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
1281	2026-01-26	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine Learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	本研究利用机器学习模型从远程视频对话中提取面部、声学、语言和心血管特征，以监测老年人的认知障碍和心理幸福感	通过整合多模态特征（面部、声学、语言和心血管）来量化认知状态和社会心理因素，并进行了特征重要性和偏差分析	样本量较小（仅39名老年人），模型在年龄、性别、疾病状况和教育水平方面存在显著偏差，需要更大规模的数据集以提高泛化能力	开发可扩展的方法来监测老年人的认知衰退和识别痴呆风险的社会心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析	机器学习模型	视频、音频、文本	39名老年人	NA	NA	AUC	NA
1282	2026-01-26	Artificial intelligence in metagenome-assembled genome reconstruction: Tools, pipelines, and future directions 2026-Feb, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107390 PMID:41506577	综述	本文综述了人工智能在宏基因组组装基因组重建中的应用工具、流程及未来方向	系统整合了传统与基于AI的宏基因组组装基因组重建工作流，并重点介绍了表示学习、基于图的分箱方法、AI组装器和抛光工具等创新点，以及可解释AI、联邦学习、多模态整合和基于大语言模型的注释等新兴趋势	NA	探讨人工智能如何克服宏基因组组装基因组重建中的技术挑战，并展望未来发展方向	宏基因组组装基因组重建流程，包括质量控制、组装、分箱、细化和注释	机器学习	NA	宏基因组测序	机器学习, 深度学习	宏基因组测序数据	NA	NA	NA	NA	NA
1283	2026-01-26	ProteinDJ: A high-performance and modular protein design pipeline 2026-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70464 PMID:41562285	研究论文	本文介绍了一个名为ProteinDJ的高性能模块化蛋白质设计流程，旨在解决现有蛋白质设计工具在可扩展性和吞吐量方面的限制	开发了一个专为高性能计算系统优化的开源蛋白质设计流程，通过Nextflow和Apptainer实现工作流并行化，显著提高了设计生成和测试的效率	未明确说明该流程在不同蛋白质靶点或结构类型上的通用性验证程度，也未提供与其他现有流程的直接性能比较数据	开发一个高效、可扩展的蛋白质设计流程，以加速新型合成蛋白质（特别是结合剂）的发现过程	合成蛋白质（蛋白质结合剂）的设计与验证	机器学习	NA	深度学习、蛋白质结构预测、序列设计	扩散模型、神经网络	蛋白质结构数据、序列数据	NA	Nextflow, Apptainer	RoseTTAFold Diffusion, ProteinMPNN, Full-Atom MPNN, AlphaFold2, Boltz-2	NA	高性能计算系统、GPU和CPU并行计算
1284	2026-01-26	Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion 2026-Jan-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06619-3 PMID:41580403	研究论文	本文通过2米/30米数据融合方法，生成了2020年和2022年中国30米分辨率的不透水面覆盖数据集	采用区域自适应深度学习策略，融合高分辨率（2米）卫星影像、Landsat年度合成数据和SRTM高程数据，并利用熵引导分层采样和专家视觉解释生成高质量训练验证样本	数据集仅覆盖中国大陆及有2米卫星影像输入的邻近区域，未涵盖中国全部领土	生成高精度中国不透水面覆盖数据集，支持城市动态分析、环境监测和区域规划	中国大陆及邻近区域的不透水面覆盖	遥感图像处理	NA	卫星遥感、数据融合、深度学习	深度学习模型	卫星影像、高程数据	使用熵引导分层采样和专家视觉解释生成的高质量训练验证样本	NA	NA	空间平均F1分数	NA
