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
2201	2026-01-26	Effects of Image Degradation on Deep Neural Network Classification of Scaphoid Fracture Radiographs: Comparison Study of Different Noise Types 2026-Jan-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/65596 PMID:41570307	研究论文	本研究评估了深度学习模型在检测舟骨骨折X光片时对不同图像扰动类型的鲁棒性	系统比较了多种图像退化类型（如高斯噪声、模糊、JPEG压缩等）对深度学习模型性能的影响，并量化了图像质量与模型准确性之间的相关性	研究仅针对舟骨骨折这一特定类型，未涵盖其他骨折或医学图像任务，且可能未考虑所有现实世界中的图像变异因素	评估深度学习模型在图像质量变化下的鲁棒性，并探索缓解性能下降的策略	舟骨骨折的X光片	计算机视觉	骨折	X光成像	深度学习模型	图像	NA	NA	NA	准确性, 假阴性率	NA
2202	2026-01-26	Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network 2026-Jan-22, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108923 PMID:41579556	研究论文	本文提出了一种基于坐标卷积神经网络（CoordConv）的自动细胞类型识别方法BP-Coord，用于单细胞RNA测序数据分析	提出BP-Coord方法，通过引入坐标信息作为额外通道来增强模型的空间感知能力，并采用双三次插值上采样层来更好地适应数据中的平移变化	未明确讨论模型在更广泛或更复杂数据集上的泛化能力，以及计算效率与SVM方法的详细对比	开发一种高效且准确的自动细胞类型识别方法，以解决传统SVM方法训练时间长和CNN平移不变性导致误分类的问题	单细胞RNA测序数据中的细胞类型	机器学习	NA	单细胞RNA测序	CNN	基因表达数据（处理为类似图像的结构）	五个公共scRNA-seq基准数据集（包括大规模PBMC数据集）	NA	CoordConv（坐标卷积神经网络），包含双三次插值上采样层	准确率	NA
2203	2026-01-26	Integration of AR and deep learning-based image classification using CNN for construction project monitoring 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30149-4 PMID:41565721	研究论文	本研究开发了一个集成增强现实（AR）和基于深度学习的图像分类系统，用于建筑项目的实时进度监控	通过结合AR技术和CNN图像分类，系统不仅能识别建筑类别，还能判断施工阶段，从而更准确地反映实际进度，避免了传统方法仅基于元素计数的局限性	研究仅基于台湾淡江大学的一个室内装修项目案例进行验证，可能缺乏对不同建筑类型或更大规模项目的普适性测试	开发一个自动更新建筑项目进度的系统，通过识别建筑类别和施工阶段来提升进度监控的准确性	建筑项目的进度监控，特别是室内装修工程	计算机视觉	NA	增强现实（AR）、深度学习图像分类	CNN	图像	NA	NA	CNN	准确性	NA
2204	2026-01-26	Prospective evaluation of artificial intelligence (AI) in lumbar spine magnetic resonance imaging (MRI) workflow: from deep learning (DL)-enhanced accelerated acquisition to simultaneous vision-language model (VLM)-based automated report generation 2026-Jan-21, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112695 PMID:41579672	研究论文	本研究前瞻性评估了深度学习增强的加速腰椎MRI与常规MRI的诊断互换性，以及基于视觉语言模型的自动报告生成的诊断一致性和可行性	首次前瞻性评估将AI集成到腰椎MRI工作流中，包括从DL加速采集到VLM自动报告生成的全流程，展示了AI在提升影像效率和一致性方面的潜力	样本量相对较小（70名患者），仅涉及两个机构，且自动报告软件为商业产品，可能限制了通用性	评估AI在腰椎MRI工作流中的临床可行性，包括加速采集和自动报告生成	腰椎MRI图像及相关的病理发现	医学影像分析	腰椎疾病	磁共振成像	深度学习, 视觉语言模型	图像	70名患者，共140次MRI扫描	NA	NA	信噪比, 对比噪声比, 诊断一致性	NA
