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
5161	2026-02-28	Estimation of Kenaf seedling canopy coverage in saline soil using semantic segmentation of UAV RGB images 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1747657 PMID:41743212	研究论文	本研究开发了一种利用无人机RGB图像和深度学习语义分割技术，自动识别盐碱地中红麻幼苗并估算其冠层覆盖度的方法	将无人机高分辨率可见光图像与深度学习语义分割技术结合，用于盐碱地红麻幼苗的自动识别和冠层覆盖度估算，并引入了自注意力通道机制增强U-Net模型性能	研究主要针对红麻幼苗期，模型在其他生长阶段或不同作物的适用性未经验证，且依赖于特定盐碱土壤条件	开发一种高效、自动化的方法，以监测和定量评估盐碱条件下红麻幼苗的生长状态	盐碱土壤中生长的红麻幼苗	计算机视觉	NA	无人机RGB成像，深度学习语义分割	CNN	图像	NA	NA	FCN, U-Net, DeepLabV3+, 增强的UNet（带SE通道机制）	IoU, 准确率, 精确率, F1分数, Dice系数	NA
5162	2026-02-28	Digital therapeutics into geriatric cardiovascular emergency care 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1673080 PMID:41743674	综述	本文探讨了数字疗法和人工智能在老年心血管急诊护理中的应用	整合了AI驱动的生物传感、区块链数据互操作性、数字孪生和脑机接口等新兴技术，并展示了AI增强便携超声系统与VR结合优化诊断流程	存在与年龄相关的数据偏见和算法透明度方面的伦理挑战	研究数字疗法和人工智能在老年心血管急诊护理领域的应用与效果	老年心血管急诊患者	数字病理学	心血管疾病	AI驱动的生物传感、区块链、VR、数字孪生、脑机接口	深度学习模型、机器学习模型	生物传感数据、临床数据	NA	NA	NA	灵敏度、准确性	NA
5163	2026-02-28	CT-based radiomics in predicting the efficacy of preoperative neoadjuvant chemoimmunotherapy for non-small cell lung cancer: a systematic review and meta-analysis 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753166 PMID:41743740	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于CT的影像组学模型在预测非小细胞肺癌新辅助化疗免疫治疗疗效中的诊断价值	首次通过系统综述和荟萃分析，全面比较了不同算法（深度学习 vs 机器学习）、不同预测终点（MPR vs pCR）、不同特征选择方法（ICC vs 非ICC）以及不同ROI维度（2D vs 其他）对基于CT的影像组学模型预测非小细胞肺癌新辅助化疗免疫治疗疗效性能的影响	纳入研究的异质性可能影响结果，且研究质量评估（如RQS评分）与模型性能指标（如敏感性）的关系存在不一致性	评估基于CT的影像组学在预测非小细胞肺癌患者新辅助化疗免疫治疗病理反应方面的诊断准确性	接受新辅助化疗免疫治疗的非小细胞肺癌患者	数字病理学	肺癌	CT影像	深度学习, 机器学习	医学影像	17项研究，共4510名受试者	NA	NA	AUC, 敏感性, 特异性, 准确性	NA
5164	2026-02-28	Transformer-based deep learning approach for obstructive sleep apnea detection using single-lead ECG 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1727091 PMID:41755912	研究论文	本研究提出了一种基于Transformer的深度学习方法，利用单导联心电图进行阻塞性睡眠呼吸暂停检测	提出了一种基于Transformer的架构，可直接处理高采样率的原始ECG信号，无需预处理，并引入了一种使用自编码器的新型位置编码技术	未明确提及	开发一种使用单导联心电图进行阻塞性睡眠呼吸暂停检测的自动化工具	阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	单导联心电图	Transformer	时间序列数据	NA	NA	Transformer	F1分数	NA
5165	2026-02-28	Reusability Report: Evaluating the performance of a meta-learning foundation model on predicting the antibacterial activity of natural products 2026, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-026-01187-y PMID:41757247	研究论文	评估元学习基础模型ActFound在预测天然产物抗菌活性任务上的性能表现	首次将ActFound基础模型应用于天然产物抗菌活性预测任务，探索其在有限数据场景下的泛化能力	模型在抗菌天然产物数据集上的准确率未达到原始论文中跨领域任务的同等水平	评估基础模型在生物活性预测任务中的可重用性和性能	天然产物（NPs）的抗菌活性	机器学习	NA	元学习，配对学习	基础模型	生物活性数据	小样本设置下的天然产物数据集	NA	ActFound	准确率	NA