1285	2026-01-26	Sickle cell disease detection in low-resource conditions using transfer-learning and contrastive-learning coupled with XAI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35831-9 PMID:41580439	研究论文	本文提出了一种结合迁移学习、对比学习和可解释人工智能的方法，用于在低资源条件下检测镰状细胞病	结合迁移学习、对比学习（使用三元组损失）和可解释人工智能来提升模型在数据稀缺情况下的性能和可解释性	NA	在低资源条件下实现镰状细胞病的早期和准确检测	镰状细胞病	计算机视觉	镰状细胞病	NA	CNN	图像	NA	NA	ResNet-50, DenseNet-121, EfficientNet-B0	NA	NA
1286	2026-01-26	Community Health Nurses' Knowledge and Perceptions of AI in Canada: National Cross-Sectional Survey 2026-Jan-23, JMIR nursing DOI:10.2196/78560 PMID:41576309	研究论文	通过一项全国性的横断面调查，探讨了加拿大社区健康护士对人工智能的认知和看法	首次针对社区健康护士这一特定护理群体，系统调查了他们对人工智能的认知、态度及实践担忧，并分析了知识水平与感知之间的关联	横断面设计无法确定因果关系；样本量相对较小且可能存在自选择偏差；结果可能受加拿大特定医疗环境影响	了解社区健康护士对人工智能的认知、看法及其在实践中的影响，以促进他们更好地参与人工智能的应用	加拿大的社区健康护士	NA	NA	NA	NA	调查问卷数据	228名社区健康护士	NA	NA	卡方检验，比值比	NA
1287	2026-01-26	Effects of Image Degradation on Deep Neural Network Classification of Scaphoid Fracture Radiographs: Comparison Study of Different Noise Types 2026-Jan-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/65596 PMID:41570307	研究论文	本研究评估了深度学习模型在检测舟骨骨折X光片时对不同图像扰动类型的鲁棒性	系统比较了多种图像退化类型（如高斯噪声、模糊、JPEG压缩等）对深度学习模型性能的影响，并量化了图像质量与模型准确性之间的相关性	研究仅针对舟骨骨折这一特定类型，未涵盖其他骨折或医学图像任务，且可能未考虑所有现实世界中的图像变异因素	评估深度学习模型在图像质量变化下的鲁棒性，并探索缓解性能下降的策略	舟骨骨折的X光片	计算机视觉	骨折	X光成像	深度学习模型	图像	NA	NA	NA	准确性, 假阴性率	NA
1288	2026-01-26	Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network 2026-Jan-22, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108923 PMID:41579556	研究论文	本文提出了一种基于坐标卷积神经网络（CoordConv）的自动细胞类型识别方法BP-Coord，用于单细胞RNA测序数据分析	提出BP-Coord方法，通过引入坐标信息作为额外通道来增强模型的空间感知能力，并采用双三次插值上采样层来更好地适应数据中的平移变化	未明确讨论模型在更广泛或更复杂数据集上的泛化能力，以及计算效率与SVM方法的详细对比	开发一种高效且准确的自动细胞类型识别方法，以解决传统SVM方法训练时间长和CNN平移不变性导致误分类的问题	单细胞RNA测序数据中的细胞类型	机器学习	NA	单细胞RNA测序	CNN	基因表达数据（处理为类似图像的结构）	五个公共scRNA-seq基准数据集（包括大规模PBMC数据集）	NA	CoordConv（坐标卷积神经网络），包含双三次插值上采样层	准确率	NA
1289	2026-01-26	An Integrated Deep Learning Framework Leveraging NASNet and Vision Transformer with MixProcessing for Accurate and Precise Diagnosis of Lung Diseases 2026-Jan-22, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2026.100394 PMID:41580084	研究论文	提出了一种名为NASNet-ViT的新型深度学习框架，用于对肺部疾病图像进行准确分类	提出了一种新颖的深度学习框架NASNet-ViT，该框架将NASNet强大的卷积特征提取能力与Vision Transformer的全局注意力机制相结合，并引入了名为MixProcessing的多阶段预处理流程以增强图像质量	未在摘要中明确提及	开发一个强大且可扩展的AI解决方案，以支持临床医生进行及时、精确的肺部疾病诊断	肺部图像	计算机视觉	肺癌	深度学习	CNN, Transformer	图像	未在摘要中明确提及	未在摘要中明确提及	NASNet, Vision Transformer	准确率, 灵敏度, F1分数, 特异性	未在摘要中明确提及