2205	2026-01-26	Enhancing dietary management and nutritional analysis through deep learning: a multi-model approach for food classification and volume estimation 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32610-w PMID:41559127	研究论文	本文提出了一种基于深度学习的多模型方案，用于食物分类和体积估计，以增强饮食管理和营养分析	采用Inception V3、Mask R-CNN和MiDaS模型相结合的多模型方法，实现了高精度的食物分类和体积估计，并在多个基准数据集上取得了优异的分类准确率	未提及模型在真实世界复杂场景下的泛化能力或计算资源需求	开发一个深度学习解决方案，以精确识别和分析摄入的食物，支持有效的饮食管理	食物图像数据	计算机视觉	NA	深度学习	CNN	图像	使用了多个基准数据集，包括Food101、UEC-food256和Indian Food Images Dataset，但未提供具体样本数量	NA	Inception V3, Mask R-CNN, MiDaS	准确率	NA
2206	2026-01-26	Artificial intelligence for early diagnosis in emergency department 2026-Jan-19, Journal of anesthesia, analgesia and critical care DOI:10.1186/s44158-025-00334-y PMID:41555414	系统综述	本文系统综述了人工智能（AI）在急诊医学中用于早期诊断的应用，探讨了其如何通过机器学习和深度学习技术改变临床实践	系统性地总结了AI在急诊医学早期诊断中的创新应用，强调了其在风险分层、分诊优化和快速诊断方面的预测能力，并指出了算法透明度和临床信任等关键挑战	未提供具体的研究样本量或数据细节，主要基于现有文献的综述，缺乏原始实证数据	探讨人工智能在急诊医学中早期诊断的应用潜力与挑战	急诊医学中的急性疾病，如急性冠脉综合征、中风、脓毒症和呼吸衰竭	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	NA	临床数据、诊断数据、实验室数据、医学影像	NA	NA	NA	NA	NA
2207	2026-01-26	Developing a trustworthy and explainable framework for classifying skin lesions through transfer learning and attention mechanisms 2026-Jan-19, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108914 PMID:41579557	研究论文	本研究开发了一个可信且可解释的深度学习框架，用于皮肤病变分类，结合了迁移学习、注意力机制和集成方法以提高临床准确性和可解释性	创新点包括集成CBAM注意力模块以聚焦临床重要特征，结合EfficientNet-B4、ResNet-50和Inception-v3进行集成预测，并利用Grad-CAM和LIME提供可视化解释	未明确提及具体限制，但可能涉及数据集规模或泛化能力方面的挑战	旨在开发一个高精度且可解释的皮肤病变分类框架，以促进AI在皮肤病学中的安全可靠集成	皮肤病变图像，特别是黑色素瘤	计算机视觉	皮肤癌	深度学习	CNN	图像	HAM10000数据集，并在ISIC-2019和PH2数据集上验证	TensorFlow, PyTorch	U-NET, EfficientNet-B4, ResNet-50, Inception-v3	准确率, 平衡准确率, 灵敏度	NA
2208	2026-01-26	Assessment of the Diagnostic Performance and Clinical Impact of AI in Hepatic Steatosis: Systematic Review and Meta-Analysis 2026-01-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78310 PMID:41529075	系统综述与荟萃分析	本文通过系统综述和荟萃分析，定量评估了人工智能模型在肝脂肪变性诊断中的性能、临床适用性及实施障碍	建立了一个统一、模态无关的分析框架，整合了超越单一模态评估的证据，并深入探讨了研究间异质性来源及临床转化潜力	纳入研究存在显著的异质性（I² >75%），患者选择域存在较高的偏倚风险（44.4%），可能高估了真实世界性能，且临床转化受回顾性设计、缺乏外部验证及数据隐私等实际障碍限制	定量评估AI模型对肝脂肪变性的诊断性能，探索研究间异质性来源，并评估其临床适用性、转化潜力及广泛实施的主要障碍	使用AI进行肝脂肪变性诊断的研究	数字病理学	肝脂肪变性	医学影像数据（如超声）分析	深度学习模型，传统机器学习模型	医学影像数据	36项符合条件的研究（其中33项，含36个队列，纳入亚组分析）	NA	NA	敏感性，特异性，汇总受试者工作特征曲线下面积	NA
