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
5201	2026-01-30	Artificial Intelligence in Recurrent Pregnancy Loss: Current Evidence, Limitations, and Future Directions 2026-Jan-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020686 PMID:41598624	综述	本文总结了人工智能在复发性妊娠丢失（RPL）领域的应用现状、局限性与未来方向	利用人工智能（特别是机器学习和深度学习）揭示RPL中环境、免疫、生化和遗传因素间的复杂相互作用，并整合多组学数据以开发个性化预测模型	数据集规模小且异质性强、诊断定义存在冲突、外部验证有限、缺乏前瞻性临床试验	评估人工智能如何改变对复发性妊娠丢失的认知、预测能力及未来治疗管理	复发性妊娠丢失（RPL）	机器学习	复发性妊娠丢失	NA	机器学习, 深度学习	影像学数据, 蛋白质组学数据, 基因组学数据, 临床数据, 多组学数据	NA	NA	NA	NA	NA
5202	2026-01-30	Study on Multimodal Sensor Fusion for Heart Rate Estimation Using BCG and PPG Signals 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020548 PMID:41600344	研究论文	本文提出了一种多模态时序融合网络（MM-TFNet），用于融合BCG和PPG信号以实现连续心率估计	提出了一种结合TCN和BiLSTM的多模态时序融合网络，通过跨模态注意力权重矩阵自适应学习BCG机械振动与PPG容积血流特征的互补相关性，并利用多头自注意力动态聚焦关键心跳波形	实验仅基于包含40名受试者的公开数据集进行验证，样本规模相对有限	开发适用于家庭环境的非接触式、低功耗、可边缘部署的健康监测系统，实现连续心率监测以早期发现心血管疾病	心冲击描记图（BCG）信号和光电容积描记图（PPG）信号	机器学习	心血管疾病	BCG和PPG信号采集	TCN, BiLSTM, 注意力机制	时序生理信号	40名受试者的BCG-PPG-ECG同步采集数据集	NA	多模态时序融合网络（MM-TFNet），包含时序卷积网络、双向长短期记忆网络、全连接层、跨模态注意力机制和多头自注意力机制	平均绝对误差（MAE）	NA
5203	2026-01-30	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	本文提出了一种基于GAN的脉冲波合成框架，用于从手掌视频中重建高保真的远程光电容积描记（rPPG）波形	收集了新的手掌区域视频与手腕PPG信号配对的数据集，并提出了结合时域峰值感知损失、频域损失和对抗损失的GAN框架，以改善rPPG波形的形态准确性	研究未直接验证健康监测性能，仅关注波形重建的形态准确性	从手掌视频中重建高保真的rPPG波形，为后续生理信号分析和健康应用提供基础	手掌区域视频和手腕PPG信号	计算机视觉	NA	远程光电容积描记（rPPG）	GAN	视频	NA	NA	GAN	RMSE, MAPE, Pearson相关系数, 余弦相似度	NA
5204	2026-01-30	The Comparison of Human and Machine Performance in Object Recognition 2026-Jan-13, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16010109 PMID:41595050	研究论文	本研究通过比较人类与深度学习模型在物体识别任务中的表现，探讨了模型是否能在准确性和分类行为上达到人类水平	采用比较心理学原则，在相似约束下对比人类与机器性能，并首次通过多实验设计（包括不同呈现时间、任务复杂性和自由命名任务）系统评估模型泛化能力与人类分类行为的一致性	研究主要基于ObjectNet数据集的子集，可能未覆盖所有真实世界场景；且仅测试了特定模型（如CoCa），未全面涵盖所有先进深度学习架构	评估深度学习模型在物体识别任务中是否能在准确性和分类行为上匹配人类表现，并探索模型与人类认知的差异	人类参与者与深度学习模型（包括多模态CoCa模型等）	计算机视觉	NA	深度学习	深度学习模型	图像	使用ObjectNet数据集的子集进行实验	NA	CoCa	准确性, 泛化能力, 分类行为一致性	NA
