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
5501	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
5502	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
5503	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
5504	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
5505	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
5506	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
5507	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
5508	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
5509	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
5510	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
5511	2026-01-30	Light Sources in Hyperspectral Imaging Simultaneously Influence Object Detection Performance and Vase Life of Cut Roses 2026-Jan-09, Plants (Basel, Switzerland) DOI:10.3390/plants15020215 PMID:41600022	研究论文	本研究探讨了四种光源（卤素灯、白炽灯、荧光灯和LED）对高光谱成像质量和切花月季瓶插寿命的影响	首次同时评估光源对高光谱成像质量和植物生理状态（瓶插寿命）的双重影响，并提出两阶段照明策略	仅使用两个切花月季品种，样本量有限，且未考虑其他环境因素	优化高光谱成像中的照明条件，以提高深度学习模型检测精度并减少对植物生理的负面影响	切花月季品种'All For Love'和'White Beauty'	计算机视觉	NA	高光谱成像	YOLOv11x	高光谱图像	40枝切花月季，每种光源产生640张图像	NA	YOLOv11x	mAP@0.5	NA
5512	2026-01-30	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	提出一种用于脑电信号解码的多尺度时空高效特征融合网络，以提升运动想象任务的分类性能	提出了一种结合多尺度卷积模块、空间注意力机制和高效特征融合策略的网络架构，能有效融合不同层次的特征并捕捉脑电信号的时空相关性	NA	提升运动想象脑电信号解码的分类准确性和鲁棒性	脑电图信号	机器学习	NA	脑电图	CNN	信号数据	三个公开数据集：BCIC-IV2a, BCIC-IV2b, ECUST	NA	MS-TSEFNet	分类准确率	NA
5513	2026-01-30	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	本文综述了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，重点讨论了AI模型（特别是机器学习和深度学习）在提升诊断准确性、快速性和用户友好性方面的应用	系统性地总结了传统光学生物传感器与新兴AI辅助比色方法之间的研究空白，并提出了开发稳健、可解释且兼容智能手机的AI辅助检测的前瞻方向	本文是一篇综述，未提出新的实验数据或模型，主要基于过去五年的文献进行分析和总结	为医生和研究人员提供AI辅助病原体检测方法的全面概述，以支持快速、准确和用户友好的健康与临床应用	由细菌和病毒病原体引起的传染病	机器学习	传染病	比色生物传感器	机器学习, 深度学习	图像（颜色变化）	NA	NA	NA	诊断准确性	NA
5514	2026-01-30	Age- and BMI-Dependent Psoas and Gluteus Muscle Mass in 27,805 Participants of the Population-Based German National Cohort (NAKO Gesundheitsstudie): A Deep-Learning 3T MRI Study 2026-Jan-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020205 PMID:41594181	研究论文	本研究开发并验证了一种基于深度学习的自动化模型，用于在大型队列研究中通过3T MRI对腰大肌和臀肌进行3D分割和量化，并分析了性别、年龄和BMI相关的差异	首次在基于人群的大规模队列研究中应用深度学习模型对腰大肌和臀肌进行3D自动分割和量化	研究未讨论模型在其他人群或不同MRI设备上的泛化能力	开发自动化深度学习模型用于MRI图像中骨骼肌的3D分割和量化，并分析肌肉形态与性别、年龄、BMI的关系	基于德国国家队列研究的27,805名参与者的腰大肌和臀肌	计算机视觉	NA	3T MRI, T1加权3D VIBE DIXON序列	深度学习分割模型	MRI图像	27,805名参与者	NA	NA	Dice系数	NA
5515	2026-01-30	Early Tuberculosis Detection via Privacy-Preserving, Adaptive-Weighted Deep Models 2026-Jan-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020204 PMID:41594180	研究论文	本文提出了一种基于联邦学习和遗传算法优化的自适应加权集成模型，用于早期肺结核的检测	结合联邦学习与遗传算法优化的自适应加权集成策略，在保护数据隐私的同时提升模型性能	研究未明确说明模型在外部验证集上的泛化能力及计算资源消耗的具体细节	开发一个可扩展、保护隐私且高精度的深度学习系统，用于早期肺结核识别	胸部X光图像	计算机视觉	肺结核	胸部X光成像	集成学习模型	图像	NA	NA	集成模型（具体基础模型未指定）	准确率, 灵敏度, 精确率, F1分数, AUC, 混淆矩阵	NA
