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
1	2026-01-07	Predicting lung cancer survival with attention-based CT slices combination 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00404-z PMID:41492270	研究论文	本研究提出了一种基于注意力机制的CT切片组合方法，用于预测非小细胞肺癌患者的两年总生存期	引入软注意力机制识别CT扫描中最相关的切片，并结合EfficientNetB0生成的特征进行生存风险预测，相比传统3D方法更有效	未明确提及具体局限性，但使用了较小的私有数据集，可能影响模型泛化能力	预测非小细胞肺癌患者的两年总生存期，以改善患者护理和治疗结果	非小细胞肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	公共LUNG1数据集和较小的私有数据集	未明确提及	EfficientNetB0	C-index	未明确提及
2	2026-01-07	Performance of deep-learning reconstruction combined with metal artifact reduction algorithm for dual-energy computed tomography angiography in intracranial aneurysm coil embolization 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100715 PMID:41492271	研究论文	本研究评估了深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞术后双能CT血管造影中的诊断性能，旨在确定最佳成像方案	首次将深度学习图像重建与金属伪影减少算法结合应用于颅内动脉瘤栓塞术后的双能CT血管造影，并系统评估了不同能量水平下的成像质量	样本量较小（仅54例患者），且为单中心前瞻性研究，可能限制结果的普遍适用性	评估深度学习重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞术后随访中的诊断信心和成像质量	颅内动脉瘤弹簧圈栓塞术后的患者	数字病理学	颅内动脉瘤	双能计算机断层扫描血管造影	深度学习图像重建	医学影像	54例患者	NA	NA	伪影指数, 信噪比, 对比噪声比, Likert量表评分	NA
3	2026-01-07	Predictive modeling of hospital emergency department demand using artificial intelligence: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106215 PMID:41401760	系统综述	本文系统综述了使用人工智能预测医院急诊科需求的相关研究	系统比较了传统时间序列模型与AI模型（特别是机器学习和深度学习）在急诊需求预测中的表现，并强调了整合外部变量（如天气、空气质量）的重要性	纳入研究数量有限（11篇），缺乏外部验证，且可解释性AI方法应用不足	系统回顾用于医院急诊科需求预测的预测模型，重点关注算法、变量、验证策略及疫情前后的发展	关于医院急诊科需求预测的同行评审研究文献	机器学习	NA	NA	ARIMA, SARIMA, XGBoost, Random Forest, LSTM, CNN	时间序列数据	NA	NA	NA	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
4	2026-01-07	Physics-constrained deep learning for reservoir thermal structure prediction: Enhanced interpretability and extrapolation capability 2026-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125086 PMID:41344133	研究论文	提出一种物理约束深度学习框架（P-DL），用于预测水库垂直热结构，以提高预测精度、物理可解释性和外推能力	结合机制驱动过程模型增强训练数据，将温度剖面转化为物理可解释参数，并通过弱物理约束改进外推能力	NA	快速预测水库垂直热结构，以支持生态保护导向的灵活水库优化策略	向家坝（XJB）水库	机器学习	NA	NA	LSTM	温度数据	NA	NA	LSTM	RMSE, R², KLD, KSS	NA
5	2026-01-07	A prior knowledge-enhanced Transformer model for data anomaly identification and processing in industrial park wastewater treatment plants 2026-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125125 PMID:41389419	研究论文	本研究提出了一种先验知识增强的Transformer模型，用于工业园污水处理厂数据异常识别与处理	将污水处理领域专业知识融入深度学习架构，显著提升了复杂时空耦合异常的高精度识别与重建能力	NA	为工业污水处理提供稳健的数据管理和智能运行创新解决方案	中国两个工业园污水处理厂的运行数据	机器学习	NA	深度学习	Transformer	时序数据	两个污水处理厂一年的运行数据	NA	先验知识增强Transformer	异常识别准确率, 数据重建精度	NA
