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
761	2026-01-30	Hybrid ConvNeXtV2-ViT Architecture with Ontology-Driven Explainability and Out-of-Distribution Awareness for Transparent Chest X-Ray Diagnosis 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020294 PMID:41594270	研究论文	本文提出了一种结合ConvNeXtV2和ViT的混合架构，用于胸部X光的多标签诊断，并集成了基于分割的Grad-CAM、本体驱动的神经符号推理和OOD检测模块，以提高模型的准确性、可解释性和鲁棒性	采用混合ConvNeXtV2-ViT架构结合局部特征提取与全局上下文建模，并创新性地整合了分割感知的Grad-CAM、基于本体的符号推理层和轻量级OOD检测模块，以增强临床可解释性和分布外鲁棒性	模型仅使用图像级注释进行训练，未涉及像素级标注；外部验证数据集中CheXpert的性能相对较低（0.8487），可能存在泛化限制；OOD模块主要针对非胸部图像，对胸部内异常分布的检测能力未详细评估	开发一个准确、透明且安全的自动化胸部X光诊断系统，以解决多标签疾病识别中的可解释性和鲁棒性问题	胸部X光图像	计算机视觉	胸部疾病	胸部X光成像	CNN, Transformer	图像	VinBigData测试集、NIH ChestXray14和CheXpert（正面视图）外部数据集	NA	ConvNeXtV2, Vision Transformer (ViT)	宏AUROC, 微AUROC	NA
762	2026-01-30	Neurosense: Bridging Neural Dynamics and Mental Health Through Deep Learning for Brain Health Assessment via Reaction Time and p-Factor Prediction 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020293 PMID:41594269	研究论文	提出一种名为Neurosense的AI驱动脑健康评估框架，利用EEG信号通过深度学习预测反应时间和p因子，以评估神经动力学与心理健康之间的关系	提出了D-STAGE双路径时空自适应门控编码器架构，结合Transformer和图卷积并行处理EEG时空特征；采用基于适配器的参数高效迁移学习范式，仅需1.7%的参数即可实现从认知任务到心理健康评估的迁移	未明确说明样本规模、数据来源多样性及模型在临床环境中的验证情况	开发客观、高时间分辨率的脑健康评估计算框架，探索神经动力学、认知效率与心理健康维度之间的层次关系	脑电图（EEG）信号、认知任务表现（反应时间）、跨诊断精神病理学维度（p因子）	机器学习	精神健康障碍	脑电图（EEG）	Transformer, 图卷积神经网络（GCN）	时序信号（EEG）	NA	NA	Dual-path Spatio-Temporal Adaptive Gated Encoder (D-STAGE), Transformer, 图卷积	NA	NA
763	2026-01-30	StaticPigDetv2: Performance Improvement of Unseen Pig Monitoring Environment Using Depth-Based Background and Facility Information 2026-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s26020621 PMID:41600416	研究论文	本研究提出了一种基于深度学习的静态猪只监测方法，通过利用固定摄像头背景和设施信息，提升在未见环境中的检测精度和延迟性能	引入三个新模块（BIG、FIG、BSI），利用一次性预处理的背景和设施信息，无需模型重训练即可改善检测精度和效率，并通过3D卷积层进行差异感知特征融合以减少域差距	方法依赖于固定摄像头设置和一次性预处理，可能不适用于动态或频繁变化的监控环境，且仅在特定数据集（德国和韩国）上验证	提升基于深度学习的猪只监测在未见环境中的准确性和延迟性能	猪只监测，特别是在固定摄像头下的猪舍环境	计算机视觉	NA	深度学习，3D卷积	YOLO	图像	德国猪数据集用于训练，韩国Hadong猪数据集用于测试	NA	YOLOV12m	AP精度，延迟（毫秒）	Jetson Orin Nano
