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
9821	2026-02-27	Toward robust surgical phase recognition via deep ensemble learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03543-6 PMID:41206386	研究论文	本研究通过集成学习方法结合多种深度学习架构的优势，提高了手术阶段识别的性能	采用集成学习策略整合多种深度学习模型的互补优势，以克服单一模型在空间特征捕获、时间依赖建模或类别不平衡处理方面的局限性	未明确提及具体局限性	提高手术阶段识别的准确性和鲁棒性，以支持手术室中的情境感知系统	手术工作流程，特别是手术阶段的自动识别	计算机视觉	NA	深度学习	CNN, LSTM, GAN	视频	Cholec80数据集	TensorFlow, PyTorch	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	F1-score, 准确率, Jaccard Index	NA
9822	2026-02-27	Surgical instrument-tissue interaction recognition with multi-task-attention video transformer 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03546-3 PMID:41214416	研究论文	本研究提出了一种多任务注意力视频Transformer模型，用于识别手术器械与组织间的交互作用，通过细粒度时间上下文提升识别性能	引入了细粒度时间上下文分析，并设计了多任务注意力模块（MTAM），利用交叉注意力和门控机制优化手术器械、原子动作和解剖目标子任务间的信息交互	未明确说明模型在更复杂手术场景或实时应用中的泛化能力，且仅基于特定数据集验证	提升手术器械-组织交互识别的准确性，以支持手术工作流分析、自动化安全系统和技能评估	手术视频中的器械-组织交互动作	计算机视觉	NA	视频分析	Transformer	视频	基于CholecT45-Vid和GraSP-Vid等多个视频数据集	PyTorch	视频Transformer	识别准确率	NA
9823	2026-02-27	Phenotypic Characterization Using Open-Source Deep Learning Tools 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4985-5_6 PMID:41479050	研究论文	本文展示了如何使用开源深度学习工具进行表型特征分析，通过高通量显微镜成像实现细胞表型的自动分割与分类	利用开源深度学习工具简化表型特征分析流程，无需高级深度学习知识即可实现自动化图像分析	未明确说明具体实验数据规模或模型性能的量化评估	推动表型特征分析在高通量显微镜成像中的应用	细胞表型（由物质或基因修饰引起的细胞效应）	计算机视觉	NA	高通量显微镜成像	深度学习模型（未指定具体类型）	图像	NA	开源软件（未指定具体框架）	NA	NA	NA
9824	2026-02-27	Diagnostically competitive performance of a physiology-informed generative multi-task network for contrast-free CT perfusion 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1703004 PMID:41669269	研究论文	本文提出了一种名为MAGIC的深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理信息，将非对比CT映射到多个无对比剂的CT灌注图，并在损失函数中融入生理特征以提高图像保真度	NA	解决CT灌注成像成本高、可及性有限以及使用对比剂可能引起不良反应的问题	卒中患者的CT图像数据	医学影像分析	卒中	CT灌注成像	生成式多任务网络	CT图像	来自UF Health的卒中患者CT图像数据	NA	MAGIC	视觉质量，诊断准确性	NA
9825	2026-02-27	A Biomass-Inspired Hydrogel Patch for Intelligent Pain Monitoring and On-Demand Analgesia 2026, Research (Washington, D.C.) DOI:10.34133/research.1112 PMID:41684952	研究论文	本研究开发了一种基于生物质启发的多功能水凝胶贴片，用于智能疼痛监测和按需镇痛	首次构建了集成了AI辅助传感评估和按需治疗功能的可穿戴集成贴片，采用生物质复合材料实现实时疼痛监测与治疗	研究主要基于小鼠足底切口疼痛模型和特定疾病患者志愿者，未涉及更广泛的疼痛类型或长期大规模临床验证	开发一种可持续、客观的疼痛管理策略，实现实时疼痛监测与智能治疗	肩周炎和腰椎疾病患者志愿者，以及小鼠足底切口疼痛模型	生物医学工程	疼痛相关疾病	深度学习算法，光热镇痛技术	深度学习模型	运动相关信号数据	特定疾病患者志愿者和小鼠模型	NA	NA	准确率	NA
