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
7221	2026-05-26	Learning instance-specific counterfactual models for continuous treatments using hypernetworks 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1819009 PMID:42180309	研究论文	提出一种利用超网络学习连续治疗实例特异性反事实模型的新方法	将超网络应用于连续治疗效应估计，解决治疗相关性问题，保持深度学习模型灵活性	未提及具体局限性	估计连续治疗的治疗效应	观测数据中的个体治疗效应	机器学习	NA	NA	神经网络	合成和半合成数据集	NA	NA	超网络	精度	NA
7222	2026-05-26	DeepForgeryNet: a hybrid CNN-LSTM and transfer learning framework for robust image forgery and deepfake detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1810912 PMID:42180308	研究论文	提出DeepForgeryNet，一种结合CNN-LSTM和迁移学习的框架，用于稳健的图像伪造和深度伪造检测	将基于误差水平分析的预处理与混合CNN-LSTM网络相结合，同时捕捉空间和上下文信息，实现更可靠的伪造检测	对极小篡改或重度压缩图像的检测仍存在挑战	开发一种强大的检测工具，利用人工痕迹和上下文不一致性进行图像伪造和深度伪造检测	数字图像和AI生成图像中的伪造痕迹	计算机视觉	不适用	误差水平分析、CNN、LSTM	CNN-LSTM	图像	公开基准数据集（具体数量未说明）	PyTorch	CNN-LSTM	准确率、精确率、召回率、F1分数、AUC	未说明
7223	2026-05-26	Deep learning approaches for head pose estimation in sports impacts 2026, Sports engineering IF:1.5Q3 DOI:10.1007/s12283-026-00552-9 PMID:42180423	研究论文	本研究通过基准测试三种深度学习模型在受控足球头球过程中的单目头部姿态估计性能，验证了现代全身人体网格恢复模型在运动碰撞剧烈遮挡和动态条件下的优势	首次系统比较仅头部姿态回归器、端到端面部重建模型和全身人体网格恢复模型在运动碰撞场景中的表现，发现全身网格恢复模型在遮挡和动态条件下优于专用头部姿态估计器	侧视镜头、旋转试验和低面部可见性条件下误差增大，且实验仅在受控足球头球场景中验证，泛化至其他运动碰撞可能受限	评估深度学习模型在运动碰撞中头部姿态估计的准确性，并比较不同模型在强遮挡和高速运动条件下的表现	10名参与者的受控线性头球和旋转头球动作	计算机视觉	NA	视频测距，红外运动捕捉	CNN，人体网格恢复模型	视频，运动捕捉数据	10名参与者，每位执行多种头球动作	PyTorch，TensorFlow	SAM 3D，LSTM，ResNet	测地误差，增量测地误差	NA
7224	2026-05-26	Research on real-time detection and staging technology for pressure injuries in critically ill patients based on the YOLOv8 deep learning model 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1781481 PMID:42180450	研究论文	基于YOLOv8深度学习模型开发危重症患者压力性损伤实时检测与分期技术	首次将YOLOv8深度学习模型应用于压力性损伤的实时检测与分期，实现了客观、高效的自动化分期诊断	研究样本来自单中心ICU患者，可能存在数据偏差；模型在部分压力性损伤分期（如1期、3期和深部组织损伤）的识别准确率有待提升	开发并验证基于YOLOv8深度学习模型的压力性损伤实时检测与分期系统	重症监护室患者的压力性损伤图像，共507张	计算机视觉	压力性损伤	图像采集	YOLOv8深度学习模型	图像	507张压力性损伤图像，按8:2比例分为训练集（414张）和测试集（93张）	PyTorch	YOLOv8（包括YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x等版本）	准确率（accuracy）、平均平均精度（mAP）、推理速度（FPS）	NA
7225	2026-05-26	HPRNet: a hierarchical pyramidal residual network for ECG arrhythmia classification 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800941 PMID:42180836	研究论文	提出一种层级金字塔残差网络（HPRNet）用于心电图心律失常分类	通过层级金字塔REB骨干网络（HRB）捕捉心电图多尺度形态特征，并引入多级剪枝优化策略（MLPO）减少冗余参数、提升计算效率	未提及具体限制，但可视化分析显示对困难搏动类别的区分仍存在内在挑战	解决心电图信号非平稳且易受噪声干扰的问题，实现鲁棒的心律失常自动分类	心电图心搏分类任务	机器学习	心律失常	心电信号处理	层级金字塔残差网络（HPRNet）	时间序列信号	MIT-BIH和INCART两个公共基准数据集	PyTorch	层级金字塔残差网络（HPRNet）	F1分数, 推理解析延迟	NA
