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
9021	2026-01-13	Predicting Healthcare Utilization Outcomes With Artificial Intelligence: A Large Scoping Review 2026-Jan, Value in health : the journal of the International Society for Pharmacoeconomics and Outcomes Research IF:4.9Q1 DOI:10.1016/j.jval.2025.08.007 PMID:40848744	综述	本文通过范围综述，系统梳理了人工智能在医疗资源利用预测领域的研究现状、趋势、数据与方法特征及报告标准	首次对AI在医疗资源利用预测领域进行全面范围综述，系统识别了数据、方法、结果和报告标准方面的趋势与不足	纳入研究主要来自美国，可能限制结论的普适性；AI模型报告标准遵循度有限，影响结果可比性	识别人工智能在医疗资源利用预测研究中的数据特征、方法趋势、预测结果及报告标准现状	已发表的AI医疗资源利用预测研究文献	医疗人工智能	NA	NA	集成模型,深度学习模型	电子健康记录,保险理赔数据	121项符合纳入标准的研究	NA	NA	NA	NA
9022	2026-01-13	Artificial intelligence classification of pediatric middle ear effusion using consumer-grade otoscopes 2026-Jan, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112655 PMID:41338131	研究论文	本研究使用消费级耳镜图像训练人工智能算法，以准确预测儿童中耳积液的存在与否	首次利用消费级耳镜图像开发深度学习模型，用于儿童中耳积液的分类，其性能与或超过传统诊断工具如气动耳镜和鼓室导抗测试	样本量相对较小（537张图像），且数据来自特定医疗程序（鼓膜切开置管术）的患者，可能限制泛化能力	开发一种基于人工智能的辅助诊断工具，用于初级保健环境中儿童中耳积液的早期准确检测	6个月至6岁儿童的中耳积液患者，使用消费级耳镜获取的鼓膜图像	计算机视觉	中耳积液	深度学习	深度学习神经网络	图像	219名患者，537张鼓膜图像（其中263张显示积液，273张无积液）	NA	NA	准确率, 灵敏度, 特异性	NA
9023	2026-01-13	A Clinically Inspired Deep Learning Framework for Laryngeal Cancer Detection and Malignancy Transformation Risk Assessment 2026-Jan, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70075 PMID:41353738	研究论文	本研究开发了一个名为TransCL的深度学习模型，用于喉癌检测和恶性转化风险评估，旨在提高喉镜图像解读的准确性和一致性	TransCL模型在多个独立测试集上表现出色，能够泛化到未见过的病变类型，并可靠预测良性病变的恶性转化风险，其诊断性能可与顶级资深喉科医生相媲美	研究为回顾性设计，且数据集主要来自中国的五个医疗中心，可能限制了模型在其他人群或医疗环境中的泛化能力	开发深度学习模型以增强喉部病变检测、指导活检并简化诊断流程	喉镜图像，涵盖10种不同的喉部病变	计算机视觉	喉癌	喉镜成像	深度学习分类网络	图像	来自2585名患者的16,587张喉镜图像	NA	TransCL	AUC, 准确率, F1分数, 马修斯相关系数	NA
9024	2026-01-13	Domain adaptive fault diagnosis algorithm based on multi-graph convolution for rotating machinery 2026-Jan, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.12.003 PMID:41412863	研究论文	本文提出了一种基于多图卷积的领域自适应故障诊断算法，用于旋转机械的轴承故障诊断	提出了一种新颖的领域自适应多图卷积网络（DAM-GCN），通过结合Top-k图、k-NN图和Radius图从多个角度捕获故障结构特征，并采用对比学习策略和联合损失函数来增强模型的泛化能力	NA	解决旋转机械轴承在变工况下的故障诊断问题，提高模型的泛化能力	旋转机械的轴承	机器学习	NA	NA	CNN, GCN	故障信号数据	NA	NA	DAM-GCN	NA	NA
9025	2026-01-13	A deep learning model to enhance lung cancer detection using 'Dual-Branch' model classification approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339404 PMID:41511950	研究论文	本研究提出了一种名为'双分支模型分类方法'的深度学习模型，通过整合图像和掩码数据来增强肺癌检测的准确性和可扩展性	引入了双分支模型分类方法，这是一种两阶段策略，整合图像和掩码数据以提升检测精度和可扩展性，解决了样本不足和输入模态限制的问题	模型存在高计算需求、分割掩码提供的信息有限以及数据集中可能存在潜在偏差，这些限制了模型的泛化能力	提高肺癌的早期检测和准确分类，以改善患者生存率	肺癌检测，使用CT图像和掩码数据作为研究对象	计算机视觉	肺癌	CT扫描	CNN, DNN, SVM	图像, 掩码数据	使用LIDC-IDRI数据集，包含不同数据规模，具体样本数量未明确说明	NA	双分支模型分类方法	准确率, F1分数	NA
