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
1721	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
1722	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
1723	2026-01-30	Comparative Study of Different Algorithms for Human Motion Direction Prediction Based on Multimodal Data 2026-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s26020501 PMID:41600297	研究论文	本研究基于足底压力和惯性传感器数据，开发了一种融合CNN和BiLSTM的混合深度学习模型，用于人体运动方向预测，并通过系统比较实验验证了其优越性能	提出了一种融合CNN和BiLSTM的混合深度学习模型，用于联合时空特征学习，并通过系统比较四种不同深度学习模型，验证了该模型在复杂运动场景中的优越适应性和预测精度	未明确说明数据集的规模、多样性以及模型在更广泛人群或极端运动场景下的泛化能力	优化和比较用于时空特征提取的深度学习算法，为实时人体运动预测提供可靠框架	基于足底压力和惯性传感器数据的人体运动方向	机器学习	NA	足底压力传感，惯性传感	CNN, BiLSTM, CNN-LSTM, CNN-BiLSTM	多模态数据（压力数据，惯性数据）	NA	NA	CNN, BiLSTM, CNN-LSTM, CNN-BiLSTM	RMSE, MAE, R	NA
1724	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
1725	2026-01-30	EEG Signal Classification with Data Augmentation for Epileptic Focus Localization and Deep Sleep Detection 2026-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s26020474 PMID:41600271	研究论文	本文提出了一种统一的EEG分类框架，通过三种轻量级数据增强技术（时间偏移、幅度缩放和噪声添加）来丰富训练多样性并增强模型鲁棒性，应用于癫痫灶定位和深度睡眠检测任务	提出了一种结合时间偏移、幅度缩放和噪声添加三种轻量级数据增强技术的统一EEG分类框架，即使在基线准确率较高的情况下仍能显著提升模型性能	未明确讨论数据增强技术对模型计算复杂度的影响，也未在更多样化的数据集上进行验证	提高基于EEG的深度学习模型在数据有限条件下的分类性能和鲁棒性	生理和病理EEG信号，具体应用于癫痫灶定位和深度睡眠检测	机器学习	癫痫	EEG信号处理	CNN	EEG信号	两个公共数据集（未指定具体样本数量）	未指定	DeepConvNet, ShallowConvNet, EEGNet	准确率	NA
1726	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
1727	2026-01-30	Deep learning-based detection and viability assessment of Eimeria oocysts 2026-Jan-10, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106419 PMID:41544445	研究论文	本研究开发了一种基于深度学习的模型，用于检测和评估艾美耳球虫卵囊的活力，利用形态特征区分活性和非活性卵囊	首次利用高分辨率显微成像发现死卵囊中的颗粒结构，并基于此开发了基于YOLOv7架构的深度学习模型，实现了对艾美耳球虫卵囊活力的快速、可靠评估	模型在跨物种评估中对艾美耳球虫最大种的初始性能较低，可能由于卵囊尺寸较大，需要特定数据集进行微调	开发一种简单、经济有效的方法，用于区分活性和非活性艾美耳球虫卵囊，以改进疫苗配方和球虫病管理	艾美耳球虫卵囊，特别是艾美耳球虫顶种、艾美耳球虫柔嫩种和艾美耳球虫最大种	计算机视觉	球虫病	相位对比成像、微分干涉对比成像、明场成像	CNN	图像	未明确指定样本数量，但涉及艾美耳球虫顶种、柔嫩种和最大种的卵囊图像	未明确指定，但基于YOLOv7架构	YOLOv7	精确度, 召回率	NA
1728	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
1729	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
1730	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
1731	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
1732	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
1733	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
1734	2026-01-30	MS-TSEFNet: Multi-Scale Spatiotemporal Efficient Feature Fusion Network 2026-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s26020437 PMID:41600232	研究论文	提出一种用于脑电信号解码的多尺度时空高效特征融合网络，以提升运动想象任务的分类性能	提出了一种结合多尺度卷积模块、空间注意力机制和高效特征融合策略的网络架构，能有效融合不同层次的特征并捕捉脑电信号的时空相关性	NA	提升运动想象脑电信号解码的分类准确性和鲁棒性	脑电图信号	机器学习	NA	脑电图	CNN	信号数据	三个公开数据集：BCIC-IV2a, BCIC-IV2b, ECUST	NA	MS-TSEFNet	分类准确率	NA
1735	2026-01-30	Emerging Trends in Artificial Intelligence-Assisted Colorimetric Biosensors for Pathogen Diagnostics 2026-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s26020439 PMID:41600240	综述	本文综述了人工智能辅助比色生物传感器在病原体诊断中的新兴趋势，重点讨论了AI模型（特别是机器学习和深度学习）在提升诊断准确性、快速性和用户友好性方面的应用	系统性地总结了传统光学生物传感器与新兴AI辅助比色方法之间的研究空白，并提出了开发稳健、可解释且兼容智能手机的AI辅助检测的前瞻方向	本文是一篇综述，未提出新的实验数据或模型，主要基于过去五年的文献进行分析和总结	为医生和研究人员提供AI辅助病原体检测方法的全面概述，以支持快速、准确和用户友好的健康与临床应用	由细菌和病毒病原体引起的传染病	机器学习	传染病	比色生物传感器	机器学习, 深度学习	图像（颜色变化）	NA	NA	NA	诊断准确性	NA
1736	2026-01-30	Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction 2026-Jan-09, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103936 PMID:41604895	研究论文	本文提出了一种基于知识引导的多几何窗口Transformer网络（KGMgT），用于加速心脏电影MRI图像重建	提出了一种结合自适应时空注意力机制和Transformer驱动动态特征聚合的新型重建网络，能够推断相邻心脏帧的运动轨迹并建立长程依赖关系	NA	加速心脏电影MRI图像采集过程，提高重建图像质量	心脏电影MRI图像	医学影像重建	心血管疾病	磁共振成像（MRI）	Transformer	MRI图像序列	NA	NA	KGMgT（知识引导多几何窗口Transformer）	NA	NA
1737	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
1738	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
1739	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
1740	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