2209	2026-01-26	Explainable Multitask Burnout Prediction Using Adaptive Deep Learning (EMBRACE) for Resident Physicians: Algorithm Development and Validation Study 2026-Jan-08, JMIR AI DOI:10.2196/57025 PMID:41505745	研究论文	本文提出了一种名为EMBRACE的可解释多任务深度学习框架，用于预测和解释住院医师的倦怠风险	提出了一种结合自适应多任务深度学习和SHAP可解释性技术的框架，用于临床可解释的倦怠预测	样本量较小（28名住院医师），且研究时间较短（平均3.6天），未来需在不同临床环境中验证和评估长期影响	开发一个可解释且可操作的多任务深度学习框架，用于早期预测住院医师的倦怠	住院医师	机器学习	NA	可穿戴传感器数据采集	深度学习	可穿戴传感器数据	三个数据集：收集的28名住院医师数据、公开的WESAD数据集（15名参与者）、SWELL-KW数据集（25名参与者）	NA	自适应多任务深度学习框架	召回率, 精确率, R2误差	NA
2210	2026-01-26	Machine and Deep Learning for Detection of Moderate-to-Vigorous Physical Activity From Accelerometer Data: Systematic Scoping Review 2026-Jan-08, Interactive journal of medical research IF:1.9Q3 DOI:10.2196/76601 PMID:41505746	综述	本文是关于使用机器学习和深度学习技术从加速度计数据检测中高强度体力活动的系统性范围综述	系统性地综合了ML和DL在MVPA检测中的证据，比较了传统ML、DL和混合模型的性能，并识别了算法偏差、传感器配置和可重复性等关键挑战与新兴机遇	综述指出存在泛化性差距、验证协议不一致以及透明度不足（仅42.5%的研究共享代码和数据）等问题，阻碍了技术转化	旨在综合关于使用机器学习和深度学习技术从加速度计数据中估计和预测中高强度体力活动的证据	使用加速度计数据研究中高强度体力活动检测的学术文献	机器学习	NA	加速度计	随机森林, 支持向量机, 卷积神经网络, Transformer, 长短期记忆网络	加速度计信号数据	NA	NA	卷积神经网络, Transformer, 卷积神经网络与长短期记忆网络的混合模型	F1分数, 准确率	NA
2211	2026-01-26	Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning 2026-Jan-08, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.06.26343539 PMID:41542662	研究论文	本研究开发了一个名为PanSubNet的可解释深度学习框架，用于直接从常规H&E染色全玻片图像预测胰腺导管腺癌的分子亚型	首次提出一个可解释的深度学习框架，利用常规H&E染色全玻片图像进行胰腺癌分子亚型预测，无需昂贵的分子检测	研究基于两个多机构队列，仍需在更多真实世界数据中验证性能	开发一种快速、经济有效的工具，用于从常规组织病理学图像中预测胰腺癌的分子亚型	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	RNA测序, H&E染色	深度学习	全玻片图像	1055名患者（PANCAN队列846名，TCGA队列209名）	NA	双尺度架构, 注意力机制	AUC, 敏感性, 特异性	NA
2212	2026-01-26	Deep Learning for Dynamic Prognostic Prediction in Minimally Invasive Surgery for Intracerebral Hemorrhage: Model Development and Validation Study 2026-Jan-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86327 PMID:41499164	研究论文	本研究开发并验证了一种名为MultiStep Transformer的多步注意力模型，用于动态预测脑出血患者微创手术后的生存和功能预后	提出了一种能够处理多时间点、不平衡数据的MultiStep Transformer模型，实现动态预后预测	研究为回顾性设计，样本量相对较小（287例患者），且仅基于单中心数据	开发并验证一个动态预后模型，以预测脑出血微创手术患者的生存和功能结局	接受微创手术的脑出血患者	机器学习	脑出血	临床数据收集（生命体征、实验室检查、神经功能评分等）	Transformer	多时间点临床数据（包括数值和分类数据）	287例患者	NA	MultiStep Transformer	准确率, 精确率, 召回率, F1分数, AUROC, Brier分数	NA
