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
11541	2026-01-12	Transforming Pediatric Urology With Artificial Intelligence: A Narrative Review of Current Evidence and Practice 2026-Jan, Cureus DOI:10.7759/cureus.100893 PMID:41509578	综述	本文综述了人工智能在儿科泌尿学中的应用现状、证据和实践，探讨了其在诊断、手术规划和术后监测方面的潜力	系统性地总结了人工智能在儿科泌尿学多个领域（如肾积水、阴茎异常、膀胱输尿管反流）的创新应用，包括深度学习模型自动分级和预测、标准化图像分析减少主观性，以及机器学习算法优化风险分层	广泛应用目前受到数据稀缺、严格隐私法规以及缺乏关于患者数据的伦理法律框架等挑战的限制	探讨人工智能如何重塑儿科泌尿学的临床护理，并推动其安全整合到标准临床工作流程中	儿科泌尿学疾病，如肾积水、阴茎异常（如尿道下裂）和膀胱输尿管反流	数字病理学	泌尿系统疾病	深度学习, 机器学习	深度学习模型, 机器学习算法	图像, 临床数据	NA	NA	NA	NA	NA
11542	2026-01-12	Ear-Keeper: A cross-platform artificial intelligence system for rapid and accurate ear disease diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412635 PMID:41509874	研究论文	本研究开发了一种轻量级深度学习模型Best-EarNet，用于耳镜图像分类，并部署在跨平台诊断系统Ear-Keeper中，以实现快速准确的耳部疾病诊断	提出了Best-EarNet架构，整合了局部-全局空间特征融合模块和多尺度监督策略，实现了超快速轻量级模型，并开发了跨平台智能诊断系统Ear-Keeper	未明确提及模型在更广泛疾病类型或不同医疗环境中的泛化能力限制	开发轻量级、高性能、实时的深度学习模型用于耳镜图像分类，并部署跨平台诊断系统以支持临床和社区使用	耳镜图像，涵盖八种常见耳部疾病及健康病例	计算机视觉	耳部疾病	深度学习，迁移学习	CNN	图像	内部测试集22,581张图像，外部测试集1,652张图像	未明确提及，推测为PyTorch或TensorFlow	Best-EarNet	准确率	标准CPU，处理速度80帧/秒
11543	2026-01-12	Comparison of the performance between an AI-based vision transformer and human endoscopists in predicting the endoscopic and histologic activities of ulcerative colitis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412694 PMID:41509873	研究论文	本研究开发了一种基于深度学习的算法，用于评估溃疡性结肠炎的疾病和病理活动性，并比较了AI模型与人类内镜医师在预测内镜和病理活动性方面的性能	首次开发了一种基于内镜视频的深度学习模型，用于预测溃疡性结肠炎的内镜和病理活动性，并证明其性能与经验丰富的内镜医师相当，优于年轻内镜医师	研究样本量相对较小（82名患者），且仅基于白光内镜图像，未考虑其他成像模式或临床因素	开发并验证一种基于深度学习的算法，以评估溃疡性结肠炎的内镜和病理活动性	溃疡性结肠炎患者的内镜视频片段	计算机视觉	溃疡性结肠炎	白光内镜成像	Vision Transformer (ViT)	视频	375个视频片段来自82名患者	NA	Vision Transformer (ViT)	准确率	NA
11544	2026-01-12	Transformer-based deep learning for early detection of intensive care unit-acquired bloodstream infection through multivariate time-series analysis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412651 PMID:41509870	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于通过多变量时间序列分析早期预测ICU获得性血流感染	首次将Transformer模型应用于ICU获得性血流感染的早期检测，能够有效捕捉高维时间序列数据中的复杂依赖关系，相比传统机器学习模型（如CatBoost）在早期预测窗口表现更优	研究基于单一数据库（MIMIC IV），样本中阳性病例比例较低（6.2%），且未进行外部验证	开发一种深度学习模型，用于早期检测重症监护病房（ICU）获得性血流感染（BSI）	ICU患者，具体为MIMIC IV数据库中入院48小时后采集血培养的患者	机器学习	血流感染	电子健康记录分析，时间序列分析	Transformer, CatBoost	多变量时间序列数据	2408名患者，其中149名（6.2%）患有ICU获得性BSI	未明确指定，但提及了SMOTE和SHAP	Transformer	AUROC, AUPRC	NA
