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
3761	2026-03-31	Towards Feasible Home ECG Monitoring: AI-Driven Detection of Clinically Critical Arrhythmias Using Single-Lead Signals 2026-Mar-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030317 PMID:41899848	研究论文	本研究开发了一种基于深度学习的模型，用于从单导联心电信号中自动分类五种关键的心律失常模式	提出了一种结合时间注意力和Time2Vec嵌入的深度学习架构，专门用于处理单导联短时程（10秒）心电信号，以支持可行的家庭心电监测	模型训练数据主要来自公开数据集（PhysioNet/CiC Challenge 2020等），可能未涵盖所有临床场景或人群变异；使用单导联信号虽简化了家庭监测，但可能限制了某些复杂心律失常的鉴别能力	开发一种准确、可行的家庭心电监测方案，通过AI自动检测临床关键性心律失常，以支持家庭医疗保健和临床决策	单导联心电信号	机器学习	心血管疾病	心电信号分析	深度学习模型	时序信号（心电信号）	训练集：1500条单导联10秒心电信号；测试集：2297条心电信号	NA	结合时间注意力和Time2Vec嵌入的定制架构	准确率, 灵敏度, 特异性	NA
3762	2026-03-31	Limitations of MMSE in Cognitive Assessment: Revealing Latent Risk via Structural Brain Atrophy 2026-Mar-10, Life (Basel, Switzerland) DOI:10.3390/life16030451 PMID:41900969	研究论文	本研究评估了MMSE和nWBV在认知阶段分类中的相对贡献，并提出了一个可解释的深度学习框架来整合两者，以揭示MMSE正常人群中的潜在风险	提出了一个整合MMSE与结构性脑萎缩指标nWBV的可解释深度学习分析框架，用于认知障碍阶段分类和潜在风险筛查，并系统评估了各变量的相对贡献	MMSE对早期或细微认知衰退的敏感性有限，且可能因天花板效应无法充分反映大脑结构变化	评估MMSE和nWBV在认知阶段分类中的相对贡献，并研究MMSE正常人群中的潜在风险	认知障碍阶段分类及MMSE正常人群的潜在风险筛查	机器学习	老年疾病	深度学习，特征消融分析，可解释性分析	MLP, Tab ResNet, Tab Transformer, FT Transformer	表格数据	NA	NA	MLP, Tab ResNet, Tab Transformer, FT Transformer	分类性能	NA
3763	2026-03-31	Systematic Evaluation of Machine Learning and Deep Learning Models for IoT Malware Detection Across Ransomware, Rootkit, Spyware, Trojan, Botnet, Worm, Virus, and Keylogger 2026-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s26061750 PMID:41901920	研究论文	本研究对27种机器学习和18种深度学习模型在物联网恶意软件检测中的性能进行了大规模系统评估，涵盖了勒索软件、Rootkit、间谍软件、木马、僵尸网络、蠕虫、病毒和键盘记录器八类恶意软件	首次对45种ML和DL模型在物联网恶意软件检测中进行大规模系统比较，并构建了包含8类恶意软件的5万样本数据集，提出了针对性的特征选择流程	研究仅基于Any.Run平台收集的样本，可能无法完全代表所有物联网恶意软件变种；特征选择流程可能遗漏某些重要特征	评估和比较不同机器学习和深度学习模型在物联网恶意软件检测中的性能，为实际部署提供指导	物联网环境中的恶意软件检测	机器学习	NA	静态和行为遥测分析	机器学习模型, 深度学习模型	表格特征数据	50,000个可执行样本（包括8,000个恶意软件实例和42,000个良性样本）	NA	CatBoost, LightGBM, XGBoost, Extra Trees, Random Forest, TabNet, FT-Transformer	准确率, 假阳性率	商用CPU硬件
