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
1661	2026-01-30	Integrating Blockchain Traceability and Deep Learning for Risk Prediction in Grain and Oil Food Safety 2026-Jan-22, Foods (Basel, Switzerland) DOI:10.3390/foods15020407 PMID:41597004	研究论文	本研究提出了一种结合区块链溯源机制和深度学习（特别是GRA与TabNet-BO）的风险预测模型，用于粮油食品安全领域，旨在提升预测精度和数据管理的透明度与可信度	创新点在于将区块链的溯源能力与深度学习模型（GRA与TabNet-BO结合）集成，通过智能合约进行预测交互，并仅将超标数据上传至区块链，优化存储并确保数据真实性与可追溯性	未明确提及模型在更广泛数据集或实际部署中的泛化能力、计算成本或区块链网络的可扩展性限制	研究目标是实现粮油食品安全的早期预警分析和风险控制，通过提升预测准确性和数据管理可信度来保障公共健康	研究对象是粮油食品的质量和安全风险数据	机器学习	NA	深度学习，区块链技术，智能合约	TabNet	表格数据	NA	NA	TabNet	NA	NA
1662	2026-01-30	CHARMS: A CNN-Transformer Hybrid with Attention Regularization for MRI Super-Resolution 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020738 PMID:41600530	研究论文	本文提出了一种名为CHARMS的轻量级CNN-Transformer混合模型，用于磁共振成像超分辨率重建，旨在平衡重建质量与计算效率	提出了一种结合CNN和Transformer的轻量级混合架构，并引入了注意力正则化机制来抑制冗余激活、稳定训练并增强模型在不同对比度和场强下的泛化能力	未明确提及模型在更广泛或更具挑战性的临床数据集上的泛化性能，也未讨论模型在极端低分辨率输入下的表现	开发一种高效、轻量化的深度学习模型，用于磁共振成像的超分辨率重建，以缩短扫描时间并降低硬件要求	磁共振成像数据	计算机视觉	NA	磁共振成像	CNN, Transformer	图像	使用了IXI、人类连接组计划青年成人数据集以及配对的3T/7T数据集	NA	Reverse Residual Attention Fusion, Multi-Depthwise Dilated Transformer Attention	PSNR, SSIM	NVIDIA RTX 4090 GPU
1663	2026-01-30	Wearable ECG-PPG Deep Learning Model for Cardiac Index-Based Noninvasive Cardiac Output Estimation in Cardiac Surgery Patients 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020735 PMID:41600528	研究论文	本研究开发并验证了一种基于可穿戴心电图和光电容积脉搏波信号的轻量级深度学习模型，用于预测心输出量，并探讨了基于心脏指数归一化对性能的提升	提出了一种结合可穿戴ECG和PPG信号的深度学习模型，首次在心脏手术患者中实现了基于心脏指数的无创心输出量连续估计，并通过交叉模态交互网络提升了预测准确性	研究样本量较小（27名患者），且性能评估中的百分比误差基准（<30%）并非通用的临床标准，模型的泛化能力有待在更大规模人群中验证	开发一种无创、连续的心输出量监测方法，以替代传统有创监测，用于心脏手术患者的血流动力学管理	接受心脏手术并置入肺动脉导管的患者	机器学习	心血管疾病	心电图, 光电容积脉搏波	深度学习	生理信号（ECG, PPG）	27名心脏手术患者	NA	ECG-PPG融合网络（含交叉模态交互）	平均绝对误差, 均方根误差, 偏差, 皮尔逊相关系数, 百分比误差	NA
1664	2026-01-30	A Sensor-Oriented Multimodal Medical Data Acquisition and Modeling Framework for Tumor Grading and Treatment Response Analysis 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020737 PMID:41600529	研究论文	本文提出了一种基于传感器视角的多模态医学数据采集与建模框架，用于肿瘤分级和治疗反应分析	将肿瘤分级作为弱监督先验融入多模态特征融合和治疗反应建模过程，实现非侵入性分级预测、治疗反应亚型发现和内在机制解释的集成解决方案	未明确提及具体局限性，但可能包括对数据质量和标注的依赖	实现基于多模态医学影像和临床数据的肿瘤分级与治疗反应的联合建模及可解释机制分析	肿瘤患者的多模态医学影像和临床数据	数字病理学	肿瘤	医学影像传感器和临床监测系统	CNN, Transformer, MLP	图像, 临床数据	真实世界临床数据集，具体样本数量未明确	NA	3D ResNet-18, MLP, CNN-Transformer	准确率, kappa系数, AUC, 精确率, 召回率	NA
