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
2041	2026-01-28	Artificial intelligence in psychiatry: Current and emerging trends, clinical applications, and research gaps explored through a bibliometric analysis 2026-Feb, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2026.104828 PMID:41499904	综述	本文通过文献计量学方法分析了精神病学领域基于人工智能的科学出版物，以识别主要主题、研究趋势和未来机会	利用文献计量学方法系统梳理了精神病学中AI研究的演变趋势，并识别了新兴主题如数字健康、可解释性以及伦理治理	研究主要基于Web of Science数据库的出版物，可能存在发表偏倚，且未深入评估单个研究的质量或临床有效性	分析精神病学领域人工智能研究的出版趋势、核心主题及未来研究方向	1980年至2025年间发表在Web of Science精神病学类别下的2328篇原创研究文章	自然语言处理	精神疾病	文献计量分析	NA	文本	2328篇原创研究文章	RStudio, Bibliometrix	NA	NA	NA
2042	2026-01-28	A deep learning-based tool for rapid and automated detection of Cryptosporidium oocysts: A new approach for veterinary diagnostics and epizootiological surveys 2026-Feb, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2026.109099 PMID:41529739	研究论文	本研究开发了一种基于深度学习的工具，用于快速自动检测犊牛粪便样本显微图像中的隐孢子虫卵囊	首次将最先进的目标检测算法YOLOv10和YOLOv11应用于隐孢子虫卵囊的自动化识别，为兽医诊断和流行病学调查提供了新方法	研究仅使用了406张标注图像的数据集，样本量相对有限，可能影响模型的泛化能力	开发一种快速、准确、自动化的隐孢子虫卵囊检测工具，以改善疾病管理和控制	感染隐孢子虫的犊牛粪便样本中的隐孢子虫卵囊	计算机视觉	隐孢子虫病	显微成像	目标检测模型	图像	406张标注图像	NA	YOLOv10, YOLOv11	精确率, 召回率, 平均精度均值(mAP)	NA
2043	2026-01-28	Artificial Intelligence in Nutrigenomics: A Critical Review on Functional Food Insights and Personalized Nutrition Pathways 2026-Feb, Journal of human nutrition and dietetics : the official journal of the British Dietetic Association IF:2.9Q3 DOI:10.1111/jhn.70200 PMID:41542760	综述	本文批判性地评估了人工智能在营养基因组学中的应用，重点关注其在解释功能性食物-基因相互作用、支持个性化营养策略以及实现基于证据的饮食干预以改善健康结果方面的作用	系统性地整合了人工智能（特别是机器学习和深度学习）在营养基因组学领域的最新应用，强调了其在识别复杂基因-饮食相互作用、支持生物标志物发现和实现实时监测方面的创新潜力	存在算法偏见、数据隐私和伦理治理方面的挑战，且综述范围可能受限于2010-2025年的文献，未能涵盖更早期的研究	评估人工智能在营养基因组学中的应用潜力，以推动个性化营养和基于证据的饮食干预	营养基因组学、功能性食物、基因-饮食相互作用、个性化营养策略	机器学习	肥胖、糖尿病、心血管疾病	机器学习、深度学习	NA	遗传数据、代谢数据、生活方式数据	基于142项研究的定性综合，未提供具体样本量	NA	NA	NA	NA
2044	2026-01-28	Evaluating the impact of deep learning-based image denoising on low-dose CT for lung cancer screening 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70480 PMID:41579047	研究论文	本研究评估了基于深度学习的图像去噪技术对低剂量CT在肺癌筛查中的影响，通过客观图像质量指标和结节相关特征进行比较分析	系统比较了七种深度学习去噪方法在低剂量CT图像上的性能，并量化了去噪对实性和亚实性结节特征及Lung-RADS分类准确性的影响	亚实性结节仍受噪声和去噪引入的偏差影响较大，且需进一步验证去噪技术对诊断性能的临床影响	评估深度学习去噪技术对低剂量CT图像质量的提升效果及其在肺癌筛查中的潜在应用价值	低剂量CT胸部扫描图像，重点关注实性和亚实性肺结节	计算机视觉	肺癌	低剂量CT扫描	深度学习	CT图像	来自LDCT和投影数据收集的胸部CT扫描数据集，具体样本数量未明确说明	NA	NA	均方根误差, 峰值信噪比, 结构相似性指数, 结节大小, CT密度, Lung-RADS分类	NA
