深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 51124 篇文献，本页显示第 1 - 20 篇。
| 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 | 2026-10-29 |
Generative Adversarial Networks for Omics Data: An Overview and Future Directions for Livestock Applications
2026-Dec, Animal genetics
IF:1.8Q3
DOI:10.1002/age.70226
PMID:42946016
|
综述 | 本文综述了生成对抗网络（GAN）在组学数据中的应用，并探讨了其在牲畜基因组学中的未来发展方向 | 系统总结了GAN在组学数据增强、样本量扩充、类别不平衡缓解、隐私保护数据共享及新生物序列设计等方面的应用，并首次提出将GAN方法应用于牲畜基因组学的新机会 | 作为文献综述，未进行实验验证，且未深入讨论GAN在牲畜应用中面临的具体技术挑战和伦理问题 | 介绍GAN的基础概念，探索其在多个组学领域的多样化应用，并强调将GAN方法应用于牲畜基因组学的新机会 | 组学数据（包括基因组学、转录组学、单细胞组学）及牲畜基因组学应用 | 机器学习 | NA | 生成对抗网络（GAN） | GAN | 组学数据 | NA | NA | GAN | NA | NA |
| 2 | 2026-10-29 |
Leveraging Artificial Intelligence in Healthcare in Cambodia: Enhancing Access and Patient Outcomes
2026-Dec, Public health challenges
DOI:10.1002/puh2.70433
PMID:42948795
|
观点文章 | 本文探讨人工智能在柬埔寨医疗保健系统中的应用现状与潜力，分析其提升医疗可及性和患者预后的机会与障碍 | 聚焦低收入和中等收入国家柬埔寨的AI医疗应用，强调技术可行性与可持续卫生系统实施之间的差距，提出分阶段、循证、以患者为中心的实施路径 | 作为观点文章，未提供原始研究数据或实证分析，缺乏对具体AI工具在柬埔寨本地验证的定量评估 | 审视AI在柬埔寨医疗系统中的作用，探讨如何通过AI改善医疗可及性、质量和公平性 | 柬埔寨医疗保健系统及农村和医疗服务不足社区的患者和医护人员 | 数字健康 | NA | 机器学习、深度学习、预测分析、计算机视觉、可穿戴设备、生成式AI | 机器学习、深度学习、生成式AI | NA | NA | NA | NA | NA | NA |
| 3 | 2026-10-29 |
Research Progress, Key Challenges, and Future Prospects of Raman Spectroscopy Combined With Machine Learning in Food Analysis
2026-Nov, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70688
PMID:42947219
|
综述 | 系统综述了表面增强拉曼光谱（SERS）与机器学习融合在食品分析中的技术范式、关键挑战与未来发展方向 | 从仪器原理、信号机制、算法逻辑和食品体系特性四层关系出发，系统梳理SERS与机器学习融合的技术范式，并从基础机制、模型可解释性、产业化实施和多模态智能系统角度提出未来发展路径 | 作为综述文章，未提供原始实验数据或新模型验证；对具体算法性能缺乏定量比较 | 为食品科学领域开展高深度、实用性强的SERS-机器学习研究提供系统的学术参考 | 食品质量与安全检测中的SERS光谱数据及机器学习方法 | 食品分析 | NA | 表面增强拉曼光谱（SERS）、机器学习、深度学习 | 机器学习、深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 4 | 2026-10-29 |
Low latency and generalizable dynamic MRI via L+S alternating gradient descent and minimization
2026-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70713
PMID:42947508
|
