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
61	2026-04-06	Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746364 PMID:41884147	研究论文	本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别	提出了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，显著缩短了诊断时间并提高了对STEMI和NSTEMI的识别准确性	模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高敏感性但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征	开发一种人工智能辅助工具，以提升急诊科急性胸痛患者的诊断准确性和临床决策效率	急诊科就诊的急性胸痛患者	数字病理学	心血管疾病	12导联心电图	CNN	图像	1188名患者	NA	结合通道注意力机制的卷积神经网络	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA
62	2026-04-06	YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1714086 PMID:41884779	研究论文	本文提出了一种基于YOLO的深度学习框架YOLOBT，用于动态调整事件相关电位（ERP）研究中坏试次的检测	提出了一种能模拟专家自适应策略的坏试次检测框架，通过全局信号质量评估实现动态阈值调整，并引入了跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新结构	未在论文摘要中明确说明	开发一种能模拟专家自适应判断的自动化ERP坏试次检测方法	脑电图（EEG）信号中的事件相关电位（ERP）试次	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	YOLO	图像（将EEG信号可视化为波形图像）	未在摘要中明确说明具体样本数量，仅提及使用手动标注的数据集	NA	YOLO	精确率，召回率，平均精度均值，F1分数	NA
63	2026-04-06	Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345470 PMID:41926489	研究论文	本文提出了一种结合物理约束和图神经网络的混合模型，用于通过检测嵌合体状态实现跨患者的癫痫发作预测	将基于Kuramoto振荡器理论的物理约束与图神经网络结合，实现了自动化、鲁棒且可解释的嵌合体状态检测，显著提升了跨患者泛化能力	研究主要基于公开数据集，未在更广泛的临床环境中进行实时验证；模型对EEG信号质量可能敏感	开发一种能够跨患者泛化、具有临床可解释性的癫痫发作预测方法	癫痫患者的脑电图（EEG）数据	计算神经科学, 机器学习	癫痫	脑电图（EEG）分析, 相位锁定值（Phase Locking Values）	图神经网络（GNN）, 状态空间网络（Mamba）	多通道脑电图（EEG）信号	CHB-MIT数据集（22名儿科患者，182次发作）；IEEG.org数据集（16名成人患者，87次发作）；总计844小时连续EEG数据	PyTorch	混合物理信息图神经网络（HP-GNN）, 超图卷积网络, Mamba网络	准确率, 灵敏度, 假阳性率每小时, 跨患者泛化准确率	未明确指定，但涉及深度学习模型训练，可能使用GPU
64	2026-04-06	Utilizing the transformer mechanism to predict cervical lymph node metastasis in patients with papillary thyroid carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345937 PMID:41931576	研究论文	本研究开发并验证了基于Vision Transformer (ViT) 的深度学习模型，用于术前预测甲状腺乳头状癌患者的颈部淋巴结转移	首次将Vision Transformer (ViT) 模型应用于甲状腺乳头状癌颈部淋巴结转移的术前预测，并与传统CNN模型、超声影像组学联合模型及临床模型进行比较，显示出更优且稳定的预测性能	研究为回顾性设计，样本量相对有限（540例患者），且仅基于二维矩形超声图像，未来需前瞻性研究和多模态数据验证	开发并验证Vision Transformer (ViT) 模型在术前预测甲状腺乳头状癌患者颈部淋巴结转移中的应用价值	甲状腺乳头状癌患者	计算机视觉	甲状腺癌	超声成像	Vision Transformer (ViT), 卷积神经网络 (CNN)	图像	540例甲状腺乳头状癌患者（来自两家医院）	NA	Vision Transformer (ViT), 传统CNN框架	AUC, 净重分类改善指数 (NRI), 综合判别改善指数 (IDI)	NA
65	2026-04-06	The Predictive Value of the Pan-Immune-Inflammation Value for Atrial Fibrillation Risk in Patients with Coronary Artery Disease: A Multicenter Machine Learning Study 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S579135 PMID:41883473	研究论文	本研究通过多中心机器学习方法，探讨了泛免疫炎症值（PIV）对冠心病患者心房颤动风险的预测价值	首次将新型复合炎症标志物PIV应用于冠心病患者心房颤动的风险预测，并比较了XGBoost与多层感知机模型的性能	研究为回顾性设计，可能存在选择偏倚；样本仅来自两家三级医院，外部验证有待加强	评估PIV对冠心病患者发生心房颤动的预测能力，并构建机器学习模型进行个体化风险评估	经冠状动脉造影确诊的冠心病患者，分为心房颤动组与非心房颤动组	机器学习	心血管疾病	冠状动脉造影，实验室检测	XGBoost, MLP	临床特征与实验室数据	来自两家三级医院的多中心冠心病患者队列	XGBoost, 未指定深度学习框架	XGBoost, 多层感知机	AUC, 校准分析	NA