5166	2026-02-28	Synthetic X‑ray‑driven tracking and control of miniature medical devices 2026, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-026-01190-3 PMID:41757246	研究论文	本文介绍了一个名为MicroSyn-X的框架，用于训练计算机视觉模型，通过合成高保真、像素级精确、自动标注和领域随机化的X射线图像，实现微型医疗设备的机器人远程操作	提出MicroSyn-X框架，利用合成X射线图像解决微型医疗设备在实时X射线引导下数据稀缺和标注困难的问题，实现自动化和鲁棒的实时定位与导航	未明确提及具体局限性，但可能涉及合成数据与真实临床场景的泛化性验证不足	推动微型医疗设备在微创手术中的临床应用，通过计算机视觉和机器人技术实现精确的实时导航与控制	磁性软材料和磁性液体微型医疗设备	计算机视觉	NA	X射线成像	深度学习模型	合成X射线图像	NA	NA	NA	NA	NA
5167	2026-02-28	DeepDiff-SHAP: Interpretable deep learning for subgroup-specific causal hypothesis generation using conditional SHAP 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0052 PMID:41758180	研究论文	本文提出了一种名为DeepDiff-SHAP的新型框架，用于在复杂生物医学数据中检测患者亚组间的因果关系变化	结合基于回归和深度学习的差异因果推断方法，并整合条件SHAP以实现非线性、可解释的亚组特异性因果假设生成	未明确说明模型在更广泛数据集或不同疾病类型中的泛化能力，以及计算效率的具体限制	开发可解释的深度学习框架，以识别亚组特异性因果关系，推动精准医学发展	患者亚组，具体基于CDC糖尿病健康指标数据集和UK Biobank脓毒症队列（按高血压状态分层）	机器学习	糖尿病, 脓毒症	差异因果推断, 条件SHAP分析	深度学习模型	临床和遗传数据	两个大规模人群数据集（CDC糖尿病数据集和UK Biobank脓毒症队列）	NA	NA	NA	NA
5168	2026-02-27	Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108451 PMID:41420941	研究论文	提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs）	通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互	未明确讨论计算复杂度相对于传统方法的增加程度	开发适用于特征顺序任意且空间关系最小的一维数据的分类方法	一维非空间数据	机器学习	NA	深度学习	CNN	一维数据	五个基准数据集（医学诊断、政治学、合成数据、化学计量学、医疗保健）	NA	扭曲卷积网络（TCNs）	统计显著性检验	NA
5169	2026-02-27	MMC-CS: Multi-branch multi-stage contrastive learning for self-supervised compressed sensing 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108475 PMID:41422622	研究论文	提出一种用于图像压缩感知的自监督深度学习框架MMC-CS，通过多分支多阶段对比学习解决无真实数据下的逆问题	提出多分支多阶段渐进交叉对比结构，在无真实数据情况下有效学习图像先验；设计端到端深度神经网络，展开近端梯度下降算法；在重建过程中实现多尺度协同优化，结合图像路径和卷积特征路径	未明确说明计算复杂度与实时性表现，未与其他自监督方法进行广泛的计算效率对比	解决图像压缩感知中真实数据难以获取和测量数据利用不足的问题	图像压缩感知的逆问题求解	计算机视觉	NA	自监督学习，对比学习	深度神经网络	图像	NA	NA	基于近端梯度下降展开的网络，多分支多阶段结构	PSNR	NA
5170	2026-02-27	Adversarial incomplete multi-view clustering with adaptive contrastive learning 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108484 PMID:41435732	研究论文	本文提出了一种名为ACLN的新型不完整多视图聚类方法，通过结合自适应对比学习和对抗学习网络来解决多视图数据中视图缺失的问题	创新点在于设计了一个自适应对比学习模块，能根据每个视图中共享信息的重要性动态调整对比学习参数，并整合生成对抗网络以提升潜在特征表示质量	未在摘要中明确说明	研究目标是不完整多视图数据的聚类问题，旨在提高聚类性能	研究对象是不完整多视图数据，即某些视图因传感器故障或数据损坏而不可用的场景	机器学习	NA	自适应对比学习, 对抗学习	GAN	多视图数据	六个多视图数据集	NA	生成对抗网络	聚类性能指标（未具体说明）	NA
