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
11001	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
11002	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
11003	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
11004	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
11005	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
11006	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
11007	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
11008	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
11009	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
11010	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
11011	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
11012	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
11013	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
11014	2026-01-19	Deep learning and TOPSIS-based multi-criteria decision-making framework for urban road defect detection and sustainable maintenance planning 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31682-y PMID:41408389	研究论文	本研究提出了一种结合改进YOLOv8模型和TOPSIS多准则决策的框架，用于城市道路缺陷检测与可持续维护规划	在YOLOv8模型中增加了一个用于严重性分类的辅助头部，并整合了TOPSIS多准则决策方法，实现了检测、严重性估计和数据驱动维护优先级排序的同步执行	未明确说明模型在极端天气或复杂光照条件下的鲁棒性，也未讨论框架在其他类型基础设施缺陷检测中的泛化能力	开发一个能够实时检测城市道路缺陷、评估严重性并支持可持续维护决策的智能框架	城市道路表面缺陷	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv8	NA	NA
11015	2026-01-19	Superior transplant recipient outcome prediction and pathology assessment using rapid deep learning applied to procurement kidney biopsies 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31667-x PMID:41392051	研究论文	本研究利用深度学习模型快速分析供体肾脏活检图像，以预测移植后肾功能和移植物存活率	开发了定制化的深度学习模型，其肾小球硬化定量分析在预测移植物存活方面优于病理学家评估，且处理速度满足临床需求	研究样本量相对有限（691例活检），且随访时间平均约4.34年，可能不足以评估长期结局	提高供体肾脏移植适宜性评估的准确性和效率，优化移植决策	已故器官供体的肾脏活检样本	数字病理学	肾脏疾病	全切片图像分析	深度学习模型	图像	691例移植肾脏的采购活检样本	未明确指定	未明确指定	相关性分析，多变量Cox模型	未明确指定
11016	2026-01-19	Dynamic SG-SKRDX hybrid framework for precision weather forecasting and crop suitability in the Cauvery Delta 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31717-4 PMID:41390771	研究论文	本文提出了一种动态SG-SKRDX混合框架，用于印度泰米尔纳德邦Cauvery三角洲地区的精确天气预报和作物适宜性推荐	提出了一种结合SVR-GRU（SG）模型进行天气预报和动态集成多种机器学习模型（SVM、KNN、RF、DT、XGBoost，称为SKRDX）进行作物推荐的混合框架，该框架能根据预测的天气变量变化智能选择最佳模型	NA	通过整合现代技术与传统实践，提升Cauvery三角洲地区农业的气候韧性和可持续作物生产，实现精准天气预报和作物推荐	印度泰米尔纳德邦Cauvery三角洲地区的天气数据和作物种植	机器学习	NA	统计模型、机器学习、深度学习	SVR, GRU, SVM, KNN, RF, DT, XGBoost	历史气象数据（温度、湿度、降水）	十年的历史气象数据	NA	SVR-GRU（SG）混合模型，动态SKRDX集成模型（包含SVM、KNN、RF、DT、XGBoost）	MSE, RMSE, MAE, R-Squared, 准确率, 精确率, 召回率, F1分数	NA
11017	2025-12-13	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-Dec-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11018	2026-01-19	Attention-guided hybrid learning for accurate defect classification in manufacturing environments 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31654-2 PMID:41381637	研究论文	提出了一种用于工业缺陷分类的注意力引导混合深度学习框架	集成了YOLOv11和EfficientNet-B7，并引入了CBAM注意力模块和轻量级FPN进行多尺度细化，支持跨不同物体类别和缺陷类型的统一分类	未明确提及	解决工业缺陷分类中因视觉复杂性、稀有性和多样性带来的挑战	工业制造环境中的缺陷	计算机视觉	NA	深度学习	CNN	图像	两个数据集：MVTec-FS基准（包含14个工业类别中的46种缺陷类型）和专有Window数据集（包含3个真实世界缺陷类别）	NA	YOLOv11, EfficientNet-B7, Convolutional Block Attention Module (CBAM), Feature Pyramid Network (FPN)	准确率	NA
11019	2026-01-19	A computationally efficient hybrid framework combining deep feature extraction and gradient boosting for early diagnosis of Olive leaf diseases 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31918-x PMID:41381664	研究论文	提出一种结合深度学习特征提取与梯度提升的混合框架，用于橄榄叶病害的早期诊断	提出一种混合框架，将深度学习模型的强大特征提取能力与机器学习分类器的计算效率相结合，以解决深度学习模型在分类和检测过程中对高计算处理的需求限制其普及性的问题	研究仅针对两种特定的橄榄叶病害（孔雀斑病和橄榄芽螨），模型在其他病害或作物上的泛化能力未经验证	开发一种计算效率高的方法，用于橄榄叶病害的早期诊断	橄榄树叶图像	计算机视觉	植物病害	图像分析	CNN, Boosting	图像	3400张属于三个类别（健康、橄榄孔雀斑病、橄榄芽螨）的橄榄叶图像	NA	MobileNetV2, DenseNet121, EfficientNetV2B0, ConvNext Tiny	准确率, 宏平均F1分数	NA
11020	2026-01-19	Dynamic context-aware multi-modal deep learning for longitudinal prediction of Parkinson's disease progression 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31898-y PMID:41381668	研究论文	本文提出了一种新颖的动态上下文感知多模态深度学习框架，用于纵向预测早期至中期帕金森病的运动症状进展	提出了一种结合高级语音生物标志物、信号处理技术、临床进展特征、人口统计学元数据以及通过自然语言处理从临床叙述中提取的语义丰富患者摘要嵌入的动态上下文感知多模态深度学习框架，并利用双向LSTM与多头自注意力机制来捕获复杂的时间依赖性同时防止信息泄露	样本量有限（42名患者）	纵向预测早期至中期帕金森病运动症状的进展，以支持及时干预和个性化患者护理	帕金森病患者	自然语言处理, 机器学习	帕金森病	信号处理, 自然语言处理	LSTM	语音生物标志物, 临床特征, 人口统计学元数据, 临床叙述文本	42名患者	NA	双向LSTM, 多头自注意力	R², RMSE, MAE	NA