7226	2026-05-26	HVIface: sequence-based deep learning for decoding human-virus protein-protein interfaces 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1813796 PMID:42181034	研究论文	该论文开发了一个基于序列的深度学习框架HVIface，用于预测人类-病毒蛋白质-蛋白质相互作用界面	首次整合18种序列衍生特征（残基接触势、理化兼容性和共进化信号）并结合深度学习进行残基级人类-病毒PPI界面预测，揭示了静电互补性和局部残基聚类在病毒-宿主界面形成中的核心作用	训练数据集仅包含73个结构解析的人类-病毒复合物，样本量较小可能影响模型泛化性	解码人类-病毒蛋白质-蛋白质相互作用的界面识别机制，为抗病毒治疗靶点开发提供基础	人类-病毒蛋白质相互作用界面残基	机器学习	NA	序列衍生特征（残基接触势、理化兼容性、共进化信号）	深度学习框架	蛋白质序列	73个结构解析的人类-病毒复合物	PyTorch	NA	准确率	NA
7227	2026-05-26	Artificial intelligence in refractive surgery: progress, challenges, and future directions 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1824307 PMID:42181685	综述	本文系统总结了人工智能在屈光手术中的应用进展，包括角膜屈光手术和ICL手术的术前筛查、个性化手术规划及术后并发症预测	系统梳理了AI在屈光手术全流程中的应用，强调从标准化方案向数据驱动的个体化管理转变	面临数据标准化不足、算法可解释性差、跨设备兼容性及伦理问题等挑战	探讨AI优化屈光手术临床效果的潜力与挑战，推动智能化、自动化手术发展	屈光手术（角膜屈光手术和ICL手术）的术前筛查、手术规划及术后并发症预测	机器学习	眼科疾病（屈光不正相关）	机器学习与深度学习模型	NA	NA	NA	NA	NA	NA	NA
7228	2026-05-25	Tackling small sample survival analysis via transfer learning: A study of colorectal cancer prognosis 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103426 PMID:42019107	研究论文	通过迁移学习解决小样本生存分析问题，并以结直肠癌预后为研究案例	针对Cox-CC、DeepSurv、DeepHit等参数模型应用标准迁移学习技术，并为非参数随机生存森林模型提出新型迁移生存森林模型	未提及具体局限性	利用迁移学习提高小样本生存分析在癌症预后中的性能	结直肠癌患者的生存预后	机器学习	结直肠癌	转移学习	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	临床数据	源数据：27,379例SEER结直肠癌I期患者；目标数据：728例华西医院结直肠癌I期患者；小样本实验使用50例	NA	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	C指数	NA
7229	2026-05-25	DARE: A Deformable Adaptive Regularization Estimator for learning-based medical image registration 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103440 PMID:42085854	研究论文	提出了一种自适应正则化框架DARE，用于学习驱动的医学图像配准，以提高配准精度和解剖合理性	创新性地根据形变场梯度范数动态调整弹性正则化，整合应变和剪切能量项，并引入折叠预防机制以惩罚负雅可比区域	未明确提及潜在局限性	提高医学图像配准的鲁棒性和解剖合理性	大脑MRI图像配准	医学图像分析, 深度学习	NA	图像配准, 自适应正则化	深度学习配准网络	图像 (MRI)	IXI, OASIS, MUI-P三个数据集	NA	NA	Dice分数, 形变折叠伪影, 应变能, 体积变化	NA
7230	2026-05-25	Evidential reasoning-enabled deep learning for reliable treatment outcome prediction in cancer therapy 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103445 PMID:42114397	研究论文	提出一种基于证据推理的深度学习方法，用于癌症治疗中可靠的治疗结果预测	结合卷积神经网络图像特征提取、数据增强、蒙特卡洛丢弃、测试时增强和证据推理规则融合，生成具有不确定性感知的预测	未提及	实现个性化癌症治疗中的可靠治疗结果预测	三阴性乳腺癌患者和头颈癌患者	数字病理学	三阴性乳腺癌，头颈癌	NA	深度神经网络（证据推理规则驱动的深度神经网络）	图像	NA	NA	卷积神经网络（CNN），ER-DNN	预测性能，置信估计校准	NA