764	2026-01-30	A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications 2026-Jan-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515929 PMID:41536212	研究论文	本文提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore	首次引入基于变分自编码器的深度表示学习模型来构建免疫防御功能的定量评估标准，实现了跨疾病免疫防御的量化	未明确说明模型在更广泛疾病或人群中的泛化能力，以及计算资源的详细需求	开发一种定量评估个体免疫防御功能的方法，并应用于临床预后和疾病严重程度分层	免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者	机器学习	感染性疾病	RNA-seq	VAE	RNA-seq数据	3202个样本	NA	变分自编码器	准确率	NA
765	2026-01-30	A Novel Lightweight Deep Learning Model for Boar Sperm Head Detection in Microscopic Images: YOLO11_SRP 2026-Jan-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16020258 PMID:41594448	研究论文	提出一种轻量级深度学习模型YOLO11_SRP，用于在显微图像中准确检测公猪精子头部	集成轻量级StarNet骨干网络、矩形自校准模块以增强空间特征建模，并添加针对微小目标的低级检测层	NA	提高复杂显微场景下小物体（精子头部）的识别精度，支持高效可靠的自动化精子分析流程	公猪精子显微图像	计算机视觉	NA	显微成像	YOLO	图像	NA	NA	YOLO11_SRP, YOLO11s	mAP@0.5	NA
766	2026-01-30	AI-Based Augmented Reality Microscope for Real-Time Sperm Detection and Tracking in Micro-TESE 2026-Jan-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010102 PMID:41596033	研究论文	本文提出了一种基于AI的增强现实显微镜系统，用于在显微睾丸精子抽吸术中实时检测和追踪精子，以辅助胚胎学家快速定位精子	首次将增强现实（AR）与AI驱动的实时精子检测（YOLOv5）和追踪（DeepSORT）技术集成到显微镜系统中，为胚胎学家提供即时视觉引导	模型在精曲小管样本图像上的召回率（0.52）仍有提升空间，且研究仅在样本图像上进行实验，未明确说明临床实时手术中的验证情况	开发一种辅助工具，以减轻胚胎学家在显微睾丸精子抽吸术中的疲劳和负担，并缩短手术时间	非梗阻性无精子症患者的睾丸组织样本（精曲小管）	计算机视觉	男性不育症	显微镜成像，深度学习图像分析	CNN	图像	NA	PyTorch	YOLOv5	精确率，召回率，精子检测率	NA
767	2026-01-30	MedSegNet10: A Publicly Accessible Network Repository for Split Federated Medical Image Segmentation 2026-Jan-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010104 PMID:41596035	研究论文	本文介绍了MedSegNet10，一个用于医学图像分割的公开可访问网络仓库，基于分割联邦学习框架	提出了一个公开的医学图像分割仓库，集成了十种分割架构的SplitFed版本，支持协作训练且无需集中原始数据和标签，降低了客户端计算负载	NA	推进医学图像分割技术，同时保护患者数据隐私	医学图像，包括人类囊胚显微图像、皮肤病变皮肤镜图像以及病变、息肉和溃疡的内窥镜图像	数字病理学	NA	NA	CNN	图像	NA	NA	NA	NA	NA
768	2026-01-30	Reliability of Handheld Ultrasound Assessment of Brachial Artery Flow-Mediated Dilation Using AI-Assisted Automated Analysis in Postmenopausal Women 2026-Jan-15, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010181 PMID:41597467	研究论文	本研究评估了基于YOLO深度学习模型的AI辅助手持超声图像分析工作流程在绝经后女性中测量肱动脉血流介导扩张的日间重测可靠性	首次将YOLO深度学习模型与手持超声设备结合，实现肱动脉图像的自动分析，以评估血流介导扩张的可靠性	功能反应存在较高的个体间变异性，且样本量较小，仅针对绝经后女性群体	评估AI辅助手持超声图像分析工作流程在测量血流介导扩张时的日间重测可靠性	绝经后女性	计算机视觉	心血管疾病	手持超声成像	YOLO	图像	17名绝经后女性（年龄55-70岁）	NA	YOLO	组内相关系数, 变异系数, Bland-Altman分析	NA
