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
11481	2026-01-14	Graph-spa: A Spatiotemporal Graph Neural Network based framework for ARDS prediction and interpretability 2026-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104969 PMID:41386531	研究论文	本文提出了一种基于动态时空图神经网络的框架Graph-spa，用于急性呼吸窘迫综合征的早期预测和可解释性分析	Graph-spa框架通过动态更新邻接结构来捕捉临床变量间的演化交互，结合时间卷积层，有效捕获长程时间依赖性，并采用模型无关的特征归因方法增强可解释性	未明确提及具体局限性，但框架可能依赖于ICU数据的质量和完整性	提高急性呼吸窘迫综合征的早期预测准确性，并通过可解释性分析识别亚临床特征	ICU中的多变量时间序列临床数据，涉及HiRID、MIMIC-IV和eICU三个数据集	机器学习	急性呼吸窘迫综合征	动态时空图神经网络，时间卷积，掩码归因方法	STGNN, GRU, LSTM, TCN, Transformer	多变量时间序列数据	三个数据集（HiRID、MIMIC-IV、eICU），具体样本数量未明确	未明确指定，但代码发布于GitHub	动态时空图神经网络，结合时间卷积层	AUC, F1-score, MCC	未明确指定
11482	2026-01-14	Mamba-enhanced disease semantic knowledge graph for interpretable automatic ICD coding 2026-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104973 PMID:41443488	研究论文	本文提出了一种名为MKHCNet的新型自动ICD编码框架，通过整合疾病语义知识图谱、Mamba网络、对比归一化和分层位置标签注意力机制，提升了编码性能和临床可解释性	首次将Mamba网络引入自动ICD编码任务，并结合疾病语义知识图谱、ContraNorm模块和HPLA机制，实现了长程依赖建模、标签表示增强和细粒度可解释性	未提及模型在更广泛数据集或实际临床环境中的泛化能力评估	提升自动ICD编码的准确性、语义一致性和可解释性	电子健康记录中的疾病、症状、诊断和治疗信息	自然语言处理	NA	深度学习	Mamba, FastKAN	文本	基于MIMIC-FULL和MIMIC-50基准数据集	NA	MKHCNet (Mamba-Knowledge-HPLA-ContraNorm Network)	MaAUC, P@8	NA
11483	2026-01-14	MRI-Based Deep Learning Algorithms vs. Radiologists for Lymph Node Metastasis in Colorectal Cancer: A Systematic Review and Meta-analysis 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.048 PMID:41107125	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了基于MRI的深度学习算法与放射科医生在结直肠癌淋巴结转移诊断中的性能	首次通过荟萃分析系统比较了MRI深度学习算法与放射科医生（包括不同经验水平）在结直肠癌淋巴结转移诊断中的性能，并量化了其优势	纳入的研究多为回顾性且主要来自中国，限制了结果的普适性	比较基于MRI的深度学习算法与放射科医生在诊断结直肠癌淋巴结转移方面的诊断性能	结直肠癌患者的淋巴结转移	医学影像分析	结直肠癌	MRI	深度学习算法	MRI图像	内部验证队列：9项研究，共1850例样本	NA	NA	灵敏度, 特异性, AUC	NA
11484	2026-01-14	Explainable Machine Learning for Predicting Invasiveness of Pulmonary Adenocarcinoma Presenting as Ground-Glass Nodules Using CT Images 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.004 PMID:41130882	研究论文	本研究利用CT图像，结合放射组学特征、深度学习特征和瘤内栖息地特征，开发了一个可解释的机器学习模型，用于预测表现为磨玻璃结节的肺腺癌的侵袭性	整合了非增强CT和增强CT的放射组学特征、深度学习特征以及瘤内栖息地特征，构建了一个综合预测模型，并利用SHAP进行可解释性分析，为临床个性化手术决策提供支持	研究为双中心回顾性研究，可能存在选择偏倚；模型性能在外部验证集上有所下降（AUC 0.85），表明泛化能力有待进一步验证	提高早期表现为磨玻璃结节的肺腺癌侵袭性预测的准确性，以支持临床个性化手术决策	经病理证实的磨玻璃结节（GGNs，≤30mm）患者	数字病理学	肺癌	非增强CT（NECT），增强CT（CECT），K-means聚类算法	机器学习模型，深度学习模型	CT图像	516名患者（中心1：396名，中心2：120名）	Scikit-learn（用于K-means等），PyTorch或TensorFlow（用于ResNet50）	ResNet50	AUC，准确率，灵敏度，特异性，决策曲线分析（DCA），校准曲线，Hosmer-Lemeshow检验	NA