5516	2026-01-30	Artificial Intelligence Meets Nail Diagnostics: Emerging Image-Based Sensing Platforms for Non-Invasive Disease Detection 2026-Jan-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010075 PMID:41596006	综述	本文首次全面综述了结合人工智能/机器学习进行指甲病变图像分析以用于诊断目的的研究现状	首次对融合AI/ML的指甲病变图像分析诊断进行大规模综合评述，并特别关注诊断与筛查，提出了可扩展、公平、可信的基于指甲的医学诊断技术路径	面临数据稀缺、皮肤类型差异、标注错误以及临床采纳法规等现实世界应用障碍	探讨人工智能与机器学习在指甲诊断中的应用，推动非侵入性疾病检测	指甲病变图像，作为系统性疾病（如贫血、糖尿病、银屑病、黑色素瘤、真菌病）的非侵入性生物标志物	计算机视觉	NA	智能手机成像、皮肤镜、光学相干断层扫描	深度学习	图像	NA	NA	NA	NA	NA
5517	2026-01-30	Explainable Transformer-Based Modelling for Pathogen-Oriented Food Safety Inspection Grade Prediction Using New York State Open Data 2026-Jan-08, Foods (Basel, Switzerland) DOI:10.3390/foods15020223 PMID:41596821	研究论文	本研究开发了一个基于Transformer的可解释框架，利用纽约州公开的多模态检查数据来预测食品安全检查等级	首次将基于Transformer的模型与可解释人工智能（XAI）相结合，用于面向病原体的食品安全风险评估，并利用多模态数据（结构化元数据和非结构化缺陷描述）进行建模	研究仅基于纽约州的公开数据，模型在其他地区的泛化能力尚未验证；未详细讨论计算资源需求和实时部署的可行性	开发可解释的AI框架，用于预测食品安全检查等级，支持面向病原体的实时风险评估	纽约州食品安全检查数据，包括结构化元数据和非结构化缺陷描述文本	自然语言处理	食源性疾病	文本分析，多模态数据融合	Transformer, BiLSTM, LightGBM	文本，结构化数据	未明确说明具体样本数量，但使用纽约州公开的食品安全检查数据集	未明确说明，但提及了经典机器学习、深度学习和Transformer模型	RoBERTa, BiLSTM, LightGBM	F1分数	NA
5518	2026-01-30	Artificial Intelligence in Rheumatology: From Algorithms to Clinical Impact in Osteoporosis and Chronic Inflammatory Rheumatic Diseases 2026-Jan-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020491 PMID:41598430	综述	本文总结了人工智能在骨质疏松症和慢性炎症性风湿病领域的研究现状、应用潜力及面临的挑战	系统性地回顾了2015年至2025年间AI在风湿病学领域的研究进展，并特别关注了方法学稳健性和临床适用性	大多数研究依赖于回顾性单中心数据集，外部验证有限，可解释性欠佳，且缺乏真实世界应用的证据	总结人工智能在骨质疏松症和慢性炎症性风湿病中的当前证据，评估其临床转化潜力	骨质疏松症和慢性炎症性风湿病（如骶髂关节炎）	数字病理学	风湿病	NA	机器学习, 深度学习	影像数据, 临床数据, 生物学数据	基于323篇纳入文章	NA	NA	NA	NA
5519	2026-01-30	Enhancing EEG Decoding with Selective Augmentation Integration 2026-Jan-08, Sensors (Basel, Switzerland) DOI:10.3390/s26020399 PMID:41600214	研究论文	本文提出了一种端到端的EEG增强框架，结合自适应机制和选择性增强策略，并引入了NeuroBrain神经架构，以提升EEG解码性能	提出了一种利用对比学习减轻增强引起的表示扭曲的端到端EEG增强框架，以及动态选择最优增强组合的选择性增强策略，并设计了专门用于听觉EEG解码的NeuroBrain神经架构	未明确提及研究的具体局限性	解决EEG数据稀缺、噪声多以及现有数据增强技术泛化性有限的问题，提升EEG解码性能	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）分析	深度学习模型	EEG信号	基于SparrKULee和WithMe数据集进行评估，具体样本数量未明确	NA	NeuroBrain, EEGNet	准确率	NA
5520	2026-01-30	MRI-to-PET synthesis via deep learning for amyloid-β quantification in Alzheimer's disease 2026-Jan-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12251-3 PMID:41495456	研究论文	本研究开发了一种基于深度学习的模型，用于从结构MRI生成3D合成Aβ PET图像，以评估阿尔茨海默病中的淀粉样蛋白-β病理	提出了一种基于共享参数生成对抗网络（ShareGAN）的3D合成模型，该模型在全体积上操作而非2D切片，能真实再现相邻图像平面间的细微差异，用于从MRI生成Aβ PET图像	未明确提及，但可能包括模型在更广泛或不同人群中的泛化能力、对图像质量变化的敏感性等	开发一种安全、经济有效的工具，用于阿尔茨海默病的淀粉样蛋白-β病理可视化与评估，以补充或指导实际的Aβ PET扫描	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI， PET	GAN	3D图像	1009个Aβ PET和配对的MRI图像，来自阿尔茨海默病神经影像学倡议数据库和中国三家三甲医院	NA	ShareGAN	结构相似性指数，峰值信噪比，平均绝对误差，标准化摄取值比，Pearson相关系数，Bland-Altman分析，诊断准确率	NA