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	2026-02-18	Fast cardiac magnetic resonance (CMR) protocol for biventricular functional assessment and tissue characterisation 2026-Apr-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134197 PMID:41605334	研究论文	本研究比较了传统标准心脏磁共振协议与结合深度学习重建的新型快速协议，在图像质量、功能测量、心肌表征和总扫描时间方面的表现	引入了基于深度学习的快速心脏磁共振协议，显著缩短了扫描时间，同时保持了图像质量和功能测量的准确性	研究样本为连续患者，可能存在选择偏倚；未评估长期临床结果	比较传统与快速心脏磁共振协议的性能，以缩短扫描时间并维持诊断质量	已知或疑似心肌疾病的患者	数字病理学	心血管疾病	心脏磁共振成像	深度学习	图像	100名连续患者	NA	NA	Likert评分、心室大小、功能、左心室质量、采集时间	NA
2	2026-02-18	Mitigating data center bias in cancer classification: Transfer bias unlearning and feature size reduction via conflict-of-interest free multi-objective optimization 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103351 PMID:41554188	研究论文	本文提出了一种基于冲突利益无关多目标优化的遗忘学习方法，以减轻癌症分类中数据中心偏见的负面影响	通过冲突利益无关多目标优化训练遗忘层，明确减少对无关模式的依赖，并联合降低特征维度和排除冲突利益样本	研究主要关注癌症相关特征和数据中心的偏见，尽管方法具有模型无关性，但未在其他领域广泛验证	减轻深度学习模型在癌症分类中的数据中心偏见，提高模型在未见数据中心上的泛化能力	癌症相关特征和包含数据中心偏见的训练数据	机器学习	癌症	深度学习特征提取	深度学习模型	特征数据	NA	NA	NA	内部准确率, 外部准确率	NA
3	2026-02-18	IKDP: Implicit Knowledge Enhanced Disease Prediction via heterogeneous admission sequence graphs 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103365 PMID:41604873	研究论文	提出一种基于异质入院序列图的隐式知识增强疾病预测模型（IKDP），以改进电子健康记录中的疾病关系表示与预测	通过构建异质入院序列图捕获隐式知识（如患者间相似性与潜在疾病关联），并设计辅助预训练策略与端到端优化框架，同时利用关键路径分析与相似患者信息增强预测可解释性	未明确说明模型在外部数据集上的泛化能力或对特定疾病类型的适用性限制	提升基于电子健康记录的疾病预测准确性并增强预测可解释性	电子健康记录中的患者入院序列数据	医疗人工智能	NA	异质图构建与表示学习	图神经网络	序列化医疗事件数据	NA	NA	异质入院序列图（SeqGs）	NA	NA
4	2026-02-18	Comprehensive review of heart disease prediction: A comparative study from 2019 onwards 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103354 PMID:41619515	综述	本文对2019年以来心脏疾病预测的研究现状进行了全面回顾和比较分析，探讨了从传统诊断技术向现代机器学习和深度学习方法转变的趋势	系统性地评估了各种预测算法的有效性和局限性，并探讨了心血管疾病与肾结石之间的关系对未来预测模型发展的潜在影响	作为综述文章，主要基于现有文献进行分析，未提出新的原始模型或进行实证数据验证	评估心脏疾病预测领域的最新进展，为未来研究提供路线图	心脏疾病预测相关的机器学习与深度学习算法及文献	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
5	2026-02-18	Uncertainty in deep learning for EEG under dataset shifts 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103374 PMID:41650580	研究论文	本研究探讨了在脑电图数据分类任务中，不同集成学习策略对模型性能和不确定性估计的影响，特别是在数据集偏移情况下的表现	系统评估了集成方法和蒙特卡洛丢弃法在脑电图分类任务中的不确定性估计能力，并首次在模拟脑电图特定偏移（噪声、漂移、频率扰动）的场景下进行了测试	研究主要关注脑电图数据和特定疾病分类任务，其结论在其他模态医学数据或任务中的普适性有待验证	研究深度学习模型在脑电图数据分类中的不确定性估计，特别是在数据集偏移或分布外场景下的可靠性	用于分类正常、轻度认知障碍和痴呆的脑电图数据	机器学习	老年疾病	脑电图	深度学习集成模型, 蒙特卡洛丢弃	脑电图信号	大型脑电图数据集（具体数量未在摘要中说明）	NA	NA	分类性能指标, 不确定性估计可靠性	NA
