确性	经历心室颤动和除颤治疗的心脏骤停患者的电生理波形数据	数字病理学	心血管疾病	心电图波形记录与建模	CNN	波形数据	未明确指定样本数量，数据按4:1比例随机分为训练集和测试集	NA	卷积神经网络	AUC	NA
2282	2026-01-20	Spontaneous Wrinkle Collapse in Anisotropic Condensed Matter Predicted by Deep Learning 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510844 PMID:41288205	研究论文	本文提出了一种基于深度学习框架预测向列相液晶平衡构型的方法	利用3D U-Net模型快速预测液晶的全局取向序和局部缺陷结构，实现了毫秒级预测，相比传统模拟大幅加速，并首次准确再现了高能缺陷的自发塌缩和分裂过程	模型依赖于有限元求解器生成的数据集，可能受限于训练数据的覆盖范围和边界条件的多样性	预测向列相液晶的平衡构型，并验证其在复杂边界条件和拓扑缺陷中的可靠性	向列相液晶系统，包括光对准皱纹基底和反应性介晶	机器学习	NA	有限元Landau-de Gennes求解器，光对准技术	CNN	模拟数据，实验图像	NA	NA	3D U-Net	NA	NA
2283	2026-01-20	Zeolitic Imidazolate Framework-8 Doped Intermediate Layer Strategy Enhances the Performance of Self-Powered Fibrous Triboelectric Sensors for Multi-Scenario Sensing and Barrier-Free Communication 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202512712 PMID:41294056	研究论文	本研究提出了一种掺杂ZIF-8中间层的策略，构建了高性能纤维摩擦电传感器，用于多场景传感和无障碍通信	首次将沸石咪唑酯骨架-8（ZIF-8）掺杂到中间层，构建三层同轴结构的纤维摩擦电传感器，显著提高了电荷保持能力和灵敏度	未明确说明传感器的长期稳定性、环境适应性（如湿度、温度影响）以及大规模生产的可行性	解决柔性摩擦电传感器的电荷损失问题，提升其传感性能，并拓展其在可穿戴电子、生物医学传感和无障碍通信等领域的应用	具有三层同轴结构（内电极层/ZIF-8掺杂中间层/外摩擦层）的纤维摩擦电传感器	可穿戴电子、传感技术	NA	湿法纺丝结合浇铸技术、深度学习	LSTM	传感信号（电压）、运动数据	未明确说明具体样本数量，但涉及9种不同材料的识别	未明确指定，但提及深度学习	LSTM	灵敏度（V/N）、响应时间（ms）、断裂伸长率（%）、准确率（%）	NA
2284	2026-01-20	AI-enhanced synergistic chemo-immunotherapy: From mechanistic insights to clinical translation 2026-Jan, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.105064 PMID:41325797	综述	本文全面探讨了化疗与免疫检查点抑制剂联合治疗的机制基础、临床应用及当前挑战，并重点分析了人工智能在优化此类联合策略中的新兴作用	强调了人工智能（包括多组学整合、放射组学和深度学习）在识别协同药物对、预测治疗反应和患者分层方面的应用，以推动个性化癌症治疗	面临化疗诱导的免疫抑制、肿瘤异质性和数据可解释性等关键挑战	优化化疗与免疫检查点抑制剂的协同治疗策略，推动个性化癌症治疗的发展	化疗与免疫检查点抑制剂联合治疗在肿瘤学中的应用	机器学习	肿瘤	多组学整合、放射组学、深度学习	深度学习	多组学数据、影像数据	NA	NA	NA	NA	NA
2285	2026-01-20	InfoARD: Enhancing Adversarial Robustness Distillation With Attack-Strength Adaptation and Mutual-Information Maximization 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637689 PMID:41343323	研究论文	提出一种名为InfoARD的对抗鲁棒性蒸馏新范式，通过攻击强度自适应和互信息最大化增强紧凑模型的对抗鲁棒性	设计了攻击强度自适应机制动态调整攻击强度，并引入互信息最大化策略确保学生模型从多层级特征表示中有效学习	未明确说明在极端对抗攻击场景下的性能边界，也未讨论计算开销增加的具体量化分析	提升深度神经网络对抗攻击的鲁棒性，通过师生交互机制保护紧凑模型	深度神经网络模型，特别是教师-学生蒸馏框架中的紧凑模型	机器学习	NA	对抗蒸馏，对抗训练	深度神经网络	图像数据（基于多数据集实验推断）	NA	PyTorch, TensorFlow（基于通用深度学习框架推断）	NA	对抗鲁棒性指标（具体未列明），准确率	GPU（具体型号未说明）
