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
5241	2026-01-30	Impact of experimentally elevated CO₂ concentrations and temperature on cognitive function: An EEG-based study under constant ventilation 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119578 PMID:41601028	研究论文	本研究通过气候室实验，探讨了在恒定通风条件下，室内CO₂浓度和温度升高对认知功能的联合影响	首次在恒定通风条件下，结合实验性提升的CO₂浓度和温度，利用EEG特征构建深度学习模型（CCM）来评估认知舒适度，并揭示了热-CO₂联合应激对主观舒适度和神经认知负荷指标的调制作用，即使行为表现变化有限	行为任务表现仅显示出有限的变化，样本量较小（24名参与者），且实验条件可能无法完全模拟真实世界的复杂环境	研究全球变暖背景下，室内热环境和空气成分变化对学习和认知功能的具体影响	24名健康成年参与者	认知神经科学	NA	脑电图（EEG）、神经心理学任务（Stroop任务和延迟匹配样本任务）、主观评估、生理测量	深度学习模型	脑电图（EEG）数据、行为任务数据、主观评估数据、生理测量数据	24名参与者	NA	认知舒适模型（CCM）	NA	NA
5242	2026-01-30	Construction and Interpretability of a Multimodal Deep Learning Model of Electronystagmography-Optical Coherence Tomography Angiography for Early Screening of Alzheimer's Disease 2026 Jan-Dec, American journal of Alzheimer's disease and other dementias DOI:10.1177/15333175261422037 PMID:41601185	研究论文	本研究构建并评估了一个整合光学相干断层扫描血管成像和眼震电图的多模态深度学习模型，用于阿尔茨海默病和轻度认知障碍的早期筛查	首次将OCTA和ENG数据结合，利用多模态深度学习模型进行AD/MCI的早期非侵入性筛查，并通过Grad-CAM和SHAP分析增强了模型的可解释性	研究为回顾性设计，样本量相对较小（250名受试者），且未在外部独立队列中进行验证	探索多模态深度学习模型在阿尔茨海默病和轻度认知障碍早期筛查中的价值和可解释性	阿尔茨海默病患者、轻度认知障碍患者及健康对照者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像，眼震电图	深度学习	图像，信号，临床评分	250名受试者	NA	NA	曲线下面积，灵敏度，特异性	NA
5243	2026-01-30	Mutagenesis-Centered Integrative Approaches for Identifying Binding Sites in Ion Channels and Uncovering Modulatory Mechanisms 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-07523-9_3 PMID:41606273	研究论文	本章展示了如何通过诱变研究结合序列、结构和计算信息，识别离子通道中的结合区域并揭示其调控机制	整合诱变研究与深度学习等先进技术，更详细地映射相互作用表面、量化相互作用强度并精确识别关键残基	NA	识别离子通道中的结合位点并阐明其调控机制	钾离子通道及其与离子、脂质和蛋白质的相互作用	计算生物学	NA	诱变研究, 双突变循环分析, 深度学习	NA	序列数据, 结构数据, 计算数据	NA	NA	NA	NA	NA
5244	2026-01-30	Bream: an open-source deep learning framework for simultaneous base calling and DNA methylation detection on novel nanopore sequencing platforms 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1743148 PMID:41607593	研究论文	本文提出了一个名为Bream的开源深度学习框架，用于在新型纳米孔测序平台上同时进行碱基识别和DNA甲基化检测	