9826	2026-02-27	Toward ICE-XRF fusion: real-time pose estimation of the intracardiac echo probe in 2D X-ray using deep learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03493-z PMID:40824505	研究论文	本文提出了一种基于深度学习的实时姿态估计算法，用于支持心内超声与X射线的图像融合，以促进心内超声在瓣膜治疗中的应用	引入两阶段检测算法，结合目标检测网络和回归网络，实现心内超声探头的实时5自由度姿态估计，支持ICE-XRF融合	模型验证主要基于合成数据和少量临床病例（七例），可能需更多真实临床数据以验证泛化能力	促进心内超声在临床中的应用，通过图像融合技术改进瓣膜治疗的影像引导	心内超声探头在2D X射线中的实时姿态	计算机视觉	心血管疾病	深度学习	CNN	图像	合成数据及七例临床病例	NA	NA	F1分数, 精确度, 召回率, 位置误差, 旋转误差	NA
9827	2026-02-27	High-Fidelity Seismic Super-Resolution Using Prior-Informed Deep Learning With 3D Awareness 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663926 PMID:41706771	研究论文	本文提出了一种结合先验知识与3D感知的深度学习框架，用于提高地震数据超分辨率的保真度与泛化能力	提出了一种融合真实合成训练数据生成、3D感知增强网络和先验知识微调策略的集成框架，有效解决了传统方法输出不真实和泛化能力有限的问题	未明确说明方法在极端地质条件下的适用性，且对无标签现场数据的依赖可能在某些场景下受限	提高地震数据垂直分辨率以改善薄层识别能力	地震数据	计算机视觉	NA	深度学习超分辨率	Transformer, CNN	地震图像数据	多个现场数据集（未指定具体数量）	NA	Swin-Transformer, 3D卷积块	保真度、泛化能力、空间一致性、频谱匹配	NA
9828	2026-02-25	Retraction: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343285 PMID:41729793	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9829	2026-02-27	FORCE: Feature-Oriented Representation with Clustering and Explanation 2026-Jan, European journal of artificial intelligence and machine learning DOI:10.24018/ejai.2026.5.1.1076 PMID:41737733	研究论文	本文提出了一种基于SHAP值的监督深度学习框架FORCE，通过聚类和注意力机制增强模型对潜在结构的捕捉能力	提出两阶段使用SHAP值的方法：通过聚类绝对SHAP值指导模型训练，并利用潜在信息在架构中启动注意力机制	仅使用三个真实数据集进行评估，未在更广泛的数据集上验证通用性	通过利用潜在未观测结构来提高预测模型的准确性	多囊卵巢综合征等疾病的预测模型	机器学习	多囊卵巢综合征	SHAP（Shapley Additive exPlanations）值分析	深度学习	特征数据	三个真实数据集	NA	神经网络	F1分数	NA
9830	2026-02-27	Design of an AI-driven secure 5G-SDN framework with federated reinforcement learning for anomaly detection, mitigation, and attack forensics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1701944 PMID:41743650	研究论文	本文提出了一种集成高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的多层安全框架，用于5G-SDN网络中的异常检测、缓解和攻击取证	提出了一种结合高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的创新多层安全框架，实现了轻量级、低延迟、可扩展且隐私保护的异常检测与缓解	未明确提及框架在极端网络条件或新型未知攻击下的性能表现，以及实际大规模部署中的潜在挑战	为5G-SDN网络设计一个安全、可扩展、低延迟的入侵检测与缓解框架	5G软件定义网络中的数据平面异常、控制层入侵和分布式拒绝服务攻击	机器学习	NA	知识蒸馏、联邦强化学习、区块链技术	CNN, LSTM, Transformer, SNN	网络流量数据	使用多个基准数据集，包括CICIDS2017、UNSW-NB15、IoT-23和InSDN	NA	EfficientNet, Transformer	检测准确率、检测延迟、吞吐量退化、能耗	NA
