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
8261	2026-04-06	Artificial Intelligence in Vitreoretinal Surgery: A Systematic Review of Current Applications and Future Directions 2026-Apr, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01347-8 PMID:41795058	综述	本文系统回顾了人工智能在玻璃体视网膜疾病和手术中的应用现状，并探讨了未来发展方向	首次全面评估了AI在玻璃体视网膜手术多个环节（术前预测、术中引导、工作流支持）的应用，并识别了知识空白	大多数研究为回顾性、单中心设计，外部验证有限，临床转化需前瞻性验证	评估人工智能在玻璃体视网膜疾病诊断、手术预后预测及术中辅助的应用潜力与挑战	玻璃体视网膜疾病患者、手术过程及相关医学影像数据	计算机视觉, 自然语言处理	玻璃体视网膜疾病	光学相干断层扫描	机器学习, 深度学习	医学影像, 临床变量, 文本	37项研究（具体样本量未明确）	NA	NA	R2, AUROC, 准确率, 精确率	NA
8262	2026-04-06	Validation of the Eyerobo FC Portable Fundus Camera for Diabetic Retinopathy Screening Using Public Datasets and Deep Learning 2026-Apr, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01353-w PMID:41814043	研究论文	本研究验证了便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能，通过迁移学习方法，将基于桌面相机图像训练的人工智能算法应用于该便携设备图像	首次采用迁移学习方法，将基于标准桌面眼底相机图像训练的AI模型直接应用于新型便携式设备Eyerobo FC的图像，验证了跨成像平台的算法泛化能力	前瞻性验证队列样本量相对较小（N=104只眼），且研究主要关注糖尿病视网膜病变的二元分类（可转诊vs不可转诊）	验证新型便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能是否不劣于标准桌面眼底相机	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	CNN	图像	训练数据来自EyePACS和APTOS 2019公共数据集；参考标准评估使用Messidor-2数据集（N=1748只眼）；前瞻性验证使用Eyerobo FC采集的图像（N=104只眼）	TensorFlow, PyTorch	EfficientNet-B4	灵敏度, 特异性, AUC, 准确率, Cohen's kappa	NA
8263	2026-04-06	A CT-based model integrating deep learning features radiomics and body composition for preoperative prediction of microsatellite instability in colorectal cancer: a multicenter study 2026-Mar-31, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112837 PMID:41935453	研究论文	本研究开发了一种基于增强CT的、融合深度学习特征、影像组学和身体成分的可解释模型，用于术前预测结直肠癌的微卫星不稳定性状态	首次将深度学习特征、影像组学特征和基于身体成分的临床风险因素整合到一个可解释的融合模型中，用于术前无创预测结直肠癌MSI状态，并进行了多中心验证	研究为回顾性设计，需要进一步的前瞻性验证才能常规应用于临床	提高结直肠癌患者术前微卫星不稳定性状态的预测准确性，以指导围手术期治疗和预后评估	接受根治性手术的结直肠癌患者	数字病理学	结直肠癌	增强CT成像	随机森林	医学影像（CT图像）	873名来自三个医疗中心的结直肠癌患者	NA	NA	AUC（曲线下面积）	NA
8264	2026-04-06	Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity 2026-Mar-28, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110746 PMID:41911955	研究论文	本研究比较了特征选择和降维方法在基于功能连接性的认知任务解码中的性能	首次系统性地比较了特征选择和降维方法在认知任务解码中的性能，并确定了特征保留与预测准确性之间的“最佳平衡点”	研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性	比较特征选择和降维方法在认知任务解码中的性能，以优化机器学习分类器的预测准确性	功能磁共振成像（fMRI）数据中的功能连接性特征	机器学习	NA	功能磁共振成像（fMRI）	NA	功能连接性数据	两个开源数据集	NA	NA	解码准确性	NA
8265	2026-04-06	Clinical Human-Derived Pathogen Signatures Captured by SERS and Deep Learning for Environmental Exposure Risk Assessment 2026-Mar-20, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.5c00365 PMID:41883383	研究论文	本研究开发了一种结合表面增强拉曼光谱（SERS）与卷积神经网络（CNN）的无标记平台，用于评估抗生素耐药细菌（ARB）的环境暴露风险	首次整合SERS与CNN构建了一个包含368个临床尿路分离菌株的光谱数据库，用于ARB暴露评估，并通过SHAP解释增强了模型的可解释性	研究主要依赖临床尿路分离菌株，可能未涵盖所有环境中的病原体多样性，且在实际大规模环境监测中的应用仍需进一步验证	开发一种用于环境微生物污染和抗生素耐药细菌暴露风险评估的快速、准确监测方法	临床尿路分离的病原体（人类来源）以及废水样本和独立尿液标本	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	368个临床尿路分离菌株，并包括废水样本和独立尿液标本进行验证	NA	卷积神经网络（CNN）	分类准确率	NA
8266	2026-04-06	IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning 2026-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41330-8 PMID:41760833	研究论文	提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟	提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署	当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证	优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量	边缘-云计算环境中的任务调度问题	机器学习	NA	深度强化学习	演员-评论家模型	仿真数据	在不同工作负载下进行的广泛仿真实验	NA	混合演员-评论家深度强化学习框架	归一化奖励、训练损失、运营成本、拒绝率、体验质量	NA
8267	2026-02-28	HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40509-3 PMID:41748692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8268	2026-04-06	Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41969-3 PMID:41748689	研究论文	本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题	结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性	NA	评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划	液化引起的浅基础建筑沉降	机器学习	NA	NA	机器学习, 深度学习	结构化数据（建筑特征、岩土参数、地震强度指标）	系统编制的已记录案例研究数据库	NA	NA	NA	NA
8269	2026-02-28	A hybrid model for image forgery detection using deep learning with block and keypoint methods 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41473-8 PMID:41748712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8270	2026-04-06	A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40925-5 PMID:41748772	研究论文	本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性	提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐	未在标题和摘要中明确说明	开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常	12导联心电图信号	机器学习	心血管疾病	NA	CNN, Bi-LSTM, Transformer	心电图信号	超过43,000个多标签心电图记录，涵盖27种心律失常类别	NA	CNN, Bi-LSTM, Transformer	准确率, 宏F1分数, ROC曲线下面积	NA
8271	2026-04-06	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题	提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制	未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习	驾驶场景数据	NA	NA	NA	安全性能提升幅度（数量级）	NA
8272	2026-04-06	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视	提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练	需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性	评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法	眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名病例，10名无眼科异常对照）	NA	NA	斯皮尔曼相关系数	NA
8273	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
8274	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
8275	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
8276	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
8277	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
8278	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
8279	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）
8280	2026-04-05	Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70289 PMID:41639931	研究论文	开发并验证了一种在超高场下同时映射静态场和发射场不均匀性的方法，结合深度学习加速实现快速在线应用	提出CLUB-Sandwich序列，通过在多回波读出中集成B1+映射，实现B0和B1+的同时快速估计，并首次结合深度学习进行加速重建	研究仅基于11名健康志愿者的数据，未在患者群体或不同疾病状态下验证，且未评估长期稳定性	开发一种快速、准确的超高场MRI中B0和B1+场不均匀性同时映射方法	11名健康志愿者的MRI数据	医学影像处理	NA	超高场MRI（7T）、多回波序列、低秩张量补全、深度学习重建	深度学习模型	3D MRI图像数据	11名健康志愿者	NA	NA	相关系数、均方根误差	NA