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
6521	2026-01-28	Artificial intelligence in spine surgery: a scoping review 2026-Jan, Neuro-Chirurgie DOI:10.1016/j.neuchi.2025.101764 PMID:41397525	综述	本文通过范围综述，系统梳理了人工智能在脊柱外科中的应用现状、前沿及文献缺口	首次通过范围综述全面绘制了AI在脊柱外科中的应用图景，并识别了当前研究的局限与未来方向	纳入研究主要基于PubMed和Cochrane数据库，可能存在发表偏倚；且AI模型和数据集的可及性普遍受限	旨在映射人工智能在脊柱外科中的应用领域，明确当前前沿并识别文献中的空白	涉及脊柱外科中应用AI模型或验证AI应用的研究	医学人工智能	脊柱疾病	NA	深度学习模型, 非深度学习模型	NA	NA	NA	NA	NA	NA
6522	2026-01-28	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究提出了一种基于混合注意力机制的深度学习模型，用于利用卫星衍生的臭氧剖面数据预测边界层臭氧浓度	提出了两种新颖的混合深度学习架构（ConvBiGRU-AttentionNet 和 EMD-ConvBiGRU-AttentionNet），首次将注意力机制与卷积门控循环单元结合，并引入经验模态分解提取多尺度时间特征	未明确说明模型在不同地理区域或极端气象条件下的泛化能力，也未讨论计算成本与实时预测的可行性	提高边界层臭氧浓度的预测精度，以应对其非线性动态变化和垂直剖面数据稀缺的挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI/Aura）、经验模态分解	RNN, CNN, GRU, LSTM, 混合模型（GRU-CNN, LSTM-CNN）	时间序列数据（臭氧剖面数据）	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能评分	NA
6523	2026-01-28	VASCilia is an open-source, deep learning-based tool for 3D analysis of cochlear hair cell stereocilia bundles 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003591 PMID:41557732	研究论文	本文介绍了一个名为VASCilia的开源深度学习工具，用于自动化分析耳蜗毛细胞静纤毛束的3D共聚焦显微镜图像	开发了首个用于耳蜗毛细胞静纤毛束3D分析的集成化深度学习工具套件，包含五个专门训练的模型，并提供了首个开源的手动标注3D数据集	模型主要在小鼠耳蜗数据集上训练，尚未在其他物种或更广泛的成像条件下验证	开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战	耳蜗毛细胞及其静纤毛束	数字病理学	听力障碍	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D图像堆栈	约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注	NA	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类模型	NA	NA
6524	2026-01-28	LeafAI: Interpretable plant disease detection for edge computing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335956 PMID:41576062	研究论文	本研究提出了一种用于边缘计算的植物病害检测混合AI方法，通过两阶段分类和可解释AI技术提高计算效率和透明度	采用轻量级传统机器学习与深度学习结合的两阶段方法，并集成Grad-CAM可解释性技术，在保持高精度的同时显著提升推理速度	仅针对植物叶片病害检测，未涉及其他植物部位或更复杂的农业场景	开发高效、可解释且可扩展的实时植物病害检测系统，以应对农业中的类别不平衡问题	植物叶片图像，包括健康和病害叶片	计算机视觉	植物病害	图像分析	Logistic Regression, CNN	图像	1,227张测试图像	NA	ResNet, DenseNet, MobileNet, EfficientNet, Mobilenetv3	准确率, 推理时间	入门级笔记本电脑
6525	2026-01-28	A feature-based generalizable prediction model for both perceptual and abstract reasoning 2026-Jan, Cognitive neuroscience IF:2.0Q3 DOI:10.1080/17588928.2025.2599784 PMID:41396106	研究论文	本文提出了一种基于特征的通用预测模型，用于解决感知和抽象推理任务，特别是在简化版Raven渐进矩阵任务中实现一次性推理	模型结合特征检测、仿射变换估计和搜索算法，能够处理符号和连续模式挑战，并表达发现的关系	模型仅在简化版Raven渐进矩阵任务上测试，未在更复杂或真实世界场景中验证	开发一种能够模拟人类抽象推理能力的算法模型，用于智能机器改进	Raven渐进矩阵任务中的符号和感知推理问题	机器学习	NA	特征检测、仿射变换估计、搜索算法	算法模型	图像	NA	NA	NA	NA	NA
6526	2026-01-28	Deep learning for suppressing EMG and motion artifacts in armband ECG R-peak detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00507-2 PMID:41584807	研究论文	本文提出了一种新颖的深度学习框架，用于抑制臂带式心电图信号中的肌电和运动伪影，以进行鲁棒的R波峰值检测	引入了一种新颖的卷积神经网络增强编码器-解码器架构，专注于通过幅度增强来选择性增强R波峰值，同时抑制干扰信号成分	研究仅涉及10名健康参与者，且模型验证侧重于伪影较多的日间记录，可能限制了在更广泛人群和全天候条件下的普适性	开发一种用于可穿戴心脏监测设备中，在存在肌电污染和运动伪影的情况下，实现鲁棒R波峰值识别的深度学习方法	来自实验性臂带系统和临床级Holter监测器的同步24小时心电图信号	机器学习	心血管疾病	心电图监测	CNN	时间-频率谱图	10名健康参与者，11,598个已验证的10秒心电图片段	NA	卷积神经网络增强编码器-解码器	平均绝对误差，均方根连续差，心率估计准确度	NA
