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
1961	2026-01-19	The Tea-Steeping Metaphor: Origin, Application, Advantages, Disadvantages, and Impact on Forensic Medicine Teaching 2026-Jan-13, Academic forensic pathology DOI:10.1177/19253621251409452 PMID:41541908	综述	本文探讨了“泡茶”隐喻在法医学教学中的起源、应用、优势、局限及实际影响	将“泡茶”这一日常隐喻创新性地应用于法医学教育，为沉浸式、时间依赖性的学习过程提供了新颖的概念化视角	存在时间限制、潜在信息过载以及对最佳学习条件的需求等挑战，限制了其普遍适用性	探索“泡茶”隐喻在法医学教学中的应用价值及其对深度学习、专业认同形成和纵向能力发展的影响	法医学教育中的教学方法和学习者	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
1962	2026-01-19	The 4D Human Embryonic Brain Atlas: Spatiotemporal atlas generation for rapid anatomical changes 2026-Jan-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102702 PMID:41547005	研究论文	本研究提出了一种基于深度学习的群体配准和时空图谱生成方法，构建了用于捕捉胚胎大脑快速解剖变化的4D人类胚胎大脑图谱	引入了时间依赖的初始图谱和对其偏差的惩罚机制，确保在快速发育过程中维持年龄特异性解剖结构	研究样本仅来自鹿特丹围孕期队列的402名受试者，且数据采集时间限于妊娠8至12周	为正常大脑发育提供详细见解并识别异常，旨在改善产前神经发育障碍的检测、预防和治疗	人类胚胎大脑	数字病理学	神经发育障碍	3D超声成像	深度学习	3D图像	402名受试者的831张3D超声图像	NA	NA	解剖准确性（通过消融研究和视觉比较验证）	NA
1963	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
1964	2026-01-19	On scientific foundation models: Rigorous definitions, key applications, and a comprehensive survey 2026-Jan-11, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108567 PMID:41547123	综述	本文对科学基础模型进行了严格定义、分类，并对其在各个科学领域的应用进行了全面调研	首次为科学基础模型提出了包含充分条件和必要条件的严格定义，并基于模型架构、学习目标和训练策略提出了分类法	模型在极端条件下的物理一致性、可解释性和鲁棒性仍面临挑战，计算需求大且缺乏标准化基准	定义科学基础模型并调研其在多科学领域的应用、挑战及未来研究方向	科学基础模型	机器学习	NA	大规模预训练、深度学习	基础模型	多领域科学数据	NA	NA	NA	NA	NA
1965	2026-01-19	A causal bidirectional selective state space model for imaging genetics in neurodegenerative diseases 2026-Jan-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108587 PMID:41547121	研究论文	本文提出了一种用于神经退行性疾病成像遗传学的因果双向选择性状态空间模型（CausalMamba），以解决长序列遗传数据特征提取和遗传、影像与疾病间因果关系建立的挑战	提出了一种结合多级特征提取与因果推理的统一表示学习框架，通过反事实推理和对比学习策略构建从遗传到疾病经由影像的因果链，并利用双向选择性状态空间模型高效整合特征	未明确说明模型在更广泛疾病类型或更大规模数据集上的泛化能力，以及因果推断策略的潜在假设限制	旨在揭示神经退行性疾病的病理机制并改善其诊断	神经退行性疾病（如阿尔茨海默病和帕金森病）的遗传与脑影像数据	成像遗传学	神经退行性疾病	深度学习，因果推理	双向选择性状态空间模型（BiMamba），因果模型	遗传序列数据，全脑影像数据	模拟数据集、阿尔茨海默病神经影像倡议（ADNI）数据集和帕金森病进展标志物倡议（PPMI）数据集	未明确指定，但基于深度学习框架	CausalMamba（因果双向选择性状态空间模型），BiMamba	准确率	未明确指定，但提及计算效率更高
1966	2026-01-19	Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system 2026-Jan-10, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110061 PMID:41547313	研究论文	本文提出了一种基于深度学习的生成网络，利用单红外遥感系统测量数据重建三维气体泄漏羽流的位置与分布	提出了一种基于八叉树表示的深度学习生成网络，能够仅使用单遥感系统数据实现从粗到细的三维气体羽流重建，显著降低了部署成本和计算资源需求	红外遥感仪器的分辨率以及计算机存储容量限制了气体羽流重建可达到的空间分辨率	解决气体泄漏羽流的三维空间定位与分布重建问题，为环境监测和应急管理提供支持	泄漏气体羽流	计算机视觉	NA	红外遥感	生成网络	二维投影浓度测量数据	NA	NA	基于八叉树表示的生成网络	NA	NA
1967	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
1968	2026-01-19	A comprehensive survey of genome language models in bioinformatics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf724 PMID:41537311	综述	本文全面综述了基因组语言模型在生物信息学中的发展、架构、训练策略、评估方法、下游任务及未来挑战	将DNA和RNA序列概念化为生物文本，利用大语言模型技术识别复杂基因组语法和远距离调控相互作用，克服传统深度学习方法在基因组序列表征上的局限性	面临数据稀缺性、模型可解释性以及基因组建模的计算需求高等挑战	综述基因组语言模型在生物信息学领域的应用、方法学及未来发展方向	DNA和RNA序列	自然语言处理, 生物信息学	NA	基因组语言模型	Transformer, Hyena卷积, 状态空间模型	基因组序列	NA	NA	Transformer, Hyena, 状态空间模型	监督学习, 零样本学习, 少样本学习	NA
