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
5921	2026-01-26	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	研究论文	本研究利用计算机视觉和深度学习技术，分析了纽约、波士顿和费城四个城市公共空间在30年间（1979-80年至2008-10年）的行人行为变化	首次将计算机视觉和深度学习技术应用于长期历史视频数据，以量化分析城市公共空间中行人行为的时间演变，扩展了William Whyte的传统观察方法	研究仅涵盖三个美国城市的四个公共空间，样本代表性可能有限；依赖于历史视频质量，可能影响分析准确性	探究城市公共空间中行人行为随时间的变化趋势及其对社会互动的影响	纽约、波士顿和费城四个城市公共空间的行人	计算机视觉	NA	计算机视觉, 深度学习	NA	视频	1979-80年和2008-10年两个时期的视频数据，覆盖四个城市公共空间	NA	NA	NA	NA
5922	2026-01-26	SAHVAI-3D and 4D: Automated AI Volumetric Measurement of Subarachnoid Hemorrhage on Noncontrast Head CT 2025-May, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001620 PMID:41573412	研究论文	本文开发了基于人工智能的自动化蛛网膜下腔出血体积测量方法SAHVAI-3D和4D，用于非增强头部CT扫描，并与手动测量方法进行比较	首次实现了蛛网膜下腔出血体积的自动化三维和四维测量，并创建了SAH脑图作为新型影像生物标志物	研究仅基于10名患者的训练集，样本量较小，需要更大规模验证	开发自动化蛛网膜下腔出血体积测量工具，探索其作为影像生物标志物在延迟性脑缺血风险评估和神经治疗干预中的潜力	动脉瘤性蛛网膜下腔出血患者	数字病理学	脑血管疾病	非增强头部计算机断层扫描	深度学习算法	医学影像	10名连续患者，共92次CT扫描（每次182个切片）	NA	NA	准确率, Dice系数, 假阳性率, 阴性预测值, 平均绝对误差	NA
5923	2026-01-26	Acute Infarct Core Volume Estimation on Noncontrast Computed Tomography With a Deep Learning Algorithm 2025-Mar, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001509 PMID:41573179	研究论文	本文开发并验证了一种深度学习算法，用于在非对比增强计算机断层扫描上估计急性缺血性卒中患者的梗死核心体积	提出了一种基于深度学习的方法，能够在非对比增强CT上估计梗死核心体积，其性能至少与CT灌注相当，简化了患者选择流程	研究主要针对前循环大血管闭塞患者，外部验证集样本量相对有限，且算法性能在特定指标上仍有提升空间	开发并验证一种深度学习算法，用于在非对比增强CT上估计急性缺血性卒中患者的基线梗死核心体积	急性缺血性卒中前循环大血管闭塞患者	数字病理学	心血管疾病	非对比增强计算机断层扫描, CT血管造影, CT灌注, 扩散加权磁共振成像	深度学习算法	医学影像	训练和内部验证使用2858例卒中警报患者研究，外部验证使用230例大血管闭塞患者	NA	NA	组内相关系数, 交并比, Spearman相关系数	NA
5924	2026-01-26	SEAFEC: a spatial-edge adaptive convolution for multi-scale and boundary-aware plant disease and weed imagery 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1695076 PMID:41573215	研究论文	本文提出了一种名为SEAFEC的新型卷积模块，用于增强农业图像分析中的尺度适应性和边界精度	SEAFEC模块采用双分支设计，动态调整感受野并显式增强边缘特征，以应对多尺度变化和模糊边界的挑战	NA	解决植物病害和杂草图像分析中的多尺度变化和边界模糊问题，以支持可靠的病害诊断和精准杂草管理	植物病害分类、玉米叶病害检测和甘蔗-杂草分割任务	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	SEAFEC	准确率, mAP, mIoU	NA
5925	2026-01-26	Multi-modal AI in precision medicine: integrating genomics, imaging, and EHR data for clinical insights 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1743921 PMID:41573270	综述	本文探讨了多模态人工智能在精准医疗中的应用，重点介绍了其如何整合基因组学、影像学和电子健康记录数据以提供临床洞见	提出了一个整合多模态数据（包括基因组、转录组、蛋白质组、影像、环境和电子健康记录）的统一分析框架，并强调了AI在早期疾病检测、生物标志物发现和药物开发中的创新应用	面临数据互操作性、算法偏见以及患者隐私相关的伦理挑战	研究多模态人工智能在精准医疗中的变革潜力，特别是在多组学数据整合、预测建模和临床决策支持方面的作用	精准医疗中的多模态数据整合，包括基因组、影像和电子健康记录数据	机器学习	肿瘤学、神经学、心血管疾病	NA	机器学习、深度学习	基因组数据、影像数据、电子健康记录数据	NA	NA	NA	NA	NA