7231	2026-05-25	Explainable 3D VGG-style convolutional neural network for pediatric hydrocephalus detection on computed tomography: A segmentation-free and fully volumetric deep learning framework 2026-Jul-03, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.04.027 PMID:42049087	研究论文	开发并评估了一种无需分割的全三维卷积神经网络用于儿童CT图像中的脑积水检测	首次提出一种轻量级VGG风格的三维卷积神经网络，无需分割即可对儿童CT进行全容积的自动脑积水检测，并采用三维Grad-CAM提供可解释性分析	样本量较小（98例内部、118例外部），且外部验证为初步结果，仍需较大规模多中心验证才能用于临床	开发一种可解释的、无需分割的自动化方法，用于儿童CT上脑积水的检测	儿童头部CT扫描（共98例内部数据集，48例脑积水、50例正常；以及118例外部验证集，56例脑积水、62例正常）	计算机视觉	儿科疾病	CT成像	三维卷积神经网络（3D CNN）	CT图像	内部数据集98例（48例脑积水，50例正常），外部验证集118例（56例脑积水，62例正常）	NA	VGG风格的三维卷积神经网络	AUC-ROC, 准确率, 敏感度, 特异性, F1分数, 马修斯相关系数（MCC）, 科恩kappa系数, Brier分数	NA
7232	2026-05-25	Best fast MRI protocols for the knee: advantages and limitations 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05197-0 PMID:41874638	综述	综述现代膝关节快速MRI加速技术的原理、临床应用、优势及挑战，包括并行成像、多层同时采集、压缩感知和深度学习重建	系统总结了深度学习重建在膝关节MRI中的突破性应用，尤其是加速因子达六倍的PIxSMS协议可在五分钟内完成高质量扫描，并展望了各向同性三维成像的未来前景	未在论文中提供定量比较或原始数据，基于现有证据的总结可能受限于已发表研究的异质性，且对硬件成本和临床工作流优化缺乏深入分析	综述膝关节快速MRI加速策略的技术原理、验证研究证据及临床实施注意事项	膝关节快速MRI的加速技术及其临床应用	机器学习	NA	MRI	深度学习重建	图像	NA	NA	NA	诊断性能、图像质量	NA
7233	2026-05-25	Predicting mortality risk in pediatric severe pneumonia using a CNN-BiLSTM model with dynamic clinical indicators 2026-Jul, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108891 PMID:42134457	研究论文	利用CNN-BiLSTM模型结合动态临床指标预测儿童重症肺炎的死亡风险	首次将CNN-BiLSTM深度学习模型应用于儿童重症肺炎的住院死亡率预测，并从纵向实验室数据中动态筛选出11个关键预测指标	需要未来多中心研究验证模型有效性	探索儿童重症肺炎的有效预后生物标志物，并构建深度学习模型预测住院死亡率，支持临床决策	5岁以下儿童重症肺炎患者	机器学习	儿童重症肺炎	NA	CNN-BiLSTM	临床数据（包括纵向实验室指标）	来自儿科重症监护数据库（PIC）的5岁以下重症肺炎儿童	PyTorch	CNN-BiLSTM	AUC，灵敏度，特异度	NA
7234	2026-05-25	Oral bioavailability property prediction based on task similarity transfer learning 2026-Jun, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11345-w PMID:40928678	研究论文	基于任务相似性迁移学习预测人类口服生物利用度，以优化药物候选分子并提高临床成功率	提出相似性引导的迁移学习框架TS-GTL，包含PGnT深度模型，结合分子图与外部知识，并引入MoTSE量化理化性质与HOB的相似性，实现数据稀缺场景下的高效预测	未提及具体局限性，但可能面临数据依赖性问题的挑战	提高人类口服生物利用度预测的准确性与可解释性，为药物ADMET性质研究提供高效方法	药物分子的口服生物利用度及其相关理化性质	机器学习	药物研发	分子图表示学习	深度学习模型（PGnT）	分子结构与理化性质数据	未提供具体样本数量	NA	GNN, Transformer编码器	准确率	NA
7235	2026-05-25	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	开发并评估了一个全自动深度学习驱动后处理流程，用于多参数肾脏MRI，实现准确的肾脏对齐、分割和定量特征提取	提出了一种集成深度学习分割网络与图像配准的全自动流程，在单一高效工作流中完成多参数肾脏MRI的配准、分割和定量分析，显著提高了处理速度和准确性	未明确提及局限性，但样本量相对较小（24名患者和10名健康受试者），且仅在肾脏MRI数据集上验证，泛化性有待进一步研究	开发并评估用于多参数肾脏MRI的自动化深度学习后处理流程，以支持肾脏疾病的诊断和治疗规划	肾脏结构的分割与对齐，以及多参数MRI的定量特征提取	计算机视觉, 数字病理学	前列腺癌, 神经内分泌肿瘤, 肾脏疾病	MRI（多参数磁共振成像）	深度学习分割网络，深度学习图像配准模型	医学图像（多参数肾脏MRI）	24名前列腺癌或神经内分泌肿瘤患者及10名健康受试者，每人进行重复扫描	NA	分割网络，深度学习配准网络	相关系数（r > 0.9），组内相关系数，偏差	每扫描约需15秒处理时间，未指定具体GPU或云平台
