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
1001	2026-02-08	Application of AI-assisted magnifying colonoscopy system in the diagnosis of colorectal tumors: a multicenter exploratory diagnostic study 2026-Feb, Surgical endoscopy DOI:10.1007/s00464-025-12196-0 PMID:41238992	研究论文	本研究开发了一种基于JNET分类的AI辅助诊断模型，用于结直肠肿瘤的诊断，并评估其与不同经验水平内镜医师的诊断性能	开发了基于改进DeepLabV3+模型的AI辅助诊断系统，用于结直肠肿瘤的JNET分类，并证明其能提升初级内镜医师的诊断准确性	需要在真实临床环境中进一步评估其有效性和成本效益	评估AI辅助放大结肠镜系统在结直肠肿瘤诊断中的应用	结直肠肿瘤	数字病理	结直肠癌	放大内镜	CNN	图像	219名患者的2645张放大图像	NA	DeepLabV3+	准确率, 灵敏度, 特异性, AUC	NA
1002	2026-02-08	Exploring potential gene signatures in dengue through machine learning and deep learning approaches 2026-Feb, Virus genes IF:1.9Q4 DOI:10.1007/s11262-025-02204-9 PMID:41329415	研究论文	本研究通过机器学习和深度学习方法探索登革热中的潜在基因特征	结合递归特征消除和遗传算法的机器学习与深度学习技术识别登革热生物标志物，并鉴定出七个与登革热诊断相关的枢纽基因	枢纽基因的预后效用需要在更大、更多样化的队列中进一步验证	识别登革热临床条件下的差异表达基因，探索潜在的诊断标志物	登革热患者与对照组的基因表达数据	机器学习	登革热	微阵列数据分析	Random Forest, Support Vector Machine	基因表达数据	来自四个微阵列数据集（GSE84331、GSE18090、GSE43777、E-MTAB-3162）的样本	NA	NA	NA	NA
1003	2026-02-08	Artificial intelligence and sleep medicine II: A scoping review of applications, advancements, and future directions 2026-Feb, Sleep medicine reviews IF:11.2Q1 DOI:10.1016/j.smrv.2025.102212 PMID:41330180	综述	本文是一篇范围综述，总结了人工智能在睡眠医学中的应用、进展及未来方向	系统性地综述了AI在睡眠医学中的最新应用，并指出了未来研究应优先考虑多中心验证、伦理治理和文化包容性AI框架	存在显著的真实世界验证差距，且实施挑战依然存在	总结当前人工智能在睡眠医学领域的应用、进展及未来研究方向	睡眠医学领域，特别是阻塞性睡眠呼吸暂停、失眠和发作性睡病等睡眠障碍	机器学习	睡眠障碍	NA	深度学习	NA	NA	NA	NA	准确率, 灵敏度, 特异性	NA
1004	2026-02-08	Deep learning and generative artificial intelligence methods in enzyme and cell engineering 2026-Feb, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2025.103393 PMID:41344283	综述	本文综述了深度学习和生成式人工智能在酶与细胞工程领域的应用进展	系统总结了AI在酶发现、工程化及从头设计以及细胞基因表达调控、代谢途径优化中的最新应用	当前AI方法的可靠性和泛化能力仍面临挑战	加速优化生物催化剂和细胞内遗传网络的发展，以推动可持续生物经济转型	酶和微生物工厂（细胞）	机器学习	NA	NA	深度学习, 生成式人工智能	NA	NA	NA	NA	NA	NA
1005	2026-02-08	Efficient Collaborative Model Training Mechanism With Privacy-Preserving Data for the IoMT 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3646067 PMID:41411349	研究论文	本文提出了一种用于IoMT时序数据的隐私保护协同训练模型SecLSTF，并设计了新的秘密共享协议Pleione以优化计算效率	提出了SecLSTF隐私保护协同训练模型，设计了模型组件与多方计算协议的映射策略，并创新性地开发了基于超可逆矩阵和配对双随机扩展机制的Pleione秘密共享协议，显著减少了随机数生成所需的通信轮次	未在真实大规模跨机构医疗环境中进行验证，协议安全性分析可能未覆盖所有潜在攻击向量	解决IoMT时序数据在跨机构协同深度学习训练中的隐私保护问题	医疗物联网时序数据	机器学习	NA	多方计算，秘密共享	深度学习时序预测模型	时序数据	NA	NA	SecLSTF	计算时间，计算精度，组件效率	NA