9026	2026-01-13	LIMPACAT: Multi-omics attention transformer for immune prediction in liver cancer using whole-slide imaging 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339667 PMID:41511965	研究论文	本研究提出了一种名为LIMPACAT的深度学习框架，利用全切片图像预测肝细胞癌中与预后相关的免疫细胞水平	首次将注意力Transformer与多实例学习结合，从组织病理学图像中预测免疫细胞组成，为无直接免疫数据的数据集提供了一种新的免疫特征推断方法	研究依赖于通过反卷积方法推断的免疫细胞组成作为监督信号，而非直接测量的免疫数据，可能存在推断误差	开发一种基于全切片图像的深度学习模型，用于预测肝细胞癌的肿瘤免疫微环境特征	肝细胞癌患者的全切片图像及相关的RNA测序数据	数字病理学	肝癌	单细胞RNA测序, 批量RNA测序, 反卷积方法	Transformer, 多实例学习	图像, 基因表达数据	基于TCGA-LIHC数据集，具体样本数量未明确说明	NA	注意力Transformer	准确率	NA
9027	2026-01-13	Machine learning analysis based on deep learning for fatigue diagnostics in carbon fiber reinforced polymers 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340904 PMID:41511978	研究论文	本文提出了一种基于深度学习的混合框架，用于碳纤维增强聚合物（CFRP）的疲劳状态分类	结合一维卷积神经网络（1D-CNN）和扩展长短期记忆网络（xLSTM）提取时空特征，并通过基于互信息的特征选择和Bagging集成分类器进行优化	虽然框架适用于CFRP结构的健康监测，但未在其他材料或更广泛场景中验证	开发一种可靠的方法用于CFRP结构的疲劳诊断和维护决策支持	碳纤维增强聚合物（CFRP）复合材料	机器学习	NA	传感器监测数据	CNN, LSTM	传感器数据	NASA-CFRP数据集	NA	1D-CNN, xLSTM	分类准确率	NA
9028	2026-01-13	Image generator for tabular data based on non-Euclidean metrics for CNN-based classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340005 PMID:41512047	研究论文	本研究在IGTD框架中比较了非欧几里得距离度量，将表格数据转换为图像表示以用于基于CNN的分类	扩展IGTD框架以采用多种非欧几里得距离度量（如一减相关性、测地距离、Jensen-Shannon距离、Wasserstein距离和热带距离），旨在更好地捕捉特征间的复杂非线性关系	未明确提及具体局限性	评估非欧几里得距离度量在将表格数据转换为图像表示以用于CNN分类中的性能	模拟和真实世界的基因组学数据集	机器学习	NA	NA	CNN	表格数据	NA	NA	NA	分类准确性, 生成图像的结构保真度	NA
9029	2026-01-13	Deep learning algorithms and Raman spectroscopy in the clinical laboratory setting 2026-Jan, Critical reviews in clinical laboratory sciences IF:6.6Q1 DOI:10.1080/10408363.2025.2549305 PMID:40888106	综述	本文综述了拉曼光谱与深度学习在临床实验室中的整合应用，重点介绍了关键深度学习模型及其在疾病诊断中的潜力	整合拉曼光谱与深度学习，自动化光谱解释，提高分类准确性，为非侵入性可靠诊断提供新方法	NA	探索拉曼光谱与深度学习在医学应用中的整合，提升光谱解释和诊断准确性	生物样本（如用于癌症诊断、细菌鉴定和病毒诊断的样本）	机器学习	癌症	拉曼光谱	CNN, LSTM, GAN	光谱数据	NA	NA	NA	NA	NA
9030	2026-01-13	Forensic toxicology and Artificial intelligence: broadening horizons and growing potential 2026 Jan-Feb, La Clinica terapeutica DOI:10.7417/CT.2026.1988 PMID:41525127	综述	本文综述了人工智能和机器学习在法医毒理学领域的应用潜力、优势与挑战	系统梳理了自20世纪90年代以来AI技术在法医毒理学中的应用发展，特别关注了新精神活性物质（NPS）的检测与分析	大规模应用仍面临挑战与困难，且短期内AI无法完全取代毒理学家	探讨AI和机器学习如何提升法医毒理学评估的准确性、效率和可靠性	法医毒理学领域，特别是新精神活性物质（NPS）的检测与数据解释	机器学习	NA	专家系统、神经网络、深度学习、生成式AI	神经网络	毒理学数据	NA	NA	NA	NA	NA
