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
441	2026-02-27	High-Fidelity Seismic Super-Resolution Using Prior-Informed Deep Learning With 3D Awareness 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663926 PMID:41706771	研究论文	本文提出了一种结合先验知识与3D感知的深度学习框架，用于提高地震数据超分辨率的保真度与泛化能力	提出了一种融合真实合成训练数据生成、3D感知增强网络和先验知识微调策略的集成框架，有效解决了传统方法输出不真实和泛化能力有限的问题	未明确说明方法在极端地质条件下的适用性，且对无标签现场数据的依赖可能在某些场景下受限	提高地震数据垂直分辨率以改善薄层识别能力	地震数据	计算机视觉	NA	深度学习超分辨率	Transformer, CNN	地震图像数据	多个现场数据集（未指定具体数量）	NA	Swin-Transformer, 3D卷积块	保真度、泛化能力、空间一致性、频谱匹配	NA
442	2026-02-25	Retraction: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343285 PMID:41729793	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
443	2026-02-27	Deep locomotion prediction learning over biosensors, ambient sensors, and computer vision 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342793 PMID:41729836	研究论文	本文提出了一种融合生物传感器、环境传感器与计算机视觉的深度学习系统，用于人体运动预测学习	首次结合生物传感器信号、环境传感器数据与计算机视觉特征，并采用改进的隐马尔可夫模型与深度指数残差神经网络进行运动预测	未明确说明模型在实时应用中的计算效率及跨场景泛化能力的验证	开发智能系统以实现准确的人体运动预测学习	人体运动数据（包括生理运动、环境信号与视觉特征）	计算机视觉, 机器学习	NA	生物传感技术, 环境传感技术, 计算机视觉技术	隐马尔可夫模型, 深度神经网络	传感器信号, RGB图像, 身体关键点数据	基于五个不同场景的数据集（具体样本量未说明）	NA	改进的体感传感器隐马尔可夫模型, 深度指数残差神经网络	NA	NA
444	2026-02-27	A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342430 PMID:41729932	研究论文	本研究提出了一种融合抽象与具体特征的深度学习评价系统，用于评估儿童友好型城市街道	提出了一种结合可量化具体特征与从街景图像中提取的抽象特征的深度学习评价系统，为儿童友好街道的定量评估提供了新的技术路径	研究仅以上海市街道为案例，样本范围有限，且依赖于7-12岁儿童的感知调查数据	解决当前儿童友好城市街道评价方法主观性强、数据获取困难、效率低下的问题	上海市的儿童友好型城市街道	计算机视觉	NA	街景图像分析	CNN, 人工神经网络	图像, 量化特征数据	1322个街道样本，6724张街景图像	NA	ResNet18	准确率	NA
445	2026-02-27	Mask - Region-based Convolutional Neural Networks (R-CNN) with Radiomics Integration and Gray Level Co-occurrence Matrix (GLCM) for brain tumor detection and segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342185 PMID:41729939	研究论文	本研究提出了一种结合Mask R-CNN、影像组学特征和灰度共生矩阵的混合方法，用于脑肿瘤的检测与分割	将手工提取的影像组学特征和GLCM纹理特征与Mask R-CNN提取的深度特征相结合，形成强大的混合特征集，充分利用了传统影像组学和深度学习的优势	NA	提高脑肿瘤的早期检测和分割精度，为临床医生提供准确诊断工具	脑肿瘤MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Mask R-CNN	灵敏度, 特异性, 精确度	NA
446	2026-02-27	A deep learning framework for gait-based frailty classification using inertial measurement units 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343402 PMID:41734192	研究论文	本文提出了一种结合可穿戴传感器测量与深度学习技术的先进衰弱评估方法，用于将个体分类为衰弱或非衰弱阶段	提出了一种基于信号窗口分割的参与者中心数据划分框架，并将其应用于深度学习算法，同时利用多个IMU传感器配置和安装位置进行增强的衰弱分析	NA	开发一种基于步态的衰弱分类方法，以早期检测和及时干预老年人的衰弱状况	老年人	机器学习	老年疾病	惯性测量单元（IMU）传感器测量	深度学习	传感器信号（IMU原始信号）	两个数据集（GSTRIDE和FRAILPOL），具体样本数量未明确	NA	InceptionTime	准确率, AUC, 精确率, 召回率, F1分数	NA