开发了一个集成了卷积神经网络与反向长短期记忆网络（用于碱基识别）以及带有注意力机制的双向LSTM（用于甲基化检测）的开源框架，专门针对非ONT的新型纳米孔测序平台（如启探科技的QCell-384）	未明确提及具体局限性，但暗示非ONT平台的准确模型开发本身具有挑战性	开发一个准确、开源的计算模型，用于在新型纳米孔测序平台上同时进行碱基识别和DNA甲基化检测	纳米孔测序数据，特别是来自启探科技QCell-384平台（采用工程化解旋酶和纳米孔蛋白）的数据	机器学习	NA	纳米孔测序	CNN, LSTM	测序数据	NA	开源深度学习框架（具体未命名，但提及与ONT的R9.4平台比较）	卷积神经网络与反向长短期记忆网络（用于碱基识别），双向LSTM与注意力机制（用于甲基化检测）	准确率, AUC-ROC, 皮尔逊相关系数	NA
5245	2026-01-30	Diagnosing Multiple Sclerosis from Magnetic Resonance Imaging Images: Highlights from the Second Isfahan Artificial Intelligence Event 2024 2026, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_43_25 PMID:41608016	研究论文	本文介绍了2024年第二届伊斯法罕人工智能活动中关于从磁共振成像图像诊断多发性硬化症的挑战赛及其结果	组织了一场专注于利用人工智能方法对多发性硬化症患者的MRI图像进行病灶分割和定位的公开挑战赛，以推动该领域新诊断方法的发展	提交方法的最佳结果（如Dice分数0.33）仍远未达到理想精度，表明该领域需要进一步改进和研究	开发基于人工智能的新方法，用于多发性硬化症患者MRI图像中病灶的分割和定位	多发性硬化症患者的磁共振成像图像	医学影像处理	多发性硬化症	磁共振成像	深度学习	图像	NA	NA	NA	Dice分数, 灵敏度, 精确度, 质心距离, 准确率	NA
5246	2026-01-30	Isfahan Artificial Intelligence Event 2024, Challenge I: Respiratory Depression Detection 2026, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_32_25 PMID:41608015	研究论文	本文总结了2024年伊斯法罕人工智能事件中呼吸抑制检测挑战的结果，包括数据集构建、团队表现及所用方法	构建了一个包含16名患者气管声音的精确标注数据集，并组织了基于深度学习的呼吸抑制检测竞赛	数据集规模较小（仅16名患者），且所有团队性能仍有提升空间，最高F1分数为65.18%	开发基于人工智能的呼吸抑制检测技术，以自动化监测麻醉过程中的呼吸功能	接受白内障手术患者的连续气管声音记录	机器学习	呼吸抑制	连续听诊气管声音	深度学习	音频	16名患者	NA	NA	F1分数	NA
5247	2026-01-30	Monocular complex amplitude imaging via a polarization-multiplexed liquid-crystal-lens-informed Fourier neural network 2026-Jan, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf561 PMID:41608046	研究论文	提出了一种基于液晶透镜引导的傅里叶神经网络的单目相机，用于实现高保真度的复振幅成像	结合偏振复用双焦液晶透镜与偏振图像传感器，构建无需标记数据的物理信息神经网络，实现单次拍摄下的复振幅重建	未明确提及实验场景的泛化能力或计算效率的具体限制	开发紧凑、高性能的复振幅成像系统，用于自适应光学、全息重建和材料诊断应用	波前像差、静态全息图、空气流场和火焰场的动态监测	计算成像	NA	偏振相移径向剪切干涉术	傅里叶神经网络	偏振图像	NA	NA	NA	相位精度（λ/35）	NA
5248	2026-01-30	SubNExT: Towards accurate, efficient and robust gene expression classification for breast cancer subtyping 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.027 PMID:41608407	研究论文	本文提出了一种名为SubNExT的优化浅层CNN模型，用于基于基因表达数据的乳腺癌亚型分类	采用ConvNeXt骨干网络结合t-SNE和DeepInsight二维转换技术，实现了在基因表达数据上的高效、稳健分类	未明确说明模型在其他癌症类型或更大规模数据集上的泛化能力	优化基于基因表达的分子亚型分类方法，以促进个性化医疗	乳腺癌的基因表达数据	机器学习	乳腺癌	基因表达分析	CNN, Transformer, MLP, XGBoost	基因表达数据（转换为二维图像）	NA	NA	ConvNeXt, ViT, NeXt-TDNN	准确率	NA