6	2026-02-18	A novel ECG QRS complex detection algorithm based on dynamic Bayesian network 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103370 PMID:41653675	研究论文	本文提出了一种基于动态贝叶斯网络的新型心电图QRS波群检测算法，通过整合RR间期概率分布和波形信息，提高了噪声鲁棒性	首次将动态贝叶斯网络应用于QRS检测，并整合RR间期概率分布，通过无监督参数优化适应个体差异，实现了波形与节律信息的统一概率建模	NA	提高可穿戴心电图设备中QRS波群检测的准确性和噪声鲁棒性	心电图信号中的QRS波群	机器学习	心血管疾病	动态贝叶斯网络，期望最大化算法	动态贝叶斯网络	心电图信号	NA	NA	动态贝叶斯网络	准确性，噪声鲁棒性，泛化能力，实时性，可扩展性	NA
7	2026-02-18	EEG-based epileptic seizure prediction with patient-tailored spectral-spatial-temporal feature learning 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103371 PMID:41633018	研究论文	本文提出了一种基于EEG的癫痫发作预测方法，通过患者定制的谱-空-时特征学习网络（PSP-Net）实现个性化预测	引入了患者定制的谱-空-时特征学习网络（PSP-Net），结合患者定制的带通滤波器、空间耦合矩阵和注意力时序卷积网络，自适应提取患者特异性特征	未明确说明模型在临床环境中的实时应用限制或跨患者泛化能力的详细评估	开发一种更有效且可解释的癫痫发作预测方法，以提升患者生活质量	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	脑电图（EEG）	深度学习网络	EEG信号	多个公开可用的癫痫数据集	未明确指定	注意力时序卷积网络	未明确指定	NA
8	2026-02-18	Emerging Trends and Innovations in Radiologic Diagnosis of Thoracic Diseases 2026-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001179 PMID:40106831	综述	本文总结了胸部影像学领域的关键进展，包括成像模态、计算工具和临床应用，并概述了未来方向	整合了人工智能驱动的计算机辅助检测系统、放射组学分析、光子计数探测器CT和低场MRI等新兴成像技术，以提升胸部疾病的诊断和管理	作为一篇综述文章，未涉及原始研究数据，且可能未涵盖所有最新技术进展	回顾和总结胸部疾病放射学诊断的新兴趋势和创新技术	胸部疾病，包括肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞	医学影像	肺癌	CT纹理分析、灌注成像、光子计数探测器CT、低场MRI、双能CT、暗场放射摄影	深度学习	图像	NA	NA	NA	NA	NA
9	2026-02-18	Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead 2026-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001192 PMID:40239043	综述	本文回顾了过去十年临床神经影像学的关键进展，包括技术革新、科学发现及其对临床实践和研究的影响	整合了光子计数CT、高低场磁共振成像、对比剂、定量成像技术以及深度学习和医学信息学等数据分析方法的进展，并强调了如类淋巴系统等基础神经科学发现	作为综述文章，主要基于已发表文献进行总结，可能未涵盖所有最新研究或技术细节	回顾临床神经影像学在过去十年的成就，并展望未来发展方向	临床神经影像学领域的技术、方法及基础科学发现	数字病理学	NA	光子计数计算机断层扫描、低场和高场磁共振成像、对比剂、定量成像技术	深度学习	图像	NA	NA	NA	NA	NA
10	2026-02-18	Multimodal-based crystal graph convolution neural networks for predicting soil toxicity to earthworms 2026-Mar-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123770 PMID:41577106	研究论文	本研究开发了一种基于多模态深度学习的模型，用于预测土壤中化学物质对蚯蚓的毒性，通过整合分子级特征、暴露条件及生物与化学物质的内在特性来提高预测准确性	提出了一种结合晶体图卷积神经网络与宏观暴露条件等多尺度特征的多模态深度学习框架，用于土壤毒性预测，并提供了可解释性分析	数据集规模有限，仅基于文献数据，可能影响模型的泛化能力	开发一个集成多尺度特征的模型以预测土壤化学毒性，特别是对蚯蚓的致死浓度	14种化学物质对蚯蚓的毒性数据	机器学习	NA	晶体图卷积神经网络	CNN	分子结构数据、暴露条件数据、土壤和生物相关数据	14种化学物质	NA	晶体图卷积神经网络	决定系数、交叉验证平均值	NA
11	2026-02-18	Deep Learning-Based Detection of Papilledema on Retinal Photographs From Handheld Cameras: A Prospective Study 2026-Mar-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002394 PMID:40867029	研究论文	本研究评估了一种深度学习系统在手持相机采集的非散瞳视网膜照片上检测视乳头水肿及其他视神经病变的性能	首次在大规模前瞻性收集的手持非散瞳相机视网膜照片数据集上，评估深度学习系统对多种视神经病变（包括视乳头水肿）的检测性能，并实现了从散瞳照片训练到非散瞳照片应用的迁移	研究未详细说明模型对不同种族或病因亚组的泛化能力，且外部测试集仅来自单一型号手持相机	开发并验证一种基于深度学习的系统，用于从手持相机拍摄的视网膜照片中自动检测视乳头水肿及其他视神经病变	视网膜照片（来自神经眼科患者）	数字病理学	视神经病变	视网膜摄影	深度学习系统	图像	20,533张视网膜照片（来自10,647名患者），其中外部测试集包含1,552张前瞻性收集的照片（来自817名患者）	未明确说明	未明确说明具体架构，但包含视盘及视盘周围区域分割模块和分类模块	AUC, 敏感度, 特异度, 准确度	NA
