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
2581	2026-01-13	Artificial Intelligence in Snoring Sound Analysis: OSA Detection and Obstruction Site Classification, a Systematic Review 2026-Jan-12, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70114 PMID:41521859	系统综述	本文系统综述了机器学习和人工智能模型在鼾声分析中用于检测阻塞性睡眠呼吸暂停（OSA）及基于VOTE系统进行阻塞部位分类的应用	首次系统性地评估了AI/ML在鼾声分析中同时用于OSA检测和VOTE系统阻塞部位分类的研究现状与性能	存在外部验证有限、数据集不平衡、噪声干扰等挑战，且缺乏真实世界的临床验证	评估机器学习和人工智能模型在分析鼾声以检测阻塞性睡眠呼吸暂停（OSA）及分类阻塞部位（基于VOTE系统）中的应用	鼾声信号	机器学习	阻塞性睡眠呼吸暂停	声学分析	SVM, CNN, 混合深度学习架构, kNN	音频信号	NA	NA	NA	准确率, 未加权平均召回率	NA
2582	2026-01-13	AI-driven peptide discovery for endometrial cancer: deep generative modeling and molecular simulation in the big data era 2026-Jan-12, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00735-9 PMID:41524971	研究论文	本研究开发了一个结合深度强化学习、生成对抗网络和变分自编码器的AI驱动生成管道，用于设计靶向子宫内膜癌关键蛋白的新型肽类分子	首次将深度强化学习、生成对抗网络和变分自编码器集成到一个统一的AI生成管道中，用于针对多种子宫内膜癌相关蛋白进行肽类药物设计，并通过分子动力学模拟和自由能计算进行综合验证	研究主要基于计算模拟和预测，缺乏体外或体内实验验证；生成的肽类分子数量虽多，但实际成药性仍需进一步实验评估	开发一个AI驱动的肽类药物发现框架，用于加速针对子宫内膜癌的下一代治疗药物的开发	靶向子宫内膜癌关键蛋白（AKT1, ESR1, Connexin-43, CTNNB1）的新型肽类分子	计算药物发现	子宫内膜癌	深度学习生成模型，分子对接，分子动力学模拟，自由能计算，ADMET预测	DRL, GAN, VAE	分子结构数据，蛋白质-配体相互作用数据	生成了超过14,200个结构，其中约2,313个肽类分子通过初步筛选	未明确指定	未明确指定	结合自由能（kcal/mol），RMSD（Å），ADMET预测参数	未明确指定
2583	2026-01-13	Automated detection of gallbladder stones using a deep learning algorithm on computed tomography scans 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05352-6 PMID:41524986	研究论文	本研究开发并评估了一种用于在CT扫描中自动检测胆结石的深度学习算法	首次在CT扫描中应用深度学习算法进行胆结石的自动化检测，并评估了其诊断准确性	回顾性单中心研究，样本量相对有限，且对气体性、等密度和小型结石的检测敏感性较低	开发并评估一种用于自动检测胆结石的深度学习算法的诊断准确性	CT扫描图像中的胆结石	计算机视觉	胆结石病	CT扫描	深度学习模型	图像	493例胆结石阳性、470例胆结石阴性和180例胆囊切除后的CT扫描	NA	NA	Dice系数, 敏感性, 特异性, ROC分析	NA
2584	2026-01-13	Deep learning in enhanced CT imaging: predicting invasion depth of rectal adenocarcinoma 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05368-y PMID:41524989	研究论文	本研究开发并评估了一个深度学习模型RectoDepthAI，利用增强CT图像准确预测直肠腺癌的肿瘤浸润深度，区分早期和晚期肿瘤	结合ResNet-18和LSTM网络处理静脉期CT切片序列，并利用Grad-CAM增强模型可解释性	NA	开发深度学习模型以非侵入性评估直肠腺癌的肿瘤浸润深度	直肠腺癌患者	计算机视觉	直肠癌	增强CT成像	CNN, LSTM	图像	934名患者	NA	ResNet-18, LSTM	AUC, 准确率, 灵敏度, 特异性	NA
2585	2026-01-13	A multicenter deep learning framework integrating radiomics and vision transformers for comprehensive ovarian tumor analysis from ultrasound imaging 2026-Jan-11, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03395-5 PMID:41521324	研究论文	本研究开发并验证了一个多中心深度学习框架，通过整合放射组学特征与视觉Transformer的深度特征，从超声图像中实现卵巢肿瘤的全面分析，包括分割、多分类和预后预测	提出了一种结合放射组学描述符与深度特征嵌入的多中心深度学习流程，首次在卵巢肿瘤超声分析中同时实现分割、多类分类和预后预测任务	研究为回顾性分析，可能存在选择偏倚；外部验证集规模相对有限；未在实时临床环境中进行前瞻性验证	开发一个鲁棒的多中心深度学习框架，用于卵巢肿瘤的全面超声图像分析	卵巢肿瘤患者的超声图像数据	计算机视觉	卵巢癌	超声成像	CNN, Transformer	图像	3156名患者（来自八个中心），外部验证集756名患者	PyTorch, TensorFlow	UNETR, nnU-Net, Swin-UNet, SegNet, UNet, ResNet, Vision Transformer (ViT), TabTransformer, MLP, XGBoost	Dice系数, AUC, 准确率, C-index	未明确指定，但涉及多中心数据训练和验证，可能使用GPU集群