5205	2026-01-30	Artificial Intelligence in Oncologic Thoracic Surgery: Clinical Decision Support and Emerging Applications 2026-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers18020246 PMID:41595166	综述	本文评估并综合了人工智能在胸外科手术路径中的当前应用现状，从术前决策支持到术中引导及新兴自主干预	系统综述了AI在胸外科从决策支持到自主干预阈值的最新进展，并强调了未来研究方向如数字孪生、联邦学习和可解释AI	广泛采用受到算法偏差、数据整合、监管批准和伦理透明度等挑战的限制，需要多中心验证和稳健治理框架	评估和综合人工智能在胸外科手术路径中的应用现状	胸外科手术，特别是肺癌和胸部肿瘤学领域	计算机视觉, 机器学习	肺癌	机器学习, 深度学习, 计算机视觉	NA	影像, 组织病理学数据	NA	NA	NA	诊断准确性	NA
5206	2026-01-30	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	本文综述了基于人工智能和量子计算在单细胞及多尺度基因组学与转录组学中预测基因表达的最新进展	结合深度学习和量子机器学习方法，提升多组学数据分析的效率和可靠性，推动精准医学发展	未提及具体实验验证或模型性能比较，主要基于理论和技术展望	探讨人工智能和量子计算在基因表达预测中的应用，以促进精准医学	单细胞及多尺度基因组学与转录组学数据	机器学习	NA	单细胞测序，多组学分析	深度学习网络，量子机器学习	基因组学数据，转录组学数据，表观遗传学数据	NA	NA	NA	NA	量子计算
5207	2026-01-30	EMG-Spectrogram-Empowered CNN Stroke-Classifier Model Development 2026-Jan-13, Life (Basel, Switzerland) DOI:10.3390/life16010114 PMID:41598269	研究论文	本研究提出了一种将肌电图信号转换为时频表示谱图，并利用卷积神经网络进行中风分类的新方法	引入了将EMG信号转换为时频表示谱图作为CNN输入的新方法，并提出了Tri-CCNN模型，在分类准确率上超越了浅层CNN和经典LeNet-5架构	未明确提及样本量的具体大小、数据集的详细构成以及模型在更广泛人群中的泛化能力	开发一种自动化工具，用于区分中风后患者与健康个体，以支持家庭康复环境中的客观评估	中风后患者与健康个体的肌电图信号	机器学习	中风	肌电图	CNN	图像（时频表示谱图）	NA	NA	Tri-CCNN, Shallow CNN, LeNet-5	准确率	NA
5208	2026-01-30	DCA-UNet: A Cross-Modal Ginkgo Crown Recognition Method Based on Multi-Source Data 2026-Jan-13, Plants (Basel, Switzerland) DOI:10.3390/plants15020249 PMID:41600056	研究论文	本文提出了一种基于多源数据的银杏树冠识别方法DCA-UNet，用于精确分割无人机获取的RGB和多光谱图像中的银杏树冠	提出了一种新颖的双分支动态加权融合网络DCA-UNet，通过双分支编码器、跨模态交互融合模块和注意力增强解码器，有效融合多源信息并提升边界语义一致性	未明确提及模型在更广泛树种或极端环境下的泛化能力，以及计算效率的详细分析	开发一种高效、可靠的野生银杏树冠识别方法，以支持濒危树种的监测与保护	野生银杏树冠	计算机视觉	NA	无人机平台获取的RGB和多光谱成像	CNN	图像	未明确提及具体样本数量，但基于自建的多模态银杏树冠数据集	未明确提及，可能为PyTorch或TensorFlow	U-Net	IoU, PA, Precision, F1-score	未明确提及