1006	2026-02-08	Computational frameworks for enhanced extracellular vesicle biomarker discovery 2026-Feb, Experimental & molecular medicine DOI:10.1038/s12276-025-01622-x PMID:41535547	综述	本文综述了利用人工智能等先进计算框架，整合多源数据资源，以加速细胞外囊泡生物标志物从发现到临床应用的转化过程	提出结合人工智能驱动的蛋白质结构和理化性质预测，优化生物标志物候选物，确保与现有检测系统的兼容性，从而弥合临床转化中的鸿沟	NA	加速细胞外囊泡生物标志物的临床转化，推动精准医学发展	细胞外囊泡及其作为非侵入性生物标志物的应用	机器学习	NA	多组学整合	深度学习	多组学数据、蛋白质定位数据、组织特异性数据、药物数据、模型系统数据、免疫数据库	NA	NA	NA	预测性能、生物学合理性、临床实用性	NA
1007	2026-02-08	A Multimodal Deep Learning Architecture for Estimating Quality of Life for Advanced Cancer Patients Based on Wearable Devices and Patient-Reported Outcome Measures 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597054 PMID:40788808	研究论文	本研究提出了一种基于可穿戴设备和患者报告结局指标的多模态深度学习架构，用于估计晚期癌症患者的健康相关生活质量	引入了一种结合CNN、BiLSTM和注意力机制的混合模型，用于处理生理数据和患者报告结局指标，以多模态方式估计晚期癌症患者的HRQoL	研究样本量相对较小（204名患者），且数据收集周期为42天，可能限制了模型的泛化能力	开发一种基于可穿戴设备和患者报告结局指标的连续、实时HRQoL监测方法，以改善晚期癌症患者的护理	晚期癌症患者	机器学习	癌症	可穿戴设备数据采集，患者报告结局指标收集	CNN, BiLSTM	生理数据（如心率、睡眠质量），患者报告结局指标（如HADS、IPOS）	204名患者，数据收集周期为42天	NA	结合CNN和BiLSTM的混合模型，带有注意力机制	平均绝对百分比误差（MAPE）	NA
1008	2026-02-08	FedVGM: Enhancing Federated Learning Performance on Multi-Dataset Medical Images With XAI 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600361 PMID:40833903	研究论文	本文提出了一种名为FedVGM的隐私保护联邦学习框架，用于多模态医学图像分析，旨在解决数据隐私法规和分散数据集带来的挑战	FedVGM整合了四种医学成像模态（脑MRI、乳腺超声、胸部X光和肺部CT）和14个诊断类别，采用联邦学习框架，结合迁移学习和VGG16与MobileNetV2的集成模型，无需集中患者数据，并应用可解释AI技术确保临床可解释性	NA	开发一个隐私保护、可扩展的联邦学习框架，以提升多数据集医学图像分析的性能，支持协作医疗诊断	多模态医学图像，包括脑MRI、乳腺超声、胸部X光和肺部CT，涵盖14个诊断类别	计算机视觉	多种疾病（基于脑、乳腺、胸部和肺部成像）	联邦学习，迁移学习，可解释AI	CNN	图像	NA	NA	VGG16, MobileNetV2	准确率	NA
1009	2026-02-08	Addressing Glaucoma Structure-Function Relationship: A Multi-Task Learning Framework With Multi-Modal and Unpaired Data 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3600311 PMID:40853790	研究论文	本研究提出了一种基于OCT数据的多模态多任务学习框架，用于预测青光眼的视野测试结果，并引入动态加权损失函数和PairMatcher模型以处理未配对数据	开发了联合预测多个视野指标的多任务学习框架，引入动态加权损失函数改善重度青光眼预测性能，并构建PairMatcher模型利用未配对的视野测试数据	未明确说明数据集的样本规模或具体计算资源需求，且可能受限于未配对数据的处理效果	通过深度学习模型利用OCT数据预测青光眼患者的视野测试结果，以改善临床护理	青光眼患者的光学相干断层扫描数据和视野测试数据	医学影像分析	青光眼	光学相干断层扫描	深度学习模型	图像（OCT数据）和数值数据（视野测试结果）	NA	NA	PairMatcher	NA	NA
1010	2026-02-08	Continuous Cuffless Blood Pressure Estimation via Effective and Efficient Broad Learning Model 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3604464 PMID:40889325	研究论文	本研究提出了一种基于宽度学习模型的无袖带连续血压估计方法，旨在提高计算效率并降低存储需求	采用宽度学习模型替代深度模型，通过增加网络宽度而非深度来降低计算复杂度，并探索增量学习模式以提升内存效率和灵活性	研究未明确讨论模型在多样化人群或不同生理状态下的泛化能力，也未详细分析实时部署中的硬件限制	开发一种高效、低计算成本的无袖带连续血压监测方法，以促进高血压的预防、检测和管理	使用可穿戴心血管信号进行无袖带血压估计	机器学习	心血管疾病	NA	宽度学习模型, LSTM, 1D-CNN	心血管信号	UCI数据库中的403.67小时数据	NA	标准宽度学习模型, 增量宽度学习模型	平均绝对误差, 平均误差, 标准差	NA