769	2026-01-30	Renal-AI: A Deep Learning Platform for Multi-Scale Detection of Renal Ultrastructural Features in Electron Microscopy Images 2026-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020264 PMID:41594240	研究论文	本研究开发并评估了一个基于YOLOv8-OBB的深度学习平台（Renal-AI），用于在肾脏活检透射电子显微镜图像中自动检测六种超微结构特征	提出了一种改进的YOLOv8-OBB架构，包含灰度输入通道、高分辨率P2特征金字塔与细化块（FPRbl），以及一个四分支定向检测头，用于在多个图像尺度上检测从小到大的结构	未明确提及研究的局限性	开发一个深度学习平台，以提高肾脏疾病诊断中透射电子显微镜图像分析的效率和一致性	肾脏活检透射电子显微镜图像	计算机视觉	肾脏疾病	透射电子显微镜	YOLOv8-OBB	图像	NA	NA	YOLOv8-OBB	F1分数, mAP@0.5	NA
770	2026-01-30	Clinical Validation of a Deep Learning-Based 2D Ultrasound Steatosis Algorithm: Cutoff Transferability, Scanner Generalizability, and Comparison with FibroScan 2026-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020267 PMID:41594243	研究论文	本研究验证了一种基于深度学习的2D超声脂肪变性算法，通过建立组织学截断值、评估其在不同成像视图间的可转移性，并在新扫描仪上验证性能，展示了该算法在客观、可重复量化肝脏脂肪变性方面的优势	首次将深度学习算法应用于2D超声脂肪变性评估，实现了跨视图截断值转移和扫描仪泛化性验证，并在性能上显著优于FibroScan的受控衰减参数	研究为回顾性和前瞻性混合设计，样本量相对有限，且仅验证了一种新扫描仪，未来需更多外部验证	验证深度学习算法在肝脏脂肪变性定量评估中的准确性、视图独立性和扫描仪泛化性	肝脏脂肪变性患者的2D超声图像	数字病理学	肝脏疾病	2D超声成像	深度学习算法	图像	588项超声研究（来自457例组织学证实病例）及前瞻性收集的新扫描仪配对扫描	NA	NA	AUROC, 准确率	NA
771	2026-01-30	Translating Molecular Subtypes into Cost-Effective Radiogenomic Biomarkers for Prognosis of Colorectal Cancer 2026-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020273 PMID:41594248	研究论文	本研究通过监督深度学习框架，将结直肠癌的分子亚型转化为成本效益高的放射基因组生物标志物，用于预后预测和风险分层	利用深度学习提取分子亚型的定量特征表示，并建立与分子亚型相关的基因特征和非侵入性放射基因组特征，实现从分子亚型到临床可应用生物标志物的转化	研究为回顾性设计，可能受限于数据选择和潜在偏差，且需要在更多前瞻性队列中验证	进行放射基因组分析，建立结直肠癌生存预测的预后特征	结直肠癌患者	数字病理学	结直肠癌	基因表达分析，放射组学	深度学习	基因表达数据，影像数据	2948名结直肠癌患者，来自8个队列	NA	NA	NA	NA
772	2026-01-30	Lightweight Fine-Tuning for Pig Cough Detection 2026-Jan-14, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16020253 PMID:41594444	研究论文	本研究提出了一种基于预训练模型的轻量级猪咳嗽识别方法，用于在标记样本稀缺和农场环境复杂的声学条件下实现早期呼吸道疾病预警	通过冻结预训练音频神经网络的主干并仅微调分类器，实现了小样本条件下的有效知识迁移和领域自适应；引入时频双流模块增强模型对咳嗽时频谱特征的捕捉能力	数据集规模有限（107个咳嗽事件和590个环境噪声片段），可能影响模型在更广泛场景下的泛化能力	开发一种适用于农业环境的小样本音频识别方法，用于猪呼吸道疾病的早期预警	猪的咳嗽声	机器学习	呼吸道疾病	音频分析	预训练音频神经网络	音频	107个咳嗽事件和590个环境噪声片段	NA	时频双流模块	准确率, F1分数	NA
