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
6341	2026-01-20	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2025-Jan, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	研究论文	本研究结合图像掩蔽和显著性激活图，系统探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	通过图像掩蔽和Grad-CAM方法，首次系统分析了深度神经网络在肺结节分类中依赖的放射学特征，特别是结节纹理和形态特征的重要性	研究仅基于NLST数据集的固体肺结节，可能不适用于其他类型结节或不同人群	探索深度神经网络在低剂量CT图像中分类不确定肺结节时依赖的放射学特征	来自国家肺癌筛查试验（NLST）的固体肺结节（直径4-20毫米）患者	计算机视觉	肺癌	低剂量CT扫描	深度神经网络	图像	来自NLST的固体肺结节患者	NA	NA	AUC	NA
6342	2026-01-20	Application of artificial intelligence in cervical cytology: a systematic review of deep learning models, datasets, and reported metrics 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1678863 PMID:41550300	综述	本文系统综述了2022年至2025年间应用于宫颈细胞学图像的深度学习模型，重点关注模型架构、数据集和性能指标	首次系统性地总结了深度学习在宫颈细胞学中的应用趋势，并识别了混合模型和Vision Transformer方法的兴起	数据集临床代表性有限，交叉验证不足，诊断标准不一致	评估人工智能在宫颈细胞学中的应用现状，以支持癌前病变的早期检测	宫颈细胞学图像	计算机视觉	宫颈癌	深度学习	CNN, ViT, 混合模型	图像	NA	NA	卷积神经网络, Vision Transformer, 混合架构	准确率, 精确率, 召回率, F1分数	NA
6343	2026-01-20	An in-depth exploration of machine learning methods for mental health state detection: a systematic review and analysis 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1724348 PMID:41550350	综述	本文对2015年至2024年间应用于心理健康状态检测的机器学习方法进行了系统回顾与分析	系统性地识别、分类并分析了用于心理健康检测的机器学习技术，特别指出了模型可解释性与预测准确性之间的核心权衡	纳入的研究数量有限（35篇），且部分研究数据收集方式为手动，可能影响结果的普适性	识别和分类应用于心理健康检测的机器学习技术，并分析该领域最常用的算法	心理健康状态检测相关的研究文献	机器学习	心理健康问题	NA	监督学习, 无监督学习, 深度学习	在线社交网络数据, 手动收集数据	基于35篇符合纳入标准的研究	NA	逻辑回归, 深度学习架构	NA	NA
6344	2026-01-20	Ensemble learning for predicting microsatellite instability in colorectal cancer using pretreatment colonoscopy images and clinical data 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1734076 PMID:41551159	研究论文	本研究开发并评估了一种集成学习框架，结合预处理结肠镜图像和常规临床数据，用于结直肠癌中微卫星不稳定性的非侵入性预测	提出了一种集成学习框架，首次将预处理结肠镜图像与常规临床数据相结合，用于非侵入性预测结直肠癌的微卫星不稳定性，并通过多数投票集成方法提升了预测性能	研究为回顾性设计，可能受限于数据收集的偏差；未在外部验证集上进行测试，泛化能力有待进一步验证	开发一种非侵入性、自动化的方法，用于预测结直肠癌中的微卫星不稳定性，以替代传统侵入性检测	经病理确诊且通过免疫组化确定微卫星不稳定性状态的结直肠癌患者	数字病理学	结直肠癌	免疫组化，聚合酶链反应	CNN, Transformer, Logistic Regression, Random Forest, Support Vector Machine, Gradient Boosting	图像，临床数据	1844名患者	TensorFlow, PyTorch, Scikit-learn	ResNet-50, EfficientNet, DenseNet, VGG-16, Vision Transformer	准确率，精确率，召回率，AUROC	NA
6345	2026-01-20	A CT-based deep learning model to predict local recurrence-free survival in primary retroperitoneal sarcoma 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1725377 PMID:41551503	研究论文	本研究构建了一个基于术前CT的深度学习模型，用于预测原发性腹膜后肉瘤患者的局部无复发生存期	首次将深度学习应用于预测原发性腹膜后肉瘤的局部复发风险，并证明其优于传统手工放射组学模型和临床模型	回顾性研究设计，样本量较小（115例患者），缺乏外部验证队列	预测原发性腹膜后肉瘤患者的局部无复发生存期，以辅助风险分层和个体化治疗决策	原发性腹膜后肉瘤患者	数字病理	腹膜后肉瘤	CT成像	深度学习模型	CT图像	115例原发性腹膜后肉瘤患者（训练集86例，验证集29例）	NA	端到端深度学习模型	C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析, 生存分析	NA
