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
621	2026-06-06	A study on the coupling mechanism between the urban environment and depression perception based on deep learning and street view image 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36804-8 PMID:41559177	研究论文	基于深度学习与街景图像，量化城市环境对居民抑郁感知的影响，并揭示其耦合机制	首次构建基于多维度城市要素（如绿视率、天空开阔度、围合度等）的系统性定量框架，利用深度学习从街景图像中提取视觉元素，并结合逐步回归分析抑郁感知与城市环境的耦合关系	研究仅基于武汉市数据，可能缺乏对其他城市或区域的一般性；未深入探讨个体差异（如年龄、性别）对抑郁感知的影响	建立街景级城市环境与抑郁感知之间的深层联系，为健康城市设计提供情感导向策略	武汉市居民及其周边城市环境	计算机视觉	心理健康、抑郁症相关情绪	深度学习、街景图像分析	深度学习模型（具体类型未指定）	图像（街景图像）	133,114张街景图像	NA	NA	逐步回归分析的统计指标（如相关系数）	NA
622	2026-06-06	Integrative multimodal hybrid data fusion for mortality prediction 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36296-6 PMID:41559273	研究论文	提出一种整合表格数据、心电图和医疗文本的新型多模态机器学习方法用于死亡率预测	提出混合融合策略（早期、晚期、混合）比较，并利用注意力机制增强多模态数据交互	训练数据中存在死亡率类别不平衡问题，且复杂深度学习模型的可解释性有待提升以利于临床采纳	通过多模态数据融合实现患者健康状况的全面评估，从而改善临床决策和预后	MIMIC-IV、MIMIC-ECG、MIMIC-IV-Note数据集中的患者数据	机器学习	死亡率预测	多模态机器学习	深度神经网络	表格数据、心电图、文本	未明确说明，但基于MIMIC系列数据集	NA	注意力机制	AUC-ROC、精确率、召回率、F分数	NA
623	2026-06-06	Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model 2026-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36747-0 PMID:41549127	研究论文	基于AFCNN模型探索大学外语课堂中学生情绪识别与教师教学反馈	引入注意力特征卷积神经网络（AFCNN）模型进行大学外语课堂情感识别，实时捕捉学生情绪变化并为教师提供教学反馈，提出融合心理情感分析的外语教师专业发展路径	模型在有遮挡情况下识别精度下降，仅在两种情绪（高兴和中性）上表现较好	研究大学外语课堂中学生情绪识别与教师教学反馈，支持教师专业发展	大学外语课堂中的学生和外语教师	计算机视觉	NA	NA	卷积神经网络（CNN）	图像	NA	NA	AFCNN, VGG16, ResNet18	识别准确率, 鲁棒性	NA
624	2026-06-06	Predicting aquatic toxicity of organic compounds using the ML-DL-ens model: An integrated approach of machine learning and deep learning 2026-Jan-15, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.119803 PMID:41610586	research paper	提出一种整合机器学习和深度学习的ML-DL-ens模型，用于预测有机化合物的水生毒性	将四种机器学习算法与AttentiveFP图神经网络集成，并采用粒子群优化算法优化权重，实现了优于单一模型和其他集成方法的预测性能，同时通过SHAP值分析提供可解释性	NA	提高有机化合物水生毒性预测的准确性和可解释性，克服传统机器学习方法的局限性	有机化合物的水生毒性数据，包括96小时LC50、40小时IGC50、48小时LC50-DM及综合数据集	machine learning	NA	计算毒理学	集成模型	化学分子结构数据	多个数据集，具体数量未在摘要中说明	NA	AttentiveFP, K-Nearest Neighbors, Support Vector Machines, Extreme Gradient Boosting, Random Forests	AUC-ROC	NA
625	2026-06-06	Harnessing artificial intelligence for the assessment of liver fibrosis and steatosis via multiparametric ultrasound 2026-Jan-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i2.113059 PMID:41551823	综述	探讨人工智能在多参数超声评估肝纤维化和脂肪变性中的应用现状与未来潜力	系统综述了AI与多参数超声结合在肝病评估中的技术进展，强调了诊断精确性、可重复性提升及减少操作者依赖等优势	需要大规模数据集、算法透明性和临床验证，当前仍面临挑战	探索AI在多参数超声评估肝纤维化和脂肪变性中的临床应用及未来发展方向	肝纤维化和脂肪变性患者	机器学习	肝病	多参数超声，包括弹性成像和多普勒成像	NA	超声影像	NA	NA	NA	诊断灵敏度	NA
