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
6341	2026-01-30	Artificial Intelligence in Recurrent Pregnancy Loss: Current Evidence, Limitations, and Future Directions 2026-Jan-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020686 PMID:41598624	综述	本文总结了人工智能在复发性妊娠丢失（RPL）领域的应用现状、局限性与未来方向	利用人工智能（特别是机器学习和深度学习）揭示RPL中环境、免疫、生化和遗传因素间的复杂相互作用，并整合多组学数据以开发个性化预测模型	数据集规模小且异质性强、诊断定义存在冲突、外部验证有限、缺乏前瞻性临床试验	评估人工智能如何改变对复发性妊娠丢失的认知、预测能力及未来治疗管理	复发性妊娠丢失（RPL）	机器学习	复发性妊娠丢失	NA	机器学习, 深度学习	影像学数据, 蛋白质组学数据, 基因组学数据, 临床数据, 多组学数据	NA	NA	NA	NA	NA
6342	2026-01-30	The Comparison of Human and Machine Performance in Object Recognition 2026-Jan-13, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16010109 PMID:41595050	研究论文	本研究通过比较人类与深度学习模型在物体识别任务中的表现，探讨了模型是否能在准确性和分类行为上达到人类水平	采用比较心理学原则，在相似约束下对比人类与机器性能，并首次通过多实验设计（包括不同呈现时间、任务复杂性和自由命名任务）系统评估模型泛化能力与人类分类行为的一致性	研究主要基于ObjectNet数据集的子集，可能未覆盖所有真实世界场景；且仅测试了特定模型（如CoCa），未全面涵盖所有先进深度学习架构	评估深度学习模型在物体识别任务中是否能在准确性和分类行为上匹配人类表现，并探索模型与人类认知的差异	人类参与者与深度学习模型（包括多模态CoCa模型等）	计算机视觉	NA	深度学习	深度学习模型	图像	使用ObjectNet数据集的子集进行实验	NA	CoCa	准确性, 泛化能力, 分类行为一致性	NA
6343	2026-01-30	Artificial Intelligence in Oncologic Thoracic Surgery: Clinical Decision Support and Emerging Applications 2026-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers18020246 PMID:41595166	综述	本文评估并综合了人工智能在胸外科手术路径中的当前应用现状，从术前决策支持到术中引导及新兴自主干预	系统综述了AI在胸外科从决策支持到自主干预阈值的最新进展，并强调了未来研究方向如数字孪生、联邦学习和可解释AI	广泛采用受到算法偏差、数据整合、监管批准和伦理透明度等挑战的限制，需要多中心验证和稳健治理框架	评估和综合人工智能在胸外科手术路径中的应用现状	胸外科手术，特别是肺癌和胸部肿瘤学领域	计算机视觉, 机器学习	肺癌	机器学习, 深度学习, 计算机视觉	NA	影像, 组织病理学数据	NA	NA	NA	诊断准确性	NA
6344	2026-01-30	EMG-Spectrogram-Empowered CNN Stroke-Classifier Model Development 2026-Jan-13, Life (Basel, Switzerland) DOI:10.3390/life16010114 PMID:41598269	研究论文	本研究提出了一种将肌电图信号转换为时频表示谱图，并利用卷积神经网络进行中风分类的新方法	引入了将EMG信号转换为时频表示谱图作为CNN输入的新方法，并提出了Tri-CCNN模型，在分类准确率上超越了浅层CNN和经典LeNet-5架构	未明确提及样本量的具体大小、数据集的详细构成以及模型在更广泛人群中的泛化能力	开发一种自动化工具，用于区分中风后患者与健康个体，以支持家庭康复环境中的客观评估	中风后患者与健康个体的肌电图信号	机器学习	中风	肌电图	CNN	图像（时频表示谱图）	NA	NA	Tri-CCNN, Shallow CNN, LeNet-5	准确率	NA