6346	2026-01-19	Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations 2026-Feb-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	本研究开发了一种名为k-GINR的新型两阶段隐式神经表示网络，用于加速非笛卡尔磁共振成像的重建	结合对抗性训练的隐式神经表示网络，能够直接重建非笛卡尔k空间数据，并在高加速比下表现出优越性能	NA	加速磁共振成像采集，减少图像伪影，提高重建效率	患者特异性非笛卡尔磁共振成像数据	医学影像	肝脏疾病	非笛卡尔采样磁共振成像	隐式神经表示, 生成对抗网络	k空间数据, 图像	118个前瞻性采集的StarVIBE T1加权肝脏扫描及相应线圈数据	NA	k-GINR, NeRP, k-NeRP, Deep Cascade CNN	峰值信噪比	NA
6347	2026-01-19	Dose Reduction in 4-Dimensional Computed Tomography Imaging: Breathing Signal-Guided Deep Learning-Driven Data Acquisition 2026-Feb-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.047 PMID:40975131	研究论文	本文提出了一种基于深度学习的呼吸信号引导数据采集方法，用于减少4D CT成像中的辐射剂量	利用患者呼吸信号指导深度学习模型预测最优投影数据采集时机，实现剂量减少，同时保持图像质量	研究为回顾性分析，需前瞻性验证；模型性能依赖于呼吸信号质量	减少4D CT成像中的辐射剂量，同时保持诊断质量	294名患者的1415个呼吸信号及104个独立临床4D CT扫描	医学影像处理	胸部肿瘤	4D CT成像	深度学习模型	呼吸信号、CT投影数据、图像	1415个呼吸信号（来自294名患者），104个独立4D CT扫描	NA	NA	Dice系数、Hausdorff距离、位移场、伪影频率	NA
6348	2026-01-19	Real-Time Deep-Learning Image Reconstruction and Instrument Tracking in MR-Guided Biopsies 2026-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70138 PMID:41035253	研究论文	本研究提出了一种基于深度学习的实时图像重建与器械跟踪方法，用于加速磁共振引导下的前列腺活检流程	首次在临床环境中使用深度学习对欠采样k空间数据进行实时图像重建和活检针导引器跟踪，并在真实患者数据上验证了高加速因子下的跟踪性能	前瞻性验证样本量较小（8例患者），且仅针对特定器械（活检针导引器）进行跟踪验证	通过深度学习加速磁共振引导活检的成像流程，实现实时器械跟踪以提高临床工作效率	接受经直肠磁共振引导活检的男性患者	医学影像分析	前列腺癌	2D Cartesian平衡稳态自由进动序列，3T磁共振成像	深度学习模型（具体架构未明确说明）	多切片MR DICOM图像，原始k空间数据	训练集：1289例男性患者（8464次扫描）；前瞻性测试集：8例男性患者（10个动态k空间样本）	NA	NA	器械尖端预测误差，成功帧比例（误差<5mm），威尔逊95%置信区间	NA
6349	2026-01-19	Deep learning for pediatric femoral neck fracture detection in a multicenter study 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114372 PMID:41541682	研究论文	本研究开发了一种深度学习模型，用于在儿科髋关节X光片上自动检测和定位股骨颈骨折	这是目前最全面的多中心人工智能诊断研究之一，用于检测儿科股骨颈骨折，并首次在急诊科骨科医生中验证了AI辅助能显著提高诊断性能，特别是对经验有限的医生	NA	开发并验证一个深度学习模型，以自动检测儿科髋关节X光片中的股骨颈骨折，支持急诊环境下的临床决策	儿科髋关节X光片	计算机视觉	股骨颈骨折	X光成像	CNN	图像	2,594张髋关节X光片，来自8个中心的2,116名患者	NA	YOLOv11s	mAP@0.5, AUC	NA
6350	2026-01-19	DrowsyDG-Phys: Generalizable driver drowsiness estimation in conditional automated vehicles using physiological signals 2026-Jan-16, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108407 PMID:41547100	研究论文	本研究提出了一种名为DrowsyDG-Phys的新型领域泛化框架，用于在条件自动驾驶车辆中基于生理信号进行可泛化的驾驶员睡意估计	提出了一种结合时域和频域特征学习的主干网络，并集成了三种新颖的损失函数：基于先验知识的对比正则化、促进异质性泛化的特征中心化损失，以及用于对齐睡意评估标准的新损失函数	未明确说明模型在更广泛或更复杂真实驾驶场景中的泛化能力限制	提高基于生理信号的驾驶员睡意检测模型在跨领域条件下的泛化能力和鲁棒性	驾驶员	机器学习	NA	生理信号测量（心电图、皮肤电活动、呼吸信号）	深度学习	生理信号（时间序列数据）	60名参与者在模拟SAE 3级驾驶场景中收集的数据集，以及三个现有数据集	NA	NA	准确率	NA
