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
1081	2026-01-28	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	系统综述与荟萃分析	本文系统回顾并荟萃分析了人工智能驱动的MRI运动伪影检测与校正方法，评估了当前发展、有效性、挑战及未来研究方向	首次对基于人工智能（特别是深度学习生成模型）的MRI运动伪影检测与校正方法进行系统性综述与定量荟萃分析，明确了该领域的进展与核心挑战	现有方法普遍存在泛化能力有限、依赖成对训练数据、可能引入视觉失真等问题，且缺乏标准化的数据集和报告协议	系统评估人工智能方法在MRI运动伪影检测与校正中的应用效果与发展方向	MRI图像中的运动伪影	医学影像分析	NA	磁共振成像（MRI）	深度学习生成模型	医学影像（MRI图像）	NA（综述性研究，未涉及具体样本量）	NA	NA	NA	NA
1082	2026-01-28	Multi-Parameter Deep Learning Combined With Fluorescence Lifetime Imaging Microscopy for Non-Invasive and Label-Free Endometrial Cancer Screening 2026-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70228 PMID:41548887	研究论文	本研究提出了一种结合荧光寿命成像显微镜（FLIM）与多参数深度学习算法的无创、无标记子宫内膜癌筛查方法	通过整合FLIM提取的多个代谢参数（平均荧光寿命和蛋白质结合分数），并利用多参数深度学习模型，显著提升了预测性能，克服了单参数模型的灵敏度-特异性失衡问题	样本量较小（n=71），且仅进行了外部测试验证，需要更大规模的前瞻性研究来确认临床适用性	开发一种无创、无标记的子宫内膜癌筛查方法	参与者的宫颈脱落细胞	数字病理学	子宫内膜癌	荧光寿命成像显微镜（FLIM）	深度学习	图像	71名参与者	NA	NA	灵敏度, 特异性, AUC	NA
1083	2026-01-28	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	本文探讨了利用深度编码彩色正面光学相干断层扫描（OCT）结合集成学习进行结直肠息肉恶性潜能分类的可行性	通过将深度信息（表面、中层、深层）编码为颜色生成正面OCT投影，并采用集成学习与分数级融合方法进行息肉分类	研究基于离体样本，需进一步验证在体应用效果	提高结直肠癌筛查中息肉恶性潜能的分类准确性	结直肠息肉	数字病理学	结直肠癌	光学相干断层扫描（OCT）	集成网络	图像	300名受试者的息肉样本	NA	NA	曲线下面积（AUC）	NA
1084	2026-01-28	Confocal Raman Microscopy to Study Silicone Breast Implant's Early-Stage Degradation in Reconstructive Surgery 2026-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500510 PMID:41549634	研究论文	本研究利用共聚焦拉曼显微镜技术，研究硅胶乳房植入物在重建手术中的早期降解过程	首次应用拉曼技术识别硅胶植入物降解的关键化学标记物，如二苯基硅氧烷和CH振动，并发现与凝胶黄化相关的拉曼谱带	研究可能受样本量限制，且未详细探讨深度学习模型的具体应用和验证	阐明硅胶乳房植入物膜的结构及其防止凝胶渗漏的功能，以评估植入物老化过程	硅胶乳房植入物	数字病理学	NA	共聚焦拉曼显微镜	深度学习模型	光谱数据	NA	NA	NA	NA	NA
1085	2026-01-28	VASCilia is an open-source, deep learning-based tool for 3D analysis of cochlear hair cell stereocilia bundles 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003591 PMID:41557732	研究论文	本文介绍了一个名为VASCilia的开源深度学习工具，用于自动化分析耳蜗毛细胞静纤毛束的3D共聚焦显微镜图像	开发了首个用于耳蜗毛细胞静纤毛束3D分析的集成化深度学习工具套件，包含五个专门训练的模型，并提供了首个开源的手动标注3D数据集	模型主要在小鼠耳蜗数据集上训练，尚未在其他物种或更广泛的成像条件下验证	开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战	耳蜗毛细胞及其静纤毛束	数字病理学	听力障碍	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D图像堆栈	约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注	NA	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类模型	NA	NA
