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
11481	2026-01-14	Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307609 PMID:38279514	研究论文	本文介绍了一种用于产后女性远程无线连续健康监测的云集成智能纳米膜可穿戴系统	开发了基于柔性胸骨设备和共形纳米膜传感器的云集成可穿戴系统，用于产后女性的心血管监测，并通过深度学习实现医疗设备级血压预测	研究样本仅限于20名产后黑人女性，且未提及长期使用的耐久性或成本效益分析	解决非传染性疾病患者，特别是产后女性，对长期、连续健康监测的未满足需求	产后女性，特别是美国黑人产后女性	数字病理学	心血管疾病	纳米膜传感器技术	深度学习	波形数据	20名产后黑人女性	NA	NA	NA	云架构
11482	2026-01-14	Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307280 PMID:38380499	研究论文	本文提出了一种名为Bis的分布无关深度学习模型，用于准确恢复单细胞RNA测序数据中的缺失基因表达值	Bis模型基于最优传输的自编码器架构，无需严格的数据分布假设，并利用批量RNA测序数据进行监督指导，以解决单细胞数据稀疏性问题	未明确说明模型在超大规模数据集上的计算效率或对不同单细胞平台的泛化能力限制	开发一种分布无关的深度学习方法，以准确恢复单细胞RNA测序数据中的缺失表达值并解释转录调控	单细胞RNA测序数据，包括模拟和真实数据集，以及头颈鳞状细胞癌微环境中的细胞亚群	机器学习	头颈鳞状细胞癌	单细胞RNA测序，批量RNA测序	自编码器	基因表达数据	NA	NA	基于最优传输的自编码器	NA	NA
11483	2026-01-14	CIRI-Deep Enables Single-Cell and Spatial Transcriptomic Analysis of Circular RNAs with Deep Learning 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308115 PMID:38308181	研究论文	本文介绍了CIRI-deep，一种基于深度学习的模型，用于从单细胞和空间转录组数据中全面预测环状RNA的调控	开发了首个能够处理单细胞和空间转录组数据的深度学习模型，专门用于环状RNA的全面分析和预测	未在摘要中明确说明	解决现有单细胞和空间转录组技术在有效分析环状RNA方面的局限性	环状RNA	自然语言处理	NA	RNA-seq	深度学习模型	RNA-seq数据	基于2500万个高置信度环状RNA调控事件的数据集	NA	NA	在测试集和留出数据上均表现出高性能	NA
11484	2026-01-14	A Novel Approach Utilizing Domain Adversarial Neural Networks for the Detection and Classification of Selective Sweeps 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202304842 PMID:38308186	研究论文	本文提出了一种基于域对抗神经网络的域适应扫描检测与分类方法，用于改进选择性扫描的识别与分类	通过域对抗神经网络及其对抗学习模块，平衡两个域的分布对齐与分类性能，有效解决了深度学习模型中训练数据与真实基因组数据不匹配的问题	NA	提高选择性扫描的检测与分类性能，以增强对生物进化的理解，并为精准医学和遗传改良提供支持	选择性扫描	机器学习	NA	基因组数据分析	域对抗神经网络	基因组数据	NA	NA	域对抗神经网络	泛化能力、预测鲁棒性、准确性	NA
11485	2026-01-14	Predicting Single Neuron Responses of the Primary Visual Cortex with Deep Learning Model 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202305626 PMID:38350735	研究论文	本文提出了一种用于预测小鼠初级视觉皮层（V1）单神经元对自然刺激响应的先进计算模型	该算法结合物体位置并集成多个具有不同训练-验证数据的模型，在跨被试预测中比现有模型提升了15%-30%，并在SENSORIUM 2022挑战赛中排名第一	NA	预测初级视觉皮层单神经元对自然刺激的响应，以帮助理解神经机制并应用于脑机接口等下一代技术	小鼠初级视觉皮层（V1）的单神经元	机器学习	NA	NA	深度学习模型	图像	基于数千张图像的数据集	NA	NA	预测准确率	NA
11486	2026-01-13	Applications of artificial intelligence-based conversational agents in healthcare: A systematic umbrella review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106204 PMID:41337874	综述	本文对人工智能对话代理在医疗保健领域的应用进行了系统性的伞状综述	首次对AI对话代理在医疗保健领域的应用和有效性进行全面的全球性综合评估	难以就当前AI对话代理在医疗保健领域的整体有效性得出结论，且存在研究领域不平衡的问题	全面概述AI对话代理在医疗保健领域的当前应用及相关健康结果	2000年至2025年间发表的同行评审系统综述文章	自然语言处理	NA	深度学习	NA	文本	44篇综述文章	NA	NA	NA	NA