11485	2026-01-14	PI-uMSS: Prior information-based unsupervised magnetic source separation in quantitative susceptibility mapping 2026-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121643 PMID:41391626	研究论文	提出了一种基于先验信息的无监督磁源分离框架，用于定量磁化率成像中的源分离	提出了一种无监督的磁源分离框架，利用先验信息引导并通过物理信息损失函数约束，无需大量高质量标签即可实现全脑分离，克服了现有方法依赖近似或区域外推以及深度学习需要大量标注数据的限制	未明确提及具体局限性，但方法依赖于先验信息和物理模型，可能对模型假设和输入数据质量敏感	改进定量磁化率成像中的磁源分离，以更准确量化脑铁和髓鞘变化	全脑定量磁化率成像和R2*数据	医学影像分析	脑部疾病	定量磁化率成像，磁源分离	深度学习模型	医学影像数据	NA	NA	NA	结构相似性，归一化均方误差	NA
11486	2026-01-14	OPDoctorNet: Deep Learning Revolutionizes Opportunistic Screening of Osteoporosis Based on Clinical Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597467 PMID:40788810	研究论文	本研究开发了OPDoctorNet算法，结合Transformer和Mamba特征提取优势，通过多尺度特征融合和FeatureBake Block创新，提高骨质疏松症临床数据识别的准确性	创新性地提出多尺度特征融合和FeatureBake Block，结合Transformer和Mamba的优势，深度提取全局和局部特征，为Transformer和Mamba特征处理提供突破性解决方案	NA	利用深度学习技术改进骨质疏松症的临床数据识别，实现高效、准确的机遇性筛查	骨质疏松症的临床数据	机器学习	骨质疏松症	深度学习	Transformer, Mamba	临床数据	NA	NA	OPDoctorNet, FeatureBake Block	准确率, 召回率, F1分数	NA
11487	2026-01-14	Federated Learning for Histopathology Image Classification: A Systematic Review 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010137 PMID:41515633	系统综述	本文对联邦学习在组织病理学图像分类领域的应用进行了系统性回顾，总结了现有方法、数据集、性能指标以及面临的挑战和未来方向	首次对联邦学习在组织病理学图像分类领域的研究现状进行了系统性梳理和评估，明确了主流方法、数据集和性能基准	纳入的研究存在报告标准不一致、通信开销和计算需求等挑战尚未解决，且临床验证不足	全面评估联邦学习在组织病理学图像分类中的应用现状，识别方法、数据集和性能指标，并指出挑战与未来研究方向	2020年至2025年间发表的24项关于联邦学习用于组织病理学图像分类的研究	数字病理学	NA	NA	深度学习模型	组织病理学图像	涉及10个数据集（8个公开、1个私有、1个未指定）	Flower, OpenFL	VGG, ResNet, DenseNet, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
11488	2026-01-14	AI-Guided Inference of Morphodynamic Attractor-like States in Glioblastoma 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010139 PMID:41515632	研究论文	本文提出了一种AI框架，通过3D自编码器和神经常微分方程，从多模态MRI数据中推断胶质母细胞瘤的形态动力学吸引子样状态，并探索其与生存预后的关联	结合生成式AI与动力系统理论，从横断面数据中近似推断肿瘤形态动力学的潜在吸引子景观，并首次尝试通过控制理论（确定性控制器和强化学习代理）模拟肿瘤轨迹的干预	研究基于横断面数据（BraTS 