1665	2026-01-30	From Simplified Markers to Muscle Function: A Deep Learning Approach for Personalized Cervical Biomechanics Assessment Powered by Massive Musculoskeletal Simulation 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020752 PMID:41600545	研究论文	本研究提出了一种结合大规模个性化肌肉骨骼模拟与神经网络的数据驱动框架，用于从非侵入性数据中快速评估颈椎肌肉功能	首次生成了包含一百万个个性化颈椎模型的超大规模数据集，并开发了高效的神经网络映射方法，将计算密集型生物力学问题转化为快速评估工具	模型验证主要基于模拟数据，在真实临床患者中的广泛验证仍需进一步研究	开发个性化颈椎生物力学评估方法，支持精准康复和损伤风险评估	颈椎肌肉功能与生物力学	生物力学与深度学习交叉领域	颈椎疾病与运动功能障碍	肌肉骨骼模拟（OpenSim）、逆动力学模拟	前馈神经网络	运动学数据、人体测量参数、模拟肌肉力数据	一百万个个性化颈椎模型（模拟数据集），包含健康受试者和活动受限患者的验证数据	未明确指定，可能为TensorFlow或PyTorch	前馈神经网络	决定系数	未明确指定，但涉及大规模模拟计算，可能使用高性能计算集群
1666	2026-01-30	Improved Detection of Small (<2 cm) Hepatocellular Carcinoma via Deep Learning-Based Synthetic CT Hepatic Arteriography: A Multi-Center External Validation Study 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020343 PMID:41594319	研究论文	本研究开发了一种基于深度学习的合成CT肝动脉造影技术，用于提高小肝细胞癌的检测性能	利用循环一致生成对抗网络结合注意力模块从非侵入性肝脏动态CT生成合成CT肝动脉造影图像，以增强小肝细胞癌的检测	研究样本量有限，且仅针对肝细胞癌，未涵盖其他肝脏病变	开发并验证一种深度学习算法，通过生成合成CT肝动脉造影图像来改善小肝细胞癌的早期检测	肝细胞癌患者，特别是病灶小于2厘米的小肝细胞癌	计算机视觉	肝细胞癌	CT肝动脉造影，肝脏动态CT	GAN	图像	内部验证集：68名患者，139个病灶；外部验证集：87名患者，117个病灶；总训练集：277名患者	NA	U-GAT-IT	检测率，结构相似性指数，峰值信噪比	NA
1667	2026-01-30	Impact of Deep Learning-Based Reconstruction on the Accuracy and Precision of Cardiac Tissue Characterization 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020348 PMID:41594324	研究论文	本研究评估了基于深度学习的图像重建技术对心脏MRI中T1、T2和T2*映射的准确性和精确度的影响	首次系统评估深度学习重建在心脏组织表征映射中的影响，特别是对T1映射标准偏差的显著降低	研究仅纳入健康成年人样本，缺乏患者队列验证，且未来需要优化协议进一步确认结果	评估深度学习图像重建技术对心脏MRI组织表征准确性和精确度的影响	心脏MRI图像中的心肌组织，通过T1、T2和T2*映射进行表征	医学影像分析	心血管疾病	心脏MRI，T1、T2和T2*映射	深度学习	医学影像	50名健康成年人	AIR Recon DL原型	NA	平均值，标准偏差	NA
1668	2026-01-30	A Clinically Translatable Multimodal Deep Learning Model for HRD Detection from Histopathology Images 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020356 PMID:41594331	研究论文	开发了一种名为TRINITY的多模态深度学习模型，利用组织病理学图像、基于图像的转录组数据和临床分子数据，从H&E染色样本中非侵入性地预测同源重组缺陷状态	提出了一种结合成像、图像转录组和临床分子数据的多模态AI模型，用于从H&E染色全玻片图像中预测HRD状态，为PARP抑制剂治疗提供了一种快速、经济且节省组织的替代检测方法	需要进一步验证以确定其在更广泛癌症类型中的普适性	开发一种非侵入性、快速且成本效益高的方法，用于预测乳腺癌和卵巢癌患者的同源重组缺陷状态，以指导PARP抑制剂治疗决策	乳腺癌和卵巢癌患者的H&E染色全玻片图像、基于图像的转录组数据及临床分子数据	数字病理学	乳腺癌,卵巢癌	下一代测序,全玻片成像	深度学习	图像,转录组数据,临床分子数据	316个TCGA样本（乳腺癌和卵巢癌）以及74个外部盲法研究样本	NA	TRINITY	灵敏度,阴性预测值,阳性预测值,特异性,AUC-ROC	NA