11487	2026-01-13	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习在生理时间序列数据（特别是ECG和EEG频谱）中异常检测的应用方法及效果	通过系统综述比较了不同机器学习方法在生理频谱异常检测中的性能，并指出无监督Transformer模型在该领域表现最优	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能遗漏了其他有价值但性能略低的方法	评估机器学习在生理时间序列频谱数据异常检测中的应用效果，并推荐最佳方法	ECG（心电图）和EEG（脑电图）的频谱数据	机器学习	心血管疾病	频谱分析	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据	NA	NA	Transformer	AUC, 准确率, F1分数	NA
11488	2026-01-13	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究评估了整合超声和多序列MRI的深度学习放射组学列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能	开发了一种整合临床参数、超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了多中心验证	回顾性研究设计，样本量相对较小（103例患者），且仅针对三阴性乳腺癌这一特定亚型	评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后方面的性能	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	超声成像, 多序列磁共振成像	深度学习放射组学模型	二维超声图像, 三维MRI图像	103例患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
11489	2026-01-13	Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70079 PMID:41024593	研究论文	本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像对常见美容填充剂进行可靠鉴别	首次将人工智能深度学习应用于超声图像中美容填充剂的鉴别，填补了该领域的研究空白	对钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化	开发人工智能深度学习模型以在真实条件下通过超声图像准确鉴别不同类型的美容填充剂	超声图像中的美容填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油	计算机视觉	NA	超声成像	深度学习	图像	1432张来自6个国家14位医生收集的超声图像	NA	YOLO, YOLOv11	准确率, F1分数, 精确率, 召回率	NA
11490	2026-01-13	DeepMLP: A Proteomics-Driven Deep Learning Framework for Identifying Mis-Localized Proteins across Pan-Cancer 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02226 PMID:41436377	研究论文	本文提出了一种名为DeepMLP的蛋白质组学驱动的深度学习框架，用于在泛癌中识别错误定位的蛋白质	通过交叉注意力机制构建通路感知的蛋白质表示，并结合动态蛋白质-蛋白质相互作用网络，协同增强识别潜在癌症错误定位蛋白质的能力	未明确说明	识别泛癌类型中的错误定位蛋白质，特别是错误定位的蛋白激酶，并探索其在肿瘤发生中的潜在生物学相关性	错误定位的蛋白质（MLPs），特别是蛋白激酶	机器学习	癌症	大规模质谱蛋白质组学数据	深度学习	蛋白质组学数据	未明确说明	未明确说明	图注意力网络（GAT），结合交叉注意力机制	准确性，稳定性	未明确说明
11491	2026-01-13	"Super-Resolution" Deep Learning Image Reconstruction in Dynamic Myocardial Perfusion: A Prospective Evaluation of Image Quality and Hemodynamic Parameters 2026-Jan-12, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001840 PMID:41521534	研究论文	本研究前瞻性评估了超分辨率深度学习重建（SR-DLR）在动态心肌CT灌注中对图像质量和血流动力学参数的影响	首次在动态心肌CT灌注中比较SR-DLR与传统重建方法（FBP、混合IR、NR-DLR）对图像质量和血流动力学参数的影响	单中心研究，样本量较小（25例患者），未评估长期临床结局	评估SR-DLR在动态心肌CT灌注中提升图像质量和保持血流动力学参数准确性的能力	25例接受动态心肌CT灌注的患者（平均年龄65±10岁，21名男性）	医学影像分析	心血管疾病	动态心肌CT灌注成像	深度学习重建模型	CT影像	25例患者	NA	超分辨率深度学习重建（SR-DLR），正常分辨率深度学习重建（NR-DLR）	图像噪声，信噪比（SNR），对比噪声比（CNR），整体图像质量，病变可见性，心肌血流量（MBF），冠状动脉血流储备（CFR）	NA