626	2026-06-06	AI-Based Prediction of Gene Expression in Single-Cell and Multiscale Genomics and Transcriptomics 2026-Jan-13, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27020801 PMID:41596454	综述	本文综述了基于人工智能的方法在单细胞和多尺度基因组学与转录组学中预测基因表达的最新进展	结合深度学习与量子计算方法，用于多组学数据分析和基因表达预测，以提升预测效率与可靠性	未提及具体实验验证或模型比较，属于综述性质，缺乏实证数据支撑	探讨AI框架在单细胞和多组学基因表达预测中的应用潜力，推动个性化医疗发展	基因表达、单细胞测序数据、多组学数据（基因组学、转录组学、表观组学）	机器学习	NA	单细胞测序、DNA测序、RNA-seq、表观遗传学分析	深度学习网络、量子机器学习模型	基因序列、转录组数据、表观遗传数据	NA	NA	NA	NA	量子计算
627	2026-06-06	Pose-Based Static Sign Language Recognition with Deep Learning for Turkish, Arabic, and American Sign Languages 2026-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s26020524 PMID:41600322	研究论文	提出一种基于姿态的跨语言手语识别框架，适用于土耳其、阿拉伯和美国手语	在相同特征集上对ConvNeXt、Swin Transformer和Vision Mamba三种先进深度学习架构进行综合比较，并评估模型在三种不同手语上的泛化能力	NA	开发一种稳健的跨语言手语识别系统，并比较不同深度学习模型的表现	三种手语（土耳其、美国英语、阿拉伯）的静态手语识别	计算机视觉	听力障碍	MediaPipe手部关键点提取	CNN、Transformer、状态空间模型	图像	从九个公开数据集（四个阿拉伯、三个美国、两个土耳其）精心构建的图像数据集，覆盖不同角度和距离	NA	ConvNeXt, Swin Transformer, Vision Mamba	NA	NA
628	2026-06-06	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	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，用于预测人体运动方向	系统对比了四种深度学习模型（CNN、BiLSTM、CNN-LSTM和CNN-BiLSTM）在运动方向预测中的表现，并证明了CNN-BiLSTM在捕捉局部空间特征和双向时间依赖方面的优越性	未说明具体局限性	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	人体运动方向预测	机器学习	NA	多模态数据融合（足底压力和惯性传感器）	CNN, BiLSTM	多模态传感器数据（足底压力和惯性）	NA	NA	CNN-BiLSTM, CNN, BiLSTM, CNN-LSTM	RMSE, MAE, R	NA
629	2026-06-06	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	提出一种多尺度时空高效特征融合网络（MS-TSEFNet），用于脑电信号中的运动想象信号解码	通过多尺度卷积模块学习不同时间尺度的动态变化，结合空间注意力机制捕获电极空间相关性，并采用高效特征融合策略深度融合不同层级特征	未明确说明	提升运动想象信号解码的准确性和鲁棒性	脑电信号中的运动想象模式	机器学习	NA	EEG	CNN	脑电信号	BCIC-IV2a、BCIC-IV2b和ECUST三个公共数据集	PyTorch	多尺度卷积模块、空间注意力机制、特征融合模块	平均分类准确率	NA
630	2026-06-06	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，总结了主要病原体的类型、毒性和感染相关死亡率，并讨论了近五年机器学习与深度学习算法在临床样本中的应用	系统比较了传统光学传感器与新兴AI辅助比色方法的差距，提出了开发鲁棒、可解释且兼容智能手机的AI辅助检测方法的前景	未详细说明具体模型性能指标或大规模临床试验验证，且对AI模型的局限性（如预训练适应性不足）分析较泛	为临床和健康应用提供快速、准确且用户友好的病原体检测方法选择指导	细菌和病毒病原体及其引起的感染性疾病	机器学习	感染性疾病	比色传感器	机器学习，深度学习	颜色变化数据	NA	NA	NA	诊断准确性	NA