66	2026-04-06	Advances and challenges from pathological mechanisms to intelligent quantified diagnosis in diabetic optic neuropathy 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261435864 PMID:41883518	综述	本文全面综述了糖尿病性视神经病变的病理生理机制、当前诊断挑战以及人工智能在早期检测和个性化管理中的新兴作用	系统探讨了人工智能在糖尿病性视神经病变中的转化应用，包括视神经头分割、疾病分类、鉴别诊断、预测分析和影像组学新生物标志物发现，并强调了从糖尿病视网膜病变模型向神经退行性变化检测的转变	NA	综述糖尿病性视神经病变的病理机制、诊断挑战及人工智能在量化诊断中的应用前景	糖尿病性视神经病变	数字病理学	糖尿病性视神经病变	NA	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
67	2026-04-06	Improving stain normalization for digital histological image analysis based on the cycle generative adversarial network identity loss model 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261438012 PMID:41883528	研究论文	本研究提出了一种基于循环生成对抗网络身份损失模型的染色归一化框架，旨在改善数字组织病理学图像分析中的染色颜色变化问题	提出了一种结合StainGAN和Stain-to-Stain Translation的I-GAN框架，通过引入身份损失和RGB-灰度训练策略，在测试阶段使用RGB图像以保留原始染色信息，实现了结构信息的保持和跨异质染色域的稳定颜色域转换	NA	开发一个鲁棒的染色归一化框架，以解决染色环境和扫描设备差异导致的颜色变化问题，促进基于深度学习的数字组织病理学图像分析	数字组织病理学图像，特别是苏木精和伊红染色的图像	数字病理学	NA	苏木精和伊红染色	GAN	图像	使用了MITOS-ATYPIA 14、Camelyon17和ICIAR2018 BACH Challenge数据集	NA	StainGAN, Stain-to-Stain Translation	SSIM, PSNR, DeltaE-ITP, 平均精度, 准确率, 精确率, 召回率	NA
68	2026-04-06	A unified VQ-VAE framework for few-shot retinal vessel segmentation and multidisease classification 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261433086 PMID:41883526	研究论文	本研究提出了一种基于向量量化变分自编码器的少样本学习框架，用于视网膜血管分割和多疾病分类	利用VQ-VAE在未标注眼底照片上进行预训练，学习可迁移的离散表示，以初始化多个下游模型，有效减少标注数据需求并提升性能	未明确说明模型在更广泛或更复杂临床场景中的泛化能力，以及计算资源的具体需求	解决任务特异性深度学习模型对大型标注数据集的依赖问题，开发资源高效的少样本学习解决方案	视网膜血管分割和眼部疾病分类	计算机视觉	眼部疾病	深度学习，少样本学习	VQ-VAE, CNN, GAN	图像	多个公共数据集（DRIVE, STARE, CHASE, Retina, ODIR），其中分类任务仅使用70张标注图像	NA	U-Net, SegNet, ERFNet, FR-UNet, Swin-Res-Net, RV-GAN, VGG-16, ResNet-50, EfficientNet-B0	Dice系数, 召回率, 准确率, 交并比, 平均交并比, 平均偏移距离, 精确率, F1分数, AUC	NA
69	2026-04-06	Integrating deep learning and thermal estimation for enhanced MRI-based brain tumor diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261431902 PMID:41883532	研究论文	本研究开发了一个集成AI驱动的MATLAB框架，通过结合MRI特征与热和纹理生物标志物，提升脑肿瘤诊断的准确性	首次将深度学习分割、形态分析、热估计和纹理量化整合到一个MATLAB管道中，用于脑肿瘤诊断，并提出了基于面积的温度估计公式	硬件限制导致训练仅进行了计划的30个周期中的8个，影响了模型优化；对垂体瘤的召回率较低（29%），对脑膜瘤的精确度较低（48.6%）	开发一个集成AI框架，通过结合MRI特征与热和纹理生物标志物，提高脑肿瘤诊断的准确性	脑肿瘤（包括胶质瘤、脑膜瘤、垂体瘤）和健康脑组织	数字病理学	脑肿瘤	磁共振成像（MRI）	CNN	图像	来自Kaggle和Figshare的数据集（具体样本数量未明确说明）	MATLAB	紧凑型三层卷积神经网络	准确率, F1分数, 召回率, 精确度	硬件限制导致训练周期减少，建议转向GPU加速训练（具体GPU类型未明确说明）