11492	2026-01-13	Artificial Intelligence in Snoring Sound Analysis: OSA Detection and Obstruction Site Classification, a Systematic Review 2026-Jan-12, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70114 PMID:41521859	系统综述	本文系统综述了机器学习和人工智能模型在鼾声分析中用于检测阻塞性睡眠呼吸暂停（OSA）及基于VOTE系统进行阻塞部位分类的应用	首次系统性地评估了AI/ML在鼾声分析中同时用于OSA检测和VOTE系统阻塞部位分类的研究现状与性能	存在外部验证有限、数据集不平衡、噪声干扰等挑战，且缺乏真实世界的临床验证	评估机器学习和人工智能模型在分析鼾声以检测阻塞性睡眠呼吸暂停（OSA）及分类阻塞部位（基于VOTE系统）中的应用	鼾声信号	机器学习	阻塞性睡眠呼吸暂停	声学分析	SVM, CNN, 混合深度学习架构, kNN	音频信号	NA	NA	NA	准确率, 未加权平均召回率	NA
11493	2026-01-13	AI-driven peptide discovery for endometrial cancer: deep generative modeling and molecular simulation in the big data era 2026-Jan-12, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00735-9 PMID:41524971	研究论文	本研究开发了一个结合深度强化学习、生成对抗网络和变分自编码器的AI驱动生成管道，用于设计靶向子宫内膜癌关键蛋白的新型肽类分子	首次将深度强化学习、生成对抗网络和变分自编码器集成到一个统一的AI生成管道中，用于针对多种子宫内膜癌相关蛋白进行肽类药物设计，并通过分子动力学模拟和自由能计算进行综合验证	研究主要基于计算模拟和预测，缺乏体外或体内实验验证；生成的肽类分子数量虽多，但实际成药性仍需进一步实验评估	开发一个AI驱动的肽类药物发现框架，用于加速针对子宫内膜癌的下一代治疗药物的开发	靶向子宫内膜癌关键蛋白（AKT1, ESR1, Connexin-43, CTNNB1）的新型肽类分子	计算药物发现	子宫内膜癌	深度学习生成模型，分子对接，分子动力学模拟，自由能计算，ADMET预测	DRL, GAN, VAE	分子结构数据，蛋白质-配体相互作用数据	生成了超过14,200个结构，其中约2,313个肽类分子通过初步筛选	未明确指定	未明确指定	结合自由能（kcal/mol），RMSD（Å），ADMET预测参数	未明确指定
11494	2026-01-13	Automated detection of gallbladder stones using a deep learning algorithm on computed tomography scans 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05352-6 PMID:41524986	研究论文	本研究开发并评估了一种用于在CT扫描中自动检测胆结石的深度学习算法	首次在CT扫描中应用深度学习算法进行胆结石的自动化检测，并评估了其诊断准确性	回顾性单中心研究，样本量相对有限，且对气体性、等密度和小型结石的检测敏感性较低	开发并评估一种用于自动检测胆结石的深度学习算法的诊断准确性	CT扫描图像中的胆结石	计算机视觉	胆结石病	CT扫描	深度学习模型	图像	493例胆结石阳性、470例胆结石阴性和180例胆囊切除后的CT扫描	NA	NA	Dice系数, 敏感性, 特异性, ROC分析	NA
11495	2026-01-13	Deep learning in enhanced CT imaging: predicting invasion depth of rectal adenocarcinoma 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05368-y PMID:41524989	研究论文	本研究开发并评估了一个深度学习模型RectoDepthAI，利用增强CT图像准确预测直肠腺癌的肿瘤浸润深度，区分早期和晚期肿瘤	结合ResNet-18和LSTM网络处理静脉期CT切片序列，并利用Grad-CAM增强模型可解释性	NA	开发深度学习模型以非侵入性评估直肠腺癌的肿瘤浸润深度	直肠腺癌患者	计算机视觉	直肠癌	增强CT成像	CNN, LSTM	图像	934名患者	NA	ResNet-18, LSTM	AUC, 准确率, 灵敏度, 特异性	NA