11545	2026-01-12	DCGAT-DTI: dynamic cross-graph attention network for drug-target interaction prediction 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf306 PMID:41510027	研究论文	提出了一种名为DCGAT-DTI的动态跨图注意力网络，用于预测药物-靶点相互作用	引入了动态跨图注意力模块，动态建模药物和蛋白质图之间的内部和跨图交互，超越了独立处理相似性图的现有方法	未明确说明模型在更大规模或更复杂数据集上的泛化能力	加速药物发现，通过预测化学化合物与蛋白质之间的相互作用	药物和蛋白质	机器学习	NA	深度学习	图卷积网络,注意力机制	图数据	四个基准数据集	NA	动态跨图注意力网络	NA	NA
11546	2026-01-12	Decoding fetal motion in 4D ultrasound with DeepLabCut 2026-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-025-01557-w PMID:40785001	研究论文	本研究利用基于深度学习的无标记姿态估计工具DeepLabCut，对孕中期四维超声数据中的胎儿运动行为进行客观定量分析，提出了一种评估胎儿神经发育的新临床方法	首次将DeepLabCut应用于四维超声数据，实现对胎儿运动行为的精确定量分析，为胎儿神经发育评估提供了非侵入性的AI驱动替代方案	研究样本量有限（仅50个正常单胎胎儿），且跟踪精度随孕龄增加的趋势未达到统计学显著性	客观定量分析胎儿运动行为，以评估胎儿神经发育状况	孕12至22周的正常单胎胎儿	计算机视觉	NA	四维超声	深度学习	视频	50个四维超声视频记录	DeepLabCut	NA	似然分数, 组内相关系数	NA
11547	2026-01-12	Deep Learning Workflow In Echocardiography: John Henry's Saga Revisited? 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.07.4071 PMID:41519548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11548	2026-01-11	Integrating Kolmogorov-Arnold networks with ordinary differential equations for efficient, interpretable, and robust deep learning: Epidemiology of infectious diseases as a case study 2026-Jun, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.12.006 PMID:41503372	研究论文	本研究通过将Kolmogorov-Arnold网络与常微分方程结合，提出KAN-UDE框架，用于实现高效、可解释且稳健的深度学习，并以新发传染病流行病学为案例进行验证	将Kolmogorov-Arnold网络整合到通用微分方程框架中，相比基于多层感知机的UDE，显著提升了拟合性能，并在部分时间序列数据下实现了非线性函数的精确重建，同时保持了可解释性	在考虑真实世界数据随机性时，KAN-UDE模型的稳健性和准确性较低	开发一种高效、可解释且稳健的深度学习框架，用于建模和分析复杂动态系统	新发传染病的流行病学动态	机器学习	传染病	常微分方程建模	Kolmogorov-Arnold网络, 通用微分方程	时间序列数据	NA	NA	Kolmogorov-Arnold网络	损失函数	NA
11549	2026-01-11	A comprehensive evaluation of self-attention for detecting regulatory feature interactions 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf209 PMID:41503157	研究论文	本文全面评估了自注意力机制在检测调控特征相互作用中的应用，并通过引入熵项提高了注意力图的可解释性	通过添加熵项生成高精度稀疏注意力图，增强了模型的可解释性，并首次对不同注意力变体在转录因子协同性发现中的性能进行了全面评估	NA	评估自注意力机制在计算生物学中提取生物信息的能力，特别是用于预测转录因子结合的协同性	基因调控网络中的转录因子协同性	计算生物学	NA	自注意力机制	自注意力模型	NA	NA	NA	自注意力层	精度	NA
11550	2025-11-05	Decoding the regulatory genome with large-scale deep learning 2026-Feb, Nature reviews. Genetics DOI:10.1038/s41576-025-00914-2 PMID:41184593	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11551	2026-01-11	Artificial intelligence for personalized management of vestibular schwannoma: a multidisciplinary clinical implementation study 2026-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf163 PMID:41502533	研究论文	本研究介绍并评估了一种用于前庭神经鞘瘤多学科团队会议的新型计算机辅助报告工具，旨在支持临床决策	利用深度学习自动分割肿瘤并提取体积和线性测量，为个性化管理提供自动化报告工具	自动化报告在28%的病例中需要人工修订，且初始准备时间略有增加	评估计算机辅助报告工具在前庭神经鞘瘤多学科团队会议中对决策效率和个性化管理的支持作用	前庭神经鞘瘤患者	数字病理学	前庭神经鞘瘤	MRI（对比增强T1和T2序列）	深度学习	医学影像	50名患者	NA	NA	Dice系数	NA