5926	2026-01-26	Advances in protein-protein interaction prediction: a deep learning perspective 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1710937 PMID:41574108	综述	本文从深度学习视角全面分析了蛋白质-蛋白质相互作用预测的进展，包括各种模型、特征表示、学习策略和评估基准	系统性地比较了多种深度学习模型在PPI预测中的应用，并强调了它们在捕捉复杂依赖和结构关系方面的优势与局限	NA	综述深度学习在蛋白质-蛋白质相互作用预测领域的最新进展，并指出未来的研究方向	蛋白质-蛋白质相互作用	机器学习	NA	NA	CNN, RNN, DNN, GCN, 集成架构	蛋白质序列和结构数据	NA	NA	卷积神经网络, 循环神经网络, 深度神经网络, 图卷积网络	NA	NA
5927	2026-01-26	Joint segmentation and image reconstruction with error prediction in photoacoustic imaging using deep learning 2024-Dec, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100645 PMID:39347464	研究论文	本文提出了一种混合贝叶斯卷积神经网络，用于光声成像中联合预测图像和分割，并量化误差	提出混合贝叶斯卷积神经网络，首次在光声成像中实现联合图像重建、分割及误差预测，通过概率分布量化每个像素的误差	模型训练依赖于模拟光声数据，在实验数据中的应用效果可能受模拟与真实差异影响	改进光声成像重建质量，并量化预测误差以验证结果	光声成像数据	计算机视觉	NA	光声成像	CNN	图像	NA	NA	混合贝叶斯卷积神经网络	统计相关性	NA
5928	2026-01-26	Non-Invasive Screen Exposure Time Assessment Using Wearable Sensor and Object Detection 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871903 PMID:36086530	研究论文	本文提出了一种使用可穿戴传感器和计算机视觉技术测量屏幕暴露时间的新方法	结合定制化轻量级可穿戴传感器与基于深度学习的物体检测模块，实现非侵入性、客观且鲁棒的屏幕暴露时间评估	未在摘要中明确说明具体限制	开发一种非侵入性、客观且准确的屏幕暴露时间测量方法，用于行为研究	儿童和成人（包括所有人群）的屏幕暴露行为	计算机视觉	NA	可穿戴传感器、计算机视觉、深度学习	深度学习物体检测模块	以自我为中心的图像	未在摘要中明确说明具体样本数量	NA	NA	NA	NA
5929	2026-01-25	Integrated region-specific modeling of H5 avian influenza in Asia using ENSO-based forecasts 2026-Jun, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101322 PMID:41567856	研究论文	本研究通过整合ENSO气候预测与分层统计模型，量化了亚洲地区H5高致病性禽流感的气候驱动动态，并利用深度学习进行风险预测	首次将ENSO指数作为主要预测因子，结合区域-宿主分层GAM模型与RNN预测框架，构建了气候驱动的禽流感动态预测系统	模型主要依赖气候变量，未充分考虑人为干预、家禽贸易网络等社会因素对疫情传播的影响	开发气候驱动的H5高致病性禽流感风险预测框架，支持亚洲地区的早期预警和针对性防控策略	亚洲地区的家禽和野生鸟类种群中的H5高致病性禽流感疫情事件	机器学习	禽流感	广义加性模型（GAM）、递归神经网络（RNN）、多变量ENSO指数（MEI）分析	GAM, RNN	气候指数时间序列、疫情事件记录	亚洲七个区域-宿主分层的数据（具体样本数未明确说明）	NA	NA	NA	NA
5930	2026-01-25	Machine learning-based multi-class classification of bladder pathologies using fused 3D CT radiomic and 3D auto-encoder deep features 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100728 PMID:41568074	研究论文	本文提出了一种结合放射组学和深度学习特征的自动化分析框架，用于基于非增强CT图像对膀胱病理进行多类别分类	开发了一种集成3D放射组学特征和3D自编码器深度特征的混合特征提取方法，并利用XGBoost进行多类别分类，通过SHAP分析提供了模型的可解释性	研究为回顾性设计，样本量相对有限，且仅使用非增强CT图像，未对比其他影像模态	开发自动化分析框架，实现对膀胱病理（正常、结石、癌症、膀胱炎）的多类别分类	膀胱CT扫描图像	数字病理学	膀胱癌	CT成像	3D-UNet, 3D卷积自编码器, XGBoost	3D CT图像	902例CT扫描（584例正常，142例结石，66例癌症，110例膀胱炎）	PyTorch, Scikit-learn, XGBoost	3D-UNet, 3D卷积自编码器	AUROC	NA
