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
541	2026-02-12	Deep learning for asymmetric catalysis 2026-Feb-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00954-6 PMID:41667781	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
542	2026-02-12	Automated deep learning pipeline for measuring lumbar thecal sac AP diameter on mid-sagittal MR images 2026-Feb-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02220-7 PMID:41668049	研究论文	本研究开发并验证了一个自动化的深度学习流程，用于在腰椎正中矢状位T2加权MRI上定量测量硬膜囊前后径	提出了一种结合YOLOv8定向边界框进行椎间盘水平定位与方向估计、基于单应性的ROI变换、Attention U-Net分割以及基于骨架的毫米级前后径计算的端到端自动化流程，显著提高了测量线的有效性	研究为回顾性设计，且外部验证仅使用了RSNA 2024腰椎数据集中的一个队列，样本多样性可能有限	开发并验证一个自动化的深度学习流程，用于在腰椎MRI上定量测量硬膜囊前后径，以支持腰椎管狭窄症的标准化评估	腰椎正中矢状位T2加权MRI图像	医学影像分析	腰椎管狭窄症	MRI	CNN	图像	511例腰椎正中矢状位T2 MRI检查（内部数据集），以及RSNA 2024腰椎数据集中的50例作为外部验证	PyTorch	YOLOv8, Attention U-Net	组内相关系数, 平均绝对误差	NA
543	2026-02-12	Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach 2026-Feb-10, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-026-01756-0 PMID:41668096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
544	2026-02-12	Periodontal bone loss analysis via keypoint detection with heuristic post-processing 2026-Feb-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111515 PMID:41666656	研究论文	本研究提出了一种用于自动检测牙周骨丧失标志点、相关状况及分期的深度学习框架与标注方法	提出了一种启发式后处理模块，通过辅助实例分割模型将预测的关键点对齐到牙齿边界；引入了牙科影像领域的专用评估指标PRCK；采用阶段无关的标注方法进行训练	根分叉病变和牙周膜间隙增宽任务的检测仍具挑战性，主要由于阳性样本稀缺；后处理在提升细粒度定位的同时，降低了粗粒度性能；偶尔会出现灾难性预测失败	开发自动检测牙周骨丧失标志点及相关临床状况的深度学习系统	牙周骨丧失的放射学标志点、疾病分期及相关病理状况	计算机视觉	牙周病	深度学习，关键点检测，实例分割	姿态估计模型，实例分割模型	根尖周X线影像	192张根尖周X线片	NA	NA	PRCK0.05, PRCK0.25, PRCK0.5, Dice系数	NA
545	2026-02-12	Exploring the potential of explainable deep learning for EEG-based cognitive decline prediction 2026-Feb-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111538 PMID:41666658	研究论文	本研究开发了两种具有自注意力机制的新型深度学习算法，用于基于静息态脑电图数据预测轻度认知障碍和认知衰退	首次将深度学习模型用于基于认知评分对健康受试者进行分类，并利用注意力机制解释模型决策，发现了β频段在区分轻度认知障碍中的关键作用	预测健康受试者的临床前认知衰退比预测已诊断的轻度认知障碍更具挑战性，准确率相对较低	开发一种经济高效、非侵入性的早期认知衰退检测方法	健康对照者和轻度认知障碍患者的静息态脑电图数据	机器学习	阿尔茨海默病	脑电图	深度学习	脑电图信号	公开数据集中的健康对照者和轻度认知障碍患者	NA	具有自注意力机制的深度学习算法, 卷积神经网络	准确率	NA
546	2026-02-12	Understanding complaint behavior in mobile banking: A psychological and AI-based analysis of emotional drivers 2026-Feb-09, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106435 PMID:41666715	研究论文	本研究结合情感智能与人工智能技术，分析移动银行应用中用户投诉行为的情感驱动因素	首次将情感智能理论与AI技术结合，用于分类零售移动银行中的用户问题，并评估情感线索与报告行为之间的关系	研究仅基于单一银行应用的用户评论数据，可能无法完全代表其他银行或金融应用的用户行为	探究情感智能和AI技术在分类移动银行用户报告问题及分析情感与问题报告关联性中的应用	美国银行移动银行应用的用户评论	自然语言处理	NA	情感分析，机器学习，深度学习	MLP, CNN, RNN	文本	超过216,000条用户评论	NA	NA	准确率	NA