2020），缺乏纵向随访验证；动态吸引子盆地在预后预测上增益有限，年龄仍是主导协变量；控制模拟仅为概念验证，未进行实际临床干预	开发一个可解释、可控制的AI框架，以捕捉胶质母细胞瘤的形态动力学稳定状态（吸引子），并探索其与临床结局的关联	胶质母细胞瘤（GBM）患者的多模态MRI扫描数据	数字病理学	胶质母细胞瘤	多模态MRI	自编码器, 神经常微分方程, 强化学习	3D医学影像	494例患者（来自BraTS 2020数据集）	PyTorch（推断自神经ODE和强化学习代理的使用）	3D自编码器, 神经ODE, Soft Actor-Critic	生存分析（Kaplan-Meier, log-rank检验, C-index）, 相关系数, 控制成功率, 终端距离减少率	未明确指定，但涉及3D影像处理和强化学习训练，可能使用GPU（如NVIDIA系列）
11489	2026-01-14	Evaluating the Impact of Demographic Factors on Subject-Independent EEG-Based Emotion Recognition Approaches 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010144 PMID:41515638	研究论文	本研究提出了一种融合脑电图特征与人口统计学信息的深度学习模型，用于提升跨被试的基于脑电图的情绪识别性能	提出了一种基于注意力机制的融合方法，能够动态权衡脑电图特征与人口统计学信息（年龄、性别、国籍）在分类过程中的贡献	研究仅使用了三个公开数据集，样本量相对有限，且未探讨更复杂的人口统计学变量组合	提升跨被试的基于脑电图的情绪识别模型的性能与公平性	31名具有不同人口统计学背景的被试的脑电图信号	机器学习	NA	脑电图	深度学习	脑电图信号，人口统计学数据	31名被试，来自SEED、SEED-FRA和SEED-GER三个数据集	NA	基于注意力机制的融合模型	准确率	NA
11490	2026-01-14	Leveraging Large-Scale Public Data for Artificial Intelligence-Driven Chest X-Ray Analysis and Diagnosis 2026-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010146 PMID:41515641	研究论文	本研究利用大规模公开胸部X光数据集训练深度学习模型，用于胸部异常的多标签分类诊断	结合大规模多样化公共数据集与噪声标签训练通用深度学习模型，并引入不确定性量化评估模型可靠性	对结核病等样本质量有限的疾病诊断仍具挑战性，需针对代表性不足的疾病开发更精准的策略	开发基于人工智能的胸部X光分析诊断系统，以缓解放射科医生负担	胸部X光影像	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	大规模多样化公共数据集（具体数量未说明）	NA	ResNet, DenseNet, EfficientNet, DLAD-10	AUC, 敏感性, F1分数	NA
11491	2026-01-14	Semi-Supervised Seven-Segment LED Display Recognition with an Integrated Data-Acquisition Framework 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010265 PMID:41516700	研究论文	本文提出了一种集成数据采集框架的半监督七段LED显示屏识别方法，以提高工业检测中的识别准确性和鲁棒性	结合图像处理与深度学习，构建基于改进自训练算法的半监督对抗学习框架，并引入k-means聚类分层采样、Squeeze-and-Excitation B Block增强CNN主干以及对抗生成网络进行对抗训练	模型可能仍受特定环境因素（如温度、光照变化）影响，且半监督方法依赖于初始标注数据质量	提高工业检测和实验数据采集场景中七段LED显示屏的识别准确性和效率，并增强模型在不同环境下的鲁棒性	工业检测和实验数据采集中常用的数字管（七段LED显示屏）	计算机视觉	NA	图像处理技术、k-means聚类算法、对抗生成网络	CNN, GAN	图像	NA	NA	改进的CNN主干（添加Squeeze-and-Excitation B Block）	分类准确性、鲁棒性	NA