9831	2026-02-27	Resilient Sinkhorn-Based Optimal Transport Late Fusion Framework for Breast Cancer Diagnosis 2026, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351261420789 PMID:41743692	研究论文	本研究开发了一种基于Sinkhorn最优传输的晚期融合多模态深度学习框架，用于乳腺癌诊断，旨在解决临床数据异步、不配对或不完整等现实挑战	首次将乳腺癌晚期融合建模为最优传输问题，并采用动态重加权Sinkhorn融合层来处理数据异构性和模态缺失	研究为回顾性研究，性能评估在内部受控条件下进行，未在外部独立数据集上进行验证	开发并评估一种在数据异步、不配对或不完整情况下仍保持鲁棒性的、可临床部署的乳腺癌诊断多模态深度学习框架	乳腺癌诊断	数字病理学	乳腺癌	多模态深度学习	深度学习	组织病理学图像, 结构化临床风险因素	未明确说明具体样本数量	未明确说明	未明确说明具体架构，但包含为各模态定制的模型及Sinkhorn融合层	PR-AUC, 召回率, F1分数, Brier分数	未明确说明
9832	2026-02-27	Autonomic dysfunction and hypothalamic atrophy in frontotemporal dementia and primary psychiatric disorders 2026 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70284 PMID:41743836	研究论文	本研究探讨了额颞叶痴呆和原发性精神障碍中自主神经功能障碍与下丘脑萎缩的关系	首次使用深度学习方法分析MRI数据，比较了额颞叶痴呆、原发性精神障碍和对照组的自主神经症状与下丘脑体积的关联	样本量相对较小，特别是自主神经症状问卷数据部分，且研究为横断面设计，无法确定因果关系	研究额颞叶痴呆和原发性精神障碍中自主神经症状与下丘脑病理学的关系	额颞叶痴呆患者、原发性精神障碍患者和健康对照者	医学影像分析	额颞叶痴呆, 原发性精神障碍	MRI, 自主神经症状问卷	深度学习	MRI图像, 问卷数据	自主神经症状问卷数据：FTD n=31, PPD n=30, 对照 n=30；MRI数据：FTD n=259, PPD n=44, 对照 n=62	NA	NA	p值	NA
9833	2026-02-27	Assessing arterial stiffness using characteristics of Korotkoff sounds 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1654162 PMID:41743963	研究论文	本研究探讨了从袖带血压测量中记录的柯氏音中提取动脉僵硬度相关信息的可行性，并应用特征分析和机器学习方法进行分类	首次利用柯氏音特征结合机器学习评估动脉僵硬度，为临床和家庭环境提供了一种非侵入性、便捷的潜在评估工具	主要使用年龄作为替代标签，未评估临床结局，无法确定其在心血管风险分层中超越年龄和血压的增量价值，需要更大规模研究及前瞻性验证	评估从柯氏音中提取动脉僵硬度信息的可行性，并探索机器学习在血管老化相关群体区分中的应用	年轻参与者、老年参与者以及医院中测量了臂踝脉搏波速度的参与者	机器学习	心血管疾病	柯氏音记录、特征提取（时域和频域）	深度学习模型	音频信号（柯氏音）	123名年轻参与者、112名老年参与者、81名医院参与者	NA	NA	准确率	NA
9834	2026-02-26	Vascular Age: A narrative review of assessment methods, clinical applications, and future directions 2026-Jun, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2026.200601 PMID:41738064	综述	本文综述了血管年龄的评估方法、临床应用及未来方向	整合了基于动脉僵硬度、血管结构、血管功能及多因素风险评分模型的评估技术，并讨论了利用人工智能（如深度学习）从光电容积描记或视网膜图像估计血管年龄的新兴技术	需要标准化的评估方法、建立参考值以及成本效益评估	总结血管年龄的评估方法及临床进展，以改善心血管疾病风险分层、患者沟通与依从性，并指导个性化治疗	心血管疾病风险个体，包括特定人群（如糖尿病患者和类风湿关节炎患者）	NA	心血管疾病	动脉僵硬度评估（如脉搏波速度）、血管结构评估（如颈动脉内膜中层厚度、冠状动脉钙化评分）、血管功能评估、多因素风险评分模型、人工智能（深度学习）	深度学习	光电容积描记数据、视网膜图像	NA	NA	NA	NA	NA
9835	2026-02-26	PadelTracker100: A dataset for intelligent player and ball tracking in padel sports 2026-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112546 PMID:41737792	研究论文	本文介绍了PadelTracker100数据集，一个用于壁球运动智能球员和球跟踪的大规模全标注数据集	首次为壁球运动提供了大规模、全标注的专业数据集，包含球轨迹跟踪、球员位置、姿态估计和击球事件识别，填补了该领域数据集的空白	数据集仅基于两场2022年世界壁球巡回赛决赛，使用单一标准摄像机角度，可能限制了视角多样性和泛化能力	推动壁球运动的计算机视觉分析，支持自动化技术开发和大规模比赛分析	壁球运动中的球员和球，包括轨迹、位置、姿态及击球事件	计算机视觉	NA	视频采集与标注	YOLO, ViTPose-L	视频帧	近100,000帧，来自两场2022年世界壁球巡回赛决赛	NA	YOLO, ViTPose-L	NA	NA