2213	2026-01-26	Age-sensitive urban rail passenger demand forecasting and uncertainty-driven anomaly detection using a hybrid SAINT + CatBoost ensemble 2026-Jan-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34849-9 PMID:41486208	研究论文	本研究提出了一种新颖的年龄敏感需求预测和异常检测框架，用于伊斯坦布尔城市轨道交通网络，通过集成SAINT Transformer和CatBoost的混合模型来优化预测性能	提出了一种两阶段混合集成架构，将SAINT Transformer的深度表征能力与CatBoost的分类鲁棒性相结合，并利用校准的不确定性元特征（熵和最大置信度）进行堆叠，实现了最先进的性能	研究数据仅限于伊斯坦布尔城市轨道交通网络2021年至2023年的乘客出行记录，模型在其他城市或交通系统的泛化能力未经验证	优化城市轨道交通容量和可靠性，通过年龄敏感的需求预测和异常检测支持智能交通规划	伊斯坦布尔城市轨道交通网络的乘客出行需求	机器学习	NA	NA	Transformer, 梯度提升决策树, 线性分类器	表格数据（乘客出行记录）	721,328条乘客出行记录	PyTorch（推测用于SAINT）, CatBoost	SAINT Transformer, CatBoost	准确率, ROC-AUC	NA
2214	2026-01-26	A causal deep learning approach to identifying metabolic signatures of cognitive and functional decline in alzheimer's disease 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32793-2 PMID:41484308	研究论文	本研究结合因果推断与深度学习，识别阿尔茨海默病认知与功能衰退的代谢特征，并开发了FDG CogNet预测模型	首次将结构因果模型与基于注意力的深度学习模型相结合，以识别对认知和功能评分具有强因果影响的大脑区域，并利用这些区域构建可解释的预测模型	研究数据来源于单一数据库（ADNI），模型在外部数据集上的泛化能力有待验证，且研究为横断面分析，未能完全捕捉疾病进展的动态过程	理解阿尔茨海默病进展中特定脑网络紊乱与认知功能下降的关系，并开发早期诊断和预测工具	认知正常个体、轻度认知障碍患者和阿尔茨海默病患者	数字病理学	阿尔茨海默病	氟代脱氧葡萄糖正电子发射断层扫描	深度学习模型	图像, 临床数据	来自阿尔茨海默病神经影像学倡议数据库的认知正常个体、轻度认知障碍患者和阿尔茨海默病患者（具体数量未在摘要中说明）	NA	FDG-PET-based Cognition Prediction Network	R²	NA
2215	2026-01-26	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（特别是深度学习）与超分辨率显微镜结合的潜力，旨在实现显微镜的自动化成像任务	将深度学习与超分辨率显微镜结合，推动显微镜向自动化方向发展，以应对动态生物过程并减少人工干预	超分辨率显微镜的自动化仍处于起步阶段，面临适应动态生物过程和最小化人工干预的挑战	探索机器学习在超分辨率显微镜自动化中的应用潜力，以推动生物医学研究	超分辨率显微镜技术及其在生物医学成像中的应用	计算机视觉	NA	超分辨率显微镜	深度学习	图像	NA	NA	NA	NA	NA
2216	2026-01-26	Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients 2026-Jan, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03762-9 PMID:39825907	研究论文	本研究开发并验证了名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变	开发了首个结合患者基本信息、临床体征和实验室测量的24个特征的深度学习模型KCPREDICT，用于川崎病冠状动脉病变的早期检测	研究数据仅来自单一医疗中心（上海儿童医学中心），可能影响模型的泛化能力	开发人工智能算法以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策	川崎病患者	机器学习	心血管疾病	深度学习	决策树	结构化临床数据	1474例川崎病病例	NA	决策树	准确率, 精确率, 召回率, F1分数, AUROC	NA