11492	2026-01-14	State-of-Charge Estimation of Lithium-Ion Batteries Based on the CNN-Bi-LSTM-AM Model Under Low-Temperature Environments 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010264 PMID:41516699	研究论文	本文提出了一种结合一维卷积神经网络、双向长短期记忆网络和注意力机制的混合深度学习模型，用于提升锂离子电池在低温环境下的荷电状态估计精度	首次将一维卷积神经网络、双向长短期记忆网络和注意力机制集成于一个混合模型中，以动态强调关键时间步长，有效处理低温环境下的电压失真和非线性动态	研究仅在特定型号（Panasonic 18650PF）和有限温度范围（-20至0摄氏度）的数据集上进行验证，未涵盖更广泛的电池类型或更极端的低温条件	提高锂离子电池在低温环境下的荷电状态估计准确性，以支持电池管理系统在极端条件下的可靠运行	锂离子电池（具体为Panasonic 18650PF型号）	机器学习	NA	深度学习	CNN, LSTM	序列数据（电压和电流序列）	基于Panasonic 18650PF数据集，具体样本数量未明确说明	NA	一维卷积神经网络, 双向长短期记忆网络, 注意力机制	平均绝对误差, 均方根误差	NA
11493	2026-01-14	Deep Learning Wavefront Sensing from Object Scene for Directed Energy HEL Systems 2026-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s26010268 PMID:41516703	研究论文	本文提出了一种基于深度学习的波前传感方法，直接从场景图像中预测大气湍流引起的波前畸变，无需专用波前传感器或参考光束	利用深度学习直接从场景图像预测波前畸变（以Zernike系数表示），无需传统自适应光学系统中的专用波前传感器和参考光束，简化了系统并降低了成本	模型训练依赖于特定无人机（如Reaper UAV）的畸变图像，且湍流水平范围有限；虽然展示了泛化能力，但未在所有可能的无人机类型或极端湍流条件下进行全面验证	开发一种无需专用波前传感器和参考光束的波前传感方法，以改善高能激光系统在大气湍流中的性能	Reaper无人机和Mongoose无人机的畸变图像，用于训练和测试深度学习模型	计算机视觉	NA	深度学习波前传感	深度学习模型	图像	使用Reaper无人机在不同湍流水平（D/r0，其中D=30 cm，r0=3、5、7 cm）下的畸变图像进行训练，并测试了Mongoose无人机的图像	NA	NA	准确性	NA
11494	2026-01-14	Dual-source cone-beam CT for HDR brachytherapy in-suite imaging: Simulation studies of limited angle image reconstruction based on deep image prior 2026 Jan-Feb, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.09.001 PMID:41077519	研究论文	本研究通过模拟研究，提出了一种新型超紧凑移动双源锥束CT（dCBCT）设计，用于高剂量率（HDR）近距离放射治疗中的有限角度图像重建	设计了一种新型超紧凑移动双源锥束CT（dCBCT），结合深度学习图像重建技术，实现了超短扫描和实时立体成像，解决了传统C臂锥束CT的数据截断问题	本研究为模拟研究，未涉及实际临床数据或硬件实现，可能未完全考虑实际应用中的技术挑战	开发一种适用于高剂量率（HDR）近距离放射治疗室的快速3D和实时平面成像系统	双源锥束CT（dCBCT）系统及其在有限角度下的图像重建性能	医学影像	NA	锥束CT（CBCT）、深度学习图像重建	深度学习模型（具体未指定）	模拟CT图像数据	NA	NA	Deep Image Prior（DIP）	图像质量（未指定具体指标）	NA
11495	2026-01-13	Applications of artificial intelligence-based conversational agents in healthcare: A systematic umbrella review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106204 PMID:41337874	综述	本文对人工智能对话代理在医疗保健领域的应用进行了系统性的伞状综述	首次对AI对话代理在医疗保健领域的应用和有效性进行全面的全球性综合评估	难以就当前AI对话代理在医疗保健领域的整体有效性得出结论，且存在研究领域不平衡的问题	全面概述AI对话代理在医疗保健领域的当前应用及相关健康结果	2000年至2025年间发表的同行评审系统综述文章	自然语言处理	NA	深度学习	NA	文本	44篇综述文章	NA	NA	NA	NA
11496	2026-01-13	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习在生理时间序列数据（特别是ECG和EEG频谱）中异常检测的应用方法及效果	通过系统综述比较了不同机器学习方法在生理频谱异常检测中的性能，并指出无监督Transformer模型在该领域表现最优	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能遗漏了其他有价值但性能略低的方法	评估机器学习在生理时间序列频谱数据异常检测中的应用效果，并推荐最佳方法	ECG（心电图）和EEG（脑电图）的频谱数据	机器学习	心血管疾病	频谱分析	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据	NA	NA	Transformer	AUC, 准确率, F1分数	NA