447	2026-02-27	FORCE: Feature-Oriented Representation with Clustering and Explanation 2026-Jan, European journal of artificial intelligence and machine learning DOI:10.24018/ejai.2026.5.1.1076 PMID:41737733	研究论文	本文提出了一种基于SHAP值的监督深度学习框架FORCE，通过聚类和注意力机制增强模型对潜在结构的捕捉能力	提出两阶段使用SHAP值的方法：通过聚类绝对SHAP值指导模型训练，并利用潜在信息在架构中启动注意力机制	仅使用三个真实数据集进行评估，未在更广泛的数据集上验证通用性	通过利用潜在未观测结构来提高预测模型的准确性	多囊卵巢综合征等疾病的预测模型	机器学习	多囊卵巢综合征	SHAP（Shapley Additive exPlanations）值分析	深度学习	特征数据	三个真实数据集	NA	神经网络	F1分数	NA
448	2026-02-27	Design of an AI-driven secure 5G-SDN framework with federated reinforcement learning for anomaly detection, mitigation, and attack forensics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1701944 PMID:41743650	研究论文	本文提出了一种集成高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的多层安全框架，用于5G-SDN网络中的异常检测、缓解和攻击取证	提出了一种结合高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的创新多层安全框架，实现了轻量级、低延迟、可扩展且隐私保护的异常检测与缓解	未明确提及框架在极端网络条件或新型未知攻击下的性能表现，以及实际大规模部署中的潜在挑战	为5G-SDN网络设计一个安全、可扩展、低延迟的入侵检测与缓解框架	5G软件定义网络中的数据平面异常、控制层入侵和分布式拒绝服务攻击	机器学习	NA	知识蒸馏、联邦强化学习、区块链技术	CNN, LSTM, Transformer, SNN	网络流量数据	使用多个基准数据集，包括CICIDS2017、UNSW-NB15、IoT-23和InSDN	NA	EfficientNet, Transformer	检测准确率、检测延迟、吞吐量退化、能耗	NA
449	2026-02-27	Resilient Sinkhorn-Based Optimal Transport Late Fusion Framework for Breast Cancer Diagnosis 2026, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351261420789 PMID:41743692	研究论文	本研究开发了一种基于Sinkhorn最优传输的晚期融合多模态深度学习框架，用于乳腺癌诊断，旨在解决临床数据异步、不配对或不完整等现实挑战	首次将乳腺癌晚期融合建模为最优传输问题，并采用动态重加权Sinkhorn融合层来处理数据异构性和模态缺失	研究为回顾性研究，性能评估在内部受控条件下进行，未在外部独立数据集上进行验证	开发并评估一种在数据异步、不配对或不完整情况下仍保持鲁棒性的、可临床部署的乳腺癌诊断多模态深度学习框架	乳腺癌诊断	数字病理学	乳腺癌	多模态深度学习	深度学习	组织病理学图像, 结构化临床风险因素	未明确说明具体样本数量	未明确说明	未明确说明具体架构，但包含为各模态定制的模型及Sinkhorn融合层	PR-AUC, 召回率, F1分数, Brier分数	未明确说明
450	2026-02-27	Autonomic dysfunction and hypothalamic atrophy in frontotemporal dementia and primary psychiatric disorders 2026 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70284 PMID:41743836	研究论文	本研究探讨了额颞叶痴呆和原发性精神障碍中自主神经功能障碍与下丘脑萎缩的关系	首次使用深度学习方法分析MRI数据，比较了额颞叶痴呆、原发性精神障碍和对照组的自主神经症状与下丘脑体积的关联	样本量相对较小，特别是自主神经症状问卷数据部分，且研究为横断面设计，无法确定因果关系	研究额颞叶痴呆和原发性精神障碍中自主神经症状与下丘脑病理学的关系	额颞叶痴呆患者、原发性精神障碍患者和健康对照者	医学影像分析	额颞叶痴呆, 原发性精神障碍	MRI, 自主神经症状问卷	深度学习	MRI图像, 问卷数据	自主神经症状问卷数据：FTD n=31, PPD n=30, 对照 n=30；MRI数据：FTD n=259, PPD n=44, 对照 n=62	NA	NA	p值	NA
