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
4961	2026-02-08	Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study 2026-Feb-04, JMIR nursing DOI:10.2196/82283 PMID:41637487	研究论文	本研究通过混合方法评估肿瘤科护士对AI症状预测模型的看法及其影响因素	首次基于罗杰斯创新扩散理论，系统评估肿瘤科护士对AI症状预测模型的接受度及影响因素	样本量较小（仅15名护士），且为单中心研究，可能限制结果的普适性	探索肿瘤科护士对预测性症状模型在癌症护理中使用的看法，以及影响该症状护理创新采用的因素	肿瘤科护士	NA	癌症	混合方法研究（定量与定性分析）	NA	调查问卷数据、定性评论	15名具有超过1年肿瘤科经验的护士	NA	NA	描述性统计、内容分析、归纳编码	NA
4962	2026-02-08	Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data 2026-Feb-04, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/72501 PMID:41637624	研究论文	本研究评估了使用智能手机应用结合主动和被动数据流，通过机器学习框架预测非临床青少年心理健康风险的可行性	首次在非临床、在校青少年群体中应用数字表型分析，结合对比预训练与三元组边界损失来稳定用户特定行为模式，并整合主动和被动数据流进行心理健康风险预测	样本量相对较小（n=103），研究周期较短（14天），且外部验证队列规模有限（n=45），可能影响模型的泛化能力和长期预测稳定性	评估基于智能手机的数字表型分析在预测非临床青少年心理健康风险中的可行性和效用	来自英国三所中学的103名青少年（平均年龄16.1岁）	机器学习	心理健康障碍	数字表型分析，智能手机传感器数据采集	深度学习模型，CatBoost，多层感知机	主动数据（自我报告），被动数据（传感器数据）	103名青少年参与主要研究，45名青少年用于外部验证	未明确指定，但提及了CatBoost（Yandex）	深度学习模型（具体架构未指定），多层感知机	平衡准确度	NA
4963	2026-02-08	Research on fast and accurate prediction of milk yield in dairy goats based on deep learning 2026-Feb-04, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27905 PMID:41651371	研究论文	本研究基于深度学习改进Mask R-CNN模型，用于快速准确预测奶山羊产奶量	通过引入特征通道注意力和锚框细化模块改进Mask R-CNN模型，使其更适用于奶山羊产奶量预测	NA	实现奶山羊产奶量的快速准确预测以辅助育种选择	奶山羊	计算机视觉	NA	深度学习	CNN	图像	NA	NA	Mask R-CNN	准确率, 召回率, mIoU, 平均绝对误差, 均方误差, 平均绝对百分比误差	NA
4964	2026-02-08	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-Feb-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	本文提出了一种基于三维卷积残差网络的深度学习方法，用于分类质谱光度法数据中的着陆事件，以优化单分子水平的质量测量	利用三维卷积残差网络分析事件的时空动态，从而隔离最优的单分子测量，消除累积直方图伪影，并将分辨率提升高达两倍	NA	优化质谱光度法在单分子水平上的质量测量，提高质量分辨率、灵敏度和浓度准确性	质谱光度法数据中的生物分子结构、相互作用和动力学，特别是蛋白质（解）结合过程中的反射率变化事件	机器学习和数字病理学	NA	质谱光度法	CNN	图像（3D事件缩略图）	多样化的实验数据集，包括已解析和部分解析的样本，以及不同质量、浓度和积分时间的数据	NA	三维卷积残差网络	质量分辨率、灵敏度、浓度准确性	NA
4965	2026-02-08	An improved seam carving method for enhancing the visual field of tunnel vision patients 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35527-0 PMID:41634090	研究论文	本文提出了一种改进的接缝裁剪方法，用于增强隧道视觉患者的视野	通过多尺度图像融合计算能量图，结合深度、显著性、前景分割和边缘检测特征，并采用前向-中间方法进行接缝移除，从而改进了原始接缝裁剪方法	NA	为隧道视觉患者开发一种内容感知的图像重定向方法，以增强其视野	隧道视觉患者	计算机视觉	视觉障碍	图像处理	NA	图像	NA	NA	NA	SSIM, SIFT特征匹配, 深度学习感知质量指标, 综合评分	NA