6527	2026-01-28	Image registration using MR-based synthetic CT (sCT) generated by cycle-consistent adversarial networks 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00514-3 PMID:41584805	研究论文	本研究提出了一种基于Cycle-GAN生成合成CT（sCT）图像，以实现CT与MR图像之间更精确配准的方法	采用Cycle-GAN生成与MR图像对应的合成CT（sCT）图像，将多模态配准问题转化为单模态配准问题，从而克服了CT与MR图像之间固有的模态差异挑战	数据多样性和质量有待提升，深度学习模型架构需要进一步优化以提高配准精度	提高CT与MR图像之间的配准精度，以提升诊断准确性和效率	CT图像、MR图像及其对应的分割掩模（特别是股骨头）	医学影像分析	NA	图像配准，合成图像生成	GAN	图像	NA	NA	Cycle-GAN	Dice相似系数（DSC），均方根误差（RMSE），峰值信噪比（PSNR），归一化互相关（NCC）	NA
6528	2026-01-28	Intravenous pole-integrated automated urinary status-monitoring technique using image-based artificial intelligence: a simulation study 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00525-0 PMID:41584809	研究论文	本研究开发了一种基于图像人工智能的静脉输液杆集成自动尿液状态监测技术，用于监测导尿患者的尿液颜色和体积变化	提出了一种新型的静脉输液杆集成尿液监测技术，利用深度学习自动检测袋内液体颜色和体积，并识别泌尿疾病症状	研究为模拟研究，未来需要进一步使用实际尿液样本进行临床评估	开发自动化工具以改善接受导尿支持患者的长期尿液状态监测	模拟尿液样本，包括正常、血尿、胆红素尿和紫色尿袋综合征等类型	计算机视觉	泌尿系统疾病	图像分析	深度学习	图像	多种模拟尿液样本	NA	NA	误差率, 准确率	NA
6529	2026-01-28	Toward zero-calibration MEG brain-computer interfaces based on event-related fields 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00503-6 PMID:41584816	研究论文	本文提出了一种基于事件相关场的零校准脑磁图脑机接口，利用空间滤波和深度学习技术实现跨被试泛化	结合xDAWN空间滤波和DeepConvNet深度学习模型，实现了无需用户特定校准的脑磁图脑机接口，提高了实用性和跨被试性能	研究基于视觉oddball范式，可能在其他任务或范式中泛化能力有限；样本量相对较小，需进一步验证	开发无需校准的脑磁图脑机接口，以克服用户间变异性和校准需求，促进其实用化应用	脑磁图信号，特别是事件相关场，用于脑机接口分类	脑机接口	NA	脑磁图，事件相关场分析	CNN	脑磁图信号	多被试数据集，具体数量未明确说明	NA	DeepConvNet	分类准确率，信息传输率	NA
6530	2026-01-28	An optimized EEG-based hybrid deep learning framework for schizophrenia detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00509-0 PMID:41584819	研究论文	本文提出了一种基于EEG的混合深度学习框架，用于精神分裂症的早期检测	提出了一种新颖的混合深度学习框架，集成了突变增强的阿基米德优化算法来改进EEG预处理和信号清晰度，并采用双目标优化技术同时提升检测精度和降噪效果	未明确提及研究的局限性	开发一种精确、客观的诊断工具，用于精神分裂症的早期诊断	多通道脑电图数据	机器学习	精神分裂症	脑电图	CNN, GRU	EEG信号	NA	NA	CNN-GRU混合架构	准确率, 精确率, 召回率, F1分数, 特异性	NA
6531	2026-01-28	Advancing neurological disease treatment: a computational approach for fibroblast growth factor detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00520-5 PMID:41584821	研究论文	本研究提出了一种基于深度学习的计算方法，用于预测成纤维细胞生长因子（FGF）蛋白，以推进神经系统疾病的治疗	首次开发了基于深度学习的计算工具来预测FGF蛋白，并构建了两个高质量数据集，结合了多种特征编码方法和深度学习模型	未提及具体的数据集规模限制或模型泛化能力的验证细节	开发一种计算工具来准确预测FGF蛋白，以促进神经系统疾病治疗的研究	成纤维细胞生长因子（FGF）蛋白序列	自然语言处理	神经系统疾病	特征编码方法（二肽组成、二肽偏离期望均值、分组氨基酸组成）	CNN, BiLSTM, GAN, GRU	蛋白质序列数据	NA	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、生成对抗网络（GAN）、门控循环单元（GRU）	准确率, 灵敏度, 特异性, F1分数, 马修斯相关系数	NA
6532	2026-01-28	Hybridizing Expressive Rendering: Stroke-Based Rendering With Classic and Neural Methods 2026 Jan-Feb, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3624600 PMID:41587263	研究论文	本文分析并比较了经典非真实感渲染与基于神经网络的渲染技术，特别关注基于笔触的渲染，并提出一个结合两者的框架以拓展表达性渲染的可能性	提出一个结合经典非真实感渲染方法与神经网络技术的混合框架，旨在融合两者的优势，为表达性渲染开辟新途径	NA	探索经典与神经网络非真实感渲染技术的异同，并研究如何整合它们以增强渲染质量和艺术控制	非真实感渲染技术，特别是基于笔触的渲染方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