1290	2026-01-26	Integration of AR and deep learning-based image classification using CNN for construction project monitoring 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30149-4 PMID:41565721	研究论文	本研究开发了一个集成增强现实（AR）和基于深度学习的图像分类系统，用于建筑项目的实时进度监控	通过结合AR技术和CNN图像分类，系统不仅能识别建筑类别，还能判断施工阶段，从而更准确地反映实际进度，避免了传统方法仅基于元素计数的局限性	研究仅基于台湾淡江大学的一个室内装修项目案例进行验证，可能缺乏对不同建筑类型或更大规模项目的普适性测试	开发一个自动更新建筑项目进度的系统，通过识别建筑类别和施工阶段来提升进度监控的准确性	建筑项目的进度监控，特别是室内装修工程	计算机视觉	NA	增强现实（AR）、深度学习图像分类	CNN	图像	NA	NA	CNN	准确性	NA
1291	2026-01-26	Prospective evaluation of artificial intelligence (AI) in lumbar spine magnetic resonance imaging (MRI) workflow: from deep learning (DL)-enhanced accelerated acquisition to simultaneous vision-language model (VLM)-based automated report generation 2026-Jan-21, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112695 PMID:41579672	研究论文	本研究前瞻性评估了深度学习增强的加速腰椎MRI与常规MRI的诊断互换性，以及基于视觉语言模型的自动报告生成的诊断一致性和可行性	首次前瞻性评估将AI集成到腰椎MRI工作流中，包括从DL加速采集到VLM自动报告生成的全流程，展示了AI在提升影像效率和一致性方面的潜力	样本量相对较小（70名患者），仅涉及两个机构，且自动报告软件为商业产品，可能限制了通用性	评估AI在腰椎MRI工作流中的临床可行性，包括加速采集和自动报告生成	腰椎MRI图像及相关的病理发现	医学影像分析	腰椎疾病	磁共振成像	深度学习, 视觉语言模型	图像	70名患者，共140次MRI扫描	NA	NA	信噪比, 对比噪声比, 诊断一致性	NA
1292	2026-01-26	Enhancing dietary management and nutritional analysis through deep learning: a multi-model approach for food classification and volume estimation 2026-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32610-w PMID:41559127	研究论文	本文提出了一种基于深度学习的多模型方案，用于食物分类和体积估计，以增强饮食管理和营养分析	采用Inception V3、Mask R-CNN和MiDaS模型相结合的多模型方法，实现了高精度的食物分类和体积估计，并在多个基准数据集上取得了优异的分类准确率	未提及模型在真实世界复杂场景下的泛化能力或计算资源需求	开发一个深度学习解决方案，以精确识别和分析摄入的食物，支持有效的饮食管理	食物图像数据	计算机视觉	NA	深度学习	CNN	图像	使用了多个基准数据集，包括Food101、UEC-food256和Indian Food Images Dataset，但未提供具体样本数量	NA	Inception V3, Mask R-CNN, MiDaS	准确率	NA