1086	2026-01-28	LeafAI: Interpretable plant disease detection for edge computing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335956 PMID:41576062	研究论文	本研究提出了一种用于边缘计算的植物病害检测混合AI方法，通过两阶段分类和可解释AI技术提高计算效率和透明度	采用轻量级传统机器学习与深度学习结合的两阶段方法，并集成Grad-CAM可解释性技术，在保持高精度的同时显著提升推理速度	仅针对植物叶片病害检测，未涉及其他植物部位或更复杂的农业场景	开发高效、可解释且可扩展的实时植物病害检测系统，以应对农业中的类别不平衡问题	植物叶片图像，包括健康和病害叶片	计算机视觉	植物病害	图像分析	Logistic Regression, CNN	图像	1,227张测试图像	NA	ResNet, DenseNet, MobileNet, EfficientNet, Mobilenetv3	准确率, 推理时间	入门级笔记本电脑
1087	2026-01-28	A feature-based generalizable prediction model for both perceptual and abstract reasoning 2026-Jan, Cognitive neuroscience IF:2.0Q3 DOI:10.1080/17588928.2025.2599784 PMID:41396106	研究论文	本文提出了一种基于特征的通用预测模型，用于解决感知和抽象推理任务，特别是在简化版Raven渐进矩阵任务中实现一次性推理	模型结合特征检测、仿射变换估计和搜索算法，能够处理符号和连续模式挑战，并表达发现的关系	模型仅在简化版Raven渐进矩阵任务上测试，未在更复杂或真实世界场景中验证	开发一种能够模拟人类抽象推理能力的算法模型，用于智能机器改进	Raven渐进矩阵任务中的符号和感知推理问题	机器学习	NA	特征检测、仿射变换估计、搜索算法	算法模型	图像	NA	NA	NA	NA	NA
1088	2026-01-28	Deep learning for suppressing EMG and motion artifacts in armband ECG R-peak detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00507-2 PMID:41584807	研究论文	本文提出了一种新颖的深度学习框架，用于抑制臂带式心电图信号中的肌电和运动伪影，以进行鲁棒的R波峰值检测	引入了一种新颖的卷积神经网络增强编码器-解码器架构，专注于通过幅度增强来选择性增强R波峰值，同时抑制干扰信号成分	研究仅涉及10名健康参与者，且模型验证侧重于伪影较多的日间记录，可能限制了在更广泛人群和全天候条件下的普适性	开发一种用于可穿戴心脏监测设备中，在存在肌电污染和运动伪影的情况下，实现鲁棒R波峰值识别的深度学习方法	来自实验性臂带系统和临床级Holter监测器的同步24小时心电图信号	机器学习	心血管疾病	心电图监测	CNN	时间-频率谱图	10名健康参与者，11,598个已验证的10秒心电图片段	NA	卷积神经网络增强编码器-解码器	平均绝对误差，均方根连续差，心率估计准确度	NA
1089	2026-01-28	Image registration using MR-based synthetic CT (sCT) generated by cycle-consistent adversarial networks 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00514-3 PMID:41584805	研究论文	本研究提出了一种基于Cycle-GAN生成合成CT（sCT）图像，以实现CT与MR图像之间更精确配准的方法	采用Cycle-GAN生成与MR图像对应的合成CT（sCT）图像，将多模态配准问题转化为单模态配准问题，从而克服了CT与MR图像之间固有的模态差异挑战	数据多样性和质量有待提升，深度学习模型架构需要进一步优化以提高配准精度	提高CT与MR图像之间的配准精度，以提升诊断准确性和效率	CT图像、MR图像及其对应的分割掩模（特别是股骨头）	医学影像分析	NA	图像配准，合成图像生成	GAN	图像	NA	NA	Cycle-GAN	Dice相似系数（DSC），均方根误差（RMSE），峰值信噪比（PSNR），归一化互相关（NCC）	NA
1090	2026-01-28	Intravenous pole-integrated automated urinary status-monitoring technique using image-based artificial intelligence: a simulation study 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00525-0 PMID:41584809	研究论文	本研究开发了一种基于图像人工智能的静脉输液杆集成自动尿液状态监测技术，用于监测导尿患者的尿液颜色和体积变化	提出了一种新型的静脉输液杆集成尿液监测技术，利用深度学习自动检测袋内液体颜色和体积，并识别泌尿疾病症状	研究为模拟研究，未来需要进一步使用实际尿液样本进行临床评估	开发自动化工具以改善接受导尿支持患者的长期尿液状态监测	模拟尿液样本，包括正常、血尿、胆红素尿和紫色尿袋综合征等类型	计算机视觉	泌尿系统疾病	图像分析	深度学习	图像	多种模拟尿液样本	NA	NA	误差率, 准确率	NA
1091	2026-01-28	Toward zero-calibration MEG brain-computer interfaces based on event-related fields 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00503-6 PMID:41584816	研究论文	本文提出了一种基于事件相关场的零校准脑磁图脑机接口，利用空间滤波和深度学习技术实现跨被试泛化	结合xDAWN空间滤波和DeepConvNet深度学习模型，实现了无需用户特定校准的脑磁图脑机接口，提高了实用性和跨被试性能	研究基于视觉oddball范式，可能在其他任务或范式中泛化能力有限；样本量相对较小，需进一步验证	开发无需校准的脑磁图脑机接口，以克服用户间变异性和校准需求，促进其实用化应用	脑磁图信号，特别是事件相关场，用于脑机接口分类	脑机接口	NA	脑磁图，事件相关场分析	CNN	脑磁图信号	多被试数据集，具体数量未明确说明	NA	DeepConvNet	分类准确率，信息传输率	NA