6	2026-01-07	Deep-Learning Virtual Superior Mesenteric Artery Modeling for Risk Stratification in Pancreas Surgery 2026-Feb, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18543-8 PMID:41251913	研究论文	本研究评估了基于深度学习的虚拟肠系膜上动脉建模，用于三维可视化其走行和分支模式，并关联解剖特征与手术结果	首次将深度学习虚拟建模应用于肠系膜上动脉解剖分析，以预测胰腺手术风险	样本量相对较小（124例），且仅基于两家医疗中心的数据，可能存在选择偏差	评估深度学习虚拟建模在胰腺手术中用于风险分层和预后预测的可行性	接受胰腺切除术的胰腺恶性肿瘤患者	数字病理学	胰腺癌	计算机断层扫描（CT）	深度学习模型	医学影像（CT扫描）	124例患者	NA	NA	NA	NA
7	2026-01-07	Toward accurate breast cancer classification: A review of multi-modal machine learning approaches 2026-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.10.011 PMID:41265505	综述	本文综述了用于乳腺癌分类的多模态机器学习方法，重点关注数据融合、深度学习模型及其在精准肿瘤学中的应用	系统回顾了多模态数据融合技术、基于注意力的Transformer架构在WSI标注中的应用，并讨论了模型可解释性工具	作为综述文章，未提出新的模型或方法，主要基于现有研究进行综合评述	探讨多模态机器学习在乳腺癌分类中的应用，指导未来精准肿瘤学的研究方向	乳腺癌的恶性/良性分类及分子亚型分类	机器学习	乳腺癌	转录组学、影像学、基因组学数据整合	深度学习算法、传统机器学习模型	多模态数据（转录组、影像、基因组）、全切片图像（WSI）	NA	NA	注意力机制Transformer、多示例学习架构	NA	NA
8	2026-01-07	Benchmarking AlphaMissense against ClinVar for Diagnostic Interpretation of Missense Variants in Inherited Retinal Diseases 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100997 PMID:41492285	研究论文	本研究评估了AlphaMissense在遗传性视网膜疾病中错义变异诊断的效用，通过比较其与ClinVar注释的一致性，并探讨其他变异水平指标如何优化预测	首次将AlphaMissense应用于遗传性视网膜疾病基因的错义变异预测，并整合长读长测序进行单倍型变异分析以识别低效等位基因	AlphaMissense在预测低效等位基因（如ABCA4相关疾病）时敏感性较低，且研究主要基于公共数据库变异，可能缺乏临床验证	评估AlphaMissense在遗传性视网膜疾病中错义变异的诊断性能，并探索改进预测准确性的方法	遗传性视网膜疾病相关基因中的错义变异，以及一个接受长读长测序的临床病例	机器学习	遗传性视网膜疾病	长读长测序	深度学习	基因组变异数据	128,248个变异（来自107个IRD基因），其中4,204个具有ClinVar分类；1个临床病例	NA	AlphaMissense	特异性, 敏感性, 假发现率	NA
9	2026-01-07	The Impact of Radiation Dose to Bowel on the Risk of Developing Gastrointestinal Toxicities When Treating Abdominopelvic Soft-Tissue Sarcomas With Preoperative Radiation Therapy 2026-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101953 PMID:41492444	研究论文	本研究探讨了在治疗腹盆腔软组织肉瘤时，辐射剂量对肠道的影响与胃肠道毒性风险之间的关系	采用深度学习模型（nnU-Net）自动勾画肠道结构，并评估传统放疗剂量限制在大型肿瘤治疗中的适用性	回顾性研究设计，样本量较小（76例患者），可能限制了统计功效和普遍性	确定预测腹盆腔软组织肉瘤术前放疗后急性和长期胃肠道毒性的剂量学因素	接受术前放疗和手术的非转移性腹盆腔软组织肉瘤患者	数字病理学	软组织肉瘤	放疗剂量学分析，深度学习自动勾画	深度学习	医学影像（如CT扫描）	76例患者	nnU-Net	nnU-Net	卡方检验，Fisher精确检验，Kaplan-Meier生存分析	NA
10	2026-01-07	PFUS1: Premier pelvic floor ultrasound segmentation dataset. A resource for advancing research 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112346 PMID:41492545	研究论文	本文介绍了一个精心策划的盆底超声视频数据集，用于支持自动化盆底评估、医学图像分割和动态器官追踪的研究	该数据集是首个专注于盆底解剖结构的标注超声视频资源，旨在为计算机辅助诊断和医学图像分析领域的基准测试、可重复性和方法创新提供支持	NA	推动自动化盆底评估、医学图像分割和动态器官追踪的研究	盆底器官的超声视频数据	医学图像分析	盆底疾病	经会阴盆底超声	深度学习模型	超声视频	111名患者	NA	Feature Pyramid Networks (FPNs)	NA	NA
