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
241	2026-06-04	High-Fidelity rPPG Waveform Reconstruction from Palm Videos Using GANs 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020563 PMID:41600357	研究论文	提出基于生成对抗网络的掌部视频远程光电容积描记法波形重建方法	首次采用基于手腕PPG信号的掌部视频数据集训练神经网络，结合时域峰值损失、频域损失与对抗损失实现高质量rPPG波形重建	未直接验证健康监测性能，仅聚焦波形形态准确性	实现高保真rPPG波形重建，为后续生理信号分析与健康应用提供基础	人手掌区域视频及对应的腕部PPG参考信号	计算机视觉	NA	远程光电容积描记法	生成对抗网络	视频和时序信号	新建掌部视频-腕部PPG配对数据集	PyTorch	生成对抗网络	均方根误差, 平均绝对百分比误差, 皮尔逊相关系数, 余弦相似度	NA
242	2026-06-04	AI-Based Prediction of Gene Expression in Single-Cell and Multiscale Genomics and Transcriptomics 2026-Jan-13, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27020801 PMID:41596454	综述	探讨利用人工智能预测单细胞及多尺度基因组学和转录组学中的基因表达	将深度学习与量子计算相结合，用于多组学分析中基因表达谱预测，提升效率和可靠性	NA	推动精准医学发展，优化临床决策的预测模型	单细胞及多尺度基因组与转录组数据中的基因表达	机器学习, 自然语言处理	NA	测序技术	深度学习, 量子机器学习	基因表达数据, 多组学数据	NA	NA	NA	NA	量子计算
243	2026-06-04	Pose-Based Static Sign Language Recognition with Deep Learning for Turkish, Arabic, and American Sign Languages 2026-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s26020524 PMID:41600322	研究论文	提出一种基于姿态的跨语言手语识别框架，适用于土耳其语、美式英语和阿拉伯手语	首次对三种不同手语（土耳其语、美式英语、阿拉伯语）进行跨语言比较分析，并系统评估了ConvNeXt、Swin Transformer和Vision Mamba三种先进深度学习架构在同源特征集上的表现	未明确提及具体局限性	开发稳健的跨语言手语识别系统并比较不同深度学习模型在不同手语上的泛化能力	土耳其手语、美式手语和阿拉伯手语的手势姿态	计算机视觉	NA	MediaPipe	CNN、Transformer、状态空间模型	图像	来自9个公开数据源（4个阿拉伯语、3个美式英语、2个土耳其语）构建的图像数据集	NA	ConvNeXt、Swin Transformer、Vision Mamba	NA	NA
244	2026-06-04	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	基于足底压力和惯性传感器数据，比较CNN、BiLSTM、CNN-LSTM和CNN-BiLSTM四种深度学习模型在人体运动方向预测中的性能	提出CNN-BiLSTM混合模型联合学习时空特征，系统比较四种模型在收敛速度和预测精度方面的表现	未提及	开发并比较用于人体运动方向预测的深度学习算法，为实时运动预测提供可靠框架	人体运动方向预测	机器学习	NA	多模态数据（足底压力传感器和惯性传感器）	CNN, BiLSTM, CNN-LSTM, CNN-BiLSTM	传感器数据（足底压力和惯性）	未知	NA	CNN, BiLSTM, CNN-LSTM, CNN-BiLSTM	均方根误差(RMSE), 平均绝对误差(MAE), R值	NA
245	2026-06-04	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	提出一个统一的脑电图分类框架，通过三种轻量级数据增强技术提升深度学习模型在癫痫病灶定位和深度睡眠检测中的鲁棒性和性能	引入三种轻量级数据增强技术（时间偏移、幅度缩放和噪声添加）来增强训练多样性，并在两种公开数据集上验证了其对深度卷积网络、浅层卷积网络和脑电图网络的一致性能提升效果	仅在两个公开数据集上评估，且数据增强方法较为简单，可能无法应对更复杂的脑电图任务或更大规模的数据场景	探索数据增强对脑电图信号分类中模型鲁棒性和泛化能力的提升效果	脑电图信号，涵盖癫痫病灶和深度睡眠检测任务	机器学习	癫痫	脑电图	卷积神经网络	信号	两个公开数据集，具体样本数未在标题或摘要中说明	NA	DeepConvNet, ShallowConvNet, EEGNet	分类准确率	NA