1092	2026-01-28	An optimized EEG-based hybrid deep learning framework for schizophrenia detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00509-0 PMID:41584819	研究论文	本文提出了一种基于EEG的混合深度学习框架，用于精神分裂症的早期检测	提出了一种新颖的混合深度学习框架，集成了突变增强的阿基米德优化算法来改进EEG预处理和信号清晰度，并采用双目标优化技术同时提升检测精度和降噪效果	未明确提及研究的局限性	开发一种精确、客观的诊断工具，用于精神分裂症的早期诊断	多通道脑电图数据	机器学习	精神分裂症	脑电图	CNN, GRU	EEG信号	NA	NA	CNN-GRU混合架构	准确率, 精确率, 召回率, F1分数, 特异性	NA
1093	2026-01-28	Advancing neurological disease treatment: a computational approach for fibroblast growth factor detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00520-5 PMID:41584821	研究论文	本研究提出了一种基于深度学习的计算方法，用于预测成纤维细胞生长因子（FGF）蛋白，以推进神经系统疾病的治疗	首次开发了基于深度学习的计算工具来预测FGF蛋白，并构建了两个高质量数据集，结合了多种特征编码方法和深度学习模型	未提及具体的数据集规模限制或模型泛化能力的验证细节	开发一种计算工具来准确预测FGF蛋白，以促进神经系统疾病治疗的研究	成纤维细胞生长因子（FGF）蛋白序列	自然语言处理	神经系统疾病	特征编码方法（二肽组成、二肽偏离期望均值、分组氨基酸组成）	CNN, BiLSTM, GAN, GRU	蛋白质序列数据	NA	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、生成对抗网络（GAN）、门控循环单元（GRU）	准确率, 灵敏度, 特异性, F1分数, 马修斯相关系数	NA
1094	2026-01-28	Hybridizing Expressive Rendering: Stroke-Based Rendering With Classic and Neural Methods 2026 Jan-Feb, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3624600 PMID:41587263	研究论文	本文分析并比较了经典非真实感渲染与基于神经网络的渲染技术，特别关注基于笔触的渲染，并提出一个结合两者的框架以拓展表达性渲染的可能性	提出一个结合经典非真实感渲染方法与神经网络技术的混合框架，旨在融合两者的优势，为表达性渲染开辟新途径	NA	探索经典与神经网络非真实感渲染技术的异同，并研究如何整合它们以增强渲染质量和艺术控制	非真实感渲染技术，特别是基于笔触的渲染方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
1095	2026-01-28	Temporal Memory Mechanisms and Biome-Specific Drivers of Ecosystem Carbon Flux: Insights From Explainable Deep Learning Modeling 2026-Jan, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70722 PMID:41589685	研究论文	本研究开发了一个可解释的LSTM-Attention框架，用于揭示北美八个不同生物群落生态系统碳通量响应的时间依赖性及其环境驱动因素	首次将LSTM网络、注意力机制和基于梯度的归因方法相结合，构建了一个可解释的深度学习框架，用于识别生态系统碳通量响应的时间记忆模式和生物群落特异性环境驱动因素	研究仅基于北美71个站点的涡度协方差通量测量数据，可能无法完全代表全球其他地区的生态系统	探究不同生物群落生态系统碳通量动态的时间依赖性及其环境驱动机制	北美八个生物群落的生态系统碳通量	机器学习	NA	涡度协方差通量测量	LSTM, Attention	时间序列数据	来自8个生物群落的71个站点的通量测量数据	TensorFlow, PyTorch, Keras	LSTM-Attention	Kendall's Tau	NA