11	2026-01-07	Inundation2Depth: A multi-source dataset for floodwater depth estimation in urban areas 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112347 PMID:41492553	研究论文	本文介绍了Inundation2Depth数据集，用于城市洪水深度估计	提供了一个结合航空影像和LiDAR数据、基于静水假设的洪水深度标签数据集，覆盖多样环境区域	数据基于静水假设，可能无法完全反映动态洪水条件	开发用于洪水深度估计的深度学习模型	城市洪水深度估计	计算机视觉	NA	航空影像, LiDAR, DTM	NA	图像, 点云数据	12个洪水影响区域，覆盖24,649.88英亩，5925个重叠图块	NA	NA	NA	NA
12	2026-01-07	An Integrated Deep Learning and Large Language Model for Burn Wound Depth Recognition 2026-Jan-06, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf170 PMID:41014195	研究论文	本研究开发了一种结合深度学习与大语言模型的低成本人工智能系统，用于烧伤创面深度识别与分类	首次将深度学习分类模型与基于临床指南的专用大语言模型集成，用于烧伤深度评估并提供治疗建议	样本量相对有限（397张原始图像），且仅使用公开数据库图像，可能缺乏临床多样性	开发低成本AI系统以解决急诊环境中烧伤深度准确评估的难题，并辅助医疗教育	烧伤创面图像	计算机视觉, 自然语言处理	烧伤	图像增强, 深度学习, 大语言模型	CNN, LLM	图像	397张原始烧伤创面图像，通过增强扩增至7156张	PaddlePaddle	NA	准确率, 召回率, F1分数	NA
13	2026-01-07	Social network analysis for crime prediction under social computing and deep learning technology 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34891-7 PMID:41491265	研究论文	提出了一种基于账户关联的关键人物识别模型（KPI-AA），用于识别犯罪网络中的核心成员并预测犯罪行为	结合局部邻居相似性和全局边介数，并利用图神经网络对社交网络中的关键节点进行深度表征，以揭示复杂社会结构中的潜在组织核心和犯罪网络中的潜在扩散路径	NA	利用社交计算和深度学习技术进行犯罪预测	犯罪网络、社交网络	机器学习	NA	社交网络分析、图神经网络	GNN	网络数据	Zachary网络、Harry Potter网络、Twitter数据集	NA	NA	传播动力学（感染节点数）、网络鲁棒性（相对连通性）、排名一致性（Kendall's tau系数）、计算效率	NA
14	2026-01-07	Knowledge graph-enhanced deep learning for pharmaceutical demand forecasting 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35113-4 PMID:41491846	研究论文	本文提出了一种结合药物知识图谱与深度学习的新型混合模型KG-GCN-LSTM，用于提高药物需求预测的准确性和鲁棒性	首次将药物知识图谱与深度学习技术（GCN和LSTM）相结合，通过知识图谱编码药物间的替代关系、共病治疗和季节性波动等复杂非线性动态模式	未明确说明模型在不同类型药物或不同规模数据集上的泛化能力，也未讨论知识图谱构建的完整性和准确性对模型性能的影响	提高药物需求预测的准确性，以保障药物及时供应、降低库存成本并提升医疗供应链运营效率	药物需求预测	机器学习	NA	知识图谱，深度学习	GCN, LSTM	时序销售数据，知识图谱	真实世界药房销售数据（具体数量未提供）	NA	KG-GCN-LSTM（混合架构）	对称平均绝对百分比误差	NA
15	2026-01-07	Design and evaluation of a remote damage control surgery real-time guidance system based on HoloLens 2 in low-speed network environments 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34705-w PMID:41491882	研究论文	本研究旨在为低速网络环境开发并评估一个基于HoloLens 2的远程损伤控制手术实时指导系统	提出了一种结合多维损伤数据编码技术、WebSocket长链接协议和分片传输技术的系统，以缓解低速复杂网络环境下的数据传输延迟，并利用混合现实技术实现实时交互式手术指导	研究样本规模较小（28名学生），且仅在动物颅脑创伤模型上进行了评估，未涉及更广泛的损伤类型或临床环境	开发并评估一个适用于低速网络环境的远程损伤控制手术实时指导系统	由28名学生组成的四个手术团队，使用动物损伤平台构建的颅脑创伤模型	数字病理	颅脑创伤	多维损伤数据编码技术, WebSocket长链接协议, 分片传输技术, Wi-Fi通信协议	深度学习, 决策树	多模态数据	28名学生（分为远程组和对照组）	NA	NA	损伤判断评分, 手术操作评分, 整体有效性评分, 手术时间, 动物存活时间, 满意度评分	HoloLens 2沉浸式头戴显示设备