1669	2026-01-30	Honey Botanical Origin Authentication Using HS-SPME-GC-MS Volatile Profiling and Advanced Machine Learning Models (Random Forest, XGBoost, and Neural Network) 2026-Jan-21, Foods (Basel, Switzerland) DOI:10.3390/foods15020389 PMID:41596987	研究论文	本研究开发了一种结合顶空固相微萃取气相色谱-质谱联用技术和先进监督机器学习的工作流程，用于鉴别五种不同植物来源蜂蜜的植物学起源	首次将随机森林、XGBoost和神经网络模型应用于蜂蜜植物源鉴别，并进行了直接比较，在多类预测准确性和模型鲁棒性方面取得了显著进展	研究仅涉及57个蜂蜜样本，样本量相对较小，可能限制模型的泛化能力	开发一种快速、灵敏、可靠的蜂蜜植物学起源鉴别方法	来自五种不同植物（芫荽、橙花、黄芪、迷迭香和chehelgiah）的蜂蜜	机器学习	NA	顶空固相微萃取气相色谱-质谱联用	随机森林, XGBoost, 神经网络	挥发性有机化合物谱	57个蜂蜜样本	NA	随机森林, XGBoost, 神经网络	准确率, F1分数, 特异性	NA
1670	2026-01-30	Artificial Intelligence in Pediatric Dentistry: A Systematic Review and Meta-Analysis 2026-Jan-21, Children (Basel, Switzerland) DOI:10.3390/children13010152 PMID:41597160	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了人工智能在儿童牙科诊断应用中的性能表现	首次针对儿童牙科领域的人工智能诊断模型进行系统综述与定量荟萃分析，并深入探讨了临床转化潜力及研究空白	研究间存在显著异质性，外部验证有限，方法学变异性大，且缺乏前瞻性真实世界研究	评估人工智能模型在儿童牙科诊断应用中的性能，并探讨其临床转化前景	儿童牙科患者（≤18岁）的影像数据及相关诊断任务	数字病理	儿童牙科疾病	影像学检查	CNN, 传统机器学习	影像	32项研究纳入定性分析，15项研究纳入定量分析	NA	卷积神经网络	灵敏度, 特异度, AUC	NA
1671	2026-01-30	Automated Classification of Humpback Whale Calls Using Deep Learning: A Comparative Study of Neural Architectures and Acoustic Feature Representations 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020715 PMID:41600508	研究论文	本文提出了一种基于深度学习的座头鲸叫声自动分类系统，比较了不同神经网络架构和声学特征表示的性能	通过自定义数据预处理流程和神经网络架构，结合预训练模型MobileNetV2，系统比较了Mel频谱图和MFCC特征在座头鲸检测中的效果，发现Mel频谱图在所有模型类型中均表现更优	研究主要依赖公开音频库数据，可能无法涵盖所有座头鲸叫声的变异性；数据增强技术虽被应用，但未详细探讨其对模型泛化能力的具体影响	开发一个可靠的自动化分类系统，用于被动声学监测中座头鲸叫声的检测	座头鲸的叫声音频片段	机器学习	NA	被动声学监测，音频数据处理	CNN, 预训练模型	音频	来自公开音频库的音频片段集合，经过人工仔细检查、编辑和裁剪以最小化偏差或分类错误	TensorFlow, Keras	MobileNetV2, 自定义CNN	准确率, 精确率, 召回率, 马修斯相关系数, 假阴性率	NA
1672	2026-01-30	Comparative Analysis of Deep Learning Architectures for Automatic Tooth Segmentation in Panoramic Dental Radiographs: Balancing Accuracy and Computational Efficiency 2026-Jan-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020336 PMID:41594311	研究论文	本研究系统性地比较了基于U-Net的不同深度学习模型在口腔全景X光片中自动牙齿分割任务上的性能，重点关注了分割精度随计算成本增加的变化	首次系统性地评估了不同编码器骨干网络（ResNet、EfficientNet、DenseNet、MobileNetV3-Small）在牙齿分割任务上的性能与计算效率的权衡，揭示了模型复杂度增加带来的收益递减现象	研究结果仅限于牙齿分割任务，对于其他任务可能得出不同的结论	评估不同深度学习架构在自动牙齿分割任务上的准确性和计算效率，寻找最佳平衡点	口腔全景X光片中的牙齿	计算机视觉	NA	深度学习	CNN	图像	1000张全景X光片（来自Tufts Dental Database）	NA	U-Net, ResNet, EfficientNet, DenseNet, MobileNetV3-Small	Dice系数, IoU	NA