9031	2026-01-12	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2026-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	提出一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的脑电信号特征，增强关键通道特征并抑制噪声，同时精确定位与情感相关的关键区域	仅在DEAP和SEED两个公开数据集上进行了验证，未在更多样化的数据集或实际应用场景中测试	提高脑电信号情感识别的准确性和特征判别能力	脑电信号	机器学习	NA	脑电信号采集	CNN	脑电信号	DEAP和SEED数据集	NA	多尺度卷积神经网络, 通道注意力, 空间注意力	准确率	NA
9032	2026-01-12	Hybrid TCN-BiGRU model for accurate air quality index prediction 2026-Feb-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127577 PMID:41443548	研究论文	提出一种结合TCN和BiGRU的混合深度学习模型，用于准确预测空气质量指数	通过级联架构与残差连接整合TCN和BiGRU，利用TCN提取多尺度时间特征，BiGRU双向处理特征以捕获上下文依赖	跨年度验证显示性能下降8.3%，跨城市迁移学习仅能达到完全本地训练性能的74.2-82.7%	空气质量指数预测，用于污染控制和公共健康保护	北京、广州、上海等城市的空气质量数据	机器学习	NA	深度学习	TCN, BiGRU	时间序列数据	北京（2022年和2023年）、广州（2023年）、上海（2023年）的数据集，涵盖16个季节-区域场景	NA	TCN-BiGRU混合架构	RMSE, R值	NA
9033	2026-01-12	Possibilities and limitations of artificial intelligence in food-derived peptides 2026-Feb, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70099 PMID:40751946	综述	本文综述了人工智能在食品源肽研究中的应用、挑战与未来前景	深入探讨了AI与食品源肽研究的深度融合，提出了标准化多维数据库、计算可视化框架及跨学科策略等创新方向	面临数据集完整性不足、模型架构优化困难、可解释性受限、实验验证需求高以及蛋白质结构预测中的维度诅咒和局部最优等挑战	评估人工智能在食品源肽研究中的传统方法应用、当前局限性与未来发展机遇	食品源肽	机器学习	NA	NA	随机森林, 卷积神经网络	NA	NA	NA	NA	NA	NA
9034	2026-01-12	Detection of kochia [Bassia scoparia (L.) A.J. Scott] and waterhemp [Amaranthus tuberculatus (Moq.) J.D. Sauer] in sugarbeet field using hyperspectral imaging and deep learning technologies 2026-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.70319 PMID:41147806	研究论文	本研究开发了一种基于高光谱成像和深度学习技术的模型，用于在田间条件下区分甜菜田中的杂草科氏藜和水苋菜	提出了一种结合光谱和空间特征的注意力增强卷积神经网络（AE-CNN），在杂草早期识别中实现了高达99.99%的分类准确率	研究仅针对两种特定杂草（科氏藜和水苋菜）与甜菜作物，未涉及其他杂草或作物种类，且模型性能依赖于高光谱成像数据，可能受田间环境条件影响	开发并评估一种能够准确区分甜菜田中入侵杂草与作物的高光谱成像深度学习模型，以支持精准农业中的定点杂草管理	甜菜田中的杂草科氏藜和水苋菜，以及甜菜作物本身	计算机视觉	NA	高光谱成像	CNN, SVM	图像	NA	NA	注意力增强卷积神经网络（AE-CNN）	准确率, 精确率, 召回率, F1分数	NA
9035	2026-01-12	Factors associated with rapid spinal radiographic progression in patients with axial spondyloarthritis: A hospital-based retrospective cohort study with mSASSS scoring using deep learning model 2026-Feb, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2025.152888 PMID:41418417	研究论文	本研究利用深度学习模型辅助mSASSS评分，通过回顾性队列分析，识别了中轴型脊柱关节炎患者脊柱影像快速进展的相关因素和保护因素	首次将深度学习模型应用于mSASSS评分，以自动化、客观的方式评估脊柱影像进展，并结合时间依赖性广义估计方程分析相关因素	研究为单中心回顾性队列设计，样本量有限（242名患者），可能存在选择偏倚，且深度学习模型的泛化能力未在外部数据集中验证	识别中轴型脊柱关节炎患者脊柱影像快速进展的相关和保护因素	中轴型脊柱关节炎患者	数字病理学	中轴型脊柱关节炎	脊柱侧位X光摄影，深度学习模型	深度学习模型	影像（脊柱X光片）	242名患者，共379个观察间隔	NA	NA	调整后比值比，95%置信区间	NA