2217	2026-01-26	Mimicking opioid analgesia in cortical pain circuits 2026-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09908-w PMID:41501467	研究论文	本研究揭示了前扣带回皮层在疼痛情感维度中的作用，以及吗啡如何选择性调节该皮层回路以产生镇痛效果，并开发了一种模拟阿片类药物作用的化学遗传学基因疗法	首次结合深度学习行为分析和纵向神经记录，识别出神经损伤后皮层活动模式的持续性变化，并利用合成μ-阿片受体启动子开发了靶向阿片敏感神经元的精准基因疗法	研究基于小鼠模型，人类临床应用效果需进一步验证；基因疗法的长期安全性和特异性有待评估	探究阿片类镇痛药如何调节皮层疼痛回路，并开发靶向性疼痛管理新策略	小鼠前扣带回皮层神经元及其在神经病理性疼痛中的动态活动	神经科学	慢性疼痛	深度学习行为分析、纵向神经记录、化学遗传学基因疗法	深度学习模型	行为视频数据、神经电生理记录	小鼠模型（具体数量未明确说明）	NA	NA	NA	NA
2218	2026-01-26	A deep learning-based model for automatic identification of mesopelagic organisms from in-trawl cameras 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340640 PMID:41563986	研究论文	本研究开发了一种基于深度学习的模型，用于自动识别拖网内摄像机拍摄的中层海洋生物图像	首次将YOLO11s目标检测模型应用于拖网内摄像机图像，实现了对北大西洋常见中层海洋生物群体的自动化识别，并比较了白光与红光照明条件下的模型性能	对磷虾和远洋虾等类别的识别精度较低（平均精度<0.80），需要更高分辨率图像和更大训练数据集来改进	开发自动化工具以增强声学数据的验证能力，无需增加采样时间	北大西洋中层海洋生物（灯笼鱼、银光鱼、梭子鱼、磷虾、远洋虾、胶状浮游动物、鱿鱼）及大型远洋鱼类	计算机视觉	NA	拖网内摄像系统（白光与红光照明）	CNN	图像	NA	NA	YOLO11s	加权平均精度, 平均精度	NA
2219	2026-01-26	Network intrusion detection using a hybrid graph-based convolutional network and transformer architecture 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340997 PMID:41564087	研究论文	本研究提出了一种结合图卷积层和Transformer编码器层的混合深度神经网络架构，用于网络入侵检测	提出了一种名为GConvTrans的混合模型，首次将图卷积网络与Transformer架构结合用于网络入侵检测，能够同时利用局部结构信息和全局上下文	模型性能依赖于高质量的攻击数据集，且在分布式云环境中捕获复杂动态模式的能力仍需改进	开发更有效的网络入侵检测系统以应对云环境中的复杂攻击	网络流量数据和网络入侵行为	机器学习	NA	NA	图卷积网络, Transformer	表格数据（网络流量数据）	使用CIC-IDS 2018数据集	NA	GConvTrans（图卷积层与Transformer编码器层的混合架构）	准确率	NA
2220	2026-01-26	Explainable depth-wise and channel-wise fusion models for multi-class skin lesion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340901 PMID:41570053	研究论文	本研究系统探索了深度特征融合方法，用于多类别皮肤病变分类，旨在提高模型的准确性和临床可解释性	设计了六种不同的融合模型，结合了深度和通道融合策略，并整合了Vision Transformers的全局上下文感知能力，通过可解释AI分析揭示了融合策略如何影响临床可解释性	研究仅基于HAM10000数据集，可能未涵盖所有皮肤病变类型或临床场景	开发高性能、临床可靠且透明的AI驱动诊断工具，用于皮肤病变分类	皮肤病变图像	计算机视觉	皮肤病变	深度学习	CNN, Vision Transformer	图像	HAM10000数据集的7个类别	NA	CNN, Vision Transformer	加权平均精确率, 召回率, F1分数	NA