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
2721	2026-01-06	PGMNet: a polyp segmentation network based on bit-plane slicing and multi-scale adaptive fusion 2026-Jan-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae300a PMID:41429053	研究论文	本文提出了一种基于位平面切片和多尺度自适应融合的息肉分割网络PGMNet，旨在提高结肠镜检查中息肉检测和分割的准确性	PGMNet结合了PVTv2编码器、全局-局部交互关系模块（GLIRM）和多阶段特征聚合模块（MFAM），通过位平面切片机制抑制噪声，并利用门控机制高效聚合多尺度信息	未在摘要中明确提及	开发一种准确高效的息肉分割网络，以辅助结直肠癌的早期预防和治疗	结肠镜检查图像中的息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	五个公开可用的息肉数据集	未在摘要中明确提及	PVTv2, GLIRM, MFAM	mDice, mIoU	未在摘要中明确提及
2722	2026-01-06	Deep learning approach for critical exposure during division of the inferior mesenteric artery in colorectal surgery 2026-Jan-05, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-03121-7 PMID:41486401	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2723	2026-01-06	Diabetic foot ulcer classification using an enhanced coordinate attention integrated ConvNext model 2026-Jan-05, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01692-1 PMID:41489793	研究论文	本文提出了一种结合坐标注意力机制增强的ConvNeXt模型，用于基于图像的糖尿病足溃疡自动分类	提出了一种混合模型，将坐标注意力机制集成到ConvNeXt架构中，以捕获空间长程依赖特征，从而提高糖尿病足溃疡图像分类的准确性	未明确说明数据集的来源、规模多样性以及模型在临床环境中的泛化能力验证	开发一种自动化的深度学习方法，以加速糖尿病足溃疡的评估过程并提供最佳治疗建议	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	图像处理（自适应阈值分割）	CNN	图像	NA	NA	ConvNeXt	准确率, F1分数	NA
2724	2026-01-06	OGTCN-E-MGO: an optimized deep learning framework for EEG-based schizophrenia detection 2026-Jan-05, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01695-y PMID:41489794	研究论文	提出一种名为OGTCN-E-MGO的优化深度学习框架，用于基于脑电图（EEG）信号的精神分裂症自动检测	提出了一种优化的门控时序卷积网络（OGTCN），该网络集成了门控循环单元（GRU）、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO），用于精神分裂症的EEG信号分类	NA	实现精神分裂症的自动分类，通过分析EEG信号获取与精神分裂症认知变化相关的神经活动变化	精神分裂症患者	机器学习	精神分裂症	脑电图（EEG）	GRU, TCN	脑电图信号	两个数据集：数据集1包含28名个体的19通道EEG信号；数据集2包含81名个体的64通道EEG信号	NA	优化的门控时序卷积网络（OGTCN），集成GRU、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO）	准确率	NA
2725	2026-01-06	Toward clinical translation of AI-Led drug discovery in endometrial cancer 2026-Jan, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2025.2557602 PMID:40908794	综述	本文综述了深度学习在子宫内膜癌药物发现各阶段的应用，并讨论了其临床转化面临的挑战与解决方案	聚焦于子宫内膜癌这一特定领域，系统性地探讨了深度学习在药物发现中的临床转化瓶颈，并提出了多学科整合的实践路径	作为一篇综述，未提出新的实验数据或模型，主要基于现有文献进行分析，可能受限于已发表研究的覆盖范围和质量	探讨深度学习在子宫内膜癌药物发现中的临床应用潜力与转化障碍	子宫内膜癌（EC）	机器学习	子宫内膜癌	深度学习（DL）	NA	NA	NA	NA	NA	NA	NA