6351	2026-01-19	Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study 2026-Jan-16, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.033 PMID:41547630	研究论文	本研究基于双能CT碘图，利用深度学习分析预测胃癌中PD-L1表达水平	首次将深度学习应用于双能CT碘图，构建深度学习特征签名模型，用于非侵入性预测胃癌PD-L1表达，并融合临床特征提升预测性能	样本量相对有限，且为回顾性多中心研究，可能存在选择偏倚	评估基于双能CT碘图的深度学习分析在预测胃癌PD-L1表达中的价值	胃癌患者	数字病理	胃癌	双能CT	CNN	图像	267名胃癌患者（训练集143例，内部验证集60例，外部验证集64例）	NA	ResNet-50	AUC	NA
6352	2026-01-19	Basic Process Equation for Analytical Chemistry - An Inclusive and Conciliatory Approach 2026-Jan-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05444 PMID:41468535	研究论文	本文提出了一种以信息流为基准的分析化学基本过程方程，旨在统一传统单变量数据方法与基于多变量数据的现代分析方法	首次引入'分析算子'概念作为信息转换的核心，并提出了一个包容性框架以协调传统分析化学与基于化学计量学、数据挖掘、机器学习等现代方法	仅以植物油碘值测定为例进行说明，尚未在更广泛的分析化学领域进行全面验证	建立分析化学的统一理论框架，实现从测量到信息的范式转变	分析化学过程与信息转换机制	分析化学	NA	化学计量学、数据挖掘、机器学习、深度学习、人工智能	NA	单变量数据、多变量数据	NA	NA	NA	NA	NA
6353	2026-01-19	Advancing skin cancer detection through deep learning and fusion of patient metadata and skin lesion images 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26392-4 PMID:41530207	研究论文	本研究提出了一种结合患者元数据和皮肤病变图像的AI框架，用于在远程皮肤病学分诊中自动分类可疑与非可疑皮肤病变	通过融合患者元数据（如病变大小、颜色、形状、年龄和性别）与图像数据，并采用多数投票技术集成多个AI模型，显著提升了分类性能，同时引入了软注意力模块以增强模型决策的可解释性	研究数据仅来自英国私立皮肤癌诊断中心网络，可能缺乏多样性和代表性，且未详细讨论模型在临床环境中的实际部署挑战	开发自动化方法以减少皮肤癌诊断的等待时间，并支持远程皮肤病学分诊中的快速决策	皮肤病变图像及患者元数据，用于分类可疑与非可疑皮肤病变	计算机视觉	皮肤癌	深度学习	CNN	图像, 元数据	79,246张皮肤病变图像，来自19,295名患者，包含22个元特征	NA	NA	敏感性, 特异性	NA
6354	2026-01-19	Natural biowaste material-based green triboelectric nanogenerators for self-powered gait monitoring 2026-Jan-13, RSC advances IF:3.9Q2 DOI:10.1039/d5ra09038e PMID:41541210	研究论文	本文报道了基于天然生物废料材料的绿色摩擦纳米发电机，用于自供电步态监测	系统研究了三种新型摩擦负电材料（象苹果、姜黄皮、芋头茎粉），并展示了象苹果粉基TENG在柔性传感器中的应用，实现了99.3%的运动检测准确率	NA	开发基于天然生物材料的环保、自供电摩擦纳米发电机，用于可持续能量收集和绿色自供电传感器应用	天然生物废料材料（象苹果、姜黄皮、芋头茎粉）及其在摩擦纳米发电机中的性能	NA	NA	摩擦纳米发电机技术	深度学习模型	运动监测数据	NA	NA	NA	开路电压, 功率密度, 灵敏度, 运动检测准确率	NA
6355	2026-01-19	The Tea-Steeping Metaphor: Origin, Application, Advantages, Disadvantages, and Impact on Forensic Medicine Teaching 2026-Jan-13, Academic forensic pathology DOI:10.1177/19253621251409452 PMID:41541908	综述	本文探讨了“泡茶”隐喻在法医学教学中的起源、应用、优势、局限及实际影响	将“泡茶”这一日常隐喻创新性地应用于法医学教育，为沉浸式、时间依赖性的学习过程提供了新颖的概念化视角	存在时间限制、潜在信息过载以及对最佳学习条件的需求等挑战，限制了其普遍适用性	探索“泡茶”隐喻在法医学教学中的应用价值及其对深度学习、专业认同形成和纵向能力发展的影响	法医学教育中的教学方法和学习者	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