773	2026-01-30	Multiscale Feature Enhancement and Bidirectional Temporal Dependency Networks for Arrhythmia Classification 2026-Jan-14, Biology DOI:10.3390/biology15020149 PMID:41594883	研究论文	本研究提出了一种结合多尺度特征增强和双向时间依赖网络的心律失常分类模型，旨在提高对早搏和心房颤动的分类准确性	提出了一种集成多尺度特征提取、多头自注意力机制和双向长期时间依赖网络的混合模型架构，显著提升了早搏和心房颤动两种关键心律失常的分类性能	未明确说明模型在不同人群或噪声环境下的泛化能力，也未讨论实时部署的计算效率	解决单一深度学习模型在心律失常分类中的性能不足问题，提升早搏和心房颤动的自动诊断准确性	心电图信号中的六种心律失常类型，重点关注早搏和心房颤动	机器学习	心血管疾病	心电图分析	CNN, 注意力机制, LSTM	心电图信号	融合数据集（MIT-BIH心律失常数据库、MIT-BIH心房颤动数据库和CODE数据集），具体样本数量未明确说明	未明确说明	卷积残差模块, 多头自注意力, 双向长期时间依赖网络	准确率, F1分数	NA
774	2026-01-30	A Hybrid Model with Quantum Feature Map Based on CNN and Vision Transformer for Clinical Support in Diagnosis of Acute Appendicitis 2026-Jan-14, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14010183 PMID:41595717	研究论文	本研究提出了一种基于量子特征映射的CNN与Vision Transformer混合模型，用于急性阑尾炎的临床辅助诊断	首次将量子特征映射（QFM）与经典深度学习架构（CNN和ViT）结合用于急性阑尾炎诊断，并引入相位三角嵌入、低阶交互和范数保持原则进行特征融合	未明确说明数据集的来源和规模细节，且量子启发的优势在经典硬件上的实际加速效果未经验证	缩短急性阑尾炎的诊断时间并提高诊断准确性	急性阑尾炎类型	计算机视觉	急性阑尾炎	医学影像分析	CNN, Transformer	医学影像	NA	NA	CNN, Vision Transformer (ViT), 多层感知机 (MLP)	准确率	NA
775	2026-01-30	Deep Learning-Based Detection of Carotid Artery Atheromas in Panoramic Radiographs 2026-Jan-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010095 PMID:41596025	研究论文	本研究提出了一种基于深度学习的方法，利用MobileNetV2自动检测全景牙科X光片中的颈动脉粥样硬化斑块	首次将MobileNetV2应用于全景牙科X光片中颈动脉粥样硬化斑块的自动检测，并采用两阶段训练方案（冻结骨干网络训练头部，然后部分微调顶层）以提高模型性能	研究样本量相对较小（仅378张ROI图像），且数据来源于公开数据集，可能限制了模型的泛化能力	开发一种自动识别颈动脉粥样硬化斑块的方法，以作为卒中风险的潜在标志物，实现早期筛查	全景牙科X光片中的颈动脉钙化区域	计算机视觉	心血管疾病	全景牙科X光成像	CNN	图像	378张ROI图像（640×320像素），分为训练集264张（阴性157张，阳性107张）、验证集57张（阴性34张，阳性23张）和测试集57张（阴性34张，阳性23张）	TensorFlow, Keras	MobileNetV2	准确率, 灵敏度, 特异性, AUC, AUPRC	NA
776	2026-01-30	Artificial Intelligence in Recurrent Pregnancy Loss: Current Evidence, Limitations, and Future Directions 2026-Jan-14, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020686 PMID:41598624	综述	本文总结了人工智能在复发性妊娠丢失（RPL）领域的应用现状、局限性与未来方向	利用人工智能（特别是机器学习和深度学习）揭示RPL中环境、免疫、生化和遗传因素间的复杂相互作用，并整合多组学数据以开发个性化预测模型	数据集规模小且异质性强、诊断定义存在冲突、外部验证有限、缺乏前瞻性临床试验	评估人工智能如何改变对复发性妊娠丢失的认知、预测能力及未来治疗管理	复发性妊娠丢失（RPL）	机器学习	复发性妊娠丢失	NA	机器学习, 深度学习	影像学数据, 蛋白质组学数据, 基因组学数据, 临床数据, 多组学数据	NA	NA	NA	NA	NA