4966	2026-02-08	Using AI Algorithms and Machine Learning in the Analysis of a Bio-Purification Method (Therapeutic Emesis, Known as "Vamana Karma"): Protocol for a Mixed Methods Study 2026-Feb-03, JMIR research protocols IF:1.4Q3 DOI:10.2196/79875 PMID:41632954	研究论文	本研究提出并验证了一个AI辅助的数字框架，用于客观评估阿育吠陀中的治疗性呕吐（vamana karma）过程	首次在传统医学系统中探索应用深度学习算法（如YOLOv9和残差神经网络）对治疗性呕吐过程进行客观分析，包括自动呕吐物检测、内容分类和患者姿态识别	研究为探索性，样本量较小（50名志愿者），且需要进一步的临床验证和多中心扩展才能在真实世界部署	开发并验证一个AI辅助的数字框架，用于治疗性呕吐过程的客观评估，以改善临床结果	阿育吠陀中的治疗性呕吐（vamana karma）过程，包括呕吐物特征和患者反应	机器学习	NA	NA	CNN, 残差神经网络	视频, 图像	50名志愿者	TensorFlow, scikit-learn, SPSS	YOLOv9, 残差神经网络	Fleiss κ统计量, 标准机器学习指标	NA
4967	2026-02-08	Artificial Intelligence-based detection of neuropsychiatric lupus: an exploratory meta-analysis of neuroimaging and multimodal biomarker models 2026-Feb-02, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-02030-1 PMID:41627551	荟萃分析	本文对基于人工智能的神经影像学和多模态生物标志物模型在检测神经精神性狼疮中的诊断性能、异质性和方法学特征进行了探索性荟萃分析	首次对应用于神经精神性狼疮检测的人工智能模型进行系统性探索性荟萃分析，综合评估了其诊断性能、方法学异质性和稳健性	研究间存在显著的异质性，汇总估计值不稳定且受个别研究影响，外部验证和可解释人工智能方法应用不足，目前尚无法得出关于临床适用性的明确结论	评估基于人工智能的模型使用神经影像学和多模态生物标志物检测系统性红斑狼疮中神经精神性受累的诊断性能、异质性和方法学特征	系统性红斑狼疮患者的神经影像学数据（如结构或功能MRI、磁共振波谱）及其他生物信息学模态数据（如基于波谱的分子指纹、脑脊液或血清生物标志物）	机器学习	神经精神性狼疮	神经影像学（结构/功能MRI、磁共振波谱）、光谱学、生物标志物分析	机器学习, 深度学习	图像, 生物标志物数据	超过800名参与者（来自14项研究）	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
4968	2026-02-08	Pediatric coronary MR angiography with a two-minute scan using de-aliasing regularization based compressed sensing 2026-Feb-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110627 PMID:41638264	研究论文	本研究评估了基于去混叠正则化的压缩感知（DARCS）在儿科冠状动脉磁共振血管成像（CMRA）中加速扫描的应用，旨在缩短扫描时间并评估其图像质量和诊断性能	首次在儿科人群中探索并验证了DARCS加速CMRA的临床可行性，实现了两分钟扫描并保持了冠状动脉瘤（CAA）检测的高诊断准确性	研究样本量相对有限，且仅在一台3.0T扫描仪上进行，未在多中心或不同设备上验证	减少儿科冠状动脉磁共振血管成像的扫描时间，并评估加速后图像质量和诊断性能	儿科患者，特别是针对冠状动脉瘤（CAA）的检测	医学影像	心血管疾病	磁共振血管成像（CMRA），三维膈肌导航T2准备梯度回波序列	深度学习	医学影像（k空间数据）	123名儿科患者（96名回顾性，27名前瞻性）	NA	DARCS（De-Aliasing Regularization-based Compressed Sensing）	峰值信噪比（PSNR），结构相似性指数（SSIM），血管长度，锐度，视觉评分，灵敏度，特异性	3.0T磁共振扫描仪
4969	2026-02-08	Open-surface digital ELISA enabled by magnetic trapping and deep learning for rapid and highly sensitive detection of African swine fever 2026-Feb-02, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118473 PMID:41650557	研究论文	本研究开发了一种结合开放空间磁珠阵列与人工智能的开放表面数字ELISA平台，用于快速、高灵敏度检测非洲猪瘟病毒p30抗原	通过磁捕获形成开放空间微腔，结合往复流微流体和原位酪胺信号放大，消除了免疫复合物封装步骤，提高了微腔利用率和抗原捕获效率，并采用改进的Mask R-CNN进行智能图像识别	未明确提及具体局限性，但可能涉及平台在实际现场应用中的验证或成本效益分析	开发一种快速、高灵敏度的检测方法，用于早期诊断非洲猪瘟，以减少经济损失	非洲猪瘟病毒p30抗原	数字病理	非洲猪瘟	数字ELISA, 磁捕获, 微流体技术, 原位酪胺信号放大	CNN	图像	血清样本验证（具体数量未提及）	未明确指定，但基于卷积神经网络框架	Mask R-CNN	检测限, 灵敏度, 特异性	未明确提及