5249	2026-01-30	Pathogenomic analysis reveals clinically relevant epithelial-mesenchymal plasticity in esophageal squamous cell carcinoma 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125381 PMID:41608573	研究论文	本研究通过整合病理图像和转录组数据，揭示了食管鳞状细胞癌中上皮-间质转化的临床相关机制，并开发了基于深度学习的预测模型	首次在食管鳞状细胞癌中系统描绘了上皮-间质转化的三个宏观状态及其空间分布，并发现特定基因的抑制可诱导肿瘤细胞向正常上皮样细胞转分化	研究未明确说明样本量的具体规模，且深度学习模型的临床实用性需进一步验证	探究食管鳞状细胞癌中上皮-间质转化的机制及其临床诊断与干预策略	食管鳞状细胞癌患者样本	数字病理学	食管癌	RNA测序, 单细胞转录组学, 空间转录组学	深度学习模型	病理图像, 转录组数据	NA	NA	NA	NA	NA
5250	2026-01-30	A deep learning based automated maxillary sinus segmentation and bone grafts analysis in CBCT images 2025-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02275-w PMID:41469515	研究论文	本研究开发并验证了一种基于深度学习的全自动系统SA-ai，用于在CBCT图像中分割上颌窦并分析骨移植体积	提出了一种结合2D U-Net和3D V-Net的全自动深度学习系统，用于量化上颌窦骨增量，实现了超过20倍的工作流程效率提升	研究仅基于85名患者的配对CBCT数据集，样本量相对有限，且未明确提及外部验证或泛化能力评估	优化种植体治疗，通过自动化系统精确评估上颌窦骨增量	上颌窦骨移植后的骨增益	数字病理学	NA	CBCT成像	深度学习	CBCT图像	85名患者的配对CBCT数据集	NA	2D U-Net, 3D V-Net	Dice系数, RMSE, ICC	NA
5251	2026-01-30	A clinically validated 3D deep learning approach for quantifying vascular invasion in pancreatic cancer 2025-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02260-3 PMID:41476122	研究论文	本文提出了一种名为PAN-VIQ的自动化深度学习框架，用于从增强CT扫描中量化胰腺癌的血管侵犯情况	开发了首个自动化深度学习框架PAN-VIQ，通过3D包裹角度量化肿瘤与血管的相互作用，克服了传统2D主观评估的局限性	未在更广泛的外部数据集上进行验证，且可能依赖于特定CT扫描协议	量化胰腺导管腺癌的血管侵犯，以支持手术规划	胰腺导管腺癌患者	数字病理学	胰腺癌	增强CT扫描	深度学习	3D图像	训练和内部验证2130例，前瞻性测试202例	未指定	PAN-VIQ	准确率, 召回率	NA
5252	2026-01-30	RadioGuide-DCN: A Radiomics-Guided Decorrelated Network for Medical Image Classification 2025-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010046 PMID:41595978	研究论文	本文提出了一种名为RadioGuide-DCN的创新放射组学引导的去相关网络，用于医学图像分类	将放射组学特征作为先验信息整合到深度神经网络中，并采用特征去相关损失机制结合反注意力特征融合模块，有效减少特征冗余并增强模型捕捉局部细节和全局模式的能力	未明确提及具体局限性	解决现有深度学习方法因数据集大小限制导致的过拟合问题，以及传统手工特征方法缺乏特异性和无法充分捕捉复杂病理信息的问题	医学图像，包括B超、CT、MRI等多种模态	计算机视觉	肿瘤	放射组学	深度神经网络	图像	NA	NA	Kolmogorov-Arnold Network (KAN)	准确率, AUC	NA