5931	2026-01-25	Automated diagnosis of usual interstitial pneumonia on chest CT via the mean curvature of isophotes 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100723 PMID:41568076	研究论文	本研究探讨了使用等照度线平均曲率（MCI）这一几何图像变换技术，以改进胸部CT上寻常型间质性肺炎（UIP）的自动检测性能	首次将MCI这一几何图像变换应用于胸部CT图像，以增强AI系统对UIP的自动检测能力，并展示了其在多个分类模型上的性能提升	研究为回顾性设计，数据来源于两个机构，可能存在选择偏倚；未在更大规模或更多样化的外部数据集上进行验证	评估MCI变换是否能提高胸部CT上UIP自动检测的分类性能	234名患者的胸部CT扫描图像	计算机视觉	间质性肺疾病	胸部CT成像	CNN, 非深度学习模型	图像	234名患者（123名女性，111名男性；平均年龄61.6岁；年龄范围18-90岁）的胸部CT扫描	TensorFlow, PyTorch, Scikit-learn	EfficientNet-V2	召回率-宏平均, 精确率-宏平均, F1分数-宏平均	NA
5932	2026-01-25	A droplet digital LAMP-based lab-on-a-disc system for multiplex allele-specific detection of tumor-derived DNA mutations 2026-Apr-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118367 PMID:41500045	研究论文	本研究开发了一种基于多重液滴数字LAMP的盘上实验室系统，用于快速、等位基因特异性检测肿瘤来源的DNA突变	开发了全自动、集成的样本到结果平台，结合了改进的等位基因特异性LAMP检测、微流体自动化和人工智能辅助液滴成像，实现了单核苷酸分辨的突变定量	未明确说明系统在更广泛突变类型或癌症类型中的验证范围，以及长期稳定性和大规模临床应用的可行性	开发一种准确、快速、全自动且经济高效的肿瘤衍生DNA突变检测方法，以促进癌症生物标志物的临床转化	乳腺癌组织和血浆样本中的PIK3CA点突变	数字病理	乳腺癌	液滴数字环介导等温扩增，微流体技术，人工智能辅助成像	深度学习模型	液滴图像数据	乳腺癌组织和血浆样本（具体数量未明确说明）	NA	NA	灵敏度，特异性，重现性，线性范围，检测限	NA
5933	2026-01-25	FTIR spectroscopy combined with machine learning reveals molecular signatures distinguishing three phenotypes of endometriosis 2026-Apr, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116047 PMID:41500442	研究论文	本研究结合FTIR光谱与机器学习，揭示了区分子宫内膜异位症三种表型的分子特征	首次应用FTIR光谱结合机器学习方法，系统分析并区分子宫内膜异位症的三种临床表型，发现了表型特异的脂质和碳水化合物组成变化	研究样本量有限，且深部浸润型子宫内膜异位症的分子机制仍不完全清楚，需要更大规模的研究验证	探索子宫内膜异位症不同表型的生化差异，并开发基于光谱的鉴别工具	子宫内膜异位症的三种表型：浅表腹膜病变、卵巢子宫内膜异位囊肿和深部浸润型子宫内膜异位症	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, 极端梯度提升	光谱数据	NA	NA	NA	NA	NA
5934	2026-01-25	Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape 2026-Mar-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000985 PMID:41363042	综述	本文是一篇面向临床医生的综述，系统阐述了人工智能在妇科肿瘤全程诊疗中的应用现状与前景	全面整合了AI在妇科肿瘤预防、筛查、诊断、预后及治疗各环节的最新证据，并提出了临床整合路径与伦理监管框架	作为综述文章，未开展原始研究，未来需前瞻性试验和真实世界数据验证	指导临床医生理解AI在妇科肿瘤诊疗中的演变格局与应用路径	妇科肿瘤（如宫颈癌、卵巢癌等）的诊疗流程	数字病理学, 医学影像分析, 机器学习	妇科肿瘤	深度学习, 多模态模型, 液体活检, 影像组学	深度学习模型	临床数据, 影像数据, 组织病理学图像, 基因组数据	NA	NA	NA	准确性, 速度, 可重复性	NA
5935	2026-01-25	Artificial Intelligence in Obstetrics: Current Applications, Opportunities, and Clinical Implementation Challenges 2026-Mar-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000980 PMID:41431393	综述	本文综述了人工智能在产科中的当前应用、机遇及临床实施挑战	系统性地总结了AI在产科多个临床领域的应用，并强调了技术、伦理和实施方面的持续障碍	存在外部验证有限和算法偏见等关键挑战	探讨人工智能在产科实践中的转化应用、机遇及临床实施所面临的挑战	产科临床实践，包括诊断影像、风险预测和临床决策	机器学习	产科疾病	深度学习	NA	影像数据	NA	NA	NA	诊断准确性	NA