4970	2026-02-08	AMPCliff: Quantitative definition and benchmarking of activity cliffs in antimicrobial peptides 2026-Feb, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.04.046 PMID:40318764	研究论文	本文提出了一个名为AMPCliff的定量定义和基准测试框架，用于研究由标准氨基酸组成的抗菌肽中的活性悬崖现象	首次针对抗菌肽中的活性悬崖现象提出了定量定义和系统性的基准测试框架，并评估了多种机器学习、深度学习和语言模型在该任务上的表现	当前基于深度学习的表示模型在预测抗菌肽活性悬崖方面仍有局限，需要整合原子级动态信息以更准确捕捉抗菌肽特性	定量定义和基准测试抗菌肽中的活性悬崖现象，并评估现有预测模型的性能	由标准氨基酸组成的抗菌肽，特别是针对金黄色葡萄球菌的抗菌肽对	机器学习	NA	NA	机器学习, 深度学习, 掩码语言模型, 生成语言模型	序列数据	来自公开AMP数据集GRAMPA的成对抗菌肽基准数据集	NA	ESM2	Spearman相关系数	NA
4971	2026-02-08	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2026-Feb, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水方面的性能	首次对机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水方面的预测性能进行了系统性的综述和荟萃分析	纳入的研究数量有限（6项），且仅提取了各研究中性能最佳模型的数据，可能存在选择偏倚	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	机器学习	脑积水	NA	机器学习，深度学习	NA	2096名个体	NA	NA	AUC，准确率，灵敏度，特异性，诊断比值比	NA
4972	2026-02-08	Deep learning and iterative image reconstruction for head CT: Impact on image quality and radiation dose reduction-Comparative study 2026-Feb, The neuroradiology journal DOI:10.1177/19714009251345108 PMID:40406852	研究论文	本研究客观评估了深度学习图像重建算法在无增强头部CT中，相较于自适应统计迭代重建算法，在改善图像质量和降低辐射剂量方面的能力	首次将深度学习图像重建算法应用于头部CT，并与标准迭代重建算法进行对比，展示了其在图像质量和辐射剂量降低方面的显著优势	研究样本量较小，且剂量降低功能在宽探测器扫描仪中因缺乏机架角度调整而效果有限	评估深度学习图像重建算法在头部CT中的图像质量改善和辐射剂量降低能力	无增强头部CT扫描图像	医学影像分析	NA	CT扫描	深度学习	图像	35名患者	NA	深度学习图像重建	信噪比, 对比噪声比	NA
4973	2026-02-08	FusionMVSA: Multi-View Fusion Strategy With Self-Attention for Enhancing Drug Recommendation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586758 PMID:40622834	研究论文	本文提出了一种名为FusionMVSA的创新深度学习模型，用于预测药物与疾病之间的关联，以增强药物推荐	提出了一种结合多视图融合策略与自注意力机制的特征提取方法，利用共享组参数计算多视角自注意力以突出共同特征，并利用生物医学相似性作为引导捕获更细微特征	NA	开发一种动态整合多源数据的方法以预测药物与疾病关联，提升药物推荐效果	药物与疾病之间的关联关系	机器学习	NA	多源数据整合	多层感知机神经网络, 自注意力机制	多源生物医学数据	NA	NA	FusionMVSA	NA	NA
4974	2026-02-08	mRSubLoc: A Novel Multi-Label Learning Framework Integrating RNA Large Language Model for mRNA Subcellular Localization 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3591454 PMID:40694461	研究论文	提出了一种名为mRSubLoc的新型多标签深度学习框架，用于预测mRNA的亚细胞定位	整合了RNA大语言模型RNAErnie与one-hot编码和Word2Vec嵌入来构建mRNA序列的全面表示，并采用多标签学习框架处理多定位任务	未在摘要中明确说明	预测mRNA的亚细胞定位，以促进基因表达调控研究和靶向药物开发	信使RNA (mRNA)	自然语言处理, 机器学习	NA	RNA大语言模型, one-hot编码, Word2Vec嵌入	TextCNN, BiLSTM, MLP	序列 (mRNA序列)	NA	NA	TextCNN, BiLSTM, 多头自注意力机制, MLP	Aiming, Coverage, Accuracy, Absolute-True, Absolute-False	NA
4975	2026-02-08	Stroke-Aware CycleGAN: Improving Low-Field MRI Image Quality for Accurate Stroke Assessment 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605566 PMID:40902054	研究论文	提出一种名为Stroke-Aware CycleGAN (SA-CycleGAN)的3D深度学习模型，用于提升低场MRI图像质量以改善常规卒中评估	在传统CycleGAN基础上，引入卒中病灶先验知识，通过新颖的空间特征变换机制，并结合梯度差异损失以解决合成图像过度平滑的问题	NA	提升低场便携式MRI设备图像质量，以支持更精确的卒中诊断和病灶量化	卒中患者的低场和高场扩散加权成像(DWI)图像	计算机视觉	卒中	扩散加权成像(DWI)	GAN	图像	101对高场和低场DWI图像，来自同一患者的双扫描	NA	CycleGAN	病灶体积相关性(R值), 平均绝对体积差异	NA