246	2026-06-04	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	提出了一种多尺度时空高效特征融合网络（MS-TSEFNet），用于运动想象脑电图信号的解码	通过多尺度卷积模块学习不同时间尺度的EEG信号动态变化，结合空间注意力机制高效捕获电极间空间相关性，并采用高效特征融合策略深度融合不同层级特征	未提及在更大规模数据集或真实临床环境中的验证，也未讨论计算成本	提升运动想象脑电图信号解码的准确性和鲁棒性	运动想象脑电图信号	机器学习	NA	脑电图	多尺度卷积神经网络	脑电图信号	使用BCIC-IV2a、BCIC-IV2b和ECUST三个公开数据集进行评估	NA	多尺度卷积模块、空间注意力机制、特征融合模块	平均分类准确率	NA
247	2026-06-04	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	综述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	总结了传统光学传感器与新兴AI辅助比色方法之间的研究空白，并概述了近年来ML和DL算法在临床样本中的应用	未明确说明局限性，但作为综述可能缺乏新实证数据	全面概述可用于辅助医生和研究人员选择病原体检测方法的AI模型	细菌和病毒病原体	机器学习	感染性疾病	比色生物传感器	机器学习, 深度学习	颜色变化数据	NA	NA	NA	诊断准确性	智能手机兼容设备
248	2026-06-04	Augmented data and neural networks for robust epidemic forecasting: Application to COVID-19 in Italy 2026-Jan-09, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2026019 PMID:41611305	研究论文	提出一种数据增强策略，结合神经网络以提升疫情传播预测的准确性和鲁棒性，并以意大利COVID-19疫情为例进行验证	通过将易感-暴露-感染-恢复（SEIR）房室模型与不确定度量化结合，生成合成数据用于训练神经网络，从而提高预测性能	文中未明确讨论该方法的局限性	提升神经网络在流行病预测中的训练效果和预测精度	意大利伦巴第大区COVID-19疫情的第二阶段数据	机器学习	COVID-19	NA	物理信息神经网络（PINN）和非线性自回归模型（NAR）	时间序列数据	未明确给出具体样本数量	未明确给出具体框架	物理信息神经网络（PINN）、非线性自回归模型（NAR）	预测精度	未明确提及计算资源
249	2026-06-04	An AI-Based Radiomics Model Using MRI ADC Maps for Accurate Prediction of Advanced Prostate Cancer Progression 2026-Jan-08, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33010035 PMID:41590356	研究论文	基于MRI ADC图的深度学习放射组学模型用于预测晚期前列腺癌的进展，并评估AI自动分割与手动专家分割的性能差异	首次利用深度学习放射组学模型基于MRI ADC图预测晚期前列腺癌的进展，并比较AI自动分割与手动专家分割在风险分层中的效果	研究未涉及不同治疗方案的比较分析，且样本量相对有限（182例患者）	开发并验证基于深度学习放射组学的模型，用于预测晚期前列腺癌患者的疾病进展时间	182名经超声引导系统前列腺穿刺活检确诊的晚期前列腺癌患者	数字病理学	前列腺癌	磁共振成像（MRI）ADC图	深度学习放射组学模型	图像	182名晚期前列腺癌患者	PyTorch	NA	AUC, 对数秩检验	NA
250	2026-06-04	Enhancing EEG Decoding with Selective Augmentation Integration 2026-Jan-08, Sensors (Basel, Switzerland) DOI:10.3390/s26020399 PMID:41600214	研究论文	提出一种结合选择性增强策略的端到端脑电解码框架，提升模型在数据稀缺和噪声条件下的性能	创新性包括：1）采用对比学习缓解增强引起的表征失真，增强编码器特征学习；2）动态选择最优增强组合的自适应机制；3）专为听觉脑电解码设计的新型神经网络NeuroBrain，同时捕获局部与全局依赖	文中未明确讨论局限性，但可能包括：1）依赖特定数据集评估，泛化性待验证；2）增强策略计算开销；3）NeuroBrain架构对非听觉任务适用性未提及	解决脑电分析中数据稀缺、噪声干扰及现有增强技术泛化性不足的问题，提升解码性能	听觉脑电信号中的局部与全局依赖关系	机器学习	NA	脑电图	神经网络	脑电信号	SparrKULee和WithMe两个数据集（具体样本数量未提及）	PyTorch	NeuroBrain	准确率	NA