5253	2026-01-30	IESS-FusionNet: Physiologically Inspired EEG-EMG Fusion with Linear Recurrent Attention for Infantile Epileptic Spasms Syndrome Detection 2025-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010057 PMID:41595989	研究论文	本文提出了一种名为IESS-FusionNet的双流端到端框架，用于从同步脑电图和表面肌电图信号中准确、实时地检测婴儿痉挛综合征	提出了一种新颖的跨时间混合模块，基于RWKV架构的线性循环注意力机制，实现了高效、时间衰减、双向的跨模态融合，该融合明确尊重了痉挛期间皮质-肌肉耦合的因果和生理特性	模型在内部临床数据集上进行评估，其泛化能力有待在更大规模、多中心的外部数据集中进一步验证	开发一种用于婴儿痉挛综合征自动检测的准确且计算高效的解决方案	患有确诊婴儿痉挛综合征的婴儿的同步脑电图和表面肌电图记录	机器学习	婴儿痉挛综合征	同步脑电图和表面肌电图记录	深度学习, 双流框架	时间序列信号	内部临床数据集，具体数量未明确说明	NA	IESS-FusionNet, Unimodal Encoder, 双向Mamba, RWKV架构	准确率, 特异性, 敏感性	NA
5254	2026-01-30	A Deep Learning Model That Combines ResNet and Transformer Architectures for Real-Time Blood Glucose Measurement Using PPG Signals 2025-Dec-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010049 PMID:41595981	研究论文	本研究开发了一种结合ResNet和Transformer架构的深度学习模型，用于通过PPG信号实时测量血糖	结合ResNet CNN和Transformer块构建模型，并在预处理中通过数据质量分级选择干扰较少的信号进行训练，以提高模型的泛化能力	需要在更广泛的人群中进行进一步验证	改进基于PPG的非侵入式血糖估计，减少个性化和非个性化测量之间的性能差距	PPG信号	机器学习	糖尿病	PPG信号监测	CNN, Transformer	生理信号数据	来自10,000名受试者的700,000个数据点，其中60,000个未见数据用于非个性化案例测试	NA	ResNet, Transformer	平均绝对相对差异（MARD）, Clarke误差网格（CEG）	NA
5255	2026-01-30	YOLO-LA: Prototype-Based Vision-Language Alignment for Silicon Wafer Defect Pattern Detection 2025-Dec-31, Micromachines IF:3.0Q2 DOI:10.3390/mi17010067 PMID:41597851	研究论文	提出一种基于原型的轻量级视觉-语言对齐框架YOLO-LA，用于晶圆缺陷模式检测	首次将视觉-语言对齐引入晶圆缺陷检测领域，利用缺陷描述的语义信息增强模型可解释性和泛化能力	未明确说明模型在未见缺陷模式上的泛化性能，且仅在一个公开数据集上验证	通过视觉-语言对齐提升晶圆缺陷模式检测的准确性和可解释性	晶圆缺陷模式（Wafer Bin Maps）	计算机视觉	NA	视觉-语言对齐	YOLO系列模型	图像（晶圆缺陷图）	WM-811K数据集	PyTorch（推测）	YOLOv10, YOLOv12	分类准确率	未明确说明
5256	2026-01-30	Lightweight residual graph augmented transformer for cassava leaf disease recognition using spectral directional features 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33748-3 PMID:41461849	研究论文	本文提出了一种轻量级残差图增强的图变换器网络Lite-RGA-GTNet，用于基于光谱方向特征的木薯叶病害识别	结合光谱方向预处理和渐进式令牌剪枝，集成RGB数据与方向梯度和植被指数图，在注意力层前采用残差图推理，并通过分层图变换器模块融合局部-全局特征，生成紧凑且上下文丰富的表示	未提及	开发一种轻量级模型，用于木薯叶病害识别，以支持实时农业部署	木薯叶图像，包括健康和病害样本	计算机视觉	木薯叶病害	光谱方向预处理，包括方向梯度和植被指数图	图变换器网络	图像	未提及具体数量，但基于一个包含五类（包括健康和病害样本）的木薯叶图像基准数据集	未提及	Lite-RGA-GTNet	准确率, 精确率, 召回率, F1分数	未提及