研究论文 | 提出基于交替梯度下降与最小化的L+S矩阵恢复算法及少样本学习变体，用于低延迟、可泛化的动态MRI重建 | 提出AltGDmin方法从列欠采样测量中恢复L+S矩阵，并扩展到三级分层L+S模型，引入少样本学习修改实现近低延迟重建 | 未明确提及 | 开发可泛化、低延迟的动态MRI重建算法，在多种动态MRI场景下准确、快速且无需问题特定参数调优 | 动态MRI数据，包括心脏、语音和腹部应用 | 医学图像重建 | 心血管疾病 | 动态MRI | AltGDmin, L+S模型, 少样本学习 | 图像 | 6个前瞻性和12个回顾性动态MRI数据集 | NA | 交替梯度下降与最小化, 三级分层L+S模型 | 重建准确性, 泛化性, 延迟 | NA |
| 5 | 2026-10-29 |
A generalizable 3D dose prediction across heterogeneous cohorts: A framework developed for the 2025 AAPM GDP-HMM challenge
2026-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70741
PMID:42949277
|
研究论文 | 开发并评估了一个可泛化的三维剂量预测框架，用于跨异质多站点和多队列数据集的放疗计划剂量预测 | 采用MedNeXt全卷积架构结合复合损失函数（体素级L1、体掩膜加权L1、结构矩匹配和梯度惩罚），在满足临床部署计算约束（每例<3秒，<24GB GPU内存）的同时实现跨机构泛化 | 未明确提及 | 设计一个模型，不仅实现最先进的体素级精度，还能在多样化病例中保持临床有意义的剂量体积和几何特征 | GDP-HMM数据集中的放疗计划，包括头颈和肺部队列 | 数字病理学 | 肺癌 | 深度学习 | CNN | 图像 | 2876个训练计划，356个验证计划，498个测试计划 | NA | MedNeXt | 平均绝对误差(MAE)、均匀性指数(HI)、适形性指数(CI100%、CI50%) | GPU内存<24GB |
| 6 | 2026-10-29 |
HipSAFE: detecting hip fractures on ultrasound imaging using deep learning in a porcine cadaveric model
2026-Oct-28, Ultrasound in medicine & biology
|
研究论文 | 该研究在猪尸体模型中评估了深度学习辅助超声工具HipSAFE检测髋部骨折的准确性 | 开发了轻量级深度学习辅助超声工具HipSAFE，用于减少操作者依赖性并支持院前髋部骨折分诊，且由无超声培训的操作者进行图像采集 | 研究仅在猪尸体模型中进行，样本量较小，且Grad-CAM归因图显示模型难以区分生长板与骨折特征 | 评估深度学习辅助超声工具在猪尸体模型中检测髋部骨折的准确性，以支持院前髋部骨折分诊 | 15具幼年猪尸体的双侧后肢（30个髋关节） | 医学影像分析 | 髋部骨折 | 超声成像 | CNN | 图像 | 15具猪尸体（30个髋关节），78个视频片段，31名操作者，4具尸体（8个股骨）用于测试 | NA | MobileNetV3, EfficientNet-Lite, ResNet | F1-score, 敏感度, 特异度 | NA |
| 7 | 2026-10-29 |
Uncertainty-Aware Single-Channel Surface EMG Classification for Low-Resource Hand Gesture Recognition: A Subject-Independent Evaluation
2026-Oct-28, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03704-y
PMID:42946884
|
研究论文 | 该研究评估了仅使用单通道表面肌电信号（桡侧腕屈肌）进行五种手势分类的性能，并比较了多种不确定性量化方法在跨被试场景下的表现 | 首次在单通道sEMG低资源手势识别中系统比较了MC Dropout、深度集成和证据深度学习三种不确定性量化方法，并揭示了基于softmax置信度的选择性预测已足够，而复杂随机推理方法无额外收益 | 不确定性量化机制在外部数据集NinaPro DB2上无法泛化；选择性预测的提升主要来自休息类别的保留；1D-CNN和TCN性能未显著优于传统特征+MLP流程；逐样本归一化可能损失幅度信息 | 探究在低资源单通道sEMG手势识别中，不确定性感知分类方法能否提升跨被试性能，并比较不同不确定性量化方法的有效性 | 83名质量筛选后的受试者的单通道sEMG信号（桡侧腕屈肌），以及NinaPro DB2数据集中的40名受试者 | 生物信号处理 | NA | 表面肌电信号采集 | 多层感知机, 随机森林, 一维卷积神经网络, 时间卷积网络 | 时序信号 | 83名受试者（来自113条记录），外部验证40名受试者 | NA | MLP, Random Forest, 1D-CNN, TCN | 准确率, 期望校准误差 | NA |