5209	2026-01-30	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	本研究提出了一种基于姿态的跨语言手语识别框架，针对土耳其语、阿拉伯语和美国手语，利用深度学习模型进行性能比较	首次对土耳其语、阿拉伯语和美国手语进行跨语言比较，并系统评估了CNN、Vision Transformer和状态空间模型在姿态特征上的表现	仅使用了公开数据集，可能未覆盖所有手语变体；模型在真实环境中的鲁棒性有待进一步验证	开发跨语言手语识别系统，比较不同深度学习架构在手语识别任务中的性能	土耳其语、阿拉伯语和美国手语的手势图像	计算机视觉	NA	姿态估计，深度学习	CNN, Transformer, SSM	图像	来自9个公开数据集的精选图像帧（4个阿拉伯语、3个美式英语、2个土耳其语数据集）	NA	ConvNeXt, Swin Transformer, Vision Mamba	NA	NA
5210	2026-01-30	Artificial Intelligence for Detecting Aortic Arch Calcification on Chest Radiographs: A Systematic Review 2026-Jan-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020243 PMID:41594218	系统综述	本文系统综述了人工智能模型在胸部X光片上检测主动脉弓钙化的诊断准确性及其临床实施潜力	首次系统性地评估了AI模型在常规胸部X光片上检测主动脉弓钙化的性能，并强调了其作为心血管风险分层可扩展工具的潜力	研究间存在显著的方法学异质性，缺乏横断面成像参考标准，且外部验证队列中的性能估计值常被削弱，导致总体证据确定性较低	评估人工智能模型在胸部X光片上检测主动脉弓钙化的诊断准确性，并评估其临床实施潜力	成年人的胸部X光片	计算机视觉	心血管疾病	胸部X光摄影	CNN	图像	约270万张图像	NA	NA	AUROC, 召回率, 特异性, 敏感性	NA
5211	2026-01-30	Liquid Biopsy in Early Screening of Cancers: Emerging Technologies and New Prospects 2026-Jan-12, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14010158 PMID:41595692	综述	本文综述了液体活检在癌症早期筛查中的新兴技术，特别是从单一突变检测向整合cfDNA、CTC和EVs等多模态框架的转变，并探讨了其在多癌种早期检测、溯源、诊断分流和纵向监测中的应用前景	提出了从信号发现向可部署的多模态决策系统过渡的路径感知工作流程，强调将片段组学和甲基化特征与深度学习放射组学结合，支持以血液为首的高特异性风险分层	NA	总结用于癌症早期检测的新兴液体活检技术，并为其临床实施提出标准化工作流程和评估建议	液体活检技术，包括细胞游离DNA、循环肿瘤细胞和细胞外囊泡	数字病理学	癌症	测序，错误抑制策略，片段组学，甲基化分析	深度学习	NA	NA	NA	NA	校准，决策曲线分析，固定特异性下的阳性预测值/阴性预测值，组织溯源准确性	NA
5212	2026-01-30	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	本研究基于足底压力和惯性传感器数据，开发了一种融合CNN和BiLSTM的混合深度学习模型，用于人体运动方向预测，并通过系统比较实验验证了其优越性能	提出了一种融合CNN和BiLSTM的混合深度学习模型，用于联合时空特征学习，并通过系统比较四种不同深度学习模型，验证了该模型在复杂运动场景中的优越适应性和预测精度	未明确说明数据集的规模、多样性以及模型在更广泛人群或极端运动场景下的泛化能力	优化和比较用于时空特征提取的深度学习算法，为实时人体运动预测提供可靠框架	基于足底压力和惯性传感器数据的人体运动方向	机器学习	NA	足底压力传感，惯性传感	CNN, BiLSTM, CNN-LSTM, CNN-BiLSTM	多模态数据（压力数据，惯性数据）	NA	NA	CNN, BiLSTM, CNN-LSTM, CNN-BiLSTM	RMSE, MAE, R	NA