1096	2026-01-28	A Structure-Based Deep Learning Framework for Correcting Marine Natural Products' Misannotations Attributed to Host-Microbe Symbiosis 2026-Jan-01, Marine drugs IF:4.9Q1 DOI:10.3390/md24010020 PMID:41590718	研究论文	本文开发了一种基于结构的深度学习框架，用于纠正因宿主-微生物共生关系导致的海洋天然产物来源标注错误	提出了一种结合两步数据清洗策略与微生物预训练图神经网络的工作流程，首次系统性地对海洋天然产物数据库进行来源分类和错误标注校正	模型性能依赖于现有数据库的标注质量，且仅针对海洋天然产物数据集进行验证	开发一个可扩展的质量控制框架，以提高海洋天然产物数据库的准确性，支持更精确的生物合成基因簇追踪和AI驱动的药物发现	海洋天然产物（MNPs），特别是CMNPD和NPAtlas数据库中的化合物	机器学习	NA	图神经网络，结构分析	GNN	化学结构数据	CMNPD和NPAtlas数据库中的化合物	NA	图神经网络	平衡准确率	NA
1097	2026-01-28	Subclinical Atrial Fibrillation Prediction in Patients with CIED by a Novel Deep Learning Framework 2025-Dec-30, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13010018 PMID:41590845	研究论文	本研究开发了一种名为ResKAN-Attention的新型深度学习框架，仅使用常规临床数据来预测心脏植入式电子设备（CIED）患者的亚临床心房颤动（SCAF）	提出了一种结合Kolmogorov-Arnold网络（KAN）与多层感知机的双路径架构，并通过交叉注意力机制融合，同时通过知识蒸馏生成了临床可用的风险评分系统	研究为回顾性设计，样本量相对较小（124名患者），需要在更大规模的前瞻性队列中进行验证	开发一种利用常规临床数据预测亚临床心房颤动（SCAF）的深度学习模型，以改善心血管事件的风险分层	124名既往无房颤病史的心脏植入式电子设备（CIED）患者	机器学习	心血管疾病	NA	深度学习	临床参数	124名CIED患者（其中39名在12个月随访期内发生SCAF）	NA	ResKAN-Attention（结合Kolmogorov-Arnold Network与多层感知机的双路径架构）	AUC	NA
1098	2026-01-28	Detection and Classification of Alzheimer's Disease Using Deep and Machine Learning 2025-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12010004 PMID:41591137	研究论文	本研究提出了一种结合临床数据和MRI扫描的双模态框架，利用机器学习和深度学习模型检测和分类阿尔茨海默病	提出了一种双模态框架，整合基于症状的临床数据和MRI扫描，并引入可解释AI（XAI）如SHAP和Grad-CAM来增强模型的可解释性	未明确提及样本量、计算资源或具体的数据集细节，可能限制了结果的泛化性	早期和准确诊断阿尔茨海默病，以改善患者预后	阿尔茨海默病患者，使用临床数据和MRI扫描	机器学习, 深度学习	阿尔茨海默病	磁共振成像（MRI）	KNN, SVM, DT, RF, CNN	临床数据, 图像（MRI扫描）	NA	NA	EfficientNetB3, DenseNet-121, ResNet-50, MobileNetV2	准确率	NA
1099	2026-01-28	Artificial Intelligence-Aided Microfluidic Cell Culture Systems 2025-Dec-24, Biosensors DOI:10.3390/bios16010016 PMID:41590268	综述	本文综述了人工智能辅助的微流控细胞培养系统与器官芯片平台在生理过程建模、疾病进展和药物反应研究中的应用	整合人工智能（特别是机器学习和深度学习）与微流控技术，实现自动化表型分析、预测建模和微环境的实时控制，推动系统向可解释和自主化发展	未明确提及具体技术限制，但暗示了数据异质性和分析复杂性带来的挑战	探讨人工智能如何增强微流控细胞培养系统和器官芯片平台的分析能力，以支持精准医疗和生物医学研究	微流控细胞培养系统、器官芯片平台及其生成的多参数数据集	机器学习	癌症	高分辨率成像、集成传感器、生化检测	机器学习, 深度学习	图像, 多模态数据	NA	NA	NA	准确率	NA
1100	2026-01-28	Automated, anatomy-based, heuristic post-processing reduces false positives and improves interpretability of deep learning intracranial aneurysm detection models 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33083-7 PMID:41430430	研究论文	本文提出了一种结合启发式后处理的自动化深度学习方法，用于降低CTA图像中颅内动脉瘤检测的假阳性率	开发了全自动的解剖学基础启发式后处理方法，通过整合脑部掩膜和动脉-静脉分离模块，显著减少深度学习模型的假阳性	后处理方法可能在某些情况下误删真阳性，尤其是在公共数据集上表现更明显	提高深度学习模型在CTA图像中检测颅内动脉瘤的准确性和临床可接受性	CTA图像中的颅内动脉瘤	数字病理学	颅内动脉瘤	CTA成像	CNN, Transformer	医学图像（CTA）	训练集：1,186个开源CTA（1,373个标注动脉瘤）；测试集：143个私有CTA（218个标注动脉瘤）和843个公开CTA（1,027个标注动脉瘤）	NA	CPM-Net, 3D-CNN-TR（可变形3D卷积神经网络-Transformer混合模型）	真阳性, 假阴性, 假阳性, 假阳性率	NA