1673	2026-01-30	MG-HGLNet: A Mixed-Grained Hierarchical Geometric-Semantic Learning Framework with Dynamic Prototypes for Coronary Artery Lesions Assessment 2026-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010118 PMID:41596049	研究论文	本文提出了一种用于冠状动脉病变评估的混合粒度分层几何语义学习框架MG-HGLNet	引入了拓扑感知双流编码模块捕获全局血流动力学上下文并纠正空间扭曲，设计了协同频谱形态解耦模块解耦任务特定特征，并实施了混合粒度监督优化策略以有效利用粗粒度标签	NA	通过冠状动脉CT血管造影自动评估冠状动脉病变，以诊断冠状动脉疾病	冠状动脉病变	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习网络	图像	内部数据集	NA	MG-HGLNet, BiV-Mamba	狭窄分级准确率, 斑块分类准确率	NA
1674	2026-01-30	Development of Deep Learning Models for AI-Enhanced Telemedicine in Nursing Home Care 2026-Jan-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020828 PMID:41598766	研究论文	本研究旨在评估养老院中远程医疗支持的急性事件管理效果，并开发深度学习模型对事件进行分类和预测住院转诊	开发了用于养老院远程医疗的深度学习模型，通过多种重采样技术处理数据不平衡问题，模型性能优于传统算法	研究为类实验设计，可能存在选择偏倚；数据仅来自特定养老院连锁机构，可能限制泛化性	评估远程医疗在养老院急性事件管理中的效果，并开发AI模型辅助临床决策	养老院中发生的急性健康事件	机器学习	老年疾病	远程医疗系统	深度前馈神经网络	结构化临床数据（人口统计学、合并症、生命体征、事件特征、结局）	5202个急性事件	NA	256-128-64单元的前馈神经网络（含批归一化、LeakyReLU、Dropout层）	AUC, 准确率, F1分数	NA
1675	2026-01-30	Efficient EEG-Based Person Identification: A Unified Framework from Automatic Electrode Selection to Intent Recognition 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020687 PMID:41600483	研究论文	本文提出了一种统一的深度学习框架，用于基于脑电图（EEG）的个体识别和意图识别，通过自动电极选择和增强的特征提取能力来提高性能	首次提出一个统一的深度学习框架，整合了自动电极选择、个体识别和意图识别，并引入了结合通道注意力机制和多尺度双向编码器（AES-MBE）的新型骨干网络	NA	解决基于EEG的个体识别和意图识别中的挑战，包括端到端流程设计、自动电极选择、特征提取增强以及利用更高层次信息	基于EEG信号的个体识别和意图识别（任务/活动识别）	机器学习	NA	脑电图（EEG）	深度学习	EEG信号	109名受试者，执行4项任务	NA	AES-MBE（结合通道注意力机制和多尺度双向编码器）	准确率	NA
1676	2026-01-30	NTFold: Structure-Sensing Nucleotide Attention Learning for RNA Secondary Structure Prediction 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020688 PMID:41600484	研究论文	本文介绍了一种基于深度学习的虚拟感知框架NTFold，用于准确预测RNA二级结构	提出了结构感知核苷酸注意力学习框架，整合核苷酸注意力模块和结构细化模块，以传感器启发的方式捕获局部和全局核苷酸相互作用	NA	解决RNA二级结构预测这一计算生物学和分子感知中的基本挑战	RNA二级结构	计算生物学	NA	深度学习	注意力机制	序列数据	NA	NA	核苷酸注意力模块, 结构细化模块	NA	NA