2045	2026-01-28	Automated landmark detection and view positioning assessment of shoulder grashey view radiographs using cascade deep learning: A dual-center validation study 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70285 PMID:41579106	研究论文	本研究开发并验证了一个级联深度学习模型，用于自动定位肩关节Grashey位X光片上的解剖标志并评估投照位置	结合RetinaNet和U-Net架构的级联深度学习框架，用于自动检测14个解剖标志并测量关键肩角等放射学参数，其性能在不同图像质量下保持一致	模型仅在两个医疗中心的650张X光片上进行训练和验证，样本量有限，且外部验证仅包含50张图像	开发并验证一个深度学习模型，用于自动定位肩关节Grashey位X光片的解剖标志并准确评估放射学投照位置	肩关节Grashey位X光片	计算机视觉	肩袖病变	X光成像	深度学习	图像	650张肩关节Grashey位X光片（500张用于训练，100张用于内部测试，50张用于外部测试）	NA	RetinaNet, U-Net	平均标志点误差（毫米），关键肩角误差（度）	NA
2046	2026-01-28	Advances in endometrial cancer screening: a comprehensive review of current methods and emerging technologies 2026-Feb, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-025-02941-9 PMID:41385140	综述	本文全面回顾了子宫内膜癌筛查方法的演变，涵盖传统方法、新兴技术和整合策略	整合分子诊断与传统影像学方法，并探讨了深度学习在组织病理学图像分子亚型预测中的应用	普遍筛查对无症状人群成本过高，且部分方法（如特定基因面板的甲基化分析）的敏感性和特异性范围较宽	评估子宫内膜癌筛查技术的进展，优化诊断准确性、可及性和成本效益	子宫内膜癌筛查方法，包括传统影像学、分子诊断和细胞学技术	数字病理学	子宫内膜癌	DNA甲基化分析，液体基细胞学，免疫细胞化学，数字图像分析	深度学习	组织病理学图像	NA	NA	NA	敏感性，特异性	NA
2047	2026-01-28	Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models 2026-Feb, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71544 PMID:41589030	研究论文	本研究通过公平感知的深度学习生存模型，旨在减少前列腺癌根治术后生存预测中的种族差异	将公平感知方法应用于生存分析领域，比较了两种公平感知深度学习生存模型以缓解种族差异	研究主要基于美国国家癌症数据库，可能受数据质量和代表性限制，且公平性评估主要关注种族群体	开发公平的机器学习模型以减少前列腺癌生存预测中的种族差异	前列腺癌患者，特别是接受根治性前列腺切除术的患者	机器学习	前列腺癌	生存分析	深度学习	临床数据	418,968名患者，包括白人（78.5%）、黑人（13.2%）、西班牙裔（4.5%）、亚裔（1.9%）和其他（2.0%）	NA	Deep Cox Proportional Hazards Model, Fair Deep Cox Proportional Hazards Model, Group Distributionally Robust Optimization Deep Cox Proportional Hazards Model	C-index	NA