1293	2026-01-26	Geospatial-based estimation of NMHC concentrations through an ensemble stacking Geo-AI algorithm to advance air quality assessment 2026-Jan-20, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141210 PMID:41579651	研究论文	本研究提出了一种集成堆叠Geo-AI算法，用于估算台湾非甲烷烃浓度，以提升空气质量评估	通过集成堆叠模型结合多种机器学习算法，显著提高了NMHC浓度估算的预测性能，优于传统统计模型和深度学习模型	由于监测站点稀疏，地理空间估算仍存在限制，且模型在特定区域（如山区）的适用性可能受限	开发一种增强的地理空间框架，以估算非甲烷烃浓度，支持空气质量管理和环境监测	台湾地区的非甲烷烃浓度数据，来自34个监测站点（2015年6月至2021年）	机器学习	NA	地理空间分析，空气质量监测	集成堆叠模型，深度学习，机器学习	地理空间数据，气象数据，土地利用数据	34个监测站点的每日数据（2015年6月至2021年），最后一年用于外部验证	Scikit-learn, TensorFlow或PyTorch（未明确指定，但基于DNN和机器学习模型推断）	Deep Neural Networks, Extreme Gradient Boosting, Gradient Boosting Regressor, LightGBM Regressor, CatBoost Regressor, Random Forest Regressor	R²	NA
1294	2026-01-26	Artificial intelligence for early diagnosis in emergency department 2026-Jan-19, Journal of anesthesia, analgesia and critical care DOI:10.1186/s44158-025-00334-y PMID:41555414	系统综述	本文系统综述了人工智能（AI）在急诊医学中用于早期诊断的应用，探讨了其如何通过机器学习和深度学习技术改变临床实践	系统性地总结了AI在急诊医学早期诊断中的创新应用，强调了其在风险分层、分诊优化和快速诊断方面的预测能力，并指出了算法透明度和临床信任等关键挑战	未提供具体的研究样本量或数据细节，主要基于现有文献的综述，缺乏原始实证数据	探讨人工智能在急诊医学中早期诊断的应用潜力与挑战	急诊医学中的急性疾病，如急性冠脉综合征、中风、脓毒症和呼吸衰竭	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	NA	临床数据、诊断数据、实验室数据、医学影像	NA	NA	NA	NA	NA
1295	2026-01-26	Developing a trustworthy and explainable framework for classifying skin lesions through transfer learning and attention mechanisms 2026-Jan-19, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108914 PMID:41579557	研究论文	本研究开发了一个可信且可解释的深度学习框架，用于皮肤病变分类，结合了迁移学习、注意力机制和集成方法以提高临床准确性和可解释性	创新点包括集成CBAM注意力模块以聚焦临床重要特征，结合EfficientNet-B4、ResNet-50和Inception-v3进行集成预测，并利用Grad-CAM和LIME提供可视化解释	未明确提及具体限制，但可能涉及数据集规模或泛化能力方面的挑战	旨在开发一个高精度且可解释的皮肤病变分类框架，以促进AI在皮肤病学中的安全可靠集成	皮肤病变图像，特别是黑色素瘤	计算机视觉	皮肤癌	深度学习	CNN	图像	HAM10000数据集，并在ISIC-2019和PH2数据集上验证	TensorFlow, PyTorch	U-NET, EfficientNet-B4, ResNet-50, Inception-v3	准确率, 平衡准确率, 灵敏度	NA
1296	2026-01-26	Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability 2026-Jan-16, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129422 PMID:41579739	研究论文	本文提出了一种基于孪生神经网络的拉曼光谱分析方法，以提升模型在复制变异性下的性能	采用孪生神经网络处理拉曼光谱数据，相比传统模型转移方法（如MS和EMSC），无需测试数据信息进行模型调整，且在大训练数据集下表现更优	训练数据负载虽低于传统网络，但在训练与测试数据变异性较大时，损失函数的优化可能仅轻微减少负载	提高拉曼光谱模型在复制变异性下的泛化能力，减少训练与预测数据间的差异影响	四种细菌物种的拉曼光谱数据集（每种包含九个生物复制）以及小鼠组织样本的拉曼光谱数据集	机器学习	NA	拉曼光谱	孪生神经网络	光谱数据	四种细菌物种（每种九个生物复制）和小鼠组织样本数据集	NA	孪生神经网络	NA	NA
