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
121	2026-01-28	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究提出了一种基于混合注意力机制的深度学习模型，用于利用卫星衍生的臭氧剖面数据预测边界层臭氧浓度	提出了两种新颖的混合深度学习架构（ConvBiGRU-AttentionNet 和 EMD-ConvBiGRU-AttentionNet），首次将注意力机制与卷积门控循环单元结合，并引入经验模态分解提取多尺度时间特征	未明确说明模型在不同地理区域或极端气象条件下的泛化能力，也未讨论计算成本与实时预测的可行性	提高边界层臭氧浓度的预测精度，以应对其非线性动态变化和垂直剖面数据稀缺的挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI/Aura）、经验模态分解	RNN, CNN, GRU, LSTM, 混合模型（GRU-CNN, LSTM-CNN）	时间序列数据（臭氧剖面数据）	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能评分	NA
122	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
123	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
124	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
125	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
126	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
127	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
128	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
129	2026-01-28	Integration of clinical data with scanned ECGs using deep learning methods for stroke risk prediction in Indian patients with atrial fibrillation: evidence from the KERALA-AF study 2026-Jan, The Lancet regional health. Southeast Asia DOI:10.1016/j.lansea.2025.100715 PMID:41583076	研究论文	本研究开发了一种多模态深度学习AI模型，结合临床数据和扫描的心电图图像，用于预测印度心房颤动患者的一年内卒中风险	首次在南亚人群中验证了结合临床数据和扫描纸质心电图图像的多模态深度学习AI模型用于卒中风险预测，并证明心电图图像贡献了超过一半的预测信号	研究样本量相对较小（631例患者），且仅针对印度喀拉拉邦的特定人群，可能限制了结果的普遍适用性	提高心房颤动患者的卒中风险分层准确性，特别是在临床数据有限的南亚人群中	印度喀拉拉邦心房颤动患者	机器学习	心血管疾病	扫描纸质心电图图像	深度学习	表格临床数据, 图像	631例患者（平均年龄64.4岁，54.2%女性），其中25例在一年内发生卒中	NA	多模态深度学习模型	AUC	NA
130	2026-01-28	Whose city is it? Mapping perceived urban livability with citizen-guided AI 2026, npj urban sustainability IF:9.1Q1 DOI:10.1038/s42949-025-00320-x PMID:41583077	研究论文	本文开发了基于公民指导的轻量级深度学习模型（AI-voters），利用开源卫星图像映射城市宜居性，以揭示空间不平等并促进包容性城市发展	通过训练针对规划者和贫困城区居民的不同AI-voters模型，揭示了系统性偏好差异，并采用两步城市形态采样策略将数据需求减少90%，实现了可扩展的参与式映射	研究主要基于加纳大阿克拉都市区的数据，可能在其他地理或文化背景下的普适性有限，且依赖卫星图像可能无法捕捉所有影响宜居性的微观因素	开发一种基于AI的参与式方法，以更包容的方式映射城市宜居性，并暴露隐藏的空间不平等	加纳大阿克拉都市区的城市区域，特别关注贫困城区居民和城市规划者的宜居性偏好	计算机视觉	NA	深度学习	CNN	卫星图像	未明确指定具体样本数量，但通过采样策略将数据需求减少了90%	未明确指定，可能为TensorFlow或PyTorch	未明确指定具体架构，但提及为轻量级深度学习模型	未明确指定具体评估指标，但通过比较AI-voters与人类投票者行为进行验证	未明确指定
131	2026-01-28	A transfer learning-based approach for automated bone fracture classification in X-ray imaging 2026, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X251405099 PMID:41583891	研究论文	本文提出了一种基于迁移学习的集成深度学习模型EnsembleAttenBoneNet，用于X射线图像中骨骨折的自动分类	集成微调的ResNet50和EfficientNetB3模型，并结合Squeeze-and-Excitation注意力机制，以增强特征表示并提高分类准确性	未来研究需扩展数据集并进行真实世界验证以提升模型在医学影像中的实用性	开发一种准确且自动化的骨骨折分类方法，以辅助医学影像诊断	X射线图像中的骨骨折，包括十种不同的骨折类别，如撕脱性、粉碎性、青枝性和病理性骨折	计算机视觉	骨骨折	深度学习	CNN	图像	NA	NA	ResNet50, EfficientNetB3	准确率	NA
132	2026-01-28	Deep learning-based discovery of tetrahydrocarbazoles as broad-spectrum antitumor agents and click-activated strategy for targeted cancer therapy 2026-Jan, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.10.005 PMID:41584336	研究论文	本研究开发了一种数据驱动的分类-生成级联模型，用于发现新型化学型抗肿瘤药物，并通过湿实验验证了其发现	提出了一种结合深度学习的分类-生成级联模型用于药物发现，并验证了发现的四氢咔唑衍生物具有广谱抗肿瘤活性及对多药耐药癌细胞的有效性，同时探索了点击激活前药策略用于靶向癌症治疗	未在摘要中明确说明	利用深度学习指导的表型药物发现方法，寻找新型广谱抗肿瘤药物，并探索靶向癌症治疗策略	小分子化合物（特别是四氢咔唑衍生物）、癌细胞系、多药耐药癌细胞、患者来源类器官、细胞来源的异种移植模型	机器学习	癌症	表型筛选、深度学习、湿实验验证	深度学习模型	化合物库数据、细胞表型数据	未在摘要中明确说明具体数量	NA	分类-生成级联模型	抗肿瘤活性、生长抑制特性、肿瘤生长抑制效果	NA
133	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
134	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
135	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
136	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
137	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
138	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
139	2026-01-28	Application of artificial intelligence in gynecologic cancers: A bibliometric analysis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261416708 PMID:41585300	文献计量分析	本研究通过文献计量分析，系统描绘了人工智能在妇科癌症领域应用的研究格局、趋势和未来方向	首次对人工智能在妇科癌症领域的应用进行了全面的文献计量分析，揭示了研究动态、关键贡献者和新兴主题	分析基于Web of Science数据库，可能未涵盖所有相关文献；研究为描述性分析，未深入评估具体AI方法的技术细节或临床有效性	系统描述人工智能在妇科癌症领域应用的研究现状、趋势和未来方向	关于人工智能在妇科肿瘤学中应用的原始研究文章	机器学习	妇科癌症	文献计量分析	NA	文献元数据	2544篇文章	CiteSpace, VOSviewer	NA	NA	NA
140	2026-01-28	Classifying Obsessive-Compulsive Disorder from Resting-State EEG Using Convolutional Neural Networks: A Pilot Study 2026, Computational psychiatry (Cambridge, Mass.) DOI:10.5334/cpsy.149 PMID:41585367	研究论文	本研究探索使用卷积神经网络（CNN）分析静息态脑电图（EEG）的时频表示，以区分强迫症（OCD）患者与健康对照	首次将CNN应用于静息态EEG的时频表示进行OCD分类，并引入多模态融合方法，显著超越了传统支持向量机（SVM）的性能	样本量较小（仅20名参与者），且缺乏多样化的样本，限制了结果的泛化能力	开发一种基于深度学习的非侵入性方法，用于从静息态EEG数据中识别强迫症	未服药的强迫症患者与健康对照个体的静息态EEG数据	机器学习	强迫症	静息态脑电图（EEG）	CNN, SVM	脑电图（EEG）信号	20名未服药参与者（10名OCD患者，10名健康对照）	NA	2D CNN	准确率, AUC	NA