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
6721	2026-01-12	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2026-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	提出一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的脑电信号特征，增强关键通道特征并抑制噪声，同时精确定位与情感相关的关键区域	仅在DEAP和SEED两个公开数据集上进行了验证，未在更多样化的数据集或实际应用场景中测试	提高脑电信号情感识别的准确性和特征判别能力	脑电信号	机器学习	NA	脑电信号采集	CNN	脑电信号	DEAP和SEED数据集	NA	多尺度卷积神经网络, 通道注意力, 空间注意力	准确率	NA
6722	2026-01-12	Hybrid TCN-BiGRU model for accurate air quality index prediction 2026-Feb-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127577 PMID:41443548	研究论文	提出一种结合TCN和BiGRU的混合深度学习模型，用于准确预测空气质量指数	通过级联架构与残差连接整合TCN和BiGRU，利用TCN提取多尺度时间特征，BiGRU双向处理特征以捕获上下文依赖	跨年度验证显示性能下降8.3%，跨城市迁移学习仅能达到完全本地训练性能的74.2-82.7%	空气质量指数预测，用于污染控制和公共健康保护	北京、广州、上海等城市的空气质量数据	机器学习	NA	深度学习	TCN, BiGRU	时间序列数据	北京（2022年和2023年）、广州（2023年）、上海（2023年）的数据集，涵盖16个季节-区域场景	NA	TCN-BiGRU混合架构	RMSE, R值	NA
6723	2026-01-12	Possibilities and limitations of artificial intelligence in food-derived peptides 2026-Feb, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70099 PMID:40751946	综述	本文综述了人工智能在食品源肽研究中的应用、挑战与未来前景	深入探讨了AI与食品源肽研究的深度融合，提出了标准化多维数据库、计算可视化框架及跨学科策略等创新方向	面临数据集完整性不足、模型架构优化困难、可解释性受限、实验验证需求高以及蛋白质结构预测中的维度诅咒和局部最优等挑战	评估人工智能在食品源肽研究中的传统方法应用、当前局限性与未来发展机遇	食品源肽	机器学习	NA	NA	随机森林, 卷积神经网络	NA	NA	NA	NA	NA	NA
6724	2026-01-12	Detection of kochia [Bassia scoparia (L.) A.J. Scott] and waterhemp [Amaranthus tuberculatus (Moq.) J.D. Sauer] in sugarbeet field using hyperspectral imaging and deep learning technologies 2026-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.70319 PMID:41147806	研究论文	本研究开发了一种基于高光谱成像和深度学习技术的模型，用于在田间条件下区分甜菜田中的杂草科氏藜和水苋菜	提出了一种结合光谱和空间特征的注意力增强卷积神经网络（AE-CNN），在杂草早期识别中实现了高达99.99%的分类准确率	研究仅针对两种特定杂草（科氏藜和水苋菜）与甜菜作物，未涉及其他杂草或作物种类，且模型性能依赖于高光谱成像数据，可能受田间环境条件影响	开发并评估一种能够准确区分甜菜田中入侵杂草与作物的高光谱成像深度学习模型，以支持精准农业中的定点杂草管理	甜菜田中的杂草科氏藜和水苋菜，以及甜菜作物本身	计算机视觉	NA	高光谱成像	CNN, SVM	图像	NA	NA	注意力增强卷积神经网络（AE-CNN）	准确率, 精确率, 召回率, F1分数	NA
6725	2026-01-12	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2026-Feb, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文是一篇关于深度学习在牙科成像中合成数据应用及挑战的叙述性综述	聚焦于使用合成数据作为解决牙科成像中数据隐私、类别不平衡和数据稀缺性挑战的潜在方案，并涵盖了技术、临床和伦理/监管多方面	牙科图像合成的研究仍然稀缺，缺乏关于使用合成图像进行数据增强影响的全面证据，关键挑战包括确保解剖学保真度和最小化伪影	探讨合成数据在牙科人工智能中克服数据稀缺和类别不平衡的潜力，以开发更稳健和可泛化的AI模型	牙科成像领域，特别是完全合成图像生成的研究	计算机视觉	NA	合成图像生成	GAN, VAE, DDPM	图像	NA	NA	生成对抗网络, 变分自编码器, 去噪扩散概率模型	NA	NA