70	2026-04-05	Machine Learning-Based Multimodal Molecular Biomarkers for Predictive Health Analytics 2026-01-16, Journal of visualized experiments : JoVE DOI:10.3791/69241 PMID:41628017	研究论文	本文提出了一种基于机器学习的多模态分子生物标志物方法，用于预测性健康分析，旨在通过整合蛋白质、化学和遗传生物标志物来提高疾病预测的准确性	通过整合分子蛋白质、化学和遗传生物标志物与新兴机器学习特征（如TabNet和AutoInt）进行多模态分组，显著提升了预测准确性	未明确提及具体局限性，如数据样本量、模型泛化能力或临床验证范围	开发高度敏感的多模态生物标志物和有效调查方法，以准确检测和监测患者健康结果，包括预后、风险评估、患者分层和疾病监测	涉及多种健康问题，如心脏病、呼吸道感染、神经功能障碍、认知压力、癌症、中风、糖尿病等	机器学习	多种疾病	NA	传统机器学习算法, 传统深度学习方法, 现代深度学习技术（TabNet和AutoInt）	多模态分子数据（蛋白质、化学、遗传生物标志物）	NA	NA	TabNet, AutoInt	准确性	NA
71	2026-04-05	Artificial intelligence models for point-of-care ultrasound diagnostics in dogs 2026, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2026.1729114 PMID:41884304	研究论文	本研究评估了深度学习模型在犬只创伤重点超声评估中检测危及生命的积液和气胸的可行性和诊断性能	首次将深度学习模型应用于犬只的即时超声诊断，特别是针对创伤重点超声评估中的积液和气胸检测，为兽医急诊护理提供了AI辅助决策的可行性支持	样本量较小，仅包含钝性创伤和非创伤性病理，存在类别不平衡，以及积液体积和位置在呈现时的变异性	评估深度学习模型在犬只即时超声诊断中检测危及生命的积液和气胸的可行性和诊断性能	五只健康的军用工作犬和二十只客户拥有的犬只（22-55公斤），包括有确认的腹部、胸膜、心包积液或气胸的犬只	计算机视觉	创伤	即时超声，创伤重点超声评估	CNN	图像	25只犬（5只健康军用工作犬，20只客户拥有犬）	NA	卷积神经网络	召回率, 准确率	NA
72	2026-04-04	Retraction: An inherently interpretable deep learning model for local explanations using visual concepts 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346306 PMID:41926417	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
73	2026-04-05	A two-stage deep learning framework for predicting the onset of Atrial fibrillation using RR interval-based embeddings 2026 Jan-Mar, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2026.01.004 PMID:41878690	研究论文	本文提出了一种基于RR间期的两阶段深度学习框架，用于提前一小时预测心房颤动的发作	提出了一种新的两阶段深度学习框架，结合了卷积和双向LSTM网络进行特征提取和预测，并利用掩码技术增强临床可解释性	未明确提及具体局限性	开发一个能够提前预测心房颤动发作的模型，以支持预防性干预	重症监护病房患者的心电信号RR间期数据	机器学习	心血管疾病	NA	CNN, LSTM	时间序列数据（RR间期）	未明确提及具体样本数量，但涉及美国ICU中每年约500万危重患者中的一部分	未明确提及	卷积神经网络, 双向长短期记忆网络	灵敏度, 特异度, F1分数, AUROC, AUPRC	未明确提及
74	2026-04-05	EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342647 PMID:41931557	研究论文	本研究提出了一种基于EfficientNetV2架构的深度学习框架，用于准确检测光伏电池中的故障	首次评估了三种EfficientNetV2变体（EfficientNetV2B0、EfficientNetV2B2和EfficientNetV2M）在光伏电池故障检测中的应用，并展示了EfficientNetV2M模型在异常检测任务中的优越性能	研究仅使用了2500张图像的数据集，样本量相对较小，可能影响模型的泛化能力	提高光伏电池故障识别的准确性，以优化光伏系统性能并延长太阳能电池板的使用寿命	光伏电池（包括有缺陷和无缺陷的电池）	计算机视觉	NA	深度学习	CNN	图像	2500张图像（包含有缺陷和无缺陷的光伏电池）	NA	EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M	准确率, 精确率, 召回率, F1分数	NA