| 8 | 2026-10-29 |
Improving dysarthric speech classification with generative AI-based data augmentation
2026-Oct-28, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03705-x
PMID:42946883
|
研究论文 | 该文提出基于扩散模型的跨语料库数据增强策略，用于改善构音障碍语音的可懂度分类。 | 提出跨语料库的扩散模型数据增强策略，在构音障碍说话人上训练Grad-TTS模型合成UA-Speech词汇，实现病理声学特征跨语料库迁移，并与传统信号级增强结合。 | 受限于标注数据稀缺，模型对未见说话人的泛化能力有限；仅在TORGO和UA-Speech数据集上验证。 | 解决构音障碍评估中深度学习系统因标注数据稀缺而泛化能力受限的问题，提升自动语音可懂度分类性能。 | 构音障碍语音，涉及肌萎缩侧索硬化症和脑瘫等神经退行性疾病患者。 | 语音处理 | 构音障碍 | 扩散模型、TTS数据增强、信号级增强 | Grad-TTS、CNN | 音频 | TORGO数据集和UA-Speech数据集中的构音障碍说话人样本 | NA | Grad-TTS、ResNet-50、ResNet-152 | 分类性能（二分类和四分类可懂度分类任务的平均性能） | NA |
| 9 | 2026-10-29 |
Automated deep learning tool for robust colony counting in vaccine immunogenicity bioassays
2026-Oct-28, Bioanalysis
IF:1.9Q3
DOI:10.1080/17576180.2026.2752782
PMID:42948866
|
研究论文 | 该研究开发并优化了一种基于分割一切模型（SAM）的深度学习菌落计数工具，用于自动化评估肺炎球菌疫苗免疫原性的mMOPA检测中的菌落计数读数 | 首次将SAM基础模型适配于mMOPA菌落计数，实现了自动化、高通量的菌落计数工作流，并在具有挑战性的血清型上优于现有商业软件CTL ImmunoSpot® | 摘要未明确提及研究局限性 | 消除mMOPA检测中的通量瓶颈，实现自动化菌落计数，提高大规模临床研究的操作效率和可扩展性 | 覆盖12种肺炎球菌血清型的mMOPA检测数据集及盲法人类专家计数 | 计算机视觉 | 肺炎球菌感染 | mMOPA（微菌落多重调理吞噬杀伤试验）、深度学习图像分析 | 深度学习模型（DLM） | 图像 | 涵盖12种肺炎球菌血清型的历史检测资质数据集及盲法专家计数 | NA | Segment Anything Model (SAM) | 相关性、一致性、调理吞噬滴度 | NA |
| 10 | 2026-10-29 |
AI-Assisted Lung Segmentation for Lung Transplant Volumetry: Effect of Radiation Dose Reduction
2026-Oct-28, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001940
PMID:42949039
|
研究论文 | 本研究评估了辐射剂量降低对基于AI的全肺分割、5肺叶分割和自动组织分类鲁棒性的影响 | 首次系统评估超低剂量（常规剂量的10%）对AI肺容积测量中全肺分割、5肺叶分割和组织分类的影响 | 5肺叶分割和组织分类在超低剂量下性能显著下降，现有工具在超低剂量水平存在局限性 | 评估辐射剂量降低对AI辅助肺移植容积测量中肺分割鲁棒性的影响 | 来自TCIA低剂量CT图像和投影数据集的50例病例 | 医学图像分析 | 肺癌 | 低剂量CT成像、投影域噪声插入 | 深度学习 | CT图像 | 50例病例（每例包含全剂量和10%剂量两组CT图像） | NA | lungmask深度学习模型 | Dice相似系数、95%豪斯多夫距离、最大豪斯多夫距离 | NA |