3764	2026-03-31	A Fully Automated Deep Learning Pipeline for Anatomical Landmark Localization on Three-Dimensional Pelvic Surface Scans 2026-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s26061760 PMID:41901931	研究论文	本研究提出了一种全自动深度学习流水线，用于从原始三维点云数据中定位骨盆后部区域的解剖标志点	开发了一个模块化深度学习框架，集成了三个独立训练的神经网络，分别用于提取感兴趣区域、姿势标准化和标志点定位，实现了全自动、近实时的骨盆解剖标志点识别	研究仅针对骨盆后部区域，未涵盖整个骨盆或更广泛的解剖结构；性能评估在特定数据集上进行，泛化能力需进一步验证	开发一种自动化方法以提高三维骨盆表面扫描中解剖标志点定位的准确性和可重复性	三维骨盆表面扫描数据	计算机视觉	NA	三维点云扫描	CNN	三维点云数据	未明确指定样本数量	未明确指定	PelvicROINet, PelvicAlignNet, PelvicLandmarkNet	中位误差, 重复性, 组内相关系数	未明确指定
3765	2026-03-31	MyoNet: Deep Learning-Based Myocardial Strain Quantification from Cine Cardiac MRI 2026-Mar-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030310 PMID:41899841	研究论文	本文开发并评估了MyoNet，一种基于深度学习的网络，用于从电影心脏磁共振图像中测量心肌区域功能，并将其与ResMyoNet进行比较	MyoNet通过优化的卷积操作和损失函数，在心肌应变测量中表现出优于ResMyoNet的性能，并与SinMod参考方法高度一致	研究基于Dahl盐敏感大鼠模型，可能限制了在人类或其他疾病模型中的直接适用性	开发并评估一种深度学习网络，用于从电影心脏磁共振图像中量化心肌应变	Dahl盐敏感大鼠模型，接受放射治疗	计算机视觉	心血管疾病	电影心脏磁共振成像	CNN	图像	NA	NA	MyoNet, ResMyoNet	SSIM, ICC, Pearson CC	NA
3766	2026-03-31	Multimodal AI Screening of Developmental Language Disorder in Tunisian Arabic Children: Clinical Markers and Computational Detection 2026-Mar-06, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16030375 PMID:41898037	研究论文	本研究提出了一种多模态生物医学信息学框架，整合临床评估、语音录音和人工智能，用于早期检测突尼斯阿拉伯语儿童的发育性语言障碍	首次为突尼斯阿拉伯语这一代表性不足的方言建立了标准化的DLD数据集和计算基准，并开发了结合临床特征和声学嵌入的多模态AI筛查系统	研究基于特定方言（突尼斯阿拉伯语），可能限制了在其他阿拉伯语方言或语言中的泛化能力，且样本规模未明确说明	开发一种AI辅助的早期筛查工具，用于检测突尼斯阿拉伯语儿童的发育性语言障碍	突尼斯阿拉伯语儿童，包括典型发育儿童和患有发育性语言障碍的儿童	自然语言处理	发育性语言障碍	语音录音、临床语言任务评估	Random Forest, 深度学习模型	语音、结构化临床和语言特征	NA	NA	Wav2Vec2	F1分数	NA
3767	2026-03-31	Deep Learning Enabled 3D Multi-Omic Analysis Reveals Molecular Signatures of Heterogeneous Response to Chemotherapy in Pancreatic Cancer 2026-Mar-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.03.709150 PMID:41867770	研究论文	本研究开发了一种基于深度学习的3D多组学分析流程，用于揭示胰腺癌对化疗异质性反应的分子特征	首次结合深度学习形态分类与空间多组学技术，在临床样本中实现3D分析，以识别化疗敏感与持续肿瘤细胞群	研究样本量有限，且仅针对胰腺癌，未在其他癌症类型中验证	识别胰腺癌对化疗产生耐药性的潜在机制	接受新辅助化疗的人类胰腺癌临床样本	数字病理学	胰腺癌	空间蛋白质组学, 空间转录组学	深度学习模型	3D形态图像, 空间多组学数据	一个人类胰腺癌样本队列	NA	NA	NA	NA