5213	2026-01-30	Development of AI-Based Laryngeal Cancer Diagnostic Platform Using Laryngoscope Images 2026-Jan-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020227 PMID:41594203	研究论文	本研究开发并评估了一个基于人工智能的喉癌诊断平台，该平台利用喉镜图像，通过两个深度学习模型分别进行声带图像选择和喉癌病灶定位	提出了一个集成声带图像选择模型和病灶检测模型的两阶段AI平台，用于从喉镜图像中实现准确且快速的喉癌检测	研究局限在当前实验设置下，未提及外部验证或临床前瞻性试验结果	开发并评估基于人工智能的模型，用于利用喉镜图像检测喉癌	喉镜图像	计算机视觉	喉癌	喉镜成像	深度学习	图像	NA	NA	FCN-ResNet101	IoU, Dice分数, 准确率, 精确率, 召回率, F1分数, 单图推理时间	NA
5214	2026-01-30	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	本文提出了一种统一的EEG分类框架，通过三种轻量级数据增强技术（时间偏移、幅度缩放和噪声添加）来丰富训练多样性并增强模型鲁棒性，应用于癫痫灶定位和深度睡眠检测任务	提出了一种结合时间偏移、幅度缩放和噪声添加三种轻量级数据增强技术的统一EEG分类框架，即使在基线准确率较高的情况下仍能显著提升模型性能	未明确讨论数据增强技术对模型计算复杂度的影响，也未在更多样化的数据集上进行验证	提高基于EEG的深度学习模型在数据有限条件下的分类性能和鲁棒性	生理和病理EEG信号，具体应用于癫痫灶定位和深度睡眠检测	机器学习	癫痫	EEG信号处理	CNN	EEG信号	两个公共数据集（未指定具体样本数量）	未指定	DeepConvNet, ShallowConvNet, EEGNet	准确率	NA
5215	2026-01-30	Deep learning based volumetric analysis of infrarenal abdominal aortic aneurysms characterized on CTA 2026-Jan-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02262-1 PMID:41519965	研究论文	本文提出了一种基于深度学习的自动化分割和体积测定方法，用于分析CTA图像中的肾下腹主动脉瘤	开发了一种机构无关的网络，能够自动进行腹主动脉瘤的体积分析，显著提高了工作流程效率	未明确说明模型在更广泛数据集或不同成像条件下的泛化能力	训练和验证一个网络，以自动化分割和测定CTA图像中肾下腹主动脉瘤的体积，并评估工作流程加速效果	肾下腹主动脉瘤，包括总动脉瘤、管腔和血栓	计算机视觉	心血管疾病	CTA	深度学习	图像	未明确说明具体样本数量，但涉及内部和外部验证数据集	未明确说明	未明确说明	Dice相似系数, 相关系数	未明确说明
5216	2026-01-30	Decoding of Inconsistent Biological Data: A Critical Step toward Enhanced AI Predictivity in Drug Discovery 2026-Jan-09, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.5c00677 PMID:41536274	观点文章	本文讨论了生物活性数据整合中的噪声问题及其对AI药物发现预测能力的影响	强调实验协议变化（如缓冲液组成和实验设置）对数据一致性的深刻影响，并探讨利用大语言模型和代理AI支持药物发现的新策略	当前计算研究在评估蛋白质-配体相互作用方面存在局限性，数据噪声问题尚未完全解决	提高AI在药物发现中的预测能力，解决生物数据不一致性问题	酶抑制剂/结合剂和病毒表面蛋白等蛋白质靶标	机器学习	NA	NA	深度学习, 大语言模型	生物活性数据	NA	NA	NA	NA	NA
5217	2026-01-30	Demystifying Deep Learning Decisions in Leukemia Diagnostics Using Explainable AI 2026-Jan-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020212 PMID:41594188	研究论文	本文提出了一种结合卷积神经网络和可解释AI方法的AI流程，用于白血病诊断，旨在提高诊断准确性并提供透明的决策依据	整合了多种CNN模型与LIME和Grad-CAM两种可解释AI方法，在大型多样化数据集上实现了高精度诊断，并提供了以细胞核为中心的可视化解释	未明确提及模型在临床环境中的实时应用验证或外部独立数据集的测试	开发一个高精度且可解释的AI系统，用于白血病的自动化诊断	白血病患者及健康对照者的血液和骨髓图像数据	数字病理学	白血病	外周血涂片和骨髓评估，结合LDI-PCR、分子细胞遗传学和array-CGH	CNN	图像	66,550张图像，涵盖ALL、AML、CLL、CML和健康对照	TensorFlow, Keras	DenseNet-121, MobileNetV2, VGG16, InceptionV3, ResNet50, Xception, 自定义CNN	准确率, F1分数	未明确指定