6726	2026-01-12	Factors associated with rapid spinal radiographic progression in patients with axial spondyloarthritis: A hospital-based retrospective cohort study with mSASSS scoring using deep learning model 2026-Feb, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2025.152888 PMID:41418417	研究论文	本研究利用深度学习模型辅助mSASSS评分，通过回顾性队列分析，识别了中轴型脊柱关节炎患者脊柱影像快速进展的相关因素和保护因素	首次将深度学习模型应用于mSASSS评分，以自动化、客观的方式评估脊柱影像进展，并结合时间依赖性广义估计方程分析相关因素	研究为单中心回顾性队列设计，样本量有限（242名患者），可能存在选择偏倚，且深度学习模型的泛化能力未在外部数据集中验证	识别中轴型脊柱关节炎患者脊柱影像快速进展的相关和保护因素	中轴型脊柱关节炎患者	数字病理学	中轴型脊柱关节炎	脊柱侧位X光摄影，深度学习模型	深度学习模型	影像（脊柱X光片）	242名患者，共379个观察间隔	NA	NA	调整后比值比，95%置信区间	NA
6727	2026-01-12	Deep transfer learning for comprehensive diagnosis of cotton leaf pathologies 2026-Feb, Microbial pathogenesis IF:3.3Q2 DOI:10.1016/j.micpath.2025.108257 PMID:41422871	研究论文	本研究通过深度学习和图像处理技术，建立了一种自动诊断棉花叶部病害的方法	结合多种深度学习架构（如CNN、InceptionV3、ResNet50、VGG16、VGG19、Xception）进行棉花叶部病害诊断，并探索了ResNet50、RegNet、EfficientNetB和Vision Transformers等先进技术以提升模型性能	未明确提及具体局限性，但后续研究旨在通过集成更先进技术进一步提高模型的精度和效率	开发一种可靠且精确的自动化工具，用于预测和诊断棉花叶部病害，以支持精准农业	棉花叶部病害，特别是叶枯病，以及健康叶片	计算机视觉	棉花叶部病害	图像处理	CNN	图像	超过4200张图像，包括约3000张棉花叶枯病图像和1200张健康叶片图像	NA	Convolutional Neural Network, InceptionV3, ResNet50, VGG16, VGG19, Xception	验证准确率	NA
6728	2026-01-12	Deep learning-enabled high-performance multiphoton fluorescence vascular imaging using clinically approved fluorescent probes 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114141 PMID:41509928	研究论文	本文提出了一种基于深度学习的方法，利用临床批准的荧光探针实现高性能多光子荧光血管成像	开发了一种深度学习模型，能够将临床批准的荧光探针（如ICG）用于高性能多光子荧光成像，解决了传统探针不适用于MPFI的问题	方法依赖于先前报道的MPFI图像进行训练，且新型定制探针的生物安全性尚未完全验证	提高多光子荧光成像（MPFI）的实用性和临床适用性	大脑微血管系统，特别是海马区域的血管	计算机视觉	NA	多光子荧光成像（MPFI）	深度学习	图像	NA	NA	NA	NA	NA
6729	2026-01-12	A Novel Acetylcholine Nanosensor for Single Vesicle Storage and Sub-Quantal Exocytosis in Living Neurons and Organoids 2026-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520854 PMID:41518282	研究论文	本文开发了一种基于TiCT MXene/酶功能化的纳米传感器，用于实时监测活体神经元和类器官中单个囊泡的乙酰胆碱存储和释放动态	开发了一种新型纳米传感器，首次实现了在单细胞水平对单个囊泡存储和亚量子释放动力学的原位定量化学分析	NA	研究胆碱能突触可塑性在生理和病理状态下的机制，特别是单个囊泡的存储和释放动力学	原代胆碱能神经元、人类脊髓类器官以及唐氏综合征模型	生物传感与神经科学	唐氏综合征	纳米传感器技术、酶功能化、实时监测	1D-CNN	信号峰值形状数据	NA	NA	一维卷积神经网络	NA	NA
6730	2026-01-12	Bayesian neural networks for genomic prediction: uncertainty quantification and SNP interpretation with SHAP and GWAS 2026-Jan-10, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05127-z PMID:41518523	研究论文	本研究提出了一个结合LASSO正则化的贝叶斯神经网络框架及GSMeSP可解释性工具，用于实现准确、不确定性感知且具有生物学可解释性的基因组预测	开发了结合LASSO正则化的贝叶斯神经网络框架，提供不确定性量化，并创新性地整合SHAP与GWAS信号，提出GSMeSP工具以从统计和生物学角度优先识别性状相关SNP	研究主要针对陆地棉的纤维相关性状，尚未在其他作物或性状中广泛验证，且模型复杂度可能较高	提高基因组预测的准确性、不确定性量化及模型可解释性，以加速作物育种中的基因组选择	1385份陆地棉种质资源，基因型数据包含超过12,000个SNP，针对多个纤维相关性状	机器学习	NA	基因组预测，全基因组关联研究	贝叶斯神经网络	基因型数据（SNP）	1385份陆地棉种质资源	NA	贝叶斯神经网络	预测准确性	NA