5936	2026-01-25	K-means++ guided multi-view CNN with channel attention for EEG emotion recognition 2026-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2026.150160 PMID:41520860	研究论文	本文提出了一种基于通道注意力的多视图深度卷积神经网络（MVACNN），用于脑电图（EEG）情绪识别	采用K-means++聚类引导的多视图CNN，结合通道注意力机制，以更密集地提取特定脑区的协同特征并减少无关噪声干扰	NA	提高EEG情绪识别的准确性和鲁棒性	脑电图（EEG）信号	机器学习	NA	EEG信号处理	CNN	脑电图信号	NA	NA	多视图CNN, 残差块	NA	NA
5937	2026-01-25	Advancements in radiation dose reduction for pediatric CT head Imaging: A scoping review of emerging Technologies, Protocols, and optimization strategies 2026-Mar, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2026.100374 PMID:41567817	综述	本文是一篇范围综述，重点回顾了儿科头部CT成像中用于降低辐射剂量的先进技术、协议和优化策略	系统性地综述了人工智能驱动的深度学习图像重建（DLIR）算法在儿科超低剂量CT协议中的应用，相较于传统技术，能在降低辐射剂量的同时保持甚至提升诊断图像质量	作为一篇范围综述，其结论基于对现有文献的总结，而非原始研究数据，且纳入的文献数量有限（24篇），可能未涵盖所有相关技术	评估儿科头部CT成像中先进的辐射剂量降低技术、协议和优化策略，旨在实现最佳辐射剂量与诊断图像质量的平衡	儿科患者群体	数字病理	NA	计算机断层扫描（CT）、迭代重建（IR）、深度学习图像重建（DLIR）	深度学习算法	医学影像（CT图像）	基于24篇纳入文献的研究数据	NA	NA	辐射剂量参数、诊断图像质量	NA
5938	2026-01-25	SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices 2026-Feb-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	本研究提出了一种基于深度学习和智能手机的比率荧光传感器，用于现场检测环境污染物6PPD-Q	结合硅量子点和钌配合物构建双发射比率荧光探针，并集成YOLOv5算法与3D打印便携设备，实现可视化实时检测	检测范围分为两个线性区间（0.0066-2 μg/mL和2-7 μg/mL），可能在实际应用中需要分段校准	开发快速、高响应、特异性的6PPD-Q现场检测方法	轮胎衍生的新兴污染物N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌（6PPD-Q）	环境分析化学	NA	比率荧光传感，智能手机成像，3D打印设备制造	深度学习，目标检测	荧光图像，RGB数值	NA	PyTorch	YOLOv5	检测限（LOD），线性关系	智能手机处理器，3D打印便携设备
5939	2026-01-25	Rapid MR examination with deep learning reconstruction improves diagnosis of complicated acute appendicitis 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112554 PMID:41289720	研究论文	本研究评估了采用深度学习重建的非对比快速磁共振成像协议在诊断急性阑尾炎并发症方面的性能	首次将深度学习重建技术应用于非对比快速MRI协议，以提高对复杂阑尾炎的诊断准确性	样本量较小（仅62名患者），且部分患者仅接受MRI检查，缺乏完全一致的比较组	评估深度学习重建在快速MRI中诊断复杂阑尾炎的效果	急性阑尾炎患者，包括孕妇	医学影像分析	急性阑尾炎	磁共振成像（T2加权、T1加权、扩散加权成像）、深度学习重建	深度学习模型	医学影像（MRI图像）	62名患者，其中55名确诊急性阑尾炎	NA	NA	敏感性、阴性预测值、受试者工作特征分析、kappa统计	NA
5940	2026-01-25	Deep learning-reconstructed hepatobiliary MRI: Enhancing biliary delineation, lesion margin sharpness, and small lesion detection 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112574 PMID:41314015	研究论文	本研究评估了深度学习重建的T1加权VIBE序列在肝胆MRI中相对于传统VIBE序列在胆道可视化、病灶检测和伪影抑制方面的性能	首次将深度学习重建技术应用于肝胆MRI的T1加权VIBE序列，实现了更薄的1.5毫米层厚扫描，显著提升了三级胆管显示、病灶边缘锐利度和小病灶检测能力	纹理自然度略有降低，且研究为回顾性设计，样本量相对有限	评估深度学习重建的MRI序列在肝胆成像中的临床应用价值	疑似肝脏病变的患者及其MRI图像	医学影像分析	肝脏疾病	钆塞酸增强MRI，深度学习图像重建	深度学习模型	MRI图像	94名患者，145个病灶	NA	NA	边缘上升距离，对比噪声比，检测率	NA