3768	2026-03-31	Multi-Architecture Deep Learning for Early Alzheimer's Detection in MRI: Slice- and Scan-Level Analysis 2026-Mar-05, International journal of environmental research and public health DOI:10.3390/ijerph23030322 PMID:41899699	研究论文	本研究提出了一种双层次评估框架，比较了十五种深度学习架构在ADNI数据集上对阿尔茨海默病、轻度认知障碍和认知正常受试者进行分类的性能，重点关注预处理流程对模型可靠性的影响	通过系统优化预处理步骤以减少数据变异性并增强特征一致性，确立了预处理质量作为神经影像深度学习中性能的关键决定因素，并揭示了多切片聚合对不同架构的不对称影响	研究主要基于ADNI数据集，可能无法完全推广到其他人群或数据采集协议，且未详细探讨模型在不同疾病亚型或病程阶段的具体表现	开发可靠的自动化方法，用于阿尔茨海默病的早期检测，特别是在前驱期如轻度认知障碍阶段	阿尔茨海默病、轻度认知障碍和认知正常的受试者	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer, 混合模型	图像	ADNI数据集中的受试者（具体数量未在摘要中明确说明）	NA	ConvNeXtV2-L, EfficientNetV2-L, VGG19, SwinV1-L	准确率	NA
3769	2026-03-31	A Multi-Scale Vision-Sensor Collaborative Framework for Small-Target Insect Pest Management 2026-Mar-04, Insects IF:2.7Q1 DOI:10.3390/insects17030281 PMID:41898943	研究论文	提出了一种多尺度视觉传感器协同识别方法，用于复杂农业环境下的小目标害虫管理	联合建模多尺度视觉表示与害虫生态机制，引入环境传感器数据作为先验调制视觉特征，将生态约束显式融入判别过程	NA	提高复杂条件下小目标害虫识别的准确性和稳定性，促进从经验驱动到数据驱动的害虫管理转变	小目标害虫，包括蚜虫、蓟马、白粉虱、叶蝉、蜘蛛螨和叶甲虫	计算机视觉	NA	多尺度视觉传感器协同识别	深度学习模型	图像, 传感器数据（温度、湿度、光照）	从内蒙古巴彦淖尔市临河区真实农田和温室环境收集的多模态数据集	NA	NA	准确率, 精确率, 召回率, F1分数	NA
3770	2026-03-31	Current Trends in Artificial Intelligence for Recognizing Work Postures to Prevent Work-Related Musculoskeletal Disorders: Systematic Review and Meta-Analysis by Occupational Activity 2026-Mar-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030298 PMID:41899829	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了人工智能在识别工作姿势以预防工作相关肌肉骨骼障碍方面的性能	首次针对不同职业活动、姿势类别和AI方法（机器学习与深度学习）进行综合性能比较，为行业5.0背景下的人本化检测系统设计提供依据	主要限制在于所使用方法的高度多样性，可能导致结果的可比性受限	评估人工智能工作姿势识别系统在职业活动中的性能，以预防工作相关肌肉骨骼障碍	工作姿势识别系统及其在预防工作相关肌肉骨骼障碍中的应用	计算机视觉	工作相关肌肉骨骼障碍	深度学习, 机器学习	深度学习, 机器学习	NA	58项研究（来自157条独特记录）	NA	NA	准确率, 精确率, 特异性, 灵敏度, F1分数	NA
3771	2026-03-31	EndoClean: A Hybrid Deep Learning Framework for Automated Full-Video Boston Bowel Preparation Scale Assessment 2026-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030294 PMID:41899825	研究论文	本研究提出了一种名为EndoClean的混合深度学习框架，用于从结肠镜检查视频中自动计算全段波士顿肠道准备量表评分，旨在提供标准化、客观且接近专家水平的评估	开发了首个完全自动化的深度学习框架EndoClean，用于全视频波士顿肠道准备量表评估，整合了帧选择、解剖分割和BBPS评分三个独立模型，显著减少了评估者间差异	未明确说明模型在不同医疗机构或设备上的泛化能力，以及计算资源需求的具体细节	开发一个标准化、客观的自动化系统，用于评估结肠镜检查中的肠道准备质量，以减少人工评估的变异性和提高评估效率	结肠镜检查视频	计算机视觉	NA	深度学习	混合深度学习框架	视频	未明确说明具体样本数量，但涉及与资深专家和初级内镜医师的比较评估	未明确指定，但可能涉及TensorFlow, PyTorch等	未明确指定具体架构，但整合了帧选择、解剖分割和BBPS评分模型	准确率, 二次加权Kappa, 敏感性, 特异性	NA