251	2026-06-04	DL-GapFilling: a novel deep learning framework for improved plant genome gap filling 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag007 PMID:41587320	研究论文	提出了一种基于深度学习的植物基因组间隙填充框架DL-GapFilling，显著提高了填补效率与准确性	首次结合Deep Filling神经网络模型与BeamStar收缩扩展算法，并引入PredictionFilter机制过滤低置信度预测，提升了间隙填充的通用性和效率	未提及在非植物基因组或低测序深度条件下的泛化能力，且可能依赖高质量侧翼序列信息	开发高效的深度学习框架以改善植物基因组组装中的间隙填充问题	多个植物或藻类基因组数据集	深度学习	NA	基因组组装	深度填充神经网络	基因组序列	多个植物或藻类基因组数据集（具体数量未提供）	NA	Deep Filling Neural Network	填补间隙数量	NA
252	2026-06-04	BiChemoCLAM: a weakly supervised multimodal framework for chemotherapy response prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf728 PMID:41587322	研究论文	提出一种名为BiChemoCLAM的多模态弱监督学习框架，用于化疗反应预测	将注意力驱动的多实例学习与多模态紧凑双线性池化结合，实现可解释且数据高效的化疗反应预测	目前仅适用于小样本场景，未见其他局限性描述	开发有效的化疗反应预测模型，降低化疗风险	化疗反应预测中的全切片图像和基因表达数据	数字病理学	卵巢浆液性囊腺癌、结直肠腺癌、膀胱尿路上皮癌	全切片图像（WSI）、基因表达测序	多实例学习（MIL）、多模态深度学习	图像（全切片图像）、分子数据（基因表达）	卵巢浆液性囊腺癌、结直肠腺癌、膀胱尿路上皮癌三个数据集	NA	注意力机制（注意力驱动多实例学习）、多模态紧凑双线性池化	AUC（曲线下面积）	NA
253	2026-06-04	Super-Resolution Deep Learning Reconstruction Improves Image Quality of Dynamic Myocardial Computed Tomography Perfusion Imaging 2026-Jan-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12010007 PMID:41591139	研究论文	评估超分辨率深度学习重建在动态心肌CT灌注成像中提高图像质量和灌注参数的效果	首次评估超分辨率深度学习重建对动态心肌CTP图像质量和灌注参数的影响	NA	研究SR-DLR对动态心肌CTP图像质量和灌注参数的影响	35名接受冠状动脉疾病评估的患者	计算机视觉	冠状动脉疾病	CT灌注成像	超分辨率深度学习重建	图像	35名患者	NA	超分辨率深度学习重建	定性评分、图像噪声、信噪比、对比度噪声比、边缘上升斜率、CT-MBF、稳健变异系数	NA
254	2026-06-04	Predicting protein-carbohydrate binding sites: a deep learning approach integrating protein language model embeddings and structural features 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag008 PMID:41608988	研究论文	构建深度学习模型融合蛋白质语言模型嵌入与结构特征预测非共价蛋白质-碳水化合物结合位点	首次提出集成模型DeepCPBSite，结合三种采样策略（随机欠采样、加权过采样、类别加权损失）与ResNet+FNN架构，并利用AlphaFold和ESMFold预测结构特征进行对比分析	未提及具体限制，可能包括对非共价结合位点预测的准确性依赖结构预测质量，以及模型泛化性在未见蛋白质家族上的表现	开发经济高效的计算工具预测蛋白质-碳水化合物非共价结合位点	蛋白质-碳水化合物非共价结合位点	自然语言处理	NA	蛋白语言模型嵌入, SHAP分析, AlphaFold, ESMFold	深度学习集成模型 (ResNet+FNN)	蛋白质序列, 结构特征	三个数据集来源：RCSB、UniProt、CASP，未明确样本数量	PyTorch	ResNet, FNN	平衡准确率, 灵敏度, F1, MCC, AUPR	NA
255	2026-06-04	Task-specific pre-training for molecular property prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag010 PMID:41608985	研究论文	提出一种针对分子性质预测的任务特定预训练策略TasProp，以解决标记数据稀缺导致的过拟合和泛化能力差的问题	提出任务特定对比损失和新颖的数据增强方法，并附有理论分析，在多个数据集上超越现有方法	未提及	改善小样本标记数据场景下的分子性质预测性能	分子及其性质，包括三个公开数据集和两个麻醉学相关数据集	机器学习	NA	分子性质预测	预训练模型	分子结构数据	多个数据集，具体数量未说明	NA	NA	未明确提及，但引用比较了最先进方法	NA