11552	2026-01-11	Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes 2026-Jan-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.08.026 PMID:40975668	研究论文	本研究开发了一个名为Electrode Net的定制深度学习框架，用于高效准确地预测多孔电极的各向异性传输特性	结合符号距离场（SDF）与3D卷积神经网络，显著加速多孔电极设计，计算成本降低高达96%，并实现高精度预测	未明确说明模型在极端或非典型微结构下的泛化能力限制	旨在通过深度学习框架优化多孔电极的设计，以提升燃料电池、水电解槽和液流电池等下一代高性能流动电池的性能	多孔电极的微结构及其各向异性传输特性（如孔隙率、曲折度和渗透率）	机器学习	NA	符号距离场（SDF）	CNN	3D几何样本数据	15,433个真实和生成的几何样本	NA	3D卷积神经网络	R-squared	NA
11553	2026-01-11	Regional-aware and sequence-informed multi-decoder network for robust brain glioma segmentation in multi-parametric MRI 2026-Jan-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111387 PMID:41411810	研究论文	本文提出了一种用于多参数MRI中脑胶质瘤稳健分割的区域感知与序列信息引导的多解码器网络	提出了一种新颖的深度学习框架，包含三个创新点：1）独立分割关键肿瘤亚区的多解码器架构；2）将每个解码器与最适合其诊断目标的MRI序列对齐的序列信息引导策略；3）用于增强特征重新校准的改进自注意力机制	未在摘要中明确说明	实现脑胶质母细胞瘤亚区的精确分割，以支持神经肿瘤学的诊断、手术规划和治疗监测	多参数MRI图像中的脑胶质母细胞瘤亚区，包括周围非增强FLAIR高信号区、非增强肿瘤核心和增强肿瘤	数字病理学	脑胶质瘤	多参数MRI	深度学习	图像	使用了BraTS 2023数据集，并在四个外部数据集（BraTS 2020、BraTS Africa、MRBrainS18和BraTS 2024治疗后）上进行了验证	NA	多解码器网络	Dice相似系数, 95百分位Hausdorff距离	NA
11554	2026-01-11	Out of the Laboratory and Into the Clinic: Out-of-Domain Validation of Machine Learning Models for Velopharyngeal Dysfunction Detection 2026-Jan-09, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004633 PMID:41512248	研究论文	本研究系统评估了多种机器学习模型在标准化与非标准化条件下检测腭咽闭合功能障碍的能力，以验证其在真实临床场景中的泛化性能	首次在腭咽闭合功能障碍检测领域系统进行跨域验证，揭示了预训练模型在真实世界音频数据上的严重性能退化问题，并发现传统MFCC特征在跨域场景中比先进深度学习模型更具鲁棒性	研究样本量有限（标准化数据集82例，非标准化数据集131例），非标准化数据来源多样且记录条件高度异质，可能影响结论的普适性	评估机器学习模型在真实临床环境中检测腭咽闭合功能障碍的可行性与泛化能力	腭咽闭合功能障碍患者的音频样本	机器学习	腭咽闭合功能障碍	音频信号处理	支持向量机, 深度学习模型	音频	标准化数据集82例患者（60例训练，22例测试），非标准化数据集131个样本（70个对照，61个病例）	NA	Whisper, HuBERT, MFCC/SVM	准确率, 宏F1分数	NA
11555	2026-01-11	Robust Retinal Image Matching: A Modality-Resistant Descriptor Using Directional Anisotropic Texton-Like Features and Evaluation Across Diverse Datasets 2026-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01765-3 PMID:41514133	研究论文	本文提出了一种用于视网膜图像匹配的鲁棒描述符，该描述符基于方向性各向异性类文本特征，并在多种数据集上进行了评估	提出了一种新颖的描述符，该描述符利用一阶和二阶方向性各向异性类文本Leung-Malik导数构建高级特征空间，其细长的感受野与精细的血管和解剖结构自然对齐，实现了更一致的特征编码，并设计了加权自适应分箱配置来处理局部变化	未明确提及本文的具体局限性	解决多模态和单模态视网膜图像匹配中，因局部结构差异、非线性辐射度差异以及结构位移带来的挑战，实现更鲁棒和准确的图像对齐	多种视网膜图像数据集，包括彩色眼底（CF）、荧光素血管造影（FA）、超广角FA、扫描激光检眼镜（SLO）图像以及具有不同重叠度的CF FIRE数据集	计算机视觉	NA	图像匹配，特征描述符	传统手工方法（基于类文本特征）	图像	NA	NA	NA	平均召回率	NA