3772	2026-03-31	Glioblastoma survival prediction through MRI and clinical data integration with transfer learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03548-1 PMID:41343123	研究论文	本研究通过整合多模态MRI数据和临床变量，利用深度学习模型进行胶质母细胞瘤患者的总体生存期预测	采用预训练的U-Net类模型进行自动肿瘤分割和特征提取，利用编码器潜在空间的高层次表示，并结合临床变量与降维技术，构建了一个可扩展的自动化预测框架	未在摘要中明确说明研究的局限性	准确预测胶质母细胞瘤患者的总体生存期，以推进个性化治疗和改善临床试验设计	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI	U-Net, 随机森林, XGBoost, 多层感知机	图像, 临床数据	BraTS2020数据集和来自Fondazione IRCCS Istituto Neurologico Carlo Besta的专有数据集	NA	U-Net	F1分数, AUC, 准确率	NA
3773	2026-03-31	Right and Left Atrial Dysfunction as Independent Cardiovascular Risk Factors: A UK Biobank Study 2026-Mar, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014412 PMID:41744085	研究论文	本研究利用深度学习分割技术分析英国生物银行参与者的心脏磁共振成像数据，评估左右心房功能障碍与心血管事件风险的独立关联	首次在大规模人群中同时评估左右心房结构与功能，并发现右心房功能障碍是独立的心血管风险因素，且识别出多个与心房性状相关的新遗传位点	研究为观察性设计，无法完全排除残余混杂因素，且随访时间相对较短（4年），可能影响长期关联的评估	探究左右心房功能障碍作为独立心血管风险因素的作用，并分析其遗传基础和因果关联	英国生物银行中51,693名无房颤病史的成年参与者	数字病理学	心血管疾病	心脏磁共振成像，深度学习分割	深度学习	图像	51,693名参与者	NA	NA	风险比，95%置信区间	NA
3774	2026-03-31	Enhancing airway obstruction diagnosis with multimodal 3D shape analysis 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03527-6 PMID:41085926	研究论文	本文提出了一种基于多模态3D形状分析的自动化深度学习工具，用于定量评估气道阻塞，特别是腺样体肥大引起的鼻咽部阻塞	结合多视图和点云表示两种先进技术进行3D形状分析，以捕捉气道的全局和局部特征，从而提升分类和回归性能	模型在检测严重病例时表现良好，但需要进一步优化以改进对所有严重程度级别的分类和回归性能	开发一种开源、自动化的深度学习工具，用于基于CBCT扫描的定量气道阻塞评估，以辅助早期和准确诊断	通过CBCT扫描获取的3D气道形态，特别是与腺样体肥大相关的鼻咽部气道	计算机视觉	气道阻塞疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	3D医学图像（CBCT扫描）	NA	NA	NA	准确率	NA
3775	2026-03-31	Reshapeit: reliable shape interaction with implicit template for medical anatomy reconstruction 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03557-0 PMID:41389113	研究论文	本文提出了一种名为ReShapeIT的方法，用于在连续空间中实现可靠且准确的解剖形状建模，以解决医学图像自动形状重建中的分辨率限制和形状先验约束缺失问题	结合类别特定的隐式模板场与变形网络，通过模板交互模块（TIM）将学习到的模板形状与实例特定的潜在编码对齐，从而在连续隐式场中表示解剖结构，而非离散体素网格	未明确提及方法在更复杂或多样解剖结构上的泛化能力，以及计算效率方面的详细评估	开发一种可靠且准确的解剖形状建模方法，以支持计算机辅助诊断中的定量分析和手术规划	肝脏、胰腺和肺叶的解剖结构	计算机视觉	NA	NA	神经网络	体积医学图像	NA	NA	ReShapeIT网络	Chamfer距离, Earth Mover's距离	NA
3776	2026-03-31	Colormap augmentation: a novel method for cross-modality domain generalization 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03559-y PMID:41396240	研究论文	本文提出了一种名为CmapAug的新颖颜色映射增强方法，用于提升深度学习模型在跨模态医学图像分割中的泛化能力	引入CmapAug颜色映射增强技术，结合标准增强方法，有效解决跨模态域泛化问题，方法简单且计算资源需求低	未明确说明实验数据的具体样本量，且仅针对肝脏分割任务进行了验证，可能在其他器官或模态上泛化能力有限	评估一种新颖、简单且有效的方法，以增强深度学习模型在不同模态医学图像分割中的泛化性能	医学图像分割任务，特别是针对跨模态（如不同扫描仪厂商或成像模态）的域泛化问题	计算机视觉	NA	图像增强技术，包括标准增强、强度增强和颜色变换	深度学习分割网络	医学图像	NA	NA	NA	Dice Score	NA