2586	2026-01-13	Leveraging human pose estimation for diagnostic feedback: Action research on instructional mediation and sustainable learning in coach education 2026-Jan-10, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106128 PMID:41520452	研究论文	本研究探讨了在大学体育实践课程中整合人体姿态估计工具，以提升学生的诊断推理、反思参与和教学互动	将AI辅助视觉反馈与刻意教学策略结合，支持学生从表层工具使用转向概念理解和应用生物力学推理，并提出了AI增强的认知学徒模型	研究样本量较小（31名本科生），且研究周期较短（三周），可能限制结果的普适性	探索人体姿态估计工具在教学中的整合，以增强学生的诊断推理能力和反思性学习	大学本科生（体育实践课程学生）	计算机视觉	NA	人体姿态估计	NA	图像、文本（诊断报告、学生反思、教师日志）	31名本科生	NA	NA	NA	NA
2587	2026-01-13	Bioinformatics insights into plant genomic imprinting: approaches, challenges, and future perspectives 2026-Jan-09, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf025 PMID:41511814	综述	本文综述了植物基因组印记的生物信息学见解，包括研究方法、挑战及未来展望	系统总结了单细胞组学、机器学习和深度学习在植物印记基因识别与网络建模中的革命性应用，并展望了人工智能驱动的表观遗传育种策略	未涉及具体实验验证，且多组学数据整合仍面临挑战	探讨植物基因组印记的识别、功能注释、调控机制及其在农业育种中的应用前景	植物基因组印记现象，特别是模式植物（如拟南芥、玉米、水稻）中的印记基因	生物信息学	NA	单细胞组学	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
2588	2026-01-13	Artificial Intelligence in Diabetic Kidney Disease Research: Bibliometric Analysis From 2006 to 2024 2026-Jan-09, JMIR diabetes DOI:10.2196/72616 PMID:41511856	综述	本文对2006年至2024年间发表的AI相关糖尿病肾病研究进行了全面的文献计量和转化分析	首次系统性地利用文献计量学工具（如CiteSpace和VOSviewer）对AI在糖尿病肾病领域的研究趋势、合作网络、主题演变及临床转化程度进行了可视化与定性评估	研究主要基于Web of Science数据库的英文文献，可能遗漏其他语言或数据库的出版物；且定性评估指出，大多数研究缺乏外部验证或可解释性框架，临床转化仍有限	旨在通过文献计量分析，揭示AI在糖尿病肾病研究中的应用格局、发展趋势、合作模式及临床转化挑战	2006年至2024年间发表的、应用AI技术于糖尿病肾病的英文原创研究文章	机器学习	糖尿病肾病	文献计量分析、系统综述	NA	文本（文献数据）	384项研究	CiteSpace, VOSviewer	NA	NA	NA
2589	2026-01-13	Ensemble deep learning architectures for detecting pulmonary tuberculosis in chest X-rays 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30792-x PMID:41513737	研究论文	本文提出了一种集成深度学习架构，用于从胸部X光片中检测活动性肺结核	将卷积自编码器神经网络与具有深度层聚合的多尺度卷积神经网络集成到一个学习架构中，用于稳健的结核病检测，并在多个数据集上实现了最先进的性能	NA	开发一种适用于资源匮乏环境的、具有成本效益的自动化结核病筛查方法	胸部X光片	计算机视觉	肺结核	NA	CNN, 自编码器	图像	两个公共数据集和一个私有数据集	NA	卷积自编码器神经网络, 多尺度卷积神经网络	灵敏度, 特异性, 准确率, AUC	NA
2590	2026-01-13	Early detection of air leakage in IoT-connected compressors using enhanced data sampling with deep learning 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29522-0 PMID:41507227	研究论文	本文提出了一种结合无监督增强数据采样和蒙特卡洛丢弃神经网络的端到端框架，用于物联网连接压缩机中的早期空气泄漏检测	提出了一种新颖的无监督增强数据采样方法（UEDSM），在缓解类别不平衡的同时保持数据结构，并集成了一种支持丢弃的神经网络（ALDNet），利用蒙特卡洛丢弃进行鲁棒推理	未明确说明方法在其他类型工业设备或更大规模数据集上的泛化能力	解决智能工厂中空气泄漏的早期检测问题，以减少成本和运营效率低下	制造工厂中的物联网连接空气压缩机	机器学习	NA	实时物理监测	深度学习神经网络	传感器数据（来自物联网连接的压缩机）	两台空气压缩机的实时监测数据	未明确指定，可能为TensorFlow或PyTorch	ALDNet（一种支持丢弃的神经网络）	准确率，F1分数	未明确指定，但提及适用于边缘环境部署