1011	2026-02-08	Toward Semantically Faithful Diffusion Representation for Generalizable Retinal Image Segmentation 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3605219 PMID:40892645	研究论文	本文提出了一种新颖的扩散模型表示方法，用于提升视网膜图像分割的泛化能力	提出了锚定反转策略以从确定性轨迹中获取语义忠实于源图像的扩散表示，并设计了时空频率感知聚合解释器（T&S-FreqAgg）来聚合多尺度、多时间步的扩散表示	未在摘要中明确说明	解决视网膜图像分割中因数据异质性和标注稀缺导致的深度学习模型泛化性差的问题	视网膜图像（特别是血管等结构）	计算机视觉	视网膜病变	扩散模型	扩散模型	图像	九个公共视网膜图像数据集	NA	DiffDGSSv2	NA	NA
1012	2026-02-08	Hard Sample Mining: A New Paradigm of Efficient and Robust Model Training 2026-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3610948 PMID:41052176	综述	本文对硬样本挖掘（HSM）方法进行了全面综述，旨在通过代表性样本选择来提高模型训练效率和鲁棒性	系统性地探索了HSM在实现高效和鲁棒模型训练中的关键作用，并提出了统一的硬样本定义和分类体系	NA	综述硬样本挖掘方法，以缓解深度学习训练中的效率低下和数据分布偏差问题	深度学习模型训练中的样本选择方法	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1013	2026-02-08	Deep learning-assisted spectral technology monitoring the preservation effect of sodium octenyl succinate starch co-loaded with cinnamaldehyde and carvacrol microcapsules for pork 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150502 PMID:41581811	研究论文	本研究结合喷雾干燥制备的微胶囊与深度学习辅助的可见-近红外光谱技术，用于猪肉保鲜效果监测与品质快速检测	首次将辛烯基琥珀酸淀粉钠共负载肉桂醛和香芹酚的微胶囊用于猪肉保鲜，并结合深度学习与光谱技术构建了高精度的猪肉新鲜度预测模型	研究基于实验室获取的光谱数据，模型在实际工业场景中的泛化能力有待验证，且未详细说明深度学习模型的具体架构与训练细节	开发一种高效的猪肉保鲜方法并建立快速、无损的猪肉品质检测技术	猪肉样品	食品科学与技术	NA	喷雾干燥、可见-近红外光谱	深度学习	光谱数据	未明确说明	NA	NA	相关系数	NA
1014	2026-02-08	Deep Learning-Based Eye Rubbing Detection Using Wrist-Based Wearable Devices to Enable Rigorous Study of Risk Factors for Ectasia Progression 2026-Jan-29, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004113 PMID:41649853	研究论文	本研究开发并验证了一种基于人工智能的揉眼检测工具，利用腕戴式可穿戴设备收集的传感器数据	首次结合腕戴式可穿戴设备和深度学习技术，开发实时揉眼检测系统，用于研究角膜扩张症的风险因素	样本量较小（20名受试者），且未在更广泛人群中进行外部验证	开发一种可靠的揉眼检测工具，以支持眼科医生和研究人员研究揉眼行为与角膜扩张症发展及进展的关系	揉眼行为	机器学习	角膜扩张症	传感器数据采集	CNN, LSTM	时间序列数据, 图像数据	20名受试者，包含8640条时间序列记录和112,320张图像	NA	1D CNN-LSTM, 2D CNN-LSTM, 集成模型	F1分数, AUC	NA
1015	2026-02-08	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-Jan-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	本文提出了一种基于扩散模型的深度生成框架DDTracking，用于扩散磁共振成像（dMRI）纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪任务，提出将纤维流线传播重新定义为条件去噪扩散过程，并设计了双路径编码方案以提取互补的局部空间特征和全局时间上下文	未在摘要中明确说明	开发一种高精度、高效率且具有强泛化能力的扩散磁共振成像纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散磁共振成像（dMRI）	扩散模型	扩散磁共振成像信号	包含合成数据和临床数据的多样化数据集	NA	条件扩散模型	追踪精度，计算效率	NA