451	2026-02-27	Assessing arterial stiffness using characteristics of Korotkoff sounds 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1654162 PMID:41743963	研究论文	本研究探讨了从袖带血压测量中记录的柯氏音中提取动脉僵硬度相关信息的可行性，并应用特征分析和机器学习方法进行分类	首次利用柯氏音特征结合机器学习评估动脉僵硬度，为临床和家庭环境提供了一种非侵入性、便捷的潜在评估工具	主要使用年龄作为替代标签，未评估临床结局，无法确定其在心血管风险分层中超越年龄和血压的增量价值，需要更大规模研究及前瞻性验证	评估从柯氏音中提取动脉僵硬度信息的可行性，并探索机器学习在血管老化相关群体区分中的应用	年轻参与者、老年参与者以及医院中测量了臂踝脉搏波速度的参与者	机器学习	心血管疾病	柯氏音记录、特征提取（时域和频域）	深度学习模型	音频信号（柯氏音）	123名年轻参与者、112名老年参与者、81名医院参与者	NA	NA	准确率	NA
452	2026-02-26	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，它们基于分子动力学模拟和正常模式分析训练，用于预测蛋白质动态特性和突变效应	首次将蛋白质动态生物物理特性整合到语言模型中，通过超过64,000个蛋白质的模拟数据训练，能够捕获残基间的动态相互作用和协同运动，并在缺乏进化信息的蛋白质上实现零样本预测	模型依赖于分子动力学模拟和正常模式分析的数据质量，可能无法完全覆盖所有蛋白质的动态复杂性，且训练数据规模虽大但仍有限	开发能够整合蛋白质动态特性的语言模型，以更准确地预测蛋白质行为和突变效应	蛋白质，包括有序和无序蛋白质，以及设计蛋白质和病毒蛋白质	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance, ESM2	零样本预测性能	NA
453	2026-02-26	Mapping the hidden journey of microplastics: Multi-organ deposition patterns and organ-specific health risks revealed by AI-driven analysis 2026-Jan-05, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.101031 PMID:41737325	研究论文	本研究利用拉曼成像和机器学习，揭示了微塑料在人体七个主要器官中的分布特征及其器官特异性健康风险	首次结合深度学习和随机森林模型，系统分析了微塑料在多器官中的分布模式、特征差异及其与器官血管化程度的关系	样本量较小（仅8名捐赠者），且主要依赖体外组织样本分析，体内动态分布和长期健康影响的机制仍需进一步研究	探究微塑料在人体不同器官中的分布规律、特征差异及其潜在的器官特异性健康风险	人体器官（肺、心脏、肝脏、脾脏、大脑、肾脏、小肠）组织样本中的微塑料	机器学习	NA	拉曼成像	深度学习, 随机森林	图像	8名捐赠者的多个器官组织样本	NA	U-Net	准确率	NA
454	2026-02-26	Automated evaluation of pulmonary lesion changes on chest radiograph during follow-up using semantic segmentation 2026-01-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253567 PMID:41321291	研究论文	本研究开发并验证了一种基于深度学习的模型，利用病灶特异性分割技术，在配对胸部X光片中自动评估实变和胸腔积液的改变状态	首次提出利用病灶特异性分割的深度学习模型，自动评估随访胸部X光片中实变和胸腔积液的改变状态，为临床优先解读、警报生成和时间序列数据提取提供潜在工具	模型在ICU环境中对胸腔积液的评估与放射科医生存在显著差异（P=0.01），且所有数据均来自单一机构，可能影响泛化能力	开发并验证一种深度学习模型，用于自动评估随访胸部X光片中肺部病灶（实变和胸腔积液）的变化状态	胸部X光片中的实变和胸腔积液病灶	计算机视觉	肺部疾病	语义分割	深度学习模型	图像	训练使用5,178张胸部X光片（来自单一机构），验证使用急诊科和重症监护室的配对X光片	NA	NA	AUC, 准确率	NA
455	2026-02-26	Modality-AGnostic image Cascade (MAGIC) for multi-modality cardiac substructure segmentation 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111296 PMID:41271169	研究论文	本文提出并验证了一种用于多模态心脏亚结构分割的模态无关图像级联深度学习流程	提出了一种模态无关的图像级联深度学习管道，能够处理多模态输入和重叠标签，在单一模型中实现多模态分割，显著减少了训练时间和参数数量	未明确说明模型在更广泛临床场景或不同患者群体中的泛化能力	开发一种高效、轻量化的深度学习解决方案，用于多模态心脏亚结构的准确分割	心脏亚结构，包括心脏整体、心腔、大血管、瓣膜、冠状动脉和传导节点	数字病理学	心血管疾病	深度学习分割技术	CNN	医学图像	训练集151例，验证集15例，测试集30例，涉及心脏CT血管造影、模拟CT和低场MR-Linac模态	nnU-Net	nnU-Net	Dice相似系数, Wilcoxon符号秩检验	NA