2591	2026-01-13	A hybrid Transformer-CNN framework for uncertainty-guided semi-supervised multiclass eye disease classification with enhanced interpretability 2026-Jan-08, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102701 PMID:41520385	研究论文	提出一种结合Transformer与CNN的混合架构，用于不确定性引导的半监督多类眼病分类，并增强了模型的可解释性	提出了一种新颖的CNN-Transformer混合架构，并引入了不确定性引导的MixMatch半监督学习框架以及梯度集成注意力图，以提升分类性能和模型可解释性	研究仅基于一个包含4215张图像的数据集进行评估，未在更广泛或外部数据集上进行验证	开发一种能够有效利用标记和未标记数据、并具有高可解释性的多类眼病自动分类方法	眼底图像，用于分类白内障、糖尿病视网膜病变、青光眼和健康状态	计算机视觉	眼科疾病	深度学习，半监督学习	CNN, Transformer	图像	4215张眼底图像，涵盖四个类别	PyTorch	ConvNeXt, Transformer	准确率, Cohen's kappa, 灵敏度, 特异性, AUC	NA
2592	2026-01-13	A deep learning mobile application for tomato leaf nutrition deficiency identification with YOLOv8 and enhanced augmentation 2026-Jan-06, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.112973 PMID:41506476	研究论文	本文提出了一种基于YOLOv8模型和分层增强方案的深度学习方法来检测番茄叶片营养缺乏	结合了最新的目标检测模型YOLOv8与分层数据增强方案，并开发了用于实时应用的Android移动应用	NA	早期、准确地检测番茄叶片的营养缺乏，以实现及时干预，最小化作物损失并确保最佳生产力	番茄叶片	计算机视觉	NA	深度学习	YOLOv8	图像	NA	NA	YOLOv8	mAP@0.50, mAP@0.50-0.95, 精确率, 召回率, F1分数	NA
2593	2026-01-13	Application and accuracy analysis of different facial regions based on deep learning in the diagnosis of hypertension 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30936-z PMID:41484198	研究论文	本研究开发了一种基于深度学习的非侵入性面部图像分析方法，用于高血压的早期筛查	通过改进的U-Net模型将面部细分为六个解剖区域，并发现仅使用颧骨和脸颊区域即可达到与全脸模型相当的诊断准确率，表明这些区域集中了与高血压相关的生理信号	样本量相对较小（共506名参与者），且研究未在更广泛或多样化的人群中进行外部验证	开发一种可扩展、被动、非侵入性的高血压早期筛查工具	375名高血压患者和131名血压正常对照者的面部图像	计算机视觉	心血管疾病	面部图像分析	CNN	图像	506名参与者（375名高血压患者，131名血压正常对照者）	NA	U-Net, ResNet	mIoU, 准确率	NA
2594	2026-01-13	Deep Learning-Based Supervised and Semisupervised Segmentation of Confocal and SEM Micrographs for Microstructural Characterization of Plant Protein Gels 2026-Jan-02, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf129 PMID:41524148	研究论文	本研究开发了一种基于深度学习的半监督学习框架，用于分割植物蛋白凝胶的共聚焦和扫描电子显微镜图像，以实现高效的微结构表征	提出了一种仅使用10%标注数据结合伪标签的半监督学习框架，在分割精度上可与全监督模型媲美，并引入了尺度不变的结构描述符用于跨成像条件的可靠比较	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发一种标注高效的图像分割方法，用于植物蛋白凝胶的微结构定量分析	植物蛋白凝胶的共聚焦和扫描电子显微镜图像	计算机视觉	NA	共聚焦显微镜, 扫描电子显微镜	深度学习	图像	未明确提及具体样本数量，但标注数据仅使用10%	未明确提及	未明确提及	IoU, Dice系数	未明确提及
2595	2026-01-13	Ferroelectric Domains and Evolution Dynamics in Twisted CuInP2S6 Bilayers 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500683 PMID:40538291	研究论文	本文通过密度泛函理论和深度学习分子动力学模拟，研究了扭曲CuInP2S6双层中极性畴的形成、演化及调控机制	揭示了扭曲双层中界面铁电（反铁电）耦合导致极性畴形成的机制，不同于传统超晶格或滑动双层中的拓扑涡旋，其机制源于堆叠依赖的能垒和热扰动下的切换速度变化	模拟基于理论计算，未涉及实验验证；研究聚焦特定材料体系，普适性有待进一步探索	探究扭曲角度对铁电材料中极性畴形成和动态演化的影响，并探索通过外场调控局部极化的可能性	扭曲双层铁电材料CuInP2S6	材料科学	NA	密度泛函理论（DFT），深度学习分子动力学（DLMD）模拟	NA	模拟数据	NA	NA	NA	NA	NA
2596	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
2597	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
2598	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
2599	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
2600	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