1016	2026-02-08	Deep learning-based imaging model to predict early hematoma enlargement and hospital mortality in spontaneous intracerebral hemorrhage 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115504 PMID:41640706	研究论文	本研究开发了一种基于深度学习的成像模型，用于预测自发性脑出血患者的早期血肿扩大和院内死亡率	结合手工放射组学特征和深度学习提取的特征，通过临床-放射学整合模型，提高了对脑出血患者早期血肿扩大和院内死亡率的预测性能	研究为回顾性设计，样本量相对较小（322例患者），且仅针对基底节区脑出血患者，可能限制了结果的普适性	评估和验证基于非增强CT的放射组学和深度学习特征对自发性脑出血患者早期血肿扩大和院内死亡率的预测能力	自发性脑出血患者，特别是基底节区出血的患者	数字病理学	脑出血	非增强CT成像	CNN, SVM	医学图像	322例患者（训练集225例，测试集97例）	NA	预训练的卷积神经网络	AUC, 准确率, 敏感性, 特异性	NA
1017	2026-02-08	Magnetic resonance imaging-based deep-learning radiomics score for survival prediction and risk stratification in pediatric hepatoblastoma receiving surgical resection 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115503 PMID:41640707	研究论文	本研究开发了一种基于磁共振成像的深度学习放射组学评分，用于预测接受手术切除的儿童肝母细胞瘤患者的无事件生存期和风险分层	结合深度学习提取的放射组学特征与临床病理变量，构建了集成临床-深度学习列线图模型，首次在儿童肝母细胞瘤中应用深度学习放射组学评分进行生存预测和风险分层	研究为回顾性设计，样本量较小（106例患者），且仅来自两家医院，可能存在选择偏倚	预测早期肝母细胞瘤患者手术切除后的无事件生存期，并识别高风险患者以指导术前新辅助化疗	接受手术切除的儿童肝母细胞瘤患者	数字病理学	肝母细胞瘤	磁共振成像	深度学习	图像	106例患者（训练队列74例，测试队列32例）	NA	NA	预后能力, 校准能力, 预测误差	NA
1018	2026-02-08	Improving prediction accuracy of radiation-induced temporal lobe injury in nasopharyngeal carcinoma using ADC-based deep learning and dosiomics 2026-Jan-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-15599-x PMID:41652361	研究论文	本研究探讨了基于表观扩散系数（ADC）图的深度学习和剂量分布剂量组学在预测鼻咽癌患者放射性颞叶损伤（RTLI）中的潜力	首次将基于ADC图的深度迁移学习特征与剂量组学特征融合，构建了预测鼻咽癌患者放射性颞叶损伤的融合模型，并验证了其优越性能	本研究为单中心回顾性研究，样本量相对有限，未来需要多中心前瞻性研究进行验证	提高鼻咽癌患者放射性颞叶损伤的预测准确性，以支持临床制定个体化治疗计划和实施预防措施	接受调强放射治疗的鼻咽癌患者	数字病理学	鼻咽癌	表观扩散系数（ADC）图，三维剂量分布	深度迁移学习，多种机器学习分类模型	医学影像（ADC图），剂量分布数据	3578名鼻咽癌患者（其中94名RTLI患者与97名对照患者按1:1匹配，最终训练队列135人，验证队列59人）	未明确提及	WideResNet 101	AUC（曲线下面积）	NA
1019	2026-02-08	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Jan-27, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究开发了基于深度学习模型，利用学龄儿童筛查性眼底摄影数据预测眼轴长度	首次利用近乎正常的彩色眼底照片，结合年龄和屈光度等临床参数，通过深度学习预测儿童眼轴长度，并揭示了眼底血管区域对预测的重要性	研究样本仅来自6-10岁儿童，未包含其他年龄段；纳入性别参数反而降低了模型性能，其机制尚不明确	开发基于眼底照片的深度学习模型，用于预测学龄儿童的眼轴长度	6-10岁学龄儿童的彩色眼底照片及相关临床参数	计算机视觉	眼科疾病	彩色眼底摄影	CNN	图像	2779名儿童的3840张彩色眼底照片	PyTorch	ResNet101	相关系数R	NA
1020	2026-02-08	deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile 2026-Jan-27, Forensic science international. Genetics DOI:10.1016/j.fsigen.2026.103434 PMID:41650721	研究论文	本文开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA谱的贡献者数量	通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出	算法在实验室特定环境下需要额外微调训练，且依赖于模拟数据的质量	开发一个自动化工具来准确估计DNA谱中的贡献者数量，以辅助法医生物学分析	短串联重复DNA谱	机器学习	NA	短串联重复DNA分析，电泳信号模拟	深度神经网络	模拟电泳信号数据	100,000个模拟DNA谱，外加数百个实验室生成的谱	NA	深度神经网络	准确率	NA