6345	2026-01-30	DCA-UNet: A Cross-Modal Ginkgo Crown Recognition Method Based on Multi-Source Data 2026-Jan-13, Plants (Basel, Switzerland) DOI:10.3390/plants15020249 PMID:41600056	研究论文	本文提出了一种基于多源数据的银杏树冠识别方法DCA-UNet，用于精确分割无人机获取的RGB和多光谱图像中的银杏树冠	提出了一种新颖的双分支动态加权融合网络DCA-UNet，通过双分支编码器、跨模态交互融合模块和注意力增强解码器，有效融合多源信息并提升边界语义一致性	未明确提及模型在更广泛树种或极端环境下的泛化能力，以及计算效率的详细分析	开发一种高效、可靠的野生银杏树冠识别方法，以支持濒危树种的监测与保护	野生银杏树冠	计算机视觉	NA	无人机平台获取的RGB和多光谱成像	CNN	图像	未明确提及具体样本数量，但基于自建的多模态银杏树冠数据集	未明确提及，可能为PyTorch或TensorFlow	U-Net	IoU, PA, Precision, F1-score	未明确提及
6346	2026-01-30	Artificial Intelligence for Detecting Aortic Arch Calcification on Chest Radiographs: A Systematic Review 2026-Jan-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020243 PMID:41594218	系统综述	本文系统综述了人工智能模型在胸部X光片上检测主动脉弓钙化的诊断准确性及其临床实施潜力	首次系统性地评估了AI模型在常规胸部X光片上检测主动脉弓钙化的性能，并强调了其作为心血管风险分层可扩展工具的潜力	研究间存在显著的方法学异质性，缺乏横断面成像参考标准，且外部验证队列中的性能估计值常被削弱，导致总体证据确定性较低	评估人工智能模型在胸部X光片上检测主动脉弓钙化的诊断准确性，并评估其临床实施潜力	成年人的胸部X光片	计算机视觉	心血管疾病	胸部X光摄影	CNN	图像	约270万张图像	NA	NA	AUROC, 召回率, 特异性, 敏感性	NA
6347	2026-01-30	Liquid Biopsy in Early Screening of Cancers: Emerging Technologies and New Prospects 2026-Jan-12, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14010158 PMID:41595692	综述	本文综述了液体活检在癌症早期筛查中的新兴技术，特别是从单一突变检测向整合cfDNA、CTC和EVs等多模态框架的转变，并探讨了其在多癌种早期检测、溯源、诊断分流和纵向监测中的应用前景	提出了从信号发现向可部署的多模态决策系统过渡的路径感知工作流程，强调将片段组学和甲基化特征与深度学习放射组学结合，支持以血液为首的高特异性风险分层	NA	总结用于癌症早期检测的新兴液体活检技术，并为其临床实施提出标准化工作流程和评估建议	液体活检技术，包括细胞游离DNA、循环肿瘤细胞和细胞外囊泡	数字病理学	癌症	测序，错误抑制策略，片段组学，甲基化分析	深度学习	NA	NA	NA	NA	校准，决策曲线分析，固定特异性下的阳性预测值/阴性预测值，组织溯源准确性	NA
6348	2026-01-30	Development of AI-Based Laryngeal Cancer Diagnostic Platform Using Laryngoscope Images 2026-Jan-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020227 PMID:41594203	研究论文	本研究开发并评估了一个基于人工智能的喉癌诊断平台，该平台利用喉镜图像，通过两个深度学习模型分别进行声带图像选择和喉癌病灶定位	提出了一个集成声带图像选择模型和病灶检测模型的两阶段AI平台，用于从喉镜图像中实现准确且快速的喉癌检测	研究局限在当前实验设置下，未提及外部验证或临床前瞻性试验结果	开发并评估基于人工智能的模型，用于利用喉镜图像检测喉癌	喉镜图像	计算机视觉	喉癌	喉镜成像	深度学习	图像	NA	NA	FCN-ResNet101	IoU, Dice分数, 准确率, 精确率, 召回率, F1分数, 单图推理时间	NA