| 11 | 2026-10-29 |
Editorial Commentary: A Coffee's Worth of Time: Artificial Intelligence May Accelerate, Not Replace, Preoperative Planning for High Tibial Osteotomy
2026-Oct-28, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1002/arj.70689
PMID:42949143
|
评论 | 本文探讨人工智能在高位胫骨截骨术前规划中的应用潜力与局限性，强调其可加速而非替代传统规划 | 提出AI在骨科影像中的近期最可信应用场景是重复、耗时且易出错的任务，如自动标志点检测和冠状面规划；并指出AI可标准化测量并支持大规模数据集模拟截骨 | 基于冠状面角度的规划模型无法反映截骨在轴位或矢状面的三维后果，也无法体现关节内和韧带对畸形的贡献；系统需能识别图像质量不足（如旋转或硬件残留）的情况，且从原型到常规使用仍需增强临床稳健性和独立验证 | 评估人工智能在高位胫骨截骨术前规划中的应用前景，明确其优势与局限 | 高位胫骨截骨术前规划中的骨科影像和手术规划流程 | 数字病理 | 骨科疾病 | 深度学习 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 12 | 2026-10-29 |
Beyond Segmentation Accuracy: Ensuring Radiomic Reliability With Deep Learning-Based Segmentation
2026-Oct-28, AJR. American journal of roentgenology
DOI:10.2214/AJR.26.36101
PMID:42949360
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2026-10-29 |
RA-BCNet: Residual attention breast cancer network for high-precision breast cancer detection
2026-Oct-28, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329261502069
PMID:42949448
|
研究论文 | 提出了一种名为RA-BCNet-PReLU的残差注意力深度学习框架，结合PReLU激活函数，用于数字乳腺断层合成（DBT）图像中乳腺肿瘤的高精度多分类检测 | 将残差注意力机制与PReLU激活函数相结合；采用DHGWSFO算法优化病灶分割；融合手工特征（形状、颜色、空间描述符）与ResNet-50深度特征；使用Grad-CAM提升模型可解释性 | 未明确提及研究所用计算资源；仅使用两个数据集进行验证，需更多样化的数据集进一步验证泛化能力 | 开发一个稳健且可解释的深度学习框架，实现乳腺肿瘤的精准多分类检测 | 数字乳腺断层合成（DBT）乳腺图像及CBIS-DDSM乳腺摄影数据集中的乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成（DBT）成像、乳腺摄影 | CNN、ResNet | 图像 | DBT乳腺摄影数据集和CBIS-DDSM外部验证数据集（具体样本量未在摘要中说明） | NA | ResNet-50，残差注意力CNN | 准确率、AUC | NA |
| 14 | 2026-10-29 |
Deep learning models to detect neurodegenerative diseases across different modalities, datasets, and stages: A systematic review
2026-Oct-28, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329261502060
PMID:42949499
|