547	2026-02-12	Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy 2026-Feb-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.025 PMID:41667344	研究论文	本研究评估了深度学习重建算法结合对比增强提升技术在“四低”冠状动脉CT血管成像协议中对图像质量和诊断性能的影响	首次将深度学习重建与对比增强提升技术结合，应用于“四低”（低管电压、低流速、低对比剂体积、低浓度）CCTA协议，显著降低了辐射剂量和对比剂用量，同时提升了图像质量	样本量相对较小（102例），且为单中心研究，可能限制结果的普适性	评估“四低”CCTA协议中深度学习重建结合对比增强提升技术对图像质量和诊断准确性的影响	102例接受冠状动脉CT血管成像的患者	医学影像分析	心血管疾病	冠状动脉CT血管成像	深度学习重建算法	医学影像（CT图像）	102例患者（随机分为常规剂量组51例和四低组51例）	NA	NA	信噪比, 对比噪声比, 主观图像质量评分, CAD-RADS 2.0, 节段狭窄评分, 节段受累评分, 冠状动脉钙化评分, 诊断准确率, 敏感性	NA
548	2026-02-12	Artificial intelligence in trauma care: applications, ethical challenges, and pathways toward responsible integration 2026-Feb-09, Current opinion in anaesthesiology DOI:10.1097/ACO.0000000000001615 PMID:41669936	综述	本文综述了人工智能在创伤护理中的应用、伦理挑战及负责任整合的路径	及时综合了人工智能在创伤系统中的新兴应用、伦理挑战和监管框架，强调了负责任、以人为中心的整合	大多数系统仍处于概念验证阶段，外部验证有限，伦理和治理挑战是临床转化的主要障碍	探讨人工智能在创伤护理中的负责任整合，包括应用、伦理挑战和监管框架	创伤护理系统，涵盖院前分诊到院内决策	机器学习	创伤	NA	机器学习, 深度学习	NA	NA	NA	NA	准确性	NA
549	2026-02-12	Multi-mechanism-driven dual-mode array based on a single PFC-1/QD probe enables AI-assisted on-site identification of biogenic amines and real-time food freshness monitoring 2026-Feb-06, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118501 PMID:41666536	研究论文	本研究开发了一种基于P-QDot探针的荧光/比色双模式传感器阵列，结合深度学习和智能手机成像，用于生物胺的分类、定量及食品新鲜度实时监测	通过单探针PFC-1/QD实现多机制驱动的双模式响应，结合AI算法和智能手机平台，实现生物胺的现场识别和食品新鲜度的实时可视化监测	研究主要针对五种生物胺，可能未覆盖所有相关胺类；实际应用环境中的干扰因素需进一步验证	开发便携式实时监测方法，用于食品中生物胺的识别和食品新鲜度评估	五种生物胺及虾类食品在储存过程中的新鲜度变化	机器学习	NA	荧光/比色双模式传感、智能手机成像	深度学习	图像	NA	YOLOv12	YOLOv12	NA	智能手机平台
550	2026-02-12	Computational advances in RNA-small molecule binding site prediction 2026-Feb-05, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.02.003 PMID:41654089	综述	本文综述了RNA-小分子结合位点预测的计算方法进展，重点介绍了从早期统计模型到现代机器学习和深度学习框架的演变	总结了计算方法从依赖手工描述符的统计模型发展到整合序列、结构、能量和拓扑信息的先进机器学习框架，并特别强调了大型语言模型在捕获长程序列依赖性和上下文模式方面的最新应用	NA	加速合理的RNA靶向药物发现	RNA-小分子相互作用	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 大型语言模型	序列, 结构, 能量, 拓扑信息	NA	NA	NA	NA	NA
551	2026-02-12	A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism 2026-Feb-04, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108671 PMID:41666488	研究论文	本文提出了一种基于事件触发量化机制的两级神经动力学方法，用于解决异构网络化博弈问题，旨在降低通信成本并提高收敛速度	引入基于梯度的事件触发器和对数量化器来减轻通信负担，结合无源性策略补偿信息不完全性，并引入分段时变函数确保规定时间收敛	NA	研究网络化博弈中的通信成本降低和收敛速度提升问题	异构动态玩家（如自主移动机器人）	机器学习	NA	事件触发机制、量化通信、Lyapunov方法	神经动力学模型	模拟数据	NA	NA	两级神经动力学架构	收敛时间、通信频率	NA