2286	2026-01-20	An explainable hybrid CNN-LSTM framework for accurate sequence-based classification of RNA N6-methyladenosine (m6A) modification 2026-Jan, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100383 PMID:41354216	研究论文	本文提出了一种结合CNN-LSTM和SHAP的可解释性混合框架，用于准确分类RNA N6-甲基腺苷修饰位点	结合CNN-LSTM模型与SHAP特征选择，提升预测性能并提供生物学解释性	未明确说明数据集的规模或潜在的数据不平衡问题	提高RNA m6A修饰位点的准确识别能力	RNA序列中的N6-甲基腺苷修饰位点	自然语言处理	NA	RNA序列分析	CNN, LSTM	序列数据	NA	NA	CNN-LSTM混合架构	准确率, 灵敏度, 特异性, MCC	NA
2287	2026-01-20	Progress of Deep Learning Prediction of CD8+ T-Cell Epitopes 2026-Jan, Proteomics IF:3.4Q2 DOI:10.1002/pmic.70101 PMID:41452164	综述	本文全面回顾了基于蛋白质语言模型的表位编码方案以及用于预测MHC-I结合亲和力、TCR-肽反应性和pMHC-TCR结合亲和力的深度学习模型的最新进展	聚焦于深度学习技术在CD8+ T细胞表位预测中的应用，特别是结合蛋白质语言模型进行表位编码的创新方法	NA	总结深度学习在预测CD8+ T细胞表位方面的进展，以支持疫苗设计和免疫治疗研究	CD8+ T细胞表位、MHC-I分子、T细胞受体（TCR）以及它们之间的相互作用	自然语言处理, 机器学习	NA	深度学习, 蛋白质语言模型	深度学习模型	蛋白质序列数据, 肽序列数据	NA	NA	NA	NA	NA
2288	2026-01-20	Coupled Diffusion Posterior Sampling for Unsupervised Hyperspectral and Multispectral Images Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3647207 PMID:41477791	研究论文	提出一种耦合扩散后验采样方法，用于无监督的高光谱与多光谱图像融合	无需高分辨率高光谱图像进行监督训练，直接从输入的低分辨率高光谱图像和高分辨率多光谱图像对中学习扩散先验，并设计耦合扩散后验采样方法引入空间和光谱信息	未明确提及方法在极端光照或复杂场景下的泛化能力，也未讨论计算效率或实时性限制	实现无监督的高光谱与多光谱图像融合，以生成高分辨率高光谱图像	高光谱图像（HSI）和多光谱图像（MSI）或RGB图像	计算机视觉	NA	扩散模型	扩散模型	图像	未指定具体样本数量，仅使用输入测试图像对（低分辨率高光谱图像和高分辨率多光谱图像）	未指定	未指定具体架构，但提及使用较小的网络	未明确提及具体指标，但提到优于其他最先进的无监督方法	未指定
2289	2026-01-20	Recognizing stressed chicken signs: A comparison using the Happy Chicken Tool and the Stressed Chicken Scale 2026-Jan, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106141 PMID:41385955	研究论文	本研究利用深度学习中的卷积神经网络和迁移学习，通过图像分析检测鸡的不适迹象，并与人类观察者的压力评分进行比较	首次将EfficientNet和MobileNet等预训练CNN模型应用于鸡的压力检测，并利用Grad-CAM增强模型可解释性，揭示了AI决策时关注的鸡体部位	研究主要基于侧视图图像，可能未涵盖其他角度或环境条件下的压力表现，且模型性能依赖于特定数据集	开发自动化的动物福利监测方法，早期检测鸡的压力和不适指标	鸡（个体动物层面）	计算机视觉	NA	图像分析，深度学习	CNN	图像	NA	NA	EfficientNet, MobileNet	准确率, 灵敏度, 特异性	NA
2290	2026-01-20	Automated diagnosis of chronic obstructive pulmonary disease using deep learning applied to electrocardiograms 2026-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.106066 PMID:41485457	研究论文	本研究利用深度学习分析心电图，开发了一种自动诊断慢性阻塞性肺疾病的方法	首次将深度学习应用于心电图分析，以实现慢性阻塞性肺疾病的早期检测，并展示了在不同人群中的稳健性能	研究依赖于ICD代码进行临床诊断确认，可能受编码准确性影响；外部验证队列的性能略有下降	评估深度学习分析心电图作为早期慢性阻塞性肺疾病检测工具的有效性	慢性阻塞性肺疾病患者的心电图数据	机器学习	慢性阻塞性肺疾病	心电图分析	CNN	心电图	208,231份心电图，来自18,225例慢性阻塞性肺疾病病例和49,356例对照	未明确提及	卷积神经网络	AUC	西奈山伊坎医学院科学计算与数据部门提供的计算和数据资源