12	2026-02-18	Deep learning-driven microfluidic chip architecture design for intelligent particle motion control 2026-Feb-17, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01185j PMID:41589320	研究论文	提出一种模块化深度学习框架，用于将微流控通道网络分解为标准功能模块，并预测粒子时空状态，实现从目标粒子行为到可制造设备设计的自动逆向设计	引入模块化深度学习框架和模块重构算法，将复杂微流控网络分解为标准化可重用模块，实现从目标轨迹到可制造设备蓝图的快速自动生成	未明确说明模型在极端流动条件或非牛顿流体等复杂场景下的泛化能力，也未讨论制造公差对预测性能的实际影响	开发一种能快速将预设粒子轨迹转化为可制造微流控芯片设计的智能设计方法	微流控通道网络中的粒子运动	机器学习	NA	微流控技术	神经网络	时空序列数据	在DUT和grid芯片上验证，涉及5000个模块的集成	未明确指定	未明确指定具体架构	平均绝对定时误差	NA
13	2026-02-18	Combating Antiviral Drug Resistance: A Multipronged Strategy 2026-Feb-17, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00724 PMID:41650319	研究论文	本文介绍了一种多管齐下的策略，通过合成、计算、结构和生物学研究来开发抗病毒药物，以应对病毒蛋白酶（特别是SARS-CoV-2主要蛋白酶M）的药物耐药性突变	提出了一种结合传统蛋白酶抑制、蛋白酶降解（首次报道靶向SARS-CoV-2 M的PROTAC分子HP211206）、计算化学方法（如PDLD/S-LRA/β框架与量子力学计算结合）以及人工智能（如D2Screen深度学习虚拟筛选）的多管齐下策略，以开发对耐药突变更有效的抗病毒疗法	NA	开发对抗病毒蛋白酶药物耐药性突变的更有效治疗方法	病毒蛋白酶（特别是SARS-CoV-2主要蛋白酶M）及其药物耐药性突变	计算化学, 药物发现	COVID-19, 病毒感染	计算化学, X射线晶体学, 虚拟筛选, 深度学习	深度学习	化学结构数据, 蛋白质结构数据, 生物活性数据	NA	NA	NA	抑制活性, 结合自由能, 催化效率参数	NA
14	2026-02-18	Information-Guided Fusion of Multimodal Vibrational Spectroscopy for Disease Diagnosis Based on Symbiotic Attention Decoupled Contrastive Learning 2026-Feb-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06086 PMID:41657032	研究论文	本文提出了一种基于共生注意力解耦对比学习的多模态振动光谱融合方法，用于疾病诊断	设计了共生注意力融合和寄生注意力融合机制，模拟生物共生与寄生关系，实现差异化信息增强，并引入监督多模态对比学习解耦网络以平衡跨模态一致性和模态内凝聚力	NA	提高振动光谱在疾病诊断中的准确性和可解释性	癌症、自身免疫疾病和心血管疾病数据集	机器学习	癌症、自身免疫疾病、心血管疾病	拉曼光谱、红外光谱	多层感知机、卷积神经网络	光谱数据	NA	NA	SAFDN	准确率、AUC	NA
15	2026-02-18	AutoSimTTF: a fully automatic pipeline for personalized electric field simulation and treatment planning of tumor treating fields 2026-Feb-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4288 PMID:41643315	研究论文	本文介绍了一个名为AutoSimTTF的全自动管道，用于肿瘤治疗电场（TTFields）的个性化电场模拟和优化治疗计划	开发了一个端到端的全自动工作流，集成了深度学习自动肿瘤分割、基于有限元法的电场模拟以及一种新颖的基于物理的参数优化方法，显著提升了效率和个性化治疗能力	与传统的半自动工作流相比，模拟精度在某些组织中存在最高14.1%的偏差	提高肿瘤治疗电场（TTFields）治疗计划的计算效率、可重复性和可及性，实现数据驱动的个性化治疗	肿瘤治疗电场（TTFields）的个性化治疗计划	数字病理学	肿瘤	有限元法，深度学习	深度学习模型	医学影像数据	NA	NA	NA	Dice相似系数	NA