4976	2026-02-08	A Physics-ASIC Architecture-Driven Deep Learning Photon-Counting Detector Model Under Limited Data 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605886 PMID:40907044	研究论文	本文提出了一种基于物理-ASIC架构驱动的深度学习光子计数探测器模型，用于在有限校准数据下准确建模光子计数CT中的探测器响应	该模型创新性地结合物理原理与ASIC架构，能够全面捕捉探测器传感器和ASIC的响应，在有限数据下实现高精度建模	模型在有限校准数据条件下开发，可能对数据稀缺性敏感，且未明确讨论模型在极端条件下的泛化能力	解决光子计数CT中探测器在有限校准数据下的准确建模问题，以促进该技术的广泛应用	光子计数探测器（PCDs）及其在光子计数CT中的应用	医学影像	NA	光子计数CT（PCCT）	深度学习模型	校准数据	有限校准数据	NA	NA	校准误差、参数估计精度、材料分解图像质量	NA
4977	2026-02-08	Lesion Asymmetry Screening Assisted Global Awareness Multi-View Network for Mammogram Classification 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3607877 PMID:40924534	研究论文	本文提出了一种名为LAS-GAM的新型端到端框架，用于乳腺癌诊断，通过模拟放射科医生分析乳腺X光片的工作流程，整合多视图信息进行患者级别的预测	提出了一种患者级别的诊断框架，结合全局模块和病灶筛查模块，模拟放射科医生的全面评估和病灶定位过程，仅使用患者级别标签进行训练，降低了数据标注成本	未明确说明模型在更广泛数据集上的泛化能力，以及计算效率的具体分析	开发一种基于深度学习的计算机辅助系统，用于乳腺X光片的分类诊断，提高诊断性能和可解释性	乳腺X光片图像，特别是患者的四个视图（双侧乳房的CC和MLO视图）	计算机视觉	乳腺癌	深度学习	CNN	图像	使用了DDSM数据集和内部数据集，具体样本数量未明确说明	NA	LAS-GAM（病灶不对称筛查辅助全局感知多视图网络）	AUC	NA
4978	2026-02-08	Vision Mamba: A Comprehensive Survey and Taxonomy 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3610435 PMID:40982514	综述	本文对Mamba模型在视觉领域的应用进行了全面的调查和分类研究	首次系统地将Mamba从自然语言处理领域扩展到视觉领域，并对其在不同视觉任务和数据类型的应用进行了全面的综述和分类	作为一篇综述性文章，主要基于现有文献进行总结，未提出新的模型或实验验证	全面理解和分类Mamba模型在视觉领域的应用潜力	Mamba模型及其在视觉任务中的应用	计算机视觉	NA	状态空间模型	Mamba	序列数据，时间序列，自然语言，视频	NA	NA	Mamba	NA	NA
4979	2026-02-08	Fuzzy Rule-Based Differentiable Representation Learning 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3609722 PMID:40991592	研究论文	本文提出了一种基于模糊规则的可微表示学习方法，旨在解决现有表示学习方法缺乏透明度和可解释性的问题	提出了一种基于TSK模糊系统的可微表示学习方法，通过前件部分将数据映射到高维模糊特征空间，并设计了一种新颖的可微优化方法用于后件部分的学习，在保持可解释性的同时有效捕捉数据非线性关系	未明确说明方法在大规模数据集上的计算效率，也未与其他可解释表示学习方法进行详细比较	开发一种既具有高性能又保持可解释性的表示学习方法	机器学习中的表示学习任务	机器学习	NA	模糊系统，可微优化	模糊规则模型，TSK模糊系统	基准数据集	NA	NA	Takagi-Sugeno-Kang模糊系统	NA	NA
4980	2026-02-08	BrainAuth: A Neuro-Biometric Approach for Personal Authentication 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3613234 PMID:40991601	研究论文	本文提出了一种基于深度强化学习的个人身份认证框架BrainAuth，利用伽马和贝塔脑电波进行身份验证	采用深度强化学习框架，结合Dyna框架和双重估计技术，引入分层结构架构以减少探索时间，并在可见和未见数据上验证了模型的鲁棒性	未明确说明训练数据的具体规模，且模型在复杂数据结构和延迟敏感环境中的泛化能力仍需进一步评估	开发一个用户友好、鲁棒且可靠的个人身份认证系统	个体的脑电波模式，特别是伽马（γ）和贝塔（β）脑电波	机器学习	NA	脑电波采集与分析	深度强化学习, 深度神经网络	脑电波信号	NA	NA	深度神经网络	等错误率, 真阳性, 假阳性, 真阴性, 假阴性, 错误接受率, 错误拒绝率, 真接受率	NA