2291	2026-01-20	Ear biometrics in forensic identification: from ear similarity quantification to kinship verification driven by deep learning approaches 2026-Jan, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03636-6 PMID:41091208	研究论文	本研究开发了深度学习模型用于量化耳部图像相似度并进行亲缘关系验证	首次结合预训练ResNet50和Transformer模块，构建SimiNet和VTrans模型，用于耳部生物特征相似度量化和亲缘关系验证	研究仅基于中国受试者的耳部图像数据集，模型在亲缘关系验证任务上的准确率仍有提升空间	通过耳部生物特征进行相似度量化和亲缘关系验证，以支持法医鉴定和失踪儿童寻找	中国受试者的耳部图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	SCED和CNKE两个耳部图像数据集，具体样本数量未明确说明	未明确说明，代码已开源在Github	ResNet50, VGG16, Transformer	准确率, AUC	NA
2292	2026-01-20	Decoding the interconnected splicing patterns of hepatitis B virus and host using large language and deep learning models 2026-Jan, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001616 PMID:41543530	研究论文	本研究利用大型语言和深度学习模型解码乙型肝炎病毒（HBV）与宿主之间的互连剪接模式	首次将SpliceBERT和OpenSpliceAI模型应用于HBV基因组，揭示其剪接供体位点与宿主相似而受体位点更隐蔽，并发现剪接效率与疾病进展的相关性优于传统剪接比例指标	研究基于279个RNA测序文库和4,706个HBV基因组，样本来源和规模可能限制结论的普适性	解码HBV的剪接模式及其与宿主剪接机制的相互作用，以理解病毒持久性和免疫逃逸机制	乙型肝炎病毒（HBV）基因组及其在宿主肝脏组织和培养细胞中的剪接变异	自然语言处理, 机器学习	肝癌	RNA测序	大型语言模型, 深度学习模型	基因组序列, RNA测序数据	279个RNA测序文库（来自HBV相关肝脏活检和培养细胞）和4,706个HBV基因组	NA	SpliceBERT, OpenSpliceAI	NA	NA
2293	2026-01-20	Alzheimer's disease prediction via an explainable CNN using genetic algorithm and SHAP values 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337800 PMID:41544026	研究论文	本研究提出了一种名为GASHAP的新型可解释AI技术，结合遗传算法和SHAP值，用于增强3D-CNN模型在阿尔茨海默病MRI图像分类中的可解释性	提出GASHAP技术，将遗传算法与SHAP值结合，从解剖学定义的脑区层面提供解释，而非仅基于体素级别	NA	提高阿尔茨海默病诊断中深度学习模型的可解释性	阿尔茨海默病患者和认知正常对照者的脑部MRI扫描	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	NA	NA	3D-CNN	NA	NA
2294	2026-01-20	Deep learning with satellite images enables high-resolution income estimation: A case study of Buenos Aires 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338110 PMID:41544087	研究论文	本研究利用高分辨率卫星图像和深度学习技术，在布宜诺斯艾利斯大都市区生成高分辨率收入地图	采用EfficientNetV2架构的神经网络，实现了比现有方法高20倍以上的空间分辨率（50x50米），并能基于任意卫星图像估计收入地图	研究仅基于布宜诺斯艾利斯一个案例，可能无法直接推广到其他地区；依赖2010年人口普查数据作为训练基础	评估利用卫星图像和机器学习生成高分辨率收入地图的潜力，以解决发展中国家数据收集成本高的问题	布宜诺斯艾利斯大都市区的卫星图像和2010年人口普查数据	计算机视觉	NA	卫星遥感成像	CNN	图像	布宜诺斯艾利斯大都市区的卫星图像数据集	NA	EfficientNetV2	R2	NA
2295	2026-01-20	Artificial intelligence-based dairy cattle behavior recognition for estrus detection via ensemble fusion of two camera views 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340999 PMID:41544085	研究论文	本文提出了一种基于人工智能的多视角奶牛行为识别系统，用于发情检测，通过集成融合两个摄像头视图	采用同步的顶视和前视CCTV视频，结合深度学习技术，通过IoU进行身份-行为关联，并在决策层集成双视角信息以提高行为识别准确性	NA	开发一个多视角行为识别系统以监测奶牛行为，支持发情检测和农场管理	奶牛	计算机视觉	NA	深度学习	YOLOv8	视频	NA	NA	YOLOv8	NA	NA