9836	2026-02-26	Neural network-assisted RNA velocity imputation for empowering transcript dynamics-based analyses 2026-Mar-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114909 PMID:41736867	研究论文	提出了一种名为NARVI的深度学习框架，用于通过神经网络辅助RNA速度插补，以解决现有工具无法计算大量基因速度的问题	首次利用深度学习模型学习可计算基因的表达模式与速度之间的关系，以准确估计原本无法计算的基因速度	未在摘要中明确提及	解决RNA速度估计工具因技术限制或模型假设而无法计算大量基因速度的问题，以扩展基于速度的下游分析范围	单细胞转录组数据集中的基因速度估计	机器学习	NA	单细胞转录组测序	深度学习	单细胞转录组数据	多个单细胞转录组数据集	NA	NA	NA	NA
9837	2026-02-26	Knowledge-graph-enhanced multi-scale modeling for drug-drug interaction prediction 2026-Mar-12, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2026.102855 PMID:41736888	研究论文	本文提出了一种名为ALG-DDI的多尺度特征融合模型，用于预测药物-药物相互作用，并扩展至DDI事件预测	整合了属性、局部关联和全局语义信息，通过Transformer编码器融合多尺度表示，克服了传统方法依赖手工特征和无法捕捉全局多尺度关系的局限	未明确提及模型的具体计算复杂度或对特定药物类别的泛化能力限制	预测药物-药物相互作用，以理解联合用药效果并预防不良反应	药物及其相互作用	机器学习	NA	知识图谱增强的多尺度建模	Transformer, RGCN, GraphSAGE, ComplEx	药物属性、蛋白质与疾病关联、知识图谱数据	三个数据集	NA	Transformer编码器，全连接网络	NA	NA
9838	2026-02-26	Detection and classification of medical images using deep learning for chronic kidney disease 2026-Mar, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04786-7 PMID:40991191	研究论文	本研究提出了一种基于卷积神经网络和乌鸦搜索算法的深度学习方法，用于从医学图像中检测和分类慢性肾脏病	结合了卷积神经网络和乌鸦搜索算法进行特征优化，提高了分类准确性和模型可解释性	仅使用了公开的肾脏CT扫描数据集，未在其他类型医学图像或更大规模数据上进行验证	开发一种自动化、精确且高效的慢性肾脏病早期检测和分类方法	慢性肾脏病患者的医学图像	计算机视觉	慢性肾脏病	CT扫描	CNN	图像	公开的肾脏CT扫描数据集	NA	CNN	准确率, AUC-ROC, PR-AUC, 精确率, 召回率, F1分数	NA
9839	2026-02-26	Resolution and quality enhancement of SPECT cerebral blood flow images using Pix2pix deep learning 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02129-1 PMID:41231365	研究论文	本研究利用Pix2pix深度学习框架提升SPECT脑血流图像的分辨率和质量	首次应用Pix2pix机器学习框架将SPECT-CBF图像转换为与PET-CBF图像质量相近的图像，同时保留SPECT的定量特性	样本量相对较小（73例患者），且仅针对疑似脑缺血患者，可能限制了模型的泛化能力	提升SPECT脑血流图像的分辨率和图像质量，使其更接近PET图像	73例疑似脑缺血患者的SPECT和PET脑血流图像	医学影像分析	脑缺血	SPECT成像（使用123I-IMP）、PET成像（使用O-15标记气体）、图像配准（SPM12）	GAN	医学图像（SPECT和PET图像）	73例患者（43例用于训练，15例用于测试，15例用于验证）	Pix2pix	Pix2pix	视觉评估（5分制）、结构相似性指数（SSIM）、基于感兴趣区域（ROI）的定量分析（相关系数r）	NA
9840	2026-02-26	Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson's disease 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02132-6 PMID:41296269	研究论文	本研究开发了一种基于深度学习的简单图像分析方法，用于评估多巴胺转运体单光子发射计算机断层扫描图像，以支持帕金森病的诊断	首次利用预训练的卷积神经网络架构进行迁移学习，创建了针对DAT SPECT图像的AI模型，其准确性可与经验丰富的神经科医生相媲美	研究样本量相对有限，且仅使用单一影像模态（DAT SPECT），未考虑其他临床或影像数据	开发一种简单的人工智能图像分析方法，以辅助帕金森病的诊断	帕金森病患者和非神经退行性疾病对照患者	计算机视觉	帕金森病	多巴胺转运体单光子发射计算机断层扫描	CNN	图像	开发队列包括300名帕金森病患者和102名对照患者，验证队列包括96名帕金森病患者	NA	六种预训练的卷积神经网络架构	准确性, 敏感性, 受试者工作特征曲线下面积	NA