1297	2026-01-26	Assessment of the Diagnostic Performance and Clinical Impact of AI in Hepatic Steatosis: Systematic Review and Meta-Analysis 2026-01-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78310 PMID:41529075	系统综述与荟萃分析	本文通过系统综述和荟萃分析，定量评估了人工智能模型在肝脂肪变性诊断中的性能、临床适用性及实施障碍	建立了一个统一、模态无关的分析框架，整合了超越单一模态评估的证据，并深入探讨了研究间异质性来源及临床转化潜力	纳入研究存在显著的异质性（I² >75%），患者选择域存在较高的偏倚风险（44.4%），可能高估了真实世界性能，且临床转化受回顾性设计、缺乏外部验证及数据隐私等实际障碍限制	定量评估AI模型对肝脂肪变性的诊断性能，探索研究间异质性来源，并评估其临床适用性、转化潜力及广泛实施的主要障碍	使用AI进行肝脂肪变性诊断的研究	数字病理学	肝脂肪变性	医学影像数据（如超声）分析	深度学习模型，传统机器学习模型	医学影像数据	36项符合条件的研究（其中33项，含36个队列，纳入亚组分析）	NA	NA	敏感性，特异性，汇总受试者工作特征曲线下面积	NA
1298	2026-01-26	Explainable Multitask Burnout Prediction Using Adaptive Deep Learning (EMBRACE) for Resident Physicians: Algorithm Development and Validation Study 2026-Jan-08, JMIR AI DOI:10.2196/57025 PMID:41505745	研究论文	本文提出了一种名为EMBRACE的可解释多任务深度学习框架，用于预测和解释住院医师的倦怠风险	提出了一种结合自适应多任务深度学习和SHAP可解释性技术的框架，用于临床可解释的倦怠预测	样本量较小（28名住院医师），且研究时间较短（平均3.6天），未来需在不同临床环境中验证和评估长期影响	开发一个可解释且可操作的多任务深度学习框架，用于早期预测住院医师的倦怠	住院医师	机器学习	NA	可穿戴传感器数据采集	深度学习	可穿戴传感器数据	三个数据集：收集的28名住院医师数据、公开的WESAD数据集（15名参与者）、SWELL-KW数据集（25名参与者）	NA	自适应多任务深度学习框架	召回率, 精确率, R2误差	NA
1299	2026-01-26	Machine and Deep Learning for Detection of Moderate-to-Vigorous Physical Activity From Accelerometer Data: Systematic Scoping Review 2026-Jan-08, Interactive journal of medical research IF:1.9Q3 DOI:10.2196/76601 PMID:41505746	综述	本文是关于使用机器学习和深度学习技术从加速度计数据检测中高强度体力活动的系统性范围综述	系统性地综合了ML和DL在MVPA检测中的证据，比较了传统ML、DL和混合模型的性能，并识别了算法偏差、传感器配置和可重复性等关键挑战与新兴机遇	综述指出存在泛化性差距、验证协议不一致以及透明度不足（仅42.5%的研究共享代码和数据）等问题，阻碍了技术转化	旨在综合关于使用机器学习和深度学习技术从加速度计数据中估计和预测中高强度体力活动的证据	使用加速度计数据研究中高强度体力活动检测的学术文献	机器学习	NA	加速度计	随机森林, 支持向量机, 卷积神经网络, Transformer, 长短期记忆网络	加速度计信号数据	NA	NA	卷积神经网络, Transformer, 卷积神经网络与长短期记忆网络的混合模型	F1分数, 准确率	NA
1300	2026-01-26	Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning 2026-Jan-08, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.06.26343539 PMID:41542662	研究论文	本研究开发了一个名为PanSubNet的可解释深度学习框架，用于直接从常规H&E染色全玻片图像预测胰腺导管腺癌的分子亚型	首次提出一个可解释的深度学习框架，利用常规H&E染色全玻片图像进行胰腺癌分子亚型预测，无需昂贵的分子检测	研究基于两个多机构队列，仍需在更多真实世界数据中验证性能	开发一种快速、经济有效的工具，用于从常规组织病理学图像中预测胰腺癌的分子亚型	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	RNA测序, H&E染色	深度学习	全玻片图像	1055名患者（PANCAN队列846名，TCGA队列209名）	NA	双尺度架构, 注意力机制	AUC, 敏感性, 特异性	NA