5171	2026-02-27	Decoupling time and space: An adaptive shared graph convolutional network for dynamic market price forecasting 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108489 PMID:41455244	研究论文	提出了一种用于产品价格预测的时空解耦自适应共享图卷积网络（STDAsh-GCN）	引入了全局共享参数机制以实现时空表示的深度解耦，并设计了自适应特征聚合模块和共享注意力机制来动态评估节点贡献并平衡输入特征与邻接关系的影响	NA	准确预测产品价格以帮助企业预测市场趋势并主动调整销售策略	产品市场价格	机器学习	NA	NA	图神经网络	时空数据	三个真实工业数据集（包括一个硫酸钾生产企业的数据）	NA	STDAsh-GCN	NA	NA
5172	2026-02-27	Dynamic comprehensive difficulty knowledge cells based on KAN network and stable learning for knowledge tracing 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108514 PMID:41478142	研究论文	提出一种基于KAN网络和稳定学习的动态综合难度知识单元模型（DDKC），用于知识追踪任务	首次将动态变化的综合难度概念引入知识追踪，并采用KAN网络动态更新难度；提出基于稳定学习的训练策略以消除学生侥幸猜测带来的虚假相关性	未明确说明模型在跨学科或大规模在线教育平台中的泛化能力	提升知识追踪任务中对学生知识状态动态变化的建模精度	学生在教育场景中的学习行为与知识掌握状态	自然语言处理	NA	深度学习	KAN网络	教育行为数据	多个公共教育数据集（未指定具体数量）	NA	动态综合难度知识单元（DDKC）	预测性能指标（未具体说明）	NA
5173	2026-02-27	ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108535 PMID:41494492	研究论文	提出一种名为ClinReadNet的深度学习框架，用于低剂量腹部CT图像的无参考质量评估，其设计灵感来源于放射科医生的临床阅片逻辑	提出了一个与临床阅片逻辑对齐的深度学习框架，包含三个创新模块：Sobel序数质量网络（SOQN）模块同时关注边缘细节和整体质量分布；(S)W-MTMSA模块模拟医生从整体扫描到局部聚焦的阅片过程；分层排序概率得分（HRPS）损失函数结合粗分类和细分类逻辑并关注分级标签间的距离信息	NA	开发一个模仿医生阅片习惯的低剂量无参考图像质量评估模型，以优化腹部CT成像中辐射剂量与图像质量之间的平衡	低剂量腹部CT图像	计算机视觉	NA	CT成像	深度学习	医学图像	LDCTIQAG2023数据集	NA	ClinReadNet	PLCC, SROCC, KROCC	NA
5174	2026-02-27	A physics informed neural network architecture for moving boundary problems in science and engineering 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108500 PMID:41500169	研究论文	本文提出了一种专门用于解决移动边界问题的物理信息神经网络架构	设计了一种新颖且通用的物理信息神经网络架构，使用两个独立的神经网络分别预测自由边界和系统变量，以处理空间域随时间演化的移动边界问题	NA	开发一种用于科学和工程中移动边界问题的数值模拟方法	移动边界问题中的自由边界和系统变量	机器学习	NA	物理信息神经网络	神经网络	NA	NA	NA	物理信息神经网络	NA	NA
5175	2026-02-27	Leveraging hemispheric asymmetry in structural MRI with an attention-guided 3D CNN for early prediction of Alzheimer's conversion 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108534 PMID:41512495	研究论文	本文提出了一种名为HemiNet的轻量级3D卷积神经网络，通过分析大脑半球不对称性，利用单次结构MRI扫描预测轻度认知障碍向阿尔茨海默病的转化	首次将大脑半球不对称性作为关键生物标志物引入深度学习模型，设计了不对称差异挖掘、对侧半球融合和病理焦点注意力三个核心模块，实现了从单时间点扫描进行早期预测	研究依赖于ADNI单一数据集，临床可行性受限于单次扫描的预测能力，未在更广泛或多样化的队列中进行验证	早期预测轻度认知障碍向阿尔茨海默病的转化	轻度认知障碍患者	数字病理学	阿尔茨海默病	结构MRI	CNN	图像	ADNI数据集	NA	3D CNN	AUC, 准确率	NA