3777	2026-03-31	AVPENet: Pain estimation from audio-visual fusion of non-speech sounds 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001301 PMID:41894538	研究论文	本文提出了一种新颖的多模态深度学习框架，通过融合非语音音频线索与面部表情来估计连续的疼痛强度，旨在为无法自我报告的脆弱人群提供客观的疼痛评估	提出了一种基于跨模态注意力的融合网络，结合了频谱图衍生的音频嵌入和面部动作单元特征，并利用基于Transformer的融合模块学习模态间的互补关系，显著提升了疼痛估计的准确性	研究依赖于特定数据集（3,247个视听记录，428名受试者），其泛化能力在其他临床环境或更广泛的人群中尚未得到验证；模型性能可能受到录制质量和环境噪声的影响	开发一种客观、自动化的疼痛评估方法，以解决非言语患者（如新生儿和无意识成人）临床疼痛评估的挑战	新生儿（215名）和成人（213名）受试者，共428名，涵盖三种不同的疼痛强度水平	多模态机器学习	疼痛评估	深度学习，音频频谱图处理，面部动作单元分析	CNN, Transformer	音频，视频	3,247个视听记录，来自428名受试者（215名新生儿，213名成人）	PyTorch	ResNet, 卷积神经网络, Transformer	平均绝对误差, 皮尔逊相关系数, 准确率	NA
3778	2026-03-31	Toward next-generation machine learning and deep learning for spatial omics 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag131 PMID:41902503	综述	本文对空间组学中机器学习和深度学习方法进行了批判性与比较性综述，并提出了一个决策框架	提出了一个根据数据模态、空间分辨率、组织结构和预期临床应用来选择最合适ML/DL方法的决策框架，并整合了方法论批判与可操作建议	NA	为空间组学领域提供清晰的方法学指导，以选择适应特定空间约束和生物学问题的模型，并促进模型的可重复性、可解释性和临床转化	空间组学技术产生的高维、空间分辨的分子数据	机器学习	NA	空间组学技术	聚类, 随机森林, 集成分类器, CNN, GNN, Transformer, 生成模型	高维空间分子数据（转录组、蛋白质组、代谢组、脂质组）	NA	NA	卷积神经网络, 图神经网络, Transformer, 生成模型	NA	NA
3779	2026-03-31	Corrigendum to "ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training" [J. Pharm. Anal., 15 (2025) 101317] 2026-Mar, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2026.101604 PMID:41908155	correction	本文是对先前发表文章《ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training》的更正	NA	NA	NA	NA	machine learning	NA	NA	deep learning	NA	NA	NA	NA	NA	NA
3780	2026-03-31	A dual-branch deep learning framework for tiered early warning of COVID-19 utilizing wastewater data 2026-Mar, Journal of water and health IF:2.5Q3 DOI:10.2166/wh.2026.150 PMID:41910053	研究论文	本研究提出了一种基于废水数据和环境协变量的双分支深度学习框架，用于COVID-19的分级早期预警	结合废水数据和环境协变量，利用FFT和双分支深度学习架构进行病例轨迹预测和分级预警，提高了预警的准确性和及时性	需要在不同地点和流行病模式中进行验证和适应，以建立模型的鲁棒性、泛化性和操作价值	开发一个可靠的COVID-19早期预警系统，支持主动的公共卫生响应	中国常州地区的废水、气象和病例数据	机器学习	COVID-19	废水监测	深度学习	时间序列数据	2024年1月29日至12月10日的周度数据	NA	双分支架构	RMSE, MAE, MAPE, R2	NA