75	2026-04-05	A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343141 PMID:41931562	研究论文	本文提出了一种结合DnCNN、自编码器和模糊中值滤波器的深度学习图像去噪方法，用于检测和消除高密度脉冲噪声	提出了一种混合自编码器与模糊中值滤波器的深度学习去噪方法，有效整合了DnCNN和自编码器进行噪声分类，并通过模糊中值滤波器重建干净图像	仅使用12张标准测试图像进行训练和验证，样本规模较小	开发一种有效的图像恢复技术，用于去除图像中的脉冲噪声	受脉冲噪声污染的图像	计算机视觉	NA	图像去噪	CNN, 自编码器	图像	12张标准测试图像	NA	DnCNN, 自编码器	准确率, FPR, FNR, F1分数, PSNR, SSIM	NA
76	2026-04-04	Deep Learning Model With Nodule Indexing Tailored to Early-Stage Lung Cancer Detection 2026-Jan-29, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2026.01.025 PMID:41620056	研究论文	本研究评估了一种基于深度学习的AI系统，通过结节索引和恶性风险分层，在CT扫描中检测肺结节，并提高了放射科医生的诊断性能	开发了针对早期肺癌检测的深度学习模型，结合结节索引和恶性风险分层，显著提升了放射科医生在检测肺结节方面的敏感性和效率	研究数据集虽包含早期肺癌病例，但样本来源主要为NLST试验，可能限制了结果的泛化性	评估AI系统在CT扫描中辅助放射科医生检测肺结节和早期肺癌的性能	CT扫描图像，包括209例筛查和131例非筛查病例，其中133例肺癌、61例良性非钙化结节和146例正常病例	计算机视觉	肺癌	CT扫描	深度学习模型	图像	340例CT扫描，包含133例肺癌、61例良性结节和146例正常病例	NA	NA	敏感性, 特异性, AUC, 假阳性率, 解读时间	NA
77	2026-04-04	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出了一种轻量化的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2，用于乳腺癌组织病理学图像的检测	提出了一种互惠门控融合机制，实现了两个高效卷积神经网络之间的结构化双向交互，增强了互补特征交换并抑制了冗余响应	未在摘要中明确说明	开发一种计算开销小、实用性强、精确可靠的计算机辅助诊断解决方案，用于乳腺癌检测	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN	图像	未在摘要中明确说明	未在摘要中明确说明	SqueezeNet, ShuffleNetV2	多类准确率, 二元准确率	未在摘要中明确说明
78	2026-04-04	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	本文提出了ViralBindPredict，一种直接从蛋白质序列预测病毒蛋白-配体结合位点的深度学习框架	首次引入泄漏控制的大规模病毒蛋白-配体相互作用基准数据集，并开发了无需结构信息的序列直接预测方法	对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文对泛化能力有主导影响	加速抗病毒药物发现，支持靶点优先排序、化合物再利用和新药设计	病毒蛋白-配体结合位点	生物信息学	病毒性疾病	深度学习，蛋白质序列分析	多层感知机，LightGBM	蛋白质序列，配体描述符	超过10,000个病毒链和约13,000个相互作用	NA	多层感知机	精确率，召回率	NA
79	2026-04-04	Using Artificial Intelligence to Automate the Analysis of Psoriasis Severity: A Pilot Study 2026, Dermatology (Basel, Switzerland) DOI:10.1159/000549640 PMID:41269911	研究论文	本研究利用YOLOv8深度学习模型，基于2D临床图像特征，自动分类银屑病皮损严重程度，以改进PASI评分的客观性和一致性	首次应用YOLOv8模型对银屑病皮损的PASI关键子成分（红斑、厚度、鳞屑）进行自动化严重程度分类，并采用分层k折交叉验证增强模型在不同数据集上的可靠性	研究为初步试验，样本规模可能有限，且仅基于2D图像，未考虑三维或动态临床因素	利用人工智能提高银屑病严重程度评估的客观性和一致性	银屑病皮损的临床图像	计算机视觉	银屑病	深度学习	CNN	图像	三个不同数据集，具体样本数未明确	Google Colab	YOLOv8	混淆矩阵, 准确率	云端环境（Google Colab）
80	2026-04-04	Deep learning for cardiac MRI: performance evidence and barriers to clinical integration. A Systematic Review and Meta-Analysis 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag045 PMID:41877690	系统综述与荟萃分析	本系统综述与荟萃分析评估了深度学习在心脏磁共振成像中用于图像分割、预测和诊断的当前证据	首次对2020年至2025年间发表的深度学习在心脏MRI中的应用研究进行了全面的系统综述与荟萃分析，量化了模型在分割和诊断任务中的优异性能	纳入研究存在异质性，且大多数研究集中于分割任务，诊断和预测研究数量相对较少	评估深度学习在心脏磁共振成像中的应用证据，并探讨其临床整合的障碍	使用深度学习进行心脏磁共振图像分割、预测或诊断的研究	医学影像分析	心血管疾病	心脏磁共振成像	深度学习	医学影像	62项符合纳入标准的研究，其中12项纳入荟萃分析	NA	U-Net	Dice分数, Hausdorff距离, 敏感性, 特异性, AUC	NA