631	2026-06-06	An AI-Based Radiomics Model Using MRI ADC Maps for Accurate Prediction of Advanced Prostate Cancer Progression 2026-Jan-08, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33010035 PMID:41590356	research paper	利用MRI ADC图像的深度学习放射组学模型预测晚期前列腺癌进展	首次使用治疗前的MR表观扩散系数（ADC）图构建深度学习放射组学模型，预测晚期前列腺癌进展时间，并比较AI自动分割与手动专家分割的效果	仅纳入182例患者，样本量较小；单中心研究；未评估不同治疗方案的差异	开发并验证基于MRI ADC图的深度学习放射组学模型，预测晚期前列腺癌治疗后进展风险并实现风险分层	182例经超声引导系统前列腺活检确诊的晚期前列腺癌患者	machine learning	prostate cancer	MRI ADC成像	CNN	image	182例晚期前列腺癌患者	NA	NA	AUC	NA
632	2026-06-06	Artificial intelligence and machine learning-driven advancements in gastrointestinal cancer: Paving the way for precision medicine 2026-Jan-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i1.111428 PMID:41551523	综述	综述了人工智能与机器学习在胃肠道癌症检测、诊断和预后中的应用进展	系统评估了AI在胃肠癌多模态检测（内镜、影像组学、病理学）中的性能，并探讨了多模态方法在精准肿瘤学中的潜力	缺乏大规模临床验证，伦理、法律和社会影响考虑不足，AI与临床工作流整合仍有限	概述AI在胃肠道癌症精准医学中的最新进展与未来方向	胃肠道癌种（如结直肠癌、胃癌等）相关的AI诊断与预测模型	机器学习	消化道癌症	NA	深度学习、大型语言模型、影像组学模型	图像（内镜、放射影像）、病理数据、临床数据	NA	NA	深度学习网络（用于息肉检测与分割）、影像组学模型、大语言模型	准确率(85%-97%)、曲线下面积(≤0.92)、诊断准确性(78.9%-80.0%)	NA
633	2026-06-06	Predicting lymph node metastasis in colorectal cancer using case-level multiple instance learning 2026-Jan-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i1.112090 PMID:41551528	研究论文	开发并验证了一种病例级多实例学习框架，用于预测结直肠癌淋巴结转移	首次提出模拟病理医生全面阅片流程的病例级MIL框架，将同一患者所有原发肿瘤切片特征整合，显著优于传统切片级训练方法	需要进一步外部验证	提高局部进展期结直肠癌淋巴结转移预测的准确性	130名T3/T4期结直肠癌患者的全切片图像和临床数据	数字病理学	结直肠癌	全切片成像	多实例学习	图像	130名患者	PyTorch	CONCH v1.5, UNI2-h	AUC	NA
634	2026-06-06	DL-GapFilling: a novel deep learning framework for improved plant genome gap filling 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag007 PMID:41587320	研究论文	提出了一种名为DL-GapFilling的深度学习框架，用于改进植物基因组组装中的间隙填充问题	创新性地提出了Deep Filling Neural Network模型以高效提取和上下文化侧翼序列信息，并整合了BeamStar收缩扩展算法，结合重新定义的代价函数、增强搜索策略和基因组结构先验知识，同时引入PredictionFilter机制选择性保留高置信度预测结果	NA	开发一种基于深度学习的框架，以提高植物基因组组装中间隙填充的效率和准确性	多个植物或藻类基因组数据集	机器学习	NA	基因组组装、间隙填充	Deep Filling Neural Network	基因组序列数据	多个植物或藻类基因组数据集	PyTorch	Deep Filling Neural Network	间隙填充数量	NA
635	2026-06-06	BiChemoCLAM: a weakly supervised multimodal framework for chemotherapy response prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf728 PMID:41587322	研究论文	提出BiChemoCLAM框架，利用弱监督多模态学习预测化疗反应	结合注意力驱动的多实例学习与多模态紧凑双线性池化，实现可解释且高效的数据驱动化疗反应预测	NA	开发有效预测化疗反应的模型	癌症患者的化疗反应	机器学习	卵巢浆液性囊腺癌、结直肠腺癌、膀胱尿路上皮癌	多模态深度学习	多实例学习	全切片图像和基因表达数据	三个癌症数据集	NA	BiChemoCLAM	AUC	NA