系统综述 | 本文系统综述了2019年至2026年4月间111项利用深度学习检测神经退行性疾病的研究，按早期预测、诊断和进展三个临床阶段进行组织，并从数据类型、数据集、模型架构和可解释AI四个维度进行评估 | 这是唯一一项覆盖多种神经退行性疾病全部三个疾病阶段（早期预测、诊断、进展）的系统综述，系统比较了神经影像与非神经影像模态、开放与自建数据集、模型架构以及可解释AI的使用情况 | 仅2项研究在独立外部队列上验证结果，使用确认性可解释AI的研究不足6%，自建数据集的模态覆盖有限，且多数研究缺乏外部验证 | 系统梳理和评估深度学习在神经退行性疾病早期预测、诊断和进展监测中的应用现状与不足 | 111项2019年至2026年4月发表的关于阿尔茨海默病、帕金森病、ALS、LATE等神经退行性疾病的深度学习研究 | 医学影像分析 | 神经退行性疾病 | 神经影像（MRI）、语音、步态、ECG、iPSCs | CNN, LSTM, RNN, 生存模型 | 影像, 文本, 时间序列 | 111项研究 | NA | CNN, LSTM, RNN, 生存模型 | NA | NA |
| 15 | 2026-10-29 |
Non-destructive discrimination of black gel pen inks via physics-guided band-gate attention network and hyperspectral imaging
2026-Oct-28, The Analyst
DOI:10.1039/d6an00923a
PMID:42949634
|
研究论文 | 该研究提出了一种结合高光谱成像与新型深度学习模型PG-BCANet的智能框架，用于无损鉴别黑色中性笔墨水及书写到篡改的时间间隔 | 提出了物理引导的波段门控注意力网络PG-BCANet，该网络基于一维卷积神经网络，融合了波段门控机制、高效通道注意力和残差连接，以优化高维光谱数据的特征提取 | 样本仅来自标准A4纸上的黑色中性笔，未涵盖其他纸张类型或墨水种类；时间间隔分类准确率（最高89.2%）低于型号识别准确率（96.6%）；仅在特定实验协议下与KNN和SVM基线进行了比较 | 实现黑色中性笔墨水的无损鉴别以及书写到篡改时间间隔的判定，为法庭科学墨水分析提供客观智能的方法 | 标准A4纸上的黑色中性笔墨水样本，涵盖不同笔型号及指定的书写到篡改时间间隔 | 高光谱成像分析，深度学习，法庭科学 | NA | 高光谱成像（HSI），Savitzky-Golay平滑，标准正态变量归一化，主成分分析，区间随机森林，连续投影算法 | 深度学习，一维卷积神经网络（1DCNN），注意力机制 | 高光谱图像/光谱数据 | NA | NA | PG-BCANet（基于1DCNN，包含波段门控机制、高效通道注意力ECA和残差连接），KNN，SVM | 准确率 | NA |
| 16 | 2026-10-29 |
Histopathology-Based Spatial Profiling of Immune and Molecular Features Predicts Cancer Risk in Barrett's Esophagus Patients
2026-Oct-27, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-26-1476
PMID:42944677
|
研究论文 | 该研究开发了BEACON框架，利用常规组织病理学图像进行空间感知分析，整合深度学习预测DNA含量和免疫结构，以对Barrett食管患者进行癌症风险分层 | 提出了BEACON空间感知框架，整合了基于深度学习的DNA含量预测（DACOR模型）和免疫生态空间分析，首次将分子异常与免疫微环境结合用于BE患者风险分层 | 需要在更多样化的人群中验证，依赖流式细胞术数据作为训练标签，模型的可解释性和临床实施可行性有待进一步评估 | 改进Barrett食管患者的癌症风险分层，识别高风险个体并减少低风险人群的过度治疗 | Barrett食管患者 | 数字病理学 | Barrett食管、食管腺癌 | 组织病理学图像分析、流式细胞术 | 多实例学习、逻辑回归 | 图像 | 777例BE活检样本（来自两家机构） | NA | DACOR（多实例学习模型）、细胞分类模型、组织分割模型、逻辑回归模型 | NA | NA |
| 17 | 2026-10-29 |
Baseline correction using DU-GridNet for Raman spectra
2026-Oct-27, The Analyst
DOI:10.1039/d6an01130f
PMID:42944710
|