552	2026-02-12	Morphological classification of Schizochytrium and mutagenic selection of high-oil-producing strains based on deep learning 2026-Feb-03, Microbiological research IF:6.1Q1 DOI:10.1016/j.micres.2026.128464 PMID:41666518	研究论文	本研究基于深度学习开发了一种新型的裂殖壶菌形态分类系统，用于实时发酵监控和高产油菌株的诱变筛选	提出了一个整合细胞分裂特征和脂滴参数的13类形态分类系统，并开发了增强的MLC-YOLO目标检测架构，相比标准YOLOv8s实现了2.2%的平均精度提升	未明确说明模型在其他微生物或工业环境中的泛化能力，且对实时监控系统的具体实施细节描述有限	优化裂殖壶菌的发酵过程，提高omega-3脂肪酸的产量，并推动智能生物制造系统的发展	裂殖壶菌（Schizochytrium）的细胞形态及其与脂质生物合成的关联	计算机视觉	NA	显微图像分析	CNN	图像	未明确指定样本数量，但涉及突变菌株S62与亲本菌株的比较	PyTorch	YOLOv8s, MLC-YOLO	平均精度（mAP）	NA
553	2026-02-12	Self-adaptive fine-tuning of deep learning super-resolution microscopy for artifact suppression in live-cell imaging 2026-Feb-02, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.101123 PMID:41658490	研究论文	本文提出了一种自适应性微调方法，用于抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成	开发了一种自适应性微调方法，动态调整模型参数以最小化损失函数，该函数直接量化活细胞成像中的伪影	NA	抑制深度学习超分辨率显微镜在活细胞成像中的伪影生成	活细胞成像中的纳米级细胞器相互作用	计算机视觉	NA	深度学习超分辨率显微镜	深度学习模型	图像	NA	NA	NA	NA	NA
554	2026-02-12	Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques 2026-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2400318 PMID:39235388	研究论文	本研究使用基于LSTM的深度学习技术，探索关节角度和表面肌电信号对关节扭矩预测准确性的贡献	通过训练三种双向LSTM模型，分别使用关节角度、表面肌电信号及两者组合作为输入，评估了不同输入模态对下肢关节扭矩预测的独立和联合效果，发现单一输入模态在某些情况下可能足以准确预测特定关节扭矩	研究基于公开数据集进行，可能受限于数据集的样本规模和多样性；未探讨模型在其他运动模式或临床场景下的泛化能力	预测下肢关节扭矩，以评估关节角度和表面肌电信号在扭矩预测中的相对贡献	正常行走过程中的下肢关节扭矩	机器学习	NA	表面肌电信号采集	LSTM	时间序列数据	使用公开数据集，具体样本数量未在摘要中明确说明	NA	双向LSTM	归一化均方根误差, Pearson相关系数	NA
555	2026-02-12	Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies 2026-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001218 PMID:40586610	研究论文	本研究利用深度学习模型通过PI-RADS引导的表征学习，从双参数前列腺MRI图像中学习放射科医生的解读方式，以区分PI-RADS 3分类，检测临床显著前列腺癌，并减少不必要的良性活检	采用PI-RADS引导的表征学习方法训练深度学习模型，从放射科医生自信评估的MRI图像中学习表征，以解决PI-RADS 3分类的模糊性问题，并开发基于这些表征的活检决策模型，在避免良性活检方面优于放射科医生和临床模型	研究为单机构回顾性研究，可能受限于数据来源的多样性和读者差异，且模型在外部验证和泛化能力方面未明确评估	通过深度学习模型改善前列腺MRI中PI-RADS 3分类的歧义性，提高临床显著前列腺癌的检测准确性，并优化活检决策策略以减少不必要的良性活检	前列腺癌患者，包括已知或疑似前列腺癌的男性，涉及MRI检查和后续活检数据	数字病理学	前列腺癌	双参数前列腺MRI（T2加权和扩散加权成像）	深度学习模型，表征学习器	图像	28,263次MRI检查（来自21,938名男性），其中6,352次后续活检，训练集包括21,465次放射科医生自信评估的检查	NA	NA	AUC, 敏感性, 阴性预测值, 活检产出率	NA