2048	2026-01-28	Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70298 PMID:41589400	研究论文	本研究针对双面板前列腺专用PET扫描仪，比较了多种图像重建策略，包括传统MLEM、PSF建模、混合列表模式重建及基于深度学习的后处理增强方法，以优化图像质量和减少伪影	开发了结合多射线建模的列表模式MLEM算法，并首次将Swin-UNETR深度学习模型应用于专用PET扫描仪的后重建增强，显著提升了小病灶的对比噪声比和一致性	研究主要基于模拟和体模数据，未涉及真实患者数据，且方法性能可能受病灶大小和对比度影响	优化双面板前列腺专用PET扫描仪（ProVision）的图像重建策略，提高图像质量和病灶检测能力	双面板前列腺专用PET扫描仪（ProVision）及其采集的数据，包括缩放NEMA图像质量体模和实验性人体骨盆体模（Adam-PETer）	医学影像	前列腺癌	PET成像，时间飞行深度相互作用探测，列表模式采集	深度学习模型	PET图像数据	模拟数据（缩放NEMA体模）和实验数据（Adam-PETer体模）	NA	Swin-UNETR	对比恢复系数（CRC），对比噪声比（CNR），对比噪声一致性（CNC）	NA
2049	2026-01-28	Multi-dimensional attention-enhanced reconstruction for sparse-view CBCT 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70299 PMID:41589426	研究论文	本研究提出了一种用于稀疏视图CBCT重建的多维注意力增强算法，旨在消除条纹伪影并恢复图像细节	引入了两个即插即用的增强模块，考虑投影间的长程依赖性和特征内的信息冗余，通过双域深度学习网络提升图像质量	NA	消除稀疏视图CBCT中的条纹伪影并恢复图像细节，提高重建图像质量	稀疏视图锥束计算机断层扫描（CBCT）图像	计算机视觉	NA	锥束计算机断层扫描（CBCT）	深度学习网络	图像	一个真实胸部数据集和一个模拟腹部数据集	NA	MAE-Recon（包含线性插值模块、投影域网络、FDK算子和图像域网络）	RMSE, SSIM, PSNR	NA
2050	2026-01-28	A Deep Multimodal Fusion Framework Integrating SERS, Clinical Data, and Metabolomics for Noninvasive MASH Diagnosis 2026-Jan-27, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04917 PMID:41518251	研究论文	本文提出了一种名为MedFusionNet的多模态深度学习框架，用于整合SERS光谱、临床生化参数和胆汁酸代谢组学数据，以实现非侵入性的MASH诊断	开发了基于Product-of-Experts的变分融合架构，以捕捉模态间交互和潜在相关性，并通过多损失优化策略联合学习共享潜在表示	未明确提及具体局限性，如样本量可能有限或外部验证的缺乏	解决代谢功能障碍相关脂肪性肝病（MASLD）及其进展形式MASH的诊断挑战，开发非侵入性诊断方法	经活检证实的MASLD患者队列	机器学习	代谢功能障碍相关脂肪性肝病	表面增强拉曼光谱（SERS）、临床生化参数分析、胆汁酸代谢组学	深度学习框架	光谱数据、临床数据、代谢组学数据	240名经活检证实的MASLD患者	未明确指定，但基于深度学习框架	Product-of-Experts（PoE）变分融合架构	预测准确性、鲁棒性	未明确指定
2051	2026-01-28	ME-pKa: A Deep Learning Method with Multimodal Learning for Protein pKa Prediction 2026-Jan-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01747 PMID:41528986	研究论文	本文提出了一种名为ME-pKa的多模态深度学习模型，用于预测蛋白质pKa值，通过整合氨基酸局部环境属性和蛋白质FASTA序列特征，并采用多保真度学习策略，提高了预测精度和泛化能力	开发了首个结合多模态信息（氨基酸局部环境属性和蛋白质序列特征）并采用多保真度学习策略的蛋白质pKa预测模型，显著提升了预测准确性，特别是在预测埋藏残基的pKa值方面表现优异	模型性能仍受限于数据可用性和质量，多保真度学习策略仅部分缓解了数据不足问题，且模型在处理极端复杂蛋白质结构时可能面临挑战	开发一种快速、准确的蛋白质pKa预测方法，以克服实验测定困难和现有预测方法的局限性，支持蛋白质结构、功能研究和药物设计	蛋白质的pKa值，特别是离子化氨基酸（如ASP、GLU、HIS、LYS）的质子化状态	机器学习	NA	深度学习，多模态学习，多保真度学习	深度学习模型	蛋白质序列数据（FASTA格式），氨基酸局部环境属性数据	基于PE-p数据集和Small Set数据集，具体样本数量未明确说明	未明确指定，但提及了ESM（进化尺度建模）相关技术	未明确指定具体架构，但基于多模态学习框架	RMSE, MAE, R²	未明确说明