777	2026-01-30	Study on Multimodal Sensor Fusion for Heart Rate Estimation Using BCG and PPG Signals 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020548 PMID:41600344	研究论文	本文提出了一种多模态时序融合网络（MM-TFNet），用于融合BCG和PPG信号以实现连续心率估计	提出了一种结合TCN和BiLSTM的多模态时序融合网络，通过跨模态注意力权重矩阵自适应学习BCG机械振动与PPG容积血流特征的互补相关性，并利用多头自注意力动态聚焦关键心跳波形	实验仅基于包含40名受试者的公开数据集进行验证，样本规模相对有限	开发适用于家庭环境的非接触式、低功耗、可边缘部署的健康监测系统，实现连续心率监测以早期发现心血管疾病	心冲击描记图（BCG）信号和光电容积描记图（PPG）信号	机器学习	心血管疾病	BCG和PPG信号采集	TCN, BiLSTM, 注意力机制	时序生理信号	40名受试者的BCG-PPG-ECG同步采集数据集	NA	多模态时序融合网络（MM-TFNet），包含时序卷积网络、双向长短期记忆网络、全连接层、跨模态注意力机制和多头自注意力机制	平均绝对误差（MAE）	NA
778	2026-01-30	High-Fidelity rPPG Waveform Reconstruction from Palm Videos Using GANs 2026-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s26020563 PMID:41600357	研究论文	本文提出了一种基于GAN的脉冲波合成框架，用于从手掌视频中重建高保真的远程光电容积描记（rPPG）波形	收集了新的手掌区域视频与手腕PPG信号配对的数据集，并提出了结合时域峰值感知损失、频域损失和对抗损失的GAN框架，以改善rPPG波形的形态准确性	研究未直接验证健康监测性能，仅关注波形重建的形态准确性	从手掌视频中重建高保真的rPPG波形，为后续生理信号分析和健康应用提供基础	手掌区域视频和手腕PPG信号	计算机视觉	NA	远程光电容积描记（rPPG）	GAN	视频	NA	NA	GAN	RMSE, MAPE, Pearson相关系数, 余弦相似度	NA
779	2026-01-30	The Comparison of Human and Machine Performance in Object Recognition 2026-Jan-13, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16010109 PMID:41595050	研究论文	本研究通过比较人类与深度学习模型在物体识别任务中的表现，探讨了模型是否能在准确性和分类行为上达到人类水平	采用比较心理学原则，在相似约束下对比人类与机器性能，并首次通过多实验设计（包括不同呈现时间、任务复杂性和自由命名任务）系统评估模型泛化能力与人类分类行为的一致性	研究主要基于ObjectNet数据集的子集，可能未覆盖所有真实世界场景；且仅测试了特定模型（如CoCa），未全面涵盖所有先进深度学习架构	评估深度学习模型在物体识别任务中是否能在准确性和分类行为上匹配人类表现，并探索模型与人类认知的差异	人类参与者与深度学习模型（包括多模态CoCa模型等）	计算机视觉	NA	深度学习	深度学习模型	图像	使用ObjectNet数据集的子集进行实验	NA	CoCa	准确性, 泛化能力, 分类行为一致性	NA
780	2026-01-30	Artificial Intelligence in Oncologic Thoracic Surgery: Clinical Decision Support and Emerging Applications 2026-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers18020246 PMID:41595166	综述	本文评估并综合了人工智能在胸外科手术路径中的当前应用现状，从术前决策支持到术中引导及新兴自主干预	系统综述了AI在胸外科从决策支持到自主干预阈值的最新进展，并强调了未来研究方向如数字孪生、联邦学习和可解释AI	广泛采用受到算法偏差、数据整合、监管批准和伦理透明度等挑战的限制，需要多中心验证和稳健治理框架	评估和综合人工智能在胸外科手术路径中的应用现状	胸外科手术，特别是肺癌和胸部肿瘤学领域	计算机视觉, 机器学习	肺癌	机器学习, 深度学习, 计算机视觉	NA	影像, 组织病理学数据	NA	NA	NA	诊断准确性	NA