11556	2026-01-11	Diagnosing migraine from genome-wide genotype data: a machine learning analysis 2026-Jan-08, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf172 PMID:40326299	研究论文	本研究利用机器学习方法从全基因组基因型数据中诊断偏头痛，旨在捕捉非加性和交互效应以解释遗传缺失性	采用机器学习模型（如轻梯度提升机和多项式朴素贝叶斯）处理高维遗传变异数据，探索偏头痛的非加性和交互遗传结构，相比传统多基因风险评分方法在分类性能上显著更优	数据维度（高数量遗传变异）可能受限于可用数据规模，导致对纯加性效应的误导性印象，未来需要更大样本量以充分利用加性和交互效应	开发机器学习模型以捕捉非加性和交互遗传效应，解决偏头痛的遗传缺失性问题	来自特伦德拉格健康研究第二和第三阶段的43,197名个体（51%为女性，平均年龄54.6岁），基于国际头痛疾病分类标准进行表型分型	机器学习	偏头痛	全基因组基因分型	轻梯度提升机, 多项式朴素贝叶斯, 深度学习	基因型数据	43,197名个体	NA	NA	AUC	NA
11557	2026-01-11	Markers predicting lymphoma development in Sjögren disease: current status and future perspectives 2026-Jan-08, Current opinion in immunology IF:6.6Q1 DOI:10.1016/j.coi.2025.102717 PMID:41512551	综述	本文综述了Sjögren病中预测淋巴瘤发展的生物标志物的最新进展，并探讨了未来研究方向	强调了时间敏感性重新评估传统风险因素和分析新型标志物的范式转变，并指出深度学习在淋巴瘤预测中的应用尚未探索	关于保护性因素和淋巴瘤预防策略的数据稀缺，且缺乏关于淋巴瘤预测、监测和预防的共识指南	综述Sjögren病中淋巴瘤发生的预测标志物，以促进早期诊断和预防	Sjögren病患者，特别是那些有淋巴瘤发展风险的患者	数字病理学	淋巴瘤	NA	深度学习	临床和转化研究数据	NA	NA	NA	NA	NA
11558	2026-01-11	Fast and accurate prediction of adsorption energy of AgPd nanoalloys by deep learning potentials and neural networks 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05309-1 PMID:41495104	研究论文	本研究利用深度学习势和多种神经网络架构，快速准确地预测了AgPd纳米合金上氟原子的吸附能	首次结合Ag-Pd-F深度学习势与多种深度神经网络（CGCNN、CNN、LSTM、MLP）来预测纳米团簇的吸附能，其中基于深度学习势的CGCNN模型在精度和不确定性估计方面表现最佳	研究仅针对38个原子的AgPd纳米团簇和氟原子吸附，数据集规模相对有限（1087个吸附构型），模型在其他元素或更大团簇上的泛化能力未经验证	开发一种快速、准确预测纳米合金吸附能的方法，以加速高效催化剂的设计	AgPd纳米合金团簇上氟原子的吸附能	机器学习	NA	深度学习势，第一性原理方法	CGCNN, CNN, LSTM, MLP	原子结构数据，吸附能数据	1087个AgPd团簇上的氟原子吸附构型	NA	Crystal Graph Convolutional Neural Networks, Convolutional Neural Networks, Long Short-Term Memory networks, Multilayer Perceptrons	R², RMSE	NA
11559	2026-01-11	Patch-Based convolutional neural networks for multiple microstructural features detection in FIB-SEM micrographs of irradiated nuclear fuel 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23606-7 PMID:41491694	研究论文	本文提出了一种基于卷积神经网络的框架，用于在辐照核燃料的FIB-SEM显微图像中自动检测多种微观结构特征	首次整合了Segment Anything Model (SAM)和基于补丁的CNN模型，用于辐照核材料的语义分割，并利用有限标注数据实现微观结构识别	依赖有限的标注数据，且主要针对辐照U-10Zr金属燃料，可能在其他材料或数据集上的适用性有待验证	自动化辐照核材料中微观结构的识别，以克服FIB-SEM断层扫描在数据收集、微观结构区分和图像对齐方面的挑战	辐照U-10Zr (wt%)金属燃料的FIB-SEM显微图像	计算机视觉	NA	聚焦离子束扫描电子显微镜 (FIB-SEM) 断层扫描，能量色散光谱 (EDS)	CNN	图像	NA	NA	U-Net, Attention U-Net, Residual U-Net	分割性能，一致性	NA
11560	2026-01-11	Peptide-functionalized membrane camouflage for endogenous H2S-induced photothermal immunotherapy of orthotopic colorectal cancer 2026-Jan-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65876-9 PMID:41484054	研究论文	本文开发了一种肽功能化膜伪装平台，用于通过内源性H2S诱导的光热免疫疗法治疗原位结直肠癌	利用抗菌肽功能化的结直肠癌细胞膜封装钴基金属有机框架，实现肿瘤微环境中内源性H2S的协同调控，结合光热效应与免疫激活	研究主要基于小鼠模型，临床转化潜力尚需进一步验证；未详细讨论长期毒性或潜在脱靶效应	开发一种结合免疫调节与肠道菌群调控的抗癌疗法，以降低结直肠癌的复发和转移率	原位结直肠癌小鼠模型	数字病理	结直肠癌	金属有机框架封装、光热疗法、免疫疗法	NA	实验数据、成像数据	肿瘤小鼠模型（具体数量未明确）	AI深度学习	Segment Anything模型	凸包算法评估的治疗效果比较	NA