6533	2026-01-27	Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2026-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的实例级牙齿分割方法，用于CBCT扫描，以增强可视化并简化牙科异常检测	提出了一种加速标注程序，专家标注部分图像后，模型自动标注剩余图像，实现了高效的牙齿分割	研究仅基于470个扫描数据，样本量有限，且未在更广泛或多样化的数据集上进行验证	开发并验证深度学习模型，用于CBCT扫描中的牙齿分割，以提升牙科异常的检测效率和可视化效果	CBCT扫描数据，包含各种牙科异常（如龋齿、缺牙、骨岛、根尖周炎）或牙科历史（如填充、修复、根管手术）	计算机视觉	牙科疾病	CBCT	深度学习模型	图像	470个扫描用于训练，60个扫描用于验证	NA	NA	Jaccard指数, 平均相对体积差异	NA
6534	2025-12-21	Enhancing deep learning telemedicine for retinopathy of prematurity: current evidence and opportunities for improvement 2026-Feb, Eye (London, England) DOI:10.1038/s41433-025-04188-0 PMID:41419595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6535	2026-01-27	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估	开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流	NA	降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型	蛋白质结构预测和质量评估	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	NA	NA
6536	2026-01-27	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性	提出了一个统一的多模态多任务学习框架，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习	未在摘要中明确提及	克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键因素（如血脑屏障渗透性和神经毒性）的预测能力	药物靶点亲和力、血脑屏障渗透性、神经毒性	机器学习	中枢神经系统疾病	深度学习	多任务学习框架	多模态数据	多源数据集	未在摘要中明确提及	未在摘要中明确提及	MSE, 准确率	未在摘要中明确提及
6537	2026-01-27	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数	提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息	未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制	开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数	机器学习	NA	深度学习，迁移学习	深度学习模型	化学结构数据（图、基序、三维结构）	NA	NA	MFPK（多保真度药代动力学学习框架）	RMSLE（对数误差均方根），GMFE（几何平均折叠误差）	NA
6538	2026-01-27	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 通过整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法未能考虑细胞通讯与下游基因调控网络协同作用的问题，并构建完整的细胞通讯网络以提高生物学意义和可解释性	细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
6539	2026-01-27	AAPPE: Protein-Ligand Binding Affinity Prediction Leveraging Amino Acid Pair Positional Encoding in Deep Learning 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01872 PMID:41124588	研究论文	本研究提出了一种名为氨基酸对位置编码（AAPPE）的深度学习框架，用于准确预测蛋白质-配体结合亲和力	引入了基于生物相关性的位置决定原子对距离编码方法，构建了不依赖配体结合构象的3124维特征集	在CASF-2016基准上评估，但未提及在其他数据集或真实药物发现场景中的泛化能力验证	加速药物发现过程，改进蛋白质-配体结合亲和力的预测精度	蛋白质口袋中的氨基酸与配体分子	机器学习	NA	深度学习	深度学习框架	蛋白质结构数据、配体分子指纹	NA	NA	AAPPE（氨基酸对位置编码框架）	MAE, RMSE, R²	NA
6540	2026-01-27	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度学习模型，用于预测法律判决中的违规类型及具体违反的法律条款	提出了结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕捉词间和词内依赖关系，提升预测透明度和可解释性	未提及模型在跨法域或不同语言法律文本上的泛化能力，也未说明训练数据的具体规模和多样性限制	开发可解释的法律判决预测和条款违规分析人工智能系统	法律文档中的违规类型识别和具体法律条款违反分析	自然语言处理	NA	深度学习文本分析	BERT, Transformer	文本（法律文档）	NA	NA	分层BERT（Hierarchical BERT）	准确率, 微平均F1分数	NA