2726	2026-01-06	Enhancing malware detection and classification in network traffic using deep learning techniques 2026-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70189 PMID:41199431	研究论文	本研究利用深度学习技术提升网络流量中的恶意软件检测与分类性能	引入了多种先进深度学习技术，包括基于熵的流量过滤、自监督异常检测、图神经网络分类以及上下文感知图注意力网络，以应对复杂网络环境中的恶意软件威胁	未提及模型在跨平台恶意软件检测方面的具体局限性，未来需进一步研究实时自适应学习模型和混合架构	提高网络流量中恶意软件检测的准确性，降低误报率，并实现动态网络环境中的实时检测	网络流量数据	机器学习	NA	深度学习	GNN, GAT	网络流量数据	NA	Python	GNN-MTC, CA-GAT	准确率, 精确率, 召回率	NA
2727	2026-01-06	Deep Learning Radiomic Signature Predicts the Overall Survival of Patients with Lung Adenocarcinoma by Reflecting the Tumor Heterogeneity and Microenvironment 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.033 PMID:41073175	研究论文	本研究开发了一种基于深度学习的放射组学特征，用于预测肺腺癌患者的总体生存率，并探讨了该特征与肿瘤异质性和微环境的关系	利用ResNet50深度学习模型从CT图像中提取放射组学特征，结合多机构数据验证，首次将深度学习放射组学特征与肿瘤异质性和微环境进行关联分析	研究样本量相对有限（306例），且依赖于外部公共数据库进行验证，可能存在数据偏差	预测肺腺癌患者的总体生存率，并探索放射组学特征与肿瘤生物学特性之间的关联	肺腺癌患者	数字病理学	肺癌	CT成像，基因测序	CNN	医学影像（CT图像），基因表达数据	306例肺腺癌患者（来自三个机构），外加外部验证队列（来自The Cancer Imaging Archive）	PyTorch（推断自ResNet50的常用实现），pyradiomics	ResNet50	AUC（曲线下面积），时间依赖性ROC曲线，校准曲线，临床效用	NA
2728	2026-01-06	Patch-based latent fingerprint recognition: A novel approach for reliable identification of partial prints 2026-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70204 PMID:41139611	研究论文	提出了一种基于图像块的自动化潜在指纹识别系统，用于可靠识别部分指纹	提出了一种新的基于图像块的潜在指纹识别方法，使用无接触反射紫外成像系统（RUVIS）采集高分辨率数字样本，并开发了图像块估计算法以优化特征提取	未明确说明模型在更广泛数据集或实际犯罪现场条件下的泛化能力限制	开发可靠的基于部分指纹的潜在指纹识别系统	潜在指纹（特别是部分指纹）	计算机视觉	NA	反射紫外成像系统（RUVIS）	CNN	图像	RUVIS数据集和标准NISTSD27数据集	TensorFlow, PyTorch（推测，未明确指定）	VGG16, ResNet50	准确率	NA
2729	2026-01-06	The role of machine learning in high tibial osteotomy: A systematic review of predictive modeling, planning, and outcome analysis 2026-Jan, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2025.103290 PMID:41488578	系统综述	本文系统综述了机器学习在高位胫骨截骨术（HTO）中应用于预测建模、手术规划和结果分析的准确性、效率及泛化性	首次系统性地评估了机器学习在HTO手术规划、对线测量和并发症预测中的表现，并指出了现有研究的局限性	证据受限于单中心数据、小样本队列、缺乏功能性验证以及仅有一项研究进行了多中心外部验证	评估机器学习模型在HTO手术规划、对线测量和结果预测中的准确性、效率和泛化性	应用于高位胫骨截骨术的机器学习模型	机器学习	骨关节炎	机器学习	卷积神经网络, 深度学习系统, 集成机器学习模型	放射影像	来自11项研究的异质性数据集，具体样本量未明确说明	NA	NA	平均绝对误差, 曲线下面积, 组内相关系数	NA
2730	2026-01-05	[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases] 2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20250728-00445 PMID:41483922	综述	本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展	综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处	NA	探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会	特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病	机器学习	肺病	NA	深度学习, 强化学习, 迁移学习	NA	NA	NA	NA	NA	NA