5257	2026-01-30	Hardware Accelerators for Cardiovascular Signal Processing: A System-on-Chip Perspective 2025-Dec-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17010051 PMID:41597832	综述	本文对专为实时心血管信号处理设计的硬件加速器进行了全面的系统性分析，重点关注心电图、光电容积脉搏波和血压监测系统	从系统级芯片的角度，对2014年至2024年间59篇研究论文进行系统性分析，并识别出混合FPGA-ASIC架构和边缘AI加速器作为下一代心血管疾病监测系统最有前景的解决方案	分析基于2014年至2024年间的文献，可能未涵盖最新技术进展；研究范围限定于特定信号类型	调查用于实时心血管信号处理的硬件加速器，为下一代心血管疾病监测系统提供指导	心电图、光电容积脉搏波和血压监测系统	数字病理学	心血管疾病	NA	机器学习, 深度学习	信号	59篇研究论文	NA	NA	能源效率, 处理速度, 临床准确性	现场可编程门阵列, 专用集成电路, 边缘人工智能加速器
5258	2026-01-30	A Novel Fabric Strain Sensor Array with Hybrid Deep Learning for Accurate Knee Movement Recognition 2025-Dec-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17010056 PMID:41597836	研究论文	本文提出了一种新型轻质织物应变传感器阵列，结合混合深度学习模型，用于准确识别膝关节运动	采用独特的两层八传感元件设计实现膝关节应变分布的空间映射，并首次将CNN + BiLSTM + Attention混合模型应用于此类传感器数据，通过通道注意力机制识别关键传感元件	实验姿势多样性有限，仅测试了坐姿抬腿、站立和行走三种活动	开发用于膝关节运动监测的智能传感系统	膝关节运动与应变分布	机器学习	NA	织物应变传感	CNN, BiLSTM, Attention	时间序列传感器数据	10名受试者	NA	CNN + BiLSTM + Attention混合架构	准确率	NA
5259	2026-01-30	Forecasting Daily Ambient PM2.5 Concentrations in Qingdao City Using Deep Learning and Hybrid Interpretable Models and Analysis of Driving Factors Using SHAP 2025-Dec-30, Toxics IF:3.9Q1 DOI:10.3390/toxics14010044 PMID:41600593	研究论文	本研究采用深度学习模型预测青岛市每日PM2.5浓度，并利用SHAP分析驱动因素	提出了一种新颖的混合可解释CNN-BiLSTM-Transformer架构，结合了局部特征提取、双向时间依赖捕获和全局模式增强	未明确说明数据集的样本数量或时间范围，可能影响模型泛化能力	预测空气污染（特别是PM2.5浓度）以支持公共健康和政策制定	青岛市的气象因素和大气污染物数据	机器学习	NA	深度学习	RNN, ANN, CNN, BiLSTM, Transformer, CNN-BiLSTM-Transformer	时间序列数据（气象和污染物数据）	NA	NA	RNN, ANN, CNN, BiLSTM, Transformer, CNN-BiLSTM-Transformer	RMSE, MAE, MAPE, 相关系数R	NA
5260	2026-01-30	Ball bearing fault detection using an acoustic based machine learning approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33978-5 PMID:41457076	研究论文	本文提出了一种基于声学振动信号和连续小波变换的深度神经网络方法，用于球轴承故障检测	采用非重叠窗口将数值信号转换为堆叠的尺度图，并结合小波尺度图与卷积网络实现实时数据分类，在故障诊断中展现出更高的预测精度	NA	通过机器学习方法预测球轴承故障，实现早期故障检测以支持预测性维护	球轴承的声学振动信号	机器学习	NA	连续小波变换	CNN	声学振动信号	NA	NA	LeNet-5	准确率	NA