6349	2026-01-30	Deep learning based volumetric analysis of infrarenal abdominal aortic aneurysms characterized on CTA 2026-Jan-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02262-1 PMID:41519965	研究论文	本文提出了一种基于深度学习的自动化分割和体积测定方法，用于分析CTA图像中的肾下腹主动脉瘤	开发了一种机构无关的网络，能够自动进行腹主动脉瘤的体积分析，显著提高了工作流程效率	未明确说明模型在更广泛数据集或不同成像条件下的泛化能力	训练和验证一个网络，以自动化分割和测定CTA图像中肾下腹主动脉瘤的体积，并评估工作流程加速效果	肾下腹主动脉瘤，包括总动脉瘤、管腔和血栓	计算机视觉	心血管疾病	CTA	深度学习	图像	未明确说明具体样本数量，但涉及内部和外部验证数据集	未明确说明	未明确说明	Dice相似系数, 相关系数	未明确说明
6350	2026-01-30	Decoding of Inconsistent Biological Data: A Critical Step toward Enhanced AI Predictivity in Drug Discovery 2026-Jan-09, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.5c00677 PMID:41536274	观点文章	本文讨论了生物活性数据整合中的噪声问题及其对AI药物发现预测能力的影响	强调实验协议变化（如缓冲液组成和实验设置）对数据一致性的深刻影响，并探讨利用大语言模型和代理AI支持药物发现的新策略	当前计算研究在评估蛋白质-配体相互作用方面存在局限性，数据噪声问题尚未完全解决	提高AI在药物发现中的预测能力，解决生物数据不一致性问题	酶抑制剂/结合剂和病毒表面蛋白等蛋白质靶标	机器学习	NA	NA	深度学习, 大语言模型	生物活性数据	NA	NA	NA	NA	NA
6351	2026-01-30	Demystifying Deep Learning Decisions in Leukemia Diagnostics Using Explainable AI 2026-Jan-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020212 PMID:41594188	研究论文	本文提出了一种结合卷积神经网络和可解释AI方法的AI流程，用于白血病诊断，旨在提高诊断准确性并提供透明的决策依据	整合了多种CNN模型与LIME和Grad-CAM两种可解释AI方法，在大型多样化数据集上实现了高精度诊断，并提供了以细胞核为中心的可视化解释	未明确提及模型在临床环境中的实时应用验证或外部独立数据集的测试	开发一个高精度且可解释的AI系统，用于白血病的自动化诊断	白血病患者及健康对照者的血液和骨髓图像数据	数字病理学	白血病	外周血涂片和骨髓评估，结合LDI-PCR、分子细胞遗传学和array-CGH	CNN	图像	66,550张图像，涵盖ALL、AML、CLL、CML和健康对照	TensorFlow, Keras	DenseNet-121, MobileNetV2, VGG16, InceptionV3, ResNet50, Xception, 自定义CNN	准确率, F1分数	未明确指定
6352	2026-01-30	Comparative Evaluation of Deep Learning Models for the Classification of Impacted Maxillary Canines on Panoramic Radiographs 2026-Jan-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020219 PMID:41594194	研究论文	本研究通过比较四种预训练的卷积神经网络模型，评估了深度学习在自动分类全景X光片中上颌阻生尖牙方面的性能	首次对ResNet50、Xception、InceptionV3和VGG16四种预训练CNN架构在阻生上颌尖牙分类任务上进行了比较评估，并开发了原型诊断界面以展示临床应用潜力	研究为单中心回顾性研究，数据集存在轻度不平衡，且需要进一步在多样化的多中心数据集上进行验证以确认临床泛化能力	开发并评估基于深度学习的自动化分类方法，以辅助上颌阻生尖牙的早期准确识别	上颌阻生尖牙	计算机视觉	牙科疾病	全景X光摄影	CNN	图像	694张标注的全景X光片	TensorFlow, Keras	ResNet50, Xception, InceptionV3, VGG16	准确率, 精确率, 召回率, 特异性, F1分数	NA