2731	2026-01-05	Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation 2026-Jan-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7768 PMID:41477839	研究论文	本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础	首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据	研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证	探究人类视网膜色素沉着的遗传结构和进化基础	人类视网膜色素沉着	计算机视觉	NA	全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序	深度学习	高分辨率眼底图像	NA	NA	DeepGRP	NA	NA
2732	2026-01-05	A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China 2026-Jan-02, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128477 PMID:41483761	研究论文	本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析	开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性	案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证	建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理	河口湿地生态系统，特别是潮汐河道网络的水文连通性	环境科学与生态学	NA	深度学习，多维地貌与水文参数分析，概率模型	深度学习模型	地理空间数据，水文数据	中国北方辽河口区域	NA	NA	结构连通性增加百分比（39%），过程连通性增加百分比（11.2%）	NA
2733	2026-01-05	MaizeGEP: A Maize Hybrids Dataset with Genotype, Phenotype, and Envirotype to Develop Genomic Selection Models 2026-Jan-02, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf140 PMID:41485082	研究论文	本研究介绍了MaizeGEP数据集，该数据集整合了260个杂交玉米品种的基因型、表型和环境型数据，用于开发基因组选择模型	提出了一个包含广泛试验地点、标准化管理协议和全面环境变量记录的新数据集，并应用了一种新颖的混合专家框架结合GE2P算法进行表型预测	数据集仅涵盖260个杂交玉米品种，可能无法代表所有玉米遗传多样性；环境变量记录可能受限于特定地理位置和时间范围	开发基因组选择模型，以精确预测玉米表型，并研究基因型、环境型和表型之间的关系	260个杂交玉米品种，包括其基因型、表型数据和2382个年-县地点的环境记录	机器学习	NA	单核苷酸多态性分析，全基因组关联研究，气象记录分析	贝叶斯方法，支持向量机，LightGBM，多层感知机，DeepGS，DEM，Cropformer	基因型数据，表型数据，环境数据	260个杂交玉米品种，2382个年-县地点	TensorFlow，PyTorch，Scikit-learn	多层感知机，DeepGS，DEM，Cropformer	最佳线性无偏估计值预测准确度，表型预测准确度	NA
2734	2026-01-05	DySurv: dynamic deep learning model for survival analysis with conditional variational inference 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae271 PMID:39569428	研究论文	本文提出了一种名为DySurv的新型条件变分自编码器方法，用于从电子健康记录中进行动态生存分析，以估计个体死亡风险	DySurv结合静态和纵向测量数据，无需对时间到事件的基础随机过程做出参数假设，直接估计累积风险发生率函数，在动态风险预测方面优于现有统计和深度学习方法	虽然方法利用了深度学习引导的生存分布估计的非参数扩展，但进一步的深度学习范式仍有待探索	开发一种基于深度学习的动态生存分析方法，用于从电子健康记录中预测个体死亡风险	电子健康记录数据，包括静态和纵向测量，来自ICU数据集（如eICU和MIMIC-IV）以及其他医疗时间到事件基准数据集	机器学习	重症监护相关疾病	条件变分自编码器	条件变分自编码器	电子健康记录数据，包括静态和纵向测量	多个数据集，包括6个医疗时间到事件基准数据集和2个真实世界ICU电子健康记录数据集（来自eICU和MIMIC-IV）	NA	条件变分自编码器	一致性，时间依赖性一致性，准确性，敏感性	NA
2735	2026-01-05	Predicting mortality in hospitalized influenza patients: integration of deep learning-based chest X-ray severity score (FluDeep-XR) and clinical variables 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae286 PMID:39576664	研究论文	本研究开发了首个整合放射学和临床数据的人工智能系统FluDeep，用于早期预测流感住院患者的30天死亡率	首创整合放射学评分（FluDeep-XR）与临床数据的多模态AI系统，模拟临床推理过程，通过晚期融合设计提升预测性能	研究仅基于两家医院的队列数据，外部验证范围有限，未涵盖所有流感亚型或人群多样性	开发可解释的多模态AI系统，用于流感住院患者的早期死亡风险预测	流感住院患者的胸部X光影像和临床数据	数字病理学	流感	胸部X光影像分析	CNN, Random Forest	图像, 临床数据	来自台湾大学医院（开发集）和意大利Niguarda医院（外部验证集）的流感患者队列	TensorFlow, Scikit-learn	Xception	均方误差, AUC, 灵敏度	NA