11497	2026-01-13	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究评估了整合超声和多序列MRI的深度学习放射组学列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能	开发了一种整合临床参数、超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了多中心验证	回顾性研究设计，样本量相对较小（103例患者），且仅针对三阴性乳腺癌这一特定亚型	评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后方面的性能	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	超声成像, 多序列磁共振成像	深度学习放射组学模型	二维超声图像, 三维MRI图像	103例患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
11498	2026-01-13	Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70079 PMID:41024593	研究论文	本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像对常见美容填充剂进行可靠鉴别	首次将人工智能深度学习应用于超声图像中美容填充剂的鉴别，填补了该领域的研究空白	对钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化	开发人工智能深度学习模型以在真实条件下通过超声图像准确鉴别不同类型的美容填充剂	超声图像中的美容填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油	计算机视觉	NA	超声成像	深度学习	图像	1432张来自6个国家14位医生收集的超声图像	NA	YOLO, YOLOv11	准确率, F1分数, 精确率, 召回率	NA
11499	2026-01-13	DeepMLP: A Proteomics-Driven Deep Learning Framework for Identifying Mis-Localized Proteins across Pan-Cancer 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02226 PMID:41436377	研究论文	本文提出了一种名为DeepMLP的蛋白质组学驱动的深度学习框架，用于在泛癌中识别错误定位的蛋白质	通过交叉注意力机制构建通路感知的蛋白质表示，并结合动态蛋白质-蛋白质相互作用网络，协同增强识别潜在癌症错误定位蛋白质的能力	未明确说明	识别泛癌类型中的错误定位蛋白质，特别是错误定位的蛋白激酶，并探索其在肿瘤发生中的潜在生物学相关性	错误定位的蛋白质（MLPs），特别是蛋白激酶	机器学习	癌症	大规模质谱蛋白质组学数据	深度学习	蛋白质组学数据	未明确说明	未明确说明	图注意力网络（GAT），结合交叉注意力机制	准确性，稳定性	未明确说明
11500	2026-01-13	"Super-Resolution" Deep Learning Image Reconstruction in Dynamic Myocardial Perfusion: A Prospective Evaluation of Image Quality and Hemodynamic Parameters 2026-Jan-12, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001840 PMID:41521534	研究论文	本研究前瞻性评估了超分辨率深度学习重建（SR-DLR）在动态心肌CT灌注中对图像质量和血流动力学参数的影响	首次在动态心肌CT灌注中比较SR-DLR与传统重建方法（FBP、混合IR、NR-DLR）对图像质量和血流动力学参数的影响	单中心研究，样本量较小（25例患者），未评估长期临床结局	评估SR-DLR在动态心肌CT灌注中提升图像质量和保持血流动力学参数准确性的能力	25例接受动态心肌CT灌注的患者（平均年龄65±10岁，21名男性）	医学影像分析	心血管疾病	动态心肌CT灌注成像	深度学习重建模型	CT影像	25例患者	NA	超分辨率深度学习重建（SR-DLR），正常分辨率深度学习重建（NR-DLR）	图像噪声，信噪比（SNR），对比噪声比（CNR），整体图像质量，病变可见性，心肌血流量（MBF），冠状动脉血流储备（CFR）	NA