9036	2026-01-12	Deep transfer learning for comprehensive diagnosis of cotton leaf pathologies 2026-Feb, Microbial pathogenesis IF:3.3Q2 DOI:10.1016/j.micpath.2025.108257 PMID:41422871	研究论文	本研究通过深度学习和图像处理技术，建立了一种自动诊断棉花叶部病害的方法	结合多种深度学习架构（如CNN、InceptionV3、ResNet50、VGG16、VGG19、Xception）进行棉花叶部病害诊断，并探索了ResNet50、RegNet、EfficientNetB和Vision Transformers等先进技术以提升模型性能	未明确提及具体局限性，但后续研究旨在通过集成更先进技术进一步提高模型的精度和效率	开发一种可靠且精确的自动化工具，用于预测和诊断棉花叶部病害，以支持精准农业	棉花叶部病害，特别是叶枯病，以及健康叶片	计算机视觉	棉花叶部病害	图像处理	CNN	图像	超过4200张图像，包括约3000张棉花叶枯病图像和1200张健康叶片图像	NA	Convolutional Neural Network, InceptionV3, ResNet50, VGG16, VGG19, Xception	验证准确率	NA
9037	2026-01-12	Deep learning-enabled high-performance multiphoton fluorescence vascular imaging using clinically approved fluorescent probes 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114141 PMID:41509928	研究论文	本文提出了一种基于深度学习的方法，利用临床批准的荧光探针实现高性能多光子荧光血管成像	开发了一种深度学习模型，能够将临床批准的荧光探针（如ICG）用于高性能多光子荧光成像，解决了传统探针不适用于MPFI的问题	方法依赖于先前报道的MPFI图像进行训练，且新型定制探针的生物安全性尚未完全验证	提高多光子荧光成像（MPFI）的实用性和临床适用性	大脑微血管系统，特别是海马区域的血管	计算机视觉	NA	多光子荧光成像（MPFI）	深度学习	图像	NA	NA	NA	NA	NA
9038	2026-01-12	Bayesian neural networks for genomic prediction: uncertainty quantification and SNP interpretation with SHAP and GWAS 2026-Jan-10, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05127-z PMID:41518523	研究论文	本研究提出了一个结合LASSO正则化的贝叶斯神经网络框架及GSMeSP可解释性工具，用于实现准确、不确定性感知且具有生物学可解释性的基因组预测	开发了结合LASSO正则化的贝叶斯神经网络框架，提供不确定性量化，并创新性地整合SHAP与GWAS信号，提出GSMeSP工具以从统计和生物学角度优先识别性状相关SNP	研究主要针对陆地棉的纤维相关性状，尚未在其他作物或性状中广泛验证，且模型复杂度可能较高	提高基因组预测的准确性、不确定性量化及模型可解释性，以加速作物育种中的基因组选择	1385份陆地棉种质资源，基因型数据包含超过12,000个SNP，针对多个纤维相关性状	机器学习	NA	基因组预测，全基因组关联研究	贝叶斯神经网络	基因型数据（SNP）	1385份陆地棉种质资源	NA	贝叶斯神经网络	预测准确性	NA
9039	2026-01-12	Bridging AI and biology: Foundation models meet human physiology and disease 2026-Jan-09, Med (New York, N.Y.) DOI:10.1016/j.medj.2025.100971 PMID:41519120	综述	本文探讨了将基础模型从基准测试转化为临床影响时遇到的挑战，并提出了结合深度学习与生物机制表示的混合模型以促进因果推理	提出结合深度学习与生物机制表示的混合模型，以解决基础模型在临床应用中因果推理不足的问题	NA	旨在通过混合模型提升基础模型在人类生理和疾病研究中的因果推理能力	人类生理和疾病	机器学习	NA	深度学习	基础模型, 混合模型	观测数据	NA	NA	NA	NA	NA
9040	2026-01-12	AI-MDT: an automatic and intelligent multidisciplinary team consultations platform for lung cancer diagnosis 2026-Jan-08, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06413-5 PMID:41504919	研究论文	本研究介绍并评估了一个用于肺癌诊断的自动智能多学科团队会诊平台AI-MDT	开发了一个集成了流程自动化、智能决策支持和诊断辅助三大核心模块的AI-MDT平台，首次将大语言模型、深度学习和计算机视觉技术整合到肺癌MDT工作流中，实现了实时循证知识库和自动病灶检测与特征分析	研究仅在单一中国三甲医院实施，样本量（879次会诊，811名患者）相对有限，且为初步疗效评估，缺乏长期随访和多中心验证	评估AI-MDT平台在肺癌多学科团队会诊中的临床实用性和初步有效性	肺癌患者的诊断流程与多学科团队会诊	数字病理	肺癌	大语言模型，深度学习，计算机视觉	深度学习模型	医学影像，文本知识库	879次会诊，涉及811名患者	NA	NA	会诊量，专家时间，数据利用率，AI诊断建议使用次数（852次），决策支持使用次数（744次）	NA