2296	2026-01-20	The potential of deep learning on the discovery of new genes implicated in differences of sex development 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.019 PMID:41550136	研究论文	本文介绍了一种名为GONAD-ResNet的残差卷积神经网络，用于通过分析时间依赖性单细胞基因表达数据来预测新的性别发育差异相关基因	提出GONAD-ResNet模型，首次将深度学习应用于从全外显子组测序数据中识别新的DSD相关基因，通过优先考虑表达谱与已知DSD基因相似的基因来加速发现过程	研究样本量较小，仅涉及6名患者，可能限制模型的泛化能力和统计显著性	加速发现新的性别发育差异相关基因，以改善患者诊断和预后	性别发育差异患者，包括3名XX和3名XY个体	机器学习	性别发育差异	全外显子组测序，单细胞基因表达分析	CNN	基因表达数据，测序数据	6名患者	NA	ResNet	NA	NA
2297	2026-01-20	Near-infrared hyperspectral imaging combined with elemental and isotopic analyses reflects geographical origins of cultured salmonids 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101293 PMID:41551169	研究论文	本研究结合近红外高光谱成像与元素/同位素分析，以反映养殖鲑鱼的产地信息并提高判别模型的可解释性	首次将高光谱成像与元素/同位素分析相结合，为产地判别提供化学计量学基础，并可视化关键元素/同位素的空间分布	所有判别模型的总体准确率仅达到可接受水平（>65%），最高精度为88.13%，仍有提升空间	开发可解释的产地判别方法以应对食品欺诈并确保鲑鱼产品的真实性	养殖鲑鱼	机器学习	NA	近红外高光谱成像、元素分析、同位素分析	随机森林、极限学习机	高光谱图像、元素数据、同位素数据	NA	NA	NA	准确率、精度、R值	NA
2298	2026-01-20	Continuous Lower Limb Biomechanics Prediction via Prior-Informed Lightweight Marker-GMformer 2026, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0476 PMID:41551246	研究论文	本研究提出了一种名为Marker-GMformer的深度学习模型，用于高效、准确地连续预测下肢运动学和动力学数据	提出了一种结合先验知识、全局-局部特征和时空特征的轻量级深度学习模型，用于连续预测下肢生物力学，在保持高性能的同时降低了计算复杂度，并展示了在13种不同运动模式下的强泛化能力	NA	开发一种高效、准确的模型，用于实时预测下肢生物力学，以支持机器人控制系统的快速反馈和推理	下肢运动学（关节角度）、动力学（关节力矩）和地面反作用力	机器学习	NA	深度学习	Transformer	时间序列（标记点坐标）	NA	NA	GMformer	皮尔逊相关系数, 均方根误差	NA
2299	2026-01-20	Single-inspiratory quantitative CT nomogram for enhanced PRISm and COPD differentiation: a cross-sectional study with interpretable diagnostic boundaries 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20575 PMID:41551461	研究论文	本研究开发了一种基于单次吸气定量CT的列线图，整合了肺实质、气道和血管参数，以增强PRISm与COPD的鉴别诊断	提出了一个整合多参数的单次吸气定量CT列线图，通过可解释的结构-功能指标来重新定义影像学诊断边界，并识别了浅表血管直径减小作为关键生物标志物	这是一项回顾性、单中心研究，样本量相对有限，且仅基于单次吸气CT扫描	开发一种辐射效率高且可解释的诊断工具，以区分PRISm和COPD，实现早期COPD分层	来自宁波市第二医院的658名符合条件的参与者（正常：135，PRISm：328，COPD：195）	数字病理学	慢性阻塞性肺疾病	单次吸气定量CT扫描	逻辑回归	CT图像	658名参与者	NA	逻辑回归模型	ROC-AUC	NA
2300	2026-01-19	Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations 2026-Feb-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	本研究开发了一种名为k-GINR的新型两阶段隐式神经表示网络，用于加速非笛卡尔磁共振成像的重建	结合对抗性训练的隐式神经表示网络，能够直接重建非笛卡尔k空间数据，并在高加速比下表现出优越性能	NA	加速磁共振成像采集，减少图像伪影，提高重建效率	患者特异性非笛卡尔磁共振成像数据	医学影像	肝脏疾病	非笛卡尔采样磁共振成像	隐式神经表示, 生成对抗网络	k空间数据, 图像	118个前瞻性采集的StarVIBE T1加权肝脏扫描及相应线圈数据	NA	k-GINR, NeRP, k-NeRP, Deep Cascade CNN	峰值信噪比	NA