6353	2026-01-30	Efficient and Accurate Epilepsy Seizure Prediction and Detection Based on Multi-Teacher Knowledge Distillation RGF-Model 2026-Jan-09, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16010083 PMID:41594804	研究论文	本文提出了一种基于多教师知识蒸馏的RGF-Model，用于高效、准确的癫痫发作预测与检测	提出了一种轻量级网络RGF-Model，将发作预测与检测统一在因果框架内，并采用多教师知识蒸馏策略从复杂教师模型中转移互补知识，显著降低了计算复杂度	模型仅在CHB-MIT和Siena两个数据集上进行了评估，需要更多临床数据验证其泛化能力	开发适用于可穿戴设备的实时癫痫监测系统	癫痫患者的脑电信号	机器学习	癫痫	脑电图	RNN, 知识蒸馏	时序信号	CHB-MIT和Siena数据集	NA	Ring-Buffer Gated Recurrent Unit, Feature-wise Linear Modulation	AUC, 每小时错误预测率, 准确率	NA
6354	2026-01-30	Robust Multimodal Deep Learning for Lymphoma Subtype Classification Using 18F-FDG PET Maximum Intensity Projection Images and Clinical Data: A Multi-Center Study 2026-Jan-09, Cancers IF:4.5Q1 DOI:10.3390/cancers18020210 PMID:41595131	研究论文	本研究提出了一种多模态深度学习框架，结合了标准化的PET影像特征与结构化临床数据，用于淋巴瘤亚型的层次分类	引入了Scanner-Conditioned Normalization (SCN)模块以自适应地调和不同扫描仪制造商引起的特征分布差异，并构建了一个多模态深度学习框架进行层次分类	需要在更大、更多样化的队列中进行进一步验证，以应对罕见亚型和生物学异质性的挑战	开发一个稳健的多模态深度学习框架，用于淋巴瘤亚型的自动分类	淋巴瘤患者的18F-FDG PET最大强度投影图像和临床数据	数字病理学	淋巴瘤	18F-FDG PET成像	深度学习	图像, 临床数据	多中心数据，包含内部和外部队列	NA	NA	AUC	NA
6355	2026-01-30	Light Sources in Hyperspectral Imaging Simultaneously Influence Object Detection Performance and Vase Life of Cut Roses 2026-Jan-09, Plants (Basel, Switzerland) DOI:10.3390/plants15020215 PMID:41600022	研究论文	本研究探讨了四种光源（卤素灯、白炽灯、荧光灯和LED）对高光谱成像质量和切花月季瓶插寿命的影响	首次同时评估光源对高光谱成像质量和植物生理状态（瓶插寿命）的双重影响，并提出两阶段照明策略	仅使用两个切花月季品种，样本量有限，且未考虑其他环境因素	优化高光谱成像中的照明条件，以提高深度学习模型检测精度并减少对植物生理的负面影响	切花月季品种'All For Love'和'White Beauty'	计算机视觉	NA	高光谱成像	YOLOv11x	高光谱图像	40枝切花月季，每种光源产生640张图像	NA	YOLOv11x	mAP@0.5	NA
6356	2026-01-30	Age- and BMI-Dependent Psoas and Gluteus Muscle Mass in 27,805 Participants of the Population-Based German National Cohort (NAKO Gesundheitsstudie): A Deep-Learning 3T MRI Study 2026-Jan-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020205 PMID:41594181	研究论文	本研究开发并验证了一种基于深度学习的自动化模型，用于在大型队列研究中通过3T MRI对腰大肌和臀肌进行3D分割和量化，并分析了性别、年龄和BMI相关的差异	首次在基于人群的大规模队列研究中应用深度学习模型对腰大肌和臀肌进行3D自动分割和量化	研究未讨论模型在其他人群或不同MRI设备上的泛化能力	开发自动化深度学习模型用于MRI图像中骨骼肌的3D分割和量化，并分析肌肉形态与性别、年龄、BMI的关系	基于德国国家队列研究的27,805名参与者的腰大肌和臀肌	计算机视觉	NA	3T MRI, T1加权3D VIBE DIXON序列	深度学习分割模型	MRI图像	27,805名参与者	NA	NA	Dice系数	NA