636	2026-06-06	Super-Resolution Deep Learning Reconstruction Improves Image Quality of Dynamic Myocardial Computed Tomography Perfusion Imaging 2026-Jan-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12010007 PMID:41591139	研究论文	评估超分辨率深度学习重建在动态心肌CT灌注成像中对图像质量和灌注参数的影响	首次评估超分辨率深度学习重建在动态心肌CT灌注成像中的应用效果	NA	评估超分辨率深度学习重建在动态心肌CT灌注成像中的图像质量和灌注参数影响	35名接受动态心肌CT灌注成像的冠状动脉疾病患者	计算机视觉	冠状动脉疾病	超分辨率深度学习重建，混合迭代重建	超分辨率深度学习网络	CT图像	35名患者	NA	超分辨率深度学习重建	图像噪声、信噪比、对比度噪声比、边缘上升率	NA
637	2026-06-06	inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences 2026-Jan-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag026 PMID:41557841	研究论文	介绍inMOTIFin，一款用于调控序列模拟的轻量级端到端软件	提供模块化、用户友好的Python软件，实现DNA调控序列的高效模拟与修改，支持基序的定制化生成、位置和共现精确控制，以及真实序列的直接修改	NA	开发轻量级、易集成的调控序列模拟软件，以改进生物信息学框架的评估与基准测试	DNA调控序列、转录调控语法	机器学习	NA	NA	深度学习模型（用于可解释性分析）	DNA序列	NA	Python	NA	NA	NA
638	2026-06-06	Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data 2026-Jan-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.53543 PMID:41587032	研究论文	基于眼底图像和基线屈光数据，利用深度学习预测儿童近视进展轨迹及高度近视风险	结合卷积神经网络（34层残差网络）和循环神经网络（长短期记忆网络）构建新型深度学习模型，仅用眼底图像和基线数据即可预测近视进展，并在跨种族队列中验证了模型性能的稳健性	NA（但可能包括：样本年龄范围较窄（6-9岁），仅使用两个外部验证队列，模型对更广泛人群的适用性有待进一步验证）	开发和验证基于深度学习的定量方法，用于预测学龄儿童近视进展轨迹和高度近视风险	学龄儿童（6-9岁）的眼底图像和基线屈光数据	机器学习	近视（儿童近视）	眼底成像	CNN + RNN（34层残差网络和长短期记忆网络）	图像（眼底图像）和数值（屈光数据）	训练集：3048名儿童（平均年龄7.1岁）；外部验证集：北京队列130名儿童，拉萨队列1039名儿童	PyTorch	ResNet-34（卷积神经网络部分）+ LSTM（循环神经网络部分）	AUC（曲线下面积），MAE（平均绝对误差）	NA
639	2026-06-06	Feasibility of Depth-in-Color En Face Optical Coherence Tomography for Colorectal Polyp Classification Using Ensemble Learning and Score-Level Fusion 2026-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500292 PMID:41548988	研究论文	利用深度编码色彩三维光学相干断层扫描结合集成学习与分数级融合进行结直肠息肉分类	首次将深度编码色彩三维光学相干断层扫描与集成学习及分数级融合相结合，用于结直肠息肉的恶性潜能分类	目前为离体实验，需要进一步在体内验证以确认临床适用性	评估利用深度编码色彩三维光学相干断层扫描结合集成学习进行结直肠息肉恶性潜能分类的可行性	结直肠息肉	计算机视觉	结直肠癌	三维光学相干断层扫描	集成学习网络	图像	300名受试者的息肉样本	NA	集成学习网络	AUC	NA
640	2026-06-06	Multimodal deep learning for breast tumor classification: Integrating mammography and ultrasound for enhanced diagnostic accuracy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70464 PMID:41549611	研究论文	开发并验证一种结合钼靶和超声成像的多模态深度学习方法，用于改善乳腺肿瘤分类和临床决策	提出模态特异性注意力机制（超声使用ECA-Net，钼靶使用CBAM）和堆叠集成模块（逻辑回归、支持向量机、随机森林、Extra-Trees作为基学习器，多层感知机作为元学习器）的多模态融合框架	未提及具体局限，但为回顾性研究且样本量有限（663例）	开发结合钼靶和超声的多模态深度学习模型，提高乳腺肿瘤良恶性分类的准确性	2018至2021年间663例女性乳腺病变患者（384例良性，279例恶性）	计算机视觉	乳腺肿瘤	NA	CNN, ECA-Net, CBAM, LR, SVM, RF, ET, MLP	图像（钼靶和超声）	663例女性患者（384例良性，279例恶性），训练集464例、验证集133例、测试集66例	PyTorch	ECA-Net, CBAM, ResNet	AUC	NA