6731	2026-01-12	Bridging AI and biology: Foundation models meet human physiology and disease 2026-Jan-09, Med (New York, N.Y.) DOI:10.1016/j.medj.2025.100971 PMID:41519120	综述	本文探讨了将基础模型从基准测试转化为临床影响时遇到的挑战，并提出了结合深度学习与生物机制表示的混合模型以促进因果推理	提出结合深度学习与生物机制表示的混合模型，以解决基础模型在临床应用中因果推理不足的问题	NA	旨在通过混合模型提升基础模型在人类生理和疾病研究中的因果推理能力	人类生理和疾病	机器学习	NA	深度学习	基础模型, 混合模型	观测数据	NA	NA	NA	NA	NA
6732	2026-01-12	Novel deep learning CCTA-FFR for detecting functionally significant coronary stenosis: Comparison with iFR 2026-Jan-09, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.007 PMID:41519628	研究论文	本研究评估了一种新型的、基于深度学习的、现场计算的冠状动脉CT血管造影血流储备分数算法（CT-FFR）与有创瞬时无波比（iFR）相比，在检测功能显著性冠状动脉狭窄方面的诊断性能	提出并评估了一种新型的、现场计算的深度学习CT-FFR算法（cFFR v6），用于快速、非侵入性地评估冠状动脉狭窄的功能性缺血，并与有创iFR标准进行比较，验证其在CCTA解读中提供即时生理评估的可行性	研究为回顾性分析，样本量较小（44例患者，44处病变），需要更大规模的多中心研究来验证结果并明确其临床作用	评估一种新型现场深度学习CT-FFR算法在检测功能显著性冠状动脉狭窄方面的诊断性能，并与有创iFR进行比较	44例接受临床指征的冠状动脉CT血管造影（CCTA）和有创瞬时无波比（iFR）测量的患者（共44处病变）	医学影像分析	心血管疾病	冠状动脉CT血管造影（CCTA），有创瞬时无波比（iFR）测量	深度学习	医学影像（CCTA图像）	44例患者，44处病变	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, ROC曲线下面积（AUC）, 皮尔逊相关系数	现场工作站集成算法（提供近实时评估）
6733	2026-01-12	AI-MDT: an automatic and intelligent multidisciplinary team consultations platform for lung cancer diagnosis 2026-Jan-08, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06413-5 PMID:41504919	研究论文	本研究介绍并评估了一个用于肺癌诊断的自动智能多学科团队会诊平台AI-MDT	开发了一个集成了流程自动化、智能决策支持和诊断辅助三大核心模块的AI-MDT平台，首次将大语言模型、深度学习和计算机视觉技术整合到肺癌MDT工作流中，实现了实时循证知识库和自动病灶检测与特征分析	研究仅在单一中国三甲医院实施，样本量（879次会诊，811名患者）相对有限，且为初步疗效评估，缺乏长期随访和多中心验证	评估AI-MDT平台在肺癌多学科团队会诊中的临床实用性和初步有效性	肺癌患者的诊断流程与多学科团队会诊	数字病理	肺癌	大语言模型，深度学习，计算机视觉	深度学习模型	医学影像，文本知识库	879次会诊，涉及811名患者	NA	NA	会诊量，专家时间，数据利用率，AI诊断建议使用次数（852次），决策支持使用次数（744次）	NA
6734	2026-01-10	Correction: Optimized deep learning for brain tumor detection: a hybrid approach with attention mechanisms and clinical explainability 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29967-3 PMID:41507212	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6735	2026-01-12	Structured generative modelling of earthquake response spectra with hierarchical latent variables in hyperbolic geometry 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29902-6 PMID:41501067	研究论文	本研究提出了一种基于双曲几何的层次变分自编码器框架，用于生成地震响应谱，以提升地震灾害分析和结构性能评估的准确性	利用双曲几何（庞加莱球流形）嵌入层次潜在变量，首次将几何深度学习与地震学建模结合，以显式建模地震记录中的事件间和事件内变异性	未明确提及模型在处理极端罕见地震事件或小样本数据时的泛化能力限制	开发一种能够生成物理一致地震响应谱的生成模型，以支持地震灾害分析和实时风险缓解	地震响应谱（强震动数据）	机器学习	NA	NA	HVAE（层次变分自编码器）	地震记录数据（源参数和场地参数）	NA	NA	层次变分自编码器（HVAE）	决定系数（R²）	NA