256	2026-06-04	Personalized gene expression prediction in the era of deep learning: a review 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag022 PMID:41615288	综述	讨论深度学习在个性化基因表达预测中的应用现状、挑战及改进方法	比较深度学习与传统表达数量性状基因座线性方法的性能，探讨微调策略和基因组语言模型的兴起	深度学习模型在跨个体基因表达预测中仍难以超越线性模型，个性化预测的准确性和鲁棒性尚未解决	评述深度学习在个性化基因表达预测领域的研究进展与局限性	深度学习模型与线性模型在基因表达预测中的对比、微调策略、基因组语言模型	机器学习	NA	NA	深度学习模型、基因组语言模型	基因组序列、表观基因组数据	NA	NA	NA	NA	NA
257	2026-06-04	Non-Contact Measurement of Human Vital Signs in Dynamic Conditions Using Microwave Techniques: A Review 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020359 PMID:41600153	综述	综述了动态条件下利用微波技术非接触测量人体生命体征的最新进展	涵盖了创新性可生物降解和柔性天线设计，以及将超宽带雷达、多普勒传感器和微波反射计与先进信号处理和深度学习算法相结合以消除运动伪影的方法	个体间解剖变异性、运动伪影、硬件小型化和能效问题仍限制广泛部署	综述动态条件下非接触测量人体生命体征的微波与雷达技术进展及挑战	动态条件下的人体生命体征（呼吸、心率等心肺参数）	机器学习	NA	微波技术、雷达技术（超宽带雷达、多普勒传感器、微波反射计）	深度学习算法	信号	NA	NA	NA	NA	NA
258	2026-06-04	Direct UAV-Based Detection of Botrytis cinerea in Vineyards Using Chlorophyll-Absorption Indices and YOLO Deep Learning 2026-Jan-06, Sensors (Basel, Switzerland) DOI:10.3390/s26020374 PMID:41600171	研究论文	提出了一种基于多光谱影像和YOLOv8深度学习模型的无人机系统，用于葡萄园中灰霉病的早期检测	利用叶绿素吸收比率指数（CARI）作为训练输入，显著提升检测性能，相较于RGB影像，F1分数从68.1%提升至91.1%	未提及局限性	开发一种用于精准葡萄栽培的自动化和可扩展的无人机作物健康监测系统	葡萄园中的灰霉病	计算机视觉, 机器学习	灰霉病	多光谱成像	YOLO	多光谱影像	未提及具体样本数量	PyTorch	YOLOv8	精确率, 召回率, F1分数, 平均精度均值	未提及
259	2026-06-04	Artificial Intelligence (AI) in Saxitoxin Research: The Next Frontier for Understanding Marine Dinoflagellate Toxin Biosynthesis and Evolution 2026-Jan-05, Toxins IF:3.9Q1 DOI:10.3390/toxins18010026 PMID:41591172	综述	探讨人工智能在海洋甲藻毒素生物合成与演化研究中的应用潜力，并提出一种AI整合多组学框架	首次系统性提出将人工智能（特别是机器学习与深度学习）整合到Saxitoxin生物合成研究的多组学框架中，覆盖基因识别、进化重建、分子调控和毒素预测四个关键环节	当前甲藻中STX生物合成基因的碎片化、表达不一致及分布不均等问题尚未完全解决，且环境因素与毒素产量的关系缺乏一致性结论	综述STX研究中的知识空白并探索AI工具推动该领域发展的路径	海洋甲藻中的Saxitoxin及相关有毒/无毒分类群	机器学习	海洋神经毒素相关疾病（麻痹性贝类中毒）	多组学（基因组、转录组、表观组）、高通量测序	机器学习与深度学习模型（DeepFRI、ProtTrans、ESM-2、PhyloGAN、GNN、PhyloVAE、NeuralNJ、MOFA+、LSTM、GRU、DeepMF、XGBoost、LightGBM、ConvLSTM）	基因序列、转录组数据、生态数据	NA	NA	DeepFRI, ProtTrans, ESM-2, PhyloGAN, GNN, PhyloVAE, NeuralNJ, MOFA+, LSTM, GRU, DeepMF, XGBoost, LightGBM, ConvLSTM	NA	NA
260	2026-06-04	Deep Learning-Based Segmentation of the Ulnar Nerve in Ultrasound Images 2026-Jan-05, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010113 PMID:41597399	研究论文	评估深度学习分割方法在超声图像中检测尺神经的性能，使用首个大规模尺神经超声数据集	使用首个大规模尺神经超声数据集，系统比较多种分割模型和骨干架构，并统计分析五种数据增强技术的影响	未明确说明局限性	优化深度学习在尺神经分割及基于超声的神经分割任务中的应用	尺神经	计算机视觉	神经相关疾病	超声成像	CNN	超声图像	545名患者的4789张超声图像	NA	U-Net	Dice系数, IoU	NA