556	2026-02-12	AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes 2026-Feb, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500953 PMID:40722235	研究论文	本研究介绍了一种结合原子力显微镜与深度学习的集成平台，用于在单细胞分辨率下对巨噬细胞进行无标记的机械表型分析	首次将原子力显微镜的纳米级力学映射与深度神经网络相结合，实现了无需传统免疫标记、能动态区分巨噬细胞功能表型（M0、M1、M2）并揭示混合极化状态的非破坏性方法	未明确提及样本量或外部验证队列的详细信息，且方法可能依赖于特定的仪器平台	开发一种无标记、动态的免疫监测策略，通过细胞力学特性解码巨噬细胞的功能表型	人类巨噬细胞在不同激活状态（初始M0、炎症M1、修复M2）下的形态与纳米力学特征	生物医学工程，计算生物学	免疫相关疾病（泛指）	原子力显微镜纳米级力映射	深度神经网络	纳米力学与形态学图像数据（如杨氏模量、粘附力、球形度）	NA	NA	深度神经网络（具体架构未指定）	分类准确性（隐含）	NA
557	2026-02-12	Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation 2026-Feb, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2590472 PMID:41273294	研究论文	本研究提出了一种先进的深度学习框架，通过皮肤镜图像分析支持砷诱导皮肤病的早期诊断	采用协同ResNet-DenseNet架构提取判别性图像特征，结合k近邻算法进行分类，实现了对砷暴露相关皮肤病变的高精度自动化评估	研究仅基于孟加拉国四个现场的数据集，可能缺乏全球代表性；未提及模型在外部验证集上的泛化性能	开发深度学习框架以辅助砷诱导皮肤病的早期诊断和公共卫生监测	砷暴露个体和未受影响个体的皮肤镜图像	计算机视觉	皮肤病	皮肤镜图像分析	CNN, k-NN	图像	8892张皮肤镜图像	NA	ResNet, DenseNet	准确率, F1分数, 灵敏度, 召回率	NA
558	2026-02-12	Classification of epileptic seizure using hybrid deep learning framework with time and time-frequency Hjorth features 2026-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2618585 PMID:41589762	研究论文	本文提出了一种结合时域和时频域Hjorth参数特征以及注意力增强时序建模的混合深度学习框架，用于癫痫发作阶段的分类	提出了一种新颖的混合深度学习框架，整合了多域（时域和时频域）的Hjorth参数特征，并引入了注意力机制来增强时序建模能力	NA	开发一个用于癫痫发作阶段分类的深度学习框架	癫痫发作阶段，包括正常、发作间期和发作期	机器学习	癫痫	离散小波变换	CNN, BiLSTM, 注意力机制	脑电图数据	基于Bonn EEG数据集，具体样本数量未明确说明	NA	1D CNN, BiLSTM	准确率, 精确率, 召回率, F1分数	NA
559	2026-02-12	Beyond the Leaderboard: Evaluating the Robustness of Deep Learning Models for Detecting Freezing of Gait 2026-Feb, The European journal of neuroscience DOI:10.1111/ejn.70424 PMID:41657009	研究论文	本文评估了深度学习模型在检测帕金森病患者步态冻结症状中的鲁棒性和可转移性	通过组织全球机器学习竞赛并测试获胜模型在新数据集上的表现，验证了模型的可转移性，发现第三名模型在新数据上表现良好，与专家标注的一致性相当或优于人工评分者	模型在检测步态冻结发作次数或亚型时表现不佳，可能需要额外传感器或其他建模方法	开发并评估用于自动检测帕金森病患者步态冻结的深度学习模型	帕金森病患者	机器学习	帕金森病	加速度传感器数据	深度学习模型	加速度数据	12名患者	NA	NA	F1分数, 准确率, 召回率, 特异性, 精确率, 组内相关系数	NA
560	2026-02-12	Computed tomography-based prediction of commissural positions facilitates valve-sparing aortic root replacement 2026-Feb, JTCVS techniques IF:1.7Q2 DOI:10.1016/j.xjtc.2025.11.007 PMID:41658864	研究论文	本研究比较了基于CT的主动脉根部再植入术规划与传统方法，并评估了深度学习算法自动CT测量的准确性	首次将深度学习算法应用于CT测量，以自动化预测主动脉瓣连合位置，减少术中调整需求	样本量较小（仅20例患者），且为单中心研究，可能影响结果的普遍性	评估CT规划和深度学习算法在主动脉根部再植入术中的效果	接受David再植入术的主动脉根部疾病患者	数字病理学	心血管疾病	计算机断层扫描（CT），心电图门控CT	深度学习算法	CT图像	20例患者用于CT组，20例对照组，另50例用于算法验证	NA	NA	组内相关系数（ICC），差异范围	NA