2736	2026-01-05	Enhancing end-stage renal disease outcome prediction: a multisourced data-driven approach 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf118 PMID:40795063	研究论文	本研究利用机器学习和深度学习模型，结合临床和索赔数据，预测慢性肾脏病进展为终末期肾病的风险，并通过可解释人工智能提高模型可解释性和减少偏差	采用多源数据集成方法，结合不同观察窗口，并应用SHAP分析增强模型可解释性，同时评估了2021年eGFR方程在减少种族偏见方面的效果	研究基于2009年至2018年的数据，未来需扩展数据集成范围并验证框架在其他慢性疾病中的适用性	提高慢性肾脏病进展为终末期肾病的预测准确性，支持临床决策和减少医疗差异	10,326名慢性肾脏病患者	机器学习	慢性肾脏病	临床数据和索赔数据集成分析	LSTM	临床数据和索赔数据	10,326名患者	NA	LSTM	AUROC, F1分数	NA
2737	2026-01-04	Histopathology Images-Based Deep Learning Prediction of Histological Types in Endometrial Cancer 2026-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71509 PMID:41469815	研究论文	本研究开发并验证了一个名为EC-AIHIS的深度卷积神经网络，用于基于子宫内膜癌H&E染色图像预测其组织学类型	开发了EC-AIHIS模型，首次利用深度学习从H&E染色图像中预测子宫内膜癌的侵袭性与非侵袭性组织学类型，并在多队列中验证了其泛化能力和临床实用性	未明确说明模型在更广泛或多样化人群中的性能，以及可能存在的样本选择偏差	开发并验证一个深度学习模型，以准确预测子宫内膜癌的组织学类型，辅助病理学家诊断	子宫内膜癌标本的H&E染色图像	数字病理学	子宫内膜癌	H&E染色	CNN	图像	1187个子宫内膜癌标本	NA	EC-AIHIS	AUC, 灵敏度, 特异性	NA
2738	2026-01-03	Deep learning-based prediction of dynamic blood dose estimates for head-and-neck cancer 2026-Jan-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3047 PMID:41429110	研究论文	本研究开发了一种基于深度学习的模型，用于准即时预测头颈癌放疗中动态血液剂量模拟结果	首次提出结合全连接层和Transformer编码器的深度神经网络，实现动态血液剂量模拟的快速预测，克服了传统模拟在治疗计划迭代中时间不可行的限制	研究仅基于157名头颈癌患者的数据，样本量相对较小，且模型尚未在其他癌症类型或更大规模数据集中验证	开发一种准即时预测动态血液剂量模拟结果的方法，以促进放疗治疗计划中纳入血液剂量考虑	157名头颈癌患者的治疗计划CT图像和剂量体积直方图	数字病理学	头颈癌	动态血液剂量模拟（HEDOS）	深度神经网络	图像（CT）、剂量体积直方图	157名患者（126名用于训练和内部验证，31名用于测试）	NA	全连接层, Transformer编码器	Kullback-Leibler散度, 平均绝对百分比误差	NA
2739	2026-01-03	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种名为MI-CSBO的混合系统，用于通过深度学习与贝叶斯优化对心肌梗死进行分类	结合了深度残差CNN、贝叶斯优化和NCA特征选择，构建了一个新的混合分类系统，并在ECG数据上实现了100%的诊断准确率	NA	实现对心肌梗死的早期检测和分类	心电图（ECG）信号	机器学习	心血管疾病	谱图方法	CNN	图像（由ECG信号转换的谱图）	来自PTB数据库（PTBDB）的ECG信号数据集	NA	深度残差CNN	正确诊断率	NA
2740	2026-01-03	Arrhythmia detection in inter-patient ECG signals using entropy rate features and RR intervals with CNN architecture 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378105 PMID:39021157	研究论文	本文提出了一种结合熵率特征、RR间期和1D CNN架构的心律失常检测方法，用于处理患者间ECG信号分类	创新性地将熵率特征提取技术应用于ECG信号分类，并融合形态学特征（通过1D CNN自动捕获）与时间特征（RR间期），提升了患者间ECG分类性能	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力限制，以及计算资源需求的具体分析	开发一种高性能的心律失常自动检测方法，以解决患者间ECG信号分类的挑战	心电图（ECG）信号，特别是MIT-BIH心律失常数据集和INCART数据集中的信号	机器学习	心血管疾病	ECG信号分析，特征提取（包括熵率计算和RR间期测量）	CNN	信号数据（ECG波形）	使用MIT-BIH心律失常数据集（具体样本数未明确，但涉及患者内和患者间范式）和INCART数据集进行验证	未明确指定，可能为TensorFlow或PyTorch等深度学习框架	1D CNN	准确率	NA