456	2026-02-26	Prognostic value of red blood cell distribution width in traumatic brain injury: A mediation and deep learning analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339879 PMID:41481601	研究论文	本研究探讨了年龄、红细胞分布宽度与创伤性脑损伤患者短期死亡率之间的关联，并分析了红细胞分布宽度在年龄对死亡率影响中的中介作用	首次在创伤性脑损伤患者中系统评估红细胞分布宽度的预后价值，并采用中介分析和深度学习生存模型揭示其作为年龄相关死亡率的部分中介因子	研究为回顾性队列分析，数据来源于单一数据库（MIMIC-IV），可能存在选择偏倚	评估红细胞分布宽度在创伤性脑损伤患者短期死亡率预测中的临床价值及其与年龄的交互作用	重症监护室收治的创伤性脑损伤患者	医学数据分析	创伤性脑损伤	回顾性队列分析，Cox比例风险回归，限制性立方样条，中介分析，深度学习生存模型	深度学习生存模型	临床数据	1,203名ICU收治的创伤性脑损伤患者	NA	Deepsurv	C-index, IBS, AUC	NA
457	2026-02-26	Unraveling the activity of phage-carrying antibiotic resistance genes in constructed wetlands 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1764958 PMID:41736799	研究论文	本研究通过整合宏基因组学、宏转录组学和深度学习技术，揭示了人工湿地中噬菌体携带的抗生素抗性基因（ARGs）的活性模式及其传播风险	提出了一个以载体为中心的框架，结合宏基因组和宏转录组分析以及基于深度学习的移动遗传元件识别，首次在人工湿地中量化了噬菌体介导的ARGs转录活性，并发现了低丰度高活性的残留风险模式	研究仅针对一个全尺度人工湿地，结果可能受特定环境条件影响，未在其他类型湿地或不同地理区域进行验证	评估人工湿地中抗生素抗性基因（ARGs）的活性、传播风险及噬菌体在其中的作用	人工湿地中的植物、沉积物和水体样本	环境微生物学	NA	宏基因组学、宏转录组学、深度学习	深度学习模型	基因组数据、转录组数据	一个全尺度人工湿地的植物、沉积物和水体样本	NA	NA	NA	NA
458	2026-02-26	Multimodal skin lesion classification for early cancer diagnosis using deep learning 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1717517 PMID:41736951	研究论文	本文利用深度卷积神经网络（DenseNet 201、VGG16和InceptionV3）构建集成模型，对皮肤镜图像进行皮肤病变分类，以实现早期癌症诊断	提出两种微调方法（重新训练顶层和半层并添加额外层），并将基础模型集成，结合超参数调优和Grad-CAM增强模型可解释性	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论数据集的潜在偏差或样本多样性限制	通过深度学习技术实现皮肤病变的自动分类，以辅助早期皮肤癌诊断	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	HAM10000数据集，分为训练集和测试集	未明确指定，但可能基于TensorFlow或PyTorch	DenseNet 201, VGG16, InceptionV3	准确率, F1分数, 召回率, 精确率	未提及
459	2026-02-26	Dosimetric Discrepancy Between Whole-Lung and Lobe-Specific Metrics in Lung Stereotactic Body Radiotherapy and Its Implications for Regional Dose Assessment 2026-Jan, Cureus DOI:10.7759/cureus.102180 PMID:41737079	研究论文	本研究定量评估了肺癌立体定向体部放疗中传统全肺剂量学指标与肺叶特异性剂量学之间的差异	揭示了传统全肺剂量指标因体积稀释效应而显著低估肿瘤所在肺叶的辐射剂量浓度，并提出了基于肺叶的解剖学框架来更精确地描述区域剂量分布	回顾性研究，样本量较小（仅10例患者），且仅针对特定分期（T1-T2N0M0）和非小细胞肺癌的特定放疗方案（42 Gy/4次）	评估肺癌立体定向体部放疗中全肺与肺叶特异性剂量学指标的差异及其对区域剂量评估的意义	早期非小细胞肺癌患者	数字病理学	肺癌	立体定向体部放疗	深度学习	医学影像	10例T1-T2N0M0期非小细胞肺癌患者	NA	NA	Wilcoxon符号秩检验，Spearman等级相关系数	NA
460	2026-02-26	Use of Artificial Intelligence in Preoperative Planning in Surgery: A Narrative Review 2026-Jan, Cureus DOI:10.7759/cureus.102187 PMID:41737108	综述	本文是一篇叙事性综述，评估了人工智能（AI）在手术术前规划中的应用、有效性和局限性	综合了2020年至2025年的最新研究，特别关注了整形与重建外科等专科中AI的应用实例，并探讨了AI与3D打印、虚拟现实等新兴技术结合的潜力	数据异质性、发表偏倚以及大规模前瞻性多中心临床研究数量有限是其更广泛实施的主要障碍	评估AI在手术术前规划中的应用、有效性和局限性	手术术前规划，特别是整形与重建外科等外科专科	机器学习	NA	机器学习、深度学习、三维建模、预测分析	NA	NA	NA	NA	NA	NA	NA