2052	2026-01-28	Deep residual networks with convolutional feature extraction for short-term load forecasting 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35410-y PMID:41588046	研究论文	本研究提出了一种卷积神经网络嵌入的深度残差网络，用于提升短期负荷预测中的特征提取和泛化能力	将CNN的局部特征提取集成到深度残差网络中，以捕获细粒度时空负荷模式，并通过残差学习缓解梯度退化	未涉及多区域或多尺度预测，也未引入注意力机制以增强长期依赖建模	提升短期负荷预测的准确性、鲁棒性和适应性	短期负荷预测模型	机器学习	NA	NA	CNN, ResNet	时间序列数据	两个数据集（ISO-NE和马来西亚）	NA	CNN-Embedded DRN	平均绝对百分比误差	NA
2053	2026-01-28	Deep atrous context convolution generative adversarial network with corner key point extracted feature for nuts classification 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36238-2 PMID:41588160	研究论文	本文提出了一种基于深度学习的坚果分类方法，使用深度空洞上下文卷积生成对抗网络（DAC-GAN）结合角点关键特征提取，对8类坚果进行自动分类	通过结合DCGAN生成合成图像、角点关键点特征提取以及空洞卷积与上下文块，增强了特征选择与空间数据捕获能力，提高了分类精度	未明确讨论模型在更广泛或更复杂数据集上的泛化能力，以及计算资源需求	开发一种自动化坚果分类方法，以提升食品加工和农业领域的检测与分类效率	8类坚果（巴西坚果、腰果、花生、山核桃、开心果、栗子、夏威夷果、核桃）的图像数据	计算机视觉	NA	深度学习，图像处理	GAN, CNN	图像	Common Nut KAGGLE数据集中的4,000张坚果图像，涵盖8个类别	NA	DCGAN, DAC-GAN	准确率	NA
2054	2026-01-28	Deep learning-driven microfluidic chip architecture design for intelligent particle motion control 2026-Jan-27, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01185j PMID:41589320	研究论文	提出一种基于深度学习的模块化框架，用于微流控芯片架构设计，以实现智能粒子运动控制	将复杂的微流控通道网络分解为标准化、可重用的功能模块，并利用专用神经网络预测粒子时空状态，通过多模块重构算法组装成连续轨迹，实现了从目标行为到可制造设备设计的快速自动生成	未明确说明模型在极端流动条件或非标准粒子类型下的泛化能力，以及实际制造公差对预测性能的影响	实现微流控芯片中粒子时空运动的精确编程与控制，以支持芯片实验室自动化等应用	微流控通道网络中的粒子运动	机器学习	NA	微流控技术	神经网络	模拟或实验的流体动力学与粒子运动数据	涉及5000个模块的集成测试	未明确指定，可能为TensorFlow, PyTorch等	未指定具体架构	平均绝对时序误差（低于0.031秒）	NA
2055	2026-01-28	AI-Guided Design and Predictive Modeling of Synthetic Escherichia coli Promoters through Comprehensive -10/-35 Box Engineering 2026-Jan-27, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00765 PMID:41589500	研究论文	本研究通过AI平台结合合成启动子库，实现了对大肠杆菌启动子-10/-35框的工程化设计与预测建模	开发了整合卷积神经网络与生成对抗网络的双向AI平台，首次建立了-10/-35框序列与转录活性的深度学习关联框架	研究仅针对大肠杆菌启动子，未验证在其他生物系统中的普适性	建立启动子序列与转录强度的定量关系，实现理性化启动子设计	大肠杆菌合成启动子库	机器学习	NA	荧光激活细胞分选测序	CNN, GAN	DNA序列数据	20,799个不同启动子	TensorFlow, PyTorch	卷积神经网络, 生成对抗网络	皮尔逊相关系数	NA