16	2026-02-18	Atomically Precise Metal Clusters for NIR-II Imaging 2026-Feb-17, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00837 PMID:41645060	综述	本文综述了原子级精确金属簇在近红外二区成像中的发光特性、成像技术、生物医学应用及生物安全性	通过原子工程、配体设计和表面修饰精细调控金属簇的近红外二区光学性质，并结合先进成像技术与人工智能实现高分辨率、深组织可视化	NA	探讨原子级精确金属簇在近红外二区成像中的基础物理、发光机制及其在生物医学成像和临床病理诊断中的应用潜力	原子级精确金属簇	生物医学成像	心血管疾病, 脑血管疾病, 恶性肿瘤	近红外二区成像, 宽场成像, 三维显微成像, 人工智能辅助图像处理	深度学习	图像	NA	NA	NA	信噪比	NA
17	2026-02-18	Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms 2026-Feb-17, The Analyst DOI:10.1039/d5an01326g PMID:41699974	研究论文	本研究提出了一种结合激光诱导击穿光谱（LIBS）技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类	将LIBS技术与多种机器学习和深度学习算法结合，并比较了LASSO和PCA两种特征提取方法在小样本铀矿石分类中的效果，发现基于PCA特征的深度学习模型能实现100%的分类准确率	随机森林模型在小训练集下存在显著过拟合问题，且部分深度学习模型在LASSO特征选择下仍存在误分类	开发快速高精度的小样本铀矿石分类方法	12种类型的铀矿石样本	机器学习	NA	激光诱导击穿光谱（LIBS）	随机森林（RF）、前馈神经网络（FNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM）	光谱数据	12种铀矿石样本的光谱数据	NA	FNN, CNN, LSTM	分类准确率	NA
18	2026-02-18	The BIOPREVENT machine-learning algorithm predicts chronic graft-versus-host disease and mortality risk using posttransplant biomarkers 2026-Feb-16, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI195228 PMID:41697751	研究论文	本研究开发了名为BIOPREVENT的机器学习算法，利用移植后生物标志物预测慢性移植物抗宿主病和死亡率风险	首次结合血浆蛋白生物标志物和临床变量，通过机器学习模型（特别是BART和CoxXGBoost）实现个体化风险预测，并开发了公开可用的R Shiny网络应用	深度学习模型未超越其他机器学习方法，需要进一步研究探索其在指导预防性治疗中的作用	预测造血细胞移植后慢性移植物抗宿主病和非复发死亡率风险	1,310名造血细胞移植受者	机器学习	移植物抗宿主病	血浆蛋白测量	CoxXGBoost, Group SCAD, Adaptive Group Lasso, Random Survival Forests, BART, 深度学习模型	临床变量和生物标志物数据	1,310名患者	NA	NA	时间依赖性ROC曲线下面积	NA
19	2026-02-18	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-Feb-16, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	本研究评估了深度学习重建的高分辨率3D重T2加权TSE MRI序列在显示迷路结构方面的效果，并与传统序列进行比较	首次将深度学习重建技术应用于高分辨率3D重T2加权TSE MRI序列，以提高内耳膜性迷路的可视化效果，同时不增加采集时间	DLR-3D-T2序列对某些结构（如球囊、半规管）的可视化仍有限，分辨率可能不足以完全显示所有微解剖细节	评估深度学习重建MRI序列在提高内耳膜性迷路空间分辨率和减少噪声方面的潜力，以实现更详细的非侵入性解剖评估	患者的内耳膜性迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊和球囊斑、膜性半规管以及壶腹神经	医学影像	内耳疾病	3D重T2加权TSE MRI序列，深度学习重建技术	深度学习模型	MRI图像	患者样本，具体数量未在摘要中明确说明	NA	NA	定性评分（4点量表），统计显著性（P值）	NA
20	2026-02-18	SCImputation: Mitigating Feature Confounding From a Structural Causal Perspective for Data Imputation 2026-Feb-16, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3665199 PMID:41697814	研究论文	本文提出了一种基于结构因果视角的数据插补方法SCImputation，通过结合实例级和特征级信息优化邻居选择，并利用后门调整公式减轻目标特征带来的混淆效应	首次从结构因果视角分析数据插补问题，揭示了目标特征作为混淆因子对邻居选择的影响，并提出了一种结合局部估计与全局分布重加权的新策略	未明确讨论计算复杂度或在大规模数据集上的可扩展性，且实验主要基于特定类型的数据集（如生物医学和一般应用数据集）	开发一种能够减轻特征混淆的数据插补方法，以提高缺失值估计的准确性和可靠性	缺失数据，特别是生物医学和一般应用数据集中的缺失值	机器学习	NA	数据插补	KNNimpute, LLSimpute	表格数据，包括生物医学微阵列数据和一般评估数据	五个数据集（NACC、三个NCBI微阵列数据集、Turkiye学生评估数据集），具体样本数量未在摘要中明确	NA	SCImputation（结合KNNimpute和LLSimpute的变体）	准确率，均方根误差（RMSE）	NA