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
10901	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
10902	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
10903	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
10904	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
10905	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
10906	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
10907	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
10908	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
10909	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
10910	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
10911	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
10912	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
10913	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
10914	2026-01-19	DynaRepo: the repository of macromolecular conformational dynamics 2026-Jan-06, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1130 PMID:41231767	研究论文	本文介绍了DynaRepo，一个包含约450个复合物和约270个单链蛋白质的分子构象动力学数据库，旨在支持基于动力学的深度学习研究	通过整合PDBbind、SAbDab和基准数据集，提供大规模分子动力学模拟数据，弥补了静态结构研究方法的不足，为动态行为分析提供了数据基础	NA	构建一个用于研究大分子构象动力学的数据库，以支持数据驱动的深度学习框架开发	蛋白质、RNA和DNA及其复合物，包括抗体-抗原识别、内在无序蛋白质和蛋白质-核酸结合等动态相互作用	计算生物学	NA	分子动力学模拟	NA	分子动力学模拟数据	约450个复合物和约270个单链蛋白质，每个复合物进行三次500纳秒模拟，总计超过1100微秒数据	NA	NA	NA	NA
10915	2026-01-19	Automated detection of chewing movements in videofluoroscopic swallowing studies using deep learning for landmark detection and motion analysis 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111361 PMID:41330067	研究论文	本研究提出首个全自动分析视频荧光吞咽研究中咀嚼相关下颌运动的流程	首次开发了用于视频荧光吞咽研究中咀嚼运动自动检测的全流程系统，整合了关键解剖点检测、视频分割和运动分类三个模块	未明确提及具体的数据集规模限制或算法在特定人群中的泛化性能	开发自动化工具以评估咀嚼功能，并支持将咀嚼分析整合到标准临床协议中	健康参与者和吞咽困难患者的视频荧光吞咽研究数据	计算机视觉	吞咽障碍	视频荧光吞咽研究	深度学习	视频	来自多项临床研究的数据集，包含健康参与者和吞咽困难患者	NA	NA	NA	NA
10916	2026-01-19	Clinical decisions in Orthodontics using x-ray-based images and artificial intelligence approaches: a scoping review 2026, Dental press journal of orthodontics DOI:10.1590/2177-6709.30.4.e2524219.oar PMID:41538502	综述	本文是一篇范围综述，探讨了基于X射线图像和人工智能方法在正畸临床决策中的应用	系统性地回顾了AI在正畸诊断和治疗规划中的应用，特别是聚焦于X射线成像，并识别了AI在颞下颌关节骨关节炎、骨骼成熟度分类、阻塞性睡眠呼吸暂停和正颌手术需求等关键领域的最佳应用	仅纳入了截至2021年10月的英文文献，可能遗漏了最新研究或非英语文献	审查AI模型何时能增强正畸诊断和治疗规划中的临床决策过程	正畸领域的临床决策，特别是基于X射线图像的诊断和治疗规划	计算机视觉	正畸相关疾病	X射线成像	深度学习	X射线图像	NA	NA	NA	NA	NA
10917	2026-01-19	Macretina: a dataset, to support deep learning assisted retinopathy of prematurity diagnosis 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31624-8 PMID:41436820	研究论文	本研究介绍了一个名为Macretina的专家标注视网膜数据集，旨在支持基于AI的早产儿视网膜病变自动诊断	提出了首个从印度医院收集的、针对早产儿视网膜病变的综合性多任务视网膜图像数据集，包含三个病理相关特征的子集	数据来源于单一中心（Macretina医院），可能限制模型的泛化能力	开发可靠的AI辅助早产儿视网膜病变筛查系统	早产儿的视网膜图像	数字病理学	早产儿视网膜病变	宽视野视网膜成像系统（3nethra Neo）	深度卷积神经网络	图像	112名早产儿的1432张视网膜图像	NA	NA	NA	NA
10918	2026-01-19	A holistic framework for strengthening security of healthcare data through encryption utilizing blockchain technology 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31698-4 PMID:41407846	研究论文	本研究提出了一种结合区块链技术与高级加密标准（AES）的框架，以增强医疗数据的安全性、隐私性和完整性	提出了一种创新的BCT-AES混合框架，首次将卷积神经网络（CNN）用于医疗数据特征提取，并结合决策树（DT）与逻辑回归（LR）进行分类，再通过AES加密与区块链技术实现去中心化、防篡改的存储方案	未明确说明框架在超大规模医疗数据集或跨机构数据共享场景下的可扩展性与性能表现	解决医疗数据因敏感性和网络攻击风险而面临的安全挑战，开发一种能同时保障数据隐私、完整性和支持实时分析的安全管理方案	患者记录与医学图像等医疗数据	机器学习	NA	区块链技术，高级加密标准（AES）	CNN, DT, LR	文本（患者记录），图像（医学图像）	NA	Python	NA	加密时间，分类准确率	NA
10919	2026-01-19	Ensemble deep learning with advanced feature engineering for embryo evaluation on in-vitro fertilisation procedures using biomedical images 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31772-x PMID:41413417	研究论文	本文提出了一种基于集成深度学习和高级特征工程的胚胎评估系统，用于体外受精过程中的胚胎质量自动分级	结合改进的DenseNet进行特征提取，并集成TCN、ENN和CVAE等多种深度学习模型进行胚胎分类，实现了高精度的自动化评估	未提及模型在临床实际应用中的泛化能力验证或外部数据集测试结果	通过自动化胚胎分级方法提高体外受精中胚胎选择成功率，改善妊娠结局	体外受精过程中的胚胎生物医学图像	计算机视觉	不孕症	生物医学图像分析	CNN, TCN, ENN, CVAE	图像	未明确说明，仅提及使用显微图像数据集	未明确说明	DenseNet, TCN, ENN, CVAE	准确率	未明确说明
10920	2026-01-19	LBNet: an optimized lightweight CNN for mammographic breast cancer classification with XAI-based interpretability 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31642-6 PMID:41402449	研究论文	本研究提出了一种名为LBNet的轻量级、可解释的卷积神经网络，用于从乳腺X光片中准确、高效地检测乳腺癌	提出了一种参数仅240万的轻量级CNN架构，在保持高精度的同时显著降低了计算复杂度，并集成了SHAP和Grad-CAM等XAI方法以增强模型的可解释性	未明确提及，但未来研究可探索其在多视角乳腺X光片和实时临床部署中的应用	开发一种适用于资源受限环境、兼具高精度、高效率和高可解释性的乳腺癌自动检测模型	乳腺X光片	计算机视觉	乳腺癌	乳腺X光摄影	CNN	图像	基于RSNA数据集训练，并在CBIS-DDSM和MIAS两个外部数据集上验证	未明确提及	LBNet（包含5个卷积层，使用ReLU激活、批量归一化和最大池化）	准确率, 精确率, 召回率	未明确提及