研究论文 | 提出一种名为DU-GridNet的紧凑一维深度网络，利用多分辨率网格拓扑实现拉曼光谱基线的自动校正。 | 采用多分辨率网格拓扑和一维深度网络结构，通过多尺度特征传播和互连采样块，同时分离尖锐拉曼峰和拟合宽缓荧光背景，无需人工干预。 | 摘要中未明确提及。 | 解决拉曼光谱中荧光背景严重扭曲信号的问题，实现端到端自动化的基线校正。 | 拉曼光谱数据。 | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | NA | NA | DU-GridNet | 基线估计准确度 | NA |
| 18 | 2026-10-29 |
A narrative review of methods for estimating blood pressure waveforms from photoplethysmography
2026-Oct-27, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-026-01521-0
PMID:42944801
|
综述 | 本文综述了从光电容积脉搏波（PPG）预测动脉血压波形的最新进展，并指出了限制临床转化的主要方法学空白 | 系统梳理了2021年以来基于PPG的血压波形估计研究，围绕开源数据集、预处理与质量控制、模型架构和验证实践等核心流程要素进行组织，并调研了可测量血压波形的商业化技术 | 进展迅速但可比性和可重复性仍是主要障碍，缺乏一致的采集协议、透明的预处理和标准化的验证标准 | 总结从PPG预测动脉血压波形的最新进展，并识别限制临床转化的主要方法学空白 | 2021年以来发表的基于PPG的血压波形估计研究及相关商业化技术 | 机器学习 | 心血管疾病 | 光电容积脉搏波（PPG） | 深度学习 | PPG信号 | NA | NA | U-Net, 自编码器, 注意力机制模型 | NA | NA |
| 19 | 2026-10-29 |
Artificial Intelligence for Rupture Risk Stratification of Small Unruptured Intracranial Aneurysms (≤ 7 mm): A Systematic Review and Meta-analysis
2026-Oct-27, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-02419-8
PMID:42944966
|
系统综述与Meta分析 | 该文通过系统综述与Meta分析评估了人工智能模型对小型未破裂颅内动脉瘤（≤7 mm）破裂风险预测的诊断准确性 | 首次针对小型未破裂颅内动脉瘤亚组系统比较不同算法架构（传统机器学习、深度学习、统计学模型）的预测性能，并采用三水平随机效应模型进行AUC合并 | 纳入研究多为高偏倚风险（10项中9项），缺乏多中心前瞻性注册研究和破裂前影像协议，模型可解释性不足 | 评估AI模型对小型未破裂颅内动脉瘤破裂风险预测的汇总诊断准确性，并比较不同算法架构的性能差异 | 小型未破裂颅内动脉瘤（≤7 mm）患者 | 医学影像分析 | 颅内动脉瘤 | 机器学习，深度学习，影像组学，计算流体力学整合模型 | 传统机器学习，深度学习，统计学模型 | 影像数据，临床数据 | 10项研究，共5409例患者、7057个动脉瘤、62个模型 | NA | NA | AUC，敏感度，特异度 | NA |
| 20 | 2026-10-29 |
A Physiology-Informed Deep Learning Approach for Sleep-EEG Brain Age Estimation
2026-Oct-27, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3747658
PMID:42945059
|
研究论文 | 该研究提出了一种基于生理信息的深度学习框架，利用整夜多导睡眠图（PSG）估计大脑年龄，并提供频谱带和睡眠阶段级别的可解释输出 | 采用可训练的Gabor滤波器组提供明确的中心频率和带宽参数，实现频谱级别的可解释性；结合SHAP归因分析揭示年龄相关的频谱重要性变化；将大脑年龄差与死亡率风险关联 | 未明确提及 | 开发一种生理信息驱动的深度学习方法来从睡眠EEG中估计大脑年龄，并提供可解释的频谱和睡眠阶段特征 | 约10,000份PSG记录（来自SHHS、MrOS、STAGES和CFS四个队列）以及独立验证队列HomePAP | 机器学习 | NA | 睡眠脑电图（EEG）、多导睡眠图（PSG） | 深度学习 | 时间序列信号 | 约10,000份PSG记录用于训练和评估，外加独立队列HomePAP用于外部验证 | NA | 可训练Gabor滤波器组 | 平均绝对误差（MAE）、风险比（HR）、R² | NA |