7236	2026-05-25	TabulaTime: Novel multimodal deep learning for Acute Coronary Syndrome prediction through environmental and clinical data integration 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103395 PMID:41825437	研究论文	提出TabulaTime，一种多模态深度学习框架，通过整合临床和环境数据增强急性冠脉综合征风险预测	三方面创新：多模态时间序列环境与临床数据整合；采用PatchRWKV以线性计算复杂度提取复杂时间模式；通过注意力机制增强可解释性	NA	增强急性冠脉综合征风险预测	急性冠脉综合征患者，包括STEMI和NSTEMI	机器学习	心血管疾病	NA	深度学习	时间序列数据和临床数据	NA	NA	PatchRWKV	准确率	NA
7237	2026-05-25	PatientFlow: Learning to generate mixed-type longitudinal clinical data with flow matching 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103392 PMID:41830733	研究论文	提出PatientFlow方法，结合变分自编码器和流匹配，生成混合类型纵向临床数据，以支持深度学习在医疗中的应用	首次将变分自编码器与流匹配结合用于纵向临床数据的生成，能处理静态和时序混合类型数据，且生成的数据在临床终点预测上堪比甚至超越真实数据	仅在肌萎缩侧索硬化症一个队列（N=1560）上验证，可能需在其他疾病中进一步测试其泛化能力	生成高保真的合成纵向临床数据，以解锁大规模深度学习模型在复杂疾病中的应用并保护患者隐私	肌萎缩侧索硬化症患者的纵向临床数据，包括静态和时序混合类型成分	机器学习	肌萎缩侧索硬化症	NA	变分自编码器、流匹配	纵向临床数据（静态和时序混合类型）	1560名肌萎缩侧索硬化症患者	NA	变分自编码器、流匹配	临床专家验证、预后模型性能（五个临床终点）	NA
7238	2026-05-25	Twin cross contrastive learning with multi-modality fusion for drug-target affinity prediction 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103394 PMID:41806518	研究论文	提出一种基于双交叉对比学习与多模态融合的药物-靶标结合亲和力预测框架TCCL	首次引入双交叉对比学习架构，同时从分子尺度和网络尺度提取语义与结构信息，并通过多模态融合增强表征能力	未在更多真实场景或更大规模数据集上进行验证，计算资源需求未明确说明	提升药物-靶标结合亲和力预测的准确性和泛化能力	药物分子与靶标蛋白	机器学习	NA	NA	双编码器神经网络	分子结构数据、拓扑图数据	两个基准数据集	NA	双流编码器、双交叉对比学习架构	准确率、F1分数、AUC	NA
7239	2026-05-25	Precise estimation of tissue microstructure with hybrid graph transformer 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103390 PMID:41806520	研究论文	结合混合图Transformer精准估计组织微结构	提出混合图Transformer，同时考虑q-空间和图卷积网络以及x-空间残差密集Transformer块，实现空间域和扩散波矢量域的联合信息利用	未在更多样化的数据集或更低采样率下验证模型泛化能力	通过高度欠采样弥散磁共振成像数据精准估计组织微结构	组织微结构	计算机视觉、自然语言处理、机器学习	帕金森病	弥散磁共振成像	图卷积网络和Transformer	弥散磁共振成像数据	人类连接组项目和帕金森病高质量弥散加权成像数据	PyTorch	混合图Transformer（包括图卷积网络和残差密集Transformer块）	NA	NA
7240	2026-05-25	Phenotype discovery and mortality prediction in sepsis-induced myocardial dysfunction: a deep learning and stratified modeling approach 2026-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03575-1 PMID:42177490	研究论文	利用无监督深度学习识别脓毒症诱导心肌功能障碍（SIMD）的临床表型，并基于表型分层构建最优短期生存预测模型	首次结合自编码器、UMAP和K-means聚类发现SIMD的三个不同预后表型，并通过表型特异性建模显著提升了死亡率预测性能	研究基于MIMIC-III和MIMIC-IV回顾性数据库，可能存在选择偏倚；表型发现未在前瞻性队列中验证	识别SIMD的临床表型并开发基于表型分层的短期生存预测模型	MIMIC-III和MIMIC-IV数据库中脓毒症诱导心肌功能障碍患者	机器学习	脓毒症诱导心肌功能障碍	NA	自编码器、XGBoost	临床数据	来自MIMIC-III和MIMIC-IV的SIMD患者队列（具体数量未提及）	PyTorch	自编码器、UMAP、K-means、XGBoost	AUC、PR-AUC	NA