6356	2026-01-19	Benchmarking Machine Learning Algorithms for Microbial Electromethanogenesis: A Comprehensive Assessment with SHapley Additive exPlanation-Based Insights 2026-Jan-12, ACS sustainable chemistry & engineering IF:7.1Q1 DOI:10.1021/acssuschemeng.5c09770 PMID:41541636	研究论文	本文系统比较了七种监督机器学习算法在微生物电产甲烷过程中的预测性能，并利用SHAP进行特征重要性分析	首次将1D-CNN应用于微生物电产甲烷的预测，并结合SHAP解释模型以揭示影响生物甲烷生产的关键因素	未提及模型在外部验证集上的泛化能力或数据集的规模限制	评估机器学习算法在预测微生物电产甲烷性能方面的能力，并提供机制性见解	微生物电产甲烷生物电化学系统	机器学习	NA	实验数据收集	1D-CNN, MLP, GBR, AdaBoost, stacking regressors, kNN	数值数据（操作参数）	NA	NA	1D-CNN	R²	NA
6357	2026-01-19	On scientific foundation models: Rigorous definitions, key applications, and a comprehensive survey 2026-Jan-11, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108567 PMID:41547123	综述	本文对科学基础模型进行了严格定义、分类，并对其在各个科学领域的应用进行了全面调研	首次为科学基础模型提出了包含充分条件和必要条件的严格定义，并基于模型架构、学习目标和训练策略提出了分类法	模型在极端条件下的物理一致性、可解释性和鲁棒性仍面临挑战，计算需求大且缺乏标准化基准	定义科学基础模型并调研其在多科学领域的应用、挑战及未来研究方向	科学基础模型	机器学习	NA	大规模预训练、深度学习	基础模型	多领域科学数据	NA	NA	NA	NA	NA
6358	2026-01-19	A comparative study of loss functions and attention mechanisms in landslide semantic segmentation using U-Net 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31789-2 PMID:41501220	研究论文	本研究通过比较不同损失函数和注意力机制，探索了基于U-Net的滑坡语义分割方法，利用多模态数据提升滑坡检测性能	在U-Net基线模型中引入注意力机制以优化像素级预测，并系统评估多种损失函数对性能的影响	研究仅使用单一数据集（Bijie滑坡数据集），未在其他地理区域或不同分辨率数据上进行验证	改进滑坡检测的识别精度和分割性能	滑坡区域	计算机视觉	NA	卫星影像分析，数字高程模型（DEM）	CNN	图像，多模态数据（卫星图像、DEM数据、真实掩码）	Bijie滑坡数据集（具体样本数量未说明）	NA	U-Net	精确率，召回率，F1分数，准确率，平均交并比（mIoU），曲线下面积（AUC）	NA
6359	2026-01-19	A comprehensive survey of genome language models in bioinformatics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf724 PMID:41537311	综述	本文全面综述了基因组语言模型在生物信息学中的发展、架构、训练策略、评估方法、下游任务及未来挑战	将DNA和RNA序列概念化为生物文本，利用大语言模型技术识别复杂基因组语法和远距离调控相互作用，克服传统深度学习方法在基因组序列表征上的局限性	面临数据稀缺性、模型可解释性以及基因组建模的计算需求高等挑战	综述基因组语言模型在生物信息学领域的应用、方法学及未来发展方向	DNA和RNA序列	自然语言处理, 生物信息学	NA	基因组语言模型	Transformer, Hyena卷积, 状态空间模型	基因组序列	NA	NA	Transformer, Hyena, 状态空间模型	监督学习, 零样本学习, 少样本学习	NA
6360	2026-01-19	Artificial intelligence in mitotic checkpoint modeling: transforming our understanding of cellular division through machine learning and predictive biology 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf729 PMID:41537307	综述	本文综述了人工智能在细胞有丝分裂检查点建模中的应用，通过机器学习和预测生物学方法，改变了我们对细胞分裂的理解	利用Transformer架构预测纺锤体组装检查点参与度准确率超过95%，图神经网络在亚像素分辨率解码动粒-微管动力学，以及混合AI-机制模型揭示隐藏反馈回路	NA	通过人工智能方法，提升对有丝分裂检查点复杂非线性动力学的理解，并推动其在癌症等增殖性疾病精准医疗中的应用	细胞有丝分裂检查点网络，包括纺锤体组装检查点和动粒-微管动力学	机器学习和预测生物学	癌症等增殖性疾病	多组学数据整合	Transformer, 图神经网络, 混合AI-机制模型	多组学数据	NA	NA	Transformer, 图神经网络	准确率	NA