1677	2026-01-30	Segmentation-Based Multi-Class Detection and Radiographic Charting of Periodontal and Restorative Conditions on Bitewing Radiographs Using Deep Learning 2026-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020322 PMID:41594298	研究论文	本研究利用基于YOLOv8x-seg的深度学习模型，在咬翼X光片上同时检测八种牙周和修复参数，并评估其诊断性能	首次在咬翼X光片上应用YOLOv8x-seg模型进行多类别牙周和修复条件的检测与分割，实现了同时自动化评估多种口腔健康状况	模型在低频类别（如颈缘间隙、继发龋等）上表现较低，且整体分割性能仍有提升空间	开发一种基于深度学习的自动化方法，用于咬翼X光片上牙周和修复条件的多类别检测与分割	数字咬翼X光片	计算机视觉	牙周病	深度学习	CNN	图像	1197张数字咬翼X光片，包含7860个标注	PyTorch	YOLOv8x-seg	精确度, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	NA
1678	2026-01-30	Proof-of-Concept Machine Learning Framework for Arboviral Disease Classification Using Literature-Derived Synthetic Data: Methodological Development Preceding Clinical Validation 2026-Jan-19, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14020247 PMID:41595383	研究论文	本研究开发了一个基于文献合成数据的机器学习框架，用于虫媒病毒性疾病分类，旨在验证计算可行性并指导未来临床验证	利用文献衍生的合成数据解决虫媒病毒性疾病诊断中的数据稀缺问题，并建立了一个包含多种算法的概念验证框架	研究基于合成数据，尚未进行临床验证，且模型在区分寨卡病毒和基孔肯雅热时性能略有下降	开发一个机器学习框架，用于虫媒病毒性疾病的早期诊断分类	虫媒病毒性疾病（登革热、寨卡病毒、基孔肯雅热）及流感作为阴性对照	机器学习	虫媒病毒性疾病	文献数据合成	MLP, NN, QSVM, BT	文本（症状数据）	28,000条合成记录（每种疾病7,000条）	NA	多层感知器, 窄神经网络, 二次支持向量机, 袋装树	准确率, 精确率, 灵敏度, 特异性, F1分数, AUC-ROC, Cohen's kappa系数	NA
1679	2026-01-30	Computer Vision-Based Corrosion Detection and Feature Extraction for Rock Bolts 2026-Jan-19, Materials (Basel, Switzerland) DOI:10.3390/ma19020392 PMID:41598103	研究论文	本研究通过集成图像处理、深度学习和特征提取方法，开发了一种基于计算机视觉的岩石锚杆腐蚀检测与特征提取技术框架	结合特征金字塔网络增强多尺度目标检测能力，并利用分形布朗运动模型模拟腐蚀形态，验证了分形特征计算的准确性，为金属腐蚀评估提供了可靠的定量指标	NA	解决岩石锚杆腐蚀对工程安全和使用寿命带来的挑战，实现腐蚀检测与监测	岩石锚杆	计算机视觉	NA	图像二值化、灰度矩阵分析、分形布朗运动模型	目标检测算法	图像	NA	NA	特征金字塔网络	NA	NA
1680	2026-01-30	AI-Powered Lateral DEXA Morphometry for Integrated Evaluation of Thoracic Kyphosis and Bone Density Assessment in Patients with Axial Spondyloarthritis 2026-Jan-19, Life (Basel, Switzerland) DOI:10.3390/life16010162 PMID:41598315	研究论文	本研究评估了一种基于YOLO模型的自动化深度学习方法，用于在侧位DEXA扫描中检测椎骨并估计胸椎后凸角度，以评估轴向脊柱关节炎患者的脊柱曲率和骨密度	首次将YOLO模型应用于侧位DEXA扫描的椎骨检测和胸椎后凸角度自动化评估，提供了一种快速、可重复且临床可解释的方法	研究样本量相对较小（512张DEXA图像），且主要基于单一数据集，可能限制模型的泛化能力	开发一种自动化方法，用于准确量化轴向脊柱关节炎患者的胸椎后凸角度和骨密度，以监测疾病进展和指导治疗	轴向脊柱关节炎（axSpA）患者，特别是其脊柱结构和胸椎后凸	计算机视觉	轴向脊柱关节炎	DEXA扫描	CNN	图像	512张标注的DEXA图像，其中182张来自axSpA患者	YOLO	YOLO	相关系数（r），均方误差，敏感性，特异性	NA