2056	2026-01-28	Efficient feature selection with attention based deep cat convolutional stacked sparse autoencoder for diabetes prediction 2026-Jan-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2613708 PMID:41589769	研究论文	提出一种基于深度学习的糖尿病早期预测新方法，结合改进的猎豹优化算法进行特征选择和双注意力深度猫卷积堆叠稀疏自编码器模型进行分类	提出了一种改进的猎豹优化算法用于特征选择，并设计了一种结合双注意力机制的深度猫卷积堆叠稀疏自编码器模型用于糖尿病分类	NA	糖尿病早期预测	糖尿病	机器学习	糖尿病	深度学习	自编码器	NA	NA	NA	双注意力深度猫卷积堆叠稀疏自编码器	准确率	NA
2057	2026-01-28	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Jan-27, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	本研究通过计算分析探讨了自闭症谱系障碍儿童家庭中父母压力与亲子韵律同步性的关系，并分析了照顾者角色的调节作用	首次结合复杂动态系统理论与情感计算框架，采用深度学习模型自动分割亲子声学互动，并通过交叉递归量化分析建模韵律同步性，揭示了父亲-儿童互动对压力更敏感的现象	样本量相对有限（62个亲子对），仅针对自闭症学前儿童群体，未包含典型发育儿童对照组	探究父母压力如何影响自闭症儿童与父母间的韵律同步性，并比较母亲与父亲在互动模式上的差异	31名自闭症学前儿童及其父母（母亲与父亲分别参与）组成的亲子互动对	自然语言处理	自闭症谱系障碍	声学交互分析、交叉递归量化分析	深度学习模型	音频数据（亲子结构化游戏互动的录音）	62个亲子对（31名自闭症儿童分别与母亲和父亲互动），在两个时间点（间隔12个月）收集数据	NA	NA	NA	NA
2058	2026-01-28	Advancing personalized prognostic assessment in rectal cancer through multi-instance deep learning 2026-Jan-27, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12340-x PMID:41591473	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2059	2026-01-28	Edge-Aware Dual-Branch CNN Architecture for Alzheimer's Disease Diagnosis 2026-Jan-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01836-5 PMID:41591609	研究论文	本文提出了一种用于阿尔茨海默病诊断的双分支CNN架构，该架构集成了可学习的边缘检测模块，以联合学习全局语义表示和细粒度边缘特征	引入了双分支CNN架构和可学习的边缘检测模块，能够联合学习全局语义和细粒度边缘特征，以捕捉脑部MRI图像边缘区域的微弱结构特征	未明确提及，但可能包括数据集规模、模型在其他疾病或模态上的泛化能力等	提高基于脑部MRI图像的阿尔茨海默病诊断准确率，辅助临床早期检测和决策	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	脑部MRI成像	CNN	图像	基于两个公共数据集（包括OASIS数据集），具体样本数量未明确	NA	双分支CNN	准确率	NA
2060	2026-01-28	Automatic detection and measurement system for aortic aneurysms using deep learning-based artificial intelligence 2026-Jan-27, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03630-y PMID:41591618	研究论文	本研究评估了一种基于深度学习的AI系统在非对比CT图像上自动检测主动脉瘤并测量整个主动脉直径的性能	开发了一种深度学习AI系统，用于在非对比CT图像上自动检测梭形主动脉瘤并测量整个主动脉直径，提高了检测效率和准确性	研究为回顾性设计，样本量相对有限（共350例），且主要基于非对比CT图像，可能无法推广到其他成像模式	评估深度学习AI系统在非对比CT图像上自动检测和测量主动脉瘤的准确性和性能	主动脉瘤患者，使用非对比CT图像进行分析	数字病理学	心血管疾病	非对比CT成像	深度学习	图像	350例非对比CT图像（训练集160例，验证集190例）	NA	NA	Dice分数, 敏感性, 阳性预测值, F-measure, ICCs	NA