1969	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
1970	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
1971	2026-01-19	Neurosymbolic AI Framework for Explainable Retinal Disease Classification From OCT Images 2026-Jan-05, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.1.6 PMID:41533847	研究论文	提出了一种神经符号AI框架，用于从OCT图像中解释性分类视网膜疾病	将卷积神经网络与基于专家临床规则的符号推理层相结合，提高了诊断性能并提供了透明、临床可解释的决策	未明确提及	提高视网膜疾病分类的准确性和可解释性，以支持有效的治疗和临床决策	视网膜疾病，包括干性年龄相关性黄斑变性、湿性AMD、视网膜前膜、全层黄斑裂孔、板层黄斑裂孔和中心性浆液性脉络膜视网膜病变	计算机视觉	视网膜疾病	光学相干断层扫描	CNN	图像	10,846张OCT图像	NA	CNN	宏精确率, 召回率, F1分数	NA
1972	2026-01-19	Artificial intelligence-enabled electrocardiography from scientific research to clinical application 2026-Jan, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00351-y PMID:41326714	综述	本文综述了人工智能在心电图分析中的革命性应用，从科学研究到临床实践的转变	AI-ECG能够直接从原始信号处理复杂高维数据，揭示传统方法常遗漏的模式，如无症状低射血分数和阵发性心房颤动的迹象	NA	探讨人工智能如何改进心电图在心血管诊断中的应用，包括诊断、风险分层和社区筛查	心电图数据及其在心血管疾病诊断中的应用	机器学习	心血管疾病	心电图	深度学习	信号数据	NA	NA	NA	NA	NA
1973	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
1974	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
1975	2026-01-19	Automated Learning of a Dense Manifold of Electronic States and Electronic Energy Transfer and Reactions in Singlet O Collisions with N2 2026, Research (Washington, D.C.) DOI:10.34133/research.0992 PMID:41541569	研究论文	本文提出了一种深度学习框架，用于自动发现和拟合单线态氧原子与氮分子碰撞的兼容势能矩阵，并开发了新的动力学方法以计算电子非绝热截面	应用深度神经网络自动学习密集电子态流形，并提出了渐近扩展的κCSDM半经典动力学方法，解决了相互作用原子-双原子系统与完全分离终态之间对称性冲突的问题	NA	模拟极端条件下的电子能量转移，涉及化学、物理和航空航天工程领域	单线态氧原子与氮分子的碰撞系统	机器学习	NA	深度神经网络，半经典动力学方法	深度神经网络	势能矩阵，势能面梯度	NA	NA	NA	NA	NA
1976	2026-01-19	Differentiating cytology of pancreatic ductal adenocarcinoma and pancreatic neuroendocrine tumors by EUS-FNA through hyperspectral imaging technology combined with artificial intelligence 2026, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251414188 PMID:41541641	研究论文	本研究开发了一种基于高光谱成像技术和卷积神经网络的模型，用于辅助诊断胰腺导管腺癌和胰腺神经内分泌肿瘤的液基细胞学标本	结合高光谱成像技术捕获传统成像无法获取的光谱特征，并利用改进的ResNet18模型进行分析，通过属性引导因子可视化技术解释模型决策过程	样本量相对较小（59名患者），模型性能需在更大规模数据集中进一步验证	开发人工智能辅助诊断工具，以准确区分胰腺导管腺癌和胰腺神经内分泌肿瘤	通过内镜超声引导细针穿刺获取的胰腺导管腺癌和胰腺神经内分泌肿瘤液基细胞学标本	数字病理学	胰腺癌	高光谱成像, 内镜超声引导细针穿刺, 液基细胞学	CNN	高光谱图像	59名患者，共2014张高光谱图像	NA	改进的ResNet18	灵敏度, 特异度, 准确率, AUC	NA
1977	2026-01-19	Exploring the feature prioritization and data sampling of PCOS diagnosis via densely connected attention based squeeze deep learning detection model 2025-Dec-31, The Journal of steroid biochemistry and molecular biology IF:2.7Q3 DOI:10.1016/j.jsbmb.2025.106933 PMID:41482077	研究论文	本文提出了一种结合特征优先排序和数据采样的PCOS诊断方法，通过密集连接注意力挤压深度学习检测模型提高诊断准确性	提出了一种统一的流程，同时解决PCOS检测中的三个主要挑战：数据集不平衡（SMOTE-ENN）、特征冗余（GS2TM）和过拟合（带注意力的DASCD），提供高准确性和增强的可解释性	NA	开发一个稳健的PCOS检测模型，解决症状复杂性和数据集不平衡问题	多囊卵巢综合征（PCOS）的诊断	机器学习	多囊卵巢综合征	NA	深度学习	表格数据	NA	NA	密集连接注意力挤压卷积检测模型（DASCD）	准确率	NA
1978	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
1979	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
1980	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