11496	2026-01-13	Bioinformatics insights into plant genomic imprinting: approaches, challenges, and future perspectives 2026-Jan-09, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf025 PMID:41511814	综述	本文综述了植物基因组印记的生物信息学见解，包括研究方法、挑战及未来展望	系统总结了单细胞组学、机器学习和深度学习在植物印记基因识别与网络建模中的革命性应用，并展望了人工智能驱动的表观遗传育种策略	未涉及具体实验验证，且多组学数据整合仍面临挑战	探讨植物基因组印记的识别、功能注释、调控机制及其在农业育种中的应用前景	植物基因组印记现象，特别是模式植物（如拟南芥、玉米、水稻）中的印记基因	生物信息学	NA	单细胞组学	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
11497	2026-01-13	Artificial Intelligence in Diabetic Kidney Disease Research: Bibliometric Analysis From 2006 to 2024 2026-Jan-09, JMIR diabetes DOI:10.2196/72616 PMID:41511856	综述	本文对2006年至2024年间发表的AI相关糖尿病肾病研究进行了全面的文献计量和转化分析	首次系统性地利用文献计量学工具（如CiteSpace和VOSviewer）对AI在糖尿病肾病领域的研究趋势、合作网络、主题演变及临床转化程度进行了可视化与定性评估	研究主要基于Web of Science数据库的英文文献，可能遗漏其他语言或数据库的出版物；且定性评估指出，大多数研究缺乏外部验证或可解释性框架，临床转化仍有限	旨在通过文献计量分析，揭示AI在糖尿病肾病研究中的应用格局、发展趋势、合作模式及临床转化挑战	2006年至2024年间发表的、应用AI技术于糖尿病肾病的英文原创研究文章	机器学习	糖尿病肾病	文献计量分析、系统综述	NA	文本（文献数据）	384项研究	CiteSpace, VOSviewer	NA	NA	NA
11498	2026-01-13	Ensemble deep learning architectures for detecting pulmonary tuberculosis in chest X-rays 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30792-x PMID:41513737	研究论文	本文提出了一种集成深度学习架构，用于从胸部X光片中检测活动性肺结核	将卷积自编码器神经网络与具有深度层聚合的多尺度卷积神经网络集成到一个学习架构中，用于稳健的结核病检测，并在多个数据集上实现了最先进的性能	NA	开发一种适用于资源匮乏环境的、具有成本效益的自动化结核病筛查方法	胸部X光片	计算机视觉	肺结核	NA	CNN, 自编码器	图像	两个公共数据集和一个私有数据集	NA	卷积自编码器神经网络, 多尺度卷积神经网络	灵敏度, 特异性, 准确率, AUC	NA
11499	2026-01-13	Early detection of air leakage in IoT-connected compressors using enhanced data sampling with deep learning 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29522-0 PMID:41507227	研究论文	本文提出了一种结合无监督增强数据采样和蒙特卡洛丢弃神经网络的端到端框架，用于物联网连接压缩机中的早期空气泄漏检测	提出了一种新颖的无监督增强数据采样方法（UEDSM），在缓解类别不平衡的同时保持数据结构，并集成了一种支持丢弃的神经网络（ALDNet），利用蒙特卡洛丢弃进行鲁棒推理	未明确说明方法在其他类型工业设备或更大规模数据集上的泛化能力	解决智能工厂中空气泄漏的早期检测问题，以减少成本和运营效率低下	制造工厂中的物联网连接空气压缩机	机器学习	NA	实时物理监测	深度学习神经网络	传感器数据（来自物联网连接的压缩机）	两台空气压缩机的实时监测数据	未明确指定，可能为TensorFlow或PyTorch	ALDNet（一种支持丢弃的神经网络）	准确率，F1分数	未明确指定，但提及适用于边缘环境部署
11500	2026-01-13	Application and accuracy analysis of different facial regions based on deep learning in the diagnosis of hypertension 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30936-z PMID:41484198	研究论文	本研究开发了一种基于深度学习的非侵入性面部图像分析方法，用于高血压的早期筛查	通过改进的U-Net模型将面部细分为六个解剖区域，并发现仅使用颧骨和脸颊区域即可达到与全脸模型相当的诊断准确率，表明这些区域集中了与高血压相关的生理信号	样本量相对较小（共506名参与者），且研究未在更广泛或多样化的人群中进行外部验证	开发一种可扩展、被动、非侵入性的高血压早期筛查工具	375名高血压患者和131名血压正常对照者的面部图像	计算机视觉	心血管疾病	面部图像分析	CNN	图像	506名参与者（375名高血压患者，131名血压正常对照者）	NA	U-Net, ResNet	mIoU, 准确率	NA