6357	2026-01-30	Early Tuberculosis Detection via Privacy-Preserving, Adaptive-Weighted Deep Models 2026-Jan-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020204 PMID:41594180	研究论文	本文提出了一种基于联邦学习和遗传算法优化的自适应加权集成模型，用于早期肺结核的检测	结合联邦学习与遗传算法优化的自适应加权集成策略，在保护数据隐私的同时提升模型性能	研究未明确说明模型在外部验证集上的泛化能力及计算资源消耗的具体细节	开发一个可扩展、保护隐私且高精度的深度学习系统，用于早期肺结核识别	胸部X光图像	计算机视觉	肺结核	胸部X光成像	集成学习模型	图像	NA	NA	集成模型（具体基础模型未指定）	准确率, 灵敏度, 精确率, F1分数, AUC, 混淆矩阵	NA
6358	2026-01-30	Artificial Intelligence Meets Nail Diagnostics: Emerging Image-Based Sensing Platforms for Non-Invasive Disease Detection 2026-Jan-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010075 PMID:41596006	综述	本文首次全面综述了结合人工智能/机器学习进行指甲病变图像分析以用于诊断目的的研究现状	首次对融合AI/ML的指甲病变图像分析诊断进行大规模综合评述，并特别关注诊断与筛查，提出了可扩展、公平、可信的基于指甲的医学诊断技术路径	面临数据稀缺、皮肤类型差异、标注错误以及临床采纳法规等现实世界应用障碍	探讨人工智能与机器学习在指甲诊断中的应用，推动非侵入性疾病检测	指甲病变图像，作为系统性疾病（如贫血、糖尿病、银屑病、黑色素瘤、真菌病）的非侵入性生物标志物	计算机视觉	NA	智能手机成像、皮肤镜、光学相干断层扫描	深度学习	图像	NA	NA	NA	NA	NA
6359	2026-01-30	Explainable Transformer-Based Modelling for Pathogen-Oriented Food Safety Inspection Grade Prediction Using New York State Open Data 2026-Jan-08, Foods (Basel, Switzerland) DOI:10.3390/foods15020223 PMID:41596821	研究论文	本研究开发了一个基于Transformer的可解释框架，利用纽约州公开的多模态检查数据来预测食品安全检查等级	首次将基于Transformer的模型与可解释人工智能（XAI）相结合，用于面向病原体的食品安全风险评估，并利用多模态数据（结构化元数据和非结构化缺陷描述）进行建模	研究仅基于纽约州的公开数据，模型在其他地区的泛化能力尚未验证；未详细讨论计算资源需求和实时部署的可行性	开发可解释的AI框架，用于预测食品安全检查等级，支持面向病原体的实时风险评估	纽约州食品安全检查数据，包括结构化元数据和非结构化缺陷描述文本	自然语言处理	食源性疾病	文本分析，多模态数据融合	Transformer, BiLSTM, LightGBM	文本，结构化数据	未明确说明具体样本数量，但使用纽约州公开的食品安全检查数据集	未明确说明，但提及了经典机器学习、深度学习和Transformer模型	RoBERTa, BiLSTM, LightGBM	F1分数	NA
6360	2026-01-30	Artificial Intelligence in Rheumatology: From Algorithms to Clinical Impact in Osteoporosis and Chronic Inflammatory Rheumatic Diseases 2026-Jan-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020491 PMID:41598430	综述	本文总结了人工智能在骨质疏松症和慢性炎症性风湿病领域的研究现状、应用潜力及面临的挑战	系统性地回顾了2015年至2025年间AI在风湿病学领域的研究进展，并特别关注了方法学稳健性和临床适用性	大多数研究依赖于回顾性单中心数据集，外部验证有限，可解释性欠佳，且缺乏真实世界应用的证据	总结人工智能在骨质疏松症和慢性炎症性风湿病中的当前证据，评估其临床转化潜力	骨质疏松症和慢性炎症性风湿病（如骶髂关节炎）	数字病理学	风湿病	NA	机器学习, 深度学习	影像数据, 临床数据, 生物学数据	基于323篇纳入文章	NA	NA	NA	NA