6736	2026-01-12	Depression detection from speech data using deep learning-based optimized temporal-frequency-channel attention with interpretable acoustic-prosodic mapping 2026-Jan-06, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121077 PMID:41506383	研究论文	本文提出了一种基于深度学习、结合时频通道注意力机制和优化策略的轻量级可解释框架，用于直接从原始语音音频中检测抑郁症	提出了结合时频通道注意力单元（TFCA）的轻量级ResNet-18模型，并引入了基于性能反馈自适应调整超参数的POCAII优化策略，增强了模型的可解释性和跨数据集鲁棒性	模型在跨语言泛化能力方面的表现未在更多语种上进行验证，且仅使用了两个公开数据集进行评估	开发一种无需转录或视觉线索、可直接从原始语音中检测抑郁症的深度学习系统	语音录音数据	自然语言处理	抑郁症	语音信号分析，时频分析（频谱图转换）	CNN	音频	两个公开抑郁症语音数据集（DAIC-WOZ和Androids Corpus）	NA	ResNet-18	准确率，AUC（受试者工作特征曲线下面积）	NA
6737	2026-01-12	Profiler: an open web platform for multi-omics analysis 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf644 PMID:41324558	研究论文	本文介绍了一个名为Profiler的开源、模块化多组学分析平台，旨在通过统一的数据处理、分析和可视化工具，降低多组学数据分析的门槛	开发了一个集成了从数据导入到生存建模全流程的、支持多种组学数据类型（如蛋白质组学、转录组学、脂质组学、脑电图数据）的统一、可扩展且用户友好的开源平台	未在摘要中明确说明	解决多组学数据分析中工具分散、需要高级计算专业知识以及可重复性和可访问性差的问题，为系统生物学和精准医学研究提供基础	多组学数据（如蛋白质组学、转录组学、脂质组学、脑电图数据）	生物信息学	NA	多组学技术	机器学习和深度学习	多组学数据	NA	Python, Streamlit	NA	NA	高性能计算集群（用于网络平台部署）
6738	2026-01-12	Quantifying the Predictability of Lesion Growth and Its Contribution to Quantitative Resistance Using Field Phenomics 2026-Jan, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-05-25-0187-R PMID:40758903	研究论文	本研究利用基于深度学习的图像分析技术，在田间条件下精确追踪小麦叶斑病的病斑生长，以量化病斑生长可预测性及其对数量抗性的贡献	首次在田间条件下大规模精确测量单个病斑生长（27,218次测量），并揭示了病斑扩张是小麦对Septoria tritici blotch数量抗性的重要组成部分	研究排除了一个异常品种，且发现病斑扩张并非在所有小麦品种中都是数量抗性的关键组分	解析叶部病害季节性流行中病斑扩张的作用，并评估其作为数量抗性选择靶标的潜力	由Zymoseptoria tritici引起的小麦Septoria tritici blotch病害的6,889个单个病斑	数字病理学	小麦叶斑病	深度学习图像分析	深度学习	图像	6,889个单个病斑，涉及14个小麦品种，跨越两个田间生长季	NA	NA	遗传力（h² ≥ 0.40），统计显著性	NA
6739	2026-01-12	Novel BDefRCNLSTM: an efficient ensemble deep learning approaches for enhanced brain tumor detection and categorization with segmentation 2026-Jan, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2555950 PMID:40934072	研究论文	本文提出了一种新颖的集成深度学习模型BDefRCNLSTM，用于脑肿瘤的检测、分类和分割，以提高诊断准确性和效率	提出了一种新的集成深度学习模型BDefRCNLSTM，结合了增强型熵局部二值模式（ELBP）进行特征提取、增强型燕鸥优化（ESTO）算法进行特征选择，以及改进的X-Net模型进行分割	未在摘要中明确提及	开发一种自动化的脑肿瘤检测、分类和分割方法，以辅助临床诊断	脑肿瘤	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN, LSTM	图像	Figshare、Brain MRI和Kaggle数据集	NA	BDefRCNLSTM, X-Net	准确率	NA
6740	2026-01-12	High-Asymmetry Metasurface: A New Solution for Terahertz Resonance via Active Learning-Augmented Diffusion Model 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202508610 PMID:40985172	研究论文	本文提出了一种结合先验知识引导生成模型与物理约束主动学习机制的新方法，用于设计具有高品质因数共振的高不对称性太赫兹超材料	提出了一种由先验知识引导、物理约束主动学习机制增强的生成模型，能够仅利用少量经典结构数据生成高性能的高不对称性超材料结构，显著降低了深度学习对大数据集的依赖	未明确讨论生成结构在制造工艺上的可行性或实际器件集成时可能面临的挑战	开发一种高效设计高性能（高FoM）太赫兹共振超材料的方法，特别是探索传统方法中未充分研究的高不对称性几何结构	太赫兹频段的超材料（超表面），具体为具有高不对称性几何结构的设计	机器学习	NA	NA	扩散模型	结构数据（几何设计）	68个经典结构作为初始训练数据集	NA	扩散模型	关键共振指标（具体指标未命名，但提及性能提升超过30%）	NA