5176	2026-02-27	Artificial intelligence in trauma care: applications, ethical challenges, and pathways toward responsible integration 2026-Apr-01, Current opinion in anaesthesiology DOI:10.1097/ACO.0000000000001615 PMID:41669936	综述	本文综述了人工智能在创伤护理中的应用、伦理挑战及负责任整合的路径	及时综合了人工智能在创伤护理中的新兴应用、伦理挑战及监管框架，强调了负责任、以人为中心的整合	大多数系统仍处于概念验证阶段，外部验证有限，伦理和治理挑战是临床转化的主要障碍	探讨人工智能在创伤护理中的负责任整合，包括应用、伦理挑战及监管框架	创伤护理系统，涵盖院前分诊到院内决策	机器学习	创伤	NA	机器学习, 深度学习	NA	NA	NA	NA	准确性	NA
5177	2026-02-27	Artificial intelligence-driven triage and decision-making in trauma systems/settings 2026-Apr-01, Current opinion in anaesthesiology DOI:10.1097/ACO.0000000000001619 PMID:41744264	综述	本文综述了人工智能在创伤系统/场景中用于分诊和决策支持的最新进展	探讨了人工智能如何通过处理复杂生理信号、预测临床轨迹和增强跨护理阶段的共享心智模型，来增强临床判断，特别是在院前、急诊科和群体伤亡场景中的应用	前瞻性评估显示，人工智能向可测量的临床效益的转化存在差异，需要关注可用性、工作流整合和持续校准监测	回顾人工智能在创伤护理分诊和决策支持方面的最新发展	创伤系统/场景，包括院前、急诊科和群体伤亡环境	机器学习	创伤	NA	机器学习模型, 深度学习系统	生理信号, 影像数据, 传感器数据	NA	NA	NA	NA	NA
5178	2026-02-27	Can atrial fibrillation ablation outcomes be properly predicted with electrocardiography and artificial intelligence? 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztag029 PMID:41743189	研究论文	本研究探讨了基于心电图和深度学习算法预测心房颤动消融术后重复消融需求的能力	首次使用原始12导联心电图数据和深度神经网络来预测心房颤动消融的重复手术需求	模型预测性能有限（AUC仅0.61），可能受限于非心电图参数的影响、数据集规模不足或需要长期心电图监测数据	评估心电图结合人工智能在预测心房颤动消融结果中的有效性	接受心房颤动消融手术的患者	机器学习	心血管疾病	心电图	深度神经网络,随机森林	心电图原始数据	865名患者（其中163名需要重复消融）	NA	NA	AUC,准确率	NA
5179	2026-02-27	Enhanced Visualization of Intracranial Cortical Arteries Using Deep Learning Reconstruction in Vessel Wall MR Imaging 2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.tn.2025-0091 PMID:41285511	研究论文	本研究评估了深度学习重建在血管壁成像中用于可视化包括皮质动脉在内的整个脑动脉系统的效用	首次将深度学习重建技术应用于高分辨率血管壁成像，以改善颅内皮质动脉的可视化	样本量较小（仅17名患者），且研究未涉及长期临床结果验证	评估深度学习重建在血管壁磁共振成像中对脑动脉系统可视化质量的提升效果	颅内动脉系统，包括颈内动脉、椎动脉、基底动脉及主要脑动脉的第1至4段皮质动脉	数字病理学	心血管疾病	3D T1加权CUBE血管壁成像	深度学习重建模型	磁共振图像	17名患者	NA	NA	信噪比, 对比噪声比, 定性图像质量评分（4分制）	NA
5180	2026-02-27	Fully automated segmentation of foot bones using machine learning and convolutional neural networks 2026-Feb-26, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851261422700 PMID:41744440	研究论文	本文提出了一种基于卷积神经网络的完全自动化足部骨骼分割方法，并评估其在CT图像上的性能	开发了一种定制化和优化的三维U-Net结构，用于完全自动化的足部骨骼分割，无需人工干预	在较小脚趾的中段和远端趾骨上表现较低，且样本量相对较小（仅50个CT扫描）	实现并验证一种完全自动化的足部骨骼分割方法，以提高诊断准确性和效率	足部骨骼，包括后足、中足、大脚趾、籽骨和近端趾骨等结构	计算机视觉	NA	计算机断层扫描	CNN	三维CT图像	50个CT扫描，其中48个用于训练，2个用于测试	NA	三维U-Net	Dice系数, IoU	NA