5218	2026-01-30	Comparative Evaluation of Deep Learning Models for the Classification of Impacted Maxillary Canines on Panoramic Radiographs 2026-Jan-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020219 PMID:41594194	研究论文	本研究通过比较四种预训练的卷积神经网络模型，评估了深度学习在自动分类全景X光片中上颌阻生尖牙方面的性能	首次对ResNet50、Xception、InceptionV3和VGG16四种预训练CNN架构在阻生上颌尖牙分类任务上进行了比较评估，并开发了原型诊断界面以展示临床应用潜力	研究为单中心回顾性研究，数据集存在轻度不平衡，且需要进一步在多样化的多中心数据集上进行验证以确认临床泛化能力	开发并评估基于深度学习的自动化分类方法，以辅助上颌阻生尖牙的早期准确识别	上颌阻生尖牙	计算机视觉	牙科疾病	全景X光摄影	CNN	图像	694张标注的全景X光片	TensorFlow, Keras	ResNet50, Xception, InceptionV3, VGG16	准确率, 精确率, 召回率, 特异性, F1分数	NA
5219	2026-01-30	Efficient and Accurate Epilepsy Seizure Prediction and Detection Based on Multi-Teacher Knowledge Distillation RGF-Model 2026-Jan-09, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16010083 PMID:41594804	研究论文	本文提出了一种基于多教师知识蒸馏的RGF-Model，用于高效、准确的癫痫发作预测与检测	提出了一种轻量级网络RGF-Model，将发作预测与检测统一在因果框架内，并采用多教师知识蒸馏策略从复杂教师模型中转移互补知识，显著降低了计算复杂度	模型仅在CHB-MIT和Siena两个数据集上进行了评估，需要更多临床数据验证其泛化能力	开发适用于可穿戴设备的实时癫痫监测系统	癫痫患者的脑电信号	机器学习	癫痫	脑电图	RNN, 知识蒸馏	时序信号	CHB-MIT和Siena数据集	NA	Ring-Buffer Gated Recurrent Unit, Feature-wise Linear Modulation	AUC, 每小时错误预测率, 准确率	NA
5220	2026-01-30	Robust Multimodal Deep Learning for Lymphoma Subtype Classification Using 18F-FDG PET Maximum Intensity Projection Images and Clinical Data: A Multi-Center Study 2026-Jan-09, Cancers IF:4.5Q1 DOI:10.3390/cancers18020210 PMID:41595131	研究论文	本研究提出了一种多模态深度学习框架，结合了标准化的PET影像特征与结构化临床数据，用于淋巴瘤亚型的层次分类	引入了Scanner-Conditioned Normalization (SCN)模块以自适应地调和不同扫描仪制造商引起的特征分布差异，并构建了一个多模态深度学习框架进行层次分类	需要在更大、更多样化的队列中进行进一步验证，以应对罕见亚型和生物学异质性的挑战	开发一个稳健的多模态深度学习框架，用于淋巴瘤亚型的自动分类	淋巴瘤患者的18F-FDG PET最大强度投影图像和临床数据	数字病理学	淋巴瘤	18F-FDG PET成像	深度学习	图像, 临床数据	多中心数据，包含内部和外部队列	NA	NA	AUC	NA