16	2026-01-07	Deep Learning-Based Collateral Scoring on Multiphase CTA in Patients with Acute Ischemic Stroke in the MCA Region 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8911 PMID:40623825	研究论文	本研究开发了一种基于深度学习的自动化方法，用于评估和量化急性缺血性卒中患者多期相CTA中的侧支循环，以减少观察者变异并提高诊断效率	提出了一种结合定制预处理模块的深度学习分类方法，用于自动评估多期相CTA中的侧支循环状态，并证明其在减少观察者变异方面的有效性	研究为回顾性设计，样本量有限（420例），且依赖于手动评估作为金标准，可能存在偏差	开发自动化评估急性缺血性卒中患者侧支循环的方法，以辅助临床决策	急性缺血性卒中患者的侧支循环状态	医学影像分析	急性缺血性卒中	多期相CTA	深度学习分类模型	医学影像（多期相CTA图像）	420例急性缺血性卒中患者	NA	NA	准确率, F1分数, 精确率, 灵敏度, 特异性, AUC, ICC, κ系数	NA
17	2026-01-07	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2026-Jan-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	本研究开发并验证了一种基于深度学习的可解释模型，用于提前预测卵巢癌类器官的生长结果	采用可解释的深度学习模型预测卵巢癌类器官培养结果，并设计了同质迁移学习优化方法以提高性能	未明确提及	开发一个可解释的深度学习模型，以预测卵巢癌类器官的培养结果	卵巢癌类器官	计算机视觉	卵巢癌	纵向显微镜成像	CNN, Transformer	图像	517个卵巢癌类器官液滴（训练集325，验证集88，测试集104），外加179个多中心前瞻性验证样本	NA	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	AUC, Brier分数, 校准曲线, 决策曲线净收益	NA
18	2026-01-07	Deep Learning-Based Acceleration in MRI: Current Landscape and Clinical Applications in Neuroradiology 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8943 PMID:40721279	综述	本文综述了深度学习在加速磁共振成像（MRI）中的当前应用，特别是在神经放射学领域的临床实践	探讨了深度学习图像重建（DLBIR）从2D到3D采集的演变，以及自监督学习的进展，这些技术能显著减少扫描时间并保持或提升图像质量	DLBIR在跨扫描器和成像条件下的泛化能力有限，易受伪影影响，可能改变病理表现，且供应商特定的闭源算法缺乏训练数据、底层算法和临床验证的透明度	回顾深度学习加速MRI的技术现状、供应商实现及新兴趋势，以促进其在神经影像学中的临床应用	神经影像学中的MRI加速技术，特别是深度学习图像重建方法	医学影像	NA	深度学习图像重建（DLBIR），自监督学习	NA	MRI图像	NA	NA	NA	信噪比（SNR），病变显着性，噪声抑制，诊断准确性	NA
19	2026-01-07	Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8950 PMID:41381352	研究论文	本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在多发性硬化脊髓病变检测中的诊断性能，并与传统MRI序列进行比较	首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量	样本量较小（38例患者），且仅针对多发性硬化或临床孤立综合征患者，未涵盖其他脊髓疾病	评估新型成像技术（3D白质抑制MPRAGE结合深度学习）在脊髓病变检测中的诊断性能	多发性硬化或临床孤立综合征患者的脊髓病变	医学影像分析	多发性硬化	3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列	深度学习去噪模型	MRI图像	38例患者	NA	NA	病变计数、检测置信度、图像质量评分、对比噪声比	NA
20	2026-01-07	Enhanced Neurovascular Imaging Using Ultra-High-Resolution CT and Deep Learning-Based Image Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8964 PMID:41436283	研究论文	本研究评估了基于深度学习的图像重建在超高清CT神经血管成像中的诊断优势，并与标准混合迭代重建方法进行了比较	首次将深度学习重建算法应用于超高清CT神经血管成像，显著提升了图像质量、血管描绘、信噪比和对比噪声比	单中心回顾性研究，样本量有限（100例），仅使用特定供应商的深度学习算法	评估深度学习重建在超高清CT神经血管成像中的诊断效益	100名因急性神经系统症状接受颅脑CT和CTA检查的连续患者	医学影像分析	神经血管疾病	超高清CT、CTA、深度学习图像重建、混合迭代重建	深度学习算法	CT图像	100例患者	供应商特定深度学习算法, Matlab	NA	SNR, CNR, 斜率评估, 图像质量评分, 对比度评分, 伪影评分, 诊断信心评分, 血管可评估性评分	NA